PENGEMBANGAN KETERAMPILAN MAHASISWA MULTIDISIPLINER DALAM BIDANG DATA ANALYST DAN AI MELALUI PROGRAM MBKM
Article Sidebar
Main Article Content
Abstract
Revolusi industri 4.0 telah meningkatkan kebutuhan akan tenaga kerja yang memiliki keterampilan di bidang Data Analyst dan Artificial Intelligence (AI). Untuk menjawab tantangan ini, program Merdeka Belajar Kampus Merdeka (MBKM), khususnya skema Magang dan Studi Independen Bersertifikat (MSIB) memberikan kesempatan bagi mahasiswa lintas disiplin ilmu untuk mengembangkan kompetensi di bidang tersebut. Kegiatan pengabdian ini bertujuan untuk mendampingi mahasiswa dalam meningkatkan keterampilan analisis data dan penerapan AI melalui pembelajaran berbasis proyek. Sebanyak 294 mahasiswa dari 17 jurusan TI dan 44 jurusan non-TI berpartisipasi dalam program ini selama kurang lebih lima bulan. Metode yang diterapkan mencakup pembelajaran sinkron dan asinkron, pendampingan mitra, mentor dan mahasiswa serta penyusunan proyek berbasis tim multidisipliner. Hasil evaluasi menunjukkan bahwa mahasiswa jurusan TI mengalami peningkatan keterampilan sebesar 63,7%, sedangkan mahasiswa jurusan non-TI mengalami peningkatan sebesar 51,8%, berdasarkan perbandingan initial assessment dan final assessment. Program ini terbukti efektif dalam meningkatkan kompetensi mahasiswa dalam analisis data dan AI serta mempersiapkan mereka untuk menghadapi tantangan dunia kerja.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Ade Sarah Huzaifah. (2024). Peningkatan Kompetensi Mahasiswa di Bidang Network Computer dan Cyber Security melalui Program Studi Independen Merdeka Belajar Kampus Merdeka. Jurnal Pengabdian Bersama Masyarakat Indonesia, 2(3), 53–60. https://doi.org/10.59031/jpbmi.v2i3.475
BCG. (2018). AI for the Real World: Making the Business Case for Artificial Intelligence. Boston Consulting Group.
https://www.bcg.com/publications/2018/artificial-intelligence-factory-future
Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W. W. Norton & Company.
https://psycnet.apa.org/record/2014-07087-000
Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018). AI Adoption Advances, but Foundational Barriers Remain. McKinsey Global Institute.
Chui, M., Manyika, J., & Miremadi, M. (2018). What AI Can and Can’t Do (Yet) for Your Business. McKinsey Quarterly.
Davenport, T. H., & Kirby, J. (2016). Only Humans Need Apply: Winners and Losers in the Age of Smart Machines. Harper Business.
Friedman, J., Hastie, T., & Tibshirani, R. (2001). The Elements of Statistical Learning. Springer Series in Statistics.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
KEMENDIKBUD (2020). Merdeka Belajar Kampus Merdeka. KEMENDIKBUD.
KEMENDIKBUD (2021). Panduan Program Bantuan Kerja Sama Kurikulum dan Implementasi Merdeka Belajar-Kampus Merdeka. KEMENDIKBUD.
McKinsey Global Institute. (2018). Notes from the AI Frontier: Insights from Hundreds of Use Cases. McKinsey & Company.
Provost, F., & Fawcett, T. (2013). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media, Inc.
Rajkomar, A., Dean, J., & Kohane, I. (2019). Machine learning in medicine. New England Journal of Medicine, 380(14), 1347-1358.
https://www.nejm.org/doi/full/10.1056/NEJMra1814259
Schrage, M. (2020). Recommendation Engines. MIT Press.
World Economic Forum (2018). The Future of Jobs Report. WEF.
https://www.weforum.org/publications/the-future-of-jobs-report-2018/