.webp)
Banyak orang menganggap belajar kecerdasan buatan (AI) hanya soal mengoperasikan layanan seperti ChatGPT atau Grok. Padahal, pemahaman AI jauh melampaui sekadar penggunaan alat.
Hal ini diungkap Kepala Program Studi Kecerdasan Artifisial Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI), Adila Krisnadhi. Seperti diketahui, UI akan membuka Prodi Kecerdasan Artifisial mulai Tahun Akademik 2026/2027.
Adila mengungkapkan Prodi AI di UI mengajarkan memahami, membangun, dan mengembangkan sistem AI dari awal. Ia menjelaskan prodi ini dirancang agar mahasiswa tak hanya memahami cara menggunakan AI, tetapi juga memahami cara merancang sistemnya.
SCROLL TO CONTINUE WITH CONTENT
Belajar Lebih dari Sekadar Prompt
Adila menjelaskan di Prodi AI UI menekankan kemampuan membangun kecerdasan buatan dari dasar, bukan hanya mengoperasikan alatnya.
"Prodi AI bukan semata-mata belajar nge-prompt gitu, itu yang mungkin perlu dipahami ya. Prodi AI itu belajar bikin model AI-nya, kemudian bikin solusi yang bisa di-deploy gitu," ujarnya, dalam wawancara bersama tim detikEdu, Jumat (6/2/2026).
Pendekatan ini membuat mahasiswa terbiasa berpikir komputasional dan sistematis. Mereka dapat memahami bagaimana sebuah model bekerja sekaligus bagaimana mengoptimalkannya agar bisa digunakan untuk menyelesaikan masalah nyata di berbagai sektor industri.
Mahasiswa Diajarkan Membangun Sistem AI dari Awal
Kurikulum Prodi AI UI disusun agar mahasiswa menguasai seluruh rantai pengembangan sistem cerdas secara menyeluruh. Mahasiswa diajarkan mengenai pemodelan sistem dan pembuatan sistem.
"Jadi kita ingin lulusan prodi AI itu secara umum menguasai aspek pemodelan AI-nya dan rekayasa sistemnya. Jadi nggak sekadar bisa bikin model, tapi juga bisa bikin sistem," katanya.
Lebih lanjut, ia menegaskan bahwa kemampuan lulusan AI UI mencakup pemahaman dari analisis hingga penerapan sistem.
"Jadi beneran mereka nggak sekadar bisa bikin model aja gitu, mereka bisa deploy, bisa membungkusnya menjadi produk gitu. Jadi end-to-end. Dari sisi skill-nya ya dari analisisnya, kemudian modeling-nya, kemudian sistem development-nya, lalu dia juga bisa melakukan asesmen dan evaluasi terhadap AI system. Itu skill utamanya ya, jadi end-to-end gitu," ujar Adila.
Melalui kurikulum yang sudah dibuat, mahasiswa dibekali kemampuan untuk merancang solusi berbasis kecerdasan buatan yang fungsional dan siap digunakan di dunia nyata.
Fasilkom UI menargetkan lulusan prodi ini mampu menjadi pengembang AI yang memahami seluruh proses, dari ide hingga implementasi sistem.
Mata Kuliah Wajib Prodi AI UI
Untuk mendukung kemampuan tersebut, mahasiswa AI UI dibekali kombinasi antara fondasi matematika, pemrograman, pengembangan sistem, serta etika dan riset. Berdasarkan laman resmi cs.ui.ac.id, berikut daftar mata kuliah wajib di Prodi Kecerdasan Artifisial Fasilkom UI:
Mathematical Foundations
• Logic and Discrete Structures
• Univariate Calculus
• Multivariate Calculus
• Linear Structure
• Statistics and Probability
Programming Foundations
• Programming Foundations 1
• Programming Foundations 2
• Data Structures and Algorithms
General Requirements & Undergraduate Research
• Religion
• English
• Integrated Character Development
• Internship
• Research Methodology and Scientific Writing
• Undergraduate Thesis
AI Modeling and Ethics
• AI Ethics (3 sks)
• Data Science and Machine Learning
• Knowledge Representation and Reasoning
• Search and Optimization
• Deep Learning
• Computer Vision
• Natural Language Processing
• Generative AI
Data, Systems, and Solution Development
• Databases
• Data Engineering Foundations
• Introduction to Computer Architecture and Operating Systems
• Architecture, Engineering, and Operations of AI Applications
• Computer System Networks
• AI Product Design
• AI Product Development Project
Mata Kuliah Pilihan Prodi AI UI
Selain mata kuliah wajib, mahasiswa juga dapat memilih sejumlah mata kuliah lanjutan yang disesuaikan dengan perkembangan riset dan teknologi AI terkini. Beberapa di antaranya meliputi:
• AI Databases
• Bioinformatics
• Data & Information Visualization
• Data Mining
• Classical Machine Learning
• Edge AI
• Graph Machine Learning
• Information Retrieval
• Knowledge Graph
• Large-scale Social Data Analytics
• Logic Programming
• Quantitative Forecasting
• Reinforcement Learning
• Robotics
• Spoken Language Processing
