Kunjungan HIMA Ilmu Komputer Universitas Narotama ke POLDA Jawa Timur

Surabaya — Pada Rabu, 30 Juli 2025, Himpunan Mahasiswa Ilmu Komputer (HIMA ILKOM) Fakultas Ilmu Komputer Universitas Narotama melaksanakan kunjungan ke Kepolisian Daerah (POLDA) Jawa Timur. Kegiatan ini merupakan bagian dari program peningkatan wawasan dan pengetahuan mahasiswa di bidang keamanan digital serta investigasi siber.

Dalam kunjungan tersebut, mahasiswa disambut oleh jajaran Direktorat Reserse Siber dan Laboratorium Forensik POLDA Jawa Timur. Para narasumber memberikan materi seputar ancaman dan penanggulangan kejahatan siber, teknik investigasi digital, serta pemanfaatan teknologi forensik untuk pembuktian kasus.

Selain mendapatkan penjelasan teoritis, mahasiswa juga berkesempatan melihat langsung proses dan perangkat yang digunakan dalam digital forensics. Pengalaman ini diharapkan mampu membuka wawasan serta memotivasi mahasiswa untuk terus mengembangkan keterampilan di bidang cyber security, yang semakin dibutuhkan di era digital saat ini.

Ketua HIMA ILKOM menyampaikan rasa terima kasih kepada POLDA Jawa Timur atas kesempatan dan ilmu yang diberikan. “Ini adalah pengalaman yang sangat berharga bagi kami untuk memahami penerapan langsung dari ilmu komputer di dunia kerja, khususnya di bidang keamanan siber,” ujarnya.

Kegiatan ini menjadi salah satu bentuk kolaborasi antara dunia akademik dan praktisi, serta komitmen Fakultas Ilmu Komputer Universitas Narotama dalam mempersiapkan lulusan yang kompeten dan siap menghadapi tantangan teknologi di masa depan.

Read More

Era baru GPT5 sebagai Infrastruktur AI

GPT-5: Era Baru AI Sebagai Infrastruktur, Bukan Lagi Mainan

Pada 7 Agustus 2025, OpenAI merilis GPT-5—model terbaru yang tidak hanya membawa lonjakan kemampuan, tetapi juga menandai perubahan paradigma: dari AI sebagai eksperimen menarik, menjadi infrastruktur kerja yang andal.

1. Satu Sistem Cerdas, Banyak Mode Kerja

Salah satu pembaruan terbesar adalah sistem terpadu dengan smart router.
Artinya, Anda tidak lagi harus memilih model (mini, pro, thinking) secara manual. GPT-5 akan:

• Menjawab cepat untuk pertanyaan sederhana.
• Mengaktifkan mode thinking untuk masalah kompleks seperti debugging kode, analisis ilmiah, atau perencanaan strategis.

Pengguna juga bisa memaksa model berpikir mendalam dengan instruksi “think hard”.

2. Akurasi yang Naik Drastis

Reliabilitas menjadi prioritas utama. Hasilnya:

• Hallucination berkurang 45% dibanding GPT-4o.
• Dalam mode thinking, error turun hingga 80% dibanding model reasoning sebelumnya.
• Pada benchmark LongFact dan FactScore, GPT-5 thinking enam kali lebih akurat dibanding o3.

Ini berarti GPT-5 kini jauh lebih aman digunakan di sektor kritikal seperti kesehatan, hukum, dan riset.

3. Performa Ilmiah & Teknis yang Unggul

Benchmark utama GPT-5:

Bidang	Skor & Performa
Coding (SWE-bench Verified)	74.9% (unggul dari GPT-4.1 yang hanya 54.6%). Cocok untuk code generation, debugging, dan optimisasi algoritma.
Matematika (AIME 2025)	94.6% tanpa tools—hampir dua kali lipat dari GPT-4o (42.1%).
Ilmu Kesehatan (HealthBench Hard)	46.2% (naik dari 31.6%), dengan error medis hanya 1.6% pada mode thinking.
Multimodal (MMMU)	84.2% akurasi—mampu memahami gambar, diagram, dan video teknis.
Sains Tingkat Lanjut (GPQA)	88.4% tanpa bantuan alat eksternal.
Automasi Multi-Tool (τ²-bench)	>96% keberhasilan dalam tugas agentic yang kompleks.

4. Kapasitas Konteks Raksasa

GPT-5 mendukung 256.000 token input—setara dengan membaca ratusan halaman sekaligus—dan 128.000 token output.
Ini membuka peluang untuk:

• Analisis laporan penelitian lengkap.
• Pembuatan buku atau manual teknis langsung dari prompt.
• Pemrosesan dokumen hukum skala besar.

5. Akses Fleksibel & Ekonomis

GPT-5 hadir dalam berbagai versi:

• Gratis: akses GPT-5 standar dengan batas penggunaan harian.
• Plus & Pro: termasuk GPT-5 Pro (parallel reasoning) dan GPT-5 Thinking.
• API: harga kompetitif—input $1.25 per juta token, output $10 per juta token.

Dengan harga ini, GPT-5 sejalan dengan model premium lain seperti Gemini 2.5 dan Claude 3.5.

6. Dampak untuk Dunia Profesional

Bagi kalangan profesional, GPT-5 bukan lagi alat coba-coba. Ia siap menjadi mitra kerja digital:

• Developer: debugging dan pengembangan aplikasi kompleks.
• Peneliti: analisis literatur ilmiah dan desain eksperimen.
• Tenaga Kesehatan: asisten diagnosis awal dengan sumber terpercaya.
• Manajer Proyek: perencanaan, risk assessment, dan otomasi laporan.

Kesimpulan

Peluncuran GPT-5 adalah titik balik:
AI kini menjadi bagian integral dari infrastruktur kerja, seperti listrik atau internet.

Dengan akurasi yang lebih tinggi, pemahaman multimodal yang kuat, dan kapasitas konteks super panjang, GPT-5 siap membantu dari ruang kelas, laboratorium, hingga ruang rapat perusahaan.

Pesan penting: Era “AI sebagai mainan” sudah berakhir. Selamat datang di era “AI sebagai mitra kerja”.

Read More

Wawancara SQL Pertama

Mahasiswa, fresh graduate, atau profesional muda yang sedang belajar SQL dan berjuang menghadapi wawancara kerja di bidang data:

Gagal Total di Wawancara SQL Pertama? Saya Pernah di Posisi Itu — dan Ini Cara Saya Bangkit

Wawancara SQL pertama saya?
Saya masuk ruangan dengan percaya diri…
Tapi keluar dengan hati hancur. 😞

Padahal sebelumnya saya sudah:

• Menonton semua tutorial SQL di YouTube,
• Latihan sintaks setiap malam sampai tengah malam.

Tapi kemudian pewawancara bertanya:
"Bisa tunjukkan bagaimana cara mencari nilai transaksi ke-2 tertinggi untuk tiap customer?"

Dan saya langsung… blank.

Padahal saya tahu tentang ROW_NUMBER(), RANK(), GROUP BY — semua teori itu saya hafal.
Tapi saat itu, saya tidak bisa menghubungkan semuanya menjadi solusi.

❌ Itu bukan sekadar soal tidak tahu jawabannya.
⚠️ Tapi saya sadar: saya tidak terbiasa berpikir seperti analis data sungguhan.

Pelajaran Penting:

Belajar SQL bukan cuma soal hafalan sintaks.
Tapi soal memecahkan masalah nyata yang ada di dunia kerja.

Akhirnya Saya Ubah Pendekatan Belajar:

✅ Saya berhenti cuma baca teori.
✅ Saya mulai bangun portofolio SQL berbasis kasus nyata,
Seperti yang dilakukan data analyst di perusahaan besar:

• Bagaimana analisis transaksi pelanggan seperti di Tokopedia?
• Bagaimana melihat perilaku user seperti di Gojek?
• Bagaimana menyusun laporan produk layaknya tim data di Shopee?

Saya mulai membuat:

• Studi kasus mini,
• Dashboard sederhana pakai SQL + Google Data Studio,
• Simulasi query berdasarkan data publik.

 Hasilnya?

🔹 Kepercayaan diri saya naik
🔹 Saya bisa menjelaskan logika query dengan tenang
🔹 Dan akhirnya, saya lolos wawancara yang sebelumnya terasa mustahil

BONUS: Kumpulan 10 Soal Wawancara SQL dari Perusahaan Top

Saya kumpulkan semua pengalaman belajar ini dalam bentuk Top 10 SQL Interview Questions — soal-soal asli dan logika penyelesaiannya dari:

• Traveloka
• Tokopedia
• Bukalapak
• Gojek
• Ruangguru
• dan beberapa startup unicorn lainnya

Cocok untuk kamu yang:

• Mau melamar posisi Data Analyst, Business Intelligence, Data Engineer
• Sedang belajar SQL untuk wawancara teknis
• Mau tahu gimana pola pikir analis data sebenarnya

Penutup

Jangan tunggu sampai gagal dulu seperti saya.
Mulai sekarang, belajarlah SQL bukan cuma dari tutorial, tapi dari studi kasus dunia nyata.

Kegagalan saya kemarin —
Bisa jadi senjata kamu hari ini.

Semangat, pejuang data!

Unduh disini 

Read More

Memahami Apa yang Terjadi di Balik Sebuah Link

URLs Demystified: Memahami Apa yang Terjadi di Balik Sebuah Link

Pernahkah kamu melihat sebuah URL dan bertanya-tanya, “Apa sih maksud dari simbol-simbol seperti garis miring, tanda tanya, atau tanda pagar ini?”

Meski terlihat rumit, sebenarnya URL (Uniform Resource Locator) hanyalah cara internet menunjukkan lokasi dari sebuah sumber daya—bisa berupa halaman web, gambar, file, atau data lain. Dalam artikel ini, kita akan membedah bagian-bagian URL secara visual dan sederhana agar kamu lebih paham cara kerja internet di balik layar.

Anatomy of a URL: Bagian-Bagiannya Dijelaskan

Mari kita lihat contoh URL fiktif berikut:

https://www.example.com:443/blog/post?id=123#comments

Mungkin terlihat panjang, tapi setiap bagian punya fungsinya masing-masing:

1. Protocol (https://)

Ini adalah cara (protokol) yang digunakan untuk mentransfer data antara browser kamu dan server.
Contoh paling umum:

• http – Tanpa enkripsi
• https – Data dienkripsi untuk keamanan (lebih aman)

2. Subdomain (www.)

Bagian ini adalah awalan opsional yang digunakan untuk mengatur konten atau layanan tertentu.
Contoh umum:

• www. – Web utama
• blog. – Untuk blog
• shop. – Untuk toko online

3. Domain Name (example.com)

Inilah alamat utama website yang kamu tuju.
Ini biasanya nama brand, organisasi, atau kata kunci spesifik.
Contoh: google.com, narotama.ac.id

4. Port (:443)

Port adalah "gerbang komunikasi" yang digunakan browser untuk terhubung ke server.
Biasanya disembunyikan di browser, tapi contoh umum:

• Port 80 untuk HTTP
• Port 443 untuk HTTPS

5. Path (/blog/post)

Path menunjukkan lokasi file atau halaman tertentu di server.
Seperti struktur folder dalam komputer:

• /blog = folder blog
• /post = artikel tertentu dalam folder tersebut

6. Query (?id=123)

Tanda ? menandai awal query string, bagian yang mengirimkan informasi tambahan ke server.
Biasanya digunakan dalam:

• Form pencarian
• Filter produk
• Navigasi halaman

7. Parameters (id=123)

Parameter adalah pasangan key-value dalam query.
Dalam contoh di atas:

• id = nama parameter
• 123 = nilainya

Bisa ada beberapa parameter, dipisahkan dengan &:
?id=123&sort=recent

8. Fragment (#comments)

Bagian ini tidak dikirim ke server, tapi digunakan oleh browser untuk melompat langsung ke bagian tertentu dari halaman.
Biasanya digunakan dalam:

• Daftar isi
• Komentar
• FAQ

Kesimpulan: URL Lebih dari Sekadar Alamat Web

Sekarang kamu tahu bahwa sebuah URL bukan hanya deretan karakter, tapi struktur informasi yang kompleks namun sistematis. Dengan memahami bagian-bagiannya, kamu bisa:

• Membaca dan menganalisis link dengan lebih cerdas
• Memahami bagaimana data dikirim dan diterima
• Meningkatkan kemampuan dalam web development dan keamanan siber

Ingat: Setiap URL membawa data, arah, dan tujuan tertentu. Dengan memahami “anatomi”-nya, kamu tidak hanya menjadi pengguna internet, tapi juga navigator digital yang lebih cerdas.

Bagikan artikel ini jika menurutmu bermanfaat, dan tuliskan di komentar: bagian URL mana yang sebelumnya paling bikin bingung?

Read More

Belajar Lebih Cepat dengan AI

Tips "How to Use AI to Learn Anything Faster" yang cocok untuk mahasiswa baru Fasilkom Narotama, supaya mereka bisa menggunakan AI (seperti ChatGPT) sebagai teman belajar yang efektif:

Belajar Lebih Cepat dengan AI: Panduan untuk Mahasiswa Baru Fasilkom Narotama

AI seperti ChatGPT bukan cuma buat nanya tugas — tapi bisa jadi teman belajar yang pintar, sabar, dan selalu siap bantu. Berikut 10 cara cerdas untuk menggunakannya agar kamu cepat paham materi kuliah:

1. Minta Dijelaskan Seperti Anak Kecil

Kalau kamu bingung banget, minta AI menjelaskan dengan bahasa super sederhana.

Contoh perintah ke AI:

“Jelaskan apa itu algoritma seperti saya umur 5 tahun. Pakai bahasa simpel dan contoh sehari-hari.”

2. Minta Contoh dan Analogi

Sulit memahami teori abstrak? Bandingkan dengan hal nyata di sekitar kita.

Contoh perintah ke AI:

“Jelaskan konsep jaringan komputer dengan 3 analogi dunia nyata.”

3. Minta Bantuan untuk Semangat Belajar

Lagi malas belajar? AI bisa kasih trik biar kamu konsisten.

Contoh perintah ke AI:

“Aku kesulitan belajar coding. Kasih aku 5 tips biar tetap semangat.”

4. Simulasi Peran (Role-Play)

Latihan seperti dalam dunia nyata, biar makin siap.

Contoh perintah ke AI:

“Ayo kita role-play, saya jadi mahasiswa presentasi skripsi, kamu dosen penguji. Silakan mulai.”

5. Buat Rencana Belajar

Bingung mulai dari mana? AI bisa bantu bikin jadwal.

Contoh perintah ke AI:

“Buatkan rencana belajar Pemrograman Dasar selama 4 minggu, lengkap dengan target mingguan.”

6. Tes Diri Sendiri (Quiz)

Uji kemampuanmu sebelum ujian beneran.

Contoh perintah ke AI:

“Buat kuis 10 soal tentang basis data, campuran pilihan ganda dan esai, lalu jelaskan jawabannya.”

7. Buat Mind Map

AI bisa bantu visualisasi konsep yang rumit jadi peta ide yang jelas.

Contoh perintah ke AI:

“Buatkan mind map tentang Sistem Operasi, dengan cabang dan sub-topik utama.”

8. Diskusi Ala Pakar

Simulasikan diskusi antara 3 ahli berbeda. Biar kamu ngerti berbagai sudut pandang.

Contoh perintah ke AI:

“Simulasikan diskusi 3 pakar AI tentang etika penggunaan AI di pendidikan.”

9. Bikin Pengait Memori (Mnemonik)

Supaya hafalanmu lebih nempel, minta trik ingatan.

Contoh perintah ke AI:

“Bantu aku bikin mnemonik untuk mengingat jenis-jenis struktur data.”

10. Minta Revisi Tugas atau Tulisanmu

AI bisa bantu menyempurnakan tulisan kamu sebelum dikumpulkan.

Contoh perintah ke AI:

“Ini tugas makalahku tentang keamanan jaringan. Tolong bantu edit agar lebih jelas dan menarik.”

Penutup

Belajar sekarang nggak perlu sendirian. Dengan tahu cara tanya yang tepat, AI bisa jadi partner belajar terbaik kamu. Apalagi di Fasilkom Narotama, kamu akan belajar banyak hal teknis — jadi gunakan AI untuk bantu memahami materi, latihan ujian, bahkan bantu revisi tugas!

Read More

Meta Resmi Izinkan AI dalam Wawancara Coding

Meta Resmi Izinkan AI dalam Wawancara Coding — Akhir dari Era LeetCode?

Pada tahun-tahun terakhir, LeetCode telah menjadi simbol utama dalam persiapan wawancara kerja di bidang teknologi. Platform ini dipenuhi ribuan soal algoritma yang menguji logika, efisiensi, dan kemampuan problem solving kandidat. Namun, Meta (perusahaan induk Facebook, Instagram, WhatsApp) baru saja mengguncang dunia rekrutmen dengan kebijakan baru yang berani:

Menggunakan AI dalam wawancara coding tidak lagi dianggap sebagai kecurangan.

Dari InterviewCoder ke Kebijakan Baru

Kebijakan ini muncul tak lama setelah developer Chungin Lee menciptakan sebuah alat AI bernama InterviewCoder, yang mampu menyelesaikan soal LeetCode-style secara mandiri. Tak main-main, alat ini bahkan berhasil mendapatkan tawaran kerja dari perusahaan teknologi papan atas.

Alih-alih memblokir pendekatan ini, Meta justru mengambil langkah sebaliknya: merangkul kenyataan bahwa AI kini menjadi bagian dari proses kerja sehari-hari developer.

Mengapa Meta Melakukan Ini?

Meta menjelaskan bahwa perubahan ini bertujuan untuk membuat proses wawancara lebih mencerminkan lingkungan kerja nyata para engineer. Di dunia nyata, developer:

• Membaca dokumentasi,
• Menggunakan AI assistant seperti GitHub Copilot,
• Berkolaborasi membangun produk, bukan sekadar memecahkan teka-teki algoritma.

Dengan demikian, mengizinkan bantuan AI dalam wawancara justru mendekatkan proses seleksi ke realitas pekerjaan.

Format Wawancara yang Mulai Berubah

Perusahaan teknologi lain juga mulai menguji pendekatan baru yang lebih praktikal dan produktif:

1. Membangun Komponen Software Nyata

Alih-alih soal algoritma, kandidat diminta mengembangkan fitur nyata dari produk, seperti API atau UI.

2. Spesifikasi Longgar, Seperti di Dunia Nyata

Instruksi tidak terlalu ketat, melainkan menyerupai briefing pekerjaan: “Bangun sistem X dengan constraint Y dan waktu Z.”

3. Penekanan pada Reasoning dan Desain

Alih-alih solusi optimal, fokusnya ada pada logika, pemikiran desain, dan trade-offs yang dipilih kandidat.

4. Penggunaan AI Diperbolehkan

Dalam batas wajar, tools seperti GitHub Copilot dapat digunakan — karena memang begitulah developer bekerja saat ini.

Akhir dari LeetCode?

Apakah ini berarti LeetCode akan mati?

Tidak sepenuhnya. Latihan algoritma masih relevan, terutama untuk mengasah logika dasar dan efisiensi kode. Namun, dominasi mutlak LeetCode dalam rekrutmen teknikal mungkin sudah berakhir. Yang dinilai kini bukan sekadar kecepatan menyelesaikan soal, tapi kemampuan berpikir sebagai engineer profesional.

Kesimpulan: Era Baru Rekrutmen Teknologi

Langkah Meta ini bisa menjadi pemicu gelombang perubahan besar di industri. Jika perusahaan mulai memprioritaskan realisme dan kemampuan kolaboratif, maka pelamar pun harus menyesuaikan diri:

• Perkuat skill membangun proyek nyata
• Pahami produk dari sisi desain dan pengguna
• Gunakan AI sebagai alat bantu, bukan alat curang

Meta mungkin saja baru membuka pintu, tapi jelas sekali: masa depan wawancara coding tidak akan lagi sama.

Bagaimana pendapatmu? Apakah ini langkah maju atau berisiko? Apakah kamu siap menyambut era wawancara berbasis AI ini?

Tulis di kolom komentar atau bagikan jika kamu setuju ini adalah perubahan yang kita butuhkan.

#meta #wawancara #fasilkomnarotama

Read More

Kenali Otak-Otak di Balik Kecerdasan Buatan

Kenali CPU, GPU, NPU, TPU – Otak-Otak di Balik Kecerdasan Buatan

Selamat datang di dunia teknologi Fasilkom Narotama!
Buat kamu yang baru menapaki dunia komputer dan kecerdasan buatan (AI/ML), mungkin istilah-istilah seperti CPU, GPU, NPU, atau TPU terdengar asing dan membingungkan. Padahal, semua ini adalah "otak" yang bekerja di balik teknologi canggih seperti ChatGPT, Google Translate, atau Face ID di smartphone kamu.

Yuk kita kenalan satu per satu dengan cara yang santai dan mudah dipahami.

1. CPU – Otak Serba Bisa di Komputer

CPU (Central Processing Unit) adalah prosesor utama di setiap komputer atau laptop. Kalau manusia, CPU itu seperti otak yang bisa mengerjakan banyak hal: mengetik dokumen, browsing, coding, hingga menjalankan model AI kecil.

Tapi ada batasnya. CPU biasanya punya inti (core) yang sedikit, sehingga kurang cocok untuk pekerjaan berat seperti training model deep learning raksasa.

Cocok untuk:

• Belajar machine learning dasar (misal: scikit-learn, XGBoost)
• Ngerjain tugas-tugas kecil
• Membuat prototipe model AI

2. GPU – Mesin Balapnya Dunia AI

GPU (Graphics Processing Unit) awalnya dibuat untuk main game, tapi sekarang jadi senjata utama untuk deep learning. Kenapa? Karena GPU punya ribuan core kecil-kecil yang bisa bekerja paralel — cocok banget untuk memproses data dalam jumlah besar seperti gambar, suara, atau bahasa.

Kalau kamu pakai CNN, RNN, atau Transformer (misal: GPT, BERT), kamu butuh GPU biar training-nya ngebut!

Cocok untuk:

• Training dan inference model AI besar
• Deep learning dengan TensorFlow, PyTorch, dll
• Mahasiswa yang serius belajar AI tingkat lanjut

3. NPU – Otak AI di Smartphone

NPU (Neural Processing Unit) adalah chip khusus yang didesain khusus untuk menjalankan AI, terutama yang ringan dan real-time. Biasanya NPU ini ada di smartphone atau perangkat IoT (Internet of Things), dan digunakan untuk hal-hal seperti face unlock, kamera pintar, atau Google Translate offline.

NPU irit daya, cepat, dan hemat baterai, jadi ideal untuk perangkat kecil.

Cocok untuk:

• AI di ponsel (misal: MobileNet, TinyBERT)
• Proyek edge computing dan IoT
• Mahasiswa yang tertarik bikin aplikasi AI di HP atau robot kecil

4. TPU – Mesin AI Super dari Google

TPU (Tensor Processing Unit) adalah chip buatan Google yang khusus didesain untuk menjalankan model AI super besar, terutama yang dibangun dengan TensorFlow.

TPU biasanya tidak kamu temukan di laptop atau HP. Mereka beroperasi di server Google Cloud dan bisa dipakai lewat internet.

Cocok untuk:

• Training model AI skala industri (GPT-2, EfficientNet, BERT)
• Riset AI skala besar
• Kolaborasi riset atau startup AI

Bonus: DPU – Si Pengatur Lalu Lintas Data

DPU (Data Processing Unit) tidak menjalankan model AI langsung, tapi dia sangat penting untuk sistem AI skala besar. DPU mempercepat pengolahan data, jaringan, dan penyimpanan. Jadi kerja CPU dan GPU lebih ringan dan efisien.

Cocok untuk:

• Infrastruktur AI di data center
• Proyek-proyek AI skala enterprise

Kesimpulan Buat Mahasiswa Baru

Komponen	Tugas Utama	Cocok untuk
CPU	Otak serba bisa, lambat untuk deep learning	Tugas ringan, prototipe
GPU	Paralel & cepat, andalan deep learning	Training & inference model besar
NPU	AI ringan, hemat daya	Face unlock, AI di HP
TPU	AI raksasa, khusus TensorFlow	Skala industri & riset
DPU	Bantu data & jaringan	Infrastruktur pendukung

Penutup

Setiap komponen ini punya kelebihan masing-masing. Ibarat tim sepak bola, CPU adalah kapten yang serba bisa, GPU adalah striker cepat, NPU adalah gelandang lincah, dan TPU adalah bek kuat yang menjaga pertahanan. DPU? Dialah pelatih yang mengatur semuanya di balik layar!

Jadi, saat kamu belajar dan membangun proyek AI di Fasilkom Narotama, kamu akan mulai dari CPU, lalu mungkin beralih ke GPU. Siapa tahu suatu saat kamu bikin startup yang pakai TPU dan DPU di Google Cloud!

Tips untuk Mahasiswa Baru:

• Mulailah dari proyek kecil dan pahamkan konsepnya.
• Gunakan CPU atau GPU kampus untuk latihan.
• Coba eksplorasi Google Colab untuk akses gratis ke GPU dan TPU.

#SelamatBelajar
#FasilkomNarotama #AIuntukSemua #SistemKomputer

Read More

Tidak Menyerah pada Orang Lain

LEADERSHIP: Tidak Menyerah pada Orang Lain – Semangat Mahasiswa FASILKOM

“Ambition is refusing to quit on ourselves. Leadership is refusing to quit on others.” – Simon Sinek

Di tengah kesibukan kuliah, tugas, dan kegiatan organisasi, kadang kita merasa lelah, bahkan ingin menyerah. Namun di balik setiap tantangan, selalu ada ruang untuk tumbuh — bukan hanya sebagai individu, tetapi juga sebagai pemimpin. Di sinilah makna leadership hadir dengan kuat: bukan tentang menjadi yang paling hebat, tapi tentang tidak menyerah pada orang lain.

Sebagai mahasiswa Fakultas Ilmu Komputer Universitas Narotama, kita bukan hanya dituntut untuk cerdas secara akademik, tetapi juga tangguh secara mental dan sosial. Dunia teknologi berkembang cepat. Setiap hari kita ditantang untuk memahami logika, membangun sistem, dan memecahkan masalah kompleks. Namun, leadership justru dibentuk bukan hanya di dalam lab atau kelas, tapi dalam bagaimana kita memperlakukan satu sama lain.

Seorang pemimpin sejati tidak selalu berada di posisi tertinggi. Dia bisa saja teman satu tim yang tetap sabar ketika rekannya lambat, atau ketua panitia yang percaya bahwa anggotanya bisa berkembang, meskipun pernah gagal. Leadership adalah tentang bertahan untuk orang lain — percaya bahwa setiap orang punya potensi, dan kita tidak boleh menyerah pada mereka.

Bayangkan jika setiap mahasiswa FASILKOM menjadikan leadership sebagai bagian dari karakter mereka. Akan tercipta lingkungan yang tidak hanya kompetitif, tetapi juga suportif. Kita akan saling mendorong untuk maju, bukan saling menjatuhkan. Kita akan membangun ekosistem belajar yang sehat, kolaboratif, dan siap menghadapi tantangan dunia nyata.

Di sinilah peran penting leadership mindset dalam kehidupan kampus. Tidak semua dari kita harus menjadi ketua BEM atau pemimpin organisasi, tapi setiap dari kita bisa memilih untuk tidak menyerah pada sesama. Mungkin itu dalam bentuk mengajak teman belajar bersama, membantu proyek teman yang stuck, atau sekadar hadir untuk mendengarkan.

Jadi, ketika kamu merasa "cukup hanya fokus pada diriku sendiri," ingatlah: ambisi membawamu maju, tapi leadership membawamu bersama orang lain — dan itu jauh lebih kuat.

Mari kita bangun FASILKOM Narotama dengan semangat kolaborasi, ketekunan, dan kepemimpinan yang tumbuh dari hati. Karena pemimpin bukan mereka yang sempurna, tapi mereka yang tidak pernah menyerah untuk membantu orang lain menjadi lebih baik.

#leadership

Read More