Memiliki sertifikat atau menyelesaikan berbagai kelas online tentu menjadi nilai tambah. Namun, ketika melamar pekerjaan di bidang Artificial Intelligence (AI) atau Data Science, recruiter sering kali ingin melihat satu hal yang lebih konkret: portofolio proyek.

Portofolio menunjukkan bagaimana kamu menerapkan pengetahuan yang telah dipelajari untuk menyelesaikan permasalahan nyata. Bahkan bagi fresh graduate yang belum memiliki pengalaman kerja, proyek AI yang dikerjakan secara mandiri dapat menjadi bukti kemampuan teknis sekaligus kemampuan problem solving.

Lalu, proyek seperti apa yang cocok untuk pemula? Berikut lima ide proyek AI yang tidak hanya membantu mengasah keterampilan, tetapi juga dapat memperkuat portofolio saat melamar pekerjaan.

Mengapa Portofolio Penting untuk Karier AI?

Di bidang AI dan Machine Learning, proses rekrutmen tidak hanya melihat nilai akademik atau sertifikat. Recruiter juga ingin mengetahui bagaimana calon kandidat:

Menganalisis sebuah permasalahan.
Memilih metode yang tepat.
Mengolah data.
Membangun model Machine Learning.
Mengevaluasi hasil.
Menyampaikan insight secara jelas.

Portofolio yang baik menunjukkan bahwa kamu mampu menggabungkan teori dengan praktik, sehingga lebih siap menghadapi tantangan di dunia kerja.

1. Chatbot AI Sederhana

Chatbot menjadi salah satu implementasi AI yang paling banyak digunakan oleh perusahaan, mulai dari layanan pelanggan hingga asisten virtual.

Sebagai proyek portofolio, kamu dapat membangun chatbot yang mampu menjawab pertanyaan sederhana berdasarkan informasi yang telah disediakan. Misalnya:

Chatbot layanan pelanggan toko online
Chatbot FAQ kampus
Chatbot informasi wisata
Chatbot konsultasi produk

Jika ingin meningkatkan kompleksitas proyek, kamu juga dapat mengintegrasikan Large Language Model (LLM) melalui API sehingga chatbot mampu memberikan jawaban yang lebih natural.

Skill yang Dipelajari

Natural Language Processing (NLP)
Prompt Engineering
API Integration
Python Programming
Backend Development

Tools yang Digunakan

Python
Flask atau FastAPI
Google Gemini API atau OpenAI API
LangChain (opsional)
Streamlit untuk antarmuka sederhana

Nilai Portofolio

Proyek ini menunjukkan bahwa kamu memahami implementasi AI generatif sekaligus mampu membangun aplikasi yang dapat digunakan secara langsung.

2. Sentiment Analysis Media Sosial

Sentiment Analysis merupakan salah satu proyek Machine Learning yang paling populer karena memiliki banyak penerapan di dunia industri.

Melalui proyek ini, kamu dapat menganalisis ribuan komentar atau ulasan pelanggan untuk mengetahui apakah opini mereka bersifat positif, negatif, atau netral.

Contoh dataset yang dapat digunakan antara lain:

Ulasan aplikasi di Google Play Store
Review produk e-commerce
Komentar media sosial
Review film

Skill yang Dipelajari

Data Cleaning
Natural Language Processing
Text Classification
Machine Learning
Data Visualization

Tools yang Digunakan

Python
Pandas
Scikit-learn
NLTK atau spaCy
Matplotlib

Nilai Portofolio

Recruiter dapat melihat kemampuanmu dalam mengolah data tidak terstruktur serta membangun model klasifikasi berbasis teks.

3. Sistem Rekomendasi Produk atau Film

Pernahkah kamu menerima rekomendasi film di layanan streaming atau rekomendasi produk di e-commerce? Sebagian besar menggunakan teknologi Recommendation System.

Sebagai proyek portofolio, kamu dapat membuat sistem rekomendasi sederhana menggunakan dataset publik, misalnya:

Film
Buku
Musik
Produk

Kamu dapat mencoba dua pendekatan yang umum digunakan:

Content-Based Filtering
Collaborative Filtering

Skill yang Dipelajari

Recommendation System
Machine Learning
Data Processing
Feature Engineering

Tools yang Digunakan

Python
Pandas
Scikit-learn
Surprise Library (opsional)

Nilai Portofolio

Proyek ini memperlihatkan kemampuan membangun solusi AI yang banyak digunakan dalam industri digital seperti e-commerce dan platform streaming.

4. Image Classification

Computer Vision menjadi salah satu cabang AI yang berkembang sangat pesat.

Melalui proyek ini, kamu dapat melatih model untuk mengenali objek dari sebuah gambar.

Beberapa contoh proyek yang bisa dibuat antara lain:

Klasifikasi jenis bunga
Identifikasi buah segar dan busuk
Deteksi penyakit tanaman
Klasifikasi sampah organik dan anorganik

Jika ingin lebih menantang, kamu dapat menggunakan model pre-trained melalui teknik Transfer Learning.

Skill yang Dipelajari

Computer Vision
Deep Learning
Image Processing
Transfer Learning

Tools yang Digunakan

TensorFlow
Keras
PyTorch
Google Colab

Nilai Portofolio

Recruiter akan melihat bahwa kamu memahami implementasi Deep Learning untuk menyelesaikan permasalahan berbasis citra.

5. Prediksi Penjualan Menggunakan Machine Learning

Banyak perusahaan ingin mengetahui bagaimana tren penjualan di masa mendatang agar dapat menentukan strategi bisnis yang lebih baik.

Melalui proyek ini, kamu dapat membangun model Machine Learning untuk memprediksi penjualan berdasarkan data historis.

Dataset dapat berupa:

Penjualan toko
Penjualan produk
Data transaksi
Permintaan pelanggan

Hasil prediksi dapat divisualisasikan dalam bentuk dashboard agar lebih mudah dipahami.

Skill yang Dipelajari

Data Analysis
Regression
Time Series Forecasting
Feature Engineering
Data Visualization

Tools yang Digunakan

Python
Pandas
Scikit-learn
XGBoost
Prophet
Looker Studio atau Tableau

Nilai Portofolio

Proyek ini menunjukkan kemampuan mengubah data menjadi insight bisnis, salah satu kompetensi yang paling dicari untuk peran Data Scientist maupun Machine Learning Engineer.

Tips Agar Portofolio AI Lebih Menarik bagi Recruiter

Selain memilih proyek yang relevan, cara menyajikan portofolio juga sangat menentukan. Beberapa hal yang sebaiknya kamu lakukan antara lain:

Tulis dokumentasi proyek yang jelas di GitHub.
Jelaskan permasalahan yang ingin diselesaikan.
Sertakan proses eksplorasi data dan alasan memilih algoritma tertentu.
Tampilkan hasil evaluasi model beserta metrik performanya.
Tambahkan visualisasi atau demo aplikasi jika memungkinkan.
Cantumkan tantangan yang dihadapi dan bagaimana kamu mengatasinya.

Portofolio yang mampu menjelaskan proses berpikir sering kali lebih menarik dibandingkan proyek yang hanya menampilkan hasil akhir.

Bangun Portofolio AI Bersama IDCamp

Membangun proyek AI akan lebih mudah jika didukung dengan pembelajaran yang terstruktur. Melalui IDCamp, peserta dapat mempelajari berbagai kompetensi yang dibutuhkan untuk mengembangkan solusi berbasis AI, mulai dari dasar pemrograman, analisis data, Machine Learning, hingga implementasi Artificial Intelligence dalam proyek nyata.

Selain memahami konsep, peserta juga memperoleh pengalaman mengerjakan proyek praktik yang dapat menjadi bagian dari portofolio profesional. Pengalaman ini sangat bermanfaat bagi fresh graduate maupun calon talenta digital yang ingin mempersiapkan diri menghadapi kebutuhan industri.

Portofolio Adalah Investasi Terbaik untuk Karier AI

Memulai karier di bidang AI tidak selalu mensyaratkan pengalaman kerja bertahun-tahun. Yang terpenting adalah menunjukkan bahwa kamu mampu menerapkan pengetahuan untuk menyelesaikan masalah nyata melalui proyek yang terstruktur dan terdokumentasi dengan baik.

Lima proyek di atas dapat menjadi langkah awal untuk membangun portofolio yang relevan dengan kebutuhan industri. Mulailah dari proyek yang sesuai dengan minatmu, kembangkan secara bertahap, dan jangan ragu untuk membagikannya melalui GitHub atau platform portofolio lainnya.

Dengan kombinasi keterampilan teknis, pengalaman mengerjakan proyek, dan semangat untuk terus belajar, kamu akan memiliki bekal yang lebih kuat untuk memulai karier sebagai talenta AI di era transformasi digital.