sistem informasi gunadarma — lulus 2026, ipk 3.7

[tentang]

s1 sistem informasi, universitas gunadarma depok. lulus 2026, ipk 3.7.

skripsi tentang automatic speech recognition untuk subtitle otomatis. sekarang kerja sebagai data engineering intern, bangun pipeline dan AI automation.

[kenapa SI, bukan informatika]

alasan simpel: gue mau yang di tengah. ngerti coding, tapi juga ngerti kenapa sistem itu dibangun.

di SI gunadarma lo dapat dua sisi: akuntansi 1-2 + manajemen & SIM 1-2 di satu sisi, algoritma + struktur data + basis data di sisi lain. buat kerjaan sekarang (dashboard keuangan, audit COGS, pipeline marketplace) kombinasi itu kepake banget.

kalau mau murni teori komputer dalam, informatika lebih cocok. kalau mau bangun sistem yang dipakai orang bisnis, SI cukup.

[matkul yang kepake]

dari puluhan matkul 8 semester, yang beneran nyambung ke kerjaan:

→ sistem basis data 1-2 // fondasi semua kerjaan gue sekarang. supabase, postgres, schema marketplace di epoxy-dashboard. normalisasi dan SQL dari sini.
→ analisis & perancangan SI + pengembangan SI // cara mikir sebelum coding. audit-pipeline 6-agent itu pada dasarnya DFD + validasi yang digambar dulu.
→ interaksi manusia & komputer // alasan srtplayer dibikin 1 file, offline, tanpa upload. jangan nyusahin user.
→ statistika 1-2 + konsep data mining // bekal buat evaluasi skripsi: bandingin CER wav2vec 2.0 (22-67%) vs whisper (6-17%), ngerti RTF.
→ pemrograman berorientasi objek + pemrograman berbasis web // modal nekat ke react + netlify (johari report, epoxy-dashboard).
→ struktur & organisasi data 1-2 + graf & analisis algoritma // kepake pas optimasi, walau di kampus cuma di atas kertas.
→ keamanan komputer + jaringan komputer // bekal setup tailscale + rustdesk p2p, ngerti kenapa relay publik lemot.

// lengkapnya: pengantar teknologi SI, konsep SI, algoritma 1-2, matematika dasar/lanjut, matematika SI 1-2, sistem operasi, SIA, SPK, sistem terdistribusi, testing & implementasi sistem, pengelolaan proyek SI, etika & profesi.

[yang kampus kurang ajarin]

jujur aja, ini yang harus gue tutup sendiri di luar kampus:

→ git yang bener, bukan cuma save-as-final.zip
→ docker, linux server, nginx, github actions
→ cloud gratisan: colab T4, supabase, netlify/cloudflare
→ cara baca dokumentasi + API (claude api, lynk.id, dsb)
→ debugging pipeline yang datanya kotor

kampus ngasih fondasi. produksi diajarin magang + proyek sendiri.

[skripsi]

judul: implementasi automatic speech recognition (ASR) menggunakan model faster-whisper untuk pembuatan subtitle otomatis.

masalahnya nyata: transkripsi manual 1 jam audio bisa makan 4-6 jam. jasa profesional 50-150rb per jam audio. capek + mahal + gak konsisten.

model   → large-v3-turbo (faster-whisper)
compute → google colab, Tesla T4 gratis, float16
input   → .mp3 .m4a .wav .flac .aac
output  → .srt + timestamp
hasil   → RTF ~0.23 (3 menit audio, kelar < 1 menit)
uji     → pidato bahasa indonesia (nadiem makarim)

kenapa faster-whisper, bukan whisper biasa: 4x lebih cepat, hemat memori ~50%, hasil setara. beam_size=5 buat akurasi.

skripsi ini yang jadi gcolab-whisper + srtplayer. transcribe di colab, playback lokal. tanpa bayar GPU, tanpa upload ke server orang.

[buat yang mau masuk SI gunadarma]

1. jangan cuma kejar nilai. simpan semua tugas basis data + PBO di github dari semester 3.
2. ambil konsep data mining + basis data lanjut kalau ada pilihan. itu jembatan ke kerjaan data/AI.
3. kerjain 1 proyek end-to-end sebelum skripsi. misal: transcribe → simpan DB → tampilkan di web. skripsi lo jadi gampang.

gcolab-whisper → // skripsi versi hidupnya

srtplayer → // player buat hasil transkripsi

audit-pipeline → // yang diajarin MIS + APSI, dipakai di dunia nyata

github repo skripsi →