SEMARANG — Mahasiswa magister Departemen Fisika Universitas Diponegoro mengikuti kuliah tamu bertema machine learning pada Selasa (15/9/2026), melanjutkan kerja sama yang sudah berjalan antara departemen dan Universitas Darma Persada.
Dr. Aji Setiawan, S.Kom., MMSI, dosen Universitas Darma Persada, menjadi pemateri sejak pukul 10.40 di ruang lantai empat kampus. Sesi berlangsung tanpa batas waktu tetap dan mencakup empat bagian: advanced machine learning, perkembangan AI, tips dan trik code, serta bimbingan langsung.
Setiawan membuka materi dengan mendefinisikan machine learning sebagai cabang AI di mana program belajar mengenali pola langsung dari data, bukan mengikuti aturan yang ditulis manual oleh programmer. Ia menjelaskan tiga tugas umum yang bisa ditangani pendekatan ini: mengelompokkan data ke dalam kategori, memprediksi nilai numerik, dan mengelompokkan data yang mirip satu sama lain — konsep dasar yang sama dengan alat yang sudah biasa dipakai mahasiswa, seperti filter spam dan sistem rekomendasi.
Ia memakai support vector machine, atau SVM, sebagai contoh algoritma klasifikasi. SVM mencari batas yang memisahkan dua kelompok data, lalu menempatkan batas itu agar jarak ke titik data terdekat di kedua sisi selebar mungkin. Titik-titik data terdekat dengan batas ini — yang menentukan posisi batas tersebut — disebut support vector. Setiawan menyebut, saat data tidak bisa dipisahkan dengan garis lurus, teknik bernama kernel trick memungkinkan algoritma memproyeksikan data ke dimensi yang lebih tinggi sehingga pemisahan yang bersih jadi mungkin. Sebagai contoh yang dekat dengan bidang audiens, ia menyinggung pengelompokan event tumbukan partikel menjadi sinyal atau noise latar belakang berdasarkan data energi dan momentum hasil pengukuran — persoalan klasifikasi yang langsung ditemui fisikawan pada data eksperimen.
Bagian perkembangan AI melangkah lebih jauh dari SVM ke neural network dan deep learning, serta bagaimana alat AI generatif mulai masuk ke alur kerja riset fisika, misalnya untuk menyusun draf skrip analisis, merangkum paper, atau membersihkan dataset sebelum dimodelkan.
Bagian coding tetap praktis: penggunaan library Python seperti NumPy dan scikit-learn, cara menyusun Jupyter notebook agar hasilnya bisa direproduksi, dan penggunaan Git untuk melacak perubahan pada kode riset. Bagian bimbingan memberi kesempatan mahasiswa membawa skrip dan pertanyaan terkait tesis masing-masing untuk ditelusuri langsung.
Machine learning kini jadi alat standar dalam riset fisika, mulai dari mengolah dataset eksperimen berukuran besar, pengenalan citra dalam astrofisika, hingga mempercepat simulasi. Departemen Fisika membagikan info kegiatan berikutnya lewat Instagram @fiskundip dan situs fisika.undip.ac.id.
