kegiatan

My Blog

Latest blog

Pada 6 Mei 2026, saya memulai perjalanan mengikuti bootcamp Data Science and Machine Learning di Purwadhika. Hampir enam bulan kemudian, pada 22 Oktober 2026, perjalanan pembelajaran ini mencapai tahap sidang final project.

Data Science dan Machine Learning

Saya mengambil kelas Online Livestream After Hour, yang dilaksanakan secara daring pada malam hari. Pilihan ini memungkinkan saya tetap bekerja sebagai data analis sekaligus memperdalam kemampuan di bidang data science dan machine learning.

Menjalaninya tentu memiliki tantangan tersendiri. Setelah menyelesaikan pekerjaan pada siang hari, saya harus kembali menyiapkan energi dan konsentrasi untuk mengikuti kelas, mengerjakan latihan, serta menyelesaikan proyek. Ada malam ketika tubuh sudah lelah, sementara materi yang dipelajari masih membutuhkan perhatian penuh.

Capek dan lelah menjadi bagian yang wajar dalam proses ini. Namun, saya berusaha menjaga semangat dan konsisten hadir hingga akhir. Bagi saya, bootcamp ini sekaligus menjadi latihan mengatur waktu, menjaga komitmen, dan membangun kebiasaan belajar di tengah tanggung jawab pekerjaan.

Pembelajaran terbagi menjadi tiga modul utama: Programming Fundamental, Data Analysis, dan Machine Learning. Setiap modul dilengkapi evaluasi serta capstone project untuk menerapkan materi pada suatu permasalahan.

Modul 1 — Programming Fundamental: Membangun Dasar Logika Pemrograman

Pembelajaran dimulai pada 6 Mei 2026 dengan materi Introduction to Data Science, Computer & Programming. Pada sesi awal ini, mentor menjelaskan pengertian data science, ruang lingkup pekerjaannya, serta perannya dalam membantu organisasi memahami data dan mengambil keputusan.

Dari pengenalan tersebut, kami mulai masuk ke dasar pemrograman menggunakan Python. Materinya mencakup variabel, tipe data, input pengguna, dan conditional statements. Melalui percabangan seperti if, elif, dan else, saya belajar menerjemahkan suatu kondisi menjadi aturan yang dapat dijalankan oleh program.

Berikutnya, kami mempelajari looping statements atau perulangan. Konsep ini membantu menjalankan pekerjaan berulang secara otomatis. Sebagai contoh, for loop dapat digunakan untuk memeriksa setiap elemen data tanpa harus menuliskan instruksi yang sama berkali-kali. Ketika dikombinasikan dengan percabangan, program dapat memeriksa kondisi sekaligus menjalankan tindakan yang sesuai.

Kami juga mempelajari collection data types, seperti list, tuple, dictionary, dan set. Pada tahap ini, saya mulai memahami cara menyimpan sekumpulan data serta melakukan proses menambahkan, menampilkan, mengubah, dan menghapus data.

Materi selanjutnya adalah Python functions. Dengan fungsi, suatu proses dapat disusun menjadi bagian kode yang bisa digunakan kembali. Saya cukup memanggil fungsi tersebut ketika dibutuhkan, sehingga kode menjadi lebih terstruktur dan lebih mudah diperbaiki.

Capstone Project 1: Kalkulator Panen Udang

Setelah mengikuti pembelajaran dan evaluasi, saya membuat capstone project pertama berupa Kalkulator Panen Udang sederhana.

Saya memilih topik yang dekat dengan latar belakang dan pekerjaan saya di bidang akuakultur. Melalui proyek ini, konsep dasar Python mulai terasa lebih konkret karena digunakan untuk mengelola data panen dan membantu perhitungan usaha budidaya.

Proyek tersebut menjadi langkah awal saya dalam menghubungkan logika pemrograman dengan kebutuhan operasional yang saya pahami.

Baca selengkapnya: Aplikasi Python Sederhana: Kalkulator Panen Udang.

Modul 2 — Data Analysis: Mengolah Data hingga Menjadi Informasi

Modul kedua dimulai pada 20 Mei 2026 dengan pengenalan SQL. Pada tahap ini, pembelajaran berkembang dari membuat program menjadi mengambil, mengelola, dan menganalisis data.

SQL merupakan bahasa untuk berinteraksi dengan basis data relasional. Kami mempelajari penggunaannya melalui MySQL yang diinstal secara lokal, mulai dari membuat tabel, mengatur kolom, menambahkan dan memperbarui data, hingga menampilkan data sesuai kebutuhan.

Kami juga belajar melakukan agregasi, seperti menghitung jumlah observasi, menjumlahkan nilai, dan mencari rata-rata. Dengan JOIN, data dari beberapa tabel dapat dihubungkan berdasarkan kolom yang sesuai untuk membentuk dataset analisis.

Selain MySQL, kami diperkenalkan dengan Google BigQuery. Pengalaman ini membantu saya memahami pengolahan data di lingkungan cloud serta integrasinya dengan layanan lain, seperti Google Colab dan Looker Studio.

Python untuk Analisis Data

Setelah SQL, pembelajaran berlanjut ke Python for Data Analysis. Jika pada modul pertama Python digunakan untuk membangun dasar pemrograman, pada tahap ini penggunaannya lebih terarah pada pengolahan dan analisis data melalui notebook.

Kami menggunakan berbagai lingkungan kerja, seperti Jupyter Notebook, Google Colab, dan Visual Studio Code. Jupyter menjadi salah satu lingkungan yang sering saya gunakan karena memudahkan saya menjalankan kode secara bertahap sekaligus memeriksa hasilnya.

Kami mempelajari pandas untuk mengelola data berbentuk tabel, NumPy untuk operasi numerik, serta Matplotlib untuk visualisasi. Dari sini, saya mulai membangun alur kerja yang lebih terstruktur: membaca data, memeriksa isinya, membersihkan data, lalu mengolahnya untuk menjawab pertanyaan analisis.

Statistik sebagai Dasar Pengambilan Keputusan

Analisis data kemudian diperkuat melalui pembelajaran statistik. Kami membahas proses pengumpulan data, sampling, serta pemeriksaan kualitas data, termasuk missing value, ketidakkonsistenan kategori, outlier, dan anomali.

Saya semakin memahami bahwa kualitas analisis sangat dipengaruhi oleh kualitas data dan ketepatan metode yang digunakan. Angka yang terlihat menarik belum tentu cukup untuk mendukung suatu kesimpulan.

Dalam statistik deskriptif, kami belajar merangkum karakteristik data melalui ukuran pemusatan, penyebaran, dan visualisasi. Kami juga mempelajari kapan sebaiknya menggunakan bar chart, line chart, boxplot, atau grafik lainnya agar informasi mudah dipahami oleh audiens.

Pada statistik inferensial, kami mempelajari pengujian hipotesis serta asumsi yang perlu diperhatikan, seperti distribusi dan homogenitas varians. Beberapa metode yang dipelajari meliputi uji t, ANOVA, ANCOVA, Kruskal–Wallis, dan Chi-square.

Pembelajaran ini membantu saya membedakan antara perbedaan yang terlihat secara deskriptif dan perbedaan yang didukung oleh pengujian statistik. Saya juga belajar bahwa kesimpulan harus disesuaikan dengan desain penelitian dan karakteristik data yang tersedia.

Visualisasi, Dashboard, dan Storytelling

Setelah mempelajari statistik, kami memperdalam visualisasi menggunakan Python. Kami belajar mengatur jenis grafik, warna, label, serta tata letak agar hasil analisis lebih jelas dan nyaman dibaca.

Materi kemudian berlanjut ke storytelling with data dan presentasi. Pada tahap ini, tantangannya adalah menyusun penjelasan yang membantu audiens memahami masalah, temuan, dan implikasinya.

Kami juga mempelajari pembuatan dashboard menggunakan Looker Studio dan Tableau. Dashboard menjadi sarana untuk menyajikan indikator dan hasil analisis agar lebih mudah dipantau serta dieksplorasi.

ETL: Menyiapkan Data sebelum Dianalisis

Materi penutup modul kedua adalah ETL, yaitu Extract, Transform, dan Load.

Kami belajar mengambil data dari sumbernya, membersihkan dan mengubahnya sesuai kebutuhan, lalu memuat hasilnya ke penyimpanan tujuan. Dalam praktik pembelajaran, Google Colab digunakan untuk membantu pengolahan data, sedangkan BigQuery menjadi tempat penyimpanan hasil pengolahan yang kemudian dapat digunakan untuk analisis dan dashboard.

Prinsip garbage in, garbage out menjadi pengingat penting. Jika data yang masuk tidak diperiksa dengan baik, hasil analisis juga berisiko menyesatkan.

Saya mulai melihat bahwa pekerjaan data analis mencakup proses yang panjang sebelum grafik dan kesimpulan dihasilkan. Menyiapkan data yang konsisten, relevan, dan dapat dipercaya merupakan bagian penting dari pekerjaan tersebut.

Capstone Project 2: Revenue Leakage & Billing Control Tower Analysis

Setelah mengikuti evaluasi modul kedua, saya mengerjakan Revenue Leakage & Billing Control Tower Analysis.

Proyek ini menggunakan kasus fiktif dengan data simulasi sebagai latihan membangun alur analisis dari pemahaman masalah bisnis, proses ETL, hingga penyajian dashboard.

Melalui proyek ini, saya berlatih menghubungkan pengolahan data dengan kebutuhan pemantauan tagihan, tunggakan, dan potensi kebocoran pendapatan. Pengalaman tersebut memperlihatkan bagaimana keterampilan analisis dapat diterapkan pada konteks bisnis di luar bidang pekerjaan saya sehari-hari.

Baca selengkapnya: Dari ETL hingga Dashboard: Proses Analisis Revenue Leakage & Billing Control Tower.

Modul 3 — Machine Learning: Menghubungkan Prediksi dengan Kebutuhan Bisnis

Pembelajaran machine learning dimulai pada 13 Juli 2026. Kami diperkenalkan pada konsep dasar, jenis permasalahan yang dapat ditangani, serta alasan penggunaan machine learning.

Salah satu pelajaran yang paling saya ingat adalah pentingnya memilih pendekatan berdasarkan kebutuhan. Tidak semua masalah memerlukan machine learning. Dalam beberapa situasi, analisis deskriptif, pengujian statistik, atau aturan bisnis yang sederhana sudah dapat memberikan jawaban yang memadai.

Pemahaman ini membantu saya lebih berhati-hati dalam menentukan metode. Tujuan analisis dan kebutuhan pengguna perlu dipahami sebelum memilih algoritma.

Memahami Supervised dan Unsupervised Learning

Kami mempelajari dua kelompok utama machine learning, yaitu supervised learning dan unsupervised learning.

Pada supervised learning, model belajar dari data yang memiliki target. Target tersebut dapat berupa nilai numerik untuk regresi atau kategori untuk klasifikasi. Klasifikasi juga dapat melibatkan dua kelas maupun lebih dari dua kelas.

Sementara itu, unsupervised learning digunakan untuk mengeksplorasi pola atau struktur dalam data tanpa target berlabel.

Pada supervised learning, kami mempelajari berbagai algoritma, seperti Linear Regression, Logistic Regression, dan Random Forest. Setiap algoritma memiliki karakteristik dan keterbatasan yang perlu dipertimbangkan sesuai data serta tujuan penggunaannya.

Data Preparation dan Feature Engineering

Tahap berikutnya adalah data preparation dan feature engineering. Kami memeriksa kualitas data, melakukan Exploratory Data Analysis atau EDA, serta mengeksplorasi hubungan antarvariabel melalui boxplot, scatter plot, dan heatmap korelasi.

Kami juga belajar membuat fitur baru yang relevan dengan permasalahan. Proses ini menuntut pemahaman konteks, karena sebuah fitur perlu memiliki makna yang masuk akal bagi tujuan analisis.

Dalam pemodelan, kami mempelajari penggunaan pipeline untuk menyatukan preprocessing dan algoritma. Prosesnya dapat mencakup imputasi missing value, encoding fitur kategorikal, serta scaling pada fitur numerik sesuai kebutuhan model.

Hal penting dalam alur ini adalah memisahkan data latih dan data uji sebelum mempelajari parameter preprocessing. Dengan demikian, informasi dari data uji tidak ikut digunakan untuk melatih model dan menimbulkan data leakage.

Evaluasi Model dan Hyperparameter Tuning

Kami kemudian mempelajari generalization, overfitting, dan underfitting. Model perlu dievaluasi untuk mengetahui kemampuannya mempelajari pola yang dapat digunakan pada data baru.

Performa pada data latih perlu dibandingkan dengan hasil validasi. Pemilihan model dan hyperparameter tuning dilakukan menggunakan data latih serta proses validasi, sedangkan data uji digunakan untuk menilai performa akhir setelah keputusan pemodelan ditetapkan.

Melalui proses ini, saya memahami bahwa pemilihan model memerlukan evaluasi yang terukur. Model yang lebih kompleks belum tentu memberikan hasil yang lebih sesuai dengan kebutuhan.

Machine Learning for Business

Materi Machine Learning for Business memperluas cara saya menilai suatu model. Evaluasi mencakup dampak operasional dan biaya dari keputusan yang dihasilkan.

Setiap kesalahan prediksi dapat memiliki konsekuensi yang berbeda. Karena itu, pemilihan metrik perlu mempertimbangkan tujuan bisnis, biaya kesalahan, serta kapasitas tim yang akan menggunakan hasil prediksi.

Kami juga membandingkan skenario penggunaan model dengan skenario tanpa model. Dari sini, saya belajar menerjemahkan performa teknis menjadi pertimbangan bisnis yang lebih konkret, termasuk potensi penghematan biaya dan pemanfaatan sumber daya.

End-to-End Machine Learning dan Deployment

Pada bagian akhir, kami mempelajari alur machine learning secara menyeluruh dan menerapkan model melalui Streamlit.

Tahap ini memperlihatkan bagaimana hasil pemodelan dapat disajikan melalui aplikasi yang lebih mudah digunakan. Pengguna dapat memasukkan data dan melihat hasil prediksi tanpa harus menjalankan kode secara langsung.

Bagi saya, deployment menjadi penghubung antara pekerjaan analisis dan penggunaan model dalam suatu alur kerja.

Capstone Project 3: Bank Marketing Campaign

Setelah mengikuti evaluasi modul ketiga, termasuk ujian Perceptual Logic, saya mengerjakan capstone project Bank Marketing Campaign.

Proyek ini berfokus pada prediksi nasabah yang berpotensi membuka deposito untuk membantu penyusunan prioritas campaign. Saya menerapkan tahapan pembelajaran mulai dari memahami masalah bisnis, menyiapkan data, membangun dan mengevaluasi model, hingga menyajikannya melalui aplikasi.

Proyek ini juga melatih saya mempertimbangkan dampak false positive dan false negative terhadap biaya campaign serta peluang nasabah potensial yang terlewat.

Baca selengkapnya: Prediksi Nasabah Potensial Deposito dengan Machine Learning.

Perjalanan Bootcamp

Final Project — Olist Seller Churn bersama Tim Alpha

Setelah menyelesaikan tiga modul beserta evaluasinya, kami mengikuti proses seleksi untuk masuk ke tahap final project. Peserta kemudian dibagi menjadi tiga tim: Alpha, Beta, dan Gamma.

Saya bergabung dalam Tim Alpha bersama Rifdah Octavi Azzahra dan Dzakwan Taufiq Nur Muhammad. Kami mengangkat topik Seller Churn pada marketplace Olist untuk membantu mengidentifikasi seller berisiko dan mendukung penentuan prioritas campaign retensi.

Keberlanjutan aktivitas seller merupakan bagian penting dalam bisnis marketplace. Berkurangnya seller aktif dapat memengaruhi variasi produk, volume transaksi, dan potensi pendapatan platform. Konteks tersebut menjadi dasar bagi kami dalam merumuskan tujuan proyek.

Selama pengerjaan, kami berkoordinasi dua kali dalam seminggu dan menjalani empat sesi konsultasi bersama mentor, masing-masing satu kali setiap minggu. Diskusi tersebut menjadi kesempatan untuk meninjau perkembangan, mengevaluasi pendekatan, dan memperbaiki bagian yang masih perlu diperkuat.

Final project menjadi tempat kami menggabungkan pembelajaran dari ketiga modul: memahami permasalahan bisnis, mengolah data, melakukan analisis, membangun model, serta menyampaikan hasil dan rekomendasi.

Pengerjaan secara tim juga memberikan pengalaman dalam membagi tanggung jawab, menyelaraskan pemahaman, dan menjelaskan alasan di balik setiap keputusan analisis.

Pada 22 Oktober 2026, kami mengikuti sidang final project sebagai tahapan akhir dari rangkaian pembelajaran bootcamp ini.

Baca selengkapnya: Dari Data Menjadi Solusi Bisnis: Proyek Olist Seller Churn.

Sebagai seorang magister perikanan yang bekerja sebagai data analis, mendalami data science memberikan tantangan tersendiri. Saya perlu memperkuat kemampuan pemrograman, statistik, dan pemodelan, sekaligus membiasakan diri dengan cara kerja serta perangkat yang baru.

Namun, latar belakang perikanan juga memberikan bekal yang berharga. Pengalaman di bidang akuakultur membantu saya memahami konteks data, kebutuhan operasional, dan pertanyaan yang relevan bagi pengguna hasil analisis.

Selama bootcamp, saya semakin memahami pentingnya domain knowledge atau pengetahuan bidang. Kemampuan teknis perlu berjalan bersama pemahaman terhadap proses bisnis agar analisis dan model yang dibuat dapat digunakan secara tepat.

Perjalanan dari kelas pertama pada 6 Mei hingga sidang final project pada 22 Oktober 2026 menjadi pengalaman belajar yang berarti bagi saya. Ada materi yang harus dipelajari berulang kali, kode yang perlu diperbaiki, serta waktu istirahat yang harus diatur kembali agar pekerjaan dan pembelajaran tetap berjalan.

Menyelesaikan bootcamp ini memberi saya fondasi untuk terus berkembang. Saya ingin membawa pembelajaran tersebut ke pekerjaan sehari-hari dan mengembangkan penerapan data science dalam akuakultur—mulai dari meningkatkan kualitas data, mengevaluasi performa budidaya, hingga membangun alat bantu keputusan yang sesuai dengan kebutuhan di lapangan.

Sosialisasi CPP Shrimp Hatchery Dashboard 

Dalam upaya memperkuat pengelolaan data dan pengambilan keputusan berbasis fakta di lini pembenihan udang, telah dilaksanakan agenda Sosialisasi CPP Shrimp Hatchery Dashboard pada 26 November 2025 dan 10 Desember 2025. Kegiatan ini diselenggarakan secara daring dan diikuti oleh seluruh tim Head of Hatchery Nasional.

Sosialisasi ini bertujuan untuk menyamakan pemahaman terkait pemanfaatan dashboard sebagai alat monitoring terintegrasi, sekaligus meningkatkan visibilitas performa hatchery dari hulu hingga hilir. Dashboard dirancang untuk mendukung evaluasi kinerja, deteksi dini potensi risiko, serta konsistensi standar operasional di seluruh unit.

CPP Shrimp Hatchery Dashboard

Cakupan Monitoring Data

Melalui CPP Shrimp Hatchery Dashboard, tim data melakukan monitoring aktivitas secara end-to-end, meliputi:

  1. Kedatangan Induk (Broodstock Arrival)
  2. Broodstock Performance
  3. Fry Performance
  4. Fry Health Monitoring
  5. Vibrio Monitoring
  6. Water Quality Monitoring
  7. Fry Quality Control
  8. Pengawalan & Customer Complaint
  9. Performa Sampling Tambak
  10. Performa Panen Tambak
Setiap modul dirancang untuk saling terhubung, sehingga memberikan gambaran komprehensif mengenai kondisi biologis, lingkungan, hingga outcome produksi di level tambak.

Nilai Tambah bagi Operasional

Dengan pendekatan data-driven, dashboard ini membantu Head of Hatchery dalam:

  1. Memantau performa secara real-time dan historis
  2. Mengidentifikasi tren dan anomali lebih cepat
  3. Mendukung diskusi teknis berbasis data yang seragam
  4. Menjadi dasar evaluasi dan perbaikan berkelanjutan
  5. Agenda sosialisasi ini diharapkan menjadi langkah awal dalam memperkuat budaya pengelolaan data yang konsisten dan kolaboratif, serta mendorong peningkatan performa hatchery secara nasional.

Dashboard ini akan terus dikembangkan secara bertahap sesuai kebutuhan operasional dan masukan dari pengguna di lapangan.

Pada 18 Juni 2025 saya diberi kesempatan untuk menjadi pemateri training microsoft sesi 3 dengan topik "Power Automate".

Training ini diselenggarakan oleh Departemen Human Resource (HR) Grobest Indonesia untuk beberapa divisi, dimulai dari materi SharePoint Online, Power BI dan Power Automate.

Materi training microsoft sesi 1 "SharePoint Online" dan sesi 2 "Power BI" telah dipublikasikan pada artikel sebelumnya (Baca : Training Microsoft : SharePoint Online) dan (Baca : Training Microsoft : Power BI).

Pada sesi ini, dimulai dari pengenalan awal tentang Power Automate, mengingat Power Automate ini masih jarang digunakan oleh tim.

Apa itu Power Automate?

Power Automate merupakan layanan berbasis cloud yang memungkinkan pengguna untuk membuat alur kerja otomatis antara aplikasi dan layanan untuk menyinkronkan file, mendapatkan pemberitahuan, mengumpulkan data, dan banyak lagi. Aplikasi ini memiliki tujuan yaitu :

  1. Mengurangi pekerjaan manual dan berulang
  2. Meningkatkan efisiensi dan produktivitas
  3. Memastikan konsistensi proses bisnis
  4. Mempermudah integrasi antar aplikasi 

Mengapa Power Automate Sangat Penting dalam Bisnis?

Industri dewasa ini mulai menerapkan digitalisasi dan automatisasi dalam sistem kerja. Sistem kerja yang mulanya dilakukan dengan banyak tahapan, sekarang mulai disederhanakan dan diautomatisasikan. 

Power Automate memainkan peranan yang sangat penting dalam hal ini. Adapun Power Automate memiliki fitur utama, antara lain :

1. Instant Cloud Flow

Instant Cloud Flow

Alur kerja yang dijalankan secara manual oleh pengguna. Contoh : Kirim pesan Teams dengan satu klik


2. Automated Cloud Flow

Automated Cloud Flow

Alur kerja yang berjalan otomatis berdasarkan pemicu tertentu. Contoh : Kirim email saat file baru ditambahkan ke SharePoint


3. Scheduled Cloud Flow

Schedule Cloud Flow
Alur kerja yang dijalankan berdasarkan jadwal tertentu. Contoh : Kirim laporan setiap Senin pukul 08.00



4. Describe It to Design It

Describe it to design it
Alur kerja yang dirancang dengan bantuan AI. Kita hanya perlu menulis promp dan kemudian AI akan merancang flow sesuai dengan yang kita inginkan.




5. Desktop Flow
Desktop Flow
Otomatisasi proses di desktop menggunakan Robotic Process Automation. Contoh : Menyalin data dari aplikasi desktop ke Excel



Komponen Utama

Trigger (Pemicu): Titik awal dari alur kerja. Contoh: Saat update data di form, unggah data ke OneDrive”.

Actions (Tindakan): Langkah-langkah yang dilakukan setelah trigger. Contoh: “Kirim email”, “Tambahkan data ke Excel”, “Kirim notifikasi ke Teams”.

Connectors (Penghubung) : Menghubungkan Power Automate dengan layanan lainnya. Contoh: Outlook, SharePoint, Excel, Google Drive, Twitter, dll.

Templates (Templat) : Alur kerja siap pakai yang bisa langsung digunakan atau dimodifikasi

Contoh Aplikasi Power Automate

1. Email Pengingat Pengisian Form

Flow Email Otomatis

Trigger : Reccurence (atur schedule waktu), Actions : Send an Email, Connectors : Excel, & Outlook. File Excel berisikan data email tim Laboratorium. Kemudian flow tersebut mengambil database list dan kemudian mengirimkan email kepada tim pada periode waktu yang ditentukan. 

2. Update Data dari Microsoft Form ke Sharepoint List
Flow Pengisian Data

Trigger : When a new response is submitted, Actions : Create Item & Send an Email, Connectors : Excel, Microsoft Form, & Sharepoint. File Excel berisikan data email tim berdasarkan area penempatan.

Ketika tim melakukan pengisian di microsoft form, data akan masuk ke sharepoint list dan akan ada email otomatis. Email tersebut akan dikirimkan ke email pengisi dan CC manager area.

3. Formulir Pengajuan Barang

Flow Pengajuan Barang

Trigger : When a new response is submitted, Actions : Create Item, Star and Wait for an Approval & Send an Email, Connectors : Excel, Microsoft Form, & Sharepoint. File Excel berisikan data email tim berdasarkan area penempatan.

Ketika tim melakukan pengajuan barang pada microsoft form, maka data akan masuk ke sharepoint list dan email otomatis. Manager mereka akan mendapat notifikasi dan approval melalui email maupun microsoft teams. Setelah diapprove, maka data akan diupdate pada sharepoint list (kolom status pengajuan) dan email notifikasi.

Kelebihan Power Automate

Power Automate memiliki kelebihan antara lain :
  1. Tanpa Kode (Low-code/No-code): Cocok untuk pengguna non-teknis
  2. Integrasi Luas: Mendukung banyak aplikasi populer
  3. Skalabilitas: Bisa digunakan untuk tugas sederhana hingga proses bisnis kompleks
  4. Mobile Friendly: Bisa membuat dan menjalankan flow dari aplikasi mobile

Sesi Demonstrasi

Training Power Automate

Pada sesi demonstrasi, saya menjelaskan cara membuat database user, mulai dari nama, alamat email, area, atasan (manager) dan lain-lain.

Kemudian dilanjutkan dengan membuat schedule cloud flow. Tahap ini dilaksanakan sampai peserta berhasil mengirimkan email otomatis. Setelah berhasil, mereka melanjutkan dengan membuat formulir pengajuan barang melalui microsoft form.

Setelah itu, mereka membuat list database user berdasarkan area penempatan. Terakhir, mereka membuat flow untuk pengajuan barang. 

Training Power Automate ini merupakan sesi terakhir dari Training Microsoft, sampai berjumpa kembali pada training selanjutnya. Salam!!

Pada 4 Juni 2025 saya diberi kesempatan untuk menjadi pemateri training microsoft sesi 2 dengan topik "Power BI".

Training ini diselenggarakan oleh Departemen Human Resource (HR) Grobest Indonesia untuk beberapa divisi, dimulai dari materi SharePoint Online, Power BI dan Power Automate.

Materi training microsoft sesi 1 "SharePoint Online" telah dipublikasikan pada artikel sebelumnya (Baca : Training Microsoft : SharePoint Online).

Pada sesi ini, dimulai dari pengenalan awal tentang Power BI, mengingat Power BI ini masih jarang digunakan oleh tim.

Memberikan Materi Training Power BI

Apa itu Power BI ?

Power BI merupakan platform business intelligence dari Microsoft, yang berfungsi untuk mengelolah, menganalisis dan memvisualisasikan data dalam bentuk laporan digital. Laporan digital ini kemudian dapat dibagikan kepada tim, kolega maupun stakeholder.

Hal ini sangat membantu, karena mereka dapat melihat maupun memonitoring laporan secara realtime. Laporan terupdate ini, akan membantu dalam mengambil keputusan secara cepat dan tepat.

Mengapa Power BI sangat penting dalam bisnis?

Dewasa ini dunia bisnis, terkhusus industri akuakultur mengalami ketidak pastian. Dimulai dari isu penyakit, perubahan kondisi lingkungan, daya dukung lingkungan dan lain sebagainya (Baca : Grobest Indonesia : Aquaculture Technology Development & Data Analyst). 

User-Friendly: Antarmuka intuitif.

Power BI menjadi solusi dalam menjawab tantangan tersebut, tim dapat memonitoring hasil-hasil budidaya secara realtime melalui dashboard interaktif (Baca : Power BI Technical Aquaculture : Laporan Data, Penyakit, Inventory, Training & Performa Budidaya).

Contoh Dashboard Monitoring Akuakultur

Power BI dashboard tersebut dapat diakses dengan mudah melalui smartphone maupun browser, tim laprangan bisa memonitoring performa budidaya secara realtime.

Kaya Fitur yang Mendukung Analisis dan Visualisasi Data

Power BI menyediakan jenis grafik yang menarik dalam visualisasi data, seperti grafik batang, pie dan lain sebagainya. Fitur grafik yang tersedia serupa dengan fitur yang ada pada Microsoft Excel (Baca : Excel Monitoring Dashboard : Project Trial, Budidaya, Market, Pakan dan Lingkungan).

Selain memiliki fitur grafik dan model analisis yang lengkap, Power BI juga mendukung bahasa pemograman python untuk analisis dan visualisasi data yang lebih advance.

Contoh Grafik Korelasi dari Python Code

Integrasi Data

Power BI mendukung dalam mengintegrasi data dari berbagai sumber yang beragam, mulai dari file Excel, SQL Server, Website, Sharepoint list dan lain sebagainya.

Sumber Data dari SharePoint List

Pada artikel sebelumnya, saya telah menjelaskan penggunaan SharePoint list sebagai sumber data online yang dinamis (Baca : Training Microsoft : SharePoint Online).

Kolaboratif dan Analisis Realtime

Seperti yang telah saya jelaskan diawal, keunggulan utama Power BI untuk bisnis yaitu tim dapat berkolaborasi dan menganalisis data secara realtime sehingga mendukung pengambilan keputusan yang cepat dan tepat.

Tim dapat mengakses laporan Power BI menggunakan Power BI Service yang bisa diakses melalui aplikasi smartphone maupun browser (Baca : Power BI Marketing : Laporan Stock, Pengiriman, Harga Udang dan Analisis Sosial Media).

Selain itu, laporan tersebut juga dapat diembed pada situs Website, SharePoint, Aplikasi Power Apps dan lain sebagainya (Baca : Power Apps Technical - Marketing : Pengajuan, Training, Edukasi dan Report).

Report Power BI pada Situs SharePoint

Saran

Laporan dengan hasil analisis yang lengkap tidak menjamin tim untuk menggunakan laporan secara optimal. Adapun dalam mengoptimalkan laporan ada beberapa saran dari kami yaitu :

  • Gunakan warna secara konsisten
  • Hindari terlalu banyak visual
  • Gunakan filter dan slicer
  • Perhatikan transformasi data

Sesi Demonstrasi

Pada sesi demonstrasi, saya menjelaskan cara menimport data dari beberapa sumber. Kemudian kita melakukan pembersihan data dengan Power Query. 

Perlu diperhatikan bahwa data harus disesuaikan berdasarkan formatnya, seperti data dalam bentuk angka desimal, bilangan bulat, teks, tanggal dan lain sebagainya.

Setelah melakukan pembersihan data, saya menjelaskan terkait relasi antara tabel. Relasi ini sangat berguna untuk memvisualisasikan data dari berbagai sumber tabel (database). Seperti pada contoh Dashboard demonstrasi, saya menggunakan data stocking, sampling, kualitas air dan panen.

Setelah mengintegrasikan tabel, saya menjelaskan terkait cara visualisasi data dengan menggunakan tabel, grafik dan peta.

Sampel Dashboard Sesi Demonstrasi

Setelah Dashboard selesai, kemudian kita dapat mempublikasikannya. Tim dapat mengakses Dashboard tersebut menggunakan aplikasi maupun browser. 


Pada 21 Mei 2025 saya diberi kesempatan untuk menjadi pemateri training microsoft sesi 1 dengan topik "SharePoint Online".

Training ini diselenggarakan oleh Departemen Human Resource (HR) Grobest Indonesia untuk beberapa divisi, dimulai dari materi SharePoint Online, Power BI dan Power Automate. 

Pada sesi ini, dimulai dari pengenalan awal tentang SharePoint, mengingat SharePoint Online ini masih jarang digunakan untuk tim. 

Memberikan Materi Training SharePoint

Apa itu SharePoint ?

SharePoint merupakan platform kolaborasi dari Microsoft yang digunakan untuk menyimpan, berbagi, dan mengelola dokumen serta informasi dalam lingkungan kerja. 

Hal ini sangat membantu organisasi dalam meningkatkan efisiensi kerja dengan memudahkan dalam mengakses data serta alat-alat lainnya untuk berkolaborasi.

Mengapa SharePoint sangat penting dalam bisnis?

Digitalisasi dalam dunia bisnis memberikan dampak yang signifikan, SharePoint menawarkan solusi untuk pengelolaan dokumen dan informasi perusahaan. 

Dengan kemampuannya dalam integrasi dengan Microsoft 365, SharePoint membantu tim bekerja secara lebih produktif.

SharePoint sangat membantu sistem kerja kami di Grobest terkhusus departemen Aquaculture Technology Development (ATD) dan Marketing & Komunikasi. 

Departemen ini sangat berkaitan dengan sistem publikasi marketing tools, analisis dan visualisasi data (Baca : Grobest Indonesia : Aquaculture Technology Development & Data Analyst).

Situs SharePoint

Apa saja fitur SharePoint?

1. Dokumen dan Manajemen Konten 

SharePoint menyediakan document library, tempat pengguna dapat menyimpan dan mengelola dokumen dalam folder atau dengan metadata. 

Pemilik situs dapat mengatur privasi situs menjadi situs privat maupun akses publik. Mengatur anggota situs dan pengunjung sesuai dengan kebutuhan.

SharePoint Libraries

Sistem manajemen konten memiliki fitur penting yaitu :
  • Versioning: Menyimpan berbagai versi dokumen agar pengguna dapat melacak perubahan.
  • Check-in/Check-out: Memastikan dokumen tidak diedit secara bersamaan oleh beberapa pengguna tanpa koordinasi.
  • Permissions: Membatasi akses dan memberikan kontrol lebih kepada pemilik dokumen.
Dengan fitur-fitur tersebut, memungkinkan sistem manajemen konten yang aman, mudah diakses dan terpercaya.

Dokumen yang Disorot

Dokumen bisa ditampilkan dalam bentuk folder libraries maupun pada halaman tersendiri dengan fitur dokumen yang disorot.

Tidak hanya dalam bentuk dokumen saja, kita juga dapat membuat halaman untuk streaming video training. 

Halaman Streaming Video Training

2. Kolaborasi Tim

SharePoint memiliki fitur-fitur yang user friendly yang memungkinkan tim dapat berkolaborasi dengan mudah dan aman. Beberapa fitur penting dalam kolaborasi tim yaitu :
  • Situs Tim (Team Sites): Tempat yang memungkinkan anggota tim berbagi dokumen, kalender, tugas, dan diskusi. 
  • Integrasi dengan Microsoft Teams: Memudahkan komunikasi dan berbagi file langsung dari aplikasi Teams. 
  • Lists dan Libraries: Membantu mengatur informasi dalam format tabel agar mudah dicari dan dikelola. 
SharePoint List

SharePoint list dapat memudahkan kita dalam pengumpulan dan mengelola data. Tim lapangan dapat melakukan entri data melaui aplikasi power apps maupun microsoft form. 

Kemudian kita dapat mengatur flow proses dengan power automate. Data-data tersebut dapat disimpan dalam SharePoint list sebagai sistem database.

Data-data yang kami kumpulkan pada SharePoint list seperti data budidaya, stock barang, pengajuan barang dan lain sebagainya (Baca : Power Apps Technical - Marketing : Pengajuan, Training, Edukasi dan Report).

Data tersebut kemudian dapat kita kelola dan visualiasikan dengan tools seperti Power BI (Baca : Power BI Technical Aquaculture : Laporan Data, Penyakit, Inventory, Training & Performa Budidaya).

3. Automasi dan Workflow

SharePoint memungkinkan kita dalam melakukan proses automasi. Ditambah lagi, aplikasi yang ada dalam Microsoft 365 dapat saling berintegrasi. Adapun beberapa aplikasi tersebut yaitu :
  • Power Automate: Membantu membuat alur kerja otomatis, seperti pemberitahuan email atau persetujuan dokumen. 
  • Formulir dengan Microsoft Form dan Power Apps: Memungkinkan pengguna membuat aplikasi berbasis formulir untuk mengelola data. 
  • Integrasi dengan Outlook & Planner: Memudahkan dalam perencanaan proyek dan tugas.
SharePoint memiliki fitur yang cukup lengkap. Situs SharePoint misalnya, memiliki desain tampilan atau template yang menarik dan cukup mudah digunakan.

Kita dapat berbagi konten, dokumen, video, data, dan lain sebagainya untuk tim maupun kolega dilingkungan kerja kita.

PT. Grobest Indomakmur (Grobest Group) merupakan salah satu perusahaan multinasional yang bergerak dalam sektor akuakultur. 

Perusahaan yang didirikan di Taiwan pada tahun 1974 ini menjadi salah satu pemasok pakan ikan dan udang di Indonesia.

Saya bergabung di PT. Grobest Indomakmur (Grobest Group) yaitu pada Maret 2021 dengan jabatan sebagai Aquaculture Technology Development Specialist (ATD Specialist).

Kunjungan ke Tambak Pendampingan Grobest

Tugas pertama saya di Aquaculture Technology Development Specialist (ATD Specialist) yaitu monitoring progres trial. Kami bekerjasama dengan IPB Bogor dalam program Trial ini. 

A. Monitoring Progres Trial

Demi mendukung kesuksesan trial, saya ikut membantu dalam menyediakan kebutuhan pakan treatment dan memonitoring progres trial tersebut untuk dilaporkan ke manajemen dan Headquarters (HQ).

Trial ini dilaksanakan di lokasi yang berbeda, trial Laboratorium dilaksanakan di Lab kampus dan trial lapangan dilaksanakan di Tambak Lampung.

Monitoring Progres Trial di IPB Bogor

B. Collecting dan Analisis Data

Tugas saya selanjutnya yaitu mengumpulkan data (collecting data) budidaya tambak customer Grobest terkhusus tambak pendampingan. 

Data yang saya kumpulkan mulai dari data informasi tambak, persiapan budidaya, kualitas air, sampling, kesehatan udang (hepato pancreas), panen dan lain-lain.

Kami melakukan kunjungan ke beberapa tambak pendampingan kemudian mengumpulkan informasi dan dokumentasi. Salah satu kunjungan kami telah saya posting pada artikel sebelumnya (Baca : Wisata Akuakultur di Pantai Carita Banten).

Kunjungan dan Diskusi Bersama Customer Grobest

Proses collecting data pada mulanya dilaksanakan secara manual. Kami membagian form monitoring excel, kemudian tim technical services dan teknisi tambak mengisi form tersebut.

Kemudian data trial maupun data budidaya tersebut saya analisa, dan dijadikan bahan diskusi pada meeting technical. 

Agar pekerjaan lebih simpel maka kami mengembangkan form monitoring trial dan dashboard monitoring budidaya customer kami di seluruh Indonesia.

Selain itu ada beberapa form dan dashboard berbasis excel yang telah kami kembangkan untuk monitoring performa pasar, dan lingkungan perairan (Baca : Excel Monitoring Dashboard : Project Trial, Budidaya, Market, Pakan dan Lingkungan).

C. Analisis Data, Reporting dan Presentasi

Data yang telah saya kumpulkan, kemudian saya analisa menggunakan tools seperti excel dan IBM SPSS statistics (data trial). 

Data tersebut saya olah dan kemudian dibuatkan laporan mingguan, laporan bulanan, dan analisa technical lainnya.

Laporan tersebut kami share kepada tim management, technical services, sales sebagai bahan evaluasi performa pakan.

Analisis Data dan Menyusun Presentasi Bersama Technical Services Director

Pada 2024 akhir, kami mulai melakukan digitalisasi data-data tersebut kami analisa menggunakan power BI (Baca : Power BI Technical Aquaculture : Laporan Data, Penyakit, Inventory, Training & Performa Budidaya)

Laporan power BI tersebut dijadikan sebagai bahan diskusi technical oleh tim TS dan Sales tiap regional maupun area.

Meeting Technical

Kami melaksanakan meeting mingguan untuk data dan diskusi technical. Melakukan evaluasi performa budidaya, mengumpulkan isu-isu teknis dan memberikan solusi.

Beberapa tambak kami jadikan Success Story dan Studi Kasus. Materi tersebut kami share ke Tim Commercial (TS dan Sales) sebagai bahan evaluasi technical dan promosi.

Mereka dapat mengakses materi tersebut secara online pada aplikasi power apps yang telah kami kembangkan (Baca : Power Apps Technical - Marketing : Pengajuan, Training, Edukasi dan Report).

D. Training dan Seminars

Pada 2022, Grobest Indonesia mulai menggunakan aplikasi Technical Services Apps (Pond Data Collection) yang dikembangkan oleh tim Technical Service Group. 

Demi mendukung kelancaran penggunaan aplikasi tersebut, saya melakukan sosialisasi dan training penggunaan aplikasi tersebut.

Training online tersebut dihadiri oleh Regional Sales Manager, Technical Services Manager, Technical Services, Grobest Technical Training Program, & Analis Laboratorium seluruh Indonesia.

Presentasi dan Sosialisasi Penggunaan TS Apps Grobest

Tidak sampai disitu saja, saya juga menyusun laporan mingguan sebagai bahan evaluasi penggunaan aplikasi setiap bulannya.

Selain training dan sosialiasi penggunaan aplikasi TS Apps, saya juga melaksanakan beberapa training seperti Training Basic (Grobest Feeds & Introduction, Shrimp Health dan Fungsional Feeds), Intermediate (Basic Laboratorium dan Funsgional Feeds Update) dan Advance (Diskusi Success Story dan Studi Kasus).

Pada Mei - Juni 2025, saya menjadi trainer / pemateri untuk training microsoft online : SharePoin Online, Power BI & Power Automate. Kegiatan tersebut dilaksanakan oleh Departemen Human Resorce (HR) dan dihadiri oleh tim head office dan tim produksi.

E. Mendukung Tim Laboratorium

Departemen Aquaculture Technology Development (ATD) memiliki tugas dalam support tim laboratorium. Mulai dari melaksanakan training, pendataan, pengiriman barang lab dan lain sebagainya.

Tim ATD Grobest

Pada 2024 akhir, proses pengajuan barang dilakukan secara digital menggunakan microsoft form dan power automate. Tim melakukan pengajuan, kemudian atasan melakukan review dan ACC. 

Setelah setelah selesai, maka kami melakukan pengiriman barang laboratorium seperti test kit, reagen, dan lain sebagainya.

Mereka bisa melakukan pengajuan, monitoring stock dan pengiriman pada aplikasi power apps yang telag kami kembangkan (Baca : Power Apps Technical - Marketing : Pengajuan, Training, Edukasi dan Report)

E. Mendukung Marketing

Pada 2024, departemen Aquaculture Technology Development (ATD) telah digabung bersama departemen marketing dan komunikasi (MARCOM). Sehingga saya mendapat beberapa pekerjaan tambahan untuk support MARCOM.

Diskusi dengan Pengunjung di Asian-Pacific Aquaculture (APA) 2024 di Surabaya

Mulai dari menjadi panitia dalam support kegiatan grobest. Kami menghadiri beberapa kegiatan akuakultur baik sebagai peserta, penyelenggara hingga sponsorship. Dari tingkat regional, nasional dan internasional.

Bersama Tim Grobest di APA Surabaya

Sebagai data analis, saya juga mendukung marketing dan promosi dengan data. Success Story tambak kami jadikan konten sosial media.

Saya membuat beberapa desain success story dan kemudian mempublikasikannya pada sosial media grobest.

Konten Success Story Grobest


Selain itu, saya juga melakukan digitalisasi untuk memudahkan tim sales untuk pengajuan marchendise dan barang marketing lainnya.

Tim sales dapat melakukan pengajuan pada aplikasi power apps (Baca : Power Apps Technical - Marketing : Pengajuan, Training, Edukasi dan Report).

Selain itu, mereka juga bisa melihat laporan digital seperti stock dan pengiriman barang, harga udang, dan analisa sosial media menggunakan aplikasi Power BI marketing yang saya kembangkan (Baca : Power BI Marketing : Laporan Stock, Pengiriman, Harga Udang dan Analisis Sosial Media).

Saya juga melakukan collecting data market share dan volume pakan. Data-data tersebut kemudia saya analisis dan membuat laporan untuk tim management dan HQ (Baca : Excel Monitoring Dashboard : Project Trial, Budidaya, Market, Pakan dan Lingkungan).

G. Employee of the Month

Pada April 2025 saya dipercayakan untuk menjadi Employee of the Month PT. Grobest Indomakmur. Terimakasih saya ucapkan kepada semua pihak atas kepercayaannya

Penyerahan Gambar Figura oleh Head of HR
Kaderisasi merupakan agenda wajib Himpunan Mahasiswa Islam (HMI), yang dimana hal ini tercantum pada Anggaran Dasar Pasal 8 yang berbunyi "HMI adalah organisasi kader". 

Sebagai kader HMI, saya juga mengikuti beberapa jenjang training mulai dari Latihan Kader 1 di HMI Cabang Bogor. 

LK1 memiliki tujuan yaitu "terbinanya kepribadian muslim yang berkualitas akademis, sadar akan fungsi dan peranannya dalam berorganisasi serta hak dan kewajibannya sebagai kader umat dan kader bangsa".

Setelah lulus LK1, saya otomatis menjadi kader HMI Cabang Bogor dan mengikuti kegiatan organisasi tersebut. Pengalaman saya sebagai pengurus HMI telah ditulis pada artikel sebelumnya (Baca : Himpunan Mahasiswa Islam HMI).

Menjadi kader HMI memberikan tantangan tersendiri, kita dipacu untuk bersikap kritis. Kita mengikuti beberapa kegiatan seperti surau filsafat, sebagai forum untuk membedah pemikiran para filsuf, bedah buku, seminar dan pastinya follow up materi LK1.

Moderator Menyerahkan Plakat Kepada Pemateri LK2

Setelah mengikuti berbagai rentetan kegiatan di HMI Cabang Bogor, saya diutus oleh Ketua Umum HMI Cabang Bogor untuk mengikuti jenjang training lanjutan yaitu Latihan Kader 2.

Kegiatan ini dilaksanakan oleh HMI Cabang Depok pada 15-24 Februari 2019 di Graha Insan Cita Depok. Tujuan dari kegiatan ini yaitu "terbinanya kader HMI yang mempunyai kemampuan intelektual untuk memetakan peradaban dan memformulasikan gagasan dalam lingkup organisasi".

Peserta LK2 HMI Cabang Depok

LK2 HMI Cabang Depok menghadiri pemateri dari berbagai macam profesi, dari politikus, pejabat pemerintah hingga akademisi. 

Setelah lulus dari LK2, saya mengikuti Senior Course Badan Pengelola Latihan (BPL) HMI Cabang Tasikmalaya. Kegiatan ini dilaksanakan di Tasikmalaya pada 1-6 Juli 2019.

Bersama Instruktur SC HMI Tasikmalaya

Tujuan dari kegiatan ini yaitu "terciptanya sumber daya instruktur yang memiliki kemampuan akademis, kemampuan mengelola latihan, serta mampu menjadikan diri sebagai teladan yang baik".

Bersama Peserta Advance Training LK3 HMI Badko Sumbagsel

Tidak sampai disitu, saya juga mengikuti Latihan Kader 3 (LK3) HMI Badko Sumatera Bagian Selatan pada 25 Januari - 1 Februari 2020 di Bandar Lampung.

Tujuan kegiatan ini yaitu "terbinanya kader pemimpin yang mampu menterjemahkan dan mentransformulasikan pemikiran konsepsional secara professional dalam gerak perubahan sosial".

Saya memiliki beberapa pengalaman organisasi selama menempuh pendidikan pasca sarjana di Institut Pertanian Bogor (IPB) University. 

Baik organisasi internal (Baca : Organisasi Mahasiswa Pasca Sarjana IPB University) maupun organisasi eksternal. Organisasi eksternal yang saya geluti yaitu Himpunan Mahasiswa Islam (HMI).

MILAD HMI Ke-73

Himpunan Mahasiswa Islam (HMI) adalah organisasi mahasiswa yang didirikan pada tanggal 5 Februari 1947 di Yogyakarta, Indonesia. 

Tujuan organisasi ini yaitu terbinanya insan akademis, pencipta, pengabdi, yang bernafaskan Islam dan bertanggung jawab atas terwujudnya masyarakat adil makmur yang diridhoi Allah SWT.

Saya memulai karier di HMI yaitu sebagai Wakil Sekretaris Bidang PTKP HMI Cabang Bogor Komisariat FPIK IPB melalui SK Reshufle. 

Pada kepengurusan tersebut, kami melaksanakan beberapa kegiatan seperti diskusi dan bedah buku. Pada momen tersebut saya pernah menjadi pemateri dengan buku MADILOG karangan Tan Malaka.

Setelah demisioner, saya diamanahkan menjadi ketua panitia Senior Course Tingkat Nasional Badan Pengelola Latihan (BPL) HMI Cabang Bogor yang dilaksanakan di GSMI (Sekretariat HMI Cabang Bogor).

Laporan Ketua Panitia SC BPL HMI Bogor

Kegiatan tersebut merupakan kegiatan kaderisasi untuk calon instruktur HMI di seluruh Indonesia.

Pada kepengurusan baru BPL HMI Cabang Bogor, saya diamanahkan menjadi Sekretaris Umum BPL HMI Cabang Bogor 2019 - 2020. Saya bertanggung jawab dalam manajemen administrasi dan ikut serta menjadi instruktur Latihan Kader / Training HMI.

LK1 HMI Cabang Bogor

Selain aktif di BPL, saya juga diamanahkan menjadi Ketua Bidang Pembinaan Anggota (PA) HMI Cabang Bogor. Selaras dengan tugas saya di BPL, saya bertanggung jawab dalam melaksanakan kaderisasi dan pelatihan untuk kader.

Kegiatan MILAD HMI Ke-73

Kegiatan pertama kami yaitu MILAD HMI Ke-73, kegiatan tersebut dirangkaikan dengan diskusi refleksi sejarah HMI dan kegiatan lomba futsal. Pada kegiatan tersebut, saya menjadi steering commitee dan sekaligus moderator kegiatan.

Bedah Buku dan Surau Filsafat HMI

Kegiatan kami selanjutnya yaitu Surau Filsafat HMI, pada kegiatan tersebut pemateri memberikan materi terkait pemikiran para filsuf Barat, Islam hingga Indonesia. 

Pada masa itu, Indonesia mengalami PSBB akibat pandemi covid-19, sehingga kami lebih banyak melaksanakan kegiatan secara daring (Baca : COVID-19 dan Perkaderan Secara Online)

Selain kegiatan surau filsafat, kami juga melaksanakan kegiatan follow up materi wajib Latihan Kader II (LK2) HMI Cabang Bogor. Seperti Materi kepemimpinan, ideopolitorstratak, teori-teori perubahan sosial, nilai-nilai dasar perjuangan dan lain-lain.

Follow UP Materi Wajib HMI

Selain melaksanakan kegiatan forum, kami juga melaksanakan kegiatan diskusi, berkoordinasi dengan bidang pembinaan anggota komisariat, melakukan penelitian dan evaluasi latihan kader daring.

Hasil penelitian dan kajian kami selanjutnya kami jadikan rekomendasi dalam bentuk draft rancangan e-training dalam forum Kongres XXXI di Surabaya.

Kongres HMI Surabaya

Kegiatan kami selanjutnya yaitu Latihan Kader (LK2) HMI Cabang Bogor Tingkat Nasional. Kegiatan tersebut bertujuan yaitu terbinanya kader HMI yang mempunyai kemampuan intelektual untuk memetakan peradaban dan memformulasikan gagasan dalam lingkup organisasi.

Kegiatan LK2 menjadi kegiatan wajib dan sekaligus penutup kegiatan Bidang Pembinaan Anggota HMI Cabang Bogor. Kegiatan tersebut dilaksanakan pada 14 - 20 Agustus 2021 di GSMI HMI Cabang Bogor.

Selain bertanggung jawab dalam memimpin bidang, saya juga beberapa kali mengikuti kegiatan lomba dan menjadi pemateri LK1 HMI Cabang Bogor. 

Pemateri & Peserta LK1 HMI Cabang Bogor Kom. FPIK IPB

Selain aktif dalam lingkup kaderisasi, saya juga ikut serta menjadi panitia pada kegiatan lainnya. Beberapa kegiatan seperti pelatihan pembibitan, bagi-bagi masker (Baca : Organisasi Mahasiswa dan Aksi Lawan COVID-19) dan lain sebagainnya.

Contact Me

Get in Touch

Silahkan menghubungi saya pada kontak form yang tersedia atau melalui link yang saya bagikan

  • Jakarta Pusat
  • 082111339488
  • arissandohamzah@gmail.com
  • www.hantulaut.web.id
Top ↑