Jam 2 Pagi: Gelut sama Backpropagation
Jam di pojok layar nunjukin angka 02:17. Kamar gelap, cuma ada cahaya biru dari monitor dan suara kipas laptop yang muter kenceng banget.
Posisinya lagi nggak main game atau scrolling medsos. Mata lagi mentok natap error traceback yang udah nyiksa sejam terakhir. Aku lagi bikin custom backpropagation engine dari nol pakai pure Python. Nggak pakai PyTorch, nggak pakai TensorFlow. Cuma NumPy buat CPU, CuPy buat GPU, dan sisa-sisa kewarasan di jam segini.
Error-nya cuma shape mismatch antara gradien weight (512, 256) sama upstream delta (256, 512). Kedengarannya sepele, kan? Tapi di engine yang dibangun manual, satu sumbu tensor yang kebalik bisa ngerusak seluruh aliran gradien. Loss-nya bakal kelihatan turun, tapi sebenernya model itu lagi belajar hal yang salah total.
Ada banyak tab yang kebuka: dokumentasi NumPy, jurnal MIT soal memory-efficient backprop, thread GitHub issue tahun 2022 yang jawabannya ada di halaman tiga, sama tab kosong tempat coret-coretan turunan chain rule manual buat nyari tau di layer mana dimensinya kebalik.
Dan akhirnya… ketemu.
Cuma kurang .T (transpose) pas ngitung weight gradient di dense layer. Cuma satu karakter. Ditambahin, di-save, jalanin ulang script-nya, dan kurva loss-nya beneran mulai turun.
Rasanya? Puas banget(FINALLY AKHIRNYA!!!). Sistem ini jalan murni pakai hukum matematika yang aku tulis sendiri. Proyek ini dikasih nama AINO (Aino is Neural Operation). Kodenya open source di GitHub dan udah di-PyPI. Siapapun bisa cek tiap barisnya, nggak ada black box.
Jam 03:34 pagi, laptop akhirnya ditutup.
Empat jam kemudian, duduk di kelas. Guru nulis di papan tulis:
2x + 3y = 12 x − y = 1
“Coba tentukan nilai x dan y pakai metode eliminasi!.”
Terakhir kali ngerjain soal kayak gini tuh waktu kelas 8 SMP.
Ironis banget. Semalem baru aja nge-derive rumus kalkulus, ngelacak dimensi tensor, dan ngitung gradient descent dari nol. Paginya, disuruh nyari x dan y pakai cara yang udah dilakuin puluhan kali sejak umur 13 tahun.
Matematika jelas bukan musuh. Aljabar linear itu makanan tiap malem. Tapi bedanya jauh banget—ibarat kolam cetek sama lautan lepas. Materi yang beneran dibutuhin kayak perhitungan vektor, dekomposisi matriks, atau fundamental neural net nggak pernah disentuh sama kurikulum sekolah.
Bengong natap papan tulis bukan karena males. Otak yang baru aja push rank mikirin algoritma semaleman, tiba-tiba ditaruh di ruangan yang nggak ngasih tantangan apa-apa. Akhirnya cuma masuk ke mode autopilot. Dan begitulah siklusnya tiap hari.
SMK: Katanya Siap Kerja, Tapi…
Alasan masuk SMK IT jelas karena pengen belajar skill praktis. Janjinya kan gitu: lulus SMK langsung siap tempur di industri.
Tapi realitanya? Waktu kita abis buat pelajaran umum yang nggak relevan sama keahlian teknis.
Di pelajaran Bahasa Indonesia, berminggu-minggu kita disuruh bedah teks Hikayat jadul. Bukannya benci sastra, tapi porsinya nggak masuk akal. Padahal, industri jauh lebih butuh anak IT yang jago nulis dokumentasi teknis yang jelas, atau punya skill public speaking buat presentasi project. Hal-hal vital kayak gini malah nggak ada di silabus.
Di pelajaran Matematika, mentok di persamaan linear (SPLDV) doang. Padahal buat machine learning, butuh fondasi linear algebra atau statistik. Kurikulum cuma ngasih kulit luarnya doang, ibarat ngajarin ABCD terus ngarep siswanya bisa nulis novel.
Puncaknya pas mapel PPKN. Kita disuruh ngafalin teori soal lembaga negara yang ideal buat ujian, padahal kita semua tiap hari baca berita gimana berantakannya realita di lapangan. Jadinya kita cuma dididik buat “pura-pura paham” dan patuh aja.
Efek samping dari siklus ini lumayan terasa. Kelamaan diem di lingkungan yang nggak ngasih tantangan bikin kita pelan-pelan males dan nganggap sekolah cuma sebatas formalitas yang harus di-ceklist tiap absen.
Guru-guru banyak yang peduli dan mau usaha, tapi mereka juga kejebak sistem dan silabus kaku dari pusat. Sementara itu, dunia tech di luar sana larinya kenceng banget. Dari zaman BERT, rilisnya ChatGPT, sampai ke reasoning model. Kurikulum kita? Masih stuck ngebahas IT vibes 2015.
Beban Ganda Anak SMK yang Jarang Dibahas
Ada satu hal lagi yang sering bikin anak SMK stres. Kita dituntut buat jago skill teknis ala industri, tapi tetep harus nelen materi akademis yang sama beratnya kayak anak SMA dikurang dikit.
Pas kita struggle nge-balans dua hal ini dan nilai teori kita jelek, kita gampang banget dicap “kurang pinter” dibanding anak SMA. Padahal, kita milih SMK justru karena kita tau kita mau fokus ke mana. Pilihan masuk jurusan IT karena mau nge-build software, bukan sekadar ngerjain tugas.
Kita diekspektasikan punya otak akademis anak SMA, tapi bakal dinilai pakai standar engineer sama industri pas lulus.
Kenapa (Belum) Kepikiran Kuliah
Kalo denger cerita ini, banyak pasti yang bilang: “Yaudah sih, kuliah aja dulu cari ijazah, baru lakuin yang kamu mau.”
Bukannya anti kuliah. Tapi buat sekarang, opportunity cost-nya terlalu gede. Empat tahun kuliah IT di Indo dengan kurikulum yang (biasanya) ketinggalan zaman? Keterampilan AI ngerubah tren tiap hitungan bulan. Kalau lulus tahun 2030, otomatis bakal masuk industri berbekal materi dari tahun 2026.
Selain itu, kuliah itu mahal. Rasanya mending uangnya dialokasiin buat langganan cloud compute, ikut course spesifik dari praktisi yang lagi aktif di industri, dan build real project.
Sistem belajarku problem-first. Belajar ngatur memori GPU karena training loop nge-hang, bukan karena disuruh ngerjain tugas kampus. Belajar otodidak yang di-setir rasa penasaran ini jauh lebih masuk ke otak. Buktinya, smoll roject AINO bisa nembus akurasi 88% di task NLP murni dari hasil ngoprek sendiri.
Nggak nutup kemungkinan buat kuliah nanti. Kalau ada kampus yang lingkungannya beneran suportif dan silabusnya up-to-date, pasti bakal dipertimbangkan. Tapi kalau cuma buat formalitas selembar kertas? Skip dulu. Rencananya sih mau ngambil UT juga. ITB? Susah masuk boyy, apalagi saingannya anak SMA pinter pinter.
Tembok Bernama ATS (Applicant Tracking System)
Ini bagian yang paling bikin down.
Biasanya malem-malem pas lagi stuck ngoding, suka iseng buka LinkedIn. Nemu lowongan Machine Learning Engineer atau AI Developer. Baca job desc-nya, ngerasa relate banget karena ini hal yang dikerjain tiap hari.
Tapi pas liat requirements-nya:
“Minimal S1 Ilmu Komputer, Matematika, atau Statistik. S2/S3 lebih disukai.”
Rasanya kayak pintu ketutup pelan-pelan depan muka.
Ini bukan soal kalah skill, tapi kalah kualifikasi di atas kertas. Sistem rekrutmen sekarang ditangani sama bot ATS. Bot ini nggak peduli kalau kamu bisa bikin AGI open source dari scratch. Dia nggak bisa nge-klik link GitHub buat baca efisiensi memory kernel yang udah dioptimasi dari 32 menit jadi 19 detik.
ATS cuma nyari tulisan “Bachelor’s Degree”. Nggak punya keyword itu? Otomatis masuk tong sampah.
Ini bikin krisis identitas tersendiri. Di sekolah, materinya terlalu dasar. Di mata industri, keberadaan kita nggak diakuin bot HRD karena nggak punya ijazah. Nyangkut di tengah-tengah.
Nge-Debug Jalan Karier Sendiri
Daripada galau, mending perlakukan masalah ini kayak lagi nge-debug kode.
Akar masalahnya ada di visibilitas. Bot nggak bisa ngelihat kemampuan teknis. Jadi pertanyaannya: Gimana caranya supaya bisa dilihat langsung sama manusianya?
Ini game plan-nya:
- **Terus mantapin portfolio. Kalau hiring manager atau lead engineer beneran nge-klik profil GitHub, biarkan kodenya yang bicara.
- Nulis Blog: Dokumentasiin apa yang lagi dikerjain. Engineer yang jago komunikasiin ide kompleks pakai bahasa sederhana itu punya nilai plus banget.
- Open Source: Ini tempat paling asik. Orang nggak nanya ijazah pas nge-review Pull Request. Kalau kodenya bagus, ya di-merge. Ini tempat yang pas buat bangun reputasi.
- Community: Nimbrung di Twitter/X, Discord, Reddit, Hugging Face. Bangun koneksi sama orang-orang yang emang passionate di bidang ini.
Apakah ini bakal berhasil? Belum tau pasti. Tapi jalur ini punya feedback loop. Kita build sesuatu, publish, dapet masukan, improve. Daripada nunggu sistem yang nggak pasti kapan berbenahnya, mending jalan terus pakai cara sendiri.
Buat Kamu yang Ngerasain Hal Sama
Besok pagi tetap bakal bangun, bikin kopi, berangkat sekolah, dan duduk lagi di kelas. Guru tetap ngajar x dan y, dan pikiran tetap bakal ngebayangin logic coding buat dikerjain nanti malem.
Keduanya jalan barengan. Bedanya, aku tau mana yang bakal bawa ke tujuan yang sebenarnya.
Buat kamu sesama anak SMK, otodidak, atau siapa aja yang ngerasa nyangkut di celah antara sistem pendidikan yang jadul dan industri yang birokratis: semangat. Keep building. Bikin portfolio sekeren mungkin sampai mereka nggak punya alasan buat nolak lamaranmu.
Kalau mau ngobrol atau ikutan ngoprek, cari aja AINO di PyPI atau mampir ke GitHub. Mari kita build sesuatu yang beneran jalan.
Tulisan ini murni opini dan curhatan pribadiku sebagai anak SMK soal jauhnya gap antara kurikulum sekolah sama realita di industri teknologi. Tulisan ini dibikin bukan buat nyerang sekolah atau pihak mana pun ya, tapi cuma sekadar dokumentasi perjalananku belajar otodidak aja.