Belajar Penerapan AI di Aplikasi Web

Belajar Penerapan AI di Aplikasi Web

Topik:

AI Front End +1 lainnya
Level: Mahir

Level: Mahir

Level: Mahir 50 Jam Belajar
25

Siswa Terdaftar

Ciptakan pengalaman web interaktif menggunakan Computer Vision dan Generative AI yang dapat berjalan secara lokal langsung di browser.
Harga

Rp1,150,000

/ bulan
Harga

Rp1,150,000

/ bulan

Kelas ini sedang tidak menerima pendaftaran

Kami akan mengingatkan Anda terkait informasi terbaru di kelas ini.

Ingatkan Saya Lihat langganan lainnya
Promo yang tersedia
Gebyar THR! Diskon 47% + Cashback 26%
Berakhir dalam 11 hari
Gebyar THR! Diskon 47% + Cashback 26%

01 Mar 2026 - 15 Mar 2026

Detail promo
Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Code Review

Kode yang Anda kerjakan akan di-review secara komprehensif oleh Reviewer.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

Submission

Uji kemampuan teknis Anda dengan mengerjakan tugas submission.

Kuis

Kuis pilihan ganda membantu Anda memahami materi yang dipelajari.

Ujian

Validasi pengetahuan Anda dengan mengerjakan soal-soal ujian.
Level Mahir
Menguasai materi dan latihan tingkat lanjut. Kelas ini mensyaratkan sejumlah penguasaan landasan pengetahuan yang baik.
Lihat silabus

Deskripsi

Penerapan AI di browser kini menjadi inovasi penting guna menghadirkan aplikasi yang lebih cepat dan privat. Pengembang memproses data di sisi pengguna untuk efisiensi sistem sekaligus menjamin privasi data agar tidak meninggalkan perangkat. Pelajari cara memadukan Computer Vision dan Generative AI untuk membangun asisten interaktif yang mampu melihat dan berpikir. Anda akan menguasai teknik deteksi objek, pengolahan teks lokal, hingga strategi akses offline agar aplikasi tetap andal di berbagai kondisi.

  • Menguasai kemampuan mengintegrasikan AI langsung di browser yang kini mulai banyak dicari industri untuk menciptakan aplikasi web generasi terbaru.
  • Memahami cara menghadirkan fitur pintar tanpa harus bergantung pada server berbiaya tinggi atau API pihak ketiga yang berbayar karena proses komputasi dilakukan di perangkat pengguna.
  • Mampu membangun solusi digital yang lebih aman melalui pemrosesan data lokal, selaras dengan meningkatnya standar regulasi perlindungan data pribadi di seluruh dunia.
  • Menghadirkan fitur interaktif yang responsif dan minim jeda waktu (latency), serta tetap dapat berfungsi meskipun pengguna sedang dalam kondisi luring (offline).
  • Membangun fondasi teknis yang kuat untuk mengadopsi teknologi web mutakhir seperti WebGPU dan pengelolaan model bahasa (Small Language Model) langsung di sisi klien.

Target dan Sasaran Siswa : 

  • Kelas ini ditujukan bagi pengembang maupun pegiat teknologi yang ingin mengintegrasikan model AI ke dalam ekosistem web. Materi disusun berdasarkan standar industri web modern guna menghasilkan aplikasi yang cepat, privat, dan efisien langsung di sisi pengguna.
  • Kelas dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
  • Siswa diharapkan memiliki pemahaman dasar tentang JavaScript dan konsep dasar kecerdasan buatan. Selain itu, kelas ini akan menggunakan beberapa pengetahuan pengembangan web seperti struktur HTML & CSS, manipulasi DOM, penggunaan Fetch API, pengolahan aliran media via MediaStream API dan Canvas API, hingga penerapan berkas Web Application Manifest serta kapabilitas luring (offline capability).
  • Siswa harus belajar mandiri, berkomitmen, benar-benar memiliki rasa ingin tahu, dan tertarik pada subjek materi. Sebaik apa pun materi kelas ini tidak akan berguna tanpa keseriusan siswa untuk belajar, berlatih, dan mencoba.
  • Setelah menyelesaikan kelas ini, siswa diharapkan mampu mengintegrasikan model yang sudah dilatih sebelumnya (pre-trained model) ke dalam aplikasi web menggunakan berbagai Web API yang tersedia, lengkap dengan dukungan mode luring (offline) serta fitur instalasi aplikasi (PWA).
Selengkapnya
Sembunyikan

Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools yang dibutuhkan untuk belajar:

Teks Editor (VSCode)

Lihat semua peralatan belajar

Lihat semua peralatan belajar

Peralatan Belajar

Spesifikasi minimal perangkat

Kelas ini membutuhkan spesifikasi perangkat seperti berikut:

RAM

2GB (Rekomendasi 4GB)

Layar

1366 x 768 (Rekomendasi Full HD 1920 x 1080)

Sistem Operasi

Windows, Linux, MacOS

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools

Kelas ini membutuhkan beberapa tools berikut:

Teks Editor (VSCode)

Node.js versi LTS terbaru

Web Browser (Google Chrome atau Mozilla Firefox)

Command Line (Terminal atau cmd)

Metode Ajar

Online - Self-Paced Learning

  • Total jam belajar: 50 jam
  • Rekomendasi waktu belajar: 10 jam per minggu (selesai dalam 35 hari) 
  • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas

Fasilitas Pengajaran

  • Materi bacaan elektronik: Materi akan disajikan dalam bentuk teks dan bacaan
  • Forum diskusi: Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
  • Sertifikat kompetensi

Evaluasi Pembelajaran

  • Ujian akhir kelas
  • Submission: mengintegrasikan pre-trained model ke dalam aplikasi web untuk menghadirkan AI yang dapat berjalan secara lokal 

Lihat semua metode ajar

Lihat semua metode ajar

Metode Ajar

Online - Self-Paced Learning

  • Total jam belajar: 50 jam
  • Rekomendasi waktu belajar: 10 jam per minggu (selesai dalam 35 hari) 
  • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas

Fasilitas Pengajaran

  • Materi bacaan elektronik: Materi akan disajikan dalam bentuk teks dan bacaan
  • Forum diskusi: Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
  • Sertifikat kompetensi

Evaluasi Pembelajaran

  • Ujian akhir kelas
  • Submission: mengintegrasikan pre-trained model ke dalam aplikasi web untuk menghadirkan AI yang dapat berjalan secara lokal 

Kontributor

2

Curriculum Developer yang membangun kelas ini:

Inggih Wicaksono

Inggih Wicaksono

Curriculum Developer at Dicoding Indonesia

Dimas Maulana Dwi Saputra

Dimas Maulana Dwi Saputra

Curriculum Developer at Dicoding Indonesia

Reviewer

1

Code Reviewer yang akan me-review tugas dan kode Anda:

Inggih Wicaksono
Inggih Wicaksono

Inggih Wicaksono

Web Developer at Erasys Consulting

- Fullstack man but currently focus on React.js

- Hacktoberfest fans @igihcksn

Lihat semua kontributor dan reviewer

Lihat semua kontributor dan reviewer

Kontributor & Reviewer

Kontributor kelas

Curriculum Developer yang membangun kelas ini:

Inggih Wicaksono

Inggih Wicaksono

Curriculum Developer at Dicoding Indonesia

Dimas Maulana Dwi Saputra

Dimas Maulana Dwi Saputra

Curriculum Developer at Dicoding Indonesia

Tim Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Inggih Wicaksono
Inggih Wicaksono

Inggih Wicaksono

Web Developer at Erasys Consulting

- Fullstack man but currently focus on React.js

- Hacktoberfest fans @igihcksn

Inggih Wicaksono

Inggih Wicaksono

Web Developer at Erasys Consulting

- Fullstack man but currently focus on React.js

- Hacktoberfest fans @igihcksn

Testimoni Siswa

Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka.

Devi Mikhael Empi
Devi Mikhael Empi
Universitas Gunadarma
Memulai Dasar Pemrograman untuk Menjadi Pengembang Software
Puas sekali dan sangat mudah dipahami oleh pemula yang ingin mengembangkan perangkat lunak
Baca selengkapnya
Muhammad Naufal Farras
Muhammad Naufal Farras
Universitas Negeri Semarang
Memulai Dasar Pemrograman untuk Menjadi Pengembang Software
Materi yang disampaikan pada kelas ini sangat informatif dan membantu teman-teman yang saat ini dalam proses belajar dalam dunia pemrograman. Banyak disampaikan juga tips ketika kita telah mulai dalam bekerja, dan itu sangat membantu untuk kedepannya.
Baca selengkapnya

Lihat semua testimoni

Lihat semua testimoni

Kelas ini sedang tidak menerima pendaftaran

Kami akan mengingatkan Anda terkait informasi terbaru di kelas ini.

Informasi Kelas
Silabus

Silabus

Materi yang akan Anda pelajari pada kelas ini.

  • Pengantar AI pada Platform Browser

    10 Menit

  • Penggunaan AI pada Platform Selain Browser

    10 Menit

  • Kemudahan AI Era Sekarang

    15 Menit

  • (Opsional) Latihan Gemini Nano di browser

    30 Menit

  • Keunggulan AI pada Platform Browser

    20 Menit

  • Pengantar Pengaruh AI Kategori Positif

    25 Menit

  • Pengantar Pengaruh AI Kategori Negatif

    25 Menit

  • Fitur AI Bawaan yang Tidak Disadari

    25 Menit

  • Fitur AI Mendatang

    25 Menit

  • Rangkuman AI pada Platform Browser

    15 Menit

  • Kuis AI pada Platform Browser

    10 Menit

  • Pengantar Computer Vision

    5 Menit

  • Kisah Awal Computer Vision

    10 Menit

  • Mengenal Computer Vision

    10 Menit

  • Pengambilan Gambar

    10 Menit

  • Pemrosesan Gambar

    10 Menit

  • Proses Penalaran Informasi

    10 Menit

  • Jenis Model pada Computer Vision

    20 Menit

  • Penerapan Computer Vision di Industri

    30 Menit

  • Ekosistem Pendukung Computer Vision

    20 Menit

  • Studi Kasus: Pengenalan Gambar

    20 Menit

  • Overview Media & Canvas

    10 Menit

  • Latihan: Persiapan Media & Canvas

    110 Menit

  • Latihan: Melatih Model dengan Data Terbuka

    50 Menit

  • Latihan: Integrasi Pre-trained Model

    120 Menit

  • Rangkuman Computer Vision

    20 Menit

  • Kuis Computer Vision

    10 Menit

  • Pengantar Paradigma Baru dalam Penciptaan Konten

    10 Menit

  • Momen Transformatif Generative AI

    5 Menit

  • Melihat Lebih Dekat Cara Kerja AI

    40 Menit

  • Ragam Kemampuan Generative AI

    40 Menit

  • Harus Pilih Cloud atau Edge AI?

    20 Menit

  • LLM Sebagai Solusi Lengkap

    20 Menit

  • SLM Solusi Sederhana untuk Keterbatasan

    15 Menit

  • Ekosistem Pendukung Generative AI di Browser

    10 Menit

  • Kemampuan Generative Konten Secara Lokal

    15 Menit

  • Rangkuman AI Penambah Nilai Bagi Aplikasi Web

    10 Menit

  • Kuis AI Penambah Nilai Bagi Aplikasi Web

    150 Menit

  • Pengantar Integrasi Computer Vision dan Generative AI dalam NutriApp

    10 Menit

  • Persiapan Awal Proyek

    10 Menit

  • Latihan: Integrasi Model Computer Vision & Generative AI

    10 Menit

  • Pengantar Komputasi WebGPU dan WebGL

    30 Menit

  • Latihan: Konfigurasi Komputasi

    150 Menit

  • Pengantar Offline Capability

    15 Menit

  • Caching: Database Lokal pada Browser

    100 Menit

  • Caching Strategy

    10 Menit

  • Workbox: Solusi Caching Modern

    15 Menit

  • Latihan: Caching Strategy Menggunakan Workbox

    15 Menit

  • [Opsional] Aplikasi NutriApp dengan Arsitektur MVP

    50 Menit

  • [Opsional] Aplikasi NutriApp dengan Library React

    100 Menit

  • Pengujian Offline Mode

    60 Menit

  • Pengujian Instalasi App

    15 Menit

  • Pengantar Layanan Deploy Gratis

    15 Menit

  • Latihan: Menghubungkan & Deploy dari Repository

    20 Menit

  • [Opsional] Latihan: Deploy Aplikasi MVP atau React

    30 Menit

  • Rangkuman Integrasi Computer Vision dan Generative AI dalam NutriApp

    60 Menit

  • Kuis Integrasi Computer Vision dan Generative AI dalam NutriApp

    30 Menit

  • Rangkuman Kelas

    20 Menit

  • Ujian Akhir

    60 Menit

  • Proyek Akhir

    1055 Menit

Dicoding Logo

Dicoding Space
Jl. Batik Kumeli No.50, Sukaluyu,
Kec. Cibeunying Kaler, Kota Bandung
Jawa Barat 40123

Penghargaan

Asean Business Award 2019
Anugerah Diktisaintek 2024

Decode Ideas
Discover Potential

Tentang Kami
Blog
Reward
Showcase
Dicoding Elite
Hubungi Kami
FAQ