Pesatnya perkembangan Artificial Intelligence (AI) menghadirkan tantangan sekaligus peluang besar bagi transformasi di berbagai sektor. Sebagai bagian dari inisiatif global Microsoft, Microsoft Elevate Training Center hadir untuk mempercepat pengembangan keterampilan digital dan kompetensi AI di seluruh lapisan masyarakat. Kami berkomitmen membangun talenta yang adaptif, kompeten, dan siap memimpin di era transformasi digital.

Melalui program ini, kami menghadirkan AI Impact Challenge, sebuah kompetisi inovasi berbasis Artificial Intelligence (AI) yang diselenggarakan sebagai bagian dari program Microsoft Elevate Training Center. Program ini bertujuan untuk mendorong pengembangan solusi teknologi berbasis AI yang dapat menjawab tantangan nyata di sektor publik dan industri.

Melalui kolaborasi antara Dicoding dan Komdigi AI Impact Challenge menghadirkan platform bagi talenta digital Indonesia untuk mengembangkan prototype solusi berbasis AI yang berpotensi memberikan dampak nyata bagi masyarakat dan industri.

Tema Hackathon

Manufaktur & Energi

1. Optimasi Manajemen Inventaris dan Proses Operasional

• Industri: Manufaktur
• Latar Belakang:
  Perusahaan menghadapi tantangan dalam mengelola inventaris dan proses operasional yang melibatkan berbagai status barang seperti on hold, unreleased, dan reject, serta masih bergantung pada input manual.
• Core Problem:
  Bagaimana meningkatkan efisiensi dan akurasi dalam pengelolaan inventaris serta proses operasional secara terintegrasi?
• Dampak:
  Kesalahan pencatatan, keterlambatan proses, serta rendahnya visibilitas terhadap pergerakan barang.

• Opportunity Area:
  Inventory automation, real-time tracking system, AI-based inventory management

2. Monitoring Aktivitas Operasional

• Industri: Manufaktur
• Latar Belakang:
  Perusahaan mengalami kesulitan dalam memantau produktivitas karyawan, mencegah potensi fraud di area operasional seperti yard dengan lokasi berbeda, serta kurangnya monitoring kegiatan operasional secara real-time.
• Core Problem:
  Bagaimana memonitor aktivitas operasional dan produktivitas secara real-time dan akurat?
• Dampak:
  Inefisiensi operasional, potensi fraud, dan keterbatasan kontrol terhadap aktivitas di lapangan.

• Opportunity Area:
  Computer vision, IoT monitoring, workforce analytics dashboard

3. Integrasi dan Adopsi Teknologi Baru

• Industri: Manufaktur, Energi
• Latar Belakang:
  Perusahaan menghadapi hambatan dalam mengadopsi teknologi baru seperti drone untuk monitoring aset, sensor untuk pemeliharaan preventif, serta solusi berbasis cloud untuk pengelolaan data dan analisis.
• Core Problem:
  Bagaimana mempercepat integrasi dan adopsi teknologi baru dalam operasional perusahaan?
• Dampak:
  Terhambatnya efisiensi operasional dan lambatnya transformasi digital.
• Opportunity Area:
  IoT platform, cloud integration, AI-driven analytics

4. Kepatuhan Regulasi dan Keamanan Data

• Industri: Manufaktur, Energi
• Latar Belakang:
  Perusahaan kesulitan memenuhi standar regulasi yang ketat, terutama terkait pengelolaan data sensitif, penggunaan sensor pada mesin kritis, dan integrasi sistem digital yang aman.
• Core Problem:
  Bagaimana memastikan kepatuhan terhadap regulasi sekaligus menjaga keamanan data dan sistem secara menyeluruh?
• Dampak:
  Risiko pelanggaran regulasi, kebocoran data, serta potensi kerugian finansial dan reputasi.
• Opportunity Area:
  RegTech solutions, cybersecurity system, secure data integration

Logistik

5. Inefisiensi Pemeliharaan Peralatan dan Fragmentasi Data

• Industri: Logistik
• Latar Belakang:
  Proses pemeliharaan peralatan masih dilakukan secara manual, sementara data pemanfaatan alat belum terintegrasi dan belum dimanfaatkan untuk analisis prediktif secara menyeluruh.
• Core Problem:
  Bagaimana meningkatkan efisiensi pemeliharaan peralatan melalui integrasi data dan pendekatan prediktif?
• Dampak:
  Tingginya downtime, biaya pemeliharaan yang tidak optimal, serta rendahnya utilisasi aset.
• Opportunity Area:
  Predictive maintenance, IoT sensors, integrated asset management system

6. Kesalahan Input Manual dan Inkonsistensi Data

• Industri: Logistik
• Latar Belakang:
  Pengumpulan dan analisis data pemeliharaan masih dilakukan secara manual, sehingga rentan terhadap kesalahan input dan inkonsistensi data.
• Core Problem:
  Bagaimana meningkatkan akurasi dan konsistensi data dalam proses pemeliharaan?
• Dampak:
  Perencanaan pemeliharaan tidak optimal, peningkatan biaya operasional, dan risiko downtime.
• Opportunity Area:
  Data automation, digital forms, data validation system, AI-based data cleaning

7. Proses Manual dalam Penetapan Harga Aset dan Seleksi Mitra

• Industri: Logistik

• Latar Belakang:
  Proses seleksi mitra dan penetapan harga sewa aset masih dilakukan secara manual dan belum terstandarisasi.

• Core Problem:
  Bagaimana mengoptimalkan proses penetapan harga aset dan seleksi mitra secara efisien dan berbasis data?

• Dampak:
  Kesulitan dalam memasarkan aset secara proaktif, potensi ketidaktepatan harga, serta inefisiensi proses bisnis.

• Opportunity Area:
  Pricing optimization model, partner matching platform, data-driven decision system

Pharma/Health

8. Monitoring Keselamatan Kerja

• Industri: Pharma / Health

• Latar Belakang:
  Lingkungan manufaktur farmasi memiliki standar keselamatan yang tinggi dan area terbatas yang membutuhkan pengawasan ketat, namun monitoring masih bergantung pada pengawasan manual.

• Core Problem:
  Bagaimana meningkatkan efektivitas monitoring keselamatan kerja secara real-time dan proaktif?

• Dampak:
  Risiko kecelakaan kerja meningkat serta keterbatasan dalam mendeteksi potensi bahaya secara dini.

• Opportunity Area:
  Computer vision, IoT safety monitoring, AI-based hazard detection

9. Proses Verifikasi Material

• Industri: Pharma / Health

• Latar Belakang:
  Proses penerimaan bahan baku memerlukan verifikasi ketat terhadap dokumen dan label untuk memastikan traceability, namun masih dilakukan secara manual.

• Core Problem:
  Bagaimana meningkatkan efisiensi dan akurasi proses verifikasi material?

• Dampak:
  Potensi kesalahan verifikasi, keterlambatan proses, dan risiko ketidaksesuaian material.

• Opportunity Area:
  OCR & document processing, barcode/RFID tracking, automated validation system

10. Risiko Kecelakaan dalam Material Handling

• Industri: Pharma / Health

• Latar Belakang:
  Pergerakan material di dalam fasilitas manufaktur masih banyak dilakukan secara manual menggunakan forklift atau tenaga manusia.

• Core Problem:
  Bagaimana mengurangi risiko kecelakaan dalam proses material handling?

• Dampak:
  Tingginya risiko kecelakaan kerja dan potensi gangguan operasional.

• Opportunity Area:
  Autonomous vehicle, IoT tracking, safety monitoring system

11. Human Error pada Pekerjaan Repetitif

• Industri: Pharma / Health

• Latar Belakang:
  Banyak pekerjaan repetitif di area non-GMP seperti packing, sorting, dan handling material masih bergantung pada tenaga manusia.

• Core Problem:
  Bagaimana mengurangi human error pada pekerjaan repetitif?

• Dampak:
  Penurunan kualitas output dan peningkatan risiko kesalahan operasional.

• Opportunity Area:
  Robotic process automation, computer vision, AI-assisted workflow

12. Proses Preparation Sample dan Analisis Laboratorium

• Industri: Pharma / Health

• Latar Belakang:
  Laboratorium QC memiliki workflow testing yang kompleks dan masih banyak dilakukan secara manual.

• Core Problem:
  Bagaimana mempercepat dan meningkatkan akurasi proses preparation sample dan analisis laboratorium?

• Dampak:
  Waktu pengujian lama dan potensi kesalahan dalam analisis.

• Opportunity Area:
  Lab automation, AI analytics, digital lab management system

13. Perencanaan Produksi (MPS)

• Industri: Pharma / Health

• Latar Belakang:
  Master Production Schedule (MPS) masih dibuat secara manual dan belum berbasis data real-time, melibatkan banyak stakeholder seperti supply chain, procurement, dan manufacturing.

• Core Problem:
  Bagaimana meningkatkan akurasi dan efisiensi perencanaan produksi secara terintegrasi?

• Dampak:
  Ketidaksesuaian antara supply dan demand serta inefisiensi produksi.

• Opportunity Area:
  AI-based production planning, demand-supply synchronization, integrated planning system

14. Kurangnya Integrasi Data Operasional

• Industri: Pharma / Health

• Latar Belakang:
  Banyak pabrik masih memiliki visibilitas terbatas terhadap performa operasional karena data tersebar di berbagai sistem.

• Core Problem:
  Bagaimana mengintegrasikan data operasional untuk meningkatkan visibilitas dan pengambilan keputusan?

• Dampak:
  Pengambilan keputusan tidak optimal dan kurangnya insight terhadap performa operasional.

• Opportunity Area:
  Data integration platform, real-time dashboard, AI-driven analytics

Digital Finance

15. Fraud Detection & Risk Management

• Industri: Digital Finance

• Latar Belakang:
  Meningkatnya aktivitas transaksi digital mendorong kebutuhan sistem yang mampu mendeteksi aktivitas fraud dan risiko secara real-time.

• Core Problem:
  Bagaimana mendeteksi dan mengelola risiko fraud secara akurat dan real-time dalam ekosistem keuangan digital?

• Dampak:
  Kerugian finansial, menurunnya kepercayaan pengguna, dan meningkatnya risiko keamanan transaksi.

• Opportunity Area:
  AI anomaly detection, transaction monitoring, risk scoring system

16. Digitalisasi Keuangan Daerah

• Industri: Digital Finance

• Latar Belakang:
  Pengelolaan keuangan daerah masih belum sepenuhnya terdigitalisasi dan terintegrasi.

• Core Problem:
  Bagaimana meningkatkan transparansi dan efisiensi pengelolaan keuangan daerah melalui sistem digital?

• Dampak:
  Inefisiensi anggaran, keterbatasan transparansi, dan pengambilan keputusan yang kurang optimal.

• Opportunity Area:
  Financial management system, data analytics dashboard, e-government platform

17. Akses & Literasi Investor Ritel

• Industri: Digital Finance

• Latar Belakang:
  Partisipasi masyarakat dalam investasi masih rendah akibat keterbatasan literasi dan akses terhadap platform investasi.

• Core Problem:
  Bagaimana meningkatkan akses dan literasi investor ritel dalam ekosistem keuangan digital?

• Dampak:
  Terbatasnya inklusi keuangan dan partisipasi investasi masyarakat.

• Opportunity Area:
  Investment education platform, robo-advisory, financial literacy tools

18. Keuangan Syariah Digital

• Industri: Digital Finance

• Latar Belakang:
  Pengembangan layanan keuangan berbasis prinsip syariah masih membutuhkan dukungan teknologi digital untuk memperluas jangkauan.

• Core Problem:
  Bagaimana mengembangkan layanan keuangan syariah digital yang inklusif dan sesuai regulasi?

• Dampak:
  Terbatasnya akses masyarakat terhadap layanan keuangan syariah.

• Opportunity Area:
  Sharia-compliant fintech platform, digital financing, compliance automation

Real Sector Economy

19. Akses Pembiayaan & Credit Scoring UMKM

• Industri: Real Sector Economy

• Latar Belakang:
  UMKM mengalami kesulitan mendapatkan akses pembiayaan akibat keterbatasan data finansial formal.

• Core Problem:
  Bagaimana meningkatkan akses pembiayaan UMKM melalui metode credit scoring yang lebih inklusif?

• Dampak:
  Terhambatnya pertumbuhan UMKM dan keterbatasan akses ke sumber pendanaan.

• Opportunity Area:
  Alternative credit scoring, AI risk assessment, fintech lending platform

20. Digitalisasi Rantai Pasok & Distribusi Pangan

• Industri: Real Sector Economy

• Latar Belakang:
  Rantai pasok pangan masih belum terintegrasi dengan baik, menyebabkan inefisiensi distribusi dan harga yang tidak stabil.

• Core Problem:
  Bagaimana meningkatkan efisiensi dan transparansi rantai pasok pangan?

• Dampak:
  Distribusi tidak optimal, harga fluktuatif, dan akses pasar terbatas bagi produsen.

• Opportunity Area:
  Supply chain platform, logistics tracking, marketplace integration

21. Efisiensi Logistik & Akses Pasar

• Industri: Real Sector Economy

• Latar Belakang:
  Proses logistik yang belum optimal serta keterbatasan akses pasar menghambat distribusi barang, khususnya bagi UMKM dan sektor informal.

• Core Problem:
  Bagaimana meningkatkan efisiensi logistik sekaligus memperluas akses pasar?

• Dampak:
  Biaya distribusi tinggi dan keterbatasan pertumbuhan usaha.

• Opportunity Area:
  Logistics optimization, digital marketplace, distribution platform

22. Job Matching & Workforce Upskilling

• Industri: Real Sector Economy

• Latar Belakang:
  Terdapat ketidaksesuaian antara kebutuhan industri dan keterampilan tenaga kerja.

• Core Problem:
  Bagaimana meningkatkan efektivitas pencocokan kerja dan pengembangan keterampilan tenaga kerja?

• Dampak:
  Tingginya tingkat pengangguran dan rendahnya produktivitas tenaga kerja.

• Opportunity Area:
  AI job matching platform, skill assessment tools, upskilling platform

Digital & Creative Economy

23. Digitalisasi Layanan Publik & Pariwisata

• Industri: Digital & Creative Economy

• Latar Belakang:
  Layanan publik dan sektor pariwisata masih membutuhkan integrasi sistem digital untuk meningkatkan efisiensi dan pengalaman pengguna.

• Core Problem:
  Bagaimana meningkatkan kualitas layanan publik dan pariwisata melalui digitalisasi?

• Dampak:
  Pengalaman pengguna yang kurang optimal dan rendahnya efisiensi layanan.

• Opportunity Area:
  Integrated service platform, smart tourism system, user experience optimization

25. Ekspor Jasa Digital & Remote Work

• Industri: Digital & Creative Economy

• Latar Belakang:
  Peluang ekspor jasa digital meningkat, namun masih terkendala akses ke platform global, sistem pembayaran lintas negara, dan kesiapan talenta.

• Core Problem:
  Bagaimana meningkatkan daya saing talenta lokal dalam pasar global digital?

• Dampak:
  Terbatasnya kontribusi ekonomi digital terhadap ekspor nasional.

• Opportunity Area:
  Freelance platform, cross-border payment system, talent marketplace

26. AI & Otomasi Layanan

• Industri: Digital & Creative Economy

• Latar Belakang:
  Pemanfaatan AI untuk otomasi layanan seperti customer service dan dukungan multibahasa masih belum optimal.

• Core Problem:
  Bagaimana mengoptimalkan penggunaan AI untuk meningkatkan efisiensi dan kualitas layanan?

• Dampak:
  Biaya operasional tinggi dan pengalaman pelanggan kurang optimal.

• Opportunity Area:
  AI chatbot, multilingual NLP, intelligent automation system

Alur & Timeline Pelaksanaan Hackathon

Fase 1: Registration & Call for Proposals (1 - 30 April 2026)

Tahap aktivasi nasional untuk menjaring talenta digital terbaik.

• Grand Launching (1 April): Perilisan program melalui kanal sosial media dicoding dan broadcast email ke peserta program.

• Project Submission: Registrasi dan unggah proposal serta prototipe awal melalui platform Dicoding Challenges.

Fase 2: Proposal Implementation & Workshop (11 Mei - 5 Juni 2026)

Pendalaman teknis bagi 20 tim terbaik yang lolos kurasi awal.

• Capacity Building: Rangkaian pelatihan intensif untuk meningkatkan kualitas purwarupa.
  • Teknikal Workshop: Fokus pada implementasi teknis AI oleh Dicoding.
  • Non-Teknikal Workshop: Pembahasan topik strategis dan regulasi oleh Komdigi.

Fase 3: Presentation Day (18 Juni 2026)

Validasi solusi di hadapan juri yang sudah dipilih oleh penyelenggara.

• Finalist Pitching: Hanya akan dipilih 10 tim terbaik dari tahap implementasi proposal untuk mempresentasikan proyek mereka secara online.

• Innovation Showcasing: Demonstrasi kapabilitas prototipe dalam menjawab tantangan strategis.

Kriteria Penilaian

Penilaian solusi peserta akan dilakukan berdasarkan beberapa aspek utama:

1. Inovasi dan Kebaruan (Bobot: 25%)
   Menilai sejauh mana solusi yang ditawarkan menghadirkan pendekatan baru atau berbeda dari solusi yang sudah ada.
2. Desain dan Kemudahan Penggunaan (Bobot: 25%)
   Menilai kualitas tampilan dan antarmuka produk serta seberapa mudah pengguna dapat memahami dan menggunakan produk tersebut.
3. Pemanfaatan AI dan Layanan Microsoft Azure (Bobot: 30%)
   Menilai ketepatan, efektivitas, dan relevansi penggunaan teknologi Artificial Intelligence (AI) serta layanan Microsoft Azure dalam solusi yang dikembangkan.
4. Manfaat dan Relevansi Penggunaan untuk Masyarakat (Bobot: 20%)
   Menilai dampak nyata yang diberikan oleh produk terhadap masyarakat, baik secara langsung maupun tidak langsung.

Kriteria penilaian ini akan berlaku untuk tahap proposal dan final submission.

Syarat dan Ketentuan Peserta

• Challenge ini terbuka untuk umum dengan catatan harus terdaftar sebagai peserta Microsoft Elevate Training Center

• Peserta boleh mengikuti challenge secara individu atau tim (maksimal 3 orang). Jika tim, semua anggota harus terdaftar sebagai peserta Microsoft Elevate Training Center

• Peserta harus mengembangkan produk digital berbasis Artificial Intelligence (AI).

• Mengimplementasikan minimal 1 layanan gratis yang tersedia di Microsoft Azure, dengan opsi layanan tersedia dalam link berikut: Daftar Layanan Azure

• Produk digital yang dibuat bisa berupa aplikasi mobile atau website.

• Teknologi yang digunakan untuk pengembangan solusi tidak dibatasi (framework, library, atau studio coding apa pun dapat digunakan).

• Solusi digital yang dikumpulkan harus berupa Prototype yang sesuai dengan tema yang telah ditetapkan.

• Peserta dilarang untuk menggunakan data set yang terlindungi oleh hak cipta baik di dalam maupun di luar negeri.

• Peserta dilarang mengumpulkan project yang pernah dimenangkan dalam program atau challenge lain, baik di dicoding.com/challenges maupun platform lainnya.

• Submission di upload pada halaman challenge dicoding

  • Proposal Submission: Template Draft

  • Link Project: Link deployed project.

• Proposal yang masuk akan di kurasi dan pilih 20 terbaik untuk masuk ke tahap proposal implementation.

• Semua keputusan juri dan hasil penilaian bersifat final dan tidak dapat diganggu gugat.

Proposal Implementation

• Peserta pada tahapan ini akan melanjutkan proses development aplikasi yang akan dikembangkan

• Peserta akan mendapatkan dukungan dalam pengembangan aplikasi melalui  workshop yang akan disediakan oleh penyelenggara.

• Diakhir periode proposal implementation peserta wajib mengumpulkan final submission berupa.

  • Slide Project Brief: Template Draft

  • Link Project: Link deployed project

• Akan dipilih 10 peserta terbaik dari final submission untuk melakukan presentasi secara online.

Presentation Day

• 10 peserta/tim terbaik akan mempresentasikan final submission di hadapan para juri.

Hadiah

Hadiah Monetary

• Juara 1 → Rp10.000.000
• Juara 2 → Rp7.000.000
• Juara 3 → Rp5.000.000
• Juara Spesial (Best Use of Microsoft Tech) → Rp2.500.000

Hadiah Non-Monetary

• Dicoding Points → 1.000 points (bisa ditukar dengan merchandise Dicoding di dicoding.com/rewards).

Panduan Submission Tahap Proposal

Peserta atau salah satu anggota perwakilan tim mengumpulkan dokumen Project Brief melalui platform Dicoding Challenge. Langkah-langkah:

1. Klik Tombol “MASUKAN APLIKASI”

2. Pilih Platform: “Portofolio”

3. Isi bagian submission dengan ketentuan sebagai berikut:

   • App ID: Hanya perlu diisi bila Aplikasi hendak dimasukkan untuk platform Android, IOS atau Windows Phone.
     Anda dapat skip bagian ini bila project yang dibuat tidak tidak dimasukan dalam platform tersebut.

   • Nama Aplikasi: Nama lengkap project yang dibuat

   • Link Aplikasi: Tautan project yang sudah di deploy

   • Komentar:

     • Lampirkan project brief dengan menggunakan format berikut: Template Draft
       Silakan make a copy document yang sudah disediakan dan masukan link dokumen pada bagian komentar [PASTIKAN DOKUMEN DAPAT DIAKSES SECARA PUBLIK]

   • Contoh Submission: