Salah satu pertanyaan paling sering ditanyakan calon peserta sertifikasi AI BNSP adalah: “Saya belum punya pengalaman kerja di bidang AI. Apakah saya tetap bisa ikut sertifikasi?”
Jawabannya: bisa. Tapi ada syaratnya.
Sertifikasi BNSP menguji kompetensi berdasarkan bukti nyata — bukan berdasarkan lama pengalaman kerja. Yang dinilai asesor adalah apakah kamu bisa menunjukkan bahwa kamu memahami dan mampu menerapkan unit kompetensi yang diujikan. Portofolio adalah cara utama untuk membuktikan itu.
Artikel ini khusus membahas cara membangun portofolio AI yang valid untuk sertifikasi BNSP — bukan portofolio kerja biasa. Ada perbedaan penting di antara keduanya yang perlu dipahami sejak awal.
Perbedaan Portofolio Kerja Biasa vs Portofolio untuk Sertifikasi BNSP
Ini yang sering disalahpahami. Banyak calon peserta membuat portofolio seperti yang biasa digunakan untuk melamar kerja — desain cantik, banyak visual, fokus pada hasil akhir. Tapi asesor BNSP tidak menilai itu.
Portofolio kerja biasa dinilai oleh HRD rekrutmen. Yang dilihat: hasil akhir, estetika, relevansi dengan posisi yang dilamar.
Portofolio untuk sertifikasi BNSP dinilai oleh asesor kompetensi. Yang dilihat: apakah kamu bisa membuktikan penguasaan setiap unit kompetensi dalam skema yang diujikan.
Artinya: portofolio untuk BNSP harus terstruktur mengikuti unit kompetensi SKKNI, bukan mengikuti selera desain atau tren industri.
Informasi Detail Daftar sertifikasi AI Engineer BNSP di Ditekindo Bisa Hubungi Admin!
Unit Kompetensi yang Harus Dicakup Portofolio
Untuk skema Penerapan Artificial Intelligence (AI) untuk Proses Data di LSP Ditekindo, ada 6 unit kompetensi yang diujikan:
- Melakukan Pemasukan Data (J.63OPR00.014.2)
- Memastikan Validitas Data (J.63OPR00.015.2)
- Mengintegrasikan Komponen Solusi Artificial Intelligence (J.62AIN00.014.1)
- Memasang Solusi Artificial Intelligence (J.62AIN00.015.1)
- Merencanakan Perawatan Solusi AI (J.62AIN00.016.1)
- Merawat Solusi Artificial Intelligence (J.62AIN00.017.1)
Portofoliomu harus bisa memberikan bukti — minimal satu per unit kompetensi — bahwa kamu pernah melakukan atau memahami cara melakukan aktivitas yang tercantum di setiap unit.
Ini bukan berarti kamu harus punya pengalaman kerja formal. Project mandiri, tugas kuliah yang relevan, atau bahkan simulasi yang kamu dokumentasikan dengan baik sudah cukup.
5 Jenis Project AI yang Valid untuk Portofolio BNSP
Berikut contoh project yang bisa digunakan sebagai bukti kompetensi, bahkan untuk yang belum pernah bekerja di bidang AI:
1. Analisis dan Klasifikasi Dataset Publik
Cocok untuk unit: Melakukan Pemasukan Data + Memastikan Validitas Data
Dataset publik tersedia gratis di Kaggle, UCI Machine Learning Repository, atau Google Dataset Search. Kamu tidak perlu mengumpulkan data sendiri.
Contoh project sederhana:
- Download dataset penjualan atau pelanggan (misalnya Titanic dataset atau Iris dataset)
- Lakukan eksplorasi data: cek missing values, duplikat, outlier
- Dokumentasikan proses pembersihan data step by step
- Simpan di Jupyter Notebook dengan penjelasan di setiap langkah
Yang dinilai asesor bukan dataset-nya — tapi apakah kamu bisa menjelaskan mengapa kamu melakukan setiap langkah pembersihan data.
2. Implementasi Model AI Sederhana
Cocok untuk unit: Mengintegrasikan Komponen Solusi AI + Memasang Solusi AI
Tidak perlu membangun model dari nol. Menggunakan library yang sudah ada (scikit-learn, Hugging Face, atau bahkan API seperti OpenAI) dan mengintegrasikannya ke dalam sebuah solusi sederhana sudah valid.
Contoh project:
- Chatbot sederhana menggunakan OpenAI API untuk menjawab pertanyaan tentang produk
- Sistem klasifikasi gambar menggunakan model pre-trained dari Hugging Face
- Analisis sentimen ulasan produk menggunakan library transformers
Dokumentasikan: arsitektur solusinya, komponen apa yang digunakan, bagaimana cara mengintegrasikannya, dan hasil yang didapat.
3. Dashboard Monitoring Performa Model
Cocok untuk unit: Merencanakan Perawatan + Merawat Solusi AI
Ini yang sering dilewatkan calon peserta. Asesor BNSP sangat memperhatikan unit perawatan AI — dan ini bisa dibuktikan tanpa harus punya model yang sudah berjalan di produksi.
Kamu bisa membuat:
- Rencana pemeliharaan model (kapan retraining, metrik apa yang dipantau, threshold kapan model dianggap degradasi)
- Simulasi monitoring menggunakan data dummy — misalnya tracking akurasi model dari waktu ke waktu
- Dokumentasi prosedur backup dan recovery model
Format bisa berupa dokumen Word/PDF yang menjelaskan prosedur secara rinci, atau notebook Jupyter yang mendemonstrasikan monitoring secara teknis.
4. Studi Kasus Implementasi AI di Industri
Cocok untuk semua unit — alternatif jika belum bisa coding
Ini opsi yang valid untuk peserta non-IT atau yang belum familiar dengan programming. Kamu memilih satu kasus nyata penggunaan AI di industri (misalnya: AI untuk deteksi fraud di perbankan, AI untuk prediksi permintaan di e-commerce, atau AI untuk diagnosis medis), lalu mendokumentasikan:
- Masalah bisnis yang diselesaikan
- Komponen AI yang digunakan
- Cara integrasi ke dalam sistem yang ada
- Prosedur pemasangan dan perawatan yang direkomendasikan
- Analisis risiko dan mitigasinya
Studi kasus yang ditulis dengan baik dan detail menunjukkan pemahaman konseptual yang kuat — dan ini diakui asesor sebagai bukti kompetensi yang valid, terutama untuk skema integrative AI.
5. Project Kolaborasi atau Tugas Kuliah
Cocok untuk mahasiswa dan fresh graduate
Tugas kuliah, project akhir semester, atau thesis yang berkaitan dengan AI dapat dimasukkan ke portofolio — asalkan kamu bisa menjelaskan kontribusimu secara spesifik dan menghubungkannya dengan unit kompetensi yang diujikan.
Yang perlu disiapkan:
- Dokumentasi project yang rapi (bukan hanya laporan kuliah mentah)
- Penjelasan kontribusi spesifik kamu (bukan kontribusi tim secara keseluruhan)
- Koneksi yang jelas antara project dengan unit kompetensi BNSP
Format Portofolio yang Benar untuk APL-02
Di sertifikasi BNSP, portofolio dikaitkan langsung dengan formulir APL-02 (asesmen mandiri). Ini yang membedakan dari portofolio kerja biasa.
Di APL-02, untuk setiap unit kompetensi kamu akan diminta:
- Menyatakan apakah kamu kompeten atau belum kompeten
- Menyertakan bukti yang mendukung pernyataan tersebut
- Menjelaskan bagaimana bukti itu menunjukkan penguasaan unit kompetensi
Format bukti yang diterima asesor:
| Jenis Bukti | Contoh | Kekuatan |
|---|---|---|
| Produk langsung | File notebook, kode, laporan | Paling kuat |
| Produk tidak langsung | Sertifikat kursus relevan, transkrip nilai | Pendukung |
| Testimoni | Referensi dosen, atasan, klien | Pendukung |
| Wawancara | Penjelasan verbal saat asesmen | Wajib semua unit |
Satu hal penting: jangan hanya menyertakan bukti tanpa narasi. Setiap bukti harus disertai penjelasan singkat: “Bukti ini menunjukkan kompetensi saya dalam [unit kompetensi] karena…”
Tools Gratis untuk Membangun Portofolio AI
Semua tools berikut gratis dan tidak membutuhkan infrastruktur mahal:
Untuk coding dan eksperimen model:
- Google Colab — Jupyter Notebook gratis di cloud, tidak perlu install apapun
- Kaggle Notebooks — Lingkungan coding gratis dengan akses GPU terbatas
- Hugging Face Spaces — Deploy model AI secara gratis dan mudah diakses
Untuk dataset:
- Kaggle Datasets — Ribuan dataset publik gratis
- UCI ML Repository — Dataset klasik machine learning
- Google Dataset Search — Mesin pencari dataset dari berbagai sumber
Untuk API AI (tanpa coding berat):
- OpenAI API — Ada kredit gratis untuk trial (GPT-3.5)
- Google Gemini API — Free tier tersedia
- Hugging Face Inference API — Banyak model gratis
Untuk dokumentasi dan presentasi portofolio:
- GitHub — Simpan dan tampilkan kode + README
- Notion — Dokumentasi terstruktur dan rapi
- Canva — Visualisasi arsitektur dan diagram
Untuk studi kasus (non-coding):
- Google Slides / Canva — Presentasi studi kasus
- Google Docs — Dokumentasi prosedur
Langkah Membangun Portofolio AI dari Nol
Langkah 1 — Petakan unit kompetensi ke project yang ada
Buka dokumen SKKNI atau minta LSP untuk memberikan daftar unit kompetensi lengkap. Kemudian cocokkan dengan kemampuan atau project yang sudah kamu miliki. Jangan mulai dari nol — cari dulu apa yang sudah ada.
Langkah 2 — Identifikasi gap
Setelah pemetaan, akan terlihat unit mana yang belum ada buktinya. Fokuskan energi ke sana — bukan membuat ulang yang sudah ada.
Langkah 3 — Buat minimum 1 project per unit kompetensi
Tidak perlu sempurna. Satu notebook Jupyter yang bersih dengan penjelasan yang runtut lebih baik dari sepuluh project yang tidak terdokumentasi.
Langkah 4 — Dokumentasikan setiap langkah
Ini yang paling sering dilewatkan. Dokumentasi bukan hanya kode atau hasil akhir — tapi proses berpikir. Mengapa memilih pendekatan ini? Apa yang terjadi jika tidak berhasil? Bagaimana cara troubleshoot-nya?
Langkah 5 — Hubungkan ke unit kompetensi secara eksplisit
Di setiap bagian dokumentasi, tambahkan kalimat yang eksplisit menghubungkan ke unit kompetensi: “Proses ini mencakup unit J.62AIN00.014.1 — Mengintegrasikan Komponen Solusi AI karena…”
Langkah 6 — Minta review sebelum asesmen
Di LSP Ditekindo, konsultasi gratis tersedia sebelum asesmen. Gunakan sesi ini untuk meminta feedback spesifik: apakah portofolio sudah cukup untuk setiap unit, atau ada yang perlu diperkuat.
Kesalahan yang Paling Sering Dilakukan
Membuat portofolio yang terlalu umum. Menampilkan “saya bisa Python” atau “saya paham machine learning” tanpa bukti spesifik tidak berguna di asesmen BNSP. Asesor butuh bukti per unit kompetensi, bukan klaim umum.
Tidak mendokumentasikan proses. Mengirim file notebook tanpa penjelasan sama seperti mengirim jawaban tanpa cara penghitungan. Asesor ingin tahu bagaimana kamu berpikir, bukan hanya hasilnya.
Mengklaim kompetensi yang tidak bisa dijelaskan. Kalau di APL-02 kamu menyatakan kompeten di unit tertentu, siap-siap untuk menjelaskan detailnya saat wawancara. Kalau tidak bisa menjelaskan, lebih baik jujur di APL-02 dan minta rekomendasi dari LSP.
Terlalu fokus di estetika. Portofolio yang cantik tapi isinya tipis tidak akan membantu. Asesor BNSP tidak menilai desain — mereka menilai substansi.
Menunda karena merasa belum siap. Konsultasi gratis dengan LSP justru untuk membantu mengidentifikasi apakah kamu sudah siap atau belum. Jangan putuskan sendiri tanpa input dari LSP.
Berapa Lama Waktu yang Dibutuhkan?
Untuk yang belum punya project sama sekali, timeline realistis:
- 2–4 minggu: Jika sudah familiar dengan Python dan tools dasar ML. Fokus pada pembuatan 2–3 project sederhana yang terdokumentasi dengan baik.
- 1–3 bulan: Untuk yang baru mulai belajar Python dan AI dari nol. Ikuti kursus gratis di Google Colab atau Kaggle Learn, selesaikan project latihan, lalu dokumentasikan.
- Kurang dari 2 minggu: Untuk non-IT yang menggunakan pendekatan studi kasus tanpa coding. Bisa lebih cepat asalkan dokumentasinya mendalam.
LSP Ditekindo menyediakan pembekalan sebelum asesmen yang membantu peserta mempersiapkan portofolio — termasuk template APL-02 dan checklist kesiapan per unit kompetensi.
Pertanyaan yang Sering Ditanyakan
Apakah project dari kursus online bisa dipakai sebagai portofolio BNSP? Bisa, asalkan project tersebut bisa kamu jelaskan sepenuhnya dan kamu yang mengerjakan sendiri. Project yang dikerjakan mengikuti tutorial step-by-step tanpa pemahaman mendalam tidak akan kuat saat wawancara asesor.
Berapa banyak project yang harus ada di portofolio? Tidak ada angka minimum yang ditetapkan BNSP. Yang penting adalah setiap unit kompetensi memiliki minimal satu bukti yang valid. Lebih baik dua project yang kuat dari enam project yang lemah.
Apakah bisa pakai project yang sama untuk beberapa unit kompetensi? Bisa, kalau project tersebut memang mencakup beberapa unit. Satu project end-to-end yang baik bisa mencakup unit pemasukan data, validasi data, integrasi komponen, hingga pemasangan solusi sekaligus.
Apakah portofolio harus dalam bahasa Indonesia? Tidak diwajibkan. Bahasa Inggris diterima. Yang penting penjelasan dan narasi yang menghubungkan ke unit kompetensi bisa dipahami asesor.
Bagaimana jika saya tidak bisa coding sama sekali? Pendekatan studi kasus tanpa coding tetap valid — terutama untuk skema integrative AI seperti yang ditawarkan Ditekindo. Diskusikan dengan tim LSP untuk menentukan pendekatan yang paling sesuai dengan latar belakangmu.
Siap Mulai Sertifikasi AI BNSP?
Portofolio yang baik adalah fondasi utama lulus uji kompetensi. Tapi kamu tidak harus mempersiapkan semuanya sendirian.
LSP Ditekindo menyediakan konsultasi gratis untuk membantu menilai kesiapan portofolio sebelum mendaftar — termasuk review APL-02 dan rekomendasi project yang perlu diperkuat.
Untuk informasi skema dan pendaftaran: Sertifikasi AI BNSP di Ditekindo
Untuk memahami format asesmen dan contoh soal: Contoh Soal Uji Kompetensi BNSP AI Engineer
Ditulis oleh tim LSP Ditekindo — Lembaga Sertifikasi Profesi P3 bidang Digital dan Bisnis berlisensi BNSP (SK BNSP KEP.691/BNSP/III/2026, Nomor Lisensi: BNSP-LSP-2324-ID)
