Muhammad
Rafli.

AI & IoT Engineer | Full-Stack Developer

Mahasiswa Teknik Informatika dengan spesialisasi utama pada Kecerdasan Buatan (AI) dan Internet of Things (IoT). Berpengalaman merancang model Machine Learning, arsitektur Edge Computing (TinyML), dan perangkat keras pintar. Dilengkapi dengan keahlian Full-Stack Web Development untuk membangun sistem berskala produksi, memungkinkan saya mengembangkan solusi teknologi end-to-end mulai dari sensor dan algoritma AI hingga dashboard interaktif perusahaan.

Muhammad Rafli
Latar Belakang Akademik
Universitas Muslim Indonesia (UMI)

Kandidat Sarjana (S.Kom)

Universitas Muslim Indonesia (UMI)

Spesialisasi dalam Kecerdasan Buatan (AI) dan Internet of Things (IoT).

GPA 3.96 / 4.00
Jun 2023 - Mar 2027
Riwayat Pengalaman Kerja

Peran dalam bidang engineering & riset terapan.

Pengembangan end-to-end, riset AI terapan, otomasi jaringan, dan kepemimpinan departemen.

Machine Learning Engineer

@ FinTwin
Mar 2026 - Sekarang
Profesional
  • Merancang dan mengembangkan sistem penilaian risiko keuangan berbasis AI untuk mensimulasikan proyeksi kesehatan finansial pengguna.
  • Melakukan analisis mendalam dan evaluasi terhadap dataset pinjaman perbankan untuk memodelkan skenario manajemen risiko finansial.
  • Mengembangkan algoritma pemodelan data guna mengoptimalkan proyeksi keuangan dan mendukung sistem deteksi penipuan (fraud detection).

Network System Developer

@ NetManager
Mei 2026 - Sekarang
Profesional
  • Mengembangkan sistem manajemen ISP (Internet Service Provider) menggunakan Laravel dan Filament, terintegrasi penuh dengan MikroTik API.
  • Membangun fitur otomasi kontrol jaringan, termasuk manajemen router terpusat dan isolasi pelanggan otomatis.
  • Mengoptimalkan efisiensi operasional jaringan dengan memusatkan dan mengotomatiskan sistem kontrol harian.

Lead Researcher

@ Universitas Muslim Indonesia
Jan 2026 - Apr 2026
Riset
  • Memimpin tim riset dalam merancang prototipe stetoskop pintar berbasis mikrokontroler ESP32-S3 dan sensor MEMS untuk deteksi dini penyakit pernapasan.
  • Mengintegrasikan teknologi TinyML untuk menjalankan analisis data langsung pada perangkat (edge computing), dirancang khusus untuk area dengan keterbatasan infrastruktur digital.
  • Mengelola seluruh operasional proyek, mencakup pembagian tugas tim, penulisan proposal ilmiah, dan alokasi anggaran.

Ketua Departemen Sumber Daya Manusia

@ UKM PERISAI UMI
Mar 2026 - Sekarang
Kepemimpinan
  • Memimpin Departemen SDM dalam merencanakan dan mengeksekusi program pengembangan anggota.
  • Mengelola proses rekrutmen, orientasi (onboarding), dan evaluasi anggota baru.
  • Mengkoordinasikan pelatihan, pembinaan kepemimpinan, dan kegiatan penguatan kapasitas organisasi.

Asisten Laboratorium & Media Staff

@ Laboratorium Komputer Terpadu (ICLabs) FIKOM UMI
Jan 2025 - Sekarang
Akademik
  • Membimbing mahasiswa selama sesi praktikum pemrograman dan memberikan arahan teknis langsung.
  • Merancang konten visual dan mengelola media publikasi untuk mendukung branding ICLabs.
  • Menyediakan dukungan teknis untuk perangkat lunak, perangkat keras lab, dan penyusunan modul praktikum.

Assistant Editor

@ Jurnal Ilmu Komputer untuk Masyarakat (ILKOMAS)
Jan 2024 - Des 2024
Akademik
  • Membantu proses penyuntingan dan penelaahan awal naskah ilmiah di bidang ilmu komputer dan IT.
  • Memverifikasi format artikel, tata bahasa, dan kelengkapan administratif sesuai pedoman akademis.

Bedah Arsitektur · PULMO-SENSE

Dari stetoskop manual menuju diagnosis cerdas 100% luring (offline) untuk deteksi Tuberkulosis di wilayah minim infrastruktur (blank spot).

TAHAP 01 / 04
Perangkat Keras & Akustik

Akuisisi Sinyal Presisi (Retrofit Mekanik & I2S)

Menangkap getaran akustik respirasi menggunakan mikrofon omnidirectional MEMS INMP441 murni digital (I2S). Desain mekanik retrofit 'plug-and-play' dengan acoustic chamber resin 3D memungkinkan alat dijepit pada selang stetoskop manual tanpa merusak instrumen asli dan bebas dari kebisingan luar.

ESP32-S3 · MEMS INMP441 · I2S Audio · 3D Resin Chamber
TAHAP 02 / 04
Pemrosesan Sinyal Digital

Ekstraksi Fitur Paru (MFCC)

Sinyal audio pernapasan mentah diproses langsung di dalam mikrokontroler (Edge Computing) untuk mengekstraksi matriks fitur MFCC (Mel-Frequency Cepstral Coefficients). Ekstraksi on-device ini secara presisi merepresentasikan karakteristik spektral suara crackles dan wheezes sesuai kepekaan pendengaran manusia.

MFCC Extraction · Matriks 20x40 · Pemrosesan 100% Luring
TAHAP 03 / 04
Edge AI Engine

Inferensi TinyML (Lightweight CNN 1D)

Mengeksekusi arsitektur Lightweight CNN yang telah dikompresi melalui post-training quantization. Dilengkapi lapisan Global Average Pooling (GAP) untuk mencegah overfitting dan meminimalkan beban RAM, memungkinkan model deep learning beroperasi mandiri tanpa komputasi cloud.

TinyML · Lightweight CNN · INT8 Quantization · GAP
TAHAP 04 / 04
Umpan Balik Klinis

Diagnostik Real-Time & Layar OLED

Hasil klasifikasi anomali paru langsung divisualisasikan melalui layar antarmuka mini OLED I2C dengan latensi di bawah 2 detik. Menghadirkan 'second opinion' yang objektif bagi tenaga medis di Fasilitas Kesehatan Tingkat Pertama (FKTP), memecahkan kebuntuan diagnostik di area blank spot.

OLED I2C · Akurasi >85% · Latensi < 2 Detik · Solusi Blank Spot
COMPUTE: ESP32-S3 (TinyML)
TAHAP 1 DARI 4 AKTIF
Perangkat Keras & Akustik
Akuisisi Sinyal Presisi (Retrofit Mekanik & I2S)
01
Pemrosesan Sinyal Digital
Ekstraksi Fitur Paru (MFCC)
02
Edge AI Engine
Inferensi TinyML (Lightweight CNN 1D)
03
Umpan Balik Klinis
Diagnostik Real-Time & Layar OLED
04
Sinyal Akustik Respirasi (I2S)STATUS: 100% OFFLINE (LURING)
LATENCY
< 2 Detik
COMPUTE
ESP32-S3 (TinyML)
ACCURACY
> 85.0%
Karya Rekayasa Unggulan

Sistem yang dibangun untuk menyelesaikan masalah nyata.

PULMO-SENSE — Prototipe Stetoskop Pintar (TinyML)
01
Jan 2026 - Apr 2026

PULMO-SENSE — Prototipe Stetoskop Pintar (TinyML)

Merancang prototipe perangkat keras menggunakan ESP32-S3 dan sensor MEMS untuk deteksi dini anomali pernapasan. Menjalankan model TinyML terkuantisasi langsung pada mikrokontroler untuk inferensi real-time tanpa ketergantungan internet.

ESP32-S3TinyMLC++MEMS SensorsEdge Computing
02
2026

TB Care AI — Multimodal Screening

Prototipe skrining medis multimodal tingkat lanjut yang menggabungkan Deep Learning (CNN + LSTM) untuk analisis audio batuk dengan evaluasi data klinis berbasis aturan guna menghasilkan skor risiko kesehatan yang akurat.

PythonDeep LearningStreamlitCNN & LSTMScikit-LearnAudio Processing
FoodLens – Pengenalan Makanan On-Device
03
Jul 2026 - Sekarang

FoodLens – Pengenalan Makanan On-Device

Mengembangkan aplikasi mobile berbasis Flutter untuk pengenalan makanan langsung di perangkat (on-device). Menangkap gambar makanan, memproses data lokal tanpa latensi cloud, dan secara otomatis mencocokkan resep via TheMealDB API. Menggunakan background isolates untuk inferensi responsif dan Provider untuk manajemen state.

FlutterTensorFlow LiteTheMealDB APIDart
Real-Time Thumb & Finger Detection
04
2026

Real-Time Thumb & Finger Detection

Aplikasi web berbasis browser yang mengutamakan privasi untuk penghitungan jari dan deteksi landmark tangan secara real-time, dibangun dengan MediaPipe AI dan WebGL tanpa ketergantungan backend.

MediaPipeJavaScriptHTML5 CanvasWebRTCTailwind CSSComputer Vision
05
2026

FIKOM Certification Center (FCC)

Portal sertifikasi institusional resmi yang dibangun dengan Laravel, menghadirkan autentikasi OTP, integrasi payment gateway Midtrans, pemindaian kehadiran berbasis QR-code, dan penerbitan sertifikat digital otomatis.

LaravelPHPMySQLTailwind CSSMidtrans APIVite
COGURA Coffee — Premium Arabica Storefront
06
2026

COGURA Coffee — Premium Arabica Storefront

Storefront kopi modern multibahasa yang dibangun dengan Next.js dan TypeScript, menghadirkan static site generation, UI responsif, lokalisasi Bahasa Indonesia/Inggris, katalog produk, dan pemesanan berbasis WhatsApp.

Next.jsTypeScriptTailwind CSSReacti18nWhatsApp
NetManagement — ISP Management System
07
2026

NetManagement — ISP Management System

Platform operasional ISP komprehensif yang dilengkapi kontrol akses berbasis peran (RBAC), otomasi penagihan, pipeline pemasaran, pelacakan tugas teknisi, dan portal mandiri pelanggan.

LaravelPHPTailwind CSSMySQLViteSystem Architecture
Kemampuan & Tech Stack

Keahlian teknis
di bidang hardware, AI, & rekayasa perangkat lunak.

Kecerdasan Buatan & Machine Learning
Machine LearningDeep LearningGenerative AILarge Language Models (LLMs)Retrieval-Augmented Generation (RAG)Computer VisionTensorFlowTensorFlow LitePrompt Engineering
Rekayasa Perangkat Lunak & Web
PythonDartFlutterPHPLaravelReactHTML/CSS/JSFull-Stack Development
Perangkat Keras, Embedded & TinyML
Internet of Things (IoT)ESP32TinyMLEdge/On-device ComputingSensor MEMS
Infrastruktur & Otomasi Sistem
Manajemen Linux ServerMikroTik APIKonfigurasi JaringanOtomasi SistemPaaS
Riset, Kepemimpinan & Manajemen
Penulisan IlmiahPublikasi Akademik (OJS)Manajemen ProyekKepemimpinanDesain UI/UX
Kredensial Terverifikasi

Sertifikasi.

Practitioner Training Program Digdaya

Bank Indonesia & PIDI·Agu 2026

Fundamentals of Deep Learning

NVIDIA·Agu 2025

Pengembang Web Pratama (Junior Web Developer)

Badan Nasional Sertifikasi Profesi (BNSP)·Okt 2025

Pengembangan Generative AI berbasis LLM

Dicoding Indonesia·Jul 2026

Penerapan Machine Learning untuk Flutter

Dicoding Indonesia·Agu 2026

Belajar Penerapan AI di Aplikasi Web

Dicoding Indonesia·Agu 2026