Telepati 8.0 LogoTELEPATI 8.0
Daftar Sekarang
Kategori Lomba AI AgriData Intelligence Race

Regulasi AI AgriData Intelligence Race

AI AgriData Intelligence Race merupakan kompetisi berbasis kecerdasan buatan (Computer Vision & Object Detection) yang menguji analisis ilmiah dan problem-solving peserta terhadap studi kasus nyata di industri agrikultur.

AI Data Analysis
📖
Studi Kasus

Smart Agriculture via Computer Vision

Arif merupakan seorang petani muda yang mengelola lahan pertanian milik keluarganya. Setiap musim tanam, ia harus memantau ribuan tanaman yang tersebar di berbagai petak sawah untuk memastikan pertumbuhannya tetap optimal. Aktivitas tersebut masih dilakukan secara manual dengan mengamati kondisi tanaman satu per satu. Selain membutuhkan waktu dan tenaga yang tidak sedikit, proses ini juga sangat bergantung pada pengalaman sehingga potensi kesalahan dalam pengamatan maupun keterlambatan penanganan masih sering terjadi.

Menyadari tantangan tersebut, Arif ingin menerapkan konsep Smart Agriculture dengan memanfaatkan teknologi Computer Vision. Ia membayangkan sebuah sistem yang mampu mengamati lahan pertanian melalui kamera yang dipasang pada drone atau perangkat pemantau lainnya. Sistem tersebut diharapkan dapat mengenali berbagai objek yang terdapat pada area pertanian secara otomatis, sehingga proses pemantauan tidak lagi bergantung sepenuhnya pada pengamatan manusia.

Namun, sistem tersebut belum dapat berfungsi sebagaimana mestinya. Meskipun kamera mampu menangkap ribuan citra dari lahan pertanian, seluruh data tersebut tidak memiliki arti tanpa adanya sebuah model Artificial Intelligence (AI) yang mampu memahami apa yang dilihatnya. Agar sistem dapat memberikan informasi yang akurat dan bermanfaat, diperlukan model AI berbasis Computer Vision yang memiliki kemampuan Object Detection dengan tingkat akurasi, presisi, dan keandalan yang tinggi.

💡 Tantangan Peserta: Peserta ditantang untuk mengembangkan model AI berbasis Object Detection menggunakan dataset resmi panitia. Model yang dihasilkan diharapkan memiliki performa terbaik dan siap diimplementasikan sebagai komponen utama sistem Smart Agriculture yang cerdas, efisien, dan berkelanjutan.

Syarat & Ketentuan Umum

👥 Ketentuan Peserta & Tim

  • Setiap tim terdiri atas 2 - 3 orang mahasiswa aktif (D3/D4/S1) yang berasal dari perguruan tinggi yang sama.
  • Setiap tim wajib memiliki 1 (satu) orang Ketua Tim dan 1 (satu) orang Dosen Pembimbing (Dosen pembimbing tidak dihitung sebagai anggota tim).
  • Setiap tim hanya diperbolehkan mengirim 1 model AI sebagai karya yang dilombakan.
  • Seluruh anggota tim wajib mencantumkan username atau tautan akun GitHub yang akan digunakan selama proses pengembangan dan pengumpulan karya.

📝 Ketentuan Pendaftaran

Biaya PendaftaranRp 135.000,- / tim
Periode Pendaftaran1 Agustus – 26 September 2026 (Tutup pukul 23:59 WIB via Website Resmi TELEPATI)
Persyaratan Pendaftaran
  1. Follow akun Instagram resmi TELEPATI @telepatipolban.
  2. Mengunggah Kartu Tanda Mahasiswa (KTM) yang masih berlaku dengan format PDF/JPG/PNG (maksimal 2 MB).
  3. Mengunggah & membagikan Twibbon resmi TELEPATI di Instagram pribadi (mention @telepatipolban & tag minimal 3 teman).
  4. Tautan grup WhatsApp peserta dapat diakses via website pendaftaran setelah registrasi selesai.

Timeline Lomba

Jadwal Pelaksanaan Lomba

1
3 Agustus – 26 September 2026

Pendaftaran & Submission Karya

Registrasi tim, pembayaran, dan pengunggahan artefak ke repositori GitHub. Tutup pukul 23:59 WIB.

2
27 – 29 September 2026

Audit Run & Penilaian Juri

Dewan juri mengeksekusi ulang notebook pada environment resmi untuk menguji reproduksibilitas.

3
30 September 2026

Pengumuman Top 3 Finalis

Pengumuman resmi 3 tim teratas terverifikasi melalui Website dan Instagram TELEPATI.

4
03 Oktober 2026

Technical Meeting Finalis

Sesi pengarahan teknis pelaksanaan Babak Final secara daring (online).

5
24 Oktober 2026

Presentasi Final & Awarding

Presentasi akhir, demonstrasi model AI di POLBAN (Bahasa Indonesia), dan Awarding Ceremony.

Ketentuan Teknis & Repositori

📊 Dataset & Pipeline (Anti-Manipulasi)

  • Dataset Resmi: Peserta wajib menggunakan Dataset Resmi (Agritech Data) dari panitia.
  • End-to-End Pipeline: Seluruh alur pengolahan data (cleaning, preprocessing, augmentation) wajib ditulis dalam bentuk kode Python di Jupyter Notebook (.ipynb) mulai dari raw dataset asli. Dilarang mengunggah file data bersih tanpa jejak kode pemrosesan.
  • Reproduksibilitas: Wajib menyertakan random seed (random_state) pada setiap kode pemrosesan dan pelatihan agar hasil juri 100% konsisten.
  • 🚫 Dilarang menggunakan pretrained model eksternal di luar dataset resmi. LLM/Assistant (ChatGPT, Claude, Copilot) hanya untuk debugging sintaksis & dokumentasi. Pengolahan dataset via API LLM dilarang keras.

🐙 Dokumen & Model Weights GitHub

  • Seluruh pengumpulan terpusat pada 1 Repositori GitHub Publik tim.
  • Model Weights (.pt, .onnx, .h5): Wajib diunggah melalui GitHub Releases atau Git LFS pada repositori tim. Direct link file rilisan wajib disertakan. Dilarang via Google Drive pribadi guna mencegah manipulasi timestamp.
  • Commit History: Menunjukkan riwayat commit berkala secara bertahap oleh akun GitHub anggota terdaftar. Single commit berisiko REJECTED / diskualifikasi.
  • README.md wajib memuat: How to Run, daftar dependencies, arsitektur model, hyperparameter, dan tautan model weights.

📁 Berkas Pengumpulan (Babak Penyisihan)

NoKomponen BerkasKetentuan & Media Pengumpulan
1Trained Model WeightsFormat .pt, .onnx, .pkl, .h5 via GitHub Releases / Git LFS (bukan Google Drive).
2Jupyter Notebook (.ipynb)Kode end-to-end reproducible (preprocessing, training, inference) + dokumentasi Markdown.
3Repositori GitHub PublikMemuat riwayat commit bertahap & file README.md petunjuk jalankan program.
4Surat Pernyataan OrisinalitasFile scan PDF bermeterai Rp10.000 yang ditandatangani Ketua Tim dan Dosen Pembimbing.

Penilaian & Leaderboard (Grand Challenge)

Mekanisme Audit Run & Status Penilaian

Proses penilaian dilakukan secara transparan, objektif, dan reproducible. Dewan juri akan menjalankan ulang (Audit Run) model AI dan kode program peserta pada environment resmi panitia untuk memverifikasi Skor Mandiri (Self-Reported Score).

Status PenilaianKriteria & KetentuanTindak Lanjut
VERIFIEDHasil eksekusi ulang juri konsisten dengan Skor Mandiri (selisih relatif ≤ 2%).Skor terverifikasi masuk ke Official Leaderboard. Re-submission diperbolehkan hingga batas akhir.
REJECTEDKode error, terjadi data leakage, file rusak, unreproducible, atau selisih skor > 2%.Disertai alasan penolakan. Tim dapat perbaiki & Re-submit selama periode pendaftaran dibuka.

🎯 Metrik Penilaian Model AI

Model AI peserta akan dievaluasi secara objektif berdasarkan metrik utama berikut:

mAP@50 (Mean Average Precision)
Mengukur ketepatan dan akurasi deteksi lokasi objek pada Intersection over Union (IoU) Threshold 0,5.
F1-Score
Keseimbangan harmonis antara Precision dan Recall dalam mengklasifikasikan objek pertanian.

Hadiah & Penghargaan

Pemenang lomba AgriData Intelligence Race akan memperoleh penghargaan sebagai berikut:

🥇 JUARA 1
  • 🏆 Uang Tunai
  • 📜 Sertifikat Penghargaan
  • 🥇 Plakat Kejuaraan
  • 🎓Fasilitas Publikasi Jurnal & Presentasi Final POLBAN
🥈 JUARA 2
  • 🏆 Uang Tunai
  • 📜 Sertifikat Penghargaan
  • 🥈 Plakat Kejuaraan
🥉 JUARA 3
  • 🏆 Uang Tunai
  • 📜 Sertifikat Penghargaan
  • 🥉 Plakat Kejuaraan
Daftarkan Tim Anda Sekarang