PENDAFTARAN kompetisi Olimpiade Sains Nasional (OSN) bidang kecerdasan buatan atau artificial intelligen (AI) telah dibuka dengan nama Ekshibisi Kompetisi Kecerdasan Artificial (EKKA).
Adapun pendaftaran itu terbuka untuk siswa-siswa jenjang pendidikan menengah antara lain SMA, SMK sederajat diseluruh Indonesia maupun sekolah luar negeri. Periode pendaftaran 15 Juni – 15 Juli 2026.
Baca juga: Simak Beberapa PTN yang Masih Buka Pendaftaran Jalur Mandiri 2026
Pendaftaran Kompetisi OSN Bidang AI Telah Dibuka dengan Nama EKKA
Jika berminat mendaftar, siswa harus memenuhi syarat terlebih dahulu sebagai berikut:
Peserta adalah siswa aktif tingkat SMA/MA/SMK atau sederajat (kelas 10, 11 atau 12).
Tidak dinyatakan lolos ke OSN tingkat provinsi (OSN-P) tahun 2026 pada bidang lomba apa pun.
Mendapatkan izin dari orangtua/wali dan guru di sekolah untuk mengikuti rangkaian kegiatan Ekshibisi Kompetisi Kecerdasan Artifisial Tahun 2026.
Apabila sudah mengetahui persyaratannya, siswa bisa melakukan pendaftaran dengan cara sebagai berikut:
Pendaftaran dilakukan oleh operator satuan pendidikan pada portal registrasi Puspresnas https://daftar-bpti.kemendikdasmen.go.id/
Wajib mengunggah pindaian (scan) surat izin orang tua dan sekolah dengan format yang telah disiapkan pada panduan.
Periode pendaftaran dibuka pada tanggal 15 Juni – 15 Juli 2026.
Follow Official WhatsApp Channel chanelmuslim.com untuk mendapatkan berita-berita terkini dengan mengklik tautan ini.
Silabus materi yang diujikan pada EKKA 2026 ini merupakan bagian (subset) dari silabus lengkap IOAI. Lebih spesifik, silabus pada EKKA 2026 ini akan dibatasi hanya untuk mencakup topik-topik berikut:
Pengetahuan dan Keterampilan Dasar: konsep-konsep dan teori matematika, statistika, teori peluang dan optimasi, pemrograman dengan menggunakan Python.
Teori dan praktik machine learning klasik: analisis dan pengolahan data mendasar, feature engineering, supervised learning, unsupervised learning, evaluasi dan validasi model machine learning.
Jaringan syaraf tiruan (artificial neural network): arsitektur JST, multilayer perceptron, algoritme pelatihan dan optimasi JST, fungsi aktivasi, regularisasi.
Computer Vision (CV): Dasar CV, konvolusi, teknik pooling, klasifikasi.citra, deteksi obyek, segmentasi citra, transfer learning.
Natural Language Processing (NLP): Pengambilan fitur (misal TF-IDF), embedding, dasar transformer (attention), klasifikasi teks. [Din]
