Wawancara
31 pertanyaan wawancara S2 MEI UGM dengan poin jawaban dan pertanyaan susulan. Disusun sendiri dari pola umum wawancara S2 — tidak ada daftar resmi dari MEI.
Motivasi & latar belakang
0/8 dicatatYang dicari pewawancara
Kemampuan merangkum latar belakang yang relevan dalam 1–2 menit, bukan membaca CV.
- Latar belakang S1 (Data Science) dalam satu kalimat
- Pengalaman kerja di software development + satu hasil konkret
- Jembatan ke elektronika/instrumentasi (data sensor, embedded, IoT)
- Alasan singkat memilih MEI
- Ditutup dengan minat riset (intelligent sensing)
- “Proyek apa yang paling Anda banggakan?”
- “Apa peran Anda secara spesifik di proyek itu?”
Yang dicari pewawancara
Apakah Anda mengenal program ini dan punya alasan yang spesifik, bukan generik.
- Menyebut MK wajib spesifik: Analisis Elektronika, CPS, Jaringan Sensor & IoT, Matematika Sistem Kendali
- Kecocokan kurikulum dengan topik riset
- Dosen/lab yang risetnya relevan (cek dulu di situs DCSE)
- Tahu beda jalur reguler dan by research
- Menghindari alasan generik (ranking, dekat rumah)
- “Dosen siapa yang ingin Anda jadikan pembimbing dan mengapa?”
- “Kalau tidak diterima di sini, apa rencana Anda?”
Yang dicari pewawancara
Motivasi yang matang dan terkait tujuan, bukan sekadar mengejar gelar.
- Celah kompetensi yang dirasakan dari pekerjaan
- Tujuan karier 5 tahun ke depan
- Mengapa harus S2, bukan kursus/sertifikasi
- Mengapa waktunya sekarang
- Komitmen waktu dan energi
- “Bagaimana Anda membagi waktu jika tetap bekerja?”
Yang dicari pewawancara
Apakah Anda melihat diri sebagai jembatan dua bidang, bukan orang yang salah jurusan.
- Data Science: menarik inferensi dari data yang sudah ada
- E&I: menghasilkan data — sensor, pengondisian sinyal, akuisisi, aktuasi
- Kualitas data ditentukan rantai instrumentasi (noise, sampling, kalibrasi)
- Titik temu: edge AI, sensor fusion, CPS
- Contoh konkret dari pengalaman sendiri
- “Apa yang paling sulit bagi Anda untuk dikejar di sisi elektronika?”
Yang dicari pewawancara
Kejujuran terhadap kelemahan dan bukti bahwa Anda sudah mulai menutupnya.
- Mengakui celah secara spesifik (analog, rangkaian, kendali)
- Rencana konkret (buku, MK, proyek hands-on mikrokontroler)
- Bukti sudah mulai (proyek, latihan soal substansi)
- Keunggulan yang dibawa: pemrograman, ML, analisis data
- “Coba jelaskan hukum Kirchhoff sekarang.”
- “Bagaimana cara kerja ADC?”
Yang dicari pewawancara
Kesadaran diri dan kemampuan memperbaiki diri.
- Kelebihan yang relevan dengan studi + bukti
- Kekurangan yang nyata (bukan "perfeksionis")
- Langkah konkret memperbaikinya
- Dampaknya terhadap studi/riset
- “Beri contoh saat kekurangan itu merugikan Anda.”
Yang dicari pewawancara
Apakah S2 ini bagian dari rencana yang koheren.
- Peran spesifik (R&D engineer edge AI, akademisi, startup)
- Kaitan dengan topik tesis
- Kontribusi untuk industri/Indonesia (otomasi, nanosatelit, pertanian presisi)
- “Apakah Anda tertarik lanjut S3?”
Yang dicari pewawancara
Risiko putus studi karena biaya.
- Sumber dana jelas (mandiri/beasiswa)
- Kesiapan biaya riset (komponen, alat, cloud)
- Rencana cadangan jika beasiswa tidak lolos
- “Kira-kira berapa biaya komponen untuk prototipe Anda?”
Rencana penelitian
0/10 dicatatYang dicari pewawancara
Fokus: satu masalah yang spesifik, terukur, dan bisa diteliti dalam S2.
- Satu kalimat masalah yang spesifik dan terukur
- Konteks sistem (robot otonom, nanosatelit, remote sensing)
- Siapa yang terdampak
- Batasan lingkup yang jelas
- “Bisakah Anda menyempitkannya menjadi satu pertanyaan penelitian?”
Yang dicari pewawancara
Urgensi yang didukung data, bukan opini.
- Dampak nyata (biaya, keselamatan, latensi, energi)
- 1–2 angka/sitasi dari literatur
- Relevansi untuk Indonesia
- Mengapa sekarang (hardware edge makin murah dan kuat)
- “Siapa yang akan memakai hasil penelitian ini?”
Yang dicari pewawancara
Apakah Anda sudah membaca literatur dan tahu posisi ide Anda.
- Menyebut 2–3 penelitian terkait (penulis/tahun)
- Keterbatasan mereka (akurasi vs daya, dataset, kondisi lapangan)
- Celah spesifik yang akan diisi
- Bukan sekadar "belum ada di Indonesia"
- “Paper apa yang paling dekat dengan ide Anda?”
- “Apa bedanya pendekatan Anda dengan paper itu?”
Yang dicari pewawancara
Desain penelitian yang bisa dieksekusi dan diukur.
- Desain eksperimen: variabel bebas, terikat, kontrol
- Perangkat keras (sensor, MCU/SBC, NPU) dan alasannya
- Pipeline: akuisisi → preprocessing → model → deployment
- Baseline pembanding
- Metrik: akurasi, latensi, konsumsi daya, memori
- “Mengapa memilih platform itu, bukan yang lain?”
- “Bagaimana Anda memvalidasi hasilnya?”
Yang dicari pewawancara
Kelayakan: tanpa data, riset berhenti.
- Dataset publik vs akuisisi sendiri
- Perkiraan jumlah data dan cara pelabelan
- Kalibrasi sensor sebelum akuisisi
- Rencana jika data kurang (augmentasi, simulasi)
- “Bagaimana jika kondisi lapangan berbeda dari dataset?”
Yang dicari pewawancara
Realistis atau tidak; apakah Anda memahami ritme studi S2.
- Timeline per semester (MK + literatur → proposal + prototipe → eksperimen → analisis + tesis)
- Milestone yang terukur
- Buffer untuk risiko
- Target publikasi (konferensi/jurnal)
- “Apa yang terjadi jika prototipe gagal di semester 3?”
Yang dicari pewawancara
Kedewasaan riset: tahu apa yang bisa gagal.
- Risiko teknis (hardware terlambat/rusak, model tidak muat di edge)
- Risiko data
- Mitigasi konkret (simulasi, model lebih kecil, rencana B)
- Menerima keterbatasan dengan jujur
Yang dicari pewawancara
Nilai tambah ilmiah dan praktis yang jelas.
- Kontribusi ilmiah (metode, arsitektur, dataset)
- Kontribusi praktis (prototipe, kode terbuka)
- Target terukur (mis. latensi turun X%, daya turun Y%)
- Siapa pemakainya
- “Bagaimana Anda tahu kontribusi itu tercapai?”
Yang dicari pewawancara
Apakah rencana studi dan riset Anda menyatu.
- Memetakan CPS, Jaringan Sensor & IoT, Analisis Elektronika ke bagian riset
- Matematika Sistem Kendali jika ada aktuasi/kendali
- Mata kuliah pilihan yang akan diambil
Yang dicari pewawancara
Elevator pitch: alur logis dan padat.
- Problem
- Gap
- Objective
- Metode
- Kontribusi
- Feasibility
- Selesai ≤ 3 menit tanpa jargon berlebihan
- “Bagian mana yang paling tidak pasti?”
Teknis & substansi
0/9 dicatatYang dicari pewawancara
Pemahaman dasar akuisisi data.
- Sampling dan kuantisasi
- Resolusi: bit, LSB = Vref/2^N
- Laju sampling dan Nyquist (fs > 2 fmax)
- Noise / ENOB
- Contoh angka (mis. 12-bit, 3,3 V → 0,8 mV)
- “Apa yang terjadi jika sinyal melebihi Vref?”
Yang dicari pewawancara
Inti topik intelligent sensing.
- Latensi
- Bandwidth
- Privasi
- Daya dan ukuran model
- Contoh kasus + opsi hybrid
- “Bagaimana mengecilkan model agar muat di MCU?”
Yang dicari pewawancara
Menggabungkan sisi hardware dan software.
- Sumber noise (termal, kuantisasi, EMI)
- Hardware: grounding, shielding, filter RC
- Filter anti-aliasing sebelum ADC
- Software: moving average, median, Kalman
- Trade-off: filter menambah delay
Yang dicari pewawancara
MK wajib MEI.
- Loop sensing – komputasi – aktuasi
- Peran jaringan
- Batasan real-time
- Contoh: drone, smart grid, kendaraan otonom
- Isu keamanan dan keandalan
- “Apa beda CPS dengan IoT?”
Yang dicari pewawancara
Cara berpikir instrumentasi.
- Rentang ukur, resolusi, akurasi, presisi
- Waktu respons
- Antarmuka (analog/I2C/SPI)
- Daya, biaya, kondisi lingkungan
- Kebutuhan kalibrasi
Yang dicari pewawancara
MK Matematika Sistem Kendali.
- Peran P, I, D
- Trade-off overshoot vs galat tunak
- Metode tuning (Ziegler–Nichols, manual, berbasis model)
- Contoh penerapan
- “Mengapa komponen D peka terhadap noise?”
Yang dicari pewawancara
Kesiapan teknis untuk topik edge AI.
- TinyML / TFLite Micro
- Kuantisasi int8, pruning
- Batas memori flash dan RAM
- Mengukur latensi dan daya
Yang dicari pewawancara
MK Jaringan Sensor & IoT.
- Jarak, data rate, daya (BLE, LoRa, Wi-Fi, Zigbee)
- Protokol aplikasi (MQTT)
- Topologi jaringan
- Trade-off yang disadari
Yang dicari pewawancara
Dasar instrumentasi yang sering terlupa oleh orang data.
- Membandingkan dengan standar acuan
- Koreksi offset dan gain
- Ketertelusuran dan drift
- Dampak ke kualitas data dan model
Kesiapan & situasional
0/4 dicatatYang dicari pewawancara
Fleksibilitas dan kemampuan berdiskusi.
- Terbuka menyesuaikan dengan roadmap lab
- Mempertahankan inti minat
- Diskusi berbasis data/literatur
Yang dicari pewawancara
Ketahanan dan cara berpikir sistematis.
- Contoh nyata
- Debugging yang sistematis
- Dokumentasi
- Pelajaran dan iterasi berikutnya
Yang dicari pewawancara
Risiko tidak lulus tepat waktu.
- Jadwal konkret
- Dukungan keluarga/kantor
- Pengalaman mengelola banyak tanggung jawab
Yang dicari pewawancara
Antusiasme dan riset terhadap program.
- Siapkan 2 pertanyaan cerdas (fasilitas lab, peluang publikasi, kolaborasi riset/industri)
- Hindari pertanyaan yang jawabannya ada di website