EpidemIT muncul sebagai platform pendidikan IT berbasis web yang didedikasikan untuk memberikan kesempatan belajar komprehensif yang dapat diakses oleh individu dengan disabilitas atau mereka yang menghadapi keterbatasan keuangan kapanpun dan di manapun. Nama "EpidemIT" sendiri berasal dari kata "Epidemic" yang berarti penyebaran cepat, yang mencerminkan tujuan platform untuk menyebarluaskan pendidikan IT secara luas dan efektif dan inkulsif . EpidemIT menawarkan dua layanan inti, yaitu "Learn with Mentor" dan "Project Based Learning". EpidemIT mengintegrasikan teknologi AI terkini termasuk text-to-speech, text summarizer, dan content-based filtering untuk meningkatkan pengalaman belajar. Selain itu, platform ini memberikan dukungan bantuan keuangan kepada pengguna yang kurang mampu secara ekonomi, memastikan akses yang adil terhadap sumber daya pendidikan.

Dengan memanfaatkan teknik gamifikasi, EpidemIT memberikan insentif belajar dan meningkatkan keterlibatan pengguna melalui tantangan interaktif, reward, dan mekanisme pelacakan kemajuan (level). Fitur pembelajaran berbasis proyek dirancang dengan baik untuk menarik minat pengguna dengan materi belajar interaktif dan dinamis sehingga dapat memupuk semangat dan keterlibatan yang berkelanjutan. Selaras dengan Sustainable Development Goals (SDGs) 4 (Quality Education), 8 (Decent Work and Economic Growth), dan 10 (Reduced Inequalities ), EpidemIT berupaya memberdayakan individu dan masyarakat melalui pendidikan sehingga mempromosikan inklusi sosial dan pemberdayaan ekonomi secara global.

• Auvarifqi Putra Diandra (Hustler, AI/ML Engineer)
• Nurshafa Qanita (Hustler, UI/UX Designer)
• Gibran Fasha Ghazanfar (Hustler, Fullstack Engineer, DevOps Engineer)
• Nicholas (Hustler, AI/ML Engineer, Frontend Engineer)
• Mochamad Syahrial Alzaidan (Hustler, Fullstack Engineer)

• EpidemIT

Terdapat 3 repository dalam github organization ini, yaitu EpidemIT-Frontend, EpidemIT-Backend, dan EpidemIT-ML.

Frontend: Next.js 13.5.6, Typescript, TailwindCSS

Backend: Go, GoFiber, GORM, CockroachDB, PostgreSQL, DatoCMS (Headless CMS)

ML: Next.js 14.2.3, Typescript, Flask, Python, Jupyter Notebook

Deployment: AWS Amplify (Frontend and ML), GCP; Artifact Registry, Cloud Build, Cloud Run (Backend), Docker (Containerization)

Tools : Git, Visual Studio Code, Figma, Canva, Miro, Google Docs, Google Drive, Zoom, Postman API, DBeaver

• main branch adalah branch utama yang digunakan untuk deploy ke production
• develop branch adalah branch yang digunakan untuk development

• feat: (new feature for the user, not a new feature for build script)
• fix: (bug fix for the user, not a fix to a build script)
• docs: (changes to the documentation)
• style: (formatting, missing semi colons, etc; no production code change)
• refactor: (refactoring production code, eg. renaming a variable)
• test: (adding missing tests, refactoring tests; no production code change)
• chore: (updating grunt tasks etc; no production code change)

1. Clone repository EpidemIT-Frontend (branch main)
2. cd ke root folder
3. Buka folder project di Visual Studio Code (code . in CLI)
4. Buka terminal dan run npm install
5. Run npm run dev untuk menjalankan server
6. Buka browser dan akseshttp://localhost:3000

1. Clone repository EpidemIT-Backend (branch main)
2. cd ke root folder
3. Buka folder project di Visual Studio Code (code . in CLI)
4. Buka terminal dan run go mod tidy
5. Run go run main.go untuk menjalankan server
6. Buka browser dan akseshttp://localhost:8080

1. Clone repository EpidemIT-ML (branch main)
2. cd ke root folder my-app
3. Buka folder project di Visual Studio Code (code . in CLI)
4. Buka terminal dan run npm install
5. Run npm run dev untuk menjalankan server
6. Buka browser dan akseshttp://localhost:3001

1. Clone repository EpidemIT-Backend (branch main)
2. cd ke root folder
3. Buka folder project di Visual Studio Code (code . in CLI)
4. Nyalakan docker desktop
5. Buka terminal di Visual Studio Code dan run docker build --tag EpidemIT-backend .
6. Tunggu sampai selesai build, dan cari image hasil build di docker desktop dan klik tombol Run untuk membuat container dan menjalankannya, untuk pilihan Port dibebaskan ya.