Mahasiswaku – “How Do You Do”

Ungkapan formal yg mirip artinya dengan “hello” ini mengandung kata kerja “do” yang artinya melakukan/mengerjakan. Hal ini menyiratkan karakter barat yang selalu mengkaitkan seseorang dengan pekerjaan. Sepertinya di negara kita juga tidak jauh berbeda. Seseorang tidak lepas dari apa yang dikerjakannya saat ini, apakah itu seorang guru, karyawan swasta, PNS, polri, tentara, hingga ibu rumah tangga.

Ketika menjadi seorang mahasiswa yang baru lulus di awal milenium (tahun 2001) seperti biasa, saya bergabung dengan tim pencari kerja alias pengangguran. Teman saya yang belum lulus mengabari bahwa dia ditanya oleh pembimbing skripsi saya dulu yang sekarang sudah almarhum mengenai pekerjaan saya. Ketika teman saya mengatakan “masih nganggur”, beliau langsung berkata “waduh” sambil memegang kepala. Dari situ saya tahu, ketika mahasiswa lulus, hubungan dengan dosen, apalagi dosen pembimbing tidak akan putus sampai di situ. Secara diam-diam seorang dosen akan “kepo” dengan kondisi ex siswanya. Untunglah ada Facebook, Instagram, dan sosmed lainnya yang bisa mengetahui tanpa langsung bertanya.

Tidak lama kemudian, ternyata saya menggantikan peran dosen-dosen saya dahulu. Banyak kesan yang terekam di kepala, baik kesan baik maupun kesan buruk berikut ini (namun kebanyakan sih kesan yang baik).

Waktu itu teringat ketika sidang tugas akhir, salah seorang siswa mempresentasikan hasil karyanya berupa sistem pendeteksi penyusup. Ketika seseorang memasuki suatu ruangan yang dipasang sistem tersebut, webcam menangkap gambar dan menyimpan (capture) gambarnya di cloud dan mengirim pesan ke bagian keamanan. Beberapa hari kemudian di sebuah kampus negeri di daerah Karawang ada undangan lomba pemrograman khusus aplikasi berbasis webcam dan CCTV. Langsung saja siswa tersebut ikut dan ternyata menang dengan mudah. Saat ini mahasiswa tersebut menjadi ASN di Badan Siber dan Sandi Negara (BSSN) yang kantornya di ragunan, Jakarta.

Cerita berikutnya sedikit menjengkelkan, ketika di awal-awal menjadi dosen. Pertemuan terakhir perkuliahan saya seperti biasa membagi kuesioner pembelajaran. Kebetulan kelas itu termasuk kelas yang sedikit brutal, maklum teknik komputer, 90% cowok. Karena saya melihat oleh mereka tidak disebar ke teman-temannya, iseng saya lihat isinya. Dan sepertinya dia pun ingin saya membaca kuesioner yang dia isi, yg harusnya rahasia itu. Kuesionar itu ternyata diisi orang yang sama, tepatnya si biangkerok itu. Tentu saja saya tahu dari tulisan tangannya. Isinya pun seluruhnya sama, meminta lembaga untuk memecat saya jadi dosen. Uniknya setahun kemudian ketika acara sidang tugas akhir, si biangkerok itu sesuai jadwal, saya yang menjadi penguji sidang. Hampir setengah jam kami menungu di ruang sidang tapi dia tidak muncul juga. Sempat saya intip, di luar dia jalan mondar-mandir tidak jelas dan tidak berani masuk. Rekan saya yang memang tidak mengenal mahasiswa tersebut sempat ngomel-ngomel karena lama tidak muncul-muncul. Karena paham kondisi, akhirnya saya menghadap panitia sidang untuk mengganti saya dengan orang lain sebagai pengujinya. Dan benar, setelah ditempel perubahan penguji sidang di papan pengumuman, si biangkerok itu berani masuk ke ruang sidang. Oiya, pandangan mahasiswa mungkin hanya melihat si dosen saja, tetapi dosen melihat juga orang tua, keluarga dan teman-temannya.

Sebagai penutup postingan ini, Renald Kashali dalam bukunya “disrupsi”, mengatakan kampus tidak lama lagi akan menghadapi gelombang disrupsi. Apalagi kini dipercepat oleh pandemi COVID-19. Tidak ada lagi yang bisa membantu selain peran masyarakat, terutama bantuan dari alumni. Tidak ada alumni yang ingin kampusnya hancur. Bahkan jasa yang utama pengajar bukan sekedar ilmu yang diberikan melainkan inspirasi pengajar ke mahasiswa yang mampu merubah mental dan pribadi sesuai cita-citanya. Sebaik-baiknya pemasaran adalah dari hal-hal baik yang diceritakan oleh para alumninya, misalnya alumni teknik komputer, salah satu jurusan unik bidang informatika dan komputer berikut ini.

 

Dipublikasi di Puisi Kehidupan | Meninggalkan komentar

Era Metakognitif Sudah Mulai

Seorang siswa minta tanda-tangan untuk pengajuan judul tugas akhir. Anak tersebut memiliki bakat di bidang pemrograman. Karakteristik mahasiswa vokasi adalah skill yang dimiliki sudah nampak sebelum dia lulus sehingga banyak yang sudah bekerja duluan.

“kerja di bagian apa?”, tanyaku. Dia menjawab terkadang membuat web, kadang-kadang juga aplikasi Android. “Biasanya bahasa yang digunakan apa?”, tanyaku. “Tergantung Pa, paling mudah sih flutter, tapi ukuran yang dihasilkan besar. Lebih ringan Dart. Tetapi ketika ada project membutuhkan barcode, library tidak ada, jadi terpaksa menggunakan Kotlin”, jawabnya.

Nah, dari perbincangan tersebut saya yakin dia tidak mempelajari informasi tersebut dari bangku kuliah. Dia menggunakan salah satu kemampuan yang dimiliki oleh manusia, yaitu metakognitif. Istilah ini mengacu kepada kesadaran yang dimiliki oleh seseorang dalam menilai kemampuan intelektual diri. Apa yang dia tahu, dan apa yang dia tidak tahu, dan butuh mengetahui. Maaf, di sini tahu berarti pengetahuan ya, bukan tahu sumedang ..

Beberapa pakar e-learning sedang mengembangkan metode dimana siswa dibantu meningkatkan metakognitif dalam pembelajaran. Manfaatnya adalah proses belajar lebih cepat karena siswa hanya mempelajari hal-hal yang dia tidak kuasai akibat metakognitif-nya yang sudah jalan. Manfaat lain adalah siswa tidak menjadi bosan dan mengganggu siswa lainnya karena tidak perlu mempelajari lagi sesuatu yang dia sudah ketahui/kuasai.

Metakognitif juga berkaitan dengan bloom taxonomy yang terdiri dari empat tingkatan pengetahuan yaitu: 1) mengingat, 2) memahami, 3) menerapkan, dan 4) menganalisa, sintesa dan mengevaluasi. Kembali ke siswa saya tadi yang sepertinya memiliki ciri-ciri tersebut. Mereka mengetahui apa yang mereka tidak tahu, mencari tahu lewat beragam media, mempelajari yang dibutuhkan, mencari alternatif-alternatif dan lain-lain. Istilah sederhana mereka adalah “kepo-in ajah”.

Untuk generasi “old”, seperti saya, wajib memiliki kemampuan metakognitif seperti anak-anak milenial yang kreatif ini, jika tidak ingin tergusur. Sekian semoga bisa menginspirasi.

Dipublikasi di Puisi Kehidupan | Meninggalkan komentar

Menghitung Kompleksitas Algoritma

Saat ini dimana komputer sudah canggih terkadang pengguna tidak terlalu memperhatikan seberapa kompleks sebuah algoritma. Tinggal jalankan, jika proses terasa lama dan berat, maka algoritma yang diterapkan dalam sebuah bahasa pemrograman berarti “boros” perhitungan. Sedikit memanipulasi dan kemudian dijalankan ulang maka diketahui apakah modifikasi menghasilkan eksekusi yang lebih baik atau tidak. Hal ini tidak dapat dijumpai ketika jaman dahulu dimana komputer belum secanggih saat ini yang bahkan sebuah kalkulator pun belum diciptakan. Dalam mata kuliah algoritma selalu dibahas bagaimana menghitung biaya sebuah algoritma yang diistilahkan dengan time complexity, atau terkadang disebuh kompleksitas saja.

Kalang (Loop) dan Rekursif (Recursive)

Ada dua jenis proses terkenal yang ditemukan oleh pakar-pakar algoritma. Yang pertama adalah kalang dalam sebuah iterasi. Jenis proses ini merupakan jenis yang paling banyak diketahui atau dinalar oleh mahasiswa yang belajar algoritma karena alurnya yang mudah dicerna. Tinggal mensimulasikan tiap iterasi, diketahui hasilnya. Biasanya untuk kasus yang rumit dalam skripsi/tugas akhir, mahasiswa hanya diminta menjalankan satu atau dua iterasi saja sekedar membuktikan bahwa yang bersangkutan memahami proses kerja algoritmanya dan selanjutnya tinggal eksekusi pada komputer yang meneruskan.

Sebagai ilustrasi, misalnya kita memiliki sekumpulan data sebanyak tiga buah, a={1,3,5}. Di sini n menyatakan jumlah data, yaitu tiga buah. Algoritma sederhana penjumlahan seluruh data dengan kalang ditunjukan oleh gambar berikut:

Kolom paling kiri menunjukan algoritma penjumlahan (Sum) data “a” sebanyak “n”. Jadi jika dijalankan akan terjadi perhitungan 0+(1+3+5)=8. Angka 1 di kolom berikutnya merepresentasikan “sekali eksekusi”. Di sini tidak dalam bentuk berapa detik atau milidetik karena tergantung prosesor yang dimiliki sehingga hanya dinyatakan dengan satuan eksekusi/step. Dimulai dari inisialisasi “s” yang dihitung satu step, kalang “for” sebanyak n+1 dengan “+1” perlu ditambahkan mengingat n=0 pun tetap dihitung satu step. Operasi di dalam kalang (akumulasi s) dihitung sebanyak “n” data. Akhir sebuah fungsi, yaitu “return” dihitung sekali. Jadi total 2n+3 langkah. Untuk contoh kasus kita adalah 2(3)+3 atau sebesar 9 langkah. Nah, untuk yang rekursif agak ribet sedikit.

Rekursif adalah fungsi yang memanggil diri sendiri. Untuk contoh penjumlahan data, rekursif di kolom kiri menyatakan fungsi RSum yang menambahkan sebuah data ke-n dengan data sebelumnya (n-1) dan berhenti ketika n nol atau negatif. Untuk data a={1,3,5} di atas operasi yang dilakukan algoritma rekursif adalah (((0)+1)+3 )+5)=8. Di sini perlu variabel x yang berisi kompleksitas (n-1). Tanpak jika n=0 (tidak ada data) jika dieksekusi tetap dibutuhkan 2 step (if dan return). Untuk contoh kita maka kompleksitasnya berarti 2+(2+(2+(2))) atau sebesar 8 langkah dimana kurung menyatakan proses rekursifnya. Atau secara sederhana berarti (n+1)*2. Pastikan dengan n lain yang lebih besar, misalnya 100 untuk memastikan mana yang lebih sedikit langkahnya. Untuk kalang: 2(100)+3=203 dan rekursif: (100+1)*2=202. Contoh lain yang lebih rumit misalnya untuk penjumlahan matriks berikut ini:

Untuk matriks a dan b berukuran misal m=2 baris dan n=3 kolom memiliki kompleksitas 2(2)(3)+2(2)+1 atau sebesar 17 langkah.

Ringkasan

Singkatnya, untuk kondisi if, total step adalah 1 baik ada atau tidak ada data. Return stepnya 1 jika tidak kosong. Kalang for (atau while) membutuhkan n+1 step dengan +1 perlu ditambahkan karena data kosong pun tetap dihitung 1 step. Contoh di atas diambil dari buku karya Ellis Horowitz (Computer Algorithms). Sekian, semoga bermanfaat.

Dipublikasi di Algoritma | Meninggalkan komentar

Artikel Riset vs Laporan Proyek

Ketika submit artikel waktu kuliah dulu, hasil review menolak tulisan saya karena artikel hanya sekedar laporan proyek, bukan masuk kategori artikel jurnal.

Jika ditolaknya saat ini sepertinya tidak ada masalah. Repotnya naskah itu ditolak ketika membutuhkan publikasi sebagai syarat lulus S3. Sulit diungkapkan dengan kata-kata bagaimana kecewanya. Tapi ya bagaimana lagi, harus mencoba lagi kalau mau merampungkan kuliah. Bagi mahasiswa S3, meleset satu atau dua tahun itu sudah biasa.

Laporan Proyek

Ok kita mulai terlebih dahulu mengenai laporan proyek karena ini merupakan jenis pekerjaan yang paling banyak kita jumpai di kampus. Banyak yang menyamakan dengan riset, padahal sangat berbeda.

Perhatikan pekerjaan kita sehari-hari, misalnya seorang dosen. Ketika mengajar satu mata kuliah, maka dia memiliki langkah-langkah rinci yang jelas dan sudah rutin dilakukan. Langkah-langkah tersebut jelas dari A sampai Z, dari menyiapkan materi, membagi menjadi beberapa pertemuan, menguji dan memberi nilai. Biasanya jika dari awal hingga ujung sudah kelihatan dengan jelas, maka sudah dipastikan bahwa itu masuk kategori proyek. Biasanya mahasiswa S1 atau diploma/vokasi diwajibkan menyelesaikan tugas akhir dan/atau skripsi yang tentu saja masuk kategori proyek. Ketika membuat alat, merancang sistem, dan sejenisnya dosen pembimbing bisa melihat langkah-langkah dari awal hingga selesai dengan jelas. Jika disubmit ke jurnal internasional tanpa ada suatu hal yang baru (novelty, originality, dan kontribusi) pasti ditolak, kecuali memang jurnal kampus yang khusus mewadahi skripsi mahasiswanya.

Artikel Riset

Artikel jenis ini harus didekati secara filosofis. Di luar negeri, lulusan s3 biasanya diberi gelar “doctor of philosophy” (PhD) karena memang diharuskan menggunakan aspek tersebut dalam risetnya. Terutama ketika menilai sebuah karya apakah memiliki unsur originality, novelty, dan kontribusi terhadap ilmu pengetahuan. Seseorang yang belum doktor seharusnya riset bersama dengan seorang/beberapa orang mentor yang biasanya sudah doktor. Tidak serta merta hanya dengan studi literatur dapat menemukan originality, novelty dan kontribusi. Terkadang diperlukan seorang pakar (expert). Biasanya pakar yang mereview sebuah artikel dalam peer review. Walaupun kita sudah membuktikan dengan studi literatur yang banyak tetapi terkadang seorang pakar menolak tulisan kita memiliki novelty, originality, dan kontribusi. Novelty, originality dan kontribusi sulit dievaluasi, hanya peer review- lah yang bisa menjawabnya. Jadi tidak perlu studi literatur? Ya harus lah, sudah melakukan systemmatic literature study pun terkadang masih saja “mis” apalagi tidak sama sekali.

Kebaruan (Newness) & Kontribusi

Yang termasuk kebaruan adalah novelty, originality dan creativity. Jika novelty mengharuskan sesuatu ide/konsep belum pernah diutarakan atau dilaksanakan oleh orang lain, originality menggabungkan/sintesa ide/konsep orang lain (lihat info link ini). Beberapa peneliti mengusulkan teknik-teknik dalam mengukur sebuah novelty (lihat link springer ini).

Gambar di atas memperlihatkan sebuah paper X yang mensitasi artikel sebelumnya (1,2,..N) dan disitasi oleh artikel berikutnya. Ini merupakan teknik pengukuran berdasarkan sitasi. Dikatakan Novelty jika artikel-artikel lain (1,2,..M) mensitasi paper X dan sedikit mensitasi (1,2, …N). Jika tidak, maka paper X tersebut hanya mediasi saja (membantu menyebarkan ide 1,2, ..N). Seorang reviewer akan mengetahui apakah paper X nanti akan banyak disitasi langsung walaupun belum dipublikasi.

Kontribusi terkadang secara refleks ada karena tentu saja aneh jika penelitian menghasilkan novelty dan originality tetapi tidak ada sumbangsihnya bagi knowledge. Oiya, kontribusi tentu harus bisa diukur, misalnya meningkatkan kepuasan pelanggan, meningkatkan akurasi/performa/efisiensi, dan bukan terhadap masyarakat/lingkungan yg masuk kategori manfaat penelitian dan bukan kontribusi, apalagi dengan argumen kontribusinya membantu orang tua karena dengan selesainya tulisan, cepet lulus, dan tidak perlu bayar kuliah lagi .. hehe.

Konversi Laporan Proyek ke Artikel Ilmiah

Untuk merubah artikel dari report menjadi artikel ilmiah perlu dicari novelty, originality, dan kontribusinya. Untuk bidang informatika ada sedikit perbedaan antara ilmu komputer/teknik informatika (metode) dengan sistem informasi (domain penelitian). Jadi, jika tidak ditemukan novelty di sisi ilmu komputer, cari saja di sisi domain penelitian (kedokteran, bisnis, akuntansi, dan lain-lain).

Contohnya adalah multi-criteria optimization dan teknik GIS yang saya gunakan untuk kasus optimalisasi penggunaan lahan urban. Jadi, hasil dan pembahasan harus mengarah ke domain penelitian, bukan ke metode (lihat pembahasan pada pos sebelumnya). Ketika mahasiswa doktoral sudah menerima kabar naskah publikasi sebagai syarat lulus accepted dengan revisi minor, biasanya bayangan wisuda sudah di depan mata. Penulisan laporan disertasi ratusan halaman tidak jadi masalah karena sudah jelas alur dari A sampai Z nya, beda ketika baru proposal, tahu awal tapi tidak jelas bagaimana mencapai ujungnya. Sekian semoga bermanfaat.

Dipublikasi di Puisi Kehidupan, Riset dan Penulisan | Meninggalkan komentar

Yuk Ikut Standar dalam Perancangan Sistem

Salah satu yang membuat jengkel mahasiswa ketika mengerjakan skripsi/tugas akhir adalah tidak adanya standar yang harus diikuti, terutama tema-tema perancangan sistem dan pemrograman. Tetapi saat ini sepertinya mulai berkurang karena era online sudah merambah ke semua lini. Sumber-sumber informasi mudah dijumpai lewat variasi-variasinya seperti dalam bentuk blog, video, ebook, milis, grup dan lain-lain. Akibat tidak adanya standar, sering dijumpai perdebatan yang tidak perlu ketika sidang skripsi. Bahkan ada yang curhat ketika seorang mahasiswa dibimbing oleh dua pembimbing berbeda yang tidak seia-sekata. Disuruh oleh pembimbing A merubah mengikuti petunjuknya tetapi oleh pembimbing B diminta hal sebaliknya.

Khusus analisis dan disain basis data sudah dibahas pada postingan sebelumnya, yakni mencari sumber informasi tentang rancangan yang sudah sering dibuat orang. Pola-pola disain pun sudah umum ditemui, kita tidak perlu menemukan ide baru kecuali jika rancangan yang ingin dibuat khusus dengan karakteristik tertentu.

Standar Pemodelan Sistem

Sejak dulu, standar yang digunakan dalam pendidikan adalah buku referensi. Ketika beragumen, sebuah buku dijadikan rujukan akan kebenaran sebuah konsep. Masalah muncul ketika sebuah buku dianggap “kurang tepat” oleh pihak tertentu. Untuk cara aman biasanya akademisi menggunakan buku berstandar internasional. Hanya saja buku-buku jenis tersebut sulit dipahami oleh mahasiswa-mahasiswa kita, terutama para milenial-milenial yang lebih suka hal-hal yang praktis. Mereka butuh contoh-contoh kasus yang khusus yang ada di negara kita. Mau tidak mau buku-buku panduan berbahasa Indonesia yang ringkas sangat dibutuhkan. Masalah muncul ketika buku tersebut agak “kurang standar” walaupun sangat mudah dipahami. Oleh karena itu sebaiknya mahasiswa diajarkan melihat bentuk-bentuk standar resmi, misalnya untuk pemrograman berorientasi objek dapat dijumpai pada situs UML berikut.

Memang tidak ada orang yang memiliki pengetahuan lengkap akan suatu topik tertentu. Namun di era online, kita harus memanfaatkan fasilitas online tersebut. Amat disayangkan banyak dijumpai di jurnal-jurnal nasional penulisan diagram UML yang tidak mengikuti standar yang ada, padahal rancangannya bagus, hanya presentasi saja yang tidak mengikut standar. Bahayanya adalah, artikel tersebut dijadikan sitasi dan referensi sehingga artikel yang lain pun menjadi tidak mengikuti standar.

Contoh Kasus

Salah satu diagram UML yang paling banyak dibuat adalah diagram kelas dan use case. Bahkan saking seringnya use case digunakan ada istilah use case-driven. UML.org menyediakan unduhan versi terbaru untuk melihat standar yang ada. Standar di sini merupakan kesepakatan dari Object Management Group (OMG) dengan vendor-vendor perangkat lunak seluruh dunia. Jadi, jika kita berpatokan dengan situs resminya, pegangan kita menjadi kuat, jauh lebih kuat dibandingkan hanya berpegang pada buku referensi.

Gambar di atas merupakan salah satu contoh yang dibahas dalam UML.org yang dijumpai ketika membahas use case di halaman 643. Saya sendiri baru tahu kalau ada multiplicity dalam use case yang biasanya dijumpai pada diagram kelas. Perhatikan kesederhanaan yang ditampilkan. Sesuai fungsinya, use case memang diperuntukan sebagai penjelasan “apa” yang dilakukan sistem, bukannya “bagaimana”. Jadi jika rancangan use case kita berupa alur “bagaimana”, sudah dipastikan tidak sesuai dengan fungsi utama use case. Use case menggambarkan kewajiban apa saja yang harus diselesaikan programmer pada program yang diusulkan.

Contoh di atas mengharuskan programmer membuat fungsi-fungsi (dikenal dengan istilah functional requirement) dalam diagram use case di atas antara lain withdraw, transfer, deposit, register ATM, dan Read Log. Bagaimana dengan login? Silahkan tambahkan tapi jangan sampai berubah menjadi alur proses mendaftar Deposito dari login, registrasi, dll yang ujung-ujungnya ribet dan use case tidak memiliki fungsi utamanya. Silahkan jelaskan dengan diagram UML lainnya jika ingin detil, misalnya sequence atau activity diagram. Mungkin kita memiliki bentuk yang sedikit berbeda, misalnya tanpa multiplicity 0..1, 0..*, dll, tapi format garis tanpa anak panah perlu menjadi perhatian mengapa tidak ada panah di sana.

Perhatikan contoh lain bagaimana merinci suatu aktivitas dengan activity diagram di atas. Bagaimana fork dan join diimplementasikan dalam diagram aktivitas sebaiknya tetap mengacu standar. Sekian, silahkan kunjungi situs standar UML tersebut, semoga bisa membantu melerai pertengkaran di meja sidang skripsi/tugas akhir.

Dipublikasi di Puisi Kehidupan, Software Engineering | Meninggalkan komentar

Merancang Sistem dengan Cepat Lewat Pola Umum Yang Ada

Banyak mahasiswa kesulitan ketika merancang sistem saat merampungkan skripsi atau tugas akhirnya. Sebagian besar melihat rancangan senior-senior yang sudah menyelesaikan rancangan. Tetapi banyak juga rancangan yang menjadi rujukan kurang baik sehingga kesalahan akan merambat ke adik-adik kelasnya.

Untuk sistem berorientasi objek, banyak referensi yang menyediakan pola (pattern) sebuah sistem informasi. Manfaatnya adalah kita bisa menggunakan kembali rancangan yang pernah dibuat. Biaya pembuatan sistem pun menjadi murah, bahkan sepertinya tidak masuk akal dengan harga yang murah itu. Tetapi dengan menggunakan pola yang pernah ada, sepertinya masuk akal karena perancang sistem tinggal menggunakan saja. Beberapa vendor pembuat sistem membedakan bayaran ke tim perancang jika sistem yang dibuat hanya menggunakan pola yang ada. Sementara itu jika tim membangun pola baru, perusahaan pembuat software itu akan membayar lebih karena pola yang dibuat menjadi aset perusahaan.

Transaksi

Untuk file master (data nasabah, data barang, data mahasiswa, dan sejenisnya) sepertinya tidak ada masalah bagi perancang. Hal ini karena hanya melibatkan operasi create, read, update, dan delete (CRUD). Teknik bagaimana proses penyimpanan sudah standar tingga memakai saja tergantung jenis bahasa pemrograman yang digunakan. Nah, untuk transaksi berbeda karena melibatkan alur proses bisnis. Untuk yang standar digunakan seperti penjualan, pembelian, pendaftaran, dan yang sering dijumpai sepertinya tidak ada masalah. Tetapi untuk domain tertentu seperti kedokteran, data warehouse, dan sistem lain yang jarang dijumpai atau masih baru sangat sulit didapat. Untuk merancang dari nol pun sepertinya membutuhkan waktu yang lama. Memanfaatkan jasa konsultan pun membutuhkan kocek yang tidak murah.

Sumber Informasi Pola Disain Sistem

Banyak buku yang menyediakan pola sistem informasi, salah satu penulis yang rajin membuat pola sistem adalah Martin Fowler. Khususnya yang tertarik dengan sistem berorientasi objek. Namun salah satu informasi yang murah-meriah dan cukup baik polanya adalah link berikut ini.

Silahkan cari pola yang cocok dengan rancangan yang sedang kita buat. Selain transaksi tertentu seperti peminjaman, pembelian, penyewaan, dan lain-lain, pola tersebut untuk domain spesifik (business rule) tertentu seperti lembaga asuransi, hotel, farmasi, kedokteran, dan lain-lain sehingga bisa lebih akurat dibanding jika hanya mengandalkan jenis transaksinya. Berikut ini contoh untuk penyewaan apartemen.

Perhatikan, ternyata tersedia juga model logika (logical data model) selain model fisik/file (physical data model). Jadi untuk para mahasiswa jangan sampai berpusing-pusing ria merancang sesuatu yang sudah ada, apalagi jika hasilnya “nyeleneh”. Untuk DBMS bisa mengunakan produk yang banyak tersedia di pasaran, misalnya untuk kasus pembelian barang dengan database sederhana (Microsoft Access) berikut ini.

Dipublikasi di Software Engineering | 1 Komentar

Jangan Lupakan Service/Layanan

Orang yang berkecimpung dalam dunia teknologi informasi pasti mengenal istilah service oriented architecture atau yang lebih dikenal dengan SOA. Arsitektur ini bermaksud menangani service atau layanan yang diberikan oleh perusahaan kepada konsumen dengan ciri-ciri antara lain bebas platform, berbasis internet dan real-time, dan integrasi terhadap seluruh layanan yang ada. Ketika iseng-iseng membaca perihal SOA di internet, saya teringat kasus yang menimpa dunia pendidikan, terutama kampus tempat para dosen bekerja yang terdampak pandemic COVID-19.

Pembelian Jasa

Ketika saya ingin berlangganan internet, ada tawaran servis/layanan apa saja yang bisa diambil, misalnya tv kabel, disamping tentu saja akses internet, dengan biaya tambahan tergantung channel yang tersedia. Ketika sudah sepakat, pembayaran dilakukan, namun ada servis yang karena satu dan lain hal tidak bisa berjalan. Apakah konsumen diam saja? Tentu saja tidak. Mereka akan menuntut layanan yang bermasalah tersebut. Ada batas waktu penyelesaian yang diistilahkan dengan service level agreement (SLA) yaitu waktu maksimal provider dalam mengatasi masalah layanan yang ada. Misalnya waktu saya kerja di bank, untuk ATM tidak boleh melebihi 7 jam offlinenya. Jika tidak maka provider terkena pinalti.

Kondisi Khusus

Terkadang memang ada kondisi khusus, yang diistilahkan dengan force majeure. COVID-19 merupakan salah satunya. Contoh real adalah kampus yang tidak bisa mengadakan perkuliahan tatap muka. Ketika semi lock-down diterapkan di tanah air (PSBB), banyak kampus yang berfikir keras mengatasi masalah ini. Para pimpinan, rektor hingga dekan akan berfikir keras karena salah satu layanan utama yang menjadi core business, yaitu perkuliahan tatap muka tidak boleh dilaksanakan. Kalau didiamkan saja, alias pimpinan tidak mengambil tindakan dan menyerahkan sepenuhnya kepada dosen pengajar dalam mengganti perkuliahan tatap muka dengan online maka tidak akan ada standar dalam kampus tersebut. Ibarat konsumen, mahasiswa akan meminta kompensasi layanan yang hilang, yaitu tatap muka.

Perkuliahan Daring

Beberapa kampus sudah menyiapkan sarana dan instrumen bagi dosen dan mahasiswa dalam menjalankan perkuliahan online. Instrumen tersebut berupa e-learning, online meeting, webinar, dan sejenisnya. Efektif atau tidaknya instrumen tersebut adalah bertujuan mengkonversi layanan tatap muka yang hilang akibat bencana COVID-19. Memang tidak ada jaminan instrumen yang disediakan kampus dapat mengganti layanan tatap muka, tetapi hal itu merupakan antisipasi terhadap layanannya yang hilang. Kampus bisa saja menyerahkan sepenuhnya kepada dosen pengampu mata kuliah, tetapi antara dosen satu dengan lainnya memiliki kemampuan berbeda dalam pemahaman dunia online, ditambah beberapa mata kuliah agak sulit dilakukan secara online, misalnya praktikum. Jika pun dosen enggan dan “membandel” tidak menjalankan perkuliahan online semestinya dan mahasiswa kecewa, mereka tidak bisa menuntut kampus karena kampus sudah menyediakan sarana dengan baik. Berbeda jika kampus tidak menyediakan sarana “standar” dan hanya menyerahkan semua kepada dosen pengampu mata kuliah, sasaran kekecewaan bukan hanya ke dosen, tetapi kepada institusi yang dirasa tidak ada usaha mengganti layanannya yang hilang.

Service Level Agreement (SLA)

Istilah ini adalah batas waktu yang wajib diselesaikan oleh pemberi layanan ketika ada layanannya yang bermasalah. Tentu tidak ada yang bisa 100% layanan itu oke, bisa saja terjadi gangguan di tengah jalan. Untuk kasus pandemic saat ini, hampir kebanyakan kampus harus berhenti perkuliahan tatap muka di tengah jalan tanpa persiapan. SLA ini memang sulit didefinisikan, bisa satu bulan, satu semester, atau sampai pandemic berakhir, tapi setidaknya sebagian besar kampus sudah bisa mengantisipasi (walau masih banyak juga yang kacau balau) dan sudah ada gambaran bagaimana antisipasi di semester yang akan datang, apalagi dengan kondisi penerimaan mahasiswa baru.

Dengan diterapkannya new normal dan kuliah masih harus online, tidak ada salahnya kampus harus menyediakan instrumen resmi di kampusnya untuk menghadapi semester depan yang masih dilakukan secara daring. Memang masalah ini terjadi di kedua pihak, baik pemberi jasa maupun penerima jasa, dan sebaiknya kedua pihak saling memahami posisi sulit yang memang menimpa hampir sebagian besar orang. Sekian, semoga bisa menginspirasi dan pandemic ini segera berlalu; tetap semangat.

Dipublikasi di Komputer dan Masyarakat, Puisi Kehidupan | Meninggalkan komentar

Riset Bidang Informatika

Mahasiswa informatika yang mengerjakan skripsi atau tugas akhir biasanya berupa pembangunan sistem informasi baik perancangan maupun pembuatan program. Memang untuk mahasiswa S1, kompetensi akhir adalah mengaplikasikan ilmu yang diperoleh ketika kuliah dalam sebuah tugas akhir. Nah, masalahnya muncul ketika mempublikasikannya dalam sebuah jurnal yang sempat ada wacana sebagai syarat kelulusan seorang mahasiswa dimana masalah originality, novelty, dan kontribusi menjadi momok bagi para editor dalam menerima paper jenis ini. Ada baiknya kita mengurai masalah ini berdasarkan bidang ilmu informatika yang terpecah menjadi dua kutub yaitu ilmu komputer dan sistem informasi.

Ilmu Komputer

Bidang ini memang berfokus kepada metode yang berisi di dalamnya algoritma-algoritma yang membantu komputasi. Hampir semua riset di bidang ini fokus ke peningkatan akurasi, efisiensi, dan aspek-aspek lain terhadap kualitas sebuah metode yang diusulkan. Jadi riset yang fokus ke bidang ilmu komputer harus berisi tinjauan metode-metode terkini dan dilanjutkan dengan “mengutak-atik” parameter atau dengan penambahan sedikit algoritma/metode sehingga meningkatkan akurasi atau aspek lain. Jadi perlu ada pembuktian terhadap performa metode usulan. Oiya, saat ini istilah metode biasanya menggantikan istilah algoritma karena sifatnya yang lebih kompak dimana metode bisa berisi lebih dari satu jenis algoritma, misalnya Genetic Algorithms dengan “s” di belakang yg berarti jamak. Jika mahasiswa bidang ini menggunakan sebuah metode terhadap domain tertentu, misalnya bisnis, dia tinggal memilih fokus utama apakah ke metode atau ke domain penerapannya. Jika fokus ke ilmu komputer maka mau tidak mau pengujian akurasi dengan usulan peningkatan metode yang ada wajib ada. Repotnya banyak yang tidak membuat upaya peningkatan metode, hanya manfaat dan kontribusi terhadap domain penelitiannya, dalam hal ini aspek bisnis. Maka seharusnya mahasiswa tersebut fokus ke domain sistem informasi berikut ini.

Sistem Informasi

Bidang ini mungkin memiliki nama lain, misalnya di tempat saya dulu bernama information management, yang uniknya di Indonesia malah di level D3. Atau ada yang lain lagi misalnya business intelligence. Bidang ini membantu domain-domain di luar ilmu komputer seperti kedokteran, geografi, akuntansi, bisnis, dan lain-lain lewat metode-metode yang dibahas dan dikembangkan oleh bidang ilmu komputer. Ada yang berpendapat untuk S3, bidang ini harus “luas” sementara untuk ilmu komputer “sempit”. Namun perkembangan di per-jurnal-an sedikit berbeda dimana istilah “luas” menjadi rancu. Ada yang mengatakan luas di sini berarti “grand design”, framework enterprise dan hal-hal lain yang kesannya menambah beban mahasiswa S3 agar “pusing” dikit dalam mengambil data yang banyak, ijin yang berbelit, dan sejenisnya. Biasanya yang berfikir tersebut adalah pihak kampus. Sementara dari pihak “reviewer”, sebenarnya sistem informasi bermaksud penerapan yang tepat terhadap domain tertentu, seperti misalnya untuk e-learning, maka fokus originality, novelty dan contribution adalah cukup fokus ke domainnya yaitu pendidikan dan psikologi. Terkadang dengan metode yang sudah establish, hanya menggunakan metode yang ada tetapi pembahasan yang tepat terhadap hubungannya dengan peningkatan performa dari domain dapat diterima untuk dipublikasi.

S1, S2, dan S3

Ada yang membedakan fokus S1 ke implementasi metode, S2 membandingkan dan memilih metode, dan S3 menemukan/memperbaiki metode. Dilihat dari sisi peta okupasi dan kompetensi sudah cukup memadai, tetapi dari sisi penelitian ada yang janggal karena seharusnya S1 ilmu komputer tidak hanya menerapkan di domain tertentu karena cenderung menjadi sistem informasi. Hal ini yang menurut saya menyebabkan konflik antara jurusan teknik informatika dan sistem informasi yang terdapat dalam satu universitas/sekolah tinggi. Banyak dijumpai mahasiswa sistem informasi yang pindah ke teknik informatika karean merasa pusingnya sama tetapi gengsinya beda (mereka menganggap teknik informatika lebih bergengsi). Problem berikutnya adalah S2 yang biasanya kelanjutan S1 dan persiapan S3. Dengan waktu hanya 2 tahun (1,5 tahun dipakai course work), sepertinya agak sulit jika dipaksa mencari novelty dari jurusannya. Di mata reviewer, antara S1, S2, dan S3 tidak ada bedanya. Dengan melihat pendahuluan, novelty dan kontribusi akan terlihat apakah penulis ingin fokus ke metode atau ke domain penerapan metode. Jika fokus ke metode tapi tidak ada upaya improvement, hanya pernyataan bahwa metode tersebut dapat meningkatkan kinerja domain sudah pasti reviewer akan me-reject. Sebaliknya jika fokus ke domain penerapan metode tetapi pembahasan membahas akurasi metode juga di-reject, kedua hal tersebut dianggap “salah kamar”.

Penutup

Jika syarat publikasi wajib maka format S1, S2, dan S3 sedikit banyak akan berubah, kecuali jika dipublikasikan ke jurnal tanpa peer review. Kampus, dosen, dan mahasiswa harus mulai menentukan fokus ke arah mana. Dan antara jurusan ilmu komputer dan sistem informasi jangan sampai terlalu tumpang tindih. Memang mencari originality, novelty dan kontribusi metode dalam ilmu komputer sangat sulit tapi harus dicoba, harus ada usaha. Masalah berhasil atau tidak itu urusan belakang, minimal mahasiswa tahu “jeroan” dari metode tersebut. Sebagai contoh misalnya bahasa Python telah menyediakan sebuah library tertentu, misalnya SVM pada Scikit Learning (Sklearn). Mahasiswa ilmu komputer harus tahu isi dari kode SVM agar bisa menambah atau menyetel parameter-parameter di dalamnya, sementara mahasiswa sistem informasi boleh saja hanya menggunakan library SVM tersebut pada domaint tertentu, seperti prediksi sebaran corona dengan SVM khusus regresi (SVR). Bagaimana dengan S3? Silahkan perkuat bahasa Inggris (TOEFL atau IELTS), cari kampus tujuan, cari beasiswa atau dana mandiri, dan coba kuliah dan merasakan atmosfir yang jauh berbeda dari level pendidikan sebelumnya. Sekian, semoga tulisan ini sedikit bermanfaat.

Dipublikasi di Komputer dan Masyarakat, Puisi Kehidupan | 1 Komentar

Mengimpor Kelas Pada Python

Pemrograman berorientasi objek (PBO) saat ini lebih diminati dari pemrograman terstruktur. Hal ini karena PBO ternyata lebih terstruktur dengan pola yang terdiri dari atribut dan metode (operasi). Untuk penggunaan fungsi eksternal pada jenis pemrograman terstruktur sudah dibahas pada post terdahulu. Agar lebih jelas ada baiknya kita menggunakan contoh kasus yang sama, yaitu pembelian barang.

Membuat Kelas

Kelas dapat dibuat dalam satu file yang sama atau terpisah. Di sini kita coba menggunakan file terpisah, misalnya bernama “hitung.py”. File ini berisi tiga buah method dengan fungsi seperti kasus yang lalu: total, diskon dan bayar. Berikut kelas “struk” yang dibuat dengan kata kunci “class”. Perhatikan indent (menjorok) baik setelah “class” maupun “def”.

class struk:
	def total(harga,jumlah):
		"""fungsi untuk menghitung Total bayar"""
		return harga*jumlah

	def diskon(harga):
		""" fungsi menghitung diskon """
		if (harga >= 500000):
			potongan=harga*0.1
		else:
			potongan=harga*0.05
		return potongan

	def bayar(harga,potongan):
		""" fungsi menghitung total bayar """
		return harga-potongan

Memanggil Kelas

Kelas dipanggil dengan kata kunci “import”. Perhatikan pada listing di bawah cara memanggil fungsi/metode yang dimiliki oleh kelas, dalam hal ini kelas “struk”. Formatnya adalah <nama_kelas>.<nama_metode>. Di sini kita coba menggunakan Google Colab. Kita bisa juga menggunakan Jupyter Notebook atau versi terdahulu dengan IDLE.

from hitung import struk
print(" ———Toko Amanah Jaya———")
#input data
harga= int(input("masukan harga barang: "))
jumlah= int(input("masukan jumlah baju yang dibeli: "))
Total=struk.total(harga,jumlah)
potongan=struk.diskon(Total)
tagihan=struk.bayar(Total,potongan)
print("Total Harga = ", "Rp.",Total)
print("Diskon", "Rp.", potongan)
Bayar=int(input("Jumlah Nominal Uang =" ))
Kembalian= (Bayar-tagihan)
print("Uang Kembalian = ", "Rp.",Kembalian)

Berikut hasil “running” ketika transaksi barang dengan harga Rp. 100.000,- sebanyak 4 buah. Karena di bawah Rp. 500.000,- maka diskonnya 5 %. Sekian semoga bermanfaat.

Dipublikasi di Object Oriented Programming, Python | Meninggalkan komentar

Maaf, kita terpaksa belajar secara online

Siang ini udara cukup panas ketika saya keluar sebentar untuk ambil raport SMP anak. Ketika balik lagi ke kampus karena memang jadwal saya piket, ternyata mahasiswa unjuk rasa mengenai perkuliahan. Tuntutannya sederhana, meminta dispensasi pembayaran, kalau tidak salah 50 persen. Alasannya sederhana, karena perkuliahan berjalan secara daring. Untuk menjawab bagaimana kampus bersikap, ada baiknya melihat kondisi sesaat sebelum pandemic COVID-19 terjadi berikut ini.

Disrupsi

Istilah ini bukan hal yang baru dan setiap orang sudah mengerti. Pesatnya penjualan, transportasi, dan bisnis online sudah terasa dampaknya di masyarakat. Konflik dengan konvensional seperti ojek pangkalan, taksi konvensional yang sebelumnya keras mulai melunak dan bahkan kini bisa berjalan saling mengisi. Bagaimana dengan dunia pendidikan? Beberapa pakar sudah memprediksi bahwa bakal banyak kampus yang akan tutup, jangankan negara berkembang, negara maju tempat pusat IPTEKS pun diramalkan akan terjadi (misal di US, lihat link ini).

Secara teori, disrupsi memotong rantai antara produsen dengan konsumen. Jadi jika kita sebagai produsen atau konsumen, tentu saja tetap tidak tergantikan. Masalahnya adalah untuk jasa, seperti pendidikan, siapa kah produsennya? Kampus atau dosen? Sementara konsumen, mahasiswa ataukah industri penyerap tenaga kerja? Repotnya berita Google yg tidak mensyaratkan ijazah ketika merekrut karyawannya membuat posisi produsen (kampus dan dosen) kelimpungan (lihat link ini misalnya).

Menurut buku Renald Kasali tentang disrupsi, nanti peran kampus adalah sebagai even organizer yang menangani servis pendidikan dan pengajaran. Kampus dan dosen seolah lenyap (wah repot juga). Jika perusahaan penyerap memiliki tools yang canggih untuk menguji kemampuan calon tenaga kerja, sudah dipastikan peran ijazah bakal sirna dan digantikan peran lembaga yang mampu meningkatkan skill dan ilmu siswa/mahasiswa/calon tenaga kerja. Kalau diibaratkan tokopedia, bukalapak, shopee yang hingga kini bertarung habis-habisan, kemungkinan lembaga yang memberikan servis pengajaran pun pasti bertarung habis-habisan. Namun kondisi COVID-19 pen-disrupsi pun kewalahan (lihat berita ini).

Business-to-Business (B2B)

Di industri kita kenal perusahaan yang menjual barang bukan ke konsumen, melainkan ke perusahaan lain. Jadi kita tidak bisa sekedar menyamakan kampus dengan gojek atau toko online yang business-to-customer. Ketika ojek dibutuhkan, pasti ada pensuplainya, kendaraan dan driver. Begitu juga pendidikan, ada pihak pensuplai kurikulum/konten dan dosen. Hal ini terjadi karena pengajar bukan sebagai buruh, melainkan mitra. Nah, kondisi pengajaran online pun berbeda dengan ojek yang memang dibutuhkan jumlah yang banyak, untuk pengajaran terkadang dibutuhkan pengajar yang “menarik” konsumen karena kepakaran, skill, atau aspek-aspek penerimaan lainnya yang tentu saja karena online tidak perlu berjumlah banyak. Wah, bagaimana ini?

Tuntutan Spesialisasi

Perkembangan teknologi dan tuntutan kehidupan modern memaksa tidak adanya monopoli oleh seseorang. Sehebat apapun seorang pakar, dia tidak bisa menguasai semua ilmu yang dibutuhkan orang/masyarakat. Peta okupasi (profesi) pun terus bertambah, misalnya untuk dunia IT sudah ratusan. Jadi seharusnya tidak perlu khawatir. Nah, di sinilah sebenarnya akar permasalahan ketika transisi dari tatap muka/offline/blended menjadi murni online. Baik pengajar maupun mahasiswa khawatir tidak memperoleh hasil yang diinginkan. Sebagai contoh, silahkan ikuti webinar-webinar yang saat ini banyak dijumpai, tidak ada skill spesifik yang didapat karena memang bentuknya yang agak monolog dan tidak bisa meng-cover kebutuhan semua peserta.

Influencer

Jika sudah menjadi spesialis dan terus mengasah skill dan kepakaran, maka dampak nyatanya berupa karya kian terlihat. Uniknya di jaman online, sangat mudah terlihat dan viral. Sekali terlihat, permintaan pasti datang dan jika peminatnya banyak, banyak pihak-pihak yang menempel ketat. Jika kampus atau dosen sudah berperan seperti influencer, sepertinya aman-aman saja karena mendapat dukungan dari mahasiswa dan industri. Jika mahasiswa sudah menjadi follower setia, online pun tidak masalah. Peran model dan sosok sebagai sumber inspirasi seorang tutor/dosen/guru tidak bisa tergantikan. Sekian, semoga pembaca sekalian sependapat untuk beberapa poin dalam tulisan ini.

 

Dipublikasi di Puisi Kehidupan | Meninggalkan komentar

Menyisipkan Machine Learning Pada Aplikasi Web

Aplikasi web biasanya merupakan aplikasi bertipe front-end dimana antara user dengan machine saling berinteraksi. Sementara itu machine learning, bagian khusus dari data mining, kebanyakan bekerja sebagai back-end. Nah, agar machine learning terhubung dengan user, dibutuhkan user interface, salah satunya adalah aplikasi berbasis web. Python, sebagai bahasa yang memang dikhususkan untuk back-end menyediakan pula aplikasi front-end dalam bentuk web lewat beberapa framework-nya, salah satunya adalah Flask.

Menyisipkan Machine Learning

Bagaimana cara kerja Flask, silahkan lihat pos saya terdahulu. Beberapa library perlu dipersiapkan dari yang diperuntukan menjalankan machine learning (Pandas, NumPy, Keras, SKlearn, dan lain sebagainya) hingga yang memang khusus untuk Flask. Untuk studi kasus dipilih Support Vector Machine (SVM) untuk mengklasifikasi data penentuan beasiswa. Diperlukan tiga file program dengan satu file data. Tiga file tersebut antara lain satu file utama python dan dua file html untuk interface (main program untuk inputan dan result.html untuk keluaran). Berikut tampilan program utamanya.

Perhatikan letak training SVM setelah proses impor pustaka-pustaka yang dibutuhkan. Dua fungsi (template_test dan predict) dibutuhkan berturut-turut ketika program dieksekusi dan ketika tombol ditekan (via browser).

Testing

Untuk mengujinya, perlu memahami bagaimana konsep environment di python. Cara termudah adalah lewat Anaconda Navigator. Pastikan di environmen terpasang pustaka-pustaka yang dibutuhkan (bisa lewat PIP terminal ataupun lewat Anaconda). Buka environment yang tepat dengan menekan mouse di nama environmen tersebut dilanjutkan dengan mengklik kanan dan pilih “terminal” untuk membuka terminal yang mengarah ke environment tersebut. Environment ditunjukan dengan dalam kurung di terminal, misalnya kasus saya nama environmennya “tensorflow” (hanya nama saja).

Setelah masuk terminal arahkan folder ke lokasi program utama python-nya (berekstensi *.py). Untuk jelaskan silahkan buka video berikut ini. Sekian, semoga bermanfaat.

Untuk rekan-rekan mahasiswa yang sudah setia mengikuti perkuliahan (Univ. Islam 45, Univ. Nusa Putra, dan Univ. Bhayangkara Jakarta Raya) walaupun secara online di masa pandemic COVID-19, kami mengucapkan terima kasih sebesar-besarnya karena secara tidak langsung turut membantu terciptanya buku revisi “Data Mining” yang kini disertai bahasa Python yang Insya Allah sudah melewati revisi terakhir dan siap cetak.

Dipublikasi di Decision Support System, Python | Meninggalkan komentar

Memulai Meeting Online dengan Google Meet

Dulu Google Meet bernama hangout, namun perkembangan kuliah daring di masa pandemi membuat aplikasi-aplikasi meeting berbenah. Salah satunya adalah google meet. Google merupakan perusahaan besar yang kerap melakukan riset dari hal-hal sederhana pekerjaan kantor sehari-hari hingga skala besar.

Bisa dengan Akun Gmail Biasa

Buke email anda dan perhatikan simbol di atas bagian atas kanan (1). Tekan dan di sana ada banyak pilihan, salah satunya adalah “meet” yang berarti Google Meet (2). Silahkan tekan.

Setelah itu kita tinggal membuat satu meet baru dengan menekan “Start a meeting”. Perhatikan kalimat di atasnya: “premium meeting is free for everyone”, yang artinya dulu hanya bisa gmail versi tertentu ac.id atau yang berbayar, sekarang oleh siapapun bisa, asal gmail.

Kolom enter meeting code jika kita ingin bergabung, bukan sebagai admin. Tekan “Join Now” untuk membuat satu “meeting” baru.

Begitu saja, sangat sederhana untuk memulainya. Kita tinggal meng-copas link dan men-share ke rekan lain yang ingin ikut bergabung. Tentu saja yang ingin bergabung harus punya gmail.

Ketika seseorang memiliki link yang di-copy-kan tersebut, maka dia bisa langsung “join”. Keluar masuk cukup mudah hanya dengan menekan simbol “telepon” di bagian tengah.

Lama Durasi Meeting Google Meet

Sebagai informasi tambahan yang penting, Google Meet gratis seharusnya maksimal satu jam, tetapi sampai 30 September 2020 bisa sampai 24 jam, silahkan kalau kuat.

Terbukti saya gunakan mengajar dari jam 08.00 WIB sampai Jam 17.00 WIB tidak ada masalah, juga untuk acara lain seperti seminar yang beranggotakan puluhan hingga ratusan. Kabarnya bisa sampai 250 peserta, silahkan coba. Sekian semoga berfaedah.

 

Dipublikasi di Komputer dan Masyarakat, Komputer II | Meninggalkan komentar

Flask dan Jinja2 Untuk Aplikasi Machine Learning Berbasis Web

Mungkin ada pembaca yang sudah mahir metode-metode yang digunakan untuk machine learning, tapi kesulitan ketika membuat aplikasi yang digunakan oleh pengguna. Banyak pilihan yang mungkin, apakah berbasis desktop ataukah web. Pilihan berupa mejalankan lewat konsol tentu saja menyulitkan pengguna yang biasanya eksekutif pengambil keputusan. Untuk yang berbasis desktop (lihat pos yang lalu tentang tkinter) menyulitkan jika ingin digunakan bersama. Nah, penggunaan aplikasi berbasis web untuk machine learning menjadi satu-satunya pilihan yang baik. Dengan aplikasi web, aplikasi dapat digunakan oleh divisi lain. Pos ini merupakan penjelasan lebih lanjut dari post yang lalu dengan penambahan pada operasi aritmatika sederhana (penjumlahan).

Bahasa Pemrograman Front-End dan Back-End

Dua pilihan framework web berbasis python yang terkenal adalah “django” dan “flask”. Jika django diperuntukan untuk aplikasi besar (enterprise), flask cocok jika digunakan internal di perusahaan karena karakteristiknya yang microframework. Toh biasanya memang aplikasi machine learning tidak “diumbar” ke luar, melainkan hanya kepentingan internal saja. Biasanya memang machine learning bekerja secara back-end, sementara bahasa pemrograman lain seperti java, php, dan bahasa front-end lainnya diperbantukan. Tetapi ternyata dengan framework-framework web, python secara mengejutkan dapat digunakan sebagai front-end juga.

Mempersiapkan Pustaka (Library) Flask

Langkah penting pertama adalah menyiapkan pustaka untuk menjalankan Flask. Kita dapat menggunakan dua metode yaitu lewat konsole (dengan PIP) dan lewat Anaconda Navigator. Silahkan atur environment yang tepat agar tidak salah menggunakan environment.

Di sini saya menginstal Flask di environment “tensorflow” (hanya nama saja). Untuk yang konsol, gunakan “path” yang sesuai, atau bisa menggunakan aplikasi “virtualenv”. Atau untuk pemula seperti saya, gunakan saja Anaconda yang terintegrasi.

Format Folder Flask

Flask membutuhkan satu file python untuk menghidupkan server dan beberapa templet HTML untuk input dan outputnya. Misalnya untuk contoh kita menggunakan satu file python “web.py” untuk menghidupkan server dan mengatur komunikasi templet lainnya: “mainpage.html” dan “result.html”.

Gunakan beragam text editor untuk mengetik dan membaca program-program tersebut, misalnya notepad, sublimetext, IDLE, dan text editor lainnya. Pastikan letak file mengikuti standar di atas dimana HTML terletak dalam satu folder “templates”. Berikut contoh kode untuk menghidupkan server Flask.

Memang perlu usaha keras untuk rekan-rekan yang kurang memahami format HTML dan CSS. Silahkan pelajari sumber-sumber belajar HTML dan CSS tersebut. Atau bisa gunakan Bootstrap yang tersedia dengan cuma-cuma di internet.

Menghidupkan Server

Dengan environment yang sesuai, masuk ke mode konsol dan ketik: python <namafile.py> di folder yang tepat. Pastikan server hidup dengan indikasi adanya instruksi untuk mengakses http://127.0.0.1:<port>.

Untuk keluar bisa menggunakan “Ctrl+C”. Ada kejadian unik ketika saya mengutak-atik kode tetapi tidak bisa dijalankan karena server masih menyimpan yang lama (cache). Setelah mengganti port baru bisa.

Testing

Buka browser dan jalankan aplikasi. Pastikan dapat berjalan dengan sempurna. Silahkan untuk jelasnya buka video tutorial saya di Youtube berikut ini.

Dipublikasi di Decision Support System, Python | 1 Komentar

Adaptive Neuro-Fuzzy Inference System (ANFIS) dengan Python

Adaptive Neuro-Fuzzy Inference System (ANFIS) merupakan metode yang menggabungkan Jaringan Syaraf Tiruan (JST) dengan Fuzzy. Konsepnya adalah menjadikan “rule” sebagai “neuron”. Jumlah layer tersembunyi (hidden) hanya satu layer. Salah satu situs yang OK untuk mempraktikan ANFIS dengan bahasa pemrograman Python adalah salah satu TIM dari MIT di link berikut ini. Source code bisa diunduh dan penjelasannya lewat situs Github.

Instal Library ANFIS

Anaconda tidak memiliki pustaka ANFIS, oleh karena itu perlu mengunduh menggunakan PIP. Selain itu pustaka yang dibuat sendiri juga disertakan, misalnya anfis.py dan folder membership yang berisi dua file penting lainnya. Untuk mengetahui bagaimana fungsi eksternal bekerja silahkan lihat postingan saya yang lalu.

Menggunakan Google Colab

Memang lebih mudah menggunakan Google Colab karena sebagian besar pustaka sudah tersedia. Hanya saja untuk ANFIS terpaksa harus menginstal terlebih dahulu. Caranya adalah seperti instalasi PIP lewat terminal, hanya saja disini menggunakan tanda seru di awalnya.

Ketik !pip install anfis. Tunggu beberapa saat hingga Google Colab berhasil mengunduh dan menginstal pustaka ANFIS tersebut. Jangan lupa, file-file pendukung unggah di bagian File di sisi kiri Google Colab. Pastikan ketika impor pustaka di sel berikutnya berhasil. Buat folder baru dengan nama membership lalu isi dengan file pendukungnya. Jangan diletakan di luar semua.

Berikutnya adalah mengambil data latih dari file “beasiswa.txt”. Pastikan X dan Y sesuai dengan yang diinginkan sebagai data latih dan targetnya. Silahkan cari sumber referensi mengenai membership function. Di sini mf berfungsi mem-fuzzy-kan inputan. Jalankan dan pastikan grafik performa pelatihan muncul.

Perhatikan hasil latih yang berwarna merah sudah mendekati target yang berwarna biru. Satu untuk memperoleh beasiswa dan nol untuk yang tidak memperoleh beasiswa. Gunakan satu data sampel untuk menguji apakah menerima beasiswa atau tidak.

Perhatikan untuk input1 3.2 dan input2 3.4 hasilnya adalah 1. Silahkan menggunakan fungsi “round” untuk membulatkan apakah nol atau satu. Untuk jelasnya lihat video berikut ini. Sekian semoga bermanfaat.

Dipublikasi di Artificial Neural Network, Decision Support System, Python | Meninggalkan komentar

Coba Bikin Buku Lagi .. “Data Mining dengan Matlab & Python”

Buku berbeda dengan artikel jurnal dari sisi konten. Jika jurnal merupakan hasil penelitian terkini, buku sedikit tertinggal beberapa tahun. Namun biasanya buku lebih stabil keilmuwannya, alias sudah “established”. Biasanya buku digunakan sebagai sumber referensi untuk kasus tertentu karena formatnya yang rapi, tidak terlepas ke sana-sini seperti artikel ilmiah. Toh, jurnal pun sesungguhnya terbit setelah penelitian yang dilakukan beberapa tahun belakangan, jadi tidak baru-baru amat. Postingan ini sedikit memberi gambaran bagaimana membuat buku dengan mudah dan cepat.

Materi Kuliah

Waktu itu diminta ngajar mata kuliah “Data Mining” di kampus besar yang terletak di Pondok Kopi. Total ada 14 pertemuan. Kebetulan perkuliahan disertai dengan praktek di laboratorium. Dalam satu kali pertemuan saya buat satu bab, jadi total setelah perkuliahan selesai, jadilah buku sekitar 14 bab. Jadi ketika mengajari, langsung saja “capture” langkah-langkahnya. Tidak perlu ditulis dulu karena menulis membutuhkan waktu. Toh, dari hasil capture kita tahu apa yang harus ditulis nanti. Lihat postingan saya 7 tahun yang lalu tentang teknik ini.

Di akhir semester ada waktu kira-kira sebulan untuk membuat kata-kata yang mengalir. Ada sisi positifnya jika kita menulis materi kuliah. Ketika mempraktekan terkadang dapat diketahui apakah modul berjalan dengan baik. Terkadang ada saja hal-hal yang dijumpai siswa yang membuat praktik tidak berjalan. Hal ini penting untuk ditulis karena pembaca buku adalah pembelajar mandiri yang harus jelas dari “a” sampai “z” tanpa ada guru/tutor. Jika tidak berjalan, tentu saja mengecewakan pembaca. Namun toh, biasanya ada saja masalah dijumpai dan pembaca mengirim pertanyaan lewat email, terutama masalah kompatibilitas dengan laptopnya. Tapi biasanya berjalan dengan baik oleh pembaca. Kalaupun hanya memanfaatkan dari “help” tetap harus dicoba oleh penulis apakah bisa berjalan dengan baik atau perlu alat bantu lain. Beberapa penulis buku tidak menganjurkan memanfaatkan “help” karena untuk apa buat buku kalau di “help”-nya sudah ada.

Hasil Penelitian

Nah, yang ini agak sulit. Beberapa penerbit menolak membukukan hasil penelitian (skripsi, tesis, atau disertasi). Hal ini saya dengar langsung oleh perwakilan penerbit (waktu itu dari Andi offset) yang diundang oleh pihak kampus saya waktu itu (STMIK Nusa Mandiri). Saya lupa tahunnya, yang jelas waktu itu masih “ST”. Oiya, mungkin dosen-dosen muda sekarang heran melihat S1 yang menjadi dosen. Pasti lebih heran lagi kalau tahu jabatan fungsional Lektor saya diperoleh waktu masih bergelar S1 (lektor 200). Waktu itu memang jamannya orang enggan jadi dosen, sehingga kebutuhan dosen masih tinggi. Nah, si penerbit bersedia membukukan hasil penelitian jika mampu mengemas laporan penelitiannya dalam bentuk sudut pandang “orang awam”. Maksudnya pembaca harus dijejali hal-hal yang perlu agar mereka bisa mengikuti. Ini yang membuat penulis harus kerja ekstra mengetik ulang hasil penelitiannya. Nah nanti di akreditasi terbaru dengan format 9 standar, tiap dosen harus memasukan hasil penelitiannya ke materi ajar. Jadi buku yang dibuat kombinasi dari materi kuliah dengan hasil penelitian. Agak repot juga ketika mengajar mata kuliah yang berbeda dengan roadmap penelitiannya, jadi tidak bisa disisipi hasil penelitian. Jadi intinya, penerbit ingin pembaca tidak membutuhkan sumber-sumber lain untuk memahami, artinya dengan satu buku itu sudah paham. Kalau memerlukan buku lainnya, biasanya pembaca kerepotan karena harus merogoh kocek lagi untuk beli buku lainnya.

Menolong Orang Lain

Siapa yang ditolong? Banyak, misalnya kampus (lewat poin akreditasi karena ada buku), dosen (karena ada materi kuliah), industri/developer (untuk membuat software/aplikasi), dan mahasiswa (untuk kuliah dan tugas akhir/skripsi). Hal ini terjadi karena buku berbeda dengan artikel ilmiah yang terkadang merahasiakan kode sumber, sementara buku selain menyertakan kode sumber, terkadang diberikan CD/DVD atau file yang dishare di internet (dari website, Github, dan lain-lain). Kebanyakan mereka seumur hidup hanya sekali merasakan skripsi/tugas akhir, jadi tidak mungkin melupakan buku yang ia baca ketika berpusing-pusing ria dalam merampungkan kuliahnya. Saya pun sampai sekarang masih ingat buku-buku yang membantu saya lulus kuliah. Terakhir, tentu saja membantu penerbit. Mereka secara jujur kesulitan mencari penulis buku, padahal jumlah penulis potensial di tanah air harusnya di atas negara lain.

Revisi Atau Baru?

Sebenarnya saya ingin merevisi buku yang dulu, tetap mengingat isi yang jauh berbeda, terpaksa membuat versi yang benar-benar baru. Salah satu hal yang membedakan adalah “web-based machine learning“. Silahkan cari di internet buku tentang machine learning atau data mining berbasis web, masih jarang. Hal ini terjadi karena antara front-end (web developer) dengan back-end (data scientis) berasal dari orang dengan fokus yang berbeda. Perlu ada jembatan yang menghubungkan keduanya. Pengguna pun lebih nyaman menggunakan apikasi data mining dengan GUI berbasis web yang mudah diakses dari manapun. Jadi dengan tambahan web-based machine learning mudah-mudahan dapat menjembatani front-end dan back-end. Penggunaan bahasa Python pun karena trend bahasa pemrograman ini yang terus naik (lihat pos yang lalu) sampai-sampai Google mengadopsi bahasa ini dalam pemrograman onlinenya (lihat pos yg lalu tentang Google Colab).

Sebagai bonus, penulis terkadang harus cuek, apalagi menulis buku. Jika novel atau cerpen, kita bisa menggunakan nama samaran jika kita tidak ingin repot dengan para kritikus. Beberapa pakar di tanah air terkadang merendahkan tulisan dari penulis-penulis lokal dan cenderung menganjurkan buku-buku internasional yang “wah”. Tidak apa-apa kalau punya pandangan seperti itu, toh niat kami membantu anak-anak yang mungkin kurang skill bahasa Inggrisnya dengan bahasa yang mudah mereka mengerti. Jika dikatakan tulisan “instan” ya tidak apa-apa, kan repot juga mahasiswa dipaksa belajar bahasa Inggris dulu baru bisa lulus. Prinsip saya dan penulis-penulis lokal lainnya sebenarnya sederhana, membantu memberikan pemahaman kepada masyarakat umum, tidak merahasiakan ilmu atau menyarankan mereka mengikuti kursus yang harganya terkadang tidak terjangkau oleh mahasiswa-mahasiswa rata-rata di tanah air yang untuk bayar kuliah saja sulit. Tentu saja kalau mampu silahkan buat buku bertaraf internasional yang “wah” dan itu bagus banget menurut saya. Semoga berminat menulis buku.

 

Dipublikasi di Matlab, Puisi Kehidupan, Python | Meninggalkan komentar