Jangan Kau Halangi Dia yang Ingin Studi Lanjut

Studi lanjut, khususnya jenjang doktoral saat ini merupakan hal yang mendesak, khususnya bidang-bidang yang dibutuhkan di era “internet of things” (IoT) ini. Berbeda dengan S2 yang kesannya “terpaksa”, untuk S3 sepertinya banyak hal yang menghalangi dosen melanjutkan ke S3. Mungkin postingan ini sharing sedikit mengenai plus-minus kebijakan yang banyak diterapkan di beberapa institusi di tanah air.

Urut Kancing

Ini adalah istilah antri berdasarkan aspek tertentu seperti senioritas, kebutuhan suatu jurusan akan adanya tenaga pengajar, dan lain-lain. Perhatikan saja suatu antrian, misalnya di “customer service” sebuah bank, ketika ada satu antrian yang lama maka antrian berikutnya akan terhambat. Banyak hal yang membuat lamanya antrian, khususnya jika dipilih yang senior terlebih dahulu. Seperti banyak terjadi, para senior cenderung mencari kampus yang dekat dengan tempat kerja. Masalah meninggalkan keluarga, keuangan (ingin tetap mengajar), dan sejenisnya merupakan hal-hal yang biasa menjadi batu hambatan. Sementara beberapa dosen middle dan terkadang juga junior sudah siap baik dari sisi akademik maupun hal-hal lain (apalagi yang belum berkeluarga). Jadi, pimpinan harus mengamati ketika suatu jurusan tidak ada yang berangkat, kemungkinan ada hambatan dari ijin senior terhadap yuniornya.

Masa Mengabdi

Ada hal lain yang membuat beberapa dosen tidak ingin melanjutkan. Beberapa kampus menerapkan aturan setelah menyelesaikan studi S2 diharuskan balik ke kampus untuk mengamalkan ilmunya terlebih dahulu. Lamanya bahkan ada yang mengikuti aturan ikatan dinas (5 hingga 7 tahun). Akibatnya ketika masa mengabdinya selesai, walaupun diminta oleh institusi melanjutkan kuliah, mereka cenderung enggan karena berbagai hal. Hal yang utama adalah terputusnya riset ketika S2 dulu karena lama-nya menunggu, ditambah lagi aktivitasnya tidak mengarah ke riset dan cenderung administratif. Padahal riset harus diikuti baik dari riset sendiri maupun membaca jurnal-jurnal internasional yang ketika lulus aksesnya biasanya distop sementara kebanyakan kampus kecil di tanah air tidak berlangganan, walaupun bisa saja dengan cara minta tolong rekan lain yang memiliki akses ke jurnal untuk diunduhkan (atau situs bajakan). Ada sedikit cerita rekan saya dari Jawa Timur yang selesai S2, balik ke kampus setahun mengabdi. Tapi selama setahun itu sudah intensif bimbingan dosen pembimbingnya ketika master untuk S3 walau belum terdaftar. Minimal konsultasi masalah tema riset S3. Nah, ketika setahun terlewati lalu mendaftar di kampus tersebut (tentu saja diterima karena sudah komunikasi dengan calon promotor) risetnya cepat sekali, bahkan lulus 2 tahun 9 bulan. Jadi untuk yang master jangan terlalu lama, khawatir akan malas lagi untuk studi lanjut.

Perang Doktor

“Lihat ijasah S2-nya!”, kata si mba staf di kopertis 4 (sekarang namanya lldikti4) ketika mengajukan ijin lanjut S3 dulu. Saya heran dan bertanya mengapa kok langsung di “skak” dengan pertanyaan itu? Ternyata ada instruksi jika S3 tidak linear harus ditolak pengajuan ijin beasiswanya. Ternyata ada maksudnya.

Kuliah S3 bukanlah waktu yang singkat. Jika selesai dan ternyata tidak sesuai dengan linearitas keilmuwan akan mubazir. Ada teman yang mengambil S3 yang berbeda jauh dengan S2 dan risetnya. Alhasil agak kesulitan naik pangkat mengingat harus ada linearitas S3 dengan riset-riset terdahulu yang jauh berbeda dengan S2-nya. Bagaimana jika sudah S3 dan linear dengan riset-risetnya? Berikutnya adalah perang doktor. Di sini perang yang dimaksud adalah persaingan dari sisi Tri Darma. Pengajaran dan pengabdian sepertinya tidak begitu bersaing, nah yang penelitian lah yang bersaing. Untuk meningkatkan kinerja kampus, pimpinan universitas (yang serius memperhatikan tri-darma) akan memacu dosen-dosennya untuk mempublikasikan artikel ilmiah. Nah, doktor tanpa publikasi tentu saja akan kalah “perang” dengan yang banyak publikasinya. Sebagai juri/wasit-nya biasanya menggunakan indeks-indeks yang terpercaya seperti Scopus dan di Indonesia ada Sinta (dengan kata lain Ristek-Dikti jurinya). Silahkan salahkan kedua pengindeks tersebut, itu hak Anda. Tapi perlu diingat, tanpa ada juri/wasit bagaimana mungkin pertandingan dilaksanakan.

Apakah Riset Seperti Sinterklas?

Lihat apa yang kita gunakan saat ini yang membantu aktivitas kita, misalnya komputer. Alat ini tidak diciptakan setahun atau beberapa tahun yang lalu. Sejak arsitekturnya yang dikenalkan oleh John Von Neumann, baru penggunaannya tampak nyata setelah Alan Turing memperkenalkan metode komputasi untuk membongkar mesin enkripsi buatan Jerman di perang dunia II. Atau contoh lain kendaraan, misalnya mobil. Alat transportasi ini menerapkan siklus otto buatan Nikolaus Otto (bensin) maupun atau Diesel oleh Rudolf Diesel (solar) yang ketika teknik itu diriset, dunia masih menyiksa binatang untuk kendaraan. Untungnya jaman itu jumlah “penyinyir” sedikit. Bisa dibayangkan si otto yang asyik riset dinyinyirin: “apa manfaatnya siklus itu bagi kami para petani?” dan diharapkan harus berkontribusi langsung, jika tidak, tidak akan didanai.

Pendidikan tinggi di Indonesia menganut tridarma yang terdiri dari pengajaran, penelitian, dan pengabdian. Ketiganya saling terkait, walaupun dalam prakteknya tidak tampak hubungannya. Yang satu asyik mengutak-atik jaringan wireless dari GPRS, 2G, 3G, 4G, hingga 5G, yang satu lagi mengembangkan teknologi mobile, serta lainnya Big Data. Ketika digabungkan jadilah aplikasi Grab, Gojek, dan sejenisnya yang ternyata merubah peta bisnis para era disrupsi ini.

Problem yang saat ini muncul terkait dengan publikasi yang wajib dilaksanakan oleh seorang dosen. Banyak kampus yang berlomba-lomba publikasinya dengan bantuan pengindeks internasional, Scopus. Kekhawatirannya agak beralasan mengingat hasil risetnya yang tidak berdampak langsung saat ini. Tetapi apakah memang harus berdampak langsung? Masih ingatkah hasil publikasi tentang dampak tsunami gunung merapi yang sudah diriset beberapa tahun sebelum kejadian di Banten dua bulan lalu? Tidak berdampak langsung sih … bagi yang enggan membaca.

Jangan lupa, penelitian berbeda dengan pengabdian. Walaupun bisa saja penelitian dan pengabdian yang berjalan seiringan. Tetapi beberapa riset dasar agak sulit jika langsung diterapkan ke masyarakat tanpa adanya campur tangan penelitian lain. Tapi bisa kan? Ya kalau dibilang bisa ya tentu saja bisa. Seperti aplikasi NELPIN untuk membantu para nelayan mencari ikan. Bagaimana dengan Scopus? Ternyata aplikasi tersebut dipublikasikan pada jurnal internasional dan terindeks Scopus. Toh bisa juga riset dan pengabdian berjalan berirama, dan tentu tidak saling memaksakan penelitian yang harus mengabdi secara langsung. Oiya, silahkan baca artikel jurnal internasional tersebut.

Apakah hanya fokus ke publikasi itu buruk? Untuk menjawabnya silahkan baca buku “University Inc.” dimana kampus cenderung mengembangkan riset berdasarkan pesanan industri. Bahkan sudah menyasar ke profesor-profesor agar riset sesuai dengan permintaan industri (obat-obatan, keteknikan, dan lain-lain). Untuk menghindari hal itu, memaksa agar hasil riset dipublikasi agar terbaca oleh khalayak ramai menurut saya sangat bermanfaat. Terkadang ada yang jago menemukan tetapi kurang luwes dan lincah memanfaatkannya, atau memang membutuhkan peneliti bidang lain yang telah membaca hasil publikasinya. Tebarkanlah hasil riset sebanyak-banyaknya, biasanya ada beberapa yang bisa dimanfaatkan oleh peneliti lain, bukannya membatasi hanya pada penelitian yang bermanfaat saat ini saja, karena belum tentu yang tidak bermanfaat saat ini tidak bermanfaat di masa yang akan datang. Sayang kan jika tidak dipublikasi dan tersimpan di gudang padahal belum tentu tidak bermanfaat nanti. Ingat, De Morgan dan George Boole yang dibilang “kurang kerjaan” di jamannya ketika utak-atik logika tatkala komputer belum ada. Yuk, perbanyak publikasi … kalau bermanfaat kan katanya pahala mengalir terus walau yang bersangkutan wafat.

Database Objek

Ketika pertama kali database diperkenalkan di tahun 70-an, bentuknya adalah relasional dan dikenal dengan istilah Relational Database Management System (RDBMS). Bentuk ini adalah bentuk terkenal yang sampai sekarang menjadi andalan aplikasi-aplikasi terkini. Basis data ini menyimpan atribut-atribut suatu data yang statis misalnya nomor ID, nama, alamat, dan lain-lain. Sementara proses yang terjadi, yang biasanya berupa Create, Read, Update dan Delete (CRUD) dilakukan oleh aplikasi (program) yang mengakses basis data tersebut (di luar basis data).

Object Oriented

Perkembangan perangkat keras yang pesat membuat aplikasi pada bidang-bidang lain seperti rekayasa, multimedia, sistem informasi geografis, dan sejenisnya, berkembang pula. Beberapa aplikasi membutuhkan secara independen suatu data berubah ketika diberikan instruksi ke data tersebut. Dengan kata lain suatu data memiliki kemampuan memproses. Data dengan proses tersebut dikenal dengan istilah objek. Ketika ingin mengedit data suatu objek, maka program tinggal mengirim pesan ke objek tersebut agar salah satu datanya dirubah dengan mengaktifkan proses update pada objek tersebut. Masalahnya adalah vendor-vendor basis data sudah terlanjur mengembangkan RDBMS dengan sangat baik.

Object Relational Database Management System

Dengan memanfaatkan canggihnya sistem RDBMS, beberapa pengembang menawarkan konsep Object Relational Database Management System (ORDBMS), khususnya untuk penerapannya dalam basis data. Karena kelemahan RDBMS tidak memiliki penyimpanan berupa proses/method maka basis data tetap tersimpan dalam bentuk relasional tetapi menambahkan satu object yang berfungsi menangani proses-proses tertentu pada objek yang tersimpan dalam RDBMS. Ketika ingin mengedit suatu objek, maka satu objek yang bertugas meng-update diperintahkan mengedit objek tersebut di dalam sistem basis data.

Object Definition Language (ODL)

Dalam literatur RDBMS, sudah ada standar pengolahan basis data yang dikenal dengan nama Structure Query Language (SQL). Sementara itu komunitas Object Data Management Group (ODMB) mencoba membuat standar yang mirip SQL dengan nama Object Definition Language (ODL). Salah satu hasil dari ODL ini adalah suatu bahasa deklarasi mirip SQL untuk objek yaitu Language Integrated Query (LINQ). Silahkan baca-baca buku referensi berikut yang lumayan OK untuk penjelasan awal ODL.

Untuk mempraktekan basis data objek ada baiknya mencoba langsung dengan basis data yang memang dikhususkan untuk basis data objek, yaitu db4o dengan dua pilihan (java dan c#). Silahkan unduh manual-nya di sini. Ada hal-hal unik yang tidak dimiliki dalam literatur RDBMS yang menarik untuk dicoba, dan menarik juga untuk dibuatkan bukunya.

Business Intelligence

Membicarakan Business Intelligence (BI), berarti membicarakan penerapan teknologi informasi untuk meningkatkan produktivitas dan daya saing sebuah organisasi. Ada salah satu makalah yang bisa diunduh gratis untuk merunut dasar-dasar istilah andalan bidang Sistem Informasi (SI) ini. Selain itu silahkan baca artikel-artikel referensi yang disitasi oleh artikel jenis review tersebut.

Singkat kata, BI memanfaatkan metode-metode baik yang lawas yang terdapat dalam Sistem Pengambil Keputusan (Decesion Support System) dengan teknologi pendukungnya seperti Data Warehouse, Machine Learning, maupun teknologi terkini yang masuk Industri 4.0 seperti Big Data, AI, dan lainya. Bagan berikut bisa dijadikan patokan framework BI:

Sebelumnya harus bisa dibedakan Online Transaction Processing (OLTP) yang bertanggung jawab terhadap data transaksi dengan Online Analytical Processing (OLAP) untuk analisis yang dipakai pada framework BI. Data Mart sangat penting untuk mendukung pengambil keputusan. Data ini memang ekstrak dari data total yang bersumber dari Data Warehouse yang menggunakan istilah Extract Transform Load (ETL) yang sumbernya bisa dari dalam dan bisa juga dari luar (internet).

Jadi BI memang luas dan melibatkan teknologi-teknologi sehingga beberapa institusi sudah menjadikan BI sebagai jurusan baru yang terpisah dari jurusan Teknik Informatika, Teknologi Informasi, maupun Sistem Informasi. Yuk, yang tertarik dengan bidang ini segera mempelajari informasi terkininya lewat jurnal-jurnal.

Dear SISTER …

Sabtu ini masuk kerja dalam rangka pelatihan pengisian BKD online dan aplikasi SISTER. Sudah lama tidak ada acara di kampus pada hari sabtu. Untuk BKD online sepertinya tidak ada masalah karena sudah hampir satu semester ini menggunakannya dan fine-fine saja. Nah yang SISTER baru kali ini bisa dicoba, dan baru kali ini juga server sudah terpasang, dan repotnya baru hari itu juga instal ulang ke versi yang baru. Tapi salut juga dengan tim IT UNISMA yang bekerja cepat dan profesional.

Memang aplikasi-aplikasi buatan Ristekdikti memiliki nama-nama yang unik dan mudah dihafal, misalnya SINTA, ARJUNA, SIMLITABMAS, SISTER, yang sering diledek: “SINTA … RAMA-nya mana? Kok malah ARJUNA?” Btw, pinter juga tim Ristekdikti utak-atik singkatan. Oiya, untungnya Kementerian Riset, Teknologi dan Pendidikan Tinggi disingkat Kementerian “Ristekdikti”, bukan “Kemriting”. Nah, ini lagi .. SIM akademik kampus kami bernama SIMAK yang mirip kata Si Emak, he he.

Registrasi SISTER

SISTER diambil dari singkatan kata Sistem Informasi Sumber Daya Terintegrasi yang isinya mengintegrasikan seluruh aspek yang ada pada seorang dosen. Dari profil homebase, pengajaran, BKD, kepangkatan, dan upload-upload data penting lainnya. Sistem kerjanya adalah tiap kampus besar harus menyediakan server dengan spesifikasi tertentu, menginstal aplikasi, serta ada admin yang mengelola. Karena sifatnya yang tidak online murni, admin bertugas mensinkronkan database di kampus dengan Dikti (pusat). Di sini dikatakan kampus besar karena jika kampus kecil maka bisa “nebeng” di LLDIKTI di wilayahnya. Langkah awal bagi seorang dosen agar bisa menjalankan aplikasi SISTER adalah membuka alamat sister kampusnya, misalnya untuk UNISMA adalah link berikut ini. Cara registrasinya mirip dengan registrasi SINTA yaitu mendaftarkan email untuk login. Jika sudah, maka diminta membuka email.

Setelah membuka email maka ada link untuk aktivasi yang jika diklik maka akan diarahkan lagi ke aktivasi SISTER. Pastikan akun sudah aktif agar bisa digunakan sebagaimana mestinya.

 

Manfaatnya lagi adalah cepatnya proses pengajuan kepangkatan (PAK) dosen karena bisa lewat jalur online yang tidak perlu berkas-berkas yang berat. Setelah aksi foto-foto dengan pemateri dari LLDIKTI, acara selesai, dan foto berikut kudapan favorit tiap diadakan pertemuan dari tim serdos. Sekian catatan harian ini, semoga bisa mengingatkan rekan-rekan dosen akan adanya aplikasi SISTER dari Ristekdikti.

Prinsip Ketidakseimbangan 80/20

Alam semesta (nature) menurut buku “the 80/20 principle” menerapkan prinsip ketidakseimbangan antara sukses dan gagal. Oiya, prinsip 80/20 adalah prinsip yang diperkenalkan oleh Vilfredo Pareto, dimana 20% faktor menentukan 80% hasil. Alam semesta tidak memberlakukan prinsip seperti peluang koin yang dilempar yang sebesar 50/50. Ada sedikit yang kontroversial dan mungkin saja sebagian besar tidak setuju. Postingan ini sedikit mengulasnya.

Spesialisasi

Di era disrupsi tampak peran dari para generalis dominan. Bahkan beberapa pengusaha top seperti pemilik Microsoft, Facebook, Mac, dan lain-lain cenderung berkarakter generalis. Tapi di buku itu ternyata diminta fokus untuk menjadi para spesialis. Mengapa hal ini terjadi? Jawabannya adalah efek 20% elemen yang menghasilkan efek 80% dari hasil (profit, kinerja, dan sejenisnya). Jadi jika prinsip 80/20 sudah disadari keberadaannya maka para manajer, direktur, atau pemilik perusahaan akan fokus ke 20% pegawai yang memiliki sumbangsih tinggi terhadap hasil dan keuntungan. Tentu saja mereka adalah para spesialis-spesialis yang sangat efisien dalam bekerja, yang pada kenyataannya jumlahnya bisa saja jauh di bawah angka 20%, bahkan bisa 5% saja. Makin tidak terpakai saja orang-orang dengan keahlian biasa-biasa saja. Prinsip 80/20 muncul karena tuntutan pasar yang menginginkan produk yang dihasilkan dari proses yang efektif dan efisien karena berpengaruh terhadap harga yang murah tapi berkualitas, atau yang memanjakan konsumen.

Globalisasi

Globalisasi menggunakan prinsip pasar. Nah disinilah letak permasalahannya yakni pasar yang menuntut tinggi suatu produk. Tanpa memeriksa faktor 20% yang paling berpengaruh terhadap kinerja industri maka tuntutan pasar tidak terpenuhi. Sementara dengan adanya globalisasi mencari faktor 20% tersebut (spesialis-spesialis yang bekerja dengan efektif dan efisien) lebih mudah. Dampak negatifnya adalah kian tersingkirnya 80% pekerja-pekerja yang kurang efisien dan minim kontribusinya terhadap hasil/kenerja.

Menipisnya Kelas Menengah

Ada kabar bahwa di negara-negara maju, kelas menengah mulai menyusut. Karena jarang yang berpindah ke kelas 20%, maka sebagian besar terdepak ke 80% pekerja yang kurang berefek/berkontribusi terhadap output. Sebagian dosen di negara kita adalah kelas menengah. Nah, repot juga kalau sebagian besar terdepak ke kelas baru yang merupakan 80% kurang berpengaruh. Ditambah lagi peran teknologi informasi dengan Massive Open Online Courses (MOOCs) yang meminimalkan peran pengajar. Saat ini aturan baru cenderung mempermudah, misalnya jumlah minimal dosen homebase suatu jurusan yang tadinya enam menjadi hanya lima saja. Juga bisa berbagi (share) dosen homebase dengan kampus lain asal ada bukti kerja sama antar dua institusi tersebut. Ada sedikit kekejaman akibat prinsip 80/20 ini dimana yang makmur/terkenal/berperan semakin makmur/terkenal/berperan dan begitu juga sebaliknya bagi yang kurang makmur/kurang terkenal/kurang berperan. Jadi jangan heran misalnya ada pakar/ahli/pembicara yang antri diundang sementara yang lain banyak yang menganggur. Yuk, segera masuk ke 20% pekerja yang menentukan hasil dengan meningkatkan skill yang dibuktikan sertifikat-sertifikat atau ijasah.

Note: Wah ternyata ini postingan saya yang ke-1000 .. semoga bisa terus iseng menulis

Normalisasi dengan Mapping Standard Deviation (mapstd)

Selain dengan membentuk matriks ortogonal yang disukai backpropagation, ada banyak metode normalisasi. Dengan teknik minmax dapat dihasilkan bentuk yang cocok untuk range sempit (lihat post sebelumnya). Apakah ini yang terbaik? Tentu saja tergantung kasusnya. Untuk proyeksi (peramalan) metode normalisasi yang terkenal adalah yang berbasis statistik yaitu dengan mapping dengan standard deviation. Pertama-tama adalah menemukan rata-rata sebaran data tersebut:

Variabel Y adalah data dengan n adalah jumlah datanya. Berikutnya adalah menentukan standar deviasi atau dalam bahasa kita simpangan baku. Varians dikenal dengan rumus berikut:

Standar deviasi merupakan akar dari varians di atas. Jadi tiap data yang akan dinormalkan dengan cara ini dihitung berdasarkan nilai rata-rata dan standar deviasi di atas.

Untuk mempermudah, Matlab telah menyediakan fungsi mapstd. Silahkan buka Matlab (2008 ke atas). Ketik “help mapstd”, ikuti saja langkah-langkah di help yang dicontohkan Matlab.

Jika ingin melihat implementasinya, dapat dilihat skripsi mahasiswa UNY berikut ini untuk kasus peramalan saham (syariah):