Obrolan Santai Tentang Linearitas Dosen

Postingan ini dipicu oleh guyonan teman yang mengatakan jika dosen melanjutkan studi berbeda jurusan maka bisa dikatakan sebagai “penghianat”. Haruskah marah? Tentu saja tidak karena dunia luar tidak otomatis mempengaruhi dunia dalam diri kita, menurut prinsip meditasi. Jika berpendapat begitu, ya mungkin dia mendasarkan dengan sesuatu yang menurut dia benar. Oke, santai saja, jika mengeluarkan pendapat entah itu ilmiah atau tidak biasanya ada dasar-dasarnya.

Aspek Legalitas

Silahkan Anda berpendapat berjalan harus di sebelah kiri, sementara yang lain berpendapat di sebelah kanan. Jika masing-masing menyebutkan dasarnya, ya tentu saja benar karena tiap negara berbeda-beda dalam masalah ini. Untuk linearitas silahkan lihat aturan DIKTI tahun 2014 ini.

Untuk mudahnya, lihat penjelasan dari bagan di bawah ini. Sepertinya RISTEK-DIKTI kian mempermudah. Bahkasn S2 dan S3 tidak harus sama jurusannya (disebutkan dengan istilah “bidang ilmu sebelum S3”) dimana di no 5 bisa diusulkan menjadi guru besar (profesor) walaupun harus menambah angka kredit karena beberapa penelitian kemungkinan besar tidak diakui.

Aspek Sejarah

Lho kok aspek sejarah? Ya boleh saja kan. Kebetulan rekan saya yang mengatakan “penghianat” dari jurusan teknik komputer. Jika ditilik dari sejarah, ternyata jurusan teknik komputer itu terbentuk dari penggabungan teknik elektronika dan ilmu komputer. Sementara ilmu komputer itu sendiri terbentuk dari jurusan teknik elektronika dengan matematika, menurut ACM lho (lihat post sebelumnya). Jika ada profesor pengelola teknik komputer yang dulunya berasal dari teknik elektronika, matematika atau ilmu komputer, tentu saja “konyol” jika mengatakan si pendiri, yang bisa dibilang “bapak-nya” itu penghianat.

Aspek Politik

Nah kalo ini iseng-iseng aja. Saya pernah dicalonkan sesuatu dan oleh lawan diserang karena tidak linear yang menurut mereka karena beda jurusan S1 dan S2. Ya boleh saja, namanya juga politik. Bisa aja melarang pencalonan seseorang menjadi cagub atau cawalkot karena doktornya tidak linear, he he, namanya juga politik, terserah deh.

Aspek Filsafat

Apalagi ini? Ya boleh aja kan? Dari sisi filosofis apalah arti selembar kertas ijazah? Mengajar dan mengembangkan ilmu tidak terbatas dengan itu. Kalo ini maqomnya beda nih, kelas doktor filsafat. He he.

Oiya, Kopertis 12 sepertinya banyak mengulas masalah ini. Dengan teknik Ticketing seperti helpdesk tampak profesional. Semoga info iseng ini bermanfaat.

Penjelasan Sederhana Jaringan Syaraf Tiruan – Kasus Logika OR

Dulu sempat ambil mata kuliah “Artificial Intelligent & Neuro-Fuzzy” dengan buku referensi yang digunakan adalah “Neural Network Design” karangan Hagan. Materinya cukup berat karena satu buku tersebut harus dikuasai dalam setengah semester (sampai UTS/Midterm Examination). Selain itu buku tersebut sepertinya ditujukan untuk level advance (lanjut). Postingan ini bermaksud menjelaskan secara sederhana prinsip kerja jaringan syaraf tiruan. Kasus yang dijadikan contoh adalah bagaimana jaringan syaraf tiruan (JST) sederhana mampu menjalankan Logika OR.

Gambar berikut adalah JST dengan jumlah neuron hanya satu buah. Neuron adalah sel di otak yang memiliki kemampuan menyimpan dan mentransfer informasi. Disimpan dalam bentuk bobot dan bias serta mentransfer dengan fungsi aktivasi.

W1 dan W2 adalah bobot yang mengalikan tiap input yang akan diteruskan ke neuron lainnya. Sementara itu b adalah bias yang menjumlahkan total masukan yang telah dikalikan bobot. Pada gambar di atas fungsi aktivasi belum dilibatkan. Persamaan matematis gambar di atas adalah sebagai berikut:

Dengan cara training, misal backpropagation, W dan b dapat ditemukan. Tetapi sebenarnya dengan intuisi kita dapat menemukan bahwa W1 dan W2 berharga masing-masing “1” dan biasnya “nol”. Kita coba memasukan ke persamaan y di atas diperoleh akurasi yang baik hanya saja di bagian akhir, yaitu ketika masukan X1 dan X2 kedua-duanya “1” yang seharusnya keluaran y = 1 di sini berharga “2”. Oleh karena itu diperlukan fungsi aktivasi seperti gambar di bawah ini.

Di antara ketiga fungsi aktivasi, yaitu tangen sigmoid, tangga, dan purelin, yang cocok dengan kasus kita adalah tangen sigmoid. Di sini tangga bisa diterapkan, tetapi agak sulit jika digunakan untuk backpropagation yang membutuhkan diferensiasi. Tangen sigmoid (juga log sigmoid) jika diturunkan berharga -1, mudah untuk dikalkulasi saat proses pembobotan ulang (rambat balik dari target ke input). Sementara purelin tidak cocok karena jika input 2 keluarnya akan 2 juga (jika y=x persamaan purelin-nya). Dengan menambah fungsi aktivasi sebelum ke output, nilai 2 dengan fungsi tangen sigmoid bernilai 1 sehingga sesuai dengan table kebenaran logika OR. Gambar di atas sebenarnya cuplikan video yang saya upload di youtube berikut ini: