Paradigma Baru Universitas di Era Disrupsi

Tulisan ini kelanjutan dari masalah linearitas dan interdisiplin ilmu pada postingan yang lalu. Sumbernya adalah dari situs ini, yang dishare oleh kawan di facebook. Ternyata facebook bermanfaat juga, tergantung bagaimana kita menggunakannya.

Paradigma Baru Pendidikan di Era Disrupsi

Masalah yang dialami dunia saat ini adalah buta secara vertical (vertical
literacy). Walaupun kesenjangan ilmu sudah hampir tidak ada (kecuali beberapa wilayah konflik dan yang masih primitif), ada kesenjangan jenis lainnya yang diberi istilah “knowing-doing gap”, yang artinya kesenjangan antara kesadaran kolektif kita tentang suatu hal dengan tindakan/aksi yang dilaksanakan. Vertikal di sini bermakna naik ke atas, jadi vertical development maknanya adalah perkembangan yang melepas masa lalu dan siap menyambut masa depan. Suatu institusi yang gagal melaksanakan vertical development akan dihajar oleh pesaing-pesaing di era disrupsi ini (banyak contoh kasus nyata yang sering kita lihat).

Jika diibaratkan seperti komputer, saat ini kita tidak hanya menginstal aplikasi-aplikasi baru melainkan mengupgrade sistem operasi kita, dalam rangka menyambut masa yang akan datang. Pendidikan harus di “reinvent” lagi. Perkataan seorang filsuf bernama Plutarch (2000 tahun yang lalu) bahwa pendidikan adalah aktivitas “menyalakan api” bukan “mengisi kapal” terhadap anak didik kita. Pendidikan di tahun ini sebaiknya mirip dengan tahun 1917 dimana terjadi vertical development.

Saat ini masalah-masalah yang harus diselesaikan dunia (radikalisme, terorisme, fundamentalisme, xenophobia, dan lain-lain) tidak bisa diselesaikan dengan “sistem operasi” yang lalu, harus dengan yang baru, ibaratnya harus diupgrade. Saat ini kita dihadapkan pada: “VUCA: volatility, uncertainty, complexity, dan ambiguity”. Kampus dituntut menyediakan tenaga-tenaga kerja yang siap menghadapi itu.

Kemampuan Vertical Literacy

Dulu mungkin buta huruf menjadi masalah di Indonesia, tetapi saat ini ketika rakyat sudah tidak buta huruf muncul masalah-masalah yang bisa menghancurkan suatu bangsa. Oleh karena itu vertical literacy menjadi penting. Dengan vertical literacy, seseorang memiliki kemampuan sebagai berikut:

  • Mahir dalam mendengar dan fikirannya terbuka
  • Merubah debat menjadi dialog yang menghasilkan
  • Merubah kompetisi menjadi ekosistem yang saling mendukung, dan
  • Menemukan hal-hal baru yang beroperasi secara sharing

Otto menlanjutkan dengan mengusulkan delapan prinsip yang harus dipegang oleh universitas “baru”, antara lain:

  1. Siswa sebagai inisiator perubahan
  2. Belajar bukan hanya di kampus, tetapi kehidupan nyata
  3. Menjadi orang yang berubah (be the change), dari kepala ke hati dan dari hati ke tangan (terapan)
  4. “Science 2.0”, banyak hal-hal yang harus diobservasi ulang
  5. “System Thinking”, siswa membuat sistem yang bisa menyelesaikan suatu hal
  6. “System Sensing”, mirip no.5 tetapi bisa men-sensor suatu hal
  7. Mudah mentransformasikan suatu sistem mengikuti society
  8. Memahami diri sendiri. Bukan hanya keingintahuan (sisi kognitif), melainkan juga hati yang terbuka (compassion) dan keinginan yang tulus (open will).

Silahkan lanjutkan baca di situs aslinya, yang ditulis oleh Otto Scharmer, Senior Lecturer, MIT; Co-founder u.lab, Presencing Institute. Semoga bermanfaat.

Ref

https://www.huffingtonpost.com/entry/education-is-the-kindling-of-a-flame-how-to-reinvent_us_5a4ffec5e4b0ee59d41c0a9f?ncid=engmodushpmg00000003

Klasifikasi, Pengklusteran dan Optimasi

Bahasa merupakan pelajaran pertama tiap manusia. Untuk mempelajari komputasi pun pertama-tama membutuhkan bahasa. Sebagai contoh adalah judul di atas yang terdiri dari tiga kata: klasifikasi (classification), pengklusteran (clustering) dan optimasi (optimization). Postingan ringan ini membahas secara gampang tiga kata di atas.

Klasifikasi

Sesuai dengan arti katanya, klasifikasi berarti memilah obyek tertentu ke dalam kelas-kelas yang sesuai. Komponen utama dari klasifikasi adalah classifier yang artinya pengklasifikasi. Jika tertarik dengan bidang ini maka akan bermain pada bagian pengklasifikasi ini. Jika menggunakan jaringan syaraf tiruan (JST) maka akan meramu bobot, bias, dan layer pada JST agar mampu mengklasifikasi suatu obyek. Jika menggunakan Support Vector Machine (SVM) meramu persamaan pemisah antara dua kelas atau banyak kelas (multi-class).
Sepertinya tidak ada masalah untuk konsep ini. Masalah muncul ketika ada konsep baru, misalnya pengklusteran.

Pengklusteran

Manusia itu makin belajar makin bertambah merasa bodoh, karena makin banyak pertanyaan yang muncul. Ketika klasifikasi tidak ada masalah dalam memahami maksudnya, munculnya konsep pengklusteran membuat pertanyaan baru di kepala, apa itu? Paling gampang memahami arti dari kluster, yaitu satu kelompok dalam area tertutup, zona, atau istilah lain yang menggambarkan kelompok yang biasanya memiliki kesamaan. Pengklusteran berarti mengelompokan beberapa obyek berdasarkan kesamaannya. Jadi harus ada obyeknya dulu, karena kalau tidak ada apa yang mau dikelompokan?

Lalu bedanya dengan klasifikasi? Penjelasan gampangnya adalah klasifikasi memisahkan berdasarkan kelas-kelas yang sudah didefinisikan dengan jelas sementara pengklusteran kelompok yang akan dipisahkan tidak didefinisikan lebih dahulu. Bisa juga dengan melatih berdasarkan data yang sudah ada kelasnya (target/label nya). Misal untuk kasus penjurusan, kita bisa saja mengklasifikasikan siswa masuk IPA jika nilai IPA nya lebih baik dari IPS dan sebaliknya untuk jurusan IPS. Sementara pengklusteran kita biarkan sistem memisahkan sekelompok siswa menjadi dua kelompok yaitu kelompok IPA dan IPS. Masalah muncul ketika mengklasifikasikan berdasarkan nilai IPA dan IPS-nya, jika guru IPAnya “Killer” sementara yg guru IPS “baik hati”, maka dengan classifier itu tidak akan ada yang masuk jurusan IPA. Sementara pengklusteran akan memisahkan siswa-siswa itu menjadi dua kelompok. Bisa saja yang nilai IPA nya misalnya 6 masuk ke kelas IPA karena nilai 6 itu udah top di sekolah itu.

Optimasi

Nah, apalagi ini? Kembali lagi sesuai dengan arti katanya optimasi berarti mencari nilai optimal. Optimal tentu saja tidak harus maksimal/minimal, apalagi ketika faktor-faktor yang ingin dicari nilai optimalnya banyak, atau dikenal dengan istilah multiobjective. Apakah bisa untuk klasifikasi? Ya paling hanya mengklasifikasikan optimal dan tidak optimal saja. Biasanya optimasi digunakan untuk mengoptimalkan classifier dalam mengklasifikasi, misal untuk JST adalah komposisi neuron, layer, dan paramter-parameter lainnya. Atau gampangnya, kalau klasifikasi mengklasifikasikan siswa-siswi ganteng dan cantik, optimasi mencari yang ter-ganteng dan ter-cantik. Sederhana bukan? Ternyata tidak juga. Banyak orang baik di negara kita, tetapi mencari beberapa yang terbaik saja ternyata malah “hang” sistemnya.

Linearitas vs Multi/Inter-disiplin Ilmu

Ketika mengajukan beasiswa S3 ke kopertis IV, bagian staf penerimaan beasiswa langsung menanyakan ijasah S2, jika tidak serumpun maka tidak akan diproses pengajuannya. Kebetulan waktu itu sama-sama ilmu komputer (computer science), jadi lolos. Namun ketika pelaksanaan kuliah, ternyata konsep kampus-kampus saat ini (biasanya luar negeri) kebanyakan multidisiplin/interdisiplin ilmu. Maksudnya adalah suatu riset yang melibatkan beberapa cabang ilmu yang berbeda. Misalnya ilmu komputer, penginderaan jarak jauh (PJJ) dan sistem informasi geografis (SIG) dan ilmu lingkungan untuk optimisasi penggunaan lahan suatu wilayah.

Beberapa pemerhati masalah pendidikan tidak setuju dengan konsep kaku linearitas karena fenomena disrupsi yang terjadi saat ini. Suatu institusi yang tidak menggabungkan berbagai bidang ilmu dalam inovasinya akan hancur dan dikalahkan oleh institusi yang melibatkan bermacam cabang ilmu. Silahkan dapatkan informasinya dari link ini. Oiya, sepertinya buku itu memiliki hak cipta (bukan open access). Tetapi untuk baca-baca sepertinya ada manfaatnya.

Transdisiplin Ilmu

Ternyata ada konsep lain yaitu transdisiplin yang melibatkan bukan hanya berbagai macam bidang ilmu tetapi melibatkan praktisi-praktisi yang berkontribusi terhadap penerapan suatu inovasi. Ada aspek kewirausahaan dalam penelitian yang bertipe trandisiplin ilmu. Dalam referensi pada link tersebut disebutkan bahwa terciptanya facebook, instagram, dan aplikasi-aplikasi startup lainnya melibatkan trandisiplin ilmu, misalnya bukan hanya IT tetapi juga aspek psikologi. Pencetus facebook sendiri dulunya mengambil S1 bidang psikologi.

Nasib Monodisiplin Ilmu

Tentu saja monodisiplin masih dibutuhkan untuk tetap memperkuat dasar keilmuannya. Jujur saja untuk S3 yang monodisiplin sangat sulit mengingat metode-metode saat ini yang sudah “established”. Hanya tambahan-tambahan kecil dalam bentuk parameter-parameter atau penggabungan-penggabungan yang mungkin ditemukan dalam suatu penelitian. Tentu saja untuk jenjang S1 dan S2 sepertinya masih diperlukan.

Ketika saya mengikuti seminar tentang standar kompetensi, waktu itu geomatika, saya sempat bertanya kepada pengelola sertifikasi tersebut yang mengharuskan sertifikat untuk yang mengambil sertifikat geomatika harus jurusan S2 dan S3 yang sama (PJJ dan SIG) untuk level Madya ke atas. Saya mengatakan bahwa rekan-rekan kuliah S3 saya yang bukan PJJ dan SIG banyak yang penelitiannya tentang geomatika dan mereka sangat mahir melakukan manipulasi-manipulasi dasar dan lanjut bidang PJJ dan SIG. Misalnya bidang Agriculture, Water Management, dan IT yang ber-interdisiplin dengan PJJ dan SIG. Pengelola sertifikasi itu menerima masukan dan akan mengkaji lagi syarat harus mengambil kuliah jurusan tersebut untuk sertifikasi keahlian geomatika. Terus terang sangat jarang mahasiswa SIG sendiri yang murni meneliti tentang SIG (proyeksi, web-gis, satellite, dll) tanpa adanya interaksi jurusan lain.

Referensi:

Update: 7 Jan 2018

Ternyata sejak 2014 Dikti sudah menganut konsep linearitas yang interdisiplin, yaitu mengajar di kampus yg sebidang ilmunya, tidak harus si pengajar s1 linear dengan S2 atau S3: