Kompetisi Deep Learning

Tidak hanya American atau Indonesian’s Idol, ternyata ada juga kompetisi model Deep Learning dengan nama ImageNet Large Scale Visual Recognition (ILSVR) Challenge (lihat link resminya). Kompetisi berlangsung dari tahun 2010 hingga tahun 2017. Entah mengapa berhenti di tahun itu, mungkin karena akurasinya yang sudah sangat tinggi mirip kecerdasan manusia.

LeNet

Model ini digagas oleh pakar Deep Learning ternama, Yann LeCun di tahun 98. Mungkin nama “Le” diambil dari “LeCun”. Dengan keterbatasan hardware jaman itu tetapi model ini bekerja sangat baik dengan konsep konvolusi, sehingga sering disebut Convolusion Neural Network (CNN atau ConvNet).

Yann LeCun

AlexNet

Model ini sesuai namanya digagas oleh Alex dan kawan-kawan tahun 2012. Tahun sebelumnya dimenangkan oleh organisasi ternama, yakni Xerox. Model AlexNet banyak dikembangkan oleh organisasi-organisasi lain yang juga memenangkan kontes ILSVRC.

Alex Krizhevsky

GoogLeNet

Google dengan peneliti-penelitinya mampu menang di kontes tahun 2014. Dengan modul insepsi-nya yang mengurangi jumlah parameter AlexNet yang sebesar 60 juta menjadi 4 juta saja.

VGG Net

Model ini memang kalah oleh GoogLeNet, tetapi karena sifatnya yang terbuka, sangat disukai oleh komunitas visi komputer. Akurasinya pun hanya selisah 1 % saja dari GoogLeNet. Berbeda dengan GoogLeNet yang berbasis LeNet dari Yann LeCun, VGG Net berbasis AlexNet.

ResNet

Model ini singkatan dari Residual Neural Network yang menggunakan konsep residual. Gate yang ada di ResNet diterapkan dengan baik oleh Recurrent Neural Network (RNN) untuk data yang berbasis waktu (temporal).

Tokoh DL: Yann Lecun (Fb), Geoffrey Hinton (Google), Yoshua Bengio (Univ Montreal), Source: Link

Untuk menyaingi model-model di atas, walaupun tidak mustahil, sepertinya bagi mahasiswa-mahasiswa kita agak sulit. Hal ini karena model-model di atas dibuat oleh tim dari organisasi-organisasi besar seperti Xerox, Google, Facebook, dan puluhan lainnya. Mungkin kita bisa mengambil metode-metode itu untuk diterapkan di piranti-piranti kecil dan sederhana agar lebih bermanfaat, terutama pada aplikasi-aplikasi online untuk mendukung UMKM. Semoga bisa menginspirasi.

Iklan

Runtuhnya Para Raksasa

Baru saja terdengar kabar bahwa sebuah perusahaan retail besar di tanah air akan menutup gerainya pada bulan Juli 2021 ini. Mungkin pembaca sudah tidak asing lagi mengingat beberapa perusahaan memang mengalami disrupsi. Bahkan maskapai kebanggaan kita pun terancam. Mereka kalah bukan karena pesaing melainkan karena alur bisnis yang sudah berubah, ditambah dengan kondisi pandemi. Mungkin bukan hanya saya yang paling “bete” antri di kasir ketika berbelanja, pembaca pasti juga. Antri yang menyedihkan adalah antri ketika bayar, karena sudah antre, duit keluar pula.

Distance is Matter

Ada prinsip geografi bahwa lokasi sangat menentukan. Kalau tidak percaya, tinggal saja dekat jalur Gaza sana. Walau tidak ikut ribut, terkadang ada saja rudal yang nyasar ke arah kita. Nah, dalam kasus retail banyak yang lebih suka ke mini market-mini market kecil yang letaknya dekat rumah. Toh, sama saja dengan retail besar yang kadang juga menawarkan diskon atau promo, idola para ibu-ibu.

Nah, sepertinya prinsip ini akan bergeser juga ke bisnis lain. Gawatnya ke pendidikan nih. Pemerintah saja sudah menerapkan zonasi untuk pendidikan, yang mengindikasikan sekolah tidak perlu jauh-jauh. Kampus-kampus swasta yang bakal terkena dampaknya, seperti informasi dari rekan saya di Jogja. Jika dahulu ada prinsip kuliah merantau, kos, dan sejenisnya tetapi banyak yang mencari lokasi terdekat, apalagi kalau swasta. Untuk kampus negeri mungkin masih bersedia kuliah jauh.

Kampus merdeka sudah ada gejala-gejala sharing resource dimana mahasiswa bisa lintas kampus untuk belajar. Yang kekurangan mahasiswa akan dikompensasi oleh yang kelebihan mahasiswa. Nah, pengajar pun bisa berbagi ilmu dengan kampus-kampus lain.

Kesombongan Tidak Laku

Di Indonesia, dengan Nitizen +62 nya memang terkenal ganas. Tidak boleh sedikit pun kesombongan, karena efeknya bakal dibully. Dengan basis pelayanan, sebuah organisasi harus memperhatikan tingkat kepuasan konsumen jika tidak ingin ditinggal.

Kesombongan hanya akan mengurangi jumlah teman. Kabarnya Israel pun mulai menggunakan prinsip mencari teman dalam menghadapi Palestina. Kemajuan teknologinya digunakan untuk mencari partner sebanyak mungkin demi memuluskan cita-citanya. Kabarnya ada sekitar 6 negara arab yang mulai bermitra. Di asia tenggara saja tinggal beberapa negara yang masih enggan bermitra, termasuk negara kita dan Malaysia (karena persemakmuran Inggris sepertinya otomatis bermitra, minimal bersikap dua kaki).

Sebenarnya saat ini tidak etis kalau ada sombong sedikit pun di hati, karena kondisi pandemi. Termasuk sombong dengan cara menganggap remeh COVID, tidak pakai masker, atau terang-terangan menghina vaksinasi seperti di salah satu grup yang saya ikuti, upss ..

Fikiran dan Imunitas

Baru saja saya mengunjungi rekan kerja yang hampir dua bulan masuk ICU karena COVID-19. Alhamdulillah sudah sehat kembali. Banyak hal-hal yang saya ketahui berkaitan dengan penyakit aneh ini. Dimulai dari proses terkenanya hingga efek yang ditinggalkan dari virus baru ini.

Berfikir Yang “Iya Iya”

Banyak yang mengatakan dalam pandemi ini jangan terlalu berfikir keras, menjaga asupan nutrisi dan istirahat yang cukup. Sehingga jika ada yang sakit karena sedang kuliah, mengerjakan laporan, proyek, dan lain-lain maka yang disalahkan adalah terlalu banyak berfikir.

Ketika saya tanya seminggu sebelum positif COVID-19 apa yang dikerjakan, ternyata sedang mengerjakan deadline seminar hasil. Sudah dapat ditebak, kambing hitamnya adalah deadline tersebut, tentu saja selain si virus itu.

Di sini berfikir yang “iya-iya” istilah saya sebagai lawan dari berfikir yang “tidak-tidak” alias, berfikir yang tidak ditujukan untuk menyelesaikan problem utama. Misalnya seorang mahasiswa ketika mengerjakan tugas, laporan, dan sejenisnya tidak fokus ke problem utamanya melainkan ke hal-hal lain seperti deadline yang jika terlewati harus mundur satu semester, harus bayar SPP lagi, kena penalti, dan sejenisnya. Sepertinya hal itu yang membuat imunitas turun, bukan karena memikirkan hal-hal utama, yang bisa jadi hal-hal utama itu sudah selesai, tinggal membuat laporannya saja.

Nah, berfikir yang “tidak-tidak” itulah yang kadang membuat seseorang tidak bisa istirahat dengan baik, kurang asupan nutrisi sehat, dan prilaku-prilaku negatif lainnya. Sementara proses berfikir dan bekerja tentu harus dijalankan. Kondisi pandemi yang diperkirakan masih berjalan lama memaksa kita tetap harus bekerja agar roda perekonomian tetap berjalan. Tidak mungkin “ngumpet” saja di rumah. Kondisi Indonesia yang lebih baik dari Malaysia, konon karena berhasil menyeimbangkan antara protokol kesehatan dengan tetap beraktifitas. Walaupun tentu saja ada yang “ngeyel” dengan melanggar protokol kesehatan. Ada juga yang termakan hoax, tidak mendukung program pemerintah seperti vaksinasi, tidak mudik, dan lain-lain.

Menjaga Hati

Selain fikiran kita dianugerahi dengan hati, berupa naluri untuk melakukan tindakan yang baik. Informasi dari rekan saya ketika dia ikhlas dan menerima kondisi yang diberikan tuhan, tiba-tiba kondisi membaik. Menerima sakit yang mungkin karena dosa-dosa kita di masa lalu bisa saja menjadi obat mujarab. Toh, manusia tidak mungkin lepas dari kesalahan. Ada informasi beberapa rekan yang katanya sudah ikhlas kalau meninggal justru malah sehat kembali dibandingkan dengan konon katanya orang yang tidak terima kalau dirinya ditimpa musibah COVID-19.

Bicara santai, guyon, dan hal-hal lain yang tidak terlampau serius mungkin sangat membantu kesembuhan rekan saya. Ada pula yang menganjurkan nonton film-film lucu ketika dirawat. Banyak hal-hal lain yang tentu saja masih perlu riset yang mendalam oleh orang-orang di bidangnya. Yang jelas berfikir yang negatif, ribut, dan sejenisnya menurut saya bisa menurunkan imun dan meningkatkan resiko terinfeksi. Semoga pembaca sekalian selalu dilimpahi kesehatan dan pandemi ini segera berakhir, Amiin.

Relasi Antar Kelas – Komposisi

Komposisi merupakan relasi antar kelas yang lebih ketat dibanding agregasi (lihat pos yang lalu), sedikit berbeda dibanding inheritance yang bersifat generalisasi/spesialisasi. Masih dengan kasus yang sama berikut ini.

Diagram kelas Unified Modeling Language (UML) di atas memperlihatkan relasi antara kelas Dosen dan Mahasiswa “Membimbing”. Teknik di atas sering muncul di buku karangan Alan Denis (System Analysis & Design – an OO Approach with UML).

Karakteristik agregasi antara dua kelas adalah independen. Jika dihapus satu objek yang berelasi, objek lain masih ada, sementara komposisi tidak. Ada istilah Wadah (Container) dan Isi (Contain). Jika wadah dihapus maka isi ikut terhapus juga. Misalnya komputer yang memiliki komponen prosesor, ram, mainboard, dan lain-lain dihapus, maka komponen otomatis ikut terhapus.

Secara kode mirip dengan agregasi, hanya saja isi, dalam hal ini isi, misalnya dosen pembimbing, dibangkitkan dalam objek yang berperan sebagai wadah, misal mahasiswa.

Pada agregasi, objek mahasiswa y (si Wahyu) memiliki dosen pembimbing x (Rahmadya). Jika objek y dihapus (ketik saja “del y” di colab) x masih ada. Nah, untuk komposisi dosen pembimbing y (Ujang) diletakan di dalam y sebagai wadah. Jika y dihapus/delete dosen pembimbing pun terhapus, berbeda dengan agregasi yang masih ada x tersisa. Berikut secara UML bagaimana notasi agregasi dan komposisi.

Namun dalam implementasinya antara agregasi dan komposisi hanya garis saja seperti dalam buku Alan Dennis et al, kecuali jika ingin merinci diagram kelasnya. Untuk inheritance harus dicantumkan dalam diagram simbolnya, karena atribut dan metode ada di kelas induk. Jika tidak diberi simbol panah khawatir pembaca akan bingung kemana atribut dan metode lainnya yang berada di kelas induk. Untuk lebih jelasnya silahkan lihat video Youtube berikut ini.

 

Deep Learning dalam Kehidupan

Bagi mahasiswa IT, bahkan orang-orang non-IT pun, mengenal konsep Deep Learning (DL). Walau aslinya adalah Neural Networks (NN) dengan banyak layer yang terlibat, orang awam menganggap metode tersebut merupakan metode ampuh, terkini, dan menyerupai kecerdasan manusia. Postingan ini tidak membahas konsep DL yang kompleks, yang membuat akhir pekan tambah pusing, melainkan prinsip dasarnya, yaitu “mendalam”.

Multitasking vs Deep Thinking

Pesatnya informasi, khususnya dari media sosial membuat kita menerima gempuran informasi, yang dalam istilah Big Data, velocity dan variety. Akibatnya fikiran kita akan berusaha mengolah informasi yang diterima tersebut. Karena banyaknya maka sudah pasti tidak bisa mendalam terhadap satu bagian karena akan kehabisan waktu. Akibatnya fikiran terlatih untuk berfikir dangkal (shallow – mirip judul lagunya Lady Gaga). Fikiran dangkal yang beralih cepat ke fikiran lainnya dalam dunia meditasi merupakan sumber kegelisahan, dan dalam dunia modern dikenal dengan gelombang beta.

Ketika pekerja sibuk membaca WA, Fb, Youtube, dan sejenisnya, akibatnya tugas utama untuk menyelesaikan problem akan terganggu. Hal ini sering dialami oleh pelajar dan mahasiswa. Jangan bangga dulu kalau Anda dikenal orang yang multitasking, karena semua hal-hal mendasar, berbobot, dan penemuan-penemuan penting bukan berasal dari multitasking, melainkan Deep Thinking.

Kejelasan Arah

Sayangnya pendidikan kita sejak dulu tidak mengarahkan dari awal. Kalau seorang anak berbakat misalnya pilot, maka konsep pendidikan yang benar adalah dari seorang pilot ditarik mundur kompetensi-kompetensi apa saja yang perlu dipelajari dan harus disediakan oleh lembaga pendidikan. Termasuk juga dokter, teknisi, dan sejenisnya. Jika si anak hobi dan suka bisnis, tentu saja langsung diarahkan ke pendidikan bisnis dan ekonomi. Sehingga pelajar menjadi efisien dalam belajar serta lebih mendalam. Saat ini yang terjadi pelajar kita diminta mempelajari segala hal, yang akibatnya dangkal.

Konsep multidisiplin pun tetap memerlukan pemikiran mendalam. Hanya saja seorang peneliti harus memahami bidang lain yang berkolaborasi saja. Silahkan menjadi seorang generalis, tetapi jangan lupakan berfikir mendalam. Seorang Bill Gates yang sudah menjadi generalis pun menyempatkan menghabiskan 50 buku dalam setahun.

Membaca merupakan salah satu berfikir mendalam. Tentu saja bukan hanya membaca judul berita yang sering dijumpai dalam share berita di medsos yang terkadang yang men-share pun belum membaca seluruh tulisan tersebut.

Memulai Deep Thinking

Untuk berfikir mendalam perlu mengurangi multitasking di kepala kita. Sebagai bahan renungan, di jaman offline sebelum pandemi, ketika ada seminar, kita masuk ke ruangan, menyimak pemateri dan memperoleh insight dari seminar. Tetapi di jaman online, banyak webinar-webinar yang di awal-awal pandemi penuh antusias, tetapi lama kelamaan mulai kendor karena ketika webinar berlangsung, pendengar karena mengakses di rumah, di jalan, dan di manapun, tidak sanggup mengurangi jumlah multitasking di kepala. Akibatnya tidak sanggup berfikir mendalam, hanya ingin mendapat e-sertifikat, dan penyakit multitasking muncul yaitu gelisah, bosan, dan jenuh.

Untuk mengurangi jumlah fikiran yang ada di kepala banyak caranya. Salah satunya meditasi, sembahyang, merenung, dan sejenisnya, tergantung agama dan keyakinan masing-masing. Jika sulit menghadapi gangguan ponsel, ada baiknya dimatikan terlebih dahulu gadget kita, terutama yang mulai menulis skripsi/tesis/disertasi. Saya sempat mengalami kondisi dimana ketika di luar negeri mengerjakan naskah paper dalam 2 minggu, ketika di tanah air ternyata membutuhkan 2 bulan dengan kualitas yang tidak sebaik yang pertama. Hal ini terjadi karena ketika di tanah air banyak yang harus difikirkan, alias multitasking.

Prioritas

Tentu saja hal-hal yang kita jumpai tidak bisa dikerjakan secara mendalam seluruhnya. Oleh karena itu menentukan skala prioritas juga penting. Yuk mulai berfikir mendalam, dimulai dengan menghabiskan bacaan, dan jika Anda sudah sampai kalimat terakhir ini, Alhamdulillah, berarti sudah bisa sedikit berfikir mendalam.

Random Forests dengan Google Colab Python

Decision Tree (DT) merupakan metode machine learning klasik yang memiliki keunggulan dari sisi interpretasi dibanding Deep Learning (DL). Memang akurasi Deep Learning, terutama yang digunakan untuk mengolah citra sudah hampir 100% tetapi beberapa domain, misalnya kesehatan membutuhkan model yang dapat dilihat “isi” di dalamnya. Kita tahu bahwa DL sering dikatakan “black box” karena tidak dapat diketahui alur di dalamnya. Nah, di sinilah DT digunakan karena memiliki keunggulan dari sisi transparansi. Bahkan ketika DT terbentuk kita bisa memprediksi secara manual hasil akhir dengan melihat alur DT tersebut tanpa bantuan komputer. Silahkan lihat pos saya terdahulu tentang DT.

Nah, karena data yang besar terkadang DT sangat sulit terbentuk. Seorang peneliti dari IBM bernama Tin Kam Ho membuat algoritma DT di tahun 1995 (saya baru masuk S1 FT UGM waktu itu). Prinsipnya adalah membuat DT-DT kecil secara acak kemudian digunakan untuk memprediksi melalui mekanisme voting. Misalnya kita ingin memprediksi sesuatu dengan enam buah Trees di bawah ini.

Jika hasilnya 2 Yes dan 4 No maka secara voting hasil prediksinya adalah No karena yang terbanyak No. Oiya, Tree yang dibentuk di atas ketika memilih root dan node tidak perlu menggunakan kalkulasi njlimet seperti DT yaitu dengan Entropi dan Gain Information.

Bagaimana menerapkan lewat bahasa pemrograman? Python memiliki library Scikit Learning untuk Random Forests. Oiya, jika ingin melihat kode di dalam library tersebut silahkan buka saja Source di Github yang disediakan oleh Scikit Learning. Jika ingin memodif silahkan tiru-amati-modifikasi source code tersebut, khususnya para mahasiswa doktoral yang fokus ke metode. Untuk lebih jelasnya silahkan lihat link Video saya di Youtube berikut ini. Sekian, semoga bermanfaat.

Break Sejenak ..

Semoga pembaca yang budiman selalu aktif dan banyak kesibukan. Agar sukses sepertinya butuh ruang untuk mengistirahatkan fikiran dan jasmani. Apalagi di masa pandemi ini. Postingan ini sedikit meredakan ketegangan kita, terutama saya sendiri.

Ingat ada seorang tukang daging yang sibuk memenuhi pesanan. Saking sibuknya dia tidak sempat beristirahat dan mengasah pisaunya. Ketika ada anjuran untuk mengasah, dia selalu menolak karena kesibukan. Padahal, dengan mengasah beberapa menit, hasil potongannya akan lebih cepat, efisien, tanpa tenaga yang berlebih akibat pisau yang kian tumpul. Begitu juga dengan kehidupan kita sehari-hari. Kita terkadang lupa untuk mengistirahatkan fikiran.

Gelombang Otak

Ada banyak gelombang otak, umumnya kita masuk pada gelombang beta. Beberapa aliran agama, Hindu dan Budha mengatakan gelombang ini dengan mengibaratkan fikiran seperti monyet yang lompat sana lompat sini. Kita jadi sulit fokus terhadap satu hal. Fikiran dengan gelombang ini biasanya berkarakter multitasking. Tentu saja otak sejatinya tidak bisa multitasking, hanya mirip seperti itu akibat perpindahannya yang sekelebat. Akibatnya tidak ada ketenangan, yang dalam agama Islam diibaratkan nafsu mutmainah, jiwa yang tenang.

Jika Anda makan sambil baca WA atau nonton TV, dapat dipastikan fikiran akan bercabang, sehingga Anda tidak bisa menikmati santapan makanan. Gelombang yang fokus ke satu fikiran, atau setidaknya hanya beberapa fikiran saja, adalah gelombang Alpha. Ada yang lebih dalam, disebut gelombang Tetha, namun gelombang ini terjadi ketika tidur pulas. Tentu saja kalau tidur kita tidak produktif. Namun sangat bermanfaat untuk istirahat karena gelombang ini memicu hormon pertumbuhan yang membuat Anda awet muda.

Mindfulness

Beberapa literatur menganjurkan Mindfulness dalam keseharian karena yang dapat merasakan apa yang difikirkan, dan tidak hanyut ke dalamnya. Bahkan beberapa tradisi, misalnya di Tibet, jika kita tidak bisa melihat apa yang terjadi dalam fikiran, kita belum bisa disebut manusia .. waduh, apa dong. Silahkan buku link di Youtube yang membahas masalah ini. Ternyata tidak dimonopoli oleh ajaran agama tertentu. Bahkan di Amerika Serikat, sudah ada alat yang mampu memantau gelombang otak. Beberapa sudah membantu mengatasi trauma veteran-veteran perang, maklum .. hobi perang.

Banyak metode-metode yang digunakan untuk sampai ke gelombang alpha, baik yang jadul seperti Cittanupassana dan Vipassana, hingga dengan bantuan audio. Saya sempat mencoba beberapa alat bantu tersebut dan lumayan membantu. Tentu saja namanya alat bantu ya hanya membantu. Tetap saja sebaiknya mengandalkan diri sendiri. Cittanupassana memang sulit karena kita harus sampai melihat diri kita yang melihat objek.Misalnya kita melihat monyet, maka Cittanupassana harus bisa melihat diri kita yang sedang melihat monyet. Maaf, contohnya monyet lagi.

Vipassana lebih mudah karena hanya butuh satu objek untuk pegangan, misalnya nafas, lafal tertentu yang sering kita jumpai ketika sembahyang. Sebenarnya intinya fikiran fokus hanya ke satu hal tertentu di masa kini, jangan memikirkan masa lalu dan masa depan, hidup di masa kini. Lakukan saja yang bisa dilakukan saat ini, jangan terlalu bersedih akibat dampak COVID yang lalu atau menanti terus kapan kejelasan pandemi berakhir, mudah-mudahan sih tak lama lagi.

Dari Neural Networks ke Deep Learning

Neural Networks (NN) merupakan machine learning yang sudah dikenal lama. Pasang surut metode ini dapat dijumpai dari rekam jejak penelitiannya. Dari problem utama exclusive or (XOR) yang tidak dapat dikerjakan hingga ditemukannya backpropagation membuat metode ini timbul tenggelam. Termasuk kisah para pelopor bidang ini, dari yang sempat kuliah lagi di kedokteran hingga ada yang harus cuti karena tidak ada uang kuliah. Maklum bidang yang waktu itu masih baru dan belum jelas apakah bisa diselesaikan atau tidak.

Walter Harry Pitts & Jerome Lettvin, Cognitive Science, Source: Link.

Peran Google

Di tahun 2000-an ketika menyusun tesis, laptop yang saya gunakan untuk memproses NN sempat “hang” karen mengelola citra tanda tangan yang berukuran besar. Beberapa peneliti waktu itu, terutama yang dari Indonesia, mengurangi resolusi menjadi sangat kecil, mirip dengan seven segment agar bisa diproses. Terpaksa waktu itu saya menggunakan prinsip encoder agar tidak membuat vektor yang panjang, jadi prinsipnya hanya pencocokan pola, bukan identifikasi pola. Toh hanya digunakan untuk sistem absensi.

Ternyata perkembangan NN, khususnya untuk menangani citra berukuran besar sangat pesat, terutama ditemukannya CNN oleh Yann Lecun. Prinsip konvolusi dibantu dengan pooling mampu menurunkan resolusi citra hingga berukuran kecil tanpa menghilangkan “ciri” lewat preprocessing yang terintegrasi dengan NN. Di sinilah konsep DL muncul, yang di awal-awal sering disebut Deep Neural Network karena memiliki layer dan neuron yang banyak dan dalam.

Tokoh DL: Yann Lecun (Fb), Geoffrey Hinton (Google), Yoshua Bengio (Univ Montreal), Source: Link.

Peran utama Google cukup besar dengan menyediakan konsep tensorflow, serta menyediakan Google Colab untuk dipakai bersama. Hal ini tak luput dari perkembangan hardware yang kian cepat dan murah, terutama memori dan Graphic Processing Unit (GPU) yang bekerja paralel, ditambah lagi Tensor Processing Unit (TPU) yang bekerja hingga level matriks. Saat ini DL mampu memproses citra dengan memasukan unsur waktu/temporal dengan Recurrent Neural Network (RNN) dengan salah satu andalannya Long Short Term Memory (LSTM).

Bagaimana Riset DL Untuk Pemula?

Problem yang muncul adalah bagaimana memulai riset di bidang yang sangat cepat perkembangannya. Beberapa metode seperti VGG, AlexNet, dll bahkan memiliki akurasi yang mendekati 100% sehingga pemula akan kesulitan jika ingin mengalahkan metode-metode tersebut, bisa-bisa kelamaan kuliah doktoralnya.

Untuk mahasiswa master sepertinya tidak ada masalah, karena dengan membandingkan beberapa metode DL untuk kasus terapan di domain tertentu, kemudian membahas mana yang cocok. Nah, mahasiswa doktoral harus menemukan kebaruan/novelty dar metode-metode tersebut. Agak sulit memang tetapi pilihan ada dua, fokus ke metode atau ke domain dimana metode tersebut dipakai. Untuk metode, jika sulit mengalahkan akurasi, bisa mencoba improve di sisi efisiensi, ringan, dan bisa diterapkan di alat-alat kecil (embed). Atau hibrid/menggabungkan dengan metode lain baik di core-nya atau di parameter tertentu, silahkan searching riset-riset terkini.

Untuk fokus ke domain, kita harus belajar penerapan DL, misalnya jika untuk kedokteran, mau tidak mau harus mempelajari bidang spesifik kedokteran tersebut. Misalnya DL untuk mendeteksi COVID lewat hembusan nafas yang di kita dikenal dengan GeNose. Untuk optimasi lahan, misalnya, kita harus mempelajari data spasial serta konsep-konsep Sistem Informasi Geografis.

Bahasa Pemrograman

Saat ini Python masih menjadi andalan untuk menerapkan DL. Banyak contoh-contoh program yang dishare oleh peneliti-peneliti, misalnya via Github. Ketik saja di Google dengan kata kunci: “Colab <metode>”, maka kita segera menemukan Share program Python metode yang dicari tersebut. Tentu saja untuk yang ingin menerapkan ke piranti mobile atau embed terpaksa harus belajar bahasa lain seperti C++ atau Java dan Android.

Berikut video Youtube contoh mempelajari DL, sekaligus bagaimana mengelola data via Google Drive yang efisien dan murah-meriah. Sekian semoga tertarik.

Regenerasi Itu .. Harus

Jika kita berdiri di hadapan kaca, kita merasa diri kita sama dengan yang kemarin. Padahal sejatinya kita yang sekarang adalah hasil regenerasi. Kalau tidak percaya, lihat saja orang yang baru meninggal. Dalam beberapa jam sudah mulai membusuk, hal ini karena tubuh tidak bisa beregenerasi, sehingga harus segera dikebumikan atau dikremasi. Yang terjadi dengan tubuh organisme tidak jauh berbeda dengan tubuh dalam bentuk sebuah organisasi, institusi, hingga sebuah negara.

Jangan Melupakan Sejarah

Sejarah peradaban jika kita amati seperti roda, kadang naik, kadang turun dan hancur, digantikan oleh pihak lain. Lihat saja berganti-gantinya penguasa timur tengah, yang saat tulisan ini dibuat mulai bergolak lagi.

Dinasti Abbasiyah, Link Source

Kerajaan nabi Sulaiman di Yerusalem yang terkenal pun hancur oleh Babilonia sehingga membuat bangsa Israel ingin kembali mengulang kejayaannya.

Kerajaan Dawud a.s. dan Sulaiman a.s.

Tidak perlu jauh-jauh, bangsa kita pun pernah berjaya di era Sriwijaya dan Majapahit. Bahkan Mongolia yang menguasai Asia tengah pun kewalahan menghadapi penguasa Jawa di awal terbentuknya kerajaan majapahit. Penyebab kejatuhannya pun beragam, silahkan baca sendiri literatur yang tersedia lengkap baik di buku maupun internet.

Majapahit dengan patih yang menjadi nama kampus-ku dulu

Suksesi

Jika dilihat sejarah, kejatuhan sebuah kerajaan karena penggantinya tidak bisa memperbaiki atau menyamai ketangguhan pemimpin sebelumnya. Walau pun memiliki kualitas yang sama, tetapi karena kondisi jaman yang sudah berubah, terkadang kalah bersaing. Ketika tentara Eropa memiliki mesiu dan peralatan tempur yang modern maka kerajaan-kerajaan di tanah air satu per satu berguguran. Dengan kata lain, armada kita kalah karena tidak bisa meregenerasi baik sumber daya manusia maupun mengikuti teknologi terkini.

Sebaliknya Jepang, kerjaan kecil terisoir yang tidak pernah berniat ekspansi ke wilayah lain, karena menyadari pentingnya perbaikan dan regenerasi, terpaksa mengirim pemuda-pemudanya mempelajari teknologi hingga ke Eropa, sehingga menjadi kuat, walaupun akhirnya tergoda juga untuk ekspansi dan menyerang negara-negara tetangganya.

Saat Jepang menyadari kekurangan, selain pedang butuh juga otak, Link.

Pembangunan Berkelanjutan

Konsep ini sudah dikenal lama, terutama oleh pemerhati lingkungan yang khawatir jika dalam membangun tidak memperhitungkan generasi yang akan datang, akibatnya dunia akan mengalami bencana di kemudian hari. Konsep ini pun tidak hanya untuk pemerhati lingkungan tapi diterapkan di bidang lainnya, termasuk juga keberlangsungan sebuah organisasi.

Perhatikan saja raksasa-raksasa bisnis yang dulu berkuasa ternyata runtuh juga ketika tidak bisa meregenerasi seluruh aspek yang ada, misalnya RIM (Blackberry), Nokia, Toshiba, dan lain-lain. Uniknya organisasi yang mendayagunakan bibit-bibit mudanya, seperti perusahaan-perusahaan China dan Korea ternyata bisa menandingi perusahaan-perusahaan Jepang yang masih berprinsip nurut dengan senior-senior mereka. Ternyata Jepang kuno yang meregenerasi warganya untuk belajar teknologi malah tidak diteruskan terhadap perusahaan-perusahaannya, terutama yang berbasis IT. Hanya mesin dan teknologi industri yang masih mereka kuasai.

Dunia Pendidikan

Kampus yang saat ini sedang sibuk menjalankan kampus merdeka, juga termasuk organisasi yang harus menjalankan regenerasi. Salah satu caranya adalah menyediakan dosen-dosen muda yang siap menggantikan dosen yang lebih senior. Terkadang pemilik kampus melupakan hal tersebut dan hanya memegang segelintir saja yang dia percayai. Repotnya jika yang dipercayai itu tidak memiliki hasrat untuk mencari bibit-bibit muda maka suatu saat akan kewalahan jika orang-orang kepercayaannya pensiun atau tidak berada lagi di kampus tersebut.

Perpindahan dosen memang tidak bisa dihindari saat ini, walaupun ada saja kampus yang mengikat dosen-dosennya dengan keras layaknya budak (upss .. maaf agak kasar). Ada juga yang ingin secara instan dengan mengambil profesor-profesor, yang walaupun baik, tetapi alangkah baiknya jika menciptakan sendiri profesor-profesor lewat regenerasi yang terorganisir. Memang, pemilik memiliki kekhawatiran yang tinggi terhadap kebangkrutan yang kadang menjadi lupa kalau sesuatu terkadang membutuhkan sebuah proses panjang untuk bertahan, bukan untuk dirinya saja, karena suatu saat akan diwariskan ke penerusnya (anak atau pihak yang mengambil alih/merger) yang harus memiliki pandangan modern terhadap pendidikan melebihi pemilik yang lama.

Secara individu, kita juga harus meregenerasi diri sendiri lho, sebagai pembelajar sepanjang hayat, walau ada batasnya tentu saja. Yuk ..

Yuk Melangkah

Melangkah merupakan kegiatan sederhana jika hanya sekadar melangkah. Namun di sini jika ingin menghasilkan hasil yang sesuai harapan maka perlu melangkah dengan perhitungan. Repotnya terkadang kita menemui kondisi ketika bingung harus melangkah ke mana. Melangkah di sini bisa berupa teknik, strategi, atau hal-hal yang harus dilakukan ketika ingin mencapai sesuatu. Bagi yang muslim mungkin pernah mendengar bagaimana surat Al-Alaq diturunkan, surat yang merupakan perintah pertama manusia, yaitu membaca, yang dalam bahasa arab: Iqra. Terjadi ketika nabi Muhammad bingung harus berbuat apa dan merenung di gua Hira. Cukup sudah jawabannya ketika kita bingung harus berbuat apa, yaitu membaca.

Membaca

Membaca ternyata tidak sekedar memahami sebuah tulisan. Membaca bisa melalui pengamatan terhadap apa yang ada, termasuk memanfaatkan segala aspek multimedia dari gambar, tulisan, suara, hingga video. Saat ini saya tidak kecewa ketika Youtube merajai dunia internet dan mengalahkan blog, misalnya yang sedang saya tulis ini, karena hakikat membaca bukan hanya tulisan, melainkan bisa saja berupa video. Hanya saja karena sifat video yang berat dan tidak praktis maka untuk memahami dengan cepat tidak ada cara lain selain membaca tulisan. Ketika memulai riset, biasanya seseorang dituntut untuk studi literatur dengan membaca puluhan jurnal dan buku referensi.

Baik atau tidaknya kita membaca sebenarnya dapat dilihat dari hasil setelah membaca, berupa terapan. Ketika menyelesaikan suatu tugas, seperti membuat laporan, menjawab soal, dan lain-lain biasanya sebelum melangkah kita secara otomatis di kepala berisi bayangan langkah-langkah yang harus dikerjakan, baik langkah utama atau alternatif-alternatif lainnya. Sebenarnya itu merupakan hasil rangkuman dari informasi-informasi yang kita peroleh, dari melihat, mendengar atau membaca. Di pagi hari ketika akan beraktifitas, misalnya berangkat kerja, kita akan santai karena di kepala sudah ada langkah-langkah rutin yang akan dilaksanakan. Berbeda ketika akan ujian Toefl, SIM, dan bahkan ketika mau divaksin seperti saya beberapa hari yang lalu. Takut, cemas, dan khawatir biasanya muncul karena tidak ada gambaran langkah yang akan diambil di kepala. Jika sudah paham biasanya kita akan tenang, tenang beneran, bukan menenangkan diri.

Inisiatif

Salah satu juara dunia catur, Prof Max Euwe, membuat buku teori catur. Salah satunya adalah inisiatif yang merupakan langkah awal suatu pemain untuk menyerang. Agak sedikit rumit kalau di catur karena inisiatif lebih mirip dengan kondisi yang memiliki sedikit keunggulan yang dapat dimanfaatkan. Tapi intinya inisiatif perlu kita miliki entah ada keunggulan atau dalam kondisi berat, misalnya saat COVID seperti saat ini. Inisiatif membutuhkan usaha aktif dengan memanfaatkan kondisi apapun yang ada. Tanpa inisiatif kita hanya bisa menonton dan mengkonsumsi, atau sekedar menyelesaikan tugas yang diemban saja, tanpa ada inovasi atau trobosan-trobosan.

Seperti dalam catur, pihak yang berinisiatif mengkonsumsi waktu lebih banyak dibanding pihak yang merespon. Dalam kehidupan pun demikian, pihak yang berinisiatif membutuhkan usaha, tenaga, dan waktu yang lebih banyak dibanding pihak yang statis dan hanya menunggu. Sedikit saja orang-orang yang berinisiatif sudah cukup membuat kemajuan di suatu organisasi, apalagi semua pihak memiliki inisiatif dalam bekerja. Dalam olah raga, misalnya sepakbola, tim yang banyak berinisiatif biasanya lebih enak ditonton, banyak variasi, dan kreativitas selalu tampak di lapangan. Jika dosen dan mahasiswa memiliki inisiatif biasanya kelas akan tampak lebih hidup. Tentu saja berani untuk gagal sangat diperlukan dalam setiap inisiatif yang muncul.

Imajinasi

Sebelumnya telah dibahas, kita memiliki langkah-langkah di kepala ketika akan beraktivitas. Namun terkadang dijumpai kondisi sesuatu yang tidak pernah kita alami sebelumnya, bahkan tidak pernah kita jumpai di dunia. Nah, di sinilah peran dari imajinasi. Albert Einstein pun mengatakan imajinasi lebih utama dari pada ilmu pengetahuan. Dengan imajinasi hal-hal yang belum terpecahkan di dunia dapat diselesaikan. Imajinasi pun bekerja di alam bawah sadar, misalnya “Singer” penemu jarum mesin jahit, dia bermimpi ditusuk-tusuk oleh jarum dengan bentuk lubang benang yang diujung, ketika bangun langsung selesai masalah membuat jarum yang bisa dipasang di mesin jahit. J.K. Rowling ketika menulis karya Harry Potter pasti menggunakan imajinasi karena cerita yang dibuat memang tidak ada sebelumnya di dunia.

Ketika mau lanjut S3, menulis artikel ilmiah, mencari kampus, dan lain-lain, tidak ada salahnya menggunakan imajinasi yang ada. Saya sendiri sempat bermimpi sudah berada di kos tempat kuliah tujuan, lengkap dengan suasananya, hujan rintik-rintik, suara burung berkicau dan lain-lain. Mungkin tanpa membaca, berimajinasi dan berinisiatif postingan ini pun tidak ada. Mengutip kata-kata Prof Yohanes Surya, istilahnya adalah “mestakung” alias se-Mesta mendu-Kung terhadap apa yang kita imajinasikan. Sekian, semoga menghibur di akhir-akhir ramadan ini, Minal aidin walfaidzin.

Review Artikel Ilmiah Yuk

Reviewer merupakan pekerjaan yang gampang-gampang susah. Disebut gampang karena mungkin sudah takdirnya manusia gampang sekali mencari kesalahan. Silahkan Anda tulis beberapa paragraf dan minta orang membaca, dijamin orang lain akan memberikan respon, dari kesalahan seperti grammar atau typo hingga komentar lainnya. Nah susahnya adalah harus berfikir kritis terhadap beberapa halaman naskah ilmiah yang berisi penelitian terkini. Postingan ini sedikit memberi gambaran bagaimana seorang reviewer bekerja dan bagaimana proses menjadi reviewer.

Direview

Langkah paling mudah adalah melihat hasil review artikel yang kita tulis. Terkadang memang menyakitkan, tetapi dari situ kita tahu bagaimana mereka bekerja dan menemukan titik lemah manuskrip kita. Oleh karena itu disarankan untuk mensubmit artikel ke jurnal yang berkualitas yang ada proses reviewnya. Tentu saja biasanya jurnal internasional karena jurnal nasional sebagian besar berdasarkan permintaan atau mungkin pertemanan. Jangan putus asa ketika ditolak berkali-kali. Mungkin langkah awal dengan mensubmit ke seminar internasional.

Publish di Jurnal Internasional Bereputasi

Jurnal bereputasi biasanya minimal kuartil dua (Q2) baik open access atau tidak. Proses review memang berat, apalagi yang gratis. Namun sekali Anda publish, dijamin nama Anda sudah siap menjadi reviewer, tentu saja sebagai penulis pertama. Dari pengalaman saya ketika ada naskah yang mirip temanya dengan tulisan yang sudah publish, entah dari mana informasinya tawaran review langsung datang. Nah, sebaiknya jangan Anda tolak, apalagi alasannya tidak ada bayarannya.

Sertifikat Pertama

Tawaran review pertama saya justru dari jurnal Q1, dengan topik yang tidak jauh berbeda sehingga dengan mudah saya mereviewnya. Memang ada tawaran dari beberapa jurnal predator, biasanya bercirikan menawarkan review yang bidangnya tidak sesuai dengan saya. Ketika selesai mereview dan artikel tersebut publish, Anda akan mendapat sertifikat reviewer, misalnya Elsevier. Nah, uniknya setelah beberapa kali mereview jurnal tersebut, dan hasilnya memuaskan, pesaing akan menawarkan Anda mereview, misalnya web of science (WoS) yang merupakan pesaing Scopus. Mereka sepertinya sangat mengandalkan reviewer-reviewer untuk menjaga kualitas jurnal yang dikelolanya. Pernah Elsevier meminta saya mengisi kuesioner yang ujung-ujungnya minta dibandingkan dengan jurnal saingannya.

Memahami Persyaratan dan Proses Review

Salah satu persyaratan reviewer adalah kemampuan membaca, terutama naskah berbahasa Inggris. Jika Anda malas membaca dipastikan tidak akan optimal dalam mereview. Bisa-bisa naskah yang bagus karena hanya melihat sekilas tetapi Anda tolak. Publisher terkenal tidak akan memakai kembali reviewer yang tidak membaca, yang terlihat dari hasil reviewernya yang ala kadarnya. Nah, bagaimana kita menilai baik-buruknya hasil reviewer kita? Caranya mudah saja. Biasanya setelah ada decision di suatu manuskrip, seluruh reviewer bisa melihat hasil review reviewer lainnya. Jika tidak jauh berbeda dengan mayoritas reviewer biasanya sudah ok. Bisa dibayangkan jika tiga reviewer accepted atau mayor/minor revision, tetapi Anda menolaknya. Ditambah lagi rincian reviewnya tidak rinci. Oiya, tipikal review adalah sebagai berikut:

  • Menulis kata pembuka, misalnya tulisa ini membahas blablabla. Dilanjutkan dengan hal-hal yang harus diperbaiki dengan rincian sbb:
  • Mayor Issues, berisi hal-hal utama yang harus diperbaiki, metode, data, dan hal-hal lain yang missing
  • Minor Issues, berisi hal-hal kecil yang perlu diperbaiki, misalnya istilah-istilah yang rancu, salah-salah ketik, dan hal-hal editing lainnya.

Alur di atas minimal mayor revision. Jika Accepted atau minor revision biasanya tidak perlu dirinci mayor atau minor issues. Tentu saja boleh saja tanpa membagi menjadi mayor atau minor issue, tetapi teknik di atas sangat baik yang saya lihat ketika reviewer pertama menulis review-nya. Biasanya reviewer pertama profesor yang pakar di bidangnya.

Terakhir dan yang terpenting adalah memutuskan, apakah diterima, ditolak mayor/minor revision. Di sini sangat berat, terutama ketika me-reject. Beberapa kali saya mereject karena naskah yang tidak sesuai dengan kondisi terkini atau kondisi jurnalnya. Misal jurnal geoinformatika, kebanyakan studi area minimal di level kota/kabupaten. Jika hanya lingkup kecil biasanya tidak diterima. Atau untuk ilmu komputer, metode yang diusulkan sudah banyak ditemukan, dan hanya mereplikasi saja tanpa adanya improvement.

Memahami Manfaat Mereview

Memang dari sisi finansial mereview hampir tidak ada. Mungkin beberapa conference membayar karena memang ada deadline dimana suatu seminar sudah fix waktu pelaksanannya. Untuk jurnal di bawah naungan Scopus, mereka menggratiskan selama sebulan untuk mengakses Scopus. Sebulan karena proses review memang max sebulan. Namun terlepas dari itu, manfaat utama mereview adalah kita bisa mengikut perkembangan ilmu terkini. Ibarat kita sudah nonton film yang filmnya baru akan dipublish tahun depan. Oleh karena itu di sinilah ada satu etika dari reviewer untuk tidak membocorkan naskah bahkan proses review kepada orang lain, sehingga tidak bisa saya tampilkan di postingan ini. Mungkin salah satu manfaat psikis dari mereview adalah kita ingin juga menghasilkan tulisan yang bagus, biasanya ketika dihadapkan dengan manuskrip yang oke.

Untuk dosen sepertinya tidak ada masalah untuk menjadi seorang reviewer karena memang kesehariannya sudah dihadapkan dengan bimbingan dan menguji tugas akhir/skripsi para mahasiswa. Sadari saja ketika menguji dengan seolah-oleh menjadi reviewer, bukan algojo atau kakak kelas yang mengopspek adik-adiknya. Sekian semoga tertarik menjadi reviewer.

Reviewer Juga Ada Sertifikat Kompetensinya

Support Vector Regression Untuk Prediksi Sebaran COVID-19

Support Vector Regression (SVR) merupakan metode klasik yang memanfaatkan teori matematika dan statistik untuk regresi dengan model Support Vector Machine (SVM). Jadi SVM ternyata bukan hanya untuk klasifikasi melainkan juga untuk regresi dan deteksi outliers.

Silahkan gunakan Scikit Learning untuk bahasa Python. Postingan ini mengilustrasikan penggunaannya dengan Google Colab. Data COVID dapat kita temukan di internet, atau silahkan gunakan file Excel link ini. Pilih negara yang ingin Anda prediksi kemudian simpan dalam bentuk file. Berikut kira-kira kode programnya.

#impor pustaka svm
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.svm import SVR
from google.colab import files
import io
#data latih
upload_files = files.upload()
for filename in upload_files.keys():
x=upload_files[filename].decode(‘utf-8’)
data1 = pd.read_csv(io.StringIO(x), header=None)
#print(data1.head())
X1=np.asarray(data1)
x_train=X1[0:,0:1]
y_train=X1[0:,1:2]
#membuat model (classifier)
clf = SVR(kernel=‘poly’, C=100, gamma=‘auto’, degree=2, epsilon=.1,
oef0=1)
clf.fit(x_train,y_train)
#prediksi data
test=x_train.reshape(-1,1)
y_pred=clf.predict(test)
y_next=np.array([[457],[465],[470],[471],[480]])
prednext=clf.predict(y_next)
print(prednext)
#Visualisasi Data
absis=[x_train]
ordinat=[y_train]
#ordinat2=np.concatenate([x_train],[prednext])
plt.scatter(absis, ordinat, cmap=‘flag’, marker=‘o’)
plt.scatter(absis, y_pred, cmap=‘flag’, marker=‘x’)
plt.scatter(y_next, prednext, cmap=‘flag’, marker=‘x’)
#Label
plt.xlabel(“Day”)
plt.ylabel(“Number of infected People”)
plt.title(“Projection Pattern of COVID-19 Spread in India”)
plt.grid()

Jika dijalankan, masukan saja data CSV yang Anda ingin prediksi dan tunggu beberapa saat, agak lama karena 400-an hari (lebih dari setahun). Jika selesai pastikan hasil prediksi muncul.

Tampak garis biru merupakan data asli dari Excel sementara garis oranye merupakan hasil fitting berdasarkan kernel polinomial (kuadratik). Lima tanggal prediksi tampak di ujung kanan berwarna hijau. Silahkan lihat video lengkapnya di chanel saya. Sekian, semoga bisa menginspirasi.

P.S. Tulisan di atas sebagian diambil dari publikasi kami di https://ieeexplore.ieee.org/document/9415858

Riset dan Pengembangan di Indonesia

Kalau berbicara riset dan pengembangan (research and development) di Indonesia, orang awam akan melihat berdasarkan produk-produk yang kita hasilkan. Merk mobil, handphone, dan peralatan lain buatan kita masih sangat jarang. Namun untuk hal-hal tertentu seperti pesawat, ternyata kita sudah mampu bukan hanya membuat tapi memasarkan hasil produksinya.

Walaupun hasil-hasil karya teknologi buatan Indonesia bukan dari kampus, tapi tetap saja hubungan erat keduanya ada. Toh, pakar-pakar yang ada berasal dari dunia pendidikan kita, minimal pendidikan dasar dan menengah di tanah air.

Butuh Usaha Lebih

Kalau dari riwayat periset yang berlanjut di negara kita, mereka memiliki semangat dan tekat yang tinggi. Mungkin sudah dari sananya negara kita berbakat untuk “nyinyir”. Kesuksesan oleh orang-orang kita terkadang tidak disukai, apalagi bagi yang baru mulai. Kecuali kalau memang sudah terbukti dan diakui dunia barulah dielu-elukan. Makanya saat ini startup aplikasi buatan kita sulit bersaing karena mungkin kurang support dari rakyat kita sendiri. Untung ada Gojek dkk yang sahamnya diakuasai orang-orang kita.

Mungkin pernah ada yang mendengar teknologi sosro bahu, Prof Tjokorda Raka Sukawati. Memang negara kita sangat menghargai hasil karyanya, tapi dari wawancara ternyata terpendam kekecewaan. Bayangkan saja, patennya di Jepang lifetime tapi di tanah air malah dibatasi waktu tertentu. Dari cerita beliau bahkan ilmuwan-ilmuwan luar menertawakan idenya. Tapi ternyata hasilnya mencengangkan mereka, terbukti patennya diterima di negara-negara maju yang menertawakannya itu.

Dana Penelitian

Kalau ini memang diakui kita masih lemah, bahkan saat ini kalah oleh negara tetangga asia tenggara kita seperti singapura, thailand, dan malaysia. Namun saya pernah mendapat pelatihan dari salah satu Prof ternama di ITB yang pakar nano technology ternyata di negara kita perlu trik untuk mengurangi jumlah anggaran untuk penelitian, baik dari sisi laboratorium maupun aspek-aspek lainnya. Tentu saja tidak semua bisa seperti itu terkait dengan standar internasional. Silahkan lihat situs worldbank untuk melihat dana penelitian yang digelontorkan oleh pemerintah kita yang dibandingkan dengan GDP di link berikut yang datanya bisa diunduh.

Pendidikan

Masalah pendidikan sebagian besar masyarakat kita merasa kurang, baik fasilitas maupun kualitasnya. Sebenarnya dapat dilihat dari tingkat kesejahteraan para pengajarnya. Jepang ketika di bom atom, kaisar pun segera mengumpulkan guru-guru yang tersisa (dalam stand comedy disebut karena guru-guru mau dibayar murah hehe). Ternyata kita masih kalah juga dengan Singapura, Malaysia, dan Thailand (warna gelap).

Kreativitas

Jika dana kurang, penghargaan kurang, dan lain-lain juga kurang, jangan khawatir, kita masih punya senjata andalan, yaitu kreativitas. Saat ini memang era-nya kreativitas. Aspek ini mulai merambah ke segala bidang. Yang sederhana saja, youtuber-youtuber di tanah air dengan penghasilan besar pun andalannya adalah kreativitas. Tentu saja tidak serta merta semua jadi Youtuber. Aspek kreativitas tersebut yang perlu diterapkan ke bidang kita masing-masing. Asalkan kreativitasnya tidak melupakan tujuan utama yakni membangun bangsa, apalagi sampai melanggar norma. Yuk, pantang menyerah, tapi tetap jaga kesehatan ya.

Relasi Antar Kelas – Agregasi

Relasi antar kelas pada Pemrograman Berorientasi Objek (PBO) dikenal dengan nama Asosiasi, yang terdiri dari agregasi dan komposisi, selain dari pewarisan/inheritance yang merupakan ciri khas PBO. Postingan kali ini akan membahas agregasi, merupakan relasi/asosiasi yang dikenal dengan istilah “Is – a”. Perhatikan diagram kelas berikut ini:

Di sini kita akan mengintegrasikan konsep pewarisan (kelas Unisma memiliki anak Dosen, Mahasiswa, dan Satpam) dan agregasi (mahasiswa memiliki dosen pembimbing dari kelas Dosen). Atribut mahasiswa di sini antara lain:

  • Nama
  • Status
  • Jurusan
  • NPM
  • Pembimbing

Atribut nama, status, dan jurusan berasal dari kelas induk (Unisma) sementara NPM dan Pembimbing dari kelas Mahasiswa (kelas anak). Agregasi digambarkan dengan garis, terkadang ada panah disertai penjelasan relasi tersebut, misalnya “membimbing”. Berikut kelas Unisma.

class Unisma(object):
  def __init__(self,nama,status,jurusan):
      self.nama=nama
      self.status=status
      self.jurusan=jurusan
  def Salam(self):
      print(‘Selamat Hari Raya Idul Fitri 1442H’)
  def Info(self):
      print(“INFO”)
      print(“Nama    : “ + self.nama)
      print(“Jurusan : “ + self.jurusan)

Berikut ini kode kelas Dosen. Perhatikan kata kunci “super” yang berarti dosen merupakan pewarisan dari kelas Unisma. Jadi Dosen mewarisi atribut-atribut nama, status, dan jurusan, berikut juga metode/operasi Salam() dan Info().

class Dosen(Unisma):
  def __init__(self,nama,status,jurusan,nip):
      super().__init__(nama,status,jurusan)
      self.nip=nip
  def SalamDosen(self):
      print(‘Kami {}  {} mengucapkan’.format(
          self.status,self.jurusan))
      self.Salam()

Berikut ini kode kelas Mahasiswa dengan tambahan satu atribut “pembimbing” yang nantinya akan direlasikan dengan objek Dosen selaku pembimbing.

class Mahasiswa(Unisma):
  def __init__(self,nama,status,jurusan,npm,pembimbing):
      super().__init__(nama,status,jurusan)      
      self.npm=npm
      self.pembimbing=pembimbing
  def SalamSiswa(self):
      print(‘Hai teman-teman, kami {} {} mengucapkan’.format(
          self.status,self.jurusan))
      self.Salam()
  def GetInfo(self):
      print(“Pembimbing : “ + self.pembimbing.nama)

Jalankan dengan kode-kode berikut untuk mengeceknya.

x=Dosen(“Rahmadya”,“Dosen”,“Teknik Komputer”,123)
y=Mahasiswa(“Wahyu”,“Mahasiswa”,“Teknik Mesin”,1111123,x)
y.Info()
y.GetInfo()

Untuk lebih jelasnya silahkan lihat video penjelasannya berikut ini. Sekian, semoga bermanfaat.

Ngobrol Tentang Deep Learning – Webinar APTIKOM Jabar #1

Salah satu metode machine learning yang saat ini berkembang pesat adalah Deep Learning (DL). Metode ini merupakan kelanjutan dari Neural Networks dengan tambahan preprocessing di layer awal yang berfungsi mengekstrak ciri suatu citra, yaitu konvolusi dan pooling.

Jumlah layer yang banyak beserta neuron-neuronnya membuat DL sulit melakukan proses pelatihan (training) jika menggunakan metode biasa. Dengan hanya mengandalkan hardware biasa, waktu itu laptop sempat ‘hang’ ketika melatih sistem pengenalan tanda tangan dengan ukuran vektor citra yang besar (ribuan bahkan puluhan ribu baris/kolom per objek). Namun saat ini python menyediakan teknik agar proses pelatihan dilakukan di Graphic Processing Unit (GPU) dan Tensor Processing Unit (TPU) bukan hanya mengandalkan CPU. Postingan ini terinspirasi dari hasil webinar tadi pagi dimana saya ditunjuk menjadi moderator.

Akurasi model-model DL saat ini sudah luar biasa tinggi dan hampir mendekati 100%. Terlepas dari riset yang membuat model-model tersebut, beberapa permasalahan masih membutuhkan solusi. Salah satu problem adalah ketika akan menerapkan DL pada piranti-piranti kecil/embedded yang kebanyakan memiliki spesifikasi yang berbeda dengan komputer yang memang dikhususkan untuk komputasi.

DL sudah merambah bidang-bidang lain di luar ilmu komputer misalnya kesehatan, pertanian, geografi, dan lain-lain. Problem utama DL adalah karakternya yang karena menyerupai syaraf makhluk hidup terkadang sulit menemukan logika atau rule yang mendasari pengambilan keputusan model DL, dan menyebutnya dengan istilah black box. Walau bukti akurasi sudah nyata, terkadang seorang dokter membutuhkan alasan yang mendasari keputusan dari suatu model DL. Berbeda jika menggunakan metode fuzzy atau decision tree serta turunannya yang memiliki rule mengapa suatu model DL menyimpulkan suatu hasil.

Pembicara webinar merupakan alumni kampus Jepang. Saya sendiri pernah satu semester diajar oleh dosen alumni Tokyo University dan memang isi kuliah sangat teknis sekali dimana membutuhkan kemampuan matematik, baik aljabar linear untuk pengolahan matriks maupun persamaan diferensial untuk memahami prinsip pelatihan/training, misalnya gradient descent (GD), lavenberg marquadt (LM). Ada juga saran-saran untuk mahasiswa doktoral, khususnya bidang ilmu komputer, antara lain di enam bulan pertama harus segera terjun ke bidang yang digeluti sesuai dengan lab-lab yang ada di kampus, mencari informasi dari periset-periset lain misalnya via Github. Lebih jelasnya silahkan lihat pada Youtube berikut. Sekian semoga bermanfaat.