Saat ini nonton youtube terkadang lebih mudah dibanding membaca. Tapi bagi pembaca yang terbiasa membaca terkadang menonton bisa menghabiskan waktu beberapa menit hingga beberapa jam. Tentu saja ini sangat membosankan jika diminta mencari ringkasannya. Namun, saat ini perkembangan Artificial Intelligence (AI) sudah dapat mempermudah pekerjaan kita. Postingan ini bermaksud memperkenalkan Anda bagaimana cara cepat mengetahui isi video tanpa perlu menonton full link video youtube, misalnya:
Langkah pertama adalah membuka video tersebut, dilanjutkan dengan menekan view transcript di bagian bawah video tersebut. Setelah tombol ditekan maka transkript akan muncul di bawah. Berikutnya tinggal Anda kopi dan paste saja di sembarang text editor.
Anda bisa membacanya atau dengan menanyakan ChatGPT apa ringkasan atau isi dari transkrip tersebut dengan prompt> rangkum, tulisan ini tentang apa: < paste naskahnya>. Anda akan menerima jawaban yang lengkap. Selamat mencoba.
Teknik Informatika/Ilmu Komputer dengan Sistem Informasi saling bersinergi. Ketika pertama kali merancang device layar sentuh, Apple pada mulanya divisi Teknik Informatika, dengan programmer-programmernya, membuat tablet terlebih dahulu. Ketika sudah selesai, bekerjalah orang Sistem Informasi. Hasil survey ternyata mengejutkan, user banyak yang menginginkan device yang segenggam tangan ukurannya dan mudah dibawa-bawa. Melihat hasil tersebut, segera Apple bekerja cepat membuat device yang lebih kecil dikenal dengan nama Iphone. Hasilnya, sesuai dengan riset, ternyata laku keras.
Sulit dikatakan mana yang lebih penting TI atau SI. Ketika saya di Bank, lulusan SI kebanyakan mengutak-atik schedulling, project analisis, termasuk kebutuhan personel, dan sebagainya. Tentu saja jika dilihat dari salary, melebihi lulusan TI. Namun, tentu saja kebutuhannya pun tidak sebanyak orang TI, waktu itu sekitar 1: 10an.
Beberapa tools sangat diperlukan untuk analisis survey, sebagai contoh video singkat ini yang menggunakan AMOS untuk analisis jalur (path analysis)
Aplikasi Web masih menjadi sentral aplikasi-aplikasi yang ada karena kelebihan-kelebihannya. Jika aplikasi desktop terkendala dengan aksi-aksi pembajakan, mirip game-game era 90-an, maka game-game saat ini mulai dari mobile legend, free fire, pubg, dan lain-lain yang mengharuskan koneksi internet, pembajakan sulit dilakukan. Source code akan aman karena berada di server, berbeda dengan game offline yang bisa digunakan tanpa diketahui sudah berapa kali diinstall.
Android studio masih menjadi andalan utama para pengembang aplikasi mobile. Beberapa mahasiswa mengeluh berat-nya aplikasi pembuat mobile app tersebut, maklum budget mahasiswa terbatas. Sementara lab terkadang karena banyaknya aplikasi-aplikasi yang terinstall untuk praktikum, lambat ketika dijalankan.
Saat ini, beberapa tools sudah dapat digunakan tanpa perlu menginstall misalnya dengan library Buildozer di Python [link] maupun tools online, misalnya MIT App Inventor [link]. Video singkat ini menggambarkan hanya kurang dari 2 menit, konversi ke Apk berhasil dibuat.
Akhir tahun merupakan tanggal dimana laporan proyek harus diserahkan. Jika laporan proyek tidak selesai, pinalti siap menanti. Sepertinya sudah biasa, programer yang jago coding, tetap saja ketika diminta menyelesaikan laporan mengenai sistem yang dibuatnya, kalang kabut juga. Mungkin efek dari kebiasaan saat kuliah dulu. Fokus ke coding atau buat alat, tapi kurang fokus ke laporan. Padahal laporan sangat penting, terkait dengan dokumen spesifikasi program. Perlu diketahui, apapun model pengembangan sistem, tetap harus ada pengembangan dari versi pertama lanjut kedua dan seterusnya.
Untungnya saat ini banyak tools untuk mempermudah membuat laporan, khususnya terkait diagram, baik objek (UML) maupun proses (DFD), hingga database (ERD). Tools tersebut ada yang sekedar gambar, seperti Visio, tapi ada juga yang bisa dilanjutkan ke kode, misalnya Rational Rose dari IBM. Nah, kali ini kita coba Enterprise Architect (EA) yang fokus ke pembangunan diagram yang terintegrasi. Salah satu yang powerful dari aplikasi ini adalah sangat ringan dibuka dari komputer standar (i5 ke atas prosesornya).
Bagi pembuat laporan tentu saja kemudahan dalam copas dari model ke laporan word. Nah, EA tidak perlu mengekspor, cukup dengan blok dan copas ke ms word, sangat praktis. Hasilnya pun lengkap, dan yang terpenting, satu file project dapat dibuat menjadi modul-modul yang terintegrasi seperti membuka file pada explorer. Berikut video singkat bagaimana membuat salah satu diagram terkenal UML, activity diagram. Diagram ini versi lebih praktis dari flowchart yang agak ribet dalam percabangan/decision.
Aplikasi web dibuat guna mengatasi keterbatasan aplikasi desktop yang harus terlebih dahulu menginstal program. Dulu waktu kerja di bank, ketika satu komputer teller rusak, saya diminta menggantikan dengan komputer yang baru, setelah instal sistem operasi dilanjutkan dengan instal aplikasi Branch Teller (BT) [link]. Prosedurnya cukup rumit, mendaftarkan IP computer ke local server terlebih dahulu, dan lain-lain. Tidak lama kemudian, muncul aplikasi baru berbasis Web, tinggal menyediakan komputer yang berisi sistem operasi, daftarkan sertifikat ke local server, komputer siap pakai, tanpa menginstal terlebih dahulu.
Waktu itu handphone masih motorola, nokia, dan sejenisnya, bahkan blackberry pun waktu itu masih dipakai oleh Obama saja. Kemunculan Smartphone, yang dipelopori oleh Samsung dan Iphone menuntut akses aplikasi via mobile. Ketika sebelumnya harus membuka komputer, menjalankan browser dan mengakses url tujuan, dirasa sangat lambat dan kurang praktis. Muncullan aplikasi berbasis android (APK) yang memudahkan pengguna menjalankan aplikasi.
Ada aplikasi yang murni berjalan di smartphone ketika diinstal, ada yang harus login atau terhubung ke server. Nah, kebanyakan saat ini aplikasi terhubung ke server, dimana proses berjalan di server bukan di client. Kelemahan ketika berjalan di client adalah aplikasi dapat dibajak, padahal beberapa aplikasi, membutuhkan iklan. Jika diinstal di client, mirip aplikasi windows jaman dulu (*.exe atau *.com) tentu saja iklan tidak berjalan karena aplikasi bisa dijalankan offline.
Untuk membuat aplikasi mobile, banyak software yang mendukung pemrograman mobile. Kebanyakan harus menginstal terlebih dahulu, misalnya Android Studio. Nah, saat ini aplikasi yang bisa membuat apk tanpa harus menginstall softwarenya karena online, yakni MIT App Inventor [link]. Jika Anda hanya mengkoneksikan Web, cara tercepat adalah dengan me-mobile-kan browser. Berikut video tutorialnya.
Jika dilihat dari tren framework web dari Google [link] maka dapat dilihat, untuk Indonesia, bahasa PHP masih banyak peminatnya, sementara untuk dunia, Python yang mendominasi.
PHP masih banyak digunakan sebagai bahasa pemrograman web. Banyak vendor hosting server cloud menggunakan bahasa ini, salah satunya adalah webhost [link]. Karena gratis, maka sangat cocok untuk mahasiswa mempublish website rancangannya.
Untuk program studi yang tidak memiliki fasilitas server bisa menggunakan webhost. Kode dapat diakses dari manapun, tidak mengandalkan server lokal yang biasanya menggunakan XAMPP dan sejenisnya.
Untuk ilustrasi, silahkan lihat video berikut yang menghasilkan aplikasi berbasis web.
Untuk database yang tidak memerlukan banyak relasi biasanya penggunaan Google Sheet sudah cukup memadai. Dengan men-sharing Sheet yang dibuat, data bisa diakses oleh pengguna lain sehingga mudah dalam pengelolaannya. Jika selama ini sharing memerlukan akses membuka Google Sheet, banyak masalah muncul akibat penggunaannya yang tidak ‘user friendly’, misalnya ada kolom atau cell tertentu yang terhapus, dan masalah lainnya. Oleh karena itu postingan kali ini kita menggunakan aplikasi web (HTML + Javascript) untuk mengakses data Google Sheet.
1. Membuat Tabel
Misal kita akan membuat tabel harga satuan barang untuk keperluan bangunan seperti semen, pasir, dan lain-lain. Buka Google Sheet [link]. Buat tabel baru dengan nama misalnya barang. Buat dua kolom dengan dengan nama kolom: Nama dan Harga.
Selanjutnya adalah membagi (share) dengan setingan full access (anyone with link + sebagai editor). Agar bisa melakukan proses input ke tabel tersebut.
Salin link tersebut agar bisa diakses oleh orang lain. Di sini kita perlu membuat Application Programming Interface (API) sebagai penghubung data dengan program lain.
2. Membuat API
Dengan API maka program yang dibuat tidak perlu mensinkronkan program dengan platform database yang digunakan, misal MySQL, Oracle, SQL Server, dan lain-lain. Asalkan API tersedia maka program tidak perlu menggunakan driver untuk terkoneksi dengan basis data tersebut. Untuk mudahnya, gunakan saja Sheet.Best [link].
Setelah menekan START FREE login dengan Google Anda, lalu buat koneksi baru. Isi link Google Sheet yang sebelumnya sudah dishare full access. Isi field-field yang dibutuhkan, seperti Identification dan Connection URL.
Tunggu beberapa saat hingga proses koneksi selesai. Untuk melihat link API yang baru saja dibuat, tekan DETAILS di bagian bawah CONNECTION.
Selamat, kita telah berhasil membuat API dari Google Sheet. Link teredia tinggal menekan Copy di samping link API. Untuk mengujinya, paste saja di browser, dan pastikan JSON muncul.
3. Mengakses API via HTML
Pada dasarnya ada 2 jenis akses web, yaitu Server Side dimana kode ada di server seperti PHP, Dotnet, Flask, Django, dan client side, misalnya Javascript. Tentu saja kalau data penting, perlu login dan akses diletakan di server (server side) ketika beroperasi. Di sini karena hanya fokus mempermudah penginputan kita menggunakan Client-Side dengan Javascript. Jadi tidak diperlukan server, asalkan tim/pengguna memiliki file HTML, aplikasi dapat dijalankan.
Silahkan gunakan bantuan dari situs-situs yang memberikan edukasi pembuatan HTML [link], atau bisa menggunakan ChatGPT [link]. Untuk chatGPT gunakan saja prompt awal: ‘buatkan kode html menampilkan tabel dengan judul kolom Nama dan Harga’. Jika sudah muncul jawaban, gunakan prompt kedua ‘isikan tabel dari data API: <isi url API>’.
Lanjutkan dengan prompt ketiga: ‘tambahkan di bagian atas tabel isian/form input Nama dan Harga barang yang datanya isiannya dikirim ke API: <link API>.
Jika ingin hasil yang lebih cantik juga tabel terupdate otomatis ketika tombol tambah produk ditekan, tambahkan prompt keempat: ‘buat tabel otomatis terupdate ketika tombol tambah produk ditekan dan percantik dengan CSS’. Hingga dihasilkan sebagai berikut.
Pengelola program studi pasti mengenal Penetapan, Pelaksanaan, Evaluasi, Pengendalian dan Peningkatan yang diisitlahkan dengan PPEPP. Ini merupakan siklus yang mengandalakan Sistem Penjaminan Mutu Internal (SPMI). Karena konsep, tentu saja sangat rumit bagi yang baru mengenalnya. Oke, jika Anda sudah mengenal metode backpropagation learning dalam machine learning, bisa kita pahami dengan menganalogikan PPEPP dengan proses learning tersebut.
Penetapan
Penetapan merupakan inti dari rencana meningkatkan mutu. Di sini berisi keputusan resmi berupa indikator yang akan dicapai. Dalam machine learning (ML) ibarat target output dari model yang akan dilatih.
Pelaksanaan
Ketika target disertai input yang menghasilkan target tersebut tersedia, maka proses pelatihan berjalan. Dalam pelaksanaannya, model diberi bobot dan bias tertentu, kemudian forward propagation berjalan. Di sini input tertentu diharapkan menghasilkan output sesuai dengan target. Output mengikuti kalkulasi input berdasarkan bobot dan bias yang diset.
Evaluasi
Dalam akreditasi, evaluasi berusahan mencari praktik baik, praktik buruk, dan praktik baru ketika proses pelaksanaan selesai. Nah, di sini jika output sesuai dengan target maka dikatakan praktik baik terjadi, begitu pula sebaliknya. Dalam proses learning, evaluasi ini menghasilkan error, misalnya dihitung dengan standar Mean Square Error (MSE).
Pengendalian
Tahap ini terjadi ketika diketahui adanya praktik buruk, maupun praktik baru yang belum jelas baik atau buruknya. Dalam ML berupa error. Nah, proses pengendalian bermaksud membuat rekomendasi dan revisi terhadap bobot dan bias pada model yang dilatih.
Peningkatan
Tahap ini berisi optimalisasi, yaitu bagaimana meningkatkan, menyesuaikan dan menyelaraskan output dengan targetnya, dalam kampus diistilahkan Indeks Kenerja Utama (IKU) yang berpatokan standar nasional DIKTI, dan Indeks Kinerja Tambahan (IKT) yang berdasarkan kampus yang ingin melebihi standar nasional DIKTI. Bisa jadi adanya perubahan target jika sulit tercapai, atau target yang tidak relevan.
Jadi jika PPEPP berjalan dengan baik, secara logika organisasi akan berkembang ke arah yang lebih baik. Nah, oleh karena itu target yang tepat perlu dibuat karena proses akan mengikuti target tersebut. Makin banyak iterasi yang dibutuhkan, tentu saja membutuhkan waktu dan biaya yang besar, jadi gunakan proses yang efisien dan efektif agar tidak perlu membutuhkan iterasi (dalam backpropagation diistilahkan dengan epoch) yang banyak. Semoga tulisan ini bisa memudahkan pemahaman terhadap PPEPP dalam akreditasi program studi.
Dari SD kita sudah belajar membaca, menulis, berhitung, dan lain-lain. Saat belajar biasanya dimulai dari yang sederhana kemudian lanjut ke yang sulit. Hal tersebut wajar, karena jika langsung sulit dipastikan siswa akan ‘down’.
Waktu terus berjalan, teknologi berkembang, hingga munculah Artificial Intelligence (AI) yang memanjakan siswa. Waktu ada kalkulator pun guru sudah cemas dan khawatir, siswa kurang teliti dalam berhitung, apalagi jika ada AI?
Ternyata kalkulator, komputer, dan aplikasi-aplikasi vertikal (SPSS, rapidminer, dll) tidak membuat mahasiswa kurang kompeten. Alat-alat tersebut ternyata bisa juga dimanfaatkan untuk alat bantu memahami ilmu yang akan dipelajari. Sebagai contoh untuk yang belajar jaringan syaraf tiruan (JST) dalam memahami fenomena dapat menggunakan ChatGPT dan alat simulator lain (misalnya MATLAB).
Salah satu buku yang menurut saya menarik adalah buku karangan Englebrecht dalam membahas JST. Dia menerangkan konsep network dimulai dari satu neuron terlebih dahulu, umpan maju dan mekanisme learning. Dengan 1 neuron penjelasan lebih sederhana.
Beragam jenis JST diturunkan dari model di atas, yang diperkenalkan pertama kali oleh Pitt. Untuk jalur balik backpropagation dengan beragam learning rule sangat mudah dipelajari (SGD, Widrow-hoff, delta rule, dll).
Nah, dengan AI kita bisa dengan mudah mengimplementasikan model matematik tersebut untuk network dengan 1 neuron.
Perhatikan bagaimana Delta Rule melakukan perubahan bobot dan bias dibanding SGD dimana yang satu menggunakan error, SGD dengan gradien yang diambil dari derivatif/turunan sinyal output. Juga pada bagian bias-nya. Termasuk dengan chatGPT bisa juga langsung menanyakan grafik boundary, dengan Google Colab. Ini contoh untuk kasus penyelesaian logika AND, nah silahkan coba kasus lainnya. Di sini ternyata untuk logika XOR tidak bisa dengan 1 neuron.
Rahmadya Trias Handayanto 