Kategori: Darma Persada

Menambah Artikel di ORCID

Orcid (https://orcid.org) merupakan situs identifikasi peneliti yang berisi nomor dan identitas lainnya. Salah satunya adalah artikel-artikel yang telah dipublikasi. Masuk terlebih dahulu ke situs ORCID dan jika belum punya akun, silahkan register terlebih dahulu.

Setelah masuk akan muncul informasi seperti pekerjaan, pendidikan, dan publikasi. Link dapat dishare agar orang lain bisa melihat CV kita lengkap. Misalnya link ORCID saya ini.

A. Menambahkan Secara Manual

Di bagian atas artikel-artikel, dapat diklik beberapa metode penambahan publikasi, seperti DOI, BIBTEX, dan salah satunya adalah “add manually”. Biasanya jurnal-jurnal lokal ber-ISSN belum memiliki DOI jadi harus dimasukan secara manual.

Masukan informasi mengenai tulisan yang akan didaftarkan ke ORCID Anda. Isian yang ada tanda bintangnya wajib ada. Jika sudah tekan “add to list” di bagian bawah.

Pastikan isian baru muncul di daftar publikasi.

B. Dengan DOI

Jurnal internasional atau jurnal nasional terakreditasi, dari Sinta 1 sampai 6 pasti memiliki DOI. Karena wajib memiliki DOI, misalnya jurnal yang saya kelolo ini (Jurnal Piksel). Persiapkan DOI yang akan Anda daftarkan ke daftar publikasi ORCID Anda, misalnya dari Scopus saya, ada tulisan yang belum dimasukan dengan DOI: 10.30534/ijatcse/2019/4381.52019.

Kembali masuk ke daftar list artikel di ORCID, tekan add lewat DOI. Masukan DOI ketika diminta.

Setelah diklik “retrieve work details” informasi mengenai judul, nama jurnal, akan muncul. Tekan “add to list” ketika sudah yakin informasi-informasi lainnya.

Jika ingin mengintegrasikan ORCID ID ke Scopus silahkan lihat tautan berikut. Sekian semoga bermanfaat.

Mempersiapkan Data dan Training Model ANFIS, JST dan SVM

Dalam machine learning dikenal beberapa jenis data antara lain: data training dan data testing. Terkadang data training dipisah menjadi data training dan target. Dalam prakteknya, data training menggunakan sebagaian prosentase dengan sisanya dijadikan data tasting untuk pengujian model.

Excel dapat digunakan untuk mempersiapkan data training walaupun memiliki beberapa keterbatasan dalam mengelola “big data”. Untuk data yang tidak terlalu besar, aplikasi bawaan ms office ini cukup dapat diandalkan.

Walaupun cross validation banyak diterapkan saat ini, tetapi dengan 80% data training dan sisanya untuk testing (20%) sudah cukup untuk mengukur akurasi model yang dirancang. Sebagai contoh data training berikut dapat digunakan, dengan data latihnya. Berikut langkah proses mempersiapkan data training dan data testing.

1. ANFIS

Untuk ANFIS data training dan target digabung menjadi satu. Formatnya karena sudah sesuai dengan format pentabelan di Excel maka cukup menyiapkan data training saja. Gunakan dua kode ini untuk mengimport data dengan Matlab.

  • load(‘data.dat’);
  • load(‘testing.dat’);

Untuk ANFIS, fungsi “anfisedit” disediakan Matlab untuk melatih ANFIS lewat data yang ada. Karena isian sudah dalam bentuk DAT maka sebenarnya dua kode di atas hanya digunakan nanti untuk testing dan training lewat model lainnya seperti JST, SVM, dll.

Pastikan training data muncul dengan tiga kelas sesuai dengan data (kelas 1, 2 dan 3). Berikutnya “Generate FIS” diklik untuk meramu FIS yang masih kosong.

Angka 3 di atas berarti ada 3 komponen MF di tiap input. Jumlah angka yang muncul menandakan jumlah masukan, di sini ada empat input yang merupakan variabel penentu output. Tipe MF ada banyak, di sini akan digunakan “trimf” yang paling sederhana (linear). Gunakan saja defaultnya (3 komponen di tiap inputan), yang merepresentasikan kondisi “low”, “medium”, dan “high”. Output gunakan saja konstan. ANFIS hanya tersedia di jenis fuzzy “Sugeno”. Tekan “Struktur” di sisi kanan untuk melihat sekilas Network yang siap dilatih.

Berikutnya masuk ke panel “Train FIS” untuk melatih Network. Ada dua pilihan pembelajaran: hybrid dan backpropagation. Gunakan saja “hybrid”. Berikut merupakan hasil training dengan 3 epoch (mirip iterasi).

Error tampak di layar utama (sekitar 0.1445). Simpan hasil pelatihan lewat “File” – “Export” – Pilih file.

Setelah nama fuzzy diisi (berekstensi *.fis) maka model siap diuji dengan data testing yang sudah ada. Misalnya diberi nama “anfisiris.fis”. Untuk testing gunakan kode berikut ini:

  • anfisiris=readfis(‘anfisiris.fis’);
  • prediksi=evalfis(testing(:,1:4);
  • tes=testing(:,1:4)
  • hasil=evalfis(tes,anfisiris)

Terakhir adalah menghitung akurasi dengan cara prosentase MAPE (Mean Average Percentage Error)-nya:

Jika dibandingkan maka akan tampak beberapa yang error, misalnya di sini ada satu yang error, jadi nilai MAPE-nya= 1/39 *100 = 2,56 %. Atau akurasinya = 100-2,56 = 97,44%. Sedangkan jika ingin mengetahui prediksi mana saja yang tidak akurat dapat menggunakan matriks confusion.

  • target=testing(:,5);
  • target=transpose(target);
  • prediksi=transpose(round(hasil));
  • c=confusionmat(target,prediksi)
  • c =
  • 13 0 0
  • 0 13 0
  • 0 1 12

Cara membaca matriks confusion adalah sebagai berikut. Kolom merupakan prediksi sementara baris adalah aktualnya (dalam hal ini sama dengan target (testing di kolom kelima). Fungsi “round” ditambahkan pada hasil untuk mencari kelas prediksi terdekat, misalnya 2.7 dikategorikan kelas “3”. Diagonal pada matriks confusion menyatakan akurasi. Perhatikan di baris kedua kolom ketiga, di sini harusnya 13 tetapi berisi 12 karena ada satu prediksi 3 (baris ketiga) tetapi kenyataannya 2 (kolom kedua).

2. Neural Networks (Jaringan Syaraf Tiruan)

JST perlu memisahkan data training dengan target (labelnya). Selain itu, formatnya juga berbeda dengan data pada ANFIS, dimana variabel berdasarkan baris. Untuk itu perlu modifikasi data yang ada berdasarkan “data.dat” dan “testing.dat”. Berikut ini kode untuk data training dan targetnya.

  • load(‘data.dat’);
  • load(‘testing.dat’);
  • datalatih=data(:,1:4);
  • datalatih=transpose(datalatih);
  • target=data(:,5);
  • target=transpose(target);

Coba cek dengan fungsi “size”, pastikan jumlah baris merepresentasikan jumlah variabel, sementara jumlah kolom merepresentasikan jumlah data. Berikutnya buat JST kosong dan latih.

  • network=newff(datalatih,target,[81 81]);
  • network=train(network,datalatih,target);

Perlu disiapkan data untuk testing.

  • tesdata=testing(:,1:4);
  • tesdata=transpose(tesdata);
  • targettes=testing(:,5);
  • targettes=transpose(targettes);

Selanjutnya menggunakan fungsi “sim” untuk memprediksi.

  • hasil=sim(network,tesdata);
  • aktual=targettes;
  • prediksi=round(hasil);
  • c=confusionmat(aktual,prediksi);
  • c =
  • 13 0 0 0
  • 0 11 2 0
  • 0 4 6 3
  • 0 0 0 0

Dari matriks confusion di atas dapat diketahui precision-nya (atau dikenal juga dengan nama MAPE). Caranya adalah membandingkan total yang benar (angka di sisi diagonal) dengan total data testing.

  • 13+11+6
  • ans =
  • 30
  • ans/39
  • ans =
  • 0.7692

Akurasi yang dihasilkan (MAPE) adalah 76.92%.

3. Support Vector Machine (SVM)

SVM hanya memisahkan dua kelas yang berbeda. Jika ada lebih dari dua kelas, maka perlu modifikasi dengan menggunakan lebih dari satu garis pemisah. Salah satu tekniknya adalah membuat pohon keputusan. Misalnya ada tiga kelas (kelas 1, kelas 2 dan kelas 3) maka perlu dibuat tiga garis pemisah, misalnya kita beri nama svm1, svm2 dan svm3.

  • svm1, pemisah antara kelas 1 dan kelas 2
  • svm 2, pemisah antara kelas 1 dan kelas 3, dan
  • svm 3, pemisah antara kelas 2 dan kelas 3

 

(source: link)

Selanjutnya, dibuat logika if-else untuk mengarahkan garis pemisah yang sesuai (atau dengan teknik lain yang sesuai). Berikut ini salah satu contohnya:

  • test1=svmclassify(svm1,datatesting)
  • if test1==1
  • test2=svmclassify(svm2,datatesting)
  • if test2==1
  • class=’1′
  • else
  • class=’3′
  • end
  • else
  • test3=svmclassify(svm3,datatesting)
  • if test3==2
  • class=’2′
  • else
  • class=’3′
  • end
  • end

Untuk membuat garis pemisah, Matlab menyediakan fungsi “svmtrain”. Jika ingin membuat garis pemisah antara kelas 1 dan kelas 2 (svm1) diperlukan data latih yang memiliki kelas 1 dan kelas 2 (tanpa menyertakan kelas 3) disertai dengan group-nya (dalam JST dikenal dengan istilah target).

  • svm1=svmtrain(train,group)

Di sini “train” merupakan data gabungan kelas 1 dan kelas 2, begitu pula “group” merupakan kelas yang sesuai dengan “train”. Gunakan excel untuk memilah-milah antara kelas 1 dengan kelas lainnya untuk membuat svm2, dan svm3.

 

Instal Matlab Mobile (Android)

Matlab pertama kali diciptakan untuk memanipulasi matriks dengan cepat dan praktis. Oleh karena itu diberi nama “Matlab” singkatan dari Matrix Laboratory. Kemampuan yang sesederhana kalkulator diimbangi dengan pemrograman yang berat membuat aplikasi ini banyak disukai oleh peneliti-peneliti yang bermain dengan komputasi. Tidak lengkap sepertinya saat ini jika ada aplikasi yang tidak ada versi androidnya. Matlab pun menyediakan aplikasi versi android yang dapat digunakan oleh peneliti dan mahasiswa dimanapun berada. Postingan ini sekedar membagikan info bagaimana instal aplikasi Matlab via android ini.

1. Mengunduh Aplikasi

Berhubung smartphone saya menggunakan sistem operasi android maka mau tidak mau menggunakan playstore untuk mengunduhnya.

Tekan tombol Install untuk memulai instal aplikasi Matlab android ini. Sepertinya tidak perlu dijelaskan lebih jauh, butuh beberapa menit untuk menginstalnya. Pastikan Matlab siap digunakan.

2. Sign Up

Langkah berikutnya adalah mendaftar akun di www.mathworks.com. Tahap ini didahului oleh instal upgrade aplikasi. Sangat dianjurkan jika Anda punya lisensi Matlab, tetapi jika tidak tentu saja tidak perlu upgrade.

Satu hal penting untuk dapat mendaftar akun di Matlab adalah email resmi, bukan gmail, yahoo, dan sejenisnya. Setelah memasuki regional, lanjutkan dengan aktivasi dengan cara mengklik link yang dikirimkan via email resmi tersebut.

3. Testing

Selamat, Anda telah berhasil menginstal Matlab mobile. Berikut ini saya coba memanipulasi matriks, menampilkan citra dan menjalankan salah satu fungsi, yaitu normalisasi Euclidean. Beberapa juga sudah saya coba membuat plot/grafik, dapat dilaksanakan juga. Selamat mencoba, semoga bermanfaat.

AppSheet – Aplikasi Android Untuk Mengelola Data Excel

Mungkin banyak yang bertanya, apa maksud judul di atas? Apa hubungannya Excel dengan android? Tentu saja di sini Excel yang digunakan bukan Excel di laptop melainkan menggunakan cloud application bawaan Google, yaitu AppSheet. Sambil membaca postingan ini, ada baiknya anda menginstall aplikasi sebesar 13-an Mb tersebut di playstore. Oiya, karena berbasis Google, tentu saja lebih optimal menggunakan browser Google Chrome dibanding lainnya (Mozilla, Safari, IE, dll).

1. Siapkan file Excel

Untuk membuat aplikasi yang membaca secara interaktif data sheet, terlebih dahulu siapkan datanya, yaitu data yang dibuat di Microsoft Excel. Misalnya daftar nilai mahasiswa berikut ini:

2. Upload ke Google Drive

Berikutnya kita buka Google Drive. Cara termudah adalah dengan masuk ke akun email dilanjutkan dengan menekan tombol empat titik dilanjutkan dengan menekan simbol Drive.

Upload file excel tersebut lewat menu File – Open dan lanjutkan dengan mengupload file excel yang akan dibuat ke appview.

Buka via Google Sheet file tersebut, sehingga memunculkan sheet yang mirip Microsoft Excel. Perhatikan di sini Google Sheet berbeda dengan sekedar view sheet. Tampilah Google Sheet dapat dilihat di bawah ini.

Sepertinya butuh koneksi internet yang cepat untuk membuka Google Sheet ini. Jadi, harap bersabar.

3. Mengeset AppSheet

AppSheet merupakan Add on yang disediakan oleh Google Chrome. Oleh karena itu di browser harus ditambahkan terlebih dahulu. Add on ini gratis

Jika Add on sudah ditambahkan maka pada Google Sheet akan muncul Add on serta koneksi ke AppSheet Anda.

Kemudian kita tinggal masuk ke AppSheet dengan terlebih dulu menambahkan Add on yang ada.

Cari AppSheet dan klik ketika ditemukan. Lanjutkan dengan menginstal appview di Chrome Anda.

Jika sudah berhasil terinstal, di menu Add on akan muncul AppSheet. Jalankan dengan menekan di menu “launch”.

Di sebelah kanan akan muncul smartphone yang akan dihubungkan dengan data sheet kita. Tekan Go untuk melanjutkan proses pembuatan.

Pastikan data sudah bisa diakses via AppSheet dengan melihat di bagian kanan Chrome, tampak nama-nama yang ada di data sheet Anda.

4. Deploy Aplikasi

Terakhir tentu saja kita harus bisa mengeshare aplikasi agar bisa dijalankan via ponsel kita. Terlebih dahulu kita masuk ke Setting dan Properties di AppSheet.

Jika sudah dirasa OK, tinggal men-share aplikasi tersebut.

5. Testing

Berikutnya buka AppSheet di handphone Anda. Ketika diminta login via Google maka akan muncul satu aplikasi yang telah Anda buat. Ketika dibuka maka Anda bisa melihat dan mengedit aplikasi Excel yang sudah berupa Android App tersebut.

Ketika dishare, maka yang akan melihat otomatis diminta menginstal aplikasi AppSheet, instruksinya seperti ini. Sekian semoga berfaedah.

NOTE: untuk excel yang lebih dari satu sheet, ada instruksi untuk menambahkan sheet lainnya, karena secara default AppSheet hanya menampilkan satu sheet saja.

Akreditasi Jurnal Nasional

Setelah beberapa waktu yang lalu banyak dosen, termasuk saya, diminta revisi laporan kinerja dosen karena tidak memasukan penelitian maka saat ini jurnal menjadi favorit di kalangan dosen. Cukup dengan satu naskah di jurnal ber-ISSN maka tunjangan dapat segera dicairkan. Tetapi untuk kepangkatan, bobot jurnal yang hanya ber-ISSN sangat kecil. Oleh karena itu jurnal yang terakreditasi saat ini banyak dicari karena bobotnya dua setengah kali jurnal yang hanya ber-ISSN.

Saat ini jurnal yang terakreditasi ada dua kategori, yang sudah ada sertifikatnya dan yang hanya terindeks SINTA. Jurnal yang sudah terindeks SINTA tidak serta merta memperoleh sertifikat akreditasi nasional. Harus mendaftarkan/mengajukan diri untuk akreditasi di situs resmi ARJUNA. Silahkan sign-up terlebih dahulu di link berikut ini.

Syarat-Syarat

Salah satu hal memberatkan yang menyulitkan jurnal yang terindeks SINTA untuk mengajukan akreditasi adalah Digital Object Identifier (DOI), yang merupakan indeks berbayar. DOI mirip Scopus yang mencatatkan makalah-makalah jurnal yang mengajukan untuk meminta nomor DOI untuk tiap naskah yang ada di dalamnya. Repotnya lagi, untuk mengajukan akreditasi, empat edisi harus sudah memiliki DOI di tiap-tiap naskahnya. Jika per edisi 5 tulisan (minimal syarat akreditasi) maka butuh 20 DOI untuk akreditasi.

Syarat-syarat lainnya adalah adanya informasi mengenai dewan redaksi, peer-review/reviewer/mitra bestari dan lain-lainnya. Oiya, sebagai perkenalan berikut ini adalah jurnal PIKSEL yang saya kelola. Silahkan berkunjung.

Tahapan Akreditasi

Jika syarat-syarat terpenuhi maka kita tinggal mengklik submit. Ada beberapa cheklist yang wajib ada (salah satunya DOI). Prosesnya terkadang cepat, terkadang seperti yang saya alami lumayan lama. Tahapan-tahapannya antara lain: evaluasi dokumen, proses penilaian, penetapan akreditasi, dan penerbitan SK akreditas.

Yuk, bantu-bantu jurnal nasional yang kebanyakan tak berbayar lewat artikel-artikel berkualitas dan juga bersedia menjadi reviewer. Proses masih dalam tahap evaluasi dokumen, jika sudah masuk tahap proses penilaian akan tampak seperti gambar berikut. Sekian semoga bermanfaat.

Memutar (Rotate) Teks Diagram Dari Visio Pada Word

Terkadang gambar yang dibuat di Visio dan sudah ditempel di Word harus diputar karena secara default miring. Hal ini sedikit mengganggu pembaca, termasuk reviewer yang me-review artikel tulisan kita. Postingan ini sedikit men-share tip singkat bagaimana memutarnya agar sama dengan tulisan. Perhatikan diagram di bawah yang memperlihatkan teks pada diagram yang miring.

Berikut adalah langkah-langkah sederhana yang bisa dilakukan di Word. Cara ini bisa dijalankan dengan syarat gambar yang ditempel bukan image (jpg/bmp/png) melainkan bawaan visio (select all dari visio dan di-paste di word).

1. Dobel Klik dan Masuk ke Visio Lewat Word

Dobel klik pada teks yang akan diputar, misalnya pada “Get API ..”. Setelah itu kita akan masuk ke menu editing Visio via Word.

2. Pilih Rotate Tools

Berikutnya ketika masuk ke Visio editing, pilih simbol rotasi. Dilanjutkan dengan memutarnya. Jangan lupa mengedit tulisan agar tidak keluar kotak diagram. Bisa dengan cara enter di suatu kata atau dengan melebarkan ukuran bagan. Hasilnya kira-kira sebagai berikut, selamat mencoba.

Fikiran .. Pedang Bermata Dua

Untuk Anda yang mengagung-agungkan fikiran, waspadalah karena fikiran sepertinya membantu Anda dalam keseharian tetapi bisa juga seperti pedang bermata dua yang melukai si pemilik. Hal ini terjadi karena yang seharusnya fikiran berfungsi sebagai alat tetapi beralih fungsi menjadi si majikan. Bagi tradisi kuno Hindu dan Budha fikiran sangat berbahaya karena bisa membuat seseorang hanyut dalam fikirannya. Fikiran yang tak terkendali, diibaratkan sebagai “monyet” yang bergerak loncat ke sana ke mari.

Kisah Imam Malik dan Imam Syafii

Tradisi Islam dahulu kala sering terjadi silang pendapat, karena fikiran. Imam Malik, sang guru, pernah berbeda pendapat dengan Imam Syafii, imam yang paling banyak pengikutnya di Indonesia. Imam Syafii tidak sependapat dengan Imam Malik yang mengatakan cukup dengan tawakal, rejeki akan tiba. Imam syafii berpendapat tidak mungkin tanpa usaha, rejeki akan tiba, seperti burung yang tidak keluar sarang mencari makan tidak akan memperoleh makanan. Begitulah sifat fikiran yang masih mengenal dualitas (atas bawah kiri kanan, suka duka, beanar salah, dan lain-lain). Perbedaan pendapat sejatinya tidak melepas/memutus ikatan pertemanan, apalagi murid dan guru, apalagi hanya dalam hal tetek bengek yang tidak penting, misalnya pileg, pilgub, pilpres, dan pil-pil lainnya.

Pulang dari berguru, Imam Syafii melihat orang-orang yang ramai memanen anggur. Terbesit ide untuk membantu memanen, dan benar dugaannya, selesai memanen Imam Syafii mendapat upah anggur yang banyak. Setelah memperoleh upah, beliau mendatangi lagi gurunya guna membuktikan kebenaran pendapatnya. Sang guru membenarkan pendapatnya, tetapi dengan santai ia mengambil anggur pemberian Imam Syafii, sambil mengatakan beberapa waktu yang lalu, dia kepingin sekali makan buah anggur, dan dengan doa dan tawakal, anggur yang banyak tiba di hadapannya. Mereka akhirnya tertawa.

Mindfulness/Kesadaran

Kesadaran yang berarti menyadari apa yang terjadi dalam fikiran dan perasaan merupakan inti dari meditasi, yang dalam istilah bahasa pali-nya, “sati”. Silahkan coba, tapi tidak berhenti sampai sati saja, melainkan mempelajari. Jika sudah terlatih sadar, seseorang akan memahami mengapa sebuah fikiran muncul, dari mana asalnya dan merembet ke mana. Akibatnya akan muncul kebijaksanaan dengan ciri khas, ego yang tidak mendominasi. Ego yang berada di fikiran akan membuat fikiran menjadi raja sementara diri kita budaknya. Akibatnya banyak orang-orang terpelajar yang di mata orang awam “error”. Konon, pembunuh salah satu khalifaturrasyiddin, Ali bin Abi Thalib, adalah Ibnu Muljam yang cerdas, berilmu, hafal Alquran dan Alhadits, yang sepertinya tidak mungkin terjadi pembunuhan itu jika ego dalam fikiran membuat seseorang menjadi budaknya.

Bahayanya Merasa Benar

Ketika lulus S1 dan menjadi dosen, saya menguji tugas akhir siswa tentang jaringan. Siswa mengatakan bahwa pewarnaan dalam kabel jaringan mempengaruhi nyambung atau putusnya koneksi, selain urutan kabelnya. Sementara saya ngotot, tidak, asalkan ujung ke ujungnya sesuai pin, urutan warna tidak pengaruh. Selang beberapa semester, saya bekerja sebagai staf IT pada bank nasional dan mengalami kondisi yang membuat saya merasa bersalah. Ceritanya sebuah vendor kabel disewa untuk memasang kabel jaringan di cabang dekat asam reges, Jakarta. Warnanya acak, walaupun ujung ke ujung (pin) tepat “lurus/straight“. Sempat jaringan berfungsi normal ketika menggunakan IBM pentium III, tetapi kebetulan ada pergantian PC ke HP Pentium IV, satu pun tidak ada PC baru yang berjalan jaringannya. Dimintalah saya datang ke sana, ternyata saya cek urutan kabelnya tidak standar (bukan: putih-orange, orang, putih-hijau, biru, putih-biru, hijau, putih-coklat, coklat). Akhirnya saya berfikir jangan-jangan siswa saya benar, urutan warna harus standar, akhirnya saya coba satu titik, ternyata benar. Dipanggilah vendor yang memasang kabel kemarin, mirip sidang tugas akhir saya dulu saling ngotot (walaupun untungnya, siswa tersebut saya luluskan). Vendor tersebut membuktikan dengan tester jaringan yang menunjukan “OK”. Akhirnya, saya putuskan menunjukan ke mereka pada satu titik koneksi dengan memasang ulang dengan warna standar, dan terbukti “OK” dengan PC yang baru. Karena takut kasus saya follow-up ke atas, mereka setuju memasang ulang seluruh kabel jaringan. Mudah-mudahan siswa yang saya uji hampir 17 tahun yang lalu itu membaca postingan ini, dan menerima permintaan maaf saya, minal aidin walfaizin, mohon maaf lahir dan batin.