Github merupakan situs terkenal untuk mengelola kode program. Dengan Github satu proyek dapat dikerjakan secara berkelompok tanpa adanya konflik. Hal ini terjadi karena adanya “version”, sehingga ketika proses editing mengakibatkan “crash”, maka program dapat dikembalikan ke versi sebelumnya. Selain itu ada istilah jalur utama dengan cabang sehingga programer tertentu dapat bekerja independen. Namun, satu fasilitas unik dari Github adalah dapat digunakan untuk web server layaknya WordPress atau Blogspot. Postingan kali ini akan membahas bagaimana membuat situs dengan Github.
Sign Up
Tentu saja syarat utama untuk memanfaatkan aplikasi Github adalah mendaftar/registrasi terlebih dahulu. Seperti aplikasi-aplikasi pada umumnya diperlukan email sebagai syarat pendaftaran karena akan ada proses verifikasi kode. Prosesnya pun cepat, hanya meminta nama “github” anda, misalnya saya menggunakan nama “rahmadyath”, karena “rahmadya” sudah dimiliki orang.
Membuat Repository
Berikutnya adalah log in ke Github untuk menyiapkan repository. Ada dua pilihan: public dan private. Tentu saja pilih public jika ingin situs dapat diakses oleh khalayak ramai. Jika sudah, Anda tinggal mengisi konten. Banyak template-template website tersedia, biasanya dalam bentuk bootstrap dengan CSS yang indah dan menarik. Hanya saja jika akan diupload ke Github lewat website Github ada batas maksimal satu folder yang berisi 100 file, kecuala Anda menginstall Github desktop terlebih dahulu.
Menseting Website
Setelah repository berisi web yang sudah didisain, berikutnya adalah mengeset website. Caranya adalah masuk ke menu setting untuk memilih repository main dilanjutkan dengan save. Sebelumnya Anda diminta mengisi nama judul website, misalnya: rahmadyath.github.io/documentation. Jika sudah, maka ketika alamat tersebut diketik akan muncul website yang baru saja dipublikasi.
Teknik ini cukup baik dan dapat dijadikan testing prototipe untuk dicek oleh pemesan aplikasi sebelum lanjut ke tahap berikutnya. Untuk lebih jelasnya silahkan lihat video Youtube berikut ini.
Saat ini tidak dapat dipungkiri bahwa Deep Learning paling banyak diteliti dan digunakan dalam aplikasi-aplikasi artificial intelligence. Beberapa pengguna tidak menyukai metode tersebut karena karakteristiknya yang tidak dapat dilihat logika di dalam modelnya atau sering diistilahkan dengan black box walaupun akurasinya saat ini dengan model terbarunya hingga mendekati 100%. Selain itu, deep learning membutuhkan kinerja prosesor yang tinggi, terutama ketika proses pelatihan (learning).
Jika ingin membuat model yang dapat dilihat alur logikanya, naïve bayes merupakan salah satu pilihan yang baik. Walaupun kinerjanya menurut beberapa penelitian kalah dengan metode terkini seperti misalnya support vector machine (SVM), metode ini memiliki karakteristik statistik yang kental, yaitu probabilistik. Ada istilah confidence dalam metode ini.
Untuk perhitungan, naïve bayes lebih mudah menurut saya dibanding decision tree yang mengharuskan membuat model tree dengan konsep entropy dan gain informationnya. Pada naïve bayes, kita hanya menghitung probabilitas ketika menghitung confidence tiap-tiap kelas prediksi.
Plus Minus
Metode naïve bayes, dalam Scikit Learn diisitilahkan dengan Gaussian Naïve Bayes, karena dalam mengkonversi tabel kategorikal lewat pendekatan fungsi Gauss. Walaupun akurasinya kurang dibanding metode lain, sifat probabilistiknya sangat membantu penjelasan ke pengguna dalam aplikasinya. Misalnya dalam memprediksi sebuah sentimen dalam sentiment analysis, metode ini tidak hanya menjelaskan positif, negatif, atau netral saja, melainkan berapa kadar positif dan negatifnya dalam bentuk probabilitas. Terkadang jika dalam sistem dashboard menunjukan negatif dengan probabilitas yang tinggi bisa saja digambarkan dengan warna merah yang artinya warning, sehingga eksekutif segera mengambil tindakan yang perlu dalam manajemen.
Statistik merupakan bidang yang paling banyak dimanfaatkan dalam machine learning. Belakangan beberapa ahli machine learning enggan disebut ahli statistik karena belakangan metode-metode terbaru tidak terlalu mengadopsi konsep statistik, misalnya tensorflow yang cenderung ke arah tensor dan matriks dalam aljabar. Silahkan lihat penjelasan slide di atas dalam video youtube berikut ini, semoga bermanfaat.
Beberapa istilah terkadang membuat rancu seperti data mining, machine learning, dan deep learning. Wajar saja karena ketiganya masih dalam induk yang sama, yaitu data mining yang bermain dengan data yang akan dilatih/ditraining. Deep learning merupakan machine learning yang mengkhususkan diri dengan satu metode yaitu jaringan syaraf tiruan (neural network). Machine learning merupakan salah satu metode dalam data mining yang mengkhususkan diri dengan beragam metode untuk melatih data sehingga mampu digunakan sebagai mesin inferensi/prediksi maupun klasterisasi. Salah satu metode klasik yang mudah dimengerti adalah KNN. Metode ini berprinsip, suatu data akan menjadi anggota data lain jika di sekelilingnya kebanyakan anggota data tersebut.
Para pengembang dan peneliti dengan menggunakan bahasa Python bersama-sama membuat library untuk pengguna machine learning. Library tersebut dibuat dengan format kelas yang berisi metode/fungsi seperti fitting, predicting, dan juga alat untuk mengukur akurasi. Kode sumber dapat diakses dengan mudah sehingga memudahkan Anda yang mendapat tugas memodifikasi metode.
Untuk praktek menerapkan KNN dengan library dari Scikit Learn, Google Colab merupakan pilihan yang praktis karena hanya bermodalkan browser dengan koneksi internet saja. Berikut kode yang terdiri dari impor library, ambil data, training data dan validasi. Terakhir menggunakan fungsi prediksi pada library untuk memprediksi kelas suatu data. Untuk pemula ada baiknya Anda ketik sendiri untuk melatih keterampilan serta alur logika memrogram.
#Impor pustaka
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
from sklearn.metrics import classification_report
#Mengambil data dari file csv
datasiswa=pd.read_csv('beasiswa.csv')
df=pd.DataFrame(datasiswa,columns=['Mahasiswa','IPK','Tingkat Kemiskinan (TM)','Beasiswa/Tidak'])
X=np.asarray(datasiswa)
x_train=X[:,1:3]
y_train=X[:,3:4]
#Memanggil KNN
knn=KNeighborsClassifier(n_neighbors=6,
weights='uniform',
algorithm='auto',
metric='euclidean')
#Fit model dengan data latih dan target/label
knn.fit(x_train,y_train)
#Mengambil data dari file csv
datavalidasi=pd.read_csv('validasibeasiswa.csv')
df2=pd.DataFrame(datasiswa,columns=['Mahasiswa','IPK','Tingkat Kemiskinan (TM)','Beasiswa/Tidak'])
X2=np.asarray(datavalidasi)
x_val=X2[:,1:3]
y_val=X2[:,3:4]
#Prediksi
y_pred=knn.predict(x_val)
print((y_val).T)
print(y_pred)
print(classification_report(y_val,y_pred))
#Menyiapkan sebuah data uji/testing
uji=np.asarray([[2.5,4.0]])
y_pred=knn.predict(uji)
print(y_pred)
Data yang dibutuhkan dua buah yaitu data beasiswa dan data validasi beasiswa dalam format CSV. Bagaimana cara unggah data tersebut ke Google Colab serta penerapannya silahkan lihat video Youtube saya berikut ini. Semoga bermanfaat.
Untuk pemula terkadang ada yang kesulitan belajar secara runut, dari A sampai Z. Terkadang perlu mempraktikan agar memahami maksudnya. Salah satunya belajar Web, yang jika serius, di kampus memerlukan beberapa semester. Namun, berkat tutorial yang ada di internet, kita bisa mempelajari dengan cepat bagaimana suatu teknologi bekerja, hanya bermodalkan laptop/komputer.
XAMPP
Server yang banyak digunakan adalah Apache, dengan database MySQL. Keduanya tersedia dalam paket XAMPP. Silahkan unduh dan jalankan server ringan tersebut. Di sini ringan maksudnya jika tidak kita hidupkan server tersebut mati, sehingga tidak memberatkan RAM laptop kita.
Hidupkan server Apache dengan menekan tombol “Start”. Juga MySQL jika nanti Anda menggunakan sebuah database dalam aplikasinya.
Web Designer
Untuk mengisi server yang sudah dijalankan tersebut kita membutuhkan konten yang bisa dibuat dengan sebuah Web Designer. Banyak aplikasi yang tersedia baik yang gratis maupun yang bayar. Teknologi sekarang ketika mendisain web, aplikasi yang dijalankan bisa berjalan bukan hanya di komputer tetapi juga bisa di Android/ponsel.
Httrack
Nah, untuk langsung mempraktekan cara menjalankan sebuah situs Web, ada satu aplikasi sederhana yang mengkopi sebuah situs Web lengkap, salah satunya HTTRACK. Dengan menyediakan folder untuk lokasi download, httrack dengan mudah mengunduh seluruh situs Web, hingga ke folder-foldernya. Tentu saja jika Webnya besar, waktu yang diperlukan juga lama. Nah, ambil contoh saja situs yang Single Page.
Kemudian letakan folder hasil unduh di XAMPP pada folder HTDOCS. Lalu jalankan localhost ke lokasi folder tersebut.
Tentu saja untuk mempublish Anda harus memodifikasi karena ada hak cipta dari pembuat web tersebut. Untuk jelasnya lihat video singkat berikut, selamat mencoba.
Menginput nilai terkadang menjadi hal yang menjemukan karena cukup menyita waktu. Google classroom (GCR) merupakan salah satu tool elearning gratis yang disediakan oleh Google. Untuk kampus yang belum memiliki fasilitas elearning, GCR merupakan andalan, bahkan terkadang lebih baik dari pada tool elearning buatan sendiri. Postingan kali ini bermaksud sharing bagaimana menghitung nilai harian siswa secara otomatis.
Membuka Rekap Nilai
Setelah selesai perkuliahan, nilai seluruh mahasiswa di suatu kelas dapat diakses dengan masuk ke Grade di home.
Secara default nilai total (overall grade) tidak muncul di sheet di bawah ini. Namun jangan kecewa, karena kita bisa meminta GCR untuk menampilkan nilai akhirnya.
Menambahkan Overall Grade
Untuk menampilkan overall grade, masuk ke Setting dan cari pilihan Total Points di bagian Grading.
Setelah Total Points di pilih, pastikan di sheet muncul overall grade yang merupakan rata-rata nilai siswa dari assignment yang diberikan. Lanjutkan dengan menekan Save di kanan atas.
Memindahkan ke Excel
Untuk memindahkan ke Excel Anda tinggal memblok seluruh isian yang akan dipindah dan tinggal di copy dan paste di Excel. Sayangnya, cara ini hasilnya agak kurang bagus karena muncul teks tambahan HTML. Oleh karena itu kita ikuti saja cara yang disediakan oleh GCR berikut ini.
Masuk ke Classwork mana saja (bukan pertemuan/kuliah), misalnya Ujian Akhir Semester. Di bagian kanan atas tekan simbol Settings yang akan meminta Anda memilih mengkopi ke Google Sheets (Excel online buatan Google) atau mengunduh dalam bentuk Comma Separate Value (CSV) yang bisa dibuka dengan Excel. Di sini kita pilih Download all grades as CSV jika ingin mengunduh seluruh nilai. Sementara Download these grades as CSV dipilih jika hanya nilai yang sedang dibuka saja.
Selamat, Anda berhasil merekap nilai tanpa susah payah. Tentu saja nilai tiap tugas tetap harus diperiksa tiap minggunya jika ada. Berhubung overall grade tidak ada, silahkan gunakan fungsi average di Excel untuk merekap nilai totalnya.
Silahkan lihat video Youtube berikut untuk lebih jelasnya. Semoga bermanfaat.
Mempelajari hal-hal baru, tidak hanya pengolahan citra, dapat dilakukan dengan memanfaatkan internet. Terlebih ketika kondisi pandemik seperti saat ini dimana perkuliahan dilaksanakan secara daring. Praktikum yang biasanya dilaksanakan secara offline di laboratorium, terpaksa memanfaatkan fasilitas pribadi milik mahasiswa, yakni laptop yang dilaksanakan secara online. Untungnya, salah satu bahasa pemrograman, yakni Python, diadposi oleh Google dengan meluncurkan aplikasi onlinenya untuk pemrograman, yakni Google Colab (silahkan lihat infonya di sini).
Semenjak kemunculannya, banyak peneliti, kampus, dan pemerhati artificial intelligent membagi kodingannya via Google Colab. Dengan menggunakan kata kunci: “Google Colab” <topik>, kita dapat menemukan sumber informasi yang diinginkan. Kalau pun tidak berupa link Google Colab, biasanya dalam situsnya disertakan juga link Google Colabnya. Nah, di situlah kita bisa belajar hal-hal yang terkait dengan teknologi yang kita inginkan.
Ada juga kontroversi terkait dengan belajar instan lewat internet, salah satunya adalah masalah ilmu dasar yang kurang diperhatikan mengingat biasanya hanya untuk aplikasi-aplikasi siap pakai saja. Menurut saya wajar, karena memang kaum milenial memiliki karakter “instant” yang harus dipenuhi oleh pengajar. Sebenarnya cukup membalik dari teori dan aplikasi menjadi aplikasi dan teori sudah mampu menarik minat mereka. Kalaupun ingin menerapkan teori dulu baru aplikasi, sebaiknya jangan terlalu panjang jedanya, syukur-syukur di pertemuan yang sama.
Beberapa dosen tidak menganjurkan menggunakan bahasa pemrograman dalam bentuk paket atau library-library seperti misalnya OpenCV untuk pengolahan citra. Alasannya tidak mendidik mahasiswa memahami dasar-dasar ilmu pengolahan citra. Mereka cenderung menggunakan Bahasa C++ dalam perkuliahan. Menurut saya baik, tetapi untuk mengejar ketertinggalan teknologi dengan negara-negara lain ada baiknya mengikuti trend teknologi terkini, apalagi jika mahasiswa ingin bekerja pada vendor/perusahaan yang memang cenderung menerapkan teknologi terkini baik dari bahasa, library, dan tools lainnya. Pembuat library pun menyediakan dasar-dasar ilmunya yang dapat diakses di situs resminya, misalnya OpenCV di link https://opencv.org/ atau pada dokumentasinya di sini, seperti contoh filter 2d dibahas pula dasar-dasar teorinya.
Tentu saja kita harus membaca buku teks standar pengolahan citra atau dasar-dasar matematika seperti kernel, matriks, dan lain-lain. Jika di era 90-an kita belajar ilmu dasar tanpa melihat langsung penerapannya, saat ini siswa lebih mudah melihat langsung penerapan ilmu dasar yang diajarkannya. Silahkan lihat video berikut untuk mengakses topik tertentu di Google Colab.
Setelah beberapa tahun tidak berhasil menjalankan UMAX 5600 di Windows 10 akhirnya bisa dijalankan juga. Sebelumnya memang scanner ini bisa digunakan dengan Windows XP yang lalu, setelah migrasi entah mengapa baik di forum Microsoft maupun di Googling tidak berhasil ditemukan. Selama ini digunakan dengan menggunakan VMWare yang berisi XP di dalamnya, tapi tentu saja jadi berat karena harus menyediakan satu mesin virtual XP di Windows 10.
Namun beberapa referensi di Youtube banyak yang menyarankan menggunakan aplikasi-aplikasi tertentu dengan Tips dan Trik-nya. Nah, repotnya beberapa saya jalankan, dan berhasil. Sayangnya ada sedikit kombinasi antara satu Tip n Trik dengan lainnya.
1. Gunakan Driver yang Lama dengan Kompatibilitas set ke Windows Xp sp 2
Teknik ini dianjurkan karena driver sejatinya sudah ada. Namun masalahnya adalah tidak berhasil menginstal “Hot-Key”. Tetapi ketika gagal menginstal Hot key, tetap saja beberapa file terpasang di Windows 10. Sepertinya file-file tersebut bermanfaat.
2. Menggunakan Driver Bawaan Microsoft
Metode ini dapat dilihat di link youtube ini. Ketika terpasang tetap saja “Paint” tidak mendeteksi adanya Scanner. Saya lebih suka menggunakan Paint dibanding aplikasi bawaan UMAX yang butuh waktu lama ketika membuka. Di link tersebut disarankan menggunakan “PaperScan” yang bisa diunduh di link ini. Namun ketika dijalankan Hardware Scanner tidak terdeteksi.
Untuk mengatasi hal tersebut, setelah dijalankan langakah 1 dan 2 ternyata muncul pilihan UMAX 5600 di PaperScan yang muncul kemungkinan besar karena langkah 1. Hampir saja saya “uninstall” PaperScan. Masalahnya sekarang adalah mencari software free selain PaperScan yang gratis karena masih “Trial”. Sekian, semoga ada yang bisa memberi masukan.
Pertemuan yang lalu kita telah berlatih mengetik. Tidak perlu berkecil hati untuk rekan-rekan yang kecepatannya mengetiknya lambat karena saat ini Google Docs (http://docs.google.com) menyediakan fasilitas mengetik dengan suara. Alat yang dibutuhkan hanya microphone dan internet karena Google Docs bekerja lewat cloud (internet).
Akun Gmail
Syarat terpenting memanfaatkan fasilitas Google Docs (juga fasilitas lainnya) adalah akun Gmail. Sepertinya saat ini hampir semua orang memiliki akun Gmail. Ketika login Gmail, di bagian kanan atas kita bisa beralih ke Google Docs dengan menekan simbol documen. Lanjutkan dengan membuat dokumen baru.
Memulai Mengetik via Suara
Untuk memulai mengetik, masuk ke menu Tools (atau alat jika sudah dalam bahasa Indonesia) lalu pilih Voice Typing (atau Dikte). Pastikan simbol microfon muncul di sebelah kiri google docs.
Set Bahasa
Jika kita ingin mengetik dalam bahasa Indonesia, maka terlebih dahulu kita harus mengeset bahasa Indonesia agar suara dapat dengan baik dikonversi ke tulisan oleh Google. Caranya adalah dengan menekan tombol segitiga di atas simbol microfon. Pilih bahasa yang Anda inginkan, misalnya Bahasa Indonesia.
Memulai Mengetik dengan Suara
Berikutnya kita tinggal berbicara saja lewat mikrofon. Usahakan perlahan dengan pengucapan yang jelas. Tangan kita tinggal menekan titik dan koma saja. Atau tanda petik jika ingin mengetik cerita/novel. Untuk menyimpan ke laptop, tinggal masuk ke menu File – Download dan pilih format yang kita inginkan, misalnya docx. Sekian selamat mencoba.
Salah satu skill yang harus dimiliki oleh mahasiswa jurusan yang berhubungan dengan komputasi (ilmu komputer, sistem informasi, sistem komputer, dll) adalah pemrograman. Saat ini bahasa pemrograman yang beredar sangat beragam, dari yang berbasis desktop, web, android/ios, hingga IoT. Tentu saja tidak semua bahasa harus dikuasai oleh mahasiswa komputer. Beberapa buku teks menggunakan konsep pseudocode yang mirip program tetapi dengan bahasa yang dimengerti manusia dan bebas platform bahasa pemrograman. Namun demikian diharapkan mahasiswa mengerti minimal satu bahasa pemrograman dan menguasainya.
Bahasa pemrograman pun banyak tipenya, dari yang berfungsi alat bantu komputasi teknis, program bisnis, statistik, game, hingga mesin pembelajaran dan deep learning. Banyak style yang diterapkan dalam pembelajaran memrogram ini. Hal ini berkaitan dengan maksud dan tujuan pembelajaran pemrograman itu sendiri.
Pemilihan Bahasa Pemrograman
Beberapa dosen senior kebanyakan mengajarkan bahasa C++ sebagai bahasa utama belajar pemrograman. Wajar, bahasa ini sangat ampuh, cepat, dan merupakan bahasa pembentuk bahasa pemrograman lain, bahkan untuk membuat satu sistem operasi. Beberapa dosen yang agak muda menyarankan Java karena bahasa ini banyak digunakan dalam industri. Bahasa ini juga pembentuk bahasa pemrograman lain, misalnya untuk piranti mobile. Saat ini, Python merupakan bahasa yang paling banyak digunakan karena selain ringan, cepat, dan praktis, bahasa ini cocok untuk bidang yang saat ini sedang “in” yakni deep learning.
Style Pengajaran
Beberapa dosen sangat ketat dalam mengajarkan dalam artian, siswa harus mampu memrogram dengan bahasa yang murni. Ciri dosen ini adalah mengharamkan bahasa pemrograman yang sudah memiliki module atau toolbox yang berisi fungsi tertentu. Misal, alih-alih menggunakan fungsi, misalnya average utk rata-rata, mahasiswa diharuskan membuat formula perhitungan rerata sendiri. Jika siswa mampu mengikuti perkuliahan ini, dipastikan mampu berfikir logis. Namun ketika lulus harus cepat beradaptasi dengan bahasa-bahasa baru yang digunakan industri. Dosen dengan style ini sangat mengharamkan Matlab maupun OpenCV dalam pembelajaran. Saya sendiri sempat mempraktikan metode ini hanya untuk materi dasar seperti algoritma dan pemrograman. Itu pun mahasiswa agak kesulitan.
Dosen-dosen generasi 2000-an kebanyakan saat ini menggunakan bahasa Python. Saat ini Google mempermudah orang belajar Python karena menyediakan fasilitas “Google Colab”, yaitu pemrograman via browser. Mahasiswa tidak perlu menginstal Python, tinggal langsung mengetik http://colab.research.google.com maka langsung terhubung ke Google Colab. Bahkan Google menggratiskan GPU-nya untuk digunakan. Mungkin dosen-dosen senior agak keberatan karena dalam Python banyak fungsi-fungsi “instan” yang tidak mendidik para mahasiswa dalam memrogram tetapi dari diskusi-diskusi sesama pengguna banyak informasi-informasi mengenai struktur logika suatu fungsi tertentu. Pembuat fungsi/library pun menyediakan kode sumber yang dapat dilihat di situs resminya. Selain itu, sumber file dapat dilihat isinya misalnya salah satu fungsi m-file dalam Matlab yang bisa dilihat kode sumbernya. Tentu saja jika siswa diharuskan membuat dari “nol” agak berat, khususnya materi-materi yang melibatkan banyak komputasi seperti model-model deep learning. Ada baiknya mengikut perkuliahan Massachusetts Institute of Technology (MIT) yang mengharuskan mahasiswa memahami struktrur program yang dia ketik. Tentu saja fungsi-fungsi tertentu seperti rata-rata, standar deviasi, dan sejenisnya dianggap siswa sudah memahaminya, terkadang tidak perlu mengkode ulang.
Share Kode (Github, Google Colab, dll)
Saat ini siswa mudah sekali mempelajari satu metode karena sudah banyak yang men-share kode sumber yang merupakan proyek risetnya. Termasuk buku-buku teks pun ikut juga men-share kode2nya, sekaligus promosi buku yang dijualnya. Kode-kode tersebut sangat membantu memahami konsep-konsep dasar komputasi, machine learning, data mining, dan sejenisnya karena langsung terlihat nyata. Hanya saja beberapa problem harus diselesaikan terkait kompatibilitas versi bahasa pemrograman, misalnya Google Colab yang menggunakan versi terkini Python dan library-library nya, seperti diskusi berikut ini.
Mendeley merupakan citation tool yang paling diminati oleh peneliti. Selain gratis, aplikasi ini mudah dan praktis digunakan. Kombinasi antara mendeley online (www.mendeley.com) dan desktop menyebabkan fleksibel digunakan, bahkan ketika menggunakan lebih dari satu device. Karena postingan yang lalu sudah dibahas instal Mendeley di Windows, kali ini akan dibahas bagaimana instal Mendeley di Mac.
Registrasi Mendeley
Mendeley mengharuskan pengguna memiliki akun. Siapkan akun email untuk login ke Mendeley. Tidak harus email resmi, email gratisan pun bisa digunakan. Lewati langkah ini jika Anda sudah punya akun Mendeley. Untuk registrasi, tekan saja menu “Create Account” di pojok kanan atas. Isi email disertai dengan nama dan password Mendeley.
Setelah itu buka email dan tekan Confirm yang terdapat pada isi email yang dikirim Mendeley. Tidak sampai satu menit Anda berhasil registrasi Mendeley.
Mengunduh Mendeley
Mendeley akan otomatis memberikan tombol unduh mengikuti sistem operasi Anda. Jika Anda pengguna Mac dengan IoS-nya, maka situs download Mendeley akan memberikan kode sumber berbasis Mac.
Tekan bar berwarna merah untuk mengunduhnya. Tunggu beberapa saat hingga proses pengunduhan selesai. Tekan Open di file yang sudah diunduh untuk melakukan proses instalasi.
Instal Mendeley
Drag simbol Mendeley ke arah Applications untuk mempersiapkan Mendeley. Selesai sudah proses instalasi, Anda tinggal menjalankan Mendeley yang baru saja diinstal.
Masukan akun yang baru saja Anda buat (register).
Login dan Instal Plug-In untuk MS Word
Jangan lupa untuk menginstal Plug-in Mendeley agar bisa terkoneksi dengan Microsoft Word.
Jika sudah, Anda bisa menggunakan Mendeley untuk mengorganisir sitasi di naskah Artikel Anda. Untuk memastikan Plugin berjalan dengan baik, buka MS Word dan pastikan di menu Reference ada fasilitas lengkap Mendeley. Selamat Mencoba.
Resume atau Curriculum Vitae (CV) merupakan sarana penting untuk memperkenalkan kita kepada pihak-pihak yang membutuhkan kemampuan kerja kita. Resume yang baik selain dapat memberikan gambaran yang tepat juga harus memiliki aspek estetika. Postingan ini membahas proses pembuatan CV baik dari bawaan Microsoft Word maupun template-template yang tersedia di internet.
1. Template dari Microsoft Word
Microsoft Word menyediakan template standar yang dapat dibuka ketika kita membuat naskah baru selain beberapa template lain seperti brosur, undangan, dan lain-lain.
Misalnya kita memilih “Blue Spheres Resume” untuk kita jadikan template. Ketika ditekan maka sebuah template siap dibuat.
Education bisa Anda ganti dengan “Pendidikan” dan copas saja menjadi beberapa bagian menyesuaikan tingkat pendidikan yang telah kita lalui. Foto dapat Anda ganti dengan mengklik kanan, pilih Fill lalu cari foto Anda.
2. Template Dari Internet
Silahkan searching “Free Resume Template Microsoft Word” di Google, maka Anda akan menjumpai beragam situs, misalnya: https://www.freesumes.com/modern-resume-templates/. Pilih saja satu resume yang menurut Anda menarik, unduh dan edit seperti langkah pada template bawaan Microsoft Word.
Beberapa software dapat juga digunakan misalnya Photoshop dengan kualitas yang tidak kalah baik. Namun karena Word paling banyak digunakan saat ini, ada baiknya kita dapat membuat resume dengan Microsoft Word. Selamat mencoba.
Mahasiswa angkatan saya ketika praktikum, rutinitasnya adalah bawa buku catatan, menuju ruang lab, mendengarkan arahan asisten dosen, mempraktekan materi yang diajarkan lalu kalau ada tugas dikumpulkan dan pulang. Kalau tidak bisa terkadang nanya teman-teman sebelum ke instruktur. Kampus menyediakan sarana prasarana berupa komputer, LCD proyektor, whiteboard, dan ruang ber AC.
Waktu terus berjalan hingga perkembangan teknologi yang cepat membuat beberapa kampus hanya menyediakan ruangan saja karena mahasiswa sudah memiliki laptop. Tentu saja perlu instalasi program yang akan dilatih. Untuk praktik pemrograman, yang sering diinstal adalah netbeans untuk java, php-mysql untuk web, dan android studio untuk mobile. Nah, untuk machine learning dan kawan-kawan, Python masih menjadi bahasa utama.
Google
Salah satu website no.1 di dunia adalah Google. Situs ini selain berfungsi sebagai mesin pencari ternyata memiliki fasilitas-fasilitas penting lainnya seperti email, penyimpanan, pengetikan, e-learning, pemrograman, online meeting, dan lain-lain. Jadi seluruh paket yang ada bisa dimanfaatkan baik yang berbayar maupun yang gratis.
Google Classroom
Ini merupakan senjata ampuh dosen yang di kampusnya tidak memiliki fasilitas e-learning. Tinggal login dengan Gmail, langsung bisa membuka kelas baru (untuk dosen) atau mengikuti kelas (untuk mahasiswa).
Google Colab
Ini merupakan fasilitas baru yang disediakan oleh Google untuk pemrograman secara interaktif. Bahasa yang dipilih adalah Python dengan versi Jupyter Notebook-nya. Selain menyediakan software, Google Colab juga menyediakan fasilitas GPU-nya yang powerful, cocok untuk rekan-rekan yang meramu Deep Learning.
Integrasi E-Learning dan Praktik
Untuk memberikan nilai, ternyata e-learning pada Google Classroom sudah menyediakan fasilitas-fasilitas seperti link Youtube, blog, dan yang terpenting untuk praktikum adalah link Google Colab untuk mengecek code yang dibuat mahasiswa. Bukan hanya berupa “capture-an” yang bisa diedit, di sini bisa dijalankan langsung oleh dosen penguji apakah programnya berjalan dengan baik atau masih ada error di sana sini. Sekian, siapa tahu bisa ikut mempraktekan.
Instruksi pemerintah yang mengharuskan kampus melaksanakan perkuliahan daring memaksa kampus membuat strategi agar perkuliahan memiliki kualitas yang mendekati perkuliahan tatap muka. Hasil evaluasi semester yang lalu yang dilakukan terpaksa secara daring menimbulkan umpan balik berupa ketidakpuasan mahasiswa. Beberapa demonstrasi dilakukan agar biaya kuliah online dibedakan dengan tatap muka. Tentu saja tuntutan tersebut sulit diakomodir.
Blended learning yang sejatinya gabungan dari tatap muka dengan e-learning banyak diadopsi oleh beberapa kampus dengan modifikasi dimana tatap muka diwakilkan dengan online meeting. Akibatnya aplikasi-aplikasi pendukung online meeting banyak dicarai, antara lain: zoom, google meet, team link, dan sebagainya.
Contoh Penjadwalan
Meeting dengan zoom dapat dilakukan secara langsung dengan menekan tombol New Meeting bisa juga dengan penjadwalan. Untuk perkuliahan resmi atau webinar-webinar lainnya ada baiknya langsung dijadwalkan dengan menekan tombol Schedule.
Banyak isian yang harus dimasukan di form ketika Schedule ditekan. Tanggal dan jam acara beserta durasi merupakan komponen penting. Misalnya kita akan membuat online meeting dengan spesifikasi sebagai berikut:
User bisa langsung online dengan video dan suara.
User tidak perlu memasukan kode meeting.
User tidak perlu “sign in” di aplikasi zoom.
Langkah-Langkah Penjadwalan
Langkah yang dilakukan adalah menekan tombol Schedule dilanjutkan dengan mengisi sesuai dengan spesifikasi. Tekan tombol Advanced Option karena ada fasilitas tertentu yang diperlukan, yakni user tidak perlu “sign in” di aplikasi.
Kalender bisa digunakan untuk pengingat, biasanya dengan Google Calender. Beberapa konfirmasi perlu dilakukan karena zoom akan berinteraksi dengan Google. Bagian Advanced Option perlu diisi seperti gambar berikut.
Contoh pilihan di atas berarti kita menyediakan satu virtual waiting room sebelum host meng-admit (membolehkan masuk room). Enable join before host berarti user bisa masuk walau meeting room belum men-start meeting, tetapi tetap saja host perlu meng-admit. Mute participants upon entry memaksa user yang baru masuk tidak aktif microphone nya. Only authenticated users can join: Sign in to Zoom perlu di -unchek karena kita ingin user tidak perlu sign in di Zoom. Biasanya orang-orang tua di kampung tidak bisa atau sulit sign up/register di sebuah aplikasi, bahkan email pun tidak punya. Terakhir Automatically record meeting bermanfaat untuk merekam meeting, baik di komputer kita maupun di cloud.
Manajemen Meeting
Terkadang pemilik akun tidak ditugasi menjadi host. Maka perlu ada transfer host dari pembuat jadwal meeting dengan host baru yang harus standby menjaga meeting dengan baik. Kalau di tatap muka dianalogikan dengan pembawa acara/panitia.
Cara transfer host mudah saja yaitu dengan menekan tombol Participants dilanjutkan dengan menekan peserta yang sudah masuk room untuk dijadikan host. Tekan tombol More lalu pilih Make a Host. Mudah saja ternyata, tapi hati-hati jangan sampai salah memilih akun. Sebaiknya transfer saja ketika baru sedikit yang masuk atau kalau perlu ketika baru berdua saja setelah sedikit pembicaraan agar dia siap menjadi host dengan tugas meng-admit peserta lain yang nantinya akan hadir. Demikian, semoga bisa membantu, selamat ber-online meeting.
Penelitian dalam bahasa Inggris adalah research yang berasal dari kata search yang artinya mencari. Kata “re” di depannya berarti mengulang kembali. Sehingga dapat diartikan mencari kembali. Jadi memang pada prinsipnya tidak ada yang diciptakan oleh manusia melainkan hanya menemukan sesuatu yang memang dari dahulu kala sudah ada di alam. Yang kita ciptakan hanya memanfaatkan fenomena-fenomena yang disediakan alam.
Sebagian Besar Sudah Ada Jawaban
Pertanyaan-pertanyaan yang kita jumpai merupakan bahan bakar utama dari penelitian yang tujuannya menjawab pertanyaan-pertanyaan tersebut. Sebagian besar pertanyaan sudah ada jawabannya baik dari buku, jurnal, dan lain-lain yang tersedia di internet. Nah, untuk pertanyaan-pertanyaan yang tidak ada jawabannya hingga saat ini maka pertanyaan tersebut bisa dikatakan pertanyaan penelitian asal jawabannya nanti berkontribusi terhadap suatu cabang ilmu, baik ilmu murni maupun terapan.
Internet dan Forum Diskusi
Kita sering mendengar slogan “tanya saja mbah Google”. Hal ini terjadi karena kemampuan Google menemukan jawaban dari kata kunci yang kita berikan di situs no. 1 paling banyak dilihat tersebut. Ada bagusnya, walau terkadang membuat kita malas mengingat-ingat sesuatu. Misal kita ingin mengetahui bagaimana me-remove kata-kata yang ada dari hasil scrapping Twitter.
“[‘Yesterday I had the honour of speaking about the #Free struggle at the #BlackLivesMatter rally in… https://t.co/DLKQInfsCT’]”,
Tampak ada simbol-simbol seperti URL, kurung kotak dan sejenisnya yang mengganggu proses Text Mining. Bagaimana cara memperoleh informasi tips dan trik membersihkan hasil scrapping tersebut? Mudah saja, ketikan saja kata kunci yang menggambarkan keinginan kita, sebaiknya gunakan bahasa Inggris agar banyak yang diperoleh.
Saya menggunakan kata kunci “erase tags python” dan muncul beberapa hasil. Yang teratas untuk coding biasanya situs “stackoverflow.com” yang memang berisi diskusi-diskusi tentang pengkodean untuk berbagai bahasa pemrograman.
Pertanyaan-pertanyaan Lain Muncul Kemudian
Banyak jawaban-jawaban yang diberikan belum sesuai dengan keinginan. Terkadang perlu menjawab pertanyaan-pertanyaan lainnya. Misalnya ketika dicoba saran dari situs diskusi tersebut tidak cocok dengan kasus kita.
Ternyata dengan mengetik TypeError di atas di mesin Google, banyak sekali jawaban-jawaban yang muncul. Tapi sebenarnya kode di atas jalan asal variable “text” berformat string, ketika berasal dari file CSV oleh Python dianggap object. Jadi sebagian menyarankan mengkonversi variabel “text” menjadi string terlebih dahulu. Barulah setelah itu, kode di atas dapat berjalan normal. Perhatikan hasil uji tipe data yang tadinya ‘numpy.ndarray’ menjadi ‘str’ yang berarti string.
Saling Berbagi
Tentu ketika kita memiliki pertanyaan pasti mengharapkan adanya jawaban. Nah, orang yang punya hati pasti tidak merasa pelit untuk berbagi karena kesuksesan tidak lepas dari kontribusi pihak-pihak yang membantu menjawabnya. Oleh karena itu luangkan sedikit waktu untuk menjawab pertanyaan-pertanyaan orang yang membutuhkan jawaban. Saya teringat pernah bertemu dengan pemilik salah satu penerbit buku, dia meminta saya naskah buku yang ingin dia cetak. Kata-katanya sederhana, “untuk bantu anak-anak kita Pa”. Walau terlihat sederhana, ada muatan nasionalisme di sana, dibanding hanya mengagung-agungkan buku luar negeri yang “wah”, tapi banyak buku-buku saya yang dibutuhkan di belahan timur sana agar cepat mengejar ketertinggalannya dari wilayah barat. Sekian, semoga bisa menginspirasi.
Banyak aplikasi pembuat aplikasi mobile berbasis Android yang mudah untuk digunakan, beberapa di antaranya tersedia secara online, antara lain: MIT App Inventor, AppyPie, AppYet, AppsGeyser, dan Andromo. Google juga menyediakan aplikasi untuk mengelola excel via android dengan nama Appsheet (lihat pos yang lalu)
MIT App Inventor
Aplikasi ini dibuat oleh kampus Massachusetts Institute of Technology (MIT) yang berbasis web, atau diistilahkan dengan cloud-based. Untuk memulai cukup mudah. Buka saja situsnya lalu klik “Start Now”.
Ada empat point yang perlu diketahui antara lain. 1) Instruksi setup yang berisi empat mode ketika perancangan aplikasi dari laptop ke handphone, antara lain: via wifi, via chrome book, via emulator, dan via kabel USB. 2) Editor blok dan disain yang berisi jendela App Inventor Designer dan App Inventor Block Editor. 3) Tutorial untuk pemula yang berisi video belajar. 4) Pemaketan dan sharing via APK agar bisa diinstal di sembarang hp android.
Aplikasi Sederhana Pertama
Banyak di point 3 yang berisi sampel cara pembuatannya, misalnya aplikasi sederhana membunyikan suara. Silahkan lihat sambil membuka panduannya, buka jendela Create Apps di bagian atas kiri.
Kita akan diminta log in via Google. Masukan saja akun Gmail kita.
Berikutnya muncul jendela Term of Service yang cukup jlimet. Silahkan baca, atau langsung saja tekan “I accept the terms of service!”. Ternyata ada pilihan tutorial-tutorialnya, misalnya “Hello Purr” berikut ini.
Bagaimana proses pembuatannya? Buat saja project baru, siapkan satu gambar (jpg) dan satu suara (mp3), ikuti langkah-langkah di panduan ini.
Untuk menjalankannya masuk ke menu Build untuk membuat file APK agar bisa diinstal di HP kita.
Saya tertarik dengan App via QR Code. Kita coba saja dengan mengklik pilihan tersebut. Tunggu progress hingga selesai, dan hasilnya adalah QR code berikut ini.
Link tersebut (http://ai2.appinventor.mit.edu/b/4e7a) ketika diklik akan mengarahkan ke APK yang dihasilkan. Namun hanya bisa dipakai maksimum 2 jam. Atau pilihan kedua saja bisa unduh langsung (file APK). Kalau ingin serius silahkan gunakan Android Studio, Kotlin, Dart, Flutter, dan lainnya. Sekian, semoga bermanfaat dan selamat mencoba.
