Training, Validating, Testing dan Corpus

Empat kata di atas, terutama tiga pertama merupakan istilah yang banyak disebut dalam literatur machine learning. Sementara yang keempat, Corpus, muncul belakangan ketika banyaknya pihak-pihak yang berkontribusi dengan membagikan file big data yang dimilikinya. Postingan kali ini sedikit menambah penjelasan mengenai penggunaan istilah-istilah di atas.

Training

Istilah ini merupakan pengkhususan dari arti sebenarnya: pelatihan/pembelajaran. Teringat ketika presentasi hasil penelitian di kampus yang dihadiri oleh beragam bidang ilmu. Salah satu peserta dari fakultas agama Islam memprotes manfaat dari training yang katanya tidak perlu karena menghambur-hamburkan dana. Peserta dari fakultas teknik, terutama jurusan informatika, hanya bisa tersenyum karena maklum istilah training di penelitian itu adalah proses melatih model agar diperoleh parameter yang tepat, bukan pelatihan berupa kursus, workshop, dan sejenisnya. Diperlukan data yang disertai dengan label dalam proses training ini. Banyak metode yang digunakan, biasanya backpropagation dengan turunannya gradient descent atau levenberg marquardt (LM). Data training ini dikenal dengan istilah training set.

Validating

Jika training membutuhkan data beserta label agar diperoleh parameter yang tepat, misalnya untuk jaringan syaraf tiruan (JST) berupa bobot dan bias, validating berisi data beserta label pula yang dimaksudkan untuk menguji hasil training apakah sudah akurat atau belum. Jika beruntung, hasil validasi akurat, biasanya di atas 75%. Jika belum harus di-training ulang. Data untuk validasi biasanya sebagian data training. Istilah data untuk validasi adalah development set, held-out set, atau validation set. Terkadang sebagian data training dipakai untuk validasi, kemudian secara bergantian yang tadinya buat training menjadi testing, yang dikenal dengan istilah cross validation.

Testing

Data testing atau dikenal dengan istilah testing set wajib dijalankan setelah validasi. Fungsinya membuktikan apakah model sudah sesuai dalam artian akurat di validasi dan akurat juga di kenyataannya. Data yang digunakan untuk testing merupakan data real yang tidak digunakan untuk training. Tentu saja tidak “fair” menggunakan data training untuk testing, ibarat ujian, soal yang diujikan diberitahu terlebih dahulu.

Corpus

Corpus merupakan kumpulan data spesifik. Jamaknya dikenal dengan nama Corpora. Data ini biasanya digunakan untuk testing yang berasal dari lembaga yang bersedia men-share untuk pembelajaran bersama, misalnya data aeronatika, video, suara, gambar, dan lain-lain. Jika Anda menginstal Python, disertakan juga Corpora secara opsional, karena memang ukurannya yang besar. Tentu saja Corpus ini dipergunakan biasanya untuk pengujian metode/algoritma apakah akurat atau tidak. Sementara untuk data spesifik tertentu, misal pengambilan keputusan kredit bank, pemberian beasiswa, penyetujuan proposal, perlu mencari data real yang ada jika tidak ada yang men-share karena memang data tersebut khusus/spesifik dimana tiap institusi/lokasi/objek penelitian berbeda-beda karakteristiknya. Yuk, yang punya data, bagi-bagi, untuk membantu riset teknologi informasi, terutama yang punya data bidang kesehatan.

Indeks Web of Science

Web of Science (WoS) merupakan pengindeks terkenal yang dahulu dikenal dengan nama Thomson Reuter. Pengindeks tua ini lebih dahulu dikenal sebelum Scopus. Berbeda dengan Scopus yang gencar pemasarannya, WoS sedikit “nyantai”. Akibatnya, peneliti-peneliti muda lebih mengenal Scopus dibanding WoS. Padahal, WoS memiliki kriteria yang ketat terhadap jurnal atau seminar yang diindeks.

Publons

Baik WoS maupun Scopus semuanya berbayar. Namun untuk melihat Author, Scopus menggratiskannya. Repotnya, WoS baik mencari artikel mapun Author tidak gratis. Untungnya belakangan WoS menggratiskan juga seperti Scopus, dengan nama situs: www.publons.com. Sebelum ada Publons, peneliti gratis mendaftarkan diri di www.researcherid.com, suatu situs yang mirip Orcid. Namun ternyata ketika saya sudah mendaftar ID di situs tersebut langsung diarahkan ke Publons.

Searching

Berbeda dengan Scopus yang harus berlangganan dalam pencarian non-Author, Publons dapat mencari baik author, jurnal, institusi dan region/country.

Silahkan pilih pencarian yang diinginkan. Berikut contoh hasil searching di sebuah institusi. Untuk saat ini Scopus masih menjadi patokan indeks Sinta, sementara WoS ikut berpartisipasi kemudian. Mengingat ketatnya indeks WoS terhadap jurnal-jurnal di dunia, tidak tertutup kemungkinan WoS menjadi andalan utama, jadi segera daftarkan ID ke WoS. Sekian, semoga bermanfaat.

Natural Science vs Artificial/Design Science

Berbeda dengan jurnal yang memang sudah teratur terbitnya, seminar membutuhkan usaha ekstra terutama menyangkut deadline yang harus ditepati karena berkaitan dengan pembicara, lokasi seminar, dan hal-hal lainnya. Salah satu deadline utama adalah jadwal review yang biasanya agar lebih cepat beberapa pe-review berkumpul menyelesaikan sisa-sisa artikel yang harus direview. Masalah muncul dalam review karena seminar agak sedikit longgar dalam tema risetnya, berbeda dengan jurnal yang sudah spesifik. Postingan ini sedikit berbicara masalah perbedaan bidang ilmu yang kerap bersitegang antara satu bidang dengan bidang lainnya.

Komunitas Ilmu

Terlepas dari jenis bidang ilmu, ada komunitas ilmu yang terbentuk baik secara sengaja maupun terbentuk sendiri. Komunitas ini memiliki kode etik, konsep, dan hal-hal spesifik mengenai ilmu yang dikajinya. Komunitas ilmu lain mungkin memiliki pandangan yang berbeda, tetapi tidak bisa memaksakan suatu pandangan ke komunitas lainnya. Hanya sedikit masalah muncul karena antara satu bidang ilmu memiliki singgungan-singgungan dengan bidang lainnya. Gambar di bawah adalah kuadran ilmu yang ada saat ini. Tidak ada bidang ilmu yang 100% murni analitis, sintetis, simbolis atau real.

knowledge domain

Natural Science

Ini merupakan bidang yang sudah dikenalkan sejak kita SD dengan “metode ilmiah”-nya. Diawali dengan problem dilanjutkan dengan hipotesa yang kemudian diuji dengan eksperimen untuk menghasilkan kesimpulan yang berupa ilmu baru. Aktivitas tersebut dikenal dengan istilah riset yang kadang diartikan sebagai aktivitas dalam mengamati sebuah fenomena yang menjadi pusat perhatian. Ketika studi lanjut, pengelolaan jurnal diambil alih rekan saya yang alumni ilmu komputer IPB dan ternyata ketika saya amati format gaya selingkung (istilah karakter tulisan sebuah jurnal) mirip IPB yang natural science, misalnya ada bab tentang “material dan bahan” yang membingungkan para peneliti ilmu komputer apa yang harus diisi di bab tersebut. Jika dilihat dari kuadran di atas, bidang ini agak ke kiri ke arah analitis.

Artificial Science/Design Science

Semua orang mengenal Facebook, Twitter, dan sejenisnya untuk bidang komputer. Apakah ini termasuk ilmu? Jika dibilang natural science tentu saja bukan. Begitu pula untuk disain produk, metode produksi, dan kawan-kawan. Sebenarnya jika dirunut sama dengan natural science yang memang sudah ada di alam dan tinggal diamati untuk kebaikan manusia hasil pengamatannya, pada artificial science yang di amati tidak muncul sendiri di alam melainkan buatan manusia. Keberadaannya sama untuk kebaikan manusia, baik untuk kesehatan, keuntungan, dan lain-lain, walaupun terkadang bisa membahayakan umat manusia itu sendiri. Pada kuadran ilmu di atas letaknya sintetis dan real.

Ketika me-review terkadang dihadapkan dengan kondisi seperti itu. Ketika mendapati sebuah artikel yang membahas perancangan alat atau sebuah sistem terkadang karena tidak bisa menunjukan kebaruan/novelty akan di-reject oleh penganut natural science murni. Alkisah dalam suatu ruangan review intensif yang diistilahkan “sapu jagat” hehe, profesor dari rombongan yang direject terlihat kecewa melihat anak buahnya yang merancang alat tersebut direject dan mencari tahu siapa yang mereject dan ketika tahu namanya, dia sadar kalau dia juga banyak me-reject riset dari rombongan yg mereject tersebut karena dianggap riset sistem informasi yang berulang tanpa ada temuan baru. Ya begitulah, riset satu komunitas ilmu jika direview oleh komunitas ilmu lainnya pasti ada konflik yang berakhir saling me-reject. Ada karakter khas dari design science misalnya tidak adanya hipotesa di awal. Hipotesa sendiri terjawab sepanjang perjalanan tahapan perancangan dan tidak dimunculkan secara eksplisit. Novelty pun akan diketahui oleh reviewer yang banyak mereview artikel perancangan/disain tanpa si penulis menyodorkan bukti ke-novelty-annya. Untuk jurnal tidak ada masalah karena yang mereview adalah komunitasnya, berbeda dengan seminar yang kadang “gado-gado” bidang ilmunya. Beberapa jurnal internasional bereputasi, misalnya “mechatronics” reviewer harus disodorkan video alat tersebut ketika beroperasi, tidak hanya dengan tulisan saja, atau harus mengirim data beserta alat pengujinya. Begitulah dunia riset. Silahkan baca link ini untuk Design Science bidang sistem informasi.

Oleh-oleh dari Seminar Internasional di Jogja

Kebetulan saya ikut menghadiri seminar internasional Asian Intelligent Information and Database Systems (ACIIDS) 2019. Seminar yang disponsori oleh salah satu penerbit terkenal ini (Springer) sudah yang kesebelas. Sebagus-bagusnya seminar internasional ternyata tetap kalah dengan jurnal internasional dari sisi isi. Tapi dari sisi ide sepertinya tidak kalah, mungkin karena aslinya prosiding itu adalah pengantar riset seorang peneliti yang biasanya bermuara ke jurnal internasional. Dan yang terpenting sebenarnya dari seminar internasional adalah pertemuan dan bertukar fikiran dengan para profesor dari seluruh dunia disamping tentu saja acara jalan-jalannya (tour).

Tema Riset Teknologi Informasi

Kebetulan saya saat ini mengampu mata kuliah Riset Teknologi Informasi, jadi bisa menambah referensi riset-riset yang berkaitan dengan teknologi informasi di dunia saat ini. Computer vision, machine learning, dan sejenisnya masih merupakan riset yang banyak dilakukan saat ini. Ada juga yang melakukan tes dan uji coba menangani data warehouse dengan konsep cubic-nya berupa tabel fakta (fact table) dan dimension.

Begitu masuk ke riset tentang mesin turing (turing machine), di situlah mulai “pusing pala barbie”. Maklum, itu materi yang paling saya benci, walaupun ketika masuk ke teknik kompilasi sebenarnya bidang ini sangat menarik karena kita diajarkan membuat bahasa pemrograman custom sendiri.

Doctoral Proposal

Ada juga sesi yang dihadiri oleh mahasiswa doktoral yang menyajikan proposal risetnya. Di sini mereka akan ditanya oleh profesor-profesor yang mengikuti seminar. Banyak masukan yang diperoleh yang membuat risetnya berskala internasional. Berbeda dengan mahasiswa doktoral yang proposal risetnya hanya dihadiri oleh dosen-dosen lokal, walaupun dosen-dosen tersebut alumni kampus luar negeri. Mungkin ini sedikit komentar yang diberikan oleh profesor-profesor luar yang mengikuti acara khusus mahasiswa doktoral ini yang jika diikuti sarannya bisa meningkatkan kualitas penelitiannya.

Kurang Berskala Internasional

Biasanya jika tema yang diangkat terlalu lokal, misalnya ada yang bertema deteksi rekaman otak yang dikonversikan ke bahasa. Di sini dikritik karena bahasa yang digunakan bahasa Indonesia. Walaupun respondenya orang Indonesia ada baiknya mencoba orang Indonesia yang bisa berbahasa internasional, misalnya bahasa Inggris.

Obyektivitas dalam Tes Performa

Beberapa riset membutuhkan pengujian. Kebanyakan riset yang diusulkan agak sulit mengujinya secara obyektif, biasanya yang bertema-tema “agak sosial” seperti bidang e-learning. Memang bidang ini agak sulit mengecek benar salah dari sistem yang diusulkan, misalnya sistem rekomendasi tertentu di e-learning, apa dasar benar atau salahnya suatu rekomendasi.

Tentang Metode

Metode merupakan topik utama teknologi informasi. Topik ini selalu bermunculan di jurnal-jurnal internasional, jadi saran seorang profesor, mutlak harus membaca studi literatur terkini sebanyak mungkin. Juga hati-hati dengan pengujian performa metode yang diusulkan. Oiya, ada satu proposal yang dikritik karena hanya membandingkan metode-metode yang ada dan repotnya metode yang dikuasai oleh si profesor yang mereview tidak dicantumkan, misalnya Support Vector Machine (SVM).

Format Presentasi Kurang Dipahami

Memang beda presentasi di hadapan dosen-dosen pembimbing dan promotor dengan di hadapan khalayak ramai. Misalnya seorang peserta menyampaikan tema “long term memory ..” tetapi di slide yang dipresentasikan tidak mencantumkan penjelasan mengenai “long term memory” sehingga pendengar agak kesulitan mengikuti alur penjelasan slide kemudian.

Research Question, Hipotesa, dan sejenisnya, wajib kah?

Ini yang saat ini agak berbeda dengan riset-riset dahulu. Sepertinya saat ini pertanyaan penelitian tidak vulgar seperti riset-riset di era 90-an yang mengharuskan hal tersebut dinyatakan secara eksplisit. Begitu juga kesimpulan yang harus menjawab pertanyaan penelitian sepertinya agak berubah saat ini. Kesimpulan sendiri dari buku-buku tentang artikel ilmiah mengatakan bahwa kesimpulan merupakan “pemberi kesan” dari suatu artikel. Jika suatu artikel bisa memberi kesan yang membekas bagi pembacanya, bahkan menyampaikan ke orang lain tentang yang ia baca, maka artikel tersebut dapat dikatakan berhasil. Dan bukan hanya formalitas menjawab pertanyaan riset belaka. Begitu pula dengan hipotesa yang biasanya diajarkan dalam riset-riset yang berbau statistik. Oiya, ada bedanya lho riset yang berupa natural science dengan design science. Inilah yang bikin “ribut” antara satu dosen bidang tertentu (misalnya dosen-dosen pertanian, biologi, dan sejenisnya) dengan dosen bidang lainnya (arsitek, sastra, perancang, dan lain-lain). Sepertinya perlu postingan khusus tentang hal ini, sekian semoga bermanfaat.

Sister Ristekdikti – Sister Yang Siap Menjadi “Mother”

Salah satu terobosan Ristek-Dikti yang saat ini sedang mulai berjalan adalah Sistem Informasi Sumber Daya Terintegrasi yang disingkat SISTER. Rencananya sistem ini merangkum seluruh informasi dosen yang ada di Indonesia, dari informasi Tri Darma hingga layanan-layanan lainnya seperti: Pengajuan Angka Kredit (PAK), Layanan Beban Kinerja Dosen (BKD), dan yang saat ini sedang heboh-hebohnya adalah Sertifikasi Dosen. Bagi dosen yang baru tahun ini mengajukan diri untuk mendapatkan sertifikasi dosen harus melewati SISTER. Misalnya penilaian rekan sejawat maka rekan tersebut harus telah memiliki akun SISTER.

Mendaftar Sister

Sistem SISTER agak sedikit unik karena server tidak terpusat, kecuali kampus-kampus kecil yang nebeng ke LLDIKTI di wilayahnya. Tiap kampus harus menyediakan server dengan spesifikasi minimal tertentu kemudian menginstal aplikasi SISTER. Server ini akan menampung data tiap-tiap dosen yang kemudian disinkronisasi dan selanjutnya terkirim ke pusat. Manfaatnya adalah beban server pusat jadi terdistribusi ke tiap-tiap kampus.

Untuk sign up tiap dosen harus menyiapkan email masing-masing dosen (bisa yang gratisan). Klik Daftar Di sini untuk mendaftar. Kemudian setelah menemukan NIDN dan Nama maka dengan email itu kita bisa meng-claim NIDN dan nama tersebut milik kita. Nah, di situlah terkadang masalah muncul ketika seorang dosen yang salah meng-claim NIDN dan Nama yang mungkin karena sama namanya padahal NIDN-nya berbeda. Jika sudah maka email verifikasi akan dikirim ke email yang digunakan untuk sign up barusan. Nah, di sini lagi masalahnya ketika salah memasukan email yang pada akhirnya verifikasi nyasar ke email yang salah tersebut.

Sinkronisasi

Data default dari SISTER merupakan data yang diambil dari forlap, seperti NIDN, homebase, penelitian, pengajaran dan sejenisnya. Beberapa kata mesti dibenahi oleh tim SISTER, seperti fakultas Teknik yang ditulis “TEHNIK” seperti jaman Belanda dulu. Sementara data lainnya seperti riset dan lain-lain harus diisi sendiri. Tetapi untuk publikasi, ada fasilitas sinkronisasi yang disediakan SISTER agar pengisian lebih cepat dengan cara menarik data dari SINTA. Buka SISTER dan arahkan ke menu kiri pada Pelaks Penelitian Publikasi karya.

 

Tekan Import Publikasi dari SINTA untuk menarik data penelitian dari SINTA.

 

Setelah itu seluruh data penelitian yang aedea di SINTA akan muncul di sbawah no, judul dan lain-lain. Langkah terakhir adalah Aksi yang terdiri dari Import, Timpa portofolio, dan Abaikan.

Setelah menekan tombol Konfirmasi di bagian bawah kanan, maka seluruh data penelitian akan muncul di data publikasi kita. Hmm .. sepertinya SISTER akan menjadi “Mother”, ibu dari seluruh sistem informasi bagi dosen. Dan karena sudah terintegrasi, untuk kampus-kampus nakal yang suka fiktif-fiktifan agak kesulitan. Selamat mendaftar SISTER.

Daftar Menjadi Member IEEE

Selain Scopus, IEEE merupakan salah satu pengindek sekaligus menyimpan data riset dalam bentuk digital library. Organisasi yang menaungi listrik, elektronika dan komputasi ini singkatan dari Institute of Electrical and Electronics Engineers. Postingan ini sedikit sharing cara mendaftarnya.

Membuat Akun

Untuk membuat akun di IEEE.org tidak perlu isian yang panjang. Cukup mengisi nama dan biodata singkat, kita langsung memiliki akun di IEEE. Tapi tentu saja belum menjadi member. Apa saja yang diperoleh dengan mendaftakan akun scara free ini dapat dilihat di email konfirmasi setelah create account. Atau langsung kllik JOIN MEMBER saja karena nanti diminta mendaftar akun.

Membuat akun wajib jika ingin menjadi member. Kalau pun tetap mengklik JOIN MEMBER, ketika belum login kita diminta mendafta akun.

Join Member

Setelah cek login akun IEEE, berikutnya jika tertarik menjadi member IEEE silahkan mengklik join member pada tombol di sebelah kanan. Sebagai informasi, biaya member adalah pertahun yang akan habis pada bulan Desember. Jadi daftar di bulan Januari sedikit lebih lama jika daftar di bulan berikutnya. Tapi biasanya ada diskon-diskon di bulan tengah, misalnya Maret ini.

Ada dua pilihan yaitu profesional dan student, dengan harga yang tentu saja student lebih murah. Tetapi karena bulan ini ada diskon dari $78 menjadi $42 karena Indonesia masuk kategori negara berkembang, akhirnya coba daftar.

Mengisi Biodata

Seperti biasa, yang paling melelahkan adalah mengisi profil/biodata.

Bagian yang ber-bintang merah wajib diisi. Setelah itu baru kita memilih apa saja yang akan dibeli.

Item Pembelian

Gambar di bawah adalah item-item yang bisa dipilih untuk masuk ke keranjang belanja (apa saja yang didaftar). Mudahnya, pilih saja yang sesuai dengan bidang kita, syukur-syukur gratis.

Tekan salah satu, misalnya Women in Engineering, dan ketika diklik pastika di “chart” muncul. Sebelumnya jendela harga muncul terlebih dahulu untuk konfirmasi.

Berikutnya adalah format langganan, cetak, elektronik, atau digital. Biasanya diskon pada eletronik dan digital.

Jika sudah, cek kembali keranjang belanja sebelum melakukan pembayaran.

Pembayaran

Pembayaran seperti biasa ketika membeli online. Pilihannya Credit Card, Pay Pal, dan sejensinya. Yang perlu diperhatikan adalah apakah kita akan terus berlangganan atau tidak. Jika iya, centang persetujuan automatic renewal process. Jika tidak cukup klik “No Thanks”, karena jika kelupaan, bayaran akan jalan terus tiap tahun.

 

Membuat Email Resmi IEEE

Manfaat pertama jadi member IEEE adalah memiliki email resmi (official) dengan at: ieee.org. Kapasitas drive nya juga lumayan besar, sekitar 30 Gb. Masuk ke bagian kiri IEEE.org pada menu: Personalize your IEEE experience. Pilih GoogleApps@IEEE account. Isi email format IEEE yang Anda inginka, mudah-mudahan belum ada yang punya.

Setelah memasukan password, maka akun email @ieee.org akan siap satu jam kemudian.

Kapasitas yang tersedia pun lumayan besar. NOTE: IEEE akan menawarkan login dengan email yang baru, jika tidak maka tolak saja permintaan system tersebut. Jika menerima email ieee.org sebagai akun login, maka akun email yang lama tidak bisa digunakan lagi.

Media Penyimpanan Data

IEEE menyediakan fasilitas penyimpanan data penelitian sebesar maksimal 2 TB, hmm lumayan besar. Silahkan masuk ke fasilitas IEEE DataPortTM tersebut, tentu saja harus menjadi member IEEE dahulu. Sekian, semoga bermanfaat.

Yuk Mereview Artikel …

Salah satu kerjaan sosial para peneliti adalah mereview artikel suatu jurnal. Disebut kerjaan sosial karena hampir semuanya tanpa dibayar. Tetapi namanya peneliti yang juga penulis artikel, pasti senang membaca artikel ilmiah. Seperti seorang penulis novel yang pasti gemar membaca novel, kecuali anekdot Cak Lontong yang ketika temannya mengkritik dia yang berniat menulis buku padahal tidak bisa baca, berkata “kan saya menulis, orang lain yang baca”, hehe. Kebetulan postingan ini sedikit membagi pengalaman mereview, kebetulan akhir-akhir pekan cenderung dihabiskan untuk membaca-baca artikel atau buku ilmiah.

Menjadi Reviewer

Menjadi seorang reviewer biasanya lewat undangan dari pengelola jurnal berdasarkan kepakaran peneliti. Bisa juga lewat rekomendasi reviewer lain. Kepakaran di sini terkadang sangat spesifik, misalnya seorang doktor informatika akan memiliki kepakaran yang berbeda-beda antara satu dengan lainnya. Ada yang fokus ke machine learning, big data, perolehan informasi dan lain-lain. Biasanya editor memilih reviewer yang memiliki makalah yang banyak disitasi sebagai indikator kepakaran dan ketersebaran ilmu si calon reviewer. Tentu saja calon reviewer itu boleh menolak, karena yang tahu kemampuan adalah reviewer yang bersangkutan (bila revewer yg ditunjuk merasa kurang ‘pede’. Disamping masalah beban kerja calon reviewer tersebut yang mungkin sangat sibuk.

Tipe-tipe Artikel Ilmiah

Artikel kebanyakan hasil penelitian. Hanya beberapa yang merupakan studi literatur penullis tentang tema yang sedang “in” saat ini. Biasanya ditulis oleh tokoh yang diakui keilmuannya di bidang tersebut, dan tentu saja tulisannya baik dan mengikuti kaidah ilmiah. Dari sisi penerbitan, ada jurnal, seminar, maupun book chapter. Walaupun ada istilah jurnal nasional dan internasional, di postingan ini yang dimaksud adalah internasional karena kebanyakan jurnal nasional tidak melewati tahap review, atau setidaknya hanya formalitas saja, kecuali untuk jurnal-jurnal nasional yang terakreditasi yang proses review nya bisa beberapa ronde.

Hal-hal Yang Direview

Kebanyakan aspek yang dinilai adalah kebaruan (novelty) karena inti dari riset adalah menemukan hal-hal baru. Jika mengulang sesuatu yang sudah dilakukan/direset orang lain maka tidak dapat dikatakan sebagai riset. Masalah di kampus adalah kebanyakan riset mahasiswa S1 hanya menerapkan teori yang didapat, atau membuat alat/aplikasi tanpa ada sentuhan hal-hal yang baru. Jika dikirim ke jurnal internasional pasti ditolak. Tugas berat dari si pembimbing menambahkan hal baru agar bisa dipublikasikan bersama mahasiswanya.

Tiap jurnal/prosiding memiliki point-point tertentu yang sedikit berbeda. Berikut ini contoh ilustrasi kriteria yang muncul saat mereview.

Beberapa seminar biasanya menggunakan sistem review free yang banyak beredar seperti easychair. Format evaluasinya seperti soal pilihan berganda dengan bobot angka yang nantinya dikalkulasi score-nya.

Ada juga EDAS yang berbayar tetapi cukup baik dalam mengelola naskah, apalagi kabarnya saat ini disertai dengan cek plagiarisme. Jurnal-jurnal ternama biasanya menggunakan sistem buatan sendiri seperti Elsevier di atas.

Beberapa manfaat yang didapat ketika mereview sebuah artikel antara lain:

  • Meningkatkan kualitas penulisan
  • Meningkatkan kecepatan membaca
  • Meningkatkan kemampuan bahasa Inggris ilmiah
  • Mengetahui perkembangan IPTEK lebih cepat karena naskah otentik langsung dari peneliti
  • Bisa menemukan ide-ide baru dari naskah yang direview
  • Mendapat pengakuan kepakaran (sertifikat, dan sejenisnya)
  • Memperlebar jaringan antar peneliti, dll

Yah, jika tidak dibayar jangan khawatir, pahala mengalir terus, apalagi jika naskah yang kita review banyak dilihat orang di seluruh dunia. Selamat mencoba.

Update: 27 Maret 2019

Selesai mereview, sebagai ucapan terima kasih, pihak pengelola jurnal biasanya mengirimkan sertifikat bahwa kita telah mereview, contohnya Elsevier yang mengirimkan sertifikat tidak sampai seminggu setelah submit hasil review.

sertifikat review_001