Ganasnya Reviewer Jurnal ber-Impact Factor Tinggi

Bagi rekan-rekan seangkatan yang saat ini sudah menyelesaikan S3 dan ber-santai ria sejenak, pasti pernah merasakan ditolak tulisan ilmiahnya. Karena merupakan syarat kelulusan S3, penolakan tersebut artinya “menunda” kelulusan dalam waktu yang tak tertentu. Berbeda dengan rekan-rekan yang mengirim tulisan ilmiah hanya untuk kenaikan pangkat, luaran penelitian, atau syarat lektor kepala/guru besar, jika ditolak, kirim ke jurnal lain (biasanya yang levelnya di bawahnya) setelah memperbaiki mengikuti saran reviewer sebelumnya. Silahkan lihat tip n trik sederhananya di post yang lalu.

Pra Publikasi

Satu hal yang berbeda, untuk syarat lulus terkadang kampus mensyaratkan terlebih dahulu disetujui jurnal tujuan oleh senat akademik kampus. Biasanya jurnal yang berimpak factor (standar Web of Science) selalu disetujui.

Ada bagusnya juga sih form pengajuan tersebut, yakni sebagai bukti nanti ketika ternyata accept berarti berhak lulus. Kampus tidak bisa menolak karena sudah menyetujui. Sepertinya patut ditiru untuk Kemristek-Dikti karena banyak kasus dosen yang sudah publish di suatu tulisan tertunda lektor kepala atau guru besarnya karena beberapa tulisan tidak layak, padahal sudah butuh waktu untuk menulis dan proses review.

Submit Jurnal

Disertasi selalu lebih kompleks dari artikel di jurnal. Jadi mahasiswa doktoral bisa membuat lebih dari satu artikel jurnal untuk tiap makalah disertasinya. Yang perlu diperhatikan adalah tidak boleh mensubmit jurnal yang sama untuk lebih dari satu jurnal. Artinya harus disubmit secara serial, jika jurnal A menolak, baru submit ke jurnal B dan tidak boleh ke A dan B secara bersamaan.

Proses Review

Di sinilah tahap krusial nasib artikel yang disubmit karena menentukan diterima atau tidak. Makin tinggi impact factor (atau nilai quartil), makin sulit lolosnya. Bahkan banyak yang ditolak oleh editor sebelum dikirim ke reviewer. Ketika pertama kali submit seminar internasional, proses review tidak terlalu njelimet. Tetapi ketika submit ke jurnal ternyata rumit juga. Contoh di bawah adalah reviewer ke tiga dari jurnal yang minor revision. Tadinya saya fikir minor revision hanya sederhana, tetapi ternyata proses review berjalan sampai tiga ronde, artinya tiga kali bolak balik (walaupun tidak semua reviewer sampai tiga ronde, hanya satu atau dua orang saja).

Untuk merespon reviewer bisa dilihat tekniknya pada postingan yang lalu. Jawaban sebaiknya disertakan perbaikannya di naskah, bukan sekedar jawaban di komentar saja.

Lama Proses Review

Biasanya antara satu tulisan dengan tulisan lainnya seragam waktu penerimaannya, kecuali jika “major revision”. Rekan saya sempat setahun proses review dan selama setahun itu tidak boleh dikirim ke jurnal lain. Kalau pun bisa dengan cara menarik, sebaiknya jangan dilakukan karena tidak etis mengingat proses review sudah berjalan. Editor sudah bersusah payah mencarikan reviewer dan reviewer juga sudah bersusah payah membaca naskah kita. Takutnya bisa kena “blacklist”. Untungnya rekan saya setelah setahun diterima. Bayangkan jika ditolak, repot juga mengingat waktu terbuang percuma setahun hanya ngurusi jurnal dan “argo” kuliah S3 terus berjalan. Untuk mencari proses publikasi yang cepat, trik yang bisa dilakukan adalah: 1) open access (jika diijinkan), 2) special issue, 3) prosidia (seminar yang layak dijurnalkan). Untuk yang ketiga saya mengalaminya, walaupun tetap saja prosesnya setengah tahun dengan tujuh reviewer (reviewer A sampai G, repotnya). Selamat mencoba, semoga naskahnya diterima (accepted).

Contoh Accepted:

Ditolak:

Untungnya punya pembimbing-pembimbing hebat yang terus menyemangati:

Dear Mr. Handayanto,

Sorry to hear this news. But please don’t be discouraged and find another chance.

Could you share the review report from peer-reviewer(s) with me?

Best regards,

So***

Bahasa Inggris memang jadi momok penulis pemula:

Dear Rahmadya:

It seems from the comments that the English needs urgently to be fixed. Some of the technical issues may be from this problem too simply because the referees couldn’t understand what you were trying to say.

The language center might check but it’s really not their job to correct line by line which is what might be needed. Just a suggestion which a couple of my students have followed: hire somebody (preferable a native speaker) and sit down with him/her while they correct so that you can clarify when they aren’t sure what you are trying to get across.

This costs a bit of money and takes some time but you need only one decent paper to graduate:-)

Best,

Sum****

Daftar Hak Atas Kekayaan Intelektual (HKI) yuk … Untuk SIMLITABMAS

HKI merupakan kependekan dari Hak Atas Kekayaan Intelektual. Di antara kekayaan intelektual (KI), yang paling mudah adalah pencatatan kekayaan yang merupakan hak cipta. Dua yang lainya seperti paten sederhana dan karya industri agak sulit karena butuh waktu dalam pemrosesannya. Tapi dengan hak cipta sudah cukup untuk membuat “eligible” skema-skema di SIMLITABMAS (http://simlitabmas.ristekdikti.go.id/).

Mendaftarkan Akun

Untuk mendaftarkan ciptaan perlu membuat akun terlebih dahulu. Butuh beberapa syarat seperti email dan nomor KTP. Proses pendaftaran memerlukan aktivasi dengan cara mengklik link aktivasi yang dikirim oleh sistem ke email yang kita daftarkan ke e-hakcipta (https://e-hakcipta.dgip.go.id/index.php/login). Ada baiknya daftar di hari kerja karena sepertinya verifikasi (setelah aktivasi dari email) membutuhkan proses manual oleh staf direktorat jenderal kekayaan intelektual (DJKI). Misal daftar di hari sabtu, maka kemungkinan senin atau selasa baru “dikerjain”.

Mendaftarkan Ciptaan

Jika sudah punya akun, maka siapkan berkas-berkas untuk mendaftar ciptaan, antara lain:

  • Ciptaan, seperti tulisan, cover buku, manual program, dll
  • Scan KTP
  • Scan NPWP
  • Materai Rp 6000

Lalu masuk ke menu Hak Cipta dan pilih Permohonan Baru. Maka Anda akan masuk ke isian untuk mendaftarkan hak cipta.

Silahkan isi Jenis Permohonan yang menyatakan UMKM atau non UMKM. Di sini ada potongan harga untuk yang UMKM. Jenis Ciptaan perlu diisi, misalnya karya tulis. Oiya, untuk program komputer harganya lebih mahal (Rp. 600rb) dibanding tulisan (Rp.400rb), entah mengapa.

Data Pencipta dan Pemegang Hak Cipta

Isikan data-data pencipta dan pemegang hak cipta. Data yang perlu disiapkan yang biasanya agak merepotkan adalah kode pos, nomor telepon, dan email. Isikan pencipta dan pemegang hak cipta. Biasanya diisi sama, kecuali jika ciptaan itu sudah dibeli/diambil alih oleh pemegang, misalnya penerbit, produser, dll.

Lampiran

Ada enam file yang harus diupload. Jika pribadi hanya ada empat yang wajjib yaitu: NPWP, contoh ciptaan, KTP, dan Surat pernyataan. Perhatikan yang bertanda (*) yang berarti wajib diupload. Upload hasil scan satu persatu. Untuk surat pernyataan, silahkan klik link yang ada disampingnya (word) lalu isi dan jangan lupa sertakan materai rp. 6000 sebelum ditandatangan.Tekan Submit jika lampiran sudah diupload semua.

Anda akan diminta menekan persetujuan sebelum lanjut ke proses berikutnya.

Membayar Biaya Pendaftaran Ciptaan

Jika submit dan konfirmasi sudah, maka silahkan membayar dengan Billing Code yang terlampir di lembar Permohonan. Pembayaran dilakukan bisa lewat ATM atau e-banking seharga sesuai dengan biaya yang tertera.

Menunggu Approval

Setelah membayar, biasanya tidak lama sertifikat HKI sudah tersedia. Lihat terus Status Penerimaan apakah sudah diterima atau tidak. Akhirnya, masukan sertifikan HKI ke Profil simlitabmas Anda, dijamin beberapa skema yang mewajibkan HKI langsung Eligible. Selamat mencoba.

SIMLITABMAS Sudah Full Online

Tiap dosen wajib meneliti selain mengajar dan mengabdi. Karena meneliti butuh dana maka SIMLITABMAS (www. http://simlitabmas.ristekdikti.go.id/) jadi andalan para dosen di Indonesia. Ketika di tahun 2012 dan 2013 pengajuan proposal dipaksa online, banyak kemudahan-kemudahan yang didapat, salah satunya adalah banyaknya dosen-dosen yang berminat.

Di awal sistem online, waktu itu ristek masih terpisah dengan dikti, proposal masih dibuat dalam bentuk semi online. Pengesahan dilaksanakan lewat mekanisma cap dan tanda tangan LPPM dan Dekan. Bagi peneliti, tidak ada bedanya dengan jaman dulu yang ofline, karena toh harus mengumpulkan hardcopy yang dirasa membutuhkan modal.

SIMLITABMAS terkini

Saat ini dengan diterapkannya sistem full online, tampilan situs ini agak lumayan OK. Yang menjadi keunggulan dari sistem ini adalah terintegrasi dengan SINTA (lihat cara daftarnya) yang bisa mengetahui kinerja peneliti yang mengajukan proposal, selain terintegrasi juga dengan FORLAP
untuk mengetahui kepangkatan, pendidikan, dan info lain seorang peneliti. Jadi apakah seorang peneliti sudah eligible atau tidak dapat dengan mudah diketahui. Sayangnya, beberapa data tidak bisa tertarik secara sempurna dari SINTA, seperti jurnal internasional (termasuk author/correspondence), dan HKI.

Seharusnya uji stress test perlu dilakukan agar terhindar dari error ketika deadline penerimaan proposal. Maklum ribuan orang login dan upload di saat yang bersamaan.

Mekanisme

Mirip seperti serdos online, peneliti yang mengajukan proposal setelah eligible mengisi data proposal secara online dalam beberapa tahap. Lebih mudah jika kita sudah mengetik terlebih dahulu via MS Word ringkasan yang berisi tujuan, latar belakang, tinjauan pustaka dan metode dalam file yang terpisah agar langsung terhitung jumlah kata-nya mengingat simlitabmas online membatasi panjang maksimal kata dalam proposal.

Jika rekan yang biasa nulis langsung di wordpress.com dengan mudah menginsert gambar di antara tulisan. Untungnya (atau sialnya) gambar tidak dihitung dalam panjang kata/tulisan yang disaratkan. Mekanisme penambahan anggota peneliti juga canggih seperti yang lalu, ketika diklik menambah, orang yang dituju akan ada pesan diterima atau ditolak permintaan jadi anggotanya.

Oiya, isian anggaran agak ribet juga jika diinput langsung. Ada baiknya menggunakan MS Excel terlebih dahulu. Sistem akan menolak jika anggaran di luar rentang batas kelayakan (terlalu besar atau terlalu kecil).

Validasi/Confirm

Oiya, bagi rekan yang selesai mengisi informasi proposal dari ringkasan hingga berkas penunjang (kerjasama dengan mitra), maka tahap terakhir adalah confirm. Di sini ada pilihan lain jika belum siap (masih perlu diedit-edit), yaitu simpan dalam bentuk draft. Jadi jangan langsung confirm karena setelah di-confirm maka berkas proposal tidak bisa diedit lagi. Dan bukan hanya itu, status kita di simlitabmas penelitian langsu “merah” semua alias tidak boleh mengajukan usulan baru lainnya, kecuali yang h-index lebih dari satu.

Yuk, mumpung diperpanjang, buat proposal lagi. Siapa tahu beruntung.

Menambahkan Tulisan terindeks Scopus ke Orcid

Dulu pernah menarik data dari Scopus ke Orcid. Ternyata ketika ada tambahan di Scopus ternyata Orcid tidak otomatis menarik data yang baru tersebut. Terpaksa harus masuk ke Scopus dan kirim data ke Orcid. Fasilitas tersebut disediakan di Scopus. Buka Sopus dan tekan “+Add to ORCID”.

Berikutnya diminta untuk otorisasi apakah Orcid yang akan diekspor memang benar-benar milik kita. Tekan saja tombol Authorize untuk masuk ke Orcid.

Berikutnya balik lagi ke Scopus yang sudah terkoneksi dengan Orcid. Ada sekitar enam langkah yang harus diikuti dimulai dari Select Profiles sampai Send Publications.

Tekan tombol Start dan ikuti seluruh tahapannya hingga selesai. Ok, langsung saja ke langkah 3 karena langkah 2 hanya memilih nama kita (yang memang cuma satu jika tidak ada masalah).

Pastikan seluruh paper milik kita. Jika sudah yakin tekan Next untuk lanjut. Langkah 4 bisa langsung next jika tidak ada kesalahan dalam publikasi yg akan dikirim ke Orcid. Isi email institusi beserta Confirm E-mail nya.

Setelah itu langkah terakhir tinggal menekan send publications list. Jika berhasil, Scopus akan menampilkan notifikasi di bawah ini. Sekian semoga bermanfaat.

Memasukan Berkas HKI ke SIMLITABMAS Ristek-Dikti

Untuk bisa mengajukan proposal hibah penelitian Ristek-Dikti, seorang peneliti harus elibigle. Terkadang ada syarat-syarat eligible yang mengharuskan peneliti memiliki Hak Atas Kekayaan Intelektual (HKI). Postingan berikut ini bermaksud membantu rekan-rekan yang ingin memasukan HKI ke situs SIMLITABMAS.

Login terlebih dahulu ke SIMLITABMAS. Oiya, pilih login yang kiri, karena login yang kanan hanya untuk laporan pelaksanaan penelitian tahun 2018. Setelah itu, masuk ke menu profile dengan menekan nama kita di pojok kanan atas dan pilih Profile. Cari isian HKI, jika sudah ditemukan tekan tambah untuk menambah HKI yang baru tercatat.

Judul HKI sesuaikan dengan judul pada sertifikat. URL adalah link dimana lokasi resmi HKI. Sebenarnya ada QR code di sertifikat HKI yang berisi alamat URL HKI kita. Untuk membacanya silahkan foto dengan aplikasi pembaca QR, atau masuk ke website pembaca www.webqr.com.

Dengan memasukan gambar QR code dari sertifikat (dengan cara copas di-crop) maka di bagian bawah akan muncul alamat URL.

Perhatikan URL di bawah jika ditekan akan mengarah ke link HKI kita sesuai sertifikatnya. Link ini bebas diakses oleh siapapun (tidak perlu login ke DGIP).

Selesaikan isian dari pengisian nomor pendaftaran, status (isi dengan granted), hingga upload pdf sertifikat HKI. Setelah itu tombol Simpan di kiri bawah ditekan. Perhatikan, nanti akan muncul daftar HKI kita di profil SIMLITABMAS. Sekian semoga bermanfaat.

 

Metode Delphi dalam Penelitian Kuantitatif

Ketika riset tentang optimasi penempatan lahan, salah satu sumber referensi menggunakan satu metode untuk mengetahui kompatibilitas dan ketergantungan antara satu lahan dengan lahan lainnya. Metode tersebut dikenal dengan istilah Delphi. Entah mengapa diberi nama Delphi, yang saya tahu Delphi adalah nama bahasa pemrograman (dulu dikenal dengan istilah Pascal).

Prinsip Kerja

Metode Delphi sebenarnya mirip riset biasa yang menggunakan kuesioner dalam mengumpulkan data. Dengan skala Likert, responden diminta mengisi pertanyaan-pertanyaan. Untuk pertanyaan-pertanyaan yang umum ditanyakan dan sudah ada yang meriset sebelumnya, metode biasa berhasil digunakan. Tetapi untuk kasus-kasus yang unik, belum ada sebelumnya, melibatkan pakar-pakar, dan hal-hal lain yang bersifat sangat subyektif, di sinilah peran metode Delphi.

Ciri khas metode Delphi adalah memiliki iterasi dalam setiap tahapannya. Iterasi tersebut dikenal dengan istilah ronde. Mendengar istilah “ronde” jadi teringat saat tulisan syarat lulus (di jurnal internasional) direview hingga tiga ronde, sampai babak belur, hehe. Bagan di bawah diambil dari riset (Skulmoski & Hartman 2007).

Ronde pertama responden diminta mengisi kuesioner berdasarkan pemahaman dan kepakarannya. Biasanya dihasilkan jawaban-jawaban yang sangat beragam karena memang kasusnya unik, jarang ada, dan subyektif. Dimungkinkan juga responden sulit memahami istilah-istilah yang bisa saja karena bidang yang berbeda karena memang kasusnya multidisiplin.

Setelah dirangkum, hasil survey diberitahukan ke seluruh responden. Dengan demikian mereka dapat melihat apakah jawabannya sama dengan rata-rata jawaban orang lain. Diskusi diadakan baik wawancara langsung ke responden yang memiliki jawaban “aneh”, atau bisa dalam bentuk panel (pertemuan untuk diskusi). Setelah itu ronde kedua dijalankan, yaitu mengirim kuesioner yang sama untuk responden yang sama juga. Biasanya ronde kedua dihasilkan jawaban-jawaban yang tidak terlalu kontradiktif. Ronde berikutnya bisa dilaksanakan untuk kasus-kasus yang sulit menemukan konsensus antar respondennya.

Jumlah Responden

Responden untuk metode Delphi tidak sebanyak responden untuk riset biasa. Di sini diperlukan pakar yang memahami di bidangnya, dan juga berpengalaman langsung. Puluhan responden biasa digunakan dengan maksimal sekitar seratus orang. Jumlah responden sangat menentukan ronde dari metode Delphi, karena akan makin sulit menemukan konsensus dari jawaban-jawaban survey.

Silahkan baca riset-riset ini yang banyak tersebar di internet (Su & Canavari 2018; Rosowsky et al. 2018; Li et al. 2019).

Referensi

  • Li, Y. et al., 2019. Establishment of Indexes System for Bookcases Ergonomic Evaluation Based on Delphi Method. In F. Rebelo & M. M. Soares, eds. Advances in Ergonomics in Design. Cham: Springer International Publishing, pp. 303–311.
  • Rosowsky, E. et al., 2018. A cross-validation Delphi method approach to the diagnosis and treatment of personality disorders in older adults. Aging & Mental Health, 22(3), pp.371–378. Available at: https://doi.org/10.1080/13607863.2016.1261796.
  • Skulmoski, G.J. & Hartman, F.T., 2007. The Delphi Method for Graduate Research. Journal of Information Technology Education, 6.
  • Su, J.Y. & Canavari, M., 2018. Delphi study on country-of-origin labelling for processed foods. Agricultural and Food Economics, 6(1).

     

Mereview Paper

Sejak sekolah dasar kita sudah diajari membaca dan menulis. Ya, belajar membaca dulu baru menulis karena tanpa bisa membaca tidak mungkin bisa menulis, kecuali Cak Lontong dalam lawakannya mengatakan bahwa dia akan berencana menulis satu buku. Ketika diingatkan oleh rekannya bahwa dia sejak dahulu tidak bisa membaca, dengan santainya dia bilang “aku yang menulis, kan orang lain yang membaca”.

Membaca, Menulis dan Mereview

Me-review itu sendiri adalah proses membaca. Bedanya di sini kita harus bisa menemukan “sesuatu” dalam tulisan yang kita baca. “Sesuatu” di sini bukan sekedar informasi yang terkandung dalam suatu tulisan melainkan hal-hal lain yang luput dari sekedar membaca, antara lain: keunikan, orisinalitas, kekuatan dan kelemahan, temuan, dan hal-hal lain yang biasanya diminta ketika kita mereview suatu tulisan, khususnya artikel ilmiah. Biasanya yang perlu diperhatikan adalah novelty, metode, bahasa, research question, dan yang tak kalah penting adalah apakah artikel tersebut layak diterima pada jurnal/prosiding.

Suasana ketika mereview (sumber Fb Prof Teddy – Sampoerna Univ.)

Sebaiknya seorang reviewer paper adalah seorang yang sudah banyak menulis paper. Jika pernah menulis maka akan memahami kesullitan-kesulitan apa saja yang dihadapi ketika menulis. Hasil review nya pun akan sangat membantu si penulis tersebut, walaupun menyakitkan karena ditolak. Berbeda ketika yang mereview kurang banyak menulis atau bahkan tidak memiliki tulisan. Reviewer ini sulit menghargai sebuah tulisan yang memang dibuat terkadang sampai “berkeringat darah”.

Membaca Cepat

Membaca cepat bukan suatu keharusan, melainkan suatu kebutuhan. Bayangkan dalam setengah hari, terkadang dibutuhkan review sebanyak hampir 30 judul artikel, terutama jika ditunjuk menjadi Technical Program Committee (TPC) yang bertugas memutuskan suatu artikel secara keilmuwan layak publish atau tidak. Tentu saja cepat di sini bukan asal cepat secepat-cepatnya, melainkan bijaksana. Ketika membaca hal-hal yang kurang penting mungkin sekelebat, tetapi ketika melihat hipotesa, metode, dan hasil mungkin perlu di-rem sedikit.

Tahan Membaca

Ini tidak kalah penting. Percuma membaca cepat sekali tetapi baru setengah jam sudah KO, gagal fokus, dan menguap terus. Salah seorang pengacara kondang (sayangnya sekarang mendekam di penjara) memiliki kemampuan membaca berkas perkara setebal kitab suci hanya dalam waktu 30 menit. Saya yakin kemampuan itu karena seringnya dia membaca, dan yang pasti senang dengan apa yang dia baca. Naskah doctoral tesis saya dibaca oleh external examiner dari Jepang hanya dalam waktu beberapa hari. Atau mungkin dalam beberapa jam pelaksanaannya. Bukan Cuma skimming atau sekilas, tetapi serius dibaca kata perkata. Memang diakui, negara lain memiliki kemampuan membaca di atas kemampuan membaca negara kita.

Mungkin itu saja sharing informasi ketika sibuk mereview naskah untuk konferensi, siapa tahu bermanfaat. Perlu diketahui, dengan membaca naskah-naskah jurnal, banyak ide-ide yang dapat kita ambil sebagai pelajaran, walau sekecil apapun. Jangan lupa membaca. Jika Anda sampai membaca kalimat terakhir ini, maka berarti sudah dianggap gemar membaca, he he, dibanding kawan-kawan kita yang jadi korban hoax karena hanya baca judul-nya saja dari berita yang dishare lewat medsos.

Matrix Confusion pada Matlab

Matriks Confusion digunakan untuk mengukur akurasi dan memvalidasi model yang dibuat. Untuk menghitungnya dapat dilihat pada rumus yang disertakan pada pos terdahulu. Untuk mempermudah perhitungan, Matlab menyediakan fasilitas untuk menghitung matriks confusion ini.

Data Aktual Versus Data Prediksi

Untuk membuat matriks confusion diperlukan dua data yaitu data real/aktual dan data prediksi yang dihitung dari model. Berikut ini contoh data yang akan dibuat matriks confusion-nya. Buka command window dan masukan kode berikut (

  • yaktual=transpose([0 1 1 0 1 1 1 0]);
  • yprediksi=transpose([1 1 1 0 1 0 1 0]);

Untuk membuat matriks confusion, dibutuhkan fungsi confusionmat yang memerlukan dua data masukan tersebut di atas. Jalankan kode berikut:

  • [matriks,label]=confusionmat(yaktual,yprediksi)
  • matriks =
  • 2 1
  • 1 4
  • label =
  • 0
  • 1

Perhatikan matriks berwarna merah di atas, tampak matriks confusion sebagai berikut:

Jadi dapat diketahui a, b, c, dan d berturut-turut 2, 1, 1, dan 4. Jadi dapat dihitung recall, precision, false positive, false negative.

Recall atau dengan nama lain True Positif:

TP=4/(1+4)=4/5=0.8. Nilai lain dengan mudah dapat dihitung.

Kasus Lebih dari Dua Label

Matriks Confusion bisa juga untuk kasus lebih dari dua label. Misal ada dua data dengan tiga label, matriks confusion-nya adalah:

  • yaktual=transpose([0 1 1 2 1 2 1 0]);
  • yprediksi=transpose([0 1 2 2 1 2 1 0]);
  • [matriks,label]=confusionmat(yaktual,yprediksi)
  • matriks =
  • 2 0 0
  • 0 3 1
  • 0 0 2
  • label =
  • 0
  • 1
  • 2

Tampak pada matriks confusion label 2 ada satu error. Precision-nya = 2/(1+2) = 2/3 (lihat rumus di pos yang lalu). Semoga bermanfaat.

Mengukur Akurasi – Confusion Matrix

Untuk proyeksi yang prediksinya berupa data kontinyu, kebanyakan menggunakan Mean Absolute Percent Error (MAPE). Untuk mengukur hasil uji yang berisi True dan False Positive atau Negative diperlukan matriks Receiver Operating Characteristic (ROC). Tetapi jika datanya diskrit atau berupa kelas, misalnya baik, cukup, kurang, maka biasanya peneliti menggunakan matriks confusion.

Dasar-Dasar Matriks Confusion

Paling mudah adalah dengan menggunakan data dua kategori: Positif dan Negatif. Seperti tampak pada gambar di bawah ini, Lihat rujukannya.

Secara logika, akurat bila aktualnya a dan diprediksi a atau aktualnya d dan diprediksi tepat d. Namun sebelumnya perlu mengetahui istilah recall dan precision.

Recall. Dikenal dengan istilah true positive rate (TP) proporsi kasus positif (d) yang secara akutal teridentifikasi (c dan d). Jadi rumusnya:

Precision. Adalah proporsi prediksi positif yang tepat dengan seluruh prediksi positif (b dan d). Rumusnya:

False Positif (FP). Istilah ini banyak digunakan untuk pengecekan biometriks, seperti sidik jari. Nilai ini besar jika banyak sidik jari yang harusnya dimiliki orang lain tetepi diakui oleh yang diuji. Rumusnya adalah perbandingan atas kesalahan yang harusnya negatif (milik orang lain) tetapi diaku miliknya (b):

False Negatif (FN). Adalah kebalikan dari false positif.

True Negatif (TN). Mirip recall tetapi yang dibandingkan adalah negatifnya.

Sekian postingan tentang matiks confusion, mudah-mudahan bisa menjadi sitasi cepat jika lupa istilah-istilah di atas. Postingan berikutnya akan dibahas penggunaannya dalam Matlab.

Polemik Jurusan Sistem Informasi

Di bidang informasi dan komputer (INFOKOM) dikenal dua jurusan yang biasanya ada bersamaan di kampus-kampus yaitu: Teknologi Informasi dan Sistem Informasi, selain tiga lainnya (ilmu komputer, teknik komputer, dan rekayasa perangkat lunak). Di antara kelima bidang infokom tersebut (terkadang diistilahkan dengan “computing”) yang paling membingungkan adalah sistem informasi (information system). Bukan hanya membingungkan bagi para mahasiswa, bahkan dosen/pengajarnya pun memiliki pendapat-pendapat yang berbeda. Bahkan tanggal 2 Juli 2018 nanti akan diadakan pertemuan para kaprodi SI untuk merumuskan kurikulum SI ke depan dan membedakannya dengan jurusan-jurusan lainnya, terutama tetangga terdekatnya yaitu teknologi informasi.

Banyak referensi-referensi yang mendefinisikan secara rinci apa itu sistem informasi. Salah satunya dari [1] yang secara sederhana merinci komponen sistem informasi harus mencakup komponen-komponen berikut:

  • Perangkat Keras
  • Perangkat Lunak
  • Data
  • Orang
  • Proses

Karena cakupannya tersebut, SI menjadi rancu karena terkadang hanya beberapa bagian saja yang dibahas, padahal akan tumpang tindih dengan dengan jurusan lain, misalnya jika hanya membahas perangkat keras, lunak dan data maka akan berimpitan dengan jurusan teknologi informasi. Mungkin video promosi ini sedikit memperkenalkan apa yang dipelajari di jurusan SI.

Karena konten yang ada aspek sosialnya (manusia), maka SI terkadang membutuhkan ilmu-ilmu sosial dan cenderung “lebih mudah” karena tidak terlalu matematis. Hasilnya beberapa kampus yang membuka dua jurusan SI dan TI banyak yang lebih suka memilih TI ketimbang SI. Mungkin salah satunya adalah gengsi. Hal-hal berikut mungkin perlu dilakukan para praktisi atau dosen yang memilih SI sebagai kompetensi, termasuk saya.

Bangga Terhadap Bidang Sistem Informasi

Riset TI memang menantang, menarik, dan perkembangannya sangat cepat. Sebenarnya karena TI bagian dari SI (hardware, software, dan data) maka perkembangan SI pun otomatis cepat pula. Bahkan dulu Apple menciptakan Ipad terlebih dahulu dibanding Iphone. Setelah Ipad siap diluncurkan, divisi SI melakukan riset dan ternyata banyak yang meminta perangkat kecil. Alhasil divisi TI menswitch ke pembuatan Iphone lebih dahulu, dan ternyata sukses. Bayangkan tanpa ada peran SI waktu itu. Selalu, aspek finansial menjadi fokus. Barang canggih seperti apapun jika tidak ada yang suka dan membelinya, akan di-grounded juga.

Masalah lainnya biasanya karena TI dan SI dalam satu fakultas/divisi yang sama, cenderung kurikulum tidak jauh berubah. Banyak kejadian mahasiswa yang pindah jurusan dari SI ke TI karena merasa bobotnya sama tetapi kesan kuliah TI lebih “OK” dibanding SI. Ada dua kemungkinan, TI yang agak melenceng ke SI atau SI yang tidak bisa menemukan core utama jurusan SI. Namun tentu saja ada pembobotan/proporsi antara teori dan aplikasi di jurusan SI [2], [3]. Perhatikan sistem dan struktur lebih fokus ke sisi aplikasi (terapan).

Cukup Sistem Informasi saja, Jangan Dipecah Lagi

Saya termasuk yang baru masuk ke jurusan SI (karena kuliah di field of study: information management). Karena sifatnya yang general, ternyata muncul jurusan-jurusan baru yang keluar dari SI karena aspek penamaan yang lebih menjual, seperti IT bisnis, bisnis digital, e-learning, dan lain-lain. Sebenarnya sistem informasi geografis (SIG) itu bagian dari SI, termasuk IT bisnis dan sejenisnya. Karena sudah terbentuk ya menurut saya tidak jadi masalah, tapi untuk yang mau membentuk sebaiknya ditahan dulu. Memang presiden Jokowi mengeluarkan ide jurusan kopi, jurusan toko online, dan sejenisnya. Seperti yang diucapkan Prof. Ucok, sebenarnya ilmu dasarnya kan sama saja, tinggal diberi saja mata kuliah atau konsentrasi itu. Termasuk sistem informasi kopi .. kalau mau, he he. Mengapa ini penting, sebab tidak tertutup kemungkinan jurusan SI akan musnah karena masih-masing mencetuskan jurusan-jurusan uniknya.

Yuk .. Gabung ke Sistem Informasi

Memang jurusan SI merupakan jurusan unik yang multidisiplin. Banyak melibatkan ilmu-ilmu lain. Dan saya yakin banyak dosen-dosen yang sebenarnya SI tetapi memilih TI sebagai core riset yang diminatinya. Bagi yang lebih suka ngajar yang berbau analis, manajemen-manajemen, dan risetnya di decision support system (DSS), Structural Equation Modelling (SEM), dan sejenisnya, perlu berifikir lagi apakah terus di TI atau SI. Sekian, semoga bisa jadi referensi.

Referensi

[1]    D. T. Bourgeous, “What Is an Information System?,” Inf. Syst. Bus. Beyond, pp. 5–64, 2014.

[2]    T. D. Susanto, Sebuah Kajian Akademik Berdasarkan Dokumen Computing Curricula 2005 Computing sebagai sebuah Rumpun Ilmu. 2005.

[3]    H. Topi, J. s. Valacich, R. T. Wright, and K. M. Kaiser, “Is 2010,” 2010.

Scopus vs Thomson – Mana yg Lebih Baik?

Ketika berbicara mengenai pengindeks internasional, tidak akan lepas dari dua nama pengindeks yaitu Scopus dan Thomson. Keduanya merupakan pengindeks terbaik di dunia. Thomson, yang dikenal dengan Web of Science (WoS) sudah lama muncul, tetapi Scopus mulai menarik minat para peniliti dunia sejak kemunculannya di tahun 2004. Postingan ini muncul karena grup WA ada yang share berita bahwa jurnal tidak harus terindeks Scopus, via media indonesia online link berikut.

Disebutkan bahwa ada alternatif pengindeks lain selain Scopus, yaitu JJ Thomson dan Copernicus. Saya sedikit tersenyum karena Thomson justru menurut saya lebih sulit dimasuki. Ibarat minta keringanan malah dikasih yang lebih berat. Mungkin Copernicus lebih mudah, tetapi banyak terindikasi jurnal-jurnal predator di dalamnya, info dari wikipedia ini. Mungkin paper berikut bisa menjelaskan perbandingan antara Scopus dengan Thomson. Unik juga ada paper yang membahas pengindeksnya, ibarat menulis tentang baik buruknya WordPress lewat postingan di WordPress. Mana yang lebih baik? Scopus atau Thomson, Yuk .. dibaca.

Menulis Artikel Ilmiah atau Menulis Buku?

Kalau kita perhatikan dunia pendidikan tinggi di lingkungan kampus kita masing-masing, akan tampak dosen yang pakar dengan bidang tertentu seperti mengelola jaringan, membuat web, atau aplikasi lainnya. Tetapi mereka minim sekali mempublikasikan artikel ilmiah (yang bukan buku). Mengapa bisa terjadi? Postingan ringan kali ini hanya analisa singkat mengenai fenomena ini.

Buku & Kepakaran

Dari taman kanak-kanak kita sudah mengenal buku. Dari yang berisi informasi hingga panduan mengerjakan sesuatu. Buku biasanya berisi ilmu-ilmu yang sudah established atau sudah fix, hampir tidak ada perdebatan besar mengenai kontennya. Pengarang dalam menulis buku mengandalkan kepakaran dan pengalamannya. Namun tentu saja tanpa sesuatu hal baru, penulis buku tidak bisa menulis suatu artikel ilmiah di jurnal atau seminar-seminar. Coba saja menulis artikel yang isinya pembahasan materi dari buku, sudah dipastikan akan ditolak oleh pengelola jurnal. Kecuali kalau memang jurnal itu kekurangan tulisan, tentu saja dengan modifikasi di sana sini.

Jurnal ilmiah

Jika buku biasanya ilmu-ilmu yang sudah baku berasal dari puluhan tahun lalu, jurnal berisi temuan-temuan baru kurang dari sepuluhan tahun. Bahkan artikel yang baru terbitpun sesungguhnya diteliti sekitar satu hingga tiga tahun, tergantung berapa lama proses revisinya. Bahkan ada naskah yang proses revisi hingga sembilan tahun.

Aktif Menulis Buku & Artikel Ilmiah

Jadi apakah penulis buku yang kebanyakan pakar berpengalaman tidak bisa menulis artikel ilmiah di jurnal dan sebaliknya penulis aktif di jurnal kesulitan menulis buku? Menurut saya baik menulis buku maupun jurnal bisa oleh penulis yang sama. Sedikit penjelasannya adalah berikut ini.

Ambilah contoh seorang pakar menggali sumur pantek di perumahan. Dia memiliki segudang pengalaman dalam membuat sumur itu. Tentu saja dia bisa membuat buku mengenai tatacara menggali dan menemukan lokasi sumurnya. Tetapi untuk menghasilkan suatu artikel ilmiah dia harus menemukan hal-hal baru ketika melakukan aktivitas menggalinya. Ditambah dia harus aktif mengikuti perkembangan terbaru masalah gali menggali. Jika dia hanya fokus ke menggali sumur, beres, menerima bayaran, dia tidak akan bisa menemukan hal-hal baru dan menulisnya dalam suatu artikel ilmiah. Begitu juga dengan seorang dosen, misalnya mengajar jaringan komputer. Jika dia hanya berfokus mengajar “crimping”, setting IP, dan sejenisnya saja, atau sekedar menjalankan tugas me-maintain jaringan di institusinya, tentu saja tidak bisa dihasilkan suatu artikel ilmiah tanpa hal-hal baru dan mengikut perkembangan jaringan komputer terkini lewat jurnal-jurnal.

Terus terang ketika studi, saya mendapati rekan-rekan yang jago di mata kuliah tertentu, tetapi ketika riset mengalami kesulitan dan terhambat lulusnya, apalagi doktoral mengharuskan adanya publikasi di jurnal internasional. Sebenarnya perlu adanya sikap ingin tahu yang lebih, disertai ketidakpuasan mengenai metode-metode yang saat ini ada, agar diperoleh “gap” antara ilmu terkini dengan masalah yang dijumpai. Research Question yang ditemukan merupakan obor yang memicu seorang untuk meneliti. Oiya, untuk yang sedang riset disertasi, jangan harap bisa menemukan jawaban langsung dari internet, buku, atau bahkan bertanya ke supervisor karena memang masalah tersebut belum terselesaikan dengan tuntas, bahkan belum ada jawabannya. Selamat menemukan hal-hal baru.

Tipe Machine Learning

Walaupun kecerdasan buatan (Artificial Intelligent), Machine Learning, dan Deep Learning berbeda tetapi satu sama lain berhubungan. Deep Learning, yang dimotori oleh Jaringan Syaraf Tiruan lapis banyak, adalah salah satu jenis Machine Learning. Machine Learning itu sendiri adalah salah satu jenis dari kecerdasan buatan.

Machine Learning yang merupakan proses induksi ada tiga jenis. Penerapannya beragam, dari pengenalan gambar, pengenalan suara, pengenalan bahasa, dan lain-lain. Berikut ini jenis-jenisnya:

1. Suppervised Learning

Kebanyakan Machine Learning diterapkan pada jenis ini. Alur prosesnya antara lain: 1) memilih basis pengetahuan untuk menyelesaikan problem. Bandingkan jawaban dengan hasil sesungguhnya, 2) jika jawaban salah, modifikasi basis pengetahuan. Langkah 1) dan 2) diulangi terus hingga jawaban mirip dengan hasil sesungguhnya. Basis pengetahuan itu sendiri diistilahkan dengan Model. Jika disimpulkan suppervised learning memiliki pola:

{ input, correct output }

Dua tipa aplikasi terkenal dari machine learning jenis ini adalah klasifikasi dan regresi. Jika klasifikasi membagi dalam kelas-kelas yang diskrit, regresi bukan dalam kelas melainkan harga tertentu. Masalah yang sering dijumpai adalah Overfitting, yaitu adanya anomali dimana akurasi training yang bagus ketika diaplikasikan dalam kondisi real jatuh. Hal ini terjadi karena proses training tidak mampu menghasilkan generalisasi dari data dalam artian terlalu kaku mengikuti data training.

Namun terkadang klasifikasi dan regresi bekerja sama membentuk sistem seperti support vector regressin, juga neural network regression. Biasanya mengklasifikasi dulu baru meregresi hasil pastinya.

2. Unsuppervised Learning

Berbeda dengan suppervised learning, pada unsuppervised learning tidak diperlukan hasil sesungguhnya (correct output). Pada mulanya hal ini sulit dimengerti, tetapi dapat diterapkan untuk kasus yang memang tidak ada hasil sesungguhnya. Polanya adalah sebagai berikut:

{ input }

Salah satu representasi dari aplikasi unsuppervised learning adalah pengklusteran (clustering) dimana data training diinvestigasi karakteristiknya sebelum dikategorisasi.

3. Reinforcement Learning

Machine learning ini memasukan aspek optimasi dalam pembelajarannya. Jadi selain input, beberapa output dengan grade/kualitasnya digunakan untuk training. Biasanya diterapkan dalam bidang kontrol dan game plays.

{ input, some output, grade for this output }

Clustering dan Classification

Dua aplikasi tersebut serupa tapi tak sama. Untuk jelasnya kita ambil kasus pembagian kelas siswa menjadi IPA dan IPS. Jika kita memiliki data dengan label (output) IPA jika nilai IPA lebih besar dari IPS dan begitu pula sebaliknya kelas IPS jika nilai IPS lebih besar dari IPA, maka karena proses learningnya memiliki target/label/output, maka masuk kategori suppervised learning dan otomatis masuk domain klasifikasi. Namun jika kebanyakan guru IPA-nya “killer”, maka dikhawatirkan seluruh siswa masuk kelas IPS. Disinilah peran pengklusteran. Di awal kita tidak memiliki output tertentu, biarlah data yang membagi menjadi dua, baru diselidiki mana kelompok kelas IPA mana IPS. Tetapi waspadalah, jangan sampai kita membagi dua kategori (cluster) yang salah, bukannya IPA dan IPS malah kelas IPA dan IPS yang bagus dan kelas IPA dan IPS yang jelek, alias membagi siswa menjadi dua kategori siswa pintar dan siswa yang perlu lebih giat belajar (kata Kho Ping Hoo tidak ada orang pintar dan bodoh, tetapi tahu dan tidak tahu). Semoga bermanfaat.

Ambil Kuliah Doktoral, Sulitkah?

Dulu di awal 2000-an, ketika bekerja di IT suatu bank, saya iseng mengajar honorer di satu kampus dekat tempat kerja. Ketika itu yang bergelar master masih jarang. Kalau ada, kesannya wah. Waktu itu masih didominasi MM dan MMSI untuk yang dari komputer. MM di sini magister management yang khusus untuk manajemen IT. Sementara itu, MT sepertinya sudah mulai banyak bermunculan, termasuk MIT yang diterbitkan oleh jurusan teknik elektro.

Aturan Magister untuk Dosen

Tidak perlu waktu lama untuk S2 bermunculan di sana-sini. Bahkan terkesan mudah sekali untuk mendapatkan gelar magister. Hal ini sebenarnya untuk memenuhi kebutuhan dosen yang harus bergelar master (S2). Banyak institusi pendidikan membuka program pasca sarjana magister. Beberapa rekan “dipaksa” untuk kuliah lagi, bahkan ada yang “hilang” nomor induk dosennya (NIDN) karena masih bergelar sarjana (S1).

Setelah mengambil S2, dulu sempat berfikir jangan-jangan kasusnya sama untuk yang S3. Dosen harus bergelar Doktor. Dan nanti banyak dibuka program S3 yang lulusnya mudah. Namun ternyata tidak berlaku untuk doktoral. Untunglah segera berangkat kuliah lagi tak perduli sulit atau tidaknya ikut program doktor.

Pemilihan Jurusan

Ketika mengurus surat ijin kuliah ke kopertis 4 (sebentar lagi akan diganti namanya), baru sampai meja pertama langsung ditanya ijazah magister-nya. Ternyata harus sama. Jika tidak sama (atau serumpun) tidak akan diijinkan. Kebetulan waktu itu sama, S2 Ilmu Komputer dengan kampus tujuan Computer Science. Ternyata ada faedahnya juga. Hati-hati, jangan asal ambil doktor. Dosen saya dulu pernah curhat, ketika sudah jenuh di kampusnya sekarang, ingin mendaftar ke kampus lain yang lebih baik (menurutnya) ternyata ditolak karena gelak doktornya tidak sama dengan homebase kampus tujuan. Kejadian itu mirip dengan yang terjadi di kampus ketika akreditasi. Satu dosen bergelar doktor tidak terhitung menaikan nilai akreditasi karena jurusannya beda (harusnya komputer tetapi ambil teknologi pertanian).

Sulitkah?

Dosen saya pernah “nyindir”, katanya mahasiswa doctoral jaman dulu menciptakan Bahasa pemrograman baru. Wah, repot juga kalo diterapkan standar seperti itu. Walaupun dipermudah, ternyata tetap sulit karena berbeda antara S2 dan S3. S3 harus benar-benar memoles dengan hal-hal yang baru. Repotnya lagi hal-hal baru terus bermunculan, sehingga satu temuan segera menjadi usang. Itu mungkin yang membuat S3 tak kunjung lebih mudah dari sebelumnya.

Perang Doktor?

Beberapa kampus di tanah air sudah tidak menulis lagi gelar. Mirip dengan luar negeri, karena memang sudah kebanyakan doktor. Setidaknya hanya memanggil Dr. X. Mungkin jika masih sedikit, banyak yang manggil pak doktor, tetapi kalau semuanya doktor tentu saja agak rancu. Semuanya bakal nengok. Kalau panggilan prof, mungkin masih bisa karena memang masih sedikit.

Nah, jika sudah banyak yang doktor, apa yang terjadi. Tentu saja akan ada persaingan. Tentu saja bersaing dalam hal riset (kuantitas dan kualitas). Doktor yang tidak sama homebase dengan jurusan kedoktorannya, tadi sudah dijelaskan akan kalah duluan. Jadi sebelum bertarung di riset, ada baiknya para calon mahasiswa doktoral perlu memilih jurusan yang tepat. Salah pilih, rugi dua kali, energi yang dikeluarkan untuk kuliah tetapi hasilnya tidak begitu sebanding. Beberapa program “Doctoral Bootcamp” sepertinya bagus untuk langkah awal agar tidak salah pilih. Tentu saja cukup satu atau dua kali. Kalau berkali-kali ikut tapi tidak berangkat-berangkat, pasti ada yang tidak beres (studi literatur, toefl/ielts, dan hal-hal lainnya).

Mungkin itu saja dasar-dasarnya. Untuk yang lebih “advance” silahkan baca kasus-kasus yang terjadi, misalnya pada kasus di situs ini. Di situ dibahas keluh kesah mahasiswa doktoral yang salah pilih hingga salah asuhan. Sekian semoga sedikit banyak bermanfaat.

Mengganti Afiliasi pada Scopus

Biasanya mahasiswa yang sedang kuliah memiliki akun Scopus sementara sampai yang bersangkutan lulus. Saya sendiri masih diberi kesempatan beberapa bulan ke depan untuk bisa login, dan mumpung masih punya login ada baiknya mengubah afiliasi yang tadinya kampus tempat kuliah menjadi kampus tempat kerja saat ini. Pemicunya adalah pesan dari Scopus setelah login bahwa ada fasilitas baru Scopus untuk mengganti afiliasi dan juga detil nama author, langsung saja saya menjalankan fasilitas tersebut.

Untuk mengganti afiliasi, cara termudah adalah menyamakan dengan daftar nama yang sudah ada di artikel kita sebelumnya. Sebelumnya masuk ke Help (Support Center) untuk mencari informasi pergantian afiliasi. Ada isian tentang alasan pergantian afiliasi, nama afiliasi yang baru dan lain-lain.

Kebetulan saya pernah publish di jurnal internasional dengan nama afiliasi “Islam 45 University”, jadi jika kita meminta untuk mengganti afiliasi yang lama dengan afiliasi tersebut, prosesnya lebih mudah.

Prosesnya cukup lama ternyata, dua mingguan. Sebelum berubah Scopus memberitahukan bahwa permintaan disetujui.

Jika sudah disetujui tampak afiliasi yang sudah beralih ke afiliasi yang baru. Akhirnya saya sudah bisa mengucapkan selamat tinggal dengan afiliasi sebelumnya, tempat saya 5 tahun kuliah.

Mungkin informasi ini bermanfaat bagi rekan-rekan yang sedang kuliah dan memiliki kendala afiliasi yang masih “nebeng” kampus tempat kuliah. Sekaligus juga menambah skor publikasi negara kita.