AI untuk Edukasi vs Produktivitas

Tugas ketiga dosen dalam Tridarma Perguruan Tinggi adalah pengabdian kepada masyarakat, yakni memberikan manfaat kepada lingkungan sekitar dalam bentuk karya atau kontribusi. Bentuknya beragam, mulai dari yang sederhana seperti pelatihan hingga produk yang diberikan kepada masyarakat. Salah satu bentuk yang relatif mudah dilakukan adalah webinar online.

Pada kesempatan ini, saya membahas topik digital aplikasi, di mana saya mendapatkan bagian tentang penggunaan AI untuk produktivitas dan pembelajaran. Ada dua sisi dari AI generatif yang saat ini berkembang, yaitu sisi yang menguntungkan dan sisi yang merugikan. Antara produktivitas dan pembelajaran sering kali terdapat perbedaan arah. Produktivitas menekankan pada kecepatan dan kuantitas hasil, sedangkan pembelajaran berfokus pada peningkatan kualitas pemahaman.

Bayangkan kita memiliki robot yang bisa diminta untuk berbelanja, sementara kita sendiri tidak bergerak. Jika hal ini terjadi terus-menerus, maka bisa berdampak pada kesehatan, seperti obesitas atau gangguan jantung. Hal yang sama juga berlaku pada AI. Jika terlalu bergantung pada AI, kemampuan berpikir manusia dapat berkurang karena tidak terlatih, mirip seperti otot yang melemah jika tidak digunakan. Hal ini terutama penting diperhatikan pada anak-anak yang masih dalam masa pertumbuhan.

Dari sisi Taksonomi Bloom, perlu strategi dalam memanfaatkan AI dalam pembelajaran. Pada level mengingat, hampir semua jawaban dapat dihasilkan oleh AI, namun sebaiknya tetap dilakukan secara manual seperti tulisan tangan, gambar, atau praktik langsung. Pada level memahami, perlu adanya wawancara atau diskusi untuk memastikan bahwa siswa benar-benar memahami materi, bukan sekadar menyalin jawaban dari AI.

Pada level menerapkan, diperlukan demonstrasi dan simulasi. Sementara pada level menganalisis, siswa perlu melakukan perbandingan dan praktik. Level evaluasi dan mencipta sebaiknya digabungkan melalui hasil yang dapat dipresentasikan atau didemonstrasikan. Khusus pada level mencipta, peran AI relatif terbatas sehingga lebih aman untuk penilaian.

Bahkan ada yang menyarankan untuk memberikan soal yang tidak dapat dijawab oleh AI, meskipun hal ini cukup sulit diterapkan terutama pada jenjang pendidikan menengah hingga S1/S2. Jadi cara praktis di atas bisa dicoba.

Dalam sesi webinar tersebut juga muncul pertanyaan tentang batasan AI. Terdapat sebuah cerita, ketika almarhum Prof. Iping pada pertemuan APTIKOM Jawa Barat menyampaikan bahwa pada saat India merdeka dari Inggris, Mahatma Gandhi mengumpulkan para pendidik untuk membahas konsep pendidikan ke depan. Terdapat empat hal yang perlu dilakukan:

  1. Mengajarkan materi sesuai dengan disiplin ilmunya. Artinya, matematika harus diajarkan sesuai standar global agar tidak tertinggal. Dalam konteks akreditasi, standar tertinggi adalah internasional, sehingga konten pembelajaran idealnya mengacu pada standar dunia. Namun dalam praktiknya di Indonesia masih terdapat tantangan, seperti keterbatasan dosen atau kesiapan mahasiswa. Gampangnya, ajari sesuai dengan materi yg memang seharusnya diajarkan. Jangan mengajar mata kuliah A, tapi isinya B, C atau D.
  2. Mengajarkan keterampilan untuk menghadapi masa depan yang belum diketahui. Kita tidak tahu apa yang akan terjadi ke depan, sehingga perlu membekali mahasiswa dengan keterampilan seperti critical thinking, problem solving, dan kemampuan adaptasi.
  3. Mengajarkan keterampilan untuk kehidupan sehari-hari. Ilmu yang diajarkan harus relevan dan berguna, karena tidak semua mahasiswa akan bekerja sebagai karyawan; sebagian mungkin menjadi pengusaha atau berkarier di bidang lain.
  4. Mengajarkan keterampilan bermasyarakat. Di sini termasuk kemampuan empati, komunikasi, dan nilai-nilai kemanusiaan yang sangat penting dalam kehidupan sosial.

Untuk poin ke-2 hingga ke-4, AI memiliki keterbatasan dalam menggantikan peran manusia. Oleh karena itu, kita perlu memanfaatkan AI secara bijak agar tetap mendukung proses pembelajaran tanpa menghilangkan esensi pengembangan manusia.

Salam.

Praktik Statistik dengan SPSS

IBM SPSS masih andalan bagi peneliti bidang apapun, baik teknik maupun sosial karena tiap penelitian kuantitatif pasti membutuhkan pengolahan data statistik baik deskriptif maupun inferensial. Penerapannya pun sangat dibutuhkan oleh orang-orang non komputer yang telah menyebar kuesioner risetnya. Walaupun Excel bisa, SPSS lebih powerful khususnya yang menggambarkan keterkaitan antar data, validasi data, hingga analisa faktor.

Saat ini bidang sains data (data science) menjadi primadona dan bahkan jadi rebutan antara orang komputer dengan statistik. Jika di suatu kampus ada mata kuliah wajib tentang sains data pasti pengajar antara orang komputer dan non-komputer akan rebutan. Bahkan di nomenklatur DIKTI pun sains data tidak milik komputer maupun MIPA. Bidang ini ada di multidisiplin (bukan ilmu formal). Nah, bagi orang non-komputer, penggunaan SPSS untuk mata kuliah sains data masih menjadi andalan.

Berikut ini video dasar-dasar SPSS yang saya ajarkan untuk mahasiswa agribisnis, fakultas pertanian. Studi kasusnya sederhana hanya mengetahui signifikansi pretest dan postest suatu data mahasiswa selama workshop atau pelatihan.

Install MySQL di Mac Silicon

Belajar pemrograman web di Mac terkadang perlu instal sofware pendukung, salah satunya adalah MySQL untuk basis data. Salah satu andalan saya adalah ‘brew’ yang merupakan fungsi bawaan untuk instal-instal aplikasi di Mac.

Setelah memasukkan instruksi

brew install mysql

Tunggu hingga selesai proses instlasi. Cek dengan instruksi

mysql –version

Pastikan muncul, versinya, misalnya: mysql  Ver 9.5.0 for macos26.1 on arm64 (Homebrew). Selanjutnya jika ingin install phpmyadmin (versi mudah untuk merancang basis data).

brew install phpmyadmin

Namun saat ini beberapa departemen mengharuskan basis data dengan non-MySQL, misalnya PosgreSQL. Namun, untuk latihan, misalnya pengajaran basis data di kampus/sekolah, MySQL sudah cukup, karena mudah (misal XAMPP) dengan GUI seperti Pypmyadmin.

php -S localhost:8080 -t /opt/homebrew/share/phpmyadmin

Kode di atas menjalankan tanpa Apache. Perhatikan letak dari aplikasi phpmyadmin di /opt/homebrew/share/phpmyadmin

Kita perlu memasukan password terlebih dahulu karena phpmyadmin menolak jika masuk tanpa kata sandi/password. Gunakan instruksi ini untuk buat password:

mysql -u root

Lalu ganti password dengan password baru, brew melarang tanpa password untuk user root.

mysqladmin -u root password ‘password’

Maka kita baru bisa masuk dengan password baru tersebut (dengan password: password).

Untuk menghentikan MySqL gunakan kode ini

brew services stop mysql

Tapi untuk mengakhiri phpmyadmin, cukup ctrl-c saja di terminal yang phpmyadmin dihidupkan di awal.

AI dan Cybersecurity: Dua Kunci Karier Masa Depan

Menurut informasi dari World Economic Forum, pada tahun 2030 pekerjaan yang paling dibutuhkan adalah di bidang Artificial Intelligence (AI) & Big Data dan Network & Cybersecurity. Informasi resmi ini dapat dilihat melalui tautan resmi WEF yang menunjukkan dominasi bidang-bidang tersebut. Mau tidak mau, para praktisi di bidang ilmu komputer harus mulai memahami dan mendalami dua ranah penting ini.

Untuk bidang AI, hal ini umumnya tidak menjadi masalah karena sebagian besar cabang ilmu komputer memang sudah mencakup aspek kecerdasan buatan. Namun, untuk cybersecurity, cakupannya sering kali belum terlalu dalam, meskipun beberapa mata kuliah membahasnya. Sebagian besar materi masih berfokus pada jaringan komputer dasar, dan belum menyentuh aspek penting seperti analisis malware, penetration testing, dan teknik pertahanan sistem lainnya.

Untuk pembelajaran jaringan, Cisco Packet Tracer masih menjadi pilihan utama. Sementara itu, dalam dunia cybersecurity, praktisi perlu mendalami Kali Linux, sistem operasi yang dirancang khusus untuk pengujian keamanan dan ethical hacking. Situs resmi Kali Linux dapat diakses di https://www.kali.org, dan tutorial-tutorialnya tersedia banyak secara daring, seperti Panduan resmi Kali Linux Documentation.

Berikut adalah video sederhana yang membahas penggunaan Kali Linux untuk melakukan serangan simulasi terhadap sistem operasi Windows XP, sebagai bahan pembelajaran awal

Untuk keamanan bisa memanfaatkan VMWare yang terinstal di virtual, misalnya dengan salah satu aplikasi Firewall bernama pfSense berikut ini.

Tambah Informasi ke Chatbot via RAG: Jawaban Lebih Akurat Tanpa Pelatihan Ulang

Chatbot yang menggunakan model bahasa besar (LLM) biasanya hanya bisa menjawab berdasarkan data yang sudah dilatih sebelumnya. Jika pertanyaan yang diajukan berada di luar cakupan datanya, jawabannya bisa jadi kurang relevan atau umum. Oleh karena itu, metode Retrieval-Augmented Generation (RAG) menjadi solusi untuk meningkatkan akurasi jawaban dengan menambahkan data eksternal yang lebih spesifik. Dengan RAG, chatbot bisa mencari informasi di database lokal terlebih dahulu sebelum memberikan jawaban, sehingga lebih sesuai dengan kebutuhan pengguna.

Dalam pengimplementasiannya, data yang digunakan oleh chatbot bisa disimpan dalam bentuk embedding vektor yang memudahkan pencarian informasi relevan. Sebagai contoh, jika chatbot awalnya tidak mengetahui tren konsumsi gas domestik, pengguna dapat menambahkan dataset terbaru ke dalam sistem. Dengan begitu, chatbot dapat memberikan jawaban berdasarkan sumber yang lebih aktual tanpa perlu melatih ulang modelnya. Hal ini sangat berguna dalam skenario seperti informasi harga minyak terkini atau jadwal pendaftaran mahasiswa yang selalu diperbarui setiap tahun.

Keunggulan utama dari metode RAG dibanding fine-tuning adalah fleksibilitasnya. Fine-tuning memerlukan waktu dan sumber daya komputasi yang besar untuk melatih ulang model dengan data baru. Sebaliknya, dengan RAG, cukup dengan memperbarui repository data eksternal, chatbot dapat memberikan jawaban yang lebih akurat tanpa perlu melakukan pelatihan ulang. Oleh karena itu, pendekatan ini lebih efisien untuk aplikasi yang membutuhkan pembaruan informasi secara berkala.

Mengamankan Data di Era Digital dengan Strategi, Ancaman, dan Solusi Berbasis – Standar DAMA-BOK

Dalam postingan video di bawah, saya membahas secara mendalam mengenai keamanan data dan perlindungan informasi dalam manajemen data. Saya menjelaskan berbagai konsep dasar terkait pengamanan data, termasuk pentingnya mengenali jenis data yang dikelola serta risiko kebocoran informasi. Selain itu, saya juga menguraikan langkah-langkah preventif yang dapat diambil oleh organisasi untuk menjaga data mereka dari ancaman siber yang semakin meningkat.

Saya juga menyoroti berbagai ancaman yang dapat membahayakan keamanan data, seperti serangan siber, kebocoran informasi, serta eksploitasi terhadap sistem yang rentan. Dalam postingan ini, saya menjelaskan bagaimana metode enkripsi seperti hashing, RSA, dan AES dapat digunakan untuk menjaga kerahasiaan data. Selain itu, saya menekankan bahwa regulasi pemerintah dan kebutuhan bisnis memiliki peran penting dalam menentukan strategi keamanan data yang efektif.

Lebih lanjut, saya mengulas berbagai teknologi perlindungan, seperti firewall, PGP, serta sistem autentikasi dan otorisasi yang tepat untuk mencegah akses tidak sah. Saya juga merekomendasikan agar organisasi terus melakukan evaluasi serta pembaruan kebijakan keamanan guna menghadapi ancaman yang terus berkembang. Dengan menerapkan strategi yang tepat, saya yakin keamanan data dapat tetap terjaga, dan risiko kebocoran informasi dapat diminimalisir.

Era Open Source Mulai

Kira-kira satu atau dua tahun yang lalu, beberapa proyek meminta untuk implementasi AI di aplikasi berbasis web. Kebetulan karena jamannya pilpres dan pilkada, teknik scrapping berita di media online kemudian mengecek sentimen dan emosi dari postingan banyak yang minta. Alhasil mengingat keterbatasan yang ada, Naive Bayes, SVM dan metode klasik lainnya jadi andalan. Dengan data terbatas bisa dilatih model yang mampu mengetahui sentimen dari berita online, dengan akurasi yang tidak jauh dari 80%.

Waktu itu ChatGPT mulai muncul dan tentu saja mengalahkan model-model klasik lainnya. Salah satu keterbatasannya adalah jika ingin memanfaatkan fasilitas model GPT itu, harus berlangganan, dan karena berbasis Application Programming Interface (API), mesin AI tidak berada di sisi kita, melainkan hanya ‘menyewa’. Biayanya pun tidak tanggung-tanggung, hitungan per kata.

Untuk menghitung sentimen, dengan metode klasik pun bisa, tapi jika diminta membuat ringkasan (summary), meringkas, melaporkan (reporting), tentu saja mengandalkan model LLM gratis, waktu itu masih kurang akurat. Namun toh, aplikasi bisa berjalan dengan tetap pengguna mengecek ulang keakuratannya dan tidak serta-merta percaya.

Waktu terus berjalan, Donald Trump tampil dan mengumumkan perang dagang dengan China. Nah, di sinilah muncul DeepSeek, AI buatan China yang mengungguli ChatGPT dari sisi kalkulasi matematis. Bukan hanya itu, mesin AI-nya pun dibagikan secara cuma-cuma dalam skema Opensource. Sehingga pengguna tidak perlu berlangganan jika ingin memanfaatkan Generative AI tersebut. Bayangkan, bagaimana hebohnya pengguna yang sudah terlanjur berlangganan ChatGPT, dipastikan akan beralih ke yang gratis. Walaupun tentu saja masih banyak yang ragu, tapi toh, model yang dibagikan itu karena open source, bisa terlihat struktur dalamnya. Ada beberapa bias, khususnya informasi terkait Taiwan, yang menurut DeepSeek masih bagian dari China. Sebelumnya, model QWEN dari Alibaba juga mulai menyaingi ChatGPT, yang cocok untuk bisnis, tapi dari sisi matematis masih kalah dengan DeepSeek.

Kelebihan DeepSeek ternyata tidak didukung oleh situs onlinenya yang terkadang ‘sibuk’ ketika ditanya, terutama ketika memanfaatkan fasilitas ‘deepthink’ dan ‘web’. Namun, toh bisa kita install di laptop kita dan dapat berjalan walau tanpa terkoneksi ke jaringan, sangat cocok untuk yang tidak punya pulsa. Berikut video bagaimana menginstallnya di Mac, dengan bantuan situs Ollama [Link] dan interface Chatbox [Link].

Bikin Presentasi Terus

Bagi dosen, membuat presentasi merupakan pekerjaan sehari-hari. Memang banyak bertebaran slide-slide yang bisa dipakai. Tetapi alangkah baiknya bisa membuat presentasi sendiri. Membuat presentasi sendiri membuat kita lebih PD dan lancar dalam presentasi karena mengerti apa yang ada di slide itu baik yang tertulis maupun yang tersirat.

Saat ini AI bisa membantu membuatkan slide, tapi tentu saja disain dan tampilan perlu dibuat sendiri. Saat ini Canva merupakan andalan anak-anak membuat presentasi karena template yang beragam dan tersedia online tanpa terlebih dahulu instal aplikasi seperti Microsoft Power Point dan sejenisnya.

Anda pasti bisa menjalankan Microsoft Office, seperti Word, Power Point, hingga Excel. Jadi untuk presentasi, orang-orang jadul pasti memilih Microsoft Power Point. Nah, untuk template ternyata Microsoft Power Point tersedia di internet. Bahkan yang versi gratis pun banyak diperoleh dengan disain-disain yang tak kalah dengan Canva. Saya pernah mencoba Canva tapi mungkin karena terbiasa dengan power point, Canva terasa lebih lambat, apalagi aplikasi ini harus terkoneksi ke internet. Power point bisa dipakai offline, saat di pesawat, atau tempat dimana tidak ada akses internet, aplikasi ini bisa menjadi andalan. Silahkan bagaimana menjadikan template power point jadi Themes di Microsoft Power Point kita.

Node.Js yang Efisien

Hypertext Preprocessor (PHP) merupakan bahasa pemrograman yang masih banyak digunakan di Indonesia. Namun untuk proyek-proyek sudah mulai tergantingan dengan aplikasi berbasis Microservices. Ada satu bahasa pemrograman web yang sudah lama ada, yakni Javascript. Namun kode ini berjalan di sisi client, alias di browser pengguna. Kode tentu saja dapat dilihat dan digunakan oleh pengguna.

Node.Js di sisi lain mengimplementasikan kode Javascript tapi berjalan di sisi server. Silahkan cari informasi bahasa ini yang kabarnya lebih cepat dibanding PHP, terutama ketika banyak user yang mengakses aplikasi web. Kalau ingin belajar instal Node.Js di server yang ada Dockernya, bisa latihan dengan Play with Docker, seperti pada video ini.

Python di Play-With-Docker (PWD)

Python merupakan bahasa yang paling banyak digunakan untuk pemodelan AI saat ini. Bahkan Google pun menggunakan bahasa ini dalam layanan cloud untuk pemrogramannya yakni Google Colab. Sayangnya untuk keperluan training yang membutuhkan GPU, harus berbayar.

Google colab untuk training memang recommended, khususnya untuk mahasiswa tingkat S2 dan S3 dimana perlu mengutak-atik model. Sementara itu untuk mahasiswa S1 yang diminta implementasi, jika hanya mengandalkan Google Colab dirasa kurang mengingat industri-industri saat ini permintaannya membuat aplikasi atau layanan dari model tertentu. Jadi perlu tools lain, yang tentu saja murah, alias gratis. Idealnya sih menyewa atau membeli server untuk testing.

Nah, play with docker (PWD) menawarkan server murah untuk belajar, tapi dibatasi hanya 4 jam saja. Walaupun hanya sebentar, tapi 4 jam sudah cukup untuk mahasiswa berlatih implementasi model yang dibuat dalam satu aplikasi berbasis web, misalnya dengan Flask, Django, atau bahkan PHP yang saat ini di Indonesia masih banyak dipakai.

Python perlu bisa dijalankan di PWD. Video berikut ini mengilustrasikan bagaimana penggunaan Python di PWD. Salah satunya adalah penanganan Virtual Environment (ENV). Oiya, ternyata Python versi 3.12 yang baru belum support Tensor Flow, jadi harus turun ke versi 3.11.

Belajar Lewat Aplikasi

Terkadang kita mengalami kesulitan memahami sesuatu yang abstrak. Apalagi jika disajikan dalam bentuk kalimat. Beberapa terkadang kurang memahami notasi-notasi matematis ala jurnal ilmiah. Jika sudah memahami, terkadang perlu waktu lagi mengimplementasikannya dalam sebuah aplikasi dengan bahasa pemrograman tertentu.

Nah beberapa aplikasi, terutama yang berbayar berusaha membantu pengguna dalam memahami metode-metode yang ada, misalnya Matlab. Selain menyediakan panduan online di situs resminya [Url] juga menyediakan link youtube yang berisi simulasi menarik. Misalnya kasus LSTM berikut ini.

Atau teori konvolusi berikut ini yang jika dijabarkan dalam notasi matematis sangat membingungkan bagi yang tidak terbiasa.

Beberapa aplikasi free seperti Google Colab juga tidak kalah dalam menyajikan implementasi dalam format Jupyter Notebooknya yang berisi gambar dan teks penjelasan yang menarik. Selain membaca teori, bisa langsung di running, seperti Google Colab ini [Url]. Selamat mencoba.

Editing User Interface file PHP

Dulu banyak situs yang menyediakan hosting file gratis, namun saat ini sangat jarang. Hosting itu biasanya menyediakan server dengan bahasa pemrograman php dan database mysql. Postingan yang lalu dengan Infinityfree [url] saat ini jadi andalan setelah 000webhost.com sudah berbayar. Namun ketika digunakan di lab dimana IP bersama, langsung disuspen oleh Infinityfree.

Sementara itu untuk disain, w3schools secara free menyediakan tools untuk hosting gratis dengan HTML, hanya saja tidak bisa menyediakan server database. Sehingga untuk mengedit user interface file PHP yang akan dijalankan diserver php perlu instal XAMPP dan sejenisnya. Bagaimana jika lab tidak menyediakan? Caranya tentu saja dengan online. Salah satu aplikasi yang bisa jadi alat praktik edit style php adalah w3schools tapi dengan trik hanya mengambil bagian HTML nya saja.

Bagaimana untuk hosting? tentu saja selain Infinityfree bisa memanfaatkan Play with Docker. Video berikut mengilustrasikan bagaimana menambahkan css pada file php yang telah ter-deploy, tentu dengan seting permission dan penanganan container yang sedikit rumit. Tentu saja Play with Docker sepertinya hanya untuk testing karena hanya diberikan waktu 4 jam saja.

Membuat Soal Ujian dengan Cepat dan Efisien lewat AI

Sudah mulai ujian akhir. Jadi, soal sudah harus segera dibuat. Ada beragam tipe soal, bisa pilihan ganda, ada juga yang essay. Masing-masing punya kelemahan dan kelebihannya. Pilihan ganda memang sulit membuatnya, tapi mudah mengoreksinya. Sementara itu, essay memiliki kelebihan karena bisa menggali informasi apakah siswa memahami apa yang dipelajarinya. Namun saat ini jika tidak diawasi dalam mengerjakannya, mereka bisa memanfaatkan AI, misalnya ChatGPT atau Copilot Microsoft.

Nah, ada yang menguji dalam bentuk lisan. Khususnya materi kuliah yang berupa pemahaman akan konsep-konsep. Namun membutuhkan waktu, apalagi jika siswa yang harus diwawancara lebih dari 50 orang. Oiya, kombinasi antara multiple choice dan essay terkadang menjadi andalan. Mirip ujian nasional jaman dulu yang sekarang sudah tidak ada lagi.

Saat ini dengan adanya Akal Imitasi (AI), pembuatan soal multiple choice yang membutuhkan waktu karena harus mencari jawaban selain jawaban yang benar dapat dilakukan dalam beberapa detik saja. Salah satunya adalah Magic School [link]. Berikut video yang mengilustrasikan bagaimana membuat soal multiple choice dengan cepat.

How To

Banyak informasi beredar kalau sumber daya manusia (SDM) kita masih lemah. Hal ini menyebabkan beberapa sektor diisi oleh pekerja-pekerja asing. Repotnya, sektor itu merupakan sektor dengan bayaran yang sangat tinggi karena menuntut keahlian tertentu. Seperti prinsip ekonomi, jika permintaan tinggi tetapi suplai kurang maka dipastikan harga akan naik.

Sebenarnya apa sih permintaan yang tinggi itu? Beberapa industri membutuhkan SDM yang tidak bisa diganti oleh mesin atau yang saat ini mulai menggantikan peran manusia adalah kecerdasan buatan, alias Artificial Intelligence (AI) atau sering diistilahkan dengan singkatan indonesia Akal Imitasi (AI).

Sebenarnya hampir semua pekerjaan berisi ‘how to’ atau bagaimana mengerjakan, menyelesaikan, meningkatkan, dan sejenisnya terhadap suatu aktivitas tertentu. Beberapa pekerjaan mungkin bisa diselesaikan oleh satu karyawan, tetapi karena perlu volume yang besar membutuhkan tambahan tenaga, sehingga menghasilan permintaan terhadap pekerjaan itu.

Industri membutuhkan SDM, tetapi kampus atau sekolah tidak mampu memberikan suplai ke industri itu. Beberapa industri terpaksa memberikan pelatihan ke karyawan tersebut. Beberapa merekrut pekerja magang dari sekolah/kampus karena dianggap sudah mampu menjawab ‘how to’ melakukan tugas tertentu. Adanya AI menimbulkan masalah tertentu karena dapat menggantikan peran pekerja manusia. Tapi ternyata AI dapat dimanfaatkan bagi pelajar atau mahasiswa dalam melatih diri sendiri menjawab ‘how to’. Misalnya bagaimana membuat aplikasi mobile seperti ditunjukan pada video berikut.

Konsep-konsep tertentu seperti Application Programming Interface (API) yang sebelumnya perlu membaca buku atau tutorial yang tebal-tebal dan terkadang perlu pelatih, sekarang dengan AI bisa membantu menjelaskan, misalnya ChatGPT. Nah, salah satu yang diperlukan oleh pelajar di masa depan adalah kemampuan belajar sepanjang hayat, salah satunya adalah meningkatkan kemampuan metakognisi di mana seseorang memiliki kemampuan mengetahui apa yang dibutuhkannya dengan mengetahui apa yang perlu dipelajari dengan efisien. Video berikut memperlihatkan bagaimana menghubungkan aplikasi mobile dengan API. Jika berhasil maka dapat mengembangkan ke metode yang lebih kompleks selain ‘read’, yakni ‘update’, ‘create’ dan ‘delete’ dalam format Restful API misalnya (post, get, put, dan lain-lain).

Solusi Hosting Gratis untuk Pemrograman Web di Lab: Tantangan dan Alternatif

Terkadang lab tidak menyediakan tool untuk pemrograman web, sehingga mengandalkan aplikasi yang ada versi gratisnya, lihat pos yang lalu. Tetapi ternyata sudah tidak gratis lagi, harus berlangganan. Masih ada penyedia hosting yang gratis yakni infinityfree [link]. Hanya saja problem ketika digunakan di lab, akun semua kena suspen. Mungkin karena ketika menggunakan jaringan di lab, IP terdeteksi sama, sehingga melanggar batas maksimum.

Beberapa aplikasi seperti w3school menyediakan juga server tapi hanya HTML, tidak bisa memasang database seperti Php-Mysql. Namun ada juga yang menyediakan server secara gratis, tetapi harus menghinstall full, yakni Play-With-Docker (PWD).

Untuk latihan Phpmyadmin bisa lihat instalasi di PWD berikut ini. Lumayan, menghemat anggaran Laboratorium. Apalagi Docker sendiri sudah merupakan teknologi terkini untuk server.

Untuk memulai, login terlebih dahulu ke hub docker terlebih dahulu. Oiya, untuk PWD jika digunakan di Wifi kampus aman, tidak kena suspen seperti Infinityfree.

Sekian semoga tertarik.