Program Sederhana Python dengan Google Interactive Notebook (Google Colab)

[Hari|Matkul|Jur|Dosen: Rabu.22.04.2020|Logika-Prt.6|AK|Rahmadya,PhD]

Bahasa Python kian digemari karena sederhana dan cepat. Beberapa perusahaan besar sudah menerapkan bahasa ini, salah satunya adalah Google yang memberikan fasilitas bahasa pemrograman Python online lewat Google Interactive Notebook (http://colab.research.google.com). Selain menyediakan fasilitas bahasa tersebut, Google Colab juga menyediakan tiga jenis prosesor handalnya untuk keperluan mesin pembelajaran (machine learning) yaitu: Central Processing Unit (CPU), Graphic Processing Unit (GPU) dan Tensor Processing Unit (TPU). Berikut cara mencobanya.

Pertama-tama masuk ke situs Google Colab yang sudah disebutkan di atas. Jangan lupa kita harus punya login Gmail (gmail. Com atau ac.id yang berbasis Gmail). Berikutnya cancel/tutup jika Ada perinta mencari file notebook karena memang kita baru mulai.

Masuk ke File – New Notebook. Di bagian atas ada tulisan Untitled0.ipynb yang merupakan file program yang akan tersimpan di Google (berlokasi di Google Drive). Isi sel dengan kode program pembelian barang berikut ini.


print(" ——Toko Amanah Jaya———-")
#input data
harga= int(input("masukan harga barang: "))
jumlah= int(input("masukan jumlah baju yang dibeli: "))
Total=harga*jumlah
print("Total Harga = ", "Rp.",Total)
Bayar=int(input("Jumlah Nominal Uang =" ))
Kembalian= (Bayar-Total)
print("Uang Kembalian = ", "Rp.",Kembalian)

Jalankan dan pastikan akan muncul proses interaktif memasukan data dan memproses pembayaran. Oiya, kalo copas tanda ” harus diketik ulang karena dianggap bukan tanda petik di Google Colab. Hasilnya sebagai berikut.

SIlahkan lihat video berikut untuk lebih jelasnya. Sekian, semoga bermanfaat.

Referensi:

Situs Coding: https://www.codepolitan.com/belajar-membuat-aplikasi-sederhana-dengan-python-3-7-4

Dipublikasi di Python | 2 Komentar

Cross Validation dengan Scikit-Learning Python

Selain dengan membagi data latih dengan data validasi/testing dengan proporsi tertentu misalnya 70/30 (lihat pos terdahulu untuk split data), teknik lain yang terkenal dan sangat dianjurkan adalah validasi silang (cross validation). Metode ini mirip split data tetapi dengan mentraining ulang data latih yang dirubah menjadi data testing dan sebaliknya. Dikenal dengan istilah K-Fold Cross Validation dengan K berarti jumlah sub pelatihannya. Perhatikan 5 data grup pelatihan pada 5-Fold Cross Validation berikut.

Masing-masing grup split terdiri dari 4 data latih dan 1 data uji yang berwarna biru. Bagaimana dengan akurasinya? Mudah saja. Kita tinggal merata-ratakan berapa akurasi tiap pelatihan.

Menggunakan Jupyter Notebook/Google Colab

Berikutnya kita coba menggunakan data latih bawaan Scikit-Learning. Gunakan kode berikut yang diambil dari situs resminya ini.

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import datasets
from sklearn import svm
X, y = datasets.load_iris(return_X_y=True)
from sklearn.model_selection import cross_val_score
clf = svm.SVC(kernel='linear', C=1)
scores = cross_val_score(clf, X, y, cv=5)
scores

Perhatikan baris terakhir yang memangil fungsi cross validation dengan cv=5. Jalankan maka anda akan memperoleh akurasinya. Di sini diambil contoh menggunakan SVM. Berikut tampilan dengan menggunakan Google Colab.

Jika dirata-rata akurasinya adalah (0.967 + 1 + 0.967 + 0.967 + 1)/5 sekitar 0.98 (98%) yang berarti sangat akurat dengan lima kali cek akurasi dengan 5 grup split data berbeda.  Untuk Cross Validation pada Jaringan Syaraf Tiruan silahkan lihat video di bawah. Sekian, semoga bermanfaat.

Dipublikasi di Artificial Neural Network, Python | Meninggalkan komentar

Membuat Kelas Online di Google Classroom

Google selain mesin pencari, email, dan tempat penyimpanan, bisa juga untuk pembuatan kode program dengan bahasa Python (lihat pos tentang Google Colab). Namun ternyata mampu juga mendukung pembelajaran online lewat Google Classroom, bahkan pemerintah menganjurkan untuk menggunakan fasilitas ini (lihat post sebelumnya).

Membuat Kelas Online

Pertama-tama Anda wajib menggunakan Gmail, sebaiknya Gmail pendidikan (berekstensi ‘ac.id’) agar bisa terintegrasi dengan Google Meet. Masuk ke Situs Google Classroom terlebih dahulu.

Di sini sebaiknya jangan menggunakan akun gmail.com gratisan seperti contoh saya tersebut. Gunakan saja yang pendidikan (‘ac.id’). Setelah “sign up” dengan cara yang kilat di atas, lanjut membuat satu kelas yang kita miliki pada pilihan Create Class (khusus pengajar, mahasiswa tinggal memasukan kode kelas di pilihan ‘Join Class’).

Setelah menekan Continue di Notice yang muncul sebelum memulai, kita langsung memberi nama kelas, section, subject, dll.

Memulai Google Classroom

Setelah mengisi dan menekan Create maka kelas sudah kita buat, mudah sekali ternyata. Bagaimana cara mahasiswa ikut kelas kita? Ternyata kita tidak perlu memasukan satu persatu. Klik di bagian Class Code, di bagian atasnya maka akan muncul kode kelas. Nah kode kelas inilah yang dishare ke mahasiswa kita.

Jika sudah masuk ke Classwork untuk memulai pembelajaran. Ada beberapa pilihan yaitu Assignment, Quiz Assignment, Question, Materials, dan lain-lain.

Mengeset Ujian/Quiz

Sebagai contoh, misalnya kita akan membuat Assignment atau ujian dalam bahasa Indonesia, bisa UTS, UAS, atau susulan.

Beri judul dan instruksi pengerjaan agar mahasiswa/siswa bisa mengikuti arahan soal yang ingin diikuti.

Di bagian bawah tampak tombol Add yang digunakan untuk meng-upload soal ujiannya.

Terakhir Anda tinggal menunggu siswa yang mengerjakan soal-soal tersebut dan mengupload jawabannya. Berikut tampilan siswa yang selesai mengupload tugas-tugas. Bentuknya sangat mudah dibuka sehingga proses pengoreksian bisa lebih cepat. Jika ingin membuat soal pilihan berganda, bisa coba gunakan Google Form, tetapi kelemahannya tidak ada waktu pengerjaan, silahkan gunakan fasilitas lain, misalnya Kahoot!! (lihat post terdahulu) yang bisa menggunakan waktu yang ketat agar mahasiswa tidak sempat menyontek atau meng-capture soal untuk disebarkan ke rekan-rekannya.

Update 20 April 2020

Jika Anda menggunakan gmail berformat ac.id maka mahasiswa harus ac.id juga. Siswa komplain ke saya kalau dia tidak bisa masuk, ternyata harus ac.id, kecuala teacher menggunakan gmail.com untuk membuat google classroom.

Dipublikasi di Unisma | Meninggalkan komentar

Yuk, Menggunakan Google Classroom

Saat tulisan ini dibuat, wabah COVID-19 mulai membesar, bahkan di tempat saya, Bekasi, sudah diberlakukan Pembatasan Sosial Berskala Besar (PSBB). Entah mengapa saya tidak suka dengan istilah COVID-19, terutama angka di belakangnya, seolah-olah nanti ada COVID-20, COVID-21, dan seterusnya, repot dah.

Wabah COVID-19 memaksa institusi memanfaatkan metode pembelajaran online. Repotnya tidak semua kampus atau sekolah siap dengan infrastruktur pembelajaran online. Nah, untungnya saat ini banyak fasilitas-fasilitas yang tersedia dan tidak berbayar yang bisa digunakan sebagai tools pembelajaran online baik dalam bentuk kuliah online, ujian online, maupun pembelajaran online. Salah satu yang cukup ampuh dan secara official resmi diperkenalkan oleh Kemendikbud adalah Google Classroom yang dapat diakses di situs: https://classroom.google.com. Berikut surat resminya.

Bahkan saat ini Google Classroom sudah terintegrasi dengan Google Meet untuk kuliah online. Asalkan Gmail Anda bukan @gmail.com bisa memulai Google Meet, misalnya email dengan “ac.id” buatan google berikut ini.

Untuk bagaimana mennggunakannya silahkan lanjut ke post berikutnya.

Dipublikasi di Komputer dan Masyarakat, Komputer II | 1 Komentar

Membuat Soal Ujian dengan Kahoot

Saat wabah Corona seperti saat tulisan ini dibuat, aplikasi-aplikasi online menjadi primadona, baik itu pembelajaran streaming online, e-learning, maupun ujian. Salah satu aplikasi yang kita bahas di postingan ini adalah aplikasi untuk ujian online dengan aplikasi yang dipilih KAHOOT !.

Mendaftar Kahoot (Sign Up)

Kahoot bisa diakses di www.kahoot.com dengan login bisa langsung lewat Gmail. Atau bisa juga dengan memasukan alamat email dan passwordnya untuk sign up jika Anda belum punya akun kahoot.

Ada paket berbayar, tapi jangan khawatir, tersedia juga paket yang gratis. Klik saja di bagian “get basic for free” yang kecil di bawah. Setelah itu Anda siap menggunakan Kahoot.

Berikutnya ada data yang harus diisi, misalnya nama universitas tempat Anda mencari sesuap nasi (khusus dosen) atau tempat Anda berpusing-pusing ria (khusus mahasiswa).

Membuat Quiz

Tekan Create di bagian kanan atas untuk membuat quiz baru.

Tekan create new kahoot di bagian tengah di jendela yang baru muncul. Selanjutnya ada bagian soal, bagian jawaban, dan bagian navigasi.

Ada pilihan waktu untuk menjawab tiap soal, misalnya 10 detik, 20 detik dan seterusnya. Tinggal klik tidak perlu mengetik waktu tersebut.

Tekan Add question di bagian navigasi untuk menambah soal baru. Jika sudah selesai tekan Done di bagian kanan atas. Selanjutnya Anda siap menjalankan quiz tersebut.

Menjalankan Quiz

Ada dua pilihan Quiz, kontes bareng-bareng atau seperti ujian masing-masing siswa mengerjakan sendiri-sendiri. Jika di dalam kelas, lebih seru menggunakan kontes. Tetapi jika saat masa “work from home” tidak ada kelas di kampus, bisa menggunakan pilihan Assign.

Untuk ujian ada baiknya dengan assign karena tidak memakan bandwidth besar akibat “streaming online” lewat zoom, google meet, dll. Akibatnya jika si dosen lepas sinyalnya, maka permainan jadi kacau.

Membuat Skenario Ujian Online

Setelah memilih assign maka dosen akan mengeset jadwal ujian yang sebaiknya ketat dan dalam waktu bersamaan agar si mahasiswa tidak membocorkan soal. Karena bisa jadi siswa meng-capture soal ujian dan disebarkan ke teman-temannya.

Misalnya ada 10 soal, per soal 20 detik, maka ada kira-kira 200 detik (3 menitan) jika dia langsung next ke soal berikut. Untuk jaga-jaga siswa tidak langsung ke soal berikutnya, ambil jeda kira-kira 30 detik per soal, maka butuh waktu 200 detik + 300 detik = 500 detik (9 menit).

Misal rencananya quiz hari ini, hari minggu, dan akan ditutup jam 10 malam. Untuk menghindari kebocoran soal, kabari saja siswa siap-siap di depan laptop/hp jam tertentu. Create saja quiz di date = minggu, time= 9.45 (untuk jaga2 sekitar 5 menit), dan ketika di share, siswa harus segera menjawab karena jam 10.00 (lihat isian di atas) quiz ditutup (ujian berakhir). Jadi tidak ada peluang siswa meng-capture soal dan membocorkannya.

Berikutnya Anda tinggal share link (challenge link) atau PIN yang diakses lewat www.kahoot.it. Misal kita beri nama peserta quiz “testing”. Tekan Ok, go !

Tampilan soal seperti di bawah ini sebagai gambaran. Jika jawaban salah muncul sebagai berikut.

Jawabannya dikumpulkan secara otomatis dan dapat dilihat langsung skornya. Klik Report di atas dan pilih quiz yang ada. Jika “in progress” berarti quiz masih menunggu jawaban/belum ditutup, jika sudah ditutup muncul tanggal pelaksanaannya.

Tampak skor “Testing” dengan jawaban benar 6 dan salah 4. Total score berdasarkan hitungan Kahoot yang memperhitungkan kecepatan menjawab, selain jawaban yang benar. Sekian semoga bermanfaat.

 

Dipublikasi di Komputer dan Masyarakat, Komputer II | 1 Komentar

Membagi Data Latih dan Uji Secara Otomatis Pada Python

Sebenarnya menggunakan data yang kita ambil sekaligus menjadi data latih dan uji tidak diperkenankan. Namun permasalahan itu dapat diselesaikan dengan membagi data yang kita peroleh menjadi data latih dan data uji, misalnya dengan proporsi 70% untuk data latih dan sisanya 30% untuk data uji. Di sini istilah data uji pun kurang pas, yang pas adalah data validasi, mengingat data uji seharusnya diambil dari data di luar data yang kita kumpulkan, dan seharusnya data terkini yang baru saja diambil di luar data latih dan validasi.

Mengapa harus memisahkan data latih dengan data uji? Jawabannya adalah menghindari terjadinya overfitting, yaitu suatu kondisi pelatihan yang hasil uji terhadap data yang dilatih sangat bagus tetapi diuji oleh data lain yang tidak digunakan dalam pelatihan sangat buruk. Overfitting terjadi karena kegagalan model dalam proses generalisasi.

Split Data dengan Skicit-Learning

Python menyediakan satu library terkenal bernama Skicit-Learning yang berisi metode-metode mesin pembelajaran dalam proses regresi, klasifikasi, pengolahan data, dan lain-lain. Fungsi yang disediakan adalah train_test_split dengan parameter berupa proporsi data untuk pengujian. Skicit-Learning atau disingkat Sklearn menyediakan juga sampel data untuk uji coba metode-metode yang ada. Kode berikut membagi data irish menjadi 60% data latih dan 40% data uji. Gunakan Jupyter Notebook atau Google Colab untuk mencoba kode berikut.

  • import numpy as np
  • from sklearn.model_selection import train_test_split
  • from sklearn import datasets
  • from sklearn import svm
  • X, y = datasets.load_iris(return_X_y=True)
  • X.shape, y.shape
  • X_train, X_test, y_train, y_test = train_test_split(
  • X, y, test_size=0.4, random_state=0)
  • X_train.shape, y_train.shape
  • X_test.shape, y_test.shape
  • clf = svm.SVC(kernel=’linear’, C=1).fit(X_train, y_train)
  • clf.score(X_test, y_test)

Contoh di atas menggunakan Support Vector Machine (SVM) dalam melatih model dan mengujinya. Hasil tampil lewat fungsi score.

Tampak akurasi yang dihasilkan sebesar 96,7% ketika diuji dengan data tes sebanyak 40% (test_size=0.4 di kode di atas). Sekian dan semoga bisa sedikit membantu.

Source: scikit-learn.org/stable/modules/cross_validation.html#cross-validation

Dipublikasi di Artificial Neural Network, Python | 1 Komentar

Membuat Multiple Plot dengan Python

Multiplot menggunakan prinsip subplot di Python. Mirip dengan pada Matlab (lihat pos terdahulu). Ketika akan membuat multiplot, fungsi “subplot” diperlukan dengan format berapa baris dan berapa kolom yang dibutuhkan.

Misalnya kita ingin menggunakan dua buah subplot dalam satu tampilan grafik, atas dan bawah, maka berarti ukuran yang diperlukan adalah dua baris dan satu kolom (2 x 1). Jadi subplot pertama didefinisikan sebagai (2,1,1) dan yang kedua (2,1,2). Sangat mirip dengan Matlab. Sebagai contoh kita ambil dari situs resmi “matplotlib” ini.

  • import numpy as np
  • import matplotlib.pyplot as plt
  • x1 = np.linspace(0.0, 5.0)
  • x2 = np.linspace(0.0, 2.0)
  • y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
  • y2 = np.cos(2 * np.pi * x2)
  • plt.subplot(2, 1, 1)
  • plt.plot(x1, y1, ‘o-‘)
  • plt.title(‘A tale of 2 subplots’)
  • plt.ylabel(‘Damped oscillation’)
  • plt.subplot(2, 1, 2)
  • plt.plot(x2, y2, ‘.-‘)
  • plt.xlabel(‘time (s)’)
  • plt.ylabel(‘Undamped’)
  • plt.show()

Subplot paling atas, yaitu plot.subplot(2,1,1), berisi fungsi y1 sementara yang bawahnya plt.subplot(2,1,2), menampilkan fungsi y2. Untuk mengujinya silahkan gunakan Google Colab atau Jupyter Notebook.

Dipublikasi di Python | Meninggalkan komentar

Mengecek Apakah Artikel Kita Terindeks Web of Science dari Publons

Ada dua pengindeks terkenal di dunia saat ini yaitu Scopus dan Web of Science (WoS). Kedua-duanya merupakan pengindeks yang masuk perhitungan skor Sinta Ristekdikti/BRIN. Untuk Scopus (lihat link ini) sudah banyak yang mengetahui. Untuk WoS akan kita bahas di postingan ini.

A. PUBLONS

Pertanyaan pertama seperti biasa apakah situsnya berbayar atau tidak. Jawabannya ada dua, mirip Scopus, ada yang gratis ada yang bayar. Jika ingin membuat ID WoS cukup daftar saja ke situs berikut ini untuk memperoleh ID WoS. Lihat post terdahulu tentang WoS. Sedikit berbeda dengan Scopus yang harus punya tulisan terlebih dahulu tetapi untuk publons tidak perlu punya tulisan yang terindeks WoS. Hal ini sangat meringankan karena untuk terindeks WoS cukup sulit.

B. MENAMBAH DAFTAR ARTIKEL KE PUBLONS

Biasanya ketika tulisan kita terindeks di WoS maka secara otomatis akan terambil di akun publons kita. Namun bisa saja kita menambahkan secara manual artikel-artikel kita. Bukan saja artikel yang terindeks WoS, tetapi artikel-artikel lain yang diindeks oleh Scopus bisa ditambahkan. Jadi ketika seseorang mengklaim ada tulisannya di WoS lewat publons tentu saja belum tentu terindeks Web of Science.

C. MENGECEK TULISAN TERINDEKS WEB OF SCIENCE

Sebenarnya cara mudah untuk mengetahui apakah tulisan terindeks WoS adalah dengan masuk ke link Web of Science langsung di sini. Hanya saja harus punya akun, dan tentu saja bayar.

Bagaimana jika tidak punya akun WoS? Caranya bisa dengan melihat artikel-artikel yang ada di publons kita. Biasanya artikel yang tidak dimasukan secara manual merupakan artikel yang terindeks di WoS. Ciri-ciri jika terindeks WoS tampak di artikel tersebut (di bagian kanan). Jika ada tulisan “WOS” maka berarti terindeks di WoS. Jika mouse diarahkan di tulisan WOS muncul tulisan “Indexed in Web of Science Core Collection“. Perhatikan di bawah ini, satu tulisan terindeks di Web of Science tetapi yang lainnya tidak.

Cara lain adalah lewat akun Sinta kita. Jika dicek daftar publikasi ada di list WoS maka akan muncul grafiknya. Jika ingin melihat, tekan “WoS document” di sebelah kiri “research. Berbeda dengan Scopus yang bisa direfresh oleh verifikator Sinta di masing-masing kampus, WoS sangat mengandalkan admin Sinta di pusat. Sekian semoga bisa membantu.

Dipublikasi di Riset dan Penulisan | Meninggalkan komentar

Membuat Grafik Deret Waktu Pada Matlab

Matlab cukup baik membuat grafik/plot standar jurnal dibanding pengolah data standar seperti Excel. Namun terkadang data yang ingin dibuat grafiknya berupa deret waktu (time series). Misalnya kita punya data seperti ini.

Misalnya data tersebut di atas adalah bulan Maret 2020. Bagaimana cara membuat Plot nya? Sebelumnya mudah saja menggunakan fungsi “plot” untuk data biasa non tipe “date”. Untuk data “date” gunakan fungsi “datetime” untuk mengkonversi tanggal tabel di atas menjadi data tanggal sesungguhnya.

Perhatikan penggunaan “datetime” dimana data sebelumnya ditambahkan dengan tanggal. Coba buat plotnya dengan fungsi “plot” dan pastikan sumbu axis sudah berupa tanggal/deret waktu.

  • >> plot(x,data(:,2),’*’)
  • >> hold
  • Current plot held
  • >> plot(x,data(:,2),’-‘)

Dipublikasi di Matlab | Meninggalkan komentar

Mengedit Profil di Scopus

Scopus menjadi salah satu andalah pengindeks di Indonesia karena merupakan salah satu pengindeks yang konsisten dan ketat dalam menyeleksi naskah-naskah di seluruh dunia. Banyak naskah-naskah di tanah air baik dari jurnal maupun seminar sudah terindeks, tetapi beberapa penulis masih kebingungan cara mengetahui ID scopusnya (lihat link terdahulu cara mengetahui ID Scopus). Terkadang ketika sudah ada di Scopus, banyak penulisan nama dan afiliasi yang tidak sesuai. Hal ini terjadi biasanya karena salah pengisian data oleh pengelola jurnal/seminar. Postingan ini bermaksud sharing bagaimana merubah nama dan afiliasi. Dulu pernah posting seperti ini (klik di sini) tapi menggunakan ID Scopus berbayar, tetapi portingan kali ini akan kita gunakan ID Scopus yang gratis.

1. Sign Up

Langkah pertama adalah “Sign Up” ke Scopus. Apakah bayar? Ternyata Scopus telah membolehkan pengguna untuk daftar ke Scopus tanpa bayar. Tentu saja hanya untuk mencari afiliasi dan merubah/edit nama-nama di Scopus. Yang dapat dirubah hanya penulis yang tulisannya sudah terindeks Scopus. Jadi jika Anda belum memiliki tulisan yang terindeks di Scopus, tentu saja tidak bisa membuat ID Scopus sendiri.

Scopus menyebutnya fasilitas ini “Scopus Preview”. Hanya bisa mengutak-atik Author tetapi tidak bisa mencari dokumen yang terindeks scopus.

2. Pencarian Author

Di bagian atas ada menu “Author Search”. Coba klik dengan mouse Anda untuk masuk “Author Profile”. Pilih “Author Feedback Wizard” untuk mereview apakah ID Scopus kita berisi profil yang benar.

3. Mengedit Scopus Profile

Berikutnya mulai masuk ke menu editing. Di sini yang dapat diutak-atik adalah: 1) Preffered Name, 2) Merge Profiles, 3) Add and Remove Documents, dan 4) Update Affiliation.

Masukan nama Anda dan pastikan muncul di kolom pencarian. Gunakan minimal “Author last name” di isi, lebih lengkap dengan “first name” lebih baik.

Perhatikan ada 13 dokumen padahal saya sudah 14 dokumen. Kemudian afiliasinya “Islam 45 University” padahal di dokumen terakhir sudah saya tulis Universitas Islam 45 Bekasi, dan saya ingin namanya “Universitas Islam 45”, misalnya. Ikuti langkah-langkah yang diminta dimulai dari “Select Profile(s)”, “Review Documents”, “Review Affiliation”, hingga “Confirm and Submit”. Oiya, cheklist dahulu dengan mouse kotak di sebelah kiri nama Anda sebelum menekan “Review Documents” di bawah kanan. Pastikan nama sudah benar.

4. Review Dokumen

Masuk ke dokumen Anda yang di Scopus dan tambahkan dokumen lain yang tidak terdeteksi dengan menekan “Search Missing Documents”.

Banyak caranya baik dengan menekan Author, Title, dan DOI. Untuk mudahnya gunakan saja DOI jika sudah tahu. Perhatikan dokumen di bawah, tampak DOI yang tinggal dicopas ke “Search Dokuments” di atas.

Masukan ke isian “Search Documents”, jangan lupa di bagian kanan pilih “DOI”. Lanjutkan dengan menekan “Search”.

Pastikan dokumen ditemukan. Ceklis lingkaran di sebelah kiri dokumen dan tekan “Confirm Author” untuk melanjutkan nama Author yang akan diedit.

 

Pilih Author yang akan diedit. Perhatikan di sini seharusnya “Handayanto, Rahmadya Trias” tetapi dimasukan “Trias Handayanto, Rahmadya” oleh paper terakhir, oleh karena itu akan kita revisi. Tekan “Add Documents”.

Pastikan muncul satu dokumen baru tersebut dan lanjutkan dengan menekan “Review Affiliation”.

5. Review Afiliasi

Review afiliasi jika ada dokumen baru dengan afiliasi baru dan kita ingin mengikuti afiliasi tersebut. Terkadang afiliasi yang sama tetapi tulisannya ingin yang terbaru, misalnya “Islam 45 University” ingin saya ganti dengan standar terbaru “Universitas Islam 45” mengingat kampus bukan kata tetapi simbol seperti Merk yang tidak perlu diterjemahkan ke bahasa Inggris.

Perhatikan kolom universitas bisa Anda piliah yang sesuai dengan menekan scroll panah bawah. Tentu saja Anda tidak bisa sembarangan mengisi nama di situ. Hanya dokumen yang sudah terindeks saja yang muncul.

6. Confirm & Submit

Terakhir adalah “Confirm & Submit”. Di sini kita meminta Scopus untuk merevisi Profile kita. Tentu saja bentuknya berupa proposal yang bisa saja ditolak oleh Scopus. Tetapi selama ini biasanya disetujui. Buka email yang digunakan untuk Login Scopus dan pastikan ada pemberitahuan mengenai proposal perubahan. Perlu diketahui bahwa langkah 1 sampai 6 di atas gratis (tidak berbayar). Tapi jika Anda punya akun Scopus berbayar bisa juga, bahkan sepertinya lebih baik.

Tunggu beberapa hari menunggu kabar dari Scopus mengenai perubahan yang diajukan. Sekian, semoga bisa sedikit membantu.

 

 

 

Dipublikasi di Riset dan Penulisan | Meninggalkan komentar

Membuat Web-GIS dengan Data Wrapper

Terkadang GIS tidak harus menampilkan letak geografis yang akurat mengikuti standar proyeksi lintang dan bujur. Pengguna mungkin hanya ingin mengetahui informasi sebaran data dengan melihat lokasi wilayahnya tanpa perlu detil peta. Selain itu kecepatan akses dibutuhkan oleh pengguna internet, sehingga beberapa atribut peta yang membutuhkan data besar bisa diminimalisir. Berikut penggunaan salah satu penyedia Web-GIS ringan dari datawrapper. Berikut ini adalah contoh tampilannya (klik Link ini). Hanya gambar karena blog ini tidak support “i-frame”.

Mulai membuat dengan menekan tombol “Start Creating” di bagian bawah. Data wrapper tidak perlu “sign up”, hanya saja ketika ingin mengambil peta “embedded” harus via email.

Tampak navigasi langkah-langkah yang diperlukan, antara lain: upload data, check and describe, visualize, dan publish & embedded. Pilih New Map di bagian atas.

Ketika masuk di bagian “Select your Map” pilih Indonesia, misalnya Provinsi. Jika kurang detil ada pilihan kabupaten/kotamadya.

Nah, di bagian value silahkan isi, misalnya kasus Corona berapa saja di provinsi tersebut. Selain itu bisa juga data lewat “import”. Copas saja ID dan Value tabel di atas dan paste ke Excel untuk menginput data secara offline. Nanti kalau sudah diisi tinggal diupload saja datanya.

Misalnya sudah diperoleh sebagai berikut. Simpan dalam bentuk CSV, misalnya “datacorona.csv”.

Tekan “Proceed” di sisi kanan tempat upload data.

Isi anotasi yang dibutuhkan, misalnya pembuat, sumber data, judul dan seterusnya.

Setelah menekan “Proceed” lanjutkan dengan “Publish”. Sekarang sepertinya harus menerima email jika ingin mengembed data. Tulis email Anda.

Jika ingin mencetak bisa langsung tanpa perlu menunggi email “embedded”nya. Sekian, semoga bermanfaat. Gunakan embedded code jika ingin ditempel di blog/situs seperti di awal tulisan. Buka email dan klik “Get my visualization” untuk membuka lagi peta Anda.

Selanjutnya peta Anda, dan lakukan proses data “embedded”nya.

Dipublikasi di Geographic Information System | Meninggalkan komentar

Pentingnya Kampus Memiliki Jurnal

Ada postingan di grup bahwa lebih baik fokus dosen-dosen menulis di jurnal-jurnal dibandingkan mengelola jurnal sendiri. Alasannya kinerja kampus dipengaruhi oleh dosen-dosennya yang aktif memublikasi artikel ilmiahnya. Apalagi jika publish di jurnal internasional bereputasi. Postingan ini sedikit menjawab apakah benar statement tersebut?

Perhitungan Sinta

Apa itu Sinta? Silahkan baca post terdahulu mengenai pengindeks Indonesia tersebut. Sinta saat ini menjadi rujukan kinerja penelitian kampus. Bahkan pemeringkatan kampus di tanah air dapat dilihat di situs tersebut, hingga tulisan ini dibuat, tiga besar masih dipegang UI, ITB dan UGM.

Saya mencoba menghitung secara manual skor kampus saya, Universitas Islam 45 Bekasi yang dapat diakses di laman Sinta per 6 Maret 2020 akan dihitung secara manual.

Rinciannya adalah sebagai berikut, jurnal Q2 berbobot 40 ada 3 buah, Q3 berbobot 35 3 buah, Q4/non-Q yang berbobot 30 ada satu. Prosiding yang berbobot 15 ada 12 buah.

Selain dari sisi jumlah, sitasi pun dihitung. Ada 45 sitasi scopus yang berbobot 4. Untuk Google Scholar, Restek/BRIN membatasi maksimal sitasi 1000, sementara di UNISMA lebih dari 1000, dengan bobot 0,5. Terlihat jumlah sitasi di Scopus sebanyak 19 dengan bobot 4 sementara jumlah terindeks Google Scholar 3040 buah dengan bobot 0,5. Lengkapnya gambar di bawah ini. Jurnal yang terindeks Sinta ada 6 dengan bobot 15.

 

Untuk menghitungnya silahkan lihat di panduan yang ada di link Sinta berikut. Untuk versi 2.0 Sinta sudah memasukan faktor jurnal dalam perhitungan skor institusi.

Formula Sinta Score: Wa x A + Wb x B + Wc x C + Wd x D + We x E

Dengan A, B, C, D dan E berturut-turut adalah jumlah jurnal di Scopus, Non-jurnal di Scopus, Sitasi Scopus, Sitasi Google Scholar, jumlah artikel di jurnal terindeks Sinta, dan Jumlah jurnal terakreditasi sinta. Bobot dapat dilihat berikut, mengikuti Sinta.

Jika dimasukan dengan formula Sinta diperoleh hasil sebagai berikut:

SKOR = [40×3+35×3+30×1] + [15×12] + [63×4] + [1000×0,5] + [25×4+15×20+20×15] + [6×15] = 1977

Ada sedikit perbedaan sebesar 11 persen dibanding perhitungan Sinta yang sebesear 2237. Mungkin ada sedikit salah hitung dari saya.

Peran Jurnal Terakreditasi

Kembali ke topik semula, apakah ada manfaatnya kampus memiliki jurnal terakreditasi? Silahkan lihat perhitungan di atas. Walaupun sedikit bobotnya tetapi jurnal kampus menjadi andalan para dosen-dosennya, terutama yang membimbing skripsi/tugas akhir untuk mempublikasikan hasil penelitiannya. Oiya, jurnal kampus merupakan satu-satunya skor yang “abadi”, dibanding dengan dosen yang bisa pindah, pensiun, atau meninggal dunia. Silahkan kalau Anda sanggup mengikat dosen-dosen untuk tidak kabur ke kampus lain.

Sebagai ilustrasi, berikut contoh hitung2an jika tiap prodi di kampus saya (27 prodi) memiliki jurnal terakreditasi Sinta (misalnya S3 ke bawah). Akan ada tambahan 27×15 = 405 point. Otomatis peringkat naik, walau sedikit. Tentu saja bukan cuma dari skor jurnal, ada dampak tidak langsung dari dosen-dosen di 27 jurnal tersebut, karena biasanya lebih mengutamakan dosen-dosen internal yang menulis. Jika satu jurnal mempublish 5 tulisan dosen-dosennya, maka ada sekitar 27x5x15 = 2025 tambahan skor tiap edisinya. Jika per tahun dua kali publish maka ada tambahan 4050 !!! Silahkan kalau berani kampus Anda tidak memiliki jurnal ilmiah terakreditasi. Dapat dipastikan akan tergantung dengan kampus lain yang memiliki jurnal. Memang dalam prakteknya ada “barter” penulis jurnal antar kampus tapi tentu saja kampus A akan mikir-mikir jika kampus B mengirim paper ke A jauh lebih banyak dari kampus A ke kampus B. Jika kita lihat peringkat kampus, tampak tipis sekali bedanya, 405 point jurnal ditambah dosen-dosen yang menulis sudah cukup menggenjot peringkat kampus Anda.

Sebenarnya sasaran pemerintah adalah jangan sampai bergantung dengan Scopus. Tentu saja syarat yang harus dipenuhi adalah kualitas dan kuantitas jurnal yang ada di Indonesia harus diperkuat. Tanpa hal itu, beresiko jika mengatakan untuk tidak perlu menggunakan standar internasional (Scopus atau Web of Science) mengingat kampus merupakan organisasi yang berbasis kepercayaan publik. Oiya, yang penting untuk diperhatikan, tidak semua orang memiliki kemampuan sebagai editor yang harus sabar dan tekun mengikuti tren penelitian di dunia. Semoga tulisan ini bisa menginspirasi dan tetap membangkitkan semangat kampus untuk meningkatkan kualitas jurnal-jurnalnya yang jujur saja kita kalah dengan negara-negara tetangga. Oiya, pemilik (owner) kampus tidak ada salahnya menyimak tulisan ini lho.

Dipublikasi di Riset dan Penulisan | Meninggalkan komentar

Yuk, Mulai Belajar Buat GUI di Jupyter Notebook Python

Jupyter notebook saat ini menjadi IDE andalan pengguna Python. IDE ini sangat membantu pengguna yang “alergi” bermain console. Dengan notebook masalah import library dapat mudah teratasi, yaitu lewat Anaconda Navigator. Nah, itu untuk kode, bagaimana untuk user? Agak kerepotan jika mereka ketika menjalankan sistem harus lewat kode. Di sinilah peran GUI diperlukan, yaitu bagaimana user tinggal memasukan data dan mengeksekusi/memproses data tersebut hanya dengan “single click”.

Salah satu library yang paling banyak digunakan untuk membuat GUI adalah Tkinter. Entah kenapa namanya kayak klub bola gitu. Lagi-lagi jika menggunakan paket Anaconda maka Tkinter bisa diimport. Coba buka Jupyter Notebook, dan jalankan kode sederhana berikut.

  • import tkinter as tk
  • window = tk.Tk()
  • greeting = tk.Label(text=”Hello, Tkinter”)
  • greeting.pack()
  • window.mainloop()

Jalankan (run). Oiya, untuk python versi 3 (terkini) harus menggunakan “t” kecil. Perhatikan ada jendela yang berisi teks “hello, Tkinter” yang merupakan contoh jendela GUI sederhana. Lihat link untuk belajar berikut ini.

Di jaman online, sangat mudah belajar programming. Atau coba link ini untuk yang ingin bahasa Indonesia, misalnya untuk tombol “push button” beserta inputnya. Dikombinasikan dengan Machine Learning maka GUI ini sangat ampuh.

Dipublikasi di Python | 2 Komentar

Mengekspor dan Mengimpor BibTex Mendeley

Selain dengan memasukan langsung file pdf paper ke Mendeley, kita bisa juga memasukan paper yang akan disitasi lewat BibTex. File berekstensi *.bib biasanya disediakan oleh pengelola jurnal internasional. Kita tinggal unduh file tersebut dan pindahkan ke Mendeley, secara otomatis Mendeley akan mengeset referensi sesuai dengan style yang kita inginkan, misal IEEE, APA, Harvard, dan lain-lain. Terkadang jurnal-jurnal lokal di Indonesia tidak menyediakan BibTex, jadi mau tidak mau harus memasukan secara manual ke Mendeley. Postingan kali ini bermaksud memberikan alternatif selain input manual, yaitu lewat pembuatan BibTex dari paper yang tidak menyediakan file *.bib.

Membuat Template BibTex

Format BibTex mirip kode XML. Antara buku, jurnal, conference dan bentuk artikel lain berbeda satu sama lain. Hal ini terjadi karena tiap-tiap style membedakan penulisan buku, jurnal, prosiding, dan lainnya. Misalnya kita akan membuat template artikel jurnal. Klik kanan saja pada artikel di Mendeley dan pilih “Export”.

Simpan dengan nama yang kita inginkan, misalnya “Handayanto.bib”. Sebenarnya ada tiga pilihan yang tersedia yaitu BibTex, ris, dan EndNote XML.

Setelah disimpan, buka dengan “notepad” maka akan tampil format/kerangka BibTex yang dapat kita edit dengan paper lain. Pindahkan saja informasi artikel ke “handayanto.bib” yang telah dibuat sebelumnya. Isi point penting seperti author, title, volume, tahun dan lain-lain yang berada di dalam kurung kurawal ” { }”. Hapus informasi tentang file {} karena di sini kita tidak memasukan file.

Simpan dan coba drag ke Mendeley, pastikan dapat digunakan untuk referensi otomatis di naskah paper.

Uji dengan menginput ke naskah. Biasanya referensi terbentuk dengan baik sesuai style referensi yang diinginkan. Tentu saja ini khusus artikel yg tidak ada link download BibTex, kalau ada ya tinggal download dan ekspor ke Mendeley kita.

Dipublikasi di Riset dan Penulisan | Meninggalkan komentar

Sudahkah Mendaftar Github?

Kebanyakan pengembang menggunakan Github untuk sarana sharing kode program. Saya mengenal pertama kali ketika kuliah web technology di Thailand. Waktu itu bahasa pemrograman yang digunakan adalah Ruby and Rails (lihat post-post saya tentang ruby and rails), yang memang pertama kali ditujukan untuk bahasa tersebut. Github terkenal dengan version controlnya. Lumayan ribet. Nah, untuk Anda yang belum memiliki akun di Github, postingan kali sedikit memandu Anda mendaftar Github.

Pertama-tama kunjungi situs Github untuk Join/bergabung. Berikutnya isilah data diri yang diminta oleh Github. Seperti biasa, Anda akan diminta mengisi username, email address, dan password untuk login nanti.

Selanjutnya Anda diminta untuk “mengutak-atik” puzzle, memastikan kalau Anda bukan robot/mesin. Tekan “Select a Plan”.

Pilih “Plan” yang diinginkan, kalau bisa sih yang berbayar. Tapi yang gratis juga ok.

Pilih “Individual – Pick the plan” dilanjutkan dengan mengisi data lain terkait tujuan mendaftar Github.

Lanjutkan dengan menekan “Complete Setup” dan buka email yang didaftarkan barusan untuk konfirmasi. Tekan verifikasi di email, untuk melanjutkan login. Setelah login, Anda diminta membuka email lagi untuk memasukan angka yang harus diisikan. Jika sudah maka Anda siap menggunakan Github. Banyak pro dan kontra ketika situs repository ini dibeli Microsoft. Selamat mencoba, “keep calm and code on”.

Dipublikasi di Python, Ruby on Rails | Meninggalkan komentar