Mitra

Saat ini terjadi pergeseran dalam bisnis, khususnya sejak menjamurnya aplikasi-aplikasi online. Aplikasi ini bercirikan sharing sumber daya, misalnya pemilik kendaraan, pemilik vila/penginapan, kepada vendor aplikasi. Penyedia aplikasi, misalnya aplikasi ojek/taksi online, tidak perlu memiliki kendaraan/armada, cukup bermintra dengan pemilik kendaraan. Nah, di sini kata mitra memiliki makna khusus dimana ketika dahulu ada istilah pegawai dan pemilik, kini semuanya mitra, saling membutuhkan.

Misalnya dalam aplikasi pesan makanan online, maka mitra yang terlibat antara lain pembeli, pedagang makanan/minuman, dan driver/kurir. Posisi setara menyebabkan mereka berperan sebagai mitra, tidak ada satu posisi yang melibihi posisi lain. Tentu saja, masing-masing memiliki alat ukur untuk kinerja dan sesuai dengan visi misi pembuat aplikasi, biasanya ada aspek lain yang perlu diperhatikan misalnya kepuasan konsumen terhadap layanan yang dipesan (makanan, transportasi, dan jasa lain).

Masih belum jelas apakah kondisi tersebut masuk ke bidang lain, seperti pendidikan, kesehatan, dan lain-lain. Jika masuk maka profesional akan memiliki ikatan berupa mitra dengan pemilik organisasi, misalnya dosen dengan yayasan.

Sebenarnya gejala-gejala mulai nampak, yang dipercepat dengan pandemi covid yang mengharuskan bekerja secara online. Beberapa mahasiswa mulai menjalankan kebijakan mendikbud MBKM. Terjadi sharing sumber daya antar kampus. Mulai terjadi seorang mahasiswa satu kampus mengikuti kuliah di kampus-kampus lainnya, bahkan hingga kampus luar negeri (program IISMA).

Kerap terjadi konfilik di suatu institusi pendidikan ketika pemilik/owner masih memiliki paradigma yang lama: bos dan pegawai. Untungnya pemerintah sanggup menengahi kasus-kasus yang terjadi ketika ada konflik antara pemilik dengan pekerja. Jika dahulu depnaker fokus ke buruh, saat ini mulai masuk ke bidang lain, salah satunya pendidikan. Terutama semenjak BPJS baik kesehatan dan ketenagakerjaan wajib diterapkan di tiap-tiap organsisasi/perusahaan.

Bagaimana antara dosen/guru dengan mahasiswa/siswa? Ada kemungkinan terjadi perubahaan paradigma menjadi mitra. Tetapi ada aspek lain yang tidak dapat berubah yakni psikologis maupun adat istiadat. Hormat siswa terhadap guru tentu saja tidak bisa sama dengan terhadap mitra, walaupun dari sisi bisnis berlaku prinsip tersebut. Untuk kursus atau pelatihan mungkin bisa diterapkan, namun untuk guru dan murid atau dengan ustad di lembaga pendidikan agama, ada aspek lain yang tidak mungkin hilang.

Bagaimana kalau dipaksakan? Memang sesuatu yang dipaksakan dapat saja berjalan. Namun, ada prinsip dalam pendidikan yang tidak dapat dilupakan yaitu kesediaan ‘mengajari’ atau ‘berbagi ilmu’ dengan orang lain.

Membayar untuk membeli makanan, misalnya, mungkin selesai setelah makanan habis dimakan atau kendaraan yang dibeli telah dipakai sehari-hari. Tetapi membayar untuk memperoleh ilmu di suatu institusi akan berbeda karena mahasiswa akan memiliki ikatan dengan institusi tersebut walaupun sudah lulus. Dari pengalaman sebagai ketua program studi, banyak orang tua yang datang untuk menitipkan anaknya dididik dengan alasan si orang tua tersebut (ayah atau engkongnya) pernah kuliah di kampus yang sama. Termasuk ketika memohon agar anaknya tidak di drop out (karena masa studi yang habis), yang untungnya berhasil lulus dengan susah payah. Saya hampir menitikan air mata ketika mem-paraf ijazah dan transkrip nilainya krn ingat kedua orang tuanya yang datang menghadap. Agak sulit dibayangkan kondisi ini jika menganggap pendidikan selayaknya jual beli biasa.

Digital Image Processing

Digital image processing is an important step before next processing, e.g. computer vision, prediction, and other image manipulations. Image processing is an input for another computational task. In the first time, image processing is learned by computer scientists with some mathematical processing, e.g. edge detection, noise filter, etc. but to day some discipline, e.g. remote sensing, GIS, use this subject as the main and important material.

I have a lot of friends from computer science that try to focus on this subject. He/she asked about the current trend of this interesting subject. Image processing now has been established, with some images to be processed should have a lot of band frequencies captured by satellite, e.g. Landsat, Sentinel, IKONOS, etc, called multispectral and hyperspectral (more than 13 band frequencies) data. So, if we only have one band frequency, it is difficult to manipulate this single band image (called panchromatic). But for computer scientist, it is interesting to focus on computer vision, whether video or object detection. But some areas, e.g. remote sensing, medical imaging, to say only a few, still need deep learning-based image processing. I’m surprise when see the curriculum in my previous campus that the digital image processing is held by remote sensing & geographic information systems (RS-GIS) department.

If you want to see how image processing for land use/cover classification, my Youtube video might be useful, especially for environmentalists.

Import Citra Sentinel pada IDRISI

Ada banyak sensor citra satelit seperti Landsat, IKONOS, Sentinel, dan lain-lain. Yang terkenal dan sudah lama dipakai oleh para peneliti adalah Landsat. Postingan-postingan saya terdahulu juga telah membahas sensor satelit ini dan penggunaannya dengan software IDRISI. Kali ini kita akan mencoba satelit Sentinel.

Versi IDRISI

Banyak versi idrisi, misalnya IDRISI Taiga dan Selva yang masing-masing memiliki karakteristik yang khas. Ketika saya coba mengimpor satelit Sentinel ke IDRISI Selva (IDRISI versi 17), ternyata tidak ada menu pilihannya.

Informasi dari Google ternyata untuk citra Sentinel mau tidak mau harus menggunakan minimal IDRISI versi 18.3, yang namanya kembali menjadi TerrSet, sesuai dengan nama perusahaannya.

File SAVE

Ada satu hal unik ketika mengunduh citra Sentinel dari United States Geological Survey (USGS) yaitu file zip yang ketika diekstrak ternyata berisi file-file tertentu, bukan hanya citra tiap pita frekuensi seperti pada Landsat. Nah, di salah satu folder ada kumpulan file *.jp2 (JPEG2000) untuk tiap pita frekuensi (band). Namun untuk mengaksesnya di IDRISI cukup dengan memanggil file SAFE.

Otomatis nanti “Band to process” akan berisi pita-pita frekuensinya (ada 13 belas pita frekuensi). Centang semua jika ingin mengimpor seluruhnya ke IDRISI. Sertakan folder lokasi untuk menyimpan file *.rst hasil konversi *.jp2 Sentinel. Untuk lebih jelasnya silahkan lihat video Youtube saya berikut. Sekian, semoga bisa bermanfaat.

Tidak ada yang abadi

Terus terang saya salut dengan seorang profesor yang selalu menyapa dan berinteraksi dengan siapapun, entah itu mahasiswa atau pun rekan sejawat di level apapun. Tidak ada pilih kasih dan tidak memandang gelar, jabatan, dan kekayaan dalam berhubungan. Usut punya usut ternyata prinsipnya adalah tidak ada yang abadi. Ya, sangat sederhana. Ketika melihat seorang siswa yang biasa saja, kita tidak bisa yakin bahwa nanti dia jadi orang biasa saja. Bisa saja dia menjadi pemimpin, pemilik perusahaan, bahkan seorang presiden. Bawahann kita, serendah apapun, mungkin itu saat ini, bisa saja nanti menjadi orang sukses. Terdengar, ada satu kampus yang dalam setahun berantakan, padahal kampus papan atas. Atau seorang pemimpin, orang kaya, terpandang, bisa saja dalam sekejap menjadi orang yang biasa-biasa saja.

Ada satu prinsip yang dapat menenangkan jiwa, yaitu tidak ada yang abadi, apapun itu, kecuali yang maha abadi. Diibaratkan sebagai rintik air hujan yang mengenai air, bergelombang redup dan lenyap, datang lagi rintik air hujan mengenai air, bergelombang kemudian hilang. Kita pasti pernah merasa disakiti oleh seseorang, jika kita menggap orang yang menyakiti tersebut ‘abadi’, dalam artian pasti selalu menyakiti kita maka kebencian tidak akan hilang dalam diri kita. Sebaliknya jika kita menganggap tidak ada yang abadi, ketika dulu disakiti belum tentu sekarang dia menyakiti.

Kondisi pandemi dimana siswa belajar online terkadang membuat orang tua panik dan terkadang emosi karena kaget selama ini hanya menitipkan anak ke sekolah dan sekarang harus berperan sebagai guru. Terkadang ada frustasi akan masa depan anak, nanti jadi apa kalau kelakuannya seperti ini. Kembali ke cerita di atas, jangankan terhadap orang lain, terhadap anak sendiri pun tentu saja harus sama, bisa saja anak yang saat ini ‘alay’, malas, main game melulu, nonton kpop terus, dan lain-lain, suatu saat nanti bisa menjadi pengusaha, dokter, profesor, dan lain-lain. Termasuk kondisi pandemi pun kalau kita menganggap ‘abadi’ repot juga, bisa stres. Tapi kalo suatu saat pasti berhenti atau setidaknya bisa diatasi, pasti akan berlalu dengan baik-baik saja.

Banyak hal-hal terjadi dengan cepat saat ini. Rekan-rekan yang kemarin masih bersama, banyak yang sudah tiada. Kadang di atas, kadang di bawah itu adalah keniscayaan. Imam Ali r.a. memiliki prinsip jalani saja perannya, entah jadi pemimpin atau bawahan, miskin atau kaya, tidak mempengaruhi kondisi batin. Yup, ketika merasakan ketidakabadian, apapun dilalui dengan santai. Banyak yang bilang Butan merupakan negara yang rakyatnya bahagia, hal ini karena rakyatnya setiap hari selalu mengingat kematian dan menjaga kelestarian alam. jadi selalu ‘easy going’.

Orang akan selalu senang dengan orang yang tidak sombong dan selalu berterima kasih. Naik turun jabatan itu biasa, namun jika memaksakan diri dengan intrik-intrik yang ada kedzaliman di dalamnya, siap-siap akan menuai balasan yang terkadang Tuhan tunjukan ke orang yang dizalimi itu. Respect to all of you.

Artificial Intelligence pada Bidang Geospasial

Artificial Intelligence (AI) hampir diterapkan di segala bidang dari ilmu komputer itu sendiri, kedokteran, elektronika, hingga bidang sosial humaniora seperti psikologi. Prinsip dasar AI adalah menciptakan sebuah alat bantu yang bisa berfikir dan merespon seperti layaknya manusia. Saat ini AI menjadi lokomotif era Industri 4.0. Postingan ini sedikit memprovokasi para pemerhati AI siapa tahu tertarik meneliti teknik-teknik AI yang diterapkan ke bidang Geospasial.

Kita mungkin telah mengenal mata kuliah Geografi sejak SMP, namun istilah Spasial (spatial) mungkin baru, atau pernah dengar tapi kurang mengerti maksudnya. Spasial artinya hal-hal yang berkaitan dengan koordinat yaitu letak baik dua maupun tiga dimensi. Sementara Geo di depannya berarti bumi, jadi Geospasial artinya hal-hal yang berkaitan dengan letak koordinat di bumi, termasuk standar proyeksi, misalnya Universal Transverse Mercator (UTM).

Berikut ini materi webinar saya di AMIK Master Lampung. Pesertanya banyak juga, sampai 500 orang. Salah satu keunggulan online adalah bisa menghandle jumlah orang yang banyak dan tidak perlu secara geografis ke lokasi webinar.

Jadi inget ketika kuliah dulu. Terkadang ada selentingan bercanda orang Geografi, Remote Sensing – GIS dengan mahasiswa juruasan lain. yang mengatakan: “Semua yang ada di muka bumi punya Geografi”, hehe. Kemudian dari mhs ilmu komputer membalas: “Orang Remote Sensing – GIS kalau ditanya 1 + 1 berapa, dia mengeluarkan Iphone terbaru, membuka aplikasi kalkulator dan menjawab 2”.

Teka-Teki Based Education

Kita mengenal teka-teki silang (TTS), entah yang benar atau versi Cak Lontong yang menjengkelkan, tetap menarik. Berbeda dengan menonton film atau mendengarkan musik, bermain teka-teki melibatkan otak yang aktif. Hampir mustahil ketika menjawab teka-teki kita tertidur, bandingkan dengan kegiatan pasif lainnya. Bahkan ketika sedang di kelas tidak jarang mahasiswa/siswa yang tertidur.

Pertanyaan

Prinsip utama belajar adalah menjawab pertanyaan. Bapaknya para nabi pun, Ibrahim, mempertanyakan Tuhan. Sempat menganggap matahari dan bulan sebagai tuhan. Walau akhirnya ditunjukan, tetap saja prinsip berfikirlah yang dijadikan makna peristiwa tersebut.

Tidak hanya konsep, pertanyaan pun dalam segala bidang termasuk skill/keterampilan. Bagaimana menulis yang baik, memrogram komputer dengan cepat, dan lain-lain adalah pertanyaan yang harus dijawab oleh peserta didik.

Kita memang biasa diberi pertanyaan, namun terkadang tidak jarang kita dihadapi situasi harus bertanya. Ketika pertama kali belajar di negeri rantau, salah satu skill penting adalah bertanya. Anehnya, waktu itu saya sulit sekali meramu pertanyaan yang efisien, di mana letak grocery, library, dan lain-lain.

Luaran

Sebagai informasi, istilah ini adalah istilah hasil dari suatu riset yang didanai, misalnya oleh pemerintah. Uang yang dibelanjakan harus menghasilkan satu karya yang disebut luaran, bisa berupa prototipe, paten, atau artikel ilmiah. Berbeda dengan proyek yang pelaporan dananya sesuai dengan belanja, tentu saja riset berbeda. Bayangkan saja misalnya Einstein yang menemukan rumus E=MC2 jika misal didanai, agak sulit mempertanggungjawabkan lewat struk belanja. Paling-paling habis untuk beli kertas, tinta, atau obat encok. Jadi jika dulu peneliti kita menghabiskan waktu risetnya untuk berfikir bukti belanja, saat ini paradigmanya dirubah menjadi luaran yang dihasilkan.

Misalnya R. Oppenheimer, selain mengajar dia juga meneliti reaksi nuklir. Luarannya? Selain artikel ilmiah lurannya juga fenomenal: bom atom Hiroshima dan Nagasaki. Serem juga ya. (hmm .. Jangan sembarangan nanya luaran ke dosen teknik ya).

Jadi salah satu cara agar tidak tertidur ketika belajar, membaca, webinar, dan aktivitas pembelajaran lainnya ya carilah pertanyaan yang harus kita jawab, minimal dari acara yang sedang diikuti. Kalau tidak, dijamin webinar selesai, semua left, tinggal Anda sendiri karena ketiduran, upsss. Hahaha .. pengalaman pribadi.

Teknik Membagi Waktu: POMODORO

Ada sebuah alat yang mendeteksi gelombang EEG otak untuk mengukur tingkat konsentrasi seorang anak ketika belajar. Alat tersebut dikembangkan di Massachusetts (lihat ref ini). Alat yang sudah diterapkan di Malaysia ini juga dapat mengetahui karakteristik siswa, kapan waktu optimal seorang siswa dalam belajar. Ternyata tiap orang memiliki karakteristik bekerja yang berbeda, apakah pada pagi, siang, sore, atau malam.

Bekerja Optimal

Mungkin kita pernah duduk bekerja atau belajar berjam-jam tetapi ternyata hasil yang diperoleh tidak signifikan. Alat deteksi biasanya mengetahui adanya penurunan fokus dan segera alat tersebut memberikan musik untuk menyegarkan otak dan bisa fokus kembali. Ternyata otak butuh istirahat untuk kembali fokus. Masalahnya adalah, kapan waktu yang tepat untuk istirahat?

Pomodoro Technique

Dalam manajemen dikenal Pomodoro teknik, yaitu teknik membagi waktu kerja menjadi 25 menit dengan diselingi 5 sampai 10 menit istirahat (break). Ketika sampai empat kali, ada istirahat panjang sekitar 30 menit. Saat mencoba sepertinya ada rasa tanggung ketika 25 menit harus break, tapi ternyata manfaat istirahat 5 menit sangat efektif karena ketika kembali bekerja otak seperti fresh lagi.

Teknik ini sangat bermanfaat juga untuk yang bekerja di depan layar komputer karena mata juga butuh istirahat, bukan hanya otak saja. Disebutkan tiap empat kali “pomodoro” harus istirahat panjang, nah terkadang agak ribet juga untuk mengetahui saat ini sudah yang kedua, ketiga, atau keempat. Oleh karena itu kita butuh alat bantu, selain timer.

Alat Bantu

Alat bantu dapat diperolah baik dari website maupun aplikasi yang tersedia: play store, apple store maupun microsoft store. Jika malas menginstal bisa menggunakan situs ini sebagai timer. Selain memberi alarm tiap 25 menit dan break 5 menit, aplikasi ini dapat juga mengetahui kapan long break 30 menit harus dilakukan. Selamat mencoba.

Bekerja dengan Nyaman

Mungkin pembaca pernah merasakan bekerja di tempat di mana ketika Anda menyelesaikan dengan cepat sebuah pekerjaan, kemudian ditambak lagi pekerjaan baru yang seolah tidak ada habisnya. Atau dalam suasana kerja di mana seluruh pegawai harus terlihat sibuk mengerjakan sesuatu, walau tidak penting, karena kalau santai sedikit dianggap “kurang kerjaan”.

Valentino Rossi dalam buku biografinya menyebutkan alasan pindah dari honda selain karena ingin menunjukan bahwa pembalap tidak kalah penting dibanding motor balap adalah suasana kerja yang tidak nyaman. Tidak ada senyum, canda, atau obrolan lain selain balapan dan yang paling menjengkelkan adalah ketika kemenangan dianggap “biasa saja”.

Walau dengan partner sudah nyaman, ada chemistry, tetapi jika dengan top manajemen tidak nyaman, kita pasti tidak betah, apalagi jika kondisi partner yang juga tidak klop lagi, ada unsur intrik politik, dan sebagainya. Kontrak atau gaji tidak lagi prioritas utama. Dalam kasus Valentino Rossi katanya sampai pihak honda terbengong sesaat ketika kontrak yang dikembalikan tanpa tanda tangannya.

Ketika partner kerja nyaman, begitu juga pimpinan mendukung dan menghargai, prestasi tinggal menunggu waktu karena fokus tertuju ke target/sasaran. Tidak ada lagi kekhawatiran dijegal oleh rekan kerja atau konflik internal yang merugikan, karena harusnya bertarung dengan pesaing luar malah sibuk berkelahi di dalam. Terbukti, sang legenda motogp itu sanggup mendominasi dengan motor barunya.

Kondisi saat ini yang mengharuskan segala hal dilakukan online memperparah kondisi jika partner tidak klop. Salah komunikasi terkadang lebih banyak terjadi. Salah satu yang kurang menyenangkan adalah ketika koordinasi internal di grup WA tiba-tiba “dicapture/screenshoot” dan dibocorkan ke pihak lain. Terkadang hanya potongan yang tidak utuh yang mengakibatkan salah pengertian pihak yang menerima potongan info tersebut. Kondisi tersebut membuat “sepi” nya grup, padahal mungkin banyak ide-ide yang muncul di situ. Repotnya jika ada anggota grup yang kreatif jadi melakukan aksi diam, yang berbahaya karena tim jadi mandek akibat tidak ada inovasi.

Kabar baiknya adalah saat ini perkembangan sangat cepat. Yang saat ini mungkin sedang terpuruk dan merasa di bawah, untuk kembali ke atas terkadang tidak butuh waktu lama. Namun sebaliknya waspadalah, ada institusi yang hancur dalam waktu singkat, bahkan kurang setahun. Memang tidak sepatutnya manusia sombong, lihat saja, dunia porak-poranda karena makhluk kecil, virus COVID-19, yang pindah dari satu orang ke orang lain sambil mengganggu kesehatan bahkan banyak yang kehilangan nyawa.

Tradisi Hindu kabarnya menyebut saat ini tahun Syiwa, yakni tahun di mana banyak godaan berbuat dzalim tapi waspadalah, balasannya tiga masa kehidupan. Toh, agama manapun melarang berbuat dzalim, namun jika dibandingkan dengan kondisi normal, ejeken, hinaan, penindasan saat kondisi sekarang yang dirasakan jauh lebih menyakitkan dibanding kondisi normal sebelum pandemi. Namun, sebaliknya bantuan kecil, atau bahkan senyuman saja, sudah membuat orang senang melebihi saat kondisi normal. Yuk, saling menghargai.

Klasifikasi Citra RGB Geospasial dengan IDRISI

Citra RGB merupakan citra sederhana yang berasal dari beragam alat mulai dari satelit, drone, UAV, hingga handphone yang murah dibandingkan jenis citra lainnya baik multispektral maupun hyperspektral yang lebih dari beberapa band frekuensi dari sensor satelit. Postingan ini membahas bagaimana secara sederhana mengklasifikasi citra RGB dengan software yang banyak digunakan untuk pemrosesan data geospasial, yakni IDRISI Selva.

1. Persiapan Awal

Untuk mengklasifikasi citra satelit yang sudah memiliki proyeksi, seperti citra landsaat, ikonos, dan lain-lain, hanya menggunakan IDRISI sudah cukup. Sementara untuk citra lain seperti dari UAV, drone, atau tangkapan layar (screenshoot) dari Google Earth perlu pengolahan khusus, misalnya dengan ArcMap. Gambar berikut contoh tangkapan layar (menggunakan plugin “take webpages screenshoot” pada Chrome) yang diimpor ke ArcMap 10.1. Silahkan gunakan QGIS jika lebih menyukai sofware opensource.

File PNG yang telah dibuka di ArcMap perlu dikonversi menjadi file ASCII agar bisa dikirim ke IDRISI Selva. Perhatikan gambar di atas ada 3 band yang tampil di Table of Contents: Red, Green, dan Blue. Pilih/search “to ASCII” dan pilih toolbox Raster to ASCII.

Input raster dipilih citra PNG atau JPG yang sudah ditarik ke ArcMap dan output diisi nama file txt (ASCII), jangan lupa pilih folder/lokasi tempat file output. Pastikan ArcMap sukses mengkonversi file PNG menjadi TXT dan tampak pada Table of Contents (pada gambar di atas di bagian akhir dengan nama kara.txt).

2. Impor ASCII File di IDRISI Selva

Buka IDRISI Selva dan pilih menu Import dilanjutkan dengan Software Specific Formats ESRI Formats ARCRASTER.

Pilih file TXT hasil dari konversi ArcMap yang lalu. Beri nama file RST yang nanti akan dihasilkan, beserta lokasi foldernya.

Jangan lupa pilih radio button “ArcInfo raster ASCII format to Idrisi”. Perhatikan tombol “OK” belum bisa ditekan karena harus memasukan proyeksi denga menekan tombol Output reference information. Pilih proyeksi yang sesuai misalnya untuk kasus Karawang adalah UTM 48S (lihat link berikut untuk bagaimana menghitungnya). Jika berhasil akan tampak peta standar IDRISI (berformat *.rst) yang siap diklasifikasi.

3. Proses Klasifikasi

Klasifikasi idealnya menggunakan citra multispektral, dimana ada beberapa band citra (IDRISI maksimal 7 band frekuensi). Gambar berikut contoh menu Iterative Self-Organizing Clustering (ISOCLUST).

Isian paling kanan mudahnya biarkan saja secara default, hanya jumlah kelas yang harus diisi, misalnya di sini 11 kelas. Jalankan dengan menekan “OK”, proses lumayan lama, tergantung komputer Anda. Pastikan hasilnya tampak di IDRISI seperti di bawah ini.

Sepertinya masih agak kasar, sebaiknya gunakan resolusi tinggi untuk daerah kecil jika menggunakan citra RGB untuk klasifikasi, atau gunakan citra pankromatik resoulusi tinggi. Sekian, semoga bermanfaat.

Mengatasi Font Mendeley Terlalu Kecil

Mendeley merupakan andalan mahasiswa, khususnya yang sedang mengerjakan skripsi, tesis, maupun disertasi (lihat cara memasukan plugin). Banyak masalah yang kerap muncul, tetapi sebagian besar dapat diselesaikan. Nah, untuk masalah huruf yang terlalu kecil terkadang agak menjengkelkan, seperti tampak pada gambar di bawah ini.

Pusing juga bacanya. Tidak ada setting font di Mendeley desktop. Salah satu cara adalah sebagai berikut.

  • Pertama-tama tutup dahulu Mendeley Anda.
  • Lanjutkan dengan Klik Kanan pada Icon Mendeley.
  • Pilih Properties dan lanjutkan dengan menekan tab Compatibility.
  • Tekan Change high DPI Settings hingga muncul jendela baru.
  • Checklis Override High DPI scalling Behaviour dan pilih System.

Tutup dengan terlebih dahulu menekan Apply dan OK. Buka kembali Mendeley Anda dan pastikan tampilan font membesar seperti berikut ini.

Lumayan lebih besar dan untuk yang bermasalah di mata mudah-mudahan postingan ini sedikit membantu. Berikut rincian tata cara di Youtube-nya.

Normalisasi Tabel

Dalam mata kuliah basis data, ada satu materi yang cukup berat, yaitu normalisasi tabel. Prinsip dasarnya adalah database relasional dimana ada aturan-aturan tertentu yang mengharuskan database designer mengikuti standar yang baku. Postingan berikut sedikit berdiskusi apa saja yang perlu diperhatikan dalam menormalisasi sebuah tabel.

Multivalue

Ini merupakan prinsip dasar database relasional dimana satu field/kolom dalam satu record tidak boleh berisi lebih dari satu item. Misalnya tabel transaksi pembelian barang, tidak boleh ada satu field, misalnya barang, yang berisi item-item barang yang dibeli. Di sini lah letak perbedaan basis data relasional dengan objek. Dalam basis data objek, isi field (diistilahkan dengan atribut) bisa multivalue dalam bentuk array.

Functional Dependency & Transitive Dependency

Dalam tabel transaksi terdapat dua ketergantungan yakni ketergantungan fungsi dan transitif. Jika Unnormalize Form (UNF) berisi field-field dalam transaksi (termasuk yg multivalue), dan 1NF yang berisi para kandidate key, 2NF berisi tabel-tabel yang mendukung ketergantungan fungsi, misalnya dalam pembelian barang, tabel yang terkait adalah tabel penjualan, detil penjualan dan barang.

Sementara itu ketergantungan yang sifatnya transitif, misalnya pelanggan, suplier, kasir/teler, dan lain-lain dipecah dalam 3NF. Ada level yang lebih rumit dan khusus, diberi nama Boyce-Code Normal Form (BCNF), biasanya terjadi ketika suatu field misalnya harga barang yang mengikuti wilayah cabang tertentu, padahal wilayah bukan merupakan primary key.

Surrogate Key

Dalam detil transaksi, misalnya detil pembelian, terkadang dibuat suatu surrogate key yang agar praktis dibuatkan/di-generate secara otomatis oleh sistem (increment). Mengapa harus dibuatkan surrogate key, silahkan simak video yang merupakan materi kuliah berikut. Semoga sedikit membantu.

Computer Vision

Perkembangan Artificial Intelligence (AI) saat ini sangat cepat baik dalam metode dasar maupun penerapan di lapangan. Banyak instansi yang membutuhkan AI, dari kedokteran, pertanian, hingga pertahanan dan keamanan. Salah satu penerapannya adalah dalam Computer Vision.

Image Processing

Terkadang banyak yang bingung apa perbedaan image processing dengan computer vision. Keduanya sama-sama mengelola gambar/citra, hanya saja computer vision lebih dalam lagi, dimana sebuah model dibuat untuk mampu mengenali sebuah gambar. Sementara itu, image processing memiliki tugas pokok hanya mengolah gambar. Biasanya bekerja sebagai pre-processing sebelum masuk ke modul computer vision, misalnya merubah citra berwarna menjadi hitam putih, merubah ukuran/dimensi gambar, merotasi dan hal-hal yang mengkonversi gambar agar bermanfaat.

Walaupun terlihat sederhana tetapi penerapannya sangat penting, misalnya konvolusi yang merubah gambar besar menjadi gambar yang berukuran lebih kecil tetapi tidak merubah “ciri” dari gambar aslinya. Metode ini digunakan dalam Convolution Neural Network (CNN) bersama dengan Pooling (memperkecil ukuran/dimensi gambar) yang ternyata meningkatkan performa Neural Networks.

Pengenalan Gambar

Sebenarnya untuk mengenali gambar merupakan kemampuan yang sudah dimiliki oleh manusia. Namun jika yang harus dikenali sangat banyak, atau harus selalu “on” 24 jam, tentu saja manusia tidak sanggup. Oleh karena itu riset yang mengembangkan model seperti manusia yang mampu mengenali gambar sangat bermanfaat. Akurasinya pun saat ini kian mendekati 100%.

Selain aspek kuantitatif dalam mengenali gambar, terkadang model pengenalan gambar harus mampu mengenali gambar jauh melebihi mata manusia, misalnya dalam mendeteksi foto rontgen, sel-sel mikroskopis, dan mineral di dalam bumi. Bahkan dalam mengenali tutupan lahan, model melebihi kemampuan mata manusia mengenali foto satelit, mengingat sensor satelit, misalnya Operational Land Imager (OLI) memiliki 9 band frekuensi, dimana mata manusia hanya mampu melihat beberapa band frekuensi saja.

Surveillance System

Selain gambar statis, computer vision juga berkembang untuk mendeteksi video. Biasanya diterapkan pada CCTV keamanan. Jika ada objek mencurigakan, sistem akan memberikan warning sehingga dapat bekerja 24 jam dan selalu waspada, hal yang tidak mungkin dilakukan oleh seorang staf keamanan. Sekian semoga tertarik riset di bidang ini.

Praktek Basis Data dengan Google Colab

Google Colab merupakan media pembelajaran pemrograman yang praktis karena baik bahasa pemrograman maupun mesin/harware disediakan oleh Google. Dengan mengandalkan laptop jadul atau handphone bisa dilaksanakan, asal memiliki koneksi internet. Bahasa yang digunakan adalah bahawa Python yang sangat cocok untuk machine learning. Bagaimana untuk pengolahan basis data?

SQLite

SQLite disediakan dalam satu library yang harus diinstal terlebih dahulu sebelum diimpor. Data diletakan baik dengan koneksi ke Google Drive atau diletakan secara temporal di folder pada Google Colab.

# CREATING THE TABLE
import sqlite3
conn = sqlite3.connect(‘unisma.db’)
print(“Opened database successfully”);
conn.execute(”’
CREATE TABLE IF NOT EXISTS data_siswa(nama text,
matkul text,
dosen text,
nilai integer);”’)
conn.commit()
print(“Table created successfully”);
conn.close()

Setelah Tabel terbentuk, silahkan dimasukan data-datanya misalnya sebagai berikut. Pastikan terisi dengan baik.

# INSERTING VALUES
conn = sqlite3.connect(‘unisma.db’)
conn.execute(“INSERT INTO data_siswa VALUES(‘wahyu’, ‘matematika’, ‘malikus’, 72);”)
conn.execute(“INSERT INTO data_siswa VALUES(‘budi’, ‘bahasa’, ‘amin’, 90);”)
conn.execute(“INSERT INTO data_siswa VALUES(‘linda’, ‘matematika’, ‘malikus’, 91);”)
conn.execute(“INSERT INTO data_siswa VALUES(‘wahyu’, ‘bahasa’, ‘amin’, 75);”)
conn.execute(“INSERT INTO data_siswa VALUES(‘linda’, ‘bahasa’, ‘amin’, 90);”)
conn.execute(“INSERT INTO data_siswa VALUES(‘budi’, ‘matematika’, ‘malikus’, 60);”)
conn.commit()

Untuk menggunakan query silahkan menggunakan instruksi SELECT untuk mengetahui isi dari data/tabel yang ada. Bahasa standar SQL dapat diterapkan pada SQLite. Tentu saja untuk implementasi diharapkan menggunakan Python di lokal komputer kita. Google colab cukup baik untuk media pembelajaran atau sebagai penguji algoritma yang akan diterapkan pada system.

conn.close()
conn = sqlite3.connect(‘unisma.db’)

cursor = conn.execute(”’ SELECT nama
                          FROM data_siswa
                          WHERE matkul=’matematika’;”’)

for row in cursor:
  print(row)
conn.close()

Hasil:

  • (‘wahyu’,)
  • (‘linda’,)
  • (‘budi’,)

Untuk lebih jelasnya silahkan lihat video saya berikut, sekian semoga bisa membantu.

 

Pendidikan Berbasis Outcome

Tidak bisa dipungkiri, pendidikan cenderung berorientasi pensuplai tenaga kerja. Walaupun pada kenyataannya tidak selalu demikian, bahkan siswa yang di masa depan sukses ternyata berwirausaha, alias punya perusahaan sendiri. Tetapi jumlahnya sangat sedikit, maka mau tidak mau prinsip pemenuhan kebutuhan akan tenaga kerja jadi fokus utama, apalagi di negara kita yang menjadi pusat produksi perusahaan-perusahaan multinasional. Postingan ini sekedar menyampaikan seminar tadi pagi oleh Asosiasi PT Infokom (APTIKOM) tentang OBE, MBKM, dan ACM 2020.

SKKNI

Kementerian tenaga kerja, di tahun 2000, memperkenalkan Standar Kompetensi Kerja Nasional Indonesia (SKKNI) agar tenaga kerja Indonesia memiliki standar. Nah, oleh karena itu perguruan-perguruan tinggi di tanah air waktu itu diharuskan memiliki kurikulum berbasis SKKNI.

Seiring perjalanan waktu, berbagai standar kompetensi nasional bermunculan lewat LSP-LSP yang menerbitkan sertifikat kompetensi standar Badan Nasional Sertifikasi Profesi (BNSP). Kemudian dilanjutkan dengan lulusan yang diwajibkan memiliki pendamping ijasah, salah satunya sertifikat BNSP, dengan harapan lulusannya memiliki kompetensi tertentu. Hal ini untuk menghindari lulusan perguruan tinggi di Indonesia yang tidak kompeten, alias tidak bisa langsung kerja. Sangat memberatkan perusahaan-perusahaan yang merekrut karena harus memberikan pelatihan khusus terlebih dahulu.

Outcome Based Education (OBE)

OBE melandaskan prinsip pendidikan dengan melihat sasarannya. Metode ini sudah diperkenalkan pada tahun 1994 tetapi baru masif diterapkan pertama kali tahun 2005 di Hongkong. Negara-negara Asia Tenggara sendiri baru mulai menerapkannya pada tahun 2017. Hal ini karena akreditasi internasional berbasis OBE, jadi mau tidak mau kampus-kampus jika ingin berstandar internasional menerapkan OBE.

Prinsipnya sangat sederhana, misal seseorang ingin menjadi jaksa, maka lembaga pendidikan akan menarik mundur dengan mempersiapkan materi pendidikan apa saja yang dibutuhkan untuk mencapai kompetensi jaksa tersebut. Tentu saja di sini dalam dunia pendidikan bukan jaksa yang dituju tetapi kompetensi yang dibutuhkan untuk jaksa, karena jurusan hukum tidak selalu memilih jaksa sebagai profesi, begitu juga jurusan lainnya, seperti ilmu komputer yang menghasilkan lulusan dengan bidang pekerjaan yang luas. Namun tetap saja harus memiliki kompetensi minimal agar lulus.

Kurikulum Berbasis OBE

Antara SKKNI dan OBE saling terkait, karena SKKNI menjadi rujukan kompetensi-kompetensi yang sudah terstandar di Indonesia. Lembaga pendidikan hanya meramu kompetensi apa saja yang dibutuhkan lulusan suatu program studi. Jadi diawali dengan menentukan profil lulusan dalam bentuk Capaian Pembelajaran Lulusan (CPL) maka prodi mempersiapkan Capaian Pembelajaran Mata Kuliah (CPMK). CPL aslinya berjumlah puluhan kalau mengikuti SKKNI, dan masalah muncul karena lembaga pendidikan harus melakukan evaluasi untuk menilai apakah siswa mencapai kompetensi-kompetensi tersebut. Jadi prodi biasanya menurunkan dari puluhan menjadi beberapa saja, tidak jauh-jauh dari 10 CPL, yang harus memasukan juga softskill. Misal ada 12 CPL maka prodi harus merinci menjadi CPMK dalam bentuk mata kuliah yang tiap mata kuliah memiliki beberapa CPMK.

CPMK yang merupakan capaian terkecil harus memasukan beberapa kompetensi dari SKKNI, dengan harapan lulusan memiliki kompetensi tertentu. Nah, CPMK tiap mata kuliah itu harus dijabarkan dalam 16 pertemuan. Misal satu mata kuliah ada 8 CPMK, maka ke-16 pertemuan tersebut harus mengadopsi 8 CPMK tersebut. Satu CPL bisa terdiri dari CPMK dalam beberapa mata kuliah tergantung jurusannya. Nah, repotnya, nanti program studi harus memetakan CPMK-CPMK tersbut disertai dengan evaluasinya (komponen penilaian akhir setelah ujian akhir semester). Jadi tiap semester seorang mahasiswa dapat dihitung berapa ketercapaian CPMK dan berhak lulus jika seluruh capaian terpenuhi.

CC 2020

Khusus untuk dunia informatika dan komputer, tahun lalu sudah dikeluarkan Computing Curriculla 2020. Berbeda dengan tahun-tahun sebelumnya yang membagi tegas menjadi TI, SI, SK, SE, dan lain-lain jurusan komputer, CC 2020 agak sedikit melonggar.

Jadi ketika suatu jurusan, misal teknik komputer (CE), maka boleh saja memasukan materi-materi bidang lainnya, namun khusus yang berwarna kuning harus ada. Kalau bisa yang abu-abu juga, mungkin dunia saat ini sedikit berubah karena adanya keterkaitan antara satu jurusan dengan jurusan lainnya. Ditambah lagi fenomena Gap Skill dimana ada beberapa skill yang tidak bisa disediakan oleh satu bidang komputer tertentu.

Merdeka Belajar Kampus Merdeka (MBKM)

Mendikbud, Nadiem Makarim, mencetuskan MBKM yang dapat diintegrasikan dengan OBE. Hal ini juga dalam rangka efisiensi di mana tiap mahasiswa bisa belajar tidak hanya dari kampus sendiri, melainkan dari kampus lain dan industri. Dengan kata lain, kompetensi-kompetensi tertentu dapat dicapai tidak hanya lewat tatap muka di kampus/kelas, melainkan juga industri/dunia kerja. Silahkan simak link Youtube lengkapnya di bawah ini, sekian semoga bisa membantu.

Peer Review

Jika searching di internet, peer review masih memiliki problem yang harus diselesaikan. Terlepas dari polemik itu, ada jenis jawaban yang dikenal dengan istilah trivial, yaitu jawaban sementara yang ada dan lebih baik jika tanpa ada jawaban sama sekali. Saya teringat kuliah dosen matematika saya ketika menjelaskan jawaban trivial dengan ilustrasi perang dunia di mana Jerman akan menyerang Inggris dengan rudal-rudal dan pesawat tempurnya. Inggris berhasil menemukan alat seperti radar saat ini (waktu itu masih jadul) yang mampu mendeteksi objek bergerak yang menuju Inggris. Hal ini memudahkan pertahanan mereka dan alat tersebut bisa dikatakan ‘penyelesaian masalah’. Namun suatu waktu alat tersebut mendeteksi objek yang jumlahnya banyak sekali, walaupun hal tersebut dirahasiakan namun bocor juga. Rakyat Inggris sudah pasrah waktu itu, hanya bisa berdoa karena serangan dengan jumlah sebanyak itu sangat sulit dilawan. Namun ternyata, objek yang dideteksi itu hanya sekelompok burung yang bermigrasi. Jawaban dengan alat tersebut dikatakan jawaban trivial.

Dalam dunia akademis kita mengenal artikel ilmiah yang terindeks, misalnya Scopus. Dengan perorganisasian dan kontrol kualitas yang katanya ketat, Scopus banyak dijadikan patokan artikel yang berkualitas oleh universitas-universitas di seluruh dunia. Banyak yang dijadikan syarat kelulusan, khususnya mahasiswa doktoral yang memang tugas utamanya melakukan riset. Banyak komentar-komentar yang tidak menyukai Scopus, dari istilah kapitalis yang mengambil untung dari ‘penderitaan’ periset di seluruh dunia hingga kualitas artikel-artikelnya yang diragukan. Tetapi dengan banyaknya kelemahan dan problem-problem yang ada, jika tidak menggunakan indeksasi yang bagus (misalnya Google Scholar yang bisa dimodif oleh author)s, akibatnya kualitas riset jadi diragukan. Sebenarnya ada alat kontrol lain, misalnya paten, tetapi tentu saja sangat sulit karena hanya segelintir orang saja yang bisa. Jadi banyak kampus-kampus yang terpaksa mengandalkan Scopus, WoS, dan indeks berkualitas lainnya karena lebih praktis dalam kontrol kualitas walau membutuhkan biaya tambahan yang kebanyakan ujung-ujungnya ditarik dari mahasiswa.

Problem utama dari riset ilmiah ujung-ujungnya adalah peer review, yang menjadi andalan Scopus karena menentukan kualitas artikel yang dipublikasikan. Tanpa ada peer review jangan harap jurnalnya terindeks di Scopus. Dari Youtube atau media sosial lainnya mulai bermunculan postingan yang anti peer review. Salah satu poin utama dari penolakan peer review adalah adanya ketergantungan yang amat besar dengan peer review. Jika ada ilmu-ilmu baru yang belum pernah dijumpai oleh reviewer, dengan hak-haknya menilai terkadang di-reject. Misalnya Anda ahli matematika, ketika mereview artikel Albert Einstein mengenai E=mc^2 sangat sulit menerimanya, apalagi biasanya artikel dibatasi dengan panjang naskah, padahal butuh penjelasan yang tidak mudah. Banyak definisi-definisi yang harus dipresentasikan karena ilmu yang baru. Yang mereview terkadang tidak mengetahui siapa yang menulis (blind review), ada keraguan karena ilmu baru yang si reviewer pun butuh ‘kuliah’ oleh sang penemu.

Kondisi memang sedikit rumit. Namun tanpa menggunakan peer review kontrol kualitas hanya mengandalkan ‘orang dalam’. Kalau kampus sekelas Harvard, MIT, Stanford, dan sejenisnya yang banyak riset yang didanai oleh industri mungkin tidak masalah. Kampus-kampus biasa, apalagi di Indonesia yang saat tulisan ini ditulis peringkatnya sudah mulai tertinggal jauh dari kampus-kampus Malaysia, tentu saja dipertanyakan kualitasnya. Memang ada pilihan lain, yakni external examiner, namun walau ‘eksternal’, tetap saja dipilih oleh kampus yang ujung-ujungnya dicari yang ‘mempermudah’.

Untunglah saya bukan menteri yang harus mengambil keputusan yang sangat menentukan masa depan dunia riset dan pendidikan tinggi. Agak sedikit membingungkan ketika dimerger antara riset dengan pendidikan. Mudah-mudahan riset kian berkualitas dan bukan sebaliknya hanya pendidikan yang maju tetapi riset terbengkalai. Apalagi kondisi dunia yang sedang mengalami pandemi, serta beberapa bidang sedang mengalami disrupsi. Saya yakin pemerhati di seluruh dunia sedang memikirkan hal ini, tetapi di negara kita yang masih dibilang ‘belum maju’ mau tidak mau harus mengikuti standar yang ada. Solusi trivial mungkin lebih baik dari pada tidak ada solusi.