Paradigma Baru Universitas di Era Disrupsi

Tulisan ini kelanjutan dari masalah linearitas dan interdisiplin ilmu pada postingan yang lalu. Sumbernya adalah dari situs ini, yang dishare oleh kawan di facebook. Ternyata facebook bermanfaat juga, tergantung bagaimana kita menggunakannya.

Paradigma Baru Pendidikan di Era Disrupsi

Masalah yang dialami dunia saat ini adalah buta secara vertical (vertical
literacy). Walaupun kesenjangan ilmu sudah hampir tidak ada (kecuali beberapa wilayah konflik dan yang masih primitif), ada kesenjangan jenis lainnya yang diberi istilah “knowing-doing gap”, yang artinya kesenjangan antara kesadaran kolektif kita tentang suatu hal dengan tindakan/aksi yang dilaksanakan. Vertikal di sini bermakna naik ke atas, jadi vertical development maknanya adalah perkembangan yang melepas masa lalu dan siap menyambut masa depan. Suatu institusi yang gagal melaksanakan vertical development akan dihajar oleh pesaing-pesaing di era disrupsi ini (banyak contoh kasus nyata yang sering kita lihat).

Jika diibaratkan seperti komputer, saat ini kita tidak hanya menginstal aplikasi-aplikasi baru melainkan mengupgrade sistem operasi kita, dalam rangka menyambut masa yang akan datang. Pendidikan harus di “reinvent” lagi. Perkataan seorang filsuf bernama Plutarch (2000 tahun yang lalu) bahwa pendidikan adalah aktivitas “menyalakan api” bukan “mengisi kapal” terhadap anak didik kita. Pendidikan di tahun ini sebaiknya mirip dengan tahun 1917 dimana terjadi vertical development.

Saat ini masalah-masalah yang harus diselesaikan dunia (radikalisme, terorisme, fundamentalisme, xenophobia, dan lain-lain) tidak bisa diselesaikan dengan “sistem operasi” yang lalu, harus dengan yang baru, ibaratnya harus diupgrade. Saat ini kita dihadapkan pada: “VUCA: volatility, uncertainty, complexity, dan ambiguity”. Kampus dituntut menyediakan tenaga-tenaga kerja yang siap menghadapi itu.

Kemampuan Vertical Literacy

Dulu mungkin buta huruf menjadi masalah di Indonesia, tetapi saat ini ketika rakyat sudah tidak buta huruf muncul masalah-masalah yang bisa menghancurkan suatu bangsa. Oleh karena itu vertical literacy menjadi penting. Dengan vertical literacy, seseorang memiliki kemampuan sebagai berikut:

  • Mahir dalam mendengar dan fikirannya terbuka
  • Merubah debat menjadi dialog yang menghasilkan
  • Merubah kompetisi menjadi ekosistem yang saling mendukung, dan
  • Menemukan hal-hal baru yang beroperasi secara sharing

Otto menlanjutkan dengan mengusulkan delapan prinsip yang harus dipegang oleh universitas “baru”, antara lain:

  1. Siswa sebagai inisiator perubahan
  2. Belajar bukan hanya di kampus, tetapi kehidupan nyata
  3. Menjadi orang yang berubah (be the change), dari kepala ke hati dan dari hati ke tangan (terapan)
  4. “Science 2.0”, banyak hal-hal yang harus diobservasi ulang
  5. “System Thinking”, siswa membuat sistem yang bisa menyelesaikan suatu hal
  6. “System Sensing”, mirip no.5 tetapi bisa men-sensor suatu hal
  7. Mudah mentransformasikan suatu sistem mengikuti society
  8. Memahami diri sendiri. Bukan hanya keingintahuan (sisi kognitif), melainkan juga hati yang terbuka (compassion) dan keinginan yang tulus (open will).

Silahkan lanjutkan baca di situs aslinya, yang ditulis oleh Otto Scharmer, Senior Lecturer, MIT; Co-founder u.lab, Presencing Institute. Semoga bermanfaat.

Ref

https://www.huffingtonpost.com/entry/education-is-the-kindling-of-a-flame-how-to-reinvent_us_5a4ffec5e4b0ee59d41c0a9f?ncid=engmodushpmg00000003

Klasifikasi, Pengklusteran dan Optimasi

Bahasa merupakan pelajaran pertama tiap manusia. Untuk mempelajari komputasi pun pertama-tama membutuhkan bahasa. Sebagai contoh adalah judul di atas yang terdiri dari tiga kata: klasifikasi (classification), pengklusteran (clustering) dan optimasi (optimization). Postingan ringan ini membahas secara gampang tiga kata di atas.

Klasifikasi

Sesuai dengan arti katanya, klasifikasi berarti memilah obyek tertentu ke dalam kelas-kelas yang sesuai. Komponen utama dari klasifikasi adalah classifier yang artinya pengklasifikasi. Jika tertarik dengan bidang ini maka akan bermain pada bagian pengklasifikasi ini. Jika menggunakan jaringan syaraf tiruan (JST) maka akan meramu bobot, bias, dan layer pada JST agar mampu mengklasifikasi suatu obyek. Jika menggunakan Support Vector Machine (SVM) meramu persamaan pemisah antara dua kelas atau banyak kelas (multi-class).
Sepertinya tidak ada masalah untuk konsep ini. Masalah muncul ketika ada konsep baru, misalnya pengklusteran.

Pengklusteran

Manusia itu makin belajar makin bertambah merasa bodoh, karena makin banyak pertanyaan yang muncul. Ketika klasifikasi tidak ada masalah dalam memahami maksudnya, munculnya konsep pengklusteran membuat pertanyaan baru di kepala, apa itu? Paling gampang memahami arti dari kluster, yaitu satu kelompok dalam area tertutup, zona, atau istilah lain yang menggambarkan kelompok yang biasanya memiliki kesamaan. Pengklusteran berarti mengelompokan beberapa obyek berdasarkan kesamaannya. Jadi harus ada obyeknya dulu, karena kalau tidak ada apa yang mau dikelompokan?

Lalu bedanya dengan klasifikasi? Penjelasan gampangnya adalah klasifikasi memisahkan berdasarkan kelas-kelas yang sudah didefinisikan dengan jelas sementara pengklusteran kelompok yang akan dipisahkan tidak didefinisikan lebih dahulu. Bisa juga dengan melatih berdasarkan data yang sudah ada kelasnya (target/label nya). Misal untuk kasus penjurusan, kita bisa saja mengklasifikasikan siswa masuk IPA jika nilai IPA nya lebih baik dari IPS dan sebaliknya untuk jurusan IPS. Sementara pengklusteran kita biarkan sistem memisahkan sekelompok siswa menjadi dua kelompok yaitu kelompok IPA dan IPS. Masalah muncul ketika mengklasifikasikan berdasarkan nilai IPA dan IPS-nya, jika guru IPAnya “Killer” sementara yg guru IPS “baik hati”, maka dengan classifier itu tidak akan ada yang masuk jurusan IPA. Sementara pengklusteran akan memisahkan siswa-siswa itu menjadi dua kelompok. Bisa saja yang nilai IPA nya misalnya 6 masuk ke kelas IPA karena nilai 6 itu udah top di sekolah itu.

Optimasi

Nah, apalagi ini? Kembali lagi sesuai dengan arti katanya optimasi berarti mencari nilai optimal. Optimal tentu saja tidak harus maksimal/minimal, apalagi ketika faktor-faktor yang ingin dicari nilai optimalnya banyak, atau dikenal dengan istilah multiobjective. Apakah bisa untuk klasifikasi? Ya paling hanya mengklasifikasikan optimal dan tidak optimal saja. Biasanya optimasi digunakan untuk mengoptimalkan classifier dalam mengklasifikasi, misal untuk JST adalah komposisi neuron, layer, dan paramter-parameter lainnya. Atau gampangnya, kalau klasifikasi mengklasifikasikan siswa-siswi ganteng dan cantik, optimasi mencari yang ter-ganteng dan ter-cantik. Sederhana bukan? Ternyata tidak juga. Banyak orang baik di negara kita, tetapi mencari beberapa yang terbaik saja ternyata malah “hang” sistemnya.

Linearitas vs Multi/Inter-disiplin Ilmu

Ketika mengajukan beasiswa S3 ke kopertis IV, bagian staf penerimaan beasiswa langsung menanyakan ijasah S2, jika tidak serumpun maka tidak akan diproses pengajuannya. Kebetulan waktu itu sama-sama ilmu komputer (computer science), jadi lolos. Namun ketika pelaksanaan kuliah, ternyata konsep kampus-kampus saat ini (biasanya luar negeri) kebanyakan multidisiplin/interdisiplin ilmu. Maksudnya adalah suatu riset yang melibatkan beberapa cabang ilmu yang berbeda. Misalnya ilmu komputer, penginderaan jarak jauh (PJJ) dan sistem informasi geografis (SIG) dan ilmu lingkungan untuk optimisasi penggunaan lahan suatu wilayah.

Beberapa pemerhati masalah pendidikan tidak setuju dengan konsep kaku linearitas karena fenomena disrupsi yang terjadi saat ini. Suatu institusi yang tidak menggabungkan berbagai bidang ilmu dalam inovasinya akan hancur dan dikalahkan oleh institusi yang melibatkan bermacam cabang ilmu. Silahkan dapatkan informasinya dari link ini. Oiya, sepertinya buku itu memiliki hak cipta (bukan open access). Tetapi untuk baca-baca sepertinya ada manfaatnya.

Transdisiplin Ilmu

Ternyata ada konsep lain yaitu transdisiplin yang melibatkan bukan hanya berbagai macam bidang ilmu tetapi melibatkan praktisi-praktisi yang berkontribusi terhadap penerapan suatu inovasi. Ada aspek kewirausahaan dalam penelitian yang bertipe trandisiplin ilmu. Dalam referensi pada link tersebut disebutkan bahwa terciptanya facebook, instagram, dan aplikasi-aplikasi startup lainnya melibatkan trandisiplin ilmu, misalnya bukan hanya IT tetapi juga aspek psikologi. Pencetus facebook sendiri dulunya mengambil S1 bidang psikologi.

Nasib Monodisiplin Ilmu

Tentu saja monodisiplin masih dibutuhkan untuk tetap memperkuat dasar keilmuannya. Jujur saja untuk S3 yang monodisiplin sangat sulit mengingat metode-metode saat ini yang sudah “established”. Hanya tambahan-tambahan kecil dalam bentuk parameter-parameter atau penggabungan-penggabungan yang mungkin ditemukan dalam suatu penelitian. Tentu saja untuk jenjang S1 dan S2 sepertinya masih diperlukan.

Ketika saya mengikuti seminar tentang standar kompetensi, waktu itu geomatika, saya sempat bertanya kepada pengelola sertifikasi tersebut yang mengharuskan sertifikat untuk yang mengambil sertifikat geomatika harus jurusan S2 dan S3 yang sama (PJJ dan SIG) untuk level Madya ke atas. Saya mengatakan bahwa rekan-rekan kuliah S3 saya yang bukan PJJ dan SIG banyak yang penelitiannya tentang geomatika dan mereka sangat mahir melakukan manipulasi-manipulasi dasar dan lanjut bidang PJJ dan SIG. Misalnya bidang Agriculture, Water Management, dan IT yang ber-interdisiplin dengan PJJ dan SIG. Pengelola sertifikasi itu menerima masukan dan akan mengkaji lagi syarat harus mengambil kuliah jurusan tersebut untuk sertifikasi keahlian geomatika. Terus terang sangat jarang mahasiswa SIG sendiri yang murni meneliti tentang SIG (proyeksi, web-gis, satellite, dll) tanpa adanya interaksi jurusan lain.

Referensi:

Update: 7 Jan 2018

Ternyata sejak 2014 Dikti sudah menganut konsep linearitas yang interdisiplin, yaitu mengajar di kampus yg sebidang ilmunya, tidak harus si pengajar s1 linear dengan S2 atau S3:

Metode Menentukan Bobot pada Multi-Criteria Selain Pairwise Comparison (AHP)

Untuk mencari lokasi yang cocok untuk penggunaan lahan tertentu, optimasi rancangan, dan sejenisnya ada empat metode yang terkenal: ranking, rating, trade-off, dan pairwise. Cara penggunaannya dapat dilihat pada artikel berikut ini, dalam jurnal teknik sipil.

Di bagian kesimpulan, ketika faktor biaya, waktu dan kemudahan penggunaan menjadi perhatian maka metode ranking, rating, dan trade-off layak untuk digunakan. Tetapi ketika faktor akurasi dan fondasi teoritis yang menjadi perhatian maka metode pairwise yang biasanya dengan analytic hierarchy process (AHP) digunakan, dengan software yang terkenalnya “expert choice”.

Kelemahan multi-criteria dalam menentukan kesesuaian (suitability) terhadap suatu hal adalah sangat bergantung dengan penentuan bobot seperti diutarakan dalam presentasi oleh ESRI (vendor dari ArcGIS) berikut ini:

Semoga postingan ini bisa bermanfaat, terutama saya sendiri baru saja menjawab pertanyaan mengapa menggunakan metode pairwise tidak dengan metode yang lainnya.

Referensi:

http://www.iaeme.com/MasterAdmin/UploadFolder/IJCIET_06_11_012-2/IJCIET_06_11_012-2.pdf

https://maps.uky.edu/esri-uc/esri_uc_2k12/Files/130.pdf

Revisi Lagi .. LiDAR vs RADAR

Kejadian tahun lalu terulang lagi dimana ketika asyik liburan ada tulisan yang harus direvisi. Kalau dulu artikel di jurnal internasional, kali ini disertasi yang dicek oleh external examiner, yaitu profesor dari luar kampus. Lumayan banyak, walaupun secara keseluruhan disetujui (satisfactory and meets the normal requirements for a doctoral dissertation), tetapi ada hal-hal yang perlu pemikiran karena bukan bidang saya.

Sebagai contoh, pada revisi keenam diminta menjelaskan maksud LiDAR (light Imaging Detection and Ranging) “more accuracy and wider range” dibanding RADAR (Radio Detection and Ranging). Sebenarnya saya mensitasi dari text book, tetapi ternyata tidak hanya mensitasi, harus tahu juga maksudnya. Untungnya banyak referensi yang beredar.

Panjang Gelombang RADAR dan LiDAR

LiDAR dikatakan lebih akurat dibanding RADAR karena bisa mendeteksi obyek yang kecil karena penggunaan spektrum panjang gelombang yang lebih pendek (short wavelength). Gambar di bawah saya unduh dari sini, lumayan jelas perbandingan antara microwave yang digunakan RADAR dengan infra-red yang digunakan LiDAR.

Jika microwave jangkauannya dari 1 mm hingga 1 meter, ternyata infra merah lebih pendek lagi yaitu antara 1 mikrometer hingga 1 mm, artinya lebih pendek dari microwave yang digunakan RADAR. Sementara maksud “wider range” artinya pandangan yang lebih luar (large field of view) yang dimiliki LiDAR: lebih lebar dari RADAR. Informasi ini saya ambil dari situs ini.

Yah, begitulah, ikuti saja, namanya IT kan pensuport bidang lainnya. Terkadang ke GIS, environment, hingga penginderaan jarak jauh (remote sensing). Ada informasi ternyata RADAR dan LiDAR sedang berkompetisi untuk digunakan oleh mobil tanpa awak, dimana Tesla dengan RADAR sementara Google dengan LiDAR walau dipasang juga RADAR karena mampu menembus kabut (Jadi inget waktu kuliah 6 tahun di mesin UGM dulu).

Tip n Trik Publikasi Jurnal

Tip n Trik bisa berarti taktik dan strategi. Mirip dengan permainan catur. Jika strategi adalah rencana garis besar, taktik adalah rencana yang detil. Biasanya strategi dijalankan ketika lawan yang sedang “jalan”, sementara taktik ketika kita yang sedang “jalan” dan harus melangkah. Di saat liburan ini dapat diibaratkan kita tidak dipaksa melangkah, jadi sebaiknya berfikir strategi. Ketika piknik, jalan-jalan, tidak ada salahnya membiarkan fikiran bebas mengatur strategi. Begitu juga tugas-tugas penelitian dan publikasinya, baik yang didanai (hibah) maupun yang mandiri.

Strategi

Terkadang strategi yang tepat hasilnya optimal. Pemilihan jurnal tujuan, penggunaan alat-alat bantu penulisan artikel (mendeley, grammarly, google, dan lain-lain). Tidak jarang tulisan yang baik tidak lulus tetapi tulisan yang biasa-biasa saja diterima (accepted) karena memilih jurnal sasaran yang tepat. Tulisan mungkin sudah berbobot, tetapi jurnal sasaran permintaannya lebih berbobot lagi, alhasil tidak/belum diterima. Mengevaluasi bobot tulisan terkadang penting juga, dan di sini pengalaman dalam publikasi menentukan kemampuan tersebut.

Taktik

Taktik di sini berupa langkah-langkah detil, prosedural dan biasanya linear. Pemahaman terhadap proses publikasi (submit, editorial, review process, dan decision) sangat perlu. Terutama proses berapa lama antara submit dengan publish karena ada jurnal yang sampai 2 tahun (bahkan ada yang 9 tahun) proses hingga publish. Di sini letak proses pembuatan manuskrip artikel yang akan dikirim. Ada baiknya artikel ditulis bersamaan dengan proses penelitian, jangan ditunda sampai penelitian selesai.

Research Camp

Terkadang ikut grup Whatsapp bermanfaat juga. Banyak ilmu yang dishare di sana, walaupun terkadang ada juga hal-hal yang tidak penting, bahkan cenderung memprovokasi tema-tema tertentu yang berkaitan dengan politik. Tetapi asal kita ambil yang baiknya saja, sepertinya tidak masalah dan bermanfaat. Salah satunya adalah research camp tentang publikasi ilmiah. Berikut ini adalah tip n trik yang dishare. Sayang tidak ada nama pembuatnya, semoga yang bersangkutan mendapat pahala karena pengalaman yang diberikan lewat slide ini:

Khusus mengenai SCIHUB, yang menyediakan jurnal-jurnal gratis, sepertinya agak ilegal. Banyak cara lain, yaitu dengan meminta share dengan pengarang aslinya lewat “researchgate”, atau memesan ke teman yang studi lanjut, yang biasanya kampusnya berlangganan. Sekian semoga berfaedah.

Konversi Universal Transverse Mercator (UTM) ke Latitude – Longitude

Repot juga kalau berhubungan dengan sistem proyeksi. Biro Informasi Geospasial (BIG) atau yang dulu dikenal dengan Bakosurtanal terkadang menyediakan dua versi koordinat yaitu UTM dan lintang/bujur. Ketika memperoleh file SHP yang berformat UTM, mudah untuk dimanipulasi (misalnya untuk optimasi), tetapi harus dikonversi kembali ke lintang dan bujur jika ingin ditampilkan di Googla Map yang berformat lintang dan bujur (lihat post sebelumnya).

Untungnya Matlab menyediakan konversi dari UTM ke lintang/bujur yang cukup akurat di situs resminya. Berikut ini contoh fungsi utm2ll yang tinggal dicopas dan simpan dengan nama utm2ll.m:

Misalnya saya impor dengan fungsi shaperead file SHP yang berkoordinat UTM (lihat cara menggunakan shaperead). Kemudian saya jalankan fungsi UTM2LL tersebut yang berisi parameter sumbu x,y zona (untuk contoh ini 48S yang diisi dengan -48, negatif karena di selatan). Sementara datumnya ‘wgs84’. Ambil satu contoh titik pertama:

  • >> real(1,:)
  • ans =
  • -6.2620 106.9955

Di ArcGIS sebenarnya ada fasilitas mengkonversi langsung, tetapi ketika saya impor ke Matlab shapefile-nya, angkanya masih tetap UTM. Tetapi bisa digunakan untuk menguji apakah hasil konversinya benar. Perhatikan jawaban titik pertama di atas (-6.2620 106.9955) yang ditunjukan pada (1) sama dengan koordinat lintang/bujur (2) pada gambar di bawah ini.

Selesai juga masalah konversi dari UTM (720779.301055732, 9307408.86579029) menjadi Latitude-Longitude (-6.2620 106.9955). Semoga bermanfaat.

Menampilkan Data Spasial Web-based dengan Google Map API

Google menyediakan fasilitas online untuk melihat peta lokasi suatu wilayah. Banyak fasilitas yang diberikan baik dalam format peta biasa (Map) maupun citra satelit (Satellite). Bahkan bisa juga melihat lokasi jalan dengan memanfaatkan fasilitas Google Street View yang menempel di Application Programming Interface (API) Google Map.

Membuat Kode Sederhana

Sebelum masuk ke sistem basis data, ada baiknya bisa menampilkan terlebih dahulu Google map pada aplikasi web-based yang akan kita buat. Buka saja teks editor ringan, notepad untuk mengetikan kode HTML singkatnya. Copas saja kode berikut dalam notepad:

Ketika menyimpan, seperti biasa pilih ekstension “All”, jangan gunakan defaultnya (*.txt). Kemudian beri nama dengan tambahan di belakangnya .html.

Setelah disimpan, buka file HTML tersebut. Jangan lupa program yang membukanya adalah browser (ie, mozilla, chrome, dll). Kalau tidak otomatis terbuka, klik kanan dan pilih “open with” yang sesuai.

Tombol (1) untuk menampilkan format satelit atau peta biasa dan tombol (2) untuk melihat Street View dengan men-drag simbol orang ke jalan yang ingin dilihat citranya.

Ketika men-drag simbol orang, tampak jalan berwarna kebiruan. Itu tandanya lokasi yang sudah difoto oleh mobil Google. Hasilnya tampak seperti gambar di bawah ini:

Tinggal berikutnya adalah mengkoneksikan ke sistem basis data, misalnya mysql, untuk menampilkan lokasi-lokasi yang ada di database kita. Semoga bermanfaat.

Natural Language Processing

Natural Language Processing (NLP) merupakan istilah lain dari computational linguistic dimana bahasa dikenali atau diproses dengan bantuan komputer. Tentu saja perlu pemahaman yang baik tentang teori bahasa yang melibatkan tata bahasa (grammar), semantik dan fonetik. Bahasa sendiri terdiri dari dua pokok yaitu berbicara (speaking) dan bacaan/tulisan (text).

Peran Machine Learning

Ada istilah classical computational linguistic. Istilah klasik berarti menggunakan komputasi model lama. Model lama di sini memang karena sudah dikembangkan sejak dulu. Teori bahasa dan otomata merupakan induk dari metode komputasi klasik. Sempat juga belajar, dari otomata, teori bahasa formal, hingga mesin turing. Sulit juga ternyata, karena melibatkan teorema-teorema yang tidak disukai oleh orang teknik (misalnya: for all .. there exist … dan sejenisnya), mungkin kalau orang MIPA sudah terbiasa.

Perkembangan yang lebih modern melibatkan statistik, sehingga dikenal dengan Statistical Natural Language Processing. Statistik mulai diterapkan dalam NLP karena melibatkan data-data yang berukuran besar sehingga melibatkan teori-teori statistik dalam komputasinya. Teori-teori probabilitas sangat penting karena berguna dalam melakukan suatu inferensi/perkiraan. Tetapi karena karakter bahasa yang fleksibel dan terkadang melibatkan hal-hal yang tidak pasti, tidak lengkap, dan sejenisnya yang sulit dikelola dengan statistik, membuat peran fuzzy dan teori-teori soft computing lainnya kian penting. Akibatnya peran machine learning dalam NLP saat ini kian penting. Dalam penerapannya machine learning biasanya digunakan untuk menangani data teks dan membuat suatu sistem yang menyerupai manusia dalam bekerja dengan bahasa alami.

Deep Learning dalam NLP

Saat ini Jaringan Syaraf Tiruan (JST) lebih disukai untuk mengelola NLP karena memiliki karakteristik yang robust. JST itu sendiri merupakan komponen utama dari subyek deep learning, yaitu JST yang melibatkan lapisan yang banyak (multilayer). Lihat post terdahulu tentang apa itu deep learing.

Penerapan dan Riset NLP Saat Ini

Jadi kesimpulannya, saat ini riset tentang NLP berkecimpung dengan machine learning yang mengelola input berupa teks dan output yang berupa bahasa yang semirip mungkin dengan manusia (natural language). Bidang ini dapat diterapkan ke dalam pembelajaran jarak jauh (PJJ) dalam mengelola naskah-naskah yang menjadi alat komunikasi antara siswa dengan tutor online. Dulu sempat jadi proposal disertasi saya sebelum beralih ke data spasial. Siapa tahu ada yang berminat dan mencoba melakukan riset PJJ (lihat riset tentang ini) yang melibatkan machine learning atau soft computing. Jawaban siswa yang menjiplak, absen online, dan lain-lain dapat ditangani dengan cepat dan akurat lewat bantuan soft computing. Semoga pembaca tertarik.

Referensi:

https://machinelearningmastery.com/natural-language-processing/

Online Education Research

Riset tentang pendidikan jarak jauh (PJJ) melibatkan banyak bidang ilmu (multidisiplin). Karakternya yang banyak melibatkan ilmu sosial membuat tiap tempat berbeda karakternya, sehingga melibatkan institusi-institusi tiap negara. Lihat postingan terdahulu tentang webinar (seminar online) PJJ. Beberapa hari yang lalu ada kiriman buku tentang riset pendidikan daring di Indonesia, cocok untuk yang ingin memulai riset di bidang ini.

Setelah membaca sekilas banyak informasi-informasi yang diberikan dalam buku itu. Kalau pun tidak detil, pembaca bisa membaca rujukan yang disertakan, kebanyakan berupa paper ilmiah (jurnal internasional). Jangan takut, banyak cara untuk mengunduh jurnal-jurnal yang berbayar tersebut. Berikut informasi yang diberikan:

  • Riset PJJ di Indonesia, bahkan di Asia, masih sangat kurang. Kebanyakan oleh negara-negara maju seperti AS, Australia, dan Eropa.
  • Banyak jurnal-jurnal rujukan yang disertakan (dalam tabel) yang bisa kita baca lebih lanjut setelah mengunduh paper tersebut. Cocok untuk yang ingin membuat proposal disertasi/studi lanjut s3.
  • Disertakan teori-teori pembelajaran (walau secara umum) sebagai referensi.
  • Dijelaskan teknik-teknik untuk riset (jenis-jenis riset, teknik pengambilan data, dan lain-lain)
  • Ada pembekalan dalam menulis artikel ilmiah (memilih jurnal sasaran, mengatur tulisan-tulisan yang disubmit, dan pengertian-pengertian tentang submit, minor/major revision, dan lain-lain)
  • Strategi untuk mengaplikasikan PJJ di Indonesia agar lebih efektif

Apapun saat ini sudah mulai di-online-kan. Mau tidak mau kita harus mengerti konsepnya, begitu juga dengan para dosen dan pengajar, konsep e-learning harus dikuasai. Ada tiga sisi dalam diri seorang dosen: Peneliti, Pengajar/pendidik, dan Pengabdi. Jadi riset untuk meningkatkan pengajaran jangan dilupakan juga. Semoga bermanfaat.

Menghindari Software Lain yang Ikut Terinstal Saat Update

Persaingan vendor perangkat lunak kian sengit saja. Beberapa software yang butuh update, misalnya adobe flash player, ketika update minta disertakan untuk diinstall juga. Repotnya yang diinstal software berat seperti anti virus. Beberapa update lainnya merubah default dari setingan browser, misalnya yahoo untuk searching defaultnya.

Walaupun bisa diuninstall, tapi merepotkan dan membuat sampah-sampah di registry. Flash player sendiri sempat menjadi standard di web tetapi karena banyak masalah dalam keamanan web, di HTML 5 tidak lagi menjadi standar, bahkan adobe sendiri melepas “flash player”-nya (lihat link ini). Tapi sepertinya masih disupport adobe hingga saat tulisan ini dibuat, terbukti masih tersedia di link ini.

Jangan Lupa Pilih yang Akan Diinstal

Software-software lain terinstall karena ketika ada pilihan install, checklist instal software tersebut tidak dihilangkan (secara default ikut terinstal). Repot juga, apalagi yang tidak sempat membacanya dan asal “next” saja.

Untunglah walaupun terlanjur, tetapi karena download McAfee lebih lama, ketika adobe flash selesai langsung saja di”silang”, dan McAfee pun ter-“cancel”.

 

Kesimpulannya

Ketika update, pastikan download dari situs resminya, dan sebelum lanjut perhatikan apakah ada software-software lain yang “nebeng” dan ikut terinstal. Syukur-syukur dibaca dulu “term & condition”nya.

Tak Ada Lagi Ilmuwan “Superman”

Ketika kecil dulu saya sering membaca buku biografi ilmuwan-ilmuwan ternama seperti Isaac Newton, Einstein, dan kawan-kawan. Temuannya sangat fenomenal karena menginspirasi temuan-temuan lainnya. Dilanjutkan era Lutfi Zadeh dengan fuzzy-nya, atau Barners Lee dengan temuan teknologi untuk website, dan lain-lain. Di negara kita ada Prof. habibie, mantan menristek dan juga presiden ketiga kita. Setelah era Habibie, sepertinya negara kita rindu dengan sosok seperti dia ditandai beberapa informasi hoax tentang ilmuwan fenomenal yang sangat direspon baik oleh rakyat, walau akhirnya kecewa.

Superman – Superman Kecil

Untuk menghasilkan temuan-temuan baru saat ini sudah sangat sulit karena ilmu yang sudah “established”. Hanya beberapa parameter-parameter kecil suatu metode tertentu (dalam fuzzy, algoritma genetika, PSO, dan lainnya) dan terkadang untuk kebutuhan khusus tertentu. Dosen saya pun pernah mengatakan bahwa dulu, suatu disertasi seorang mahasiswa doktoral menciptakan satu jenis bahasa pemrograman, berbeda dengan saat ini yang baginya “biasa-biasa saja”.

Saat ini era interdisiplin dimana satu bidang ilmu bertemu dengan bidang lainnya untuk menyelesaikan permasalahan-permasalahan yang ada. Tidak perlu ilmuwan-ilmuwan seperti penemu-penemu hebat seperti zaman dulu melainkan cukup pakar dengan keahlian khusus yang sanggup bekerja sama secara tim dengan pakar lainnya. Dengan demikian “superman-superman” kecil dibutuhkan, bukan hanya seorang “superman” yang super segalanya (walaupun patut disyukuri jika memang ada).

Aplikasi-aplikasi sederhana seperti Youtube, facebook, google dan aplikasi bisnis online lainnya, serta alat-alat komunikasi yang banyak beredar yang membantu kehidupan orang banyak, adalah hasil karya superman-superman kecil itu yang bekerja sama dalam satu timnya Zukenberg, Steve Job, Bill Gates, dan di Indonesia misalnya anak-anak muda seperti Nadiem Makarim dan lainnya.

Sharing

Saat ini adalah era-nya sharing, misalnya penggunaan kendaraan pribadi yang “nganggur” sebagai alat transportasi publik (gojek, grab, uber, dan lain-lain), rumah pribadi menjadi hotel (AirBnB), dan lein-lain. Suatu saat dalam dunia pendidikan dan penelitian pun demikian. Publikasi ilmiah, misalnya, merupakan salah satu sharing ilmu pengetahuan yang efektif. Selain itu aktivitas bersama oleh beberapa peneliti otomatis sudah menciptakan iklim berbagi. Pertemuan ilmiah merupakan ajang pertemuan para peneliti dalam mendiskusikan beberapa masalah yang diangkat. Syukurlah, aturan Ristek-Dikti yang menyamakan bobot penilaian seminar internasional dengan jurnal internasional, asalkan terindeks di pengindeks ternama (Scopus dan ISI Thomson).

Vitamin itu Bernama Hibah Penelitian

Industri dan bisnis membutuhkan peneliti-peneliti untuk meningkatkan profit mereka. Banyak permasalahan muncul dalam kolaborasi antara peneliti dengan industri/bisnis. Buku yang berjudul “university.inc” mengkritik kebijakan tertutup yang tidak mempublikasikan peneliti-peneliti yang berkolaborasi dengan dunia industri, terutama yang berkaitan dengan kemaslahatan bersama (pengobatan, kesehatan, dan sejenisnya). Walaupun dari sisi finansial si peneliti cukup untuk memperbaiki taraf hidupnya.

Untungnya Ristek-Dikti masih memberikan suntikan dana untuk hibah penelitian, dengan salah satu luaran (hasil) wajib adalah publikasi ilmiah (nasional terakreditasi atau internasional). Pemerintah pun bisa memilih dari sekian banyak proposal yang diajukan yang sekiranya bermanfaat untuk rakyat banyak, walaupun dalam prakteknya perlu dilakukan evaluasi terkait aturan yang memberatkan peneliti. Sebagai contoh, komputer yang kita gunakan saat ini menggunakan turing machine hasil riset yang didanai pemerintah Inggris untuk menghadapi kode-kode rahasia Jerman, yang hampir saja tidak jadi ketika dana yang dikeluarkan tak kunjung memberikan hasil. Setelah mengucurkan dana lagi akhirnya proyek itu berhasil dan sandi-sandi rahasia Jerman berhasil di-decode yang mengakhiri perang dunia kedua. Memang masalah pendanaan dalam suatu riset sangat sulit diprediksi besarnya, terkadang kurang terkadang lebih. Demikian kurang lebihnya postingan singkat ini. Yuk, jadi “superman” kecil.

Beda Generasi Beda Zaman

Beberapa waktu yang lalu sempat membaca pesan berantai mengenai bagaimana membentuk mental anak yang “kuat”. Salah satunya adalah dengan tidak memanjakannya dan tidak menggunakan prinsip “karena saya dulu menderita, anak saya kasihan kalau menderita”. Sepertinya masuk akal, karena anak dilatih untuk bertarung dengan kehidupan dan tidak menjadi anak yang manja. Masalahnya, apakah dengan mengkondisikan si anak dengan kondisi “penderitaan” kita yang dulu bisa membuat anak kuat, tabah dan tegar?

Generasi Millennial

Untuk menjawab masalah di atas, mungkin tugasnya orang psikologi meneliti masalah itu. Yang kita tahu, tiap generasi memiliki karakternya sendiri. Generasi saat ini dikenal dengan generasi millennial atau kadang dikenal dengan generasi Y. Generasi ini sejak kanak-kanak dan remaja sudah mengenal dunia online/maya yang bercirikan akses yang cepat dalam informasi.

Apakah perlu anak merasakan menderita? Untuk menjawabnya pertama-tama harus disadari bahwa negara kita tertinggal, bahkan jauh tertinggal dengan negara lain. Jika mereka berjalan, untuk mengejar ketertinggalan kita harus berlari. Silahkan mengajari anak menderita, tetapi menderita ketika berlari. Bukannya tidak memberikan sepatu karena bapak dulu sekolah tidak pakai sepatu, misalnya. Prof. Rhenald Kasali, terhadap mahasiswanya bahkan mewajibkan mengunjungi negara lain, sehingga anak2 terbiasa mengurus ini itu sendiri, seperti passport, mencari tempat tinggal di luar dan lain-lain, sehingga kesulitan yang dihadapi adalah kesulitan “berlari” bukan kesulitan jaman primitif (berenang, panjat tebing, dll ketika sekolah).

Kita sepakat, mereka lah yang menghadapi masa depan. Orang tua punya pengalaman/data masa yang lalu, tetapi ketika merencanakan masa depan yang saat ini tidak pasti, tidak bisa menggunakan data yang usang. Kemampuan memprediksi kebutuhan masa depan sangat mutlak. Sebenarnya anak-anak saat ini gerakannya lincah dan cepat, terutama akses terhadap informasi, yang merupakan salah satu aspek penting dalam learning.

Memberi Peran ke Generasi Muda

Efek krisis moneter 1998 ternyata berdampak terhadap kesenjangan antara yang tua dan yang muda. Putusnya kesempatan kerja dari tahun 1998 hingga 2006 (info dari buku “disruption”) mengakibatkan antara top manager dengan manajer tengah bisa 10 atau bahkan 20 tahun usianya. Jika tidak segera diantisipasi regenerasinya bisa berbahaya. Generasi muda yang butuh pengalaman segera dalam menghadapi masa depan bisa tersumbat oleh generasi tua yang mengandalkan pengalaman masa lalu, cenderung sebagai “incumbent”, nyaman di kondisi saat ini. Terkejut saya membaca berita di link ini dimana seorang anak India yang masih sekolah, berusia 18 tahun, dipercaya merancang satelit yang diluncurkan NASA.

Di Indonesia sepertinya masalah ini sangat pelik. Kampus negeri yang cenderung menerima dosen dari alumninya, merupakan ciri-ciri nasionalisme sempit. Ditambah lagi karakter paternalistic, dimana junior terpaksa nurut senior masih sering terjadi. Padahal di luar negeri, misalnya Thailand dan Malaysia, banyak sekali mengambil dosen-dosen dari luar negeri yang bisa diambil ilmu dan pengalamannya. Beda dengan tugas belajar ke luar negeri yang hanya beberapa tahun, mengambil dosen luar bekerja di dalam negeri lebih besar dampaknya karena bisa melihat kesehariannya, terutama dalam transfer skill dan pengalaman.

Interdisiplin Ilmu

Saat ini antar ilmu saling terkait dalam menyelesaikan permasalahan yang ada. Jujur saja anak-anak saat ini lebih cerdik dalam melakukan proses interdisiplin. Mereka lebih pandai berhitung ketika main game dibanding dikhususkan hanya berhitung dalam suatu pelajaran. Terkadang mereka semangat ketika mempelajari sesuatu yang dibutuhkannya. Beberapa pemerhati pendidikan memperhatikan fenomena ini. Mungkin suatu saat pendidikan seperti berobat, ketika meracik obat diperlukan bahan-bahan tertentu yang dibutuhkan si pasien, bukan mengikuti aturan tertentu, yang dalam kasus pendidikan kurikulum pemerintah yang terkadang lambat berubah dalam mengantisipasi kebutuhan rakyat. Mungkin video ini bisa disimak, semoga bermanfaat.

Inisialisasi Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan (JST) atau dalam bahasa Inggrisnya Artificial Neural Network, atau Neural Network saja, merupakan salah satu Machine Learning yang terkenal, dan saat ini juga dikenal dengan istilah Deep Learning (lihat post yg lalu). Sejak dulu setelah ditemukannya metode training terkenal “Backpropagation” atau rambatan error kian banyak yang meriset, terutama dalam proses pembelajarannya.

Dalam training JST, faktor inisialisasi bobot sangat menentukan kualitas dan kecepatan proses pembelajaran. Banyak faktor-faktor yang mempengaruhinya kecepatan proses pembelajaran, antara lain:

  • Nilai awal bobot dan bias
  • Laju pembelajaran
  • Topologi JST
  • Peningkatan laju pembelajaran (momentum)

Menggunakan pendekatan “Global Search” untuk menentukan parameter-parameter tersebut sangat tidak layak, karena pengaruh kecil saja sudah mempengaruhi konvergensi dari proses pembelajaran. Konvergensi ini sangat menentukan keberhasilan proses training.

Metode Inisialisasi Bobot

Beberapa periset sudah merekomendasikan metode-metode terbaik dalam menentukan inisialisasi bobot, antara lain:

  • Inisialisasi Bobot Acak. Ini merupakan cara paling sederhana. Lebih baik dari pada seluruh bobot diberi harga nol, yang menurut Rummerhald, tiap training cenderung memberikan hasil yang sama. Dengan bobot acak, akan diperoleh hasil pelatihan yang berbeda-beda, sangat tergantung dengan attractors, istilah untuk faktor-faktor yang mempengaruhi konvergensi.
  • Menggunakan analisa statistik dan geometri. Metode ini sangat menguras waktu. Salah satu yang terkenal adalah metode pseudo-inverse. Menurut peneliti masih banyak memiliki kelemahan.
  • Menggunakan properti yang khusus dari JST yang akan ditraining, misalnya untuk tipe JST radial basis, menggunakan cara yang berbeda dengan multilayer perceptron lainnya.

Tulisan yang membahas metode-metode inisialisasi bobot yang terkenal adalah Thimm, dkk (Thimm & Fiesler, 1994). Beberapa peneliti terkenal antara lain: Fahlman, Bottou, Boers, Smieja, Lee, Haffner, Watrous, dan yang saat ini banyak digunakan yaitu Nguyen dan Widrow. Silahkan baca bagi yang berminat, semoga bermanfaat bagi yang riset tentang JST.

Referensi:

Thimm, G., & Fiesler, E. (1994). High Order and Multilayer Perceptron Initialization. NEURAL NETWORKS.

 

Pemrosesan Citra Digital – Kabar baik dan buruknya untuk orang IT

Ketika semester dua kuliah, saya melihat daftar mata kuliah yang ditawarkan. Selain materi wajib untuk jurusan ilmu komputer dan sistem informasi, ditawarkan pula materi pilihan. Belum selesai terkejut karena Artificial Intelligent (AI) and Neuro-Fuzzy yang diampu oleh jurusan Mekatronika, ternyata Digital Image Processing (DIP) diampu oleh jurusan Remote Sensing & Geographic Information System (RS-GIS).

Sebagai orang IT (walau dulunya bukan), tentu sedikit tersinggung, mengapa bukan jurusan informatika yang mengajarkannya. Kebetulan riset saya mengenai data spasial, jadi agak berbenturan dengan beberapa mata kuliah mereka, salah satunya subyek DIP. Ternyata memang mereka yang serius meneliti masalah itu.

Kabar Buruk

Sebenarnya bukan kabar buruk, tetapi sedikit kejenuhan. Di awal-awal memang orang informatika yang tekun meneliti DIP, dari suatu citra bisa diolah sesuai kebutuhan: pencocokan dan identifikasi pola, klasifikasi pola, penentuan kematangan buah, dan terapan-terapan lainnya. Namun ada batas berkaitan dengan sensor yang digunakan, yang kebanyakan dengan frekuensi nyata. Untuk meneruskan riset agar diperoleh akurasi yang lebih baik diperlukan ilmu-ilmu lainnya, salah satunya adalah sensor. Sensor di sini dikembangkan oleh peneliti masalah satelit, misalnya Landsat yang telah menggunakan lebih dari 7 band ketika pemotretan muka bumi.

Sepertinya orang IT membutuhkan alat-alat yang dibuat oleh telkom dan RS-GIS. Rekan saya yang riset di bidang RS sempat membeli kamera yang mampu memotret beberapa band untuk mendeteksi suatu wilayah. Biasanya yang dibutuhkan adalah infra-red, agar mampu mendeteksi tanaman tertentu yang memang chlorophyl menyerap warna merah (sehingga tanaman tampak berwarna hijau). Rekan saya dikampus yang mendeteksi kematangan buah memiliki problem akurasi, walaupun model jaringan syaraf tiruannya (JST) diutak-atik berkali-kali. Tentu saja foto yang diambil dengan kamera biasa kurang mampu membedakan sinyal pantulan dari selisih warna tertentu, belum masalah pencahayaan. Harga kamera untuk infra-red cukup mahal, rekan saya dapat murah karena beli online di pasar gelap. Bahaya juga sih, terutama yg frekuensi tertentu yang bisa menembus pakaian orang .. waw.

Kabar Baik

Seperti biasa, orang IT datang ketika dibutuhkan. Sifatnya yang seperti “server” alias “melayani” merupakan ciri khas. Kita tunggu saja telkom dan RSGIS menemukan piranti-pirantinya, toh beberapa komputasi membutuhkan orang-orang ilmu komputer. Bahkan, GIS pun saat ini sudah membutuhkan “interdisiplin” ketika riset, dan jurnal internasional cenderung menolak riset-riset yang kata orang jawa “ngono-ngono thok”, alias tidak ada kebaruan.

Bahkan permintaan terhadap riset computer vision cukup besar, apalagi entertainment yang banyak diminati (3D). Bukan hanya deteksi warna, dan pola, dituntut pula karakteristik dinamis suatu citra (gerakan) yang realtime. Software yang diprogram pada drone mampu mendeteksi object. Bahkan ke depan, virtual reality, terutama yang mendeteksi gerakan mata sangat diperlukan agar sistem tampak lebih real. Tentu saja riset AI jangan sampai ke hal-hal yang berbahaya seperti video ini: