Software terkadang membutuhkan ilmu lain selain informatika dan komputer. Hal ini karena melibatkan manusia sebagai pengguna. Aspek lain seperti seni, psikologi, dan ilmu sosial lainnya sangat menentukan useability software yang dibuat.
Salah satu aplikasi untuk orang non-komputer dalam mendisain aplikasi, khususnya web dan mobile adalah Figma. Aplikasi ini selain mendisain interface (UI) juga memberikan aspek experience (UX) kepada pengguna lewat proses/flow yang terjadi di dalamnya. Berikut ini contoh disain yang selain menghasilkan tampilan, juga bisa dikonversi menjadi HTML yang siap pakai. Dilengkapi dengan fasilitas CSS sehingga memberikan hasil seperti image yang dirancang. Berbeda dengan Canva, Figma tidak hanya disain, melainkan file yang terkoneksi dengan web (HTML dan CSS).
Selain tampilan antar muka, dengan Prototyping yang tersedia di Figma, perancang bisa melihat keterkaitan antara satu page dengan page lainnya. Prototipe dapat dibuat dengan cepat untuk diberikan ke calon pengguna/pemesan apakah sesuai dengan yang diinginkan. Sehingga jika ada perubahan akan langsung direspon tanpa menunggu kode selesai dibuat.
Silahkan coba buat disain yang keren, seperti yang ada di internet. Anda juga bisa menjual template yang dibuat, siapa tahu ada yang berminat. Sekian, selamat mencoba.
Berbeda dengan smartphone yang bisa jadi ganti tiap 1 atau 2 tahun, laptop berganti cukup lama. Ganti kalau rusak atau kalau harus diwariskan ke anak yang mulai dewasa, apalagi yang sudah kuliah.
Untuk pekerjaan sehari-hari, dulu saya biasanya menggunakan laptop Windows, tapi saat ini karena prosesor intel yang mulai tertinggal oleh tipe mobile yang dikenal dengan nama ARM, laptop macbook menjadi andalan untuk pekerjaan sehari-hari seperti browsing, mengetik, dan beberapa program sederhana seperti python, android studio, serta mengelola video singkat.
Linux walaupun saat ini mulai user friendly tetap saja menyulitkan pengguna yang bukan orang komputer. Akhirnya beli juga laptop buatan Apple, yakni yang versi murah, macbook air. Setahun berjalan, ternyata kinerja Macbook Air M1 sangat memuaskan. Biasanya dengan laptop Windows menggunakan mouse, ternyata dengan Macbook, sekarang jadi terbiasa tanpa menggunakan mouse.
Salah satu hal yang membuat tertarik dengan Macbook adalah responnya yang cepat. Selain tentu saja aman dari virus dan malware. Dulu pernah beli Macbook air yang 11 inchi, dan sampai sekarang masih dipakai anak yang kuliah. Ternyata sudah tidak support lagi dengan aplikasi terkini, misalnya virtual background di zoom yang tidak bisa karena inter i5 generasi itu tidak support dengan virtual background. RAM macbook memang terkenal tidak bisa diupgrade, termasuk juga SSD nya yang kecil (hanya 128 Gb). Itulah yang dikeluhkan si sulung yang sedang kuliah, sehingga minta laptop baru yang support dengan aplikasi-aplikasi terkini.
Akhirnya ke Ibox, beli lagi Macbook Air M1. Namun ketika di etalase toko itu dijejerkan M1 dengan yang M3, maka tentu saja iseng-iseng membandingkan responnya. Diluar dugaan ternyata respon prosesor M3 sangat cepat dibandingkan yang M1. Akhirnya walaupun 9 juta lebih mahal, beli juga yang M3. Ditambah lagi M1 yang sudah ketinggalan 4 tahun dikhawatirkan beberapa tahun kedepan sudah sulit diupgrade jika ada OS baru dari Apple. Dulu waktu masih suka ngoprek, memang Windows jadi andalan, tetapi ketika sekarang sudah bekerja teratur, tidak ada waktu lagi untuk ngoprek jika ada trouble di laptop. Aneh, padahal dulu pernah bekerja di IT bank, tapi sekarang lebih suka bayar orang untuk utak-atik laptop jika ada masalah. Software pun lebih suka bayar, dibanding yang open source, karena praktis saja.
Tentu saja karena tuntutan pekerjaan yang membutuhkan aplikasi/software yang berjalan di Windows terpaksa laptop Windows masih dibawa-bawa kalau ada ngajar aplikasi yang tidak ada di Mac. Jadi, laptop bagi dosen merupakan alat untuk menyelesaikan tugas-tugas dan menambah income baik dari tulisan, mengajar, maupun proyek-proyek.
Walaupun syarat dosen minimal bergelar magister, saat ini tanpa paksaan banyak yang studi lanjut ke jenjang doktoral. Beberapa rekan yang sebelumnya salah mengambil S3 karena tidak linear berusaha mengambil doktor lagi agar linear. Sebagai informasi, sebenarnya linearitas itu tidak harus linear dengan magisternya melainkan dengan riset yang ditekuni atau dalam istilah yang resmi saat ini: rumpun ilmu.
Banyak aspek lain yang membuat rekan yang sudah S3 mengambil lagi S3 bidang yang lain. Salah satunya adalah S3 di bidang yang bisa dibilang banyak dibutuhkan, misalnya informatika atau ilmu komputer, beserta turunannya seperti teknologi informasi, sistem informasi, dan sejenisnya. Jika tetap mengambil S3 yang sudah diambil sebelumnya, misalnya manajemen, maka ranting ilmu yang harus dipilih untuk naik ke lektor kepala atau guru besar harus sesuai S3-nya, padahal mungkin dia bekerja di kampus informatika. Jadi tidak ada jalan lain selain mengambil S3 bidang informatika lagi.
Kampus baru yang membuka S3 pun mulai bermunculan, membuat dosen-dosen yang ingin upgrade ke jenjang yang lebih tinggi lagi untuk memilih kampus mana yang dirasa pas dengan situasi dan kondisinya. Kampus negeri, seperti UI, ITB, UGM, dan top-10 lainnya masih menjadi pilihan. Hanya saja kampus ini seperti karakteristik kampus negeri di tanah air, memaksa mahasiswa mandiri. Promotor tidak akan mencari si mahasiswa kalau menghilang, berbeda dengan misalnya Binus University, tempat istri saya mengambil S3, ke ujung dunia pun akan dicari.
Jadi sekarang dosen-dosen banyak pilihan untuk melanjutkan ke S3 sesuai dengan kemampuan, apalagi untuk yang dengan biaya sendiri. Kemampuan di sini tidak berarti pandai atau tidak, melainkan mungkin karena sambil bekerja sehingga waktu tersita. Walau cerdas tetap saja karena tidak menyediakan waktu yang cukup, akibatnya drop out. Oiya, ada informasi beberapa kampus tidak men-DO mahasiswa doktoralnya tetapi mereset NIM menjadi NIM baru, akibatnya walau riset tetap dilanjutkan tetapi tidak boleh lulus sampai 2,5 tahun ke depan. Tentu saja 2,5 tahun artinya waktu dan biaya tambahan.
Untuk yang mengambil bidang informatika, khususnya ilmu komputer, dengan adanya ChatGPT, masalah sebagian besar sudah terpecahkan, mulai dari State of the Art (SOTA) maupun kode program. Kalau dulu mahasiswa doktoral hanya merancang disain penelitian dan noveltinya, dan menyerahkan eksperimen ke programmer, sekarang bisa dilakukan sendiri dengan bantuan AI.
Studi doktoral di Indonesia berbeda dengan luar negeri yang karakternya sudah mapan sejak lama. Jika di LN kalau mahasiswa sudah layak lulus, pihak kampus mulai dari dosen, tata usaha, dan lainnya dilarang menghalang-halangi kelulusannya. Jika di Indonesia untuk sidang terbuka harus mengeluarkan biaya seperti hajatan, di LN tidak terjadi karena itu dianggap ‘menghalang-halangi’. Sepertinya hanya 20% saja dari kemampuan intelektual kita yang digunakan untuk S3, 80% sisanya adalah hal-hal lain seperti keuangan, waktu yang tersedia, kedekatan dengan promotor/co-promotor dan lain-lain. Jadi, saran saya untuk Anda yang mengambil S3 di dalam negeri, gunakan semua kelebihan yang ada di dalam diri kita karena kampus dalam negeri memang begitu karakteristiknya. Jika Anda penulis buku dan cepat mengetiknya, atau jago negosiasi, pandai bicara karena marketing, jago memahami undang-undang/aturan, atau hal-hal lain nya, bisa dimanfaatkan, asalkan halal. Bayangkan Universitas Indonesia (UI) saja, semua paham di level berapa kampus itu di negara kita, yang hanya bisa disaingi oleh ITB dan UGM, tetap saja ada mahasiswa doktoral yang memanfaatkan kelebihan yang ada dalam dirinya yang seorang menteri, walaupun kabarnya ditangguhkan.
Berbeda dengan jaman dimana pemrograman menggunakan satu IDE terintegrasi dengan hanya satu file saja, kini aplikasi web dan juga mobile ketika diprogram memerlukan berbagai macam file. Serpihan-serpihan file terkadang tidak dibuat oleh seorang saja yang ingin membuat aplikasi, melainkan berbagi dengan programmer lain. Selain itu vendor seperti Google dengan Androidnya memiliki karakteristik seperti itu.
Untuk programer pemula hal ini sangat membingungkan. Selain harus berfikir general, juga dipaksa detil. Untungnya saat ini AI, misalnya ChatGPT, Gemini, Copilot, dan sejenisnya sangat membantu mengatasi kesulitan tersebut. Yang penting programmer menguasai konsep pentingnya, misalnya format class, layout, dan sejenisnya maka kita tinggal meminta AI membuatkan aplikasi. Programmer tinggal mengecek jika ada kesalahan. Tentu saja pengalaman memanfaatkan AI dengan prompt yang tepat sangat diperlukan. Nah, yang terpenting adalah bagaimana kita memahami apa yang bisa, apa yang belum bisa, apa yang diperlukan, dan kecepatan membaca serta problem solving yang efisien dan terstruktur.
Video berikut memperlihatkan bagaimana Android Studio bekerja sama dengan ChatGPT membuat perhitungan Angsuran seperti postingan lalu yang menggunakan JavaScript. Sekian semoga bermanfaat.
Setelah melalui serangkaian tahapan pilpres akhirnya pemerintahan baru terbentuk. Kabinet merah putih yang dikomandoi oleh mantan danjen kopassus, Prabowo Subianto, akhirnya terbentuk. Berbeda dengan kabinet sebelumnya yang ramping, kali ini kabinet cukup gemuk. Yang jelas terlihat adalah terpecahnya kemendikbudristek menjadi empat kementerian, antara lain: pendidikan dasar dan menengah, pendidikan tinggi, riset, dan kebudayaan. Semoga lebih baik karena lebih fokus.
Mirip dengan menonton sepak bola kita di penyisihan piala dunia, terkadang kita merasa lebih hebat dari pelatih dan pemain. Komentar pun bermunculan, bebas, tak ada yang melarang. Pemerintahan juga seperti itu, ada menteri yang dipertanyakan kelulusan doktornya, kementerian baru yang dipertanyakan maksudnya, dan hal-hal lain yang pasti bisa dikomentari. Apalagi jika melihat Youtube, para youtuber yang berpengikut banyak kerap melontarkan komen-komen yang terkadang membuat orang khawatir, sindiran-sindiran terhadap pemimpin yang harus bertanggung jawab, dan dugaan-dugaan lain yang terkadang baik di sisi jumlah viewer tapi bisa berdampak terhadap suasana hati yang menonton. Ada yang mengatakan kondisi yang tidak baik-baik saja ini tanggung jawab dari pemimpin, yang ujung-ujungnya prinsip ‘salah Jokowi’ digunakan. Namun, untungnya pidato pertama presiden Prabowo mengatakan, “ikan busuk dimulai dari kepala”, yang menandakan beliau siap menanggung jika kondisi buruk terjadi.
Memang sulit, jika kita mengikuti negara yang sudah maju pendidikannya, misalnya Finlandia, khawatirnya rakyat kita tidak bisa mengikuti. Jangankan negara eropa itu, mengikuti negara Asean yang lain pun kita terkadang sulit, mengingat lokasi geografis dan SDM yang berbeda-beda, termasuk karakter budayanya. Mau tidak mau sebaiknya kita kembali ke metode yang digunakan oleh Ki Hajar Dewantara, dengan prinsip: “ing ngarso sung tulodo; ing madyo mangun karso; tut wuri handayanto .. eh handayani maksudnya”.
Untung ada AI yang bisa membuat kita bisa berlari cepat mengikuti negara-negara lain yang di atas kita. Belajar pun kian murah, banyak fasilitas-fasilitas online. Tinggal bagaimana memicu anak-anak muda agar mau mengikuti teknologi, informasi, sains, dan perkembangan terkini. Di dunia pendidikan sepertinya ada gap yang terlalu jauh antara senior dan junior. Beberapa organsisasi masih tidak memberi kesempatan kepada anak-anak muda untuk memegang tanggung jawab. Banyak yang terkesan ‘itu itu saja’ orangnya. Khawatir nanti anak-anak muda tidak bersemangat lagi, yang ujung-ujungnya banyak yang lari dan berkarir di negara lain. Yuk, beri kesempatan kepada anak-anak muda untuk memagang tanggung jawab.
Salah satu bahasa yang merupakan bahasa dasar Web adalah JavaScript yang memiliki kemampuan dalam perhitungan matematis. Bahasa ini dikembangkan oleh periset di Netscape yang dulu merajai Browser sekitar pertengahan tahun 90an. Namun kemunculan internet explorer sempat ricuh karena microsoft dituduh monopoli, os iya, aplikasi iya, web juga iya.
Bahasa ini berjalan di sisi client dengan kode yang dikirimkan dari server. Sementara itu di tahun 2009 bahasa ini dapat berjalan di sisi server dengan nama NodeJS. Bahasa ini sangat ringan dan cocok untuk aplikasi dinamis yang menerima permintaan yang banyak dari client, biasa dipakai dalam framework Microservices.
Secara sederhana implementasi dapat dilihat dalam video singkat berikut yang menghitung angsuran dengan matematika yang cukup berat (operasi pangkat).
Kali ini kita akan membahas AI secara umum, khususnya yang kerap diimplementasikan saat ini.
Tidak dapat dipungkiri AI sudah merambah ke segala bidang dari kedokteran, ekonomi, teknik, hingga bidang sosial. Perkembangannya pun sangat pesat dengan tingkat akurasi tiap model yang hampir mendekati 100%.
AI yang memiliki ruang lingkup yang lebih luas saat ini mulai mengerucut ke Machine Learning karena memiliki keunggulan dibanding model AI yang lain. Hal ini berkaitan dengan ketersediaan data besar (Big Data) yang mudah diakses. Dengan berbekal sebuah data, model Machine Learning dapat dilatih untuk menghasilkan model dengan akurasi yang lebih baik dari model AI non Machine Learning.
Gambar berikut merupakan karakteristik penerapan model Machine Learning AI saat ini. Model learning yang dipakai pada gambar tersebut adalah Supervised Learning. Model learning lainnya adalah Unsupervised Learning dan Reinforced Learning.
Saat ini banyak situs-situs yang menyediakan model yang sudah dilatih, dikenal dengan istilah pre-trained model. Situs-situs tersebut dikenal dengan nama hub yang dapat diakses dan dimanfaatkan oleh publik.
Tipe yang pertama adalah pengguna hanya menggunakan pre-trained dari hub. Bentuknya ada yang menggunakan Application Programming Interface (API) dan ada pula yang modelnya bisa diunduh untuk digunakan. Salah satu keuntungan API adalah pengguna hanya bisa memanfaatkan kecerdasan yang dimiliki model tetapi tidak bisa mengunduh modelnya. Sementara hub kebanyakan membolehkan pengguna mengunduh model pre-trained nya.
Model jenis pertama ini misalnya adalah mentranslate bahasa dari bahasa Indonesia ke bahasa Inggris berikut ini. Ketika kalimat diinputkan maka dihasilkan translate-nya ke bahasa Inggris. Dengan API kita tidak perlu masuk ke situs penyedia translate, misalnya Google Translate atau yang saat ini terkenal ChatGPT.
Model ML jenis kedua yang banyak juga dipakai adalah dengan melatih ulang model pre-trained dengan data khas karena akan digunakan untuk lingkungan tertentu. Mekanisme ini dikenal dengan nama Transfer Learning. Ketika training, bobot yang sudah dilatih sebelumnya dengan data berukuran besar ditahan agar tidak berubah, yang dikenal dengan istilah freeze.
Sebagai contoh adalah penggunaan chat bot dengan model dari hub bernama hugging face. Di sini model yang sudah dilatih memiliki kemampuan menjawab pertanyaan dari serangkaian paragraf. Dengan AI pertanyaan yang berbeda-beda terhadap hal yang sama akan menghasilkan jawaban yang sama berdasarkan informasi tertentu.
Di sini data spesifik misalnya data informasi pendaftaran seperti syarat-syarat, kapan mulai perkuliahan, biaya kuliah, dan sebagainya dapat diberikan ke sistem, misalnya dalam format Comma Separated Value (CSV).
Jika ditanya hal tertentu maka sistem akan menjawab sesuai dengan data CSV tersebut. Hal ini mengurangi beban humas dalam menjawab pertanyaan-pertanyaan konsumen atau pihak-pihak lain yang berkepentingan.
Model yang ketiga adalah model yang dilatih dengan data sendiri tanpa memanfaatkan model pre-trained. Hal ini terjadi biasanya karena tidak ada pre-trained model yang tersedia. Atau model tersebut memang bukan dari model standar melainkan model yang baru dibuat. Biasanya bermaksud meningkatkan performa model usulan tersebut. Nah, di sini tantangannya adalah selain membutuhkan data yang besar, juga memerlukan sumber daya hardware dengan GPU dan RAM yang kuat.
Sebagai contoh adalah model yang melatih mesin kategori teks. Di sini sebuah mesin, misalnya SVM dilatih dengan data latih yang sudah memiliki label berupa kategori misalnya ideologi, politik, ekonomi, sosial-budaya, pertahanan dan keamanan. Setelah dilatih, maka sebuah AI mampu mengkategorikan sebuah teks menjadi salah satu dari kelima kategori tersebut. Mungkin otak kita lebih baik dari mesin AI tersebut, tetapi untuk jutaan naskah yang muncul di internet dan kita harus mengkategorikan secara menual tentu saja tidak efisien. Di sini lah salah satu peran AI (think/do rationally) yang merupakan kuadran AI menurut buku AI karya Russell. Ok, semoga postingan ini membantu.
Beberapa postingan di medsos tentang foto-foto yang dimodif tertentu dengan bantuan AI, entah tambah tua atau tambah muda menunjukan kemampuan AI dalam melakukan pembuatan (genarating) obyek. Awalnya Naive Bayes bisa digunakan untuk menggenerate obyek berdasarkan fitur tertentu, namun karena karakternya yang memang ‘naive’ maka kesulitan dihadapi karena tidak adanya hubungan antar variabel, padahal seharusnya ada. Model yang mampu melakukan hal tersebut adalah Variational Auto-Encoder (VAE).
VAE memiliki tiga komponen yakni encoder, latent space dan decoder. Encoder menghasilkan latent space yang menyimpan ciri dalam bentuk distribusi. Dan encoder membangkitkan kembali dalam bentuk varian baru yang mengambil dari distribusi. Jadi dimana letak AI-nya? Tentu saja dari kemampuan membuat variannya, dimana obyek baru yang dibentuk bukan obyek awal dan benar-benar diciptakan dari ekstraksi fitur obyek awal yang berupa distribusi.
Gambar di atas memperlihatkan sistem yang mampu membuat ulang angka-angka dari obyek awalnya (bagian bawah). Beberapa ada kesalahan, khususnya di angka 8 dan 4 yang memang mirip dengan 5 dan 9. Untuk lebih jelasnya silahkan coba jalankan kode Colab berikut [link].
Georeferencing adalah proses menambahkan referensi koordinat pada sebuah citra yang berasal dari drone, foto, dan sejenisnya. Hal ini penting karena yang membedakan data spasial dengan data biasa adalah adanya unsur koordinat. Selain itu ada juga unsur proyeksi, misal WGS 84 atau UTM.
Banyak aplikasi GIS yang dapat melakukan georeferencing, tapi yang paling murah meriah adalah dengan Quantum Geographic Information System (QGIS) karena tidak perlu membayar lisensi seperti ArcGis buatah ESRI. Harga lisensi ESRI cukup mahal, apalagi yang berbasis Web. Instansi pemerintah pun saat ini merasa terlalu berat membayar lisensi yang biasanya tidak lifetime, misalnya satu tahun. Jadi, adanya QGIS sangat membantu instansi yang membutuhkan pengolahan data spasial.
Berbeda dengan versi-versi yang lalu, QGIS kian berkembang dan mulai meniru kualitas ESRI. Hampir sebagian besar analisa spasial pada ArcGis ada di QGIS, salah satunya georeferencing. QGIS ketika diinstal tidak seluruh fasilitas ada, melainkan jika ingin fasilitas tertentu bisa menambah dengan mengunduhnya secara gratis. Aplikasi yang penting ini banyak digunakan oleh praktisi-praktisi lintas bidang ilmu, tidak hanya orang geografi. Bidang kesehatan, IT, teknik sipil dan perencanaan, serta bidang-bidang lain yang membutuhkan analisa data spasial. Video berikut menunjukan bagaimana melakukan georeferencing RTRW wilayah di Indonesia dengan QGIS. Disertakan pula bagaimana mengunduh Land Use/Cover Indonesia lewat situs tanah air [link].
Sistem kendali memiliki banyak istilah lain misalnya sistem kontrol atau sistem pengaturan. Kalau dalam kurikulum dimulai dari sistem kendali, sistem kendali digital dan sistem kendali cerdas.
Salah satu yang terkenal adalah kendali cerdas dengan fuzzy, atau dikenal dengan istilah kendali logika fuzzy (KLF) atau dalam istilah inggrisnya fuzzy logic controller (FLC). Kendali ini merupakan salah satu kendali yang berbeda dengan kendali klasik dengan Proporsional, Integrator dan Differentiator (PID) yang mengandalkan prinsip fisika.
Fuzzy hanya menerapkan rule yang bebas dibuat tanpa melihat aspek fisikanya. Ibarat bandul otomatis yang mengatur speed, fuzzy mengatur tidak lewat gaya sentrifugal melainkan lewat logika if-then.
Ternyata saya pertama kali mengajar sistem kendali pada tahun 2003, 21 tahun yang lalu. Uniknya tahun ini, 2024, diminta mengajar lagi. Berbeda dengan informatika yang perubahan teknologi yang pesat, ilmu dasar sistem kendali ternyata tidak jauh berbeda.
Video berikut memperlihatkan bagaimana menerapkan fuzzy pada model sistem kendali dengan memanfaatkan software MATLAB yang di dalamnya ada SIMULINK. Siapa tahu ada yang tertarik.
Tiap generasi memiliki karakter masing-masing. Tidak dapat dipungkiri lingkungan sangat berpengaruh terhadap kejiwaan orang yang berada di dalamnya. Uniknya manusia merupakan makhluk yang amat adaptif, yang mampu menyesuaikan dengan kondisi yang ada. Prinsip yang paling bertahan adalah yang adaptif ternyata terbukti. Dinosaurus yang perkasa pun punah, malah cicak yang kecil mampu beradaptasi dan eksis sampai sekarang.
Kita yang bisa bertahan dari pandemi memiliki kemampuan beradaptasi terhadap virus mematikan tersebut. Konon, resesi saat pandemi kemarin persentasenya sama dengan ketika perang dunia kedua, toh kita mampu melaluinya. Kalau lihat mbah saya dulu, ketahanan mereka bertani, mengangkut rumput berat di pundaknya, berbeda dengan ayah dan ibu saya, satu bekerja di kantor, satu lagi membantu dengan usaha kecil-kecilan lewat dagangan di rumah. Lalu saya dan istri yang mengajar, berbeda pula dengan generasi anak saya, khususnya yang paling kecil yang disebut generasi z (gen z). Sering pula generasi itu disebut generasi strowberi yang rawan emosinya.
Mbah kita mungkin tidak masalah mendidik ayah/ibu kita, dilanjutkan ke kita anaknya pun tidak terlalu bermasalah juga. Walau sulit protes toh kalau tidak cocok akibat paksaan, generasi yg disebut gen x tetap bisa beradaptasi dan fleksibel. Walau masih ga habis pikir kenapa dulu ditaboki tanpa alasan yg jelas di sekolah, tetapi tetap saja nurut dan menghormati, apalagi yang saat ini masih hidup dan sudah jompo.
Gen z yang memang sejak lahir sudah diberikan gadget dan aplikasi yang serba instan dan memanjakan membuat mereka manja. Sebagai orang tua harus mau tidak mau mengalahkan gadget dari sisi respon menjawab, menyemangati, dan selalu hadir. Kalau tidak, mereka akan lebih dekat ke smart phone. Banyak yang mengkhawatirkan kondisi mereka nanti yang akan menggantikan kita. Ada yang khawatir karena terkenal malas, manja, kurang tangguh, namun saya yakin Allah tuhan semesta alam mungkin punya rencana lain. Mereka yang hidup di zamannya sudah pasti dibekali dengan kemampuan adaptif yang mungkin saja otak kita tidak sanggup memikirkannya. Jadi, kadang generasi ‘peniru’ dan ‘latah’ ya diajari dengan mencontohkan saja. Para guru, orang tua, pejabat, pemerintah, ya tunjukan yang ‘wah’, ‘hebat’, ‘cool’, dan sejenisnya ke para gen z ini agar mereka meniru, bukan sebaliknya ya, semoga dugaan saya benar.
Ketika di awal rilis, ketika di searching nama kita, ChatGPT akan menjawab tidak tahu, tentu saja dengan kata maaf yang sopan. Di sini Google masih tersenyum karena untuk update data terkini mau tidak mau masih harus mengandalkan si ‘mbah’ yang masih ok. Namun perkembangan lanjutan ternyata Microsoft yang memiliki sahamnya di Open AI, menyediakan alat searchingnya (BING) memberikan akses ChatGPT terhadap data terkini. Misal saya bertanya saat ini ‘Anda kenal haryono dosen Univ Islam 45?’
akan muncul respon: Hasilnya ternyata cukup akurat, tentu saja asalkan link di internet yang memberikan informasi. Jadi satu pertanyaan sudah mewakili pencarian di Google karena verifikasi informasi yang kita butuhkan sudah diberikan oleh AI, gantinya kita mengklik link yang disarankan ditambah membacanya karena dikhawatirkan tidak relevan.
Di sini uniknya karena ChatGPT yang dilatih oleh data lampau kini bisa memanfaatkan data baru jika informasi dari data yang dilatihkan sebelumnya tidak ada. Bagaimana jika kita ingin memperoleh no kontaknya?
Ternyata ChatGPT menjaga kerahasiaan/data pribadi, walaupun saya yakin AI ini mengetahuinya. Mengingat data pribadi termasuk kategori doxing maka secara etika AI tidak boleh membocorkannya ke publik. Jadi mau tidak mau harus mencari sendiri lewat Googling kalau ada. Alamat pun tidak diberikan, kecuali alamat kampus yang memang boleh diakses umum. Sekian semoga bermanfaat.
Manusia merupakan sumber daya juga dalam suatu negara yang tidak kalah dari sumber daya alam (SDA). Jika SDA bisa habis, sumber daya manusia (SDM) selalu ada, kecuali memang jumlahnya habis. SDM kita cenderung bertambah karena pertumbuhannya yang positif dan diperkirakan mencapai puncaknya di 2045 dimana komposisi tertinggi pada usia muda yang produktif.
Berbicara tentang SDM tentu saja tidak lepas dari dunia pendidikan, misalnya pendidikan tinggi. Kita tidak melupakan pendidikan tinggi walaupun dari sisi statistik, penduduk Indonesia rata-rata tamatan SMP. Pendidikan tinggi bagi suatu negara merupakan motor penggerak karena level ini salah satu jenjang yang di seluruh dunia tidak jauh berbeda. Lulusannya kebanyakan bisa bekerja lintas negara asalkan dibekali bahasa asing, misalnya bahasa Inggris. Beberapa SMK memang banyak yang bisa bekerja di luar negeri, misalnya Jepang, tapi kebanyakan untuk bidang-bidang yang skill-nya standar, misalnya pengelasan, perakitan, dan sejenisnya.
Peraturan mendikbudristek menekankan akan budaya mutu dalam institusi pendidikan. Ciri-ciri budaya mutu yang baik adalah mengikuti standar yang ada. Setelah ada standar, berikutnya adalah pelaksanakaan siklus PPEPP. Siklus ini singkatan dari Penetapan, Pelaksanaan, Evaluasi, Pengendalian dan Peningkatan. Standar yang diwajibkan di negara Indonesia adalah standar nasional pendidikan tinggi (SN-DIKTI). Standar ini merupakan standar minimal, yang jika. hanya memenuhi standar ini hasilnya adalah terakreditasi baik (kalau dulu c), yang rencananya pun akan berubah nanti menjadi “Tidak Terakreditasi”, “Terakreditasi”, “Unggul”, dan “Internasional”. Nah, bagaimana mengetahui SN-DIKTI? Silahkan lihat situs resminya [url] atau googling saja dengan kata kunci: “Pusat Standar & Kebijakan Pendidikan”. Dalam PPEPP perlu ada usaha untuk mengukur sejauh mana kinerja perguruan tinggi mengikut standar yang ada.
Oleh karena itu diperlukan indikator yang diistilahkan dengan Indikator Kinerja Utama (IKU). Biasanya dinyatakan dalam jumlah/kuantitatif agar bisa diukur. Dari contoh SN-DIKTI gambar di atas tampak misalnya standar pembelajaran perlu perencanaan pembelajaran, yang bisanya dalam bentuk RPS. Jadi kalau dikuantitatifkan berapa jumlah mata kuliah dan berapa jumlah RPS-nya. Jika seluruhnya berarti sudah memenuhi standar minimal. Selain itu ada Indikator Kinerja Tambahan (IKT) yang merupakan usaha suatu kampus untuk meningkatkan kualitas melebihi standar SN-DIKTI yang merupakan standar minimal. Misal jika program S1 menurut SN-DIKTI minimal S2/magister, maka jika kampus ingin meningkatkan standarnya, bisa menambahkan IKT agar standar minimal baru, misalnya 50% bergelar doktor.
Salah satu manfaat adanya budaya mutu adalah meningkatnya performa kampus, mengingat banyak kampus-kampus berguguran akibat budaya mutu yang rendah. Usaha meningkatkan mutu tidak boleh hanya segelintir orang saja, ibarat mesin yang sudah bisa berjalan walaupun personelnya berganti.
Artificial Intelligence (AI) yang beberapa tahun lalu merupakan barang mewah sekarang menjadi barang yang paling mudah dijumpai sehari-hari. Informasi dari keponakan yang kuliah, saat awal-awal munculnya chatgpt, seorang rekannya bisa membuatkan skripsi teman-temannya lewat chatgpt. Tentu saja di awal-awal karena memang teman-temannya kalah cepat tahu informasi itu, namun saat ini sebagian besar mahasiswa mengetahui fasilitas itu. Ternyata aplikasi yang awalnya chat dengan informasi hasil training saja sekarang terkoneksi dengan search engine Bing dari microsoft yang bisa mengetahui informasi tidak hanya yang dilatih dahulu tetapi dari informasi internet terkini. Misalnya informasi nama saya.
Dengan menanyakan informasi di chatgpt, jika ada di internet maka akan segera diketahui oleh chatgpt. Bahkan linknya juga diberikan akan mengarah ke blog yang saya tulis ini. Jika demikian ibarat kita search di Google lalu mengklik informasi yang tampil di page satu persatu dan memilih lalu membacanya, kini diganti dengan sebuah mesin yang mencari dari search engine Bing lalu menampilkan informasi yang paling relevan ke kita. Yang tadinya beberapa klik akhirnya hanya satu kali klik saja di Chatgpt. Beberapa situs yang monetize dari klik bisa bubar. Blog saya ini pun yang sempat muncul iklannya sekarang nol.
Tapi yang tidak apa-apa karena memang niatnya ‘just for a little kindness’. Dan tulisan yang saya buat sedapat mungkin ditulis sendiri tanpa bantuan AI, sekalian melatih otak agar tetap ON.
Saat ini banyak aplikasi yang berbasis internet untuk pendukung pembelajaran Software Engineering, misalnya Play With Docker [url]. Sebelumnya aplikasi seperti Google Colab [url] pun cukup baik membantu pemrograman Python. Jadi dari seluruh tahapan CRISP-DM [url] dari business understandine, hingga deployment dapat diakomodir.
Amat disayangkan Google Colab yang sejatinya untuk meramu algoritma sebelum diimplementasikan tidak dilanjutkan ke aplikasi oleh mahasiswa S1 yang notabene harusnya di level penerapan. Jadi mahasiswa S1 hanya menggunakan Google Colab saja. Yang membuat jadi tidak jelas adalah sementara di Google Colab tidak ada temuan metode, hanya menggunakan saja, tapi tidak diimplementasikan menjadi aplikasi baik berbasis desktop, web, maupun model.
Beberapa rekan dosen mungkin mengatakan bahwa itu masuk ke konsentrasi sains data, tapi sejatinya sains data adalah bagaimana mensuport organisasi sehingga wajib adanya riset di satu organisasi. Jadi jika mahasiswa hanya memakai metode dengan Google Colab tanpa riset ke suatu organisasi sepertinya tidak sesuai dengan level 6 KKNI. Oke, jadi ada baiknya siswa S1 diminta sedikit membuat aplikasi yang saat ini dipermudah dengan adanya ChatGPT yang membantu pembuatan aplikasi. Untuk deployment, berikut contoh dengan Play With Docker. Sekian semoga bermanfaat.