Nak, reusing designs through patterns yields faster and better maintenance (gamma et al, 1995). Albert endres (2003), menobatkan ungkapan 4 jagoan, the gang of four, gamma, helm, johnson dan vlissides, sebagai salah satu hipotesis terpenting yg berpengaruh besar ke industri software dunia beberapa dekade setelah buku itu terbit … Saya membeli buku design pattern di atas pada tahun 1995 di jepang, ketika masih semester 1 undergraduate program. Buku yg covernya berwarna putih biru, yg bikin pusing bacanya, lebih pusing lagi baca komentar erich gamma di introduction, “Don’t worry if you don’t understand this book completely on the first reading. We didn’t understand it all on the first writing!” … Buku ini terbit berbarengan dengan mulai berakhirnya perang metodologi object-oriented analysis and design, yg melibatkan maestro2 penting dunia semacam coud yourdon, grady booch, ivar jacobson dan james rumbaugh. Rekonsiliasi mereka membawa kita ke dunia pemodelan software bernama unified modeling language (UML), yg kemudian distandarkan oleh OMG di tahun 1997, dan digunakan di industri hingga saat ini. Beberapa konsep design pattern masuk ke UML dibawa oleh Quatrani di tahun 2001, melahirkan gaya baru notasi sequence diagram, yg menggunakan pola boundary-control-entity (BCE), atau orang sekarang lebih senang menggunakan term model-view-controller (MVC). Tidak banyak buku dan tutorial yg menjelaskan UML dari hulu ke hilir beserta contoh riilnya, saya mencoba mengurai benang kusut ini dengan suatu penjelasan yg sebenarnya berbentuk evolusi pemikiran. Saya pakai metode yg sama utk ngajar pertama di tahun 1997-1998 di jepang, baik di kampus atau perusahaan2 di jepang. Saya perbaiki dari tahun ke tahun, saya formulasi utk jadi standard, nomenklatur bahkan peraturan resmi baik di instansi pemerintah dan di swasta dan bumn. Saya ajarkan lebih komprehensif di kelas2 saya tentang Systems Analysis and Design dan Software Engineering. Download Slide:...

Ketika pegawai meninggalkan perusahaan, pengetahuan merekapun ikut pergi. Perusahaan tidak mengelola pengetahuannya dengan baik, sehingga transfer pengetahuan tidak terjadi. Organisasi perlu mengelola pengetahuan anggotanya untuk: Mengetahui kekuatan (dan penempatan) seluruh SDMPenggunaan kembali pengetahuan yang sudah ada tidak perlu mengulang proses kegagalanMempercepat proses penciptaan pengetahuan baru dari pengetahuan yang adaMenjaga pergerakan organisasi tetap stabil meskipun terjadi arus keluar-masuk atau rotasi SDM Apakah hal di atas ini yang disebut dengan manajemen pengetahuan (knowledge management)? Apakah knowledge management itu suatu konsep, arsitektur, proses atau nama suatu sistem aplikasi? Materi ini akan membahas tuntas tentang knowledge management dari berbagai perspektif, termasuk didalamnya contoh riil penerapan di organisasi seperti apa. Materi bisa didownload melalui:...

Membangun software bukanlah tujuan utama penelitian, hanya testbed untuk mempermudah kita dalam mengukur hasil penelitian. Tidak ada listing code, UML atau screenshot software di paper-paper journal terindeks (SCOPUS/WoS), kecuali penelitian tentang perbaikan paradigma pemrograman, analisis design, dsb. Ketika pada penelitian kita mengusulkan perbaikan suatu algoritma (proposed method). Contoh penelitian bidang image processing, topik penelitian face recognition, memikirkan perbaikan metode atau algoritma untuk pengenalan wajah dengan lebih akurat atau efisien. Penelitian bidang data mining, topik tentang decision tree, memikirkan perbaikan algoritma decision tree sehingga bisa memprediksi (klasifikasi) dengan lebih akurat. Nah untuk mempermudah eksperimen dan evaluasi, kita menulis kode program (software) untuk menguji dan mengevaluasi performance dari algoritma yang kita usulkan Bahkan penelitian bidang software engineering, bukan penelitian tentang pengembangan software yang hasil akhirnya produk software, tapi penelitian untuk perbaikan berbagai aspek metodologi pengembangan software, termasuk didalamnya bagaimana metode requirement gathering yang lebih efisien, perbaikan proses pengembangan software, perbaikan metode dan teknik tentang pengujian software, bagaimana software architecture yang lebih sistematis, dsb. Lha terus bidang software engineering itu sebenarnya bidang apa? Trend penelitiannya juga ke arah mana? Mana topik penelitian bidang software engineering yang sebaiknya saya angkat untuk penelitian saya? Materi dalam bentuk slide, dan bisa didownload dengan mengklik gambar...

10 mitos dalam dunia software engineering, yang selama ini disangka bahwa ini benar, tapi ternyata merupakan kekeliruan. Tingkat kegagalan project software di dunia ini mencapai lebih dari 40%. Di Amerika, Standish Group mencatat kegagalan mencapai 42%, sedangkan General Accounting Office menemukan fakta bahwa kegagalan pengembangan software mencapai 53% (Dennis, 2012). Semakin besar ukuran dari software, semakin besar kemungkinan kegagalan dalam pengembangan dan penerapan. Ketika kita mencoba mengkritisi lingkungan di sekitar kita, kita akan menemukan fakta yang unik bahwa banyak penerapan software yang seperti dipaksakan ada. Software tersebut tidak membawa manfaat dan keuntungan apapun untuk kita, bahkan menyebabkan peningkatan biaya dan waktu. 10 mitos yang menyebabkan kegagalan pengembangan software akan dibahas pada materi ini. Materi tersaji dalam bentuk slide, dan merupakan versi update dari artikel 6 mitos kesalahan pengembangan software yang telah diupload sebelumnya. Download: romi-se-mitos.pdf Tersedia video penjelasan materi 10 mitos software engineering di Youtube di...

Manusia, suka tidak suka, sadar tidak sadar, memproduksi data setiap hari, dan kuantitasnya kian hari kian membesar. Diskusi masalah data sebesar 128 GB di tahun 1990 sudah termasuk kemewahan, tapi di tahun 2018 ini, cukup tertampung di USB flash memory yang ukurannya hanya seujung kuku. Sejak Tim Berners Lee memformulasikan World Wide Web di tahun 1989, sejak itulah dimulainya era Data Science. Menjadi semakin kelihatan kasat mata ketika era Web 2.0 datang, dimana setiap pengguna Web mendapatkan kesempatan mengisi dan berkontribusi di konten Web, tidak hanya membaca dan mendengarkan apa yang disajikan saja. Ketika sosial media menjamur, tak pelak lagi, ramalan Jim Gray dan Alex Szalay tentang Evolution of Sciences di Communication of ACM di tahun 2002, terbukti benar terjadi. Evolusi sains bergerak dari empirical, theoretical, computational dan sejak 1990 lahirlah data science. Fokus materi Big Data Trends ini membahas lima dimensi big data: culture, mining, methods, use cases, dan research. Pembahasan dimulai dari adanya perubahan kultur dan gaya hidup manusia. Bagaimana kultur baru menyebabkan banjirnya data, dimana harus diatasi dengan mengolah data menjadi pengetahuan supaya bermanfaat bagi manusia. Kemudian berikutnya akan dibahas tentang metode dan teknologi untuk mengola data menjadi pengetahuan, beserta contoh penerapan big data dalam berbagai bidang. Dan terakhir perkembangan penelitian di bidang big data, dan sedikit perbedaan sudut pandang antara industri dan peneliti ketika memandang masalah big data ini. Materi tentang Big Data Trends ini, saya gunakan sebagai pengantar ketika saya diminta membawakan tema tentang data mining, big data dan tema seputar data science. Materi tersaji dalam bentuk slide presentasi, yang alurnya saya sesuaikan dengan gaya saya  mengajar. Mudah-mudahan bisa diikuti dan dipahami dengan baik 🙂 Download Slide: Big Data Trend...

Saya mengupdate materi tentang mitos penelitian dan publikasi yang sebelumnya sudah saya tulis di sini, supaya bisa dipahami lebih komprehensif. Singkat kata, dari berkeliling mengamati praktek penelitian computing atau komputer atau informatika di Indonesia, saya menemukan beberapa pola penelitian, yang sebenarnya hanyalah mitos yang secara konsep penelitian relatif kurang tepat. 10 mitos penelitian computing inilah yang selama ini kita percayai kebenarannya, dan bahkan menjadi gaya turun temurun penelitian kita di bidang computing.  Praktek ini menyebabkan kualitas penelitian kita menjadi rendah, dan akhirnya menyebabkan kegagalan atau rejection ketika mencoba melakukan publikasi di jurnal terindeks. Materi tentang rangkuman 10 Mitos Penelitian Computing ini, saya gunakan sebagai pengantar ketika saya diminta menjadi keynote speaker di beberapa conference. Selain itu juga saya gunakan pada saat berkesempatan mengisi workshop atau doctoral bootcamp di beberapa tempat. Materi tersaji dalam bentuk slide presentasi, yang alurnya saya sesuaikan dengan gaya saya  mengajar. Mudah-mudahan bisa diikuti dan dipahami dengan baik 🙂 Download Slide: romi-rm-mitos-apr2020.pdf (updated 23 April...

Bidang penelitian software engineering adalah bidang yang saya geluti sejak memulai kehidupan menjadi akademisi di Saitama University, Jepang di tahun 1994-2004. Di Jepang saya banyak bergerak di fase software engineering di bagian depan, yaitu topik penelitian tentang requirement engineering. Ini terlihat dari publikasi saya selama di Jepang kebanyakan ada di topik requirement engineering. Tidak hanya murni pendekatan software engineering, tapi saya juga menggunakan banyak metode machine learning untuk menghasilkan pola dan model, baik untuk requirement elicitation, requirement pattern, object-oriented analysis, automated software design, dsb.  Ini memungkinkan saya lakukan karena lab penelitian saya dulu memang mengangkat topik penelitian lebih ke arah knowledge-based software engineering. Mulai tahun 2012, saya mencoba peruntungan baru, berpindah ke bagian belakang dari fase software engineering, yaitu topik penelitian tentang software defect prediction (prediksi cacat software) dan software testing. Pada topik ini metode machine learning dan soft computing lebih kental saya gunakan. Contribution to knowledge yang saya kejar tidak hanya mengarah ke model dan pola yang terbentuk dari proses pemodelan (software engineering), tapi juga  ke arah perbaikan algoritma untuk machine learningnya sendiri. Tidak terasa sudah 4 tahun saya menggeluti topik software defect prediction ini, dan sudah waktunya saya memberikan laporan research in progress untuk topik software defect prediction yang selama ini saya lakukan. Tidak hanya saya lakukan sendiri, sebagian mahasiswa bimbingan juga saya minta meneruskan perdjoeangan saya di topik ini. Metode saya untuk pembimbingan penelitian mahasiswa tidak hanya melalui pertemuan darat (offline), tapi juga diskusi online yang kita lakukan rutin hampir setiap hari menggunakan Trello dan group Telegram Intelligent Systems. Pencapaian yang sudah saya hasilkan tidak hanya di publikasi paper di journal, tapi juga pembimbingan tesis mahasiswa, dan berkesempatan menjadi reviewer di berbagai journal Q1/Q2 di bidang software engineering dan puluhan journal lokal, baik yang terakreditasi dikti maupun tidak.   JOURNAL REVIEWER Information & Software Technology,...

Systematic literature review atau sering disingkat SLR atau dalam bahasa indonesia disebut tinjauan pustaka sistematis adalah metode literature review yang mengidentifikasi, menilai, dan menginterpretasi seluruh temuan-temuan pada suatu topik penelitian, untuk menjawab pertanyaan penelitian (research question) yang telah ditetapkan sebelumnya (Kitchenham & Charters, 2007). Metode SLR dilakukan secara sistematis dengan mengikuti tahapan dan protokol yang memungkinkan proses literature review terhindar dari bias dan pemahaman yang bersifat subyektif dari penelitinya. SLR adalah metode literature review yang biasa dilakukan peneliti di bidang farmasi dan kedokteran, meskipun boleh dikatakan baru mulai dibawa ke dunia computing wa bil khusus software engineering pada tahun 2007 oleh Barbara Kitchenham lewat papernya berjudul Guidelines in performing Systematic Literature Reviews in Software Engineering. Pengantar dan metode-metode yang ada untuk melakukan literature review sudah dibahas pada artikel sebelumnya tentang Literature Review: Pengantar dan Metode. Pada artikel ini, akan dibahas secara khusus dan mendetail tentang systematic literature review (SLR), beserta tahapan dan studi kasusnya. Untuk bisa memahami artikel ini dengan baik, direkomendasikan untuk mendownload dua dokumen di bawah: Slide: Systematic Literature Review (SLR). Penjelasan komprehensif tentang metodologi penelitian dan systematic literature review. Contoh kasus utama mengikuti artikel ini, tapi ada contoh-contoh kasus bidang non computing. Systematic Literature Review: Pengantar, Tahapan dan Studi Kasus. Penjelasan komprehensif dari artikel ini, termasuk studi kasus tentang SLR mengikuti paper di bawah Paper: Romi Satria Wahono, A Systematic Literature Review of Software Defect Prediction: Research Trends, Datasets, Methods and Frameworks, Journal of Software Engineering, Vol. 1, No. 1, April 2015 Youtube: Secara umum tahapan melakukan SLR terdiri dari 3 bagian besar: Planning, Conducting dan Reporting. Detail tiap tahapan seperti pada gambar di bawah.   1. PLANNING Research Question (RQ) adalah bagian awal dan dasar berjalannya SLR. RQ digunakan untuk menuntun proses pencarian dan ekstraksi literatur. Analisis dan sintesis data, sebagai hasil dari SLR,...

Literature review atau tinjauan pustaka adalah istilah yang sering dikerjakan oleh mahasiswa ketika sedang mengerjakan skripsi, tesis atau disertasi. Dosen dan peneliti juga fasih menggunakan istilah ini karena kehidupan akademisi sangat dekat dengan perilaku literature review. Literature review atau tinjauan pustaka pasti akan kita lakukan misalnya ketika kita memulai memahami suatu topik penelitian baru, mengikuti trend penelitian baru dan memahami state-of-the-art dari suatu topik penelitian. Sayangnya literature review sering dimaknai sederhana yaitu hanya membaca literatur ilmiah, padahal sebenarnya prosesnya tidak sesederhana itu. Literature review tidak hanya bermakna membaca literatur, tapi lebih ke arah evaluasi yang mendalam dan kritis tentang penelitian sebelumnya pada suatu topik. Literature Review is a critical and in depth evaluation of previous research (Shuttleworth, 2009). Literature review yang baik adalah yang melakukan evaluasi terhadap kualitas dan temuan baru dari suatu paper ilmiah. Perlu dipahami bahwa yang disebut dengan literatur ilmiah dapat berupa: Paper dari Journal Ilmiah Paper dari Conference (Proceedings) Thesis dan Disertasi Report (Laporan) dari Organisasi yang Terpercaya Buku Textbook Sebaiknya dipahami bahwa untuk menghindari tsunami literatur ketika kita memulai suatu topik penelitian, usahakan mengutamakan journal ilmiah yang terindeks oleh Web of Science (ISI) dan SCOPUS. Keduanya saat ini terpercaya sebagai organisasi pengindeks dan perangking journal dan proceedings di dunia penelitian. Web of Science atau dulu bernama ISI sebelum akhirnya diakuisisi oleh Thomson Reuters, mengindeks sekitar 12 ribu journal ilmiah di dunia ini, dan termasuk pengindeks journal yang paling terpercaya. Sedangkan SCOPUS mengindeks kurang lebih 20 ribu journal ilmiah, dan biasanya menjadi standard publikasi ilmiah dan syarat kelulusan bagi mahasiswa di luar negeri yang mengambil program S2 dan S3. Untuk mengecek apakah suatu journal dan proceedings terindeks SCOPUS, bisa menggunakan situs ScimagoJR.Com. Manfaat dari literature review yang kita lakukan diantaranya adalah sebagai berikut. Tanda dalam kurung saya berikan untuk memberi clue tentang jenis literatur jenis...

Menurut data statistik, tingkat kegagalan project software di dunia ini mencapai lebih dari 40%. Di Amerika, Standish Group mencatat kegagalan mencapai 42%, sedangkan General Accounting Office menemukan fakta bahwa kegagalan pengembangan software mencapai 53% (Dennis, 2012). Semakin besar ukuran dari software, semakin besar kemungkinan kegagalan dalam pengembangan dan penerapan. Ketika kita mencoba mengkritisi lingkungan di sekitar kita, kita akan menemukan fakta yang unik bahwa banyak penerapan software yang seperti dipaksakan ada. Software tersebut tidak membawa manfaat dan keuntungan apapun untuk kita, bahkan menyebabkan peningkatan biaya dan waktu. Ketika KTP masih dibuat oleh kelurahan secara manual dengan mesin ketik, hanya perlu waktu 1 minggu untuk mengurusnya. Ketika komputerisasi KTP datang, bukannya tambah cepat, tapi ternyata perlu waktu 1 bulan untuk mengurusnya. Dan ketika datang sistem yang lebih canggih, alangkah terkejut ketika kita sadari bahwa e-KTP butuh waktu 1 tahun dari perekaman hingga sampai di tangan kita. Contoh lain bisa kita lihat bagaimana software yang kita terapkan di organisasi kita, bukannya tambah mempercepat pekerjaan kita, tapi justru membuat lambat pekerjaan kita. Padahal software tersebut dikembangkan dengan biaya yang sangat besar. Secara teori komputasi, ini menyalahi apa yang digariskan para founding fathers di dunia komputer bahwa komputer dan software datang untuk mempercepat dan membuat efisien pekerjaan manusia. Ratusan ribu mahasiswa lulus sarjana komputer setiap tahun, dengan skripsi yang mirip-mirip. Di latar belakang masalah, selalu diuraikan bahwa cara yang ada sekarang masih “manual”, sehingga perlu dibuatkan softwarenya. Software kemudian dikembangkan, tanpa melakukan analisis kelayakan, tanpa menghitung keuntungan secara tangible atau intangible, dan tanpa menghitung berapa Return on Investment (ROI) dan Break Event Point (BEP) yang dihasilkan dengan pengembangan software itu. Kemudian kita juga makin tersadar bahwa ratusan ribu software yang dihasilkan sarjana komputer kita berakhir di tumpukan buku perpustakaan, sangat sedikit sekali yang akhirnya bisa masuk ke dunia...

Publikasi ilmiah adalah salah satu rangkaian research life cycle yang wajib dilakukan oleh peneliti. Sudah menjadi rahasia umum bahwa apabila hasil penelitian tidak kita publikasikan, maka dapat ditarik kesimpulan bahwa bahwa memang tidak pernah dilakukan. Seperti dikatakan oleh (Miller, 1993), “If it wasnt published, it wasnt done“. Makna sama dengan redaksi berbeda juga diungkapkan oleh Whitesides (2004), “If your research does not generate papers, it might just as well not have been done”. Indonesia menurut data dari ScimagoJR.com tercatat di tahun 2016 menduduki rangking  57 untuk jumlah publikasi penelitian. Indonesia kalah jauh dibandingkan dengan Malaysia (36) dan Singapore (32). Padahal, seperti ditunjukkan di gambar di bawah, 20 tahun yang lalu posisi Indonesia, Malaysia dan Singapore tidak terlalu jauh berbeda. Kegagalan publikasi Indonesia ini bisa disebabkan oleh banyak hal. Awalnya saya berprasangka baik bahwa penyebab kegagalan publikasi dari peneliti Indonesia  adalah sebagai berikut: Budaya Indonesia adalah lisan dan bukan tulisan Budaya akademik di Indonesia baru mulai untuk mengajar, dan bukan untuk meneliti Rendahnya minat penelitian dan mempublikasikan hasil penelitian Kurangnya penghargaan dan insentif dari universitas Akan tetapi setelah 12 tahun berdjoeang mengajar research methodology dan scientific writing di berbagai kampus di Indonesia. Termasuk juga mengisi workshop Doctoral Bootcamp di berbagai tempat. Saya lebih cenderung menyimpulkan bahwa penyebab kegagalan publikasi kita adalah karena dua hal di bawah: Kurang mengerti bagaimana cara menulis paper untuk jurnal dan prosedur pengirimannya Tidak memahami metodologi penelitian dengan baik Artikel ini membahas tentang 10 mitos yang menjadi penyebab utama kegagalan publikasi ilmiah di jurnal terindeks. Beberapa mitos memang hanya khusus ada di bidang informatika dan ilmu komputer, tapi secara umum mitos-mitos yang dibahas di artikel ini juga ada di bidang-bidang lainnya. MITOS 1: Penelitian Bidang Komputer Harus Ada Pengembangan Software MITOS 2: Tujuan Utama Penelitian adalah Adanya Kontribusi ke Masyarakat MITOS 3: Waterfall...

Pada artikel ini, saya mencoba merangkumkan tahapan melakukan penelitian yang ditulis oleh Prof Bochman. Tulisan pendek berjudul “How to do Good Research” ini, sebenarnya tidak terlalu jauh berbeda dengan artikel yang saya tulis di blog ini tentang, Tahapan Memulai Penelitian untuk Mahasiswa Galau dan juga Tahapan Penelitian dengan Fokus Perbaikan Metode. Sekali lagi perlu saya tegaskan bahwa dalam research di bidang computing, “(state-of-the-art) method improvement” adalah tujuan utama penelitian. Dan disinilah kita bisa mengklaim kontribusi (contribution to knowledge) dari penelitian yang kita lakukan. Menulis code program, membangun software sistem, melakukan simulasi, dan termasuk didalamnya studi kasus, obyek/domain, dataset, dsb yg kita gunakan, hanyalah sebagai testbed untuk mengukur bahwa “method improvement” yg kita lakukan terbukti lebih baik dibandingkan dengan state-of-the-art methods (metode-metode mutakhir yang ada). Artikel ini sekaligus menjawab pertanyaan adik-adik mahasiswa yang selalu mengatakan, mohon maaf lama tidak bimbingan, sebab saya sedang mengumpulkan data, saya sedang menunggu data dari perusahaan, atau saya sedang kerja keras mengumpulkan dana untuk bisa mengambil data di seluruh rumah sakit di Indonesia. Mengapa harus repot-repot mengeluarkan banyak dana dan waktu hanya untuk mengumpulkan data? Seharusnya konsentrasi kita untuk menentukan masalah penelitian yang akan kita selesaikan, dan menyusun metode yang lebih baik dibanding metode-metode yang sudah ada saat ini (state-of-the-art methods). Data ataupun dataset hanyalah alat untuk testbed, menguji metode yang kita usulkan. Untuk penelitian kita, tidak masalah bila kita menggunakan public dataset yang ada di repositori yang bebas diakses semacam UCI (untuk berbagai obyek data), PROMISE (untuk bidang software engineering), ACM KDD Cup, dan berbagai respositori public lain. Rangkuman tahapan penelitian yang ditulis oleh Gregor v. Bochmann adalah sebagai berikut. Choose an interesting area for research Identify an interesting research topic (a problem for which there is no good solution) Have some good idea how to improve the state of the art Show that...

Di artikel sebelumnya, saya sudah menjelaskan secara komprehensif tentang Tahapan Memulai Penelitian untuk Mahasiswa Galau. Tahapan dimulai dari penentuan bidang dan topik penelitian, kita kemudian melakukan studi literatur untuk menemukan masalah penelitian dan usaha yang telah dilakukan para peneliti lain untuk memecahkan masalah penelitian tersebut. Nah, bagi yang menganggap bahwa Tahapan Memulai Penelitian untuk Mahasiswa Galau ini terlalu lama kalau diikuti, padahal waktu kita terbatas. Ada cara yang mungkin lebih efisien yaitu dengan konsentrasi ke satu metode atau algoritma, lengkapnya mungkin tahapan di bawah ini bisa diikuti: 1. Pilih satu metode atau algoritma yg menarik Dari seluruh mata kuliah yang kita ikuti di level s1 atau s2, pasti bermunculan berbagai algoritma, misalnya di bidang machine learning ada nn, svm, k-nn, nb, dsb. Yang tertarik di bio-inspired algorithm,  ada genetic algorithm, ant colony algorithm, bee colony algorithm, particle swarm optimization, dsb. Tidak perlu dulu pikirkan bidang atau topik, yang penting kita tertarik di suatu algoritma dan ingin research tentang itu. Nanti bidang dan topik bisa kita tentukan dari obyek penelitian paper-paper journal yang kita jadikan rujukan utama. 2. Cari paper-paper journal yang melakukan perbaikan metode Pada paper-paper itu pasti menampilkan masalah dari algoritma yg membuat dia memutuskan untuk memperbaikinya. Teknik mencari paper journal bisa dengan fasilitas advanced search dan pilih pencarian hanya untuk title dari paper. Masukan nama algoritma yang kita pilih di keyword pencarian. Misalnya kita putuskan bahwa kita tertarik untuk melakukan research tentang genetic algorithm. Misalnya bila kita melakukan pencarian di sciencedirect.com, maka pilih advanced search dan masukan keyword “genetic algorithm” hanya untuk judul. Hasil pencarian akan seperti di bawah. Lihat bahwa paper-paper penelitian tentang genetic algorithm, tidak hanya memanfaatkannya saja untuk suatu keperluan, tapi juga melakukan improvement (perbaikan) dari banyak sisi genetic algorithm, tergantung masalah penelitian yang dibidik. Referensi paper journal biasanya dibatasi 5 tahun terakhir, supaya kita bisa mendapatkan “state-of-the-art problems” (masalah...

Satu hal penting yang biasanya dilupakan mahasiswa ketika melakukan penelitian adalah, memahami secara komprehensif topik penelitian yang dipilih. Pemahaman yang tidak komprehensif, akan membuat mahasiswa atau peneliti kesulitan dalam menemukan masalah penelitian,  menetapkan tujuan penelitian, dan akhirnya gagal menyusun proposal penelitian yang baik. Kalaupun berhasil menyusun proposal penelitian, mahasiswa akan belepotan dan gagal menjawab pertanyaan sederhana tentang topik penelitian, ketika presentasi sidang proposal atau sidang akhir. Mahasiswa seperti ini biasanya saya anggap gagal, gagal memahami hakekat ilmu pengetahuan yang diteliti, dan gagal memahami posisi penelitian (research position) dari bidang yang digelutinya. Tulisan ini sekaligus melanjutkan tulisan tentang Tahapan Memulai Penelitian untuk Mahasiswa Galau yang saya tulis sebelumnya. Setelah kita berhasil menetapkan bidang dan topik penelitian, dan membaca banyak (puluhan atau ratusan) literatur, baik buku atau paper journal, baik yang berbentuk technical paper atau survey paper, maka waktunya untuk menggambarkan peta pengetahuan tentang topik penelitian yang telah kita pilih. Untuk menyajikan topik penelitian dalam satu gambar, banyak teknik yang bisa kita gunakan, salah satunya yang paling mudah dipahami adalah Mind Map. Mind Map dibuat oleh Tony Buzan tahun 1974. Mind Map didasarkan pada cara kerja otak kita menyimpan informasi. Hasil penelitian menunjukkan bahwa otak kita menyimpan informasi  dalam sel-sel saraf dalam bentuk cabang-cabang, sehingga bila dilihat sekilas akan tampak seperti bentuk pohon dengan cabang dan rantingnya. Mind Map membantu kita untuk memahami suatu hal yang kompleks, cukup dengan satu gambar. Sifatnya yang divergen, dan membentuk cabang dan ranting dalam bentuk hierarki, membantu kita secara alami dan pelan-pelan membuat peta pemikiran tentang  suatu hal. Banyak software yang bisa digunakan untuk membuat Mind Map, diantaranya yang berlisensi open source adalah FreeMind dan XMind. Untuk contoh pada tulisan ini, saya menggunakan software XMind. Sebagai contoh, saya masih menggunakan topik penelitian yang saya pilih pada artikel Tahapan Memulai Penelitian untuk Mahasiswa Galau, yaitu prediksi...

MENGAPA KONTRIBUSI PENTING DALAM PENELITIAN? Banyak mahasiswa, yang sedang melakukan penelitian untuk skripsi, tesis atau disertasi, bingung dengan istilah kontribusi dalam penelitian. Di setiap sidang proposal, sidang akhir, dan melihat hasil review dari paper yang kita kirimkan ke jurnal internasional, selalu menjadikan “apa kontribusi dari penelitian kita”, sebagai parameter penting dari penilaian. Pengertian research sendiri di berbagai literatur selalu mengarah ke wajibnya ada kontribusi di penelitian, meskipun menggunakan redaksi yang berbeda. Yang sering saya pertegas di kelas ketika mengajar research methodology adalah ungkapan Dawson  yang mengatakan: Research is a considered activity which aims to make an original contribution to knowledge (Dawson, 2009) Mahasiswa banyak yang terjebak menyangka bahwa kontribusi adalah kontribusi ke masyarakat, padahal bukan ini yang dimaksud. Kontribusi ke masyarakat relatif sulit untuk diukur dan dibuktikan, karena itu biasanya ini dimasukkan ke dalam “manfaat penelitian” dan bukan “tujuan penelitian”. Cukup kita konsentrasi ke tujuan penelitian dimana kontribusi ke pengetahuan adalah hal utamanya, sudah pasti manfaatnya akan dirasakan oleh masyarakat, paling tidak masyarakat yang berhubungan secara langsung atau tidak langsung dengan tujuan penelitian kita.   PERBAIKAN METODE MENGHASILKAN KONTRIBUSI Kontribusi dalam penelitian khususnya penelitian computing, mengarah ke perbaikan metode/algoritma/model (method improvement) yang kita lakukan. Perbaikan metode/algoritma/model yang kita usulkan (proposed method) itu kemudian kita ukur, dan kita bisa membuktikan bahwa perbaikan kita membuat metode/algoritma/model menjadi lebih baik (presisi/akurasi/efisiensi). Jadi, kontribusi ke pengetahuan adalah perbaikan atau revisi yang kita lakukan, kontribusi adalah “kebaruan” atau “orisinalitas” dari penelitian kita. Sesuai dengan yang dikatakan Berndtsson: Research is the activity of a diligent and systematic inquiry or investigation in an area, with the objective of discovering or revising facts, theories, applications, etc (Berndtsson et al., 2008)   MANA YANG KONTRIBUSI DAN MANA YANG BUKAN? Membedakan mana penelitian yang ada kontribusi dan mana yang tidak sebenarnya cukup mudah. Saya...

PROBLEMS AND REQUIREMENTS Semakin banyaknya jumlah mahasiswa bimbingan, membuat saya harus sedikit memutar otak supaya semua mahasiswa dan penelitian mereka bisa saya kelola dan monitor dengan baik. Daftar mahasiswa yang sudah selesai saya bimbing termasuk penelitian yang dilakukan dapat dilihat di halaman Research. Jujur, saya tidak ingin kualitas penelitian mahasiswa yang saya bimbing menurun karena faktor jumlah mahasiswa bimbingan yang bertambah. Saya juga tidak bisa meluluskan mahasiswa yang penelitiannya asal-asalan dan tidak memenuhi level penelitian S2, yang harus ada kontribusi di method improvement. Kondisi saya dan requirement yang saya perlukan adalah sebagai berikut: Saya memiliki mobilitas yang sangat tinggi, di sisi lain, mahasiswa bimbingan saya tersebar di tiga program pasca sarjana berbeda (dua di Jakarta dan satu di Semarang), pertemuan darat sangat terbatas dan tidak memungkinkan dilakukan secara intensif Sebagai pembimbing saya harus bisa memonitor semua aktifitas mahasiswa bimbingan, progress mereka harus masuk ke notification di gadget saya, sehingga saya bisa memberi respon dengan cepat di manapun saya berada dan kapanpun itu datang Saya harus bisa mengikuti dengan cermat dan cepat tahapan penelitian yang sudah dilakukan mahasiswa, memberi warning ke mereka apabila ada yang “tersesat” terlalu jauh. Meluluskan mahasiswa dengan cepat tapi dengan tetap menjaga kualitas penelitian adalah tantangan terpenting dari membimbing mahasiswa Saya harus memberi komentar, mencoret-coret proposal dan tesis mahasiswa, tentu bukan versi cetak, tapi versi digital berbentuk file PDF Karena jumlah mahasiswa bimbingan yang banyak, komentar, revisi dan coretan saya harus terdeliver ke semua mahasiswa bimbingan, supaya saya tidak capek harus mengulang-ulang hal yang sama ke setiap mahasiswa Mahasiswa yang sudah melaju ke tahapan penelitian lebih cepat, harus bisa membantu saya menjelaskan ke mahasiswa yang baru mulai masuk ke fase awal bimbingan penelitian, sehingga saya tidak perlu repot menjelaskan berulang-ulang di setiap waktu ke setiap mahasiswa yang memulai bimbingan Mahasiswa memerlukan...

Jujur, secara umum saya agak kecewa dengan pertanyaan mahasiswa tingkat akhir yang masuk lewat email, inbox FB dan group FB Intelligent Systems yang saya kelola. Bukan kecewa dengan kuantitas pertanyaan, tapi kecewa dengan kualitas pertanyaan yang seharusnya tidak pantas diajukan mahasiswa yang sedang mengerjakan skripsi/tesis/disertasi. Pertanyaan yang membuktikan bahwa banyak mahasiswa yang: (1) tidak memahami alur mengerjakan penelitian, (2) tidak memahami bahwa penelitian itu seharusnya dimulai dengan studi literatur, (3) tidak berhasil memformulasikan pertanyaan penelitian, (4) dan secara umum tidak memahami dengan baik metode penelitian. Saya mencoba memberikan gambaran ringkas dan praktis bagaimana tahapan melakukan penelitian lewat tulisan ini. Tulisan saya buat khusus untuk mahasiswa di jurusan komputer, tapi secara umum juga bisa digunakan untuk mahasiswa jurusan lain. 1. TENTUKAN BIDANG GARAPAN KITA (RESEARCH FIELD) Banyak mahasiswa yang sampai detik-detik terakhir mau skripsi/tesis masih belum mengerti akan menggeluti  bidang (field) apa di disiplin ilmu computing. Ini agak mengherankan, karena ini berarti mahasiswa tidak memahami isi mata kuliah yang 3-4 tahun dia ikuti, sehingga akhirnya tidak mengerti minat dan ketertarikannya di bidang (field) apa. Ketika saya dulu mengikuti program undergraduate (S1) di Saitama University, Jepang, semester 4-5 pun saya sudah bisa menentukan minat dan ketertarikan saya kira-kira di bidang mana. Pada semester 5, saya juga sudah harus menentukan akan masuk ke lab penelitian apa (yang disusun berdasarkan bidang garapan (research field)). Sebenarnya kalau kurikulum di kampus kita sudah benar, satu mata kuliah itu menunjukkan satu cabang dari disiplin ilmu komputer, dan otomatis menunjukkan bidang penelitian yang bisa kita garap. Cara lain untuk melihat bidang garapan adalah dengan melihat journal ilmiah (transaction) yang ada di asosiasi bidang computing, contohnya adalah list transaction di ACM, dan IEEE Computer Society. Beberapa bidang garapan di disiplin ilmu computing, misalnya adalah: Software Engineering, Data Mining (Knowledge Discovery in Database), Image Processing, Information Retrieval, Networking, Human Computer Interaction, Soft Computing, Computational Intelligence,...

27 Oktober, hari blogger! Lha kok sepi? Ya sudah banyak blogger yang lupa dengan hari jadinya, termasuk saya hehehe. Social networking, khususnya facebook dan twitter, secara signifikan menggerus blog beserta aktifitas bloggingnya yang sebelumnya melegenda. Laporan dari Morgan Stanley Research menunjukkan bahwa, tidak hanya menghancurkan blog, social networking juga menghancurkan email, karena telah berhasil menggusur fungsi email sebagai alat komunikasi bahkan sejak tahun 2009. Saat ini pengguna Facebook menembus angka 1 miliar orang di seluruh dunia.  Sedangkan pengguna dari Indonesia tercatat 50 juta, rangking 4 setelah Amerika, Brazil dan India (SocialBakers.com). Pengguna twitter juga tidak kalah, mencapai setengah miliar, dengan pengguna dari Indonesia mencapai 30 juta. Blog terlindas, tertebas, para blogger tidak aktif lagi ngeblog, tentu termasuk saya didalamnya 🙁 Di tahun 2012 ini, saya baru menulis sekitar 7 tulisan, plis jangan bilang wow! 🙁 Angka yang sama biasa saya capai dalam 1-2 bulan, di masa keemasan dunia  blogging masih melanda beberapa tahun lalu. Mungkin tulisan saya tidak sebanyak dulu, tapi yang pasti aktivitas ngeblog tidak pernah benar-benar terhenti. Lha, kok bisa begitu? Ada yang menjaga saya, sehingga tidak bisa benar-benar lepas dari blog, yaitu masalah karir. Ya, blog adalah karir saya, ngeblog bisa menjaga bisnis saya dan ngeblog adalah kehidupan saya. Blog itu wow banget! Karir saya terbangun pelan tapi pasti karena saya menulis di blog. Saya menjadi dosen di berbagai universitas tanpa pernah melamar, karena saya dikenal orang lewat tulisan dan materi kuliah saya di blog. Saya juga tidak perlu mengirimkan curriculum vitae (CV), karena sudah saya sediakan lengkap di halaman About Me. Setiap tahun, saya masih mengisi minimal 50 acara seminar, orasi ilmiah, kuliah umum, dan stadium general di kampus-kampus. Mahasiswa dan dosen di kampus-kampus yang mengundang saya, tahu saya karena tulisan-tulisan saya di blog. Blog itu keren habis! Orang percaya bahwa...

Menarik membaca buku yang ditulis oleh Carmine Gallo berjudul Rahasia Inovasi Steve Jobs (The Innovation Secrets of Steve Jobs). Yang membuat menarik adalah karena Carmine Gallo tidak hanya bercerita tentang bagaimana Steve Jobs membuat inovasi, tapi juga menguraikan bagaimana para inovator lain berdjoeang untuk menghasikan karya-karya besar yang bermanfaat untuk manusia. Gallo juga berhasil menyajikan sebuah benang merah, mengumpulkan karakter-karakter penting yang wajib dimiliki oleh seorang inovator. Dengan karakter-karakter inilah, para inovator bergerak dan berdjoeang sehingga akhirnya bisa menghasilkan karya inovasi yang legendaris di dunia ini. Pada tulisan ini saya menyajikan 5 karakter yang wajib dimiliki oleh para inovator, yang saya rangkumkan dari tulisan Carmine Gallo dan beberapa ide lain dari tulisan-tulisan saya di blog ini sebelumnya. Materi ini juga pernah saya sampaikan di seminar tentang technopreneurship di beberapa kampus.  1. LAKUKAN YANG KITA CINTAI Steve Jobs adalah contoh terbaik bagaimana dia mencintai apa yang dia lakukan. Pada tahun 1976 Steve Jobs mendirikan Apple, 10 tahun kemudian dia dikeluarkan dari perusahaan yang dia dirikan sendiri. Tak menyerah, Jobs tetap berdjoeang pelan-pelan membangun perusahaan bernama Next. Langkah berikutnya mengakuisisi divisi computer grahics dari LucasFilm, yang kemudian diberi nama Pixar. Ditangannya Pixar akhirnya melaju dan sukses dengan karya animasi legendaris seperti Toy Story. Pixar akhirnya bergabung ke Disney, di mana Jobs menjadi pemilik saham terbesar di Disney. Dengan kondisi sukses seperti itu, Jobs tetap memutuskan kembali ke Apple di tahun 1996, untuk menyelamatkan perusahaan yang dia dirikan yang kondisinya sudah hampir hancur. Dalam dua tahun, Jobs berhasil mengubah Apple yang hampir bangkrut menjadi perusahaan yang memiliki profit. Salah satu ungkapan terkenal Jobs ketika ditanya, kenapa bisa bertahan dengan semua ini, “Satu hal yang membuat saya tetap bertahan adalah bahwa saya mencintai apa yang saya lakukan”. Ya ketika kita mencintai apa yang kita lakukan, tak ada yang sanggup membuat...