Tag Archives: penelitian

Kredibilitas Sumber Berita Online

Kualitas dari sebuah karya ilmiah (makalah, artikel, atau tulisan secara umum) bergantung kepada referensi yang digunakan. Salah satu cara yang lazim digunakan oleh reviewer adalah melihat daftar referensinya. Jika referensinya dari sumber-sumber yang terpercaya dan pakar di bidangnya, maka karya ilmiah tersebut memiliki potensi untuk mendapat nilai baik. Jika sumbernya tidak terpercaya, lemah, meragukan, atau tidak dapat ditelusuri kebenarannya maka karya ilmiah tersebut diragukan untuk mendapat penilaian yang baik.

Salah satu masalah yang dihadapi saat ini adalah kredibilitas dari sumber online. Banyak jurnal dan bahkan institusi pendidikan yang tidak memperkenankan mahasiswa menggunakan Wikipedia sebagai sumber rujukan. Bahkan dapat digeneralisir, penggunaan sumber online tidak disarankan. (Frowned upon.) Salah satu alasan yang digunakan adalah ketidakjelasan orang (sumber) yang mengisi data di Wikipedia. Hal berikutnya adalah sumber di Wikipedia sering berubah. Akan menjadi masalah jika pada saat ini fakta yang ditulis adalah A dan kemudian pada saat yang lain faktanya adalag B (non-A). Mana yang benar? Yang terakhir? Atau yang mana?

Terlebih lagi sekarang marak bermunculan situs-situs “berita” yang sebetulnya adalah situs yang tidak dapat dipertanggungjawabkan kebenarannya. Ada yang bentuknya memang sungguhan main-main (parodi), tetapi tidak sedikit yang sebetulnya palsu dan seolah-olah sungguhan. Yang terakhir ini yang berbahaya karena informasinya dapat menyesatkan. Sayangnya justru sekarang banyak orang yang tidak mau sedikit meluangkan waktu untuk memeriksa kredibilitas sumber informasinya. Entah tidak mau atau mungkin tidak memiliki kemampuan (skill, kesabaran) untuk melakukan itu. Dia tidak sadar bahwa orang dapat menilai kualitasnya berdasarkan sumber informasinya itu. You are what you read. Akan sangat menyedihkan jika semakin banyak orang yang terjerumus kepada kebodohan ini. Saran saya, cobalah luangkan sedikit waktu untuk memeriksa kredibilitas dari sumber informasi yang Anda gunakan.

Semakin banyak masalah dengan sumber berita online, semakin menjadi pembenaran bahwa sumber online memang tidak memiliki kredibilitas untuk digunakan sebagai referensi dalam karya ilmiah. Nampaknya Wikipedia bakalan tetap sulit untuk diperkenankan sebagai sumber referensi karya ilmiah. Wah. Padahal isinya sangat membantu bagi mahasiswa yang mencari sumber rujukan. Mosok kita masih dibatasi denganĀ  penggunaan jurunal dan buku konvensional sebagai rujukan?


Tulisan Yang Akademik

Saat ini saya sedang menjawab pertanyaan-pertanyaan mahasiswa terkait dengan tugas kuliah mereka, yaitu membuat makalah. Salah satu hal yang nampaknya mereka belum mengerti adalah bahwa makalah yang harus mereka buat harus bersifat akademik. Apa maksudnya “akademik” di sini? Nah itu dia.

Tingkat kesulitan dari makalah yang mereka buat kira-kira seperti ini. Jika makalah itu dikirimkan ke majalah komputer, maka makalah tersebut akan ditolak karena terlalu teknis. Pembaca akan pusing. Sementara itu jika makalah ini dikirim ke jurnal, maka makalah tersebut akan ditolak karena kurang aspek kebaharuannya atau kurang teknis. Jadi tingkat kesulitannya di antaranya.

Cara lain untuk mengukur apakah makalah kita itu akademik atau tidak adalah dengan melihat referensinya. Jika referensinya menggunakan artikel dari jurnal (yang kredibel), maka tulisan kita itu boleh jadi akademik. Jika referensinya tidak ada artikel jurnal, malah banyak menggunakan artikel majalah umum, maka ke-akademik-an dari makalah tersebut dapat dipertanyakan. Begitulah.

[Saya ingin memberi contoh yang lebih banyak, tapi belum sempat. Tulisan ini juga saya buat di dalam mobil di parkiran. hi hi hi]


Berkarya (itu) Untuk Diri Sendiri

Twitter crawler yang saya buat beberapa waktu yang lalu berhenti bekerja. Pesannya (error message) tidak jelas. Saya tidak tahu apa sebabnya. Dalam pertemuan penelitian minggu lalu, Andry (mahasiswa saya yang juga meneliti tentang ini) mengatakan bahwa ternyata akses ke twitter sekarang diharuskan menggunakan SSL/TLS. Oh begitu toh. Baru hari ini saya punya kesempatan untuk melihat kode saya dan mengaktifkan SSL, yang ternyata hanya 1 baris saja perubahannya. Beres. Jalan lagi.

Saya membuat crawler ini untuk sebuah penelitian, tetapi sesungguhnya saya membuatnya untuk diri sendiri. Saya tertarik dengan data dari twitter. Khususnya yang saya cari adalah struktur dari follower saya. Maka saya membuat kode twitter itu. Setelah data terkumpul nanti saya akan buatkan ceritanya. Saya akan menulis makalah tentang ini, tetapi sesungguhnya saya membuat ini juga untuk diri sendiri. Out of curiousity.

Di luar ini semua, banyak orang yang hanya pandai berteori dan tidak menghasilkan karya. Mahasiswa juga hanya pandai kuliah tetapi tidak menghasilkan karya. Bagaimana perusahaan calon tempat bekerja mereka dapat menilai kualitas mereka? Kalau hanya sekedar melihat ijasah saja tidak ada bedanya. Karya merupakan salah satu bukti. Karya untuk diri sendiri merupakan hal yang terbaik sebab ini menunjukkan passion yang bersangkutan. Why can’t they – the students – see this?


Lagi-lagi Soal Pengujian

Seharian ini urusan saya adalah menguji thesis mahasiswa. Salah satu hal yang saya temui berulang kali adalah mahasiswa belum paham yang namanya pengujian. Hampir selalu yang dilakukan mahasiswa adalah menjalankan aplikasi (sistem) yang dia buat sekali dan kemudian mengatakan bahwa itu jalan. Wah ini salah besar. Bahwa sesuatu itu jalan belum tentu dia jalan benar. Topik ini rasanya sudah pernah saya tulis, tapi nampaknya perlu saya tulis berulang kali :)

Pengujian fungsional yang baik pada awalnya dilakukan dengan menggunakan data yang terkendali (controlled environment). Misalnya kita membuat aplikasi untuk menghitung jumlah kata dalam sebuah dokumen, maka kita buat beberapa dokumen dengan jumlah kata yang kita ketahui. Kita jalankan aplikasi ini beberapa kali dengan data yang sama dan kemudian dengan data yang berbeda. Ini untuk data yang normal. Kemudian kita coba lagi dengan data yang abnormal, misalnya dokumen tanpa kata atau dokumen dengan satu kata yang superpanjang. Begitulah seterusnya. (Baca lebih lanjut tentang regression.) Jadi pengujian itu tidak hanya satu kali jalan kemudian dikatakan berfungsi dengan baik :)

Setelah yakin bahwa aplikasi berjalan dengan baik di lingkungan dan data yang terkendali, baru kita “lepas” aplikasi di lingkungan sesungguhnya. Di lingkungan ini kita uji juga. Pengujiannya juga mirip seperti sebelumnya tetapi ada banyak hal yang kadang di luar kendali kita. Ada dokument yang corrupt atau tidak sesuai dengan spek dan seterusnya. Begitulah.

Sebetulnya masih banyak hal lagi tentang pengujian fungsional tetapi yang utama seperti yang saya uraikan di atas. Nanti kalau kebanyakan uraiannya malah jadi tambah pusing. Hadoh.

Di luar pengujian fungsional masih ada pengujian kinerja dan security. Ini topik pembahasan lain kali saja ya. Sekarang kita fokus kepada aspek fungsional dulu.

Untuk hasil penelitian yang bentuknya bukan sesuatu yang dapat dijalankan (executable), seperti misalnya yang masih dalam bentuk rancangan (atau bahkan requirement) tetap harus diuji, tetapi caranya tentunya lain lagi. Demikian pula yang hasil penelitiannya berbentuk kebijakan atau pedoman harus juga diuji. Nah, bagaimana mengujinya?

 


Seven 2013: day 2

Gone are the days of “pair programming”. This is “quad programming”. Four heads are better than 1 or even 2.

BR day 2 quad programming 1000

It was the regular (crypto) research meeting. This time we decided to start coding, writing python code to do simple point arithmetic in elliptic curve.

This is the actual photo: wenny, rudy, mirza, and ardo.

IMG_2994 quad programming 1000


Kesabaran Dalam Menjelaskan

Salah satu kelemahan dari engineer – mungkin tidak hanya engineer ya? – adalah ketidaksabaran dalam menjelaskan. Seringkali mereka menuliskan data – yang kadang kala dalam jumlah yang banyak – tetapi tidak memberikan penjelasan apa maksudnya. Mereka merasa bahwa orang lain harusnya sudah tahu / mengerti apa yang terjadi dari data yang mereka berikan. Mosok begitu saja tidak tahu? Padahal sering kali tidak tahu.

Untuk menjelaskan hal yang teknis dibutuhkan kesabaran yang luar biasa. Seringkali pendengar atau pembaca belum (tidak) mengerti data yang kita berikan. Mereka bukan orang yang bodoh, tetapi belum mengerti saja. Misalnya, kalau saya berikan keluaran hasil scanning dari program nmap, orang yang pandai sekalipun – misal profesor di bidang Biologi – belum tentu dapat memahami maknanya. Mereka bukan orang yang bodoh, tetapi karena bukan domainnya, mereka tidak tahu. Jangankan kepada orang di bidang Biologi, orang di bidang Teknologi Informasi pun jika tidak menggeluti bidang security atau jaringan tidak akan paham keluaran dari program nmap. Setelah kita jelaskan, mereka akan paham.

port 21/tcp open …

Menjelaskan ini ternyata merupakan sebuah seni (art). Bagaimana kita dapat menjelaskan sesuatu kepada seseorang sehingga dia memahaminya, tanpa perlu harus terlalu dalam (dan lama) menjelaskannya dan pada saat yang sama tidak membuat penjelasan tersebut terlalu enteng (ringan, encer, watered down)? Kalau terlalu ringan jadinya malah diremehkan. Itu dia …

Ini semua yang membuat penulisan dokumen teknis (report writing) merupakan sebuah kemampuan yang langka.


Susahnya Memproses Big Data

Di era informasi ini kita kebanjiran dengan data. Dari data yang ukurannya raksasa-raksasa ini – big data – kita dapat mencoba mencari makna. Misalnya, adanya data status dari Facebook atau Twitter kita dapat mencoba memahami mood dari orang di Indonesia. Hanya saja ternyata untuk memproses data yang sangat besar ini tidak mudah.

Masalah yang dihadapi itu bukan kita tidak tahu rumusnya, tetapi jumlah data yang sangat banyak. Ini yang sulit dipahami oleh orang banyak. Scale does matter. Kan rumusnya sudah ada. Lantas apa susahnya untuk menghitungnya? Kalau lambat, ya tambahi komputer yang digunakan untuk menghitung. Sayangnya tidak demikianĀ  mudah solusinya dengan hanya menambahkan hardware saja.

Sebagai contoh, menghitung rata-rata dari 10 buah bilangan dapat dikatakan mudah. Menghitung rata-rata dari 70 juta bilangan dapat dikatakan tidak mudah. he he he.

Itulah sebabnya akhir-akhir ini IEEE banyak membahas tentang big data ini. Memang ini eranya dan memang masih ada masalah (sumber daya komputasi) untuk memproses big data ini.


Ikuti

Get every new post delivered to your Inbox.

Bergabunglah dengan 2.166 pengikut lainnya.