Halloween Costume ideas 2015

WONG SABAR MBOTEN WONTEN BATASANE

October 2014
Twitter Facebook


 

Java Fundamentals

lecturer
Mata kuliah yang membahas pemrograman berorientasi objek dengan bahasa pemrograman menggunakan Java. Materi disajikan dengan metode perimbangan teori-praktek, dengan harapan bahwa mahasiswa disamping memahami paradigma berorientasi objek, juga memiliki skill pemrograman Java di level dasar-intermediate. Materi kuliah telah sukses diterapkan di ratusan kelas progam sarjana (s1) dan pasca sarjana (S2), dengan latar belakang pendidikan mahasiswa yang beraneka ragam (IT atau non-IT).

Slide:
  1. OOP Concepts
  2. Java Basics
  3. Java GUI
  4. Java Algorithm
  5. Java Advanced
  6. Java Database
Software Requirements:
  1. Java SE Development Kit 7
  2. Netbeans IDE 7.4
Textbooks:
  1. Sharon Zakhour et al, The Java Tutorial 4th Edition
  2. Cay Horstmann, Big Java 5th Edition, John Wiley & Sons, 2013
  3. Richard M. Reese, Oracle Certified Associate Java SE 7 Programmer Study Guide, Packt Publishing, 2012
  4. Deitel & Deitel, Java How to Program 9th Edition, Prentice Hall, 2012
  5. Walter Savitch, Absolute Java 5th Edition, Pearson Education, 2013
  6. Mark Allen Weiss, Data structures and algorithm analysis in Java 3rd Edition, 2012
Twitter Facebook

Lectures - COMPUTING AND RESEARCH COURSES - Research Methodology
http://romisatriawahono.net/rm/

lecturer

Mata kuliah yang membahas tentang metodologi penelitian, khususnya untuk bidang computing. Fokus bahasan adalah tentang pengantar penelitian, identifikasi masalah, penentuan topik penelitian, landasan teori, kerangka konsep, hipotesis, dan metodologi penelitian. Mahasiswa yang telah mengikuti mata kuliah ini diharapkan dapat melakukan penelitian tesis dengan baik dan berkualitas.
Standard Competency:
  1. Mahasiswa memahami konsep, jenis dan metode penelitian
  2. Mahasiswa memahami dan mampu melakukan seluruh proses pada metode penelitian
  3. Mahasiswa mampu melakukan analisis terhadap data hasil penelitian
  4. Mahasiswa mampu melakukan penulisan paper hasil penelitian
  5. Mahasiswa mampu melakukan presentasi hasil penelitian yang telah dilakukan
Slide:
  1. Pengantar Penelitian
  2. Tahapan Penelitian
  3. Masalah Penelitian
  4. Literature Review
  5. Struktur Penulisan Tesis
  6. Kesalahan Penulisan Tesis
  7. Metode Eksperimen
  8. Pengujian Tesis
  9. Publikasi Penelitian
Software Requirements:
  1. Reference Management Apps: Mendeley
  2. Word Processor Apps: Latex/OpenOffice/MSOffice
  3. Mindmap: XMind
Textbooks:
  1. Christian W. Dawson, Project in Computing and Information System a Student Guide 2nd Edition, Addison-Wesley, 2009 (pdf)
  2. Mikael Berndtsson, Jörgen Hansson, Björn Olsson, Björn Lundell, Thesis Projects – A Guide for Students in Computer Science and Information System 2nd Edition, Springer-Verlag London Limited, 2008 (pdf)
Twitter Facebook

 Lectures - COMPUTING AND RESEARCH COURSES - Data Mining

Mata kuliah yang membahas tentang data mining.
http://romisatriawahono.net/dm/

lecturer

Fokus bahasan adalah tentang pengenalan data mining, proses data mining, evaluasi dan validasi pada data mining, metode dan algoritma, serta jenis penelitian data mining. Mahasiswa yang telah mengikuti mata kuliah ini diharapkan dapat memahami materi dan melakukan penelitian pada tema data mining dan machine learning dengan baik dan berkualitas.

Standard Competency:
  1. Mahasiswa memahami konsep, algoritma, dan tool data mining
  2. Mahasiswa memahami seluruh proses data mining
  3. Mahasiswa mampu melakukan eksperimen berdasarkan proses data mining dan menggunakan tool data mining
  4. Mahasiswa memahami arah terbaru penelitian data mining
  5. Mahasiswa mampu melakukan penelitian pada topik data mining
Slide:
  1. Pengenalan Data Mining
  2. Proses Data Mining
  3. Evaluasi dan Validasi Data Mining
  4. Metode dan Algoritma Data Mining
  5. Penelitian Data Mining
Software Requirements:
  1. RapidMiner ver 5.2
Textbooks:
  1. Ian H. Witten, Frank Eibe, Mark A. Hall, Data mining: Practical Machine Learning Tools and Techniques 3rd Edition, Elsevier, 2011
  2. Daniel T. Larose, Discovering Knowledge in Data: an Introduction to Data Mining, John Wiley & Sons, 2005
  3. Florin Gorunescu, Data Mining: Concepts, Models and Techniques, Springer, 2011
  4. Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques 2nd Edition, Elsevier, 2006
  5. Oded Maimon and Lior Rokach, Data Mining and Knowledge Discovery Handbook Second Edition, Springer, 2010
Twitter Facebook

Mata kuliah yang saya ajar di berbagai universitas di Indonesia. Seluruh materi kuliah bisa diunduh dan digunakan dengan bebas. Setiap halaman mata kuliah memuat course description, standard competency, slide, software requirements, dan textbook yang digunakan.
COMPUTING AND RESEARCH COURSES
PROGRAMMING COURSES

SOFTWARE ENGINEERING COURSES

ENTERPRISE ARCHITECTURE COURSES
Twitter Facebook

Posted by on 7 Oct, 2007 in Research

“Mas, mau nanya situs-situs yang bagus untuk cari jurnal penelitian apa ya?” (Winky)
Pertanyaan menarik dari mas Winky, yang mungkin juga menjadi pertanyaan bagi sebagian rekan-rekan yang bergerak di dunia penelitian, baik mahasiswa yang lagi nyusun skripsi/thesis/disertasi, juga bagi dosen ataupun peneliti yang ada di lembaga penelitian. Studi literatur dalam proses penelitian adalah wajib hukumnya, karena dari sana penelitian mulai bergerak. Nah, literatur ilmiah yang akan menjadi referensi ini sebaiknya apa dan dimana dapatnya? Yuk kita bahas.
Perlu dicatat bahwa dalam penelitian ilmiah, referensi utama yang paling sahih adalah jurnal ilmiah (scientific journal), baru setelah itu bisa proceedings conference, scientific report, buku dan terbitan lain. Ketinggian derajat sebuah jurnal ilmiah biasanya ditentukan oleh suatu nilai yang disebut dengan impact factor. Impact factor ditentukan dari jumlah rujukan (citation) ke paper-paper di jurnal ilmiah tersebut. Di beberapa bidang ilmu, jurnal-jurnal yang sangat tinggi impact factornya biasanya diterbitkan oleh asosiasi ilmiah yang berumur tua dan disegani. Misalnya di bidang elektronika, komunikasi dan komputer, jurnal dan transaction terbitan IEEE dan ACM-lah yang memiliki impact factor tinggi. Selain itu ada juga jurnal ilmiah yang diterbitkan oleh penerbit seperti Elsevier, Kluwer Academic, dsb. Paper yang ada di jurnal ilmiah terkadang dari paper submission langsung (pengiriman makalah) atau sering juga dari selected paper (makalah pilihan) dari sebuah International Conference.
Jurnal ilmiah di Indonesia jujur saja agak chaos dan terlihat semrawut. Tidak banyak asosiasi ilmiah yang benar-benar mendukung “kegiatan ilmiah” dan menerbitkan jurnal yang besar dan disegani. Setiap universitas menerbitkan jurnal ilmiah sendiri, bahkan banyak jurnal ilmiah yang diterbitkan oleh jurusan atau fakultas. Akhirnya jurnal ilmiah tumbuh seperti jamur, muncul ribuan dalam waktu cepat dan banyak yang tenggelam dalam waktu yang singkat juga.  Alasannya kenapa? Mungkin karena kita jago kandang alias tidak pede, tidak ada biaya, atau karena tidak ada tema penelitian unggulan. Alasan yang paling tidak menarik adalah karena pingin paper cepat terbit untuk ngurus kum (kredit), sehinga bisa cepat jadi professor atau APU :) Sebagai catatan memang proses review di jurnal internasional memakan waktu. Dari submission sampai published bisa 1 tahun atau bahkan lebih. Proses revisi juga bisa berkali-kali tergantung galaknya reviewer :(
Fakta menarik, laporan dari Thomson Scientific (Amerika) mengatakan bahwa jumlah paper ilmiah yang di publikasikan selama tahun 2004 oleh peneliti di Indonesia (yang berafiliasi ke lembaga penelitian atau universitas di Indonesia) berjumlah 522 paper ilmiah. Jumlah ini hanya sepertiga dari paper ilmiah yang hasilkan oleh Malaysia (1438 paper). Di level ASEAN, Indonesia menduduki peringkat keempat setelah Singapore (5781 paper), Thailand (2397 paper) dan Malaysia. Yang dekat dengan Indonesia adalah Vietnam (453 paper). Mudah-mudahan kita para peneliti dan dosen di Indonesia tetap dalam perdjoeangan untuk mengejar tetangga-tetangga kita yang larinya sudah semakin cepat :)
Kembali ke pertanyaan mas Winky, cari literatur dan jurnal ilmiah untuk penelitian dimana? Saya coba susunkan baik yang berbayar maupun gratis (bebas diakses).

BERBAYAR
  1. IEEE Computer Society Digital Library (student member $61/tahun)
  2. ACM Digital Library (student member $42/tahun)
  3. Elsevier.Com (banyak universitas di Indonesia yg melanggan)
  4. EBSCO (banyak universitas di Indonesia yg melanggan)
  5. Science Direct (banyak universitas di Indonesia yg melanggan)
  6. Proquest (banyak universitas di Indonesia yg melanggan)
GRATIS
  1. Citeseer (ribuan paper jurnal bidang computer science)
  2. Directory of Open Access Journal
  3. PubMed Central (free digital archive of biomedical and life sciences)
  4. Google Scholar (citation index, abstak dam fulltext)
  5. Mirror Scientific Data di LIPI (mirror di LIPI untuk jurnal ilmiah internasional)
  6. DBLP Bibliography
  7. Libra Academic Search
  8. JSTOR Scholarly Journal Archieve
  9. Biomed Central (the Open Access Publisher)
  10. Highwire Press Stanford University
  11. UC Berkeley on iTunes U (Materi kuliah gratis dari UC Berkeley)
  12. MIT Opencourseware (Materi kuliah gratis dari MIT)
  13. Patent Searching (Pencarian Dokumen Paten)
  14. Ilmukomputer.Com (mulai banyak paper ilmiah yang diupload)
Mudah-mudahan bermanfaat dan membuat semarak dunia penelitian kita. Kalau masih ada yang terlewat, mohon ditambahkan lewat kolom komentar. Terima kasih.
ttd-small.jpg
Twitter Facebook

Posted by on 18 Jun, 2012 in Research

 

Latar belakang masalah penelitian (research background) adalah bagian pertama dan sangat penting dalam menyusun tulisan ilmiah, baik dalam bentuk paper atau tesis. Latar belakang masalah penelitian menjelaskan secara lengkap topik (subject area) penelitian, masalah penelitian yang kita pilih dan mengapa melakukan penelitian pada topik dan masalah tersebut (Berndtsson et al., 2008). Sayangnya, tidak banyak mahasiswa yang berhasil membuat latar belakang masalah penelitian dengan baik, sebagian karena masalah penelitiannya memang tidak jelas dan mengada-ada, sebagian lagi karena copy-paste sana sini sehingga alur paragrafnya menjadi kacau, dan sebagian lagi karena gagal melandasi alasan melakukan penelitian itu (males baca literatur). Saya coba membuat tulisan ini, khususnya untuk mempermudah mahasiswa bimbingan saya di bidang komputer (computing), yang sering galau  dalam membuat latar belakang masalah pada tesis mereka :).


KIAT 1:. PAHAMI DUA GAYA RESEARCH DI BIDANG COMPUTING
Sebelumnya perlu dipahami bahwa gaya penelitian di bidang komputer (computing) secara umum terbagi dua yaitu gaya Computer Science (CS) dan gaya Information Systems (IS) (Berndtsson et al., 2008). CS memiliki karakteristik penelitian dan isu berhubungan dengan core technology dan perbaikan metode (method improvement). Sedangkan penelitian IS lebih cenderung ke arah isu tentang interaksi teknologi dan sosial, termasuk diantaranya mengukur dan menganalisa kesuksesan penerapan teknologi dan sistem informasi. Tulisan kali ini akan lebih cenderung ke alur latar belakang masalah penelitian bergaya CS, meskipun tetap bisa digunakan untuk penelitian IS.

KIAT 2: MENJAWAB SEMUA PERTANYAAN WHY DI JUDUL
Latar belakang masalah penelitian akan menjawab semua pertanyaan MENGAPA (WHY) dari judul penelitian kita. Untuk mempermudah penjelasan, saya akan gunakan, terjemahkan dan revisi paper penelitian (Fei et al, 2008) untuk contoh paper yang kita bahas. Karena judul penelitiannya adalah Prediksi Produksi Padi dengan menggunakan Support Vector Machine berbasis Particle Swarm Optimization, maka latar belakang masalah harus bisa menjawab pertanyaan:
  1. mengapa padi?
  2. mengapa prediksi produksi padi?
  3. mengapa support vector machine?
  4. mengapa particle swarm optimization?
Bagaimana cara menguraikan jawaban dari pertanyaan 1-4, akan disajikan dalam contoh latar belakang masalah di bawah.

KIAT 3: POLA ALUR DAN POKOK PIKIRAN PARAGRAF
Kunci dari keberhasilan menyusun latar belakang masalah penelitian seberapa komprehensif kita merangkumkan penelitian kita. Tulisan yang baik adalah bahwa dengan hanya membaca latar belakang masalah, orang langsung bisa memahami, apa yang kita lakukan pada penelitian kita. Untuk bisa mencapai itu, pokok pikiran seluruh paragraf pada latar belakang masalah penelitian harus memuat dan mengikuti 6 pola alur berikut. Untuk mempermudah mengingat, saya biasanya menggunakan singkatan OMKKMASASOLTU.
  1. obyek penelitian (O)
  2. metode-metode yang ada (M)
  3. kelebihan dan kelemahan metode yang ada (KK)
  4. masalah pada metode yang dipilih (MASA)
  5. solusi perbaikan metode (SOL)
  6. rangkuman tujuan penelitian (TU)
Contoh penerapan pola OMKKMASASOLTU ini, akan cepat dipahami melalui contoh latar belakang masalah yang saya uraikan di bawah.

KIAT 4:  BELAJAR MENULIS DENGAN ATM
Cara paling cepat dan manjur supaya kita mahir menulis paper ilmiah dan tesis adalah dengan melakukan ATM (Amati-Tiru-Modifikasi). Banyak baca paper, lihat bagaimana para peneliti menuliskan hasil penelitian mereka, tiru alurnya tapi tidak nyontek kalimatnya, dan modifikasi pelan-pelan di tulisan yang kita buat. Jangan lupa memilih paper yang dipublikasikan di journal yang berkualitas, karena sudah menjadi rule-of-thumb dalam dunia penelitian bahwa 80-90% paper ilmiah di dunia ini disajikan dengan buruk. Paling tidak supaya tidak tersesat dalam studi literatur, patokan paper yang berkualitas adalah masuk di journal yang terindeks oleh ISI atau SCOPUS, dan memiliki nilai skor yang tinggi untuk penghitungan Journal Impact Factor, Eigenfactor Score, Scimago Journal Rank, atau Source Normalized Impact per Paper. Journal ilmiah di Indonesia untuk bidang computing yang masuk kriteria ini,  hanya Telkomnika yang diasuh mas Tole Sutikno cs dari Universitas Ahmad Dahlan Yogyakarta, karena sudah mulai terindeks oleh SCOPUS.
Sebagai contoh, perhatikan latar belakang masalah pada tulisan berikut ini. Untuk mempermudah memahami penjelasan, (warna biru) saya berikan untuk memberi petunjuk bahwa paper tersebut menjawab pertanyaan why di judul sesuai dengan KIAT 2, dan [warna merah] saya berikan untuk memberi penjelasan bagaimana paragraf mengikuti alur dan pokok pikiran paragraf yang ada di KIAT 3. Perhatikan juga bahwa setiap kalimat yang mengandung jawaban dari pertanyaan why atau berupa klaim dan definisi, harus merujuk atau melakukan sitasi (citation) ke literatur sebagai landasan dari klaim yang dilakukan. Daftar referensi dari paper (Fei et al., 2009) tidak saya tampilkan, karena poin penting yang ingin saya sampaikan adalah masalah bagaimana alur kalimat dan paragrafnya.
Prediksi Produksi Padi dengan menggunakan Support Vector Machine berbasis Particle Swarm Optimization
Latar Belakang Masalah
Padi adalah komoditas yang penting di china, karena tingkat produksinya tinggi (FAO Report, 2009) (1. mengapa padi?). Produksi padi perlu diprediksi dengan akurat, karena hasil prediksi yang akurat sangat penting untuk membuat kebijakan nasional (Traill, 2008) (2. mengapa prediksi produksi padi?). [1. obyek penelitian]
Metode prediksi rentet waktu seperti Support Vector Machine (SVM) (Yongsheng, 2008), Neural Network (NN) (Tseng, 2007) dan Grey Model (GM) (Wu, 2007) diusulkan oleh banyak peneliti (Huifei, 2009) untuk prediksi produksi padi. [2. metode-metode yang ada]
NN memiliki kelebihan pada prediksi nonlinear, kuat di parallel processing dan kemampuan untuk mentoleransi kesalahan, tapi memiliki kelemahan pada perlunya data training yang besar, over-fitting, lambatnya konvergensi, dan sifatnya yang local optimum (Rosario, 2007). GM punya kelebihan di tingginya akurasi prediksi meskipun menggunakan data yang sedikit, akan tetapi GM memiliki kelemahan pada prediksi data yang sifatnya naik turun secara fluktuatif seperti pada data produksi padi (Wu, 2007). [3. kelebihan dan kelemahan metode yang ada]
SVM dapat memecahkan masalah NN dan GM, yaitu over-fitting, lambatnya konvergensi, dan sedikitnya data training (Vapnik, 2005), yang mana ini tepat untuk karakteristik data produksi padi pada penelitian ini (3. mengapa support vector machine?). Tetapi SVM memiliki kelemahan pada sulitnya pemilihan parameter SVM yang optimal (Coussement, 2008). [4. masalah pada metode yang dipilih]
Particle Swarm Optimization (PSO) adalah metode optimisasi yang terbukti efektif digunakan untuk memecahkan masalah optimisasi multidimensi dan multiparameter pada pembelajaran pada machine learning seperti di NN, SVM, dan classifier lain (Brits, 2009) (4. mengapa particle swarm optimization?). [5. solusi perbaikan metode]
Pada penelitian ini PSO akan diterapkan untuk pemilihan parameter SVM yang sesuai dan optimal, sehingga hasil prediksi lebih akurat. [6. rangkuman tujuan penelitian]
KIAT 5: RUMUSAN MASALAH DAN TUJUAN PENELITIAN
Ketika kita telah berhasil menyusun latar belakang masalah yang baik seperti di atas, masalah dan tujuan penelitian sudah pasti dapat kita rangkumkan dengan baik. Di Indonesia masalah penelitian, biasanya dirangkumkan dalam format identifikasi masalah (problem statement) dan rumusan masalah (research question).  Jadi sebagai kelanjutan dari latar belakang masalah di atas, kita bisa rangkumkan masalah dan tujuan penelitian sebagai berikut:
Masalah Penelitian (Problem Statement atau Research Problem):
SVM adalah algoritma yang memiliki performa sangat baik untuk prediksi rentet waktu, karena dapat memecahkan masalah over-fitting, lambatnya konvergensi, dan sedikitnya data training. Tetapi SVM memiliki kelemahan pada sulitnya pemilihan parameter yang optimal karena harus dilakukan secara trial and error, sehingga menyebabkan tingkat akurasi prediksi menjadi rendah
Pertanyaan Penelitian (Research Question):
Seberapa tinggi akurasi metode SVM apabila PSO diterapkan pada proses pemilihan parameter yang optimal?
Alternatif research question lain yang bisa digunakan adalah seperti di bawah:
  • Bagaimana peningkatan akurasi SVM apabila PSO diterapkan pada proses pemilihan parameter yang optimal?
  • Bagaimana pengaruh penerapan PSO pada pemilihan parameter yang optimal pada akurasi metode SVM?
Tujuan Penelitian (Research Objective):
Menerapkan PSO untuk pemilihan parameter yang optimal pada SVM, sehingga dapat meningkatkan akurasi hasil prediksi
KIAT 5 mengakhiri artikel ini, dan saya ucapkan selamat apabila artikel saya berhasil mengubah anda  menjadi mahasiswa yang tidak galau lagi :). Kalaupun tetap masih bingung, atau terlanda masalah lain dan ingin berdiskusi lebih lanjut, silakan bergabung ke grup penelitian saya di facebook Intelligent Systems Research Center. Paper (Fei et al., 2009) juga bisa didownload di halaman grup tersebut. Khusus untuk mahasiswa yang merasa masih fakir ilmu, sebelum mengirim pertanyaan, silakan terlebih dulu mendownload dan membaca semua materi kuliah saya yang tersedia di halaman Lectures. 
Welcome to the jungle!
;)
REFERENSI
  1. Christian W. Dawson, Project in Computing and Information System a Student Guide 2nd Edition, Addison-Wesley, 2009
  2. Mikael Berndtsson, Jörgen Hansson, Björn Olsson, Björn Lundell, Thesis Projects – A Guide for Students in Computer Science and Information System 2nd Edition, Springer-Verlag London Limited, 2008
  3. Sheng-Wei Fei, Yu-Bin Miao and Cheng-Liang Liu, Chinese Grain Production Forecasting Method Based on Particle Swarm Optimization-based Support Vector Machine, Recent Patents on Engineering 2009, 3, 8-12
Twitter Facebook

Posted by on 7 Aug, 2012 in Research



 
Kerangka pemikiran adalah suatu diagram yang menjelaskan secara garis besar alur logika berjalannya sebuah penelitian. Kerangka pemikiran dibuat berdasarkan pertanyaan penelitian (research question), dan merepresentasikan suatu himpunan dari beberapa konsep serta hubungan diantara konsep-konsep tersebut (Polancik, 2009). Pada tesis, kerangka pemikiran biasanya diletakkan di bab 2, setelah sub bab tentang Tinjauan Studi (Related Research) dan Tinjauan Pustaka. Penamaan kerangka pemikiran bervariasi, kadang disebut juga dengan kerangka konsep, kerangka teoritis atau model teoritis (theoritical model). Seperti namanya yang beraneka ragam, bentuk diagram kerangka pemikiran juga bervariasi. Saya pernah membahas contoh kerangka pemikiran untuk penelitian dengan model pengembangan software di artikel ini. Pada artikel kali ini, saya coba sajikan beberapa model kerangka pemikiran yang bisa digunakan oleh mahasiswa untuk mengerjakan penelitian tesis.

MODEL PENELITIAN KORELASI
Gaya kerangka pemikiran penelitian yang biasa digunakan untuk model penelitian korelasi, di mana ada variabel bebas dan variabel terikat. Gregor Polančič (Polancik, 2009) memberikan contoh yang menarik sebuah kerangka pemikiran penelitian untuk model ini. Pertanyaan penelitian (research question) atau rumusan masalah pada penelitian yang dibahas (Polancik, 2009) adalah “Bagaimana pengaruh metodologi pengembangan software dan jumlah pengembang dalam tim, pada produktifitas pengembang?“. Yang dalam bahasa inggrisnya: “How does software development methodology and team size influences developers productivity?”

Komponen utama pada kerangka pemikiran yang dikembangkan Gregor Polančič (Polancik, 2009) adalah Independent Variables (variabel bebas), Dependent Variables (variabel terikat), Levels (indikator dari variabel bebas yang akan diobservasi), Measures (indikator dari variabel terikat yang akan diobservasi). Kerangka pemikiran di bawah menggambarkan alur logika penelitian dan hubungan antar konsep yang ingin diteliti. Judul yang tepat untuk penelitian ini adalah “Pengaruh metodologi pengembangan software dan jumlah pengembang dalam tim pada produktifitas pengembang.

Dapat kita lihat bahwa kerangka pemikiran menggambarkan dengan jelas semua variabel beserta indikatornya (Levels), hingga alat ukur yang digunakan (Measurements) untuk menunjukkan ada atau tidaknya korelasi antar variabel yang ingin diteliti. Dan yang paling penting, baik dalam posisi sebagai peneliti, pembimbing ataupun penguji, kita bisa memahami gambaran besar penelitian ini dengan hanya sekali pandang. Pada penelitian ini, dua variabel bebas, yaitu metodologi pengembangan software (yang diwakili oleh OSSD, RUP dan XP), dan jumlah pengembang dalam tim (yang ukurannya adalah jumlah orang), akan dilihat apakah memiliki korelasi dengan variable terikat, yaitu tingkat produktifitas pengembang (yang ukurannya adalah jumlah baris code yang dihasilkan tiap developer tiap harinya).

MODEL PENELITIAN PERBAIKAN METODE
Kerangka pemikiran yang berikutnya adalah bila model penelitian kita adalah method improvement (perbaikan metode), yang sering digunakan pada penelitian di bidang sains dan teknik, termasuk bidang computing didalamnya. Kenapa kok harus melakukan method improvement? Ini dijawab dengan baik oleh (Berndtsson et al., 2008) dan (Dawson, 2009) di buku mereka, bahwa memang research itu adalah aktifitas yang dilakukan dalam rangka memberi kontribusi yang orisinil ke pengetahuan. Dalam hal ini ketika kita memperbaiki sebuah metode atau algoritma, perbaikan yang kita lakukan adalah salah satu bentuk dari kontribusi orisinil kita ke pengetahuan.
Saya mencoba menyusun sebuah kerangka pemikiran khusus untuk model penelitian perbaikan metode, berdasarkan model (Polancik, 2007) yang sudah saya jelaskan di atas. Komponen dari model kerangka pemikiran saya adalah Indicators, Proposed Method, Objectives, dan Measurements.
Sebagai contoh, saya akan mencoba menerapkan kerangka pemikiran yang saya desain pada paper penelitian berjudul “Prediksi Produksi Padi dengan menggunakan Support Vector Machine berbasis Particle Swarm Optimization” yang ditulis oleh (Fei et al., 2009). Sebagai catatan, pada artikel sebelumnya saya juga menggunakan paper yang sama untuk memberi contoh tentang Kiat Menyusun Alur Latar Belakang Masalah Penelitian. Kerangka pemikiran untuk penelitian  (Fei et al., 2009) ini adalah seperti pada gambar di bawah.
Pada penelitian ini, data set yang digunakan adalah data set Chinese Grain yang bersifat rentet waktu (time series), yang sifatnya public dataset dan bisa didapat dari UCI repository. Sedangkan metode yang diusulkan (Proposed Method) adalah menggunakan metode support vector machine, di mana pada proses pemilihan (optimisasi) parameternya dibantu oleh algoritma particle swarm optimization. Indikator (Indicators) yang diobservasi (diadjust atau dioprek) adalah nilai population dan generation pada particle swarm optimization, serta kernel type dan iteration pada support vector machine. Tujuan (Objectives) pada penelitian ini adalah adanya peningkatan akurasi pada model, dimana pengukuran peningkatan akurasi (Measurements) akan menggunakan root mean squared error (RMSE).
Sebagai catatan, metode yang diusulkan (proposed method) yang ada di kerangka pemikiran ini adalah gambaran besarnya saja. Nantinya gambaran besar metode yang diusulkan ini, harus dijelaskan secara lebih detail dalam bentuk alur algoritma dengan ditambahi penjelasan matemathical model (formula) dari algoritma atau metode baru yang diusulkan.

Contoh penelitian lain yang bisa disusun dengan menggunakan kerangka pemikiran ini adalah penelitian di bawah ini. Coba direnungkan, kira-kira apa yang bisa kita pahami dari kerangka penelitian di bawah ini? :)
Mudah-mudahan artikel ini bisa memberi pencerahan paling tidak ke mahasiswa bimbingan saya dan juga mahasiswa lain yang sedang menyusun tesis atau skripsi. Dan sekali lagi, silakan bergabung ke grup penelitian saya di facebook Intelligent Systems Research Center, apabila ada yang perlu saya jelaskan lebih jauh. Paper (Fei et al., 2009) juga bisa didownload di halaman grup tersebut. Dan khusus untuk mahasiswa yang tidak bisa ketemu saya di darat tapi ingin mengikuti mata kuliah yang saya ajar, silakan  mendownload dan membaca semua materi kuliah saya yang tersedia di halaman Lectures.
Tetap dalam perdjoeangan!

REFERENSI
  1. Gregor Polančič, Empirical Research Method Poster, 2007
  2. Christian W. Dawson, Project in Computing and Information System a Student Guide 2nd Edition, Addison-Wesley, 2009
  3. Mikael Berndtsson, Jörgen Hansson, Björn Olsson, Björn Lundell, Thesis Projects – A Guide for Students in Computer Science and Information System 2nd Edition, Springer-Verlag London Limited, 2008
  4. Sheng-Wei Fei, Yu-Bin Miao and Cheng-Liang Liu, Chinese Grain Production Forecasting Method Based on Particle Swarm Optimization-based Support Vector Machine, Recent Patents on Engineering 2009, 3, 8-12
Twitter Facebook

Posted by on 23 Jan, 2013 in Research

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 (filed) 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, dsb. Sekarang yang penting adalah segera tentukan mana bidang garapan anda.
Sebagai contoh, saya memutuskan bahwa ketertarikan saya adalah pada bidang software engineering. Saya lanjutkan gerakan saya ke tahap kedua, menentukan topik penelitian saya.

2. TENTUKAN TOPIK/TEMA PENELITIAN KITA (RESEARCH TOPIC)
Setelah bidang garapan ditentukan, sekarang tentukan topik penelitian kita. Cara termudah menentukan topik atau tema penelitian kita adalah dengan membaca buku, paper, artikel yang berjudul “research trends on” dengan diikuti nama bidang yang kita pilih. Contohnya gunakan keyword: “research trends on software engineering”, kombinasi keyword pencarian selain itu adalah “research challenge on”, “research topics on”, dsb. Dari beberapa paper yang kita baca, kita akan ngerti tren penelitian di bidang yang kita garap apa saja. Kita juga bisa menganalisa tren penelitian yang muncul di bidang garapan kita dengan melihat issue (paling tidak sekitar 3 tahun terakhir) dari journal/transaction yang berhubungan. Beberapa contoh paper tentang research trend di suatu bidang ada di bawah:
Sebagai contoh, dari membaca series IEEE Transaction on Software Engineering, dan saya perkuat dengan tulisan Shafay Shamail dan Kitchenham di atas, saya memutuskan akan mengambil topik penelitian tentang Software Defect/Fault Prediction. Saya lanjutkan gerakan saya ke tahap berikutnya yaitu, menentukan masalah penelitian dari topik penelitian yang saya pilih.

3. TENTUKAN MASALAH PENELITIAN KITA (RESEARCH PROBLEMS)
Setelah ketemu topik atau tema penelitian, kita maju lagi lebih dalam, kita harus berhasil menemukan masalah penelitian yang ingin kita angkat dari topik penelitian tersebut. Ini tahapan yang paling sulit dalam penelitian, dan paling memakan banyak waktu, tapi kalau masalah penelitian sudah ketemu, jalan penelitian akan mulai terlihat. Bagaimana cara menentukan masalah penelitian? Cara tercepat adalah membaca paper dari journal ilmiah, dan mulai dari paper yg sifatnya review baru kemudian paper yg sifatnya technical. Note that, paper di journal ada dua jenis. Jenis yang pertama adalah “review paper”,  yang membahas review atau survey suatu topik penelitian. Jenis yang kedua adalah “technical paper”, yang membahas aspek teknis dari perbaikan metode/algoritma (method improvement) beserta hasil eksperimen dan evaluasi yang telah dilakukan. Mulailah dengan membaca paper berjenis “review paper”, karena akan sangat membantu kita dalam memahami topik penelitian kita secara mendalam dan komprehensif.
Metode yang digunakan untuk mereview penelitian dan merangkumkannya dalam “review paper” sudah mulai distandardkan oleh para peneliti. Di bidang ilmu software engineering, banyak peneliti yang merujuk ke metode Kitchenham dalam membuat “review paper”, dan judul menggunakan terminologi yang sama yaitu “Systematic Literature Review” atau disingkat SLR. Jadi kalau kita ingin menemukan “review paper” yang bagus, coba searching dengan keyword: “systematic literature review”, disamping tentunya tetap harus dicoba dengan menggunakan keyword “review on” atau “survey on”, atau lebih dalam ke masalah penelitian dengan “research problem on” atau “research challenge on”. Contoh “review paper” yang baik adalah seperti di bawah. Ketika saya mengambil topik penelitian tentang software defect/fault prediction, maka paper pertama dari Hall et al. 2012 adalah paper yang wajib saya baca pertama kali.
Jangan berhenti, kejar semua “technical paper” yang ada di daftar referensi “review paper” di atas. Usahakan konsentrasi ke paper yang diterbitkan dalam journal yang diindex oleh ISI (thomson) atau SCOPUS (elsevier), supaya kita tidak pusing dengan paper conference yang kadang dibuat asal-asalan. Masalah penelitian juga kadang bisa kita temukan di bagian future work/research yang biasanya diletakkan sebelum conclusion dari suatu paper. Masalah penelitian bisa merupakan masalah baru, yang orang belum pernah mencoba memecahkannya (originality di masalah penelitian), bisa juga masalah yang sudah dicoba dipecahkan orang dengan cara dia, dan kita ingin memecahkan masalah tersebut dengan cara kita (originality di metode untuk memecahkan masalah) (Dawson, 2009).
Misalnya, bidang garapan saya adalah software engineering, di mana topik penelitian saya adalah tentang prediksi cacat software (software defect prediction). Dari hasil studi literatur (baik review paper maupun technical paper), masalah penelitian yang saya angkat ada dua, yaitu adanya masalah “noisy attributes” dan “class imbalance” pada data set, yang akhirnya menyebabkan akurasi dan konsistensi (kehandalan) yang rendah pada prediksi cacat software. Saya kemudian susun landasan referensi yang memperkuat masalah penelitian yang saya angkat. Rangkuman masalah penelitian (Research Problems (RP)) dan literatur yang mendukung (literature supports) adalah seperti di bawah. Dari rangkuman di bawah, terlihat bahwa masalah penelitian (research problem) yang saya angkat ada dua, saya rangkumkan dalam RP1 (Research Problem 1) dan RP2 (Research Problem 2).
researchproblems 

4. RANGKUMKAN METODE-METODE YANG ADA (STATE-OF-THE-ART METHODS)
Lakukan studi literatur lagi, pelajari semua penelitian yang tujuannya memecahkan masalah yang sama dengan yang kita lakukan. Pahami metode/algoritma terkini yang mereka gunakan untuk memecahkan masalah penelitian mereka (yang juga menjadi masalah penelitian kita). Ini yang saya sebut dengan existing methods (metode-metode yang ada) atau state-of-the-art methods, pada artikel sebelumnya tentang kiat menyusun latar belakang masalah penelitian.
Dalam bidang computing, metode biasanya berupa algoritma yang secara sistematis, logis dan matematis menyelesaikan masalah. Setiap bidang penelitian (field) di computing memiliki metode/algoritma yang khas untuk menyelesaikan masalah di bidangnya, meskipun beberapa kadang bias digunakan secara bersama. Contohnya pada bidang image processing, algoritma neural network digunakan untuk melakukan pengenalan (recognition) wajah, sidik jari. dsb. Note that identification process di image processing menganut trilogi detection-segmentation-recognition. Pada bidang data mining, algoritma neural network biasanya dipakai untuk proses estimasi dan juga prediksi rentet waktu. Bidang data mining biasanya membagi algoritma ke dalam 5 peran: estimasi, prediksi/forecasting, klasifikasi, klastering dan asosiasi. Contoh lain tentang metode, ada di artikel: kiat menyusun latar belakang masalah penelitian.

5. TENTUKAN METODE YANG KITA USULKAN (PROPOSED METHOD)
Inilah kekuatan dari penelitian kita. Kita harus bisa menentukan, membangun dan mengusulkan suatu metode/model (proposed method/model), yg kita harapkan bisa lebih baik  bila dibandingkan dengan metode-metode yang ada saat ini. Dan keunggulan metode yg kita usulkan tersebut harus dilandasi (reference), dibuktikan secara matematis, dan secara empiris lewat hasil eksperimen dan perbandingan dengan metode yang adas saat ini. Metode atau model yang kita usulkan itu tidak harus benar-benar baru, dalam artian, bisa saja dari state-of-the-art methods yang ada dan terakhir muncul (secara publikasi adalah yang paling baru), kita kemudian “menambahkan” sesuatu (algoritma, koefisien, formula, dsb), yang akhirnya ketika kita bandingkan dengan metode original, metode kita lebih baik (lebih cepat, lebih akurat, lebih konsisten, dsb). “Penambahan” yang kita lakukan dan akhirnya membuat pemecahan masalah menjadi lebih baik itulah yang disebut dengan kontribusi penelitian (contribution).
Setelah kita yakin dengan metode yang kita usulkan (tentu harus dilandasi secara kokoh oleh literatur terkini), maka kita susun Research Questions (RQ) dan Research Objective (RO) dari penelitian kita. Penelitian yang baik dan terencana harus tersusun sejak awal desain korelasi antara RP – RQ – RO. Contohnya, dari RP di tahap 3, saya membuat desain penelitian saya (korelasi RP-RQ-RO) seperti gambar di bawah. Untuk masalah “noisy attributes” saya mencoba menjawab dengan mencari “metode (algoritma) attribute weighting apa yang paling baik untuk prediksi cacat software?”, ini akan menjadi RQ1 saya . Setelah saya berhasil membandingkan secara empiris berbagai metode attribute weighting yang ada. Maka saya akan mengambil satu algoritma (metode) yang terbaik/terkini/state-of-the-art tersebut, dan kemudian mengusulkan improvement (perbaikan) dari algoritma tersebut. Sehingga untuk RQ2 saya, saya desain menjadi “bagaimana pengaruh metode attribute weighting yang saya usulkan (perbaiki) pada tingkat akurasi pada prediksi cacat software?”. Sedangkan RO-nya sendiri akan menyesuaikan dari RQ yang ada. Untuk RP2 juga secara umum mirip, hanya bukan masalah akurasi yang saya selesaikan, tapi konsisten dan reliability (kehandalan) dari classifier.
Jadi dapat disimpulkan bahwa desain penelitian saya terdiri dari dua masalah penelitian (RP1 dan RP2), empat pertanyaan penelitian (RQ1-RQ4) dan empat tujuan penelitian (RO1-RO4). Desain penelitian ini akan menjaga konsistensi dan kesinkronan penelitian kita, sehingga kita tidak bingung ketika merangkumkan penelitian kita dalam bentuk skripsi/tesis/disertasi. Dimulai dari dua masalah penelitian di RP1-RP2, ada 4 eksperimen yang kita lakukan untuk menjawab RQ1-RQ4, dan ada 4 kesimpulan yang akan kita tarik dari hasil penelitian yang kita lakukan.
korelasi RP - RQ - RO penelitian
Dilihat dari 5 tahapan memulai penelitian di atas, kita harus banyak baca paper. Di mana sumber literatur yang baik? Pertama coba ke google dan google scholar dulu. Untuk bidang komputer, berlangganan ACM plus dengan digital library yang berisi jutaan paper hanya 18USD/tahun. Silakan klik di link ini untuk jadi member. Terus, kira-kira berapa paper yang harus kita baca untuk menghasilkan penelitian yang baik? Patokan umum dan best practice untuk melakukan penelitian yang benar, lurus dan berkualitas, untuk level s1 kita paling tidak harus baca 20-70 paper, untuk level s2 kita sebaiknya membaca 70-200 paper, dan untuk level s3 diperlukan literatur sekitar 200-600 paper. Ini juga sekaligus menjawab pertanyaan mahasiswa yang sering ngeluh, banyak baca paper kok malah tambah pusing? Silakan ikuti best practice ini, maka kepala akan nyaman. Kepala jadi pusing ternyata bukan karena kita banyak membaca, tapi karena yang kita baca memang “belum banyak” :)
Welcome to the jungle!

Twitter Facebook

Posted by on 12 Dec, 2013 in Research

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 literature journal berkualitas (impact factor tinggi) yang tidak semua universitas di Indonesia melanggan journal tersebut
  • Mahasiswa harus terpacu untuk bisa menyelesaikan penelitian tesisnya, membuat iklim kompetisi, persaingan dan gamefication, mungkin menarik untuk memotivasi mahasiswa

PROPOSED METHOD
Selama bertahun-tahun saya mencoba menggunakan berbagai metode, device dan aplikasi  untuk menyelesaikan masalah pengelolaan penelitian tesis mahasiswa. Alhamdulillah saya akhirnya mulai menemukan metode yang manjur dan ideal dengan kondisi saya. Rangkuman dari metode yang saya lakukan saya jelaskan di bawah.
  • Saya menyusun Standard Operating Procedure (SOP) untuk mahasiswa bimbingan baru, yang memberi gambaran langkah yang harus mereka lakukan. Dengan ini, saya tidak perlu menjelaskan satu persatu langkah yang harus mereka lakukan. Contoh SOP peraturan pembimbingan tesis: romi-peraturanbimbingan.pdf
  • Saya membuat group di WhatsApp (WA) untuk menampung seluruh mahasiswa bimbingan saya. Secara rutin memberi mereka arahan, nasehat, motivasi dan ngobrol santai dengan mereka supaya mengurangi ketegangan dalam penelitian. Beberapa pertanyaan dari mahasiswa di group WA sering bisa dijawab oleh senior-senior mereka ketika saya belum sempat menjawab. (Update 11 Maret 2014: Group WA diubah jadi Group Telegram karena alasan kapasitas. WA: 50 member, sedangkan Telegram: 200 member)
  • Saya membentuk group Facebook bernama Intelligent Systems. Saya meminta bantuan teman-teman di luar negeri untuk bergabung, sehingga bisa membantu mendownloadkan paper journal untuk mahasiswa di Indonesia yang membutuhkan. Dengan ini diharapkan bisa menyelesaikan masalah kebutuhan akan literatur journal yang berkualitas. Group Intelligent Systems ini saat ini berkembang, memiliki member lebih dari 7000 orang yang memiliki minat melakukan penelitian di bidang software engineering dan computational intelligence
  • Untuk memonitor keseluruhan mahasiswa dan tahapan penelitian yang sedang mereka lakukan, saya menggunakan aplikasi Board (Kanban) bernama Trello. Aplikasi Trello memungkinkan saya untuk bisa memonitor progress mahasiswa bimbingan dengan sekali pandang (lewat Board). Board saya buat dengan isi  5 tahapan penelitian tesis seperti gambar di bawah. Mahasiswa atau saya bisa memindahkan Card itu ke tahapan penelitian yang sedang dilakukan. Board bisa dilihat oleh semua mahasiswa bimbingan saya, dan bahkan saya publish ke umum. Board bisa jadi memacu adrenalin mahasiswa karena memunculkan juga progress mahasiswa lain yang mungkin satu angkatan atau malah di bawahnya. Board bisa jadi satu gamefication sederhana untuk aktifitas penelitian, karena mengandung competition, achievement, status, dan self-expression  :) Board Trello yang saya buat untuk mengelola tesis mahasiswa bimbungan saya bisa diakses melalui http://trello.com/intelligentsystems
thesis-trello
  • Saya install Android app dari Trello, ini membantu saya karena meskipun tidak sedang di depan laptop, saya masih bisa memonitor progress mahasiswa. Updating yang dilakukan mahasiswa masuk ke notification di gadget Android saya. Setiap mahasiswa saya minta untuk membuat satu Card dengan nama lengkap mereka. Tiap Card memiliki checklist dan item yang formatnya saya tentukan, sehingga mereka tinggal memasukkan kegiatan mereka di Card tersebut. Mereka juga bisa mencoret item di checklist ketika kegiatan tersebut sudah dilakukan. Oh ya, Trello membuat satu fitur menarik, yaitu Card Aging, fitur ini akan membuat Card yang tidak pernah diupdate menjadi tua dan retak-retak. Fitur ini membantu saya memonitor mahasiswa yang tidak rajin mengirimkan progress penelitian ke saya :)
card-trello
  • Mahasiswa mengupload file PDF (proposal atau tesis) ke Card masing-masing, kemudian notification akan masuk ke Android saya. Saya kemudian mendownload file tersebut, dan saya gunakan S Pen dari Galaxy Note 3 saya untuk mencoret-coret langsung proposal/tesis mereka. Dengan aplikasi Screen Write (Air Command) di Android, saya bisa lemparkan tiap coretan saya langsung ke group WA/Telegram. Di group WA/Telegram, tidak hanya mahasiswa yang mendapat komentar yang menikmati revisi saya, semua mahasiswa bisa belajar untuk bisa menulis tesis dengan baik dari kesalahan yang dilakukan rekan-rekannya.
coretan-tesis
Mudah-mudahan bisa mencerahkan teman-teman dosen dan peneliti yang memiliki kondisi dan masalah yang sama dengan saya. Kalau ada rekan-rekan yang ingin sharing, memberi usulan atau ide yang lebih menarik, tentu saya dengan senang hati menerimanya :)
Twitter Facebook

Posted by on 10 Jan, 2014 in Research

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 berangkat dari apa yang dikatakan oleh Dawson.
You can be original in two ways. First, you can be original in the way you do things. Second, you can be original by producing or developing something that has not been produced before (Dawson, 2009)
Bisa kita simpulkan dengan bahasa yang lebih mudah, bahwa kita bisa memiliki origalitas di dua hal. Satu di kebaruan metode yang kita gunakan (masalah penelitian tidak harus baru), yang kedua di masalah penelitian yang kita pilih (metode tidak harus baru). Sedikit kiat untuk peneliti baru, sebaiknya konsentrasi ke kebaruan metode daripada kebaruan masalah. Kebaruan masalah penelitian relatif lebih sulit ditemukan, kecuali kita sudah benar-benar lama dan dalam menggeluti suatu bidang. Kebaruan masalah penelitian yang kita sampaikan, kadang dianggap tidak bisa dipercaya, ketika tidak ada bukti empiris yang membuktikan itu.
Silakan diperhatikan contoh-contoh di bawah. Biasanya peneliti yang baru mulai meneliti, terjebak ke contoh ketiga, yang tidak memiliki kontribusi, karena hanya mengubah lokasi obyek penelitian.
1. Contoh Penelitian dengan Kontribusi pada Metode
  • Judul: Penerapan Metode ABC pada Algoritma Genetika untuk Penentuan Desain Bendungan
  • Kontribusi Pada Metode: Penerapan Metode ABC pada Algoritma Genetika
  • Masalah: Penentuan Desain Bendungan
2. Contoh Penelitian dengan Kontribusi pada Masalah
  • Judul: Penerapan Algoritma Genetika untuk Penentuan Desain Bendungan dengan Parameter Tinggi, Lebar, Dalam dan Tebal Dinding
  • Metode: Algoritma Genetika
  • Kontribusi Pada Masalah: Penentuan Desain Bendungan dengan 4 Parameter (biasanya peneliti menggunakan hanya 2 parameter)
3. Contoh Penelitian Tanpa Kontribusi
  • Judul: Penerapan Algoritma Genetika untuk Penentuan Desain Bendungan di Jakarta
  • Judul: Penerapan Algoritma Genetika untuk Penentuan Desain Bendungan di Surabaya
  • Judul: Penerapan Algoritma Genetika untuk Penentuan Desain Bendungan di Semarang
Mudah-mudahan artikel ini bisa memberi gambaran, mana penelitian yang ada kontribusi ke pengetahuan dan mana yang tidak. Jangan lupa untuk mendownload materi kuliah saya khususnya Research Methodology
Tetap dalam perdjoeangan!
Twitter Facebook

Posted by on 28 Feb, 2014 in Research

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.
firinghandsmindmaps

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 cacat software (software defect prediction). Software defect prediction saya letakkan di tema utama pada Mind Map. Kemudian saya mulai menganalisa dan mengumpulkan sub tema dalam bidang software defect prediction, dan kemudian saya jadikan cabang dari tema utama di Mind Map. Saya putuskan sub tema atau cabang di sekitar tema utama software defect prediction adalah sebagai berikut:
  • Journal apa saja yang sering mempublikasi paper di topik software defect prediction. Ini akan jadi gambaran journal apa saja yang sebaiknya kita kejar untuk referensi penelitian kita (Journal Publications)
  • Sub topik penelitian apa saja yang dikerjakan di penelitian software defect prediction. Bagian ini memberi gambaran, sub topik apa yang sebaiknya kita pilih untuk penelitian kita (Research Topics)
  • Dataset apa yang sering digunakan pada penelitian software defect prediction. Bagian ini memberi gambaran dataset apa yang bisa kita gunakan di bidang yang kita teliti (Software Defect Datasets)
  • Metode prediksi apa saja yang sering digunakan pada software defect prediction. Bagian ini sangat penting karena kita bisa memahami state-of-the-art methods pada topik penelitian kita (Defect Prediction Methods)
  • Masalah penelitian apa saja yang sering diangkat oleh para peneliti di bidang software defect prediction. Panduan kita untuk menyusun masalah penelitian yang akan kita ambil beserta landasannya (Research Problems)
Mind Map dari tema utama dan sub tema yang saya jelaskan di atas tersaji seperti di bawah.
romi-sdp-root
Kemudian saya mulai mendetailkan masing-masing sub tema, dan bila diperlukan saya lebih detailkan dalam bentuk sub sub tema. Saya lakukan satu persatu dimulai dari membuat listing Journal Publications, seperti ditunjukkan pada gambar di bawah. Untuk penelitian yang berkualitas, gunakan paper dari journal yang terindeks ISI atau SCOPUS saja, supaya terhindar dari paper abal-abal dan tidak jelas isinya. Sebaiknya menghindari literatur di level bawah seperti conference proceedings, kecuali memiliki nilai SJR atau JIF yang tinggi. Cek suatu journal terindeks SCOPUS atau tidak melalui situs ScimagoJR.Com
romi-sdp-journal
Apabila ada bagian yang memerlukan penjelasan lebih banyak, saya sisipkan catatan atau notes , dan penjelasan saya tulis di notes tersebut. XMind menyediakan fitur benama Notes, dan memberi icon seperti gambar di bawah.
romi-sdp-topic
Setiap tema, sub tema dan sub sub tema dari Mind Map, saya landasi dengan paper journal yang berhubungan. File PDF dari paper saya sisipkan dalam bentuk attachment. Kebiasaan untuk memberi nama file dengan aturan LASTNAME – TITLE – YEAR pada paper yang kita download, akan membuat Mind Map kita menjadi lebih rapi dan enak dilihat. Contohnya adalah seperti gambar di bawah.
romi-sdp-method
Dan akhirnya seperti ditunjukkan di gambar di bawah, Mind Map untuk topik penelitian software defect prediction berhasil saya selesaikan. Mungkin perlu waktu berjam-jam atau berhari-hari untuk menyusunnya, tergantung penguasaan terhadap materi dan banyaknya literatur yang telah berhasil kita baca. Supaya terlihat tidak kompleks dan sulit dipahami, tidak semua bagian Mind Map saya tampilkan (tanda +), misalnya paper yang diattach dan notes yang saya sisipkan. Software XMind juga memiliki fitur untuk mengekspor Mind Map ke dalam format HTML, PDF, DOCX, PPTX, dan format file lainnya. BTW, apabila gambar di bawah terlalu kecil, silakan klik kanan, save dan download file gambarnya terlebih dahulu.
romi-sdp
Dengan menyusun Mind Map tentang topik penelitian kita, pemahaman kita lebih komprehensif, peta pengetahuan tergambar dalam bentuk gambar yang mudah dipahami. Kita bisa menjelaskan apapun pertanyaan tentang topik penelitian kita dengan lugas, beserta landasan literatur yang berhubungan. Kita juga memahami di mana posisi penelitian (research position) kita. Metode Mind Map ini juga bisa kita gunakan ketika kita membuat draft untuk menulis paper, membuat bahan presentasi, dan juga ketika kita ingin membuat outline dari thesis yang akan kita tulis.
Mudah-mudahan bermanfaat dan tetap dalam perdjoeangan dalam penelitian!
Twitter Facebook

Posted by Romi Satria Wahono on 15 Mar, 2014
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.
search
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.
search2
Referensi paper journal biasanya dibatasi 5 tahun terakhir, supaya kita bisa mendapatkan “state-of-the-art problems” (masalah penelitian mutakhir) dan “state-of-the-art methods” (metode mutakhir untuk memecahkan masalah penelitian tersebut). Referensi paper juga biasanya dibatasi untuk journal yang terindeks ISI atau SCOPUS, supaya kita bisa yakin bahwa masalah penelitian yang kita pilih adalah memang shahih, dan metode-metode yang diusulkan di paper-paper journal tersebut juga bisa dipercaya kebenarannya. Ingat ada anekdot dalam penelitian yang mengatakan bahwa
90% paper ilmiah di dunia ini adalah buruk, dan hanya 10% saja yang benar-benar bisa dipercaya
3.Tentukan masalah penelitian kita
Download semua paper yang kita temukan (lihat contoh di atas), masukkan pdf paper ke aplikasi Mendeley yang sudah kita install, supaya bisa kita manage dengan mudah. Pahami apa yang diangkat menjadi masalah penelitian di paper-paper tersebut. Apabila ada yang kesulitan menentukan apa itu masalah penelitian, silakan baca kembali dua artikel saya yang memberi contoh apa itu masalah penelitian: Kiat Menyusun Alur Latar Belakang Masalah Penelitian dan Tahapan Memulai Penelitian untuk Mahasiswa Galau. Langkah berikutnya adalah, pilih satu atau dua masalah yang kira-kira menarik bagi kita dan banyak dibahas oleh para peneliti, dan jadikan itu sebagai masalah penelitian kita. Jangan lupa rangkumkan paper-paper yang mengangkat masalah yg sama (ini bisa jadi related research).

4. Pelajari dan pahami algoritma yang kita pilih
Usahakan bisa menguasai dengan baik penghitungan manual dari algoritma tersebut. Dan coba dengan mengambil satu atau dua studi kasus, supaya pemahaman kita sempurna. Cek lagi apakah masalah penelitian yang kita pilih di tahapan 3 itu fenomenanya benar-benar terjadi secara nyata ketika kita menjalan algoritma tersebut untuk suatu studi kasus. Bila gagal memahami formula dari algoritma, googling untuk menemukan source code dari algoritma yang kita jadikan topik penelitian. Contoh, gunakan keyword berikut di google: “genetic algorithm java code”, bila kita memang familier dengan Java. Pilih source code yang paling mudah dipahami dan belum banyak dimasukkan “aksesoris” di code tersebut.

thanks for http://romisatriawahono.net/

MKRdezign

Contact Form

Name

Email *

Message *

Powered by Blogger.
Javascript DisablePlease Enable Javascript To See All Widget