Kalau diinget-inget, salah satu ilmu yang paling ngena selama S3 ini sebenernya bukan topik-topik riset saya, entah itu perkomputer arsitekturan, atau security, dsb. Tapi konsep riset itu sendiri. Sekarang kalau saya ditanya apa itu RISET? saya ngerasa RISET itu intinya: observasi suatu masalah, rumusin solusi, tunjukkan kalau solusi itu bisa menyelesaikan masalah itu.

Supervisor saya memecahnya sebagai “5 poin yang harus ditulis di paper”:

1. Apa masalah yang mau diselesaikan? kenapa itu penting?
2. Bagaimana solusi yang ada sekarang? kenapa itu tidak cukup?
3. Apa solusi yang mau kita tawarkan?
4. Kenapa solusi kita itu lebih baik dari solusi yang ada sekarang?
5. Apa insight dari hasil penelitian ini?

Dan selama S3 saya diajarin ketika membuat projek riset saya harus menanyakan dan menjawab poin-poin tersebut dengan benar. Saya bold, karena semakin jalan S3 ini, saya sadar kalau saya, yang sudah usia kepala 3, dosen, dan pernah “riset” ini, ternyata masih sering gagal menjawab pertanyaan itu.

Dari 5 poin tadi kita bisa kelompokkin dan cocokin sama definisi RISET ala saya tadi: Poin 1 dan 2 seputar observasi masalah, poin 3 tentang rumusan usulan kita, poin 4 an 5 tentang menunjukkan bahwa solusi kita itu bisa menyelsaikan masalah tadi.

Artikel ini cuma akan bahas bagian pertama, seputar masalah.

Riset Pertama Saya

Kalau diinget, riset pertama saya ketika S1 (dan kebanyakan riset-riset setelahnya) tidak betul-betul berangkat dari masalah. Tapi dari “oh saya tahu teknik baru X, bisa coba buat solve apa ya”. Paper pertama saya adalah pemanfaatan deep learning untuk pelafalan huruf hijaiyah. Saya berangkat dari belajar apa itu Deep Learning, lalu saya cari kasus apa yang mungkin menarik untuk diselesaikan, bagi saya waktu itu klasifikasi file audio.

Pas S3, cara pikir ini sempat muncul awal-awal, tapi nggak lama, karena cara pikir ini nggak akan bisa bikin usulan saya disetujui pembimbing, lah wong nggak bisa jawab pertanyaan pertama atau kedua di atas.

Konsep cari-cari masalah yang salah gini biasanya berefek:

1. Sebenarnya ada solusi yang lebih baik tapi karena fokus dengan teknik X, kita mengabaikan solusi-solusi lain itu.
2. Kurang realistik. masalah yang kita angkat itu sebenarnya bukan masalah utama.

Observasi Masalah

Dengan bekal dua pertanyaan dari supervisor saya, saya jadi bisa lihat kalau riset-riset di conference-conference besar itu kadang nggak selalu menyelesaikan masalah kompleks. Yang penting: masalahnya valid.

Contoh paper ringan yang baru-baru aja saya baca: https://ieeexplore.ieee.org/document/10771230. Apa masalah yang diangkat? AI untuk coding semakin banyak, bagaimana performa kode yang ditulis oleh AI di suatu sistem? lebih lambat kah? tetap aman kah? kebanyakan paper hanya menguji seberapa benar atau tidak kode yang ditulis, tetapi mengabaikan pengukuran kualitas kodenya. Perlu ada pengujian untuk mengukur performa kode yang ditulis oleh AI.

Bagi yang punya pengalaman ngoding, nggak perlu punya pengalaman riset, atau lulusan kampus top, masalah yang diangkat di paper tadi bisa kebayang. Mungkin beberapa dari kita bisa langsung kebayang gimana cara ngujinya. Paper itu keterima di salah satu conference besar di software reliability dan ditulis dari kampus besar dunia.

Cari Masalah (Yang Valid) itu Perlu Usaha

Saya pernah baca status dari penggiat industri di Indonesia ketika sistem yang dia kelola tiba-tiba ada masalah. Dia sarankan lakukan Root Cause Analysis dengan menanyakan 5 why.

Untuk menjawab pertanyaan pertama dari supervisor saya: “Apa masalah yang mau diselesaikan? kenapa itu penting?” kita kadang perlu usaha yang nggak sedikit. Bisa jadi sudah harus ngoding, ngelakuin eksperimen, atau sampai reproduksi paper orang. Semua demi cari dan validasi suatu masalah. Dan setelah semua usaha itu, masih ada kemungkinan berakhir “oh, ternyata ini bukan masalah” dan akhirnya harus cari-cari lagi.

Refleksi

• S3 nyadarin kalau sebenernya ilmu riset itu bukan cuma riset di akademik. Di poin pertama tentang observasi masalah, intinya kita mau tahu apa benar itu suatu masalah dan apa penyebabnya. Dan kita bisa terapin ini di mana aja, misal ketika kita mau ikut lomba bikin aplikasi, atau buat startup, atau buat kebijakan suatu organisasi. Bisa coba renungin, sebenernya masalah apa yang mau disolve? beneran masalah kah? beneran penting? apa emang nggak ada solusi yang lebih baik?
• Beberapa riset saya, saya akui bukan berasal dari masalah yang valid. Beberapa niatnya cuma untuk “latihan” teknik baru yang saya pelajari. Uniknya, beberapa keterima di conference, bahkan ada yang keterima di Jurnal Scopus Q2. Ini jadi ngingetin, kalau paper yang udah keterima di suatu conference pun belum tentu punya masalah valid yang diangkat. Ini kayaknya jadi intro artikel selanjutnya.

Penutup

Sebenernya bahasan tentang masalah ini bahasan kedua di blog ini setelah sebelumnya saya dibuat takjub sama pemilihan-pemilihan masalah di ISCA di tahun pertama S3 saya. Artikel ini nunjukin setelah 3 tahun di sini, ternyata konsep perumusan masalah di suatu penelitian emang penting. Saya sadar saya juga bukan yang ideal di pemilihan masalah di penelitian, tapi konsep ini ilmu yang saya dapat di sini, jadi ya sebaiknya dicatat dan dibagi siapa tahu bermanfaat. Wallahu a’lam.

The post #S3: Rumusan Masalah appeared first on The Footprints.

Saya beberapa kali jadi peserta ICPC tingkat regional Asia, tapi bukan yang jago, bahkan mungkin nggak banyak yang tahu kalau saya ikut lumayan sering karena posisi tim papan bawah. Saya ikut pertama kali tahun 2013, dikomporin (tepatnya didaftarin) dosen favorit saya (Alm) Pak Anif untuk seleksi nasional. ICPC 2013 ini termasuk lomba-lomba programming awal yang saya ikutin. Kalau diinget-inget, Pak Anif dan ICPC 2013 ini termasuk yang “reshaping” saya yang sekarang.

Hikmah

Kalau kata orang “Perjalanan itu yang penting temannya bukan tujuannya” mungkin ini bener. Karena saya nggak jago, nggak ada capaian yang bisa dibanggain selama ikut di ICPC, bahkan dulu cita-cita bisa juara itu rasanya jauh banget. Tapi banner ICPC di UCF bikin saya inget perjalanan dan teman-teman yang ngalami naik turun nyoba berjuang di ICPC dan lomba lomba programming lain. Belajar coding. Diskusi. Atau sekadar komentar “Hoo.. bisa gitu ya” karena kaget dan nggak paham suatu teknik.

Banyak hikmah yang bisa saya ambil dari 10 tahun lomba programming ini. Dari sisi teknis, jelas sudah membuat saya belajar banyak. Ikut lomba selalu bikin saya lebih termotivasi untuk belajar hal baru. Karena ya kalau mau juara, kita harus push diri kita sejauh mungkin. Saya inget dulu pas persiapan lomba Singapore tahun 2015 (klik link untuk baca tulisan saya dulu), saya sama tim sampai bikin excel buat nyatet udah berapa soal yang kita kerjakan buat latihan.

Banyak teknik, istilah, trik, atau pengetahuan (yang ternyata) basic yang baru saya dapat selama menggeluti lomba ngoding. Dengan catatan coding yang saya maksud itu algoritma-algoritma atau struktur data ya bukan yang ngembangin website atau apps

Pak Anif banyak berperan di sisi lain pusingnya perlombaan: Nikmati setiap prosesnya. Nikmatin jalan-jalan final lomba sampai Singapore, ngajar sampai merauke, atau sekadar makan siang bareng habis penyisihan sambil diskusi soal.

Beliau secara nggak langsung ngajarin untuk jadikan niat berjuang jadi juara lomba itu bukan ambisi untuk mengalahkan yang lain. Tapi jadikan juara lomba itu ambisi untuk meraih suatu yang tinggi, yang kita nggak terbayang bisa mencapainya. Yang kalau kalah, yang diinget bukan kalahnya tapi “wah kita pernah berjuang meraih itu loh masio nggak juara“

Dan nggak kerasa itu sudah 10 tahun, sekarang umur nyaris kepala 3, dan udah jadi dosen. Kalau sekarang, daripada kangen-kangenan nostalgia, lebih kepingin lihat mahasiswa-mahasiswa saya juga ngalami masa-masa berjuang itu apalagi pas ini momen-momennya mahasiswa daftar Gemastik.

The post 10 Tahun Lomba Ngoding appeared first on The Footprints.

Tapi setelah dua tahun berjalan jadi dosen, seperti bocah yang baru dewasa, ternyata penelitian yang selama ini saya tahu, tidak sekadar penelitian. Ada banyak hal yang bisa dipetik dari “sekadar” belajar atau berkarya untuk masyarakat. Mendapat uang insentif misalnya, atau memudahkan kenaikan jabatan, atau meningkatkan citra dan reputasi di mata orang.

Saya tidak lagi ngomongin orang lain, soalnya ketika saya melakukan sebuah penelitian, sekarang pikiran-pikiran baru itu selalu muncul. Menggoda. “Kenapa tidak lakukan hal yang simpel saja, toh cukup kok untuk naik jabatan” atau “kenapa tidak ambil judul ini saja, lagi nge-trend dan bisa terlihat keren loh”.

Dan kalau melihat fakta-fakta di lapangan, tragedi-tragedi kecurangan, baik di media masa atau dari orang ke orang. Pada akhirnya sebuah penelitian bisa membuktikan, apa niat awal penelitian itu. Kita cuma bisa berdoa diteguhkan dan mengingat Innamal A’malu Bin Niyat (Sessungguhnya amal itu tergantung niatnya).

Kata beberapa orang: dosen baru masih idealis?

The post Sebuah Penelitian Telah Membuktian appeared first on The Footprints.

Di tahun 2020-2021 ini saya alhamdulillah dapat kesempatan join di dua kegiatan internasional bertajuk Summer School: Machine Learning Summer School (MLSS) 2020 dan PRAIRIE/MIAI AI Summer School (PAISS) 2021.

Di artikel ini saya akan cerita sedikit pengalaman saya mengikuti kegiatan Machine Learning atau AI Summer School, apa menariknya, dan bagaimana cara ikutnya.

Machine Learning Summer School (MLSS) 2020 

Di tengah tahun 2020 saya alhamdulillah dapat kesempatan ikut salah satu event Machine Learning Summer School (MLSS) yang diselenggarakan di Indonesia dengan penyelenggaranya adalah Telkom University dan University of Amsterdam.

Saya bilang “kesempatan” karena untuk ikut kebanyakan kegiatan sejenis summer school ini kita perlu lolos seleksi yang diselenggarakan panitia. Seleksinya bisa beragam, tapi yang paling umum adalah menanyakan apa motivasi untuk ikut Summer School. Saat itu dari UII berhasil meloloskan tiga nama untuk ikut MLSS, salah satunya saya. Walaupun salah satu penyelenggaranya dari Indonesia, tapi peserta yang hadir dari latar yang cukup beragam. 

Kegiatannya apa saja? MLSS Indonesia saat itu memiliki beberapa jenis kegiatan:

• Lecture atau kuliah seputar machine learning, dengan topik yang cukup beragam dari basic deep learning, transfer learning, bayesian machine learning, reinforcement learning, dll.
• Practical session, mulai dari dasar juga dari pengenalan tensorflow sampai NLP.
• Talk dengan topik selain machine learning, misalnya tentang menulis paper, atau sesi tanya-tanya dengan pembicara utama.
• Poster session, di sesi ini dibuat kelompok-kelompok kecil, lalu tiap kelompok akan ada peserta yang presentasi poster yang telah dia submit di awal.
• FGD. Sesi FGD juga dilakukan dengan kelompok-kelompok kecil, di mana peserta diminta mengusulkan sebuah topik tentang masa depan pemanfaatan machine learning.

MLSS saat itu bisa dibilang diselenggarakan 100% melalui zoom. Penyelenggara menyediakan chat room melalui rocket chat, tapi sayangnya kerasa kurang optimal.

Yang saya suka dari MLSS waktu itu adalah topiknya yang disusun dengan sangat baik. Satu topik dipecah menjadi beberapa sesi, dari dasar hingga semakin sulit dan sampai ke topik terkini. Pembicaranya juga keren-keren, yang paling berkesan ada Shakir Mohamed (Google Deepmind), Feryal (Google Deepmind), Max Welling (UvA), Adhiguna Kuncoro (Google DeepMind), dan masih banyak lagi. MLSS waktu itu benar-benar membuka mata banget tentang beragam topik yang tidak pernah saya tahu.

Yang kurang saat itu adalah karena kegiatan diadakan secara online, rasanya sesi bersosialnya sangat kurang. Saya bisa maklumi karena pada saat itu belum banyak kegiatan sejenis yang diadakan online. Saya selama kegiatan hanya ngobrol dengan panitia dan 2-3 peserta lain di luar kegiatan. Kurang gregetnya sosialisasi ini sepertinya juga dirasakan peserta lain, karena ketika FGD atau sesi poster hampir semua peserta sangat pasif, tidak menyalakan kamera, dan diam ketika disapa. Ini agak kurang dari harapan, apalagi jika dibanding dengan Udacity Scholarship di tahun 2019 lalu yang sama-sama online.

By the way, karena MLSS ini juga pengalaman saya ikut course online yang live, saya mengalami banyak keribetan sendiri :p Seperti gimana cara mencatat yang baik, yang bikin kertas berserakan di mana dan full coret-coret; gimana menghadapi ketika ada kosakata pembicara yang tidak jelas; dan gimana cara foto untuk kenang-kenangan (-,- saya hampir tidak punya dokumentasi kegiatan ini)

Di akhir kegiatan alhamdulillah saya dapat award “The most active participants”. Reward yang saya dapat berupa voucher amazon yang berakhir jadi buku cetak dari luar negeri pertama saya

PRAIRIE/MIAI AI Summer School (PAISS) 2021

Tahun ini alhamdulillah dapat kesempatan untuk ikut Summer School lagi, yakni PRAIRIE/MIAI AI Summer School (PAISS) 2021 yang diselenggarakan oleh beberapa lembaga riset machine learning dan univ di Eropa, khususnya Perancis. Summer school ini gratis dan diadakan selama 5 hari. Waktu daftar saya sempat tidak memperhatikan perkara timezone, tapi alhamdulillah kok ya ternyata acaranya masih di jam yang “masuk akal”, yakni sore sekitar pukul 14 sampai malam sekitar pukul 22 di Indonesia

Di PAISS kegiatannya tidak seberagam MLSS, hanya ada tiga jenis kegiatan, yakni Lecture, Social Session, dan Poster Session.

Sesi lecture diisi oleh pembicara-pembicara super keren dari beragam latar belakang, mulai dari Computer Vision, NLP, sampai Machine Learning for Environment. Pembicara yang mengisi lecture beberapanya Yann Lecun (Facebook AI Research), Catherine Nakalembe & Hannah Kerner (NASA Harvest), Pascale Fung (HKUST), dan Cordelia Schmid (Google). Topik-topik di PAISS bisa dibilang cukup berbobot, tapi pembicara selalu menjelaskan dari awal sehingga bisa diikuti. Topik yang beragam benar-benar menambah banyak wawasan dari beragam domain.

Yang paling menarik dari PAISS ini adalah bagaimana penyelenggara mencoba menciptakan suasana bersosialisasi yang menarik, yakni menggunakan gather.town. Di Gather Town, kita memiliki avatar yang bisa berjalan-jalan seperti game mengunjungi ruangan-ruangan berbeda: ruang untuk sesi poster ataupun sesi social guest. Selain itu kita juga bisa menyapa orang yang sedang dekat dengan kita di satu platform tanpa harus pakai breakout room dan sebagainya. Benar-benar kerasa seperti bersosialisasi di dunia nyata.

Berkat fitur ini saya jadi lumayan lebih berani bersosialisasi, nyapa orang Indonesia yang juga join di sana, mas Muhammad Rifki Kurniawan dari Nodeflux, atau ngobrol tanya-tanya dengan peserta lain dari Rusia yang mempresentasikan posternya, atau ngobrol santai berdua dengan salah satu panitia asal Yunani. Oh ya, di PAISS ini saya hanya mendeteksi 3 orang dari Indonesia, saya, Bu Septi dari UII dan mas Rifki.

Di sesi social guest juga ada diskusi topik-topik menarik yang didampingi beragam pembicara yang juga menarik. Salah satunya Prof Mohamed Elhoseiny dari KAUST yang mendiskusikan perkara Imaginative Machine Learning. Sebelum PAISS saya sudah tahu nama beliau dan sempat tertarik sama topik-topiknya, bahkan sempat kepingin apply S3 ke beliau. Topik lain yang juga tidak kalah menarik di social guest dibawakan oleh Gul Varol dari IMAGINE lab Perancis yang berjudul “How to peacefully research away from competition” di sesi ini diskusinya udah kayak Therapy Session .-.

PAISS 2021 ini lumayan berkesan karena berhasil mengangkat sesi bersosialisasi yang sebelumnya kurang terimplementasi dengan baik di MLSS. Namun, tetap ada kekurangannya. Salah satu yang paling saya rasakan adalah topik di PAISS tidak dibagi menjadi beberapa sesi seperti MLSS. Meskipun dibahas dari dasar, tapi jadinya kerasa terlalu “rapat”. Tidak ada practical session juga membuat materi yang diperoleh sebatas seperti kuliah.

Untungnya di PAISS 2021 ini saya merasa lebih berhasil dalam mencatat materi berkat diajarin istri pakai Notion dan juga lebih lihai dalam men-screenshot layar (baca:dokumentasi) karena sudah hafal shortcutnya hehe

Apa manfaat ikut Summer School?

Ada banyak manfaat! tapi lagi-lagi apa yang kita dapat itu sebenarnya tergantung niat. Saya selalu menuliskan ketika mengisi form pendaftaran saya punya dua motivasi: Belajar dan bersosialisasi. Karenanya ini yang selalu saya kejar di Summer School. Ikut kegiatan seperti Summer School benar-benar adalah kesempatan terbaik untuk menambah wawasan dan bertemu dengan beragam orang dari penjuru dunia.

Berkat dua summer school yang saya ikuti baik dari lecture ataupun sesi sosialisasi, saya jadi tahu apa yang lagi tren, apa yang harus saya pelajari, bagaimana memulainya, dan juga detail metode-metode terkini yang siapa tahu bisa menginspirasi untuk kebutuhan kerja saya. Dan bagi saya, yang merupakan seorang pengajar, tentu belajar hal baru terus-menerus adalah hal yang sangat penting.

Lalu bagaimana memulainya?

Mulai temukan Summer School yang kalian suka, baca detailnya, dan apply! Untuk summer school di bidang machine learning bisa cek di sini: https://github.com/sshkhr/awesome-mlss

Sekian sharingnya, selamat mencoba! Semoga mendapatkan hasil yang terbaik!

The post Machine Learning dan AI Summer School appeared first on The Footprints.

Saya: hmm.. jas hujan di sebelah mana ya?

Kasir: Di sana. Yang mahal ada, yang murah juga ada, mau
cari yang mana?

Saya: hmm… Kalau yang bagusan yang mana ya?

Kasir: Bagus-Tidak itu relatif, tergantung orang. Kami adanya yang mahal atau yang murah, betul kan?

—

Ya walaupun Mahal-Murah itu juga relatif, tapi saya paham maksudnya bapaknya

The post Nasihat dari Kasir appeared first on The Footprints.