TKI juga Kuliah, Pakai Kelas Virtual lagi ^_^

Saya telah bergabung di UT Taiwan hampir enam bulan. Sebagai anggota divisi akademik, saya telah belajar banyak hal. Diantaranya adalah memilih tutor yang proper :D, mengatur pelaksanaan kegiatan belajar mengajar, menerima curhatan mahasiswa (lho.. melenceng :P).

Saya akan sedikit bercerita tentang sistem pembelajaran yang ada di UT Taiwan. Perlu diketahui, mahasiswa UT Taiwan adalah para BMI (buruh Migran Indonesia) yang biasa kita kenal dengan TKI. Spesial kan? Yaa..tentu. Di taiwan, mereka tak hanya bekerja, mereka juga kuliah. 

Kapan kerjanya kalo kuliah juga? kapan kuliahnya kalo kerja?
Padahal para BMI ini bekerja seminggu penuh (yang bekerja di sektor non-formal seperti yang bekerja di rumah tangga), mereka kadang tidak diberi jatah libur. Ada yang liburnya sebulan sekali, ada yang sebulan dua kali, dan beruntunglah yang diberi libur setiap minggu seperti BMI yang bekerja di sektor formal (pabrik).

Lalu, dengan padatnya jadwal seperti itu? Gimaaanaa kuliahnya? -____-

Nah, ada yang bilang "Semakin kepepet, semakin adaaa aja cara". Begitulah...
Jadi, di UT Taiwan ini, kuliah para BMI dilakukan secara online atau e-learning.

Apa maksudnya e-learning itu mereka diberi materi yang di-upload di web? Kemudian tugasnya juga di post di web itu? Mereka juga upload tugas di web?

Jawabannya Tidak, tidak sepenuhnya begitu. Platform e-learning yang digunakan oleh UT Taiwan ini beda dengan e-learning yang kita tahu sebelumnya seperti moodle atau yang lain. UT Taiwan menggunakan platform e-learning Wiziq. Di Wiziq, mahasiswa dan tutor bisa bertatap muka melalui jaringan internet. Seru kan? ^_^ Jadi mahasiswa tidak melulu disuapi materi yang di-upload di web, namun tutor juga menyampaikan materi kepada mahasiswa seperti kegiatan belajar mengajar yang terjadi di kelas. Namun ini di virtual kelas. Keren kan? TKI saja begini...bagaimana dengan anda? :D  *ngece*

Dengan adanya platform Wiziq ini, para mahasiswa (TKI) bisa kuliah di jam yang mereka bisa (sesuai kesepakatan dengan tutor). Biasanya mereka mengadakan kelas virtual ini di atas jam 9 malam, setelah mereka bebas dari tugas kerja. Dalam 1 semester mereka harus mengikuti 6x kelas virtual, dan 2x kelas non-virtual (benar-benar tatap muka di dalam kelas). Dan dalam 1 semester mereka mempunyai 6 mata kuliah yang harus dipelajari, 3 di antaranya ada kelas (baik virtual maupun non virtual) dan 3 lainnya mereka menerima materi dan mengirim tugas hanya melalui digital library UT Pusat Jakarta (belajar secara mandiri).

Kalo mereka belajar dengan e-learning, berarti mereka punya komputer dong?

Nggak, mereka tidak punya komputer, tapi punya Notebook/Laptop atau Tablet PC. :P
Yap, benar. Hampir semua punya (>90%). *saya saja belum punya tablet PC :( *

Ya, satu hal yang membuat saya salut dengan mahasiswa-mahasiswa UT Taiwan yang notabene TKI tersebut adalah mereka sudah berumur (30an lebih, walaupun ada juga yang lebih muda dari saya), mereka bekerja, tapi mereka masih semangat kuliah. Coba kita bayangkan kalau kita di posisi mereka. *pasti gempor, pegel euy, kerja seminggu full, malem kuliah, belum lagi ngerjakan tugas2nya*

Oleh karena itu, kita yang diberi kesempatan kuliah dengan lebih mudah harus bisa bersyukur dan benar-benar memanfaatkan kesempatan ini karena banyak orang di luar sana yang menginginkan kesempatan seperti ini. ^_^

Oh ya, pingin tau kegiatan belajar mengajar virtual yang dilakukan di UT Taiwan, check these images and video.

Tatap muda UT Taiwan di kelas virtual.




Semoga wiziq atau semacamnya bisa diterapkan di Indonesia. Jadi kita bisa belajar dengan tutor tanpa batas ruang dan waktu (asal ga repot aja tutornya. hehe) Belajar tidak harus di kelas. Walaupun bisa belajar sendiri, tapi tutor tetap dibutuhkan, setuju nggak? :)
Tapi satu kendala kalau misal di Indonesia mau pakai platform seperti ini adalah jaringan internetnya yang tak semumpuni jaringan internet di Taiwan :(   Tapi, seiring berjalannya waktu, jaringan internet akan diperkuat (semoga saja ya) dan kita bisa pakai online learning platform yang seperti wiziq ini.
Read More..

OSMB Universitas Terbuka Taiwan 2013.1

Saya sudah satu semester berada di Taiwan. Sudah kenal banyak teman, mahasiswa, TKI, dan lain-lain. Saya mulai bergabung dengan Badan Pelaksana (BAPEL) Universitas Terbuka (UT) Taiwan pada akhir November 2012. Saya sebagai volunteer alias suka-relawan di UT ini. Saya diamanahi sebagai Ketua Divisi Akademik UT Taiwan.

Kali ini, 24 Februari 2013 saya mulai menunjukkan wajah saya di depan mahasiswa-mahasiswa baru UT taiwan dalam acara OSMB (Orientasi Studi Mahasiswa Baru). Saya presentasi tentang selayang pandang UT Taiwan, bagaimana sistem perkuliahan UT Taiwan. Dan bagaimana cara mengikuti sistem pekuliahan di UT Taiwan. Sekalian tutorial cara akses digital library UT Pusat juga. Seru sekali, para TKI mempunyai gadget yang kadang jauh lebih bagus dari gadget yang dimiliki mahasiswa, namun kebanyakan mereka kurang bisa menggunakannya dengan optimal. Oleh karena itu mereka butuh tutorial.

"Khoirun naasi anfauhum lin naas.. 
Sebaik-baik manusia adalah yang bermanfaat bagi sesama"

Saya ingin bermanfaat bagi orang-orang di sekitar saya. Walau masih sedikit ilmu yang saya punya, tapi saya tidak akan segan menyebarkannya. :)

Kami BAPEL UT bekerja BUKAN karena uang :)
Kami melakukannya dengan suka-rela..
Bisa bermanfaat dan mendapat jaringan teman baru adalah sesuatu yang sangat berharga bagi kami.

Presentasi Slayang Pandang UT Taiwan

Perkenalan Anggota Divisi Akademik UT Taiwan
Intan, Dhika, Erli

UT Taiwan - Mandiri Mengukir Prestasi!
Read More..

MATLAB : Penerapan Genetic Algorithm (GA) untuk Mencari Nilai Minimum Sebuah Fungsi

Genetic Algortihm atau yang lebih dikenal dengan GA adalah sebuah algoritma mata-heuristic. GA merupakan algortima yang diadaptasi dari perilaku genetik makhluk hidup. Dalam GA terdapat beberapa fase. Fase-fase tersebut dapat dilihat pada Gambar 1.

Gambar 1. Flowchart fase-fase dalam GA.

Permasalahan apa saja kah yang dapat dipecahkan dengan GA?
  • Mencari nilai minimum suatu fungsi
  • Mencari nilai maksimum suatu fungsi
Kapan kita disarankan menggunakan GA?
  • Ketika fungsi yang ingin kita cari nilai optimal (min/max) nya terlalu kompleks
  • Ketika tidak memungkinkan mencari nilai optimumnya dengan menggunakan fungsi diferensial/derivatif
Untuk lebih menambah informasi tentang GA, teman-teman bisa membaca referensi dari wikipedia berikut:

Berikut saya akan memberikan contoh penerapan algoritma GA untuk mencari nilai minimum suatu fungsi.


Fungsi/Permsalahan:

 
Definisi Kromosom:



Karena kromosom merepresentasikan solusi dalam digit biner, kita perlu mengubah/konversi dari biner ke bilangan desimal.


Mekanisme Cross over dan Mutasi:
 Tuning Parameter:

  • Cross over Rate : 0.9
  • Mutation Rate : 0.1
Implementasi algoritma GA untuk permasalahan di atas dapat dilihat pada gambar berikut:

 




Jika ingin mendapatkan file .m implementasi algoritma GA ini, silahkan download melalui link berikut:

http://downloads.ziddu.com/download/24319366/GA.zip.html

Read More..

MATLAB : Klasifikasi Data Menggunakan Metode Naive Bayes Classifier

Selain menggunakan SVM, kita bisa melakukan klasifikasi data dengan menggunakan metode Naive Bayes. Bagus mana sih SVM apa Naive Bayes? Hemm...menurut saya, semua metode ada kekurangan dan kelebihannya (klasik bangeet :D ). Namun, sejauh ini SVM memang paling digdaya dibanding metode klasifikasi lainnya pada sebagian besar kasus (Ingat!! Tidak semua kasus yaa ). Kadang kala Naive Bayes memiliki performa yang lebih baik dari pada SVM (bergantung datasetnya). Bagi yang belum familiar dengan Naive Bayes, bisa buka ini untuk menambah referensi: Naive Bayes by Wikipedia.

 *assume that you already have the dataset* :D
Dari dataset itu, yang perlu anda ketahui adalah:
  1. N = Jumlah Instance, biasanya jumlah instance sama dengan jumlah row/baris yang ada di dalam dataset. (Ingat! Header atau nama/keterangan data tidak termasuk dalam hitungan)
  2. M = Jumlah Atribut atau Fitur, biasanya jumlah atribut sama dengan jumlah column/kolom yang ada dalam dataset. (Ingat! ID, no urut dan sejenisnya bukan termasuk fitur/atribut.
Contoh dataset beserta jumlah instance dan jumlah fiturnya dapat dilihat pada Gambar 1.

Berikut langkah-langkah klasifikasi data dengan mengunakan metode Naive Bayes pada Matlab:
  1. Load data yang akan diklasifikasi, simpan dalam suatu variabel, misal: temp.
  2. Bagi data menjadi data training dan data testing.
  3. Lakukan training (mencari model yang tepat)
  4. Lakukan prediksi/testing
  5. Ukur performa Naive Bayes terhadap dataset.
Contoh code klasifikasi menggunakan Naive Bayes dapat dilihat pada Gambar 2.
 
Gambar 1. Contoh dataset.

Gambar 2. Contoh code implementasi Naive Bayes pada Matlab.
Read More..

MATLAB : Klasifikasi Data Menggunakan Metode SVM (Support Vector Machine)

Setelah sekian lama tidak membuat posting baru, kali ini saya ingin share ilmu yang "simple" tapi sangat sering digunakan. Apa itu?? Yaa.. klasifikasi data menggunakan metode SVM dengan Matlab. Bagi yang belum familiar dengan SVM, bisa buka ini untuk menambah referensi: SVM by Wikipedia :)

Okay..saya mau tanya, sudah punya dataset belum? *assume that you already have the dataset* :D
Dari dataset itu, yang perlu anda ketahui adalah:
  1. N = Jumlah Instance, biasanya jumlah instance sama dengan jumlah row/baris yang ada di dalam dataset. (Ingat! Header atau nama/keterangan data tidak termasuk dalam hitungan)
  2. M = Jumlah Atribut atau Fitur, biasanya jumlah atribut sama dengan jumlah column/kolom yang ada dalam dataset. (Ingat! ID, no urut dan sejenisnya bukan termasuk fitur/atribut.
Contoh dataset beserta jumlah instance dan jumlah fiturnya dapat dilihat pada Gambar 1.

Berikut langkah-langkah klasifikasi data dengan mengunakan metode SVM pada Matlab:
  1. Load data yang akan diklasifikasi, simpan dalam suatu variabel, misal: temp.
  2. Bagi data menjadi data training dan data testing.
  3. Lakukan training (mencari model yang tepat)
  4. Lakukan prediksi/testing
  5. Ukur performa SVM terhadap dataset.
Contoh code klasifikasi menggunakan SVM dapat dilihat pada Gambar 2.


Gambar 1. Contoh dataset.

Gambar 2. Contoh code implementasi SVM pada Matlab.
Read More..