Setelah mengontrak skripsi, hal yang pertama kali harus dilakukan adalah mencari topik. Kegiatan ini sangat penting, mendapatkan topik yang baik berarti sekitar 30% skripsi telah selesai. Jadi persiapannya juga tidak dapat seadanya. Ini beberapa saran untuk mendapatkan topik yang baik:

1. Skripsi dapat dikatakan sebagai tugas besar terakhir, yang paling besar. Anda menggabungkan ilmu yang anda peroleh saat kuliah sekaligus praktikum dan tugas-tugas besarnya. Setelah menyelesaikan semua kuliah, anda seharusnya sudah punya gambaran  untuk mengambil tema apa. Ambil topik yang anda sukai sehingga saat dikerjakan tidak terasa berat. Itu sebabnya bagi yang masih kuliah, manfaaatkan kuliah  sebaik-baiknya. Jangan ambil kuliah pilihan hanya karena teman lain mengambilnya dan jangan jadi ‘penggembira’ saat mengerjakan tugas kelompok
2. Mengenai beban, bayangkan tugas besar yang dikerjakan selama sekitar 4 bulan intensif (~50 jam per minggu). Kalau anda menemukan topik yang dapat dikerjakan 1-2 bulan, topiknya pasti terlalu ringan. Walaupun mungkin lolos seminar proposal tapi akan lebih tidak enak kalau terjegal saat prasidang. Topik yang dapat dikerjakan dengan formula Excel sederhana (non vb script),  biasanya juga masuk ke kategori terlalu sederhana.
3. Setelah mendapat tema umum, misalnya “jaringan”, “datamining”, “pemrosesan grafik”, “social media”, “sistem informasi”, “imk” dst, mulailah mencari lebih dalam. Gunakan google untuk mencari pembahasan tentang itu, baca ebook, sambil coba cari topik yang lebih khusus (lebih spesifik). Tujuannya agar anda familiar dengan istilah-istilah atau jargon yang umum digunakan dalam topik tersebut. Ini akan menjadi bekal saat membaca paper. Anda mungkin sudah mulai membayangkan masalah-masalah sekitar topik tersebut yang dapat anda angkat menjadi topik skripsi.
4. Jangan mulai dari algoritma, tapi mulailah dari masalah. Jadi tentukan dulu apa masalahnya, baru cari algoritma atau teknik untuk memecahkan masalah tersebut (jangan dibalik).
5. Setelah mempunyai bekal dasar-dasar materi, saatnya mulai masuk ke aspek yang lebih ilmiah yaitu paper. Pada skripsi, mhs tidak diharapkan hanya sekedar membuat aplikasi biasa tapi harus punya sisi inovatif. Sisi inovatif tersebut biasanya hanya dapat diperoleh dari paper. Gunakan scholar.google.com dengan keyword sesuai topik anda. Pilih paper yang menarik, TIDAK semua paper harus dibaca. Awali baca paper dengan membaca abstrak lalu kesimpulan (jangan semuanya dulu). Jangan khawatir jika ada istilah yang anda tidak mengerti. Jika menarik, coba baca sekilas isinya. Anda TIDAK harus memahami keseluruhan isi paper. Kemudian jarang sekali paper yang dapat dimengerti dalam sekali baca, ada yang harus dibaca 10-20 kali baru terasa jelas. Beberapa paper yang terpilih, yang paling relevan akan menjadi dasar proposal anda. Untuk tingkat S1 mhs boleh me-reimplementasi paper yang sudah ada dengan sedikit tambahan atau perubahan.
6. Bersamaan dengan tahap 5, anda mulai dapat menemui dosen yang terkait dengan topik anda. Jangan menghadap dosen dengan kepala kosong karena pertemuannya akan tidak produktif. Manfaatkan dosen untuk saran-saran berkaitan dengan topik, berdiskusi mengenai bagian paper yang anda tidak mengerti, apakah topik layak untuk dijadikan skripsi dsb. Cari dosen dengan bidang yang cocok dengan topik skripsi. Ini bisa dilihat dari matakuliah yang diajarkan dosen tersebut dan skripsi yang pernah dibimbing sebelumnya (untuk di UPI bisa dilihat di: http://repository.upi.edu/)
7. Selanjutnya mulai membuat proposal. Bagian yang terpenting dari proposal adalah bab 1. Pada bab 1, perlu disampaikan latar belakang dan rumusan masalah/tujuan.  Latar belakang menjawab mengapa topik skripsi penting dan layak diambil. Saat ditanya “mengapa anda mengambil topik ini? mengapa ini bisa jadi topik skripsi? apa alasannya? mengapa penting?” itu dijawab di latar belakang. Sedangkan rumusan masalah atau tujuan menggambarkan apa yang menjadi masalah yang  hendak dipecahkan. Anda tidak bisa memecahkan masalah kalau tidak tahu masalahnya apa. Biasanya pada tahap ini perlu bolak balik cukup intensif dengan dosen pembimbing. Jangan masuk ke bab 2 dulu sebelum bab1 benar-benar stabil.
8. Selanjutnya buat bab2. Jika bab 1 (latarbelakang/tujuan) memperlihatkan aspek “mengapa (why) dan apa (what)”, bab 2 akan menjelaskan aspek “bagaimana (how)”.  Isi dari bab 2 adalah penelitian/buku/materi/teori/library yang dibuat *orang-lain* yang relevan dengan skripsi anda. JANGAN memasukkan materi yang tidak relevan dengan topik. Sebelum mulai, tanyakan pada dosen pembimbing materi apa saja yang perlu masuk dan urutan pembahasannya. Untuk tahap proposal tidak perlu dibuat terlalu detil, anda tidak perlu mengetahui solusi masalah secara rinci tapi anda diharapkan mempunyai gambaran kasar bentuk solusinya. Pada penulisan bab 2 ini seringkali terjadi copy-paste, ini WAJIB dihindari karena kalaupun lolos sampai wisuda, kalau ada yang menggugat di kemudian hari, ijazah anda bisa melayang (terjadi pada teman S2 saya). Caranya mudah dengan tiga langkah: baca-pahami-tulis. Baca referensi (bagusnya lebih dari satu), setelah paham baru tulis dengan kalimat sendiri. Jangan lupa cara pengutipan referensi. Sedapat mungkin hindari referensi skripsi orang lain, karena seringkali kualitasnya tidak jelas dan akan memperkuat keinginan untuk copy-paste
9. Jangan terlalu beralama-lama dalam pembuatan proposal. Tidak perlu menunggu proposal sempurna, karena nanti toh akan berubah saat perjalanan membuat skripsi.
10. Saat sidang proposal skripsi, selama anda mengerjakan bab 1 dan 2 dengan baik dan melakukan persiapan presentasi (banyak latihan presentasi), harusnya anda dapat lolos dengan mudah.  Fokus dosen penguji dalam sidang proposal adalah “apakah ini masalah ini layak untuk dijadikan topik skripsi?”, “apakah ini feasible untuk dikerjakan dalam waktu 4 bulanan? (terlalu sulit atau tidak) dan “apakah mahasiswa tahu gambaran solusinya?” (jangan-jangan hanya punya masalah tapi tidak tahu menyelesaikannya).

Tahap berikutnya adalah penyusunan  skripsi.

BUKU SKRIPSI

Dalam skripsi, ada 3 bab yang paling penting: bab1, bab2 dan bab4 sedangkan bab3 dapat dikatakan bagian dari bab4. Jika proposal sudah dipersiapkan dengan baik, harusnya anda hanya akan merubah sedikit di bab1 dan hanya melengkapi bab2 (strukturnya akan tetap). Bab 1 dan Bab 2 sudah dibahas sekilas sebelumnya.

Khusus untuk bab 2,  berbeda dengan tahapan proposal yang tidak detil, pada tahapan skripsi bab 2 harus serinci mungkin sehingga setelah menyelesaikan bab ini, anda akan mendapat gambaran yang jelas dan rinci bagaimana menyelesaikan software. Sedapat mungkin gunakan contoh-contoh di bab 2, ini bermanfaat bagi anda maupun penguji dan pembimbing agar lebih paham dengan apa yang anda buat. Kalau penguji bingung dengan apa yang dikerjakan oleh mahasiswa, dia malah akan bertanya kemana-mana. Jangan lakukan coding sebelum bab 2 selesai, karena efeknya software malah akan sering dibongkar ulang.

Untuk mengecek apakah bab 2 sudah selesai, coba bayangkan anda serahkan bab 2 ke mhs ilkom lain, apakah setelah baca bab 2 anda dia sanggup untuk mengerjakan softwarenya? jika tidak artinya bab 2 anda masih kurang rinci.

Langkah berikutnya adalah membuat rancangan yang dituangkan dalam dokumen teknis (doktek) berdasarkan tujuan yang dituliskan di bab 1 dan teori di bab 2. Mengapa harus merancang dulu? alasannya sama dengan yang dibahas di RPL, bongkar-pasang rancangan jauh lebih cepat dan mudah dibandingkan bongkar pasang software. Analoginya: bayangkan membuat bangunan 5 lantai tanpa rancangan terlebih dulu (langsung buat tembok). Akan cepat pada awalnya tapi ujung-ujungnya malah lebih lambat.

Selanjutnya implementasikan rancangan ini dengan coding, catat hal-hal yang penting dan menarik yang ditemukan selama tahapan rancangan, coding dan eksperimen. Catatan ini akan masuk ke bab 4. Besar kemungkinan ada hal-hal baru yang anda temukan sehingga doktek, bab 2 atau bahkan bab 1 perlu diupdate, tidak perlu khawatir karena ini merupakan hal yang wajar.

Terakhir adalah membuat bab 4. Kontras dengan bab 2 yang berdasarkan teori orang lain, bab 4 berisi apa yang *anda* kerjakan, dan *tidak-ada* materi buatan orang-lain di bab 4 ini. Tuliskan semua kegiatan, hasil dan analisis di bab ini. Dosen akan menilai apa yang anda kerjakan dari bab4, jangan sampai misalnya ada 10 hal yang anda kerjakan, tapi di bab 4 hanya ditulis 2. Itu sebabnya bab 2 dan bab 4 adalah bab yang harusnya paling tebal diantara bab lain.

BACKUP

Kadang terjadi data hilang akibat virus atau tidak sengaja diformat. Atau memang laptop/hardisknya hilang dicuri. Penting untuk melakukan backup, gunakan dropbox untuk dokumen skripsi dan repo seperti github, code.google untuk source code skripsi anda (sekalian untuk version control)

PROSES BIMBINGAN

Setiap dosen punya cara masing-masing dalam membimbing, karena anda adalah salah satu dari sekian mahasiswa bimbingan, andalah yang harus menyesuaikan diri. Pahami karakter dosen, apa yang dia sukai/benci dan aturan mainnya. Jangan ragu bertanya jika ada yang tidak jelas atau ada masalah. Coba tanya ke alumni atau mahasiswa lain yang sudah lama dibimbing oleh dosen tsb. Kalau dalam kondisi terpaksa harus berganti dosen pembimbing, lakukan dengan baik-baik dan lapor terlebih dulu.

PROSES PRASIDANG & SIDANG

Tiga kunci untuk presentasi yang baik: latihan, latihan dan latihan. Buku skripsi harus anda baca dengan detil dan berulang-ulang. Coba tanya ke teman atau alumni mengenai gaya menguji calon dosen penguji/pembimbing. Ujian sidang biasanya lebih ringan daripada prasidang, karena proses pengujian ada di prasidang. Sidang umumnya hanya untuk melihat perbaikan yang dilakukan pasca prasidang.

Sebelum mulai prasidang+sidang, test proyektor untuk memastikan bekerja dengan laptop anda. Lalu anda harus memegang hardcopy buku skripsi, jangan sampai saat ditanya “coba buka halaman xy”, lalu anda harus membuka softcopy di laptop. Jangan lupa bawa bolpen dan kertas, catat apa masukan dan pertanyaan dari dosen. Banyak penguji yang kesal jika masukannya tidak dihiraukan hanya karena alasan “lupa”.

Jangan berasumsi penguji telah mengerti materi dalam skripsi anda, siapkan contoh-contoh agar mereka lebih paham, termasuk demo program. Dosen dapat bertanya sampai source code, oleh karena itu siapkan juga source codenya.

Dalam menjawab pertanyaan, coba cerna dulu pertanyaanya dan pikirkan jawabannya, jangan langsung menjawab.

Berbeda dengan prasidang, ujian sidang lebih fokus terhadap perbaikan yang dilakukan. Materi tidak perlu diulang, tampilkan masukan dosen pada prasidang, lalu apa yang anda lakukan terhadap masukan tersebut.

LAIN-LAIN

Beberapa hal penting yang harus diperhatikan saat membuat skripsi

• Jangan menuliskan hal yang anda tidak mengerti. Sangat menyebalkan mendengar alasan “saya juga tidak tahu maksudnya, saya tulis karena di referensinya juga ditulis seperti itu”. Kalau sudah masuk ke dokumen skripsi anda, andalah yang harus bertanggung jawab. Baca, pahami baru tulis. Jangan hanya menterjemahkan apalagi copy paste.
• Bahasa yang digunakan dalam skripsi tidak sama dengan bahasa yang digunakan di blog atau novel. Hindari bahasa berbunga-bunga yang dapat memiliki makna ganda dan tidak akurat. Contoh kalimat yang jelek: “sejalan dengan berlalunya waktu, permasalahan ini menjadi semakin pelik”. Hindari kata-kata seperti “mungkin”, “kira-kira”, “sepertinya” dan “biasanya”. Bahasa yang digunakan di dalam skripsi adalah bahasa kering tapi akurat. Tujuannya saat pembaca selesai membaca skripsi anda, isi kepalanya akan sama  dengan isi kepala anda saat menulis skripsi tersebut.
• Terakhir tapi penting, jangan lakukan kecurangan (copy-paste, plagiat, program dibuatkan orang lain). Kalaupun  lolos, ada pengadlian akhir yang tetap tidak dapat dihindari.

Mengapa webapp saya masukkan ke dalam materi kuliah?  saat ini kemampuan browser di mobile semakin powerfull dan koneksi internet untuk mobile juga semakin cepat  dan reliable. Kelebihan  webapp yang lain adalah lebih mudah dikembangkan dan bisa digunakan di banyak platform dengan mudah.

Materi pemrograman native  app di kuliah saya juga bergeser,  sekarang native app lebih difokuskan pada pemanfaatan sensor (accelerometer, AGPS dan magnetometer), 3D  dan aplikasi yang membutuhkan komputasi tinggi yang sulit dibuat dengan webapp.

Jika ingin mempelajari lebih lanjut, saya telah membuat tutorial praktikum JQueryMobile, tutorialnya berbahasa Indonesia, lisensinya createive commons sehingga bebas untuk digunakan bahkan dimodifikasi. Ambil versi terakhir di: http://yuliadi.com/ilkom

1. Siapkan STNK asli, KTP asli (tentunya yang sesuai dengan STNK), BPKP, uang  dan bolpen. Fotocopy cukup BPKP saja.  Selama disana tidak perlu menunjukkan BPKP asli, tapi saya bawa untuk jaga-jaga.
2. Datang ke samsat, masuk ke tempat parkir bagian belakang dan ambil formulir di ruangan sebelah kanan (bukan gedung utama).  Ada tulisan “Pengambilan Formulir” di loketnya.
3. Isi formulir di meja yang disediakan. Ini gunanya membawa bolpen, katanya sih bolpen disediakan tapi saat saya disana tidak ada.
4. Cari petugas gesek  yang menggunakan rompi merah dengan tulisan samsat di punggungnya. Jangan tertukar dengan tukang ojek yang juga berompi merah.
5. Dia akan  gesek nomor mesin dan nomor rangka dan hasilnya ditempel di formulir. Saya menunggu apakah akan diminta “uang rokok”, ternyata tidak.  Ini bagus.
6. Serahkan formulir+hasil gesek ke petugas yang berada di meja di sebelah loket pengambilan formulir, juga serahkan KTP & BPKP asli. Setelah diperiksa  akan ditandatangani petugas. Petugasnya bukan berada di ruangan loket, tapi di sebelahnya (di bawah tenda).
7. Serahkan semua dokumen ke loket disebelah kirinya. Loket tersebut bertulisan “cek fisik”, petugas akan memeriksa lagi.  Saran: menurut saya langkah 6-7 ini bisa digabung saja, terasa redundan.
8. Masuk ke gedung utama, cari loket D di sudut. Banyak yang berdiri di pintu terobos saja. Kebanyakan orang yang ada disana adalah bayar pajak tahunan. Serahkan semua dokumen di loket D ini.
9. Duduk dan tunggu dipanggil di loket pembayaran di bagian tengah. Akan dipanggil nama dan nomor plat mobil. Ini berbeda dengan yang bayar pajak tahunan yang hanya dipanggil nomor antrian saja.
10. Bayar dan tunggu lagi dipanggil oleh loket persis di sebelah kanan loket D.
11. Ambil STNK +bukti pajak+KTP dan  copy STNK (warna biru) untuk mengambil plat nomor. Cek apakah sudah benar, kasus saya, tanggal masa berlaku salah sehingga harus diulang.
12. Keluar dari gedung, jalan agak ke belakang di tempat yang bertulisan “workshop”, serahkan copy warna biru, tunggu sebentar, plat mobil diserahkan dan selesai. Total waktu yang diperlukan sekitar 1.5 jam (saya datang jam 8 pagi).

Walaupun masih agak bingung urutan prosedurnya dan tidak ada informasi untuk ini, tapi pelayanan tanpa pungli dan tanpa calo (saat saya masuk bahkan tidak ada yang menawari) patut dihargai dan sudah merupakan langkah maju.

Dulu saat  mengembangkan  sistem saya sering  harus mengimpor data dalam berbagai format (excel, teks, foxpro dan lainnya). Biasanya yang saya lakukan adalah membuat program sendiri.  Kelemahannya: hanya saya yang mengerti dan software konversi  yang saya buat  sulit untuk digunakan orang lain.  Belum lagi kadang ada bug dan masalah-masalah lain.  Sayang baru tahu ada tools ini sekarang

Semester ini, untuk pertama kalinya  Kettle masuk sebagai materi  praktikum pada  kuliah Data warehouse dan mining   Bagi yang berminat untuk mempelajari atau menggunakannya dalam pelatihan atau kuliah,  berikut adalah tutorial singkat pengantar Kettle.  Berbahasa Indonesia dalam format docx,  lisensinya creative common sehingga bebas didistribusikan/update/remix selama nama saya dicantumkan  dan tidak untuk komersial.   Tutorial ini masih dalam tahap beta dan mungkin masih banyak berubah.

Versi 24 september 2012: docx  atau  pdf

Berita bagusnya, bagi yang menggunakan  prosesor Intel yang mendukung teknologi Intel VT  (virtualization tech) dapat  mempercepat waktu loading dan eksekusi  secara signifikan.  Harus dipastikan dulu prosesor yang Anda miliki mendukung VT-x  dengan mengeceknya di  http://ark.intel.com/Products/VirtualizationTechnology.   Jika ada di dalam daftar tersebut, maka langkah selanjutnya mudah (saya asumsikan Android SDK sudah diinstall).

Petama install Intel Hardware Accelerated Execution Manager (HAXM), download dan install software di alamat berikut:

http://software.intel.com/en-us/articles/intel-hardware-accelerated-execution-manager/

Atau alternatifnya melalui android SDK manager dibagian Extra.

Setelah itu install  Intel Jelly Bean x86 Emulator System, dapat  melalui android SDK dengan cara mendownload “Intel Atom x86 System Image”.  Versi terendah yang memiliki Intel System Image adalah API 10 (Android 2.3.3), tapi khusus untuk versi 2.3.3 ini ada trik yang harus dilakukan agar emulator dapat bekerja (baca keterangan di paling bawah).

ataupun melalui cara manual (download zip). Petunjuk lengkapnya ada di:

http://software.intel.com/en-us/articles/android-41-jelly-bean-x86-emulator-system-image

Selanjutnya buat AVD berdasarkan image ini dengan cara memilih  Intel sebagai target, sekali lagi: intel sebagai target (jangan ARM).  Kemudian aktifkan GPU Emulation saat membuat AVD (dibagian hardware, klik button “new” dan pilih GPU).  Coba jalankan dan AVD ini akan berjalan jauh lebih cepat dan lebih responsif (perkiraan kasar saya 400% lebih cepat).

Mengapa lebih cepat? secara default emulator android menggunakan arsitektur  ARM.  Dengan menggunakan system image Intel,   semua fitur yang disediakan prosesor Intel dapat dimanfaatkan.

Pembahasan lebih rinci tentang ini  dapat dibaca di: http://developer.android.com/tools/devices/emulator.html#accel-vm

—-
Untuk Intel System Image versi 2.3.3, jika menggunakan konfigurasi default  maka emulator akan hang diawal booting. Solusinya adalah mengeset resolusi menjadi 480×800 dan mematikan GPU (gambar bawah).   Karena resolusi diset manual, maka panel berisi keyboard/home/back  akan hilang.  Untuk mengatasi ini aktifkan keyboard support sedangkan untuk mensimulasikan tombol HOME ketik HOME, dan untuk BACK ketik ESC.

Ujian

Untuk ujian, yang saya lakukan adalah menggunakan asisten atau kakak kelas mereka, tentu dipilih yang saya kenal dan saya yakin  ’bersih’ dan bisa diandalkan. Jadi kalau ada 40 mahasiswa, akan dipecah menjadi dua kelas.  Setiap kelas berisi 20 mahasiswa diawasi 3-4 asisten  (ya 1 asisten untuk 5 mahasiswa)  dan saya bolak-balik.  Asisten menggunakan sistem silent alarm. Jika ada yang dicurigai, tidak ditegur tapi  saat mereka mengumpulkan berkasnya akan dipisahkan atau ditandai.  Asisten kebanyakan ditempatkan di samping dan belakang kelas.

Biasanya yang mencontek ini juga punya group sendiri yang ingin duduk berdekatan. Sebelum ujian dimulai group mahasiswa yang ‘mencurigakan’ ini akan saya acak-acak sehingga mereka terpisah sejauh mungkin.  Jika saat ujian ada yang mencurigakan, mahasiswa tersebut juga dapat dipindahkan.  Mahasiswa yang  pintar dan rajin tidak mau bergabung karena takut.  Aturan saya adalah semua yang terlibat, baik source maupun destination akan sama-sama mendapat E.   Mahasiswa yang rajin dan pintar jadi punya  alasan untuk menolak menjadi sumber contekan “Maaf, bukannya nggak mau bantu, tapi saya takut kena E”.    Ini efektif memutuskan ‘pemasok’ contekan dan kalaupun ada sumber contekan,  kualitasnya rendah.

Terakhir  saat saya memeriksa ujian dan menemui jawaban yang  mencurigakan mirip, saya panggil semua yang terlibat. Kalau mereka mengaku, langsung E.  Kalau mengelak, saya  tidak mau berdebat,  hanya  minta mereka buat pernyataan dan ditandatangani  ”Demi Allah saya tidak melakukan kecurangan”.  Biasanya mereka mengaku di tahap ini.  Kalau masih tidak mengaku?  bisa jadi memang jujur tapi kalaupun tidak  itu sudah  jadi urusan mereka dengan yang Diatas.

Tugas/Skripsi 

Untuk tugas, pemeriksaaan kecurangan relatif lebih sederhana karena elemen terbesar tugas adalah membuat software. Biasanya kalau saya curiga, saya akan minta mereka menjelaskan source code-nya. “OK, tunjukkan code untuk bagian ini”. Pernah terjadi, jangankan bagian dari code-nya, file-nya saja mereka tidak bisa menunjukkan.  Lalu setelah saya lihat sekilas, kadang saya bertanya “Loop di baris xxx untuk apa ya? method xxx input dan outputnya apa ya? coba jelaskan”.   Pernah dalam satu semester ada 15 orang  yang saya beri E karena kasus ini .  Sayangnya tidak seperti mencontek di ujian, pihak pemberi code seringkali tidak dapat ditangkap, biasanya mereka mengaku dibuatkan oleh kakak angkatan.  Kedepan mungkin saya gunakan  software pembanding source code untuk bisa menangkap siapa saja yang bekerjasama.

Untuk skripsi, kita bisa deteksi berdasarkan presentasi saat sidang dengan kualitas dokumen. Ada yang dokumennya bagus, tapi saat menjelaskan dan menjawab berantakan.  Tentu harus dibedakan tidak bisa menjelaskan karena grogi atau tidak bisa menjelaskan karena tidak tahu apa yang mereka tulis.   Kecurangan juga dapat dideteksi dari gaya menulis, sering mahasiswa melakukan copy-paste dari berbagai sumber yang memiliki gaya menulis berbeda.  Saat dibaca akan terasa seperti terpatah-patah atau tersendat-sendat.

Prinsipnya kita harus membuat kecurang menjadi tidak menguntungkan secara  ’ekonomis’ (manfaat vs resiko) . Tentu masih ada yang nekat, tapi biasanya tanpa curangpun mereka memang  tidak akan lulus juga.

Sangat penting aturan main dijelaskan diawal dan diterapkan dengan konsisten.  Awalnya  banyak ‘korban’ berjatuhan, tapi setelah mereka tahu sistemnya serius dan tidak sepadan untuk dilanggar secara drastis kasus kecurangan berkurang.

Untuk tahap awal ini, software masih berperan sebagai executive information system yang menampilkan beberapa ukuran statistik beserta visualisasinya.  Belum dilakukan  tweet mining  untuk menemukan hal-hal penting yang  tersembunyi (target berikutnya).  Prinsipnya ini masih versi  dasar yang nanti akan dilengkapi sedikit demi sedikit.

Ada tiga  komponen penyusun software ini:  crawler (pengumpul data tweet), pemroses data (preprocessing, klasifikasi, agregasi) dan terakhir visualiasi. Berbeda dengan software  yang saya buat sebelumnya, software ini berbasis desktop (Java-Swing), bukan web atau mobile.  Alasannya, pengembangan aplikasi desktop lebih cepat daripada web dan mobile, terutama untuk user interface yang kompleks (plus saya tidak suka javascript hehe).  Sedangkan kelemahan aplikasi desktop adalah komputer harus terus menerus hidup  saat melakukan crawling dan crawling akan berhenti jika  koneksi internet putus.  Tapi nanti  bisa dibuat hybrid, crawling dilakukan di server dan datanya ‘dilempar’ ke client  untuk kemudian diproses. Sedangkan untuk mobile app, crawling+proses dilakukan di server dan baru setelah itu datanya dilempar ke mobile app secara on demand.

Setelah sebulan  mencoba-coba, mumpung  libur lebaran, akhirnya aplikasinya mulai terbentuk (gambar bawah).  ”Indosat”  dipilih menjadi  keyword.

Warna merah adalah jumlah  tweet negatif, biru positif dan abu-abu adalah selisihnya.  Satuan waktu dapat dipilih mulai jam, hari, bulan dan tahun demikian juga dengan rentang waktu. Gambar diatas untuk satuan “jam” (12 Agt sampai 28 Agt) sedangkan gambar bawah untuk satuan  ”hari” pada rentang yang sama:

Terlihat puncak keluhan terjadi pada tanggal  25 Agustus.  Pengguna dapat melihat lebih detil apa yang terjadi di tanggal 25 tersebut dengan mengklik point pada chart. Setelah klik maka  akan ditampilkan  keywords  dan tweet-nya.  Keywords memang masih belum ideal,  kata  ”demi” dan “tidak”  harusnya bukan keyword walaupun kata “pending”, “jaringan” dan “lambat” sudah tepat dijadikan keyword.

Masih banyak yang dapat ditambahkan:  keyword tracking, kredibilitas informasi, demografi, lokasi, clustering, network analysis,  event detection, visualiasi dsb.   Belum lagi aplikasi untuk mobile-nya. Jadi masih  banyak yang bisa dikerjakan untuk senang-senang

Riset mengenai SNA (Social Network Analysis) sebenarnya sudah dimulai puluhan tahun yang lalu, jauh sebelum era Facebook dan Twitter dan sebenarnya tidak terbatas pada social media saja.

SNA  sendiri fokus pada relasi. Relasi ikut menentukan siapa kita dan bagaimana kita akan bertingkah laku.  Relasi dapat  berupa pertemanan, pengaruh, kepercayaan atau benci, konflik dan sebagainya.

Di dalam pengantar buku ini, dibahas contoh  tentang pentingnya “informal network”.  Informal network ini sering tidak terlihat  tetapi memiliki pengaruh besar.  Ditampilkan contoh sebuah  perusahan yang merubah struktur organisasi tapi  menjadi kacau karena mengabaikan informal network yang  ada.

Menggunakan contoh yang terjadi di Mesir, social media menjadi media yang powerfull karena memiliki kemampuan untuk menjaga dan memperkuat weak ties (keterhubungan lemah). Weak ties adalah: (1) hubungan  yang  sedikit atau tidak mengandung  kaitan emosi,  (2) orang yang terhubung tidak memiliki kemiripan dan (3) frekuensi komunikasinya rendah.   Mengapa weak ties powerfull?   Hubungan emosi yang rendah memungkinkan orang memiliki pendapat yang berbeda tanpa menimbulkan konflik; frekuensi komunikasi yang rendah memungkinkan kedua belah pihak menerima informasi yang berbeda dalam waktu yang berbeda (tidak-sinkron). Ketidaksinkronan ini  justru yang  dapat  memperkaya informasi.  Informasi baru yang berharga juga lebih mudah masuk dalam hubungan ini.

Menentukan individu yang paling penting dan berpengaruh di jejaring.

Bab 3 buku ini membahas kekuatan dan pengaruh individu (node) dalam jaringan. Beberapa ukuran yang dapat digunakan:

• Degree centrality:  jumlah koneksi yang dimiliki sebuah node.
• Closeness centrality: jarak rata-rata antara node dengan semua node yang lain di jaringan. Ukuran ini menggambarkan kedekatan node ini dengan node lain.  Semakin dekat, semakin terhubung orang tersebut dengan lainnya.   Analoginya adalah tipe orang “gaul” yang kenal dengan semua orang akan memiliki pengaruh yang lebih besar karena dapat menyebarkan informasi lebih cepat tanpa perlu perantara pihak ketiga. Untuk mengukur jarak terpendek antar node dapat digunakan algoritma Dijkstra.
• Betweenness centrality:  ukuran ini memperlihatkan peran sebuah node menjadi bottleneck.  Node menjadi penting jika menjadi communication bottleneck. Analoginya, anggap persimpangan sebagai node. Semakin banyak jalan yang harus melewati persimpangan itu (misal tidak ada jalan alternatif), maka semakin penting arti persimpangan tersebut.  Jika  pada persimpangan tersebut lampu lalulintas mati, maka dapat berakibat fatal karena aliran mobil (informasi) akan terhambat.  Ukuran ini juga dapat digunakan untuk mengidentifikasi boundary spanners, yaitu orang atau node yang berperan sebagai penghubung (jembatan) antara dua komunitas.  Betweenness centrality sebuah node dihitung dengan menjumlahkan  semua shortest path yang mengandung node tersebut.
• Eigenvector centrality: ukuran ini memberikan bobot yang lebih tinggi pada node yang terhubung dengan node yang juga memiliki keterhubungan tinggi. Dapat dikatakan versi rekursif dari degree centrality.
• PageRank:  Ukuran  ini digunakan Google untuk menentukan kualitas suatu page. Dapat digunakan untuk jaringan yang berbentuk graph berarah. Prinsip yang digunakan adalah  semakin penting sebuah node, maka semakin banyak node tersebut direfer oleh node lain. Contohnya, situs seperti kompas.com punya peringkat yang tinggi karena banyak direfer di page lain. Dan misalkan blog ini direfer oleh kompas.com, maka peringkat blog ini juga akan naik.

Cliques (“geng”), cluster (kelompok ) dan komponen.
Jika sebelumnya dibahas dari sisi individu, berikutnya dibahas kelompok-kelompok yang terbentuk di jejaring.

Beberapa konsep untuk membagi jejaring adalah komponen dan ego network. Komponen adalah bagian dari jejaring yang tidak terhubung  dengan yang lain.  Sebuah komponen dapat dipecah menjadi komponen yang lebih kecil yang kemudian dianalisis secara terpisah. Sedangkan ego network adalah bagian dari network yang berpusat pada sebuah node (disebut ego).  Eksperimen Noah Friedkin[ref]  memperlihatkan bahwa dalam jejaring sosial, seseorang akan mengenal baik  teman di derajat pertama dengan tingkat kesalahan hanya 30%.  Tingkat kesalahan ini melonjak menjadi 70% pada derajat kedua (temannya teman) dan menjadi 100% pada derajat ketiga (temannya temannya teman).  Jadi umumnya radius dari egonetwork tidak lebih dari tiga.

Salah satu metric yang dapat digunakan dalam  kelompok adalah clustering coefficient yang menghitung proporsi keterhubungan node di dalam kelompok. Semakin kuat ikatan kelompok (semakin tinggi clustering coefficient) maka semakin terhubung satu sama lain node-node di dalam kelompok tersebut.

Dibahas juga hubungan yang disebut triad, yang merupakan hubungan antara 3 node.  Misalnya terdapat tiga node A, B, C. Jika A, B dan C saling terhubung, ini disebut closed triad. Contohnya keluarga dengan bapak, ibu dan anak. Penelitian Newcomb [ref] menunjukan struktur closed triad paling stabil karena orang ketiga dapat berperan sebagai penengah konflik dan penyeimbang (terburuk adalah hubungan asymetric, disusul symetric).  Analoginya di Twitter, hubungan symetric dimana hanya satu pihak memfollow yang lain adalah hubungan yang paling lemah. Hubungan yang lebih kuat terjadi jika keduabelah pihak saling follow. Tetapi yang terkuat adalah jika pihak ketiga yang  terhubung dengan semuanya.

Hubungan yang menarik adalah pada open triad. Pada open triad, A terhubung B, B terhubung C, tapi A tidak terhubung dengan C.  Open triad dapat terjadi karena memang disengaja. B sengaja membuat A dan C tidak terhubung.  Di satu sisi ini dapat membebani B, misalnya dalam kondisi  B menjadi teman curhat A dan C, tapi juga dapat menjadi  keuntungan saat B menjadi broker. Misalnya B membeli barang di A seharga X  lalu dijual kepada C dengan X+laba.  Open triad yang disengaja ini disebut juga forbidden triad, structural hole atau brokerage structure.   Penelitian Burt [ref] memperlihatkan bahwa pebisnis yang memiliki banyak structural hole lebih sukses dalam pasar yang kompetitif.  Structural holes juga menjadi jembatan antar komunitas (boundary spanners).

Selain close dan open triad, ada 14 kombinasi lainnya bagaimana tiga node dapat terhubung.  Analisis ke-16 bentuk triad dalam jaringan disebut dengan triad census.  Sebagai contoh node yang memiliki struktur triad dengan banyak outgoing link dan structural holes dapat diduga sebagai  sumber informasi dan group leader.

–bersambung–

Untuk twitter sendiri, hashtag #lalinbdg telah menjadi standard defacto bagi  pengguna twitter yang ingin melaporkan kondisi lalulintas.  Informasi terupdate sangat cepat.  Jika ada kemacetan, kecelakaan dan banjir,  maka hampir secara  real time akan  muncul.

Tetapi  mencari informasi menggunakan twitter-client atau melalui web twitter.com tidak menyenangkan. Banyak terjadi duplikasi, yang  disebabkan oleh  account seperti infobdg, bandungtraffic, dan pengguna yang meretweet.    Lalu jika membuka situs twitter.com  di smartphone,  fungsi search justru ada di bagian paling bawah.   Sedangkan jika menggunakan  twitter client, banyak fitur-fitur yang  sebenarnya saya tidak perlukan. Saya hanya butuh search saja, bukan melihat timeline, post dsb.

Solusinya saya buat app android yang khusus untuk menampilkan tweet seputar informasi lalulintas Bandung melalui hashtag #lalinbdg.  Kelebihan aplikasi ini adalah: pengurangan duplikasi, sangat simple karena hanya punya satu fungsi:search, dan ada rangkuman sehingga informasi lebih mudah dilihat saat di kendaraan. Berikut adalah contoh snapshotnya.

Jika ada yang berminat (Android 2.2 keatas), silahkan download di: https://play.google.com/store/apps/details?id=edu.upi.cs

Visualisasi social network bertujuan menggambarkan hubungan antar unit.   Untuk Twitter, hubungan antar account dapat berbentuk banyak hal, mulai dari hubungan follower/friend (paling populer), retweet, favourite, mention, reply dan sebagainya.    Untuk kesempatan ini saya akan menggunakan hubungan reply yang memperlihatkan adanya komunikasi atau pembicaraan antara dua account.  Asumsi saya (perlu pembuktian nanti), reply dan mention adalah hubungan kuat antara dua account twitter. Retweet atau favourite bisa dilakukan dengan satu tombol dengan mudah, tapi untuk me-reply pengguna harus mengetikkan sesuatu.

Berikut adalah visualisasinya, semakin tebal garis berarti semakin banyak si-artis me-reply. Minimal ada tiga jumlah reply, kurang dari itu tidak digambarkan. Titik biru adalah artis (diambil 100 artis dengan follower terbesar), titik hitam adalah account Twitter lain. Data yang digunakan adalah tweet dari tanggal 1 Feb sampai dengan 21 Feb 2012.  Klik gambar lalu zoom  kalau masih tidak jelas.

Soc. Network Artis berdasarkan reply

Catatan yang perlu diingat sebelum dibaca lebih lanjut:   (1) artis dalam artikel ini  didefinisikan sebagai  100 artis dengan follower  tertinggi. (2) tweet yang digunakan berada dalam periode satu bulan sehingga  bisa jadi hubungan yang ada  bersifat  sementara. (3) tentu ada media lain yang digunakan selain melalui tweet, misalnya SMS, DM, FB, email, BBM, messenger dsb yang  tentunya tidak tertangkap dalam visualiasi ini.

Beberapa hal menarik dari  visualiasi di atas:

• Dua account yang paling sering menggunakan reply adalah @ti2DJ dan @erdiAN_aJI.  Jumlah reply terbesar dipegang  oleh @ti2DJ dengan 26 reply ke sebuah account (anaknya?).  Ini menunjukkan kedua artis ini aktif  menggunakan  twitter sebagai media  komunikasi dua arah atau lebih.
• Di sisi lain, tidak semua account menggunakan Twitter untuk komunikasi, atau kalaupun ada hanya terbatas ke beberapa orang saja.  Mungkin mereka  lebih memilih menggunakan DM,  SMS atau  messenger? Lagipula dengan jumlah follower besar, wajar kalau mereka lebih berhati-hati.   Sebagai contoh @aqi_alexa hanya terhubung dengan 3 orang, dengan yang terkuat adalah @aud33y (istri).
• Dari sisi reply via tweet, hubungan antar sesama artis ternyata tidak terlalu dekat.  Kecuali @ti2DJ yang terhubung dengan 8 artis,  artis lain tidak terlihat atau hanya sedikit  terhubung dengan sesama artis.  Ada beberapa yang justru terhubung kuat  dengan ‘orang biasa’  (bukan teman dan memiliki follower sedikit)  yang tidak terkait dengan bidang keartisan.  Informasi ini dapat  digunakan untuk melihat hal yang sedang diminati oleh  artis tersebut.
• Account @dahsyatnyaolga dan @jess_iskandar sepertinya  artis yang paling  punya hubungan yang kuat dengan  penggemar fanatik. Misalnya dengan @salvia_cumaOLGA, @Icha_LoveOlga, @EmiLiaCyankOLGA dan lainnya.

Setelah mencoba-coba nodeXL dan data artis ini selama satu hari,  berikut adalah beberapa hal yang saya peroleh:

• Kekuatan NodeXL adalah mudah dipelajari dan  mudah digunakan karena berbasis Excel.  Powerfull kalau dikombinasikan dengan SQL (jalankan query di HeidiSQL, copy paste hasilnya ke NodeXL) .  Tapi masih terlalu rumit untuk diserahkan ke enduser, dan hanya jalan di Windows (non web). Gambar yang dihasilkan juga masih harus digeser-geser manual supaya lebih jelas.
• Menarik kalau ditambahkan content analysis dari komunikasi antara account.  Idealnya  garis yang menghubungkan dua account  saat diklik dapat menampilkan rangkuman pembicaraan (keywords), sentimennya, dan juga dapat di drill down sampai  ke  tweet mentah.
• Perlu aspek temporal. Bagaimana kekuatan hubungan dua account dari waktu ke waktu?  Mungkin ada yang menguat (menebal kalau di gambar) saat mengerjakan proyek bersama, mungkin ada juga yang tiba-tiba dari kuat lalu menghilang  (putus/bertengkar).  Akan bagus  kalau untuk satu account dapat di-play selama 1 tahun misalnya sehingga terlihat  pergerakan hubungannya dengan account lain.
• Perlu tools untuk melihat sekilas isi sebuah account. Saat ini langkah manual yang saya lakukan adalah: melihat garis yang tebal yang menandakan hubungan yang kuat. Lalu  lihat siapa,  copy-paste di Twitter untuk dicari, lihat deskrpsi dan tweet orang tersebut, dan googling jika diperlkukanuntuk menentukan kira-kira dia siapa.  Akan lebih enak kalau ada tools yang membantu semua proses itu. Yap saya memang pemalas

Data yang dianalisis pada posting ini adalah  tweet para artis. Selain data ini, saya juga mengumpulkan tweet dari orang lain yang berkaitan dengan artis (mention).  Jumlahnya  tentu lebih besar, mungkin lebih menarik lagi nanti hasil analisisnya.