Dalam beberapa kali perjalanan riset, stack rasanya menjadi bagian darinya. Buntu tidak tau harus kemana. Cara pamungkas yang bisa dilakukan hanyalah bertanya kepada siapapun. Siapa saja, tidak harus kepada mereka yang lebih expert, mungkin saja hanya teman-teman atau justru para junior untuk memberikan masukan dan kita hanya mendengarkan. Mungkin ada satu langkah yang lupa atau terlewat tidak dilakukan. Contohnya adalah kita ingin melakukan proses intersection data shp di ArcGIS, namun ternyata ada polygon yang tidak sempurna. Manipulasi atau memperbaiki polygon vertex adalah solusinya. Hal yang sangat sepele bagi mereka yang saat ini duduk di semester 2 atau 3 sekolah Planologi. Mereka yang bekerja di balik layar dan juga menari di mouse, melakukan digitasi citra satelit. Itupun lebih banyak dilakukan 5 – 10 tahun lalu. Sekarang sudah banyak open data yang tinggal drag dan download. Kembali ke contoh polygon vertex di atas, bagi yang sedang terbelenggu di dalam mencari robust model untuk spatial statistics, mungkin saja hal sepele itu tidak begitu diperhatikan. Lebih concern mencari variasi model dan standarisasi data agar link and match dengan modelnya, dengan satu harapan bisa menghasilkan model yang oke sesuai dengan kenyataan di lapangan. Mencari r-square tinggi atau sebaliknya yaitu AIC rendah (baca di sini). Dan ternyata dibalik kesempurnaan model statistik spasial itu terletak pada penyempurnaan vertex tadi. Itu adalah contoh sepele tetapi besar dampaknya.

Mencari jawaban atas hal yang dianggap sepele itu ternyata lebih sulit di dapatkan di forum formal. Mencoba posting pertanyaan di kelompok para expert, namun kurang menghasilkan sesuatu yang substantif. Ada 2 orang yang membalas dengan memberikan perspektif pengalaman dan juga teoritis. Sangat membantu dan untuk hal yang teknis tetap harus mencari di berbagai tumpukan perkakas statistik yang long-list-nya ada di google. Lagi-lagi mesin pencari ini menjadi asisten pribadi yang mengantarkan kita pada ilmu teknis non teoritis. Membaca dari postingan orang lain yang mungkin saja bakal mendapatkan kritikan atas struktur subyek-predicate-object, jikalau postingan blog itu menjadi paper tugas makalah mahasiswa. Tapi dibalik bahasa yang kurang akademik itu ada suatu hal yang sangat teknis dan justru bermanfaat untuk menyelesaikan persoalan. Mungkin saja dia juga tidak menempuh pendidikan tinggi, belajar data science secara otodidak. Mereka tergabung di komunitas-komunitas online seperti kaskus, kalau di Indonesia. Stackoverflow (kunjungi di sini) hanyalah contoh bagaimana tergabung, diskusi dan belajar bareng. Tidak ada rasa malu untuk bertanya meskipun dengan bahasa yang mungkin masih dalam tahap belajar.

Belajar mandiri di luar kampus. Itu adalah forum ke 2 atau ke 3 biasanya setelah tidak mendapatkan solusi dari youtube atau kanal blog-blog khusus data science. Lagi-lagi blog yang mungkin hanya dianggap tulisan pinggir justru menjadi resource informal namun utama. Mereka share pengetahuan dan juga pengalaman melalui kertas-kertas digital ini. Belajar dari forum-forum antah berantah yang tidak mengenal satu dengan lainnya. Tambah lagi ada github.com; software developer repository yang mungkin saat ini masih terbesar di dunia. Apakah kita saling mengenal satu sama lain di member github itu? – Tidak, sama sekali tidak. Mereka begitu mudah menshare berbagai software yang mereka buat sendiri untuk digunakan dan dicoba oleh orang lain. Keuntungan apa yang mereka dapatkan? bug reports. Mereka membuka laporan kesalahan-kesalahan software yang disebut dengan bug. Mereka tampung untuk menyempurnakan pekerjaan mereka. Ada positive social exposure atas pekerjaan yang sedang mereka kerjakan. Itu cara mereka berkembang.

Tidak jauh dari itu, setiap stack olah data yang saya alami justru mendapatkan jawaban bukan dari luar ruang kelas tradisional. Justru mendapatkan pencerahan dari dunia digital itu. Alternatif semakin banyak setelah Youtube, facebook dan forum-forum informal di internet seperti stackoverflow, gis stack exchange (kunjungi di sini) dan tentu dari RStudio community (kunjungi di sini). Jadi semakin tersontak dengan pernyataan Prof. Rhenald Kasali mengenai “ledakan non degree” (tonton youtubenya di sini) dan juga sebelumnya pernah saya ulas di sini. Belajar mandiri, kerja sendiri dan kemudian dipasarkan. Bahkan ada pendapat mengenai gelar dari kampus itu sudah tidak relevan lagi seperti video youtube di bawah ini. Minimal saya sendiri mulai mengakui bahwa banyak persoalan-persoalan riset yang menjadikan saya stack justru mendapatkan solusinya dari ruang-ruang digital yang saya sebutkan di atas.

One thought on “Peran kampus? mencari jawaban di luar kelas

Comments are closed.