Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI) meluluskan tujuh Doktor Ilmu Komputer (DIK) usai dilakukan sidang promosi doktor pada tanggal 11, 12 dan 13 Januari 2023 yang digelar secara daring. Diawali dengan sidang promosi Sdr. Mochamad Teguh Kurniawan pada 11 Januari lalu yakni dengan disertasi berjudul “Pengembangan metode entropy untuk deteksi serangan Distributed Denial of Service (DDoS) pada Software Defined Network (SDN) dengan penerapan Feature Selection.”
Software Defined Networking (SDN) merupakan perkembangan infastruktur jaringan yang mana bidang kontrol dan bidang data dipisah sehingga kecerdasan jaringan secara logis terpusat pada bidang kontrol berbasis perangkat lunak. Sedangkan perangkat jaringan (OpenFlow Switches) menjadi perangkat penerusan paket atau bidang data yang dapat diprogran melalui interface (protokol OpenFlow). Namun pemisahan bidang kontrol dan bidang data menimbulkan berbagai tantangan salah satunya adalah tantangan keamanan. Ia juga mengatakan tantangan keamanan yang besar di SDN merupakan serangan Distributed Denial of Service (DDoS). Terdapat beberapa titik serangan DDoS pada SDN. Jika DDoS menyerang bidang kontrol dapat mengakibatkan kegagalan seluruh jaringan, sementara jika menyerang bidang data atau saluran komunikasi antara bidang kontrol dan bidang data dapat mengakibatkan paket drop dan tidak tersedianya layanan SDN.
Ia juga menjelaskan bahwa serangan maksimal DDoS terjadi saat konsumsi probabilitas bandwidth dan memori sangat tinggi. Rumusan atau proses yang ia lakukan sebelum mengantisipai hal tersebut yaitu dengan mengklasifikasikan mana yang menjadi trafik serangan dan mana yang menjadi trafik dasar. Dalam hasil penelitiannya ditemukan bahwa identifikasi karakteristik perilaku dasar trafik jaringan SDN sehingga menjadi penentu untuk membedakan trafik normal dan trafik serangan. Sdr, Mochamad Teguh Kurniawan merupakan doktor ke-107 yang lulus di bidang ilmu komputer Fasilkom UI.
Memasuki hari kedua yaitu tepatnya 12 Januari 2023, Sdr. Ryan Randy Suryono melakukan pemaparan terkait disertasinya dengan judul “Pengawasan Fintech P2P Lending di Indonesia yang bertujuan untuk membangun proses bisnis pengawasan Fintech P2P Lending berbasis berita daring, Twitter serta ulasan Google Play”. Transformasi digital menyebabkan perubahan layanan di berbagai aspek, khususnya sektor Financial Technology (Fintech). Ia mengungkapkan Otoritas Jasa Keuangan sebagai pihak regulator mengeluarkan peraturan nomor 10 tahun 2022 tentang pelayanan pendanaan bersama berbasis teknologi informasi untuk mengawasi praktik Fintech P2P Lending di Indonesia. Saat ini pengawasan tersebut dilakukan dengan menerima laporan dari masyarakat yang mengirimkan dokumen dan bukti-bukti pengaduan baik melalui LAPOR!, beranda halaman situs Asosiasi Fintech Pendanaan Bersama Indonesia (AFPI) dan Satgas Waspada Investasi (SWI). Namun ia mengungkapkan pada kenyataannya masyarakat lebih banyak menyampaikan keluhan melalui media sosial. Atas hal tersebut ia menegaskan bahwa regulator perlu menyusun strategi baru dalam melakukan pengawasan dengan kecerdasan komputer.
Sdr. Ryan juga mengatakan penelitiannya bertujuan untuk membangun proses bisnis pengawasan Fintech P2P Lending di Indonesia berbasis Berita Daring, Twitter, dan Ulasan Google Playstore. Atas hal tersebut maka ia membuat usulan model pengawasan yang baru dan dijelaskan menggunakan Business Process Modeling Notation (BPMN). Selanjutnya penerapan proses bisnis tersebut diimplementasikan dengan membuat prototipe. Dalam hal ini pendekatan yang digunakan pada penelitian tersebut adalah pendekatan Text Mining seperti ekstraksi informasi dengan Named Entity Recognition (NER), Analisis Sentimen dan Pemodelan Topik dengan Latent Dirichlet Allocation (LDA).
Hasil eksperimen pada pendekatan NER menunjukan Algoritma Multinomial Naïve Bayes mendapatkan F1-Score tertinggi sebesar 90%. Sementara itu, hasil NER juga membuktikan bahwa platform Cashless, Yokke, Digital Artha Media, Koinwokrs, Moka, Privy.id, PT Tunaiku Fintech Indonesia, PT Relasi Perdana Indonesia, PT Dynamic Credit Asia dan PT Progo Puncak Group tidak ada dalam daftar Fintech di Otoritas Jasa Danamas, Dompet kilat, dan Indodana memiliki sentimen negatif lebih besar dari 50%. Selanjutnya hasil eksperimen pemodelan topik memperoleh kata kunci nama platform, nama pemangku kepentingan, dan isu seperti data pribadi. Ia juga menuturkan bahwa penelitiannya memiliki kontribusi tentang usulan proses pengawasan baru berbasis Berita Daring, Twitter, serta Ulasan Google Playstore yang mampu mengidentifikasi platform ilegal, mengidentifikasi platform legal yang bermasalah dan menyajikan isu P2P Lending. Alhasil, penerapan proses pengawasan ini bermanfaat bagi pemangku kepentingan seperti Otoritas Jasa Keuangan, Kementrian Komunikasi RI, Satgas Waspada Investasi (SWI) dan Asosiasi Fintech serta meningkatkan perlindungan konsumen. Sdr. Ryan Randy merupakan doktor ke-108 Fasilkom UI dalam bidang ilmu komputer.
Di hari yang sama juga dilakukan sidang promosi Sdri. Mardiana Purwaningsih dengan judul disertasi “Kerangka Kerja E-Collaboration untuk Desa Wisata Kategori Maju di Indonesia.” Dalam disertasinya Mardiana menjelaskan apa saja sumber daya dan kapabilitas yang harus disiapkan dalam sebuah e-collaboration untuk mendukung pemulihan kondisi pariwisata setelah pandemi COVID-19. Kolaborasi pasca pandemi dengan memanfaatkan teknologi Informasi (TI) di pedesaan, atau dikenal dengan e-collaboration menjadi usulan penelitiannya yang selaras dengan program unggulan Kementerian Pariwisata dan Ekonomi Kreatif (Kemenparekraf RI) dalam percepatan pemulihan pariwisata di Indonesia
Di sisi lain ia juga meninjau permasalahan terkait kondisi e-collaboration yakni, saat ini e-collaboration masih bersifat sporadis dan tidak terstruktur, serta belum ada formalisasi upaya kolaboratif. Selain itu sumber daya manusia TI yang masih terbatas dapat menghambat kegiatan kolaborasi berbasis TI. Karena tidak memiliki kemampuan memaksimalkan pemanfaatan TI, termasuk perangkat komputer yang menghambat e-collaboration tidak berjalan maksimal.
Lebih lanjut ia menuturkan bahwa dari kondisi tersebut dibutuhkan formalisasi e-collaboration dalam bentuk kerangka kerja, yang dimulai dari identifikasi komponen, membangun kerangka kerja e-collaboration desa wisata kategori maju di Indonesia hingga penyusunan rencana strategis e-collaboration untuk menyeimbangkan antara harapan dan tindakan yang berkesinambungan untuk keberlanjutan e-collaboration. Identifikasi komponen diperoleh dari studi literatur dari 476 artikel yang diseleksi menjadi 32 artikel untuk menurunkan komponen kerangka kerja e-collaboration. Sementara Mardiana juga menjelaskan data juga diperoleh dari beberapa opini pakar (Asosiasi, Akademisi, Praktisi, Regulator, dan Pelaku Usaha Wisata) melalui periode wawancara yang dilakukan. Ia juga menetapkan Desa Karangrejo, Candirejo, dan Wanurejo, Kecamatan Borobudur, Kabupaten Magelang, Jawa Tengah sebagai area observasi.
Pengujian kuantitatif dengan metode Principal Component Analysis (PCA) dilakukannya guna mereduksi variabel-variabel general data, sehingga menunjukkan kondisi yang sebenarnya. Melalui penyebaran kuesioner di delapan desa kategori maju pun terkumpul dengan total 146 responden dan hanya 109 yang dinyatakan valid. Ia juga menyebutkan bahwa usai melakukan identifikasi aktor dengan pendekatan Pentahelix terkait kerangka kerja e-collaboration, nantinya akan melibatkan pebisnis sebagai pihak swasta pelaku usaha di desa wisata, komunitas sebagai akselerator, akademisi sebagai konseptor, dan media sebagai katalisator.
Dua bagian lain kerangka kerja yaitu proses bisnis dan tahapan e-collaboration. Semua dimensi tersebut kemudian disusun dalam sebuah kerangka kerja e-collaboration desa wisata dengan kategori maju yang dibantu dengan software pengolah citra. Proses validasi kerangka kerja menggunakan tujuh kriteria yakni, Simplicity, Coverage & Completeness, Compliance to Standards, Dynamics & Flexibility, Capabilities & Relevance, Usefulness, dan Trustworthiness. Ia juga menegaskan bahwa kerangka kerja e-collaboration yang dihasilkan belum cukup menggambarkan bagaimana praktik atau implementasinya.Ditambah kerangka kerja juga belum menunjukan pemenuhannya terhadap standar ISO 44001:2017 yang menetapkan persyaratan untuk identifikasi, pengembangan, dan pengelolaan hubungan bisnis kolaboratif yang efektif di dalam atau di antara organisasi. Sehingga perlu untuk dilakukan riset lanjutan.
Mengenai rencana strategis kerangka kerja dari sisi praktik, ia juga menyebutkan masih bersifat general (konseptual), sehingga untuk memberikan gambaran yang lebih terkait e-collaboration, maka kerangka kerja ini perlu ditindak lanjuti dalam menyusun strategi e-collaboration. Ia juga menjelaskan strategi e-collaboration yang diusulkan menggunakan analisis Ward and Peppard. Dalam analisis tersebut untuk penentuan strategi SI/TI tentu merujuk kepada teori Dynamic Capability dalam Ward & Peppard dengan konsep antara lain, dalam disiplin manajemen strategis, pandangan berbasis sumber daya organisasi menawarkan perspektif yang berbeda; dan kemampuan organisasi mengacu pada kemampuan organisasi yang diinginkan dan akan ditentukan oleh tujuan masa depan.
Di samping itu dalam penelitian kerangka kerja e-collaboration, Mardiana juga menawarkan aplikasi mobile TI berupa desain antarmuka sistem e-collaboration di mana dalam aplikasi tersebut tersedia beberapa fitur data seperti media sosial analisis. Penelitian tersebut menghasilkan kerangka kerja e-collaboration untuk desa wisata kategori maju di Indonesia yang di dalamnya berisi sumber daya dan kapabilitas apa saja yang harus dipersiapkan dalam sebuah kolaborasi elektronik. Serta dalam hal praktikal menghasilkan kontribusi dokumen standar yang digunakan oleh pemerintahan dalam menyusun program peningkatan pariwisata pedesaan di Indonesia.
Sidang promosi dilanjutkan oleh Sdr. Malikus Sumadyo dengan mengangkat ide penelitian terkait mengestimasi kemampuan metakognitif dengan menilai aktivitas pembelajaran dengan menggunakan persepsi help-seeking sebelum proses pembelajaran berjudul “Model Metakognitif dan help-seeking dalam Pembelajaran Kolaboratif Daring.” Ia menerangkan jika pembelajaran daring menjadi alternatif pembelajaran karena memenuhi kebutuhan Pendidikan yang terkendala oleh jarak maupun alasan efisiensi waktu. Selain itu pembelajaran kolaboratif semakin banyak dikembangkan sejak munculnya paradigma pembelajaran konstruktivisme. Teori konstruktivisme menyatakan bahwa pengalaman belajar dan interpretasi pengetahuan yang didapat sebelumnya menjadi konstruksi pengetahuan mendalam.
Lebih lanjut ia juga menjelaskan bahwa kemampuan metakognitif juga memiliki metode penilaian. Penilaian metakognitif menggunakan protokol Think Aloud. Peserta didik atau studi berpikir keras dalam melakukan tugas tertentu sambil terus melaporkan pemikiran apa pun yang melintas di pikiran. Atau pada saat selesai pembelajaran penilaian dilakukan dengan kuesioner. Ia juga menegaskan bahwa aktivitas metakognitif berkontribusi terhadap inovasi, penilaian aktivitas metakognitif bisa dilakukan sebelum proses pembelajaran. Sehingga dapat membantu perencanaan strategi. Kemudian penilaian metakognitif juga dapat dilakukan dengan survei persepsi terhadap pencarian bantuan atau disebut help-seeking. Strategi pembelajaran tersebut juga menjadi dasar atau motif Sdr. Malikus dalam melakukan penelitian sebab hal tersebut mempunyai irisan model cukup dekat dengan aktivitas. Ia juga mengungkap dalam penelitiannya tersebut, dalam menilai metode metakognitif perlu adanya estimasi, dan juga estimasi memerlukan model. Model yang disusun merupakan model matematika atau disebut model metakognitif. Diperlukannya pembelajaran kolaboratif daring, karena pembelajaran tersebut berperan signifikan terhadap regulasi metakognitif maupun penilaian metakognitif dan juga untuk memenuhi kebutuhan pendidikan yang terkendala oleh jarak maupun alasan efisiensi waktu.
Tujuan dari penelitian tersebut adalah menghasilkan model metakognitif dan help-seeking dalam pembelajaran kolaboratif daring, yaitu model yang menggambarkan kemampuan metakognitif distimulasi dengan perangkat help-seeking pada problem solving pembelajaran daring secara kolaboratif. Ia juga menyebutkan kontribusi penelitiannya juga akan menjadi salah satu bagian pengembangan model e-learning yang mengedepankan metakognitif beserta perangkat yang mendukungnya. Ia juga menambahkan terkait kontribusi penelitian lainnya adalah pengembangan pembelajaran kolaboratif daring dengan perangkat help-seeking diyakini mampu menekan aspek kemandirian peserta didik untuk mengkonstruksi pengetahuan baru. Sdr. Malikus juga menyebutkan bahwa tahapan penelitian yang ia lakukan menggunakan metode kualitatif mulai dari studi literatur, kemudian melakukan wawancara data dengan persepsi help–seeking. Korelasi metakognitif dan pendekatan help-seeking bisa dibandingkan dengan analisis keterhubungan persepsi help–seeking dan metakoginitif serta frekuensi help-seeking.
Penelitian tersebut menghasilkan dua model berupa variable, korelasi persepsi terhadap aktifitas metakognitif cenderung positif untuk persepsi instrumental dan perceived benefit, namun cenderung negatif untuk avoidance dan executive. Sedangkan intervensi metakognitf dan help-seeking pada umumnya memberikan korelasi signifikan terhadap pembelajaran. Terutama pada peningkatan aktivitas metakognitif individu maupun kelompok. Sdr. Malikus Sumadyo lulus sebagai doktor ke-110 di Fasilkom UI dalam bidang ilmu komputer.
Di hari terakhir tepatnya pada 13 Januari 2023, Sdri. Winangsari Pradani juga memaparkan mengenai disertasinya yang berjudul “Integrasi Ontology Warisan Budaya Indonesia Berbasis Metadata”. Ia menjelaskan permasalahan data warisan budaya Indonesia adalah heterogenitas dan kompleksitas data yang sulit di integrasikan ke dalam meta data dan ontology. Sehingga sering ditemukan beberapa kasus soal kepunahan budaya ataupun klaim warisan budaya Indonesia oleh negara lain. Kementerian Pendidikan dan Kebudayaan Republik Indonesia mencatat kurang lebih 4.000 institusi dan komunitas kebudayaan yang memiliki data warisan budaya namun dalam berbagai bentuk, baik fisik maupun digital.
Beberapa peneliti terdahulu telah membuat ontology untuk satu jenis warisan budaya spesifik seperti benda arkeologi dan tari. Ontology merupakan sebuah model konseptual yang dapat menggambarkan konsep dan relasi antar konsep secara formal. Lebih lanjut, penelitian Sdri. Winangsari ini mengajukan sebuah ontology IndoCH yang dapat digunakan untuk merepresentasikan obyek-obyek warisan budaya Indonesia untuk jenis benda dan tak benda sesuai taksonomi UNESCO. Dasar skema yang dipakai adalah CIDOC CRM (Centre for Intercultural Documentation – Conceptual Reference Model), standar ISO untuk pencatatan data warisan budaya.
Begitu pun dengan warisan budaya tidak hanya sisi konten yang perlu disimpan namun juga data yang bersifat pengelolaan koleksi, Ia mengatakan Institusi GLAM (Galleries, Libraries, Archives, Museums) mengelola koleksi dengan cara membangun katalog yang merupakan kumpulan meta data setiap koleksi. Satu set meta data MetaIndoCH telah dibangun pada penelitian ini yang dapat digunakan untuk mengelola data koleksi warisan budaya Indonesia. Pembangunan meta data ini dimulai dari desain model konseptual meta data yang membagi obyek warisan budaya menjadi obyek abstrak dan nyata, adopsi dari model konseptual grup satu FBRR (Functional Requirements For Bibliographic Records).
Skema meta data MetaIndoCH kemudian dibangun dan terdiri atas tiga bagian: meta data untuk warisan budaya Indonesia (konten, abstrak), meta data untuk manifestasi warisan budaya, dan meta data untuk penampilan warisan budaya. Secara keseluruhan, penelitiannya menghasilkan tiga luaran, yaitu: (1) Daftar definisi dan deskripsi 40 jenis warisan budaya Indonesia; (2) IndoCH, yaitu ontology warisan budaya Indonesia; dan (3) MetaIndoCH, yaitu meta data warisan budaya Indonesia. Ketiga luaran diharapkan menjadi sumbangsih penelitian ini pada kegiatan pengumpulan, penyimpanan, dan integrasi data untuk pemanfaatan warisan budaya Indonesia lebih luas.
Sesi selanjut yaitu pemaparan Sdri. Ria Arafiyah dengan topik penelitian berupa machine learning guna memprediksi kemajuan proses personalisasi pembelajaran berbasis kemajuan belajar siswa dengan judul disertasi “Personalisasi Pembelajaran Berbasis kemajuan Belajar Siswa Menggunakan Machine Learning.” Dalam disertasinya ia menjelaskan bahwa kegagalan belajar siswa dapat dihindari, jika pembelajaran diperbaiki sedini mungkin dengan adanya prediksi kemajuan belajar. Data mengenai pembelajaran siswa di Indonesia cukup banyak dan tersimpan di berbagai tempat. Data-data tersebut dapat digunakan untuk menjawab permasalahan kegagalan belajar siswa. Ia berpendapat bahwa diperlukan upaya untuk mengumpulkan, menyusun, dan membangun model dari data set siswa yang dapat digunakan untuk mencegah kegagalan siswa dalam belajar.
Penelitian Sdri. Ria juga membahas penyusunan data set kemajuan belajar siswa, yang akan digunakan untuk membuat model kemajuan belajar (learning progress) dengan menggunakan machine learning. Ia menambahkan, selanjutnya model tersebut akan digunakan untuk mendesain Early Warning System (EWS) yang menunjang personalisasi pembelajaran. Ia juga mengungkapkan jika data set yang disusun diperoleh dari berbagai sumber seperti data nilai rapor, latar belakang siswa yang tersimpan di database Data Pokok Pendidikan, Kementerian Pendidikan, Kebudayaan, Riset dan Teknologi Republik Indonesia, data nilai standar akreditasi sekolah yang tersimpan di BAN S/M, hingga data nilai proses belajar siswa yang tersimpan di Nomor Induk Siswa Nasional dan juga Nomor Pokok Sekolah Nasional. Alhasil, penggabungan diperoleh data set kemajuan belajar siswa selama di SMA yang berukuran 11.319 baris, 61 kolom nantinya akan menjadi bahan untuk data set kemajuan belajar siswa.
Lebih lanjut ia juga mengemukakan data set kemajuan belajar siswa kemudian di preprocessing untuk mendapatakan data set yang siap dimodelkan dengan machine learning. Dalam membuat model dilakukan feature extraction dan feature selectionsehingga diperoleh model kemajuan belajar dan faktor-faktor yang memengaruhinya. Pembangunan model menggunakan pendekatan hybrid, yaitu unsupervised dan supervised. Model yang dihasilkan digunakan untuk mendesain EWS yang dapat digunakan untuk memonitor kemajuan belajar dan mempersonalisasi pembelajaran. Kemudian desain EWS divalidasi menggunakan metode Delphi. Sdri. Ria juga menegaskan dengan menggunakan model ini dapat diprediksi klister kemajuan belajar, faktor yang mempengaruhi dan saran untuk mempersonalisasi pembelajaran.
Ia juga menyebutkan, hasil dari model-model yang dibangun memiliki rata-rata Area Under Curve lebih dari 99%. Sdri. Ria juga menyimpulkan bahwa desain EWS berbasis model kemajuan belajar yang akan menjadi dasar untuk mengembangkan personalisasi pembelajaran sehingga semua pemelajar tidak tertinggal dan lulus mata pelajaran yang diikutinya.
Sidang promosi terakhir yakni, Sdri. Sri Hartati Wijono dengan topik penelitiannya yang berkaitan dengan hasil terjemahan mesin berjudul “Canonical Segmentation Untuk Meningkatkan Hasil Terjemahan Mesin Bahasa Jawa – Bahasa Indonesia.” Dalam disertasinya ia menjelaskan terkait machine translation (MT) yang merupakan program komputer yang menerjemahkan suatu kata dari satu bahasa ke bahasa lain. Neural Machine Translation (NMT) mencapai hasil yang memuaskan untuk high-resource parallel corpus sehingga banyak digunakan, NMT memiliki kelemahan untuk low-resource parallel corpus karena memunculkan banyak kata out of vocabulary.
Dalam penelitiannya ia juga mengusulkan subword hasil canonical segmentation digabungkan dengan tag fitur linguistik sebagai masukan ke encoder-decoder transformer pada proses training. Subword yang dimaksudkan adalah subword hasil segmentasi untuk meningkatkan frekuensi kosa kata. Sedangkan tag fitur berupa afiks dan root word untuk membantu proses pembelajaran encoder dan membentuk keluaran decoder saat proses training. Lebih lanjut Sdri. Sri juga menyebutkan bahwa penelitiannya terbagi menjadi dua tahap. Tahap pertama, melakukan proses canonical segmentation bahasa Jawa menggunakan encoder-decoder berbasis transformer. Ia juga menambahkan jika tiga tipe masukan ke encoder-decoder pada training. Tipe pertama adalah afiks dan root word. Kedua dan ketiga adalah sederatan karakter afiks dan root word. Tahap kedua, menggunakan NMT berbasis transformer dengan usulan masukan berupa subword bahasa Jawa hasil canonical segmentationtahap satu.
Usulan penggunaan subword hasil canonical segmentation dan penambahan tag fitur afiks dan root word pada subword dapat meningkatkan nilai BLEU pada low-resource NMT bahasa Jawa – bahasa Indonesia. Ia mengatakan juga membangun corpus parallel kalimat terjemahan bahasa Jawa- bahasa Indonesia dari berbagai sumber majalah, buku dan internet. Hasil penelitian menunjukan bahwa canonical segmentation terbaik adalah menggunakan masukan karakter di gabung dengan tag fitur berupa afiks dan root word. Sdri. Sri Hartati Wijono lulus sebagai doktor ke-113 Fasilkom UI dalam bidang ilmu komputer.