Quora: Aplikasi Tanya Jawab Bahasa Indonesia

Penyedia layanan tanya jawab secara crowdsourcing sudah sejak lama ada. Quora adalah salah satunya. Aplikasi Tanya Jawab Crowdsourcing, tidak berbeda jauh dengan aplikasi penulisan katalog pengetahuan melalui crowdsourcing seperti Wikipedia. Crowdsourcing adalah mekanisme dimana netizen dengan cara demokratis bekerja sama secara peer untuk menghasilkan konten yang bagus. Mekanisme bisa berupa voting, dimana konten atau jawaban dengan voting terbanyak merupakan konten atau jawaban yang paling baik. Dengan mekanisme tersebut, maka konten atau jawaban melalui proses crowdsourcing akan konvergen menuju jawaban terbaik. 

Di Quora terdapat banyak sekali pertanyaan pertanyaan yang akhirnya juga bisa memperluas pengetahuan. Kita selain berpartisipasi memberikan jawaban, juga bisa bertanya mengenai segala hal, mulai hal hal yang ringan, sampai hal hal yang bersifat akademis atau filosofis yang lebih serius. Fitur yang menarik dari Quora terakhir ini adalah tersedianya layanan dalam bahasa Indonesia, sehingga hal ini sangat bagus untuk membantu mencerdaskan netizen Indonesia. Silahkan ditengok

Oh ya sebelum bisa mengakses Quora bahasa Indonesia, kita harus mendaftar dulu, mungkin ini masih sementara, selanjutnya rasanya kita akan otomatis bisa akses langsung fitur bahsa Indonesianya. Berikut contoh Quora bahasa Indonesia di Iphone. Selamat mencoba

 

IMG 5525

Konferensi Big Data Indonesia dan IWBIS 2018

Konferensi Big Data Indonesia (KBI) adalah salah satu kegiatan besar komunitas idBigData yang dilaksanakan rutin setahun sekali. KBI 2018 tahun ini dilaksanakan pada tanggal 12 dan 13 Mei 2018 di Balai Kartini Jakarta. Dalam kegiatan ini komunitas idBigData bekerja sama dengan Fasilkom Universitas Indonesia, sehingga pelaksanaannya dijadikan satu dengan gelaran akademis International Workshop on Big Data and Information Security (IWBIS 2018). Acara ini didukung oleh Bekraf, sehingga untuk pertama kalinya acara keren ini berlangsung gratis, sebagai akibatnya pendaftaran peserta jadi membludak dan banyak juga yang ga kebagian tiket untuk mengikuti acara. Wajarlah acara bagus dan digratiskan maka pada berlomba lomba untuk datang ke acara :).

Saya mengikuti acara KBI 2018 mewakili FEB Telkom University dan Asosiasi Ilmuwan Data Indonesia (AIDI). Banyak topik menarik yang dibawakan pada gelaran kali ini, dalam bentuk seminar dan pelatihan kilat (crash course) dari akademisi, industri, maupun pemerintahan. Daftar topik dan pembicara ada disini. Pada kesempatan yang sama, satu paper saya bersama mahasiswa (Dian) juga diterima untuk dipublikasikan pada gelaran IWBIS 2018. Paper tersebut berjudul “The Dynamic of Banking Network Topology – Case Study : Indonesia Presidential Election Event”. Alhamdulilah Dian yang mempresentasikan paper tersebut menyabet penghargaan Best Presenter

Rencananya KBI 2019 akan diadakan di ITS Surabaya, jadi sampai bertemu di Surabaya tahun depan ya .

IMG 4090

mewakili AIDI (Asosiasi Ilmuwan Data Indonesia)

IMG 4008

IMG 4017IMG 4100

IMG 4099

IMG 4043

Presentasi Dian di IWBIS

3B00C3AA 9E72 4914 82B1 10A2DF04250B

31632025 10156097913275202 4184739807911477248 n

Labtek Indie

Sekitar 2-3 bulan yang lalu saya berkenalan dengan Labtek Indie, suatu organisasi bisnis (startup) yang unik dan menarik, karena dalam menyediakan solusi ke klien, mereka menggunakan prinsip riset akademis berdasarkan teknologi terkini, bahkan state-of-the-art pada berbagai bidang contohnya Artificial Intelligence, Internet of Things, Human Centered Design, dll. Data Analytics dan Big Data merupakan satu area yang juga menggoda untuk dikuasai sebagai pelengkap riset riset yang ada. Ketika ditawarkan untuk berkolaborasi memperkuat riset yang ada, maka saya dengan senang hati membantu berkolaborasi dalam bidang Data Science dan Machine Learning. Peran saya adalah meningkatkan awareness akan utilitas data, mengarahkan riset dan solusi berbasis data, mengkaji pilihan model, melatih storytelling berdasarkan data, serta melihat peluang implementasi bisnis atau produk dari solusi berdasarkan data analytics.

Labtek Indie mempunyai budaya organisasi dengan memegang kuat tiga kata kunci : Human Centered Design (HCD), Agile Methodology, Lean StartUp. Dimana masing masingnya dijelaskan secara garis besar sebagai berikut:

HCD adalah pendekatan solusi yang berorientasi kepada kebutuhan klien (human) atau perspektif manusia (pengguna), berbeda dengan pendekatan solusi IT klasik yang memberikan solusi berdasarkan aspek kemampuan teknis / sistem. HCD mempertanyakan kebutuhan dan kenyamanan user atas produk / solusi yang akan dibuat. Pada prosesnya HCD membutuhkan tahap observasi masalah melalui pencarian konteks, brainstorming, konseptualisasi, pengembangan solusi, dan implementasinya

Agile Methodology adalah pendekatan pembuatan solusi dimana kebutuhan dan solusi yang ditawarkan bisa berubah secara dinamis selama proses pembuatan solusi tersebut berlangsung. Perubahan ini bisa terjadi karena ada interaksi kolaboratif pengorganisasian tim, tim yang berisi orang dengan keahlian yang heterogen, dan perubahan nilai / sikap dari klien. Metode ini mendukung pembelajaran adaptif, pengembangan kontinu, pengiriman solusi cepat, dan respon yang fleksibel terhadap perubahan.

Lean Startup menurut saska (CEO Labtek Indie) adalah prinsip yang dianut organisasi dalam menghadapi ketidakpastian (kompetisi) yaitu Build, Measure, Learn. Build artinya membuat prototype dengan prioritas kecepatan daripada detail produk. Measure artinya mengukur performansi protoype dan melihat arah pengembangan selanjutnya. Learn artinya proses pembelajaran dari proses measure untuk perbaikan selanjutnya. Ketiga prinsip diatas bersifat cycle (berulang). 

Untuk tahu lebih lanjut mengenai labtek indie, bisa kontak via facebook, IG, twitter : labtekindie 

 

Screen Shot 2018 05 25 at 10 49 32  2

Tulisan Big Data di Koran Pikiran Rakyat

Sudah sekian lama tidak menulis di media massa, akhirnya pada tanggal 23 April 2018 tulisan saya bersama dengan bu Lia Yuldinawati muncul di koran Pikiran Rakyat. Judul tulisan ini adalah “Di Era Big Data Internet Menjadi Kebutuhan Mendasar”. Tulisan ini menggambarkan bagaimana Big Data dapat diimplementasikan dalam segala lini kehidupan masyarakat untuk mendapatkan gambaran akurat mengenai gejolak sosial yang ada. Selama ini saya punya hardcopy artikelnya jadi belum sempet saya tuliskan di blog, tapi berkat bantuan rekan rekan dari Labtek Indie akhirnya saya mendapatkan softcopy tulisan tersebut. Monggo silahkan di klik gambar di bawah ini (ukuran 6 MB) untuk membaca artikelnya.

Image uploaded from iOS31144055 10156048637080202 7372322053127628631 n31143894 10156048637110202 6074305054173965283 n

PRO vs KONTRA TOPIK POLITIK #2019GantiPresiden #DiaSibukKerja

Hashtag #2019GantiPresiden sangat ramai beberapa saat yang lalu di Twitter. Hal ini merefreksikan kampanye yang dilakukan sekelompok masyarakat dalam aktivitas online maupun offline. Untuk aktivitas offline, Inget kasus di Car Free Day jakarta pada tanggal 29 April 2018, dimana terjadi kampanye dua kelompok yang bertentangan #2019GantiPresiden untuk yang kontra JKW dan #DiaSibukKerja untuk yang pro JKW. Gerakan ini cukup jadi trending topic di Twitter, menunjukkan studi kasus dinamika polarisasi opini masyarakat Indonesia. Sebetulnya saya bukan peneliti politik, tapi karena ingin melihat dinamika polarisasi tersebut, maka studi kasus yang paling ramai (mewakili) adalah di bidang politik, apalagi menjelang pemilu 2019. 

Periode pengumpulan data adalah 27 April – 5 Mei 2018. Topik pro dan kontra JKW untuk maju lagi di pilpres 2019 dengan hashtag sebagai berikut : 

Kontra : #2019gantipresiden #2019presidenbaru #gantipresidenyuk #gantipresiden #gantipresiden2019 #asalbukanjkw #2019gantirezim #2019wajibgantipresiden #2019asalbukanjokowi

Pro : #jokowi2periode #JKW2P #jokowipresiden2019 #2019tetapjokowi #jokowisekalilagi #rakyatmaujokowi2019 #jokowiduaperiode #salam2jari #ogah2019gantipresiden #diasibukkerja

Diperoleh: Data Kontra sebanyak 373885 Tweets dan Data Pro sebanyak 63267 Tweets. Dari jumlah data udah keliatan gerakan ganti presiden lebih ramai daripada yang pengen presidennya tetap. Dari analisa lebih dalam juga diperoleh bahwa kepadatan kelompok kontra jauh diatas kelompok pro, yang artinya percakapan lebih banyak terjadi antar sebarang aktor yang menjadi anggota masing masing opini. 

Dari pengelompokan percakapan masing masing opini, diperoleh kelompok terbesar berwarna ungu, sedangkan kedua terbesar berwarna hijau. Setelah menghilangkan banyak aktor tidak penting, akhirnya diperoleh aktor aktor inti (masing masing 100 aktor di tiap kelompok) yang jadi penggerak masing masing kelompok. Lihat gambar untuk kumpulan aktor inti ini. 

Apakah hasil ini bisa dipercaya?, paling tidak ini menjadi indikasi. Saya sih percaya mayoritas masih diam (belum menuliskan opininya).

Analisa teks dan pencarian topik tidak jadi dilakukan, komputernya keburu sibuk dipake riset yang lain 😛 ..

Contrascreenshot

Semesta percakapan kontra JKW

Proscreenshot

Semesta percakapan pro JKW

Contra1stcom

Komunitas kontra JKW terbesar

Contra2com

Komunitas kontra JKW terbesar ke 2

Pro1stcommunity

Komunitas pro JKW terbesar

Pro2community

Komunitas pro JKW terbesar ke 2

Publikasi 5 Paper di ICOICT 2018

ICOICT singkatan dari International Conference on Information and Communication Technology.  Di tahun 2018, konferensi ini dilaksanakan di kampus Universitas Telkom pada tanggal 3-5 Mei 2018. Kali ini tim lab kami mengirimkan 7 paper, namun yang diterima 5 paper. Menurut saya wajar juga ada yang ditolak, ga lucu nanti konferensinya kalau ada nama dominan (kebanyakan paper).  5 paper sudah merupakan rekor jumlah paper saya terbanyak yang diterima dalam satu konferensi yang terindeks scopus. Tema konferensi tahun ini sangat menarik yaitu “Connecting Sensors, Machines, and Societies” .. ini mencakup banyak bidang keilmuan ICT seperti Big Data, IoT, Security, dan lain lain. 

Paper yang kami presentasikan tahun ini cukup beragam topiknya. Hal ini menunjukkan keragaman studi lab kami (Lab. Social Computing and Big Data). Saya pribadi sangat senang dengan keberagaman topik paper paper yang kami tampilkan, terus terang saya menyukai semua topik yang dibawakan, masing masing punya keunikan, kesulitan, dan kontribusi yang cukup signifikan. 5 Paper yang dipresentasikan berdasarkan urutan presentasi adalah:

1. Artificial Neural Network for Predicting Indonesia Stock Exchange Composite using Macroeconomic Variables (CoAuthor bersama Asri Nurfathi)

2. Finding Pattern in Dynamic Network Analysis (CoAuthor bersama Made Kevin Bratawisnu dan Puput Hari Sanjani)

3. Dynamic Large Scale Data on Twitter using Sentiment Analysis and Topic Modeling, Case Study Uber (CoAuthor bersama Wirawan Rizkika, Ditya Dwi Nugroho, Farhan Renaldi, dan Siti Saadah)

4. Social Network Performance Analysis and Content Engagement of Indonesia E-Commerce, Case Study Tokopedia and Bukalapak (CoAuthor bersama Afrillia Utami)

5. Ontology Modelling Approach for Personality Measurement based on Social Media Activity (CoAuthor bersama M. Rizqy dan Darin Dindi)

Sebagai bonus, paper kami yang berjudul Finding Pattern in Dynamic Network Analysis yang dipresentasikan oleh Made Kevin mendapatkan penghargaan sebagai paper terbaik. suatu pencapaian yang membanggakan. Congrat untuk kerja keras dari semua anggota lab yang terlibat dalam ICOICT 2018. Paper paper kami nantinya bisa diakses kalau sudah terindeks di IEEE, namun apabila ada kebutuhan mendesak bisa kontak saya, nanti saya kirim via japri ..

Sampai bertemu di ICOICT 2019.

Berikut foto foto dari acara tersebut.

 

IMG 3653

foto full team di ICOICT 2018 kecuali Darin, Puput, dan Bu Tisa

IMG 3654

IMG 3655

IMG 3656

IMG 3657

IMG 3658

31890704 10156073853675202 9101392878294269952 n

Narasumber Big Data

Semenjak lulus sidang terbuka (ujian promosi doktor) bulan januari 2018 kemarin, saya merasa jauh lebih bebas memikirkan riset, memikirkan keilmuan, dan memikirkan hal hal lain termasuk topik Big Data. Dulu boro boro mau mikirin banyak hal, kalo urusan disertasi belum beres rasanya ga mau mikirin yang lain. Ini lebih karena takut yang dikerjakan di disertasi jadi lupa ..hehe. Karena lagi masa “tenang”, eh Ndilalah (ini basa jawa artinya tiba tiba) kok banyak datang tawaran jadi narasumber topik Big Data. Berhubung kebebasan mencari ide dan bercerita soal Big Data lagi banyak, maka saya iyain tawaran tersebut, lagian tawarannya deket, cuman di bandung dan jakarta, sebenernya ada satu tawaran lagi di jogja, terpaksa saya tolak, karena bentrok dengan acara yang di bandung. 

Narasumber pertama adalah di SBM-ITB dalam rangka pembukaan (Kick-Off) Seminar Lab. Big Data Analysis dan Social Simulation. Kebetulan nama lab nya mirip dengan lab saya (Social Computing dan Big Data). Ternyata memang ruang lingkupnya pun mirip, jadi asyiknya sekarang saya punya rujukan untuk kolaborasi riset tentang studi manusia / sosial menggunakan Big Data. Kebetulan ketua lab tersebut adalah teman waktu sama sama kuliah S1 di Matematika ITB. Jadi memang networking itu benar adanya. Saya yakin dengan kemampuan rekan saya (yang sealmamater ini) dalam membawa lab ini menjadi sukses. Sekali lagi selamat SBM ITB. 

Topik seminar SBM adalah “Big Data Development in Education and Business Practice”, dari topik besar tersebut saya jadi memikirkan kembali kenapa edukasi Big Data di Indonesia belum kedengaran gaungnya, padahal industri / bisnis lagi banyak mencari info dan talenta. Dari pemikiran tersebut maka muncul pemetaan kelimuan dan profesi Data Scientist yang saya tulis di blog ini. Dipikir pikir semakin sering jadi narasumber dan disodorin topik topik tertentu berkaitan dengan keahlian kita, maka semakin kita menguasai topik yang kita “rasa” kuasai dari berbagai sudut pandangan. 

Narasumber kedua adalah menjadi pembicara di acara BMKG (Badan Meterologi, Klimatologi, dan Geofisika). BMKG sedang menyambut hari jadi ke 68 hari meteorologi dunia. Untuk menyambut hari tersebut, mereka mengadakan seminar ilmiah dengan tema “Implementasi Big Data dan Artificial Intelligence untuk Peningkatan Layanan Kecepatan dan Akurasi Layanan Informasi BMKG”. Pembicara yang diundang adalah dari LIPI, UI, ITS, Grab, Solusi247, Telkom Indonesia, Schumberger, dan saya sendiri mewakili Telkom University. Materi yang saya bawakan berkaitan dengan peran Big Data dalam memahami perilaku manusia. Sepertinya topik saya tidak bersinggungan langsung dengan BMKG, akan tetapi ternyata misi dari BMKG sendiri adalah melihat kemajuan terkini terkait penelitian Big Data dalam segala bidang. 

Menjadi narasumber dalam suatu acara merupakan kesempatan bagus untuk menjalin jaringan dengan orang orang yang satu rumpun keilmuan dengan kita, atau bisa juga yang keilmuan tidak sama tapi mempunyai minat yang sama. Oh ya ngomong ngomong kenapa saya yang dipilih jadi narasumber di BMKG, rupanya alasannya sama dengan yang SBM, lagi lagi di BMKG ada rekan sesama almamater di S1 Matematika dulu.  ternyata oh ternyata .. eh tapi bukan hanya karena pertemanan lho saya diundang, tapi pertemanan bisa membantu menemukan siapa teman kita yang punya kemampuan seperti yang kita inginkan

Next Narasumber ? .. ada deh bulan bulan depan, nanti diupdate lagi beritanya.

Foto fotonya …

 

IMG 9170IMG 9284IMG 91636f520024 7198 43f1 80a6 ac297618d74e

 

 

Pemetaan Profesi Data Scientist

Big Data

Saking seringnya ngobrol tentang Big Data dengan beberapa kalangan, lama lama saya mulai bisa memetakan kebingungan, kegalauan, dan pemahaman masyarakat mengenai topik ini. Kebanyakan masyarakat yang awam dengan Big Data, sering tidak bisa mendefinisikan dengan tepat apa itu Big Data. Mereka hanya tahu bagian input dan output saja ..  proses di tengahnya gelap seperti blackbox. Bahkan beberapa rekan dosen yang masih awam bilang, coba selesaikan masalah penelitian dengan Big Data (maksudnya sih mengambil data dari media sosial), sementara yang lain menggangap bahwa Big Data itu metode pengganti statistik yang lebih canggih. Tentu saja anggapan anggapan tersebut tidak benar, kita semua mengenal istilah Big Data ini, karena ada peluang tersedianya data dalam jumlah besar, sehingga muncul peluang untuk memanfaatkannya. Perkara apakah hasil riset menggunakan Big Data akan lebih baik dari hasil metode konvensional (statistik), yah belum tentu juga.

Jadi Big Data itu apa ?, metode, alat, media atau yang hal lainnya yang kompleks,  tidak masuk dalam kategori yang bisa dipahami (rumit), maka dimasukkan ke dalam Big Data. Lucunya ini kenyataan lho, bahkan misalkan proses optimasi, simulasi, dan model matematika yang sudah ada sejak dulu, sering dianggap sebagai bagian Big Data juga, hanya karena metode itu saat ini sering digunakan (untuk menyelesaikan masalah kompleks) karena ketersediaan data yang semakin mudah. Sisi bagusnya adalah metode metode seperti artificial neural network, simulasi monte carlo, simulated annealing, dan lain lainnya semakin sering dipergunakan dan semakin dikenal.

Data Science

Supaya tidak terjebak istilah Big Data yang ambigu, maka saya sarankan kita bicaranya dari sisi Data Science saja. Data Science adalah suatu ilmu yang berpusat pada data sebagai komoditi utamanya. Beberapa metode dan kepentingan dari latar belakang kelimuan yang berbeda digunakan. Ilmu ilmu tersebut antara lain adalah ilmu komputer, matematika / statistika, bisnis, dan domain / konteks permasalahan.  Orang / talentanya disebut sebagai Data Scientist, dalam bahasa Indonesia adalah Ilmuwan Data. Kebetulan saya dan beberapa rekan ilmuwan serta praktisi membuat wadah Asosiasi Ilmuwan Data Indonesia (AIDI) (silahkan dicek,  boleh kok bergabung). Masih ingat postingan saya beberapa tahun yang lalu tentang tulisan Davenport dan DJ Patil di HBR bahwa “Data Scientist is the most sexiest job in 21th century” pada tahun 2012. Ternyata 5 – 6  tahun kemudian tetap sexy lho, cek disini dan disini.

Karena begitu sexy nya profesi ini, maka saya mulai melakukan riset kecil kecilan, kenapa profesi ini begitu dicari. Industri begitu kesulitan, dan bahkan putus asa mencari talenta yang bisa melakukan analisa, menceritakan pola dari data, dan membuat prediksi. Karena latar belakang pendidikan lulusan universitas pada umumnya sering terkotak kotak pada kelompok keilmuan tertentu, dan belum bisa berkomunikasi dengan bidang lain. Sebagai gambaran, daripada memberi gaji 1x ke programmer, 1x ke modeler, dan 1x ke orang bisnis (total 3x gaji), lebih baik perusahaan memberikan gaji 5x ke 1 orang yang menguasai ketiga domain tersebut. Nah talenta / orang ini yang disebut sebagai Data Scientist.

Pemetaan Data Scientist

Data Analytics Body of Knowledge

Data Science Knowledge Area

 

Data Engineering Body of Knowledge

 

Hasil baca sana sini, diperolah bahwa seorang Data Scientist itu harus mempunyai Knowledge Area (area pengetahuan) di bidang Data Analytics, Data Engineering, Data Management, Research Methodology, Project Management, Business Analytics, dan Domain Knowledge. Masing masing dari area pengetahuan diatas dibagi lagi menjadi keilmuan keilmuan kecil yang disebut sebagai Body of Knowledge (BoK) yang diselaraskan dengan cabang keilmuan, sehingga kita bisa identifikasi keilmuan besarnya masuk ke dalam ilmu apa. Peta sementara dari 3 gambar diatas, menunjukkan betapa kompleksnya keilmuan data tersebut, tidak salah kalo memang pekerjaan ini disebut pekerjaan sexy.

Oh ya sebagai penutup blog singkat ini.  Dari segitu banyak “maunya” industri mencari talenta Data Scientist yang canggih, sampai saat ini belum terlihat adanya daftar / framework kompetensi dari seorang Data Scientist yang diinginkan oleh industri, atau bahkan kompetensi secara global. Ini menjadi PR penting dalam rangka mengurangi gap antara lulusan universitas dan industri.

Polarisasi Opini dan Mekanisme Perpecahan Bangsa

Bicara mengenai keramaian di medsos tentang berbagai isu tidak akan pernah ada habisnya. Mudah sekali melihat postingan saling hujat, permusuhan, gosip, kecemburuan dan hal hal negatif lainnya terlontar. Menjelang Pemilu 2019, situasi ini menjadi lebih tidak karuan, bahkan makin kompleks. Kalau kita mengikuti alur opini yang ada tentu akan sangat menghabiskan waktu dan tenaga. Saya pernah share di entry ini mengenai bagaimana seharusnya kita bersikap. Saya tulis bukan berarti kita harus ignorant, akan tetapi saya menyarankan untuk memahami kelompok yang mempunyai pendapat berlawanan dengan kita atau kelompok kita. Sebelum kita menceburkan diri dalam suatu kelompok/opini yang ada, ada baiknya kita juga pahami kelompok lawan. 

Pada saat saya kuliah S2 di Prancis, bahasa pengantar yang digunakan adalah bahasa Prancis, akibatnya saya cukup kerepotan memahami percakapan sehari hari. Secara tidak langsung, terbentuk kelompok pertemanan diantara temen kuliah, yaitu kelompok berbahasa native , dan kelompok mahasiswa asing yang bahasa Prancisnya pas pasan. Pembentukan kelompok secara natural ini disebut sebagai Homophily dalam metode jejasing sosial ( Social Network Analysis ). Singkat kata jurang pembeda antara kami mahasiswa asing dan mahasiswa lokal menjadi semakin jauh waktu itu, karena komunikasi kami yang tidak lancar (dan cukup merepotkan / perlu usaha besar)

Homophilly terjadi karena persamaan hobi, bahasa, budaya, dan motif lainnya. Contoh lebih mudah disekitar kita adalah contoh orang jawa dan orang sunda. Guyonan orang jawa akan terasa lucu bagi orang jawa, jika diterjemahkan ke dalam bahasa indonesia jadi ga lucu, apalagi ke dalam bahasa sunda. Makanya kalo orang jawa bikin guyonan, yang ketawa hanya orang jawa. Demikian pula dengan orang sunda. Perbedaan bahasa dan budaya ini membuat orang jawa lebih suka berkumpul dengan orang jawa, demikian juga dengan orang sunda. Sangat sedikit jejaring sosial berbentuk Heterophilly (lawan Homophily).

Kembali ke medsos, saat ini analogi Homophily sedang terjadi, banyak diantara kita yang tidak setuju opini teman kita, maka dengan mudah melakukan unfriend, kita hanya menerima pertemanan dari orang orang yang seide dengan kita. Akibatnya opini akan bergaung (amplify) di dalam kelompoknya sendiri. Sementara diseberang sana kelompok lawan juga mengalami hal yang sama. Jurang opini antar kelompok semakin besar, sehingga membahayakan persatuan organisasi (termasuk negara). Saya amati jika seseorang sudah punya opini, maka yang dilakukan adalah mencari persetujuan diantara lingkungan sosialnya akan opininya tersebut. Ini disebut sebagai predefined opinion. Orang orang dengan predefined opinion umumnya sudah sulit diubah opininya. Oleh kerena sebenarnya adu argumentasi di medsos dengan tujuan merubah pandangan orang lain menurut saya sia sia saja.

Gambar berikut ini contoh visualisasi Homophily pada studi anak anak SMP di Amerika, yaitu pertemanan antara anak anak kulit putih dan kulit hitam dan berwarna lainnya. Terlihat polarisasi pengelompokan antara dua kubu. Hal ini menunjukkan Homophily adalah fenomena umum. Gambar diambil dari buku Newman (Network: An Introduction).

Screen Shot 2018 02 26 at 18 40 07  2

Terus solusinya gimana dong. Ide saya sih adalah bagaimanapun perilaku jaringan adalah agregasi dari perilaku individu, jadi edukasi / literasi tentang bahaya perpecahan ini layak diberikan. Dengan pemahaman tersebut, maka saya yakin polarisasi yang ekstrim tidak akan terbentuk. Terdengar mudah yah, padahal susah prakteknya … ya saya tahu .. memang susah mencari solusi mudah supaya tidak terjadi perpecahan bangsa. Cara lain yah dari tokoh atau pemimpin kelompok supaya meredam jurang pemisah antar kelompok.