Sekilas tentang Jaringan Syaraf Tiruan (JST)

Halo readers! Kali ini saya ingin sekali membahas tentang main pokok tugas akhir saya : Jaringan Syaraf Tiruan (JST). Sebelumnya saya minta maaf ya kalau ada kesalahan dalam artikel ini. Mungkin untuk kebenaran mutlaknya bisa dicek di perpustakaan terdekat. 😀 JST yang saya gunakan dalam penyusunan tugas akhir adalah JST Backpropagation. Jadi yang saya jelaskan di sini JST BP.

Intinya JST ini semacam algoritma untuk mengklasifikasikan input. Semua pemrograman yang membutuhkan klasifikasi terkadang (kebanyakan) menggunakan JST untuk algoritmanya. Contohnya: Pemrograman Pengenalan Wajah. Mengapa pengenalan butuh klasifikasi? Jadi mudahnya begini, kalau kita melihat wajah seseorang, sebagai contoh wajah keluarga kita. Nah, semenjak kecil, untuk mengenali wajah keluarga kita, otak kita pasti akan mengklasifikasikan (mengelompokkan) tiap wajah berdasarkan atas suatu ciri tertentu. Misal: Bapak kita alisnya tebal. Ibu kita matanya sipit dan hidungnya mancung. Adik kita punya alis tebal dan mata sipit. Kakak kita punya alis tebal dan hidung mancung. Jadi otomatis, kalau bertemu dengan orang yang mondar – mandir di dalam rumah dengan ciri alis tebal dan hidung mancung, bisa dipastikan kalau dia adalah kakak kita. Nah masalahnya adalah, indra kita cuma bisa menangkap ciri – ciri itu. Lalu yang bisa mengklasifikasikan tadi siapa dong? Ya otak kita. Nah, JST itu ibaratnya adalah cara otak kita biar bisa mengenali ciri – ciri tadi, sehingga kita tidak salah menyapa kakak kita dengan sebutan ibu 😀

Dalam JST BP, sebelum mengolah suatu informasi input, segala macam input yang diterima harus berupa nilai numerik. Kembali lagi ke contoh. Kalau pengenalan wajah, bagaimana caranya mengubah input yang berupa foto (image) wajah menjadi output yang berupa numerik (angka) berapapun jumlahnya itu? Nah, itulah salah satu tantangannya 🙂 Sebelum ke dalam tahap JST BP, ada sebuah tahapan Pre-Processing Input. Kalau foto ya berarti namanya image processing. Tahapan ini yang akan mengubah foto yang membawa informasi berupa nilai – nilai dari pixel untuk diproses sedemikian rupa sehingga ciri – ciri dari tiap gambar diketahui dan ciri ini diubah menjadi ciri numerik sebagai input JST. Nah lho, bingung ya? Saya juga mulai bingung menjelaskannya. Haha 🙂

Sebagai contoh, ada foto bola berwarna putih dan bola berwarna hitam. Nah, kalau dilihat di histogram, perbedaan jumlah pixel antara rentang 0 – 255 ternyata jauh berbeda. Foto bola berwarna putih memiliki rentang dekat nilai 255 yang lebih banyak. Sedangkan foto bola berwarna hitam memiliki rentang dekat nilai 0 yang paling banyak. Perbedaan yang sangat mencolok inilah yang kita jadikan ciri. Ciri bola warna putih, nilai 255nya lebih banyak. Ciri bola warna hitam, nilai 0 nya lebih banyak. Kalau contoh di atas kan menggunakan histogram. Ciri – ciri yang lain juga bisa pakai metode – metode image processing yang lain. Kalau ini, mungkin bisa kita tanyakan ke mbah google ya. Kalau saya jelaskan di sini nantinya artikel ini berlembar2 dan saya juga gak begitu ngerti juga. Hahaha 😀

image 1 – Contoh Histogram di Tugas Akhir saya

Kalau input berupa histogram tadi, jumlah pixel (nilai numerik) yang berada pada rentang nilai 0 s.d 255 tadi yang akan dijadikan input untuk JST BP. Nah, gambar di bawah ini adalah contoh tahapan image processing yang terdapat pada tugas akhir saya.

image 2 – Contoh Blok diagram image processing

Output pada JST BP, berupa nilai numerik pula. Nah, prakteknya kalau pemrograman menggunakan MATLAB (kayaknya walau pakai bahasa pemrograman apapun, rule-nya sama siy), hasil dari nilai output numerik tadi diberi rentang nilai, misal jika saya punya nilai 0 – 0.5 maka output saya klasifikasikan ke dalam hasil A. Jika output bernilai 0.051 – 1, maka saya klasifikasikan ke dalam hasil B, dst.

Keunggulan dari JST BP ini, tingkat akurasinya dibandingkan JST lainnya yang paling tinggi. Karena dia memiliki metode pengecekan error. Intinya, JST BP ini memang dilahirkan sebagai JST yang perfectionist, 😀 Setiap menemukan nilai error, dia akan selalu memperbaiki nilai error hingga sekecil – kecilnya. Akan tetapi ingat! Bisa jadi pada proyek – proyek tertentu, JST BP ini malah membuat proyek tersebut tidak mengenali dengan baik. Misal pendeteksian sempitnya pembuluh darah lebih cocok pakai LVQ, atau JST yang lainnya. Nah, kalau masalah itu, solusi pemecahan yang terbaik adalah trial and error. 😀 Ya, sama saja seperti manusia, kalau dipasangkan dengan orang yang perfectionist bisa jadi nggak mau. Bisa jadi cocok banget. Nah, kalau itu kan tergantung manusianya kan.

Secara garis besar, kalau dibuat blok diagram, JST BP seperti ini

image 3 – Blok diagram JST BP

Untuk jumlah layer hidden dan output itu terserah. Berapapun. Kalau dalam tugas akhir, biasanya ini yang diuji. Jika jumlah hidden layer 3 biji misal, akurasinya berapa. Atau 2, pokoknya terserah 😀 Jumlah layer yang menghasilkan tingkat akurasi yang paling tinggilah yang nantinya akan dipakai pada sistem secara keseluruhan.

Untuk perhitungan JST BP, mungkin readers bisa lihat langsung ya rumus – rumusnya lewat eyang google atau buku JST. Secara garis besar sinyal yang terdapat pada JST BP bisa dilihat lewat diagram berikut. Maaf tulisan sendiri kalau semisal nggak kelihatan, diklik aja 😀

image 4 – Diagram Sinyal JST BP

Sama seperti otak, pengelolaan sinyal informasi dilakukan dalam bentuk sinyal elektrik. Sel syaraf yang mengolah berupa neuron – neuron. Pada gambar di atas, terdapat 3 macam neuron: neuron input (X), neuron hidden (Z) dan neuron output (Y). Jumlah neuron pada masing – masing layer itu terserah. Dalam tugas akhir saya, jumlah neuron ini termasuk yang akan diteliti terkait hubungannya terhadap nilai akurasi. Tiap neuron, akan mengirimkan sinyal ke neuron selanjutnya. Saat pengiriman sinyal, terdapat suatu nilai yang bernama bobot: bobot n.input ke n.hidden (V) dan bobot n.hidden ke n.output (W). Bobot akan dikalikan dengan input untuk menghasilkan sinyal output yang terkirim. Tentang bobot (weights) sebenarnya kalau baca buku text book saya juga masih bingung penjelasannya 😀 Intinya sih senangkapnya saya, sejenis gain gitu ya. Nah, untuk penamaannya, bobot dari n.input ke-1 terhadap n.hidden ke-1 bernama V11. Bobot dari n.input ke-1 terhadap n.hidden ke-2 bernama V12. Begitu seterusnya hingga n.input ke-n terhadap n.hidden ke-n bernama Vnn. Begitu pula penamaan bobot W  dari n.hidden ke n.output. Tiap layer, kecuali layer output akan mengirimkan sinyal bias. Nah, bias sendiri mungkin bisa dibaca dibuku text book ya penjelasan komplitnya. Kalau kata dosen saya, sederhananya bias itu seperti nilai toleransi, misal ada suatu nilai 50 +/- 0.5. Nilai toleransinya 0.5. Untuk bias ini terserah berapapun nilainya asal dalam rentang 0 dan 1.

Jadi bisa disimpulkan kan, kalau untuk Z1 saja, sinyal yang diterima (lihat panah yang menuju Z1) adalah: (X1).(V11) , (X2).(V21) , (Xn)(Vn1) ,  dan V01. Jadi total keseluruhan sinyal Z1 adalah V01+(X1).(V11)+(X2).(V21)+(Xn)(Vn1). Nah, sekarang coba lihat rumus yang ada di buku. Sama kan? 🙂 –> saya menuliskan penurunan rumus ini karena ternyata banyak teman2 saya tidak mengerti mengapa rumus di buku itu sigma blah blah blah~ruwet. 😆

Nah, setelah ketemu sinyalnya, harus dimasukkan ke dalam suatu fungsi transfer. Kalau sepenangkapan saya, setelah belajar – belajar, intinya fungsi ini bertugas memetakan nilai output agar nilainya terletak di antara [-1 1]. Ya karena, bisa dibayangkan kan kalau nilai sinyalnya sampai 1 milyar misalnya, tidak disederhanakan, bisa puyeng juga kan. 😀 Fungsi transfer, kalau di Matlab seingat saya ada 4 macam : Tansig (Tangen Sigmoid), Logsig  (Log Sigmoid), Linear dan Satlin (Saturating Linear). Nah, tiap – tiap fungsi memiliki rumus sendiri2 (saya nggak hafal, bisa langsung search di Matlab help :P) untuk memetakan nilai input biar sederhana. Sebagai contoh fungsi Satlin di bawah.

image 5 – Grafik Fungsi Transfer Saturation Liner (Satlin)

Jadi semisal sinyal outputnya setelah dihitung2, nilainya 1 milyar. Nah itu masuknya tak hingga. Jadi dibacanya 1. Kalau sinyal outputnya 0.5, maka nilainya 0.5, dst. Sesuai dengan grafik di atas. Absis adalah input dan Ordinat adalah hasil keluaran ketika input dimasukkan ke dalam fungsi. Di sinyal yang paling akhir, nanti akan dibandingkan dengan sinyal target (terserah berapa nilainya). Inilah yang menyebabkan JST BP termasuk supervised learning. Pembelajarannya diawasi atau ada targetnya. Kalau ternyata jauh banget perbedaannya antara sinyal output dan target, akan dihitung errornya, lalu diupdate nilai bobot2nya sehingga menghasilkan hasil output yang hampir mirip dengan sinyal target.

Kalau kita mengenali seseorang, pasti kita perlu latihan dong untuk beberapa kali melihat orang tadi sehingga kita jadi ingat namanya siapa. Nah sama seperti JST BP, dia juga perlu latihan untuk mengklasifikasikan input yang dia terima. Jumlah latihan (training) ini terserah. Mau 100 boleh, 100 boleh. 1000000 pun boleh 😀 Nah karena berapapun boleh, biasanya jumlah training ini akan diuji di Tugas Akhir.

Untuk perhitungan error, bisa menggunakan metode MSE atau MAE (setahu saya) atau mungkin metode perhitungan error lain yang saya belum tahu 😀 Kalau di Matlab, langsung default MSE. Biasanya di buku2 juga menyarankan MSE. Entah mengapa. Setahu saya memang agar error yang bernilai negatif pun bisa terhitung karena ada square-nya itu (MSE). Nah tapi, kalau dipikir, absolute juga membuat nilai negatif jadi positif sehingga bisa dihitung (MAE). ❓ Untuk penentuan bobot awal, karena nilainya terserah kita, kita bisa juga menghitung dengan metode Nguyen-Widrow untuk menentukan nilai bobot yang menghasilkan nilai error paling kecil. Bisa tanya eyang google ya tentang Nguyen-Widrow. Hehe.

Nah, mungkin baru itu yang bisa saya bagi tentang JST BP. Mungkin kalau ada yang mau menambahkan, atau dirasa pernyataan saya salah, silahkan berbagi saja. Semoga bermanfaat ya buat yang sedang belajar JST 😀

Acknowledgements My UThesis

Well, di bawah ini adalah ucapan terima kasih yang saya tuliskan di dalam buku UThesis saya. Terima kasih untuk kalian semua 🙂

ACKNOWLEDGEMENTS

            Grateful to the Allah SWT for all of the helping so the writer could finish this undergraduated thesis on scheduled. The writer is also thankful to the persons below:

• The writer’s family, from whom the writer could felt a huge attention and affection.
• Porman Pangaribuan, Ir., M.T., as the first advisor of this undergraduated thesis, who giving an outstanding advices, constructive critics and comments that never been thought in undergraduated thesis making time.
• Suryo Adhi Wibowo, S.T., M.T., as the second advisor of this undergraduated thesis, who giving all of his patience, brilliant guidance, and advices so that the writer could understood about image processing and materials related.
• Vincentius Prasasto Widhoyoko, who sharing about industrial process in plastic ore industry, especially for sorting plastic area.
• Ahmad Faruq and Dandy Risfanto Huri, AMD, as beloved hometown friends, who given some helpful efforts in software and hardware.
• Dr. Eril Mozef, MS, DEA, who giving brilliant ideas with his question about LED.
• Asep Najmurrokhman, S.T, M.T, who giving brilliant explanation about Backpropagation Artificial Neural Network.
• Astrini Kusumawardhani, S.T. and Larasati Cahyawening, S.T., who giving and explaining their undergraduated thesis files for helping the writer to understand about image processing.
• All of the writer’s lecturers who have benignly given their knowledge without any recompense.
• Dina Febriani Puspawana, Pratiwi Budi Enggar Kusumaningrum, Monika Suherman, Nahdatin Hasanah, Dewi Utami, and Masita Wilda, who giving a beautiful outstanding huge friend-performances ever, during buffetings in Telkom Institute of Technology.
• Rodia Mardia, Wahyu Ika, Gigih, Nabila Noi, Nur Chaeriyah, who sharing knowledge Image Processing for making undergraduated thesis in a pleasure.
• Luthfy Delftyana and Bima Wibawa, who sharing knowledge about Microcontroller ATMega 8535 and Proteus.
• Ardyna Dyan Purnamasari, AMD, Anna Meutia, Kamila Hasbianti, who giving their support, sharing confusion in undergraduated thesis making time and making laugh in bad mood.
• Nizaruddin Rais, Rama, Sukhma and Septika Damayanti as faithful friends and life mentor, who always tutors the magical of life and giving supports in any ways.
• Dhita Maya Roselyn Simatupang who present in a good and bad situation for attending the lecture and always amaze me with her wonderful-outstanding voice when singing.
• Istiqomah, Nita Setti Krisdayanti, Retno Fitriyani, Icha Marisa Hanifah, Nella Oktora, Susilawati, Emi Fridian Martha, Nandhini D., Stephani Rizky, Atika Rahma Putri, Yuktika, Anggraini, and Ananda Hakimia who always being together to use women power for struggling in Electrical Engineering.
• A grand family of Industrial Automation, DSK Laboratory and Vision Sensor Project Team, who giving new friendship, new adventure moment in projects and understanding PLC.
• All of UIKA member, thank you for being my new friend and teaching me about Acehnese and all of its culture, especially for Ratoh-duek and Likok Pulo dances.
• All of LINKA member, especially who comes from Jombang, thank you for your support and being my friends in IT Telkom.
• EL-36-01 and EL-36-02, as my juniors and review session – beloved students, who took attention into me on KPST-class. Hope you all success and always take critical thinking with all of your dreams.
• A grand family of Electrical Engineering Telkom Institute of Technologies: Bravo Electro, Electro Lead The Way!
• A grand family of EIRRG and µPCi Laboratory, thank you for helping the writer to understand about microcontroller.
• All of friends in Versatile Silicon Technologies and Telkom DIVA-Jombang, without any deliberate, who has taught me about friendship, hold out in such a distress condition, perfectionism in skill and knowledge, professionalism in team work, and braveness.
• And every other name to whom the writer only wants to list them in her heart.

Last, the writer wants to thank to all of the readers to set aside their time to read, comment, and maybe in the next time, would be completed this imperfect undergraduated thesis.

Sidang Saya

Wewww,, akhirnya setelah beberapa lama tidak pernah menulis blog karena saking sibuk tidurnyaaaa…. Hahahaha. Well, karena lagi banyak teman – teman IT Telkom yang sedang melaksanakan sidang tugas akhir, akhirnya saya ingin berbagi tentang sidang tugas akhir saya pada tanggal 13 Februari 2013 lalu, serta bagaimana persiapan menjelang itu semua.

Tugas akhir saya berjudul “Prototype Design of Sorting Food Packaging Plastic Types Using Backpropagation Artificial Neural Network”. Buku tugas akhir ini saya tulis dalam bahasa inggris karena tugas akhir saya ini merupakan penelitian awal di Indonesia tentang penyortiran chemical molekul plastik berdasarkan atas cahaya input yang dibiaskan. Pada akhirnya saya berharap tugas akhir ini bisa dipakai referensi hingga ke luar negeri karena baru penelitian awal yang perlu dikembangkan, maka dari itu saya tulis semua dalam bahasa inggris.

Ide dari pembuatan tugas akhir ini adalah, saya ingin agar tugas akhir saya dapat diimplementasikan ke dalam kehidupan masyarakat. Saya berkuliah di Bandung. Saya melihat bahwa masyarakat Bandung masih susah berkutat dengan sampah. Nah, akhirnya saya berpikir mengapa tidak membuat mesin pemilah sampah otomatis sehingga pada akhirnya pengolahan sampah dapat secara cepat ditangani dalam skala besar?

Bagi teman – teman yang masih atau mau mengerjakan tugas akhir, saran saya : buatlah deadline dalam perkembangan tugas akhir anda. Sebagai contoh, saat mengerjakan tugas akhir, saya sadar bahwa tugas akhir saya terdiri atas 20% hardware, 80% software (karena saya Teknik Elektro) jadi dalam pembuatan hardware saya beri deadline sebanyak 1 minggu. Sehingga jujur saja, mungkin memang agak preasure banget ngerjainnya, tapi gara – gara deadline tadi, saya nyantai banget menjelang pelaksanaan sidang. Pembuatan software saya lakukan selama 3 minggu. Software yang saya gunakan adalah matlab. 1 minggu untuk pembuatan code image processing, 1 minggu untuk pembuatan code ekstraksi ciri, dan 1 minggu terakhir untuk pembuatan code jaringan syaraf tiruannya. Jadi intinya, untuk pembuatan main tugas akhir saya lakukan selama 1 bulan, dengan catatan adanya deadline setiap minggu. Sebelum pembuatan main, saya belajar tentang image processing , ekstraksi ciri, jaringan syaraf tiruan (JST), plastik dan sebagainya selama 1 bulan. Dalam belajar itupun saya terapkan deadline. Misalnya minggu pertama belajar tentang image processing, minggu kedua tentang ekstraksi ciri, dst. Terima kasih juga kepada pembimbing saya Pak Porman Pangaribuan dan Pak Suryo Adhi Wibowo yang juga strict banget masalah deadline. Hehehehe. 😀 Jadi mau nggak mau, mahasiswa bimbingannya juga termotivasi buat memenuhi deadline tersebut.

Yang memakan banyak waktu sebenarnya waktu pengujian. Karena lebih dari 500 gambar yang saya teliti, jadi selain kesabaran, juga perlu trik untuk mengakali program yang dapat melakukan eksekusi berulang – ulang terhadap gambar yang banyak tadi. Terima kasih banget buat teman saya Ahmad Faruq yang mau mengajari tentang hal ini. 🙂 Di tengah – tengah melakukan percobaan, kaget karena dosbim saya meminta untuk mengganti program JST-nya dengan program yang lebih panjang daripada mengambil fungsi dari matlab. Karena JST saya menggunakan Backpropagation yang maks 3 layer, sempat kebingungan juga bikin program backprop nya karena di buku – buku hanya mencantumkan program untuk 1 layer. Walhasil, dilema pun terjadi. Di satu sisi program ini yang paling gampang menjelaskan jika ditanyai penguji saat sidang, tapi di sisi lain, akurasinya hanya menghasilkan 20% maksimal, padahal kalau pakai fungsi matlab bisa sampai 90%. Setelah berpusing – pusing ria, akhirnya diputuskan untuk kembali ke program awal. Jadi saya harus melakukan pengujian ulang lagi! Fiuh. Di sini lah kesabaran emang harus diuji. Belum lagi masalah peletakkan plastik di dalam black box untuk mengambil data awal juga jadi masalah. Karena jika geser sedikit saja, cahaya yang dibiaskan memiliki histogram yang berbeda. Cobaan batin banget lah pokoknya.

Saat sidang pun tiba. Saya dibantu oleh Mbak saya, Mbak Retta yang jauh – jauh datang dengan menyamar menjadi mahasiswa IT Telkom berseragam putih biru 😀 , pagi – pagi sudah mempersiapkan ruang sidang dengan baik. Bahkan mbak Retta iseng menyalakan lagu “When You Tell Me That You Love Me, Diana Rose – Westlife” dan “The End of The World, Skeeter Davis” di  Windows Media Player saya. Sempat ragu karena tidak ada di sejarah IT Telkom yang mahasiswa mau sidang tapi malah menyalakan lagu terlebih dahulu sembari menunggu dosen penguji datang. Ckckckck. Tapi, terbukti! Para penonton sidang dan dosen penguji saya malah terkesan lebih santai ketika masuk ruangan. Terima kasih Mbak Retta atas ide gila ini. 🙂 Saya melaksanakan presentasi sidang dalam bahasa Inggris, karena buku tugas akhir saya dalam bahasa inggris. Sedangkan semua pertanyaan dalam bahasa Indonesia. Penonton sidang sedikit, hanya sekitar 10 orang, karena ruangan sidang saya saat itu di Ruang sidang B Gedung N Fakultas Elko, yang sempit sekali. Penguji saya 1 orang professor, 1 orang doktor Jepang, 1 orang Kaprodi D3 Telekomunikasi. Brrrrr, karena mendengar kesan dari kakak kelas yang begitu dahsyatnya mereka bertiga, jujur saja saya sempat deg deg an. Tapi ketika saat sidang, mereka ternyata santai, pertanyaannya jelas berbeda dengan dosen – dosen penguji sidang yang berlatar belakang pendidikan S2. Mereka mengedepankan teori dan bagaimana nantinya penerapan di lapangan. Berdasarkan atas pengalaman saya menonton sidang teman – teman yang diuji oleh mereka yang S2, pertanyaannya lebih menjatuhkan, selalu mencari – cari kesalahan, dan ditanyai program.

Kalau penguji saya, dari pertanyaan – pertanyaan mereka sudah jelas, mereka ingin mengetahui seberapa dalam teori dan pengetahuan tentang tugas akhir saya. Sehingga jika saya salah mengucapkan dan menjelaskan teori, matilah saya.

Tapi saya selalu ingat kata Allah bahwa: Setelah kesulitan pasti ada kemudahan. Gara – gara cobaan yang bertubi – tubi itu saat pembuatan tugas akhir, akhirnya sidang saya lancar jaya. 🙂 Pelaksanaan sidang sudah seperti curhat saja. Apa – apa yang saya ketahui di buku, percobaan, saya jelaskan semuanya. Segala bukti teori tentang image processing dan jaringan syaraf tiruan Alhamdulillah dapat saya jelaskan kepada penguji. Itu semua juga karena saat prasidang dengan dosbim kedua saya, saya ditanyai lebih tentang teori dan akhirnya saya mengetahui kedahsyatan pembelajaran selama 1 bulan di awal sebelum mengerjakan main tugas akhir saya.

Alhamdulillah, saya dapat predikat Tugas Akhir terbaik untuk Program Studi S1 Teknik Elektro IT Telkom periode April 2013. Banyak orang yang membantu saya dalam pelaksanaan tugas akhir ini, sehingga bisa dibilang bahwa penghargaan ini bukan hanya untuk saya, tetapi juga untuk semua orang yang telah membantu saya dalam pengerjaan tugas akhir ini. Tidak mungkin saya bisa sendiri tanpa kehadiran mereka yang membantu saya.

Bagi teman – teman yang mau sidang, jangan takut jika penguji kalian sekelas profesor ataupun doktor. Malah bersyukurlah. Mereka tahu mana pertanyaan sekelas S1, S2 atau S3. Mereka tidak akan memberikan pertanyaan lebih daripada kemampuan kalian. Enjoy the moment. Saya tidak berkata jangan nerveous. Karena pasti, semua orang nervous ketika akan sidang. Tapi yang jelas, just enjoy the moment! Sekali seumur hidup sidang S1. Maka nikmatilah 🙂 Menyalakan lagu sebelum sidang dimulai adalah ide yang bagus 🙂 Asal jangan musik rock saja yang diputar. 😀

Bagi teman – teman yang mengerjakan tugas akhir, jika kalian menemukan kesulitan, maka kesulitan itu adalah guru yang terbaik. Kesulitan itulah nantinya yang akan membimbing kalian dalam menjawab pertanyaan penguji saat sidang. Jadi, mengeluh dalam menghadapi kesulitan itu lumrah, toh di Al-Quran pun telah dijelaskan bahwa manusia diciptakan Allah pada dasarnya suka mengeluh. Tapi ingat! Jangan berlebihan. Karena saya sudah mengalami sendiri, bahwa ternyata kesulitan tadi lah sahabat dan guru terbaik dalam menghadapi sidang. Dan terakhir, jangan terlalu santai. Deadline sangat membantu. Saya sudah merasakan bahwa saya memang tersandung – sandung bahkan terjatuh – jatuh di awal gara – gara deadline yang saya pasang. Akan tetapi, di akhir menjelang minggu – minggu sidang, saya bisa dibilang lebih santai dan berjalan lurus daripada teman – teman saya yang terlalu santai di awal. Bahkan di minggu pendaftaran sidang mereka masih membuat alat atau melakukan pengujian. Ini jelas merugikan mereka sendiri.

Enjoy The Moment. Keep in spirit. Keep believing in your shoulder. You can do it! 🙂

Dedication Page [MyUThesis#5]

Ini adalah lembar persembahan yang saya tulis di Tugas Akhir saya. Awalnya saya berfikir, ini sederhana. Ini adalah pernyataan yang pernah Papa bilang saat telepon. Tapi ternyata, tulisan ini telah membuat 2 orang yang langsung membacanya, menangis. Well, bagaimana dengan anda?

“Suatu saat di penghujung hidup Papa nanti, mungkin Papa tidak bisa mewariskan harta yang melimpah ruah untuk kamu nduk. Mungkin, Papa nggak bisa belikan sawah yang berhektar – hektar untukmu. Mungkin, Papa nggak bisa belikan rumah yang sangat besar buat kamu. Papa mungkin juga gak bisa belikan mobil yang banyak buat kamu. Dan mungkin juga papa nggak bisa memberikan perlindungan untukmu lagi. Akan tetapi, ada satu hal yang Papa akan selalu berikan untukmu nduk. Kamu akan Papa beri ilmu nduk. Papa akan menyekolahkan kamu setinggi  – tingginya. Ilmu tidak akan pernah hilang. Ilmu akan menyelamatkan kamu di dunia ini, dari kekurangan dan segala ketakutan. Mulai sekarang hingga di penghujung hidupmu kelak, ilmu tidak akan pernah meninggalkanmu. Hanya ilmu…. Hanya ilmu yang bisa Papa berikan untukmu nduk.

Jangan pernah takut dengan apapun yang ada di dunia ini! Hanya kepada Allah–lah kamu musti takut. Hadapi semua kesulitan! Karena semua kesulitan bukanlah hambatan, melainkan tantangan. Hadapi dengan senyuman dan semangat! Papa akan selalu berdoa, setiap hari dan setiap saat, setelah Papa bangun dari tidur, sebelum makan, bahkan saat berolahraga Papa mendoakanmu. Jangan pernah meminta dan takut Papa tidak mendoakan, karena tanpa dipinta pun, Papa akan selalu mendoakanmu. Papa akan selalu berdoa untuk kesuksesanmu nduk. Kebahagiaanmu di dunia dan di akhirat kelak…. “

(-perkataan Papa di telepon, yang selalu kuingat-)

 

Terima kasih Papa yang selalu dan selalu memberikan dorongan spirit untukku. Terima kasih Mama karena (secara implisit) telah mencontohkan kepadaku bagaimana selayaknya perempuan menjadi orang yang ahli di bidangnya ketika berada di puncak kepemimpinan. Terima kasih Mas Aan yang diam – diam mengkhawatirkanku dan selalu bertanya bagaimana kuliahku. Dan terima kasih Mbak Retta, sebagai saudara, sahabat, bahkan guru, untuk berbagi kesedihan, kegembiraan, dan ilmu.

This undergraduated thesis is dedicated to my beloved sweet family….