<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Amir Harjo on Medium]]></title>
        <description><![CDATA[Stories by Amir Harjo on Medium]]></description>
        <link>https://medium.com/@amirharjo?source=rss-ff101a0d6aea------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Nm0qj60GKN7ucfeknIufcw.jpeg</url>
            <title>Stories by Amir Harjo on Medium</title>
            <link>https://medium.com/@amirharjo?source=rss-ff101a0d6aea------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 05:44:40 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@amirharjo/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Dalam Hidup, Yang Dibutuhkan Adalah Banyak Keberuntungan]]></title>
            <link>https://medium.com/komunitas-blogger-m/dalam-hidup-yang-dibutuhkan-adalah-banyak-keberuntungan-da61bd0a44c7?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/da61bd0a44c7</guid>
            <category><![CDATA[permainan]]></category>
            <category><![CDATA[refleksi]]></category>
            <category><![CDATA[olahraga]]></category>
            <category><![CDATA[komunitas-blogger-medium]]></category>
            <category><![CDATA[bahasa-indonesia]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Sun, 27 Jul 2025 09:23:00 GMT</pubDate>
            <atom:updated>2025-07-30T05:09:47.740Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*I4te8r1R6K9zSEHkWa2vYQ.jpeg" /><figcaption>Putih berhasil diskakmat oleh Hitam. Sumber: Dok. Pribadi</figcaption></figure><p>Akhir-akhir ini, saya sering bermain catur dengan anak saya yang kecil. Untuk urusan catur ini, dia memang lumayan jago. Dia belajar catur pada awalnya diajari kakaknya, sempat ikut kursus catur sebentar kemudian berhenti, mengikuti jejak kakaknya yang juga berhenti setelah hampir tiga bulan.</p><p>Tapi, meskipun berhenti, aktivitas permainan catur dirumah tidak serta merta berhenti. Apalagi kalau sedang tidak banyak hal menarik yang dikerjakan, sehingga catur menjadi salah satu pilihan pengisi waktu luang.</p><p>Saya sendiri belajar catur otodidak. Hanya tahu aturan menjalankan bidak. Untuk strategi, kemahiran saya nyaris tidak ada. Saya baru tahu beberapa strategi yang ada dipermainan catur ketika mendengarkan anak saya bicara, nonton youtube catur bersama anak saya ataupun ketika bertanding.</p><p>Tapi tentu saja, tanpa belajar fundamentalnya, maka skill saya mentok. Hanya satu pembukaan catur yang saya tahu yaitu Queen’s Pawn. Ternyata ini salah pembuka yang populer karena bisa menguasai area tengah dan pada saat yang sama dilindungi sang Ratu. Setelah pion digerakkan ke tengah, gerakan selanjutnya adalah menggerakkan kuda, gajah dan lanjut gerakan berikutnya hingga berakhir di<em>rokade</em> (lukir). Kadang ritme permainan seperti ini sudah menjadi kebiasaan sehingga kami mencoba-coba cara lain dengan saling menekan sehingga permainan menjadi cukup intens dan menegangkan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/0*psa9KFtUtFi4KlJf" /><figcaption>Pembukaan Queen’s Pawn. Sumber: <a href="https://chesspathways.com/chess-openings/queens-pawn-opening/">Chesspathways.com</a></figcaption></figure><p>Sayangnya, gerakan yang saya tahu hanya sampai rokade ini. Setelah itu, pergerakan yang saya lakukan adalah murni insting untuk menyerang dan bertahan. Dan sudah diduga, saya lebih sering kalah dan jarang beruntung.</p><p>Permainan catur itu memang permainan yang selain membutuhkan pengalaman, juga membutuhkan intuisi dan kecerdasan. Catur bukan permainan peluang tapi permainan dengan berani mengambil resiko dan berharap lawan melakukan kesalahan. Tanpa adanya kecerdasan, skill permainan catur akan mentok dan tidak berkembang. Seperti permainan saya ini.</p><p>Ketika kami bosan dengan permainan catur, maka bermain kartu menjadi salah satu permainan yang kami mainkan. Berbeda dengan catur, dalam permainan ini saya lumayan sering menang. At least, kalau kami sedang bermain berempat, <em>winning rate</em> kami bergulir dari satu orang ke orang lain pada setiap sesi permainan.</p><p>Gampangnya begini, misalnya kami bermain Uno pada pagi hari sebanyak 10 kali, di sesi pagi ini saya yang <em>winning rate</em>nya paling tinggi. Di sore harinya, ketika kami mengulang permainan yang sama, <em>winning rate</em> paling tinggi berpindah ke anak pertama.</p><p>Malamnya, ketika permainan ini dimainkan lagi, anak yang kedua memiliki <em>winning rate</em> yang paling tinggi. Esok harinya, permainan dilanjutkan dan kali ini ibunya anak-anak paling unggul dengan <em>winning rate</em> yang tertinggi. Mungkin secara keseluruhan, kami memiliki <em>winning rat</em>e yang sama.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ewEHWjacnzwnEMwb" /><figcaption>Sumber: <a href="https://unsplash.com/photos/a-pile-of-playing-cards-with-hearts-and-spades-EKK-08sYimw">Aceofnet di Unsplash</a></figcaption></figure><p>Mengutip buku <em>Thinking In Bets</em>, dunia itu lebih mirip dengan permainan kartu dibandingkan dengan permainan catur. Dalam permainan catur, setiap orang memiliki sumber daya yang sama dan bergerak dengan aturan yang sama. Dalam dunia yang bergerak dengan aturan seperti ini, orang-orang yang lebih pintar memiliki peluang yang lebih besar untuk menang.</p><p>Sedangkan dalam dunia ini, tidak semua sumber daya ada ditangan dan siap untuk dipakai. <em>Resource</em> yang kita punya di dunia ibarat kartu yang dibagikan. Setiap orang ada kelebihan dan kekurangan masing-masing. Ada yang terlahir kaya, miskin, rupawan, biasa-biasa saja, cerdas ataupun tidak. Ada unsur <strong>probabilitas, peluang atau ketidak pastian</strong> yang berperan besar. Sehingga, mau tidak mau, kita harus bermain sebaik mungkin dengan kartu yang ada di tangan.</p><p>Ketika sebuah permainan, <strong>probabilitas</strong> lebih banyak berperan daripada kecerdasan, maka keberuntungan (<em>luck</em>) adalah sesuatu yang diidamkan. Karena dengan keberuntungan itu, kita memiliki peluang lebih untuk lebih maju dibandingkan yang kurang beruntung karena mendapat kartu yang merugikan.</p><p>Apakah kamu percaya dunia memang bekerja dengan cara seperti itu? Anak saya tidak. Dia lebih percaya dunia bekerja seperti permainan catur. <em>And I let them think that way.</em> Karena bisa jadi dia yang benar.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=da61bd0a44c7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/komunitas-blogger-m/dalam-hidup-yang-dibutuhkan-adalah-banyak-keberuntungan-da61bd0a44c7">Dalam Hidup, Yang Dibutuhkan Adalah Banyak Keberuntungan</a> was originally published in <a href="https://medium.com/komunitas-blogger-m">Komunitas Blogger M</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Mengukur ROI dari Project AI — Bagian 1]]></title>
            <link>https://medium.com/komunitas-blogger-m/mengukur-roi-dari-project-ai-bagian-1-7b0bce4614fd?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/7b0bce4614fd</guid>
            <category><![CDATA[bahasa-indonesia]]></category>
            <category><![CDATA[komunitas-blogger-medium]]></category>
            <category><![CDATA[bisnis]]></category>
            <category><![CDATA[pemasaran]]></category>
            <category><![CDATA[keuangan]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Sun, 13 Jul 2025 23:29:17 GMT</pubDate>
            <atom:updated>2025-07-16T05:19:28.138Z</atom:updated>
            <content:encoded><![CDATA[<h3>Mengukur ROI dari Project AI — Kasus Aset Kreatif Marketing</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*305AZaKiQyydvL1N" /><figcaption>Sumber — <a href="https://unsplash.com/photos/a-person-holding-a-calculator-in-front-of-a-pile-of-money-uZoBuZN4tjc">Katelyn Perry di Unsplash</a></figcaption></figure><p>Salah satu hal yang cukup sulit untuk diukur dengan implementasi teknologi Generative AI adalah mengevaluasi bahwa sistem AI ini bekerja dengan semestinya dan memiliki ROI yang cukup baik. Hal ini karena sifat dari Generative AI adalah open loop.</p><p>Maksud <em>open loop</em> adalah, output dari teknologi ini berupa teks atau gambar yang tidak ada pembandingnya, sehingga secara performa sulit untuk diukur. Misalnya, kita meminta sebuah AI untuk membuat essay, bagaimana cara menilai bahwa essay itu bagus? Kita bisa melibatkan manusia untuk memberikan penilaian terhadap essay tersebut.</p><p>Teknologi chatbot menggunakan AI yang di implementasikan oleh sebuah perusahaan, mengharuskan perusahaan untuk menilai apakah informasi yang keluar dari chatbot tersebut masuk akal. Kalau hanya mengevaluasi satu atau dua output, satu orang bisa dipekerjakan untuk mengevaluasi hasilnya, akan tetapi ketika outputnya ribuan, akan diperlukan banyak orang untuk mengevaluasi dan biayanya cukup mahal.</p><p>Jika sebuah teknologi sulit untuk dievaluasi, maka performa secara finansial juga akan sulit dihitung. Padahal, sebuah perusahaan sangat mungkin untuk tidak implementasi teknologi baru ketika ROI-nya sulit untuk dihitung.</p><p>Berbeda dengan implementasi machine learning yang sudah cukup <em>mature.</em> Yang pertama, teknologi ini adalah teknologi <em>closed loop</em>, sehingga ada benchmark yang bisa digunakan untuk menilai performa teknologi ini. Yang kedua, <em>use case</em> nya cukup banyak dan secara finance masuk akal. Misalnya, dengan implementasi fraud system di perusahaan keuangan, perusahaan bisa menghitung berapa uang yang diselamatkan dengan teknologi ini, dan dengan membandingkan dengan investasi yang sudah ditanam, maka ROI nya bisa dihitung dengan cukup akurat.</p><p>Berita bagusnya, sudah ada beberapa use case yang dibuat dengan ROI yang cukup masuk akal. Use case yang cukup banyak untuk Generative AI adalah untuk keperluan pembuatan gambar atau video marketing. Misalnya, beberapa waktu yang lalu, saya mengunjungi KFC dan melihat video yang diputar berulang-ulang di salah satu televisinya adalah hasil dari Generative AI.</p><p>Bagaimana cara menghitung performa dari gambar atau video yang dibuat oleh AI? Ternyata, cara pandangnya yang harus diubah. Evaluasi sebuah AI tidak dengan apakah gambar tersebut viral ataupun <em>evoke emotion</em> konsumen dan akhirnya penjualannya akan naik. Cara mengevaluasi AI saat ini dilihat dari kacamata <em>operation</em> bukan <em>marketing</em>.</p><p>Ada dua cara evaluasi hasil Generative AI yang saat ini jamak dari kacamata <em>operation</em>. Dan ingat, kacamata operation selalu dari <em>cost saving</em> dan <em>throughput</em>.</p><p>Dari kacamata <em>cost saving</em>, cara evaluasinya adalah berapa desainer yang bisa dikurangi untuk menghasilkan gambar dalam jumlah yang sama. Sebuah perusaah biasanya akan menyewa dua atau tiga desainer gambar dari sebuah agensi untuk membantu membuat konten gambar yang akan dipakai di media sosial. Dengan adanya Generative AI ini, maka mungkin hanya diperlukan satu orang desainer atau bisa membayar seorang intern untuk mengerjakan hal yang sama.</p><p>Sudut pandang kedua adalah throughput, berapa banyak gambar yang bisa dibuat dalam satuan waktu tertentu? Tentu saja ini mirip dengan pekerjaan di pabrik, bukan pekerjaan kreatif. Akan tetapi, karena gambar yang dihasilkan oleh teknologi Generative AI sudah cukup bagus, aspek kreativitas bisa ditoleransi.</p><p>Misalnya, untuk membuat gambar tadinya membutuhkan satu hari. Dengan teknologi AI dan eksperimen berbagai macam <em>prompt</em>, untuk menghasilkan gambar bisa dalam waktu satu jam. Maka, dalam satu hari bisa didapatkan delapan gambar yang bisa dipakai untuk konten marketing di media sosial.</p><p>Dengan menjamurnya sosial media saat ini, maka mau tidak mau, sebuah perusahaan harus rajin memposting unggahan agar kehadirannya terasa bagi para konsumen. Menurut artikel di Splinkler yang berjudul <a href="https://www.sprinklr.com/blog/how-often-to-post-on-social-media/">“<em>How Often to Post on Social Media to Increase Your Brand Reach</em></a>” setiap media sosial memiliki saran berapa jumlah unggahannya agar konsumen tidak merasa <em>overwhelm</em>.</p><p>Di instagram misalnya, jumlah unggahan yang optimal adalah satu atau dua unggahan perhari. Di tiktok, jumlah unggahan optimal antara satu sampai empat unggahan perhari. Dan linkedin, dibutuhkan jumlah unggahan yang lebih sedikit, antara tiga sampai lima per-minggu.</p><p>Sebagai penutup, salah satu hal yang cukup sulit dalam implementasi AI adalah mengevaluasinya, dan tanpa evalusi, maka ROI tidak bisa dihitung. Salah satu point of view yang bisa dilakukan untuk mengevaluasi adalah dari kacamata operation, yang menyoroti dari sisi <em>cost saving</em> dan <em>througput</em>.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7b0bce4614fd" width="1" height="1" alt=""><hr><p><a href="https://medium.com/komunitas-blogger-m/mengukur-roi-dari-project-ai-bagian-1-7b0bce4614fd">Mengukur ROI dari Project AI — Bagian 1</a> was originally published in <a href="https://medium.com/komunitas-blogger-m">Komunitas Blogger M</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Laki-laki Tanpa Misi]]></title>
            <link>https://medium.com/komunitas-blogger-m/laki-laki-tanpa-misi-d2e2c872663b?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/d2e2c872663b</guid>
            <category><![CDATA[pengembangan-diri]]></category>
            <category><![CDATA[produktivitas]]></category>
            <category><![CDATA[komunitas-blogger-medium]]></category>
            <category><![CDATA[bahasa-indonesia]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Sun, 13 Jul 2025 05:31:39 GMT</pubDate>
            <atom:updated>2025-07-18T03:38:12.193Z</atom:updated>
            <content:encoded><![CDATA[<p>Bagaimana agar menjadi orang produktif? Banyak sekali artikel dan buku-buku yang membahas menjadi orang yang produktif. Bahkan, di Linkedin, sebelum artikel-artikel mengenai komunikasi yang sedang hype, rekomendasi artikelnya banyak berisi dengan hal-hal pribadi yang bisa meningkatkan produktivitas.</p><p>Dengan gaya tulisan listicle dan juga dijahit dengan pengalaman pribadi, tulisan itu menjadi tulisan yang terasa personal, mengena dan juga enak dibaca untuk dishare.</p><p>Salah satu contoh tipsnya adalah mandi dengan air dingin. Mandi air dingin, dari artikel-artikel yang ditulis oleh pakar produktivitas, memiliki banyak manfaat. Diantaranya meningkatkan kebugaran, meningkatkan mood, meningkatkan kekebalan tubuh, meningkatkan metabolisme dan masih banyak lainnya.</p><p>Banyak juga tips-tips yang memberikan tips dengan memulai hari dengan pergi ke gim agar siangnya lebih produktif. Olah raga pagi memiliki banyak manfaat misalnya menjadi lebih fokus, lebih berenergi dan mood lebih baik. Saya sendiri telah mencoba membangun habit untuk olah-raga pagi beberapa tahun yang lalu, dan memang olah-raga pagi membuat badan menjadi bugar seharian dan mood menjadi lebih baik.</p><p>Cara lainnya adalah dengan bangun lebih pagi. Salah satu buku mengenai manfaat bangun pagi dan best seller adalah 5AM klub yang ditulis oleh Robin Sharma. Disini ditulis, ketika kita bangun lebih pagi, banyak hal-hal yang bisa dikerjakan sebelum terdistraksi dengan pekerjaan yang ada, misalnya olah raga ataupun melakukan sesuatu yang membutuhkan konsentrasi.</p><p>Selain tips bangun pagi, ada lagi tips-tips yang dilakukan ketika melakukan pekerjaan agar tidak mudah lelah, misalnya teknik pomodoro. Teknik ini adalah cara manajemen waktu untuk mengerjakan sesuatu dengan membagi-bagi menjadi interval fokus dan dilanjutkan dengan istirahat singkat. Misalnya bekerja secara fokus selama 50 menit, kemudian istirahat selama 10 menit.</p><p>Dengan banyaknya tips-tips yang banyak ditulis oleh “pakar” dan dibaca oleh banyak orang, apakah ini bisa mengubah kebiasaan orang membangun habit agar menjadi orang produktif? Tidak ada yang tahu akan jawaban ini, karena saya belum pernah membaca penelitian korelasi antara banyaknya tips agar lebih produktif dengan habit yang sebenarnya untuk membangun hidup lebih produktif.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1010/0*YQNp4mm3QxHt8T1B.jpg" /><figcaption>Sumber — Mason Currey di <a href="https://www.amazon.com/Daily-Rituals-How-Artists-Work/dp/0307273601">Amazon</a></figcaption></figure><p>Yang pasti, membangun habit itu adalah hal yang cukup susah. Bahkan antara tips produktivitas dan karya hebat, mungkin tidak banyak korelasinya. Dalam buku Daily Rituals karya Mason Currey, para artist — komposer, penulis atapun pelukis — memiliki kebiasaan hidup harian yang berbeda dengan nasihat life-hack modern yang beredar. Francis Bacon, memiliki kebiasan yang tampak tak teratur.</p><p>Studionya sangat berantakan, dengan cat yang bertaburan di dinding, tumpukan buku-buku, kertas-kertas, furnitur yang rusak dan lain-lain yang berserakan di lantai. Waktu tidak melukis, gaya hidupnya juga sangat hedonis dengan makan yang enak sepanjang hari, minum banyak alkohol dan juga mengkonsumsi obat psikotropika. Masih banyak artis-artis lain dengan kebiaasan yang aneh.</p><p>Apakah ini berarti anjuran membangun habit untuk produktivitas itu buruk? Tidak ada yang salah dengan anjuran itu, hanya saja, ada yang terlewati. Yaitu <em>drive, mission</em> atau dorongan apa yang ingin diraih seseorang. Tanpa memiliki hal tersebut, habit yang dibangun tidak akan menghasilkan apa-apa. Hanya orang yang bergerak tapi setelah mandi pagi menggunakan air dingin, misi apa yang harus dilakukan pada siang harinya?</p><p>Scott Galloway pernah menulis tentang hal ini, bahwa orang dengan <em>drive</em>, punya misi akan sangat mungkin untuk bangun pagi, nge-gym dan juga mandi air dingin. <em>Bukan the other way around.</em> Sedangkan laki-laki yang hidup tanpa misi tidak akan memiliki keinginan untuk bangun lebih cepat, dan waktunya akan digunakan percuma untuk entertainment — netflix seharian misalnya tanpa ada produk jadinya.</p><p>Bagaimana cara menemukan misi ini? Saya tidak punya saran yang pasti, tapi hal ini bisa dibangkitkan dengan hal-hal sehari-hari yang ditemui dan ingin ada perubahan untuk hal tersebut. Misalnya, untuk keluarga ataupun semangat untuk memperbaiki diri agar menjadi ahli dalam bidang tertentu.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d2e2c872663b" width="1" height="1" alt=""><hr><p><a href="https://medium.com/komunitas-blogger-m/laki-laki-tanpa-misi-d2e2c872663b">Laki-laki Tanpa Misi</a> was originally published in <a href="https://medium.com/komunitas-blogger-m">Komunitas Blogger M</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Lima Kesalahan Yang Tanpa Sengaja Bisa Dilakukan Ketika Menganalisa Data]]></title>
            <link>https://medium.com/komunitas-blogger-m/lima-kesalahan-yang-tanpa-sengaja-bisa-dilakukan-ketika-menganalisa-data-8b5317ed0675?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/8b5317ed0675</guid>
            <category><![CDATA[sains]]></category>
            <category><![CDATA[bahasa-indonesia]]></category>
            <category><![CDATA[statistik]]></category>
            <category><![CDATA[komunitas-blogger-medium]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Mon, 19 May 2025 22:43:22 GMT</pubDate>
            <atom:updated>2025-05-26T09:41:52.251Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*p0XGzPXkkN76Y9Y5N6RQww.jpeg" /><figcaption>Sumber: <a href="https://unsplash.com/photos/a-calculator-sitting-on-top-of-a-table-next-to-a-laptop-LgE3whpa5VA">Unsplash</a></figcaption></figure><p>Analisa statistika adalah salah satu ilmu yang tampak seperti momok ketika saya masih mahasiswa. Hal ini dikarenakan cara penyampaian kuliah statistika, alih-alih mengedepankan intuisi, yang disodorkan adalah formula yang tampak kompleks untuk dimengerti.</p><p>Akan tetapi, setelah membaca banyak buku dan melakukan sendiri pengolahan data, alasan kenapa melakukan pengolahan data seperti pada formula menjadi masuk akal. Bahkan saya paham kenapa formulanya seperti itu dan koneksi antara satu formula dengan formula lain.</p><p>Dengan naik daunnya profesi <em>data scientist</em> — yang pada dasarnya adalah kamuflase dari ahli statistik — sekitar 13 lebih tahun yang lalu, banyak lembaga kursus dan universitas yang membuka kursus-kursus data analisis. Kursus ini biasanya dibarengi dengan penggunaan <em>tools</em> atau bahasa pemrograman tertentu. Menganalisa data menjadi sesuatu yang terbuka lebar untuk banyak orang.</p><p>Akan tetapi, yang saya khawatirkan, lembaga-lembaga itu fokus di <em>tools</em> dan teknis, bukan di intuisi. Sehingga pengambilan kesimpulannya bisa salah.</p><p>Berikut ini beberapa hal yang membuat proses pengolahan data dan penarikan kesimpulan bisa salah.</p><h4>1. Menganggap korelasi sebagai kausalitas</h4><p>“Kita bisa melihat bahwa pelanggan yang bergabung dengan program <em>loyalitas</em> ini, memiliki <em>basket size</em> yang lebih besar, dan frekuensi belanja yang lebih tinggi.”</p><p>Mungkin anda pernah mendengar pemaparan seperti ini, ketika seorang manajer proyek mempresentasikan keberhasilan sebuah program dengan menggunakan beberapa contoh KPI. Akan tetapi, yang dipresentasikan belum tentu keberhasilan program. Program tersebut biasanya dibentuk untuk membuat pelanggan lebih loyal dan lebih sering belanja. Akan tetapi, dalam kasus sebaliknya, alih-alih membuat pelanggan lebih loyal, progam tersebut menarik para pelanggan yang memang sudah sering belanja dan sudah loyal terhadap program ini.</p><p>Program loyalitas pelanggan ini hanyak salah satu contoh saja. Banyak program lain dengan tujuan bisnis yang berbeda, akan tetapi menggunakan argumen yang sama untuk menilai kualitas programmnya.</p><h4>2. Menggunakan rata-rata dan melupakan sebaran</h4><p>Pada poin nomor satu, kita mendengar seorang manajer proyek yang memaparkan keberhasilan programnya dengan menggunakan <em>basket size</em> atau ukuran rata-rata setiap pembelian dari pelanggan.</p><p>Sebenarnya, penggunaan rata-rata atau <em>mean</em> untuk mesimplifikasi data yang terlalu besar dan beragam tidaklah masalah. Hanya saja, membandingkan rata-rata antar kelompok yang berbeda akan akurat jika kedua kelompok memiliki performa yang mengikuti kurva normal.</p><p>Sayangnya, dalam konteks performa bisnis, tidak akan pernah ada kurva normal. Performa bisnis mengikuti hukum pareto dimana 20 persen populasi akan menentukan 80 persen performa. Perhitungan angka rata-rata sangat dipengaruhi oleh satu atau dua outliers, yang memiliki performa sangat besar.</p><p>Oleh karena itu, menggunakan angka rata-rata bisa <em>misleading</em> dan variasi performanya bisa berubah-ubah untuk setiap periode. Untuk menghindari hal semacam ini, perhitungan <em>mean</em> bisa diganti dengan <em>median</em> atau nilai tengah.</p><h4>3. Menggunakan data yang sudah terpilih</h4><p>Salah seorang teman saya menunjukkan sebuah model <em>machine learning</em>-nya yang memiliki akurasi cukup tinggi dan begitu pulan sensitifitas model tersebut. Tentu saja ini adalah sebuah terobosan yang menarik, mengingat, hal yang ingin dia klasifikasikan dari data-data yang dikumpulkan adalah data yang cukup susah untuk dibuat pemodelannya.</p><p>Sayangnya, data yang dikumpulkan tidaklah bersifat random. Data yang dikumpulkan sudah cukup jelas bahwa data tersebut memiliki perbedaan yang sangat mencolok antar kategori. Ada <em>selection bias</em> dimana datanya sudah menunjukkan kategori yang ingin diprediksi. Hal semacam ini bisa diselesaikan dengan pemilihan sample data yang merepresentasikan keadaan sebenarnya.</p><h4>4. Fokus ke analisa statistik yang kompleks</h4><p>Beberapa tahun yang lalu, saya pernah menangani sebuah proyek yang salah satunya adalah mengurangi <em>churn</em> dari sebuah program pelanggan. <em>Churn</em> adalah perhitungan berapa banyak pelanggan yang berhenti membeli produk dari sebuah bisnis dalam periode waktu tertentu dan biasanya dihitung dalam persen, yaitu pelanggan yang <em>churn</em> dibandingkan dengan total pelanggan.</p><p>Klien yang kami tangani tersebut memiliki tingkat <em>churn</em> yang cukup tinggi, sehingga untuk mengkompensasi pelanggan yang pergi, mereka harus melakukan kegiatan akuisisi untuk mendapatkan pelanggan baru.</p><p>Dengan menggunakan pemodelan statistik, kami bisa mendapatkan daftar pelanggan yang memiliki peluang <em>churn</em> cukup tinggi. Kemudian, program promosi dilakukan kepada orang-orang dalam daftar tersebut agar mereka kembali berbelanja.</p><p>Dengan menganalisa data, kami mendapati bahwa pelanggan yang mendapatkan promo tersebut memiliki peluang untuk kembali berbelanja lebih tinggi. Akan tetapi, dari bulan ke bulan, tingkat <em>churn</em> masih tetap tinggi bahkan meningkat.</p><p>Kesimpulan yang kami dapatkan adalah bukan program untuk menarik customer kembali yang gagal, akan tetapi program pelanggan ini yang tidak terlalu menarik.</p><h4>5. Terlalu fokus dengan outlier</h4><p>Ketika menganalisa data dan distribusinya, kadang-kadang didapati beberapa perilaku pelanggan yang menarik dan diluar kewajaran. Pemangku kepentingan bisnis tertarik dengan data ini dan ingin analisnya untuk menganalisa lebih dalam. Tetapi, kecuali permasalahan yang dicari solusinya adalah mengurangi <em>fraud</em> atau kecurangan, maka mencari informasi lebih rinci mengenai outlier ini sering tidak membuahkan hasil apa-apa.</p><p>Kenapa? Karena ketika kita menganalisa data, yang kita cari adalah informasi general yang bisa langsung mencakup populasi pelanggan yang cukup besar. Dengan mengetahui karakteristik secara umum dalam satu segmen pelanggan, program yang diluncurkan juga bisa mengena dan menjangkau banyak kalangan dengan investasi yang terkontrol.</p><p>Demikian lima hal yang bisa tanpa sengaja dilakukan ketika menganalisa data. Kesalahan ini bisa menyebabkan kesalahan pengambilan keputusan yang salah, ataupun banyak waktu yang terbuang percuma.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8b5317ed0675" width="1" height="1" alt=""><hr><p><a href="https://medium.com/komunitas-blogger-m/lima-kesalahan-yang-tanpa-sengaja-bisa-dilakukan-ketika-menganalisa-data-8b5317ed0675">Lima Kesalahan Yang Tanpa Sengaja Bisa Dilakukan Ketika Menganalisa Data</a> was originally published in <a href="https://medium.com/komunitas-blogger-m">Komunitas Blogger M</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Teknologi yang Mencari Solusi]]></title>
            <link>https://medium.com/komunitas-blogger-m/teknologi-yang-mencari-solusi-ae7aa026a11c?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/ae7aa026a11c</guid>
            <category><![CDATA[kecerdasan-buatan]]></category>
            <category><![CDATA[komunitas-blogger-medium]]></category>
            <category><![CDATA[bahasa-indonesia]]></category>
            <category><![CDATA[teknologi]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Sat, 17 May 2025 07:14:28 GMT</pubDate>
            <atom:updated>2025-05-21T14:37:40.541Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*1p7mJyMa4ziXZQBP" /><figcaption>Sumber: <a href="https://unsplash.com/photos/woman-in-blue-long-sleeve-shirt-sitting-beside-man-in-blue-dress-shirt-bIltCMXIwRE">This is Engineering — Unsplash</a></figcaption></figure><p>Salah satu profesional yang memiliki suara cukup kencang dalam bidang Data and Analytics atau kita sebut saja industri analisa data adalah <a href="https://eric-sandosham.medium.com/">Eric Sandhosam</a>. Dalam tulisan mingguannya yang dipublikasikan di Medium, dia menguliti praktik-praktik yang baik ataupun tidak dalam industri analisa data.</p><p>Tentu saja, praktik-praktik dalam industri <em>Artificial Intelligence</em> ikut dia kuliti. Ini hal yang masuk akal karena <em>Artificial Intelligence</em> ini berhubungan sangat erat dengan dunia <em>Data dan Analytics</em>. Untuk membuat sebuah <em>Artificial Intelligence</em> atau AI yang mumpuni ini, dibutuhkan data yang besar dan cukup bersih. Algoritma yang digunakan dalam analisa data dan AI juga sebelas dua belas, menggunakan algoritma yang pada dasarnya sama.</p><p>Salah satu hal yang dia kuliti adalah praktik <a href="https://eric-sandosham.medium.com/hr-isnt-hiring-right-3422adf2af79">membangun dan merekrut talenta AI</a> untuk mendukung operasional bisnis perusahaan. Apalagi dengan <em>hype GenAI</em> dan <em>Agentic AI,</em> departement HR harus berpikir keras, bagaimana cara agar organisasi baru ini bisa berlari dan bermanfaat untuk perusahaan.</p><p>Sekitar 10 tahun lebih yang lalu, ketika data dan analisis sedang naik daun, para pemburu talenta dibidang data, mencari orang-orang yang mumpuni dalam bidang data, statistik dan komputer dari level receh sampai level <em>lead</em>nya dari orang-orang dengan background teknikal.</p><p>Meskipun pada akhirnya, ada anekdot yang beredar bahwa organisasi data yang berhasil ternyata adalah yang dipimpin oleh orang bisnis yang cukup tahu dengan teknikal. Pemimpin organisasi data dari bidang bisnis ini sudah mempunyai banyak luka batin dalam operasional bisnis, sehingga bisa membentuk organisasi data agar bisa langsung bermanfaat untuk bisnis.</p><p>Baru akhir-akhir ini ketika analisa data di organisasi sudah cukup<em> mature</em> dan pendidikan di bidang data analisis sudah membedah kasus-kasus bisnis, memilih pemimpin organisasi data lebih masuk akal kalau dicari orang-orang dengan latar belakang yang teknikal.</p><p>Saat ini, kalau kita melihat lowongan <em>Head of AI</em> dan yang sejenisnya, yang dicari adalah orang dengan spesifikasi di bidang teknikal, misalnya bergelar PhD dalam bidang AI. Akan tetapi, menurut Eric, ini sama saja mengulang dosa yang sama. Orang-orang dengan latar belakang teknis akademis belum memiliki luka batin yang mendalam untuk mengurusi hal-hal operasional yang berhubungan dengan bisnis, sehingga mereka tidak tahu bagian mana yang harus di optimalisasi.</p><p>Lagi pula, <em>GenAI</em> dan <em>Agentic AI </em>ini adalah sebuah <em>tools</em>, sebuah alat, bukan sebuah solusi. Teknologi ini adalah alat yang mencari solusi. Dan kalau tidak bisa mencari <em>utility </em>yang tepat untuk alat ini, maka value yang didapat oleh organisasi bisnis menjadi rendah. Misalnya, GenAI yang bisa mengubah foto kita menjadi foto dengan tema Ghibli. Meskipun cukup viral, akan tetapi apa manfaatnya? value apa yang bisa didapat dari sana? Department marketing mungkin bisa menggunakannya untuk membuat satu atau dua konten dengan visual bertema Ghibli, tapi tema ini lama-lama akan membosankan dan tidak kreatif.</p><p>Menaruh orang dengan latar belakang teknikal untuk teknologi yang mencari solusi bukanlah langkah yang tepat.</p><p>Ngomong-ngomong tentang teknologi yang mencari solusi, ternyata tidak hanya didalam bidang AI. Banyak juga teknologi atau produk teknologi yang kadang dipaksakan agar ada. Tidak usah kita bahas produk-produk <em>start-up </em>yang tidak mendapatkan produk <em>market fit</em>.</p><p>Dalam dunia korporasi, apalagi korporasi multinasional, terkadang ada agenda digital transformation yang dipaksakan dari kantor pusat. Teknologi ini, <em>on paper,</em> sangat menguntungkan dan memberikan banyak <em>benefit.</em> Akan tetapi, karena jauhnya jarak antara kantor pusat dengan lokasi pasar, solusi-solusi ini menjadi solusi yang tampak dipaksakan.</p><p>Untuk itu, agar solusi ini diterima, dibutuhkan pemimpin di lokasi pasar yang mengerti problem dan cukup kuat dan berani untuk memberikan <em>feedback</em> ke kantor pusat. Dan biasanya, yang dibutuhkan adalah pemimpin yang mengerti bisnis, bukan pemimpin yang mengerti teknikal.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ae7aa026a11c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/komunitas-blogger-m/teknologi-yang-mencari-solusi-ae7aa026a11c">Teknologi yang Mencari Solusi</a> was originally published in <a href="https://medium.com/komunitas-blogger-m">Komunitas Blogger M</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Best Application of Gen-AI? When Everything is Scripted.]]></title>
            <link>https://medium.com/komunitas-blogger-m/best-application-of-gen-ai-when-everything-is-scripted-909ba45f43d1?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/909ba45f43d1</guid>
            <category><![CDATA[teknologi]]></category>
            <category><![CDATA[komunitas-blogger-medium]]></category>
            <category><![CDATA[kecerdasan-buatan]]></category>
            <category><![CDATA[bahasa-indonesia]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Sun, 27 Apr 2025 02:47:43 GMT</pubDate>
            <atom:updated>2025-05-03T14:36:47.452Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/0*J1jAsWT5ZakGRhaJ" /><figcaption>Sumber: <a href="https://youtu.be/US_1qLyOmUc?si=JfEy04rg2LVkKL93">Youtube</a></figcaption></figure><p>Saya berdikusi dengan salah seorang rekan saya mengenai perkembangan dunia AI, terutama GenAI. Saat ini, perusahaan dia sedang mengajukan proposal ke pemerintah negaranya untuk membangun yang namanya Large Reasoning Machine.</p><p>Large Reasoning Machine sendiri adalah sebuah teknologi AI yang tidak hanya menumpahkan gambar baru atau tulisan, tapi mesin ini diharapkan bisa membaca banyak hal dan menarik kesimpulan. Cara bekerjanya ingin seperti manusia, bisa <em>connecting the dots</em>, menganalisa informasi, tahu apa yang terjadi dan membuat kesimpulan. Bisa dibilang, mesin ini seperti mesin di film Eagle Eye yang dibintangi Shia LaBeouf dan Michelle Monaghan.</p><p>Kita memang sekarang sedang dibanjiri dengan <em>hype</em> yang bernama AI, termasuk di dalamnya adalah LLM, Large Language Model. Meskipun LLM ini seperti mesin yang bisa di ajak bicara dan berdiskusi. Akan tetapi menurut penelitian dari <a href="http://originality.ai/">Originality.ai</a> pada tahun 2024, hasil dari LLM menunjukkan <a href="https://originality.ai/blog/what-llm-is-the-most-accurate">akurasi paling tinggi kurang dari 80%</a>.</p><p>Bagaimana cara peneliti itu tahu bahwa jawaban yang dikasih oleh LLM itu benar atau tidak? Para peneliti melakukannya dengan cara memberi 1000 pertanyaan yang dibagi dalam 10 kategori secara langsung ke mesin LLM melalui <em>prompt</em>, kemudian, jawaban yang dilontarkan oleh mesin LLM akan di periksa di mesin pemeriksa fakta dari <a href="http://originality.ai/">Originality.ai</a>.</p><p>Karena akurasi yang tidak kredibel ini, maka sangat susah untuk berdiskusi dengan AI tentang masalah yang serius. Pada pertengahan pertama tahun 2024, dunia sempat geger karena ada seorang anak remaja yang bunuh diri. Dan ini bukan kejadian bunuh diri biasa karena putus cinta. <a href="https://edition.cnn.com/2024/10/30/tech/teen-suicide-character-ai-lawsuit/index.html">Ibunya percaya bahwa anak ini bunuh diri setelah menyerahkan segala tumpah ruah dan curhatannya ke chat bot AI.</a></p><p><a href="https://legaltechnology.com/2024/10/15/australian-lawyer-reported-to-regulator-for-filing-fake-gen-ai-cases-in-court/">Di belahan bumi lain, seorang pengacara di Australia di laporkan ke regulator karena mengajukan kasus palsu di pengadilan</a>. Kasus palsu ini ditengarai dibuat dengan menggunakan GenAI.</p><p>Karena sifatnya yang kurang akurat ini, maka sangat tidak pantas berguru pada AI untuk masalah sensitif seperti masalah pribadi ataupun agama.</p><p>Bukan berarti GenAI sebuah tools yang tidak berguna. GenAI sangat membantu programmer menulis kode tanpa harus membuat dari awal. Contoh lainnya, GenAI bisa digunakan untuk membantu mempercantik bahasa yang akan digunakan untuk email, ataupun untuk membuat narasi pada sebuah video menjadi lebih menarik.</p><p>Kesimpulannya, salah satu implementasi AI yang paling bisa diterima adalah pada hal-hal yang ketidak akuratan itu masih bisa diterima dan masih bisa di perbaiki. Dan, dalam ranah korporasi, divisi mana yang keakuratan masih bisa di toleransi selain divisi marketing? Pada dasarnya, marketing berangkat dari kreativitas, dan kreativitas tidak membutuhkan akurasi tinggi. Yang dibutuhkan adalah estetika.</p><p>Maka tidak heran jika divisi marketing adalah divisi yang banyak menggunakan GenAI. Butuh untuk membuat <em>copy</em> email yang secara bahasa menarik tapi informasi yang diberi harus akurat? Tinggal masukkan informasi akurat ke <em>prompt LLM</em> dan minta GenAI untuk membuat <em>copy</em> email yang mengutip informasi akurat tadi.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FUS_1qLyOmUc%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DUS_1qLyOmUc&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FUS_1qLyOmUc%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/8270df542d5ae0da3503d9fc4ad413b5/href">https://medium.com/media/8270df542d5ae0da3503d9fc4ad413b5/href</a></iframe><p>Tidak cuma email, bahkan GenAI juga bisa membuat personalize video dengan biaya lebih murah. Salah satu contohnya adalah iklan Cadburry yang diendorse oleh <strong>Shah Rukh Khan</strong>. Di video tersebut, Sakhrul Khan tampak mempromosikan toko-toko yang menjual Cadburry. Bukan dengan menyebutkan tokonya satu persatu dalam video, akan tetapi dalam setiap video, hanya satu toko yang disebut.</p><p>Tentu kalau dengan cara lama, <strong>Shah Rukh Khan</strong> harus shoot video berkali-kali sesuai dengan jumlah tokonya. Akan tetapi, dengan GenAI, sang aktor ini hanya perlu untuk membuat satu video yang sempurna, selanjutnya dengan bantuan GenAI, nama toko akan di masukkan dalam scriptnya dan mulutnya juga bergerak sesuai dengan pelafalan toko tersebut. Informasi akuratnya sudah dimasukkan sebagai input, sedangkan yang lain-lain, AI yang mengerjakan.</p><p>Jadi kesimpulannya apa? Meskipun GenAI ini hype banget, tapi secara aplikasinya belum bisa mengganti peran manusia, terutama ketika aplikasinya membutuhkan akurasi yang tinggi. Aplikasi GenAI ini baru nendang ketika yang menggunakan sudah punya gambaran apa yang diinginkan dari AI ini. Sesuatu yang sudah scripted.</p><p>Melihat aplikasi AI pada taraf menggantikan manusia untuk berkesimpulan dan mengambil keputusan tampaknya masih butuh waktu yang cukup lama.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=909ba45f43d1" width="1" height="1" alt=""><hr><p><a href="https://medium.com/komunitas-blogger-m/best-application-of-gen-ai-when-everything-is-scripted-909ba45f43d1">Best Application of Gen-AI? When Everything is Scripted.</a> was originally published in <a href="https://medium.com/komunitas-blogger-m">Komunitas Blogger M</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Kenapa Minum Langsung dari Pitcher Itu Tidak Baik?]]></title>
            <link>https://medium.com/m%C3%A9dium-bercerita/kenapa-minum-langsung-dari-pitcher-itu-tidak-baik-390a67c91272?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/390a67c91272</guid>
            <category><![CDATA[bahasa-indonesia]]></category>
            <category><![CDATA[cerita-anak]]></category>
            <category><![CDATA[medium-bercerita]]></category>
            <category><![CDATA[cerpen]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Fri, 04 Apr 2025 02:00:55 GMT</pubDate>
            <atom:updated>2025-05-14T05:42:07.303Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BPzAprAA3dhVIo0y6eEdgg.jpeg" /><figcaption>Sumber:Unsplash<a href="https://unsplash.com/photos/slices-of-lemons-in-clear-pitcher-filled-with-water-K2yKpyLMVOg?utm_content=creditShareLink&amp;utm_medium=referral&amp;utm_source=unsplash"></a></figcaption></figure><p>Suasana malam cukup panas, meskipun di lantai dua, AC sudah dinyalakan. Memang, sudah beberapa bulan ini AC belum sempat dibersihkan, sehingga kemampuan untuk menghembuskan hawa dinginnya tidak optimal.</p><p>Setelah beraktivitas naik dan turun tangga, badan Bekti berkeringat. Baju katunnya yang berwarna pink basah disekitar punggung dan dada.</p><p>Bekti merasa kehausan. Tapi, kakinya sudah lelah untuk turun tangga lagi kebawah. Sekedar untuk mengambil gelas, menuang air dingin segar dari dispenser dan meminumnya dengan rakus pun sudah enggan untuk dilakukan.</p><p>Waktu itu sudah mendekati jam 10 malam. Sudah saatnya tidur. Bergerak aktif adalah hal terakhir yang ingin dilakukan Bekti.</p><p>Memang, dia sudah menyadari bahwa, setidaknya dilantai dua, perlu juga ada dispenser, agar tidak perlu naik turun tangga untuk mengambil minuman. Tapi dia urung membeli dispenser baru. Sebagai gantinya, istrinya membeli pitcher sebagai penampung air.</p><p>Bekti melihat kiri kanan, mencari picther. Didapatinya salah satu anaknya sedang membaca buku Lima Sekawan. Pitchernya teronggok di meja kerja di samping jendela. Dia meraih pitcher dan membuka tutupnya.</p><p>“Kalau minum duduk, jangan sambil berdiri.” suara anak kecil terdengar kencang di balik buku Lima Sekawan. Oh, polisi kecil ini, walaupun tampaknya sibuk membaca, matanya masih awas mengamati sekeliling.</p><p>“Ok” Bekti mau tidak mau patuh. Sebagai bapak, dia harus memberi contoh yang baik. Kalau minum harus sambil duduk. Kalau dikasih masukan, harus berterima kasih. Bukannya dongkol.</p><p>Bekti sudah membuka pitcher dan siap menuangkan minuman ke mulutnya.</p><p>“Menurut hadis nabi, tidak boleh minum air langsung dari wadah airnya,” si polisi kecil lagi-lagi berujar.</p><p>“Kamu lagi baca buku atau ngawasin orang sih?” tanya Bekti. “Emang apa alasannya ga boleh minum langsung dari pitcher?”</p><p>“Ehe.. itu yang saya baca dari komik kebiasaan Nabi”.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xtcgWXf-ZtllXY1xDdy1Kg.jpeg" /><figcaption>Sumber: Dok. Pribadi</figcaption></figure><p>“Oke” Bekti mencari-cari gelas. Sayangnya, gelas-gelas yang ada di lantai dua sudah dibawa ke bawah untuk dicuci.</p><p>Bekti dengan malas turun tangga dan mengambil gelas di lantai satu.</p><p>Ketika turun ke lantai satu, dia merenung, berfikir dan mengira-ngira. Kenapa Nabi menyarankan tidak langsung minum dari wadah air ya? Apakah ada alasan logisnya?</p><p>Bekti masih berfikir ketika dia membuka laci dan mengambil gelas.</p><p>“Owh… itu alasannya.” Wajah Bekti tampak mendapat pencerahan. Dia menemukan tiga alasan kenapa memang baiknya tidak meminum air langsung dari wadahnya.</p><p>“Coba saya tanya Roki, apakah dia tahu alasan logisnya” kata Bekti membatin, siap-siap memberi kuis ke polisi kecil.</p><p>Setelah sampai di atas, Bekti menuangkan air dari pitcher ke gelas dan minum dengan rakus.</p><p>“Roki, tahu enggak kenapa kita ga boleh minum langsung dari pitcher ke mulut?”tanya Bekti dengan wajah sumringah, tahu bahwa kali ini dia akan di atas angin dibandingkan Roki, si polisi kecil.</p><p>“Di komiknya sih ceritanya ada bangkai kecoanya,” timpal Roki.</p><p>“Betul. Itu alasan pertama. Karena kadang-kadang, ada binatang yang masuk ke wadah air. Kecoak misalnya, masuk ke wadah, meninggalkan kotoran, sayap atau kakinya yang patah, atau bahkan mati di dalam wadah. Kalau tidak hati-hati, nanti bisa terminum.”</p><p>“Kalau cicak bisa juga ga?” Tanya Roki usil.</p><p>“Cicak juga binatang usil. Ingat kan cerita Pandji Pragiwaksono? Ketika dia minum, tiba-tiba ada cicak yang masuk mulutnya. Setidaknya, kalau dituang dulu, cicaknya bisa kabur duluan. Nah, si cicak ini kan suka eek sembarangan juga. Mungkin eeknya bisa kelihatan sebelum menuang air.” Terang Bekti.</p><p>“Ada alasan lain lagi. Penasaran ga?” Tanya Bekti.</p><p>“Apa?”</p><p>“Alasan kedua. Bisa saja misalnya saya sedang sakit pilek atau penyakit lain yang bisa menular di udara. Ketika saya mendekatkan mulut ke pitcher, virus-virus dan kuman penyakit bisa saja melayang dan menempel di pitcher. Jadi penyakit makin mudah menular ke orang lain yang mau minum.”</p><p>“Dan yang ketiga. Ketika minum langsung dari pitcher, lebih sulit untuk mengontrol aliran air atau debit air yang memancar dari pitcher ke mulut. Ketika ini terjadi, maka peluang tersedak akan besar. Air juga terbuang-buang percuma. Boros.” Ujar Bekti memberitahu Roki.</p><p>“Kalau reflek orang yang tersedak tidak bekerja gimana ya?” Roki bertanya sambil tampak membayangkan sesuatu.</p><p>“Yah… airnya masuk paru-paru dan seperti efek orang tenggelam.”</p><p>“Aneh juga ya ada orang tenggelam di lantai dua dalam kondisi tidak ada air.”</p><p>“Sudah. Ga usah mikir aneh-aneh. Taruh bukunya. Matiin lampunya dan tidur.”</p><p>Roki patuh. Dia menutup buku, menaruhnya di rak, kemudian mematikan lampu. Dia merebahkan badan di kasur. Wajahnya tampak membayangkan sesuatu. Kemudian tidur pulas.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=390a67c91272" width="1" height="1" alt=""><hr><p><a href="https://medium.com/m%C3%A9dium-bercerita/kenapa-minum-langsung-dari-pitcher-itu-tidak-baik-390a67c91272">Kenapa Minum Langsung dari Pitcher Itu Tidak Baik?</a> was originally published in <a href="https://medium.com/m%C3%A9dium-bercerita">Médium Bercerita</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Apakah Large Language Model Bisa Menggantikan Peran Guru?]]></title>
            <link>https://medium.com/komunitas-blogger-m/apakah-large-language-model-bisa-menggantikan-peran-guru-8ad8f9ffe15b?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/8ad8f9ffe15b</guid>
            <category><![CDATA[teknologi]]></category>
            <category><![CDATA[bahasa-indonesia]]></category>
            <category><![CDATA[komunitas-blogger-medium]]></category>
            <category><![CDATA[pendidikan]]></category>
            <category><![CDATA[kecerdasan-buatan]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Fri, 28 Mar 2025 04:10:49 GMT</pubDate>
            <atom:updated>2025-03-31T01:12:06.086Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*XcTa_7Hq2jYzwiP5" /><figcaption>Sumber: <a href="https://unsplash.com/photos/a-close-up-of-a-cell-phone-with-an-ai-button-_XtH7BBRPtA">Foto dari Solen Feyissa di Unsplash</a></figcaption></figure><p>ChatGPT, atau dalam istilah yang lebih luasnya yaitu Large Language Model (LLM), memang sudah menjadi tools yang saat ini di pakai banyak orang sebagai alat bantu untuk memperlancar pekerjaan mereka.</p><p>Salah seorang rekan kerja saya menggunakan LLM untuk membuat <em>copywriting</em> video yang sedang dikerjakan untuk memperkenalkan produk analitik. Rekan-rekan dari divisi marketing, menggunakan GenAI untuk membuat <em>personalized campaign.</em></p><p>Tak terkecuali pekerja, LLM juga digunakan oleh siswa untuk membantu pembelajaran. Mengutip buku AI Engineering, setiap kali ChatGPT <em>down</em>, <em>server</em> discord OpenAI kebanjiran murid-murid yang mengeluh karena mereka tidak bisa mengerjakan PR mereka.</p><p>Tidak hanya diluar negeri. Penggunaan LLM untuk membantu pembelajaran pun kian marak dipakai oleh murid-murid di Indonesia. Ada yang menggunakan LLM untuk membantu mereka merangkai kalimat yang akan digunakan untuk menyelesaikan karya tulis ataupun untuk sebagai alat pengganti mesin pencari.</p><p>Bahkan, dengan adanya LLM yang dikembangkan oleh Meta, alat yang dinamakan Meta AI ini tersedia secara gratis di platform WhatsApp, penggunaan LLM ini makin jamak dan diminati. Saya kadang mendapati anak saya berkonsultasi dengan Meta AI.</p><p>Melihat gelagat ini, beberapa sekolah melihat AI dan LLM sebagai ancaman. Bukan karena para guru takut kehilangan pekerjaan, akan tetapi takut bahwa tidak ada usaha lagi dari murid-murid untuk belajar lebih keras.</p><p><a href="https://www.forbes.com/sites/ariannajohnson/2023/01/18/chatgpt-in-schools-heres-where-its-banned-and-how-it-could-potentially-help-students/?sh=3fdc0b656e2c">Dewan pendidikan di New York City Public Schools dan Los Angeles Unified School District memblokir layanan ChatGPT karena takut murid-murid di wilayah mereka akan menggunakan untuk curang</a>.</p><p>Ini adalah kekhawatiran yang masuk akal. Karena kalau murid-murid curang hanya untuk mengerjakan pekerjaan untuk pembelajaran, lantas apa esensi dari pendidikan?</p><p>Akan tetapi, untuk sesuatu yang kontra, tentu ada pendapat yang pro. Tidak semua penggunaan LLM oleh siswa adalah untuk curang. Banyak juga siswa yang menggunakan LLM sebagai murni alat bantu pembelajaran.</p><p>Anak saya misalnya, ketika menggunakan LLM dari Meta, dia menggunakannya untuk mendapatkan pengertian istilah tertentu, untuk riset mengenai beberapa hal yang saat ini sedang menjadi tugas, menjawab pertanyaan multiple choice ataupun meminta Meta AI untuk membuat kuis sekaligus jawabannya.</p><p>LLM yang mudah diakses melalui platform chat ini mempercepat proses pembelajaran tanpa harus mencari-cari kamus ataupun mencari referensi yang tepat di mesin pencari. Lagi pula, mesin pencari seperti Google juga sudah menggunakan LLM sebagai hasil utama pencarian. Jadi arus kemajuan teknologi ini adalah sesuatu yang tidak dilawan.</p><p>Memang penggunaan LLM untuk “berdiskusi” sambil belajar sekarang sudah mulai lumrah. Akan tetapi, tidak semua jawaban yang diberikan oleh LLM ini masuk akal. Pernah misalnya anak saya bertanya kepada Meta AI, tentang soal analogi “<em>Biography is to autobiography as…</em>” dan Meta AI menjawab seperti ini,</p><blockquote>Jawaban yang benar adalah “<strong>Memory is to history</strong>”.</blockquote><blockquote>Biografi (biography) adalah tulisan tentang kehidupan seseorang yang ditulis oleh orang lain. Sementara itu, autobiografi (autobiography) adalah tulisan tentang kehidupan seseorang yang ditulis oleh dirinya sendiri.</blockquote><blockquote>Dengan demikian, analogi yang tepat adalah:</blockquote><blockquote>Memory (kenangan) adalah pengalaman pribadi yang dialami oleh seseorang, sedangkan History (sejarah) adalah catatan tentang peristiwa-peristiwa yang terjadi di masa lalu yang ditulis oleh orang lain.</blockquote><blockquote>Jadi, memory adalah pengalaman pribadi, sedangkan history adalah catatan tentang peristiwa-peristiwa yang terjadi di masa lalu.</blockquote><p>Jawaban Meta AI memang panjang, akan tetapi tidak masuk akal. Logikanya terbalik. Jadi, jangan dianggap bahwa LLM memiliki jawaban 100% benar.</p><p>Pada bulan Agustus 2024, <a href="http://originality.ai/">Originality.ai</a> <a href="https://originality.ai/blog/what-llm-is-the-most-accurate">merilis sebuah riset akurasi dari beberapa LLM yang beredar dan</a> dari hasil risetnya, model LLAMA-13B yang dimiliki oleh Meta adalah model paling akurat dengan akurasi 76.9%.</p><p>Karena penggunaan yang LLM mudah ini dan jawaban yang tidak 100% benar, hal kunci yang harus dimiliki siswa pada masa sekarang adalah <em>critical thinkin</em>g atau berpikir dengan kritis.</p><p>Berpikir dengan kritis ini adalah mampu melihat bahwa tidak semua yang keluar dari LLM adalah kebenaran. Dan disinilah peran guru pada masa sekarang menjadi sangat penting.</p><p>Guru tidak lagi hanya menjejali murid dengan materi pembelajaran, tapi pada saat yang sama guru juga mengangkat kemampuan berpikir siswa agar lebih kritis. Dan ini bukanlah tugas yang mudah dan tidak ada LLM secanggih apapun yang bisa menggantikan peran guru untuk mengasah kemampuan ini.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8ad8f9ffe15b" width="1" height="1" alt=""><hr><p><a href="https://medium.com/komunitas-blogger-m/apakah-large-language-model-bisa-menggantikan-peran-guru-8ad8f9ffe15b">Apakah Large Language Model Bisa Menggantikan Peran Guru?</a> was originally published in <a href="https://medium.com/komunitas-blogger-m">Komunitas Blogger M</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Reason To Use or Not To Use Excel]]></title>
            <link>https://amirharjo.medium.com/reason-to-use-or-not-to-use-excel-7d8e341b2f38?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/7d8e341b2f38</guid>
            <category><![CDATA[r]]></category>
            <category><![CDATA[python]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[excel]]></category>
            <category><![CDATA[sql]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Thu, 27 Mar 2025 05:29:04 GMT</pubDate>
            <atom:updated>2025-03-27T05:29:04.174Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*RJdqPLWkinVE_Jgp" /><figcaption>Source: <a href="https://unsplash.com/photos/a-hand-pointing-at-a-spreadsheet-on-a-computer-screen-xTA7sAAtG40">Mika Baumeister</a></figcaption></figure><p>My friend is cracking a joke. He used to work on Azure platform and so far, the best data platform engineer so far in our local team. He wanted to expand his skill set to be more client facing and generate quick insights — what I mean is quick number crunching — for the business team. And the best tools for one time number crunching with only few megabyte of data is Excel.</p><p>“Wow… you are now an Excel engineer.” His friend teased him</p><p>My friend just smile. But looking at his smile, he seems to not respected Excel due to his ability to manage data in cloud environment.</p><p>I disagree. Although Excel is notorious for its abusive users to its inability to handle very big data, Excel is a very convenience to get the first glance of data and to get quick insights. In Excel, there are a lot of functions and add-on formulation beyond PIVOT, SUM or VLOOKUP. This embedded tools alas, never being used by majority of people due to not required for the job performance, or not getting enough education properly to use Excel.</p><p>Take the bread and butter of data science for example, the regression and classification. Most of the data analyst trainee will think Python as go to language to do the task. But, Excel has embedded capability in it, and it can be done very quickly.</p><p>So, I create a short summary on when to use and not to use Excel.</p><h3>When to use Excel?</h3><h3>Exploration and Get quick insights</h3><p>When we face with the unfamiliar data, its best to explore the data first. To get the first glance of the data it is easy to do it in Excel. Not only that, once we familiar with the data and understanding the task required whether to get insight or to make data informed decision, Excel can be used as Swiss army knife to handle this task.</p><p>Aggregating a table using PIVOT might be the most thing that a analyst do. However, analyst also can find the key driver of certain outcome using linear regression, or finding the optimum way to allocate an asset using Solver. Decision under uncertainty also can be done in Excel as we can perform Monte Carlo simulation in Excel almost easily.</p><h3>One time set up with familiar tools</h3><p>Your manager or colleague might need only one time activity to perform certain task using data. What is the best tools? Of course, it is using Excel. It is a pervasive widely use by various people with different background. If we thinking to use other programming language tools, it will be too much and other person from other department might not familiar with programming language tools.</p><h3>When not to use Excel?</h3><h3>Repeatability</h3><p>When we care about repeatability, then do not use Excel. Excel can give you quick output and share it to other person. However, it is guaranteed that receiver won’t be able to trace what you are doing to get the output. The receiver won’t be able to tell if the step that the user do is correct or misled. Whether using optimization solver, regression or quick aggregation, the best way to understand the process is to call the creator and asked what he is doing.</p><p>The case will be different if the data processing is being created in the scripting language. The receiver can trace back the process of data manipulation and can adjust for new requirement. This scripting language also handy to transfer knowledge to new person to handle the task.</p><h3>Operation and automation</h3><p>Imagine, you have to update data required and important for business daily. Using Excel, you have to retrieve data daily, update the number and share to the stakeholder. What a crushing soul job. It is understandable that the data is important. But, doing it daily will take your time from other task such as getting insights or thinking to take decision.</p><p>Imagine you can automate the task. Using cloud platform, it can be done easily. Or at least, even if there is still manual data, to run the script and process the data to get shareable output is quicker and easier using the scripting language.</p><h3>Big data size</h3><p>Excel is good tools. But it has limitation in term of data size. Once the file Exceed hundreds of megabyte, the tools will be cloggy and slow to process the data. As for now, Excel cannot hold a data which has more than <strong>1,048,576</strong> row.</p><p>If the data size command more than 1 million rows, better to use scripting language such as Python, R, SQL and host the data in the data warehouse.</p><p><strong>In conclusion,</strong> there are great advancement in data technology to host and process the data. However, because of this advancement, we should not degrade the utility of traditional and familiar tools such as Excel. There are cases when Excel is the go tools when dealing with data.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7d8e341b2f38" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Hadiah Besar Menunggu di Tangkuban Parahu]]></title>
            <link>https://medium.com/komunitas-blogger-m/hadiah-besar-menunggu-di-tangkuban-parahu-200e97931050?source=rss-ff101a0d6aea------2</link>
            <guid isPermaLink="false">https://medium.com/p/200e97931050</guid>
            <category><![CDATA[bahasa-indonesia]]></category>
            <category><![CDATA[komunitas-blogger-medium]]></category>
            <category><![CDATA[bandung]]></category>
            <category><![CDATA[wisata]]></category>
            <category><![CDATA[catatan-perjalanan]]></category>
            <dc:creator><![CDATA[Amir Harjo]]></dc:creator>
            <pubDate>Fri, 07 Feb 2025 11:03:44 GMT</pubDate>
            <atom:updated>2025-02-09T13:47:10.068Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*F3rWS10iGRXPqc_X75P_OA.jpeg" /><figcaption>Kawah Ratu. Sumber: Dok. Pribadi</figcaption></figure><p>Tangkuban Parahu sekarang sudah berbenah, mirip dengan Telomoyo. Semua jalan sudah beraspal sampai puncak, tidak perlu ada lagi kesusahan untuk berjalan menuju kawah. Demikian info dari seorang kerabat kepada istriku.</p><p>Oleh karena itu, waktu libur panjang kemarin, kami berempat berupaya untuk melihat Tangkuban Parahu dengan wajah yang berbeda ini. Ternyata, memang Tangkuban Parahu, di sekitar Kawah Ratu tampak berbenah.</p><p>Waktu saya masih muda dahulu, penampakan Gunung Tangkuban Parahu tidak seperti ini. Jarak antara parkir mobil dengan kawah tidak sedekat ini.</p><p>Sekarang, antara parkiran dengan Kawah Ratu hanya berjarak satu meter. Seorang pengunjung bisa memarkirkan mobil, keluar dan berjalan empat langkah dan langsung berada disisi pagar yang melihat kawah ke bawah dengan jurang yang curam.</p><p>Jalanan untuk pejalan kaki di sekeliling kawah sudah sangat enak untuk ditapaki. Disisi sebelah kiri, ada jalan menanjak yang berbatasan dengan hutan dan disediakan sebagai <em>spot</em> untuk foto. Masjid besar dengan corak warna biru bertengger di salah satu sisi parkiran yang cukup besar.</p><p>Meskipun turis dimanjakan dengan kemudahan akses ke Kawah Ratu, menurut saya ini menjadi salah satu kekurangan dari tempat ini. Kawah Ratu adalah ujung dari sebuah perjalanan. Kawah Ratu adalah hadiahnya. Kawah ini adalah <em>reward</em>nya.</p><p>Dan tidak ada rasa yang memuaskan ketika sebuah hadiah didapatkan dengan mudah. Tidak ada rasa bangga ketika mendapatkan nilai A tanpa susah-susah belajar.</p><p>Seharusnya, akan lebih memuaskan jika semua kendaraan pengunjung hanya bisa parkir sekitar satu kilometer dari kawah. Kemudian, memaksa semua turis untuk <em>hiking</em>, berjalan dan berpeluh untuk mendapatkan <em>rewards</em> ini. Di jamin, Kawah Ratu akan menjadi hadiah yang menyenangkan untuk dinikmati dan dikenang.</p><p>Sangkaan saya keliru. Ada satu kawah lagi yang mirip dengan impian saya tentang <em>rewards</em> yang di peroleh di ujung perjalanan. Sebelum mencapai Kawah Ratu, ada sebuah parkiran kecil yang bisa memuat sekitar sepuluh mobil. Berjarak kurang lebih 1200 meter dari parkiran ini, ada kawah lain yang bernama Kawah Domas.</p><p>Korea, Korea, Korea, Tiongkok dan Arab. Itulah orang-orang yang saya temui sepanjang perjalanan saya, istri dan anak saya menuju kawah Domas. Apakah banyaknya orang Korea ini karena pengaruh salah satu <em>reality show</em> “<em>World Dice Tour 2</em>”, ketika Joon Bin mengunjungi kawah ini?</p><p>Untuk menuju kawah Domas, kami harus memarkirkan mobil di parkiran yang tidak terlalu lapang dan merogoh 150 ribu untuk tiket kunjungan dalam satu rombongan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/900/1*cpBhJhwmfSXVMNE5UxuMfw.jpeg" /><figcaption>Jalan menuju Kawah Domas. Sumber: Dok. Pribadi</figcaption></figure><p>Suasana hujan rintik-rintik sore hari itu. Tumpahan air ini membuat jalanan di lereng pegunungan menjadi licin dan lengket. Jalanan berkelok-kelok terdiri dari 900 m jalan yang mendatar dan sisanya 300 m adalah jalanan yang menurun. Dijalanan yang dingin, panjang dan licin ini, saya dan istri berjalan bergandengan tangan saling memapah agar tidak jatuh.</p><p>Anak saya sudah berjalan jauh di depan bersama pemandu. Perjalanan ini seharusnya membutuhkan waktu 20 menit dari gerbang sampai kawah, akan tetapi, dengan suasana seperti ini, perjalanan memakan waktu lebih dari 30 menit.</p><p>Ujung perjalanan adalah hadiahnya. Kawah Domas berbau belerang. Daerah kawahnya berbatu-batu dan diselimuti uap air hasil dari mata air panas yang terletak menyebar. Suasana terasa kalem, tenang dan syahdu. Tidak banyak turis yang datang. Hanya kami dan satu lagi rombongan keluarga yang sepertinya dari Tiongkok.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6e62w43q1HIwsShRn6iXiw.jpeg" /><figcaption>Kawah Domas. Sumber: Dok. Pribadi</figcaption></figure><p>Mie rebus seduh tersedia mudah di warung sebelah kawah. Toilet dan musola yang lumayan bersih teronggok di belakang warung. Di sekitar mata air yang panas bersuhu sekitar 40 sampai 45 derajat ,pengunjung bisa merendam kaki yang capek berjalan.</p><p>Salah satu kawah yang agak di atas, airnya bergejolak hebat. Dengan suhu mendekati 100 derajat celcius, mata air panas ini sungguh tidak ramah untuk kaki. Sebaliknya, air panas ini sangat ramah untuk telur rebus. Dengan harga 5 ribu rupiah tiap butir telur, saya merendam beberapa butir telur untuk membuktikan keampuhan mata air ini. Sekitar 10 sampai 15 menit waktu yang dibutuhkan agar telurnya matang.</p><p>Sambil menunggu telur matang, kami merendam kaki di mata air yang lebih rendah suhunya. Dengan tidak sabar, setelah 12 menit menunggu, saya mengambil telur yang sedang direbus. Setelah lapisan belerangnya di bersihkan dari kulit telur, telur siap untuk disantap.</p><p>Memang, lama waktu yang paling pas untuk merebus telur agar matang sempurna adalah 15 menit. Dengan hanya direndam 12 menit, yang didapat adalah telur seperempat matang. Kuning telurnya masih berwarna oranye kuat, bukan kuning pucat. Anehnya, putih dan kuning telur terasa <em>creamie</em> dan nikmat.</p><p>Waktu sudah menunjukkan pukul empat sore lebih, mendekati waktu tutup tempat wisata Gunung Parahu. Kawasan ini merupakan kawasan hutan lindung, dengan beberapa satwa eksotis yang malu untuk bertemu manusia. Beberapa dari mereka berburu pada malam hari.</p><p>Ada Lutung, Monyet Putih, Elang Jawa, Babi Hutan dan tiga macam kucing liar. Jangan dibayangkan kucing ini seperti kucing rumahan yang mudah dielus-elus. Ini adalah kucing liar pemakan daging dengan nama-nama yang gagah. Macan Kumbang, Macan Dahan dan Meong Congkok adalah nama-nama mereka. Tidak hanya namanya, dengan mencari di mesin pencari, penampakan mereka juga cukup gagah.</p><p>Mengunjungi Gunung Tangkuban itu seperti merenungi kisah yang panjang. Yaitu kisah yang terjadi sepanjang 125 ribu tahun yang lalu.</p><p>Gunung ini terbentuk karena ledakan Gunung Sunda, dan menjadi gunung kecil yang ramah. Dan di kawah gunung yang ramah ini, seorang lelaki bisa merebus telur di mata air panas untuk istri dan anaknya yang terasa lezat.</p><p><em>Cerita ini pernah di publikasikan di Detik Travel dengan judul “</em><a href="https://travel.detik.com/cerita-perjalanan/d-7761013/hadiah-besar-menunggu-di-tangkuban-parahu"><em>Hadiah Besar Menunggu di Tangkuban Parahu</em></a><em>”</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=200e97931050" width="1" height="1" alt=""><hr><p><a href="https://medium.com/komunitas-blogger-m/hadiah-besar-menunggu-di-tangkuban-parahu-200e97931050">Hadiah Besar Menunggu di Tangkuban Parahu</a> was originally published in <a href="https://medium.com/komunitas-blogger-m">Komunitas Blogger M</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>