<?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 M. Galih Fikran Syah on Medium]]></title>
        <description><![CDATA[Stories by M. Galih Fikran Syah on Medium]]></description>
        <link>https://medium.com/@galihfikran?source=rss-5891dd7c9189------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*rTziEhqYINJL1Wr4oM-JlA.jpeg</url>
            <title>Stories by M. Galih Fikran Syah on Medium</title>
            <link>https://medium.com/@galihfikran?source=rss-5891dd7c9189------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 00:46:43 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@galihfikran/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[Microsoft D365 FO — Form Architecture Guide (Data Sources, Methods, and Events)]]></title>
            <description><![CDATA[<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://galihfikran.medium.com/microsoft-d365-fo-form-architecture-guide-data-sources-methods-and-events-ade776de97be?source=rss-5891dd7c9189------2"><img src="https://cdn-images-1.medium.com/max/2600/1*Oqwc6_53Pzgo86gaUBcgKA.jpeg" width="6240"></a></p><p class="medium-feed-snippet">A Comprehensive Technical Reference for X++ Developers in Visual Studio</p><p class="medium-feed-link"><a href="https://galihfikran.medium.com/microsoft-d365-fo-form-architecture-guide-data-sources-methods-and-events-ade776de97be?source=rss-5891dd7c9189------2">Continue reading on Medium »</a></p></div>]]></description>
            <link>https://galihfikran.medium.com/microsoft-d365-fo-form-architecture-guide-data-sources-methods-and-events-ade776de97be?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/ade776de97be</guid>
            <category><![CDATA[microsoft-erp-solution]]></category>
            <category><![CDATA[software-development]]></category>
            <category><![CDATA[d365-finance-operations]]></category>
            <category><![CDATA[erp-system]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Mon, 05 Oct 2026 04:14:35 GMT</pubDate>
            <atom:updated>2026-10-05T04:14:35.362Z</atom:updated>
        </item>
        <item>
            <title><![CDATA[Troubleshooting Custom Report Extension in Business Central, Study Case “Ext GL Detail Trial…]]></title>
            <description><![CDATA[<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://blog.devgenius.io/troubleshooting-custom-report-extension-in-business-central-study-case-ext-gl-detail-trial-30bcd1173d9d?source=rss-5891dd7c9189------2"><img src="https://cdn-images-1.medium.com/max/2600/1*10w1Rl085BACdXf0xvUDqA.jpeg" width="3353"></a></p><p class="medium-feed-snippet">Introduction</p><p class="medium-feed-link"><a href="https://blog.devgenius.io/troubleshooting-custom-report-extension-in-business-central-study-case-ext-gl-detail-trial-30bcd1173d9d?source=rss-5891dd7c9189------2">Continue reading on Dev Genius »</a></p></div>]]></description>
            <link>https://blog.devgenius.io/troubleshooting-custom-report-extension-in-business-central-study-case-ext-gl-detail-trial-30bcd1173d9d?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/30bcd1173d9d</guid>
            <category><![CDATA[technical-analysis]]></category>
            <category><![CDATA[erp-system]]></category>
            <category><![CDATA[al-language]]></category>
            <category><![CDATA[coding]]></category>
            <category><![CDATA[d365-business-central]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Sat, 12 Sep 2026 19:56:01 GMT</pubDate>
            <atom:updated>2026-09-12T19:56:01.351Z</atom:updated>
        </item>
        <item>
            <title><![CDATA[The Dictator’s Handbook]]></title>
            <link>https://galihfikran.medium.com/the-dictators-handbook-38bc114c07ed?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/38bc114c07ed</guid>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Sun, 10 May 2026 02:06:08 GMT</pubDate>
            <atom:updated>2026-05-10T02:06:08.823Z</atom:updated>
            <content:encoded><![CDATA[<p>Keinginan seorang pemimpin untuk kembali menjadi “rakyat biasa” (seperti pulang ke Solo) sering kali berhadapan dengan dinamika dukungan publik yang kompleks. Meskipun secara de jure seseorang kembali menjadi rakyat biasa, secara de facto pengaruhnya sering kali tetap membekas, terutama jika ia meninggalkan warisan kebijakan yang masif.</p><p>Dalam demokrasi Indonesia, batasan konstitusional dua periode memang mengakhiri kekuasaan formal, namun <em>The Dictator’s Handbook</em> mengajarkan bahwa aktor politik akan tetap berupaya mengamankan pengaruh dan jaringan pasca-jabatan. Fenomena ini terlihat jelas dalam transisi kepemimpinan di Indonesia, di mana seorang pemimpin tidak sekadar “pulang kampung”, tetapi memastikan struktur kekuasaan selanjutnya tetap selaras dengan kepentingannya.</p><p>Secara teori, seperti <strong>George Washington</strong>, menjadi rakyat biasa adalah cara untuk menjaga integritas institusi. Namun secara realitas politik, pengaruh seorang pemimpin yang sangat populer tidak pernah benar-benar hilang ke angka nol; ia bertransformasi menjadi kekuatan pengaruh di balik layar atau sebagai pemberi pengaruh (<em>influencer</em>) kebijakan di tingkat nasional.</p><p>Dalam sistem demokrasi, mempertahankan kekuasaan tidak selalu dilakukan lewat represi keras, tetapi lewat pembentukan koalisi besar yang membuat hampir semua elite masuk ke lingkaran pemerintahan. Akibatnya, oposisi menjadi lemah karena terlalu banyak kekuatan politik yang memilih berada di dalam sistem daripada di luar sistem. Situasi ini sering membuat publik merasa bingung. Mengapa partai yang sebelumnya sangat keras menyerang pemerintah akhirnya bergabung ke koalisi? Mengapa tokoh yang dulu dianggap rival politik bisa tiba-tiba menjadi sekutu? Buku tersebut akan menjawab bahwa dalam politik, ideologi sering kalah penting dibanding akses terhadap kekuasaan. Selama sumber daya negara masih menjadi pusat distribusi keuntungan politik, maka elite cenderung bergerak mendekati pusat kekuasaan, bukan menjauhinya.</p><p>Misalnya, kita sering bertanya mengapa seorang pemimpin mempertahankan menteri yang jelas tidak kompeten, penuh kontroversi, atau sering membuat kebijakan kacau. Secara logika publik, itu tampak irasional. Namun buku tersebut mengajarkan bahwa kompetensi kadang lebih berbahaya daripada loyalitas. Menteri yang terlalu kuat, terlalu populer, atau terlalu independen bisa menjadi ancaman politik di masa depan. Sebaliknya, figur yang biasa saja tetapi sangat loyal justru lebih aman bagi stabilitas kekuasaan. Tiba-tiba keputusan yang sebelumnya tampak “bodoh” berubah menjadi masuk akal dalam logika survival politik.</p><p>Hal serupa terlihat pada praktik pembagian jabatan kepada partai koalisi. Dari sudut pandang publik, kabinet gemuk sering dianggap tidak efisien dan dipenuhi kompromi politik. Tetapi buku itu menjelaskan bahwa jabatan bukan sekadar alat administrasi negara; jabatan adalah mata uang loyalitas. Kursi kementerian berarti akses terhadap anggaran, proyek, jaringan birokrasi, dan pengaruh politik. Ketika seorang pemimpin membagikan posisi kepada banyak pihak, ia sebenarnya sedang membeli stabilitas koalisi. Negara mungkin menjadi kurang efisien, tetapi kekuasaan menjadi lebih aman.</p><p>Buku tersebut juga membuat pembaca memahami mengapa proyek infrastruktur besar sering diprioritaskan, bahkan ketika ada sektor lain yang lebih mendesak. Publik biasanya melihat proyek besar sebagai pembangunan nasional, tetapi dari perspektif buku ini, proyek besar memiliki nilai politik yang sangat tinggi. Proyek besar menciptakan aliran uang, kontrak, relasi bisnis, simbol kekuasaan, dan peluang distribusi keuntungan kepada elite pendukung. Infrastruktur tidak hanya membangun jalan atau gedung; ia juga membangun loyalitas politik. Maka kadang keputusan ekonomi yang tampak tidak optimal justru sangat efektif secara politik.</p><p>Ada juga bagian yang membuat pembaca memahami mengapa banyak pemimpin tidak terlalu serius memberantas korupsi di lingkaran dekatnya sendiri. Awalnya ini tampak seperti kelemahan moral atau ketidakmampuan. Namun buku tersebut menawarkan perspektif yang lebih dingin: korupsi kadang berfungsi sebagai mekanisme perekat loyalitas. Elite yang menikmati keuntungan dari sistem akan cenderung mempertahankan sistem tersebut. Dalam beberapa kasus ekstrem, penguasa bahkan lebih aman jika para loyalisnya ikut “terikat” dalam sistem yang sama, karena mereka memiliki kepentingan bersama untuk menjaga kekuasaan tetap bertahan. Ini bukan pembenaran moral terhadap korupsi, tetapi penjelasan mengenai mengapa sistem seperti itu sangat sulit dibongkar.</p><p>“Bad policy is often good politics.”</p><p>Buku ini menjelaskan mengapa diktator sering kali menumpuk utang negara yang luar biasa. Bagi seorang diktator, meminjam uang untuk membayar loyalitas koalisi inti hari ini jauh lebih penting daripada kesehatan ekonomi negara di masa depan. Jika ekonomi hancur 10 tahun lagi, itu urusan belakangan, yang penting hari ini ia tidak dikudeta.</p><p>Penulis membagi struktur kekuasaan menjadi tiga lingkaran:</p><ul><li><strong>Interchangables (Selektorat Nominal)</strong>: Kelompok besar yang memiliki hak suara (misalnya, rakyat dalam pemilu).</li><li><strong>Influentials (Selektorat Riil)</strong>: Kelompok yang suaranya benar-benar menentukan siapa yang memimpin (misalnya, elit partai atau pengusaha besar).</li><li><strong>Essentials (Koalisi Pemenang)</strong>: Kelompok inti terkecil yang dukungannya mutlak diperlukan agar pemimpin tetap menjabat (misalnya, jenderal militer atau menteri kunci).</li></ul><p>Paper tersebut mencatat bahwa dukungan terhadap program besar seperti <strong>Makan Bergizi Gratis (MBG)</strong> di Indonesia bersifat “luas tapi dangkal” (hanya 18,9% yang sangat setuju). Dalam teori <em>The Dictator’s Handbook</em>, dukungan yang dangkal dari massa luas (<em>Interchangeables</em>) adalah hal biasa, namun pemimpin akan berada dalam bahaya jika ia gagal memuaskan kelompok yang lebih kecil namun berpengaruh (<em>Essentials</em>). Ketidakpuasan yang meningkat (seperti penurunan kepuasan dari Maret ke Oktober 2025 akibat kasus keracunan makanan) bisa menjadi ancaman serius jika tidak segera dimitigasi dengan manfaat ekonomi nyata bagi kelompok-kelompok kunci.</p><p>Ini adalah poin yang paling sinis: Memperbaiki taraf hidup rakyat (seperti memberikan pendidikan yang sangat baik atau akses internet tanpa batas) bisa menjadi bumerang bagi pemimpin otoriter. Rakyat yang cerdas, sehat, dan mampu berkomunikasi dengan mudah adalah rakyat yang lebih efektif dalam mengorganisir pemberontakan. Oleh karena itu, diktator cenderung memberikan kesejahteraan “secukupnya” agar rakyat tidak kelaparan, tapi tidak cukup kuat untuk melawan.</p><p>Khadafi adalah contoh pemimpin yang melakukan “kesalahan fatal” menurut teori selektorat. Ia menginvestasikan kekayaan minyak Libya secara besar-besaran untuk pendidikan gratis dan kesehatan bagi rakyatnya. Dengan meningkatkan tingkat literasi dan pendidikan, Khadafi secara tidak sengaja menciptakan rakyat yang mampu berpikir kritis, memiliki aspirasi politik, dan bisa mengorganisir diri. Rakyat yang terdidik lebih mudah berkomunikasi dan menyadari ketidakadilan. Ketika gelombang <em>Arab Spring</em> melanda pada 2011, kelompok yang paling vokal adalah mereka yang memiliki akses informasi. Pemimpin otoriter yang cerdik biasanya akan menjaga rakyatnya agar “cukup sehat untuk bekerja, tapi tidak cukup pintar untuk memberontak.” Khadafi “terlalu baik” dalam membangun infrastruktur sosial, yang akhirnya memberikan rakyatnya alat untuk meruntuhkan kekuasaannya sendiri.</p><p>Pajak bukan hanya soal ekonomi, tapi soal kontrol. Penulis buku tersebut menjelaskan hubungan pajak dengan peluang revolusi. Jika pajak terlalu rendah maka pemimpin kehilangan dana untuk membayar “koalisi inti” (militer dan elit). Jika militer tidak dibayar mahal, mereka tidak akan mau memukul mundur demonstran saat terjadi kerusuhan. Tapi jika pajak terlalu tinggi, rakyat akan merasa tercekik secara ekonomi. Ketika rakyat tidak lagi memiliki apa pun untuk dipertaruhkan (<em>nothing to lose</em>), kemarahan kolektif akan memicu pemberontakan besar. Pajak yang ideal bagi pemimpin adalah tingkat di mana rakyat tetap sibuk bekerja untuk memenuhi kebutuhan dasar, namun tidak memiliki waktu atau sumber daya berlebih untuk membiayai gerakan oposisi.</p><p>Fenomena ini bisa kita lihat dalam dinamika kebijakan di Indonesia, seperti yang dibahas dalam paper <strong>ISEAS Perspective</strong> mengenai program <strong>Makan Bergizi Gratis (MBG). </strong>Program MBG membutuhkan anggaran sebesar <strong>Rp335 triliun</strong> (sekitar <strong>9% dari total belanja negara</strong>) pada tahun 2026. Dana raksasa ini berasal dari pajak atau realokasi anggaran. Paper tersebut mencatat bahwa anggaran MBG (9%) jauh lebih tinggi dibanding rencana belanja kesehatan pusat yang hanya <strong>6% (Rp244 triliun)</strong>. Jika rakyat merasa sektor lain (seperti kesehatan atau pendidikan) dikorbankan demi program satu arah, dukungan bisa berubah menjadi ketidakpuasan. Riset menunjukkan dukungan publik terhadap MBG bersifat luas tapi dangkal (hanya <strong>18,9% yang sangat setuju</strong>). Menurut logika <em>Dictator’s Handbook</em>, dukungan yang dangkal ini berbahaya jika harga-harga (pajak/inflasi) naik hanya untuk membiayai program tersebut, karena rakyat akan cepat merasa dirugikan secara material.</p><p>“The key to ruling is not to be loved but to be needed.”</p><p>Aturan emas yang paling menarik adalah: <strong>Jangan pernah membiarkan koalisi inti Anda merasa miskin.</strong> Begitu seorang jenderal atau menteri merasa mereka bisa mendapatkan lebih banyak uang di bawah pemimpin lain, saat itulah kudeta terjadi. Inilah mengapa dalam sejarah, pemimpin yang paling korup sekalipun seringkali bertahan lama selama mereka “rajin berbagi” dengan lingkaran dalamnya.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=38bc114c07ed" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Penjelasan Literature Review Pada Penelitian]]></title>
            <link>https://galihfikran.medium.com/penjelasan-literature-review-pada-penelitian-7ef58380916e?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/7ef58380916e</guid>
            <category><![CDATA[literature-review]]></category>
            <category><![CDATA[research-metodology]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Tue, 07 Oct 2025 04:54:09 GMT</pubDate>
            <atom:updated>2025-10-07T06:38:17.891Z</atom:updated>
            <content:encoded><![CDATA[<h3>Penjelasan Singkat</h3><p>Secara sederhana, Literature Review adalah pemeriksaan atau tinjauan mendalam terhadap penelitian yang sudah pernah dilakukan (melalui dokumen, buku, jurnal) dalam bidang studi tertentu. Tujuannya adalah untuk mengumpulkan, mengevaluasi, dan merangkum apa yang sudah diketahui oleh para peneliti lain tentang topik Anda.</p><p>Literature review adalah bagian yang sangat penting dan mendasar dari setiap paper penelitian. Dalam struktur formal penelitian karya ilmiah, literature review biasanya ditempatkan setelah pendahuluan.</p><p>Literarure review berupa sintesis, bukan daftar poin per poin penelitian sebelumnya (prior research) yang terletak pada BAB II. Sebuah paper tidak ideal jika hanya berbentuk daftar berpoin yang terpisah-pisah.</p><p>Penelitian sebelumnya harus disajikan dalam bentuk narasi terstruktur dan sintesis. Anda harus mengatur literature berdasarkan tema (topical order), waktu (chrinilogical order), atau masalah (problem-cause-solution-order). Tujuannya bukan sekedar merangkum penelitian A, B, dan C, tetapi untuk membandingkan dan mengontraskan temuan, metode, dan kesenjangan penelitian dari studi tersebut.</p><h3>Jenis Literature Review</h3><p>Delapan jenis review beserta tujuan spesifiknya :</p><ul><li>Systematic : Untuk meminimalkan bias dan memberikan ringkasan berbasis bukti melalui protokol ketat.</li><li>Theoritical : Untuk memeriksa teori yang ada dan mengembangkan hipotesis baru.</li><li>Argumentative : Untuk mendukung atau menyangkal argumen yang sudah mapan secara selektif.</li><li>Historical : Untuk menempatkan penelitian dalam konteks waktu dan menelusuri evolusi isu.</li><li>Empirical : Untuk meninjau studi observasional dari hasil penelitian.</li><li>Conceptual : Untuk fokus pada konsep atau kerangka teori, seringkali berbasis studi sebelumnya.</li><li>Integrative : Untuk meninjau, mengkritik, dan men-sintesis literatur secara terintegrasi untuk menghasilkan kerangka kerja baru.</li><li>Methodological : Untuk mengevaluasi bagaimana penelitian dilakukan (desain dan analisis).</li></ul><h3>Intuisi Penyusunan Review</h3><p>Intuisi dalam menyusun literature review :</p><ul><li>Level penerapan makro : Anda memilih satu jenis review (misalnya integrative review) sebagai pendekatan menyeluruh untuk menstrukturkan dan menentukkan tujuan seluruh bab tinjauan pustaka Anda.</li><li>Level penerapan mikro : Anda menggunakan jenis review yang berbeda sebagai alat analisis pada masing-masing studi. Misalnya, Anda menggunakan lensa Teoritis untuk menganalisis konsep studi A, dan lensa Emprisi utntuk menganalisis hasil observasional studi B.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7ef58380916e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Perkembangan AI di masa lalu, sekarang, dan masa depan]]></title>
            <description><![CDATA[<div class="medium-feed-item"><p class="medium-feed-snippet">Selama 65 tahun para ilmuwan dan insinyur perangkat lunak berusaha keras untuk membuat mesin dapat melakukan pekerjaan layaknya manusia&#x2026;</p><p class="medium-feed-link"><a href="https://galihfikran.medium.com/perkembangan-ai-di-masa-lalu-sekarang-dan-masa-depan-bc2ed8a1f154?source=rss-5891dd7c9189------2">Continue reading on Medium »</a></p></div>]]></description>
            <link>https://galihfikran.medium.com/perkembangan-ai-di-masa-lalu-sekarang-dan-masa-depan-bc2ed8a1f154?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/bc2ed8a1f154</guid>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[history]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Tue, 30 Sep 2025 14:30:02 GMT</pubDate>
            <atom:updated>2025-09-30T14:36:18.020Z</atom:updated>
        </item>
        <item>
            <title><![CDATA[Resensi Buku: Deep Work oleh Cal Newport — Meningkatkan Kapasitas Kognitif di Era Gangguan Digital]]></title>
            <link>https://galihfikran.medium.com/resensi-buku-deep-work-oleh-cal-newport-meningkatkan-kapasitas-kognitif-di-era-gangguan-digital-13ca16b60af4?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/13ca16b60af4</guid>
            <category><![CDATA[science]]></category>
            <category><![CDATA[self-development]]></category>
            <category><![CDATA[how-to]]></category>
            <category><![CDATA[psikologi]]></category>
            <category><![CDATA[buku-non-fiksi]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Tue, 01 Jul 2025 06:24:38 GMT</pubDate>
            <atom:updated>2025-09-30T14:40:11.922Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>Resensi Buku: <em>Deep Work</em> oleh Cal Newport — </strong><em>Meningkatkan Kapasitas Kognitif di Era Gangguan Digital</em></h3><blockquote><em>“The ability to perform deep work is becoming increasingly rare at exactly the same time it is becoming increasingly valuable in our economy.”</em> — Cal Newport</blockquote><p>Bayangkan Anda sedang mencoba menyelesaikan pekerjaan penting — sebuah laporan, coding module, atau riset mendalam — namun setiap lima menit, notifikasi, email, atau dorongan membuka media sosial mengganggu konsentrasi. Di era digital, kemampuan untuk fokus tanpa gangguan telah menjadi aset langka sekaligus kompetitif. Inilah yang menjadi landasan utama dalam <em>Deep Work</em>, karya fenomenal dari Cal Newport, seorang profesor ilmu komputer di Georgetown University yang juga produktivitas thinker berpengaruh.</p><h3>Ringkasan Buku</h3><p><em>Deep Work: Rules for Focused Success in a Distracted World</em> (2016) membagi argumen utamanya menjadi dua bagian besar: teori (<em>The Idea</em>) dan praktik (<em>The Rules</em>).</p><h4>Bagian I: The Idea</h4><p>Newport mendefinisikan <strong>deep work</strong> sebagai <em>aktivitas profesional dalam keadaan konsentrasi tanpa gangguan yang mendorong kapasitas kognitif hingga batas maksimal.</em> Ini kontras dengan <strong>shallow work</strong> — pekerjaan logistik dangkal seperti membalas email, browsing, atau meeting yang tidak produktif.</p><p>Ia membangun argumen bahwa:</p><ul><li><strong>Ekonomi saat ini menghargai deep work</strong> karena pekerjaan kognitif tingkat tinggi semakin penting di tengah otomasi dan globalisasi.</li><li><strong>Gangguan digital mengikis kapasitas deep work</strong>, menciptakan kebiasaan superfisial yang merugikan produktivitas dan kualitas hasil kerja.</li><li><strong>Kemampuan deep work dapat dilatih</strong>, seperti otot yang dilatih melalui disiplin, struktur, dan kebiasaan.</li></ul><h4>Bagian II: The Rules</h4><p>Newport kemudian menyajikan <strong>empat aturan praktis</strong> untuk membudayakan deep work:</p><ol><li><strong>Work Deeply</strong>: Ciptakan ritual kerja mendalam melalui batasan waktu, ruang, dan aturan perilaku. Hindari multitasking, tetapkan waktu kerja intensif, dan buat rutinitas harian.</li><li><strong>Embrace Boredom</strong>: Latih otak untuk tahan terhadap kebosanan dan hindari kompulsif terhadap stimulasi digital.</li><li><strong>Quit Social Media</strong>: Pertanyakan nilai dari setiap platform media sosial dan singkirkan yang tidak memberi manfaat konkret.</li><li><strong>Drain the Shallows</strong>: Kurangi pekerjaan dangkal yang tidak bernilai tambah tinggi, delegasikan, atau buat batasan waktu untuk aktivitas tersebut.</li></ol><h3>Analisis dan Penilaian</h3><h4>Kelebihan:</h4><ul><li><strong>Argumen kuat dan kontekstual:</strong> Newport secara meyakinkan menunjukkan mengapa deep work menjadi <em>rare &amp; valuable</em>. Ia merujuk tren ekonomi kerja pengetahuan, kutipan riset dari psikologi kognitif, dan studi kasus tokoh-tokoh sukses seperti Carl Jung, J.K. Rowling, dan Bill Gates.</li><li><strong>Struktur sistematis:</strong> Buku ini disusun secara runtut dan terfokus: bagian teoritis yang meyakinkan di awal, disusul dengan strategi aplikatif yang dapat langsung diterapkan pembaca.</li><li><strong>Gaya bahasa jelas dan persuasif:</strong> Newport menulis dengan gaya akademis yang bersih namun tetap komunikatif. Ia mampu memadukan abstraksi filosofis dengan langkah-langkah praktis yang membumi.</li></ul><h4>Kekurangan:</h4><ul><li><strong>Kurang mempertimbangkan konteks profesi tertentu:</strong> Tidak semua pembaca dapat menerapkan deep work secara ideal. Profesi dengan banyak interupsi tak terhindarkan (guru, perawat, customer service) mungkin merasa pendekatan ini tidak sepenuhnya relevan tanpa penyesuaian kontekstual.</li><li><strong>Kesan dogmatis terhadap media sosial:</strong> Meskipun argumen untuk berhenti dari media sosial disertai logika yang kuat, pendekatannya cenderung <em>zero-sum</em> — seolah tidak ada cara untuk menggunakan media sosial secara sadar dan produktif.</li></ul><h3>Nilai dan Relevansi Buku</h3><p><em>Deep Work</em> memiliki relevansi yang besar di tengah krisis perhatian (attention crisis) yang kini dialami banyak profesional dan pelajar. Menurut data Microsoft (2023), rata-rata durasi fokus berkelanjutan manusia telah turun menjadi di bawah 47 detik. Di tengah ekonomi berbasis kreativitas dan pengetahuan, ini menjadi sinyal bahaya.</p><h4>Target pembaca:</h4><ul><li>Profesional di bidang teknologi, riset, penulisan, atau akademik yang bergantung pada kerja kognitif mendalam.</li><li>Mahasiswa dan pekerja lepas yang membutuhkan sistem kerja yang mandiri dan produktif.</li><li>Siapa pun yang merasa kapasitas fokusnya telah terkikis oleh internet dan ingin merebut kembali kendali atas waktu dan perhatian mereka.</li></ul><h4>Dampak sosial dan pribadi:</h4><p>Secara sosial, buku ini menjadi peringatan bahwa “kerja sibuk” (busy work) bukanlah “kerja produktif.” Ia menantang budaya hustle yang menilai produktivitas dari kuantitas aktivitas, bukan kualitas hasil. Secara pribadi, <em>Deep Work</em> adalah alat untuk membangun versi diri yang lebih terfokus, produktif, dan bermakna.</p><h3>Kesimpulan</h3><p>Cal Newport melalui <em>Deep Work</em> menawarkan manifesto yang relevan dan praktikal bagi siapa pun yang ingin bertahan dan unggul di tengah era gangguan informasi. Buku ini tidak hanya menyodorkan keluhan terhadap teknologi, tetapi memberikan kerangka berpikir dan strategi konkret untuk membangun kembali kapasitas kognitif yang dalam dan bernilai tinggi.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=13ca16b60af4" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Resensi Buku: The Signal and the Noise karya Nate Silver]]></title>
            <link>https://galihfikran.medium.com/resensi-buku-the-signal-and-the-noise-karya-nate-silver-5cd48a88256c?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/5cd48a88256c</guid>
            <category><![CDATA[self-developmen]]></category>
            <category><![CDATA[nonfiksi]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[pengembangan-diri]]></category>
            <category><![CDATA[sci̇ence]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Sun, 29 Jun 2025 14:05:55 GMT</pubDate>
            <atom:updated>2025-06-30T02:14:37.613Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/944/1*OW-9HmskebXx-gBuB866kw.png" /></figure><blockquote><em>“We face danger whenever information growth outpaces our understanding of how to process it.”</em> — Nate Silver</blockquote><p>Di era ledakan data seperti sekarang, ramalan menjadi hal yang semakin kompleks sekaligus vital. Kita dibombardir dengan angka, grafik, dan analisis setiap hari — dari prediksi cuaca hingga bursa saham, dari pemilu hingga penyebaran pandemi. Namun, seberapa sering prediksi itu benar? Dan apa yang membedakan prediksi yang dapat dipercaya dari sekadar “noise”?</p><p>Dalam <em>The Signal and the Noise: Why So Many Predictions Fail — but Some Don’t</em>, Nate Silver membawa kita menyusuri dunia prediksi melalui lensa statistik, sejarah, dan psikologi kognitif. Buku ini bukan sekadar kumpulan teori statistik, melainkan pencerahan mendalam tentang bagaimana berpikir secara probabilistik dan skeptis di tengah ketidakpastian.</p><h3>Ringkasan Buku</h3><p>Buku ini dibagi menjadi 13 bab yang masing-masing membahas konteks berbeda di mana prediksi memiliki peran sentral. Nate Silver menyajikan beragam studi kasus — mulai dari krisis keuangan 2008, gempa bumi, poker, epidemi, hingga perubahan iklim — sebagai medan tempur antara <em>sinyal</em> (informasi yang relevan) dan <em>noise</em> (kebisingan yang menyesatkan).</p><p>Beberapa poin kunci dari buku ini:</p><ul><li><strong>Prediksi dan Probabilitas:</strong> Silver menekankan pentingnya berpikir dalam probabilitas, bukan kepastian biner. Misalnya, ketika ia memprediksi peluang Barack Obama menang dalam Pilpres AS 2012 sebesar 90,9%, itu bukan pernyataan absolut, tapi ekspresi keyakinan statistik berdasarkan data.</li><li><strong>Bahaya Overfitting dan Bias Kognitif:</strong> Model statistik bisa menyesuaikan terlalu sempurna dengan data masa lalu (<em>overfitting</em>), tetapi buruk dalam memprediksi masa depan. Selain itu, manusia juga terjebak dalam <em>confirmation bias</em> dan <em>overconfidence</em>, dua faktor yang sering memperparah kegagalan prediksi.</li><li><strong>Ketidakpastian yang Tidak Simetris:</strong> Dalam kasus seperti bencana alam atau bursa saham, probabilitas peristiwa ekstrem (fat tails) sering diabaikan, padahal dampaknya sangat besar.</li><li><strong>Kekuatan Bayes:</strong> Silver menyatakan bahwa pemikiran Bayesian — yakni memperbarui keyakinan dengan data baru — adalah fondasi berpikir prediktif yang sehat.</li><li><strong>Prediksi Politik dan Iklim:</strong> Ia mengkritisi bagaimana media dan lembaga cenderung mengedepankan narasi dramatis ketimbang probabilitas objektif. Dalam iklim, misalnya, sinyal ilmiah kuat justru sering dikaburkan oleh kebisingan politik dan ideologi.</li></ul><h3>Analisis dan Penilaian</h3><h4>Kelebihan:</h4><ul><li><strong>Multidisipliner dan kontekstual:</strong> Silver berhasil menggabungkan matematika statistik, ilmu sosial, ekonomi, meteorologi, dan bahkan psikologi dalam narasi yang menyatu dan mudah dipahami.</li><li><strong>Contoh konkret dan relevan:</strong> Studi kasus yang disajikan tidak hanya informatif tetapi juga membuka mata. Misalnya, kegagalan agen intelijen membaca sinyal menjelang serangan 9/11 menunjukkan bahwa kelalaian sering bukan karena kurang data, tetapi salah interpretasi data.</li><li><strong>Gaya naratif yang bersahabat:</strong> Meskipun membahas topik teknis, Silver tidak menggunakan bahasa statistik kering. Ia menulis dengan gaya naratif yang mengalir, mengutip cerita nyata, wawancara ahli, dan pengalaman pribadinya sebagai analis prediksi politik.</li></ul><h4>Kekurangan:</h4><ul><li><strong>Ketidakseimbangan kedalaman antar bab:</strong> Beberapa bab, seperti tentang poker atau baseball, terasa terlalu panjang dan terlalu khusus bagi pembaca non-Amerika, sementara pembahasan isu seperti perubahan iklim dan epidemi terasa lebih padat dan terburu-buru.</li><li><strong>Tidak cukup teknis untuk pembaca statistik tingkat lanjut:</strong> Buku ini lebih cocok untuk pembaca umum atau semi-teknis. Mereka yang mengharapkan pembahasan matematis mendalam tentang model statistik mungkin merasa kurang puas.</li></ul><h3>Nilai dan Relevansi Buku</h3><p><em>The Signal and the Noise</em> sangat relevan di era informasi yang penuh disinformasi dan <em>fake news</em>. Buku ini menawarkan lensa skeptis namun konstruktif: kita tidak diajak menjadi sinis terhadap prediksi, tetapi diajak memahami batas dan syaratnya.</p><p><strong>Target pembaca</strong>:</p><ul><li>Analis data, ilmuwan sosial, ekonom, jurnalis, dan siapa pun yang bekerja dengan interpretasi data dan peristiwa.</li><li>Masyarakat umum yang ingin memahami bagaimana dan mengapa prediksi sering salah.</li><li>Mahasiswa atau dosen statistik dan ilmu sosial yang mencari referensi populer untuk diskusi lintas bidang.</li></ul><p><strong>Dampaknya</strong>:</p><ul><li>Secara sosial, buku ini menyoroti pentingnya literasi statistik dan skeptisisme berbasis data dalam pengambilan keputusan publik.</li><li>Secara pribadi, pembaca diajak untuk berpikir lebih hati-hati dalam membaca berita, membuat keputusan investasi, atau sekadar memahami tren sosial.</li></ul><h3>Kesimpulan</h3><p>Nate Silver, dengan latar belakangnya sebagai statistikawan politik, menunjukkan bahwa prediksi bukan soal “menjadi benar” tapi soal <em>menangani ketidakpastian dengan cerdas</em>. <em>The Signal and the Noise </em>berhasil menjembatani dunia sains data dengan kehidupan nyata, menempatkan probabilitas sebagai alat berpikir, bukan sekadar angka abstrak.</p><p>Buku ini adalah pengingat bahwa data tidak pernah berbicara sendiri. Hanya dengan akal sehat, kerendahan hati, dan metodologi yang disiplin, kita bisa memilah antara sinyal dan kebisingan.</p><p><strong>Skor akhir: 9/10 — Informatif, relevan, dan memicu cara berpikir baru tentang prediksi.</strong></p><p><strong>Rekomendasi:</strong> Wajib dibaca bagi siapa pun yang hidup dan bekerja dalam dunia yang semakin dikendalikan oleh data.</p><p>Jika Anda ingin membaca lebih lanjut mengenai buku ini, Anda dapat menemukannya <a href="https://s.shopee.co.id/gEhVvL4HE?share_channel_code=1">disini.</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5cd48a88256c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Resensi Buku: How to Lie with Statistics — Ironi, Ilmu, dan Ilusi Angka]]></title>
            <link>https://galihfikran.medium.com/resensi-buku-how-to-lie-with-statistics-ironi-ilmu-dan-ilusi-angka-6681a631142a?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/6681a631142a</guid>
            <category><![CDATA[self-development]]></category>
            <category><![CDATA[resensi-buku]]></category>
            <category><![CDATA[buku-non-fiksi]]></category>
            <category><![CDATA[books-recommendation]]></category>
            <category><![CDATA[sci̇ence]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Sun, 29 Jun 2025 10:53:32 GMT</pubDate>
            <atom:updated>2025-06-29T15:25:05.499Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>Resensi Buku: <em>How to Lie with Statistics</em> — Ironi, Ilmu, dan Ilusi Angka</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/926/1*dOSmXSCPhV5QvkqpuyYGcw.png" /></figure><blockquote><em>“If you torture the data long enough, it will confess to anything.” — Darrell Huff</em></blockquote><p>Di tengah dunia yang dibanjiri data dan statistik, satu hal tetap benar: <strong>angka dapat mengatakan apa saja yang kita ingin mereka katakan</strong>. Angka, sering dianggap sebagai kebenaran absolut, nyatanya bisa dimanipulasi dengan sangat meyakinkan — dan inilah inti dari <em>How to Lie with Statistics</em>. Buku ini bukan manual kebohongan, melainkan panduan kritis untuk membaca angka dengan skeptisisme ilmiah. Ditulis pada tahun 1954, isinya tetap relevan dalam menghadapi era media, survei politik, dan laporan “data-driven” yang membanjiri ruang publik saat ini.</p><h3>Ringkasan Buku</h3><p>Darrell Huff, seorang jurnalis sains, menyusun buku ini sebagai panduan populer tentang <strong>bagaimana statistik bisa (dan sering) digunakan untuk menyesatkan publik</strong>. Dengan gaya ringan namun cerdas, Huff menjabarkan berbagai cara di mana angka dan grafik dimanipulasi untuk menyampaikan narasi yang bias, menyesatkan, atau bahkan salah secara metodologis.</p><p>Isi buku dapat diringkas dalam beberapa tema penting:</p><ul><li><strong>Sampling yang Tidak Representatif</strong><br>Huff mengilustrasikan bagaimana kesalahan dalam memilih sampel, atau <em>biased sampling</em>, menyebabkan generalisasi yang keliru. Contoh klasiknya adalah survei pada pembaca majalah bisnis yang kemudian diekstrapolasi ke seluruh populasi.</li><li><strong>Penggunaan Rata-rata Secara Selektif</strong><br>Ia menjelaskan perbedaan mendasar antara mean, median, dan mode, serta bagaimana memilih salah satu secara strategis dapat mengubah persepsi hasil.</li><li><strong>Skala Grafik yang Menyesatkan</strong><br>Huff menyindir bagaimana grafik batang dan gambar visual sering kali menggunakan skala yang memanipulasi persepsi visual (misalnya, sumbu Y yang dipotong untuk memperbesar efek perubahan kecil).</li><li><strong>Kesalahan Korelasi dan Kausalitas</strong><br>Buku ini mengingatkan bahwa korelasi tidak sama dengan kausalitas — a point yang menjadi dasar dalam semua inferensi statistik modern.</li><li><strong>Presentasi Statistik yang Bias dan Framing Naratif</strong><br>Statistik sering dibingkai untuk mendukung kepentingan politik, pemasaran, atau narasi media tertentu. Huff mengajak pembaca untuk membaca data dengan skeptisisme metodologis.</li></ul><h3>Analisis dan Penilaian</h3><p>Kekuatan utama buku ini terletak pada <strong>kemampuannya mengedukasi publik non-akademik</strong> tentang konsep dasar statistik dengan cara yang tidak mengintimidasi. Huff bukan seorang ahli statistik, tetapi justru kekuatannya ada di sana: ia menjelaskan konsep seperti <em>sampling bias</em>, <em>cherry-picking</em>, <em>regression to the mean</em>, dan <em>selection effect</em> dengan bahasa populer dan penuh ironi.</p><p>Gaya bahasanya <strong>sindiran satiris</strong>, tetapi <strong>membumi dan pedagogis</strong>. Buku ini menggunakan ilustrasi sederhana (oleh Irving Geis) untuk menyoroti absurditas dalam penyajian data yang dimanipulasi. Bagi kalangan akademik, mungkin terasa terlalu dangkal, tetapi sebagai <strong>pengantar literasi statistik</strong>, buku ini tetap menjadi referensi penting.</p><p>Kelemahannya adalah: karena ditulis pada era pra-komputasi dan big data, beberapa metode yang dibahas tidak mencerminkan kompleksitas manipulasi statistik modern. Tidak ada pembahasan tentang <em>p-hacking</em>, <em>data dredging</em>, atau machine learning bias yang kini menjadi perhatian utama. Namun demikian, prinsip dasarnya masih sangat relevan.</p><h3>Relevansi Buku</h3><p>Buku ini menjadi <strong>fondasi penting dalam pendidikan literasi data</strong>. Dalam era pasca-kebenaran (<em>post-truth era</em>), ketika statistik dijadikan alat persuasi dalam politik, iklan, dan jurnalistik, masyarakat membutuhkan pemahaman kritis terhadap angka. Buku ini membantu pembaca menyadari bahwa:</p><ul><li><strong>Statistik bukanlah fakta objektif, tetapi interpretasi.</strong></li><li><strong>Data bisa diputarbalikkan secara legal namun tidak etis.</strong></li><li><strong>Skeptisisme terhadap angka adalah bentuk kewaspadaan intelektual, bukan sinisme.</strong></li></ul><p>Target pembaca ideal adalah pelajar, mahasiswa, wartawan, pemasar, pembuat kebijakan, dan publik umum yang terpapar “klaim berbasis data”. Buku ini juga penting sebagai bahan bacaan pendamping dalam kursus metode penelitian atau komunikasi sains.</p><h3>Kesimpulan dan Rekomendasi</h3><p><em>How to Lie with Statistics</em> adalah karya klasik yang <strong>terus relevan lintas generasi</strong>. Gaya penyampaiannya ringan, tetapi substansinya kuat. Buku ini tidak mengajarkan pembaca untuk menipu, tetapi memperlengkapi mereka agar <strong>tidak mudah tertipu oleh data yang tampaknya objektif</strong>.</p><p>Dalam dunia yang semakin bergantung pada “data-driven decision-making”, buku ini seperti vaksin intelektual: ia tidak memberi kita jawaban, tetapi <strong>imunitas terhadap manipulasi informasi</strong>.</p><p><strong>Nilai:</strong> 8.5/10 — Esensial, edukatif, dan tetap relevan di era big data.</p><blockquote>“The secret language of statistics, so appealing in a fact-minded culture, is employed to sensationalize, inflate, confuse, and oversimplify.” — <em>Darrell Huff</em></blockquote><p>Jika Anda ingin benar-benar memahami kekuatan dan kelemahan statistik, bacalah buku statistik serius. Tapi sebelum itu, bacalah <em>How to Lie with Statistics</em> — agar Anda tahu <strong>kapan angka bicara dan kapan mereka dibungkam demi kepentingan tertentu.</strong></p><p>Jika Anda tertarik dengan buku ini — Anda dapat menemukanya <a href="https://s.shopee.co.id/9zmMQIkDOC?share_channel_code=1">disini</a>.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6681a631142a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Resensi Buku: Everybody Lies — Menguak Kebenaran Lewat Jejak Digital]]></title>
            <link>https://galihfikran.medium.com/resensi-buku-everybody-lies-menguak-kebenaran-lewat-jejak-digital-5b990da13a31?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/5b990da13a31</guid>
            <category><![CDATA[self-development]]></category>
            <category><![CDATA[books]]></category>
            <category><![CDATA[resensi-buku]]></category>
            <category><![CDATA[rekomendasi-buku]]></category>
            <category><![CDATA[science]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Sun, 29 Jun 2025 10:30:02 GMT</pubDate>
            <atom:updated>2025-06-29T15:18:50.278Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>Resensi Buku: <em>Everybody Lies</em> — Menguak Kebenaran Lewat Jejak Digital</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/941/1*bnWqqEtIqA03gcCfA00jrg.png" /></figure><h3>“Google Tidak Pernah Bohong”</h3><blockquote>“People lie, but their Google searches don’t.” — Seth Stephens-Davidowitz</blockquote><p>Bayangkan seseorang berdiri di depan Anda, berbicara sopan dan terbuka, tetapi menyimpan rahasia terbesar mereka dalam mesin pencarian Google. Di era ketika privasi menjadi topik hangat dan media sosial tampil sebagai etalase kehidupan palsu, Seth Stephens-Davidowitz melemparkan pertanyaan tajam: <strong>“Apa yang benar-benar kita pikirkan, inginkan, atau takutkan saat tak ada yang mengawasi?”</strong> Buku ini bukan hanya analisis data — ini adalah potret jujur manusia dalam dunia digital.</p><h3><strong>Ringkasan Isi Buku</strong></h3><p><em>Everybody Lies</em> membawa pembaca menyusuri eksplorasi mendalam terhadap <strong>Big Data</strong> — terutama data dari mesin pencari seperti Google — dan bagaimana data ini mampu mengungkap kebenaran tersembunyi tentang perilaku manusia. Penulis, mantan ekonom Google dan lulusan Harvard, menyusun buku ini dalam beberapa bagian yang mencakup:</p><ul><li><strong>Kebohongan sosial vs kebenaran digital</strong>: Orang sering memalsukan jawaban dalam survei, tapi menunjukkan kejujuran brutal dalam pencarian Google.</li><li><strong>Rasisme, seksualitas, dan tabu</strong>: Data mengungkap bahwa prasangka dan ketertarikan seksual sering kali tidak sesuai dengan pernyataan publik.</li><li><strong>Prediksi perilaku</strong>: Data dapat digunakan untuk memprediksi hal-hal seperti hasil pemilu, tren konsumsi, bahkan gejala penyakit.</li><li><strong>Metodologi data modern</strong>: Stephens-Davidowitz menjelaskan bagaimana <em>machine learning</em>, <em>regresi</em>, dan <em>natural experiments</em> digunakan untuk mengekstrak makna dari data acak yang tampak sepele.</li></ul><p>Setiap bab berisi anekdot mengejutkan dan data aktual, dibungkus dalam narasi yang memancing pemikiran ulang tentang realitas sosial dan personal yang kita anggap kita pahami.</p><h3>Analisis dan Penilaian</h3><p>Kekuatan utama buku ini adalah <strong>kemampuannya menyulap data kering menjadi cerita manusia</strong>. Stephens-Davidowitz menulis seperti seorang kolumnis New York Times dengan sentuhan sarkasme akademis yang cerdas. Ia menyajikan data yang kompleks dengan gaya ringan, sering kali lucu, dan penuh kejutan.</p><p>Kelebihan lainnya:</p><ul><li><strong>Provokatif dan membuka wawasan</strong>: Buku ini membuat pembaca mempertanyakan asumsi umum dan bias pribadi.</li><li><strong>Ilustrasi nyata</strong>: Dari pornografi hingga politik, topiknya beragam tapi relevan.</li><li><strong>Pop-science yang grounded</strong>: Tidak sekadar menjual sensasi digital, tapi punya fondasi statistik dan akademik yang kuat.</li></ul><p>Namun, tidak semua pembaca akan nyaman dengan pendekatannya. Beberapa bagian terasa terlalu spekulatif, dan bisa menimbulkan misinterpretasi jika pembaca awam tidak hati-hati membaca konteks data. Selain itu, pembahasan tentang etika dan privasi kadang terlalu tipis dibanding provokasinya.</p><h3><strong>Nilai dan Relevansi Buku</strong></h3><p>Buku ini sangat relevan bagi:</p><ul><li><strong>Pemerhati teknologi dan sosial</strong></li><li><strong>Data analyst dan researcher</strong></li><li><strong>Marketer dan pembuat kebijakan</strong></li><li><strong>Siapa pun yang tertarik memahami manusia dari sisi tersembunyi</strong></li></ul><p>Di tengah dunia yang semakin dikendalikan algoritma dan data behavioristik, <em>Everybody Lies</em> memberikan <strong>cermin digital</strong>tentang siapa kita sebenarnya — dengan segala ketakutan, hasrat, dan kontradiksi dalam diri kita. Buku ini bukan hanya menghibur, tapi mengganggu, dan dalam gangguan itulah justru letak nilainya.</p><h3><strong>Kesimpulan dan Rekomendasi</strong></h3><p><em>Everybody Lies</em> adalah buku yang mengguncang kenyamanan intelektual. Ia memaksa kita untuk bertanya: <strong>apakah kita mengenal diri kita sendiri seperti yang data kenal tentang kita?</strong> Seth Stephens-Davidowitz tidak hanya menyodorkan fakta — ia membongkar mitos.</p><p>Buku ini sangat direkomendasikan bagi pembaca yang ingin memahami dunia modern dari balik layar pencarian dan log digital. Bacaan ini akan membuat Anda lebih skeptis terhadap klaim publik dan lebih sadar terhadap pola pikir kolektif yang tersembunyi di balik layar komputer.</p><p><strong>Nilai :</strong> 9/10 — Provokatif, cerdas, dan menyadarkan.</p><blockquote><em>“We are all just one click away from confessing our darkest secrets.” — Seth Stephens-Davidowitz</em></blockquote><p>Jika Anda tertarik dengan buku Everybody Lies, Anda dapat menemukannya <a href="https://s.shopee.co.id/2LMvHdOA8Q?share_channel_code=1">disini</a>.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5b990da13a31" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Clean Architecture MVVM implementation with React Native]]></title>
            <link>https://galihfikran.medium.com/clean-architecture-mvvm-implementation-with-react-native-1d53ef9dd705?source=rss-5891dd7c9189------2</link>
            <guid isPermaLink="false">https://medium.com/p/1d53ef9dd705</guid>
            <category><![CDATA[react]]></category>
            <category><![CDATA[clean-architecture]]></category>
            <category><![CDATA[mvvm]]></category>
            <category><![CDATA[software-development]]></category>
            <category><![CDATA[react-native]]></category>
            <dc:creator><![CDATA[M. Galih Fikran Syah]]></dc:creator>
            <pubDate>Sat, 28 Dec 2024 02:56:55 GMT</pubDate>
            <atom:updated>2024-12-28T02:56:55.216Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Gp0LbiQQUkpjZ57hmjumrQ.png" /></figure><p>Salam sejahtera para para teman-teman dan para para tuan-tuan sekalian. Saya ingin membagikan sekelumit gagasan mengenai konsep MVVM namun di beberapa bagian saya tambahkan sedikit modifikasi versi Saya sendiri.</p><h3>Pendahuluan</h3><p>Dalam melakukan pengembangan aplikasi terutama saat menggunakan React yang sifatnya unopiniated atau artinya tidak ada aturan baku mengenai standar penulisan yang betul-betul disarankan oleh React, sebab React sepenuhnya menyerahkan tugas ini kepada pengembang untuk membuat standar penulisannya masing-masing, tentu terdapat keuntungan dan ketidak-untungan. Di satu sisi pengembang dapat kreatif dan fleksibel menentukan code convention yang menurutnya paling baik dan sesuai dengan aplikasi yang sedang dikembangkan, hal ini menguntungkan sebab pengembang tidak terpaku dengan aturan penulisan yang bisa saja terlampau overkill untuk spesifik domain atau tugas-tugas yang kecil dan ringan. Namun di sisi lain ini menimbulkan kebingungan terutama bagi awam untuk menentukan bagaimana mekanisme penulisan kode yang paling baik. Hal ini berlaku juga pada saat seorang memutuskan pindah kerja ke perusahaan yang lain, biasanya perusahaan memiliki code convention yang autentik sehingga pengembang baru perlu menyesuaikan kebiasaan penulisan yang sudah di standarkan di suatu perusahaaan.</p><p>Mekanisme penulisan kode meliputi struktur folder yang memiliki fungsinya masing-masing, serta bagaimana perilaku setiap entitas saling berinteraksi, biasanya yang seperti ini kita namakan arsitektur. Ada beberapa arsitektur yang saat ini populer yaitu MVC, MVP, dan MVVM.</p><h3>MVVM: Model View ViewModel</h3><p>Penjelasan mengenai MVVM bisa Anda temukan internet. Biasanya MVVM digunakan untuk aplikasi skala enterprise yang cukup kompleks dan “njelimet” dalam hal routing dan business logic. Saya akan jelaskan bagaimana penerapan MVVM versi Saya, dengan cara saksama dan dalam tempo yang sesingkat-singkatnya.</p><h3>Struktur Folder</h3><p>Berikut adalah struktur folder MVVM yang paling sederhana.</p><pre>- src<br>  - components<br>  - models<br>  - screens<br>  - viewmodels</pre><p><strong>1. components</strong></p><p>Folder ini menampung komponen-komponen yang reusable yang nantinya dipanggil pada setiap screen atau page. Contoh komponen Cards, Buttons, Lists dan lain sebagainya.</p><pre>const Card_v1 = (props) =&gt; {<br>    const dispatch = useDispatch();<br>    const navigation = useNavigation();<br><br>    const goto = (to) =&gt; {<br>        navigation.navigate(&#39;SubMenu&#39;, {to});<br>    };<br><br>    return (<br>        &lt;TouchableOpacity onPress={() =&gt; goto(props.to)} style={styles.container}&gt;<br>            &lt;Image source={props.icon} style={{ width: 40, height: 40 }} /&gt;<br>            &lt;Text style={{fontWeight: &#39;bold&#39;}}&gt;{ props.name }&lt;/Text&gt;<br>        &lt;/TouchableOpacity&gt;<br>    )<br>}<br><br>export { Card_v1 }</pre><p>Untuk penulisan komponen, contoh pada component cards akan saya tulis dalam satu file namun didalamnya saya buat untuk beberapa tipe (Card_v1, Card_v2, …, dst).</p><p><strong>2. models</strong></p><p>Model act for supplier of data for specific entity. Data bisa bersumber dari list, state, atau API call. Nantinya model akan membagikan datanya untuk viewmodels.</p><pre>const SubMenuSale = [<br>  {key: &#39;quotation&#39;, name:&#39;Quotations&#39;},<br>  {key: &#39;order&#39;, name: &#39;Orders&#39;}<br>];<br><br>const fetchOrder = async () =&gt; {<br>    try {<br>      const response = await fetch(&#39;https://api.example.com/data&#39;);<br>      return await response.json();<br>    } catch (error) {<br>      throw new Error(&#39;Failed to fetch data&#39;);<br>    }<br>};<br><br>const fetchQuotation = async () =&gt; {<br>    try {<br>      const response = await fetch(&#39;https://api.example.com/data&#39;);<br>      return await response.json();<br>    } catch (error) {<br>      throw new Error(&#39;Failed to fetch data&#39;);<br>    }<br>};<br><br>export { SubMenuSale, fetchOrder, fetchQuotation }</pre><p><strong>3. viewmodels</strong></p><p>Viewmodels berisi kumpulan fungsi untuk mengolah data yang didapatkan dari model dan diserahkan ke screens untuk disajikan sebagai tampilan.</p><pre>import React, { useState } from &#39;react&#39;<br>import { SubMenuSale } from &quot;../models/Sale&quot;;<br>import { SubMenuPurchase } from &quot;../models/Purchase&quot;;<br>import { SubMenuInventory } from &quot;../models/Inventory&quot;;<br><br>export function useGlobalViewModel() {<br>    <br>    const getSubMenu = ((model) =&gt; {<br>        switch (model) {<br>            case &#39;sales&#39;:<br>                return SubMenuSale;  <br>            case &#39;purchases&#39;:<br>                return SubMenuPurchase;<br>            case &#39;inventories&#39;:  <br>                return SubMenuInventory;<br>                <br>        <br>            default:<br>                return []<br>        }<br>    });<br><br>    return { getSubMenu };<br>}</pre><p><strong>4. screens</strong></p><p>Screen bertindak selayaknya halaman, didalamnya bisa saja memanggil komponen yang dibutuhkan</p><pre>&lt;View style={styles.directory}&gt;<br>  &lt;Card_v1 name=&quot;Sale&quot; to=&quot;sales&quot; icon={saleIcon}/&gt;<br>  &lt;Card_v1 name=&quot;Purchase&quot; to=&quot;purchases&quot; icon={purchaseIcon}/&gt;<br>  &lt;Card_v1 name=&quot;Inventory&quot; to=&quot;inventories&quot; icon={InventoryIcon}/&gt;<br>  &lt;Card_v1 name=&quot;Invoicing&quot; to=&quot;invoices&quot; icon={invoiceIcon}/&gt;<br>  &lt;Card_v1 name=&quot;Helpdesk&quot; icon={helpdeskIcon}/&gt;<br>  &lt;Card_v1 name=&quot;Settings&quot; icon={settingIcon}/&gt;<br>&lt;/View&gt;</pre><p>Saya memodifikasinya dengan menambahkan screens untuk memudahkan pengembang membuat page dan bisa terkoneksi dengan komponen apapun.</p><p>Jadi aluranya berawal dari view/screens kemudian didalam screens memanggil viewmodels, lalu viewmodels mendapatkan data dari models. Nih saya kasih gambar supaya jelas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*FKrGcT9gImmKge0Yx9kSxA.png" /><figcaption><a href="https://en.wikipedia.org/wiki/Model%E2%80%93view%E2%80%93viewmodel">https://en.wikipedia.org/wiki/</a>Model–view–viewmodel</figcaption></figure><p>Seperti itu …</p><h3>Kesimpulan</h3><p>Cara diatas menurut Saya merupakan implementasi yang paling sederhana untuk arsitektur MVVM, teman-teman dapat mengikuti cara tersebut atau mungkin teman-teman memiliki cara yang lebih bagus. Silahkan…</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1d53ef9dd705" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>