Cheat Belajar Cepat

Walaupun gw punya quote "Belajar itu harus, pintar itu bonus", bukan berarti kita belajar tanpa metode dan asal-asalan.

Waktu di podcast kemarin, gw bilang kalo mau belajar cepet jago, caranya adalah belajar langsung pada goal yang ingin dituju (kasus). Omongan tersebut ga sembarangan, karena dalam sistem pakar ada salah satu metode namanya backward chaining yang fungsinya mengatasi masalah berdasarkan kejadian yang sudah ada.

Misalnya gini, saat kita pulang kampung kemudian kita liat ada kejadian seperti lumpur di jalanan, mobil bertumpukan, pohon bertumbangan, sampah berserakan. Variabel-variabel itu menandakan bahwa sebelumnya ada bencana alam. Kita pasti mendefinisikan variabel tersebut, contohnya mobil bertumpukan adalah hal yang tidak wajar dan salah satu ciri bencana angin topan.

Keuntungannya pakai backward chaining: kita bisa langsung cepat menyimpulkan dan paham terhadap suatu kasus. Contohnya bencana alam tadi. Karena memang kejadiannya sudah terjadi, dan kita mengurutkan peristiwa ke belakang sehingga bisa menyimpulkan bahwa sudah terjadi angin topan.

Kerugiannya: kita hanya bisa menyimpulkan kasus tertentu saja.  Karena bencana alam itu banyak, seperti merapi meletus, longsor dan lain sebagainya. Kenapa kita tidak tahu? karena kita menarik pengetahuan berdasarkan kejadian angin topan saja. bukan bencana secara keseluruhan.

Secara umum, bisa disebut kalau kita belajar dari contoh. Semoga bisa dipahami sampai sini.

Selanjutnya kita lakukan teknik yang sama pada metode belajar kita. Anggap misalnya kita ingin belajar Machine Learning. yang harus dilakukan adalah kita mencari salah satu kasus pada machine learning, misalnya untuk menentukan seseorang layak mendapatkan beasiswa atau tidak.

Selanjutnya adalah kita mencari algoritma apa yang cocok untuk kasus tersebut. Kemudian kita juga mencari jenis data, tipe data, cara mengolahnya, bahasa program yang digunakan, dan lain sebagainya.

Dari setiap hal tersebut, kita akan mencari tahu definisi dan cara kerjanya. Bagaimana cara mendapatkan data, bagaimana cara mengetahui tipe data, bagaimana cara mengolah datanya, bagaimana cara menggunakan bahasa program tersebut dan sebagainya.

Pada akhirnya kita akan mendapatkan pengetahuan yang jelas terkait berbagai hal yang sesuai dengan goal kita. Keuntungannya adalah belajar kita tidak menjadi jenuh, karena kita sudah tahu istilah apa saja yang akan digunakan pada kasus tersebut. Pondasi pengetahuan seperti ini penting untuk dapat mengekspansi istilah-istilah lainnya. Namun tidak perlu takut karena kita sudah memiliki basic knowledge yang cukup dari hasil mengerjakan kasus tadi.

Beda halnya jika kita belajar dengan teknik forward chaining. Kita mengumpulkan seluruh fakta yang ada terlebih dahulu. Misalnya kita belajar berbagai bahasa program dari a - z, kita belajar berbagai tipe data yang ada, kita belajar seluruh teknik pengolahan data. Tapi kita belum menentukan goalnya. Kita tidak tahu tujuan kita belajar semua itu untuk apa. Kita hanya bersiap saja jika suatu saat ada kasus yang sesuai, kita akan menyelesaikannya dengan salah satu teknik yang sudah kita pelajari.

Idealis memang, kita bisa mendapatkan berbagai pengetahuan, namun dengan cara belajar seperti ini, kita jadi cepat malas dan bosan, karena kita tidak tahu goal dan juga kegunaannya. Seringkali sudah belajar banyak tapi kita tidak tahu luaran dari belajar itu apa.

Kedua teknik itu bisa digunakan. Namun memilih backward chaining adalah langkah tepat di era yang serba cepat ini. Karena dengan backward chaining, kita akan selalu update kasus, kejadian, teknologi, goal baru, semua hal yang sedang terjadi. Karena kita belajar berbasis kasus. Kita juga sudah menghemat waktu karena hanya belajar hal-hal yang memang akan digunakan untuk menyelesaikan kasus kita. Andai kita gunakan teknik forward chaining, misalnya kita sedang fokus belajar suatu hal, ternyata itu sudah usang sehingga sia-sia hasil belajarnya.