Thesis Strikes (Week 11)


Tiga iterasi telah dilalui, insya Allah tinggal satu iterasi lagi dan siap untuk membuat laporan. Post ini adalah post ke-tujuh dari seri thesis. Post pertama bisa dilihat di link ini, post-2, post-3, post-4, post-5, dan post-6.

9.3.2015

Chunks:

  1. Review video, catat timestamp
  2. Ukur time, completion rate, dan masukan dari participant
  3. Hitung score SUS nya
  4. Mulai buat usability report untuk dikirim ke pembimbing

Paginya, sebelum berangkat ke arah kampus, sudah 4/6 sesi yang ditranscribe menggunakan Inqscribe. Pekerjaan transcribe kali ini relatif lebih ringan dibandingkan dengan iterasi sebelumnya, karena jumlah sesi yang lebih sedikit dan waktu yang relatif lebih singkat. Perbedaannya adalah, waktu pembuatan prototypenya yang berbanding terbalik.

Dalam menghitung score dari SUS, sudah ada rumus yang bisa digunakan di sini. Tantangan nya adalah interpretasi dari score SUS itu sendiri. Sampai saat ini, yang bisa saya tangkap score percentile dari SUS yang bisa diterima adalah di atas 70, 80 bagus, 90 mantap. Lengkapnya bisa dibaca pada artikel ini. Untungnya saya juga menambahkan 2 likert scale dan 2 open ended questions sebagai pelengkap dari score SUS tersebut.

10.3.2015

Chunks:

  1. Lanjutin usability report

Hari ini dihabiskan untuk menyelesaikan laporan ke pembimbing. Alhamdulillah, sorenya laporan sudah dikirim ke pembimbing via email. Isi laporan tersebut adalah usability report dengan format bebas, intinya kurang lebih:

  • Executive summary
  • Highlight problem yang ditemukan (berat, sedang, atau ringan)
  • Rekomendasi solusi untuk problem
  • Jelasin prosedurnya (cara rekrut, ngapain aja saat test, berapa jumlah task)
  • Sekilas tentang participant (tanpa reveal data yang bisa merujuk ke identitas tentunya)
  • Task nya apa saja
  • Task completion dan ratenya
  • Pembahasan task dan problem yang ditemukan
  • Pembahasan komentar saat interview dan test dari participant
  • Score SUS dan sekilas pembahasannya
  • Attachment: statistik singkat hasil questionnaire

Ternyata waktu yang saya butuhkan untuk menulis laporan lebih lama dari yang direncanakan. Walaupun begitu, hasilnya adalah 10 halaman yang cukup compact! Sedangkan report untuk iterasi kedua berkisar 5 halaman.

Suplemen dari report tersebut adalah detail task nya, mulai dari penjabaran high-level task, low-level task yang di-design untuk mencapai high-level task tersebut, rancangan skenario yang memberikan prediksi kemungkikan ‘langkah’ yang diambil oleh participant, dan detail dari task saat usability testing nantinya. Detail task tersebut berisi beberapa elemen: pertanyaan, purpose,Β  starting state, ending state, dan time estimation. Dokumen ini berkisar 6 halaman.

*kalau ternyata, somehow, report-report ini bisa masuk ke dalam bagian buku thesis, lumayan juga bisa nyumbang sekitar 20 halaman πŸ˜€

11.3.2015

Chunks:

  1. Baca baca paper visualisasi untuk cari inspirasi

Sebenarnya kurang lebih sudah terbayang improvement yang akan dilakukan di iterasi ke-empat. Namun, rasanya masih ada yang kurang jka hanya menyajikan data yang ‘itu-itu saja’, sedangkan data dari sensor WRM masih banyak yang bisa divisualisasi. Namun, tantangannya adalah bagaimana agar menjaga visualisasi tersebut tetap informatif dan appealing untuk masyarakat umum. Dan di saat yang sama, bisa memancing expert untuk explore lebih lanjut. Karena itu hari ini saya ‘jalan-jalan’ sebentar di dunia akademisi atau di web-web visualisasi untuk mencari inspirasi permasalahan dan solusi yang mereka kerjakan

Hari itu saya mendapatkan cukup banyak inspirasi dari paper visualisasi yang ada di IEEE, beberapa bisa di pin di board pinterest ini. Namun, kebanyakan halaman paper di IEEE Xplore tidak bisa di pin. Beberapa conference yang saya ubek-ubek hari itu misalnya PacificVis14 dan tahun 2013nya, tidak ketinggalan IV dan jurnalnya. Papernya banyak yang menarik. Semoga beberapa tahun kedepan sudah bisa publish di sana juga. Aamiin.

12.3.2015

Chunks:

  1. Nyicil improve design map
  2. Baca-baca paper yang kemarin di download

Hari ini sempat nyicil improve design, dengan penambahan feature layer nama jalan. Singkatnya, ada checkbox untuk mengatur show/hide nama jalan tersebut. Sayangnya hari itu diisi kembali dengan mager. Walaupun sempat membuat kumpulan visualisasi yang menarik dan di print untuk ditempel ke dinding, hari itu nampaknya belum ada progress berarti.

Teringat saran (dan ide awal konteks) dari salah satu participant terkait pengaruh cuaca di performance kendaraan. Mungkin lebih terasa di daerah utara atau tempat bersalju saat winter. Jadi saat winter, mungkin, ada pengaruh cuaca ke performance. Misalkan, karena suhu luar dan suhu mesin yang dingin, ada ‘efek tidak langsung’ yang berpengaruh ke mesin. Atau yang lebih generalnya, ketebalan salju.

Beberapa kali saya melihat bus TKL ‘ngesot’ saat jalan dari dan akan berhenti di halte bus, atau jalan yang ada sisa tumpukan salju. Andai saja kita bisa memprediksi atau mengukur ketebalan salju di suatu ruas jalan, mungkin dengan visualisasi ada insight baru yang bisa kita dapatkan.

Saya langsung explore tentang open data weather di finland dan bertemu dengan website Finnish Meteorogical Institute. Ternyata mereka punya statistik tentang waktu muncul dan ketebalan dari salju! Mungkinkah ada data yang detail sampai per kode pos, atau yang lebih detail dari itu? Kalau belum ada, bagaimana kita bisa prediksi ketebalan salju berdasarkan sensor yang berjauhan? atau dengan sensor lain?

Karena penasaran, seperti apa bentuk data yang disediakan, saya langsung coba request API key nya untuk bermain dengan data yang mereka miliki. Link untuk mendaftar API key. Setelah mengisi form, beberapa menit kemudian muncul email yang mencantumkan link ke API key tersebut, sangat cepat. Nampaknya ‘bermain’ bukan kosakata yang tepat, karena setelah mencoba beberapa waktu untuk mencari data snow, saya masih kebingungan untuk mengakses data snow.

Padahal, dari manualnya, sudah ada data Daily weather observation. Sepertinya tinggal masukkan time range, place, dan beberapa parameter lain jika diperlukan. Tapi apa daya, saya kira untuk mengerti API WRM sudah cukup susah, ternyata yang ini lebih ribet. Mungkin akan makan waktu beberapa lama

Daily weather observations from weather stations. Default set contains daily precipitation rate, mean temperature, snow depth, and minimum and maximum temperature. By default, the data is returned from last 744 hours. At least one location parameter (geoid/place/fmisid/wmo/bbox) has to be given. The data is returned in multi point coverage format.

Sore harinya email dari pembimbing masuk, intinya dia senang dengan testing dan reportnya. Namun, dia akan melanjutkan role dia untuk ‘play devil’. Yang bisa saya tangkap, beliau mengajak saya untuk berfikir kegunaan interactive di prototype ini, apa bedanya dengan gambar yang statis? Lumayan bingung juga jawabnya, lebih bingung dari saat dia mengajak diskusi untuk high-level task. Nampakya harus refleksi internal dan baca referensi lagi untuk pemahaman yang lebih dalam. Kebetulan sempat ketemu disertasi beliau untuk saya baca, siapa tahu bisa mendapat inspirasi lebih. Tidak mungkin kan kalau saya jawab, “because, why not?” atau “because it’s cool!” πŸ˜€

13.3.2015

Chunks:

  1. Baca disertasi pembimbing
  2. Pikir-pikir kegunaan interaktifitas di visualisasi

Setelah baca disertasi beliau, kurang lebih ada tambahan ilmu tentang interaktifitas dalam visualisasi (yang sebenarnya sudah diimplementasikan, cuman mungkin saya kurang mantap dalam menjelaskannya saat menjawab dulu). Inti disertasi beliau adalah tentang visualisasi interaktif pada data multidimensional.

Apa yang dimaksud dengan multidimensional? mungkin kita semua pernah berpapasan dengan koordinat kartesius saat belajar matematika, atau kalkulus, atau saat perkenalan dengan vektor. Di koordinat tersebut kita bisa plot dua variabel, misalkan di sumbu x atau y. Kita juga bisa plot tiga variabel dengan menambahkan sumbu z.

Sampai di 3 dimensi, mungkin kita masih bisa membayangkan misal letak titik di x,y,z tersebut. Tapi jika sudah ada lebih dari 5 dimensi variabel, bagaimana cara kita membayangkannya? Di sinilah salah satu peran (dan juga tantangan) dari visualisasi data.

Detailnya, silahkan dibaca di disertasi beliau. πŸ™‚
Inti dari kontennya, kurang lebih seperti review beberapa pertemuan mata kuliah Information Visualization atau seperti konten buku visualisasi. Flow tulisannya membuat disertasi ini enak untuk dibaca.

Advertisements

3 thoughts on “Thesis Strikes (Week 11)

Leave a Reply

Please log in using one of these methods to post your comment:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s