Rahasia Belajar Super Cepat
Dalam tulisan ini, saya menyampaikan bahwa untuk menguasai sesuatu dengan cepat, penting untuk langsung fokus pada tujuan atau masalah spesifik yang ingin kita selesaikan. Ini bukan sekadar teori, karena dalam dunia sistem pakar, ada metode yang disebut backward chaining. Metode ini membantu menyelesaikan masalah dengan menganalisis kejadian yang sudah terjadi.
Misalnya, bayangkan kamu kembali ke kampung halaman dan melihat lumpur di jalan, mobil-mobil yang tertumpuk, pohon-pohon tumbang, dan sampah berserakan. Dari tanda-tanda ini, kamu bisa menyimpulkan bahwa sebelumnya terjadi bencana alam. Misalnya, tumpukan mobil adalah indikasi yang kuat bahwa telah terjadi angin topan.
Kelebihan dari pendekatan backward chaining ini adalah kita dapat dengan cepat memahami dan menarik kesimpulan dari suatu masalah. Contoh bencana alam tadi, karena peristiwanya sudah terjadi, kita bisa mundur untuk menentukan penyebabnya, seperti angin topan.
Namun, ada kekurangannya juga. Metode ini hanya memungkinkan kita untuk menyimpulkan masalah tertentu saja. Misalnya, kita mungkin tidak akan bisa mengenali tanda-tanda bencana lainnya seperti letusan gunung berapi atau tanah longsor, karena fokus kita hanya pada angin topan. Dengan kata lain, kita belajar dari satu contoh, bukan dari semua kemungkinan.
Sekarang, mari kita terapkan pendekatan ini dalam metode belajar kita. Misalnya, kamu ingin mempelajari Machine Learning. Langkah pertama adalah memilih satu kasus spesifik dalam Machine Learning, seperti menentukan apakah seseorang layak menerima beasiswa atau tidak.
Setelah itu, kamu cari algoritma yang paling tepat untuk kasus tersebut. Kemudian, pelajari jenis data yang diperlukan, tipe data yang digunakan, cara mengolahnya, serta bahasa pemrograman yang dibutuhkan.
Dengan pendekatan ini, kamu akan memahami definisi dan cara kerja dari setiap komponen yang terlibat. Misalnya, bagaimana cara mendapatkan data, bagaimana menentukan tipe data yang benar, bagaimana mengolah data tersebut, dan bagaimana menggunakan bahasa pemrograman yang sesuai.
Hasil akhirnya? Kamu akan memiliki pengetahuan yang mendalam tentang hal-hal yang relevan dengan tujuanmu. Keuntungannya, proses belajar jadi lebih menarik dan terarah, karena kamu sudah tahu apa yang akan digunakan dalam kasus tersebut. Pengetahuan dasar yang kamu dapatkan dari proses ini sangat penting untuk mengembangkan pemahaman yang lebih luas nantinya.
Sebaliknya, jika kamu menggunakan pendekatan forward chaining, kamu akan mulai dengan mengumpulkan semua fakta terlebih dahulu. Misalnya, mempelajari semua bahasa pemrograman dari A-Z, semua tipe data, dan semua teknik pengolahan data, tanpa tahu persis apa tujuan akhirnya. Kamu hanya bersiap-siap, jika suatu saat ada kasus yang sesuai, kamu bisa menggunakan salah satu teknik yang sudah dipelajari.
Meskipun cara ini dapat memberikan banyak pengetahuan, sering kali membuat kamu cepat lelah dan bosan karena tidak ada tujuan yang jelas. Kadang-kadang, setelah belajar banyak, hasilnya tetap tidak terasa.
Kedua teknik ini punya tempatnya masing-masing, tapi di era yang serba cepat ini, backward chaining lebih efektif. Dengan backward chaining, kamu akan selalu up-to-date dengan kasus terbaru, teknologi terbaru, dan tujuan-tujuan baru, karena kamu belajar dari kasus nyata. Selain itu, kamu juga menghemat waktu dengan hanya mempelajari hal-hal yang benar-benar relevan. Kalau kamu pakai forward chaining, bisa saja kamu mempelajari sesuatu yang ternyata sudah usang, sehingga usaha belajarmu jadi sia-sia.