Kiki (K):: Halo semuanya, balik lagi di Kartini Teknologi bersama Kiki dan Galuh.

Galuh (G): Halo!

K: Hari ini kita bakal ngomongin sesuatu yang baru aja kita lakukan, kayaknya tiga minggu lalu kali yah, yaitu… pilpres! Eh pemilu deh. Tapi lebih spesifik ke pilpres sih. Anyway. Tentang pilpres ini kita udah punya satu bintang tamu spesial, nggak kalah spesial dari bintang tamu kita yang pertama. Namanya Asanilta Fahda.

G: Jadi Asanilta ini merupakan lulusan dari ITB. Kemudian Ia merupakan former software engineer di Shopee Singapore di tim Natural Language Processing, dan juga merupakan inisiator serta koordinator dari situs yang mungkin…

K: Beken banget ya.

G: Yang mungkin kita udah pernah pake waktu pemilu kemarin yaitu PilahPilihPilpres.

K: Yes, Nilta kenalan dong, *background-*nya apa, terus mungkin asal-usulnya dari mana, hobi mungkin?

Nilta (N): Iya jadi namaku Nilta, aku dari Informatika ITB angkatan 2013. Nah terus abis dari ITB aku sempet kerja di Prosa.ai dan habis itu ke Shopee Singapore. Sekarang sih udah balik ke Indonesia. Kalo hobi banyak ke seni-seni gitu sih, kayak musik, menggambar.

K: Kalian sama dong, Galuh juga suka gambar tuh.

G: Sama ya, yay!

N: Tapi aku nggak jago.

K: Kalau yang kita lihat dari profilnya Nilta sih kayaknya selama ini kan seneng banget ngulik tentang NLP yah. Em… bisa diceritain nggak sih ketertarikan awalnya kenapa sih bisa suka sama natural language processing ini?

G: Atau mungkin sebelum itu bisa cerita dulu kali ya NLP itu apa sih sebenernya?

N: OK, jadi NLP atau natural language processing, bahasa Indonesianya sih pemrosesan bahasa alami, itu bidang yang menghubungkan bahasa alami yaitu bahasa yang diomongin oleh manusia kayak bahasa Indonesia, bahasa Inggris, nah itu dihubungi dengan komputer. Jadi kita bisa memprogram dan melatih komputer untuk menangkap informasi yang di dalam bahasa manusia tersebut, misalnya teks atau suara. Dan hasilnya itu bisa memberikan added value untuk kegunaan manusia lagi. Misalnya kayak Google Translate, atau Siri… itu semua dari pengaplikasian NLP.

K: Menarik banget ya. Terus tadi ketertarikan awalnya kenapa sih bisa suka ke bidang itu? Bisa diceritain nggak?

N: Emang dari kecil aku suka bahasa gitu sih, maksudnya seneng belajar bahasa karena menarik gitu melihat persamaan dan perbedaan antar bahasa dan mempelajari gimana bahasa itu bisa mewakili isi pikiran kita. Dan kayak… perkembangan bahasa, misalnya kayak di bahasa Indonesia tuh ada bahasa baku tapi ada juga bahasa sehari-hari yang nggak terdokumentasikan aturan gitu. Itu tuh menarik banget dan itu semua mengandung informasi yang banyak sebenernya di dalemnya.

K: Berarti emang dari kecil udah suka tentang hal itu ya. Terus ada alasan spesifik nggak kayak kenapa akhirnya malah spesifik ke NLP? Maksudnya kalau dari kecil suka bahasa kan bisa aja kamu masuk… apa namanya… jurusan bahasa mungkin, sastra? Kenapa milih IT dan fokus ke NLP?

N: Kebetulan juga dari kecil emang suka main komputer dan suka kayak kepikiran, wah kayaknya seru kalau bisa bikin apa, bikin ini… kayak ajaib, gitu. Dan makanya dari situ kepikiran buat masuk bidang IT. Dan makanya fascinating banget bagi aku bahwa bidang IT itu kita bisa gabungin dengan bidang-bidang lain yang juga interest kita juga.

G: Jadi emang pas banget ya, dari kombinasi IT dengan bahasa terus dikombinasiin jadi NLP. Pas banget sama interest-nya Nilta berarti. Terus kalau ngeliat dari pengalaman-pengalaman kamu kan ada yang pernah intern di Japan Advanced Institute of Science and Technology. Boleh cerita nggak project apa yang dikerjain di situ?

N: Nah pas di Jepang itu aku pertama dikasih introduction ke deep learning. Itu kayak salah satu subfield-nya machine learning. Jadi aku pertama karena baru diajarin aku dikasih task yang cukup simpel, yaitu sentiment analysis review Amazon. Jadi aku kategoriin aja mana yang positif dan negatif. Dan untuk cara klasifikasinya, aku kayak eksperimen berbagai metode misalnya pakai CNN sama LSTM. Awalnya sih LSTM doang, tapi terus mungkin ada yang menyarankan coba pakai CNN juga gitu. Terus misalnya pakai… kalau misalnya di pre-process kayak gimana, hasilnya kayak gimana… terus kalau word embedding yang mana hasilnya kayak gimana. Gitu sih. Dan itu pake Python. Pake Keras *library-*nya. Jadi nggak terlalu ribet.

G: Terus dari semua eksperimennya banyak banget… konfigurasi yang dicoba juga macem-macem. Nah kira-kira dari situ metodologi yang waktu itu hasilnya paling bagus untuk case yang Nilta kerjain?

N: Aku tuh lupa persisnya, kalau nggak salah tuh jadi dia kayak dua tahap gitu, gabungin CNN sama LSTM. Kalau gak salah kayak misalnya pas dihapus stopwords-nya malah kurang bagus, jadi… aku lupa sih persisnya karena parameternya banyak. Setelah yang proyek itu, aku ada proyek lain dengan yang Prosa.ai. Itu bikin text normalizer untuk Bahasa Indonesia slang ke Bahasa Indonesia baku. Jadi itu buat memproses kayak tahap-tahap analisis berikutnya karena kan misalnya buat ngomong hal yang sama, misalnya nggak gitu itu bisa ditulisnya ngga, bisa ditulisnya g, bisa apa… jadi kita normalize dan itu nyoba pake pertamanya pake rule-based terus kita ganti ke sequence to sequence deep learning. Tapi itu butuh data yang banyak sih.

G: Waktu itu pake data ambil dari mana? Karena kan itu pasti bukan teks formal kan kalo slang text gitu?

N: Kalo dari Prosa.ai tuh kita yang… maksudnya ada tim sendiri yang melabeli datanya. Jadi ngambil dari Twitter terus habis itu dilabelin sendiri dan itu yang dipakai sebagai data latih.

K: Berarti masih manual ya datanya yah?

N: Iyah, jadi untuk NLP itu masih banyak yang… kalau pake machine learning gitu emang perlu data yang bersih gitu.

K: Tapi emang kalau cari data yang udah ada gitu, gak ada ya? Makanya kalian harus bikin sendiri?

N: Nah itu dia masalahnya selalu masalah terbesar NLP Bahasa Indonesia, karena datanya sangat jarang.

K: Masih terbatas ya.

N: Iya, kalau Bahasa Inggris masih ada ya yang tersedia.

K: Oke nih, tadi kan ngomongin pas internship nih. Terus kamu kan juga sempat kerja di Shopee ngurus NLP juga kan ya?

N: Iya.

K: Bisa diceritain nggak sih selama ini kalo di Shopee nanganin NLP-nya itu untuk Bahasa Inggris atau Bahasa Indonesia?

N: Jadi kalau aku sendiri bertanggungjawab untuk Shopee Indonesia. Tapi sebenarnya jadi ritme kita tuh ada yang general secara umum… karena Shopee ada banyak bahasanya sebenernya, ada Bahasa Indonesia, Inggris, Mandarin, Vietnam, Thailand. Nah itu ada yang bagian algoritmanya, yang cara umum bisa untuk semuanya. Ada yang perlu disesuaikan per bahasa.

K: Berarti dikombinasiin algoritmanya?

N: Tergantung juga sih karena per negara bisa jadi ada beda-bedanya juga, bisa jadi ada sama-samanya juga. Dan di e-commerce agak beda juga sama bahasa kita sehari-hari. Misalnya ada campur-campur Bahasa Indonesia dan Inggris, terus urutannya nggak… maksudnya… nggak tentu, jadi sifatnya beda dan cara menanganinya juga bisa jadi beda.

K: I see. Itu berarti emang Nilta selama ini cuma yang written doang kan ya, bukan yang verbal?

N: Iya.

K: I see. Kalau selama ini tantangannya apa sih melakukan NLP **ini khususnya di Bahasa Indonesia?

N: Itu tadi sih karena datanya kurang, selain itu basic tools-nya pun belum ada yang bagus banget gitu. Misalnya kayak kalau Bahasa Inggris udah ada POS tagger dengan akurasi 90 berapa persen yang bisa langsung dipakaia.

K: Apa itu POS tagger?

N: POS tagger tuh part-of-speech tagger, jadi misalnya kita punya kalimat terus tiap kalimat dikasih tag misalnya verb, noun, adjective gitu dan itu bisa menjadi informasi penting untuk pemrosesan lainnya di atasnya. Kayak waktu itu tugas akhir (TA) bikin spelling and grammar checker itu sebenarnya pakai POS tagger juga. Cuma kalau misalnya POS tagger-nya sendiri belum cukup bagus, kan itu pasti mempengaruhi akurasi sistem di atasnya.

K: Jadi kayak identifier gitu ya si POS tagger ini?

N: Iya, gitu… buat kayak jenis kata. Tapi ya itu salah satu contohnya aja sih, resource-nya memang masih kurang apalagi Bahasa Indonesia ada versi baku, ada versinya itu kayak dua bahasa berbeda.

K: Selain itu mungkin dari segi expert atau orang-orang yang mendalami itu udah banyak belum sih?

N: Banyak mungkin belum sih, karena yang aku tahu paling banyak bergerak di bidang NLP itu dosbing aku sendiri, Bu Ayu. Yang bikin Prosa.ai juga. Jadi Prosa.ai itu specialty-nya NLP.

K: Tapi kalau selama ini aku sering liat beberapa startup yang mulai… apa ya… lebih fokus…

N: Kayak Kata.ai gitu-gitu.

K: Iya, lebih fokus ke machine learning, AI, gitu-gitu. Tapi berarti emang belum banyak *expert-*nya ya di Indonesia.

N: Mungkin dari segi akademik sih masih belum sebanyak itu. Tapi iya sih untungnya ada banyak perkembangan di bisnis-bisnis pada bikin startup di bidang AI, NLP gitu.

K: Anyway, aku tadi kepikiran sih karena kamu bilang di Bahasa Indonesia itu kan masih jarang banget *resource-*nya. Pernah denger ini nggak, proyek Common Voice? Punya Mozilla sih tapi itu lebih ke speech. Belum pernah denger ya?

N: Belum sih, tapi kayaknya menarik. Apa tuh?

K: Iya… jadi si Common Voice ini proyek kita karena kita berangkat dari masalah awalnya pas kita bikin Firefox OS. Mozilla ini kan pernah bikin OS mobile namanya Firefox OS. Dulu tuh kita pengen bikin kayak Siri, OK Google gitu… tapi masalahnya yang kita lihat dari situ, datanya belum banyak, data speech itu masih belum banyak waktu itu. Dan untuk beli juga ternyata mahal banget. Terus dari situ kita terinspirasi untuk crowdsource hal itu, **jadi kita bikin proyek namanya Common Voice, itu untuk ngumpulin suara dari per bahasa dari berbagai bahasa. Kalau sekarang sih yang paling banyak masih Bahasa Inggris, tapi udah mulai sih kayak Jerman, Bahasa Indonesia juga udah mulai ada tapi masih baru sedikit, belum mulai dibuka untuk kontribusi suaranya. Jadi di Common Voice itu nanti ada kalimat sendiri terus nanti kita ngomongin kalimat itu… kalimat itu nanti di-store. Pertama di-review dulu bareng-bareng abis itu di-store untuk dibuka ke publik. Jadi kalau ada orang yang ingin ngembangin machine learning di bidang suara bisa juga tuh pake data dari Common Voice itu.

N: Iya sih… menarik sih itu kayak crowdsourcing data-nya ya.

K: Iya.

G: Kalau Nilta bosen sama written text mungkin bisa main-main ke speech ya pake Common Voice-nya Mozilla.

N: Bener, temen aku banyak sih yang di speech. Aku selama ini belum pengalaman tapi ya dua-duanya seru sih.

K: Tapi pernah nyobain juga ya kalau yang speech?

N: Kalau aku belum pernah nyobain selain pas kuliah mungkin ya? Kalau speech menurut aku lebih teknis banget karena speech kayak ngeliat soundwave and stuff jadi lebih…

K: Lebih kompleks ya.

N: Lebih kompleks gitu bagi aku. Makanya aku lebih seneng teks.

K: Tapi beda nggak sih selain yang tadi kamu bilang mereka harus perhatiin soundwave-nya juga, berarti selain itu ada perbedaan lain selain NLP di speech sama written text itu apalagi, ada lagi nggak?

N: Cara memprosesnya aja sih beda. Walaupun algoritmanya sih sebenarnya mirip-mirip aja kayak misalnya pake machine learning gitu. Tapi kalau non-machine learning… soalnya NLP tuh kalau misalnya yang teks bisa ada… misalnya kayak pre-processing-nya kayak contoh yang aku kasih ngilangin stopwords. Kalau speech mungkin pre-processing-nya, cara ngebersihinnya lain gitu misalnya… mungkin ngilangin noise atau apa. Ini gak tau sih aku sotoy aja.

K: Ngomongin tech stack nih, ada tech stack khusus nggak kalau kita pengen belajar NLP itu biasanya apa aja sih tech stack yang dipake untuk ngolah big data-nya atau untuk ngolah datanya itu sendiri?

N: Kalau di Shopee sih aku pakenya Go, bahasanya, Golang. Terus buat ngolah big data-nya pake Hadoop, pake MapReduce. Jadi kita programnya tuh mostly bikin MapReduce jobs yang menghasilkan apa gitu. Kalau diluar Shopee sih biasanya NLP pake Python sih. Dan kalau misalnya pakenya deep learning gitu, pake Keras biasanya.

K: Oke. Kalau kamu sendiri udah belajar pengolahan big data itu dari kuliah atau…?

N: Nah kalau big data tuh justru baru pas kerja di Shopee sih, karena pas kuliah aku nggak ngambil kelasnya gitu. Ada sih kayak kelas sistem distribusi gitu. Cuma ya agak nyesel sih aku nggak ngambil. Cuman ya untungnya sih di Shopee kemarin bos aku sama temen-temen pada ngajarin, baik-baik.

K: Kalau kamu kemarin belajarnya gimana sih, belajar sendirikah atau belajar banyak pas ngerjain challenge atau tantangan di kerjaan atau gimana?

N: Kalau belajar sendiri… aku kadang suka belajar sendiri sih, kayak di online course gitu.

K: Biasanya di mana?

N: Aku banyaknya Udemy karena itu di-reimburse sama kantor sih. Tapi selain Udemy juga kayak Coursera gitu-gitu. Atau di YouTube-pun sekarang banyak sih. Maksudnya resource gratis buat menjelaskan bla bla bla gitu. Terus… cuman ya gitu, sebenernya baru kebayang banget biasanya pas dicoba langsung sih. Dikasih masalah apa, terus kita cari solusinya.

K: Iya sih, emang belajar paling ngena pas kita udah mengimplementasikan itu, iya nggak sih? Oke… kita pindah topik ke PilahPilihPilpres nih. Nah, bisa cerita sedikit nggak sih kemarin itu gimana proses pembuatan proyek itu, mulai dari ngobrol sama timnya, pembentukan timnya, sampai akhirnya launch? Kayanya kemarin launch itu satu minggu sebelum pilpres banget ya?

N: Baru dua hari bahkan sebenarnya. Karena bikinnya pun mepet banget. Aku tuh baru kepikiran sekitar dua minggu sebelum pemilu lah. Itu juga awalnya gara-gara baca tweet temen aku… dia bilang gitu, kayaknya mau golput aja soalnya nggak ngikutin berita tentang kedua paslon, terus emang agak sulit sih buat ngejarnya gitu, dengan kabarnya udah pada berseliweran, terus dibumbu-bumbuin gitulah. Jadi buat yang objektif dan bisa merangkum semuanya dan aku mikir sekalian bikin yang fun aja gitu kayak kuis BuzzFeed. Jadi aku buat timnya juga nanyain di Twitter aja gitu, ada yang mau ngebantu nggak? Dan untungnya dapet temen-temen yang emang jago politik gitu terus Fikri Khalqih, Eduard Lazarus, dan Audhina Nur Afifah. Itu tim politiknya. Terus untuk tech-nya, tadinya mau aku yang bikin cuman karena aku sambil bantu ortu sama kakak di Kalimantan gitu jadi aku akhirnya pindahin ke temen aku, Feryandi. Nah dia yang bikin web-nya. Jadi aku sendiri sebenernya cuman ngusulin terus koordinasi dikit sama bantu nyebarluaskanlah, bantu viralin gitu. Nah untungnya tiba-tiba viral sendiri.

G: Itu bener-bener dua minggu ya pembuatannya?

N: Pembuatannya itu seminggu doang, jadi seminggu sebelumnya aku nyari-nyari orang terus bikin grup segala macem. Baru mulai ngerjain seminggu sebelumnya…

G: Berarti itu mulai dari konten sampe web app-nya sendiri itu dalem seminggu?

N: Iya.

G: Wow keren, keren.

N: Untung timnya pada imba.

G: Orang-orang imba semua ya, wah keren-keren. Nah terus tantangan yang dihadapi selama PilahPilihPilpres apa aja sih, selain pasti waktu kali ya karena cuma seminggu. Ada tantangan lain ga?

N: Sebenernya tantangan utama dari konten sih sebenernya. Karena dari segi politik tuh kadang kita kayak susah mencari stance jelas dari kedua paslon. Karena abu-abu atau nggak, nggak konsisten gitu, pertamanya bilang A abis itu bilang B. Maksudnya kalau gitu kan jadinya kita nggak bisa masukkin ya. Itu salah satu tantangannya. Terus dari segi teknisnya, sebenernya dalam pembuatan nggak ada kendala sih karena Fery bikinnya cepet banget sih. Cuma setelah kita launching dan diakses setengah juta orang tuh baru menyadari bahwa ada beberapa hal yang bisa kita perbaiki yang sebelumnya nggak kepikiran. Nah itu si Feryandi juga nulis artikel tentang itu di Medium-nya BTW. Bisa dicek di medium.com/@feryandi.

K: Wah seru banget ya berarti ya. Nah terus ada rencana untuk ngembangin itu selanjutnya nggak sih?

N: Sebenernya ada sih kita kayak kepikiran buat kalau yang selanjutnya yang pasti lebih in-depth lagi dan misalnya bukan cuma pilpres tapi juga misalnya untuk partai atau caleg gitu. Tapi ya itu perlu tenaga kerjanya yang jauh lebih banyak lagi sih dan pasti butuh pendanaan juga.

G: Mungkin Nilta ada yang bisa diceritain lagi tentang PilahPilihPilpres?

K: Namanya dari mana mungkin?

N: Sebenernya dari ide temen aku sih, aku kasih tau dia soal idenya terus dia nanya namanya apa dan itu kayak baru berapa hari sebelum pilpres kan. Aku tuh… iya sebelum launch, aku nanya eh perlu nama ya? Aku tadinya mikir Kuis Pilpres 2019 gitu aja tapi kayak kurang catchy jadi akhirnya dia kasih ide itu deh.

K: I see tapi bagus sih kayak berirama gitu. PilahPilihPilpres. Okay, kita bahas hal yang agak beda lagi ya sekarang. Kamu kan baru resign dari Shopee. Boleh nggak sih diceritain kenapa akhirnya memutuskan untuk resign?

N: Jadi itu masalah personal aja sih, bukan karena perusahaannya atau gimana sih. Aku kayak nggak betah aja tinggal di Singapur sendirian. Dan apa ya jadinya, nggak bahagia gitu aja sih jadinya stres gitu. Jadi aku mikir ya udah deh, setahun cukup lumayan buat belajar, pengalaman, terus buat nabung terus ya udah sekarang balik lagi dulu. Siapa tahu bisa lebih berguna juga buat Indonesia juga.

K: Kemarin masih satu tahun ya berarti itu?

N: Iya kurang lebih setahun.

K: Itu pertama kali merantau?

N: Sebenarnya pas SMA tuh aku pernah exchange setahun gitu ke Belgia. Cuma karena tinggal sama host fam terus sekolah, maksudnya kayak banyak temen-temen, kayak beda aja sih sama lingkungan kerja dan apalagi sendirian di Singapur yang terkenal cukup apa ya, agak harsh work life. Maksudnya orang di Singapur cuma kerja. Tapi belum tentu juga sih, cuma maksudnya… jadi kayak kurang seru aja gitu hidupnya, monoton, kerja pulang.

K: Tapi banyak orang Indonesianya kan di sana?

N: Ada juga sih beberapa. Cuman kalau yang cewek nggak ada sih. Ada sih tapi baru dateng tuh kayak deket-deket pas aku pergi. Makanya perlu lebih banyak nih cewek-cewek Indo.

K: Iya sih. Dulu pas aku kerja di startup juga aku sebagai cewek pertama kali yang join di tim product, tim engineering. Sebelumnya semuanya cowok. Terus setelah aku udah dateng beberapa bulan kemudian baru kita nambah satu cewek lagi. Jadi emang kurang sih ya. Kan kemarin aku sempet ngepoin kamu sedikit nih terus kamu punya SoundCloud dan kamu bikin lagu juga nih dan kayak, wow. Kamu ada rencana nggak sih untuk gabungin dua interest di musik dan di teknologi?

N: Sebenarnya emang potential banget sih sekarang gabungin musik dan teknologi. Banyak kemungkinan. Dan aku sebenernya ada sih beberapa ide, cuma karena masih wacana jadi rahasia dulu deh. Semoga ntar bisa dijadiin personal project mumpung sekarang lagi kosong gitu. Soalnya kalo sibuk kerja suka nggak sempet… maskudnya ngerjain proyek pribadi atau bahkan nggak sempet main musik lagi gitu sih. Makanya aku juga udah cukup lama vakum juga.

K: Kalau gitu mungkin ada project yang sekarang lagi dikerjain nggak?

N: Kalau saat ini banget belom sih, karena aku masih kemarin liburan dan istirahat gitu. Paling lagi belajar-belajar aja.

K: Oke, terus kan selain NLP, musik, kamu juga ada ketertarikan ke bidang sosial nih. Nah kalau menurutmu tuh di Indonesia sendiri permasalahan sosial kayak apa aja sih yang saat ini belum banyak melibatkan teknologi yang mungkin sebenernya bisa nih di-improve dengan teknologi atau mungkin udah ada implementasinya tapi mungkin belum optimal gitu. Ada rencana atau ide yang pengen kamu kerjain nggak dari situ?

N: Sebenernya itu juga banyak banget ya potensinya dan kebetulan kemaren kakak aku sendiri ngasih ide. Ini ke arah politik sih karena kakak aku di bidang politik yah. Soalnya gini, sebenernya aspirasi dari rakyat kayak misalnya ke anggota dewan itu banyak banget yang masuk lewat media sosial, WhatsApp, SMS… dan kadang gak semuanya bisa bales dan gak semuanya bisa kebaca. Dan sebenernya mungkin banget sistem yang bisa kayak mengklasifikasinya gitu, misalnya ini orang ngomongin kesehatan, minta duit buat siapanya sakit, kayak gitu. Kesehatan, atau nggak pendidikan atau nggak masalah ada banjir di mana atau apalah gitu yah. Dan itu sebenernya dari teksnya bisa aja kan kayak… maksudnya kita kategoriin dan juga kita simpen datanya itu untuk… udah ada beasiswa seribu, misalnya. Kita perlu tau siapa yang butuh itu kita kayak bisa cek dari sistem itu lagi gitu misalnya. Si orang ini pernah loh minta beasiswa atau apalah misalnya semacem itu. Dan itu pun menarik sih sebenernya, banyak kegunaannya gitu.

K: Itu mirip kayak Qlue gitu nggak sih?

N: Qlue apa?

K: Aplikasi Qlue, itu kayaknya baru di Jakarta kali ya. Jadi kita juga bisa ngasih kayak feedback gitu, misalnya aku ada komplain tentang banjir misalkan, bisa dikomplain lewat Qlue itu.

N: Aku belum nyobain sih, cuman ini kita mikirnya ini buat orang-orang yang nggak tau harus ke mana biasanya ngelapor ke orang-orang yang emang anggota dewan di daerahnya. Jadi biasanya sih banyak yang lewat Facebook message atau WhatsApp nomor aspirasi gitu. Biasanya mungkin mereka nggak tahu tentang aplikasi-aplikasi lain gitu.

G: Tapi iya itu bener sih, soalnya aku sendiri juga jujur jujur misalnya punya banyak aspirasi juga aku nggak tahu harus contact ke mana, aku juga nggak tahu apakah dia ada hotline khusus sendiri atau bisa WhatsApp atau something gitu, dan jadinya kalau aku nggak tahu justru jadinya males gitu loh mau lapor. Jadi mungkin kalau emang sistemnya udah jelas kayak yang Nilta ceritain itu keren banget sih dan orang-orang karena mereka udah tahu sistemnya dan mereka juga percaya bahwa karena sistem ini kemungkinan besar pasti dibaca sama wakil rakyatnya mereka lebih encouraged lagi gitu untuk ngelapor atau nyampein aspirasinya.

K: Apalagi kalau misalnya aspirasinya bisa diliat di publik gitu jadi kita bisa juga kayak accountable for each other kayak misalnya oh Galuh komplain tentang ini, terus yang lain komplain tentang ini jadi kita kan bisa tau apa pendapat orang lain tentang pemerintahan yang sekarang. Seru banget kayaknya kalo itu bakal menjadi kenyataan.

G: Mau banget sih kalau ada itu. Perlu banget, even kalau misalnya bisa jadi publik kayak gitu, kalau ternyata wakil rakyatnya gak implement, dia gak ada alasan untuk bilang “oh gak pernah ada yang komplain ke gue” gitu. Jadi nggak ada alasan untuk berkelit lagi gitu.

K: Pesan-pesan terakhir ada nggak dari NIlta sendiri?

N: Pesan-pesan terakhir dari aku sih siapapun yang tertarik di bidang teknologi, ya sekarang teknologi bisa digabungin dengan apapun interest kalian lainnya. Kayak tadi misalnya bahasa, musik, politik, dan lain-lain. Sebenernya semuanya bisa dapet nilai tambah dari teknologi. Yang penting dianalisis baik-baik aja kegunaannya.

K: Bener banget sih. Dulu aku kan juga ada banyak interest juga sebenernya, kayak aku suka nulis, suka liat bangunan bagus, pengen jadi arsitek dulu. Tapi akhirnya ke teknologi. Menurut aku nggak ada ruginya sih belajar teknologi karena itu kayak satu bidang yang bisa gabungkan dengan banyak bidang yang lain. Jadi meskipun kalian punya interest di bidang kreatif, atau seni… sama aja ya, atau di bidang politik bahkan sama kayak yang tadi kita ceritain tadi. Jadi yah… lebih universal lah ilmunya.

K: Nah itu dia obrolan kita bareng Asanilta. Panggilnya apa sih, Nilta doang kan ya?

N: Nilta aja. Kalau Asanilta pasti salah orang-orang.

K: Oh iya ya? Nilta tuh artinya apa sih?

N: Nilta tuh artinya Nilai Tambah. Jadi harapannya Nilai Tambah haha.

K: I see, aku baru tau, aku pikir itu ada arti dari bahasa apa gitu. Itu dia ngobrol-ngobrol kita bareng Nilta yang kepanjangannya adalah Nilai Tambah. Thank you banget atas tambahan ilmu-ilmu yang udah kita obrolin. Semoga nggak kapok untuk dateng di Kartini Teknologi. Mungkin di masa depan kalau misalnya ada project-project baru bisa dong kasih tau kita biar kita obrolin lagi. Thank you so much Nilta.

N: Makasih juga Kiki dan Galuh.

G: Thank you!

K: Thank you, bye!