Research Officer, DILIC Project

Research Officer, DILIC Project (ref: 106271)

Grade 7: Salary £29,541 - £36,298 p.a.

The Technology and Management for Development Centre (TMD) is seeking
to appoint a post-doctoral Research Officer to work on the research
project “The Diffusion of Innovation in Low Income Countries” (DILIC).
Activities include original research and fieldwork, participating in
the day-to-day activities of the project, and producing publication
including monographs and journal articles. The post holder will
contribute to the advancement of the TMD’s research by organizing a
range of activities including seminars, workshops, conferences and
other events.

The successful candidate will have completed (or be close to
completing) a doctorate in a relevant social science (Science and
Technology Studies; International Business; Economics; Business and
Management Studies; Development Studies; African Studies), and will
have relevant research experience, preferably relating to foreign
direct investment, international technology transfer, innovation and
industrialisation in developing countries. Based in Oxford, the post
will require travel overseas for up 12 weeks a year. This full-time
post is funded by the ESRC for 18 months, to start in August 2013
(preferably half-time in the first two months). The line manager is
Professor Xiaolan Fu.

Applications for this vacancy are to be made online. You will be
required to upload a supporting statement and CV as part of your
online application.
Only applications received before 12 noon (UK Time) on Thursday 21
February 2013 can be considered.

To apply, and to access the further particulars for this post, please
go to the link below:

https://www.recruit.ox.ac.uk/pls/hrisliverecruit/erq_jobspec_version_4.display_form

or

http://www.qeh.ox.ac.uk/about/vacancies/current-vacancies/vac_ro170113


Professor Xiaolan Fu
Director, Technology and Management for Development Centre
ODID, University of Oxford

Metode Metaheuristik, Konsep dan Implementasi

Penulis: Budi Santosa dan Paul Willy

ISBN: 979-545-5049-2

Harga: Rp. 65.000

Hal: 353 + xx1

HVS | Hitam Putih

Buku ini memuat konsep dan teori mengenai beberapa teknik yang tergolong dalam
pendekatan metaheuristik. Juga dilengkapi dengan berbagai contoh implementasi
untuk optimasi fungsi dan optimasi kombinatorial seperti travelling salesman
problem, penjadwalan jobshop dan juga vehicle routing problem.

Teknik yang diperkenalkan cukup bervariasi, mulai dari Genetic Algorithm
(Algoritma Genetika), Simulated Annealing, Ant Colony, Cross Entrophy, hingga
Harmony Search. Buku ini juga membahas perluasan teknik-teknik tersebut, kecuali
Cross Entrophy dan Harmony Search guna menangani persoalan optimasi multi
tujuan.

Contoh-contoh yang dipakai lebih banyak berhubungan dengan bidang teknik
industri. Tetapi tidak tertutup kemungkinan penerapan di bidang lain seperti
control, robotic, atau ekonomi sekalipun. Bahkan persoalan optimasi multi-tujuan
sering dipandang sebagai pengembangan dari persoalan keseimbangan ekonomi.

Metaheuristik sendiri memiliki aplikasi luas untuk bidang teknik, sains, dan
bidang-bidang lain yang melibatkan komputasi yang intensif. Di dalam buku ini
disajikan algoritma-algoritma dasar sehingga akan mudah mengembangkan untuk
aplikasi lain yang lebih kompleks. Untuk implementasinya dalam masalah lain atau
di bidang lain tentu saja perlu dilakukan bermacam langkah modifikasi untuk
menyesuaikan dengan format algoritma yang akan diterapkan.

Sementara untuk pengembangan algoritma-algoritma dasar ke dalam persoalan
optimasi multi-tujuan, buku ini akan memberikan semacam state-of-the-art dari
model-model yang telah ada, khususnya model populer yang sering dirujuk dalam
berbagai literatur.

Sebelum membahas mengenai teknik metaheuristik, di bab awal buku ini dimulai
dengan pembahasan optimsai klasik, baik untuk permasalahan optimasi dengan
tujuan tunggal maupun untuk permasalahan multi-tujuan. Ini dimaksudkan agar
pembaca mempunyai gambaran secara luas mengenai permasalahan optimasi selain
metaheuristik. Selain itu, bab-bab awal akan mengantar pembaca untuk memahami
masalah optimasi dalam konteks yang lebih luas. Dalam setiap metoda atau teknik
yang dipelajari untuk persoalan optimasi dengan tujuan tunggal, akan diberikan
algoritmanya dan juga kode Matlab. Ini dimaksudkan agar pemahaman pembaca bisa
tuntas hingga impelementasinya.

Secara ringkas isi buku ini adalah sebagai berikut. Pada bab 1, dibahas mengenai
pengertian Metaheuristik. Di bab 2 dibahas beberapa konsep dasar optimasi.
Sementara pengantar ke persoalan optimasi multi-tujuan, berikut dengan konsep
dasarnya, diberikan pada Bab 3. Dengan membaca ketiga bab pertama ini pembaca
diharapkan memahami optimasi dalam konteks yang lebih luas.

Selanjutnya di dalam bab 4 akan dibahas optimasi klasik yang melingkupi
Algoritma Direct Search dan Gradient Based. Walaupun tidak dibahas secara
mendetail semua teknik tersebut, bab ini bisa menjadi pembanding bagaimana
teknik optimasi klasik dibangun. Sementara optimasi klasik dalam penyelesaian
persoalan multi-tujuan diberikan dalam bab 5. Salah satunya adalah metode
pembobotan (Weighted Sum) yang paling populer itu.

Pembahasan teknik-teknik metaheuristik sendiri baru dimulai pada bab 6. Di dalam
bab ini akan dibahas teknik yang sudah lama dikenal yaitu Genetic Algoritma
(GA). Algoritma ini telah menginspirasi munculnya algoritma-algoritma baru dalam
metaheuristik. Perluasannya ke dalam bidang optimasi multi-tujuan dibahas dalam
bab 7. Pembahasan dibagi ke dalam dua kelompok, yakni pembahasan pada induk GA,
yakni Evolutionary Multiobjective Optimization (EMO), dan pembahasan perluasan
per model GA multi-tujuan. Ada beberapa model yang dibahas dalam bab ini.

Berikutnya dalam bab 8 akan dibahas algoritma yang cukup menarik yakni Ant
Colony Optimization (ACO). Algoritma yang meniru perilaku semut ini mendapat
banyak perhatian sejak diusulkan tahun 1997. Dalam buku ini akan disajikan ide
dasar ACO dan contoh untuk kasus optimasi kontinyu. Juga akan diberikan contoh
aplikasi ACO untuk traveling salesman problem (TSP). Bab selanjutnya, yakni bab
9, akan menampilkan garis besar perluasan algoritma ACO ini ke dalam persoalan
multi-tujuan.

Bab 10 membahas Particle Swarm Optimization (PSO) sebagai salah satu Swarm
Intelligence. PSO termasuk teknik yang sederhana dengan hasil yang bagus. Teknik
ini meniru perilaku kelompok burung atau ikan dalam menuju tempat tertentu
secara bersama-sama. Disusul pembahasan perluasan ke multi-tujuan dalam bab 11.

Selanjutnya akan dibahas mengenai teknik metaheuristik yang sudah cukup populer
yaitu Simulated Annealing (SA) di Bab 12. Di bab ini akan diterangkan mengenai
ide dasar SA, penerapan SA dalam masalah TSP. Juga akan dilengkapi dengan kode
Matlab untuk memantapkan pemahaman pembaca. Bab 13 akan menampilkan secara
singkat pengembangan model SA ini ke dalam persoalan multi-tujuan, dilengkapi
dengan pembahasan singkat dari lima model PSA multi-tujuan.

Dalam Bab 14 akan dibahas metoda Cross Entropy (CE). Metoda ini berawal dari
teori entropy dalam teori informasi. CE awalnya diterapkan dalam rare event
simulation. Kemudian terbukti bahwa penerapan CE bisa dikembangkan antara lain
untuk penjadwalan, machine learning hingga optimasi kombinatorial. Aplikasi CE
akan dibahas pada Bab 15. Aplikasi terutama ditekankan pada kasus TSP, Vehicle
Routing Problem (VRP) dan penjadwalan job shop.

Bab 16 akan membahas ide dasar Differential Evolution (DE) beserta contoh
implementasi untuk optimasi kontinyu. Dilanjutkan dengan perbandingan singkat DE
terhadap Evolutionary Algorithm (EA) dan teknik perluasan yang digunakan dalam
beberapa model DE multi-tujuan dalam bab 17.

Bab 18 tentang Harmony Search (SA), meliputi konsep implementasi Harmony Search
untuk optimasi kontinyu serta optimasi pada kasus TSP.

Tentang Penulis:

Budi Santosa , lahir di Klaten, 1969. Sekarang menjadi Dosen Jurusan Teknik
Industri, ITS. Menamatkan S1 di Institut Teknologi Bandung, Jurusan Teknik
Industri (1992) Kemudian menyelesaikan S2 (1999) dan S3 (2005) di School of
Industrial Engineering, University of Oklahoma, USA (2005). Sebelumnya bekerja
sebagai Teaching Assistant untuk mata kuliah Engineering Optimization, Neural
Networks, Optimization in Data Mining (2002-2004) di University of Oklahoma.
Juga menjabat sebagai ketua Laboratorium Komputasi dan Optimasi Industri Teknik
Industri ITS. Papernya pernah mendapatkan Best Paper Award, pada Neural Network
Engineering, ANNIE 2002, St. Louis, Missouri. Beberapa penelitian dia kerjakan
dalam bidang Data Mining, Machine Learning dan Metaheuristik.
Penelitian-penelitian ini didanai dari Dikti maupun ITS. Topik-topik penelitian
antara lain Airline Crew Scheduling Using Metaheuristics Appoaches. Penggunaan
Metaheuristik untuk Penyelesaian Vehicle Routing Problem, Resouce-constrained
project Scheduling Menggunakan Harmony Search, Pengembangan modal Robust Support
Vector Machine untuk klsaifikasi Multikelas, Real Time Mining of Intregrate
Weather Data, Weather production based on WSR-88D Radar output by Intelegence
System and kernel-based Metods. Beberapa publikasi antara lain ada dalam journal
of Applied mathematics, Lecture note on Artificial Intelligent (LNAI)
Springer-Verlag, Jurnal of Computational Optimization an Applications, Journal
of Advance Manufacturing Technology, International Journal of General System,
WSEAS Transactions on System. WSEAS Transactions on Computers.

Buku lain yang ditulis.

- Manajemen Proyek, cetakan kedua, 2008
- Data Mining, Tehnik Pemanfaatan data untuk keperluan bisnis, 2007
- Data Mining Terapan dengan Matlab, 2007
- Statistik dan Optimasi Terapan dengan Matlab, 2007

Paul Wily, Lahir 1974 di Jakarta. Lulus S1 dari University Hasanuddin, jurusan
Matematika,, fokus di Matematika terapan dan komputasi (1997). Kemudian
melanjutkan S2 di University Kaiserslautern, Jerman. Untuk bidang Optimasi dan
Komputasi (2002). Sekarang bekerja di Universitas Heidelberg, Jerman di bidang
biochemical pathways dan implementasinya. Sebelumnya pernah bekerja di Institut
Riset Fraunhofer, Jerman untuk bidang Optimasi Metaheuristik di dalam
biochemical engeenering. Bidang Minat untuk riset adalah Operations Research,
Optimization (Metaheuristic, Multicriteria) Image, Processing, Pattern
Recognition.

Why We're Betting on Manufacturing

Jeff Immelt
Chairman and CEO at General Electic (GE)


America can turn a slow recovery into a strong comeback, one that
grows our economy and firmly reestablishes our country as a powerhouse
of ideas and production. The key – and what will determine the winners
and losers of an exciting new era – is our willingness and ability to
lead the next “big waves” of productivity.

There are four new drivers of productivity, and success in each
depends on the technology and talent we develop. The first is how the
sheer volume and increased access to shale gas in regions around the
globe is changing the energy debate and the balance of energy power.
It would require real infrastructure and pipeline integration between
Canada, Mexico and the U.S., but North America could achieve energy
independence within 10 years. The second driver for dramatically
increased productivity is applying the lessons of social media to the
industrial world and building what we call the Industrial Internet. By
owning and connecting the analytical layers around industrial products
– and using real time data to extract real time knowledge – we can
improve asset performance and drive efficiency. The third driver is
speed and simplification because the only way to serve our customers
better and compete in a complex world is by working faster and
smarter. The last productivity driver, and related to the other three,
is the evolution of advanced manufacturing. Manufacturing excellence,
forgotten for too long, is once again a competitive advantage.

Today, we are convening a forum in Washington, DC to discuss the
future of manufacturing and its impact on the economy. It’s an
exciting time; we can reverse a trend where companies outsourced
critical capabilities in their supply chain and focused too much on
cheap labor rather than speed, innovation and market access. Now,
advanced manufacturing — both imbedding technology into products and
processes and creating the highly skilled workforce that can support
these efforts — and other new innovations in manufacturing are
changing what we make, where and how we make it, and even who makes
it. Large or small companies that invest in their own capabilities and
“own” or control a local supply chain have a competitive advantage as
they develop their next breakthrough.

Historically, we’ve manufactured jet engine components mostly by
casting, stamping and cutting steel and alloys. Now, through 3D
printing, or additive manufacturing, we can “print” complex parts
layer by thin layer. At GE Aviation some of our newest jet engines
will have printed combustion system components and other parts inside,
reducing engine weight and saving our customers money.

Now is the time to bring efforts like this to scale. The rise of
analytics and software in the industrial world only multiplies the
opportunity in front of us. America must capitalize. If we do, we can
create new businesses and new industries. Advanced manufacturing will
change not only the way we build complex machines but the entire
competitive landscape.

SAP dan NBA

Mohammad Okki Hardian

Pada tanggal 25 Juli 2012, SAP dan National Basketball Association (NBA)
mengumumkan jalinan kerja sama di antara mereka. NBA, salah satu liga olahraga
terbesar di dunia, telah memilih SAP HANA® sebagai platform untuk pengembangan
kegiatan pencatatan, pengolahan, dan penyajian data statistik dari setiap
pertandingan bola basket di NBA. Tujuan NBA menunjuk SAP sebagai "partner
statistik" mereka adalah agar seluruh data statistik dari pemain maupun klub NBA
dapat tersaji secara "real-time" kepada penggemar NBA di seluruh dunia melalui
laman resmi NBA, www.nba.com.

Selain itu, NBA dan SAP mengumumkan kemitraan pemasaran multi tahun yang akan
membuat SAP Business Analytics sebagai software resmi NBA. Kemitraan ini selain
diberlakukan di NBA meliputi juga dua liga bola basket lain yang juga dikelola
oleh NBA, yaitu Woman National Basketball Association (WNBA) dan NBA Development
League (D-League) dan akan memungkinkan SAP menghubungkan penggemar dari ketiga
liga tersebut. Selain di Amerika Serikat, kemitraan tersebut juga meluas ke
pasar internasional, termasuk Brasil, Kanada, Cina, Jerman , India dan Rusia.

"Kami terus meneliti teknologi baru dalam upaya untuk memberikan fans kami
cara-cara baru untuk terhubung dengan pertandingan NBA," kata Komisaris NBA
David Stern. "SAP adalah pemimpin dalam menyediakan solusi perangkat lunak yang
inovatif dan mitra ideal untuk memberikan tampilan statistik dinamis dan
komprehensif sehingga penggemar di seluruh dunia dapat berinteraksi dengan
pertandingan basket NBA."

"SAP merasa terhormat dapat bermitra dengan NBA, salah satu organisasi paling
dihormati di dunia olahraga," kata Bill McDermott, co-CEO, SAP. "Melalui SAP
HANA, penggemar akan dapat menikmati NBA dengan cara yang belum pernah terjadi
sebelumnya. Ini adalah sebuah "slam dunk" untuk SAP, NBA dan fans yang sekarang
memiliki akses terhadap data dan analisis yang belum pernah terjadi sebelumnya."

Sekarang, berkat SAP HANA, semua penggemar NBA di seluruh dunia dapat mengakses
seluruh data statistik pemain dan tim NBA melalui situs NBA.com, sesuatu yang
sebelumnya hanya dapat diakses oleh karyawan NBA dan wartawan media yang
terpilih. Sepanjang musim kompetisi, SAP akan memberikan data secara real-time
di seluruh operasi NBA secara global, baik kepada media yang meliput, jejaring
sosial, statistik pemain dan tim, juga interaksi fans.

Selain itu, NBA juga memilih SAP BusinessObjects sebagai solusi business
intelligence (BI) untuk analisis lanjutan, menggunakan perangkat lunak SAP
BusinessObjects Explorer dan SAP Data Services. Dengan SAP HANA sebagai penyedia
kebutuhan statistik, dan SAP BusinessObjects Explorer dan SAP Data Services
sebagai analis lanjutan, sekarang NBA mampu menyediakan akses terhadap informasi
NBA untuk penggemar melalui desktop, tablet atau mobile phone.Proyek ini telah
berjalan sejak dimulainya NBA musim 2012-13.

Sumber:
www.erpweaver.com

Pengalaman ABAPer pada SAP project

Berikut ini sharing pengalaman saya jadi ABAPer pada suatu SAP project.

Saat saya sedang dalam project salah satu perusahaan beverages di Jakarta. Kebetulan saya sebagai ABAPER untuk modul MM & SD. Project ini sebenarnya sudah berjalan untuk Thailand, namun karena Indonesia berbeda day to day bisnis nya, maka perlu di buat project baru.

Team terdiri dari 4 Abaper, 2 MM, 2 SD, 1 FI, 1 Senior Consultant, 1 PM, & 1 Assistant PM. Functional bertugas melakukan gather user requirement dan melakukan negoisasi kepada user supaya bisnis mereka dibuat secocok mungkin dengan Thailand. Setelah gathering, Functional kemudian akan membuat dokumen Functional Technical Specification. Dokumen kemudian di approved oleh Senior Consultant. Bila sudah di approved akan di delegasikan ke ABAPer. 

Sebelum melakukan development ABAPer harus membuat ABAP Technical Specification terlebih dahulu, yang menjelaskan program attribute, configuration table, message class, screen layout, authorization object, flow program, detail program logic, output yang dihasilkan, dan object yang dibuat. Setelah selesai akan dikoreksi oleh Functional. Namun ada beberapa Functional yang bukan dari background ABAP, nah ini perlu effort untuk menjelaskan ke mereka. Biasanya waktu pembuatan dokumen ini 2 kali dari waktu developement.

Base on dokumen technical spec ini maka dimulai lah development. Yang di develop mulai dari pembuatan table, standard report, ALV report, function module, dynpro (dialog program), smartform, user exit/custom exit/BADI, smartform, sampai dengan interfacing sync & async terhadap legacy system.

Saya yakin suka duka ABAPer tidak seberapa di bandingkan dengan Functional. ABAPer relatif mudah karena bekerja berdasarkan dokumen spesification yang jelas, ini kalau membuat dokumen nya bagus. Sedangkan Functional harus mampu menghadapi user dan merumuskan hasilnya supaya lumayan di mengerti oleh ABAPer nya, nah ini keren nya. Oleh sebab itu menurut saya Functional sebaiknya mencicipi jadi ABAPer dulu, supaya kalau bekerja dengan kita para ABAPer ini jadi lebih nyambung. Juga dengan ABAPer sebaiknya belajar function juga, nyicil dikit-dikit lah..., supaya cool.

Demikian sharing nya. Monggo yang ingin nambah-nambahin.

Terima kasih.
Best Regards,
Rendra

Sumber:
www.erpweaver.com

7 Jurusan yang Lulusannya Bergaji Besar

Seleksi Nasional Masuk Perguruan Tinggi Nasional (SNMPTN) 2013 sudah memasuki masa pendaftaran. Para siswa sekolah menengah atas (SMA) yang kini sedang bingung dengan jurusan apa yang tepat bagi mereka sehingga mampu menjamin masa depannya.

Ina Liem, penulis buku bertajuk Tujuh Jurusan Bergaji Besar, mengatakan bahwa ada tujuh jurusan yang dapat dijadikan pilihan oleh anak-anak yang hendak melanjutkan pendidikan tinggi. Tujuh jurusan ini diyakini mampu menunjang masa depan yang cerah karena bisa menuai penghasilan besar bagi lulusannya.

"Semua pekerjaan memang bisa mendapat gaji besar jika dirintis dengan benar. Tapi, untuk fresh graduate yang ingin mendapat gaji besar, tujuh jurusan ini bisa mewujudkannya," kata Ina saat World Education Expo Indonesia (WEEI) 2013 di Balai Kartini, Jakarta, Jumat (15/2/2013).

Lantas, apakah tujuh jurusan itu?

1. Matematika
Wanita yang juga menjabat sebagai In-Country Manager La Trobe University ini memaparkan bahwa jurusan pertama yang mampu menghasilkan gaji besar adalah jurusan Matematika. Jangan salah, masuk ke jurusan Matematika justru membuka peluang untuk dapat bergabung dengan perusahaan besar kelas internasional.

"Biasanya kan lulusan Matematika disebutnya hanya bisa jadi guru. Enggak seperti itu juga. Justru lulusan Matematika ini berpotensi menjadi pakar analisa untuk perusahaan besar," ujar Ina.

2. Teknik Informatika
Jurusan kedua yang mampu menghasilkan uang banyak saat ini adalah jurusan Teknik Informatika atau lebih akrab disebut Information Technology (IT). Hal ini masuk akal melihat teknologi yang kian maju dan kebutuhan perusahaan akan ahli teknologi untuk memajukan bisnis yang dikelolanya.

3. Teknik Kimia
Jurusan ketiga yang mendongkrak masa depan seseorang adalah jurusan Teknik Kimia. Tentu tidak ada yang menyangka bahwa jurusan Teknik Kimia termasuk yang berpotensi bergaji besar. Pasalnya, jurusan ini justru tidak populer jika dibandingkan dengan jurusan Psikologi, Hukum, dan Kedokteran.

"Memang terlihatnya tidak populer. Tapi sekali lagi jangan salah, Teknik Kimia ini juga banyak dilirik. Contoh pasta gigi, sabun, atau cat tembok yang digunakan itu semua ada campur tangan lulusan Teknik Kimia," jelas Ina.

4. Manajemen
5. Geologi
6. Teknik Pertambangan
7. Teknik Perminyakan

Secara berturut-turut empat jurusan ini memang selalu disebut-sebut mampu menghasilkan uang berlimpah bagi para lulusannya. Apalagi, tiga jurusan terakhir.

"Geologi, pertambangan, dan perminyakan ini tidak usah ditanya. Biasanya, begitu masuk langsung bisa dapat gaji double digit," ungkap Ina.

"Namun, semua itu tidak cukup jika tidak memiliki soft skills yang baik. Jadi, jangan lupa kembangkan soft skills," tandasnya.

Menurut Oxford Dictionaries, soft skills adalah karakter pribadi yang memudahkan seseorang untuk berinteraksi dengan efektif dan harmonis dengan orang lain di sekitarnya.

Sumber : kompas.com

Lulusan 10 Jurusan Ini Paling Mudah Cari Kerja

Ada banyak faktor seseorang mudah memperoleh pekerjaan setelah lulus dari perguruan tinggi, bisa faktor kemampuan pribadi atau faktor lain di luar diri sendiri.

Kesesuaian latar belakang pendidikan Anda dengan tren karier yang berkembang belakangan juga bisa memengaruhi. Menurut survei yang dilakukan oleh Higher Education Statistics Agency di Inggris, seperti dikutip dari Telegraph, ada 10 jurusan yang alumninya paling mudah memperoleh pekerjaan. Apa saja?

10. Fisika
Sekitar 89,9 persen dari seluruh sarjana Ilmu Fisika di rentang waktu 2010-2011 menemukan pekerjaan atau melanjutkan studi mereka paling lambat 6 bulan setelah lulus.

9. Matematika
Para lulusan Matematika terkenal banyak dicari di lapangan pekerjaan. Menurut survei ini, sebanyak 89,9 persen alumni jurusan Matematika yang lulus tahun 2010/2011 juga sudah mendapatkan pekerjaan atau melanjutkan studi paling tidak 6 bulan setelah lulus.

8. Sejarah dan Filsafat
Kehadiran dua jurusan ini dinilai mengejutkan. Pasalnya, sekitar 90,1 persen lulusannya juga telah menemukan pekerjaan atau meneruskan studi ke jenjang yang lebih tinggi hanya dalam 6 bulan. Mereka kerap menyingkirkan pencari kerja lainnya dalam lapangan kerja umum, bahkan yang berasal dari jurusan Teknik, Arsitektur, dan Ilmu Komputer.

7. Bahasa
Kemampuan untuk berbicara dalam bahasa asing merupakan kemampuan yang sangat berharga dalam bursa lapangan kerja dewasa ini. Pada rentang waktu 2010/2011, sekitar 90,3 persen lulusan Bahasa bekerja sesaat setelah lulus.

6. Biologi
Belajar Biologi tentu saja tak selalu harus di lapangan. Banyak bidang pekerjaan yang bisa dimasuki oleh lulusan jurusan ini, apalagi yang terkait bioteknologi dan industri terkait yang kini tengah booming. Tercatat, sekitar 90,9 persen sarjananya segera memperoleh pekerjaan atau melanjutkan studi setelah lulus.

5. Pertanian dan jurusan lain yang terkait
Pertanian sering dianggap kurang elite dalam pendidikan tinggi. Namun, dewasa ini, pertanian dan bidang lain yang terkait memiliki lapangan kerja yang luas dan ilmu yang berguna secara langsung. Setidaknya, sekitar 91,3 persen sarjana yang lulus pada tahun 2010/2011 menemukan bekerja hanya dalam enam bulan setelah lulus.

4. Hukum
Jika hanya diberi satu pilihan jurusan yang dijamin lulusannya bakal cepat bekerja dengan gaji yang sesuai pula, pastilah itu jurusan Hukum. Sudah bukan rahasia lagi, para alumni lulusan ini mudah mencari kerja. Menurut survei, 91,9 persen lulusan Hukum di tahun 2010/2011 langsung bekerja setelah lulus.

3. Jurusan terkait obat-obatan
Lapangan pekerjaan jurusan yang terkait obat-obatan sangat luas, salah satunya saja biomedis serta neurologi. Sekitar 94 persen alumni jurusan ini cepat memperoleh pekerjaan setelah lulus.

2. Pendidikan
Dengan pendidikan di tempat kedua, survei ini makin menunjukkan kebutuhan yang besar akan guru. Menurut survei, sekitar 94,8 persen alumninya langsung bekerja sesaat setelah lulus dari perguruan tinggi.

1. Kedokteran, Kedokteran Gigi, dan Kedokteran Hewan
Para lulusan dari jurusan ini memang dikenal cepat memperoleh pekerjaan begitu lulus. Survei menunjukkan sekitar 99,4 persen para lulusan kedokteran mendapatkan pekerjaan atau melanjutkan studi paling tidak 6 bulan setelah lulus.

Sumber : kompas.com