Eric Berlow and Sean Gourley: Mapping ideas worth spreading

71,074 views ・ 2013-09-18

TED


Silakan klik dua kali pada teks bahasa Inggris di bawah ini untuk memutar video.

Translator: Muhammad Fathi Rayyan Reviewer: Aji Pribadi Henoch
00:12
Eric Berlow: I'm an ecologist, and Sean's a physicist,
0
12562
3061
Eric Berlow: saya seorang ekolog, dan Sean seorang fisikawan,
00:15
and we both study complex networks.
1
15623
2108
dan kami berdua belajar jaringan yang kompleks.
00:17
And we met a couple years ago when we discovered
2
17731
1835
Dan kami bertemu beberapa tahun yang lalu ketika kami menemukan
00:19
that we had both given a short TED Talk
3
19566
2000
bahwa kami berdua telah memberikan pembicaraan singkat di TED
00:21
about the ecology of war,
4
21566
2303
tentang ekologi perang,
00:23
and we realized that we were connected
5
23869
1447
dan kami menyadari bahwa kami saling terhubung
00:25
by the ideas we shared before we ever met.
6
25316
2818
oleh ide-ide yang kami bagikan sebelum kami bertemu.
00:28
And then we thought, you know, there are thousands
7
28134
1556
Dan kemudian kami berpikir, Anda tahu, ada ribuan
00:29
of other talks out there, especially TEDx Talks,
8
29690
2114
orang yang juga berbicara di luar sana, terutama di acara TEDxTalks
00:31
that are popping up all over the world.
9
31804
2211
yang bermunculan seluruh dunia.
00:34
How are they connected,
10
34015
923
00:34
and what does that global conversation look like?
11
34938
2010
Bagaimanakah mereka terhubung,
dan seperti apakah percakapan global terlihat?
00:36
So Sean's going to tell you a little bit about how we did that.
12
36948
2810
Jadi Sean akan bercerita sedikit tentang bagaimana kami melakukannya.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
39758
3767
Sean Gourley: Benar sekali. Jadi kami mengambil 24.000 Pembicaraan di TEDx
00:43
from around the world, 147 different countries,
14
43525
3046
dari seluruh dunia, 147 negara berbeda ,
00:46
and we took these talks and we wanted to find
15
46571
2123
kami mengambil pembicaraan-pembicaraan ini dan kami ingin mencari
00:48
the mathematical structures that underly
16
48694
2040
struktur matematika yang mendasari
00:50
the ideas behind them.
17
50734
1722
ide-ide di belakang mereka.
00:52
And we wanted to do that so we could see how
18
52456
1370
Dan kami ingin melakukannya sehingga kami bisa melihat bagaimana
00:53
they connected with each other.
19
53826
2053
mereka terhubung satu dengan lainnya.
00:55
And so, of course, if you're going to do this kind of stuff,
20
55879
1676
Dan dengan begitu, tentu saja, jika Anda akan melakukan hal-hal seperti ini,
00:57
you need a lot of data.
21
57555
956
Anda perlu banyak data.
00:58
So the data that you've got is a great thing called YouTube,
22
58511
3686
Jadi data yang Anda sudah punyai adalah suatu hal luar biasa yang disebut YouTube,
01:02
and we can go down and basically pull
23
62197
1768
dan kita bisa turun dan pada dasarnya menarik
01:03
all the open information from YouTube,
24
63965
2267
Semua informasi terbuka dari YouTube,
01:06
all the comments, all the views, who's watching it,
25
66232
2349
Semua komentar, semua pandangan, siapa yang menonton,
01:08
where are they watching it, what are they saying in the comments.
26
68581
2779
di mana mereka menonton itu, apa yang mereka katakan di komentar.
01:11
But we can also pull up, using speech-to-text translation,
27
71360
3292
Tetapi kita juga bisa menarik, dengan menggunakan penerjemah suara ke teks
01:14
we can pull the entire transcript,
28
74652
2128
kita bisa menarik seluruh transkrip,
01:16
and that works even for people with kind of funny accents like myself.
29
76780
2680
dan itu befungsi bahkan untuk orang yang mempunyai jenis aksen lucu seperti diri saya.
01:19
So we can take their transcript
30
79460
2106
Jadi kami dapat mengambil transkrip mereka
01:21
and actually do some pretty cool things.
31
81566
2098
dan benar-benar melakukan beberapa hal yang keren.
01:23
We can take natural language processing algorithms
32
83664
2160
Kita dapat mengambil bahasa alami pengolahan algoritma
01:25
to kind of read through with a computer, line by line,
33
85824
2629
untuk membaca dengan komputer, baris demi baris,
01:28
extracting key concepts from this.
34
88453
2359
menggali konsep kunci dari semua ini.
01:30
And we take those key concepts and they sort of form
35
90812
2525
Dan kita mengambil konsep kunci tersebut dan mereka membentuk
01:33
this mathematical structure of an idea.
36
93337
3565
Struktur matematika sebuah ide.
01:36
And we call that the meme-ome.
37
96902
1757
Dan kami menyebutnya meme-ome.
01:38
And the meme-ome, you know, quite simply,
38
98659
2151
Dan meme-ome, Anda tahu, cukup sederhana,
01:40
is the mathematics that underlies an idea,
39
100810
2426
adalah matematika yang mendasari ide,
01:43
and we can do some pretty interesting analysis with it,
40
103236
1932
dan kami dapat melakukan beberapa analisis yang cukup menarik dengan itu,
01:45
which I want to share with you now.
41
105168
1981
yang ingin saya bagikan dengan Anda sekarang.
01:47
So each idea has its own meme-ome,
42
107149
2190
Jadi setiap ide memiliki ome-meme-nya sendiri ,
01:49
and each idea is unique with that,
43
109339
1951
dan setiap ide menjadi sesuatu yang unik dengan itu,
01:51
but of course, ideas, they borrow from each other,
44
111290
2488
Tapi tentu saja, ide-ide mereka saling meminjam satu sama lain,
01:53
they kind of steal sometimes,
45
113778
1184
kadang-kadang , mereka mencurinya ,
01:54
and they certainly build on each other,
46
114962
1827
dan mereka tentu saja saling membangun
01:56
and we can go through mathematically
47
116789
1616
dan kita bisa melihat secara matematis
01:58
and take the meme-ome from one talk
48
118405
1840
dan mengambil meme-ome dari satu pembicaraan
02:00
and compare it to the meme-ome from every other talk,
49
120245
2454
dan membandingkannya dengan meme-ome dari setiap pembicaraan yang lain,
02:02
and if there's a similarity between the two of them,
50
122699
1973
dan jika ada kesamaan antara dua dari mereka,
02:04
we can create a link and represent that as a graph,
51
124672
3250
kita dapat menarik garis dan membuatnya menjadi grafik,
02:07
just like Eric and I are connected.
52
127922
2394
sebagaimana Eric dan saya terhubung.
02:10
So that's theory, that's great.
53
130316
1394
Jadi itulah teorinya, itu hebat.
02:11
Let's see how it works in actual practice.
54
131710
2526
Mari kita lihat fungsinya dalam kehidupan nyata
02:14
So what we've got here now is the global footprint
55
134236
2788
Jadi apa yang kita miliki di sini sekarang adalah jejak global
02:17
of all the TEDx Talks over the last four years
56
137024
2293
dari semua pembicaraan di TEDx selama empat tahun terakhir
02:19
exploding out around the world
57
139317
1550
yang meledak keluar di seluruh dunia
02:20
from New York all the way down to little old New Zealand in the corner.
58
140867
3329
dari New York sampai ke Selandia Baru yang kecil di sudut.
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
144196
3835
Dan yang kami lakukan adalah menganalisa 25 persen teratas,
02:28
and we started to see where the connections occurred,
60
148031
2534
dan kita mulai melihat di mana koneksi terjadi,
02:30
where they connected with each other.
61
150565
1537
di mana mereka saling herhubung satu sama lain.
02:32
Cameron Russell talking about image and beauty
62
152102
1874
Cameron Russell berbicara tentang gambar dan kecantikan
02:33
connected over into Europe.
63
153976
1575
terhubung ke Eropa.
02:35
We've got a bigger conversation about Israel and Palestine
64
155551
2412
Kami punya percakapan lebih besar tentang Israel dan Palestina
02:37
radiating outwards from the Middle East.
65
157963
2255
memancar keluar dari Timur Tengah.
02:40
And we've got something a little broader
66
160218
1298
Dan kita punya sesuatu yang sedikit lebih luas
02:41
like big data with a truly global footprint
67
161516
2156
seperti data besar dengan jejak global yang
02:43
reminiscent of a conversation
68
163672
2179
mengingatkan pada percakapan
02:45
that is happening everywhere.
69
165851
2016
yang terjadi di mana-mana.
02:47
So from this, we kind of run up against the limits
70
167867
2173
Jadi dari ini, kita seperti berhadapan dengan batas-batas apa
02:50
of what we can actually do with a geographic projection,
71
170040
2530
yang kita dapat lakukan dengan proyeksi geografis,
02:52
but luckily, computer technology allows us to go out
72
172570
2052
Tapi untungnya, teknologi komputer memungkinkan kita keluar
02:54
into multidimensional space.
73
174622
1546
ke ruang multidimensi.
02:56
So we can take in our network projection
74
176168
1875
Jadi kita dapat mengambil di proyeksi jaringan kami
02:58
and apply a physics engine to this,
75
178043
1750
dan menerapkan sebuah mesin fisika
02:59
and the similar talks kind of smash together,
76
179793
1885
dan pembicaraan sejenis seperti bertubrukan,
03:01
and the different ones fly apart,
77
181678
2004
dan yang berbeda terpisah,
03:03
and what we're left with is something quite beautiful.
78
183682
2072
dan apa yang tersisa adalah sesuatu yang sangat indah.
03:05
EB: So I want to just point out here that every node is a talk,
79
185754
2957
EB: Jadi saya ingin menunjukkan di sini bahwa setiap titik ada pembicaraan,
03:08
they're linked if they share similar ideas,
80
188711
2589
mereka terhubung jika mereka berbagi ide-ide serupa,
03:11
and that comes from a machine reading
81
191300
2084
dan itu berasal dari mesin yang membaca
03:13
of entire talk transcripts,
82
193384
2067
seluruh transkrip pembicaraan,
03:15
and then all these topics that pop out,
83
195451
2231
dan kemudian semua topik ini yang keluar,
03:17
they're not from tags and keywords.
84
197682
1790
mereka bukan berasal dari tautan dan kata kunci.
03:19
They come from the network structure
85
199472
1725
Mereka berasal dari sebuah struktur jaringan
03:21
of interconnected ideas. Keep going.
86
201197
2168
ide-ide yang saling terhubung. Lanjutkan.
03:23
SG: Absolutely. So I got a little quick on that,
87
203365
2022
SG: Sangat benar. Saya tadi agak terlalu cepat di bagian itu,
03:25
but he's going to slow me down.
88
205387
1475
tapi dia akan memperlambat saya.
03:26
We've got education connected to storytelling
89
206862
2034
Kami telah mendapat pendidikan
03:28
triangulated next to social media.
90
208896
1643
yang terhubung ke cerita di media sosial.
03:30
You've got, of course, the human brain right next to healthcare,
91
210539
2475
Anda punya, tentu saja, otak manusia berada di sebelah kesehatan,
03:33
which you might expect,
92
213014
1386
yang mungkin sudah Anda duga,
03:34
but also you've got video games, which is sort of adjacent,
93
214400
2395
tetapi Anda juga punya video game, yang seperti berdekatan,
03:36
as those two spaces interface with each other.
94
216795
2740
sebagai dua ruang antarmuka dengan satu sama lain.
03:39
But I want to take you into one cluster
95
219535
1535
Tapi saya ingin membawa Anda ke salah satu gugusan
03:41
that's particularly important to me, and that's the environment.
96
221070
2868
itu sangat penting bagi saya, dan itu adalah lingkungan.
03:43
And I want to kind of zoom in on that
97
223938
1493
Dan saya ingin memperbesar bagian itu
03:45
and see if we can get a little more resolution.
98
225431
2363
dan melihat jika kita bisa mempertajamnya.
03:47
So as we go in here, what we start to see,
99
227794
2347
Jadi ketika kami di sini, apa yang kami mulai lihat adalah,
03:50
apply the physics engine again,
100
230141
1504
menerapkan mesin fisika lagi,
03:51
we see what's one conversation
101
231645
1676
kami melihat bagaimana suatu pembicaraan
03:53
is actually composed of many smaller ones.
102
233321
2560
ini sebenarnya terdiri dari beberapa pembicaraan lebih kecil.
03:55
The structure starts to emerge
103
235881
1929
Struktur mulai muncul
03:57
where we see a kind of fractal behavior
104
237810
2070
dimana kita melihat semacam perilaku fraktal
03:59
of the words and the language that we use
105
239880
1619
kata-kata dan bahasa yang kita gunakan
04:01
to describe the things that are important to us
106
241499
1702
untuk menjelaskan hal-hal yang penting bagi kami
04:03
all around this world.
107
243201
1433
di dunia ini.
04:04
So you've got food economy and local food at the top,
108
244634
2332
Jadi Anda punya ekonomi makanan dan makanan lokal di bagian atas,
04:06
you've got greenhouse gases, solar and nuclear waste.
109
246966
2719
Anda punya gas rumah kaca, limbah solar dan nuklir.
04:09
What you're getting is a range of smaller conversations,
110
249685
2631
Apa yang Anda dapatkan adalah serangkaian pembicaraan kecil,
04:12
each connected to each other through the ideas
111
252316
2301
masing-masing saling tersambung melalui ide-ide
04:14
and the language they share,
112
254617
1301
dan bahasa yang mereka gunakan untuk berbagi,
04:15
creating a broader concept of the environment.
113
255918
2450
menciptakan sebuah konsep yang lebih luas tentang lingkungan.
04:18
And of course, from here, we can go
114
258368
1532
Dan tentu saja, dari sini, kita bisa pergi
04:19
and zoom in and see, well, what are young people looking at?
115
259900
3534
memperbesar dan melihat, Nah, apa yang orang-orang muda lihat?
04:23
And they're looking at energy technology and nuclear fusion.
116
263434
2345
Dan mereka sedang melihat teknologi energi dan fusi nuklir.
04:25
This is their kind of resonance
117
265779
1674
Ini adalah jenis resonansi mereka
04:27
for the conversation around the environment.
118
267453
2406
untuk percakapan mengenai lingkungan.
04:29
If we split along gender lines,
119
269859
1899
Jika kita membagi berdasarkan kelamin,
04:31
we can see females resonating heavily
120
271758
1987
kita bisa melihat perempuan yang beresonansi berat
04:33
with food economy, but also out there in hope and optimism.
121
273745
3645
dengan ekonomi makanan, tetapi juga luar sana dalam harapan dan optimisme.
04:37
And so there's a lot of exciting stuff we can do here,
122
277390
2482
Dan jadi ada banyak hal menarik bisa kita lakukan di sini,
04:39
and I'll throw to Eric for the next part.
123
279872
1762
dan saya akan mempersilahkan Eric untuk bagian selanjutnya.
04:41
EB: Yeah, I mean, just to point out here,
124
281634
1602
EB: Ya, maksudku, hanya untuk menunjukkan di sini,
04:43
you cannot get this kind of perspective
125
283236
1538
Anda tidak bisa mendapatkan perspektif semacam ini
04:44
from a simple tag search on YouTube.
126
284774
3360
dari pencarian tautan sederhana di YouTube.
04:48
Let's now zoom back out to the entire global conversation
127
288134
4188
Mari sekarang kita perkecil kembali ke seluruh pembicaraan global
04:52
out of environment, and look at all the talks together.
128
292322
2534
di luar lingkungan, dan melihat semua pembicaraan bersama-sama.
04:54
Now often, when we're faced with this amount of content,
129
294856
2927
Sekarang seringkali ketika kita dihadapkan dengan jumlah konten ini,
04:57
we do a couple of things to simplify it.
130
297783
2431
kami melakukan beberapa hal untuk menyederhanakan.
05:00
We might just say, well,
131
300214
1314
Kami hanya dapat mengatakan,
05:01
what are the most popular talks out there?
132
301528
2829
apakah pembicaraan paling populer di luar sana?
05:04
And a few rise to the surface.
133
304357
1397
Dan beberapa akan muncul.
05:05
There's a talk about gratitude.
134
305754
1828
Ada pembicaraan tentang rasa syukur.
05:07
There's another one about personal health and nutrition.
135
307582
3344
Ada satu lagi tentang kesehatan pribadi dan gizi.
05:10
And of course, there's got to be one about porn, right?
136
310926
2929
Dan tentu saja, harus ada satu tentang porno kan?
05:13
And so then we might say, well, gratitude, that was last year.
137
313855
3234
Dan kita dapat mengatakan, Yah, syukur, itu sudah setahun yang lalu.
05:17
What's trending now? What's the popular talk now?
138
317089
2522
Apakah yang tren sekarang? Apakah pembicaraan populer sekarang?
05:19
And we can see that the new, emerging, top trending topic
139
319611
3321
Dan kita dapat melihat mulai munculnya tren topik baru
05:22
is about digital privacy.
140
322932
2666
tentang privasi digital.
05:25
So this is great. It simplifies things.
141
325598
1693
Jadi ini besar. Ini menyederhanakan.
05:27
But there's so much creative content
142
327291
1827
Tapi ada begitu banyak konten kreatif
05:29
that's just buried at the bottom.
143
329118
1921
yang hanya terkubur di bawah.
05:31
And I hate that. How do we bubble stuff up to the surface
144
331039
3318
Dan saya benci itu. Bagaimana kita menggelembung itu ke permukaan
05:34
that's maybe really creative and interesting?
145
334357
2458
yang mungkin benar-benar kreatif dan menarik?
05:36
Well, we can go back to the network structure of ideas
146
336815
2931
Yah, kita dapat kembali ke struktur jaringan ide
05:39
to do that.
147
339746
1430
untuk melakukan itu.
05:41
Remember, it's that network structure
148
341176
2114
Ingat, bahwa struktur jaringan
05:43
that is creating these emergent topics,
149
343290
2268
yang membuat topik ini muncul,
05:45
and let's say we could take two of them,
150
345558
1515
dan mari kita berkata kita bisa mengambil dua di antaranya,
05:47
like cities and genetics, and say, well, are there any talks
151
347073
3047
seperti kota-kota dan genetika, dan berkata, Nah, Apakah ada pembicaraan
05:50
that creatively bridge these two really different disciplines.
152
350120
2569
yang dengan kreatif menjembatani kedua disiplin berbeda ini.
05:52
And that's -- Essentially, this kind of creative remix
153
352689
2275
Dan itu -- pada dasarnya, pencampuran kreativitas ini
05:54
is one of the hallmarks of innovation.
154
354964
1840
adalah salah satu terobosan dari inovasi.
05:56
Well here's one by Jessica Green
155
356804
1606
Nah, ini salah satunya oleh Jessica Green
05:58
about the microbial ecology of buildings.
156
358410
2379
tentang ekologi mikroba dari bangunan.
06:00
It's literally defining a new field.
157
360789
2010
Topik itu benar-benar mendefinisikan bidang baru.
06:02
And we could go back to those topics and say, well,
158
362799
2103
Dan kita bisa kembali ke topik itu dan berkata,
06:04
what talks are central to those conversations?
159
364902
2768
Apa yang menjadi pusat pembicaraan itu?
06:07
In the cities cluster, one of the most central
160
367670
1690
Di klaster kota-kota, salah satu yang paling Pusat
06:09
was one by Mitch Joachim about ecological cities,
161
369360
3952
adalah satu pembicaraan oleh Mitch Joachim tentang kota ekologi
06:13
and in the genetics cluster,
162
373312
1720
dan tentang gugus genetika
06:15
we have a talk about synthetic biology by Craig Venter.
163
375032
3193
kita punya pembicaraan tentang biologi sintetis oleh Craig Venter.
06:18
These are talks that are linking many talks within their discipline.
164
378225
3353
Ini semua adalah pembicaraan yang menghubungkan banyak pembicaraan dalam disiplin mereka.
06:21
We could go the other direction and say, well,
165
381578
1843
Kita bisa pergi arah lain dan berkata,
06:23
what are talks that are broadly synthesizing
166
383421
2272
Pembicaraan apa yang membentuk
06:25
a lot of different kinds of fields.
167
385693
1448
banyak bidang lain.
06:27
We used a measure of ecological diversity to get this.
168
387141
2533
Kami menggunakan ukuran keanekaragaman ekologi untuk mendapatkan ini.
06:29
Like, a talk by Steven Pinker on the history of violence,
169
389674
2736
Seperti, pembicaraan oleh Steven Pinker pada sejarah kekerasan,
06:32
very synthetic.
170
392410
1180
sangat sintetis.
06:33
And then, of course, there are talks that are so unique
171
393590
2078
Dan kemudian, tentu saja, ada pembicaraan yang sangat unik
06:35
they're kind of out in the stratosphere, in their own special place,
172
395668
3090
mereka seperti keluar di stratosfer, tempat khusus mereka sendiri,
06:38
and we call that the Colleen Flanagan index.
173
398758
2514
dan kami menyebutnya indeks Colleen Flanagan .
06:41
And if you don't know Colleen, she's an artist,
174
401272
3034
Dan jika Anda tidak tahu Colleen, dia adalah seorang seniman,
06:44
and I asked her, "Well, what's it like out there
175
404306
1543
dan saya bertanya kepadanya, "Yah, apa rasanya di luar sana
06:45
in the stratosphere of our idea space?"
176
405849
1672
di stratosfer dari ruang ide kami?"
06:47
And apparently it smells like bacon.
177
407521
3255
Dan rupanya baunya seperti daging asap.
06:50
I wouldn't know.
178
410776
1791
Saya tidak tahu.
06:52
So we're using these network motifs
179
412567
2248
Jadi kita menggunakan motif jaringan ini
06:54
to find talks that are unique,
180
414815
1186
untuk menemukan pembicaraan yang unik,
06:56
ones that are creatively synthesizing a lot of different fields,
181
416001
2710
yang dibuat secara kreatif dari berbagai bidang,
06:58
ones that are central to their topic,
182
418711
1659
yang menjadi pusat topik mereka,
07:00
and ones that are really creatively bridging disparate fields.
183
420370
3374
dan yang secara kreatif menjembatani perbedaan bidang tersebut.
07:03
Okay? We never would have found those with our obsession
184
423744
2102
Oke? Kami tidak pernah akan menemukan mereka dengan obsesi kami
07:05
with what's trending now.
185
425846
2313
dengan apa yang menjadi tren sekarang.
07:08
And all of this comes from the architecture of complexity,
186
428159
2886
Dan semua ini berasal dari arsitektur kompleksitas,
07:11
or the patterns of how things are connected.
187
431045
2960
atau pola bagaimana hal-hal terhubung.
07:14
SG: So that's exactly right.
188
434005
1625
SG: Jadi itu tepat.
07:15
We've got ourselves in a world
189
435630
2479
Kami mendapati diri kami di dunia
07:18
that's massively complex,
190
438109
2044
yang sangat kompleks,
07:20
and we've been using algorithms to kind of filter it down
191
440153
2867
dan kami telah menggunakan algoritma untuk menyaring itu semua
07:23
so we can navigate through it.
192
443020
1786
supaya kita dapat menavigasi melaluinya.
07:24
And those algorithms, whilst being kind of useful,
193
444806
2338
Dan algoritma itu, sementara ini cukup bermanfaat,
07:27
are also very, very narrow, and we can do better than that,
194
447144
3476
juga sangat, sangat sempit, dan kita bisa melakukan lebih dari itu,
07:30
because we can realize that their complexity is not random.
195
450620
2566
karena kita dapat menyadari bahwa kompleksitas mereka tidak acak.
07:33
It has mathematical structure,
196
453186
1954
Ianya memiliki struktur matematika,
07:35
and we can use that mathematical structure
197
455140
1803
dan kita dapat menggunakannya
07:36
to go and explore things like the world of ideas
198
456943
2214
untuk pergi dan menjelajahi hal-hal seperti dunia ide
07:39
to see what's being said, to see what's not being said,
199
459157
3000
untuk melihat apa yang dikatakan, untuk melihat apa yang tidak dikatakan,
07:42
and to be a little bit more human
200
462157
1407
dan untuk menjadi sedikit lebih manusiawi
07:43
and, hopefully, a little smarter.
201
463564
1867
dan, mudah-mudahan, sedikit lebih cerdas.
07:45
Thank you.
202
465431
966
Terima kasih.
07:46
(Applause)
203
466397
4220
(Tepuk tangan)
Tentang situs web ini

Situs ini akan memperkenalkan Anda pada video YouTube yang berguna untuk belajar bahasa Inggris. Anda akan melihat pelajaran bahasa Inggris yang diajarkan oleh guru-guru terbaik dari seluruh dunia. Klik dua kali pada subtitle bahasa Inggris yang ditampilkan di setiap halaman video untuk memutar video dari sana. Subtitle bergulir selaras dengan pemutaran video. Jika Anda memiliki komentar atau permintaan, silakan hubungi kami menggunakan formulir kontak ini.

https://forms.gle/WvT1wiN1qDtmnspy7