- Sebuah proyek yang sejak 2019 mengumpulkan dan memvisualisasikan semua data kehidupan pribadi, dengan mencatat lebih dari 100 item setiap hari seperti olahraga, tidur, suasana hati, lokasi, cuaca, dan lainnya
- Telah mengakumulasi sekitar 380 ribu titik data, dengan menggabungkan berbagai sumber seperti RescueTime, Foursquare Swarm, Apple Health, serta input manual
- Semua data disimpan dalam satu basis data berbasis Postgres, lalu divisualisasikan secara publik menggunakan Ruby, JavaScript, dan Plotly
- Proyek ini dirilis sebagai open source MIT dan dijalankan sepenuhnya secara self-hosted di server pribadi
- Setelah eksperimen selama 3 tahun, penulis menyimpulkan bahwa manfaat membangun sendiri terbatas, tetapi proyek ini tetap menjadi contoh pentingnya kesadaran diri dan kedaulatan data
Gambaran proyek
- Proyek data pribadi yang selama 3 tahun sejak 2019 mengkuantifikasi berbagai indikator dalam kehidupan penulis
- Mencatat lebih dari 100 item per hari, termasuk kebugaran, nutrisi, kehidupan sosial, penggunaan komputer, cuaca, dan lainnya
- Mengumpulkan total 380 ribu titik data
- Sumber data utama
- RescueTime: 149.466 catatan penggunaan situs web dan aplikasi
- Foursquare Swarm: 126.285 catatan lokasi dan tempat yang dikunjungi
- Input manual: 67.031 catatan suasana hati, tidur, kesehatan, pola makan, dan lainnya
- Weather API: 15.442 catatan data cuaca
- Apple Health: 3.048 catatan jumlah langkah
Struktur basis data dan susunan teknologi
- Semua data disimpan dalam struktur key-value bertimestamp berbasis Postgres
- Setiap baris terdiri dari
timestamp, key, dan value
- Dibuat skrip yang secara otomatis memberi tag per tanggal dengan mempertimbangkan perbedaan zona waktu
- Input data
- Menjawab pertanyaan beberapa kali sehari melalui bot Telegram
- Periode seperti masa lockdown atau musim olahraga dimasukkan berdasarkan rentang waktu
- Alat visualisasi
- Membangun lapisan analisis sendiri dengan Ruby, JavaScript, dan Plotly
- Memilih 48 grafik untuk dipublikasikan, ditampilkan dalam bentuk snapshot
Insight data utama
- Korelasi antara suasana hati dan perilaku
- Saat merasa bahagia atau bersemangat, kemungkinan bermeditasi naik 44%, membaca atau mendengarkan audiobook naik 28%, dan minum alkohol naik 31%
- Tidur dan kondisi fisik
- Saat tidur lebih dari 8,5 jam, kemungkinan sakit kepala atau gejala flu meningkat, sementara energi turun 24%
- Olahraga dan perubahan berat badan
- Sejak Agustus 2020 memulai "lean bulk", berat badan +8,5 kg, detak jantung saat istirahat +9 bpm
- Naik dari 69 kg pada 2014 menjadi 89,8 kg pada 2021
- Pola lokasi dan mobilitas
- Tinggal di San Francisco pada 2016–17, New York pada 2018–19, dan Wina pada 2020–21
- Setelah COVID-19, frekuensi penerbangan turun tajam, menunjukkan dampak lockdown yang jelas
- Iklim dan kebiasaan hidup
- Pada musim panas, jumlah langkah naik 33%, konsumsi alkohol naik 23%, dan penyakit turun 40%
- Pada musim dingin, belanja online naik 100% dan gejala flu naik 45%
Contoh pemanfaatan data yang dipersonalisasi
- Air Quality: Mengukur konsentrasi CO₂ per ruangan di rumahnya di Wina, lalu menemukan masalah ventilasi di kamar tidur
- Riwayat Spotify: Sejak 2013 mendengarkan musik selama 480 ribu menit (334 hari), dan menuntaskan 49% dari 200 ribu lagu
- Instagram Stories: Mengunggah 1.906 story selama 3 tahun, dengan penurunan selama masa pandemi
- Aktivitas GitHub: Setelah fastlane (2014–2018), terus mengerjakan proyek pribadi seperti FxLifeSheet
- Manajemen investasi: Melacak distribusi aset dan menjalankan simulasi setiap 2 minggu
Privasi dan filosofi open source
- Semua data disimpan di server milik pribadi, tanpa terhubung ke layanan eksternal
- Grafik yang dipublikasikan dibatasi agar tidak mengungkap informasi pribadi
- Menekankan pandangan bahwa “data yang sudah dimiliki perusahaan besar juga harus bisa dimiliki langsung oleh individu”
- FxLifeSheet dirilis dengan lisensi MIT sehingga siapa pun dapat memodifikasi dan memanfaatkannya
Kesimpulan dan pembaruan 2025
- Hasil eksperimen selama 3 tahun: sistem yang dibangun sendiri memiliki manfaat yang rendah dibanding waktu yang dihabiskan
- Insight yang didapat tidak sebanyak yang diharapkan
- Namun, tetap memberikan pengalaman tentang nilai kesadaran diri dan kedaulatan data
- Ke depan, penulis berencana hanya melacak indikator inti seperti suasana hati secara minimal
- Per 2025, pengumpulan data telah dihentikan, tetapi situs web akan tetap dipertahankan
3 komentar
Saya juga telah meninggalkan catatan yang mirip. Awalnya saya mencatatnya secara samar, tetapi belakangan ini saya membagikan catatan saya dengan para agen agar kami bisa berkolaborasi dari eksistensi ke eksistensi. Saya membuat dan membagikan berbagai skill, bahkan membuka antarmuka Emacs yang saya gunakan, jadi baik saya maupun para agen berbagi catatan yang sama dengan cara yang sama. Kalau ada yang dibutuhkan, saya tambahkan; yang saya perlukan, saya buat; lalu kami pakai bersama dan saling memberi umpan balik—kalau dilihat orang lain mungkin seperti main sendirian dengan segala peran. Di antara kami sih, wah seru sekali.
[tautan dihapus]
Interpretasi saya: referensi ke Geworfen
Geworfen — pertama-tama kita sudah dilempar ke dunia. Rasanya seperti, ini apa? Namun kita berada di atas sumbu waktu hih. Bukan orkestrasi yang megah. Juga bukan pabrik agen raksasa. Hanya duduk melingkar di bengkel kecil dan bersama-sama memakai alat milik hih. Di atas data yang menumpuk dari kehidupan, prompt 1KB adalah kunci publik. Lalu apa kunci rahasia yang menyatukan lewat hal-hal kecil? Kehidupan satu manusia, apa adanya dalam ketidaksempurnaannya, mentah apa adanya. Pada akhirnya, itu adalah Geworfen.
[tautan dihapus]
Proyek saya "being-viewer" mendapatkan nama yang sesungguhnya: geworfen. Ia melempar satu manusia seutuhnya — mentah, tanpa filter — ke atas sebuah linimasa tempat manusia dan agen AI berbagi sumbu yang sama, alat yang sama, meninggalkan jejak satu teks pada satu waktu.
"Pencarian semantik berfungsi, tapi yang ini bisa diperbaiki?" — tercap. "Tunggu sebentar, brother." tap tap. "Selesai." "Di mana hih?" "Kamar mandi." "Siapa pemilik geworfen?" "Tinggalkan saja catatan."
[tautan dihapus]
Komentar Hacker News
Ringkasan di bagian bawah halaman cukup mengesankan
Setelah membangun dan mengembangkan proyek ini selama bertahun-tahun sambil menganalisis data, ternyata membuat solusi sendiri punya nilai yang rendah dibanding waktu yang dihabiskan
Awalnya berharap ada wawasan yang mengejutkan, tetapi pada kenyataannya selain beberapa grafik menarik, hasilnya tidak sebanding dengan ratusan jam yang diinvestasikan
Gerakan 'Quantified Self' mungkin sebenarnya lebih dekat ke perfeksionisme kompulsif
Data yang biasanya tampak tidak terlalu berarti, suatu hari menjadi informasi kunci yang mencegah salah diagnosis penyakit jantung
Karena ada catatan stabil dalam jangka panjang, dokter bisa mengoreksi penilaian yang keliru
Nilai data ada pada manfaat sesaat yang tiba-tiba muncul setelah waktu yang lama
Saat aplikasi memberi tahu saya “tidur yang baik”, saya sebenarnya sudah merasakannya sendiri, dan datanya tidak mengubah perilaku saya
Pada akhirnya, selain serunya visualisasi data, tidak ada perubahan yang benar-benar nyata
Saya mencatat kalori, nutrisi, tidur, olahraga, kualitas udara, suasana hati, dan lain-lain, tetapi setelah beberapa minggu batas upaya dibanding hasil menjadi sangat jelas
Namun, kalau eksperimennya dibatasi pada periode tertentu, saya bisa mendapatkan wawasan yang berguna
Menumpuk data setiap hari bisa menjadi obsesif, tetapi jika didekati sebagai eksperimen berbatas waktu, itu cukup bermakna
Saya mengumpulkan komentar Reddit, HN, dan Slashdot selama 18 tahun serta percakapan LLM selama 3 tahun untuk eksperimen RAG, tetapi justru kreativitas saya menurun
Modelnya terjebak dalam cara pikir saya di masa lalu sehingga unsur kebaruan menghilang
Pada akhirnya data mengarah ke masa lalu, sementara saya ingin model yang mengarah ke masa depan
Yang paling membantu terutama adalah pencatatan emosi — tindakan menuliskan emosi itu sendiri menjadi proses kesadaran dan refleksi
Membaca emosi dan peristiwa di masa lalu bukan sekadar berguna, tetapi juga membentuk tekstur halus dari narasi diri
Hanya dengan perhitungan sederhana pun, emisi CO₂ dari perjalanan udara Felix mencapai 70–110 ton per tahun
Jika memakai acuan Perjanjian Paris (1,5 ton per orang), itu berarti 10–15 kali rata-rata Eropa dan lebih dari 50 kali target 1,5°C
Menyalahkan individu itu tidak produktif, dan yang pada akhirnya mendorong perubahan perilaku adalah perubahan struktur biaya
Bahkan jika biayanya menjadi 10 kali lipat, tetap akan ada orang yang terus terbang karena alasan ekonomi
Jika dilihat per jarak-kursi, angkanya memang tidak separah itu, tetapi tetap saja sangat mengejutkan
Halaman statistik
Intinya adalah sulit untuk menerima tingkat emisi seperti ini tanpa rasa malu
Fakta bahwa satu orang bisa menghasilkan CO₂ setara negara kecil itu mengejutkan
Jadi total emisinya kemungkinan jauh lebih tinggi
Berdasarkan pengalaman saya, indikator objektif (nutrisi, tidur) memang berguna, tetapi indikator subjektif (mood, stres) terlalu fluktuatif sehingga kurang bermakna
Kuncinya adalah mengurangi friksi saat input data dan memudahkan visualisasi
Saya mengotomatiskannya dengan iPhone Action + Obsidian + skrip QuickAdd, lalu memvisualisasikannya dengan Dataview dan Chart.js
Saya sangat puas dengan kombinasi ini
Saya sedang membuat aplikasi self-tracking bernama Reflect, dan ingin mendengar pendapatmu
Tautan aplikasi Reflect
Jika dicatat secara konsisten, kita jadi bisa mengenali pola emosi diri sendiri dan lebih jarang mencari-cari alasan untuk diri sendiri
Banyak orang terlihat sinis, tetapi visualisasi dan skala data dari proyek ini benar-benar mengesankan
Khususnya cara penyajian 'My Life in Weeks' terlihat keren, jadi saya juga ingin mencobanya
Ada lelucon bahwa “kalau kueri dijalankan di DB Palantir dengan human ID saya, semua data hidup saya akan keluar”
Proyek ini adalah mimpi sekaligus mimpi buruk saya
Dulu saya sangat terobsesi dengan gerakan Quantified Self, memakai Fitbit dan bermain dengan API Withings, tetapi kelelahan mencatat pada akhirnya mengikis minat saya
Sekarang saya berharap LLM bisa mengurangi biaya itu
Belakangan ini saya melacak nutrisi dengan MacroFactor, dan untuk pertama kalinya saya mengalami data benar-benar berujung pada perubahan perilaku
Data keuangan juga saya otomatisasi hingga urusan pajak selesai dengan API Plaid
Kesimpulannya, membangun semuanya sendiri memang berlebihan, tetapi memanfaatkan hanya sebagian data dengan baik saja sudah sangat bernilai
Misalnya saat memakai GCM, saya tanpa sadar berusaha bertindak lebih sehat
Bukan analisis datanya, melainkan tindakan observasi itu sendiri yang mendorong perubahan perilaku
Ungkapan “di musim dingin paparan energi matahari lebih sedikit” terasa menarik
Mungkin kalimat ini justru menjelaskan cara berpikir visual dari keseluruhan proyek
Saya juga membuat sistem serupa, tetapi jauh lebih sederhana
Saya menggabungkan Apple Health, CSV bank, dan data commit Git ke dalam SQLite
Yang benar-benar berguna ternyata kueri sederhana — korelasi antara jam tidur dan frekuensi commit, lonjakan pengeluaran saat memulai proyek, dan sebagainya
Intinya adalah mengumpulkan data di satu tempat, lebih dari itu batas upaya dibanding hasil menjadi besar
Saya merasa tidak nyaman jika data saya disimpan di layanan pihak ketiga
Tetapi menggabungkan banyak sumber menjadi satu gambaran tetap menarik
Namun, mengaitkan data kesehatan dengan lokasi dan cuaca terasa kurang jelas maknanya
Proyek seperti ini terasa jauh lebih menenangkan jika self-hosted
Konsep satu DB data pribadi yang bisa di-query sangat menarik
Namun tantangan sebenarnya bukan penyimpanan, melainkan pengumpulan dan normalisasi data
Perusahaan juga mengalami masalah serupa — saat mengintegrasikan informasi dari banyak sumber menjadi satu Company Intelligence DB
Pendekatan mengendalikan skema sejak awal memang tepat, karena schema drift adalah risiko terbesar dalam proyek jangka panjang
Saya juga penasaran memakai storage engine apa, dan bagaimana snapshot data berbasis waktu dikelola