Pengukuran Curah Hujan

Presipitasi adalah bagian dari siklus air. Presipitasi adalah produk dari kondensasi uap cairan di atmosfer dalam rupa hujan, hujan beku, salju, atau hujan es. Hujan terjadi akibat adanya droplet air berukuran kecil yang terkondensasi bersama partikel debu, garam, atau asap yang berfungsi sebagai nukleus. Setelah kondensasi tambahan, droplet air ini dapat bertumbuh besar ketika partikel-partikel ini bertumbukan. Setelah tumbukan terjadi sehingga droplet memiliki kecepatan jatuh yang mencukupi, maka droplet tersebut akan turun sebagai presipitasi.

Presipitasi digambarkan sebagai kedalaman vertikal yang akan dibentuk oleh air jika berada pada area datar tertentu, jika keseluruhan air yang turun jatuh pada area tersebut. Dewasa ini, peneliti dan ilmuwan dapat menghitung presipitasi secara langsung maupun tidak langsung, menggunakan penakar curah hujan ataupun teknik penginderaan jauh lainnya, seperti menggunakan sistem radar atau satelit.

Pengukuran dari Darat

Penakar hujan (rain gauge) mengukur jumlah curah hujan di lokasi tertentu. Umumnya pengukuran dari masing-masing penakar hujan digunakan untuk merepresentasikan curah hujan di area yang lebih luas, di antara situs penakar hujan berbeda. Namun, kenyataannya curah hujan dapat lebih deras/ringan di lokasi pemasangan penakar hujan atau bahkan tidak ada hujan sama sekali. Kerusakan dan penghalang, maupun adanya angin yang kencang dapat mengganggu pembacaan data curah hujan.

Radar cuaca mulai dikembangkan sejak Perang Dunia ke-II, umumnya digunakan untuk mengukur curah hujan, umumnya di atas daratan. Radar cuaca yang dipasang di darat mengirimkan energi microwave dalam bentuk pulsa dengan lebar beam yang sempit dan melakukan pembacaan dengan pola melingkar. Saat gelombang microwave yang dipancarkan bertemu dengan partikel presipitasi di atmosfer, energi gelombang tersebut akan dipantulkan ke segala arah, beberapa akan kembali ke radar. Pengukuran dengan radar cuaca digunakan untuk melakukan estimasi intensitas, ketinggian, dan jenis presipitasi (hujan, salju, hujan es), dan pergerakannya.

Pengukuran dari Luar Angkasa

Satelit pemantauan bumi dapat memberikan estimasi presipitasi dalam skala global. Untuk menyediakan fitur ini, satelit membawa instrumen pengukuran karakteristik atmosfer seperti temperatur awan dan partikel presipitasi atau hydrometeor. Data ini sangat bermanfaat untuk memberikan perspektif baru di mana data dari darat melalui radar ataupun penakar hujan memiliki keterbatasan. Satelit memberikan persepsi top-down dari turunnya presipitasi, bahkan dapat memberikan struktur tiga dimensi dari presipitasi. Observasi satelit yang demikian dapat dipakai oleh ilmuwan dan peneliti untuk membedakan hujan, salju, dan jenis presipitasi yang lain, serta intensitas struktur dan dinamika dari badai.

Tropical Rainfall Measurement Mission (TRMM) adalah misi gabungan antara NASA dan Japan Aerospace Exploration Agency (JAXA) yang diluncurkan pada tahun 1997. TRMM mengukur hujan deras dan moderat di atas daerah tropis dan subtropis selama 17 tahun, hingga akhir misi tersebut pada April 2015. Pengukuran dari TRMM memberikan pengetahuan tentang fenomena hujan di daerah tropis, terutama di samudera, memberikan gambaran tiga dimensi intensitas badai dan strukturnya dari luar angkasa.

Global Precipitation Measurement adalah misi lanjutan dari TRMM, merupakan misi gabungan NASA-JAXA, berhasil di luncurkan pada tanggal 28 Februari 2014 dari Tanegashima Space Center di Jepang. Sistem ini membawa dua instrumen, Dual-frequency Precipitation Radar (DPR) dan GPM Microwave Imager (GMI). Data yang dihasilkan dari kedua instrmen ini dapat membantu melihat hujan ringan sampai deras dan salju layaknya sebuah CAT scan. Melalui konstelasi satelit internasional yang mengirimkan data presipitasi dari luar angkasa secara global yang dinamakan misi GPM, data hujan dan presipitasi lain seluruh dunia dapat diakses setiap 3 jam.

Algoritma Pengolahan Data Satelit Global Precipitation Measurement

JAXA melalui JAXA Global Rainfall Watch System menyediakan data Global Satellite Mapping of Precipitation (GSMaP) yang menggunakan konstelasi satelit misi GPM dan satelit geostasioner lainnya untuk menghasilkan peta presipitasi global beresolusi tinggi. Data tiap jam dari presipitasi ini dapat diakses dengan resolusi spasial 0.1 derajat x 0.1 derajat. Informasi dari GSMaP digunakan tidak hanya untuk keperluan ilmiah, tapi juga untuk meteorology, pencegahan bencana alam, pemantauan iklim, pemantauan agrikultur, dan lain lain. Penggunaan data GSMaP harus menyantumkan pemilik data yaitu JAXA Global Rainfall Watch System.

NASA juga mengembangkan algoritma IMERG yang menggunakan konstelasi satelit GPM. Algoritma ini juga dapat digunakan untuk mendapatkan angka presipitasi di mana tidak terdapat instrumen di darat. Algoritma ini menggunakan estimasi presipitasi dari waktu operasional TRMM dan digabung dengan estimasi yang didapatkan oleh satelit GPM (2014 – sekarang). Google Earth Engine menyediakan baik algoritma GSMaP maupun IMERG, penggunaan data GSMaP di GEE tetap perlu menyantumkan pemilik data, yaitu JAXA, sedangkan data IMERG merupakan data NASA dan bebas digunakan oleh siapapun.

Gambar 1. Curah hujan kumulatif 24 jam dari GSMaP tanggal 17 Mei 2021 pukul 12.00 WIB (Data: Japan Aerospace Exploration Agency (JAXA))

Sumber

  1. Precipitation and the Water Cycle (usgs.gov)
  2. JAXA Global Rainfall Watch – Users Guide
  3. Measuring Precipitation: On the Ground and from Space (worldbank.org)
  4. IMERG: Integrated Multi-satellitE Retrievals for GPM | NASA Global Precipitation Measurement Mission

Fire Weather Index untuk Pemeringkatan Bahaya Kebakaran

Peringkat Bahaya Kebakaran adalah komponen dari sistem manajemen kebakaran yang menghitung faktor-faktor bahaya kebakaran menjadi satu atau lebih indeks kualitatif tentang kebutuhan proteksi terkini. Pada praktiknya, bahaya kebakaran dipengaruhi oleh topografi, jenis bahan bakar, dan cuaca. Sistem Pemeringkatan Bahaya Kebakaran di dunia umumnya menggunakan indeks cuaca kebakaran (Fire Weather Index). Canadian Fire Weather Index System (Sistem FWI) menggunakan data cuaca untuk menghitung potensi kebakaran hutan di Kanada. Sistem ini menghitung bahaya kebakaran berdasarkan kondisi lampau dan kondisi sekarang, melalui temperatur, kelembaban, kecepatan angin, dan hujan. Sistem ini mampu menghasilkan informasi yang memadai dengan jumlah data yang sedikit, sehingga sistem ini paling banyak digunakan di dunia.

Van Wagner mengembangkan versi Sistem FWI yang ditulis dalam program FORTRAN 77. Canadian Forecast Service juga menyediakan script untuk menghitung nilai FWI dalam bahasa FORTRAN 95, C, C++, Python, Java, dan SAS/IML. Sistem FWI hanya tergantung oleh pengukuran cuaca yang diambil setiap hari pada tengah hari waktu lokal. Input harian dari sistem terdiri dari temperatur, kelembaban relatif, keepatan angin, dan hujan di atas 24 jam. Melalui data-data ini, FWI menghasilkan tiga kode kelembaban, yaitu:

  • Fine Fuel Moisture Code (FFMC)
  • Duff Moisture Code (DMC)
  • Drought Code (DC)

Nilai kode kelembaban ini jika semakin tinggi, menunjukkan bahaya kebakaran yang lebih tinggi. Sistem FWI juga menghasilkan tiga indeks keluaran, yaitu:

  • Initial Spread Index (ISI)
  • Build-Up Index (BUI)
  • Fire Weather Index (FWI)

Sistem Pemeringkatan Bahaya Kebakaran Indonesia dan Malaysia

Sistem Pemeringkatan Bahaya Kebakaran yang dikembangkan di Indonesia dan Malaysia menggunakan basis yang sama dari Sistem FWI. Perbedaan dari implementasinya adalah bagaimana angka FWI dikalibrasi untuk mengikuti kondisi regional. Umumnya persamaan yang digunakan oleh berbagai negara untuk menghitung nilai FWI tetap sama, namun cara intrepretasi dan kebijakan apa yang ditempuh untuk nilai-nilai yang berbeda. Gambut dan alang-alang umum terjadi di Indonesia, di mana kebakaran gambut umumnya terjadi di bawah tanah dan sulit dipadamkan, dan kebakaran pada alang-alang mudah menjalar ke area yang lebih luas. Kebakaran ini menghasilkan kabut asap yang mengganggu tidak hanya daerah sekitar, namun seringkali sampai negara tetangga.

Umumnya nilai FWI dihitung menggunakan data-datanya dari stasiun cuaca BMKG yang tersebar di sekitar Indonesia, ditambah dengan data-data dari berbagai satelit cuaca. Melalui Google Earth Engine, data cuaca hasil analisis ulang seperti ERA5 Reanalysis dari ECMWF dapat memberikan kondisi perjam dari cuaca dunia dengan resolusi yang tinggi. Data ini dapat digunakan, misalnya untuk menghitung nilai FWI di lahan gambut di Indonesia pada kondisi El Nino lampau, di mana terjadi kekeringan dan kebakaran hutan melanda Indonesia sehingga kabut asap meliputi berbagai daerah. Data ini dapat digabungkan dengan data MODIS untuk melihat kejadian kebakaran hutan. Melalui data-data ini, kita dapat melihat gambaran bagaimana kebakaran terjadi, hanya melalui data MODIS dan FWI.

Artikel ini ditulis dalam rangka merangkum salah satu bahasan di pelatihan sesi pertama oleh NASA (Applied Remote Sensing Training). Program ini berjalan dari 11 Mei 2021 sampai dengan 27 Mei 2021.

ARSET – Satellite Observations and Tools for Fire Risk, Detection, and Analysis | NASA Applied Science

Sentinel 5P untuk Pemantauan Atmosfer

Polusi udara meningkatkan resiko berbagai penyakit, tanpa memandang bulu, semua orang baik di negara maju ataupun negara berkembang menghadapi masalah udara. Misi satelit Sentinel 5P menjadi salah satu solusi untuk memantau kualitas udara secara global. Artikel ini akan membahas penggunaan data Sentinel 5P yang disediakan secara gratis oleh European Space Agency (ESA) dan data Level 3 siap pakai bisa diakses di Google Earth Engine.

Sentinel-5 Precursor atau Sentinel-5P adalah misi satelit pertama yang memiliki fokus untuk memantau kondisi atmosfer bumi. Satelit ini beroperasi di orbit polar yang sinkron terhadap matahari (sun-synchronous orbit). Data yang disediakan oleh ESA adalah gas methane (CH4), nitrogen dioksida (NO2), karbon monoksida (CO), sulfur dioksida (SO2), formaldehida (HCHC), dan ozon (O3).

Sentinel 5P membawa instrumen pemantauan troposfer (Tropospheric Monitoring Instrument TROPOMI). Perangkat ini mengambil pembacaan spektrum ultraviolet, cahaya tampak, dan inframerah. Menggunakan data tambahan, konsentrasi gas di atmosfer dimodelkan berdasarkan karakteristik penyerapan masing-masing gas terhadap panjang gelombang cahaya tertentu.

Sebagian besar dari polutan udara adalah hasil dari kegiatan manusia, utamanya adalah hasil pembakaran bahan bakar fosil, proses industri, agrikultur, dan pengolahan limbah. Walaupun perlu dicatat bahwa sumber emisi gas dari alam juga ada seperti letusan gunung berapi (sulfur dioksida) dan kebakaran hutan (karbon monoksida).

Sentinel 5P adalah salah satu produk dari program pemantauan bumi Copernicus yang dipimpin oleh Uni Eropa melalui European Space Agency. Tujuan utama dari program ini untuk meningkatkan kapasitas penginderaan jauh global yang berkualitas untuk memberikan informasi lebih lanjut tentang bumi kita. Data pencemaraan udara ini dapat digunakan untuk banyak hal, selain untuk polusi udara, bisa juga untuk pemantauan kebakaran hutan, letusan gunung berapi, dan perubahaan iklim.

Gambar 1. Studi kasus Sentinel-5P untuk Polusi Udara (sumber: SentinelHub)

Sentinel Hub Education mengajak segala kalangan untuk menggunakan data terbuka dari satelit-satelit ini untuk aplikasi-aplikasi untuk kemaslahatan bersama, bahkan hanya untuk mengaggumi gambar rupa bumi pun dipersilakan. Beberapa studi kasus seperti polusi udara, kebakaran hutan, dan letusan gunung berapi sudah dicontohkan di website tersebut. Saya berharap dengan artikel ini, semakin banyak orang Indonesia mau mencoba mengolah data Sentinel, entah itu untuk kesadaran akan perubahan iklim, ataupun untuk kasus-kasus lainnya yang tidak kalah penting!

Instalasi Miniconda untuk Pengolahan Data Geospasial dengan Earth Engine API

Miniconda adalah alternatif dari Anaconda yang hanya terdiri dari Python, conda, dan beberapa library Python esensial lainnya seperti pip, zlib, dan beberapa lainnya. Kelebihan dari Anaconda/Miniconda adalah adanya Conda sebagai package manager yang bisa mengatur environment dan instalasi package yang kita inginkan. Anaconda direkomendasikan bagi pemula yang baru mengerti conda atau Python dan memiliki ruang yang cukup untuk menginstal beberapa package bawaan sekaligus.

Karena keterbatasan space di SSD, artikel kali ini saya ingin membahas penggunaan Miniconda untuk mempersiapkan sebuah environment untuk mengolah data geospasial melalui Google Earth Engine API. Instalasi Miniconda3 di Windows 10 bisa dilakukan dengan mengunduh dari tautan berikut ini (Miniconda — Conda documentation). Setelah mejalankan instalasi Miniconda3, saya sarankan untuk menginstal hanya untuk user anda (bukan all users). Setelah terinstal Miniconda, Anda bisa menggunakan Anaconda Prompt atau Anaconda Powershell Prompt untuk memulai instalasi tools di bawah ini, namun sebelumnya saya akan membahas singkat kedua tools yang dapat dipakai untuk mengolah data geospasial melalui Google Earth Engine di Python.

Google Earth Engine Python API dan GEE Map

Google Earth Engine menyediakan penginderaan satelit dan dataset geospasial yang beragam. Arsip data publik ini berukuran hingga 20 petabyte dan dapat dipakai untuk berbagai macam jenis analisis. Melalui Earth Engine API, kita dapat menggunakan Google Cloud untuk membantu mengolah data satelit tersebut untuk pengembangan aplikasi geospasial kita. Selain dari JavaScript, Earth Engine API juga bisa diakses melalui bahasa pemrograman Python. Kelebihan menggunakan Python adalah banyaknya toolset yang sudah tersedia di Python untuk pemrosesan data lebih lanjut, namun perlu diketahui bahwa status development dari Earth Engine API di Python masih Pre-Alpha, sehingga perlu diingat bahwa beberapa fitur di Python API berbeda dari Javascript API.

Selain itu, library yang cukup penting untuk melakukan eksplorasi data geospasial melalui Google Earth Engine adalah library GEEMap (https://geemap.org). Library ini dikembangkan oleh Prof. Qiusheng Wu dan tutorial penggunaan library ini dapat diakses di channel YouTube Prof. Wu. Kelebihan dari library ini adalah kemudahan untuk membuat peta dengan syntax yang serupa dengan JavaScript agar lebih mudah transisi dari Google Earth Code Editor (JavaScript) ke Jupyter Notebook (Python). Selain itu, terdapat berbagai fitur tambahan di peta yang dihasilkan, selengkapnya bisa dilihat di tutorial yang telah disediakan oleh Prof. Wu.

Instalasi Menggunakan Conda

Untuk instalasi GEEMap maupun Earth Engine API menggunakan Conda sangat sederhana, pertama kita bisa membuat sebuah environment baru dengan

conda create -n earthengine python=3.9
conda activate earthengine

Lalu kita dapat menginstal GEEMap dan Earth Engine API menggunakan command:

conda install -c conda-forge earthengine-api
conda install -c conda-forge geemap

Setelah terinstal earthengine-api dan geemap, kita sudah bisa memulai pengembangan melalui Jupyter Notebook dan memulai eksplorasi data

Gambar 1. GEEMap dan Earth Engine API di atas Jupyter Notebook untuk mencari data Carbon Monoxide

Selamat mencoba dan melakukan eksplorasi data satelit yang terbuka dari European Space Agency (ESA) melalui berbagai jenis satelit Sentinel ataupun data-data terbuka lainnya.

Perjalanan Mendapatkan Beasiswa Erasmus Mundus SSIs

Saya adalah seorang insinyur teknik elektro berumur 24 tahun saat menulis artikel singkat ini. Saya mendapatkan gelar Sarjana Teknik dari Universitas Indonesia. Saya bekerja di Badan Pengkajian dan Penerapan Teknologi selama 3 tahun setelah saya lulus. Setelah belajar dan melaksanakan pekerjaan di bidang elektronika, saya semakin terpacu untuk mendalami bidang ini dengan kuliah S2. Melihat opsi-opsi yang ada di dalam negeri, baik di Universitas Indonesia maupun di Institut Teknologi Bandung, saya merasa perlu untuk belajar di luar negeri. Mengingat suatu kutipan, “kalau kuliah S2 di Indonesia, kamu cuma jadi copy dari copy“, dengan artian bahwa riset yang dilakukan oleh mahasiswa S2 di sini adalah riset bawaan dari saat dosen melakukan program Doktor di luar negeri. Setelah lama menimba ilmu dan mencoba mengaplikasikannya selama bekerja, saya membulatkan tekad untuk menyiapkan studi S2 saya.

Saat melakukan riset tentang beasiswa yang dapat saya ambil, pertama kali saya mencoba mendaftar skema pendanaan dari pemerintah Jepang (MEXT), saat itu, saya sulit sekali menemukan program yang sesuai. Alhasil, karena keterbatasan informasi dan bahasa, saya tidak diterima. Setelah itu, saya coba mendaftar skema beasiswa dari pemerintah Inggris (Chevening), setelah mengumpulkan berkas dan mengisi formulir aplikasi, sayapun sadar, kemampuan berorganisasi saya terbatas dan Chevening memang ditujukan untuk profesional yang akan mampu menunjukkan pengalaman memimpin yang konkret. Singkat cerita, aplikasi saya tidak lolos ke tahap shortlist.

Saya memantau website informasi beasiswa untuk negara berkembang, scholars4dev.com, di mana saya melihat peluang beasiswa di Swedia. Swedia dan berbagai negara di Uni Eropa sangat tertarik dengan bagaimana Sustainable Development Goals dapat diterapkan di lebih banyak negara, melalui pelajar-pelajar yang ingin belajar di negaranya, untuk mendapatkan ilmu dan mengimplementasikan SDG. Saya tertarik dengan dua jurusan yang ada di KTH maupun Chalmers University, yaitu Embedded Computing System dan Communication Engineering. Sayapun mendaftar untuk empat program yang terbagi di KTH dan Chalmers University. Di tengah pencarian opsi lain, saya menemukan Erasmus Mundus melalui konsorsium Erasmus Mundus Embedded Computing System (emecs.eu). Selama ini saya sering mendengar Erasmus Mundus, namun masih belum mengetahui bagaimana beasiswa tersebut diberikan.

Membaca lebih lanjut tentang Erasmus Mundus, saya mulai sadar kalau program S2 yang ditawarkan oleh Erasmus Mundus dikelola oleh masing-masing konsorsium, yang memiliki program studi yang disepakati oleh dua atau lebih universitas. Biaya beasiswa dibayarkan oleh Uni Eropa, namun pelaksanaannya diatur oleh konsorsium. Sayapun memulai dan melihat katalog beasiswa Erasmus Mundus Joint Master Degree (EMJMD) ini, di mana EMECS merupakan salah satu program yang mendapatkan funding dari Erasmus Mundus. Setelah melihat sekilas judul-judul dan melihat lebih detil isi program, saya memutuskan untuk mendaftar ke tiga program (maksimal aplikasi yang diperbolehkan), yaitu Smart Systems Integrated Solutions (SSIs), Erasmus Mundus Embedded Computing System (EMECS), dan Green Networking and Cloud Computing (GENIAL). Setelah saya mendaftar ke Swedia dan Erasmus Mundus, saya mulai mempersiapkan diri untuk mendaftar tes IELTS.

Saya cukup familiar dengan test TOEFL ITP, karena sudah dua kali mengikutinya, saya cukup yakin kemampuan membaca (reading comprehension) dan kemampuan mendengar (listening comprehension) saya cukup baik, sehingga saya memfokuskan diri untuk melakukan persiapan yang lebih intensif untuk Speaking dan Writing. Saya menyiapkan diri melalui menonton kanal YouTube, contoh-contoh IELTS Speaking Exam dan poin-poin apa saja yang perlu diperhatikan. Selain itu, saya membeli akses ke kursus IELTS online (aehelp.com). Persiapan ini saya lakukan di bulan November – Desember, saat banyaknya tugas kerja di kantor berupa Focus Group Discussion, sehingga pada hari-H ujian, selesainya dari acara FGD, saya print bukti booking ujian IELTS di hotel dan langsung pergi ke lokasi tempat ujian IELTS. Pengalaman IELTS pertama ini cukup berkesan karena harganya yang tidak murah dan saya sedikit kurang yakin dengan persiapan saya yang terbatas. Puji Tuhan, setelah 5 hari kerja, saya dapat melihat bahwa hasilnya baik dan memenuhi persyaratan. Setelah IELTS sudah di tangan, saya mulai fokus mempersiapkan keperluan yang lain.

Menyiapkan dokumen beasiswa saat sedang bekerja cukup tricky, bersyukur di tengah pandemi COVID-19, pekerjaan menjadi lebih fleksibel dan dapat dilaksanakan dari mana saja. Walaupun ada kendala dalam pembuatan paspor, akhirnya saya dapat menerima paspor. Permohonan reference letter dapat dilakukan via e-mail untuk menghindari kontak langsung agar aman dari penyebaran virus. Di luar jam kantor, saya memoles dan menulis kembali motivation letter hingga lebih padat dan representatif menunjukkan kemampuan, pengalaman, dan rencana studi dan masa depan saya. Untuk masing-masing program, saya tonjolkan bagian-bagian berbeda dari pengalaman saya yang lebih relevan dengan program tersebut, namun ketiganya memiliki tema yang serupa dan sejalan dengan pengalaman yang saya miliki selama bekerja di BPPT. Saya meminta surat rekomendasi yang dapat membantu memberikan satu cerita yang koheren dengan aplikasi saya, saya berusaha agar masing-masing dokumen memberikan informasi berbeda namun menunjukkan kesinambungan mulai dari potensi akademik saya, pengalaman akademik, profesional, dan kemampuan saya, dan mengapa saya cocok untuk dapat studi di program tersebut.

Setelah mengumpulkan semua berkas, mengisi semua formulir, saya menunggu kepastian. Semua sudah saya upayakan untuk mengirimkan sebuah aplikasi yang utuh dan menjual kemampuan dan pengalaman saya. Sampai di bulan Maret, mulai ada informasi, saya tidak diterima untuk beasiswa dari Swedia (KTH), dan dari GENIAL, saya mulai sadar, di tengah pandemi ini, banyak sekali yang mencari peluang baru, untuk belajar dengan beasiswa sambil menunggu industri kembali pulih setelah ekonomi berjalan dengan normal kembali. Ribuan orang yang mendaftar di beasiswa-beasiswa prestigius seperti ini, namun hanya puluhan yang diterima. Namun, saya senang saat menerima e-mail bahwa saya sudah masuk shortlist untuk beasiswa dari SSIs, di mana saya diminta hadir dalam wawancara online melalui Microsoft Teams.

Saya mempersiapkan diri untuk wawancara, menyiapkan bahan wawancara dengan visualisasi power point yang dibantu oleh adik saya. Jam wawancara dimulai setelah selesai jam kerja, sehingga saya mempersiapkan diri untuk tampil rapih dengan jaket dan dasi. Dalam wawancara, saya menceritakan pengalaman dari kuliah, kerja, dan hobi saya. Profesor yang mewawancara bertanya karena tertarik melihat keberagaman dalam riset yang saya pernah lakukan. Namun, fokus yang ditanyakan ada pada saat saya membantu riset dosen saat kuliah di laboratorium Nano Devices. Wawancara berlangsung dengan cukup baik, saya berterima kasih atas kesempatan yang diberikan. Saya cukup puas dengan hasil wawancara, namun merasa minder apakah hasilnya cukup baik dibandingkan peserta yang lain.

Setelah wawancara, saya kembali menunggu, kembali bekerja seperti sebelumnya. Selama bulan Maret tersebut, cukup banyak hal yang saya perlu kerjakan. Beberapa musibah datang dan di akhir Maret saya terkena penyakit Demam Berdarah Dengue. Mengalami demam tinggi, setibanya di rumah sakit, saya dilakukan skrining COVID-19, setelah dinyatakan bebas dari virus SARS-CoV-2, saya dirawat inap di rumah sakit. Pada saat di rumah sakit, saya menerima e-mail dari universitas koordinator program SSIs, yang menyuruh untuk membuka aplikasi web pendaftaran karena ada dokumen hasil yang telah di-upload. Saya minta tolong adik saya untuk membukakan lewat laptop-nya, dan melihat bahwa saya diterima untuk mendapatkan beasiswa Erasmus Mundus untuk program SSIs. Setelah menjawab tawaran beasiswa dan mendeklarasikan bahwa saya belum pernah mendapatkan beasiswa Erasmus Mundus, proses selanjutnya akan diberikan di bulan April ini. Sambil menunggu proses selanjutnya, saya tuliskan artikel ini untuk mendokumentasikan perjalanan saya hingga menerima beasiswa dari Erasmus Mundus.

Sekian sharing singkat tentang perjalanan penerimaan beasiswa SSIs yang saya peroleh untuk tahun 2021-2023. Silakan meninggalkan komentar jika Anda ingin bertanya tentang proses lebih detil.

Catatan Awam tentang Gempa Bumi

Gempa 6.2 SR melanda Mamuju / Majene, gempa ini menyebabkan banyak bangunan runtuh dan banyak memakan korban jiwa. Semoga proses penyelamatan warga yang tertimpa bangunan runtuh, maupun evakuasi dari warga di pesisir pantai bisa berjalan dengan lancar. Setiap terjadi gempa besar, selalu ada rilis dari BMKG di mana Kepala BMKG memiliki kewenangan untuk menyampaikan peringatan dini Tsunami dan mengakhirinya setelah jangka waktu tertentu. Gempa kali ini tidak memiliki potensi Tsunami tapi tidak menutup kemungkinan adanya gempa susulan di lokasi tidak jauh dari episentrum gempa yang mungkin bisa menyebabkan Tsunami atau longsor.

Deteksi Dini Gempa Bumi, Bisakah?

Wawancara dengan mediapun bermunculan, himbauan kepala BMKG kepada warga untuk menghindari pantai dan lereng gunung, presenter menanyakan berbagai sistem prediksi, teknologi yang ada untuk memberitahukan dini jika terjadi gempa yang mengakibatkan longsor dan akhirnya terjadi tsunami. Dalam kolom komentar, hampir semua mengucapkan doa bagi para korban bencana alam, namun ada pula yang menggarisbawahi ketidakadanya teknologi untuk deteksi gempa bumi sebelum terjadi.

Perkembangan teknologi memang canggih, tapi sampai sekarang belum pernah ada di dunia suatu alat yang mampu memberitahu akan terjadinya gempa, sebelum gempa itu terjadi. Tidak ada satupun ilmuwan yang dapat memprediksi gempa, tidak ada satupun perangkat buatan siapapun yang bisa. Bacaan lebih lanjut: Can you predict earthquakes? (usgs.gov)

“Ini Bukti Ramalan Indigo Benar”

Setiap ada gempa bumi di awal tahun, ada saja yang mengutip prediksi seorang paranormal atau indigo yang bisa menebak terjadinya kejadian gempa tersebut. Menebak gempa sampai dengan lokasi, magnitudo, dan kedalaman itu jelas tidak mungkin, tapi kalau menyebutkan ada gempa di awal tahun bukanlah hal yang mengejutkan. Kalau kita tarik waktu dari 20 tahun terakhir, banyak sekali gempa bumi di awal tahun (Januari – Maret), melihat rekam jejak seperti ini, sangat mungkin terjadi gempa setiap awal tahun. Tidak perlu takjub, kecuali paranormal tersebut dapat menyebutkan persis lokasi dan kekuatan gempanya.

Gambar 1. Jumlah gempa bumi dengan magnitudo 5 di Indonesia pada awal tahun (Januari – Maret) setiap tahun dari tahun 2000 – 2021 (sampai 15 Januari)

Deteksi Tsunami Bagaimana?

Kepala BMKG juga menyebutkan bahwa mungkin terjadinya gempa bumi dan peringatan dini tsunami terlambat sampai. Timbul pertanyaan tentang metode deteksi Tsunami, pertanyaan tentang alat deteksi longsor laut juga menjadi pertanyaan dari salah satu presenter. Alat ini juga belum ada yang operasional di dunia, masih dalam tahap riset dan pengujian, sedangkan BMKG berfokus dalam operasional saja. Proses pembuatan deteksi tsunami adalah proses kompleks yang umumnya memiliki fokus pada kecepatan penentuan lokasi gempa dan magnitudonya, sehingga dapat dilakukan komputasi tertentu untuk mendapatkan potensi terjadinya Tsunami.

Penutup

Banyak sekali miskonsepsi di publik tentang gempa bumi, walaupun Indonesia adalah negara yang sangat rentan terhadap gempa. Ada baiknya publik mengetahui secara jelas, ekspektasi apa saja yang dapat dimiliki jika terjadi gempa bumi, sistem-sistem apa saja yang sudah ada di Indonesia, dan bagaimana publik dapat menggunakan informasi-informasi untuk menyiapkan ketahanan terhadap gempa. Saya hanyalah awam di bidang gempa bumi, namun saya harap catatan singkat ini bisa berguna dan saya perbaharui kembali.

Teknologi Dibalik GeNose COVID-19

GeNose adalah sebuah alat pendeteksi Volatile Organic Compounds (VOC) yang dikembangkan oleh tim peneliti dari UGM. Penelitian ini memang menyasarkan untuk deteksi penyakit melalui kandungan molekul VOC dalam hembusan napas. Tim peneliti tersebut telah melakukan modifikasi agar sistem GeNose yang dikembangkan dapat digunakan untuk mendeteksi COVID-19. Saya tidak akan bahas tahap uji klinis ataupun kemampuan GeNose dalam mendeteksi COVID-19, namun lebih ke teknologi dan pengembangan apa saja yang dilakukan oleh tim GeNose. Ada beberapa teknologi yang mendasari pembuatan GeNose ini, pertama dari fabrikasi sensor, akuisisi data (DAQ), dan pemodelan (machine-learning).

Sensor Berbasis Quartz Crystal Microbalance

Sensor yang digunakan oleh GeNose adalah sensor berbasis Quartz Crystal Microbalance (QCM). Sensor tipe ini difabrikasi dengan menggakan proses pelapisan dengan sebuah alat spincoating, untuk membuat lapisan tipis (thin-film) yang dapat mengadsorpsi partikel/molekul yang diinginkan. Sensor QCM ini akan menghasilkan pergeseran frekuensi berdasarkan perbedaan massa akibat adanya molekul yang tertangkap oleh bahan sensitif tersebut. Menggunakan proses spin-coating tadi, berbagai pilihan bahan sensitif dapat dipilih untuk mengatur selektifitas dan sensitifitas terhadap molekul gas tertentu.

Sistem GeNose menggunakan empat jenis polimer sebagai lapisan penginderaannya, yaitu polyacrylonitrile (PAN), poly(vinyl acetate) (PVAc), poly(vinylidene fluoride) (PVDF), dan poly(vinyl pyrrolidone) (PVP). Bahan-bahan ini dilarutkan dalam sebuah pelarut (solvent) dengan konsentrasi tertentu, sesuai Tabel 3 dalam paper, dan dilakukan proses spincoating dengan kecepatan angular tertentu dalam kurun waktu tertentu, kecepatan dan waktu putaran berkorelasi langsung dengan tebal-tipisnya lapisan yang dihasilkan, umumnya dalam nanometer.

Melalui keempat elemen sensor ini, sistem dapat membaca tujuh jenis VOC, yakni methanol, ethanol, propanol, butanol, benzene, toluene, dan xylene.

A quartz crystal microbalance sensor and the interaction between odour... |  Download Scientific Diagram
Gambar 1. Ilustrasi diagram blok sebuah elemen QCM dengan lapisan sensitif

Rangkaian Akusisi Data

Komponen elektronika dari sistem ini adalah osilator dan penghitung frekuensi. Sistem osilator terdiri dari kristal QCM, rangkaian osilator driver (terdiri dari SN74LVC1GX04 dan beberapa resistor dan kapasitor). Rangkaian osilator ini menghasilkan gelombang sinyal kotak yang mengikuti frekuensi resonansi dari QCM, lalu frekuensi ini dibaca oleh sebuah penghitung frekuensi. Penghitung frekuensi dibuat menggunakan Arduino Due, menggunakan 32-bit timer counter yang mampu mengukur frekuensi hingga 21 MHz.

Sistem elektronika ini dibuat dalam satu PCB yang sama, terdiri dari 4 buah sensor QCM, empat rangkaian osilator dan sensor kelembaban dan temperatur yang ditutup dengan sebuah air-tight chamber dengan pipa masuk dan pipa keluar untuk udara masuk dan keluar. Agar udara tidak keluar sama sekali, di antara PCB dan chamber dipasang lapisan karet untuk menjaga hubungan antara keduanya tetap kedap udara.

Figure 1
Gambar 2. (a) Skematik rangkaian osilator (b) blok diagram setup pengukuran gas, (c-e) penampakan sistem GeNose

Machine Learning

Pemrosesan data menggunakan Machine Learning, data yang diambil oleh sistem GeNose ini sejumlah 1120 time series data, 280 untuk masing-masing sensor dalam array tersebut. Data mentah ini selanjutnya dilakukan pemrosesan (pre-processing) menggunakan nilai AUC sebagai berikut

\displaystyle AUC_{i,j} = \int_{t=a}^{t=b}(f_{i,j}(0) - f_{i,j}(t)) dt

Setelah proses ini, matriks dataset menjadi 210 nilai AUC untuk empat sensor, nilai ini dipakai untuk melakukan proses Linear Discriminant Analysis ataupun Principal Component Analysis + Support Vector Machine.

GeNose dari UGM merupakan proses panjang pengembangan, mulai dari pengembangan elemen sensor, pembuatan rangkaian pembacaan dan software nya, serta proses statistika dan machine learning untuk identifikasi. Bagaimanapun hasil dari uji klinis, saya rasa penemuan ini tetap merupakan penemuan menarik, hasil karya yang dapat diberikan apresiasi tinggi, sebuah upaya nyata dari sebuah tim ilmuwan, perekayasa, dan dokter untuk berkontribusi dalam menanggulangi COVID-19. Walaupun data akhirnya menyatakan bahwa sistem kurang cocok untuk COVID-19, tetap adanya potensi penggunaan alat ini untuk aplikasi-aplikasi lainnya.

Disclaimer:
Saya adalah lulusan teknik Elektro dengan pengalaman di laboratorium nanoelektronika dan rangkaian elektronika. Ilmu yang saya miliki untuk menginterpretasikan penelitian berdasarkan jurnal Intelligent Mobile Electronic Nose System Comprising a Hybrid Polymer-Functionalized Quartz Crystal Microbalance Sensor Array | ACS Omega hanya dalam sisi fabrikasi sensor dan rangkaian elektronika penunjangnya. Penelitian dan pengembangan GeNose melibatkan berbagai ilmuwan dari berbagai disiplin ilmu.

Sumber rujukan:

  1. Intelligent Mobile Electronic Nose System Comprising a Hybrid Polymer-Functionalized Quartz Crystal Microbalance Sensor Array (acs.org)
  2. (35) GeNose: Teknologi Pengendus Covid-19 | Serah Terima Konsorsium Riset dan Inovasi COVID-19 – YouTube
  3. Genosvid Diagnostic Test for Early Detection of COVID-19 – Full Text View – ClinicalTrials.gov

Lagu Natal: Sekuler dan Relijius

‘Tis the season to be jolly, memasuki bulan Desember, di mana semua orang Kristen menyiapkan diri menyambut hari Natal. Di banyak tempat, Natal tidak hanya dirayakan oleh orang Kristen, namun oleh banyak masyarakat secara umum karena waktu-waktu Natal adalah saat berkumpul dengan sanak saudara, bersenda gurau, menikmati kebersamaan, dan saling memberi. Semaraknya suasana Natal dapat kita temui sehari-hari, pemutaran film-film bertema Natal di televisi, lagu-lagu Natal dimainkan di mall, hotel, restoran, dan berbagai tempat umum, tak lupa dengan hiasan dan dekorasi Natal yang secara megah dipasang di tempat-tempat tersebut.

Natal sering kali jadi polemik di Indonesia, banyak tekanan dari organisasi Islam yang menolak adanya atribut-atribut Natal yang diwajibkan dipakai oleh pegawainya (topi sinterklaas). Penolakan ucapan selamat Natal juga belakangan ini sering muncul. Di tengah maraknya gerakan-gerakan dari akar rumput organisasi-organisasi Islam, toleransi antar umat beragama selayaknya dijaga agar tidak memperlebar masalah. Wajarnya ada pemahaman tentang Natal, yang dirayakan oleh orang Kristen, dan momen kebersamaan Natal yang bersifat sekuler.

Sinterklaas atau Santa Claus adalah contoh fenomena sekuler dari Natal, di mana pemberian hadiah menjadi titik beratnya, melalui Sinterklaas, orang-orang membeli barang-barang berharga untuk orang terkasih. Bentuk perayaan ini adalah pesta, open-house, kumpul bersama, sebenarnya tidak jauh beda dengan konsep berkumpul bersama keluarga setelah Idul Fitri, anak-anak menerima hadiah dari orang tua dan paman/bibi, semua berkumpul berbahagia. Pembagian Natal sekular dan ibadah Natal ini ada di segala sisi, contoh dalam dekorasi, pohon Natal adalah dekorasi netral sedangkan palungan dan patung bayi Yesus adalah dekorasi relijius.

Begitu pula dengan lagu Natal, ada berupa himne, lagu pujian, dan ada juga lagu selebrasi Natal. Selebrasi atau perayaan Natal adalah lagu-lagu ceria yang membahas dan merayakan kebersamaan dalam waktu Natal, sedangkan lagu-lagu pujian dan himne ini membahas kelahiran Yesus Kristus. Untuk ruang publik, lagu-lagu sebaiknya adalah lagu perayaan ini, sifatnya adalah refleksi tahun ini, merayakan penghujung tahun, atau hal sederhana seperti musim salju dan tradisi yang terkait dengan musim dingin tersebut.

Agar tidak mengganggu agama lain, sebaiknya hal-hal seperti ini menjadi perhatian khusus oleh berbagai pengelola ruang publik. Mulai dari dekorasi Natal dan aksesoris yang dalam kewajaran dan bersifat netral dan nonrelijius. Lagu Natal yang dimainkan juga dapat dipilih agar tidak mengandung unsur-unsur pujian atau himnal. Sebagai penghujung dari artikel singkat ini, saya mencontohkan lagu-lagu instrumental Natal yang nonrelijius untuk ikut merasakan Natal, tanpa ikut merayakannya secara rohani.

Running APRSC on Docker

APRSC is created by the creator of APRS.fi, it’s an APRS-IS server implementation written in C. I have been using APRSC for a while to run on a Raspberry Pi running a Debian Stretch/Buster. APRSC is quite simple to install and run on a Debian based mini-PC’s, I had created a Raspberry Pi Image that come with APRSC pre-installed, but not configured and started.

I wrote a simple Dockerfile to run the shell scripts I had written to build APRSC on a Debian Buster environment. I noticed there were already an APRSC Docker implementation done previously by https://github.com/brannondorsey/aprsc-docker. However, I did not manage to make brannondorsey’s docker setup work, since I am still a beginner in Docker. I figured I messed up somewhere during setting up the permissions for the Docker volumes.

My Docker container install the dependencies for APRSC and build a debian package and installs it via APT-GET. Docker compose links the config located in the GitHub source folder with the one inside the container.

./config/default:/etc/default:rw
./config/etc:/opt/aprsc/etc:rw

Before building the container, edit the aprsc.conf file under the ./config/etc folder, and fill the proper informations required. By using docker-compose run, the service will start and voila, you have a working APRSC server running on a Docker container.

APRSC server status web page (Source: http://aprs.josefmtd.com:14501)

The server is now available to be accessed by APRS-IS applications such as APRS-Droid and/or APRX gateway, via port 14580 and 10152.

APRS Docker repository is available from https://github.com/josefmtd/aprsc-docker

Instalasi Docker Engine dan Docker Compose di Ubuntu Focal Fossa

Artikel singkat ini menunjukkan cara sederhana melakukan instalasi Docker Engine dan Docker Compose menggunakan APT repository dan Python PIP installer. Script di bawah ini menggunakan referensi dari kedua tutorial dari Docker yaitu: https://docs.docker.com/engine/install/ubuntu/ dan https://docs.docker.com/compose/install/

#!/bin/bash
apt update
apt upgrade -y
apt install python3-pip apt-transport-https gnupg-agent software-properties-common curl ca-certificates -y
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add –
add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu focal stable"
apt install docker-ce docker-ce-cli containerd.io -y
usermod -aG docker $USER
pip3 install docker-compose
exit 0

Untuk melakukan instalasi di Ubuntu server, unduh script di atas melalui Github Gist menggunakan command di bawah ini

$ wget https://gist.githubusercontent.com/josefmtd/e121e49c463907b2e267d997a23dc508/raw/da4d267cbb3935dbec012c1c3847c4b39aa0c0b7/install_docker_ubuntu_focal.sh
# chmod 755 install_docker_ubuntu_focal.sh
# ./install_docker_ubuntu_focal.sh

Edit: Typo di script add-apt-repository telah diperbaiki