Kind: captions
Language: id
Indonesia. Pelayanan kami terbuka untuk
perusahaan, pemerintahan, perorangan,
ataupun pemerhati lingkungan. Ekoed Eedu
selalu berusaha menyajikan pelatihan
yang berkualitas dengan menghadirkan
pengajar yang berpengalaman.
Memberikan pengalaman langsung dengan
praktikum
dan e-learning yang dapat diakses di
manapun.
Jadi awalnya saya mengikuti pelatihan
Eco Edio ini memang dari grup-grup di
alumni ya Mbak ya yang pernah ikut
pelatihan ini. Cerita mereka itu sungguh
bisa dianggap menarik ya karena mereka
pengetahuan mereka tentang yang pengin
mereka ketahui itu meningkat gitu ya.
Kemudian skill-skill yang dihasilkan
dari hasil pelatihan itu juga cukup bisa
dilihat begitu ya, terasa gitu
manfaatnya di kami terutama untuk ee
para konsultan yang memerlukan
tenaga-tenaga ahli begitu sehingga saya
memilih Eko Edu dan sempat mengikuti
pelatihannya juga dan itu terbukti benar
begitu.
Nah, saya lihat Instagram itu ada EQU ya
yang akan menyelenggarakan pelatihan.
Nah, di situ juga saya baca-baca
terlebih dahulu ya terkait tentang
informasi yang disediakan oleh Bapak
Ibu. Nah, menurut saya itu menjadi hal
yang membuat tertarik untuk ikut
pelatihan gitu Bu. Jadi saya sering
lihat di Instagram gitu bagaimana Eko
Aidu menyampaikan informasinya. Eko itu
bagus karena pelatihan-pelatihannya itu
selalu terkini terus mengikuti zaman dan
juga pelatihnya atau mentornya itu
bagus-bagus dan terbaiklah di
bidangnyaitu.
Iya. ee yang pertama memang tentu saja
ini meningkatkan dan memaksimalkan
skill-skill yang saya harapkan begitu ya
dalam terutama dalam penyusunan dokumen
AMDAL eh kinerja saya jadi bisa lebih
produktif, lebih efektif juga ee punya
update gitu ya, update-update
persoalan-persoalan dalam penyusunan
AMDAL terkini dari ahlinya langsung di
lapangan begitu yang pengalamannya tidak
diragukan. Menurut saya pelatihan yang
disediakan Fed ini sangat bermanfaat
sekali dan mudah untuk aksesnya gitu.
Jadi ada teknologi terbaru yang saya
dapat yaitu di e-learning ya itu luar
biasa e pembelajarannya juga mudah
sekali untuk dipahami.
Alhamdulillah ee bisa mengikuti dan juga
menambah ilmu pengetahuan yang banyak
banget.
Eh, e-learning ini memang di memang
sangat diperlukan sekali ya, terutama
untuk kita yang dengan keterbatasan
pengetahuan kemudian juga waktu mungkin
ee itu memberikan kita kesempatan untuk
kembali mengingat, kembali mendengarkan
paparan-paparan yang mungkin kurang
jelas. Kemudian juga kita bisa mengulang
sesering mungkin yang kita inginkan.
kita juga bisa review kembali sehingga
belajar kita bisa lebih efektif dan
efisien.
Learning itu membantu sekali ketika pada
saat penyampaian materi ada yang
ketinggalan gitu ya. Jadi ee saya bisa
lihat materi itu di e-learning itu Bu
sangat membantu Mbak. Jadi saya ee ambil
materi terus lihat video yang bisa
diakses kapan aja dan di mana aja.
4 juta dengan informasi yang kami
peroleh itu jauh dari kata padan
sebenarnya. Jadi apa namanya ya kalau
saya bilang terlalu murah itu
sebadanlah.
Jadi menurut saya sepadan Bu karena
memang ee pelatihannya ini pun sangat
membantu ya dalam menyelesaikan satu
pekerjaan yang ada di ee sekitar
lingkungan saya sendiri gitu. Ee saya
kira sepatuaah
dengan apa yang didapatkan.
E-KTP
efektif, tepat, dan profesional.
Hemat, cermat, dan hebat.
Keren, profesional dan juga kekinian.
Asalamualaikum warahmatullahi
wabarakatuh. Selamat siang Bapak, Ibu,
dan rekan-rekan sekalian. Selamat datang
kembali di webinar Eko Edu ke-127.
Saya ucapkan terima kasih kepada Bapak
Ibu semua yang sudah selalu setia untuk
mengikuti acara webinar ini. Hari ini
webinar Eko akan mengangkat tema
analisis permasalahan lingkungan. Dan
perkenalkan saya Dini yang akan bertugas
sebagai moderator pada acara ini. Ee
baik Bapak Ibu semuanya, sebelum kita
mulai webinar pada siang ini, alangkah
baiknya kita berdoa bersama-sama sesuai
dengan agama dan kepercayaan
masing-masing. Untuk itu berdoa
dipersilakan.
Baik, untuk berdoa dicukupkan dan untuk
acara selanjutnya mari kita menyanyikan
lagu Indonesia Raya secara bersama-sama.
Diharapkan kepada Bapak Ibu untuk duduk
tegak.
[Musik]
[Tepuk tangan]
[Musik]
[Tepuk tangan]
[Musik]
Ya. Baik Bapak Ibu semuanya untuk
selanjutnya di sini izinkan saya untuk
mempromosikan tiga pelatihan dalam waktu
dekat ini yang akan diselenggarakan oleh
kami
yaitu yang pertama kami akan mengadakan
pelatihan dan sertifikasi penanggung
jawab pengendalian pencemaran air atau
PPPA pada gelombang 3 yang akan
dilaksanakan pada tanggal 29 September
hingga 3 Oktober 2025. Adapun biaya
investasi pada sertifikat tersebut yaitu
Rp8.500.000.
Kemudian dilanjutkan pada minggu
depannya yaitu di tanggal 6 sampai 8
Oktober 2025. Di sini kami akan
melaksanakan pelatihan penyusunan
laporan pemantauan lingkungan atau
RKLRPL
ee gelombang 4 dan dilanjutkan lagi di
minggu depannya yakni di tanggal 13
hingga 17 Oktober 2025. Di sini kami
akan mengadakan pelatihan penunjang
dokumen AMDAL terkait persetujuan teknis
untuk air limbah gelombang 25. Dan untuk
kedua pelatihan ini apabila Bapak Ibu
melakukan pembayaran di H-1 pelatihan,
Bapak Ibu akan mendapatkan diskon
sebesar 10%.
Dan untuk informasi lebih lanjut dapat
menghubungi admin kami di Riris dan
Nisa. Dan Bapak Ibu juga bisa
mengunjungi sosial media kami yaitu ada
Instagram, YouTube channel, Facebook X
dan juga website resmi kami di
www.ecoedu.co.id
dan juga Bapak Ibu apabila tertarik
langsung untuk mendaftarnya silakan saja
diakses ke pendaftaran.co.id.
Dan selain itu juga kami di sini
terdapat inhouse training yang dapat
dilakukan secara offline maupun online
sesuai dengan permintaan dari instansi
perusahaan Bapak Ibu semuanya. Jadi kami
tunggu di pelatihan
dan baik Bapak Ibu semuanya di sini kita
langsung saja untuk masuk pada kegiatan
utama kita di mana webinar kali ini kita
akan mendiskusikan terkait analisis
permasalahan lingkungan.
Dan tentu saja di sini kami juga telah
menghadirkan narasumber yang sangat
kompeten di bidangnya untuk memberikan
materi dan wawasan yang bermanfaat.
Untuk itu, baik perkenankan saya untuk
memperkenalkan narasumber kita hari ini
yaitu
Bapak Dr. Eng Asep Sofan, STMT. Beliau
merupakan dosen Teknik Lingkungan di
Institut Teknologi Bandung. Dan ee
mungkin saya akan sapa terlebih dahulu.
Selamat siang, Pak Asep. Selamat siang.
Apakah suara saya terdengar?
Iya, terdengar, Pak Asep.
Baik,
ya. Bagaimana, Pak, kabarnya siang hari
ini?
Kabarnya baik, alhamdulillah.
Oke. Iya. Baik, Pak. Kalau gitu mungkin
ee kita langsung saja untuk waktu dan
tempat saya serahkan kepada Pak Asep dan
untuk kepada Bapak, Ibu semuanya selamat
mengikuti acara webinar ini.
Baik.
Ee Bapak, Ibu yang saya hormati.
Ini ee tiba-tiba saja videonya tidak
muncul ya. Ya, tidak apa-apa. Mungkin ee
saya akan
matikan video. Ee Bapak, Ibu yang saya
hormati, ee izinkan saya untuk
menyampaikan
materi pada hari ini. Mungkin saya akan
share screen.
Bagaimana? Apakah sudah full screen?
Iya, sudah, Pak.
Sudah. Ya. Iya. Ee perkenalkan saya Asep
Sofyan, dosen di Teknik Lingkungan ITB.
Pada hari ini saya ditugaskan oleh Eko
Edu untuk memberikan
ee topik analisis permasalahan
lingkungan.
Sekali lagi terima kasih kepada Eko Edu
yang telah mengundang. Mudah-mudahan
pelatihan ini bisa kita manfaatkan untuk
menambah wawasan kita.
Saya akan mulai dengan apa itu
permasalahan lingkungan ya. Jadi
permasalahan lingkungan ini bisa kita
lihat dari sisi filosofis maupun
konseptual.
M masalah lingkungan sebagai
masalah kita sehari-hari ya.
Saat ini sudah banyak perdebatan.
kita harus berpusat kepada
manusia,
kepada lingkungan atau kepada kehidupan
sosial, ya. Nah, ini paradigma yang
terus kita diskusikan sampai saat sampai
saat ini.
Kemudian juga dari sisi paradigma
pembangunan saat ini sudah bergeser dari
pertumbuhan menuju keberlanjutan.
Untuk mengatasi atau menyelesaikan
masalah lingkungan itu memang kita harus
melihat permasalahan lingkungan dari
berbagai
aspek ya.
Yang pertama dari aspek geofisik
kita ketika melihat masalah pencemaran,
degradasi ekosistem, perubahan iklim.
Mau tidak mau kita sebagai orang
lingkungan harus memahami
apa saja parameter fisika, kimia,
biologi yang terlibat di dalam
pencemaran.
Mengapa pencemaran itu terjadi? Apa saja
variabel fisik, kimia, biologi yang
terlibat? Ya, demikian juga untuk
degradasi ekosistem maupun perubahan
iklim.
Kemudian juga kita sebagai ahli
lingkungan perlu melihat dari sisi
teknologi pengendalian lingkungan ya,
bagaimana dari aspek energi ya, sumber
daya ataupun limbah yang dihasilkan
ini menjadi penting
bukan hanya satu aspek saja misalnya
aspek limbah saja itu sekarang sudah
tidak berlaku, ya.
Artinya untuk
memahami suatu masalah lingkungan yang
menghasilkan limbah, kita harus melihat
ke hulunya ya. ee efisiensi sumber daya
ada produksi bersih, life cycle
assessment ya itu adalah contoh-contoh
aspek yang melihat dari hulu sampai ke
hilir.
Saat ini juga kita perlu melihat dari
aspek ekonomi.
Bagaimana masalah lingkungan ini apakah
masih dilihat sebagai faktor luar atau
eksternal ya. maka kita harus berusaha
untuk menjadi internal, faktor internal
menjadi faktor produksi ya dari
eksternal menuju internal. Kita juga
perlu melihatnya dari sisi ekonomi
secara makro ya. Bagaimana green ekonomi
ini harus diterapkan baik di lingkungan
yang kecil maupun lingkungan yang besar
misalnya dalam sebuah negara ya.
termasuk juga sirkular ekonomi.
Bagaimana ekonomi
dari limbah yang kita hasilkan kita
hitung juga kemudian kita masukkan lagi
ke dalam siklus
ee bahan baku ya.
Itu kira-kira ee
masalah-masalah yang muncul dan harus
kita lihat dari berbagai perspektif ya.
Selain itu juga dari perspektif sosial
bagaimana masalah lingkungan kita lihat
dari aspek keadilan sosial, konflik
sumber daya, kesehatan masyarakat. Nah,
jadi kalau kita lihat memang seorang
ahli lingkungan ini tidak cukup dia
hanya tahu biofisik ya, dia juga harus
tahu biofisik, teknologi, ekonomi,
sosial. itu adalah konsekuensi menjadi
seorang ahli lingkungan.
Nah, saat ini masalah lingkungan ini
sudah sangat kompleks ya.
Dan ciri-ciri dari kompleksitas yang ada
itu pertama sudah tidak nonlinear lagi
hubungannya ya.
Jadi kalau misalnya kita membuang sampah
ke sungai,
maka akan terjadi banjir misalnya ya.
Nah, itu tidak hanya banjir. Ternyata
ketika ketika kita membuang sampah ke
sungai di sana ada juga pencemaran
sungai, ada juga kerusakan ekosistem.
Jadi tidak bisa kita anggap semua
permasalahan ini linier
tapi
ee tidak linear ya. Kebalikan dari
linier atau lurus menjadi tidak linear
atau tidak lurus.
Nah, di sinilah nanti kita kembangkan
satu metode misalnya sistem dinamik ya
atau dinamika sistem untuk
mengantisipasi
nonlinearitas ini.
Kemudian juga saat ini banyak
ketidakpastian ya di dalam ya contoh
misalnya perubahan iklim. Perubahan
iklim variabelnya sangat banyak, banyak
ketidakpastian
sehingga solusinya ahli-ahli lingkungan
mengembangkan banyak modeling dan juga
artificial intelligence ya atau AI untuk
mengurangi ketidakpastian itu
termasuk juga keterkaitan multiskala ya.
Multiskala ini juga dikembangkan oleh
ahli-ahli lingkungan dengan berbagai
metode. Mulai yang paling sederhana
misalnya multikriteria analisis ya
sampai
ee metode yang paling terkini misalnya
menggunakan deep learning. Nah, demikian
juga
untuk antar faktor lokal dan global ya.
Nah, ini lebih kepada hubungan
internasional ya, bagaimana ee kerja
sama kita ini tidak hanya bisa di
ee selesaikan secara lokal, tapi juga
harus diselesaikan secara internasional.
Nah, sebagai kesimpulan
kita perlu melakukan klasifikasi ya
masalah lingkungan itu mulai dari skala
ruang ini masalahnya mikro, meso, makro
atau global ya. Artinya sekarang di
dalam mengatasi masalah lingkungan ini
tidak bisa kita menggunakan satu
pendekatan ya. Jadi untuk masalah yang
mikro solusinya mungkin berhasil. Untuk
masalah meso misalnya untuk satu
provinsi, kalau mikro misalnya satu kota
ya, meso satu provinsi belum tentu
berhasil. Demikian juga untuk makro di
level negara dan juga global di level
apa di level antarnegara.
Demikian juga apa yang berhasil di level
makro misalnya di suatu konsep negara di
level lokal belum tentu. Nah, jadi di
sini
ee kompleksitas itu juga ee muncul
ketika ada perbedaan skala ruang ya.
ee kita tidak boleh menyamakan karena di
level makro misalnya berhasil, maka di
level mikro pasti berhasil juga. Itu
belum tentu ya. Demikian juga untuk ee
dimensi waktu.
Suatu persoalan yang bisa diselesaikan
dalam jangka pendek belum tentu
sukses ya untuk permasalahan di jangka
panjang. Walaupun masalahnya sama,
misalnya pengendalian sampah. Nah,
pengendalian sampah ini untuk waktu 1
bulan, 1 tahun, 5 tahun, 10 tahun. Nah,
itu kita harus kelompokkan ya
berdasarkan dimensi waktu karena
memiliki karakteristik yang
berbeda-beda.
Demikian juga untuk media ya, belum
tentu untuk media satu berlaku untuk
media lainnya. Demikian juga untuk
dampaknya ya. Nah, jadi di sini ee kita
bisa menggunakan berbagai klasifikasi
ini untuk mengetahui
apakah solusi kita ini tepat ya dari
sisi ruang dan waktu.
Nah, untuk mengklasifikasikan
permasalahan itu banyak sekali kerangka
sistemik yang
ada saat ini ya. Dan untuk menyelesaikan
sebuah permasalahan lingkungan ini, kita
harus mengawalinya dengan kerangka
sistemik.
Itu tidak bisa ditawar-tawar lagi, ya.
Ee di sini saya hanya memperkenalkan
tiga kerangka yang paling umum
digunakan. Padahal ini banyak sekali ya
kerangka sistemik ini banyak sekali tapi
kita coba bahas tiga saja dulu.
Yang pertama adalah DPS, kedua SES, yang
ketiga planetary boundaries. Kita mulai
dengan DPSI. Jadi DPS ini
untuk melihat tadi dari sisi ruang dan
waktu ya. Jadi apa menyebabkan apa?
Misalnya tadi masalah sampah ya. Nah
masalah sampah ini kita harus tulis di
sini
sampahnya itu sampah dari mana?
Karena sampah domestik ya dari rumah
tangga dengan sampah dari pasar atau
sampah dari industri itu memiliki
karakteristik yang berbeda. Jadi driving
force ini adalah sumber ya sumber dari
permasalahan itu. aktivitas manusia yang
menyebabkan
pencemaran itu kita harus definisikan
dan nanti menekan ke lingkungannya itu
dalam bentuk apa gitu ya. Apakah dia
berupa pencemaran atau dia berupa
kerusakan
atau dia mengganggu sistem ekologi. Nah,
ini juga harus kita definisikan.
Sedangkan state adalah angka-angka yang
kita ukur ya.
Misalnya kalau pencemaran sungai, nilai
BOD, nilai COD. Jadi state atau status
ini harus dalam bentuk angka, hasil
pengukuran. Nah, dari angka inilah kita
bisa melihat korelasinya dengan
dampak-dampak yang terjadi ya. Mulai
dari dampak kesehatan, ekosistem,
terhadap dampak lainnya. Nah, di sinilah
kita menemukan satu kebijakan ya dalam
bentuk respon. Dan respon ini kita
lakukan untuk semua komponen.
Respon untuk menekan
sumber,
respon untuk mengendalikan tekanan
terhadap lingkungan, respon untuk
menjamin agar nilai-nilai status ini
tetap ada dan juga respon untuk
mengendalikan dampak.
Jadi dengan DPS ini
misalnya untuk menangani sampah ya.
Sampah ini kita bisa banyak sekali
membuat rekomendasi
menangani sampah dari sumbernya.
Maka sumber harus memilah ya
terhadap tekanan ya. Berarti volume yang
dibuang kepada lingkungan ini harus
dikurangi.
Kemudian
status angka-angka
ya. Apakah ada angka jumlah sampah yang
dibuang ke sungai? Kalau tidak ada
angkanya kita sulit menghitung dampaknya
ya secara kuantitatif.
Nah, jadi kita perlu juga memikirkan
bagaimana kita melakukan pemantauan atau
sampling atau pengukuran ya untuk
mendapatkan
status. Nah, saat ini pemerintah sudah
menetapkan ya untuk status ada IKLH,
ada indeks-indeks apapun itu ya. Nah,
itu dalam rangka untuk mengetahui dampak
ya. Jadi kalau statusnya tidak ada
angkanya, dampaknya juga sulit. Nah,
nanti bagaimana untuk mengendalikan
dampak? Jadi kita dengan skema ini bisa
membuat banyak sekali rekomendasi. Ini
merupakan metode yang paling sederhana
di dalam menyelesaikan permasalahan
lingkungan.
Bagaimana untuk masalah lingkungan yang
terkait sosial dan ee manusia ya? Nah,
berarti di sini kita harus membuat
indikator-indikator yang menghubungkan
antara sistem lingkungan dengan sistem
sosial, ya. Misalnya di sini ada ee jasa
ekosistem, ya. Nah, jasa ekosistem itu
kan mengkonversi antara sistem
lingkungan yang menghasilkan ekosistem
kemudian dikonversi kepada kebutuhan
manusia. kira-kira seperti apa jasa
lingkungan. Nah, artinya di dalam
membahas jasa lingkungan kita tidak
memperhatikan
bagaimana lingkungan terhadap lingkungan
itu sendiri ya atau lingkungan itu
terhadap sistem yang lain, tapi kita
lebih fokus kepada bagaimana lingkungan
itu bermanfaat untuk manusia. Nah,
kemudian juga dari manusia kepada
ekologi ini seperti apa ya?
artinya perilaku-perilaku manusia baik
itu manajemen ataupun ee partisipasi
masyarakat yang harus
dimasukkan ke dalam sistem ekologi itu
seperti apa. Nah, jadi
kesepakatan-kesepakatan ini yang
kira-kira harus kita kembangkan
sehingga problem lingkungan dan sosial
ini menjadi bisa diselesaikan.
Berbeda dengan yang tadi ya. Kalau ini,
ini lebih kepada
ee
hubungan sebab akibat ya, hubungan sebab
akibat dari sebuah permasalahan dalam
bentuk DPS. Kalau ini lebih kepada
korelasi timbal balik ya antara ekologi
dan sosial.
Kemudian ada juga planetary boundaries.
Jadi ini untuk masalah-masalah global.
kita bisa gunakan skema
ee menggunakan planetary boundaries.
Contoh misalnya di sini ya, ada
penelitian yang dilakukan oleh
Richardson tahun 2023 yang menghitung
kalau yang hijau ini artinya inilah
batas batas bumi ya, batas kemampuan
bumi. Nah, tapi di sini misalnya untuk
climate change ini, CO2
concentration-nya ini udah melebihi.
Demikian juga radioactive forcing-nya
ya. Apalagi untuk genetik ini paling
kita sudah paling rusak ya ee di antara
variabel-variabel lainnya.
Nah, jadi kita menggunakan boundary dari
planet kita ini sebagai ee batasan atau
sebagai titik tolak analisis. Nah,
demikian juga ada ee sebuah lembaga
riset ya, Global Footprint Network yang
dia
menghitung kalau kehidupan kita.
Contoh misalnya di sini, jika kehidupan
seluruh penduduk bumi ini sama dengan
orang Amerika ya, maka kita butuh lima
kali ya, sekitar lima kali bumi begitu
untuk bisa ee melayani
ee kebutuhan
ee rakyat Amerika.
Artinya dengan pola konsumsinya yang
sangat tinggi itu kita butuh sampai lima
kali bumi. Kan tidak mungkin juga bumi
ini ada lima ya. Nah, jadi kita
menggunakan planetary boundaries ini
sebagai kerangka kerangka acuan kita
menganalisis.
Nah, apa saja pendekatan analisis
dari berbagai permasalahan itu? Ya,
tentunya kita awali dengan pendekatan
kualitatif ya
seperti ee analisis kebijakan, studi
etnografi, kajian historis,
kajian persepsi masyarakat, nilai
budaya, dimensi etika, itu kita sebut
sebagai pendekatan kualitatif.
Kita juga bisa melakukan secara
pendekatan kuantitatif ya. ini yang
biasanya dilakukan oleh ee
mahasiswa-mahasiswa di kampus ya,
khususnya kampus ilmu lingkungan dan
teknik lingkungan
yaitu pendekatan kuantitatif mulai dari
pengukuran parameter fisik dan kimia,
pemodelan matematis dan komputional,
analisis statistik, spasial, temporal.
Nah, bisa juga kita melakukan pendekatan
campuran ya antara kualitatif dan
kuantitatif.
kita akan bahas lebih detail ya. Untuk
pendekatan kualitatif biasanya untuk
analisis kebijakan,
kemudian juga untuk etnografi ya
menggali praktik budaya dan sosial dalam
pengelolaan sumber daya alam. Kemudian
juga kita bisa melakukan analisis
persepsi publik. Nah, analisis
kualitatif ini sangat penting ya di
dalam analisis lingkungan tentunya ee
dilakukan oleh yang ahli apakah ahli
sosial, ahli antropologi, dan berbagai
ahli lain ya yang paham tentang atau di
sini kalau kebijakan berarti ahli hukum
ya ee yang memang paham terhadap ee
terminologi-terminologi
ee hukum
sosial, antropologi dan sebagainya.
Nah, pendekatan berikutnya adalah
kuantitatif ya, yaitu mengukur tadi
monitoring, statistik ya, pemodelan
matematis.
Yang ketiga, ya ini yang sebaiknya kita
lakukan yaitu adanya mix method ya atau
campuran kualitatif dengan kuantitatif
ini tidak bisa dipisahkan. Kita harus
gabung.
Jadi selain kita ukur ya di sini kita
ukur misalnya sungai
ee COD BOD-nya kita ukur, kita juga
lakukan wawancara dengan masyarakat.
Nah, ini hasilnya akan lebih baik ketika
kuantitatif dan kualitatif ini kita
gabung. Demikian juga misalnya dalam
participatory mapping ya, warga diajak
memetakkan daerah rawan banjir. Di sini
kita gabungkan antara pendekatan
kualitatif ya karena mengajak warga dan
spasial karena di sini membuat peta.
Kemudian dibandingkan dengan data curah
hujan dan ketinggian tanah ini merupakan
kuantitatif. Jadi di sini contoh
gabungan antara kualitatif spasial
apa? Kualitatif spasial dengan
kuantitatif ya itu digabung.
Demikian juga ada nama ada istilahnya
citizen science ya. Warga menjadi bagian
dari proses pengumpulan data.
misalnya ee masyarakat aktif ya untuk
mengumpulkan data, kemudian mengolah,
membuat komunitas diskusi itu juga
menjadi pendekatan campuran bagaimana
kualitatif dari pendapat warga digabung
dengan data kuantitatif hasil
pengukuran. ini juga menjadi metode yang
sangat populer ya akhir-akhir ini.
Nah, itu tadi adalah pendekatan
pendekatan yang intinya adalah ee
kuantitatif, kualitatif, dan gabungan.
Nah, bagaimana metode metodologi ya
ketika kita apakah melakukan kualitatif,
kuantitatif atau gabungan itu kita
bedakan menjadi beberapa jenis
metodologi, ya. agar kita bisa
ee memahami semua metodologi yang ada.
Yang pertama adalah metodologi survei
dan sampling. Ini adalah metode yang
paling klasik ya, yang dari dulu sudah
kita lakukan tapi masih sangat penting
sampai sekarang. Karena tanpa survei dan
sampling ini kita kehilangan data
primer, data yang menjadi rujukan utama.
bisa kita lakukan sampling
dan monitoring lapangan, survei sosial
ekonomi atau analisis laboratorium.
Yang berikutnya adalah metodologi
analisis data. Biasanya kita gunakan
statistik baik deskriptif maupun
inferensial.
Kita juga lakukan analisis multivariat
dan time series serta analisis spasial
ya.
Kemudian kita juga kadang-kadang
melakukan evaluasi ya. Jadi tidak
sekedar analisis data, tapi evaluasi.
Tentu evaluasi ini lebih luas ya dari
sekedar analisis data. Di sana ada
pendekatan kualitatifnya, ada
kuantitatifnya, kemudian ada spasialnya
juga yang dikemas menjadi sebuah produk
analisis atau produk evaluasi.
Sebagai contoh
ada life cycle assessment atau LCA ya
untuk melihat daur hidup dari sebuah
produk atau jasa di dalam ee lingkungan
ya mulai dari raw material, bahan baku,
proses sampai limbah ya itu kita lihat
siklus hidupnya. Kemudian AMDAL. AMDAL
ini sudah banyak Bapak Ibu yang familiar
ya. itu juga menjadi salah satu
metodologi evaluasi khususnya untuk
proyek. Nah, sedangkan untuk kebijakan
itu KLHS ya. Nah, KLHs itu untuk
kebijakan ee kalau AMDAL untuk proyek,
KLHs untuk kebijakan. Kemudian di sini
juga ada risk assessment ya, bagaimana
kita melihat risiko kesehatan atau
ekosistem dari sebuah kegiatan. Kita
juga bisa menghitung menggunakan CBA.
cost benefit analysis atau MCDA
multieria decision analysis untuk
membantu pengambilan keputusan dengan
biaya manfaat atau banyak kriteria.
KLHS tadi sudah kita bahas ya sebagai
ee pengembangan dari AMDAL khususnya
untuk kebijakan
dan juga untuk ee analisis tata ruang di
RTRW ya yang sifatnya lebih luas dari
AMDAL kabupaten, provinsi seperti itu.
Kemudian ada juga studi lain, contoh
misalnya S ya, Social Impact Assessment
atau ESV
Service Valuation atau valuasi
lingkungan. Ini juga ee penting ya untuk
dipahami oleh kita ee di dalam
menganalisis ee untuk tujuan evaluasi.
Nah, kemudian ada juga metodologi
pemodelan. ini lebih kepada prediksi ya,
prediksi melihat korelasi dan juga
melihat ee rekomendasi skenario yang
bisa kita lakukan mulai dari pemodelan
ekologi, kemudian sistem dinamis ya dan
juga ee lainnya. Kemudian yang terakhir
nomor 5 ini kita anggap sebagai
metodologi modern karena baru berkembang
sekitar tahun 2020 ya ee
ya ada juga yang berkembang dari tahun
90-an tapi ee sangat pesat
ee ketika
ee masuk ke tahun 2010-2020.
di antaranya adalah
eh multi apa? Remote sensing, multiskala
ya. Kemudian ada big data internet of
things. Eh internet of sing ini sensor
ya, kita gunakan sensor. Kemudian data
sensor dalam bentuk big data. Artinya ee
basis data yang sangat besar.
Kemudian ada machine learning, deep
learning ya. Kemudian ada digital twin
lingkungan. Kita akan bahas semua metode
ini satu-satu ya, mulai dari metode
sampling dan survei. Saya tidak perlu
jelaskan panjang lebar karena ini sudah
diketahui oleh Bapak Ibu tentang
sampling dan survei. Kemudian juga untuk
analisis data ini juga sudah banyak
digunakan
oleh kita ya sehari-hari dalam analisis
data mulai dari ee statistik
ini ya ee statistik deskriptif
untuk merangkum dan menggambarkan data
apa data apa adanya. Kemudian statistik
inferensial untuk membuat generalisasi
atau kesimpulan tentang populasi
berdasarkan sampel dan menganalisis
hubungan kompleks antar banyak variabel
secara simultan. untuk analisis
multivaribel
statistika deskriptif ya kita tahu ya
membuat grafik, diagram, tabulasi,
kemudian ee nanti kita hitung nilai
rata-ratanya, penyebaran ini masuk ke
dalam statistika deskriptif. Nah, tapi
kalau kita sudah ingin mengetahui
signifikansi rata-rata
ya dari data pemantauan ini kita sebut
sebagai statistika inferensi.
Ini adalah metode-metode statistik yang
sudah sering kita gunakan ya. Eh, metode
evaluasi tadi kita sudah bahas ya, ada
LCA, ada AMDAL, risk assessment, cost
benefit analisis, kemudian multiiteria
analisis, eh KLHs,
social impact assessment, dancistem
service valuasi atau valuasi ekonomi.
Kemudian untuk pemodelan ini juga sudah
banyak digunakan ya oleh Bapak Ibu dalam
analisis lingkungan. Mungkin kita akan
bahas contoh-contohnya.
Untuk pemodelan ini kita menggabungkan
berbagai data. Kita gunakan software
untuk menganalisis
misalnya penyebaran pencemaran udara,
pencemaran air, pencemaran tanah. Ini
kita bisa gunakan berbagai model.
Kemudian juga ada namanya dinamika
system ya. Jadi kita buat ee
permasalahan lingkungan itu menjadi
hubungan sebab akibat atau kita sebut
sebagai kau salal diagram dan kemudian
kita simulasikan ya bisa menggunakan
fans SIM, stella, power SIM.
ini merupakan ee pemodelan
untuk ee
khususnya bukan untuk variabel-variabel
fisik ya. Kalau fisik tadi media udara,
air, tanah biasanya kita gunakan
pemodelan fisik yang contohnya yang ee
tadi sudah kita bahas ya. Ya, ini
khususnya pemodelan kuantitatif yang
berbentuk fisik. Tapi kalau misalnya
kuantitatif tapi berbentuk nonfisik ya,
misalnya hubungan sosial, hubungan
ekonomi,
hubungan lingkungan juga bisa. Tapi
pasti ini kompleks ya, tidak hanya
menggunakan data-data fisik lingkungan
saja. Biasanya digabung antara data
fisik lingkungan dengan data sosial
misalnya pertumbuhan penduduk ya, nilai
ee apa angka kelahiran, kematian,
begitu. dan juga data ekonomi ya
misalnya manfaat ekonomi penjualan
produk dari ee bahan baku ataupun
bagaimana biaya limbah itu itu cocok ya
untuk kita gunakan dinamika sistem.
Kalau misalnya problemnya menyangkut ee
spasial ya, kita juga bisa gunakan
software GIS untuk melakukan model
dinamika spasial. Misalnya sebuah daerah
kita ingin lihat skenarionya
ya. Contoh misalnya ada sebuah kota baru
ya, ibu kota ee negara IKN. Nah, IKN ini
kita ingin lihat nanti 10 tahun lagi IKN
akan seperti apa perkembangannya
misalnya ya, kita bisa modelkan atau
sebuah kota apapun ya kita bisa lihat
perkembangan kotanya akan sejauh mana.
Karena menyangkut spasial maka
dinamikanya kita sebut dinamika spasial
atau spatial dynamics.
Nah, ada juga agen based modeling ya.
Nah, jadi modeling ini banyak sekali
jenisnya. Bisa fisik, bisa sosial. Tadi
mengguna bisa ee spasial ya, ada sosial
spasial. Nah, kalau ini lebih ke
interaksi manusia. Jadi kalau misalnya
kita ingin fokus kepada interaksi
manusia, kita sebut sebagai agen based
modeling atau ABM. Jadi kita petakan
dulu relasi dari manusia yang ada di
situ ya. ee kita buat sebagai model
bagaimana interaksi mereka. Bisa saja
interaksi ini kemudian kita overlay ya
dengan ee data-data lain misalnya data
tata guna lahan, tutupan lahan. Jadi eh
agen based modeling ini kemudian kita
kalau kita gabung dengan spasial
modeling itu bisa ya. Ya, tentu agen
base model ini bisa dipakai untuk apa
saja ya, bukan hanya untuk ee spasial,
bisa juga untuk ee pendekatan-pendekatan
yang lain.
Kemudian
kita masuk ke dalam metodologi terkini
ya. ya, yang sekarang sedang populer.
Kalau yang tadi mungkin ee Bapak Ibu
sudah tahu dan sudah pakai ya karena
metode-metode tadi itu sudah
dikembangkan dari sejak tahun 0-an dan
terus berkembang sampai sekarang. Nah,
tapi dari tahun 2000-an
itu ee kita sebut saja sebagai
metodologi terkini.
Yang pertama adalah remote sensing dan
GIS. Jadi, remote sensing dan GIS ini
menggabungkan ya berbagai data baik itu
data
ee monitoring di darat ya, misalnya
leidar atau drone begitu dengan data
satelit. Nah, kemudian kita modelkan
untuk memprediksi apakah di sebuah
wilayah itu contoh ya di gambar ini di
sana terjadi kebakaran atau tidak. Jadi
antara data satelit kemudian data
pemantauan di darat ya itu digabung,
dianalisis sehingga menghasilkan sebuah
ee analisis, sebuah hasil ya, hasil
interpretasi
kita sebut sebagai remote sensing dan
GIS. Nah, ada juga big data dan internet
of things. Jadi, contoh di sini ada
ee danau ya yang dipasangi banyak sekali
sensor. Jadi, data titik-titik ini
adalah data sensor ya ee data monitoring
real time. Nah, sedangkan data yang
garis-garis hijau ini adalah data
modeling.
Jadi di sini modeling digabung dengan ee
sensor
menjadi sebuah big data dan IoT.
Tentunya ini bisa diaplikasikan untuk
untuk semua media ya ee baik udara,
tanah ataupun media lainnya. ee
ini contohnya untuk media air.
Kemudian juga ada artificial
intelligence ya atau kecerdasan buatan.
ee ini akan kita bahas secara mendalam
ya untuk ee kecerdasan buatan ini. Jadi
kecerdasan buatan ini atau artificial
intelligence ya itu
ee berusaha
komputer untuk membuat keputusan
sendiri. Jadi dalam bahasa mudahnya
disuruh mereka untuk berpikir. Tapi
sebetulnya mereka tidak berpikir seperti
kita ya. mereka pasti disuruh melakukan
sesuatu dan berulang-ulang begitu. Ee
tetapi dari sisi hasil sepertinya tuh
mereka berpikir begitu. Nah, ee
jadi
bahasa
atau kecerdasan buatan yang paling
awal ya kita sebut sebagai cognitive
computing ya. Cognitive computing ini
adalah bagaimana komputer yang asalnya
hanya menghitung dia membuat ee decision
making ya, keputusan begitu.
Nah, kemudian juga
ee diberi suplly bahasa manusia ya,
bahasa manusia karena ee kita ingin
ee
logika-logika yang biasanya mereka hanya
menggunakan angka, menggunakan data.
Nah, sekarang menggunakan bahasa. Contoh
misalnya
bagaimana mereka menafsirkan ya ketika
ada satu bahasa manusia misalnya saya
pergi ke sekolah gitu ya. Nah ini kan
tidak ada data input berupa angka, data
input berupa ee data-data yang biasa
komputer hitung ya. Ini adalah sebuah
kalimat. Nah, sehingga saya di sana
diinterpretasikan
oleh komputer ya sebagai subjek.
Kemudian tata bahasanya dimasukkan ke
dalam logika-logika komputer. Berikut
juga arti dari setiap ee kalimat. Nah,
bagaimana komputer bisa mengerti kata
pergi misalnya ya. Nah, pergi ini
diterjemahkan. Artinya kalau manusia
mudah ya memahami ya pergi tinggal
pindah dari satu tempat ke tempat lain
gitu. Tapi bagaimana komputer memahami
pergi ee adalah berangkat dari satu
titik ke titik yang lain. Nah, ini
adalah inti dari natural language
processing atau NLP. Bagaimana ee
data training ya. data training itu
adalah data
ee bahasa manusia itu dikumpulkan.
Nah, kemudian dibuat ee dalam sebuah
hubungan sebab akibat yang akhirnya
dimasukkan ke dalam ee algoritma
komputer.
Yang
NLP yang paling modern saat ini misalnya
CGPT ya. CGPT itu kita beri perintah dia
mengerti perintah kita ya.
Jadi ini ee sudah sangat maju NLP ini
termasuk juga robotics. Robotics dia
bisa mengambil kesimpulan sendiri.
Contoh misalnya ketika dia mengelas ya,
mengelas ee di pabrik mobil ada robot
yang mengelas itu dia ee pertama dia
bisa menentukan titik di mana dia harus
mengelas ya, kapan harus mulai, kapan
harus berhenti. Nah, itu dia lakukan
secara otomatis.
Nah, kemudian terkait dengan
ee bidang kita, bidang lingkungan ya ee
kita lebih fokus ke machine learning.
Jadi machine learning ini adalah bagian
dari kecerdasan buatan atau artificial
intelligence yang mengolah data secara
repetisi ya, secara berulang-ulang.
Misalnya ada di sini ee
pengklasifikasian
image ya. Ee jadi dia bisa membaca, dia
bisa membedakan antara gambar kucing dan
harimau misalnya ya. Nah, itu harus
dilatih dilatih dengan ee disebut dengan
data training. Kemudian juga ada SDMs ya
di sini speciies distribution model.
Ada juga ABMs ya di sini ABMs agent
based. Nah, jadi pada dasarnya
artificial intelligence ini pengembangan
dari metode-metode sebelumnya.
Contoh di dalam ee pembahasan kita
sebelumnya, kita mengenal ada yang
disebut dengan agen atau agen base
modeling. Nah, agent baseding ini
kemudian karena dia terlalu kompleks,
orangnya sampai ribuan atau bahkan
jutaan penduduk yang ingin kita
analisis, maka
kita masukkan ke dalam machine learning
ya.
Jadi pada dasarnya machine learning ini
adalah kita melatih
komputer agar dia bisa melihat pola yang
ee kita berikan. Nah, lebih jauh dari
machine learning adalah neural network.
Artinya dia hubungannya tidak hanya
linier tapi multi multilineer ya. atau
juga lebih jauh lagi deep learning ini
lebih kompleks lagi.
Nah, kita akan bahas satu-satu ya.
Contoh di sini perbedaan antara machine
learning, neural network dan deep
learning. Jadi kalau kita lihat machine
learning ini awal ya, awalnya ada AI itu
ee
jadi machine learning ini.
Oke ya. Ini ada
yang minta remote,
maaf jadi keganggu ya. Ya, jadi machine
learning ini awal-awal AI dikembangkan
ya. Jadi dia lebih ee mempelajari pola
dari data training. Nanti kita akan
jelaskan lebih detail, ya. Nah, kemudian
dikembangkan lagi
lebih kompleks lagi disebut dengan
neural network dan dikembangkan lebih
ee kompleks lagi menjadi deep learning.
Tapi kira-kira pendekatannya mirip ya.
Nah,
kita mulai dari machine learning. Jadi
machine learning ini kita kumpulkan data
ya.
Kemudian
kita pisahkan data tersebut, kita latih
model, evalua hasil, dan gunakan model.
Nah,
di sini ada
ee mungkin saya masuk dulu ke sini, ya.
Jadi,
ini adalah contoh machine learning.
Di sini ada data
yang sudah kita beri label ya.
Data yang sudah kita beri label dan kita
sebutkan labelnya itu ini.
Maka kita training kemudian kita tes.
Kita tes dia berhasil ya bahwa kalau
diberi gambar ini dia square begitu ya.
Dia dia langsung bisa jawab diberi ini
dia disebut triangle. Nah,
ya datanya bisa macam-macam ya, misalnya
curah hujan, elevasi. Ini tentu datanya
data numerik. Curah hujan kan pasti ada
0 1 2 3 sampai 500 misalnya ya. Elevasi
angka numerik juga tutupan lahan. Nanti
kita beri ee misalnya tutupan lahan satu
ini untuk hutan, dua untuk apa. Jadi
semuanya numerik ya.
Nah, kemudian
ee kita diberi
ee
label begitu ya untuk setiap data-data
ini. Nah, karena dia diberi label maka
ada plus minus di sini ya. Mungkin maaf
saya balik lagi ke sini.
Jadi
ee untuk
yang slide yang
plus minus.
Oke, itu ada di akhir ya. Jadi ee
kalau dia pakai label itu tentunya
datanya harus ada manusia yang memberi
label ya. Nah, jadi ini datanya kita
sebut sebagai data yang mahal.
Itu adalah pengertian dari
supervised learning ya. Jadi datanya
sudah berlaber. Kalau banjir adalah
satu, tidak banjir adalah nol. Jadi dia
ee ada interaksi antar
ee tiga variabel tadi misalnya curah
hujan, ketinggian, dan juga
apa tadi ya contohnya misalnya di sini.
Nah, ini tutupan lahan ya. Jadi ada tiga
data curah hujan, elevasi, tutupan
lahan. Nah, kalau curah hujannya lebih
dari sekian tapi elevasinya sekian dan
tutupan lahannya sekian, maka dia
banjir. Kalau curah hujannya sekian,
elevan. Jadi ada ee variasi-variasi yang
kita masukkan ke dalam program ya. Dan
kita beri variasi itu adalah banjir.
Kita beri variasi tidak banjir. Tentu
variasi-variasi ini tidak bisa kita
masukkan semua begitu ya. ee tapi dia
disuruh baca begitu, dia disuruh mikir
sendiri gitu, disuruh ee sehingga
akhirnya dia bisa membuat kriteria
sendiri
kapan suatu kondisi disebut banjir dan
kapan suatu kondisi disebut tidak
banjir. Hanya kita menggunakan kriteria.
Nah, karena kita sudah memberikan kunci
jawabannya kira-kira ya, ini adalah
banjir, inilah tidak banjir, kita sebut
sebagai supervised learning.
Nah,
karena data-data ini sangat banyak dan
manusia tidak punya waktu ya untuk
memberi label satu-satu, kemudian
dikembangkan
satu
model lain ya, yaitu unsupervised
learning. Nah, unsupervised learning ini
kalau datanya tidak punya label.
Jadi ee datanya contohnya curah hujan,
kemiringan lahan, jenis tanah
tidak punya label ya. Nah, di sinilah
pentingnya ada algoritma yang dipakai
ya.
Bagi Bapak Ibu yang ingin mendalami
tentang machine learning ini tentunya ee
perlu mempelajari
apa arti K means clustering hierarchical
clustering atau principal component
analisis ini tuh seperti apa
algoritmanya memang di dalam aplikasinya
sudah ada kita tinggal download
ee algoritma ini sudah ada tapi kalau
ingin paham dalamnya ya tentu kita harus
pelajari ee dari dasar ya. Nah, apakah
kita hanya pakai saja atau kita mau
pelajari dari dasar itu balik lagi
kepada ee tujuan kita mempelajari
machine learning. Tapi bedanya dari
supervise itu untuk unsupervised itu dia
tidak punya label. Nah, bagaimana cara
dia belajar? ya. Nah, itu kuncinya ada
di algoritma ini.
Jadi, dia contoh misalnya ya untuk
klasifikasi sungai
ee dia bisa membaca sendiri mana
kategori sangat tercemar, sedang atau
bersih ya dari sini walaupun kita tidak
beri label seperti tadi ya. Jadi,
unsupervised learning ini tidak kita
beri label, kekuatannya ada di
algoritma.
Kemudian yang ketiga
kita sebut sebagai reinforcement
learning. Jadi, reinforcement learning
itu eh mirip ya dengan mungkin saya
balik lagi ke atas milik dengan super
unsupervised learning ya, tapi dia lebih
kompleks datanya lebih banyak,
variabelnya lebih banyak jadi ee
harus melakukan trial and error ya. Nah,
kita beri kriteria-kriteria.
Ada reward, ada penalti di sini ya. Ada
reward, ada penalti. Begitu di dalam ee
algoritmanya.
Nah, akhirnya dia bisa mengeluarkan
contoh di dalam bidang lingkungan
misalnya optimasi energi terbarukan, ya.
Nah, berarti kita beri data input yang
sangat banyak di sini. Kemudian ee
algoritmanya akan belajar kapan harus
menyimpan atau kapan harus melepas
energi. Misalnya dalam manajemen sumber
daya air ya, bagaimana sebuah bendungan
ini harus dilepas atau ditahan ya.
Bendungan kan mengeluarkan air ya. Nah,
itu bendungannya harus mengeluarkan
kapan?
Ee jadi
berbagai otomatisasi yang kita temukan
saat ini ya. Misalnya
ee mobil yang bisa bergerak sendiri dia
kan melihat sensor ya. Nah sebelum mobil
itu bisa dioperasionalkan di jalan
itu melalui data training dulu.
Jadi ada orang yang menyetir
kemudian perilaku menyetir itu
masuk ke dalam basis data ee mobil itu.
Jadi dia membaca
ee misalnya ketika jalan nanjak dia kan
baca data kemiringan ya. E data
kemiringan dikaitkan dengan gas yang
harus naik begitu kemudian jalan turun.
harus injak rem misalnya ya, kemudian
jalan membelok, setir harus ikut belokan
itu. Nah, data training itu tahunan.
Jadi sebelum produk machine learning ini
dilepas ke konsumen,
sudah dilakukan proses data training
yang sangat lama ya bertahun-tahun itu
di dilakukan oleh ahli AI ya. Jadi ahli
AI mereka programming juga melakukan
data training juga begitu. Nah, itu
bertahun-tahun dan database-nya itu
dijual
ya ee artinya
diperjual belikan.
Nah, karena kalau tidak diperjual
belikan, kebayang ya perusahaan mobil A
baru mulai wah dia
tidak bisa ini ya, tidak bisa mulai dari
nol kan. Nah, jadi ada konsultan atau
perusahaan riset yang memang sengaja
melakukan data training ini untuk
kendaraan. Nah, nanti dia pekerjaannya
memang melakukan data training ya,
membuat algoritma. Nah, kemudian dia
jual sebagai
ee produk dari
ee jasa konsultan dia itu dan dibeli
oleh banyak pabrik mobil begitu.
Tapi ada juga pabrik mobil yang dia
melakukan riset sendiri ya. Tentu kalau
dia punya dana yang besar ya dana riset
yang besar dia melakukan sendiri.
Namun kebanyakan dia ee membeli data
dari
ee konsultan yang ee bergerak di bidang
data training ini tentunya bukan hanya
untuk
ee data
mobil ya ee mobil tanpa awak begitu ya
pasti banyak aplikasi-aplikasi lainnya
misalnya untuk ee pesawat terbang begitu
ya. Kemudian kalau di bidang lingkungan
pengenalan
tadi ya hewan. Jadi di hutan itu kan
kita sering pasang kamera tuh pasang
kamera. Si kamera itu dia harus bisa
menebak itu hewan yang lewat itu apakah
kucing atau harimau gitu ya atau musang
atau ayam begitu. Nah, itu itu dilatih
begitu dilatih dulu sampai akhirnya dia
bisa mengenal image ya, image
processing. Nah, itu juga ada konsultan
yang khusus membuat itu sehingga riset
AI ini begitu cepat berkembang karena
memang ada ee konsultan yang menyediakan
data-data
ee dasar ya, data-data basic.
Nah, kemudian nah ini tadi yang saya
sampaikan ya.
Bapak, Ibu tentang
apa kelebihan dan kekurangannya. Tentu
yang supervised learning ini lebih cepat
ya, lebih tapi dia mahal karena harus
dientry oleh manusia ya. Nah, yang
unsupervised ini tidak butuh label ya,
apa lebih murah begitu. Nah, tapi ini
yang buat
ee ininya apa ee algoritmanya yang harus
pintar ya. Nah, termasuk juga
reinforcement learning ini
pasti ee programmernya yang harus
bekerja keras begitu.
Software untuk membuat ini banyak sekali
ya. ini yang paling populer ee Python
bisa R bisa MATLAB. Jadi ee sudah banyak
ee software-software yang ee di pasaran
dan yang gratis juga banyak ya.
Nah, tadi adalah machine learning. Nah,
machine learning ini dia korelasinya
sederhana ya.
Kemudian ada kebutuhan untuk
ee interaksi yang lebih kompleks. Karena
tadi kan contoh masalah lingkungan juga
sangat kompleks ya. Nah, ya masalah di
bidang lain juga misalnya tadi
otomatisasi kendaraan tanpa awak itu
juga dia sangat kompleks begitu.
maka ditirulah jaringan otak manusia ya
ee menjadi sebuah algoritma komputer
di kita sebut sebagai neural network.
Nah, neural network ini ee asalnya kan
kalau machine learning ada input, nanti
output-nya apa gitu. Nah, ini ada
variabel-variabel tambahan di tengah
ya. Jadi contohnya misalnya mm kalau di
sini inputnya
ee pencemar udara tinggi maka tercemar
misalnya ya PM 2,5 lebih dari 55
tercemar. Nah di sini PM 2,5 lebih dari
55 mikrogram/m³. Di sini ada variabel
lain misalnya kelembaban berapa begitu
ya. Nah, karena dengan adanya kelembaban
PM2,5 itu dia akan teraglomerasi.
Mungkin walaupun dia
konsentrasinya lebih kecil, tapi karena
ada aglomerasi
setelah keluar dari sumber di atmosfer
dia teraglomerasi, maka
angka tercemarnya itu lebih besar
kemungkinannya.
Nah, jadi ada variabel-variabel di sini
yang dikembangkan
sehingga input ke output tuh lebih
mendekati kenyataan di lapangan, ya.
Nah, kira-kira begitu. Jadi, di sini ee
hidden variabel ini
beda-beda tiap bidang ya. Bidang udara
sendiri, bidang air sendiri, bidang
tanah sendiri, bidang industri. Misalnya
tadi kendaraan tanpa awak ya sendiri
juga. Jadi dia ee beda-beda. Tapi di
situ ada tambahan variabel yang membuat
input dan output ini menjadi lebih
realistis gitu.
Kemudian
ee
ya algoritma neural NW ini yang saat ini
jadi bidang yang sangat cepat
perkembangannya ya dan bagi kita orang
lingkungan mungkin cukup ee user aja ya
kita pakai aja yang mana begitu. ee
kecuali ya Bapak, Ibu ada yang ingin
mengembangkan masuk ke dalam dunia
programming silakan, tapi kalau tidak ya
kita pakai saja ee sudah ada ee
modul-modulnya ya, baik di Python maupun
di MATLAB begitu.
Ee software-nya
rata-rata yang paling populer ya,
Python, R, Matlab. Nah, ada juga yang
cloud computing ya, misalnya Google
Earth Engine atau cloud platform itu
juga populer sekarang.
Kemudian contohnya ya tadi ya ee si
PM2,5 ini
dikaitkan juga dengan ee
dengan suhu dengan kelembaban. Jadi dia
ada korelasi-korelasi lagi di tengah
begitu ya. Jadi antara input ada
korelasi-korelasi dulu sebelum akhirnya
menghasilkan output.
Itu kira-kira ee pengertian dari neural
network ya. Nah, ternyata mungkin saya
masuk dulu ke gambar ya. Nah, neural
network tadi kita sudah gambarkan dia
ada hidden layer di sini ya. Hidden
layer di sini. dan hidden layer-nya ini
satu aja begitu.
Tapi kemudian dikembangkan jadi banyak
hidden hidden layer-nya itu banyak
sangat kompleks. Nah, ketika kita
menggunakan hidden layer yang banyak itu
istilahnya sudah bergeser dari neural
network menjadi deep learning. Jadi,
deep learning adalah neural network yang
kompleks. Kira-kira begitu. Hidden
layer-nya banyak ya.
Ya, ini adalah pengembangan ee yang
terjadi sekarang ya deep learning ini.
Karena melihat hasil neural network ini
masih ya contoh tadi yang mudah
dibayangkan misalnya ee algoritmanya
neural network ee mobilnya ini masih
sering nabrak misalnya ya. ee artinya
kita ee sedang membuat machine learning
untuk mobil supaya dia bisa jalan
sendiri tanpa sopir. Nah, tapi dia
sering nabrak begitu, sering nabrak.
Nah, ini akhirnya dikembangkan lagi eh
deep learning begitu ya. Nah, jadi
sekarang memang levelnya sudah deep
learning sehingga ee
sebuah kendaraan ya kendaraan ketika dia
ee disuruh parkir sendiri bahkan dari
satu kota ke kota lain itu dia tidak
nabrak, tidak artinya dia sudah pintar
begitu ya. Nah, karena dari neural
network itu dia sudah bergeser ke deep
learning.
Jadi kunci di dalam deep learning ini ya
harus ada hidden layer ini. Hidden layer
ini selain tadi variasi bukan variasi ya
korelasi-korelasi antar variabelnya juga
di sana ada bobot ya ada bobot-bobot
yang dimasukkan begitu hubungannya itu
apa dengan apa dan bobotnya berapa. Nah,
ini menjadi ee
satu
ilmu dari manusia tentunya ya yang
dimasukkan ke dalam program komputer
sehingga program komputer itu bisa
mengolah data tersebut. Misalnya di sini
kasus prediksi banjir ya. Curah hujannya
120 mm, elevasinya 20 m, jarak ke sungai
100 m. Nah, kita ee buat hidden layer 1
indeks kerentanan. Jadi, ada rumus
baru di situ yang kita sebut indeks
kerentanan.
Kemudian ada risiko genangan gitu.
Jadi, kita masukkan berbagai rumus-rumus
fisika ya, kimia, biologi, matematika ke
dalam software itu sehingga dia bisa
mengolah data. Nah,
jadi ee sebaik apapun ee produk AI
sebetulnya
ada manusia di baliknya ya yang
memegitu. Dia tidak bisa berpikir
sendiri. Jadi ada produk AI yang akurat
misalnya dalam memprediksi banjir, ada
juga yang kurang akurat ya berarti rumus
di dalamnya ini ee kurang bagus gitu.
Apa bedanya dengan modeling? Kan
modeling juga sama. Kita memasukkan
sebuah rumus-rumus sehingga dia bisa
memprediksi. Nah, bedanya kalau modeling
itu dia tidak berpikir sendiri, dia
hanya input, proses, output. Nah, kalau
di dalam AI algoritmanya beda.
Dia ada data training gitu. Jadi ee dia
disuruh untuk mempelajari pola
nanti kita kasih tes.
Akhirnya dia bisa menyesuaikan gitu,
menyesuaikan berdasarkan pola yang dia
pelajari. Nah, jadi kira-kira seperti
itu ya bedanya antara modeling dengan ee
machine learning.
Kemudian kita masuk ee
ya tentu kelebihan kekurangannya sudah
kita bahas tadi ya.
Contoh aplikasi lingkungan banyak sekali
sekarang ya untuk ee meng melakukan
klasifikasi citra satelit. Citra satelit
itu kan ee dulu masih sangat manual ya.
Jadi ada manusia di darat yang
ee misalnya tutupan lahan hutan dia
pakai alat ya. Tutupan lahan seperti apa
dia pakai alat. Jadi manual sekali
bagaimana memvalidasi
ee aplik apa citra satelit itu ya. Itu
kan mahal ya karena harus manusia survei
apalagi ke tengah hutan gitu. Nah, maka
dengan adanya deep learning ini ee
ya kita ajari aturan-aturan umumnya
biar EAI yang berpikir begitu ya. Jadi
ee
kemajuan di dalam membaca citra satelit
ini sekarang menjadi lebih cepat
dibandingkan dulu. Demikian juga untuk
prediksi iklim, cuaca,
ee identifikasi spesies burung dari
rekaman audio ya, deteksi pencemaran ini
ee sekarang sudah mudah dikenali oleh
ee ini ya, oleh ee AI.
Nah, itu barangkali ya yang sudah kita
bahas mulai dari metode yang paling
klasik, pemantauan, kemudian ada
modeling ya.
Ya, sebelum modeling ada analisis
statistik begitu kemudian kita pakai
komputer untuk modeling sampai akhirnya
modeling yang diotomatisasi.
Jadi menggunakan AI. AI tadi sudah kita
bahas AI eh untuk bidang lingkungan
terutama adalah machine learning yang
kemudian didetailkan lagi menjadi neural
network dan juga deep learning ya. Deep
learning menjadi satu yang paling
kompleks.
Nah, ee ketika data-data analisis itu
sudah keluar tentu belum selesai ya. ee
harus ada seorang ahli ya ahli
lingkungan yang mengintegrasikan
berbagai hasil analisis tadi untuk
menyelesaikan permasalahan.
Nah, jadi tetap saja ya walaupun ada AI,
AI ini belum sampai level dia bisa
mengambil keputusan. dia hanya membantu
analisis saja. Sampai saat ini memang
ada level-level AI ya yang nantinya itu
dia bisa membuat keputusan tapi belum ee
belum sampai situ untuk saat ini. Nah,
tetap saja untuk saat ini yang membuat
keputusan adalah manusia melihat dari
produk data AI yang dihasilkan.
Dan di sini manusia ya dalam hal ini
tenaga ahli lingkungan dia harus
berpikir secara transisiplin.
Dia jangan hanya bicara tentang sains
dan teknologi, tapi dia juga harus lihat
masalah kebijakan, masalah ee sosial ya,
masalah keadilan ee sosial dan juga
kepentingan masyarakat. Jadi di sini ee
tentunya perlu ada etika dari seorang
tenaga ahli lingkungan di dalam
menyelesaikan permasalahan lingkungan.
Teknisnya kita bisa menggunakan
ee multriteria decision analisis ya
secara teknisnya dalam membuat keputusan
sebagai alat bantu dan juga kita harus
memperhitungkan keberlanjutan karena
sekarang trennya ini semuanya
keberlanjutan.
Nah, kita seringki juga harus
berkolaborasi dengan masyarakat ya. Jadi
ee tadi ya melibatkan masyarakat di
dalam baik mengumpulkan data ataupun di
dalam menginterpretasikan
ee hasil kemudian di dalam menentukan
kebijakan ini juga ee menjadi tuntutan
tren ya saat ini untuk melibatkan
partisipasi publik.
Nah, untuk konteks kita di Indonesia ya
tentu saja masih banyak tantangan
khususnya ada kesenjangan data dan
teknologi. Kita belum sepenuhnya
menguasai teknologi-teknologi terbaru
tersebut. Juga bagaimana pendapat
masyarakat ya terhadap hasil analisis
tersebut. ee ini juga ada isu etika ya
dalam penggunaan AI dan big data ini
juga masih ee muncul di masyarakat.
Namun demikian, kita berharap ee ilmu
lingkungan
berkembang terus ya mengikuti
transformasi digital
baik di dalam pengembangan sensor ya
komputer yang tercanggih saat ini,
kemudian integrasi cloud, kemudian
ekonomi berbasis data lingkungan
sehingga nanti kita bisa semakin banyak
menghasilkan early warning system ya.
berbasis AI dan juga adaptive governance
dalam menghadapi ketidakpastian iklim.
Ini adalah target kita ke depan ya ee
untuk terus meningkatkan metode-metode
analisis yang ada di kita agar bisa
lebih bermanfaat baik untuk masyarakat
maupun untuk negara.
Selain itu juga kita harus ee proaktif
ya di dalam
me memasukkan sains ke dalam polisi
dan juga bagaimana sains itu tadi terus
ee berkembang ya, apakah dengan
melibatkan AI atau metode lainnya ee dan
semakin memperluas tadi ya ee pluralitas
ee kita tidak kita hanya fokus di satu
titik kita ee
ee pluralitas sehingga
yang saat ini kita hanya berpikir
mitigasi
itu bergeser kepada regeneratif ya atau
bagaimana sustainability keberlanjutan
ini dia bisa ee terus ya memperbaiki
bumi dari kerusakan
dan juga kepemilikan terhadap planet ini
harus harus makin besar ya. Baik kita
sebagai ee pengelola ataupun kita
sebagai masyarakat umum ee tidak hanya
berpikir bahwa kita tinggal tidak punya
tanggung jawab. Ini merupakan tantangan
kita ke depan.
Baik, itu adalah paparan saya pada
ee
Iya. Baik. Ee terima kasih banyak kepada
Pak Asep atas pemaparan materinya yang
sangat informatif dan membuka wawasan
kita semuanya. Dan baik Bapak Ibu
peserta kita juga sudah mendengarkan
penjelasan yang komprehensif tadi mulai
dari definisi permasalahan lingkungan
dari berbagai aspek, kemudian rangka
sistemik permasalahan lingkungan dan
hingga juga penggunaan metode analisis
yang modern seperti tadi penggunaan
machine learning dalam membantu analisis
permasalahan lingkungan. Dan baik untuk
itu kita lanjutkan pada sesi tanya jawab
yang di mana kita akan ee membuka dari
aplikasi Slido terlebih dahulu. Ee mohon
sebentar di sini saya akan
menampilkannya.
Oke, baik. Ee ini sudah ada 10
pertanyaan Pak Asep dari aplikasi Slidu.
Mungkin ee kepada Pak Asep bisa langsung
saja dijawab satu persatu untuk
pertanyaannya.
Baik, saya akan mulai dari yang paling
atas ya dari Mas Koko. Bagaimana cara
mengidentifikasi permasalahan lingkungan
yang efektif bagi industri? Apakah kita
perlu mengidentifikasi dari setiap
proses atau bagaimana? Nah, tadi kita
sudah bahas ya tentang skala. Jadi, ada
skala mikro, meso ee kemudian juga ada
makro. Nah, sekarang industri ini kita
lihat sebagai industri sebagai satu
industri atau sebagai sebuah kawasan
industri dalam sebuah kota misalnya ya
atau sebuah kabupaten. Nah, jadi ee
karena skala ini akan membedakan
metodologi.
Nah, kalau Mas Koko bilang apakah kita
perlu mengidentifikasi dari setiap
proses ini berarti mikro
ya, industri sebagai mikro, sebagai satu
industri. Nah, jadi kalau
ya artinya kan saya juga tidak tahu ya
ini ee konteks permasalahannya apa.
Kalau dia mikro, betul kita harus lihat
dari setiap proses. Ee saat ini yang
paling banyak digunakan adalah metode
LCA ya, life cycle assessment. Ee jadi
kita lihat mulai dari raw material,
proses, setiap proses kita lihat sampai
dalam menghasilkan produk dan juga
menghasilkan limbah itu di dilihat
satu-satu. Jadi kalau ee bagaimana
caranya mengidentifikasi
industri skala mikro hanya satu industri
kita gunakan LCA ya. Nah, bagaimana
kalau dia sebagai sebuah kawasan? Ya,
tentu di sini kita gunakan metode AMDAL
ya, yaitu ee khusus untuk kawasan kita
gunakan RKL, RPL rinci. Nah, bagaimana
kalau dia lebih luas lagi? Ya, tentu
KLHS begitu. Jadi ee tergantung kepada
skala.
Kalau mikro ya dia sebagai satu pabrik,
kita bisa gunakan LCA Life Cycle
Assessment.
Kemudian untuk pertanyaan kedua, jika
ada perubahan pola ruang untuk kawasan
industri dan pemukiman, bagaimana
pendapat lingkungan? Nah, jadi kawasan
industri dan pemukiman ini bagusnya
memang ada sebuah jarak ya. Nah, kalau
tidak ada jarak ya kita sebagai orang
lingkungan harusnya mengusulkan
ada jarak untuk mengurangi dampak
langsung dari kawasan industri kepada
pemukiman. Karena kita tahu di industri
ini pasti banyak truk. Truk yang
ngangkut bahan baku, yang ngangkut
produk, yang ngangkut limbah. Truk itu
kebanyakan besar-besar ya. Nah, kalau
dia jalan, jalannya kebetulan tidak
bagus, debunya ke mana-mana. Ini contoh
saja. Nah, berarti itu adalah dampak
nyata dari sebuah kawasan industri
dibandingkan dengan pemukiman. Kalau
pemukiman paling mobil-mobil kecil gitu
kan, mobil penumpang.
tidak akan sebesar dampak kalau di
kawasan industri dari sisi mobilisasi
alat aja misalnya ya kita lihat itu satu
aspek aja dulu. Nah,
artinya kita sudah tahu bagaimana
kendaraan-kendaraan truk yang besar itu
tidak terlalu berdampak ke pemukiman.
Misalnya kita pasang barir ya, apakah
dia sebuah
ee RTH gitu. RTH dan di sana banyak
pohon-pohon tinggi. Nah, itu sudah bisa
mengurangi partikel dari kawasan
industri, kemudian juga mengurangi
kebisingan ya. Nah, jadi kita sebagai
orang lingkungan melihatnya perlu ada
pemisahan antara kawasan industri dan
kawasan pemukiman. Nah, kalau ada
perubahan pola ruang ya dia bergeraknya
ke mana? Nah, tentunya tetap barer ini
harus ada ya ke manaun dia berubah. Nah,
bagaimana kalau misalnya dia mix dulunya
daerah itu kosong hanya industri tapi
pemukiman makin banyak jadi ya tidak ada
jarak lagi ya. Nah, ini tentu jadi
masalah ee bagaimana kita menyelesaikan
mix use antara industri dan pemukiman
atau di pemukiman tiba-tiba ada
industri-industri muncul ya. Nah, ini
tentu ee akan menjadi masalah karena
saling mengganggu ya. ee pemukiman
terganggu dengan adanya industri itu.
Industri itu juga mungkin sering
diprotes, sering dikomplain, itu juga
jadi tidak tenang ee melakukan
aktivitasnya.
Jadi ee lingkungan ini sebagaimana tadi
sudah kita bahas, kita harus melihatnya
sebagai DPSI ya. pertama DPS dulu,
drivernya apa, pressure-nya apa,
state-nya bagaimana, impact-nya apa,
nanti responnya seperti apa. Jadi
metode-metode yang tadi sudah kita
pelajari bisa kita terapkan ya, mulai
dari DPSI, kemudian sosial, dan juga
ekologi interaksinya bagaimana. Kemudian
juga kita bisa lihat ee kalau perubahan
pola ruang kan ya cocoknya KLHs ya
konteksnya KLHS. Dalam KLHS itu kan ada
enam muatan mulai dari jasa ekosistem
kemudian daya dukung daya tampung ada
efisiensi sumber daya alam perubahan
risiko lingkungan, kemudian dampak
terhadap perubahan iklim dan
keanekaragaman hayati. Jadi ee
metode-metode yang sesuai dengan
skalanya itu kita pakai, ya.
Kemudian pertanyaan berikutnya,
bagaimana cara memperkecil nilai
parameter yang tinggi pada air sungai
secara periodik? Amonia. Amonianya ingin
kita turunkan. Nah, kalau kita lihat
skalanya, sungai ini kan pasti tidak
mikro ya, dia pasti minimal meso lah.
Karena di sana dia ada sungai, ada yang
memasukkan limbah ke sungai.
Jadi tidak hanya melihat sungai itu
sebagai satu entitas, kita harus
lihatnya sebagai sebuah
subdas misalnya ya, subd berikut
berbagai ee
komponen yang terlibat apakah industri,
domestik, kemudian ada peternakan dan
seterusnya. Nah, berarti kita harus
lihatnya sebagai sebuah sistem meso.
Kemudian kita bisa pakai DPS ya di situ
atau mau langsung menggunakan CLD
kausalop diagram juga bisa. Kita pakai
dinamika sistem ya, sistem dynamic. Nah,
sebagai kerangka analisis. Nah, nanti di
sana masuk iterasi-iterasi
ee upaya ya. Nah, atau mau pakai
modeling bisa juga kita pakai qual wasp
ya. Itu kerangka analisisnya.
Bagaimana caranya? Ya berarti kan amonia
ini dia beracun ya. Amonia beracun
merupakan ee suatu senyawa
yang ee organik yang tidak terdegradasi
begitu. Artinya kalau
dia
ee massa ya artinya di IPAL-nya itu dia
panjang
kan pertama dia COD dulu ya artinya COD
itu pertama dia organiknya dulu baru
nitrogennya. Nah, di sini terlihat bahwa
dia mass masa mass masa massa IPALnya
itu ee terlalu pendek begitu sehingga
amonianya masih masuk ke dalam sungai.
Nah, berarti kita sudah tahu tuh
penyebabnya kenapa amonia itu banyak ya.
Bagaimana cara mengelola amonia? Ya,
tidak bisa kita hanya ee pergunakan
airasi di sungai ya. tidak cukup untuk
mengurangi amonia. Jadi di sini harus
ada kombinasi antara yang tadi saya
sebutkan ya, pengetahuan biofisik
amonia ini berasal dari mana. Nah,
digabung dengan tadi yang sistem.
Sistemnya bebas ya. Kita mau pakai
modeling, mau pakai dinamika sistem atau
yang lain itu kan opsi-opsinya banyak.
Nah, jadi kira-kira seperti itu ya ee
cara untuk memperkecil nilai parameter.
Pertama kita lihat skalanya.
dia pasti bukan mikro ya, mungkin meso.
Kemudian kita pilih metodenya apakah
dinamika sistem atau pemodelan atau kita
pakai metode yang lain. Kemudian kita
juga harus tahu biofisik ya untuk
mengisi
rumus-rumus yang kita masukkan ke dalam
metode yang kita pilih.
Kemudian
mengapa BOD COD
amonia upstream lebih tinggi
dibandingkan downstream?
Nah, ini juga mirip ya dengan yang tadi.
Kita lihat dulu ini pasti meso
ya karena sudah bicara upstream dan
downstream. Nah, di upstream justru
pencemarannya tinggi
karena di upstream itulah sumber
pencemarnya
nyata. Berarti kita harus cari sumber
pencemarannya apa. Biasanya di upstream
itu peternakan ya, pertanian,
perkebunan.
Jadi jangan disangka bahwa di upstream
itu tidak ada pencemaran
dan jangan disangka juga bahwa ee limbah
dari peternakan itu kecil dampaknya pada
sungai itu lebih besar daripada dampak
dari domestik ya. Nah, berarti kita
harus identifikasi
bagaimana kalau setelah kita cari di
upstream itu tidak ada.
Berarti
ada anak-anak sungai yang mungkin masuk
ya di upstream. Itu juga harus kita
analisis. Jadi, metode pemantauan
walaupun metode klasik tetap efektif di
situ.
Jadi dia mulai tingginya itu di mana? di
segmen berapa? Apa betul-betul di
upstream di mata airnya
atau dia di jarak 100 m, di jarak 200 m
itu kita sampling ya. Nah, di titik mana
dia mulai tinggi? Nah, di situlah kita
ee
istilahnya tuh kita ini ya fokuskan
fokuskan
di titik itu. Kenapa di situ tiba-tiba
menjadi tinggi begitu ya.
Jadi wajar saja di upstream itu lebih
tinggi daripada downstream. Ee karena
bisa saja di upstream itu juga ada ee
sumber pencemar.
Nah, bagaimana cara menyelesaikannya?
Ya, tentu kita harus menghitungnya
segmen per segmen. Upstream bagaimana
menyelesaikan yang di tengah, bagaimana
cara menyelesaikan yang di akhir. Nah,
untuk problem ini paling cocok
menggunakan pemodelan misalnya WASP atau
call tok ya supaya kita bisa melihat ee
skenario-skenario
yang kita masukkan sehingga dia bisa
turun gitu ya.
Kemudian
ee untuk kualitas udara di fasi cas ya,
kualitas udara di fasi cas ee kita bisa
cari ya ee di
apa di untuk ya Bapak Ibu bisa browsing.
Jadi
ee
kualitas udara di pasankes
ya
peraturannya
biasanya dari Dinas Kesehatan
ya.
Jadi menurut saya ee jawabannya
ee
tinggal melakukan ee browsing ya Bapak
Ibu ya. Tinggal melakukan browsing. Jadi
ee saya hanya bisa menjawab secara umum,
tidak bisa menyampaikan angka yang pasti
ya. Yang jelas ini pasti ada di
internet. Nanti bisa dicari saja untuk
ee indoor air pollution ya, pencemaran
udara dalam ruangan itu
di
apa di
ee
regulasi kita itu di mana gitu ya.
Kemudian ee kita yang berikutnya bicara
tentang valuasi ekonomi.
Ee tentu kita akan mengalami yang
disebut dengan under value atau over
value tergantung kepada referensi ya.
Jadi ada satu tim yang menghitung
mangrov ini kalau di tebang ya
kita harus mengganti uang R juta.
Tapi ada kelompok lain yang mengatakan
10 miliar. Nah, ini kan besar sekali
bedanya antara R juta dengan 10 miliar.
masing-masing tentu memiliki metode
perhitungan sendiri-sendiri. Mungkin
yang 100 juta hanya menghitung kerugian
petani begitu ya akibat kehilangan ikan.
Nah, yang 10 miliar nih termasuk
kerugian keanekaragaman hayati, kemudian
potensi kehilangan
ee produksi ikan dalam jangka panjang.
Nah, jadi tergantung kepada
ee ruang lingkup perhitungan.
Nah,
di dalam riset ya tidak ada batasan
kita menggunakan ruang lingkup yang
mana. Tetapi dalam aplikasi sehari-hari
itu pasti ada ruang lingkup yang
disepakati.
Jadi kalau kita menghitung mangroove dan
kerja sama dengan pemda,
pasti yang dipikirkan hanyalah kerugian
petani ya. Jadi angkanya yang dianggap
pas adalah R juta.
Mungkin
menurut salah satu LSM keaneka regagaman
hayati hitungan kita itu under value
ya.
Dan sebaliknya
kalau misalnya
kita
berurusan dengan lembaga konservasi
tentu upayanya lebih besar. Nilai
mangroove itu akan bernilai 10 miliar.
Ya, bagi pemda melihat angka 10 miliar
itu akan overvalue. Nah, jadi supaya
kita tidak under value atau over value
siapa partner kita ya. Nah, balik lagi
tadi kalau riset kan tidak ada ya
tergantung dalam riset kita asumsikan
dia untuk kepentingan pembangunan atau
untuk kepentingan keanekaaman hayati itu
pasti beda ininya ya ee value-nya asal
kita sebutkan ruang lingkupnya ya terus
submit paper-nya ke mana begitu ya
apakah ke ee paper tentang pembangunan
atau paper tentang keanekaan hayati itu
mereka punya komunitas dengan nilai
sendiri-sendiri.
Jadi untuk riset tidak ada batasan. Tapi
untuk aplikasi di lapangan siapa yang
meminta kita menghitung valuasi
lingkungan? Ya, itu yang harus kita
jadikan standar sehingga nilai kita
tidak dianggap under value maupun over
value. Nah, kemudian
bagaimana kita sebagai orang lingkungan
berpihak kita berpihak ke yang 100 juta
atau yang ke 10 miliar. ini memang ada
dua mazhab ya di dalam lingkungan yang
disebut dengan
ekologi dan yang disebut dengan ekonomi
lingkungan.
Kalau ekologi dan keekaragaman hayati,
mazhab yang memegang itu, itu pasti akan
mempertahankan nilai yang 10 miliar ya,
bahkan mungkin nilainya lebih besar dari
itu. Nah, bagi yang berpihak pada
ekonomi lingkungan, bagaimana
mengoptimalkan
pertumbuhan ekonomi tanpa merusak
lingkungan ya itu puas di angka R00
juta. Jadi ee selain dengan siapa kita
bekerja, mazhab kita juga apa gitu ya.
Nah, jadi ee karena
tidak ada yang benar dan salah di sini
ya tergantung kepada cara pandang.
Artinya orang lingkungan juga terbagi
dua gitu ya. Ada yang mempertahankan ke
kananeka hayati, ada juga yang memiliki
kompromi supaya pembangunan bisa jalan.
Kemudian analisa pencemaran udara. Nah,
ini mungkin maksudnya pengukuran ya.
Nah, sekarang sudah banyak low cost
sensor LCS yang dijual di pasaran. Tapi
tetap saja kita harus melihat
akurasinya.
Untuk harga LCS yang dianggap bagus itu
1 unit masih di kisaran Rp10 juta per
parameter ya. Misalnya PM 2,5 R10 juta,
kemudian SO2 R10 juta. Jadi masih
relatif mahal. Bagaimana kalau
Bapak Ibu menemukan harga LCS yang hanya
R1 juta per parameter? Ya, pengalaman
saya sih tidak akurat begitu ya. Memang
harganya murah tapi tidak akurat. Jadi
ee
bisa kita lakukan mandiri tapi untuk
saat ini masih relatif mahal. Jadi kalau
dia rata-rata satu sensor R10 juta ya,
kalau 5 sensor ya bisa sampai Rp50 juta
ya. Masih relatif mahal untuk ee saat
ini. Tapi hasilnya lumayan ya, errornya
mungkin sekitar 30%-an. Jadi masih bisa
kita pakai untuk kepentingan mandiri.
jauh lebih murah dibandingkan dengan ee
menggunakan yang
pemantauan
[Musik]
ee
yang menggunakan chemical method ya.
Nah, kalau kita kan ee menggunakan
elektrokemikal begitu yang sensor. Kalau
yang menggunakan chemical method itu
satu unit utuh bisa sampai 5 miliar ya.
Jadi mungkin tidak mungkin untuk
mandiri.
Jadi ee kita biasanya pilih yangemikal,
yang LCS, Laukos sensor.
Kalau satu parameter saja mungkin kita
bisa pilih yang harga sekitar R jutaan,
ya. Kemudian, bagaimana cara
memanfaatkan citra satelit? Nah, ini
sudah banyak ee teknologinya ya. Nah,
jadi
citra satelit ini kita pilih citra
satelit yang sensornya ada sensor
lingkungannya ya. Jadi tidak semua
satelit itu punya sensor untuk
lingkungan.
Ee kita bisa browsing ya di internet. Ee
kemudian bagaimana cara analisisnya itu
juga sudah banyak metode-metodenya.
Jadi kita pilih
satelit yang memang bisa dipakai untuk
data lingkungan. Kemudian kita tentukan
metodenya
ya. Karena tidak semua metode juga cocok
ya untuk ee sebuah ee data satelit.
Untuk lebih mudahnya kita bisa mulai
browsing ya di internet misalnya
pemanfaatan citra satelit untuk
pencemaran itu nanti akan banyak ya
contoh-contoh paper-paper atau publikasi
yang sudah melakukan kita tinggal ikuti
saja ee artinya dari berbagai ee paper
yang sudah ada ya.
Kemudian dalam sumber daya air bagaimana
tidak terjadi konflik. Nah, kalau bicara
konflik masyarakat berarti kita tidak
menggunakan pemodelan fisik di sini ya,
tapi kita menggunakan pemodelan
ee
sosial. Nah, sebelum masuk ke pemodelan
sosial,
kita pasti akan gunakan dulu tadi skema
ya, misalnya hubungan antara ekologi dan
sosial. Di dalam
SES ya, hubungan antara ekologi dan
sosial ini banyak sekali ee
variabel-variabel yang harus kita
perhatikan.
Misalnya dari sisi manusia dulu ya. Nah,
manusia ini kan kebutuhannya banyak. ada
untuk pertanian, ada untuk air minum.
Nah, berarti di situ kita harus melihat
supply dan demand.
Kalau misalnya kebutuhan air dari
masyarakat ini sudah sangat tinggi, ya.
Nah, berarti kita harus sampaikan kepada
mereka bahwa air ini merupakan
kepentingan bersama.
Kalau kita ikuti keinginan semua orang,
semua tidak akan kebagian.
Karena air ini akan habis kering terjadi
konflik. Maka kita harus
mengurangi kebutuhan
ya. Nah, bagaimana cara ee masyarakat
itu
mau mengikuti ya saran kita? Berarti
kita harus mengumpulkan data. Kita
kumpulkan data dan kita tunjukkan ya
dengan menggunakan peta
seperti apa kondisi air ini, siapa saja
yang perlu, jumlahnya berapa,
kita buat neraca massa sederhana.
Biarlah masyarakat untuk menilai.
pasti prosesnya panjang
agar masyarakat paham dengan diagram
atau grafik yang kita buat ya. Tapi
tanpa ada proses seperti ini ya konflik
akan terus terjadi.
Tapi dengan partisipasi dari masyarakat
dengan kita sering berkomunikasi
ya baik melalui FGD atau proses apa,
katakanlah prosesnya itu bisa sampai 1
tahun.
Ya, itulah
biaya yang harus kita keluarkan untuk
menyelesaikan konflik
karena memang tidak bisa dalam waktu
singkat ya.
Mungkin di daerah lain tidak harus 1
tahun, 1 bulan masyarakatnya langsung
paham ya berarti di sana lebih efisien
ya. kita tidak perlu membutuhkan waktu
sampai 1 tahun untuk mendapatkan
kesepakatan itu. Jadi,
berapa lama
masyarakat sampai bisa menerima
data-data itu dan sampai bisa
berkomitmen
terhadap hitungan-hitungan kita itu? Itu
memang sangat bergantung kepada kondisi
di lapangan. kita tidak bisa ini harus 1
minggu, ini harus 2 bulan misalnya itu
agak sulit ya. Tapi biasanya sebelum
kita menentukan
rencana studi,
kita biasanya melakukan ee identifikasi
awal dulu ya. Kita datang ke lapangan,
kita lihat masyarakatnya, dari situ kita
bisa menilai berapa lama waktu yang
dibutuhkan untuk melakukan ee
partisipasi.
mapping atau public mapping ya. Jadi
nanti ee ini memang bukan proses yang
mudah karena masyarakat apalagi di desa
kan tidak biasa melihat data-data
seperti itu. Nah, berarti kan butuh
proses yang cukup lama dan sebaiknya
kita libatkan ya ee tenaga ahli lokal
dari kampus lokal mungkin bisa memahami
bahasa lokal.
Dan yang paling penting adalah trust.
Ya, masyarakat kalau tidak terust, tidak
percaya kepada kita, mau 1 tahun juga
enggak akan selesai. Tapi kalau dia
sudah trust begitu, mungkin prosesnya
akan lebih cepat. Jadi kunci dalam
menyelesaikan konflik sosial itu adalah
dalam negosiasi awal, ya. Nah, kalau
negosiasi awalnya lancar,
maka konflik itu akan hilang dengan
sendirinya. Tapi begitu negosiasi awal
ini tidak ketemu, apalagi kita hanya
komunikasi via Zoom begitu ya, itu tidak
bisa di masyarakat itu ee beda ya,
struktur komunikasinya itu berbeda.
Tidak bisa ee dicepat-cepat gitu, tidak
bisa. itu memang ee
ya prosesnya butuh ee waktu yang panjang
dan kompleks ya. Jadi ee tidak ada cara
instan untuk menyelesaikan konflik itu
barangkali ya Pak Imron mudah-mudahan
bisa menjawab. Kalau
ee masih ada pertanyaan dipersilakan.
I. Baik. Ee terima kasih Pak Asep atas
jawaban-jawabannya dan kita langsung
lanjutkan pada sesi selanjutnya yaitu
pertanyaan langsung dari peserta Zoom.
Ee mungkin di sini saya akan batasi
untuk dua penanya terlebih dahulu dan
kebetulan di sini sudah ada Pak Sugeng
yang raise hand. Dipersilakan kepada Pak
Sugeng untuk menyampaikan pertanyaannya
ya. Terima kasih.
E terima kasih, Pak. Pak Asep, ya.
Iya, Pak Sugan.
Pak, ini Pak saya itu ini ada ee
ee beberapa informasi yang saya tangkap
ini. Jadi, beberapa masalah yang dengan
aktivitas pertambangan, Pak. Baik
mungkin di Kalimantan, mungkin yang
sekarang baru gencar itu di pertambangan
nikel ya. Nah, itu di Halmahira kemudian
di Raja Ampat dan segala macam. Dan ini
berita-berita pencemaran lingkungan itu
sangat-sangat deras sekali dan
kelihatannya tidak ada titik-titik
apa terang untuk menyelesaikan
masalah-masalah lingkungan.
Ee yang pertama ee pihak investor itu
kan mestinya ada kewajiban melakukan
ya mungkin dalam hal ini mungkin AMDAL,
mungkin RKL atau RPL atau kemungkinan
juga harus mengalah mungkin lebih detail
metode life cycle assessment ya Pak ya.
Jadi ada beberapa langkah sehingga apa
hasil daripada
ee produk pencemaran lingkungan itu
kelihatan jelas sih apa saja sih
sebetulnya ee yang menjadi atau yang
terjadi akibat aktivitas pertambangan
itu. Yang jelas itu mungkin ee mungkin
PH ya, mungkin PH terhadap air tanah,
kemudian air permukaan, mungkin juga
tadi beberapa faktor yang kaitannya
dengan oksigen ya. Kemudian juga
terhadap ee keanekaan
apa hayati di perairan, kemudian juga
sedimentasi dan segala macam. Kemudian
faktor-faktor unsur kimia tertentu yang
melebihi ambang batas. Nah, dari
data-data yang kita kumpulkan ini, Pak,
ini mestinya kan dia menggunakan jasa
lingkungan ya atau analisis itu dari ee
dari apa ya istilahnya investor itu
menunjuk ee jasa jasa penganalisis
lingkungan. Tapi ini harusnya kan
mestinya harus ada pembanding yang
sifatnya independen ya, Pak. supaya bisa
lebih menjadi objektif data-data
lingkungannya itu apa saja yang
sebetulnya ee ee akibat aktivitas
pertambangan itu pencemperan lingkungan
yang terjadi. Nah, ini ee apa sih yang
kemudian akan dilakukan, Pak? karena
berita-berita ini sangat santer dan
pencemaran baik tambang batubara mungkin
juga tambang mineral di Kalimantan
mungkin di Sumatera mungkin juga yang
tambang mineralisasi ini kan yang baruas
itu kan ini ya terkait dengan apa ee
nikel ya ini apa saja yang sebetulnya
untuk
bisa mencari ee nilai-nilai objektif
daripada penyemalan lingkungan kemudian
itu bisa diambil sebagai satu keputusan
untuk ee memberikan atau ee meneruskan
atau menutup izin usaha pertambangan
itu, Pak. Jadi, kebetulan izin usaha
pertambangan itu yang mengeluarkan
adalah Kementerian ISDM yang satu lagi
masalah ini itu kan yang
dikoordinasi oleh Menteri Lingkungan
Hidup. Ini mohon ee nganu Pak ee
pencerahannya Pak. Terima kasih Pak.
Iya. Terima kasih, Pak Sugeng. ya. Bagus
sekali pengamatan Pasugang dan kita
semua sama-sama ee prihatin ya dengan
kondisi pencemaran lingkungan yang
terjadi di beberapa wilayah. Jadi ada
tiga pendekatan yang bisa kita lakukan
ya. Pertama adalah pendekatan media.
Jadi ee dengan kita aktif di sosial
media untuk terus menyuarakan
ee keprihatinan kita suatu saat mungkin
akan didengar begitu ya. Nah, sebetulnya
kalau saya komunikasi dengan Kementerian
Lungan Hidup dan juga beberapa instansi
di pusat, mereka juga prihatin ya dan
mereka juga mengusahakan
bagaimana menyelesaikan permasalahan
ini. Nah, namun ada kendala-kendala
birokrasi yang mungkin belum lancar pada
saat ini yang ee masih menghambat ee
penyelesaian masalah itu. Jadi kita
sebagai civil society bisa memanfaatkan
sosial media ya untuk terus ee
menyuarakan.
Ee waktu mungkin 2 3 bulan lalu tuh
sempat viral ya tentang ee Raja Ampat
begitu. Ee itu kan ee begitu viralnya
sampai akhirnya ee pemerintah pusat
menutup
itu bergerak begitu ya. Nah, itu bukti
bahwa ee sosial media ini menjadi salah
satu upaya kita untuk menyelesaikan
masalah itu. Kemudian yang kedua,
bantuan teknis. Ya, mungkin di sini
banyak Bapak Ibu yang ahli lingkungan ya
bisa ee mulai menawarkan bantuan kepada
pemerintah provinsi atau pemerintah
pusat ee kita punya keahlian apa di
situ. Jadi, kita bisa ee ikut
berpartisipasi secara langsung terhadap
penyelesaian masalah-masalah itu. Dan
yang ketiga tentunya kita bisa melakukan
ee kita sebut sebagai
konsolidasi
ee
ya pemerhati lingkungan mungkin ya. Jadi
ee kita coba kontak teman-teman kita
yang ada di sana, kemudian kita tanyakan
duduk persoalannya seperti apa.
Setidaknya kita bisa memberikan dukungan
moral kepada saudara-saudara kita yang
tinggal di sana gitu ya. Artinya kalau
kita yang tidak tinggal di sana saja
merasa prihatin, apalagi saudara-saudara
kita yang tinggal di sana. Jadi kalau
tadi sosm itu hanya bersifat informasi,
kalau ini mungkin lebih kepada ee
komunitas ya, bagaimana kita bisa
minimal
menghibur ya, menghibur saudara-saudara
kita yang menderita di sana karena ee
tinggal di daerah yang tercemar itu
pasti tidak enak ya. Nah, jadi ee ya
saya sempat juga ya berkomunikasi
ya yang paling minimal menghibur begitu
ya, menghibur bagaimana ya kalau bantuan
teknis juga apa yang bisa saya lakukan
gitu ya. Ee ya termasuk juga sering
mem-format berita-berita sosmet ya ee
mungkin sebagai masyarakat itu ya yang
bisa dilakukan. Karena kalau kita masuk
tadi ya, apakah mereka harus ditutup
atau tidak? Nah, ini kan ada
prosedurnya.
Ee tentu kita serahkan kepada penegak
hukum. Nah, kita sebagai masyarakat
mungkin bisa mendorong tadi ya
memviralkan berita-berita itu di sosmet
itu ee sangat efektif ya. Buktinya
banyak ee penyelesaian kasus ya setelah
viral itu bisa diselesaikan.
itu barangkali ya, Pak. Jadi, Pak kalau
kalau kalau ini, Pak, jadi di beberapa
daerah kabupaten tuh kan ada Dinas
Lingkungan Hidup, Pak, ya. Dengan
anggaran yang minim mungkin dengan
anggaran terbatas dia kan mengambil
sampel-sampel air permukaan, kemudian
juga ee sampel-sampel apa pengukuran
kualitas udara. Nah, dari data-data dari
Dinas Lingkungan Hidup ini sebetulnya ee
apakah ini bisa ee menjadi satu acuan
atau mungkin sebagai catatan untuk
memberikan informasi kepada Kementerian
Lingkungan Hidup bahwa di sini terjadi
ee apa ee degradasi lingkungan terutama
mungkin kualitas air dan kualitas udara
itu. Nah, dari sini mungkin belum sampai
ke itu tadi, Pak. Mungkin ada RKL, RPL,
mungkin AMDAL, mungkin juga menyangkut
yang lebih detail lagi life cycle
assesment ya. Mulai dari proses-proses
ee aktivitas pertambangan itu dari
eksplorasi sampai ke eksploitasi sampai
produksinya kemudian memperbesar
produksinya selama berapa tahun ini
mungkin akan memerlukan dana yang cukup
banyak ya, Pak ya. Nah, ini apakah itu
menjadi bisa menjadi awal atau embrio
untuk meningkatkan dari data-data yang
sederhana dari Dinas Lingkungankuan
Hidup menuju ke apa AMDAL mungkin RKL,
RPL mungkin juga ke life cycle
assessment. Makasih, Pak.
Iya, setuju, Pak. Setuju. Artinya bisa
dimulai dari pemantauan, Pak. Ya. Ya,
setuju, Pak Sugang. Terima kasih. Oke,
ini ada satu lagi ya, Pak Antoni
mungkin. Silakan, Pak Antoni.
I. Baik. Ee untuk selanjutnya
dipersilakan kepada Pak Antoni untuk
menyampaikan pertanyaannya.
Terima kasih, Pak. Antoni dari Jogja,
Pak. Ee terkait ini, Pak. Ini kan
kebetulan kita di bidang pemberdayaan.
Cuma kalau melihat laju pencemaran
sumber air tanah di tingkat perkotaan
khususnya yang perbatasan dengan desa
itu sudah sangat parah. Nah, itu
kira-kira
sebagai ya civil society itu apa yang
harus dilakukan? mengingat bahwa
ketahanan
pangan khususnya terkait dengan sumber
air itu sangat penting untuk ke depan
mungkin kita melihat parameter harga aja
untuk Aqua kan satu galon itu sudah
Rp20.000.
Ini sebentar lagi kemiskinan juga akan
meningkat karena kebutuhan air bersih
tidak lagi dari sumber air tanah tetapi
dari ee air yang diproduksi pabrik. Nah,
dengan hal ini ee dari
ee
narasumber kira-kira apa rekomendasi
kebijakan yang harus dilakukan sehingga
ada kesadaran bersama baik pemerintah,
pemerintah pusat, daerah dan p
masyarakat dan juga akademisi
kesadaran terhadap bagaimana menjaga
konservasi sumber air tanah ini jangan
sampai tercemar oleh bakteri kolit.
Terima kasih, Pak.
Baik. Bagus sekali ya, Pak Antoni ee
pengamatannya.
Saya setuju bahwa ee kondisi lingkungan
di sekitar kita ini sudah rusak. Nah,
jadi ee Bapak Ibu yang hadir di sini
saya yakin adalah ee warga masyarakat
yang sadar ya. Nah, tapi di luar sana
masih banyak ee warga masyarakat yang
tidak sadar. Buktinya masih banyak
industri yang membuang limbah
sembarangan. mereka ketika ditindak
patuh begitu, ketika pengawasnya tidak
ada membuang lagi. Nah, jadi ee demikian
juga untuk kita sendiri ya di dalam
misalnya kalau kasusnya air tanah,
apakah
ee limbah domestik dari kita sudah
melalui tangki septik atau belum, ya? Ee
terus kalau tidak ada tangki septik, apa
tanggung jawab tiap orang apa membiarkan
begitu saja atau berusaha ya untuk ee
membangun tangki septik ya. Artinya
semua komponen ini memang harus kita
sentuh ya baik kita sendiri sebagai
masyarakat maupun industri maupun pelaku
usaha lainnya. Nah, jadi kesadaran
politik ini memang harus dikembalikan ke
semangat gotong-royong.
yang sempat kita miliki ya. Nah, ini
kita sebut sebagai pendekatan bottom up
dari ee bawah ya dari kita sendiri
membangun kesadaran secara bertahap.
Tadi Bapak juga menyinggung melibatkan
akademisi, melibatkan pemimpin daerah.
Jadi memang ini merupakan suatu usaha
yang bertahap ya. nanti makin lama makin
besar kekuatannya dan
di sisi top down ya artinya menurut
pengamatan saya aturan kita ini sudah
bagus kemudian instrumen
AMDAL KLHS itu juga sudah bagus. Nah,
tapi ketika penerapan ini mulai ya ee
muncul masalah karena untuk bisa
mengawasi itu butuh biaya. Nah, kenapa
AMDAL itu dia bisa ada? Ya, karena AMDAL
itu kan yang membiayai adalah pelaku
usaha. Sebuah industri kalau ingin dapat
izin dia harus membuat AMDAL. AMDALnya
dari uang industri itu sendiri ya. dia
pasti akan mengusahakan AMDAL itu ada
karena kalau tidak dia tidak bisa buka
pabrik. Nah,
tapi masalahnya pengawasan itu kan tidak
dibiayai oleh industri. pengawasan itu
dibiayai oleh pemerintah dan kita tahu
yang namanya PPNS ya, pengawas ee dari
Dinas Lingkungan Hidup ataupun dari
dinas lain itu kan jumlahnya sangat
terbatas dan biaya operasional juga
sangat minim. Nah, ini yang menjadi
kunci kenapa pengawasan itu tidak
efektif.
Jadi kita bisa saling bantu.
Artinya pemerintah pusat, pemerintah
daerah sangat ingin mengawasi
tapi kekurangan biaya. Nah, kita sebagai
civil society memiliki tenaga, memiliki
kesadaran. Ini bisa kolaborasi.
bagaimana kita ciptakan di daerah kita
itu sistem
ee
pengawasan dari pemerintah dan
pemerintah daerah dibantu oleh
masyarakat. Nah, ini akan berhasil.
Kenapa saat ini tidak berhasil? Karena
kedua belah pihak ini lemah.
Pemerintah pusat. Tadi saya sudah
katakan pemerintah daerah sangat
terbatas dari sisi orang, dari sisi
biaya untuk melakukan pengawasan itu
sangat terbatas. Bisa dicek ya angkanya
ke ee dinas LH masing-masing itu sangat
terbatas dan juga tidak ada bantuan dari
kita sebagai masyarakat ya. Maka
pengawasan ini tidak jalan. Artinya ee
proses analisis lingkungan hanya ada di
perencanaan,
tapi di pengawasan kurang. Nah, ini
memang masalah yang sangat kompleks ya,
karena banyak juga masyarakat ya itu
bukan tugas saya, itu tugas pemerintah.
Kalau pemerintahnya
sanggup ya pasti tidak akan ada masalah.
Nah, cuman kan masalahnya tadi kita
sudah ketahui bersama ya, bahwa untuk
melakukan pengawasan itu dananya sangat
terbatas. Jadi solusinya memang harus
dibantu oleh masyarakat.
Ee problemnya di sana gitu ya, di ada
gap antara ee kebutuhan dengan yang
dilaksanakan. Nah, kita tutup kebutuhan
itu dengan tadi dengan kerja sama
multipihak khususnya dengan ee
penggerak-penggerak
ee masyarakat ya. Ee jadi kita bisa
gunakan ee
partisipasi masyarakat untuk ikut
mengawasi.
Ini waktunya sudah jam 12.00. saya
mungkin serahkan dulu ke moderator ee
apakah akan ditambah satu penanya lagi
atau bagaimana? Silakan. Ee
ee oke. Baik ee Pak Asep
ee mungkin di sini sudah menunjuk ke jam
12.00 lebih, Pak Asep. Sepertinya untuk
sesi tanya jawab kita cukupkan saja,
Pak.
Baik, saya kembalikan ke Mbak Dini.
Terima kasih Bapak Ibu. Saya apresiasi
sekali atas kehadiran Bapak Ibu.
Asalamualaikum warahmatullahi
wabarakatuh.
Ya. Waalaikumsalam warahmatullahi
wabarakatuh. Wabarakatuh. Ya, mohon maaf
kepada tadi ee ada satu penanya ini
karena adanya keterbatasan waktu jadi ee
bagi yang belum mendapatkan kesempatan
mungkin bisa mencoba lagi di minggu
depan seperti itu. Dan terima kasih juga
kepada Bapak Ibu yang sudah
berpartisipasi dan mungkin untuk menutup
acara webinar ini kepada Pak Asep untuk
memberikan closing statement-nya.
Baik,
analisis data lingkungan yang tadi sudah
kita bahas merupakan sebuah pendekatan
komprehensif ya, dimulai dari sistem. Di
sana kita mendefinisikan batas atau
boundari. Kemudian dari sana juga kita
tentukan metode yang paling tepat dan
akhirnya kita melakukan kajian dan juga
mengambil kesimpulan. Dengan berbagai
permasalahan lingkungan yang ada saat
ini tentunya kita juga harus ikut ee
berkembang ya karena masalah makin
berkembang, solusi juga harus makin
berkembang. Teknologi-teknologi yang
saat ini berkembang tentunya itu bisa
kita ikuti ya. Apakah dengan eh remote
sensing tadi ya, dengan eh AI begitu ya,
dengan IoT, Internet of SS dan
sebagainya. Itu bagi yang tertarik ke
sana silakan diikuti sehingga kita bisa
menyelesaikan permasalahan lingkungan
yang makin kompleks ini. Terima kasih.
Asalamualaikum warahmatullahi
wabarakatuh.
Waalaikumsalam warahmatullahi
wabarakatuh. Ya, terima kasih kepada Pak
Asep. Mungkin sebelum Pak Asep
meninggalkan ruangan Zoom, kita akan
dokumentasi terlebih dahulu. Dan kepada
Bapak Ibu yang bisa mengaktifkan
kameranya dipersilakan.
Oke. Baik Bapak Ibu semuanya, kita
langsung saja untuk melakukan
dokumentasi. Saya mulai untuk melakukan
perhitungan mundur. Dimulai dari angka
3.
mungkin sekali lagi. 3 2 1.
Oke. Baik. untuk dokumentasi sudah
dicukupkan dan saya ucapkan terima kasih
banyak kepada Pak Asep atas penyampaian
materinya yang sangat bermanfaat ini dan
semoga di kesempatan lain kita dapat
kembali berdiskusi dan bertemu dalam
kegiatan berikutnya. Dan ee dengan
hormat kami persilakan kepada Pak Asep
apabila ingin meninggalkan ruangan Zoom.
Terima kasih.
Ya. Baik ee Bapak Ibu semuanya, berakhir
sudah acara webinar di hari ini dan bagi
Bapak Ibu yang ingin mendapatkan
e-sertifikatnya
ee Bapak Ibu dapat mengisi link presensi
kehadiran yang tertera di layar ini. Dan
ketika Bapak Ibu mengisi presensinya
pastikan nama dan email sudah diketik
dengan benar karena hal ini akan
mempengaruhi pengiriman e-sertifikatnya.
Dan baik ee saya akhiri kegiatan webinar
hari ini. Mohon maaf apabila saya ada
salah sikap ataupun salah ucap.
Wabillahi taufik walhidayah.
Wasalamualaikum warahmatullahi
wabarakatuh.