September 28, 2018

Indonesia memiliki bentang geografis dan geologis yang memiliki potensi sumber daya alam dan resiko yang sama besarnya. Salah satunya adalah Longsor yang terjadi pada daerah pegunungan berbatu di Kabupaten Wonogiri, tepatnya di Desa Selopukang, sekitar 3 jam perjalanan dari Yogyakarta. Wilayah ini sejak tahun 2017 menjadi daerah binaan untuk membangun menjadi desa tanggap bencana dan mandiri secara ekonomi.

Pada tahun 2018 ini, wilayah ini kembali dikembangkan menjadi daerah dengan tangguh bencana melalui kegiatan Hibah Pengabdian Masyarakat Teknologi Tepat Guna yang dibiayai oleh Direktorat Pengabdian Kepada Masyarakat UGM tahun 2018, dengan judul G-connect2: Penyediaan Perangkat Deteksi Bencana di Daerah Rawan yang diketuai oleh Dr Mardhani Riasetiawan dengan partner peneliti Drs. Bambang Nurcahyo Prastowo dari  Departemen Ilmu KOmputer dan Elektronika FMIPA UGM.

Pada tanggal 24 September 2018 telah diselesaikan pemasangan 3 titik lokasi sebagai penempatan alat G-connect2 di jalur merah rawan longsor yang telah dipetakan bekerjasama dengan BPBD Kabupaten Wonogiri dan tim KKN UGM 2018. 3 Lokasi tersebut meliputi jalur utama retakan tanah yang cukup signifikan bergerak setiap waktu sehingga membutuhkan alat deteksi dan monitoring data lingkungan yang bisa diandalkan. Kombinasi dengan peralatan sebelumnya, pada G-connect2 ini dilengkapi dengan sensor suhu, pergerakan tanah, kemiringan, sendor kelembaban dan lainnya yang dapat menjadi petunjuk situational terjadinya gejala pergerakan tanah yang signifikan yang kemudian menjadi tanda terjadinya longsor.

Alat yg terpasang diberi sensor suhu , pergerakan tanah termasuk sensor gerak yang kemduaian data direkam setiap saat dan dikirimkan ke server cloud secara berkala. Kemudian data terkumpul di sajikan dalam.bentuk informasi time series dan analisis gejala pergerakan tanah yg bergejala longsor informasi tsb akan diakses okeh BPBD dan instansi terkait dan memberikan early warning ke warga sekitar

Pada pemasangan tersebut tim G-Connect mendapatkan dukungan dari masyarakat yang menjadi pihak operator alat dalam kehidupan sehari-hari dan secara mandiri dapat mengoperasionalkan, Babinda, dan BPBD kabupaten wonogiri. Meskipun jalur retakan masih sangat panjang, usaha pemasangan ini menjadi andalan untuk melakukan mitigasi yang berorientasi pada keselamatan manusia.

Pada tanggal 21 September 2018 yang lalu bertempat di Puspendik Kemendibud Republik Indonesia, Jakarta, para peneliti Data Science dari kolaborasi FMIPA UGM dan FT UGM melakukan kegiatan presentasi dan diseminasi hasil kajian dan pengembangan teknologi Big Data dan Artificial Intelligence untuk membantu dalam pengolahan hasil ujian essai nasional. Tim yang terdiri dari Drs. Bambang N Prastowo, M.Sc ( FMIPA UGM), Dr. Mardhani Riasetiawan (FMIPA UGM), Dr. Yunita Sari (FMIPA UGM), Teguh Bharata Adji, Ph.D (FT), Guntur Budi H M.Cs (FMIPA), Isna Alfi Busthoni, M.Eng (FMIPA) dan Indra Hidayatullah MT (UNY) sejak tahun 2017 telah mengembangkan beberapa metode pengolahan dengan pendekatan tersebut.

Kegiatan ini merupakan bentuk kerjasama yang sinergis antara perguruan tinggi dan kementerian dalam peningkatan kualitas pendidikan dengan memfokuskan pada penyediaan mesin berbasis Big Data dan AI untuk mendukung proses penilaian jawaban essai nasional. Kegiatan yang dilaksanakan selama 1 hari penuh berupa presentasi, workshop dan diskusi proses, tahapan dan metode yang dikembangkan oleh tim peneliti kepada pelaksana pengolahan ujian essai tersebut.

Dengan jumlah peserta didik di jenjang SD, SMP, SMA dan SMK tentunya akan terkumpul jutaan data yang tidak terstruktur dan memerlukan cara pengolahan yang specific dengan teknologi modern dan terkini. Pengolahan tidak mungkin dilaksanakan hanya secara manual atau sejenisnya. Selain membutuhkan waktu yang lama tentunya akan membutuhkan sumber daya dan dukungan keuangan yang tidak sedikit. Konsep data jutaan yang terkumpul memunculkan Big Data collection yang membutuhkan pengolahan yang cepat dan reliable. Pada kajian dan pengembangan yang dilakukan telah disodorkan beberapa pendekatan baik menggunakan pendekatan klustering dan klasifikasi, senitiment analysis, hingga scoring menggunakan BLUESCORE, Semantic based dan pendekatan lainnya. Hal ini dilakukan untuk memberikan perspektifk yang komprehensif bahwa pengolahan data essai dapat ditangani dengan akurasi dan ketepatan yang dapat diterima oleh sebuah mesin pengolahan Big Data dan AI. Artificial Intelligence sendiri menjadi vital untuk mendukung adanya pembelajaran dan wujudnya kecerdasan buatan yang akan selalu update dan membantu proses pengolahan itu sendiri.