Model Interaktif Batimetri 3D Gunung Anak Krakatau Sebelum Letusan 2018

Masih tentang Anak Krakatau. Kegiatan ngulik saya ternyata belum selesai. Semakin saya cari, semakin banyak data tentang Krakatau yang saya temukan. Salah satu yang bisa saya mainkan adalah data batimetri yang saya dapat dari makalah Inner structure of the Krakatau volcanic complex (Indonesia) from gravity and bathymetry data karya Deplus dkk (1996) yang dimuat di Journal of Volcanology and Geothermal Research.

Data batimetri ini saya digitasi, lalu saya konversi jadi model elevasi digital, kemudian saya tampilkan di ArcScene. Dari ArcScene saya ekspor datanya menjadi vrml (Virtual Reality Modeling Language), ini adalah jenis data yang biasa dipakai untuk 3D.

Data vrml ini kemudian saya konversi lagi jadi .obj agar bisa saya tampilkan online menggunakan media sosial Sketchfab. Sketchfab ini semacam media sosialnya 3d modeller. Gratis dengan batas unggah 50 MB.

Hasilnya adalah model interaktif di bawah ini:

Gunung yang tinggi adalah Rakata, letaknya berada di paling selatan. Di tengah ada Gunung Anak Krakatau sebelum letusan 2018. Sebelah timur Gunung Anak Krakatau adalah Pulau Panjang, sementara sebelah baratnya adalah Pulau Sertung.

Karena saya masih belum tahu caranya bikin legenda di model 3 dimensi, jadi saya sertakan legenda model Krakatau saya di peta 2 dimensi berikut:

Saya buat peta ini pakai ArcMap, datanya sama dengan model 3 dimensi, dari batimetri dan DEMNAS. Warnanya agak beda karena ditumpuk dengan hillshade supaya ada efek 3 dimensi.

Model lain yang saya bikin adalah model ArcScene yang saya tumpuk dengan citra satelit. Harusnya model ini yang diunggah ke Sketchfab, tapi entah kenapa software saya error jadi gak bisa unggah.

Model ArcScene Krakatau sebelum letusan 2018. Warna biru semakin tua menunjukkan kedalaman laut yang semakin dalam. Utara ke arah kiri peta.

Oke deh segitu dulu. Semoga bermanfaat bagi kita semua.

Salam

keterangan: semua gambar di dalam tulisan ini bebas digunakan asal mencantumkan sumber dan menautkan ke halaman blog ini.

Membandingkan Elevasi Gunung Anak Krakatau Sebelum dan Setelah Erupsi Desember 2018

Kemarin saya lihat satu cuitan Twitter dari salah satu peneliti yang saya ikuti, Dr. Sotiris Valkaniotis dari Universitas Tesaloniki, Yunani. Beliau ini rajin membagikan info-info menarik, terutama tentang kebencanaan. Saya pertama mengikuti akunnya pasca erupsi Anak Krakatau, akhir tahun 2018 lalu.

Di cuitannya, Dr. Valkaniotis membagikan perbandingan elevasi Gunung Anak Krakatau sebelum erupsi besar akhir tahun 2018 lalu dan setelah erupsi. Data elevasi sebelum erupsi didapat dari model elevasi nasional DEMNAS yang dipublikasikan oleh Badan Informasi Geospasial (BIG), bisa diakses di http://tides.big.go.id/DEMNAS/. Data elevasi setelah erupsi didapat dari satelit ICEsat 2 (Ice, Cloud, and Land Elevation Satellite), yang bisa diakses di https://openaltimetry.org/data/icesat2/.

Karena saya penasaran dengan data ICEsat 2 ini, saya langsung cari di google dan akhirnya ketemu. Lalu saya coba sendiri mengolah data mentah elevasi dari ICEsat 2 ini.

Misi ICEsat 2 ini menarik karena dia menyediakan kita data elevasi dari satelit. Satelit ini mengelilingi bumi dan mengukur ketinggian dengan presisi yang mengagumkan. Dia bisa mendeteksi perubahan tinggi kanopi, bisa juga mendeteksi perubahan ketebalan lapisan es, yang mana dua ini merupakan alasan utama diluncurkannya satelit ini ke angkasa. Untuk tahu lebih lanjut bisa langsung buka di sini.

Saya kemudian mencoba membuat ulang apa yang sudah dibuat oleh Dr. Valkaniotis. Rekonstruksi ketinggian Gunung Anak Krakatau sebelum dan sesudah erupsi akhir tahun 2018.

Gambar di atas adalah hasil rekonstruksi saya. Titik-titik elevasi dari ICEsat 2 (berwarna biru) saya ekstrak kemudian saya tampilkan bandingkan dengan elevasi dari DEMNAS. Agak sedikit tricky karena model bumi yang dipakai oleh ICEsat 2 adalah model bumi ellipsoid, sementara model bumi DEMNAS adalah model bumi geoid. Ini pelajaran dasar ilmu geodesi yang sejujurnya gak pernah saya menduga akan mengaplikasikannya sendiri.

Intinya elevasi dari ICEsat 2 ini harus dikonversi dulu. Tapi tenang sudah ada kalkulatornya, jadi kita tidak perlu cemas.

Setelah dibandingkan kita jadi tahu bahwa kawah yang terbentuk sekarang itu dulunya puncak Anak Krakatau yang hampir 250 meter tingginya. Kalau sempat, sebenarnya bisa juga kita estimasi volume yang hilang (volume sebelum erupsi – volume setelah erupsi), tapi untuk ini kita baiknya punya data batimetri agar volume di bawah laut dihitung juga.

(Bangga baru bisa bikin slider image kaya gambar di atas!) Gambar sebelum erupsi menggunakan false color dengan komposisi Band 12, Band 11, dan Band 4. Gambar setelah erupsi menggunakan mode True Color komposisi Band 4, Band 3, Band 2.

Pesan penting!
Dalam tulisan ini saya ingin berbagi tiga hal yang menurut saya sangat penting bagi perkembangan sains.

Pertama adalah keterbukaan data. Bayangkan data Openaltimetry.org dan DEMNAS gak terbuka dan bebas diakses? Gak akan ada tulisan ini. Maka penting sekali bahwa data-data yang sifatnya publik dan bisa bermanfaat bagi orang banyak untuk dibuka atau dimudahkan aksesnya. Jangan dibuat ribet harus datang, bikin surat, bikin segala macam administrasi yang menghambat perkembangan sains. Jangan cuma investasi yang dipermudah.

Maka saya berterima kasih banyak pada BIG yang membagikan data secara gratis. Saya ingat dulu waktu mahasiswa kalau mau beli data Autocad topografi itu harus bayar ke Bakosurtanal. Sekarang kita sudah bisa akses mudah dan gratis di web BIG.

Kedua adalah keinginan untuk berbagi. Tulisan ini tidak akan ada kalau Dr. Sotiris Valkaniotis tidak membagikan gambarnya tentang ICEsat 2 dan Gunung Anak Krakatau. Tanpa twitnya, saya tidak akan tahu ICEsat dan tidak akan terbesit untuk mencoba. Tapi dia berbagi, dan karena kesediaannya untuk berbagi, dia menginspirasi orang.

Bayangkan jika semua ilmuwan berbagi ilmunya, wah betapa cepatnya sains terdiseminasi. Semakin inklusif dan bisa diakses semua orang. Dibagikan dengan kalimat yang mudah dimengerti dengan bentuk yang tidak kaku.

Ketiga adalah pentingnya kita untuk bermedia sosial, dalam hal ini Twitter. Buat saya, twitter adalah media sosial paling bagus untuk mengupdate hal termutakhir dalam sains. Sekarang sudah sangat banyak peneliti yang punya akun Twitter dan mereka sehari-hari membagi apa yang mereka kerjakan. Sudah banyak instansi riset yang mengumumkan aktivitas dan hasil riset mereka. Dan Twitter adalah media yang paling cepat. Dalam hitungan jam sesuatu bisa mendunia di Twitter

Terakhir, semoga tulisan ini menjadi hal yang bermanfaat, terutama bagi diri saya pribadi, dan bagi rekan-rekan sekalian yang membacanya.

Salam

Urun Daya dalam Sains

Salah satu masalah yang paling sulit diselesaikan oleh para saintis adalah kekurangan data. Masalah ini umumnya berasal dari kurangnya dana, ketiadaan alat, atau lokasi penelitian yang sulit dijangkau sehingga tidak memungkinkan kunjungan yang rutin.

Seringkali para peneliti berandai-andai, bila saja masyarakat lokal bisa membantu melaporkan temuan-temuan, atau perubahan-perubahan yang mungkin bermanfaat untuk penelitiannya. Namun tentu saja masyarakat juga punya kesibukan lain, sehingga enggan direpotkan oleh hal demikian. Kecuali misal mereka mendapat insentif. Yang mana kembali ke permasalahan pertama, yaitu ketiadaan dana.

Salah satu upaya yang kemudian dilakukan oleh para peneliti adalah melakukan Urun Daya atau crowdsourcing. Dalam istilah sains sebenarnya lebih dikenal sebagai Citizen Science, tapi entah kenapa saya lebih senang istilah Crowdsourcing Science. Bagi saya Citizen Science itu masyarakat sebagai pelaku risetnya, semacam peneliti amatir. Sementara Crowdsourcing Science itu masyarakat dengan sadar atau boleh jadi juga tidak sadar membantu peneliti mengambil data.

Dalam Urun Daya Sains, peneliti mengajak masyarakat untuk berpartisipasi dalam pengambilan data penelitian. Bedanya, masyarakat benar-benar berpartisipasi dengan kehendaknya sendiri. Peneliti hanya perlu memastikan metode pengambilan data yang tidak merepotkan, tapi datanya cukup baik untuk digunakan sebagai data penelitian.

Gambar di atas adalah satu contoh Urun Daya Sains yang diinisiasi oleh The National Trust dari Inggris. Mereka mengajak masyarakat untuk mengambil gambar dari anjungan yang telah disediakan, kemudian meminta pengambil gambar untuk mengunggah gambar mereka dengan tagar #NTshiftingshores di media sosial. Dengan adanya tagar, National Trust bisa mengakses gambar dengan mudah, memasukkannya ke dalam basis data, menganalisisnya dengan bantuan mesin (menggeoreferensi, dll), sehingga yayasan ini bisa mengetahui perubahan garis pantai.

Bayangkan misal dalam satu minggu kita dapat 10 gambar, maka dalam satu tahun kita punya 520 gambar, dan dalam 10 tahun kita punya lebih dari 5000 gambar. Cukup hanya dengan bermodalkan papan informasi seperti ini. Mungkin modal lainnya yang harus dikeluarkan adalah setiap tahun kita harus kunjungi, bersihkan, kemudian pasang suatu benchmark di pantai yang bisa kita gunakan untuk pembanding.

Crowdhydrology – Crowdsourcing data hidrologi
Salah satu projek urun daya sains lain yang saya suka adalah Crowdhydrology dari Amerika Serikat. Projek mereka adalah mengumpulkan data hidrologi di Amerika Serikat.

Yang mereka lakukan adalah mereka memasang tongkat pengukur ketinggian air dan di sekitarnya terdapat papan informasi yang berisi nomor stasiun dan kontak. Citizen scientist kemudian melihat dan mengirim sms ke nomor kontak. Data yang diberikan kemudian bisa diakses semua orang.

Tidak ada insentif apa-apa. Para kontributor data diberikan apresiasi setinggi-tingginya untuk bisa menyebut diri mereka sendiri sebagai citizen scientist karena mereka telah berkontribusi terhadap perkembangan sains.

Lokasi titik pengamatan CrowdHydrology di seluruh Amerika Serikat

GlobalXplorer – Urun Daya Bidang Arkeologi
Salah satu projek urun daya yang saya pernah ikuti adalah projek menarik dari Dr. Sarah Parcak, pemenang Ted Prize tahun 2016. Projeknya, GlobalXplorer, mengajak orang-orang untuk menganalisis data citra satelit untuk bisa melihat jejak arkeologi, misal bentukan kanal purba, penggalian-penggalian, dll.

Projeknya Dr. Parcak ini keren banget. Dengan bantuan masyarakat yang mengidentifikasi secara visual, kemudian data identifikasi ini dikombinasikan dengan pemelajaran mesin machine learning, Dr. Parcak dan tim bisa mengidentifikasi potensi keberadaan 17 piramida, 3100 pemukiman, dan sekitar 1000 makam di Mesir.

GlobalXplorer ini didesain seperti permainan. Kita diberi medali, kemudian ada jalan ceritanya mengikuti kisah arkeologi. Misal cerita Suku Inca, Suku Maya, dan lain sebagainya. Keren!

Contoh petualangan di GlobalXplorer

Bagaimana di Indonesia?
Saya sudah terpikir banyak hal yang bisa kita kerjakan di Indonesia terkait hal ini. Bangsa kita sangat murah hati dalam media sosial. Mereka akan dengan senang hati membantu apabila ada penghargaan yang mereka terima, misal sebuah pengakuan akan kontribusi.

Misal di Stone Garden, Padalarang. Kita pasang satu papan seperti punya National Trust. Kita arahkan ke daerah yang ditambang. Jika kita lakukan cukup lama, misal 5 tahun atau 10 tahun, kita bisa dapat gambar timelapse perubahan bentang alam di sana.

Lainnya, misal di Karangsambung, lokasi primadona mahasiswa geologi Indonesia. Sebagai tempat yang terus dikunjungi, kita pasang beberapa titik pantau. Mahasiswa yang melihat papan informasi di titik pantau ini kemudian bisa melaporkan fotonya sehingga kita bisa memantau titik tersebut setiap tahun, misal di Kekar Kolom Diabas Gunung Parang yang terakhir saya ke sana sedang berpacu melawan linggis para penambang.

Lainnya lagi misal pasang satu titik di Jakarta sehingga kita bisa lihat perkembangan pertambahan gedung-gedung pencakar langit di ibukota. Dan lain sebagainya.

Kalau bisa jadi, wah mantap! Semoga sepulang ke Indonesia nanti ada waktu dan energi untuk kerjakan hal-hal ini. Insyaallah.

Contoh proyek Citizen Science dari NOOA Amerika Serikat

Memantau Kebocoran Minyak di Laut Jawa

Minyak bocor di Laut Jawa! Kasus ini diungkap oleh Direktur Hulu PT Pertamina Persero Dharmawan Samsu bahwa insiden ini telah terjadi sejak 2 minggu lalu, 12 Juli 2019 dini hari. Ketika itu muncul gelembung gas, yang menyebabkan operasi pengeboran berhenti dan tanggal 14 Juli Pertamina memutuskan evakuasi pegawai.

Pertamina pertama membuka rilis insiden ini pada tanggal 18 Juli dan mengatakan telah melakukan upaya maksimum untuk menghentikan kebocoran gas dan minyak.

Menurut rilis CNCB Indonesia, per tanggal 22 Juli, bocoran minyak telah meyebar hingga ke pantai di pesisir Karawang. Pertamina juga telah mengerahkan 27 kapal yang dilengkapi dengan oil boom dan dispersant ke sekitar anjungan dan titik-titik yang terindikasi terdapat tumpahan minyak di laut.

Yang menarik peristiwa kebocoran minyak ini bisa kita amati jelas dari citra satelit dengan teknik penginderaan jauh.

Dengan menggunakan citra satelit Sentinel 2 dari European Satelite Agency (ESA), kita bisa jelas perkirakan kebocorannya. Saya sebenarnya tidak tahu pasti di mana titik kebocoran dan titik anjungan. Jadi titik ini hanya dugaan, berdasarkan fakta-fakta visual yang jelas.

Dengan piranti lunak Sentinel Hub, Saya mengarahkan pencarian saya ke Laut Jawa di pesisir Karawang. Kemudian mengatur tanggal antara awal Juli hingga sekarang. Dari hasil ini, saya menduga-duga di mana titik anjungan berada. Hasilnya adalah titik dugaan kebocoran ini berada sekitar 10 kilometer arah utara dari Muara Cilamaya. Kemudian saya membuat gambar selang waktunya.

Perhatikan bagian tengah kanan gambar. Sebaran minyak mulai terlihat pada tanggal 14 Juli 2019, kemudian kita lihat banyak titik-titik yang kemungkinan besar adalah kapal-kapal pembersih minyak. Bagian pojok kiri bawah peta adalah pantai di Karawang.
Perbesaran gambar sebelumnya. Kita bisa amati lebih jelas kebocoran minyak dan upaya pembersihan minyak pada tanggal 24 Juli 2019.

Dengan menggunakan citra Sentinel 1 yang berbasis radar, kita bisa perkirakan luas penyebaran tumpahan minyak. Ini memungkinkan karena minyak memiliki respon berbeda terhadap gelombang radar dibandingkan air.

Citra Sentinel 1 Ground Range Detected mode IW tanggal 18 Juli 2019. Mohon maaf tidak ada skala.
Citra Sentinel 1 Ground Range Detected mode IW tanggal 30 Juli 2019. Skala tidak sama dengan gambar tanggal 18 Juli.
Timelapse sebelum kebocoran dan sesudah kebocoran. Perhatikan warna gelap yang merupakan refleksi dari minyak.

Di gambar kita bisa lihat minyak kemungkinan besar yang berwarna gelap, sementara air laut bertekstur kasar. Titik awal warna gelap berasal adalah sama dengan titik di gambar selang waktu sebelumnya. Titik-titik terang kemungkinan besar adalah kapal-kapal yang berseliweran membersihkan tumpahan minyak.

Dengan memanfaatkan citra satelit, kita bisa menghitung seberapa luas pelamparan minyak. Kita juga bisa menggunakan data ini untuk merencanakan strategi penanganan dampak sehingga upaya kita bisa maksimal.

Semoga tulisan ini mampu memberikan informasi yang mencerahkan. Tulisan ini tidak saya maksudkan untuk menyudutkan siapa-siapa. Hanya semata-mata keinginan untuk berbagi cara melihat bumi dari sudut pandang yang lain. Untuk itu, informasi ini mohon untuk tidak dikutip dan mari kita menunggu rilis resmi dari LAPAN sebagai pihak yang berkepentingan di bidang ini.

Saya mendoakan yang terbaik untuk segenap jajaran Pertamina dan kru yang bertugas. Semoga kejadian ini yang terakhir dan tidak terulang lagi.

Semoga penanganan kebocoran dan pembersihan laut terlaksana sebaik-baiknya.

Gambar terbaru dari Sentinel 2 tanggal 29 Juli 2019!

Aplikasi Sistem Informasi Hidrogeologi Cekungan Bandung

Di Cekungan Bandung, pasti sudah ada ratusan atau bahkan ribuan sumur bor yang terdaftar, belum yang tidak terdaftar atau bahkan yang ilegal. Sumur-sumur bor yang terdaftar, untuk mengajukan izin pembuatan atau perpanjangan, harus melampirkan rencana konstruksi sumur, salah satunya adalah log sumur, yang dipakai untuk menentukan di kedalaman mana saringan/screen akan dipasang, atau dengan kata lain dari akifer mana air akan diambil. Akifer adalah lapisan yang menyimpan dan mampu melewatkan air.

Di Cekungan Bandung ada beberapa lapisan akifer. Ada lapisan akifer dangkal dan lapisan akifer dalam. Geometrinya cukup kompleks karena terbentuk dari perselingan endapan gunungapi. endapan kipas aluvial, dan endapan danau-rawa. Masing-masing endapan ini tidak selalu saling berhubungan, membentuk endapan yang pelamparannya luas. Seringkali endapan-endapan ini hanya berupa kantung-kantung (patches) yang hubungan antar satuannya itu menjari atau membaji.

Konsumsi air tanah di Cekungan Bandung sudah masuk dalam tahap mencemaskan. Pemompaan berlebih dari akifer dalam mengakibatkan akifer yang dulu sifatnya artesis, kini muka air tanahnya lebih rendah daripada batas atas lapisan (Hutasoit, 2009). Ekstraksi air tanah berlebih telah mengakibatkan penurunan ekstrim. Di beberapa tempat bahkan menyentuh hingga 23 cm/tahun (Abidin dkk, 2012).

Dalam rangka melindungi akifer, kita harus memahami geometri akifer kita. Hanya dengan begitu kita bisa membuat strategi pemantauan yang jitu, yang tepat guna. Data yang kita butuhkan untuk memahami geometri akifer sudah ada, yaitu data sumur-sumur bor yang sudah begitu melimpah kita punya.

Penelitian mengenai geometri akifer Cekungan Bandung terbaru dilakukan oleh Pak Bambang Sunarwan (2014) Dalam disertasinya, Sunarwan mengembangkan unit hidrostratigrafi di Cekungan Bandung berdasarkan parameter hidrolik, hidrokimia dan isotop. Hebatnya disertasi ini adalah keterbukaan akses. Artinya semua bisa melihat, membaca, dan mengakses datanya. Lisensi datanya adalah cc-by. Dalam lisensi ini, pengguna data dapat menggunakan dan mengadaptasi data dalam format apapun untuk kebutuhan apapun.

Karena keterbukaan datanya, saya bisa menggunakan data ini untuk mengembangkan aplikasi sederhana Sistem Informasi Hidrogeologi Cekungan Bandung. Ada sekitar 100 sumur yang saya jadikan data dasar. Data yang saya miliki adalah data log litologi dan log resistivitas. Kedua data ini bisa dijadikan sebagai dasar untuk menginterpretasi lapisan pembawa air/akifer. Berikut adalah tampilannya.

Aplikasi ini saya kembangkan berbasis R. Sebenarnya saya sudah membuat aplikasi webnya di menggunakan shinyapps.io, https://malikarrahiem.shinyapps.io/Malik_Apps/ . Tapi akun saya gratisan, hanya bisa diakses total 10 jam. Jadi sementara saya matikan. Akan dinyalakan nanti kalau mau ketemu dosen pembimbing.

Aplikasi pertama saya ini terbatas kemampuannya. Di dalam aplikasi, hanya ditampilkan titik-titik sumur. Jika kita mengeklik sumur, maka di layar sebelah kanan akan muncul log litologi dan resistivitas.

Dalam bayangan saya nanti, kita bisa menambah informasi yang ditampilkan. Misal formasi batuan X ada di kedalaman berapa, hidrostratigrafi Y ada di kedalaman berapa, dan seterusnya. Kita juga bisa menambah informasi lain seperti parameter hidrolik, hidrokimia, atau juga data isotop.

Latar belakangnya juga bukan cuma gambar Kota Bandung saja, tapi bisa juga ditambahkan poligon hidrogeologi yang didigitasi dari Peta Hidrogeologi Bandung. Bisa juga peta geologi, peta geomorfologi, atau juga peta tata guna lahan.

Selain itu, saya juga akan menampilkan penampang. Misal pengguna ingin membuat penampang di antara titik-titik tertentu, maka aplikasi akan menampilkan seperti gambar di bawah ini.

Tak cuma tampilan 2 dimensi, saya juga sedang mengembangkan model 3 dimensi unit hidrostratigafi di Cekungan Bandung. Melalui tampilan 3 dimensi, yang juga akan ditampilkan dalam webGIS ini nanti, pengguna bisa melihat model 3 dimensi dan memainkannya. Memutar-mutar, memperbesar, memperkecil, menambah dan mengurangi lapisan yang ingin ditampilkan, dll. Tapi ini masih belum ada yang bisa ditunjukkan jadi semoga segera bisa saya kerjakan.

Melalui sistem informasi hidrogeologi ini, saya berharap orang-orang menjadi lebih mudah untuk memahami sistem hidrogeologi Cekungan Bandung. Dengan memahami maka akan timbul rasa memiliki dan keinginan untuk menjaga. Selain itu, keterbukaan data juga akan mendorong tata kelola air tanah yang lebih transparan.

Saya menyadari bahwa ini masih panjang dan perlu tekad kuat serta konsistensi untuk mewujudkannya. Semoga Allah berikan saya kekuatan untuk menyelesaikan apa yang sudah saya mulai.

Bismillah

Mengeplot Log Sumur dan Resistivitas dalam Penampang Menggunakan R

Sejak beberapa tahun lalu, dosen saya di GL ITB, Pak Dasapta Erwin Irawan sangat rajin menulis tentang R. Sejujurnya saya tidak pernah benar-benar mengerti tentang R, kecuali selentingan-selentingan bahwa software ini sangat powerful dan bisa digunakan untuk mengolah data yang sangat besar.

Tapi kemudian saya mulai merasakan hebatnya R. Untuk kebutuhan tesis, saya harus mengolah data sekitar 100 sumur. Dari sumur-sumur ini saya harus membuat banyak penampang geologi. Membuat penampang geologi ini super ribet. Apalagi jika pakai cara manual. Mengeplot satu per satu di milimeter blok. Wah stres!

Sebelum saya mencoba R, saya mencoba mencari piranti lunak gratis yang bisa dipakai untuk kebutuhan menganalisis log sumur. Sayangnya kebanyakan piranti lunak yang ada itu berbayar. Atau kalau pun ada, saya harus menginvestasikan waktu saya untuk ngulik softwarenya, yang entah saya akan pakai atau ngga nanti setelah lulus.

Karena itu saya kemudian memutuskan untuk mengulik R, dan belajar mengeplot data saya di R. Dengan harapan bahwa saya bisa mengotomatisasi proses pembuatan penampang ini. Sekaligus memahami kehebatan program ini.

Hasilnya jenius! Skrip saya bekerja seperti sihir. Data saya yang 15 ribu baris bisa dimodifikasi sesuka hati tanpa rasa takut mengubah data utama. Saya bisa mengeplot sangat banyak penampang sekaligus. Kemudian jika saya ingin menginterpretasi, saya bisa print dan menyeketsa penampang geologinya di sana.

Sekarang saya belum bisa membuat penampang geologi yang ada interpretasi antar sumur di R. Yang bisa saya lakukan hanya mengeplot data sumurnya saja. Tapi saya yakin di software canggih ini, sudah ada atau akan ada orang yang bisa juga bikin penampang geologi lengkap dengan lapisan-lapisan, sesar, dan simbol litologinya. Hanya saya saja yang belum nemu orangnya atau caranya.

Gambar di atas itu adalah plot litologi dan resistivitas dari salah satu penampang yang ada dalam data saya. Plot di atas dibuat menggunakan paket Tidyverse, yang di dalamnya ada paket ggplot2 dan dplyr. Setelah plot ini jadi, nanti tinggal kita tarik-tarik interpretasi stratigrafinya, voilaa jadilah penampang geologi!

Hebatnya lagi karena basisnya adalah kode, maka kalau saya mau bikin penampang yang lain, saya tinggal modifikasi kodenya. Saya bisa pilih penampang saya mau lewat sumur mana saja, lalu jalankan kodenya. Maka jadilah plot sumur kita.

Jenius memang R. Sekali coba, nagih rasanya! Ayo ngulik R!

Kalau mau coba, berikut kodenya:
Mungkin ada juga yang berminat memodifikasi biar kodenya lebih taktis dan singkat.

library(ggplot2)
library(tidyverse)
library(dplyr)

Logs <- read.csv(file = “Complete_Logs.csv”, header = TRUE)
Logs P_AB <- Logs %>%
select(KodeSumur, TopElev, BotElev, Litologi, KodeLito, R) %>%
filter(KodeSumur %in% c(“P33”, “P47”, “P4”, “P28”, “P24”, “P67”, “P80”))

P_AB$KodeSumur_f =factor(PenampangAB$KodeSumur, levels = c(“P28”, “P24”, “P67”, “P33”, “P47”, “P4”, “P80”))

ggplot(data = P_AB, mapping = aes(x=KodeSumur, y= 1, fill=KodeLito )) +
geom_col(position = position_stack(reverse = TRUE), width= 0.5)+
scale_y_reverse()

ggplot()+
geom_rect(data = P_AB, mapping = aes(xmin=BotElev, xmax=TopElev, ymin=0, ymax= 50, fill= KodeLito))+
facet_wrap(~KodeSumur_f, ncol = 7)+
geom_line(data= P_AB, mapping = aes(x= TopElev, y= R))+
theme_bw()+
coord_flip()

Memahami Urban Heat Island di Bandung Menggunakan Google Earth Engine

Hari Rabu nanti, 17 Juli 2019, kakak saya, Muhamad Riza Fakhlevi, akan mempresentasikan makalah kami yang berjudul “Analisis Fenomena Pulau Panas Perkotaan di Kota Bandung Menggunakan Google Earth Engine”. Makalah ini kami daftarkan ke Seminar Nasional Penginderaan Jauh 2019 (Sinasinderaja), yang akan diselenggarakan di Margo Hotel, Depok.

Saya pernah membahas mengenai apa yang kami tuliskan dalam makalah ini dalam tulisan Bandung Hareudang. Tulisan ini adalah kelanjutan dari tulisan tersebut, juga merupakan rangkuman dari apa yang akan kami presentasikan nanti di Depok.

Kenapa Harus Riset Urban Heat Island (UHI)?
UHI ini isu penting perkotaan. Menurut Bank Dunia 52% penduduk Indonesia tinggal di perkotaan. Tahun 2025, diperkirakan persentasenya akan meningkat hingga 68%. Kota sebagaimana yang kita tahu, suhunya lebih panas karena ketiadaan pepohonan. Selain itu dengan ancaman perubahan iklim, kota semakin terancam tidak mampu menanggulangi panas ekstrim, yang di beberapa tempat terbukti mematikan.

Di Eropa misal, pada tahun 2003 terjadi gelombang panas mematikan yang menewaskan hingga 70 ribu orang! (Jean Marie Robin dkk, 2008)

Oleh karena itu, penting bagi setiap kota untuk memahami karakteristik daerahnya. Penting untuk setiap kota memahami variasi spasial dan temporal suhu di daerahnya, sehingga bisa mengantisipasi segala macam kemungkinan.

Urban Heat Island di Bandung
Penelitian UHI di Bandung sudah sangat banyak. Misal penelitian dari Tursilowati (2005) yang menyatakan bahwa perubahan suhu di Bandung terjadi akibat perubahan peruntukan lahan. Penelitian lain misal dari Paramita dan Fukuda (2014) yang menyatakan bahwa terjadi perubahan panas yang signifikan di daerah urban di Bandung. Penelitian lain misal adalah makalah tesis dari Inu Kusuma Wardana dari ITC, Twente (2015) yang menggunakan data satelit untuk membandingkan suhu dan tutupan lahan di Kota Bandung sejak tahun 1994 hingga tahun 2014. Widya Ningrum dan Narulita (2018) menyatakan bahwa suhu rata-rata Kota Bandung meningkat sebesar 1,3 derajat Celcius antara tahun 2005-2016.

Dari sekian banyak penelitian ini, lantas apa yang berbeda dari makalah kami?

Kami mencoba cara baru mengolah data citra satelit. Biasanya untuk meneliti suhu permukaan, orang membandingkan citra satelit dari tahun-tahun tertentu. Misal satu gambar dari 2005, satu gambar dari 2010, kemudian satu gambar dari 2015, lalu dibuat perubahannya, kecenderungannya, dan lain sebagainya. Orang harus mengunduh citra satelit, kemudian menggunakan piranti lunak pengolah data citra satelit, seperti ArcGIS, Erdas, SNAP, QGIS, dll.

Cara ini tentu valid dan sudah mapan. Sudah sangat banyak penelitian suhu permukaan dilakukan dengan cara ini. Tapi cara ini punya kelemahan, yaitu tidak bisa menganalisis data yang sangat banyak, karena keterbatasan kemampuan komputer memproses data.

Apalagi di zaman sekarang, ketika data citra satelit semakin tinggi resolusi spasial dan resolusi temporalnya. Di zaman sekarang, di era Big Data yang semua serba cepat dan serba internet. Cara yang saya sebut di atas semakin tertinggal sehingga kita harus pindah ke cara baru, yaitu dengan memanfaatkan komputasi awan.

Apa itu komputasi awan?

Komputasi awan adalah sebuah teknik menggunakan jaringan internet untuk menyimpan, mengatur, dan memproses data, alih-alih menggunakan jaringan lokal atau komputer pribadi kita.

Di bidang inderaja, ada Google Earth Engine (GEE) yang memberikan layanan gratis pemanfaatan komputasi awan untuk mengolah data citra satelit. Komputasi awan ini sangat powerful. Komputer super google mampu mengolah data ratusan bahkan ribuan gigabyte dengan cepat. Kita hanya tinggal menulis naskah pemrograman yang berisikan perintah-perintah yang ingin dikerjakan, lalu komputer GEE akan melakukannya dan kita akan diberikan hasilnya.

Dengan menggunakan komputasi awan GEE, kami bisa menganalisis 125 citra satelit Landsat 8 di daerah Cekungan Bandung dari tahun 2013 hingga sekarang. Semuanya dilakukan dengan GEE.

Data dan Metodologi
Hebatnya GEE adalah berbasis kode. Para pengembang GEE atau mereka yang sudah mempublikasikan makalahnya tentang GEE, biasanya membagikan kode mereka. Karena kode ini dibagikan, orang bisa melihat dan mempelajari kode ini.

Kami mengadaptasi kode yang dikembangkan seorang peneliti dari Amerika bernama Anthony Cak. Ia melakukan penelitian Land Surface Temperature di Amazon. Kodenya ia bagikan di githubnya. Saya mengirim surel kepada Pak Cak ini untuk meminta izin menggunakan dan memodifikasi kodenya. Beliau mengizinkan.

Kode dari Cak, kami modifikasi dan kode ini bisa diakses pada tautan berikut. Di dalam kode ini terdapat banyak fungsi, misal fungsi menentukan area penelitian, fungsi menghitung nilai Normalized Difference Vegetation Index (NDVI), fungsi memilih jenis satelit, interval penelitian, filter awan, dll. Kode ini juga kami terjemahkan sebisa mungkin agar bisa dipahami oleh semua orang. Data-data dan kode kami simpan di dalam repositori yang bisa diakses semua orang di tautan berikut: https://github.com/malikarrahiem/urbanheatislandbandung.git

Hasil dan Diskusi
Tak banyak hal baru yang kami temukan dalam penelitian ini. Hampir semua hasil merupakan hal yang lumrah dipahami semua orang. Suhu di Bandung lebih panas daripada daerah di sekitarnya. Suhu di kota lebih panas daripada suhu di hutan kota, dan suhu di hutan kota lebih panas daripada suhu di hutan.

peta persebaran suhu permukaan tanah Kota Bandung tahun 2013-2018

Hal baru yang kami tunjukan adalah bahwa hal ini bisa diperoleh dengan waktu waktu singkat saja. Sekali klik Ctrl+Enter menggunakan Google Earth Engine. Hebatnya lagi data ini dapat dengan mudah dimodifikasi dan jika Anda berminat, Anda bisa praktikkan di mana saja di seluruh dunia.

Prasyaratnya tentu adalah kemampuan memahami cara bahasa pemrograman Java bekerja. Tapi sebenarnya itu juga bukan hal yang sulit karena sudah begitu banyak tutorial dan panduan tersedia.

Dengan menggunakan GEE, kami bisa memangkas waktu sangat banyak, tanpa perlu komputer yang hebat atau kapasitas harddisk yang besar. Kami tidak perlu mengunduh apa pun. Kami hanya perlu akses internet agar bisa mengakses Google Earth Engine dan voilaa, skrip kami berjalan seperti sihir.

Hal lain yang kami temukan adalah bagaimana pentingnya replikabilitas dari suatu penelitian ilmiah. Kami belajar dan mengulik bagaimana naskah Java Anthony Cak bekerja, bagaimana teori yang melandasinya, dan kami bisa membuat makalah ini dengan begitu mudahnya. Dan Anda pun pasti bisa. Kami sadar pentingnya keterbukaan data dan pentingnya memberi kemudahan orang mengakses dan mereplikasi penelitian kita. Ini mempercepat perkembangan sains dan akan memberi keuntungan bagi semua orang.

Big Data Remote Sensing dan Sustainable Development Goal
Melalui penelitian ini, kami ingin menunjukkan bahwa komputasi awan bisa merevolusi teknik pengolahan data citra satelit. Kita tidak lagi terbelenggu oleh kapasitas komputer. Kita bisa mengolah data yang begitu besar, asal kita tahu data kita mau diapakan dan kita mampu menerjemahkan keinginan kita itu ke dalam bahasa yang dimengerti oleh GEE, yaitu bahasa pemrograman Java.

Kita bisa membuat satu naskah yang sama, tapi misal untuk seluruh Indonesia. Kita bisa membuatnya untuk menganalisis data dengan interval panjang bertahun-tahun. Batasan kita hanyalah imajinasi. Ketika kita mampu berimajinasi cara mengolah data, maka kita bisa melakukannya. Kita hanya perlu berkreasi dan berinovasi.

Dalam dunia yang penuh tantangan dan kewajiban kita untuk mewujudkan Tujuan Pembangungan Berkelanjutan 2030, kita harus memanfaatkan segala fasilitas yang ada. Kita harus memanfaatkan big data inderaja yang luar biasa besar. Tapi kita begitu terbatas dalam memanfaatkan big data jika kita masih menggunakan cara-cara lama yang konvensional.

Kita perlu cara-cara baru. Kita perlu teknik-teknik mutakhir, dan makalah kami ini bertujuan untuk menunjukkan itu.

Semoga bermanfaat.

Salam

Silakan mampir di repositori makalah ini di:

https://github.com/malikarrahiem/urbanheatislandbandung.git

Apakah Tuna Netra Bisa Jadi Geolog?

Beberapa bulan lalu ada perdebatan seru di Twitter, tentang apakah seorang buta warna bisa berkuliah di jurusan geologi di Indonesia. Di kampus saya dulu, Insitut Teknologi Bandung, memang ada aturan ini. Bahwa salah satu pra-syarat masuk jurusan geologi adalah mampu menunjukkan surat bebas buta warna. Entah apakah sekarang masih ada atau tidak.

Sebelumnya saya tidak pernah benar-benar memikirkan hal ini, tapi saya kemudian sadar bahwa ini adalah aturan diskriminatif yang harus dihapuskan. Geologi adalah ilmu yang harus bisa dipelajari oleh siapa saja. Lebih umum lagi, pendidikan harus bisa diakses siapa pun, terlepas dari kondisi fisiknya. Jadi siapa saja bisa belajar apa saja yang dikehendakinya.

Apa hak kampus untuk melarang seorang buta warna belajar geologi? Apakah seorang buta warna tidak bisa menjadi geolog? Jika buta warna saja tidak bisa, apalagi tuna netra. Lalu muncul pertanyaan lain, apakah seorang tuna netra tidak bisa menjadi geolog?

Tuna netra jadi geolog? Jawabannya bisa!

Ini adalah cerita yang menjungkirbalikkan semua asumsi-asumsi keliru, yang membuktikan bahwa ketika kesempatannya ada, semua orang bisa, mampu, dan bahkan menjadi yang terbaik. Bahkan seorang tuna netra bisa menjadi nomor satu di dunia dalam bidangnya.

Ini cerita tentang Dr. Geerat Vermeij, seorang ahli moluska, profesor di bidang Paleobiologi di Universitas California Davis (UC Davis), Amerika Serikat. Ia bukanlah seorang buta warna. Ia adalah seorang tuna netra. Ia kehilangan pandangan sejak umurnya 3 tahun.

Profesor Vermeij membuktikan bahwa ketidakmampuan untuk melihat bukanlah hambatan untuk berkarya. Dalam puluhan tahun karirnya ia mempublikasikan lebih dari 200 publikasi, termasuk 5 buku. Publikasinya tersebar di jurnal ternama, Paleobiology, Science, American Naturalist, dll.

Contoh publikasi Vermeij

Buku terbarunya, Nature an Economic History, membahas mengenai ekonomi dan evolusi. Ia membandingkan antara prinsip dasar evolusi dengan prinsip dasar ekonomi, kemudian mengorelasikannya dengan tren sejarah kehidupan dan sejarah kemanusiaan.

Profesor Vermeij adalah seorang tuna netra. Tapi itu tak mencegah ia menjadi yang terbaik di bidangnya. Tahun 2001, ia dianugerahi Medali Daniel Giraud Elliot. Penghargaan ini diberikan oleh U.S. National Academy of Sciences bagi mereka yang memberikan dampak besar di bidang zoologi atau paleontologi.

Pada tahun 2017, ia dianugerahi Fellow Medalist dari Fellows of the California Academy of Sciences. Ini adalah penghargaan tertinggi di California untuk ilmuwan yang memberikan kontribusi ilmiah di bidang ilmu alam.

Kedua penghargaan prestisius ini tentu tidak diberikan karena Dr. Vermeij adalah seorang tuna netra. Kedua penghargaan ini diberikan karena karya-karya Vermeij memang eksepsional dan memberikan dampak yang luar biasa.

Tidak mudah tapi mungkin
Perjalanan Profesor Vermeij hingga di posisinya sekarang itu sama sekali tidak mudah. Tapi ia membuktikan bahwa ia bisa. Sejak kecil ia dibimbing oleh orang tuanya untuk menyukai ilmu pengetahuan. Pada umur 10 tahun, mereka pindah ke Amerika Serikat, dan Vermeij mulai tertarik pada kerang-kerangan. Ia mulai mengoleksi kerang. Orang tua dan saudara-saudaranya sangat senang dan antusias dengan kegemarannya. Mereka membacakan, mentranskrip, dan mendiktekan setiap buku ilmu pengetahuan yang mereka bisa dapat.

Sejak kecil, ia selalu mendapat dukungan yang ia perlukan. Semua guru-gurunya menerima dengan hangat dan mendengarkan dengan antusias ketika Vermeij muda menceritakan keinginannya untuk menjadi ahli kerang atau biologi. Bidang yang sama sekali visual. Tak pernah sekalipun mereka menyatakan bahwa bidang yang ingin ia geluti ini tidak cocok dengan kondisinya. Mungkin dalam hatinya mereka berpikir bahwa tuna netra janganlah belajar biologi karena itu akan merepotkan, tapi tak pernah sekalipun pikiran-pikiran itu mereka sampaikan.

Vermeij muda kemudian diterima masuk Universitas Princeton di jurusan Biologi dan Geologi. Profesor-profesornya di sana memberikan dukungan penuh.

Selepas dari Princeton, tahun 1971 Vermeij melanjutkan studi doktoral di Yale. Ketika ia diwawancara oleh kepala departemen, ia dites. Ia diberikan dua buah cangkang dan ditanya apakah ia mengenali cangkang itu. Vermeij muda hanya tersenyum, karena dua cangkang itu sangat dikenalinya.

Kepala departemen sangat puas dengan kecerdasan Vermeij dan kemudian memberikan dukungan penuhnya. Vermeij mendapatkan beasiswa penuh dan juga diberikan dana untuk riset doktoralnya. Posisi terakhirnya adalah profesor paleontologi di UC Davis, kampus ternama di Negara bagian California, Amerika Serikat.

Yang dilakukan Vermeij sama dengan yang dilakukan geolog-geolog lainnya. Ia pergi ke lapangan. Ia mengumpulkan sampel. Ia menganalisis sampel yang dikumpulkannya di laboratorium. Ia pergi ke museum, ke perpustakaan. Ia meneliti sampel yang ada. Ia mempelajari literatur yang tersedia.

Kegiatan lapangannya pun sama seperti geolog-geolog lainnya. Ia meneliti terumbu karang. Ia berbasah-basahan di rawa mangrove, di rawa berlumpur, di pantai, di gurun, hutan hujan, di kapal, di stasiun pengamatan, dan banyak tempat lainnya.

Apakah kebutaan menjadi halangan? Tidak. Sama sekali tidak.

Vermeij mendapat bantuan ketika ia bekerja. Ada orang yang memandunya. Tapi apakah ini kemewahannya sebagai seorang peneliti yang tuna netra? Tidak juga. Penulis sendiri ketika dulu bekerja selalu ditemani oleh asisten. Franz Junghuhn di tahun 1830an ketika meneliti di Indonesia, konon ditemani lebih dari 20 asisten.

Bagi Vermeij, kebutaan bukanlah hal yang menghalangi ia untuk bekerja sama seperti peneliti lainnya. Bahkan menurut dia, tak ada hal dalam pekerjaannya yang membuat seorang tuna netra lain tak bisa melakukan apa yang dia lakukan. Ketika di lapangan, ia pernah disengat lebah, dicapit kepiting, terpeleset di batu, terkena batu tajam, dan banyak hal lainnya. Baginya, baik tuna netra, maupun mereka yang bisa melihat mempunyai risiko yang sama saja.

Pesan Vermeij
Pengalaman Vermeij bertahun-tahun sebagai ahli kerang bisa menjadi contoh bagi kita semua bahwa ketika kesempatannya ada, maka tuna netra bisa menjadi yang terbaik di bidangnya. Bahkan lebih baik dari mereka yang bisa melihat. Bahkan di bidang yang sangat visual seperti biologi, dan juga geologi.

Menurut Vermeij, pendidikan umum selama ini harus direformasi. Terlalu lama pendidikan memperlakukan tuna netra dengan tidak adil. Selama ini tuna netra selalu diarahkan menuju ilmu sosial atau jurusan-jurusan yang “aman”, jauh dari laboratorium atau jurusan yang berkegiatan di lapangan. Ini tidak adil, katanya. Kunci dari semua ini adalah kesetaraan, dan kunci kesetaraan adalah kesempatan dan respek. Selama kesempatannya tidak sama, maka tidak akan pernah ada kesetaraan.

Lantas bagaimana?
Bagi saya, yang utama adalah mendukung kesetaraan. Setiap orang harus dapat kesempatan yang sama. Sekarang bagaimana bisa semua orang dapat kesempatan yang sama jika aturan dasar masuk sekolah saja sudah sangat diskriminatif?

Maka ayolah kita sudahi perdebatan-perdebatan tidak perlu perihal penerimaan mahasiswa jurusan geologi atau jurusan lain harus begini begitu, yang aturannya malah diskriminatif dan memberatkan orang lain. Cukuplah persyaratan akademik yang menjadi batas.

Kampus janganlah mendiskriminasi orang dari kondisi fisiknya. Beri kesempatan untuk semua orang. Siapa yang tahu kalau jenius paleontologi moluska itu seorang tuna netra? Apakah ini mungkin terjadi jika dulu Princeton dan Yale menolak mahasiswa tuna netra di kampusnya?

Menurut Yayasan Mitra Netra, ada sekitar 3,5 juta orang tuna netra di Indonesia. Ini termasuk mereka yang parsial dan total. Sudah berapa banyak orang kita rebut haknya untuk belajar dengan aturan-aturan yang membelenggu itu? Bagaimana jika ada orang-orang jenius seperti Vermeij yang kita lupakan. Betapa meruginya dunia sains Indonesia.

Ketika masuk hal teknis, misal seorang tuna netra terdaftar di jurusan geologi yang banyak kegiatan lapangan. Mungkin kampus dapat meminta mahasiswa untuk menyanggupi menyediakan pemandu yang bisa mendampingi. Jangan mahasiswa ditolak ketika ia punya keinginan kuat dan kemampuan untuk mewujudkan keinginannya. Atau kita tidak akan pernah punya Vermeij-Vermeij lain di Indonesia. Yang bisa mewakili kaumnya, yang bisa menjadi inspirasi kelompoknya. Yang bisa menjadi bukti bahwa kesempatan bisa mewujudkan kesetaraan. Yang bisa menjadi bukti bahwa setiap orang, tak peduli kondisi fisiknya, bisa menjadi yang terbaik di bidang apapun.

Sumber:
https://nfb.org/images/nfb/publications/books/kernel1/kern0610.htm

Tuna netra hebat lainnya: Rumphius.

Image result for rumphius
Rumphius, salah satu botanist ternama yang meneliti Indonesia di tahun 1600an. Karyanya Herbarium Amboinense, adalah katalog tanaman di Maluku. Rumphius menulis bukunya dalam keadaan buta.

Tutorial Membuat GIF Citra Satelit dengan Sentinel-Hub

Adakah yang tertarik bikin GIF kaya gini? Silakan baca lanjutan tulisan saya ini. Saya mau berbagi cara bikin GIF citra satelit.

Perkembangan pengolahan data citra satelit itu luar biasa cepat. Sekarang di zaman 4.0 di mana semua terkoneksi jaringan internet cepat, sudah gak zaman lagi mengolah di komputer sendiri. Data citra satelit yang luar biasa gede itu harus diolah di server dengan teknologi komputasi awan.

Di bidang inilah Amerika dan Eropa bersaing ketat. Google Earth Engine, milik Google sudah lama berjaya. Perusahaan ini mengumpulkan data citra satelit dan menyediakan komputer super mereka untuk algoritma pemrograman yang dibuat oleh pengguna.

Eropa tak mau kalah. ESA dengan Copernicusnya meluncurkan Sentinel-Hub, suatu layanan mengolah data citra satelit, terutama misi Sentinel agar bisa digunakan semua orang. Yang sekarang akan saya sedikit jelaskan bagaimana kita bisa pakai Sentinel-Hub ini untuk hal yang sederhana: membuat GIF.

Pertama buka laman Sentinel Hub https://apps.sentinel-hub.com/eo-browser/

Kurang lebih hasilnnya begini

Silakan mendaftar. Tenang jangan khawatir ini gratis.

Setelah daftar langsung masuk. Login.

Gambarnya sama tapi di bagian kiri atas akan ada nama kita sebagai pengguna.

Langsung tekan huruf i di pojok kanan atas untuk tahu fitur-fitur apa saja yang tersedia dalam layanan ini.

Di panel sebelah kiri kita bisa lihat jenis-jenis data apa yang bisa kita yang bisa kita pakai. Ada Sentinel-1 yang menyediakan data tanpa terpengaruh cuaca dan waktu. Bisa siang dan malam. Ada Sentinel 2 yang menyedikan gambar bumi beresolusi tinggi (satelit ini seperti memotret bumi dari kejauhan). Jenis satelit ini optikal, jadi sangat terpengaruh oleh awan dan cahaya.

Kemudian ada Sentinel-3 yang mirip Sentinel-2 tapi resolusi spasialnya lebih rendah, tapi waktu kunjungan ulangnya lebih rapat daripada Sentinel 2. Setiap 2 hari terdapat data Sentinel 3 yang baru.

Ada juga Sentinel 5P yang menyediakan data pengukuran atmosfir, iklim, ozon, radiasi UV, SO2, NO2, dll. Selain itu ada satelit lain seperti Landsat, Envisat, MODIS, Proba-V, dan GIBS yang gak akan saya bahas.

Di tutorial ini kita akan coba main dengan data Sentinel-2, tepatnya data Sentinel-2 L1C, silakan google sendiri bedanya apa. Kurang lebih Sentinel-2 L2A itu sudah dikoreksi, kalau Sentinel-2 L1C itu belum dikoreksi. Ketersediaannya lebih banyak sentinel-2 L1C, makanya kita akan pakai yang itu. Data Sentinel-2 ini tersedia sejak Juni 2015.

Kita akan bikin GIF letusan Gunung Krakatau seperti yang saya tampilkan di atas.

Di panel sebelah kanan, pilih gambar Mark Point of Interest, bentuknya mirip tanda seru yang ada bolong di tengahnya. Tandai satu titik di mana saja di sekitar Gunung Krakatau.

Selanjutnya centang hanya Sentinel-2 dan centang L1C. Lalu ganti cloud coverage ke misal 30%. Atur juga tanggal pencarian misal ke Juni 2015.

Klik search yang berwarna kuning di bawah. Hasilnya kurang lebih seperti ini:

Hasilnya kurang lebih seperti ini

Pilih gambar yang mana saja. Tapi usahakan yang cakupan awannya paling rendah. Saya pilih yang paling atas. Tertanggal 2019-06-27, cakupan awan 0.65%.

Hasilnya kurang lebih seperti ini

Silakan bermain visualisasi dengan memanfaatkan pilihan-pilihan yang sudah ada. Kita bisa ganti-ganti juga datasetnya ke L2A yang sudah dikoreksi atau L1C. Silakan coba-coba.

visualisasi True Color untuk menunjukkan bagaimana citra terlihat dengan mata normal
Visualisasi false color untuk menunjukkan fitur-fitur yang ingin dilihat. Misal kita ingin membedakan daerah berpohon dengan daerah tidak berpohon

Jika Anda senang dengan gambar yang Anda punya, bisa langsung disimpan dengan mengeklik di panel sebelah kanan kedua dari bawah. Judulnya download image.

Ada tiga pilihan, basic, analytical, atau high-res print. Saya biasa pilih analytical. Lalu pilih image format JPG kalau cuma untuk gambar biasa. Atau pilih TIFF untuk gambar bergeoreferensi. Pilih juga resolusi gambar, misal High Resolution.

Silakan unduh gambar yang Anda kehendaki.

Untuk membuat GIF, tekan tombol yang ada di bawah download image. Judulnya Create Timelapse Animation.

Pilih jangka waktu yang dikehendaki, dan limit cakupan awan. Misal Tsunami Krakatau terjadi sebelum tahun baru 2019, maka pilih gambar dari awal bulan November (konon sejak November pun Krakatau sudah batuk-batuk), dan pilih hingga akhir bulan Januari (2018-11-01 sampai 2019-01-31) dengan cakupan awan misal 100% (tidak disaring). Klik gambar kaca pembesar (search).

Cek bagian bawah yang ada tulisan Speed frames/s. Perhatikan ada 1/37 yang berarti ada 37 gambar tersedia. Kita bisa atur berapa gambar yang ditampilkan dalam gif setiap detiknya. Misal 2 frames/second. Play!

Di kumpulan gambar kita masih ada gambar-gambar yang seperti ini. Gambar-gambar yang tidak kita kehendaki karena tertutup awan harus kita saring. Caranya mudah. Di panel sebelah kiri, cukup matikan centang. Kemudian gambar tidak akan ditampilkan dalam GIF.

Saya hanya pakai 9 gambar dari 37 gambar yang tersedia. Hasilnya kemudian saya unduh dan saya tampilkan sebagai berikut

Perhatikan tanggal 29 Desember 2018, Gunung Krakatau mulai berubah morfologinya. Setelah tahun baru, kita bisa amati danau kawah baru yang terbentuk dengan warna kecoklatan di pantainya. Konon ini karena oksidasi material gunungapi yang baru terpapar atmosfer.

Demikian tutorial singkat menggunakan Sentinel-Hub dari saya. Semoga teman-teman yang membaca bisa mengaplikasikan dan bersedia berbagi apa yang teman-teman kerjakan.

Salam

Banjir Konawe Utara dari Sentinel-1

Satelit adalah mata dunia. Dengan satelit kita semakin memahami bumi. Lebih jauh daripada yang kita bayangkan dulu, ketika kita masih meraba bumi dari darat, sebelum kita mengenal satelit.

Ada banyak jenis satelit. Ada satelit telekomunikasi, ada satelit navigasi, ada juga satelit penginderaan jauh. Yang disebut terakhir inilah yang disebut sebagai mata dunia. Ia mengindera bumi dari kejauhan. Dalam bahasa inggris, dikenal sebagai Remote Sensing. Istilah ini sudah lama dibahasaindonesiakan sebagai inderaja, .

Satelit-satelit inderaja ini bekerja dengan memanfaatkan hukum-hukum fisika. Ada yang merespon refleksi cahaya matahari, baik gelombang yang tampak, maupun gelombang tak tampak. Ada juga satelit yang menembakkan gelombang ke Bumi. Pantulannya kemudian diukur, responnya diteliti. Lalu kita menginterpretasi apa yang terjadi.

Banyak negara mengirim misi satelit inderaja ke langit. Merekam informasi dari kejauhan. Ada banyak tujuan mengirim satelit inderaja; militer, sains, bisnis, dll. Indonesia dengan LAPAN-nya pun tak mau kalah. Kita punya beberapa satelit inderaja di langit sana. Dari laman Pusat Teknologi Satelit, kita tahu bahwa LAPAN punya setidaknya 3 satelit; Satelit LAPAN Tubsat, LAPAN A2, dan LAPAN A3.

Di tulisan ini saya tidak akan bercerita tentang satelit LAPAN. Karena saya belum pernah coba pakai data dari satelit LAPAN. Meskipun besar keinginan saya untuk kelak mencoba memanfaatkan data dari satelit anak bangsa, tapi untuk sekarang akses ke data satelit LAPAN belum cukup nyaman bagi saya.

Saya ingin bercerita tentang satelit Sentinel-1. Satelit kebanggaan European Space Agency (ESA), LAPAN-nya Uni Eropa.

Satelit Sentinel 1 memiliki dua satelit yang mengorbit di langit, yaitu Sentinel 1A dan Sentinel 1B. Keduanya membawa instrumen C-Band Synthetic-aperture radar yang memungkinkan instrumen ini merekam data siang dan malam, di segala cuaca. Jadi kelebihan satelit ini, tidak terpengaruh awan. Tidak seperti satelit Landsat atau satelit Sentinel 2, yang sifatnya optikal.

Gampangnya satelit ini penting sekali, karena datanya tidak terganggu awan. Jadi setiap dia merekam data, maka jadilah datanya bisa digunakan. Tidak perlu menyaring cakupan awan. Salah satu hal paling menyebalkan dari satelit optik seperti Landsat atau Sentinel-2.

Aplikasi dari Sentinel-1 banyak banget. Dia bisa dipakai untuk aplikasi kemaritiman, misal; memonitor tinggi air laut dan kondisi es, kebocoran minyak di laut, aktivitas kapal. Satelit ini juga biasa dipakai untuk memonitor perubahan lahan di daratan, yang sangat bermanfaat, terutama bagi bidang pertanian dan kehutanan.

Tapi, terutama yang paling saya suka adalah kemampuan satelit ini untuk merespon kondisi darurat bencana, misal banjir, longsor, gunung api, gempa, dll. Satelit ini bisa mengukur perbedaan elevasi akibat bencana. Misal penurunan muka tanah akibat ekstraksi air tanah berlebih, perubahan topografi pasca gempa, longsor, letusan gunung api.

Dan banjir. Seperti di Konawe yang lagi rame belakangan ini. (Lokasi Konawe di peta Google Maps berikut)

Image result for banjir konawe
Banjir Konawe Utara
Kawasan terdampak banjir. Citra Sentinel-1 tanggal 9 Juni 2019. Toponimi dari Badan Informasi Geospasial.

Kabupaten Konawe Utara, di Provinsi Sulawesi Tenggara sudah beberapa minggu ini menjadi tajuk utama di media masa akibat banjir besar yang menghantam wilayah ini. Menurut BNPB, total 5847 kepala keluarga atau sekitar 22.573 jiwa terdampak banjir di sini. Dilaporkan 4688 unit rumah rusak, 32 unit taman kanak-kanak, 49 unit sekolah dasar, dan 14 sekolah menengah pertama terendam banjir yang terjadi sejak sebelum lebaran dan masih menggenang hingga sekarang.

Belum sawah, lahan pertanian, dan kerugian lainnya menimpa saudara-saudara kita di sana. Semoga Allah melindungi mereka semua dan mengganti segala kerugian dengan kebaikan yang melimpah kelak.

Dari gif berikut kita bisa lihat seluas apa banjir yang terjadi di Kabupaten Konawe Utara. Gif ini dibuat dari citra Sentinel-1 yang diakses menggunakan Sentinel-Hub. Secara total terdapat 5 gambar tertanggal 28 Mei 2019, 2 Juni 2019, 9 Juni 2019, 14 Juni 2019, 21 Juni 2019, atau dengan interval 5-7 hari.

Gif banjir Konawe Utara di daerah Desa Tapuwatu

Di gambar-gambar di atas kita bisa bedakan air dengan daratan. Ini karena air dan daratan memberikan respon yang berbeda terhadap gelombang radar yang dipancarkan satelit. Secara naluriah pun kita bisa bedakan. Air pasti yang warnanya gelap, karena ada sungai. Daratan warnanya abu terang bertekstur kasar. Dari membedakan ini saja kita sudah bisa membayangkan sejauh mana pelamparan banjir terjadi.

Di pojok kiri bawah terdapat garis skala agar terbayang luasnya. Sungai yang ada di peta ini adalah Sungai Lasolo yang bermuara menuju Pulau Bahabulu di bagian timur kaki Sulawesi.

Kita juga bisa dengan mudah menghitung luas banjir. Kita bisa konversi jumlah piksel berwarna hitam sebelum banjir (misal tanggal 28 Mei 2019), kemudian konversi jumlah piksel setelah banjir terjadi. Kemudian kita hitung perbedaannya. Jika satu piksel itu resolusinya 10 meter atau 100 meter persegi, maka jumlah piksel hitam dikali 100 meter persegi adalah luas banjir, Dengan piranti Sistem Informasi Geografi ini mudah saja untuk dilakukan.

Semoga nanti ada waktu untuk melakukannya.

Akibat dari banjir ini, Desa Tapuwatu, yang terletak di tepian Sungai Lasolo, menghilang. Tanggal 9 Juni, Sungai Lasolo meluap hingga ke atap rumah warga. Ketika banjir agak mereda, desa sudah tiada. Banjir tidak meninggalkan sisa.

Bangunan habis semua. Warga mengungsi. Entah sampai kapan mereka bertahan, karena mereka tak lagi punya rumah untuk kembali.

Kemudian gif kedua adalah kondisi di Sungai Lalindu, yang merupakan anak Sungai Lasolo. Letaknya ke arah utara dari Sungai Lasolo. Daerah ini tak kurang parah dihantam banjir yang sama. Perhatikan gambar! Pada puncak banjir, hampir seluruh lembah Sungai Lalindu ini penuh terisi air yang meruah. Meski sekarang sudah cukup mereda.

Gif banjir Sungai Lalindu

Lalu semakin ke utara dari Sungai Lalindu. Ke daerah Wiwirano, di sepanjang Jalan Poros Lamonae-Landawe yang merupakan jalur Trans-Sulawesi tampak banjir merajalela. Memutus jalan poros yang menjadi nadi logistik, membuat tentara harus mengirim bantuan dari udara.

Gif di Wiwirano

Banjir Konawe ini memang dahsyat. Menghantam kita begitu telak di masa lebaran ketika orang-orang harusnya bergembira. Desa-desa harus direlokasi. Tak kurang tiga desa harus berpindah tempat; Desa Tapuwatu, Wanggudu Raya, dan Walalindu. Semua di bantaran Sungai Lasolo.

Respon LAPAN dan BPPT
Meski kemampuan kita untuk memitigasi bencana masih banyak kurangnya di sana-sini, tapi institusi riset kita harus diberi acungan jempol atas kesigapannya merespon kejadian ini. Pada tanggal 10 Juni, 4 hari pasca banjir terjadi, LAPAN menginformasikan estimasi bangunan terdampak banjir dengan memanfaatkan citra Sentinel-1. BPPT juga melaporkan hasil pengamatannya melalui akun instagram PTPSW (Pusat Teknologi Pengembangan Sumber Daya Wilayah).

http://pusfatja.lapan.go.id/simba/qr/BANJIR/2019/06_Juni/Bangunan_Terdampak_Banjir_10_Juni_2019_Konawe_Sulawesi_Tenggara/Konawe_Bangunan_Terdampak_A.pdf

Pusat Pemanfaatan Penginderaan Jauh LAPAN (Pusfatja) melaporkan 12 peta yang meliputi semua area terdampak banjir di daerah ini. Peta ini kemudian dimanfaatkan oleh Badan Nasional Penanggulangan Bencana untuk mengestimasi jumlah korban, merencanakan aksi tanggap bencana, dan banyak hal penting lainnya yang harus sigap dilaksanakan pasca bencana terjadi.

Yang mana harus kita apresiasi sebesar-besarnya dan kita dukung agar program tanggap bencana ini semakin sigap ke depannya.

Dari kejadian banjir ini saya belajar pentingnya program satelit sebagai mata kita dari langit. Program satelit bukan program gagah-gagahan negara bisa mengirim satelit ke angkasa, tapi program ketahanan negara, bagaimana kita bisa memahami negeri kita sendiri.

Jika NASA tidak menggratiskan lagi layanannya, atau Copernicus ogah membagikan datanya lagi pada kita, lantas bagaimana kita melihat negeri kita sendiri? Maka dari itu, penting bagi kita untuk mendukung program satelit LAPAN, agar semakin berkembang, semakin membuka datanya pada masyarakat. Agar kita bisa gunakan dan memanfaatkannya untuk kepentingan orang banyak.

Satu riset pernah dilakukan di Amerika Serikat, mengenai dampak digratiskannya citra Landsat ke khalayak umum sejak tahun 2008. Ada 2 milyar dolar Amerika per tahun berputar sebagai omset dari perusahaan yang bergerak di bidang penginderaan jauh. Luar biasa! Padahal biaya misi Landsat ini hanya kurang dari 1 milyar dolar saja

The economic value of just one year of Landsat data far exceeds the multi-year total cost of building, launching, and managing Landsat satellites and sensors.

 Landsat Advisory Group of the National Geospatial Advisory Committee, 2014

Dari banjir Konawe kita berdoa, semoga tidak ada lagi bencana-bencana menimpa tanah air kita, Indonesia. Semoga korban-korban tetap terlindungi dari penyakit dan kesulitan, serta selalu mendapat bantuan-bantuan yang mereka perlukan.

Insyaallah.

Data: Citra Sentinel-1 tahun 2019 yang diolah menggunakan piranti daring Sentinel Hub