1. Pendahuluan

Selama bertahun-tahun, epidemiologi sering dianggap sebagai bidang yang “kerjanya menghitung kasus”. Ia identik dengan angka kejadian, grafik tren, peta persebaran, lalu laporan rutin yang dibaca oleh orang-orang tertentu di institusi kesehatan. Namun ketika pandemi COVID-19 datang, epidemiologi berubah posisi. Ia tidak lagi sekadar alat pemantauan, tetapi alat penentu arah hidup banyak orang.

Di tengah kepanikan publik, pembatasan sosial, kelangkaan fasilitas kesehatan, dan keputusan yang harus dibuat dalam waktu cepat, muncul kebutuhan yang belum pernah sekeras itu: memahami apa yang sedang terjadi dan apa yang kemungkinan besar akan terjadi dalam beberapa minggu ke depan.

Orasi ilmiah Prof. Nuning Nuraini membawa kita ke jantung kebutuhan tersebut, dengan satu ide besar: epidemiologi bisa mengalami transformasi melalui pemodelan matematika, sehingga informasi kesehatan tidak berhenti di data, tetapi bergerak sampai ke kebijakan.

Pernyataan ini terdengar sederhana, tetapi sebenarnya radikal. Karena ia menggeser epidemiologi dari pola “melihat ke belakang” menjadi pola “melihat ke depan”. Data tidak lagi hanya menjadi rekaman, tetapi menjadi bahan bakar untuk prediksi, simulasi, dan strategi intervensi.

Untuk memulai, Prof. Nuning menjelaskan apa itu matematika epidemiologi. Secara ringkas, matematika epidemiologi adalah metode untuk memahami, menganalisis, dan memprediksi pola penyebaran penyakit dalam populasi. Dalam model yang paling dasar, populasi dibagi menjadi kelompok rentan (susceptible), terinfeksi (infected), dan pulih (recovered).

Model SIR ini sering diajarkan dalam kelas sebagai model yang sangat sederhana. Dan memang orasi ini menegaskan: model seperti SIR punya asumsi ketat dan limitasi besar. Ia tidak sepenuhnya mewakili kompleksitas penyebaran penyakit yang sesungguhnya.

Tetapi justru di situlah nilai pemodelan matematika muncul. Model bukan replika dunia nyata. Model adalah alat berpikir. Ia membantu kita memahami mekanisme utama, lalu membangun versi yang lebih kompleks sesuai kebutuhan.

Dalam bahasa yang lebih dekat dengan pembaca pekerja, model itu seperti peta. Peta tidak menggambarkan kota dengan semua detailnya, tetapi cukup akurat untuk membantu menentukan rute. Dan dalam krisis kesehatan, memiliki “peta” yang cukup akurat jauh lebih baik daripada bergerak tanpa arah.

Orasi ini juga memperluas konteks bahwa pemodelan epidemiologi tidak hanya digunakan untuk penyakit menular. Ia juga bisa digunakan untuk penyakit tidak menular, terutama jika penyakit tersebut memiliki elemen penyebaran yang dipengaruhi faktor lingkungan atau perilaku populasi.

Ini penting karena membawa pesan bahwa epidemiologi bukan bidang yang sempit. Ia adalah cara membaca dinamika kesehatan masyarakat sebagai sistem, yang dipengaruhi interaksi manusia, lingkungan, mobilitas, dan kebijakan.

Namun tentu saja, pusat narasi orasi ini tetap pada dua pengalaman yang sangat dekat dengan publik Indonesia: COVID-19 dan demam berdarah dengue (DBD).

Dan dari dua kasus ini, Prof. Nuning menunjukkan bahwa pemodelan bukan sekadar latihan akademik. Ia adalah kerja yang berhadapan langsung dengan tekanan, keterbatasan data, tuntutan keputusan cepat, dan konsekuensi kebijakan yang menyentuh jutaan orang.

 

2. COVID-19 dan Realitas Pemodelan: Ketika Data Minim, Tekanan Tinggi, dan Kebijakan Tidak Bisa Menunggu

Salah satu bagian paling kuat dari orasi Prof. Nuning adalah ketika ia membawa kita ke momen awal pandemi, sekitar 13–15 Maret 2020. Ia menyebut tanggal itu sebagai tanggal yang selalu diingat, karena pada saat itu tiba-tiba begitu banyak orang bertanya tentang model matematika penyebaran COVID-19, dengan motif dan kepentingan yang beragam.

Kalimat itu terlihat sederhana, tetapi ia menggambarkan kondisi yang sebenarnya sangat berat: ketika publik panik, pembuat kebijakan butuh jawaban, dan ilmuwan diminta menghasilkan proyeksi dalam situasi data yang masih sangat terbatas.

Prof. Nuning juga menegaskan satu hal yang sering tidak disukai publik ketika mendengar model: setiap model harus selalu menyertakan limitasi dan asumsi.

Ini poin yang sangat penting, karena di masa krisis, masyarakat sering menginginkan kepastian, padahal sains bekerja dalam ketidakpastian. Model epidemiologi tidak bekerja dengan “ramalan”, tetapi dengan skenario. Dan skenario hanya valid selama asumsi-asumsinya masuk akal.

Masalahnya, di awal pandemi, Indonesia memiliki data transmisi awal yang terbatas. Maka parameter model harus diestimasi dari negara lain yang lebih dulu mengalami transmisi awal. Orasi menyebut bahwa tim melakukan eksplorasi dan memilih Korea Selatan sebagai rujukan karena menghasilkan error terkecil dibanding negara lain.

Di sini kita bisa menangkap sisi ilmiah yang jarang terlihat publik. Pemodelan bukan sekadar memasukkan data ke rumus, tetapi memilih referensi parameter, menguji error, dan menentukan pendekatan yang paling masuk akal di bawah keterbatasan.

Lalu muncul peran penting tim pemodelan yang disebut sebagai SIM COVID. Tim ini memberikan berbagai kajian untuk masukan bagi pembuat keputusan dalam melakukan upaya penekanan penyebaran COVID-19 di Indonesia.

Dan dari orasi ini, kita bisa melihat beberapa contoh kontribusi pemodelan yang dibuat:

1. model awal untuk menginvestigasi super-spreader, yaitu kondisi ketika satu orang dapat menularkan hingga 51 orang lainnya, berdasarkan eksplorasi data awal dari Bekasi, Jakarta, dan Batam

2. pengukuran dampak PSBB Jakarta terhadap dinamika penyakit

3. pengukuran angka reproduksi untuk 27 kabupaten/kota di Jawa Barat selama pandemi, yang diperbarui setiap dua minggu dan ditampilkan melalui layanan digital di Jawa Barat

4. pembuatan dashboard dinamika COVID-19 untuk 33 provinsi di Indonesia, berisi angka reproduksi harian, proyeksi jangka pendek, dan potensi transmisi yang diperbarui dua minggu sekali

Dari daftar ini, terlihat jelas bahwa pemodelan tidak dipakai hanya untuk “paper akademik”. Ia dipakai untuk merancang cara pemerintah melihat situasi: provinsi mana yang berisiko meningkat, bagaimana efek intervensi, dan kapan potensi lonjakan muncul.

Bagian lain yang sangat penting adalah pembahasan strategi vaksinasi.

Prof. Nuning menjelaskan bahwa ketika Indonesia menetapkan prioritas vaksin hanya untuk pekerja aktif (selain tenaga kesehatan), tim SIM COVID mengeksplorasi beberapa strategi vaksinasi dan membandingkan dampaknya. Hasilnya menunjukkan bahwa jika vaksin hanya diberikan untuk usia produktif, tingkat kematian akan lebih tinggi dibanding skenario vaksinasi yang juga mencakup manula atau distribusi yang lebih merata lintas usia.

Temuan ini bukan sekadar diskusi akademik. Ia dipresentasikan ke WHO, dan rekomendasinya dikomunikasikan oleh WHO Indonesia kepada pemerintah untuk dieksekusi.

Di sini terlihat transformasi yang menjadi judul orasi: dari data ke kebijakan.

Prosesnya bukan linear dan tidak selalu indah. Ada tekanan, ada sentimen negatif, ada tuntutan tinggi. Tetapi orasi ini menunjukkan bahwa pemodelan matematika bisa menjadi alat negosiasi antara ketidakpastian ilmiah dan kebutuhan kebijakan yang mendesak.

Dan barangkali pelajaran paling penting dari bagian ini adalah: dalam krisis, “model yang sederhana tetapi jujur” lebih berguna daripada “model yang rumit tetapi tidak bisa dijalankan”. Karena yang dibutuhkan kebijakan adalah arah, bukan kesempurnaan.

 

3. Mobilitas, Mudik, dan Risiko Lonjakan Kasus: Ketika Pergerakan Massal Menjadi Variabel Epidemiologi

Dalam krisis kesehatan, kita sering menganggap mobilitas sebagai sesuatu yang “di luar epidemiologi”. Mobilitas diposisikan sebagai urusan transportasi, ekonomi, atau tradisi sosial. Padahal ketika penyakit menular menyebar, mobilitas adalah salah satu variabel yang paling menentukan, karena mobilitas adalah mekanisme yang memindahkan risiko dari satu wilayah ke wilayah lain.

Di orasi Prof. Nuning Nuraini, pembahasan tentang mobilitas ini muncul secara sangat konkret melalui pemodelan dampak mudik Lebaran 2021. Model ini dikerjakan bersama Kementerian Perhubungan dan Litbanghub, dan dibangun dari model SIR sederhana yang sebelumnya sudah menjadi fondasi awal pemodelan COVID-19. Tetapi kali ini modelnya diperluas untuk menangkap interaksi antarwilayah: DKI Jakarta dan seluruh provinsi di Jawa.

Yang menarik, keputusan memakai basis model sederhana bukan berarti penyederhanaan masalah secara ceroboh. Justru ini adalah pilihan strategis. Dalam konteks kebijakan, model yang terlalu kompleks bisa sulit dijelaskan dan sulit dijalankan cepat, sedangkan model yang cukup sederhana bisa menjadi alat membaca arah perubahan, terutama ketika situasinya mendesak.

Dalam pemodelan ini, Jakarta diperlakukan sebagai epicenter. Ini masuk akal, karena pada banyak fase awal pandemi, Jakarta sering menjadi wilayah dengan dinamika transmisi yang lebih cepat, dengan kepadatan tinggi dan mobilitas yang besar.

Namun yang membuat studi mudik ini terasa berbeda adalah sumber data mobilitasnya. Prof. Nuning menyebut bahwa data mobilitas diperoleh dari Facebook, dan dari sana dipetakan dampak mobilitas terhadap peningkatan dinamika kasus di berbagai wilayah.

Di titik ini, kita melihat transformasi epidemiologi yang sangat modern: data digital yang awalnya tidak dibuat untuk epidemiologi bisa menjadi bahan bakar pemodelan penyebaran penyakit.

Hasil pemodelannya menunjukkan pola kenaikan signifikan yang terlihat pada masa sekitar satu minggu sebelum dan sesudah Lebaran 2021. Ini bukan sekadar temuan statistik, melainkan gambaran tentang apa yang terjadi ketika tradisi mobilitas massal bertemu dengan penyakit yang masih aktif menular.

Bagian ini punya nilai analitis yang cukup tajam karena ia menegaskan bahwa kebijakan tidak bisa dibuat hanya berdasarkan “kondisi hari ini”. Mobilitas adalah mekanisme yang mengubah kondisi hari ini menjadi kondisi minggu depan. Dan pemodelan memungkinkan pemerintah membaca perubahan itu sebelum dampaknya terlihat penuh di angka kasus.

Prof. Nuning juga membagikan pengalaman lain yang skalanya lebih mikro: keterlibatan tim dalam Satgas COVID ITB selama satu tahun penuh untuk memberi masukan kebijakan internal kampus. Ada pertanyaan yang sederhana tetapi dampaknya besar: berapa mahasiswa yang boleh masuk kelas dengan luas ruangan tertentu, durasi perkuliahan tertentu, dan protokol kesehatan tertentu?

Dalam simulasi yang dilakukan oleh mahasiswa S3, hasilnya menunjukkan bahwa untuk periode 100 hari, ruang kelas 100 m² dengan aktivitas 8 jam per hari hanya memungkinkan 11 orang masuk dengan protokol kesehatan.

Ini contoh penting bahwa pemodelan tidak harus selalu berskala nasional untuk bermakna. Bahkan pada level institusi pendidikan, pemodelan bisa menjadi alat untuk membuat keputusan yang lebih rasional dan terukur, meskipun hasilnya kadang terasa “tidak enak” karena membatasi banyak hal.

Jika kita tarik pelajaran dari bagian ini, maka pesannya jelas: mobilitas adalah bagian dari epidemiologi. Dan ketika mobilitas dipetakan dengan data digital, epidemiologi bisa mengantisipasi lonjakan sebelum lonjakan itu menjadi kenyataan.

 

4. DBD dan Sistem Deteksi Dini Berbasis Iklim: Ketika Epidemiologi Menjadi Sistem yang Lebih Permanen

Jika COVID-19 memperlihatkan bagaimana pemodelan digunakan dalam situasi darurat, maka pembahasan demam berdarah dengue (DBD) dalam orasi Prof. Nuning memperlihatkan sesuatu yang lebih “struktural”: pemodelan sebagai sistem yang dibangun untuk jangka panjang.

Prof. Nuning menyebut bahwa riset DBD sudah dimulai sejak 2003, dan menghasilkan banyak pendekatan pemodelan matematika. Ada sesuatu yang penting dari pernyataan ini: transformasi epidemiologi tidak terjadi dalam satu momen pandemi saja. Ia terjadi melalui kerja panjang, konsisten, dan bertahun-tahun.

DBD menjadi contoh yang tepat karena penyakit ini sangat erat dengan faktor lingkungan. DBD bukan hanya soal virus dan manusia, tetapi soal nyamuk sebagai vektor, dan soal ekologi yang memengaruhi populasi nyamuk.

Dalam orasi, Prof. Nuning menjelaskan bahwa penelitian DBD dipandu oleh pertanyaan-pertanyaan yang datang dari sisi kesehatan masyarakat, misalnya:

• apakah vaksin DBD yang tersedia bisa disimulasikan risiko dan efektivitasnya?

• bagaimana mengukur densitas nyamuk sebagai vektor?

• bisakah pengaruh faktor lingkungan dalam penyebaran diukur?

• bagaimana dampak iklim terhadap penyebaran DBD?

• bagaimana membangun sistem deteksi dini?

Pertanyaan-pertanyaan ini penting karena menunjukkan bahwa pemodelan matematika yang baik bukan dimulai dari rumus, tetapi dimulai dari problem nyata.

Dan ketika problemnya nyata, model tidak lagi menjadi “hasil akhir”, melainkan menjadi alat untuk membangun strategi.

Salah satu bagian yang paling kuat adalah kerja sama pengembangan sistem deteksi dini DBD yang dimulai sejak 2017 untuk wilayah Jakarta dan Bali, dan disebut telah dirilis awal tahun ini.

Sistem deteksi dini ini memberikan informasi angka insiden dalam tiga bulan ke depan, serta risiko iklim pada transmisi DBD, dan dioperasikan penuh oleh BMKG secara konsisten selama tujuh tahun.

Ini poin yang sangat besar, karena banyak proyek akademik gagal menjadi sistem operasional. Tetapi di sini, riset tidak berhenti pada publikasi. Ia menjadi alat yang dijalankan lembaga negara, dalam waktu yang panjang.

Prof. Nuning juga menyebut bahwa riset ini adalah riset triple helix, yang berfokus pada kolaborasi antar lembaga pendidikan/penelitian, pemerintah sebagai regulator, serta sektor tambahan seperti media atau komunitas untuk mendukung penyebaran informasi dan sosialisasi.

Triple helix adalah kata yang sering terdengar seperti jargon, tetapi dalam praktik kesehatan masyarakat, pendekatan ini masuk akal. Karena jika model hanya tinggal di kampus, dampaknya kecil. Jika model masuk ke lembaga pemerintah tetapi tidak disosialisasikan, dampaknya juga terbatas. Sistem deteksi dini hanya bekerja jika informasi tidak berhenti di dashboard, tetapi menjadi tindakan preventif di lapangan.

Orasi juga menyebut bahwa pengembangan sistem serupa untuk Jawa Barat sedang dilakukan, dengan menambahkan peta risiko vektor nyamuk yang diturunkan melalui model persamaan diferensial.

Ini menunjukkan peningkatan level transformasi: dari prediksi insiden menuju integrasi peta risiko kasus dan peta risiko vektor, yang relevan untuk intervensi berbasis lokasi.

Jika kita rangkum, bagian DBD ini memberi gambaran transformasi epidemiologi versi “lebih dewasa”:

• bukan hanya respon krisis, tetapi sistem rutin

• bukan hanya proyeksi angka, tetapi prediksi yang memandu tindakan

• bukan hanya kerja satu lembaga, tetapi kerja lintas institusi

• bukan hanya data kasus, tetapi data lingkungan dan risiko iklim

Dan ini membuat pesan orasi Prof. Nuning terasa kuat: pemodelan matematika tidak hanya menjadi alat penjelas, tetapi menjadi alat manajemen risiko kesehatan yang berkelanjutan.

 

5. Pelajaran Utama Pemodelan Epidemiologi: Model yang Berguna Bukan yang Paling Rumit, Tapi yang Paling Bisa Dipakai untuk Keputusan

Di tengah tren data science, AI, dan dashboard kesehatan, pemodelan epidemiologi sering dipersepsikan sebagai wilayah yang sangat teknis. Orang membayangkan deretan persamaan diferensial dan parameter rumit yang hanya bisa disentuh oleh segelintir orang. Tetapi orasi Prof. Nuning Nuraini justru memperlihatkan pelajaran yang lebih dewasa: model bukan soal keindahan matematika, melainkan soal kegunaan dalam kondisi nyata.

Ada setidaknya tiga pelajaran besar yang terasa kuat untuk mahasiswa maupun pekerja, terutama jika kita membaca orasi ini sebagai cerita “bagaimana sains bekerja ketika masyarakat menunggu jawaban”.

5.1 Model sederhana bisa sangat strategis, asal kita tahu tujuan dan batasnya

Prof. Nuning membuka pembahasan pemodelan dengan model paling klasik: SIR. Model ini jelas tidak sempurna dan penuh asumsi. Tetapi justru karena sederhana, ia punya fungsi penting: mengubah fenomena yang kacau menjadi struktur yang bisa dianalisis.

Hal ini terlihat jelas pada pemodelan mudik Lebaran 2021. Model berbasis SIR digunakan untuk mempelajari interaksi transmisi antara Jakarta dan provinsi-provinsi di Jawa, dan mobilitas massal menjadi faktor yang mengubah dinamika kasus. Data mobilitas dari platform digital dipakai untuk membaca perubahan yang terjadi sebelum dan sesudah Lebaran. Dalam konteks kebijakan, yang dibutuhkan bukan kesempurnaan, tetapi peringatan dini bahwa mobilitas besar dapat memicu lonjakan pada jendela waktu tertentu.

Bagi pembuat kebijakan, model sederhana yang memberi sinyal risiko tepat waktu lebih berguna dibanding model rumit yang terlambat keluar.

5.2 Asumsi dan limitasi bukan kelemahan, tetapi bagian dari kejujuran ilmiah

Salah satu hal paling penting yang ditegaskan Prof. Nuning adalah bahwa setiap model harus selalu menyertakan limitasi dan asumsi. Ini terdengar seperti kalimat standar di penelitian, tapi dalam konteks pandemi, kalimat ini punya bobot moral.

Karena publik sering berharap model memberi angka pasti: “berapa kasus besok?” atau “kapan pandemi selesai?” Padahal model epidemiologi bekerja dengan skenario: “jika kondisi seperti ini, maka kemungkinan hasilnya seperti ini.”

Ketika data Indonesia masih minim di awal pandemi, parameter awal harus diambil dari negara lain. Tim memilih Korea Selatan karena menghasilkan error terkecil dalam eksplorasi. Ini menunjukkan bahwa pemodelan epidemiologi bukan sekadar menghitung, tetapi memilih pendekatan yang paling masuk akal di bawah keterbatasan.

Pelajaran pentingnya: model yang jujur adalah model yang berani mengatakan “kami tidak tahu dengan pasti”, tetapi tetap menawarkan arah.

5.3 Pemodelan adalah kerja komunikasi risiko, bukan hanya kerja teknis

Salah satu bagian yang sering dilupakan ketika orang membahas pemodelan epidemiologi adalah komunikasi. Model yang bagus di atas kertas bisa gagal total jika tidak bisa dipahami pembuat kebijakan atau publik.

Orasi Prof. Nuning memperlihatkan bahwa tim pemodelan (SIM COVID) tidak hanya membuat simulasi, tetapi juga membuat dashboard yang terus diperbarui untuk berbagai provinsi, termasuk angka reproduksi harian dan proyeksi jangka pendek. Artinya, pemodelan dipaketkan menjadi alat kerja yang dapat digunakan.

Contoh paling jelas adalah kajian strategi vaksinasi. Tim mengeksplorasi skenario ketika vaksin hanya diberikan pada usia produktif, lalu dibandingkan dengan strategi yang mencakup manula. Hasilnya menunjukkan bahwa jika vaksin hanya diberikan pada usia produktif, angka kematian lebih tinggi. Temuan ini kemudian dipresentasikan ke WHO dan diteruskan ke pemerintah untuk diimplementasikan.

Di sini, pemodelan bukan lagi aktivitas akademik. Ia menjadi mekanisme komunikasi risiko yang mengubah strategi kebijakan.

Bagi mahasiswa, ini mengajarkan bahwa ilmu tidak hanya soal mencari jawaban, tetapi soal membuat jawaban itu bisa dipakai. Bagi pekerja, terutama di institusi pemerintah atau sektor kesehatan, ini mengingatkan bahwa kecepatan dan kejelasan komunikasi sering sama pentingnya dengan ketepatan teknis.

 

6. Kesimpulan: Transformasi Epidemiologi Terjadi Saat Data, Model, dan Kebijakan Tidak Lagi Berjalan Sendiri

Orasi Prof. Nuning Nuraini memperlihatkan bahwa epidemiologi modern tidak bisa berhenti pada data kasus dan laporan rutin. Dalam krisis maupun kondisi endemis, epidemiologi membutuhkan kemampuan untuk membaca dinamika, mengukur risiko, dan memproyeksikan arah perubahan.

Pemodelan matematika menjadi salah satu alat paling penting dalam transformasi itu. Model SIR yang sederhana memberi fondasi untuk memahami mekanisme dasar penyebaran, sementara pengembangan model yang lebih kompleks membantu menjawab pertanyaan yang lebih spesifik: dampak mobilitas, efek intervensi, strategi vaksinasi, hingga prediksi insiden penyakit di masa depan.

Studi COVID-19 dalam orasi ini menunjukkan bahwa pemodelan dapat menjadi alat kebijakan bahkan ketika data terbatas, asalkan asumsi disampaikan secara jelas dan parameter dipilih dengan hati-hati. Pemodelan super-spreader, evaluasi PSBB, pengukuran angka reproduksi di berbagai wilayah, hingga pembuatan dashboard nasional memperlihatkan bahwa pemodelan bisa menjadi sistem informasi epidemiologi yang hidup, bukan sekadar publikasi ilmiah.

Studi DBD menunjukkan sisi lain yang lebih permanen. Pemodelan bukan hanya alat darurat, tetapi dapat dikembangkan menjadi sistem deteksi dini berbasis iklim yang berjalan konsisten dalam waktu panjang, melibatkan lembaga penelitian, pemerintah, dan pihak lain dalam kerangka kolaborasi. Ini menunjukkan bahwa pemodelan epidemiologi yang berhasil adalah pemodelan yang berubah menjadi sistem operasional.

Pada akhirnya, transformasi epidemiologi terjadi ketika data, model, dan kebijakan tidak lagi berjalan sendiri-sendiri. Data memberi kenyataan, model memberi struktur dan proyeksi, sementara kebijakan memberi tindakan yang mengubah jalannya penyebaran penyakit. Ketiga elemen ini harus berjalan dalam satu ekosistem yang sama.

Bagi mahasiswa, orasi ini menegaskan bahwa matematika bukan sekadar teori, tetapi alat untuk membantu masyarakat mengambil keputusan di tengah ketidakpastian. Bagi pekerja, orasi ini menunjukkan bahwa pemodelan bukan ancaman bagi kebijakan, tetapi partner yang membantu kebijakan menjadi lebih rasional, terukur, dan adaptif.

Dalam dunia yang semakin kompleks, kemampuan memprediksi dan mengelola risiko kesehatan akan menjadi kebutuhan permanen. Dan di situlah pemodelan matematika mengubah epidemiologi: dari data ke kebijakan.

 

 

Daftar Pustaka

Institut Teknologi Bandung. Orasi Ilmiah Guru Besar ITB Prof. Nuning Nuraini: Transformasi Informasi Epidemiologi melalui Pemodelan Matematika. 2024.

Kermack, W. O., & McKendrick, A. G. A Contribution to the Mathematical Theory of Epidemics. 1927.

Shannon, C. E. A Mathematical Theory of Communication. 1948.

World Health Organization. COVID-19 Strategic Preparedness and Response. (diakses 2026).

BMKG. Informasi iklim dan pemantauan risiko penyakit berbasis faktor cuaca. (diakses 2026).

1. Pendahuluan

Air bersih adalah kebutuhan paling dasar, tetapi justru karena sifatnya yang “paling dasar”, kita sering menganggapnya akan selalu ada. Kita membuka keran, mengisi galon, mandi, mencuci, lalu selesai. Namun dalam orasi ilmiah Prof. Herto Dwi Ariesyady, air bersih tidak diposisikan sebagai sesuatu yang otomatis tersedia. Air bersih diposisikan sebagai sesuatu yang harus dikelola, dilindungi, dan dipahami—bahkan sampai ke tingkat yang tidak terlihat oleh mata.

Sebelum masuk ke sisi mikroorganisme, orasi ini membawa kita pada realitas yang lebih besar: kualitas air di sekitar kita cenderung memburuk dari waktu ke waktu. Penyebabnya bukan satu. Industrialisasi mendorong munculnya air limbah yang tidak selalu diolah dengan benar. Pertanian menambah beban nutrien dan bahan kimia. Urbanisasi membuat kota menampung populasi melebihi kapasitas desain awalnya, sehingga sanitasi dan infrastruktur air tertinggal.

Di saat yang sama, jumlah air yang benar-benar dapat digunakan manusia ternyata sangat kecil. Dalam orasi ini disebutkan bahwa hanya sekitar 0,5% dari total air di dunia merupakan air tawar yang kita perlukan, dan sungai hanya menyumbang sekitar 0,1% dari jumlah tersebut. Angka ini penting karena mengubah cara kita melihat krisis air: masalah air bukan hanya soal “ketersediaan”, tetapi soal keterbatasan alami yang bertemu dengan tekanan aktivitas manusia.

Jika ditambahkan dengan fakta akses global, situasinya semakin terlihat nyata. Disebutkan bahwa 1,1 miliar orang tidak memiliki akses terhadap air bersih dan 2,6 miliar orang kekurangan sanitasi yang memadai. Ini bukan hanya statistik internasional, tetapi penanda bahwa air bersih adalah isu pembangunan.

Di sinilah SDGs (Tujuan Pembangunan Berkelanjutan) muncul sebagai konteks. Targetnya jelas: akses air bersih dan sanitasi harus dapat dinikmati semua orang pada 2030. Tetapi orasi ini menegaskan bahwa target itu tidak akan tercapai jika kita mengelola air secara terfragmentasi.

Krisis air bukan masalah yang bisa diselesaikan dengan program kecil yang terpisah-pisah. Ia butuh pendekatan terpadu, dari hulu sampai hilir, dari sumber pencemaran sampai dampaknya pada kesehatan manusia, dari sistem sanitasi sampai kebijakan tata kelola.

Namun orasi ini punya satu kekuatan yang membuatnya berbeda: setelah menjelaskan peta besar krisis air, Prof. Herto membawa fokusnya ke dunia kecil yang selama ini justru menjadi tulang punggung kualitas air, yaitu komunitas mikroorganisme.

Di ruang publik, mikroorganisme sering dibicarakan hanya dalam dua cara: sebagai “kuman” penyebab penyakit atau sebagai “sesuatu yang harus dibunuh”. Orasi ini menggeser pandangan itu. Mikroorganisme tidak hanya patogen. Mikroorganisme juga adalah mesin alami yang menggerakkan siklus biogeokimia, menguraikan bahan organik, dan menjaga keseimbangan ekosistem air.

Dan jika kita ingin membangun sistem pengelolaan air yang lebih berkelanjutan, kita tidak bisa hanya mengandalkan pendekatan teknis seperti filtrasi dan disinfeksi. Kita juga harus memahami cara ekosistem bekerja, termasuk dinamika mikroba di dalamnya.

 

2. Pengelolaan Sumber Daya Air Terpadu dan Peran Mikroorganisme: Dari Kebijakan Sungai hingga Ekologi yang Tak Terlihat

Orasi Prof. Herto memperkenalkan konsep pengelolaan sumber daya air terpadu, yang menekankan bahwa satu wilayah sungai harus dikelola sebagai satu kesatuan. Air tidak boleh dipandang sebagai potongan-potongan administratif. Sungai tidak berhenti di batas kota atau batas kabupaten. Sungai adalah sistem yang bergerak: membawa air, membawa polutan, membawa nutrien, dan membawa konsekuensi ke hilir.

Pengelolaan terpadu berarti perencanaan, perlindungan, pengembangan, dan pengelolaan air dilakukan dalam satu wilayah sungai, dan mempertimbangkan hubungan antar penggunaan air: irigasi, konsumsi, industri, serta kebutuhan ekosistem. Tujuan akhirnya adalah keberlanjutan, menjaga keseimbangan antara kebutuhan manusia dan kesehatan lingkungan.

Tetapi orasi ini juga jujur: implementasi pengelolaan terpadu bukan sesuatu yang mudah. Ada tantangan keterbatasan sumber daya air, pencemaran yang meningkat, pengelolaan institusi yang tumpang tindih, serta dampak pembangunan yang terus berkembang.

Orasi ini menyebut beberapa fakta krisis yang memperkuat urgensi pengelolaan terpadu:

• pengambilan air global meningkat dua kali lebih cepat dibanding pertumbuhan populasi

• lebih dari 2 miliar orang di lebih dari 40 negara terdampak kekurangan air

• sekitar 9% bencana alam pada 1990-an berhubungan dengan masalah air

Pada titik ini, pengelolaan air terpadu tidak lagi terdengar seperti konsep akademik. Ia terdengar seperti kebutuhan bertahan hidup.

Prof. Herto lalu menyebut empat prinsip pengelolaan sumber daya air terpadu yang menjadi fondasinya:

1. air sebagai sumber daya terbatas

2. perlunya pendekatan partisipatif

3. peran perempuan dalam pengelolaan air

4. nilai ekonomi air

Empat prinsip ini memberi pesan bahwa pengelolaan air bukan hanya urusan teknis, tetapi urusan tata kelola sosial. Partisipasi dibutuhkan karena pengguna air bukan hanya pemerintah, tetapi masyarakat, industri, petani, dan banyak pihak lain. Peran perempuan disebut karena dalam realitas domestik, perempuan sering menjadi pihak yang paling dekat dengan penggunaan air sehari-hari. Dan nilai ekonomi air mengingatkan bahwa air bukan hanya kebutuhan sosial, tetapi juga punya dimensi ekonomi yang memengaruhi perilaku pemanfaatan dan konservasi.

Lalu, barulah mikroorganisme masuk sebagai jembatan antara konsep kebijakan dan kenyataan ekosistem.

Prof. Herto menekankan bahwa mikrobiologi lingkungan memainkan peran penting dalam pengelolaan sumber daya air terpadu, dan bidang ini telah berkembang pesat sejak 1970-an dengan bersinggungan dengan ekologi mikroorganisme.

Perkembangan mikrobiologi lingkungan sendiri bergerak dari fokus awal pada kualitas air dan risiko patogen, lalu meluas ke aspek yang lebih besar: mikrobiologi air tanah dan udara, bioremediasi, serta perbaikan kualitas air.

Yang membuat mikroorganisme penting adalah posisinya dalam siklus biogeokimia, seperti siklus karbon, nitrogen, dan fosfor. Mikroorganisme tidak bekerja sendirian. Mereka bekerja sebagai komunitas yang saling berinteraksi, dan interaksi itu membentuk stabilitas ekosistem air.

Orasi ini menggambarkan tiga bentuk interaksi utama dalam komunitas mikroorganisme:

1. mutualisme, ketika mikroorganisme bekerja sama dan sama-sama mendapat keuntungan

2. kompetisi, ketika mikroorganisme bersaing untuk nutrien dan sumber daya

3. antagonisme, ketika mikroorganisme menghasilkan senyawa yang menghancurkan mikroba lain

Jika kita baca dengan gaya yang lebih sederhana, ekosistem mikroorganisme adalah “politik ekologi” dalam skala tak kasat mata. Ada kolaborasi, ada persaingan, ada dominasi. Dan hasil akhirnya memengaruhi kualitas air yang kita gunakan.

Dari sisi pengelolaan lingkungan air, Prof. Herto juga menegaskan bahwa proteksi lingkungan air menuntut pengaturan tiga aspek:

1. pengelolaan di sumber pencemaran

2. pengelolaan dampak pencemaran

3. pengendalian pencemaran yang sudah terjadi

Dalam praktiknya, sumber pencemaran bisa berasal dari aktivitas domestik (rumah tangga, toilet, dapur), sampah, industri, dan pertanian. Industri pupuk bisa memicu alga blooming karena beban nitrogen dan fosfor. Industri penyulingan minyak, pembuatan baja, serta aktivitas pertanian yang menggunakan pupuk kimia dan pestisida juga memberi kontribusi.

Di sisi kesehatan manusia, pencemaran air menghasilkan dua kelompok dampak besar:

• penyakit menular seperti diare, kolera, tifus, hepatitis

• penyakit tidak menular akibat paparan logam berat dan pestisida

Orasi ini juga menyinggung data yang terasa sangat relevan di Indonesia: diare menyebabkan 31% kematian anak berusia 1 bulan hingga 1 tahun di Indonesia, dan anak-anak yang menggunakan sumur terbuka untuk air minum memiliki risiko lebih besar.

Angka ini mengubah pembahasan mikroorganisme dari “ilmu laboratorium” menjadi “isu keselamatan manusia”.

Karena pada akhirnya, kualitas air bukan sekadar jernih, tidak berbau, dan tidak berasa. Kualitas air adalah soal apakah ia membawa penyakit atau tidak. Dan jawabannya sangat sering ditentukan oleh komunitas mikroorganisme yang hidup di dalamnya.

 

3. Merkuri di Pertambangan Skala Kecil: Ketika Mikroba Mengubah Racun Menjadi Ancaman yang Lebih Berbahaya

Kalau selama ini pencemaran air sering dibayangkan sebagai limbah domestik atau limbah industri besar, orasi Prof. Herto memperluas sudut pandang kita ke satu sumber yang jauh lebih “diam-diam”, tetapi dampaknya sangat serius: pertambangan emas skala kecil.

Dalam konteks Indonesia, aktivitas ini bukan fenomena kecil. Disebutkan bahwa pertambangan skala kecil tersebar luas, bahkan hampir di seluruh provinsi. Aktivitas ini banyak menggunakan merkuri dalam proses produksinya, dan di titik inilah masalah besar dimulai.

Merkuri bukan sekadar “zat berbahaya”. Ia adalah racun yang sifatnya persisten. Ketika masuk ke sistem lingkungan, merkuri tidak sekadar hilang atau terurai. Ia bertahan, berpindah, dan yang paling menakutkan: bisa berubah bentuk menjadi bentuk yang lebih beracun.

Orasi ini menekankan bahwa salah satu bahaya utama merkuri adalah pembentukan metilmerkuri. Pembentukan ini terjadi bukan karena reaksi kimia biasa semata, melainkan karena peran bakteri tertentu, yaitu sulfate reducing bacteria, yang melakukan proses metilasi.

Secara naratif, ini adalah titik balik yang membuat mikroorganisme menjadi “aktor” dalam krisis pencemaran.

Merkuri dalam lingkungan bisa dianalogikan sebagai ancaman. Tetapi ketika mikroorganisme memetilasi merkuri, ancaman itu berubah menjadi ancaman yang lebih tajam. Metilmerkuri lebih mudah masuk ke rantai makanan dan lebih mudah terakumulasi dalam tubuh.

Inilah yang membuat pencemaran merkuri bukan hanya masalah air yang “kotor”, tetapi masalah akumulasi racun di tubuh manusia melalui proses yang bertahap, diam-diam, dan sering tidak terasa sampai gejala muncul.

Orasi ini juga menjelaskan bahwa merkuri dapat menyebabkan keracunan akut, keracunan kronis, dan biomagnifikasi. Biomagnifikasi adalah fenomena ketika zat beracun makin terkonsentrasi pada level rantai makanan yang lebih tinggi. Artinya, semakin tinggi posisi organisme dalam rantai makanan, semakin tinggi pula akumulasi racunnya.

Dalam bahasa yang lebih sederhana: racun itu naik kelas bersama makanan.

Jika merkuri masuk ke air, ia bisa masuk ke sedimen, lalu diserap organisme kecil, lalu dimakan ikan, lalu ikan dimakan manusia. Karena metilmerkuri mudah terakumulasi di tubuh, ia tidak berhenti pada satu individu, tetapi bisa menjadi masalah kesehatan yang meluas.

Orasi Prof. Herto bahkan menyebut adanya data konsentrasi merkuri di lingkungan dan tubuh manusia yang melampaui baku mutu, mencakup air sungai, sedimen, tanaman, beras, urin, dan kuku.

Bagi pembaca mahasiswa, bagian ini mengajarkan satu hal penting: pencemaran bukan hanya soal “ada racun atau tidak”, tetapi soal transformasi racun di lingkungan. Mikroorganisme tidak selalu menjadi penyelamat. Dalam kondisi tertentu, mikroorganisme bisa berperan dalam meningkatkan risiko.

Bagi pekerja dan pembuat kebijakan, bagian ini menegaskan bahwa pengelolaan lingkungan air tidak cukup dengan pendekatan pengolahan di hilir. Dalam kasus merkuri, pencegahan harus dimulai di sumber: membatasi penggunaan merkuri, mengendalikan aktivitas tambang, dan membangun sistem monitoring yang konsisten.

Karena jika merkuri sudah masuk ke sistem lingkungan, kita tidak hanya menghadapi pencemaran, tetapi menghadapi “mesin alam” yang dapat mengubah pencemaran menjadi lebih sulit dikendalikan.

 

4. Pelacakan Sumber Pencemaran Mikroba dan Risiko Diare: Citarum Hulu serta Kampung Daraulin sebagai Potret Sistem yang Belum Terpadu

Bagian ini adalah salah satu yang paling terasa relevan untuk Indonesia, karena Prof. Herto tidak berhenti pada teori komunitas mikroorganisme dan prinsip pengelolaan air terpadu. Ia membawa kita ke lapangan: bagaimana pencemaran mikrobiologis terjadi, bagaimana sumbernya bisa dilacak, dan bagaimana dampaknya muncul sebagai risiko penyakit.

Ada dua studi kasus besar yang dipaparkan: pelacakan pencemaran mikrobiologis di Citarum Hulu dan analisis risiko mikrobiologis di Kampung Daraulin.

4.1 Pelacakan E. coli di Citarum Hulu: Masalah yang Sama, Sumbernya Bisa Berbeda

Prof. Herto menjelaskan bahwa E. coli adalah bakteri yang hidup di usus manusia dan juga di usus hewan. Karena itu, ketika E. coli ditemukan di lingkungan air, ia menjadi indikator adanya pencemaran dari kotoran (fekal).

Namun, di sinilah tantangan pengelolaan air muncul. Mengetahui adanya E. coli saja belum cukup. Kita perlu tahu sumbernya: apakah dari manusia, atau dari hewan seperti sapi, kambing, atau ayam.

Karena keputusan penanganannya berbeda.

Jika sumber utama pencemaran adalah rumah tangga, maka intervensi akan menekankan sanitasi domestik. Jika sumber utama adalah peternakan, maka intervensi harus masuk ke pengelolaan limbah peternakan. Jika sumbernya campuran, kebijakannya harus lebih kompleks.

Untuk itu, digunakan metode pelacakan sumber pencemaran mikrobiologis (microbial source tracking). Orasi ini menyebut ada dua pendekatan: molekuler (berbasis penanda genetik) dan non-molekuler, misalnya menggunakan pola resistensi antibiotik.

Pendekatan resistensi antibiotik menarik karena ia menunjukkan bahwa kebiasaan manusia dan hewan dalam penggunaan antibiotik bisa meninggalkan jejak pada karakter bakteri di dalam tubuh. Ketika bakteri itu terlepas ke lingkungan, jejak tersebut bisa digunakan untuk menelusuri “asal-usul” pencemarannya.

Dari hasil pelacakan di Citarum Hulu, sumber pencemaran ternyata bervariasi antar segmen. Orasi menyebutkan contoh:

• segmen Rancasari dan Margaasih diduga dominan berasal dari aktivitas manusia (rumah tangga)

• Baleendah diduga berasal dari peternakan sapi

• Margasih diduga terkait peternakan ayam dan kambing

Jika dibaca secara naratif, ini seperti menunjukkan bahwa sungai yang sama bisa memiliki karakter pencemaran yang berbeda pada titik yang berbeda. Maka pengelolaan terpadu tidak boleh mengandalkan satu solusi seragam.

Yang dibutuhkan adalah kebijakan berbasis lokasi, karena akar masalahnya berbeda.

4.2 Kampung Daraulin: Ketika Air Diam Menjadi Mesin Penyebar Pencemaran

Kasus berikutnya lebih “sunyi”, tetapi justru sangat menggambarkan keterkaitan antara infrastruktur, perilaku masyarakat, dan kualitas air: Kampung Daraulin di Kabupaten Bandung. Orasi menjelaskan bahwa kawasan ini terbentuk akibat proyek normalisasi sungai yang menyisakan danau atau badan air yang tidak terhubung dengan sungai utama (disconnected). Artinya, tidak ada aliran masuk dan aliran keluar yang memadai.

Dalam bahasa sederhana: airnya mati. Dan air yang mati bukan sekadar air yang “tidak bergerak”, tetapi air yang menjadi tempat akumulasi pencemar. Masyarakat tetap membuang limbah ke badan air tersebut, sehingga pencemaran bakteriologis meningkat. Orasi juga menyebut bahwa sebenarnya terdapat tangki septik komunal, namun setelah dihitung ulang kapasitasnya tidak cukup untuk menampung beban limbah kampung tersebut.

Di sini kita melihat masalah klasik pembangunan sanitasi: membangun fasilitas tidak selalu berarti fasilitas itu memadai. Jika kapasitasnya salah hitung, sistem akan tetap bocor. Data yang disampaikan sangat mencolok: jumlah coliform di lokasi mencapai sekitar 75.000 MPN per 100 ml. Ini menunjukkan pencemaran mikrobiologis yang sangat tinggi.

Masyarakat di sana menggunakan air tanah sebagai sumber air minum utama. Tetapi air tanah itu terkontaminasi oleh badan air yang tercemar, karena badan air tersebut menjadi base flow yang memengaruhi kualitas air tanah di sekitarnya. Hasil analisis risiko menunjukkan bahwa air tanah menjadi sumber dengan probabilitas infeksi paling tinggi. Ini mengindikasikan air tanah (terutama dari sumur gali) tidak layak lagi sebagai sumber air minum.

Kalau kita lihat kasus ini dengan lensa pengelolaan air terpadu, masalahnya bukan hanya bakteri. Masalahnya adalah sistem.

Ada perubahan struktur sungai karena proyek normalisasi. Lalu muncul badan air yang stagnan. Sanitasi komunal ada, tetapi kapasitasnya tidak cukup. Warga mengandalkan air tanah, yang ternyata ikut terkontaminasi. Akhirnya, risiko penyakit meningkat. Dan di sini mikroorganisme hadir sebagai indikator sekaligus ancaman nyata. Mereka menunjukkan bahwa pencemaran sudah melewati titik aman, dan mereka juga menjadi jalur penularan penyakit.

Bagi mahasiswa, dua studi kasus ini memberi pembelajaran bahwa kualitas air bukan hanya masalah laboratorium. Ia adalah masalah desain infrastruktur, tata kelola, dan perilaku masyarakat. Bagi pekerja, terutama yang berada di sektor pemerintah daerah atau konsultan, kasus ini menjadi pengingat bahwa proyek fisik seperti normalisasi sungai harus memikirkan dampak lanjutan pada ekologi air dan sanitasi warga.

Jika tidak, solusi teknis justru menciptakan masalah baru—dan masalah itu sering terdeteksi pertama kali lewat mikroorganisme.

 

5. Mikroorganisme sebagai “Mesin Kerja” Pengolahan Limbah: Mengapa Keanekaragaman Mikroba Menentukan Stabilitas IPAL

Setelah kasus merkuri dan pencemaran mikrobiologis di sungai serta permukiman, Prof. Herto membawa pembahasan ke ranah yang sering dianggap sudah “selesai” oleh industri: instalasi pengolahan air limbah (IPAL). Banyak industri merasa bahwa selama IPAL dibangun, maka persoalan air limbah sudah terkendali. Namun orasi ini memberi koreksi yang cukup keras: IPAL bukan sekadar bangunan, IPAL adalah ekosistem mikroorganisme yang harus dijaga.

Di bagian ini, Prof. Herto menyoroti kasus pengolahan limbah cair industri pengecatan logam pada industri otomotif di Indonesia, yang menggunakan sistem lumpur aktif. Ini relevan karena industri otomotif berkembang pesat, dan air limbahnya sering mengandung logam berat yang bersifat toksik bagi lingkungan air. Tantangannya bukan hanya “bagaimana mengolah”, tetapi “bagaimana menjaga sistem pengolahan tetap stabil” di tengah karakter limbah yang bisa berubah.

Sistem lumpur aktif dipilih karena berbasis pada keanekaragaman mikroorganisme. Ada logika ekologi yang jelas di sini: semakin tinggi keanekaragaman mikroba, semakin tinggi pula stabilitas sistem. Jika satu jenis mikroba menurun karena kondisi tertentu, sistem masih bisa bertahan karena ada mikroba lain yang mengambil peran.

Ini cara pandang yang sangat penting, karena banyak kegagalan IPAL justru terjadi karena pendekatan pengoperasiannya terlalu “mekanis”: operator fokus pada pompa, aerator, dan pipa, tetapi lupa bahwa inti sistemnya adalah biologi. Ketika kondisi lingkungan reaktor berubah (pH, temperatur, beban organik, beban logam), komunitas mikroba yang rapuh akan runtuh lebih cepat, dan begitu komunitas runtuh, performa IPAL ikut runtuh.

Orasi ini juga menunjukkan satu sisi praktis yang sering diabaikan: air hasil olahan IPAL dapat digunakan kembali dalam proses industri, misalnya sebagai water curtain atau penangkap semprotan cat. Ini penting karena memberi jalur menuju efisiensi air dalam industri. IPAL tidak lagi sekadar alat “buang aman”, tetapi bisa menjadi alat “hemat air”.

Namun, agar reuse ini aman dan stabil, identifikasi mikroorganisme menjadi penting. Di orasi disebutkan bahwa mikroorganisme yang ditemukan dalam sistem tersebut bervariasi, dengan Bacillus sebagai salah satu yang dominan, diikuti kelompok lain seperti Acidobacteria.

Bagi pembaca mahasiswa, bagian ini menunjukkan bahwa mikrobiologi lingkungan bukan hanya urusan sungai dan danau, tetapi juga inti dari proses pengolahan air limbah di industri.

Bagi pekerja industri, bagian ini memberi pesan yang lebih tegas: IPAL yang tidak dioperasikan dengan baik bukan hanya merugikan lingkungan, tetapi juga merugikan proses bisnis, karena dapat memicu pelanggaran baku mutu, sanksi, bahkan gangguan produksi. Pengolahan berbasis mikroorganisme bukan sistem yang bisa dijalankan “setelah sempat”, tetapi sistem yang butuh monitoring rutin, kontrol parameter, dan pemahaman terhadap dinamika komunitas.

 

6. Anaerobic Digestion: Stabilitas Komunitas Mikroba dan “Jantung” Produksi Biogas dari Limbah Domestik

Setelah sistem lumpur aktif, orasi Prof. Herto menutup rangkaian studi kasusnya dengan satu teknologi yang semakin relevan dalam agenda energi dan lingkungan: anaerobic digestion untuk mengolah air limbah domestik.

Teknologi ini menarik karena memberikan dua hasil sekaligus:

1. mengolah limbah agar tidak mencemari lingkungan

2. menghasilkan energi dalam bentuk gas metana

Di tengah krisis energi dan krisis air, kombinasi ini bukan lagi bonus, tetapi strategi.

Namun, Prof. Herto menjelaskan bahwa proses anaerobic digestion tidak sederhana. Ia terdiri dari beberapa tahap: hidrolisis, asidogenesis, asetogenesis, dan metanogenesis. Metanogenesis adalah tahap terakhir yang menghasilkan gas metana, dan tahap ini sangat sensitif terhadap perubahan lingkungan.

Di sinilah komunitas mikroorganisme kembali menjadi pemeran utama. Sistem anaerobik hanya stabil jika struktur komunitas mikroorganismenya stabil. Bahkan salah satu kelompok yang paling penting sekaligus paling rentan adalah mikroba pengguna asam lemak. Orasi ini menekankan bahwa kelompok mikroba ini bisa turun drastis ketika lingkungan berubah, misalnya akibat perubahan pH atau temperatur, dan jika itu terjadi maka produksi metana akan menurun atau berhenti.

Dalam bahasa yang lebih sederhana, anaerobic digestion bisa dianalogikan seperti orkestra. Metanogenesis tidak bisa berjalan kalau pemain sebelumnya tidak bekerja baik, dan pemain yang paling sensitif bisa membuat keseluruhan pertunjukan gagal.

Orasi ini juga menyinggung pendekatan analisis mikroba berbasis teknik molekuler yang memanfaatkan struktur genetika. Ini menunjukkan bahwa pengelolaan sistem anaerobik modern tidak cukup hanya mengukur parameter kimia seperti COD atau pH, tetapi juga perlu memahami siapa mikroba yang sedang dominan, siapa yang melemah, dan bagaimana dinamika komunitas berubah.

Menariknya, orasi ini menjelaskan bahwa dalam sistem anaerobik, mikroorganisme bekerja sama melalui interaksi mutualisme. Komunitas yang mengoksidasi glukosa, yang menggunakan propionat, asetat, hingga kelompok yang menghasilkan metana, semuanya saling terkait. Ini memberi pelajaran penting untuk pengelolaan teknologi berbasis biologi: sistemnya tidak bisa dipaksa berjalan “sendiri-sendiri”. Semua proses saling mengunci.

Jika mahasiswa membaca bagian ini, poin besarnya adalah bahwa bioteknologi lingkungan bukan hanya soal reaksi kimia, tetapi soal ekologi mikroba yang saling bergantung. Jika pekerja membaca bagian ini, pesan praktisnya adalah bahwa sistem anaerobik yang terlihat efisien di desain akan gagal jika stabilitas komunitas mikroba tidak dijaga.

 

Kesimpulan: Mikroorganisme Tidak Terlihat, Tetapi Menentukan Nasib Kualitas Air dan Kesehatan Manusia

Jika orasi Prof. Herto Dwi Ariesyady dirangkum dalam satu kalimat, maka kalimat itu adalah: komunitas mikroorganisme adalah infrastruktur tak kasat mata yang menentukan kualitas air, keberlanjutan lingkungan, dan kesehatan manusia.

Orasi ini dimulai dari krisis global air bersih dan sanitasi, lalu menegaskan bahwa hanya sebagian sangat kecil dari air dunia yang benar-benar tersedia untuk manusia. Di tengah pertumbuhan penduduk, urbanisasi, industrialisasi, dan aktivitas pertanian, tekanan terhadap kualitas air meningkat, dan pencemaran menjadi semakin kompleks.

Karena itu, pengelolaan sumber daya air terpadu menjadi fondasi penting: sungai harus dilihat sebagai satu kesatuan dari hulu hingga hilir, pengelolaan harus partisipatif, dan konservasi harus menjadi prinsip utama. Namun orasi ini juga menekankan bahwa pendekatan terpadu tidak akan kuat tanpa memahami aktor ekologis di dalam air itu sendiri, yaitu mikroorganisme.

Melalui kasus merkuri, kita melihat bahwa mikroorganisme tidak selalu menjadi “pembersih alami”, tetapi bisa mengubah merkuri menjadi bentuk yang lebih berbahaya seperti metilmerkuri, yang meningkatkan risiko biomagnifikasi dan gangguan kesehatan. Melalui studi kasus Citarum Hulu, kita melihat bahwa pencemaran mikrobiologis perlu dilacak sumbernya karena solusi untuk pencemaran manusia dan pencemaran peternakan berbeda. Melalui Kampung Daraulin, kita melihat bahwa keputusan infrastruktur yang tidak mempertimbangkan dinamika air dapat menciptakan badan air stagnan yang mencemari air tanah dan meningkatkan risiko penyakit.

Pada saat yang sama, orasi ini menunjukkan bahwa mikroorganisme bukan hanya indikator pencemaran, tetapi juga alat solusi. Sistem lumpur aktif dan anaerobic digestion adalah contoh bagaimana komunitas mikroba digunakan untuk mengolah limbah, menstabilkan kualitas air, bahkan menghasilkan energi. Tetapi keberhasilan teknologi berbasis mikroorganisme bergantung pada stabilitas komunitasnya, yang dipengaruhi oleh kondisi lingkungan dan kontrol operasi.

Bagi mahasiswa, artikel ini memperjelas bahwa pengelolaan air bukan sekadar soal desain infrastruktur, tetapi juga soal memahami ekologi mikroba sebagai bagian dari sistem. Bagi pekerja, artikel ini menegaskan bahwa perlindungan kualitas air membutuhkan kombinasi: pengendalian sumber pencemaran, pengelolaan dampak, pengolahan yang benar, dan tata kelola yang terpadu.

Mikroorganisme memang tidak terlihat, tetapi efeknya terlihat jelas: pada kualitas sungai, pada keamanan air minum, dan pada hidup manusia.

 

 

Daftar Pustaka

Institut Teknologi Bandung. Orasi Ilmiah Guru Besar ITB Prof. Herto Dwi Ariesyady: Peran Komunitas Mikroorganisme dalam Pengelolaan Lingkungan Air Secara Terintegrasi. 2024.

World Health Organization. Guidelines for Drinking-water Quality. Edisi terbaru. (diakses 2026).

UNICEF & WHO. Progress on Household Drinking Water, Sanitation and Hygiene. (diakses 2026).

United Nations. Sustainable Development Goal 6: Clean Water and Sanitation. (diakses 2026).

IPCC. Climate Change impacts on water resources and health risks. (diakses 2026).

1. Pendahuluan

Ada stereotip yang sudah lama melekat pada kombinatorika: ia sering dianggap “matematika ringan”, matematika yang lebih dekat ke permainan daripada ilmu serius. Bahkan dalam orasi ini diceritakan bahwa pada awal abad ke-20, prasangka terhadap kombinatorika sebagai bukan “matematika nyata” adalah sesuatu yang lazim. Gambaran kasarnya seperti ini: kombinatorika hanya menghitung kemungkinan, seolah pekerjaan yang cocok untuk teka-teki, bukan untuk fondasi sains modern.

Tetapi justru di situlah letak ironi yang dibawa Prof. Djoko Suprijanto. Kombinatorika yang dulu diremehkan, hari ini berada di jantung teknologi komunikasi, keamanan data, dan bahkan komputasi kuantum. Ia menjadi bahasa yang diam-diam bekerja di belakang layar, menjaga pesan tetap benar ketika dunia digital penuh gangguan.

Orasi ini mengajak kita melihat perubahan status kombinatorika itu sebagai perjalanan yang panjang. Ada “titik balik” ketika Gian-Carlo Rota menerbitkan tulisan tentang fondasi teori kombinatorika pada 1964, yang mendorong kombinatorika masuk ke arus utama matematika modern. Lalu ada momen budaya pop yang terasa simbolik: film Good Will Hunting (1997) yang menggambarkan profesor kombinatorika dari MIT dibuat terpukau oleh seseorang yang mampu menyelesaikan masalah dalam waktu singkat—sebuah narasi yang memperlihatkan bahwa kombinatorika mulai dipandang sebagai wilayah “kelas berat”.

Tidak berhenti di situ, dunia matematika juga mencatat perubahan serius setelah dua dari empat pemenang Fields Medal 1998 banyak bekerja dalam kombinatorika. Jika Fields Medal adalah semacam “puncak prestise” matematika, maka keberhasilan para pemenangnya di kombinatorika menutup ruang bagi anggapan bahwa kombinatorika hanya permainan.

Tetapi Prof. Djoko tidak berhenti pada sejarah kebangkitan kombinatorika. Ia membawa kita masuk ke salah satu cabang yang paling strategis: kombinatorika aljabar.

Istilah ini, seperti dijelaskan dalam orasi, tidak menunjuk pada satu objek tunggal, melainkan spektrum objek matematika yang menggabungkan cara berpikir kombinatorik dan struktur aljabar. Dan dalam orasi ini, Prof. Djoko memusatkan pembahasannya pada dua objek utama yang menjadi wajah kombinatorika aljabar dalam dunia modern: teori desain dan teori coding.

Poin menariknya: dua objek ini berbeda rasa, tetapi punya peran yang mirip. Teori desain berurusan dengan bagaimana menyusun konfigurasi secara “rapi” dan seimbang. Teori coding berurusan dengan bagaimana menyusun informasi agar tetap “tahan gangguan”. Keduanya menyentuh pertanyaan yang tampak abstrak, tetapi sebenarnya sangat praktis:

Bagaimana kita mengatur sesuatu agar tetap stabil ketika dunia di sekitarnya tidak stabil?

Dan kalau kita tarik ke realitas hari ini, pertanyaan itu ada di mana-mana. Internet penuh noise. Komunikasi data lewat perangkat bergerak menghadapi gangguan. Sistem penyimpanan data menghadapi risiko error. Bahkan di masa depan, komunikasi kuantum akan membawa jenis gangguan dan tantangan baru.

Kombinatorika aljabar, melalui teori desain dan teori coding, bekerja seperti arsitek yang merancang struktur agar tetap “berfungsi”, meskipun lingkungan tidak pernah sempurna.

Itulah mengapa orasi ini terasa penting bagi mahasiswa dan pekerja. Bagi mahasiswa, ia mengubah cara memandang matematika murni: abstrak bukan berarti tidak berguna. Bagi pekerja, ia membuka sisi yang jarang terlihat dari teknologi digital: ada matematika yang memastikan data tidak jatuh ke dalam kekacauan.

 

2. Teori Coding: Mengapa Informasi Bisa Tetap Benar Meski Saluran Komunikasi Tidak Pernah Bersih

Sebelum masuk ke bagian desain, Prof. Djoko mengajak kita memahami motivasi paling sederhana dari teori coding melalui skema komunikasi yang sangat klasik.

Dua pihak berkomunikasi lewat suatu saluran. Saluran itu tidak pernah benar-benar bebas gangguan. Bisa ada noise, bisa ada interferensi, bisa ada kehilangan sinyal. Akibatnya, pesan yang diterima sangat mungkin berbeda dari pesan yang dikirimkan.

Lalu pertanyaan yang menjadi inti seluruh bidang teori coding muncul:

Apakah ada cara menyandikan pesan sehingga pesan tetap bisa dibaca dengan benar meskipun terjadi gangguan?

Jawaban teoritisnya sudah disediakan sejak lebih dari setengah abad yang lalu melalui karya monumental Claude Shannon, yang menandai lahirnya teori informasi dan juga memberi fondasi bagi error-correcting codes. Dalam bahasa yang lebih mudah: Shannon memberi tahu bahwa kita bisa membuat sistem komunikasi yang andal, bukan dengan berharap saluran menjadi sempurna, tetapi dengan mendesain kode yang tahan terhadap ketidaksempurnaan.

Di titik ini, teori coding bukan lagi ide abstrak. Ia adalah strategi menghadapi realitas.

Dan strategi itu bekerja melalui dua parameter utama yang disebutkan dalam orasi: kardinalitas kode dan jarak minimum.

Kardinalitas kode berhubungan dengan laju transmisi informasi. Semakin besar kardinalitasnya, semakin banyak informasi yang bisa “dibawa”. Jarak minimum berhubungan dengan kemampuan mendeteksi dan mengoreksi kesalahan. Semakin besar jarak minimum, semakin kuat kemampuan kode dalam mengatasi error.

Di sinilah teori coding terasa seperti seni kompromi.

Kita ingin mengirim data sebanyak mungkin, tetapi juga ingin data itu aman dari gangguan. Kalau kita membuat kode terlalu “padat”, laju transmisi tinggi, tetapi kemampuan koreksi error bisa melemah. Kalau kita membuat kode terlalu “kuat” dalam koreksi error, kita mungkin harus menambah redundansi, sehingga laju transmisi turun.

Masalah riset yang diceritakan Prof. Djoko banyak bermain di wilayah kompromi itu: menyelidiki parameter suatu kode ketika parameter lainnya diberikan. Artinya, bagaimana merancang kode optimal dalam batasan tertentu.

Di orasi ini, Prof. Djoko memberi ilustrasi melalui beberapa hasil penelitian, salah satunya terkait batas Plotkin untuk kode linear atas ring Z4. Batas Plotkin dapat dipahami sebagai batas atas bagi jarak minimum sebuah kode. Kode yang memiliki jarak minimum sama dengan batas ini disebut sebagai kode optimal.

Di sini kita melihat struktur logika matematika yang bekerja sangat elegan: bukan hanya membuat kode, tetapi memastikan kode yang dibuat adalah yang “terbaik mungkin” dalam batas teori.

Orasi ini juga menyinggung konstruksi kode linear optimal atas ring Z4 dengan metode baru. Secara naratif, ini seperti menciptakan resep baru yang membuka kemungkinan kode-kode optimal yang sebelumnya tidak diketahui keberadaannya. Dalam konteks praktis, penemuan metode konstruksi seperti ini adalah pembuka pintu: bukan hanya satu kode, tetapi keluarga kode.

Ada juga pembahasan tentang two-weight codes, yaitu kode yang hanya memiliki dua bobot (secara teknis). Ini mungkin terdengar seperti detail teknis, tetapi sebenarnya memberi gambaran bahwa teori coding bukan hanya soal “ada error atau tidak”. Teori coding juga mempelajari struktur internal kode, bagaimana distribusi bobotnya, dan apa konsekuensinya bagi performa.

Lalu Prof. Djoko membawa kita pada salah satu objek penting lainnya: kode siklis.

Kode siklis menarik karena dua alasan. Secara teoritis, ia kaya struktur aljabar. Secara praktis, ia memudahkan decoding, karena sifat siklisnya membuat proses komputasi lebih efisien. Dan efisiensi decoding ini adalah hal yang sangat penting dalam sistem komunikasi nyata, karena sistem tidak hanya butuh benar, tetapi juga butuh cepat.

Pada bagian ini, orasi memperlihatkan kekuatan kombinatorika aljabar: ia tidak hanya memikirkan “bisa atau tidak bisa”, tetapi memikirkan “seberapa efisien dan seberapa optimal”.

Dan jika kita tarik kembali ke dunia digital yang kita pakai sekarang, ini bukan kemewahan. Ini kebutuhan. Setiap kali kita mengirim file, melakukan panggilan video, atau menyimpan data, sistem error correction bekerja di balik layar. Kita jarang menyadarinya, tapi tanpa teori coding, dunia digital akan jauh lebih rapuh.

 

3. Teori Desain: Dari Spherical Design ke Euclidean Design, dan Mengapa “Susunan Titik” Itu Penting

Setelah teori coding memperlihatkan bagaimana informasi bisa tetap benar meskipun saluran komunikasi tidak pernah bersih, Prof. Djoko mengajak kita masuk ke objek besar lain dalam kombinatorika aljabar: teori desain.

Bagian ini terasa seperti perubahan suasana. Kalau teori coding terdengar sangat “teknologi” karena dekat dengan komunikasi data, teori desain terdengar lebih “geometri” dan lebih abstrak. Tetapi seperti banyak bagian lain dalam matematika, abstrak di sini bukan berarti jauh dari realitas. Abstrak justru adalah cara untuk merapikan intuisi.

Prof. Djoko memulai dari desain yang secara teknis disebut spherical design. Cara mudah membayangkannya adalah begini: kita punya bola satuan, lalu kita ingin meletakkan sejumlah titik di permukaan bola tersebut secara seimbang. Seimbang bukan dalam arti jaraknya sama, tetapi seimbang dalam arti titik-titik itu bisa “mewakili” bola dalam pengertian integral tertentu.

Secara formal, spherical design adalah himpunan titik X yang memenuhi sebuah persamaan integral: integral suatu fungsi (polinomial) di permukaan bola bisa digantikan oleh rata-rata nilai fungsi tersebut pada titik-titik di himpunan X. Dengan kata lain, kita mengganti proses “mengintegralkan pada bola” dengan proses “menjumlahkan pada sejumlah titik”.

Kalau ini terdengar seperti trik, memang benar: ini adalah trik yang sangat kuat. Karena integral pada ruang berdimensi tinggi sering sulit dihitung, sedangkan menjumlahkan pada titik-titik tertentu jauh lebih mudah.

Di sinilah teori desain terasa seperti “ilmu menyusun sampling yang cerdas”.

Pertanyaan alaminya muncul: adakah himpunan titik X semacam itu?

Dalam orasi disebutkan bahwa eksistensi himpunan X untuk spherical design sudah dibuktikan sekitar 40 tahun lalu oleh dua matematikawan ternama Paul Seymour dan Thomas Zaslavsky. Tetapi pembuktian mereka bersifat eksistensial: mereka menunjukkan bahwa spherical design itu ada, tanpa memberikan cara eksplisit untuk menyusunnya.

Dan di sinilah drama riset matematika muncul.

Bukti eksistensi itu penting, tetapi belum membuat kita “memegang benda”-nya. Sehingga masalah berikutnya menjadi sangat besar: bagaimana mengonstruksi contoh eksplisit spherical design?

Prof. Djoko menyebut bahwa salah satu konstruksi eksplisit mutakhir diberikan oleh Greg Kuperberg sekitar 20 tahun lalu, menggunakan himpunan khusus yang memainkan peran sentral dalam konstruksi spherical design dengan strength ganjil di ruang Euclid berdimensi tertentu.

Di bagian ini, riset matematika terasa seperti permainan arsitektur: kita bukan hanya ingin bangunan yang “mungkin ada”, tetapi ingin cetak birunya.

Lalu muncul lanjutan cerita yang khas: konstruksi itu kemudian dipercaya bisa diperluas ke ruang yang lebih besar oleh pasangan matematikawan Jepang (Banai dan Banai). Prof. Djoko bersama timnya kemudian berhasil memberi jawaban parsial atas tantangan tersebut.

Dan kalimat yang muncul setelahnya sangat “matematikawan”, tetapi juga sangat manusiawi: ketika satu tantangan belum selesai sepenuhnya, mereka sudah menemukan beberapa masalah baru lainnya.

Ini bukan keluhan. Ini justru karakter utama sains murni: jawaban sering melahirkan pertanyaan yang lebih tajam.

Kemudian, sepuluh tahun setelah spherical design dibahas, Prof. Djoko membawa kita ke konsep yang lebih luas: Euclidean design.

Perbedaannya cukup elegan. Spherical design berbicara tentang konfigurasi titik pada satu bola satuan. Euclidean design berbicara tentang konfigurasi titik pada sejumlah hingga bola konsentrik. Dengan kata lain, ruang desainnya lebih luas: bukan hanya satu “kulit bola”, tetapi beberapa lapisan bola dengan radius berbeda.

Parameter pentingnya tetap sama: strength, yakni ukuran “kekuatan” desain tersebut dalam menggantikan integral dengan penjumlahan titik.

Di tahap ini, orasi memperlihatkan salah satu ciri matematika yang sering membuat pembaca kagum: sebuah konsep bisa diperluas menjadi konsep lain yang tampak mirip, tetapi ternyata menimbulkan lanskap masalah yang jauh lebih liar.

Prof. Djoko menyebut fakta penting: gabungan dari dua Euclidean design juga merupakan Euclidean design, sehingga tidak ada batas atas untuk jumlah Euclidean design yang bisa digabungkan. Maka, fokus riset sering jatuh pada batas bawah, dan Euclidean design yang kardinalitasnya sama dengan batas bawah disebut tight Euclidean design.

Bagian ini penting karena tight design adalah bentuk “paling efisien”: jumlah titiknya minimal untuk mencapai sifat desain tertentu. Dalam konteks praktik (misalnya numerical integration), tight design adalah konfigurasi titik yang sangat bernilai karena efisien tetapi tetap punya kualitas.

Lalu ada bagian yang secara naratif terasa seperti plot twist.

Untuk tight Euclidean design dengan strength genap, Delsarte, Neumaier, dan Seidel pernah mengajukan konjektur bahwa eksistensinya tidak ada kecuali yang trivial. Tetapi dunia matematika kemudian menemukan bahwa konjektur itu keliru, karena ada contoh penyangkal.

Bagian ini mungkin terlihat seperti detail internal matematika, tetapi sebenarnya penting untuk cara berpikir ilmiah: bahkan dugaan “kuat” dari tokoh besar bisa salah, dan satu contoh penyangkal bisa mengubah arah penelitian selama bertahun-tahun.

Prof. Djoko kemudian memperkenalkan konsep strongly non-rigid Euclidean design. Secara intuitif, sebuah desain disebut strongly non-rigid jika konfigurasi titiknya “tetap desain” bahkan ketika kita memindahkan dua titik dari satu bola ke dua bola lain yang berbeda.

Ini seperti menguji elastisitas struktur desain: apakah sifatnya rapuh (langsung rusak ketika diganggu sedikit), atau justru robust (tetap mempertahankan sifat desain meski ada perubahan).

Melalui perspektif strongly non-rigid ini, orasi menyebut bahwa dapat dibuktikan eksistensi tak hingga banyak Euclidean design, baik untuk strength genap maupun ganjil, dan ini menjadi bukti elementer bahwa konjektur sebelumnya keliru.

Pada titik ini, teori desain tidak lagi terlihat sebagai “menyusun titik secara cantik”, tetapi sebagai studi tentang stabilitas struktur kombinatorik dalam geometri.

Dan di sinilah kita bisa mengerti kenapa teori desain bersanding dengan teori coding dalam satu panorama kombinatorika aljabar: keduanya sama-sama menyelidiki bagaimana struktur tetap kuat dalam kondisi yang penuh kemungkinan.

 

4. Klasifikasi dan Tantangan Riset: Mengapa Matematikawan Tidak Hanya Menyelesaikan Masalah, Tapi Juga Menciptakan Masalah Baru

Setelah kita melihat bagaimana desain dapat dibuktikan eksistensinya, dapat dikonstruksi, dan bahkan dipatahkan konjektur besar tentangnya, Prof. Djoko membawa kita pada satu tema yang menjadi “pekerjaan besar” di kombinatorika aljabar: klasifikasi.

Dalam riset matematika, ada dua jenis pencapaian yang sering dianggap puncak.

1. menemukan objek baru atau metode konstruksi baru

2. mengklasifikasikan semua objek yang mungkin pada kondisi tertentu

Klasifikasi terdengar seperti kegiatan administratif, tetapi dalam matematika, klasifikasi adalah bentuk penguasaan penuh. Ketika kita sudah bisa mengklasifikasikan, artinya kita benar-benar memahami struktur objek tersebut.

Prof. Djoko menyebut bahwa terkait klasifikasi lengkap Euclidean design, statusnya sampai saat ini masih terbatas.

Untuk strength genap, klasifikasi lengkap baru selesai untuk strength 2, dan itu pun telah diselesaikan pada 2007. Untuk strength genap yang lebih besar, masalahnya masih terbuka.

Sementara untuk strength ganjil, progresnya lebih buruk lagi. Klasifikasi lengkap yang diketahui baru untuk strength 5 pada Euclidean design di ruang berdimensi 2, yang baru diselesaikan tahun ini oleh Etsuko Banai. Selain itu, berbagai kasus lain masih terbuka.

Di sini kita melihat “peta keterbukaan” matematika modern: sebuah bidang yang tampak sudah punya definisi rapi, ternyata menyimpan sangat banyak wilayah gelap.

Menariknya, Prof. Djoko menyampaikan ini bukan dengan nada pesimis, tetapi dengan nada yang sangat khas matematikawan: keterbukaan masalah adalah undangan.

Karena ketika satu bidang memiliki banyak masalah yang terbuka, itu berarti bidang itu hidup. Ia memberi peluang kontribusi yang luas, bahkan dari generasi baru.

Orasi ini juga menampilkan sisi humor yang tajam: matematikawan bukan hanya terampil menyelesaikan masalah, tetapi juga terampil menciptakan masalah baru.

Kalimat ini lucu, tetapi sebenarnya memotret mekanisme riset.

Ketika kita berhasil menyelesaikan satu masalah, kita memahami struktur lebih dalam. Pemahaman itu sering membuka kejanggalan baru, pola baru, atau generalisasi baru yang memunculkan pertanyaan lanjutan. Jadi masalah baru bukan produk sampingan yang tidak penting, tetapi justru indikator bahwa pengetahuan bertambah.

Dan ini juga menjadi jembatan kembali ke teori coding.

Pada bagian akhir orasi, Prof. Djoko menegaskan bahwa penelitian terkait teori coding berfokus pada relasi parameter kode: bagaimana mencari parameter tertentu ketika parameter lain sudah diberikan. Lalu ia memberi contoh beberapa kontribusi yang telah dilakukan: batas Plotkin untuk kode linear atas Z4, konstruksi kode optimal atas Z4, two-weight codes optimal, serta sifat struktural dari kode siklis yang kaya secara aljabar dan efisien untuk decoding.

Jika kita rangkum, ada satu garis besar yang membuat keseluruhan orasi ini terasa koheren:

• teori desain mempelajari cara menyusun struktur (titik) yang seimbang dan efisien

• teori coding mempelajari cara menyusun struktur (kode) yang tahan gangguan dan efisien

• keduanya memperlihatkan bahwa kombinatorika aljabar bukan “menghitung kemungkinan”, tetapi merancang keteraturan dalam sistem yang kompleks

Bagi mahasiswa, ini adalah pengingat bahwa matematika murni bukan dunia terpisah dari dunia teknologi. Ia adalah sumber struktur yang membuat teknologi bekerja. Bagi pekerja, ini memberi perspektif bahwa keamanan data dan keandalan komunikasi bukan hasil “keberuntungan sistem”, tetapi hasil desain matematis yang presisi.

 

5. Relevansi Praktis Kombinatorika Aljabar: Dari Error Correction Modern hingga Fondasi Keamanan Data Masa Depan

Setelah menelusuri teori desain dan teori coding secara konseptual, pertanyaan yang wajar muncul adalah: sejauh mana semua ini relevan di luar dunia matematika murni?

Orasi Prof. Djoko Suprijanto secara implisit memberi jawaban yang cukup tegas. Kombinatorika aljabar tidak berdiri di menara gading. Ia justru menjadi fondasi dari banyak sistem yang hari ini kita anggap “normal”.

Dalam konteks teori coding, relevansi praktisnya hampir tidak bisa dipisahkan dari kehidupan digital modern. Setiap sistem komunikasi digital menghadapi noise, baik berupa gangguan fisik, keterbatasan perangkat, maupun kesalahan transmisi. Error-correcting codes bekerja sebagai mekanisme perlindungan agar informasi tetap dapat dipulihkan.

Di sinilah parameter-parameter yang dibahas dalam orasi—kardinalitas kode, jarak minimum, struktur aljabar kode—menjadi sangat nyata. Kardinalitas menentukan seberapa efisien data dikirim, sementara jarak minimum menentukan seberapa kuat sistem menghadapi kesalahan. Kompromi antara efisiensi dan keandalan bukan sekadar soal teori, tetapi keputusan desain dalam sistem nyata: jaringan seluler, satelit, penyimpanan data, hingga sistem streaming.

Kode siklis yang dibahas Prof. Djoko memberi contoh bagaimana teori bertemu praktik. Secara aljabar, kode ini kaya struktur. Secara operasional, ia mempermudah decoding. Dalam dunia industri, kemudahan decoding berarti penghematan waktu komputasi, energi, dan biaya. Itu sebabnya kode dengan struktur aljabar yang baik sangat dihargai.

Jika ditarik lebih jauh, teori coding juga menjadi bagian dari diskusi keamanan informasi dan bahkan komunikasi kuantum. Banyak konstruksi kode klasik menjadi inspirasi atau komponen dalam pengembangan kode kuantum, yang bertujuan melindungi informasi dari gangguan yang jauh lebih kompleks dibanding noise klasik. Dengan kata lain, penelitian yang tampak “murni” hari ini bisa menjadi landasan teknologi kritis di masa depan.

Sementara itu, teori desain mungkin terasa lebih jauh dari praktik sehari-hari, tetapi sebenarnya ia beroperasi di wilayah yang sama pentingnya: efisiensi dan representasi.

Spherical design dan Euclidean design pada dasarnya berbicara tentang bagaimana memilih titik-titik representatif agar suatu ruang atau distribusi dapat “diwakili” dengan baik. Prinsip ini relevan dalam numerical integration, optimasi, pemodelan multidimensi, dan bahkan machine learning, di mana pemilihan sampel yang baik sering menentukan kualitas hasil.

Konsep tight design menunjukkan bahwa efisiensi bukan berarti asal minimal, tetapi minimal yang masih menjaga kualitas. Ini adalah pelajaran desain yang sangat umum: bukan sekadar mengurangi, tetapi mengurangi dengan cerdas.

Konsep strongly non-rigid juga memberi pesan yang menarik jika dibaca secara lebih luas. Sebuah struktur yang tetap mempertahankan sifatnya meski mengalami gangguan kecil adalah struktur yang robust. Dalam bahasa rekayasa dan sistem, robust design adalah salah satu tujuan utama. Dengan demikian, meskipun dibangun dalam bahasa matematika abstrak, gagasan-gagasan ini sejalan dengan kebutuhan sistem nyata.

Bagi mahasiswa, bagian ini menunjukkan bahwa memilih jalur matematika murni tidak berarti menjauh dari dunia aplikasi. Justru, banyak aplikasi paling fundamental lahir dari struktur matematis yang kuat. Bagi pekerja, terutama yang bergerak di teknologi informasi, telekomunikasi, atau data, artikel ini mengingatkan bahwa keandalan sistem digital bukan hasil “keberuntungan teknologi”, tetapi hasil desain matematis yang panjang dan disiplin.

 

6. Kesimpulan: Kombinatorika Aljabar sebagai Seni Merancang Keteraturan dalam Ketidakpastian

Orasi Prof. Djoko Suprijanto membawa kita pada satu pemahaman kunci: kombinatorika aljabar bukan tentang menghitung kemungkinan secara acak, tetapi tentang merancang keteraturan dalam sistem yang penuh ketidakpastian.

Melalui teori desain, kita melihat bagaimana susunan titik dapat dirancang untuk merepresentasikan ruang secara seimbang dan efisien. Dari spherical design hingga Euclidean design, dari konsep tight hingga strongly non-rigid, orasi ini menunjukkan bahwa stabilitas dan efisiensi bisa dicapai melalui struktur yang tepat, bukan melalui redundansi berlebihan.

Melalui teori coding, kita melihat bagaimana informasi dapat dilindungi dari gangguan melalui desain kode yang cermat. Parameter-parameter kode bukan sekadar simbol matematis, tetapi penentu nyata dari efisiensi transmisi dan ketahanan sistem komunikasi. Kode linear, two-weight codes, kode optimal atas ring tertentu, dan kode siklis menunjukkan bahwa struktur aljabar dapat menjadi alat praktis untuk menjaga keandalan informasi.

Yang membuat orasi ini terasa utuh adalah cara Prof. Djoko menempatkan dua bidang tersebut dalam satu panorama. Teori desain dan teori coding mungkin berbeda objek, tetapi memiliki semangat yang sama: bagaimana menyusun elemen-elemen secara cerdas agar sistem tetap bekerja meskipun kondisi tidak ideal.

Orasi ini juga memperlihatkan wajah riset matematika yang sebenarnya. Matematika bukan hanya tentang menyelesaikan masalah yang sudah ada, tetapi juga tentang membuka wilayah baru dengan pertanyaan-pertanyaan baru. Keterbukaan masalah dalam klasifikasi Euclidean design dan parameter kode menunjukkan bahwa bidang ini masih hidup dan menantang.

Bagi mahasiswa, artikel ini memberi perspektif bahwa matematika murni adalah investasi jangka panjang. Abstraksi yang dikuasai hari ini bisa menjadi fondasi teknologi masa depan. Bagi pekerja, artikel ini memberi pengingat bahwa di balik sistem digital yang tampak sederhana, ada desain matematis yang kompleks dan presisi.

Pada akhirnya, kombinatorika aljabar mengajarkan satu hal yang sangat relevan dengan dunia modern: keteraturan bukan lawan dari kompleksitas, tetapi cara untuk mengelolanya.

 

 

Daftar Pustaka

Institut Teknologi Bandung. Orasi Ilmiah Guru Besar ITB Prof. Djoko Suprijanto: Teori Desain dan Teori Coding dalam Panorama Kombinatorika Aljabar. 2024.

Shannon, C. E. A Mathematical Theory of Communication. Bell System Technical Journal, 1948.

MacWilliams, F. J., & Sloane, N. J. A. The Theory of Error-Correcting Codes. North-Holland, 1977.

Brouwer, A. E., Cohen, A. M., & Neumaier, A. Distance-Regular Graphs. Springer, 1989.

Conway, J. H., & Sloane, N. J. A. Sphere Packings, Lattices and Groups. Springer, edisi terbaru.

1. Pendahuluan

Kota cerdas sering dipromosikan dengan visual yang sama: layar pusat komando, CCTV, aplikasi layanan publik, dan deretan dashboard. Dalam narasi populer, smart city seperti kota yang “pintar” karena teknologinya banyak. Tetapi semakin lama istilah ini dipakai, semakin terasa ada keganjilan yang sulit disangkal: teknologi bisa membuat kota lebih cepat, tetapi belum tentu membuat kota lebih baik.

Orasi ilmiah Prof. Ridwan Sutriadi membawa kita pada pembacaan yang lebih tajam tentang smart city. Ia tidak memulai dari “alat”, tetapi dari tradisi pemikiran perencanaan kota itu sendiri. Dalam sudut pandang ini, kota cerdas berkelanjutan bukan tren mendadak yang lahir karena internet cepat, melainkan kelanjutan dari kritik historis terhadap dampak urbanisasi, kesehatan lingkungan, dan perubahan sosial akibat revolusi industri.

Di sini ada pesan penting yang sering dilupakan: keberlanjutan dan kecerdasan bukan anak baru dalam perencanaan kota. Sejak awal keilmuan perencanaan kota berkembang, dua hal itu sudah menjadi benang merah.

Prof. Ridwan mengangkat dua tokoh kunci yang dikenal dalam sejarah perencanaan: Patrick Geddes dan Ebenezer Howard. Geddes memberi fondasi bahwa kota tidak bisa berdiri sendiri, ia harus dipandang sebagai bagian dari sistem kewilayahan. Dalam praktiknya, Geddes menekankan ecological planning yang mengintegrasikan alam ke lingkungan kota, misalnya melalui ruang terbuka hijau dan taman. Ia juga membawa gagasan conservative surgery: memperbaiki kawasan kota yang sudah ada dengan gangguan minimal, bukan membongkar besar-besaran. Lebih jauh lagi, ia memperkenalkan kecerdasan melalui pendekatan partisipatif—pembangunan dari bawah yang mendekati apa yang sekarang disebut participatory planning.

Howard menambahkan dimensi yang berbeda: konsep kepemilikan bersama dalam komunitas, gagasan self-sufficiency kota baru yang menyediakan fasilitas bagi warganya, serta kepercayaan bahwa ruang terbuka meningkatkan kualitas hidup. Secara tidak langsung, ini mengajarkan bahwa kota yang sehat bukan hanya soal pertumbuhan ekonomi, tetapi soal keseimbangan hidup.

Jika dibawa ke era smart city, dua tokoh ini seperti memberi peringatan awal: “kecerdasan” bukan dimulai dari sensor dan aplikasi, melainkan dari cara kota memahami dirinya sendiri.

Orasi ini juga mengingatkan bahwa sepanjang sejarah, teknologi selalu mengubah kota. Penemuan mobil pernah mengubah struktur ruang kota dan cara orang bergerak. Lalu perkembangan telekomunikasi membawa kemungkinan baru: aktivitas manusia tidak lagi selalu terikat pada ruang fisik yang sama. Artinya, perencanaan kota selalu berhadapan dengan dua hal yang berjalan bersamaan: perubahan teknologi dan perubahan struktur sosial.

Namun di tengah arus itu, perencana kota punya tanggung jawab yang tidak berubah: memastikan kota tetap layak huni dan berkelanjutan.

Di titik ini, Prof. Ridwan memberi kritik halus terhadap cara smart city sering dipahami hari ini. Banyak agenda smart city terlalu fokus pada output: berapa aplikasi dibuat, berapa perangkat dipasang, berapa layanan ditambahkan. Sementara akar persoalan kota—ketimpangan layanan, kemacetan struktural, banjir berulang, konflik lahan, ketidakterjangkauan perumahan, dan seterusnya—tidak benar-benar disentuh.

Karena itu, orasi ini terasa seperti upaya mengembalikan smart city ke arah yang lebih substansial: smart city yang sejalan dengan keberlanjutan, bukan smart city yang sekadar kompetitif.

Ada juga aspek lain yang menarik: Prof. Ridwan menyinggung refleksi perkembangan perencanaan kota, bahwa selalu ada interaksi antara ide, tren, dan otoritas. Artinya, smart city bukan konsep netral. Ia selalu dipengaruhi oleh siapa yang memegang kekuasaan, agenda pembangunan seperti apa yang dianggap penting, dan bagaimana narasi dibangun untuk publik.

Jika konsep smart city dipakai hanya untuk memoles citra, maka ia menjadi jebakan. Tetapi jika dipakai sebagai kerangka kerja memperbaiki tata kelola dan kualitas hidup, maka ia menjadi peluang.

Pendahuluan ini mengarah ke satu kesimpulan awal: kota cerdas berkelanjutan tidak bisa dibangun dengan logika “teknologi dulu, masalah belakangan”. Ia harus dibangun dengan logika “pahami kota dulu, baru tentukan teknologi apa yang relevan”.

 

2. Delapan Layar Kota Cerdas: Peta Awal agar Smart City Tidak Salah Fokus

Salah satu kontribusi paling khas dari orasi Prof. Ridwan adalah usulannya tentang delapan layar kota cerdas. Dalam dunia yang penuh jargon smart city, delapan layar ini menarik karena sifatnya tidak sekadar teknis, tetapi bersifat diagnostik: alat untuk memetakan kota sebelum kota “dipaksa” memakai teknologi tertentu.

Delapan layar yang diusulkan mencakup:

1. identitas yang berintegritas

2. sejarah dan budaya

3. ruang

4. sektor pembangunan

5. ekosistem kecerdasan

6. tingkat kesiapan teknologi (technology readiness level)

7. dampak teknologi

8. tata kelola

Jika kita lihat daftar ini, ada hal yang langsung terasa: teknologi tidak ditempatkan sebagai pusat tunggal. Ia hanya satu elemen, dan bahkan diletakkan bersama “dampak teknologi” dan “tata kelola”. Ini menandakan cara berpikir yang lebih matang, karena banyak kota justru terjebak pada teknologi sebagai simbol.

Delapan layar ini bisa dibaca sebagai “peta awal” agar smart city tetap terkait dengan karakter kota.

Identitas, sejarah, budaya, dan ruang menunjukkan bahwa kota bukan ruang kosong. Kota adalah hasil perjalanan sosial yang panjang. Ketika teknologi masuk tanpa memahami konteks itu, hasilnya sering tidak relevan, tidak dipakai warga, atau malah menciptakan ketegangan baru.

Sektor pembangunan dan ekosistem kecerdasan menunjukkan bahwa smart city bukan hanya urusan dinas komunikasi dan informatika. Smart city menyentuh sektor pendidikan, kesehatan, transportasi, ekonomi, layanan publik, dan sebagainya. Sementara ekosistem kecerdasan menuntut kolaborasi: pemerintah, kampus, komunitas, industri, dan warga.

Lalu tingkat kesiapan teknologi mengingatkan sesuatu yang sering disepelekan: teknologi tidak boleh dipasang hanya karena “baru” atau “viral”. Ia harus dipilih berdasarkan kesiapan, baik kesiapan teknis maupun kesiapan organisasi. Banyak inovasi gagal bukan karena teknologinya buruk, tetapi karena organisasi belum siap menjalankannya.

Dampak teknologi memberi dimensi kritis. Dalam smart city, teknologi sering dianggap selalu positif. Padahal teknologi juga bisa menghasilkan substitusi, efek sinergi, atau bahkan dampak yang tidak diinginkan. Misalnya, layanan digital bisa meningkatkan efisiensi, tetapi juga bisa mengurangi akses bagi kelompok tertentu yang tidak punya literasi digital atau perangkat memadai. Kota cerdas tanpa perhatian pada dampak seperti ini justru bisa memperlebar ketimpangan.

Tata kelola menjadi layar penutup sekaligus layar yang menentukan. Karena pada akhirnya, smart city tetap harus dijalankan oleh pemerintahan dan sistem kerja nyata: perencanaan, penganggaran, pelaksanaan, evaluasi. Tanpa tata kelola, smart city hanyalah teknologi tanpa rumah.

Yang membuat delapan layar ini lebih “hidup” adalah ketika Prof. Ridwan mengaitkannya dengan proses strategic choice analysis: shaping mode, designing mode, comparing mode, dan choosing mode.

Proses ini bisa dibaca seperti alur berpikir perencana kota.

Pada tahap awal (shaping), kita membangun pemahaman konteks dan isu. Lalu (designing), kita merancang alternatif. Setelah itu (comparing), kita membandingkan alternatif secara kritis. Dan akhirnya (choosing), kita memilih strategi yang paling sesuai.

Bagian pentingnya ada di choosing mode: Prof. Ridwan menekankan bahwa teknologi bukan satu-satunya jawaban. Teknologi harus berhubungan dengan organisasi, proses, dan produk agar komposisinya seimbang.

Ini poin yang sangat praktis. Banyak kota membeli aplikasi, tetapi tidak mengubah proses pelayanan. Banyak kota memasang perangkat, tetapi tidak membangun SOP pemeliharaan. Banyak kota mengumpulkan data, tetapi tidak punya sistem keputusan berbasis data.

Delapan layar memberi cara untuk menghindari itu, karena ia memaksa kota memetakan diri sebelum memilih intervensi.

Prof. Ridwan juga menyinggung bahwa perencana sering terlalu fokus pada output tanpa mengenali akar persoalan wilayah. Karena itu, ia mengusulkan upaya mengenali akar persoalan melalui pendekatan judgement of balance: memetakan isu, mengelompokkan persoalan, membuat hubungan antar isu, lalu menentukan prioritas pengembangan yang sesuai dengan sistem perencanaan pembangunan.

Jika ditarik ke realitas Indonesia, ini seperti kritik yang sangat nyata: banyak kota ingin terlihat modern, tetapi lupa memastikan kebijakan menyentuh akar masalah.

Dengan delapan layar, kota tidak memulai dari “kita mau aplikasi apa”, tetapi memulai dari “kita punya masalah apa, dan karakter kota kita apa”.

Dan dari sisi keberlanjutan, ini adalah langkah penting. Karena smart city yang tidak sesuai konteks hanya akan menjadi proyek jangka pendek yang boros, sulit dipelihara, dan akhirnya dilupakan. Sementara smart city yang dibangun dari pemetaan konteks akan lebih stabil, karena teknologinya dipilih untuk menyelesaikan masalah nyata.

 

3. Smart City yang Berhenti Jadi Pilot Project: Ketika Rencana Tidak Terkunci oleh Anggaran dan Sistem Perencanaan

Ada satu pola yang terlalu sering terjadi dalam praktik smart city di banyak daerah: programnya ramai di awal, lalu perlahan hilang di tengah jalan. Awalnya ada peluncuran, ada aplikasi, ada pusat kendali, ada konferensi. Beberapa bulan kemudian, server mulai tidak terurus, laporan data tidak diperbarui, perangkat rusak, dan masyarakat kembali ke cara lama. Smart city lalu berubah menjadi pilot project yang selesai di poster, tetapi tidak pernah benar-benar menjadi sistem kota.

Orasi Prof. Ridwan menyoroti titik sensitif dari kegagalan itu: smart city bukan sekadar ide baik, tetapi harus berkesesuaian dengan sistem perencanaan pembangunan yang sudah berjalan di Indonesia.

Artinya, smart city tidak bisa hidup kalau ia berdiri sebagai “program tambahan” di luar struktur pembangunan formal. Dalam praktik pemerintahan daerah, program yang benar-benar bertahan adalah program yang punya dua hal:

1. masuk ke dokumen perencanaan yang mengikat

2. punya komitmen anggaran yang konsisten

Di orasi ini, Prof. Ridwan menyebut sebuah persoalan yang sangat nyata: sering kali persoalan muncul karena tidak ada komitmen anggaran terhadap satu perencanaan sampai perencanaan tersebut menjadi komitmen bersama. Ini bukan kritik administratif, tapi kritik struktural. Karena program yang tidak terkunci di anggaran adalah program yang bisa hilang kapan saja, terutama ketika prioritas politik berubah.

Masalahnya, smart city sering disusun seperti proyek teknologi, bukan proyek pembangunan.

Proyek teknologi biasanya berlogika “selesai dibuat, selesai urusan”. Tetapi smart city tidak bekerja seperti itu. Ia butuh pemeliharaan, pembaruan data, adaptasi proses, pelatihan operator, dan evaluasi dampak. Tanpa anggaran rutin, sistem akan mati perlahan. Aplikasi bisa tetap ada di smartphone, tetapi layanan di belakangnya berhenti bekerja.

Di titik ini, smart city bukan gagal karena kurang inovasi, tetapi gagal karena salah meletakkan inovasi.

Prof. Ridwan sebenarnya menawarkan jalan keluar yang lebih realistis. Ia mengusulkan pemetaan delapan layar kota cerdas agar smart city tidak melompat langsung ke solusi, tetapi memulai dari diagnosis: memahami identitas kota, sejarah-budaya, struktur ruang, sektor pembangunan, ekosistem kecerdasan, kesiapan teknologi, dampak teknologi, dan tata kelola.

Jika delapan layar ini dipakai secara serius, maka kota tidak akan memilih program smart city berdasarkan tren atau gengsi, tetapi berdasarkan relevansi.

Dan relevansi selalu menuntut satu hal: integrasi.

Integrasi bukan hanya integrasi sistem teknologi, tetapi integrasi perencanaan. Prof. Ridwan menyebut kebutuhan hubungan yang saling berhubungan antara rencana pembangunan jangka panjang, rencana pembangunan jangka menengah, rencana sektoral, dan rencana tata ruang.

Secara naratif, ini seperti menyatukan arah kota dari level visi hingga level operasi. Tanpa integrasi, smart city mudah menjadi “hiasan” yang terpisah dari kebutuhan dasar: struktur ruang, pola ruang, layanan publik, dan akses warga.

Di sinilah kritik berikutnya menjadi tajam: perencana sering terlalu fokus pada output tanpa mengetahui akar permasalahan wilayah.

Ini adalah masalah klasik dalam berbagai program pemerintah, bukan hanya smart city. Output mudah diukur: jumlah aplikasi, jumlah sensor, jumlah dashboard. Tetapi akar masalah lebih sulit: ketimpangan akses, pola ruang yang tidak efisien, kemacetan struktural, banjir yang terulang, dan layanan publik yang timpang antar wilayah.

Jika smart city hanya mengejar output, maka ia seperti kota yang memasang lampu terang tanpa membereskan jalannya yang berlubang. Kota terlihat lebih modern, tetapi kualitas hidup tidak berubah.

Untuk menembus masalah itu, Prof. Ridwan menawarkan pendekatan judgement of balance, yaitu upaya mengenali isu, memetakkan isu dalam kelompok dasar, membuat graf hubungan antar isu, lalu mengelompokkan persoalan untuk menentukan prioritas pengembangan. Ini adalah cara berpikir perencana kota yang lebih konseptual tetapi sangat operasional: kota harus tahu masalahnya berada di mana, dan masalah mana yang menjadi “pintu masuk” untuk perbaikan.

Kalau dibawa ke praktik smart city, judgement of balance membantu kota menjawab pertanyaan yang lebih penting daripada “teknologi apa yang kita beli”:

• masalah mana yang paling menghambat kelayakhunian?

• masalah mana yang paling memperbesar ketimpangan?

• masalah mana yang paling layak diselesaikan lewat intervensi digital?

• masalah mana yang seharusnya selesai dulu lewat kebijakan ruang dan tata kelola?

Karena tidak semua masalah kota cocok diselesaikan dengan teknologi.

Di bagian ini, Prof. Ridwan juga menyinggung konteks sistem informasi pemerintah daerah yang kini berjalan, seperti SIPD dan dashboard perencanaan. Ini penting karena smart city sering gagal bukan karena tidak punya data, tetapi karena data tidak dihubungkan dengan siklus perencanaan dan penganggaran.

Ketika data berhenti sebagai laporan, smart city kehilangan kekuatannya. Tetapi ketika data terhubung dengan keputusan anggaran, smart city berubah menjadi alat kendali.

Intinya, smart city yang berkelanjutan bukan smart city yang paling canggih, tetapi smart city yang paling “terkunci” dalam sistem pembangunan: terintegrasi dengan perencanaan, punya dukungan anggaran, dan fokus pada akar masalah.

 

4. City Before Self dan Urban Commons: Mengapa Smart City Harus Lebih Inklusif, Bukan Sekadar Kompetitif

Ada bagian yang sangat manusiawi dalam orasi Prof. Ridwan: ia menutup gagasannya dengan kalimat yang terasa seperti etika profesi perencana kota. Pesan itu sederhana, tetapi menghantam inti banyak kegagalan pembangunan: perencana kota tidak akan selesai selama mereka mendahulukan diri sendiri dibandingkan dengan kota dan tata kelolanya.

Kalimat ini dikenal sebagai city before self.

Di tengah budaya smart city yang sering dipenuhi narasi kompetisi, city before self adalah koreksi yang penting. Karena salah satu jebakan paling halus dalam smart city adalah jebakan paradigma kompetitif: kota berlomba menjadi “paling pintar”, “paling inovatif”, “paling digital”. Dalam lomba itu, teknologi menjadi simbol status. Pemerintah daerah ingin menang penghargaan, ingin diliput, ingin naik peringkat.

Masalahnya, kompetisi bisa menyesatkan.

Prof. Ridwan menyebut bahwa kompetisi antar kota dapat menyesatkan dan perlu evaluasi kritis untuk menghindari jebakan paradigma kompetitif. Ini bukan berarti kota tidak boleh punya daya saing. Tetapi jika daya saing menjadi tujuan tunggal, kota bisa kehilangan orientasi dasarnya: melayani warganya dengan adil.

Di titik ini, city before self berarti memindahkan pusat perhatian dari “siapa yang terlihat paling modern” menjadi “siapa yang paling melindungi kualitas hidup”.

Dan kualitas hidup tidak pernah hanya milik kelompok yang digital-ready. Kota berisi semua orang: yang punya smartphone, yang tidak punya; yang punya literasi digital tinggi, yang tidak; yang bekerja di sektor formal dan informal; yang tinggal di pusat kota dan pinggiran.

Karena itu, smart city yang tidak inklusif akan melahirkan kota yang timpang.

Orasi ini juga membawa konsep commons ke dalam diskusi. Ada commons movement, lalu turunannya menjadi urban commons dan knowledge commons. Jika dipahami secara naratif, commons adalah gagasan bahwa ada sumber daya yang seharusnya dikelola sebagai kepentingan bersama, bukan hanya dikuasai individu atau pasar.

Dalam kota, commons bisa berupa ruang publik, taman kota, jalan, air, udara, bahkan data. Dan ketika kota masuk ke era digital, knowledge commons menjadi relevan karena informasi kota juga menjadi sumber daya publik.

Ini membuka pertanyaan kritis: jika kota mengumpulkan data besar melalui smart city, data itu milik siapa? Untuk siapa data itu dipakai? Apakah ia dipakai untuk memperbaiki layanan publik, atau hanya untuk menguatkan kontrol administratif?

Di sinilah smart city bertemu dengan isu etika, tata kelola, dan keadilan.

City before self mendorong kita untuk melihat teknologi bukan sebagai alat dominasi, tetapi sebagai alat pelayanan. Urban commons mendorong kita untuk memastikan bahwa manfaat smart city tidak dimonopoli oleh segelintir pihak.

Jika dibawa ke praktik, arah inklusif itu bisa terlihat dari beberapa prinsip:

1. desain layanan yang tidak memaksa semua orang “harus digital” untuk bisa mengakses hak dasar

2. teknologi yang memperkuat akses kelompok rentan, bukan hanya mempermudah kelompok yang sudah kuat

3. transparansi data dan akuntabilitas pemanfaatannya

4. ruang publik yang tetap diprioritaskan, bukan digantikan oleh layanan digital semata

5. integrasi smart city dengan perencanaan ruang agar kota tetap sehat secara ekologis

Di bagian akhir, Prof. Ridwan juga mengarah pada transformasi konsep kota cerdas berkelanjutan menuju kota generasi mendatang. Ini seperti menegaskan bahwa smart city bukan konsep “untuk sekarang saja”, tetapi harus mampu bertahan menghadapi tantangan masa depan: perubahan sosial, dinamika ekonomi, perubahan iklim, dan percepatan teknologi.

Dan di titik ini, city before self menjadi etika yang sangat relevan. Karena tantangan kota generasi mendatang tidak bisa diselesaikan dengan ego sektor, ego institusi, atau ego jabatan. Ia hanya bisa diselesaikan dengan tata kelola yang lebih matang dan kolaboratif.

Jika mahasiswa membaca bagian ini, mereka bisa menangkap bahwa smart city bukan sekadar ranah teknologi informasi. Smart city adalah ranah perencanaan, kebijakan, keadilan sosial, dan etika pembangunan.

Jika pekerja membaca bagian ini, terutama yang terlibat dalam pemerintahan atau konsultan, pesan ini terasa sebagai peringatan: proyek smart city yang berorientasi citra akan habis begitu anggaran selesai. Tetapi smart city yang berorientasi warga akan bertahan karena ia menyatu dengan sistem kota.

Dan pada akhirnya, kota cerdas yang berkelanjutan bukan kota yang paling banyak aplikasinya, tetapi kota yang paling mampu menjaga keseimbangan: antara inovasi dan identitas, antara teknologi dan tata kelola, antara kompetisi dan commons, serta antara kepentingan individu dan masa depan kota.

 

5. Smart City dan Dampak Teknologi: Sinergi, Substitusi, dan Risiko Ketimpangan Digital

Kalau smart city hanya dipahami sebagai “teknologi untuk layanan publik”, pembahasannya akan cenderung berhenti pada hal-hal yang aman: aplikasi pengaduan, integrasi data, sistem pembayaran, pusat kendali. Tetapi Prof. Ridwan membawa diskusi ini ke tahap yang lebih kritis: teknologi selalu punya dampak ganda. Ia bisa memperbaiki kota, tetapi juga bisa mengubah kota dengan cara yang tidak kita sadari.

Dalam orasinya, Prof. Ridwan menyinggung gagasan yang muncul dari kajian tentang telekomunikasi dan kota, bahwa perkembangan teknologi dapat memberi efek sinergi, substitusi, dan dampak lain yang lebih kompleks. Ini penting karena di banyak kebijakan daerah, teknologi sering dianggap otomatis positif, seolah digitalisasi selalu berarti kemajuan.

Padahal, efek teknologi dalam kota sering bekerja seperti ini.

Sinergi terjadi ketika teknologi memperkuat aktivitas perkotaan yang sudah ada. Misalnya, transportasi publik bisa menjadi lebih efektif karena data mobilitas lebih baik. Layanan kesehatan bisa lebih cepat karena sistem informasi pasien lebih rapi. Pengambilan keputusan bisa lebih tepat karena data lintas sektor lebih terhubung.

Substitusi terjadi ketika teknologi menggantikan aktivitas fisik tertentu. Contohnya sangat dekat dengan pengalaman pandemi: beberapa proses administrasi tidak harus dilakukan tatap muka, beberapa kelas bisa dilakukan secara daring, beberapa layanan bisa dialihkan ke platform digital. Dalam skala tertentu, substitusi dapat mengurangi mobilitas dan meringankan beban kota.

Tetapi substitusi juga membawa konsekuensi. Ketika aktivitas bergeser ke digital, kota bisa mengalami transformasi ekonomi lokal. Misalnya, kawasan yang sebelumnya hidup karena lalu lintas manusia bisa menurun aktivitasnya. Pola kerja hybrid bisa mengubah kebutuhan ruang kantor. Perubahan ini dapat menggeser nilai lahan dan pola penggunaan ruang.

Ada juga efek lain yang jarang dibicarakan dalam promosi smart city: dampak ketimpangan digital.

Ketika kota makin bergantung pada sistem digital, akses terhadap layanan publik juga makin bergantung pada akses teknologi. Ini bisa membuat kelompok tertentu semakin tertinggal. Mereka yang tidak punya perangkat, tidak punya literasi digital, atau tinggal di area dengan akses internet buruk akan menjadi “warga kelas dua” dalam sistem layanan.

Maka, smart city harus punya kesadaran bahwa inovasi digital bisa memunculkan dua jenis kota dalam satu wilayah: kota yang terkoneksi dan kota yang tertinggal.

Karena itu Prof. Ridwan memasukkan “dampak teknologi” sebagai salah satu layar penting dalam delapan layar kota cerdas. Ini bukan tambahan akademik, tetapi kebutuhan perencanaan. Kota tidak cukup bertanya “apa teknologi yang bisa kita pasang”, tetapi juga harus bertanya “apa dampak teknologi itu terhadap struktur sosial, ruang, dan akses warga.”

Di bagian lain, Prof. Ridwan juga mengangkat data dan analisis tentang hubungan internet, telepon seluler, daya saing, dan anggaran pemerintah dalam konteks Jawa Barat. Ia menyebut bahwa inovasi berupa telepon seluler dan internet memiliki hubungan positif dengan peningkatan daya saing, tetapi belum tentu berhubungan dengan anggaran pemerintah.

Ini membuka sisi analitis yang menarik: teknologi bisa memperkuat daya saing daerah, tetapi efektivitasnya tidak otomatis bergantung pada besarnya anggaran pemerintah. Artinya, kemampuan kota memanfaatkan teknologi bukan hanya soal dana, tetapi soal desain kebijakan, kualitas tata kelola, dan kemampuan mengintegrasikan inovasi dengan kebutuhan nyata.

Dengan kata lain, smart city bukan sekadar persoalan belanja teknologi, tetapi persoalan kecerdasan memilih prioritas.

Dan di sinilah konsep kota cerdas berkelanjutan menjadi lebih masuk akal. Keberlanjutan menuntut kita tidak terjebak pada solusi jangka pendek. Kota bisa membeli sistem mahal, tetapi jika sistem itu tidak relevan, tidak inklusif, dan tidak terpelihara, ia justru menjadi pemborosan yang bertentangan dengan semangat keberlanjutan.

 

6. Kesimpulan: Kota Cerdas Berkelanjutan adalah Pilihan Etis, Bukan Sekadar Inovasi Digital

Orasi Prof. Ridwan Sutriadi memberi satu pesan yang terasa sederhana tetapi sangat penting untuk praktik pembangunan kota di Indonesia: smart city seharusnya tidak dimulai dari teknologi, melainkan dimulai dari cara kota memahami dirinya sendiri.

Lewat pembacaan historis terhadap tradisi perencanaan kota, orasi ini menunjukkan bahwa keberlanjutan dan kecerdasan sudah lama hadir dalam pemikiran perencanaan, jauh sebelum smart city menjadi istilah populer. Kota cerdas berkelanjutan tidak lahir dari pusat kendali atau aplikasi layanan publik, tetapi dari upaya mengelola kota sebagai sistem kehidupan: ruang, masyarakat, ekonomi, ekologi, dan tata kelola.

Delapan layar kota cerdas yang diusulkan memberi cara berpikir yang lebih matang, karena memaksa kota memetakan identitas, sejarah-budaya, ruang, sektor pembangunan, ekosistem kecerdasan, kesiapan teknologi, dampak teknologi, dan tata kelola. Pendekatan ini membuat smart city tidak berjalan sebagai proyek kosmetik, tetapi sebagai strategi pembangunan yang berakar pada konteks.

Orasi ini juga menegaskan bahwa smart city yang tidak terintegrasi dengan sistem perencanaan dan penganggaran akan rentan berhenti sebagai pilot project. Tanpa komitmen anggaran dan integrasi perencanaan lintas dokumen, smart city hanya menjadi rangkaian output yang kehilangan daya hidup. Keberlanjutan tidak bisa dibangun dari program yang putus di tengah jalan.

Bagian yang paling reflektif sekaligus paling tegas muncul ketika Prof. Ridwan menutup dengan pesan city before self. Ini bukan sekadar kalimat motivasi, tetapi etika perencanaan kota. Ia mengingatkan bahwa perencana dan pemangku kepentingan harus mendahulukan kota dan tata kelolanya daripada kepentingan diri atau gengsi kompetisi. Di sinilah smart city diarahkan untuk lebih inklusif, lebih berorientasi pada urban commons, dan lebih adil dalam menghadapi transisi digital.

Pada akhirnya, kota cerdas berkelanjutan bukan kota yang paling canggih, tetapi kota yang paling mampu menjaga keseimbangan: antara inovasi dan identitas, antara teknologi dan tata kelola, antara daya saing dan keadilan, serta antara kepentingan hari ini dan kebutuhan generasi mendatang.

Itulah bentuk kecerdasan yang paling penting dalam kota: bukan kecerdasan mesin, melainkan kecerdasan memilih arah.

 

 

Daftar Pustaka

Institut Teknologi Bandung. Orasi Ilmiah Guru Besar ITB Prof. Ridwan Sutriadi: Kota Cerdas Berkelanjutan Perspektif Perencana Kota. 2024.

Geddes, P. Cities in Evolution: An Introduction to the Town Planning Movement and to the Study of Civics. 1915.

Howard, E. Garden Cities of To-morrow. 1902.

Drucker, P. F. The Age of Discontinuity: Guidelines to Our Changing Society. 1969.

Batty, M. The New Science of Cities. 2013.

1. Pendahuluan

Di banyak organisasi, “transformasi digital” sering diperlakukan seperti tujuan akhir. Perusahaan membangun aplikasi baru, membuat dashboard, memindahkan dokumen ke cloud, dan mengotomasi proses bisnis. Setelah itu, mereka merasa sudah modern. Tetapi semakin kita hidup di era krisis iklim, muncul pertanyaan yang lebih menuntut: modern untuk siapa, dan modern dalam cara apa?

Orasi ilmiah Prof. Kridanto Surendro mengajak kita memikirkan ulang posisi sistem informasi dalam konteks yang lebih besar, yaitu keberlanjutan. Bukan sekadar keberlanjutan dalam arti “sistemnya tidak down”, tetapi keberlanjutan sebagai cara manusia menjaga masa depan planet sambil tetap menjalankan ekonomi.

Narasinya dibuka dengan sesuatu yang sangat mendasar: karbon dioksida sebenarnya bagian dari sistem alami. Makhluk hidup menghasilkan karbon dioksida lewat pernapasan, sementara tumbuhan menyerap karbon dioksida dan menghasilkan oksigen melalui fotosintesis. Namun yang membuatnya menjadi krisis adalah laju dan skala emisi karbon akibat aktivitas manusia, terutama dari pembakaran bahan bakar fosil. Ketika emisi ini terus bertambah, gas rumah kaca menumpuk dan mendorong pemanasan global.

Dalam orasi ini juga disebutkan target yang semakin sering kita dengar dalam diskusi iklim global: emisi harus dikurangi setengah sebelum 2030, lalu mencapai kondisi net zero pada 2050 agar pemanasan global tidak melewati batas 1,5 derajat Celcius. Angka ini bukan sekadar alarm ilmiah, tetapi dasar arah kebijakan dunia, termasuk standar baru di industri.

Yang menarik, Prof. Kridanto tidak berhenti pada narasi iklim sebagai isu lingkungan, melainkan membawa kita ke ranah yang lebih “organisasi”: bagaimana perusahaan, kampus, dan institusi sebenarnya akan berhadapan dengan tuntutan data emisi karbon. Di sinilah sistem informasi menjadi relevan, karena pengurangan emisi bukan hanya keputusan moral, melainkan keputusan operasional yang butuh bukti.

Dan di era sekarang, bukti berarti data.

Tetapi ketika kita bicara data emisi karbon, persoalannya ternyata tidak sesederhana “hitung saja”. Justru inti kritik orasi ini adalah bahwa pengelolaan dan pengolahan data emisi karbon bersifat kompleks dan simpang siur. Perhitungan mungkin terlihat mudah di atas kertas, namun ketika organisasi mencoba benar-benar memotret emisi secara utuh, mereka akan terseret ke labirin data: tersebar di banyak unit, formatnya berbeda, sumbernya bervariasi, dan kadang tidak sinkron.

Kita bisa melihat kenapa banyak laporan keberlanjutan di Indonesia terdengar normatif. Mereka dipenuhi foto kegiatan lingkungan dan kalimat-kalimat komitmen, tetapi miskin penjelasan tentang nilai emisi yang konkret serta perbaikannya dari tahun ke tahun. Ini bukan sekadar masalah komunikasi, melainkan masalah sistem. Kalau datanya tidak tertata, laporan memang hanya bisa jadi narasi.

Dari sini, sustainable information system menjadi gagasan yang sangat praktis: sistem informasi yang tidak hanya membuat organisasi lebih cepat, tetapi juga membuat organisasi lebih bertanggung jawab.

Dalam konteks mahasiswa, topik ini terasa relevan karena banyak generasi muda yang terlibat dalam isu lingkungan, tetapi sering tidak tahu bagaimana mengubah kepedulian menjadi sistem kerja. Dalam konteks pekerja, topik ini bahkan lebih keras: semakin banyak industri dituntut membuktikan emisinya melalui standar global, sehingga “punya data yang bisa dipercaya” bukan lagi pilihan, melainkan syarat bertahan.

 

2. Green ICT dan Green by ICT: Dua Wajah Teknologi yang Sering Tertukar

Salah satu bagian paling penting dari orasi ini adalah pembedaannya terhadap dua istilah yang sering terdengar mirip, tetapi sebenarnya membawa orientasi yang berbeda: Green ICT dan Green by ICT.

Di dunia sistem informasi, Green ICT mengacu pada penggunaan perangkat dan sumber daya teknologi informasi yang ramah lingkungan. Sederhananya, ini tentang membuat teknologi itu sendiri lebih hemat energi, lebih efisien, dan tidak boros sumber daya. Contohnya bisa berupa server yang lebih efisien, penggunaan energi yang lebih rendah, manajemen pendinginan pusat data yang lebih baik, atau kebijakan perangkat keras yang lebih berkelanjutan.

Sedangkan Green by ICT adalah pemanfaatan teknologi informasi untuk membantu mengurangi emisi karbon di luar teknologi itu sendiri. Artinya, teknologi menjadi alat untuk mengurangi emisi dalam sistem yang lebih luas: misalnya efisiensi rantai pasok, optimalisasi transportasi, pengurangan perjalanan lewat sistem kerja jarak jauh yang efektif, pemantauan energi dalam gedung, atau otomatisasi proses yang mengurangi pemborosan material.

Perbedaan dua istilah ini penting karena sering terjadi kesalahan berpikir dalam organisasi. Banyak organisasi merasa sudah “go green” hanya karena mereka mengganti lampu kantor dengan LED atau membeli perangkat hemat energi. Itu baik, tetapi belum tentu menyentuh inti emisi terbesar dalam sistem mereka. Di sisi lain, organisasi bisa saja membangun sistem digital yang canggih untuk efisiensi bisnis, tetapi justru membuat konsumsi energi TIK membengkak karena pusat data membesar dan penggunaan komputasi meningkat.

Di sinilah sustainable information system harus bekerja sebagai penyeimbang: ia tidak boleh hanya memilih salah satu, tetapi memetakan keduanya sebagai dua tanggung jawab yang berjalan bersama.

Orasi ini juga menyebutkan panduan dari World Bank yang mengusulkan perhitungan emisi karbon sektor TIK dengan fokus pada emisi operasional saja. Secara praktis, ini seperti “jalan cepat” untuk memulai: hitung berapa lama komputer digunakan, server berjalan, AC dipakai, dan seterusnya. Dengan pendekatan seperti itu, perhitungan emisi pusat data menjadi lebih mudah.

Namun, Prof. Kridanto juga mengingatkan bahwa kompleksitas emisi tidak bisa selalu dipangkas sesederhana itu. Ada masalah besar yang sering luput ketika organisasi menghitung emisi: emisi yang melekat pada produk atau komponen yang digunakan. Dalam bahasa yang lebih familiar untuk industri, ini terkait emisi pada rantai pasok. Emisi bukan hanya dari aktivitas operasional langsung, tetapi juga dari barang dan jasa yang dipakai organisasi.

Di sini muncul dilema yang sering terjadi dalam praktik. Kalau organisasi hanya menghitung emisi operasional, mereka memang bisa bergerak cepat dan punya angka awal. Tetapi angkanya bisa menipu karena tidak menggambarkan keseluruhan jejak karbon. Sebaliknya, jika organisasi mencoba menghitung semuanya sejak awal, mereka bisa tersandung kompleksitas data dan akhirnya tidak jalan sama sekali.

Sustainable information system seharusnya membantu organisasi keluar dari dilema itu.

Cara berpikirnya adalah: mulai dengan kerangka yang masuk akal, lalu bangun sistem data yang makin matang. Tidak harus sempurna sejak tahun pertama, tetapi harus jelas arahnya.

Dalam orasi ini, Prof. Kridanto mengusulkan perlunya tata kelola emisi karbon dan bahkan membayangkan perlunya sistem terintegrasi yang mirip ERP untuk emisi. Gagasannya sederhana: kalau organisasi bisa menyusun sistem terintegrasi untuk keuangan, supply chain, dan HR, mengapa tidak bisa untuk data emisi?

Jawabannya bukan tidak bisa. Tantangannya adalah kemauan dan desain arsitekturnya.

Karena berbeda dengan data keuangan yang biasanya sudah rapi dalam sistem, data emisi sering berserakan: di gedung, di vendor listrik, di transportasi, di aktivitas pengguna, di pembelian perangkat, bahkan di kebiasaan manusia sehari-hari. Maka sustainable information system harus dimulai dari satu fondasi: arsitektur data yang memetakan sumber dan aliran data emisi.

Bagian ini membuat sustainable information system terasa bukan sebagai topik abstrak, tetapi sebagai proyek nyata: merapikan data, mengurangi simpang siur, dan membuat keputusan berbasis angka yang bisa diverifikasi.

 

3. Mengukur Emisi Aktivitas Mahasiswa: Dari Isu Global ke Kebijakan Kampus yang Nyata

Di banyak forum, isu emisi karbon sering terasa jauh dari kehidupan sehari-hari. Ia terdengar seperti urusan konferensi internasional, target negara, atau negosiasi antar pemerintah. Tetapi orasi Prof. Kridanto Surendro justru menarik isu itu turun ke level yang lebih dekat: aktivitas individu dalam institusi pendidikan, khususnya mahasiswa.

Ini langkah yang menarik, karena kampus sering menempatkan diri sebagai agen perubahan sosial, tetapi jarang mengukur jejak karbon aktivitas internalnya secara serius. Padahal kampus adalah kota kecil. Ada gedung, listrik, ruang kelas, laboratorium, transportasi harian, konsumsi perangkat elektronik, hingga aktivitas belajar mandiri yang terus berulang. Semua itu menghasilkan emisi. Yang membedakan kampus dengan industri adalah karakter aktivitasnya, bukan ketiadaan emisinya.

Dalam penelitian yang disebutkan di orasi, Prof. Kridanto dan tim membatasi kontribusi emisi mahasiswa pada dua kategori utama: Scope 2 dan Scope 3. Scope 2 dipahami sebagai pemanfaatan fasilitas elektronik di kampus seperti penggunaan kelas dan laboratorium. Scope 3 mencakup aktivitas mahasiswa yang terkait dengan proses belajar-mengajar, termasuk kuliah, ujian, praktikum, belajar mandiri, transportasi, dan aktivitas terkait lainnya.

Pembatasan ini penting karena ia menunjukkan metode yang realistis. Mengukur emisi secara total dari kehidupan mahasiswa bisa sangat kompleks. Tetapi dengan membuat batas yang masuk akal dan sesuai konteks kampus, pengukuran menjadi mungkin dilakukan tanpa menunggu sistem sempurna.

Penelitian ini dilakukan dalam periode Agustus 2022 sampai Mei 2023 dengan melibatkan 1.071 mahasiswa dari program studi Teknik Informatika, Sistem dan Teknologi Informasi, serta Magister Informatika.

Hasilnya memberikan angka yang cukup tegas: total emisi karbon yang diperoleh sebesar 612.813 kg per tahun. Jika dibagi per mahasiswa, emisinya sekitar 570,2 kg per tahun, dengan emisi rata-rata harian sebesar 3,08 kg per hari.

Angka-angka ini bukan sekadar statistik. Ia mengubah isu keberlanjutan dari sesuatu yang abstrak menjadi sesuatu yang bisa dibayangkan.

3,08 kg per hari mungkin terdengar kecil jika berdiri sendiri. Tapi ketika dikalikan ribuan mahasiswa, hasilnya menjadi sangat besar. Dan di situlah pesan utamanya muncul: emisi bukan hanya soal pabrik, kendaraan besar, atau industri energi. Emisi juga lahir dari rutinitas yang dianggap normal.

Yang lebih penting, angka ini bisa menjadi dasar kebijakan.

Prof. Kridanto menyebut bahwa dari hasil penelitian, dapat diusulkan beberapa kebijakan untuk mengurangi konsumsi energi dan menciptakan lingkungan ITB yang bersih.

Dalam konteks kampus, kebijakan seperti ini sebenarnya bisa mengambil banyak bentuk, misalnya:

• pengaturan penggunaan ruang kelas dan laboratorium agar lebih efisien

• optimasi jadwal agar mengurangi kebutuhan ruang kosong dengan listrik menyala

• kebijakan transportasi dan akses kampus yang mendorong pilihan lebih rendah emisi

• strategi hybrid learning yang tidak sekadar “online”, tapi benar-benar menekan pemborosan energi dan mobilitas yang tidak perlu

• standardisasi perangkat dan praktik penggunaan energi di lingkungan akademik

Namun, inti dari semua kebijakan itu adalah satu: kebijakan tidak bisa berdiri tanpa data.

Di sinilah sustainable information system berperan sebagai pengubah permainan. Karena tanpa sistem yang rapi, kampus hanya akan mengulang pola “komitmen tanpa ukuran”. Dan ketika tidak ada ukuran, tidak ada cara untuk menilai apakah kebijakan berhasil atau hanya menjadi simbol.

Orasi ini juga menyinggung bahwa banyak sustainability report perusahaan di Indonesia masih normatif: menampilkan foto-foto perbaikan lingkungan, tetapi tidak menjelaskan nilai emisi karbon serta bagaimana perbaikan terjadi dari waktu ke waktu.

Fenomena ini tidak terjadi hanya di perusahaan, tetapi juga berpotensi terjadi di kampus. Kita bisa melakukan banyak kegiatan “hijau”, tetapi jika tidak ada sistem data, kita tidak pernah benar-benar tahu apakah emisi kita turun atau hanya berpindah bentuk.

Dan di sinilah isu emisi mahasiswa menjadi contoh yang kuat. Ia menunjukkan bahwa pengukuran bisa dimulai dari satu unit aktivitas, lalu berkembang menjadi sistem yang lebih luas. Kampus tidak harus menunggu “sistem nasional” untuk mulai bertanggung jawab pada data internalnya.

 

4. Net Zero Emission Framework dan AI: Ketika Sistem Informasi Tidak Hanya Menghitung, Tapi Memprediksi

Salah satu bagian paling menarik dalam orasi Prof. Kridanto adalah gagasannya bahwa sustainable information system seharusnya tidak berhenti pada pencatatan emisi karbon. Ia harus bergerak menuju pengelolaan yang lebih matang: terintegrasi, terencana, dan mampu memprediksi.

Di sini, Prof. Kridanto menjelaskan bahwa untuk mengatasi kompleksitas pengumpulan dan pengelolaan data emisi karbon secara terintegrasi, digunakan rancangan kerja Net Zero Emission Framework yang disusun secara top-down pada level platform kecerdasan bisnis.

Lalu muncul kalimat yang menjadi pembeda besar: platform ini memanfaatkan kecerdasan buatan, pembelajaran mesin, dan informasi kuantum untuk pemrosesan dan prediksi emisi karbon. Yang dilakukan bukan hanya mencatat dan menghitung, tetapi memprediksi berapa besar emisi karbon yang akan terjadi pada periode tertentu.

Pernyataan ini membawa kita pada satu perubahan mendasar dalam cara organisasi mengelola keberlanjutan.

Selama ini, emisi sering dikelola seperti laporan keuangan yang terlambat. Kita menghitung setelah kejadian, lalu menyimpulkan “tahun ini naik” atau “tahun ini turun”. Tetapi untuk benar-benar menurunkan emisi, organisasi membutuhkan pendekatan proaktif. Mereka perlu tahu tren, memprediksi lonjakan, dan merancang intervensi sebelum masalah membesar.

Dalam bahasa sistem informasi, ini berarti pergeseran dari descriptive analytics menuju predictive analytics. Dari “apa yang terjadi” menuju “apa yang mungkin terjadi”.

Namun, prediksi tidak bisa lahir dari sistem yang datanya berantakan.

Itulah sebabnya orasi ini menekankan kebutuhan arsitektur emisi karbon. Prof. Kridanto menyebut bahwa pengelolaan data emisi karbon tidak sederhana, data bersifat kompleks, tersebar, dan simpang siur. Karena itu perlu upaya membuat arsitektur emisi karbon sebagai rencana pengembangan aplikasi.

Arsitektur data ini pada dasarnya adalah peta yang menjawab pertanyaan besar:

• data emisi datang dari mana?

• siapa pemilik data?

• bagaimana data dikumpulkan?

• format apa yang digunakan?

• seberapa sering data diperbarui?

• bagaimana data dibersihkan dan divalidasi?

• bagaimana data diolah menjadi indikator yang bisa dipakai pimpinan?

Tanpa arsitektur, organisasi akan melakukan pengukuran yang tidak konsisten. Satu unit memakai metode A, unit lain memakai metode B. Hasilnya tidak bisa dibandingkan. Lalu organisasi terjebak dalam laporan yang terlihat “ada angka”, tetapi angka itu tidak bisa dipercaya.

Selain arsitektur, orasi ini juga menekankan pentingnya tata kelola (governance).

Prof. Kridanto mengutip pandangan bahwa tata kelola adalah sistem di mana entitas dapat diarahkan dan dikendalikan sesuai harapan. Ini relevan, karena data emisi bukan hanya data teknis. Ia data yang menyentuh kepentingan banyak pihak: keuangan, operasional, reputasi, dan kepatuhan terhadap standar.

Tanpa tata kelola, sistem informasi emisi akan mengalami masalah klasik:

• data tidak lengkap karena unit enggan melapor

• data tidak konsisten karena definisinya berbeda-beda

• data tidak dipakai karena pimpinan tidak percaya

• data tidak ditindaklanjuti karena tidak ada SOP keputusan

Karena itu, gagasan Prof. Kridanto tentang sistem terintegrasi yang “mirip ERP untuk emisi karbon” terdengar sangat logis.

ERP mengintegrasikan proses keuangan, SDM, logistik, dan produksi dalam satu sistem. Jika organisasi bisa mengintegrasikan uang dan inventori, seharusnya organisasi juga bisa mengintegrasikan jejak karbon. Bedanya, sistem emisi memerlukan definisi yang lebih rumit karena jejak karbon tersebar dalam rantai aktivitas dan rantai pasok.

Orasi ini juga menyebut gagasan Informatika Energi dari Richard T. Watson tahun 2010, yang mengakui peran sistem informasi dalam mengurangi konsumsi energi dan emisi karbon. Ini penting sebagai konteks akademik: sustainable information system bukan ide yang muncul tiba-tiba, tetapi bagian dari evolusi pemikiran bahwa masalah lingkungan bukan hanya masalah teknologi energi, tetapi juga masalah informasi.

Pada akhirnya, bagian ini menguatkan satu kesimpulan analitis:

Sustainable information system bukan sistem informasi yang “bertema hijau”, tetapi sistem informasi yang mampu menciptakan keputusan yang lebih tepat tentang emisi.

Ia menuntut data yang rapi, arsitektur yang jelas, tata kelola yang tegas, dan kemampuan analitik yang naik kelas dari sekadar perhitungan menuju prediksi.

Dan jika sistem seperti ini bisa berjalan di kampus, ia akan menjadi contoh yang kuat bahwa keberlanjutan bukan hanya urusan korporasi besar, tetapi bisa dimulai dari institusi pendidikan sebagai tempat lahirnya pengetahuan dan kebijakan berbasis data.

 

5. Sustainable Information System untuk Organisasi: Dari ESG dan SDGs ke Keputusan Operasional yang Bisa Dipertanggungjawabkan

Setelah emisi karbon mahasiswa dipetakan dan kerangka Net Zero Emission Framework diperkenalkan, orasi Prof. Kridanto Surendro sebenarnya mendorong kita ke satu pertanyaan yang lebih besar: apa dampaknya bagi organisasi secara keseluruhan?

Karena jika sustainability hanya berhenti pada slogan atau kampanye, organisasi tidak akan berubah. Perubahan baru terjadi ketika keberlanjutan masuk ke mekanisme kerja sehari-hari: anggaran, target, prosedur, dan sistem evaluasi.

Di sinilah sustainable information system menjadi penting. Ia berfungsi sebagai mesin yang mengubah “komitmen hijau” menjadi keputusan operasional yang bisa dipertanggungjawabkan.

Untuk memahami urgensinya, kita perlu melihat bagaimana tekanan global terhadap organisasi berkembang. ESG (Environmental, Social, Governance) bukan lagi istilah untuk laporan tahunan. Ia berubah menjadi cara investor, regulator, dan pasar menilai kredibilitas perusahaan. SDGs juga bukan sekadar proyek sosial, tetapi sering menjadi kerangka komunikasi global tentang kontribusi organisasi terhadap pembangunan berkelanjutan.

Namun, masalahnya tetap sama: tanpa sistem data, ESG dan SDGs mudah berubah menjadi narasi kosong.

Orasi ini menyoroti fenomena yang banyak orang sebenarnya sudah rasakan tetapi jarang disebut langsung: banyak laporan keberlanjutan perusahaan di Indonesia masih normatif. Laporan tersebut sering menampilkan dokumentasi kegiatan dan pernyataan komitmen, tetapi belum menjelaskan nilai emisi karbon secara jelas serta bagaimana nilai itu berubah dari waktu ke waktu. Ini membuat sustainability report lebih dekat dengan komunikasi reputasi daripada alat manajemen.

Di titik ini, sustainable information system bekerja sebagai koreksi.

Sistem informasi yang berkelanjutan tidak bertugas membuat laporan terlihat menarik, tetapi memastikan data emisi dan dampaknya benar-benar tercatat, tervalidasi, dan bisa digunakan untuk mengambil keputusan.

Dalam praktik organisasi, ini akan memengaruhi banyak area.

Pertama, organisasi akan dipaksa mendefinisikan apa yang dimaksud dengan emisi, dan bagaimana emisi dihitung.

Tanpa definisi yang konsisten, angka akan selalu bisa diperdebatkan. Itulah sebabnya orasi ini menekankan kompleksitas data emisi yang simpang siur. Jika sumber data tersebar dan formatnya berbeda-beda, maka organisasi cenderung menghasilkan perhitungan yang tidak konsisten antar unit.

Kedua, organisasi akan dipaksa membangun arsitektur data emisi.

Arsitektur di sini bukan sekadar diagram teknis, tetapi peta tanggung jawab dan aliran informasi. Ia menetapkan siapa pemilik data, siapa yang menginput, siapa yang mengolah, siapa yang memverifikasi, dan siapa yang menggunakan data tersebut untuk keputusan. Dengan arsitektur, emisi tidak lagi menjadi isu yang “ditaruh di divisi lingkungan”, tetapi menjadi isu lintas unit yang bisa ditelusuri.

Ketiga, organisasi akan masuk ke tahap yang lebih dewasa: pengendalian, bukan hanya pengukuran.

Banyak organisasi hari ini berada pada fase awal: mereka baru belajar menghitung emisi. Tetapi menghitung emisi saja belum mengurangi emisi. Pengurangan emisi membutuhkan kontrol, dan kontrol membutuhkan sistem.

Di sinilah pendekatan yang memanfaatkan kecerdasan buatan dan pembelajaran mesin menjadi relevan. Dalam orasi, ditegaskan bahwa platform yang dikembangkan tidak hanya menghitung emisi, tetapi memprediksi emisi pada periode tertentu. Ini mengubah pola pikir organisasi: dari reaktif menjadi proaktif.

Jika organisasi tahu bahwa emisi bulan depan diprediksi naik karena pola konsumsi energi tertentu, organisasi bisa merancang intervensi: menata ulang jadwal operasional, mengoptimalkan penggunaan energi, atau mengubah kebijakan penggunaan fasilitas.

Keempat, sustainable information system membuat keberlanjutan lebih “terasa” bagi pekerja.

Salah satu alasan sustainability sering gagal diterapkan adalah karena pekerja tidak tahu apa yang harus mereka ubah. Mereka hanya mendengar target besar seperti net zero 2050, tetapi tidak melihat hubungan antara pekerjaan harian dengan target itu.

Ketika data emisi dipecah menjadi aktivitas dan proses, hubungan itu mulai terlihat. Misalnya, konsumsi listrik gedung, pemakaian AC, jadwal laboratorium, mobilitas harian, atau penggunaan perangkat. Semua ini bukan hal abstrak. Semua ini adalah perilaku organisasi.

Maka sustainable information system sebenarnya bukan hanya alat teknis, tetapi alat perubahan perilaku kolektif. Ia membuat organisasi bisa mengatakan, “di titik ini emisi kita naik,” dan “di titik itu emisi kita turun,” dengan alasan yang bisa ditelusuri.

Kelima, sistem ini menjadi jembatan antara kebijakan dan audit.

Dalam dunia bisnis, komitmen yang serius selalu harus bisa diaudit. Begitu perusahaan masuk ke rantai pasok global, tuntutan audit akan semakin kuat. Dan audit tidak bisa dipenuhi dengan cerita, tetapi dengan data.

Sustainable information system membantu organisasi menjawab pertanyaan audit dengan lebih tegas: data apa yang dipakai, bagaimana dikumpulkan, bagaimana dihitung, dan bagaimana konsisten antar periode.

Jika kita rangkum, orasi ini membawa pesan bahwa keberlanjutan tidak akan stabil jika bergantung pada kampanye. Keberlanjutan baru stabil jika ia masuk ke sistem informasi organisasi.

6. Kesimpulan: Sistem Informasi Berkelanjutan Adalah Infrastruktur Data untuk Masa Depan Rendah Karbon

Orasi Prof. Kridanto Surendro memperlihatkan bahwa krisis iklim bukan hanya isu energi dan lingkungan, tetapi juga isu informasi. Target global seperti pengurangan emisi sebelum 2030 dan net zero 2050 menuntut organisasi memiliki kemampuan yang lebih serius dalam mengelola data.

Tetapi data emisi karbon bukan data yang sederhana. Dalam orasi ini ditekankan bahwa pengelolaan dan pengolahan data emisi karbon bersifat kompleks, tersebar, dan simpang siur. Karena itu, organisasi tidak bisa mengandalkan pendekatan manual atau laporan normatif. Mereka membutuhkan sistem informasi yang dirancang secara khusus untuk keberlanjutan.

Perbedaan antara Green ICT dan Green by ICT menunjukkan bahwa teknologi informasi punya dua tanggung jawab sekaligus: membuat infrastrukturnya sendiri lebih hemat energi, dan membantu menurunkan emisi di sistem organisasi yang lebih luas. Sustainable information system berada di tengah keduanya, sebagai pendekatan yang tidak hanya mendigitalisasi proses, tetapi memastikan digitalisasi menghasilkan dampak rendah karbon yang terukur.

Penelitian emisi aktivitas mahasiswa menjadi contoh konkret bahwa pengukuran bisa dilakukan dengan batas yang realistis, misalnya melalui Scope 2 dan Scope 3. Hasilnya menunjukkan emisi tahunan yang besar dan emisi rata-rata harian per mahasiswa yang cukup signifikan jika dilihat secara kolektif. Data seperti ini mengubah keberlanjutan dari isu moral menjadi isu operasional yang bisa dikelola melalui kebijakan kampus.

Orasi ini juga menunjukkan arah yang lebih maju: pembangunan Net Zero Emission Framework berbasis kecerdasan bisnis yang memanfaatkan kecerdasan buatan dan pembelajaran mesin untuk memproses serta memprediksi emisi karbon. Pendekatan ini menandai pergeseran dari sekadar menghitung emisi menjadi memprediksi dan mengendalikan emisi.

Pada akhirnya, sustainable information system dapat dibaca sebagai bentuk infrastruktur baru: infrastruktur data untuk masa depan rendah karbon. Organisasi yang mampu membangun arsitektur data emisi, tata kelola yang jelas, serta analitik yang matang akan lebih siap menghadapi tuntutan global. Organisasi yang tidak siap akan tertinggal, bukan karena tidak peduli, tetapi karena tidak memiliki sistem yang memadai untuk membuktikan dan mengendalikan dampaknya.

Bagi mahasiswa, artikel ini menunjukkan bahwa sistem informasi bukan hanya alat bisnis, tetapi alat keberlanjutan yang semakin penting di masa depan. Bagi pekerja, artikel ini menegaskan bahwa keberlanjutan tidak bisa lagi diperlakukan sebagai urusan “bagian lain”, tetapi harus masuk ke inti sistem kerja, karena tuntutan data dan audit akan semakin keras.

Dan bagi institusi seperti kampus, keberlanjutan adalah kesempatan untuk menjadi contoh: membangun sistem berbasis data yang bukan hanya mengurangi emisi, tetapi juga mendidik generasi yang terbiasa membuat keputusan berbasis bukti.

 

 

Daftar Pustaka

Institut Teknologi Bandung. Orasi Ilmiah Guru Besar ITB Prof. Kridanto Surendro: Sustainable Information System. 2024.

Watson, R. T. Energy Informatics: A New Discipline. 2010.

World Bank. Digital Development dan pedoman pendekatan emisi sektor TIK. (diakses 2026).

UNFCCC. Net Zero dan jalur pembatasan pemanasan global 1,5°C. (diakses 2026).

GHG Protocol. Corporate Accounting and Reporting Standard (Scope 1, 2, 3). (diakses 2026).

1. Pendahuluan

Ada momen menarik dalam sejarah teknologi modern: ketika cahaya biru yang tampaknya sederhana justru membuka jalan bagi revolusi besar. Prof. Pepen Arifin memulai orasinya dengan menyinggung Nobel Fisika 2014 yang diberikan atas kontribusi pengembangan LED biru efisien. Ini bukan sekadar cerita penghargaan, tetapi pengingat bahwa inovasi besar sering lahir dari keberhasilan “menaklukkan detail” yang sebelumnya dianggap sulit.

Di kehidupan sehari-hari, LED adalah benda yang nyaris tidak kita sadari. Ia sekadar lampu kecil, murah, dan selalu ada. Tetapi begitu kita memikirkan LED putih yang sekarang mendominasi pencahayaan, kita akan menemukan bahwa warna putih sebenarnya adalah hasil rekayasa: gabungan elemen merah, hijau, dan biru, dengan biru menjadi komponen yang lama menjadi tantangan.

Di titik inilah orasi Prof. Pepen terasa seperti membuka pintu ke ruang mesin teknologi. LED bukan hanya “bohlam modern”, tetapi struktur berlapis yang disusun dari material semikonduktor dalam bentuk lapisan tipis, salah satunya berbasis galium nitrida (GaN) dan turunannya seperti aluminium galium nitrida (AlGaN) serta indium galium nitrida (InGaN).

Mengapa lapisan tipis ini begitu penting? Karena dalam semikonduktor, cahaya adalah konsekuensi dari peristiwa yang sangat spesifik: elektron berpindah dari pita konduksi ke pita valensi, lalu energi yang dilepas berubah menjadi foton. Warna foton itu bukan hasil “cat”, melainkan ditentukan oleh lebar celah pita energi materialnya.

Dan di sinilah konsep kunci orasi ini muncul: bandgap engineering.

Prof. Pepen menjelaskan bahwa pada sistem Ga-In-N, lebar celah pita energi GaN berada di sekitar 3,49, sedangkan InN sekitar 0,7. Dengan mengatur komposisi, celah pita energinya bisa dibuat bervariasi. Artinya, kita bisa “menyetel” material agar memancarkan warna tertentu. Jika disederhanakan untuk pembaca non-fisika: di dunia LED modern, warna bukan dipilih belakangan, tetapi ditentukan sejak proses sintesis materialnya.

Namun, ada tantangan yang jauh lebih besar dari sekadar konsep teoritis: bagaimana membuat material itu benar-benar tumbuh sebagai lapisan tipis dengan kualitas kristal yang baik?

Dalam orasi ini, Prof. Pepen membawa pembaca menuju proses yang menjadi tulang punggung produksi semikonduktor tertentu: metal-organic chemical vapor deposition (MOCVD). MOCVD bukan hanya “alat”, tetapi ekosistem proses yang mengatur bagaimana atom-atom tersusun rapi, lapis demi lapis, menjadi struktur kristal yang berfungsi secara elektronik.

Kita sering mendengar narasi kemandirian teknologi semikonduktor hanya sebagai urusan industri besar dan geopolitik. Tetapi orasi ini menunjukkan sisi yang lebih fundamental: kemandirian dimulai dari penguasaan proses sintesis.

Karena jika negara belum bisa menumbuhkan materialnya sendiri, maka negara akan selalu bergantung—bukan hanya pada chip jadi, tetapi pada kemampuan paling awal dalam rantai nilai: menghasilkan material fungsional.

 

2. Dari Teori Bandgap ke Lapisan Tipis: Bagaimana MOCVD “Menyusun” Semikonduktor Paduan

Kalau bandgap engineering adalah tujuan, maka MOCVD adalah cara.

Dalam orasi, Prof. Pepen menjelaskan proses penumbuhan GaN sebagai cerita tentang transformasi bahan dasar menjadi struktur kristal. Gambaran sederhananya seperti ini: kita menyiapkan substrat, lalu memulai pertumbuhan sehingga terbentuk “pulau-pulau” material di permukaan. Setelah pulau-pulau itu menyatu, pertumbuhan berlanjut ke lapisan berikutnya sampai diperoleh ketebalan tertentu.

Pola pertumbuhan ini memberi pesan penting: penumbuhan lapisan tipis bukan sekadar menambahkan material. Ia adalah proses mengatur keteraturan.

Karena jika keteraturan tidak terjadi, material bisa berubah menjadi polikristal atau amorfus. Dan dalam semikonduktor, ini bukan sekadar perbedaan estetika. Struktur kristal memengaruhi sifat elektronik, performa, hingga stabilitas.

Maka setelah penumbuhan, pertanyaan pertama bukan “apakah lapisan sudah terbentuk?”, tetapi “apakah yang terbentuk benar-benar GaN dengan struktur kristal yang benar?”.

Orasi ini menekankan bahwa karakterisasi menjadi bagian yang tidak bisa dipisahkan dari sintesis. Salah satu karakterisasi yang penting adalah difraksi sinar-X untuk memastikan identitas material serta konstanta kisi yang menjadi semacam sidik jari struktur kristal.

Di titik ini, MOCVD terlihat bukan sebagai proses tunggal, melainkan sistem yang mencakup:

• kimia prekursor

• kontrol temperatur

• dinamika gas

• reaksi dekomposisi

• reaksi pembentukan material

• dan verifikasi melalui karakterisasi

Lalu Prof. Pepen masuk pada detail yang membuat MOCVD terasa “hidup”: bagaimana sumber gallium dan nitrogen disiapkan.

Gallium dalam kondisi biasa adalah logam, sedangkan nitrogen adalah gas. Dua wujud ini tidak mudah bereaksi langsung untuk membentuk GaN. Tetapi di sinilah peran kimia organologam: gallium diikat dalam senyawa trimethyl gallium. Pada temperatur sekitar 400 derajat, senyawa ini dapat terdekomposisi menghasilkan atom gallium yang siap bereaksi.

Sementara itu, nitrogen biasanya dipasok lewat amonia yang dipanaskan pada temperatur tinggi (sekitar 1000 derajat) agar menghasilkan atom nitrogen aktif. Atom gallium dan nitrogen inilah yang kemudian bereaksi membentuk GaN pada permukaan lapisan tipis.

Di sini terlihat sebuah dilema produksi: temperatur tinggi membantu reaksi, tetapi juga membawa risiko. Prof. Pepen menyebut efek yang bisa terjadi pada temperatur tinggi seperti difusi, dekomposisi, dan segregasi yang dapat menurunkan kualitas material.

Dilema ini sangat penting, karena ia memperlihatkan bahwa sintesis semikonduktor bukan hanya tantangan “apakah bisa jadi”, tetapi tantangan “bagaimana membuatnya konsisten bagus”.

Orasi ini lalu menawarkan solusi strategis melalui pendekatan plasma-assisted. Alih-alih memakai amonia, nitrogen murni digunakan dan diaktifkan dengan gelombang mikro agar berubah menjadi atom nitrogen teraktivasi.

Kalau dijelaskan secara naratif, pendekatan ini seperti memindahkan beban kerja dari temperatur tinggi ke aktivasi plasma. Tujuannya bukan sekadar membuat proses lebih modern, tetapi membuat kualitas lebih terjaga dengan mengurangi risiko yang muncul dari suhu ekstrem.

Di tahap yang lebih lanjut, Prof. Pepen juga menceritakan pengembangan sistem MOCVD dengan lebih dari satu reaktor, termasuk sistem termal dan sistem khusus oksida, sehingga mampu menghasilkan berbagai jenis material: semikonduktor paduan, semikonduktor oksida, dan material lain.

Pada akhirnya, bagian ini mengantar kita pada poin yang terasa sangat “Indonesia”: tonggak capaian riset.

Prof. Pepen menyebut bahwa pada periode 1999–2000, mereka berhasil menumbuhkan lapisan tipis GaN, GaAs, dan GaSb—sebuah capaian yang disebut sebagai tonggak karena material tersebut berhasil ditumbuhkan pertama kali di Indonesia. Ini bukan sekadar pencapaian laboratorium, tetapi pencapaian strategis: bukti bahwa proses sintesis yang biasanya mahal dan kompleks bisa dikuasai secara lokal.

Bahkan ketika tim berhasil menumbuhkan AlGaN dan mempresentasikannya di konferensi, mereka mendapat apresiasi karena dianggap mampu menumbuhkan nitrida dan AlGaN yang sebelumnya dipercaya tidak akan berhasil karena laju pertumbuhan rendah dan tingginya defek.

Di bagian ini, orasi seperti memberi pesan diam-diam: dalam dunia semikonduktor, kemampuan menumbuhkan material bukan sekadar kompetensi, tetapi legitimasi. Jika bisa menumbuhkan material kompleks, maka pintu menuju aplikasi yang lebih tinggi terbuka.

 

3. Dari Lapisan Tipis ke Fungsi: Doping, Paduan, dan Jalan Menuju Perangkat Elektronik Modern

Kalau penumbuhan lapisan tipis adalah fondasi, maka pertanyaan berikutnya lebih menentukan: lapisan tipis itu bisa dipakai untuk apa?

Dalam industri semikonduktor, “bisa tumbuh” belum tentu berarti “bisa dipakai”. Material yang berhasil ditumbuhkan masih harus memenuhi syarat fungsi: konduktivitasnya sesuai, cacat kristalnya tidak berlebihan, dan sifat optiknya bisa diandalkan. Untuk sampai ke tahap itu, ada satu konsep yang selalu muncul sebagai kunci: doping.

Doping adalah proses memasukkan pengotor (impurity) terkontrol ke dalam semikonduktor untuk mengubah sifat listriknya. Tanpa doping, banyak semikonduktor hanya akan berada pada kondisi “netral” yang tidak cukup berguna untuk membentuk perangkat. Dengan doping, material bisa dibuat menjadi tipe-n (lebih banyak elektron) atau tipe-p (lebih banyak hole). Dan begitu dua tipe ini bisa dikendalikan, maka struktur dasar perangkat elektronik seperti dioda dan LED bisa dibangun.

Di dalam konteks GaN, doping punya tantangan khas. GaN adalah semikonduktor dengan celah pita energi lebar dan struktur yang relatif “keras” dari sisi ikatan atomnya. Ini membuatnya sangat menarik untuk perangkat daya tinggi dan perangkat optoelektronik tertentu, tetapi juga membuat pengendalian doping menjadi bagian yang tidak mudah.

Orasi Prof. Pepen mengisyaratkan bahwa pengembangan riset bukan hanya berhenti pada penumbuhan GaN murni, tetapi bergerak menuju variasi material dan kontrol sifat. Ini terlihat dari fokus pada semikonduktor paduan seperti AlGaN dan InGaN, yang sejak awal memang menjadi inti bandgap engineering.

Dalam narasi teknologi LED, kita bisa melihat bandgap engineering sebagai “cara menulis warna” pada material. InGaN, misalnya, menjadi material yang penting karena memungkinkan emisi pada rentang yang relevan untuk LED biru. Jika kita memikirkan LED putih sebagai gabungan warna, maka keberhasilan menguasai material untuk emisi biru adalah bagian yang menentukan mengapa LED modern bisa menjadi murah, stabil, dan efisien.

Tetapi bandgap engineering bukan hanya untuk cahaya.

Semikonduktor paduan seperti AlGaN juga menjadi penting untuk perangkat elektronik berdaya tinggi, termasuk keluarga transistor tertentu. Di sini, “fungsi” material tidak lagi dinilai dari warna cahaya, tetapi dari ketahanannya terhadap tegangan tinggi, kemampuannya bekerja pada temperatur tinggi, serta efisiensi dalam kondisi operasi berat.

Jika dibaca dari perspektif Indonesia, bagian ini menarik karena ia menggeser narasi semikonduktor dari “kita butuh chip” menjadi “kita perlu kuasai proses yang memungkinkan perangkat itu ada”.

Karena pada akhirnya, industri semikonduktor berdiri di atas dua pilar besar:

1. material science: bagaimana material ditumbuhkan dan dikendalikan

2. device engineering: bagaimana material itu disusun menjadi perangkat yang berfungsi

Orasi Prof. Pepen memperlihatkan bahwa pilar pertama adalah syarat mutlak untuk masuk ke pilar kedua.

Pada sisi lain, ada satu hal yang sering menghambat negara berkembang untuk masuk ke semikonduktor: begitu materialnya semakin kompleks, risetnya semakin mahal, dan toleransi kesalahan semakin kecil. Di sinilah nilai MOCVD menjadi semakin jelas. MOCVD bukan sekadar metode deposisi, tetapi platform industri yang sudah terbukti sebagai tulang punggung produksi material tertentu.

Karena itu, ketika sebuah tim riset mampu menunjukkan bahwa material seperti AlGaN dapat ditumbuhkan, hal itu bukan hanya hasil lab. Itu adalah sinyal bahwa kompetensi proses sudah menyentuh zona yang selama ini dianggap sulit: pertumbuhan dengan laju rendah, kontrol komposisi yang ketat, dan manajemen cacat kristal yang rumit.

Dan sebenarnya, inilah jantung dari “kemandirian semikonduktor” jika dibaca secara jujur. Negara tidak bisa meloncat langsung ke produksi chip massal tanpa menguasai kemampuan menumbuhkan material dengan kualitas yang dapat diterima.

Jika mahasiswa membaca bagian ini, mereka bisa menangkap bahwa semikonduktor bukan dunia satu langkah. Ia bertahap. Dan setiap tahap punya tantangan yang berbeda.

Jika pekerja industri membaca bagian ini, terutama yang bergerak di manufaktur atau R&D, mereka akan melihat betapa pentingnya sebuah ekosistem proses: kontrol temperatur, kontrol prekursor, stabilitas reaktor, hingga kemampuan karakterisasi. Tanpa itu, kualitas tidak bisa distabilkan. Dan tanpa stabilitas kualitas, tidak ada produk.

 

4. Tantangan dan Arah Strategis: Mengapa Penguasaan MOCVD Bukan Sekadar Ilmu, Tapi Aset Negara

Salah satu kekuatan orasi Prof. Pepen adalah cara ia menempatkan riset MOCVD dalam dua dimensi sekaligus: dimensi ilmiah dan dimensi strategis.

Dari sisi ilmiah, tantangan MOCVD terlihat pada detail proses: bagaimana menjaga reaksi berjalan pada kondisi yang tepat, bagaimana menekan defek kristal, bagaimana menghindari efek temperatur tinggi seperti difusi dan segregasi, dan bagaimana memastikan bahwa penumbuhan benar-benar menghasilkan material yang diinginkan, bukan hanya “lapisan yang tampak ada”.

Tetapi dari sisi strategis, tantangannya lebih luas: apakah sebuah negara bisa mempertahankan proses itu secara berkelanjutan?

Dalam dunia semikonduktor, kemampuan bukan hanya soal “pernah berhasil”. Kemampuan adalah soal “bisa dilakukan berulang kali dengan kualitas serupa”. Dan kemampuan itu mensyaratkan sistem pendukung:

• akses bahan baku dan prekursor yang konsisten

• fasilitas laboratorium yang memadai (termasuk lingkungan bersih)

• kemampuan pemeliharaan alat yang kompleks

• ketersediaan SDM lintas disiplin: fisika, kimia, material, elektro

• alur pendanaan riset yang tidak putus di tengah jalan

Jika salah satu komponen ini rapuh, maka kompetensi yang dibangun akan menjadi kompetensi yang “sesekali bisa”, bukan kompetensi yang “menjadi budaya”.

Orasi ini, secara implisit, juga menunjukkan realitas bahwa menguasai MOCVD berarti menguasai teknologi yang sangat sensitif terhadap konsistensi proses. Tidak seperti beberapa bidang rekayasa lain yang masih memberi ruang toleransi, semikonduktor menuntut presisi. Dan presisi membutuhkan disiplin operasional.

Di sinilah nilai pendekatan plasma-assisted menjadi penting. Ia memperlihatkan bahwa riset tidak berhenti pada “mengulang resep yang sudah ada”, tetapi mencari cara agar proses lebih aman, lebih stabil, dan lebih sesuai untuk kualitas yang lebih baik.

Untuk pembaca mahasiswa, bagian ini mengajarkan bahwa inovasi dalam semikonduktor sering bukan inovasi “produk baru”, tetapi inovasi “cara produksi”. Teknologi besar lahir dari perbaikan proses kecil yang konsisten.

Untuk pembaca pekerja, terutama yang bekerja pada sistem produksi atau quality, ini terasa sangat familiar. Karena di industri, kualitas jarang meloncat drastis. Kualitas biasanya lahir dari kontrol proses yang disiplin dan perbaikan bertahap.

Di Indonesia, tantangan semikonduktor sering dibicarakan pada level “kita belum punya pabrik chip”. Tetapi orasi Prof. Pepen mengingatkan bahwa keberhasilan tidak harus dibaca sebagai “pabrik besar atau tidak sama sekali”. Keberhasilan juga bisa dibaca sebagai kemampuan menguasai proses inti, membangun kompetensi SDM, dan menciptakan fondasi untuk ekosistem riset-industri.

Karena jika kita jujur, negara-negara yang menjadi pemain semikonduktor hari ini pun tidak langsung lahir dengan pabrik raksasa. Mereka membangun kompetensi melalui tahapan panjang: dari laboratorium, ke pilot scale, lalu ke produksi. Tahapan itu membutuhkan ketekunan pada proses yang tampak kecil, tetapi sebenarnya menentukan.

Dalam konteks itu, pencapaian penumbuhan material semikonduktor tertentu secara lokal dapat dibaca sebagai tonggak yang punya efek jangka panjang:

1. menumbuhkan kepercayaan bahwa teknologi dapat dikuasai

2. membuka peluang riset lanjutan ke perangkat dan aplikasi

3. membangun generasi peneliti dan insinyur yang paham proses dari hulu

4. memperkecil ketergantungan pada pihak luar untuk kompetensi fundamental

Dan jika kita tarik ke kebutuhan Indonesia sekarang, penguasaan semikonduktor paduan berbasis GaN dan turunannya punya potensi aplikasi yang luas, bukan hanya LED. Ia bersinggungan dengan kebutuhan energi, transportasi, komunikasi, dan sistem elektronik berdaya tinggi yang semakin dibutuhkan.

Dengan kata lain, pengembangan MOCVD adalah investasi jangka panjang.

Ia tidak selalu terlihat seperti produk yang bisa langsung dijual besok pagi. Tetapi tanpa investasi seperti ini, Indonesia akan selalu menjadi pembeli pada level hilir, dan akan kesulitan naik kelas dalam rantai nilai teknologi.

 

5. Pelajaran Praktis dari MOCVD: Apa yang Sebenarnya Sedang Dibangun Selain Material

Orasi Prof. Pepen Arifin pada dasarnya tidak hanya bercerita tentang satu teknik penumbuhan lapisan tipis. Jika dibaca dengan kacamata lebih luas, orasi ini sedang membangun narasi tentang “apa arti kemampuan” dalam teknologi semikonduktor.

Kita sering membicarakan semikonduktor sebagai produk jadi: chip, LED, laser, sensor, atau komponen daya. Tetapi orasi ini menunjukkan bahwa produk jadi hanyalah puncak gunung es. Bagian yang lebih besar berada di bawah permukaan: proses sintesis, kontrol parameter, konsistensi kualitas, dan kemampuan karakterisasi.

Di titik ini, MOCVD menjadi lebih dari sekadar metode deposisi. Ia menjadi semacam sekolah yang memaksa kita memahami teknologi dari hulu.

Ada tiga pelajaran praktis yang terasa kuat jika kita menurunkan isi orasi ini ke konteks mahasiswa dan pekerja.

Pertama, kemandirian teknologi dimulai dari kemampuan memproduksi dengan kualitas yang bisa diulang.

Dalam semikonduktor, keberhasilan sesungguhnya bukan “sekali berhasil menumbuhkan lapisan”. Keberhasilan adalah kemampuan menjaga hasil yang konsisten, karena industri hanya bisa berjalan jika kualitas bisa diprediksi dan distabilkan. Artinya, keberhasilan butuh disiplin proses: kontrol temperatur, kontrol aliran gas, kontrol reaktor, dan stabilitas prekursor.

Pelajaran ini terdengar sederhana, tetapi sangat penting untuk mentalitas industri Indonesia. Banyak inovasi kita sering berhenti pada prototipe yang bagus. Tapi prototipe yang bagus belum otomatis menjadi teknologi yang bisa diandalkan. MOCVD menuntut kita keluar dari budaya “sekadar berhasil” menuju budaya “mampu mengulang hasil”.

Kedua, bandgap engineering mengajarkan bahwa desain modern adalah desain sifat material, bukan hanya desain bentuk.

Di banyak industri rekayasa klasik, desain sering berarti desain geometri: ukuran, bentuk, struktur. Tetapi dalam semikonduktor modern, desain berarti mengatur struktur elektronik material. Warna cahaya dari LED, misalnya, bukan hasil pemilihan warna di akhir, tetapi hasil dari komposisi paduan dan lebar celah pita energi.

Ini mengubah cara melihat inovasi. Inovasi bukan hanya bentuk baru, tetapi cara baru menyusun material agar menghasilkan fungsi yang diinginkan. Dan kemampuan seperti ini tidak bisa datang dari “trial and error” cepat. Ia membutuhkan pemahaman fundamental yang kuat.

Bagi mahasiswa, ini bisa menjadi pengingat bahwa teori pita energi, rekombinasi elektron, dan struktur kristal bukan sekadar materi kuliah yang abstrak. Ia adalah bahasa yang dipakai industri untuk menentukan performa.

Bagi pekerja, ini berarti bahwa peningkatan produk kadang tidak butuh perubahan besar di desain makro, tetapi perubahan detail di komposisi material atau proses deposisi. Dengan kata lain, inovasi bisa lahir dari penguasaan proses dan material.

Ketiga, kualitas material adalah hasil interaksi antara kimia, fisika, dan kontrol sistem.

Orasi ini menunjukkan bahwa penumbuhan material seperti GaN bukan sekadar mencampurkan unsur gallium dan nitrogen. Ada tahapan dekomposisi prekursor, aktivasi nitrogen, reaksi di permukaan, hingga risiko yang muncul jika temperatur terlalu tinggi. Bahkan pendekatan plasma-assisted dipakai untuk menciptakan nitrogen aktif tanpa bergantung pada kondisi termal ekstrem.

Ini mengajarkan bahwa kualitas material tidak hanya ditentukan oleh “bahan”, tetapi juga oleh cara bahan itu diperlakukan. Dalam industri, konsep ini sangat relevan dengan kualitas proses produksi apa pun: banyak kegagalan produk bukan karena bahan jelek, tetapi karena prosesnya tidak terkendali.

Jika kita tarik lebih jauh, MOCVD juga membangun satu hal yang sering dilupakan dalam diskusi teknologi: ekosistem kompetensi.

Teknologi semikonduktor tidak bisa berdiri sendirian. Ia membutuhkan fasilitas yang mahal, lingkungan kerja yang bersih, sistem keselamatan bahan kimia, kalibrasi alat, serta budaya dokumentasi proses yang rapi. Semua ini bukan aksesori, melainkan syarat dasar agar riset bisa naik kelas dari eksperimen menjadi fondasi industri.

Karena itu, salah satu nilai terbesar dari penguasaan MOCVD di Indonesia adalah pembentukan “tradisi proses”. Tradisi ini adalah sesuatu yang tidak bisa dibeli instan, dan justru menjadi pembeda negara yang bisa memproduksi teknologi tinggi dengan negara yang hanya bisa menggunakannya.

 

6. Kesimpulan: MOCVD sebagai Fondasi Bandgap Engineering dan Jalan Panjang Kemandirian Semikonduktor

Jika orasi ini dirangkum dalam satu ide utama, maka idenya adalah: pengembangan MOCVD adalah cara membangun kemampuan sintesis semikonduktor paduan yang menjadi dasar teknologi modern, terutama pada sistem GaN dan turunannya.

Orasi Prof. Pepen menunjukkan bahwa semikonduktor paduan bukan sekadar variasi material, tetapi alat untuk mengatur fungsi. Dengan bandgap engineering, celah pita energi dapat disetel melalui komposisi, sehingga emisi cahaya dan karakter perangkat dapat diarahkan sesuai kebutuhan. Dalam konteks LED modern, keberhasilan menguasai material yang relevan untuk spektrum biru menjadi bagian dari perjalanan menuju pencahayaan LED putih yang efisien.

Namun, bandgap engineering hanya bisa menjadi kenyataan jika proses sintesisnya bisa dikendalikan. MOCVD menjadi platform penting karena mampu menumbuhkan lapisan tipis semikonduktor dengan kualitas kristal yang tinggi. Proses ini melibatkan kontrol prekursor, temperatur, reaksi permukaan, dan karakterisasi untuk memastikan bahwa lapisan yang terbentuk benar-benar memiliki struktur dan sifat yang diinginkan.

Orasi ini juga memperlihatkan bahwa riset semikonduktor tidak berjalan tanpa tantangan. Temperatur tinggi membantu reaksi, tetapi bisa memunculkan masalah lain seperti difusi dan segregasi. Di sinilah inovasi proses seperti plasma-assisted menjadi salah satu strategi untuk meningkatkan kualitas dan memperluas kemungkinan sintesis.

Yang membuat orasi ini terasa penting bagi Indonesia adalah pesan implisitnya tentang kemandirian teknologi. Keberhasilan menumbuhkan berbagai lapisan tipis semikonduktor secara lokal bukan hanya pencapaian akademik, tetapi tonggak kompetensi. Ia menunjukkan bahwa proses sintesis yang kompleks dan mahal dapat dikuasai, dan ini membuka peluang yang lebih luas: riset perangkat, aplikasi industri, serta penguatan ekosistem SDM.

Bagi mahasiswa, artikel ini mengajarkan bahwa teknologi tinggi bukan produk instan. Ia lahir dari disiplin proses dan pemahaman fundamental. Bagi pekerja, artikel ini mengingatkan bahwa kemampuan teknologi bukan hanya soal membeli mesin, tetapi soal menguasai proses hingga kualitasnya stabil.

Jika Indonesia ingin serius membangun posisi dalam rantai nilai semikonduktor, maka investasi paling awal dan paling penting adalah investasi pada kemampuan sintesis dan kontrol proses. MOCVD, dalam kerangka itu, bukan sekadar alat riset, tetapi fondasi strategis.

 

 

Daftar Pustaka

Institut Teknologi Bandung. Orasi Ilmiah Guru Besar ITB Prof. Pepen Arifin: Pengembangan MOCVD untuk Sintesis Semikonduktor Paduan dan Aplikasinya. 2024.

Nobel Prize. The Nobel Prize in Physics 2014: Efficient blue light-emitting diodes. (diakses 2026).

Sze, S. M., & Ng, K. K. Physics of Semiconductor Devices. Edisi terbaru. (diakses 2026).

Morkoç, H. Nitride Semiconductors and Devices. Edisi terbaru. (diakses 2026).

IEEE Spectrum. Explainers on GaN electronics and LED materials. (diakses 2026).