7:46 Tes tes enggak tes jelas gak masuk. Hah? Katanya masuk. Tes. Halo. 1 2 3. Iya. Oh, berarti emang harus dipegang ya? Harus dipegang. Halo. Tes. 1 2 3
42:42 Selamat pagi Bapak dan Ibu sekalian. Sambil menunggu acara dimulai, kami menghimbau agar Bapak dan Ibu menggunakan format nama nama undinstansi untuk memudahkan kita berinteraksi nanti. Jangan lupa menggunakan virtual background yang telah di-share oleh panitia di kolom chat. Terima kasih.
43:39 Oke. Bismillahirrahmanirrahim. Asalamualaikum warahmatullahi wabarakatuh. Waalaikums Waalaikumsalam warahmatullah. Selamat pagi. Salam sejahtera bagi kita semua. Om swastiastu. Namo buddhaya. Salam kebajikan. Yang kami hormati Bapak Direktur Pengelolaan Koleksi Ilmiah Brin. Yang kami hormati Kepala Pusat Pengembangan Hutan Berkelanjutan Kementerian Kehutanan.
44:24 Yang kami hormati Ibu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang pada kesempatan ini berhalangan hadir secara virtual karena agenda kedinasan yang bersamaan. Serta Bapak dan Ibu peserta sekalian yang telah hadir pada hari ini. Selamat datang di webinar Takson seri ke-12. Sebelum kita mulai acara yang luar biasa ini, izinkan saya membuka dengan sebait pantun. Pergi ke hutan mencari jati melihat anggrek mekar di dahan. Data koleksi mutiara riset sejati dipadu AI untuk masa depan. Senang sekali saya Dihan Aprianti dapat menemani Bapak dan Ibu pada pagi hari
45:09 ini. Webinar Takson atau Talk About Science merupakan agenda rutin dari Direktorat Pengelolaan Koleksi Ilmiah DPKI BrIN untuk mendiskusikan berbagai aspek pengelolaan koleksi sebagai infrastruktur riset nasional. Hari ini tema kita sangat luar biasa karena akan menghubungkan dua sisi koleksi. Pengelolaan koleksi hidup di alam dan bagaimana koleksi tersebut bertransformasi menjadi data cerdas di era kecerdasan buatan. Sebelum kita memulai rangkaian kegiatan, izinkan saya membacakan susunan acara yang akan kita lalui bersama. Agenda pertama adalah sambutan dari Kepala Pusat Pengembangan Hutan
45:55 Berkelanjutan Kementerian Kehutanan dilanjutkan dengan sambutan sekaligus pembukaan secara resmi oleh Bapak Direktur Pengelolaan Koleksi Ilmiah. Kemudian dilanjutkan dengan dokumentasi kegiatan melalui foto bersama. Menginjak acara ketiga adalah pemaparan materi dari para narasumber diikuti dengan sesi diskusi dan tanya jawab. Dan terakhir adalah penutup. Memasuki agenda pertama kita akan mendengarkan sambutan dari Kepala Pusat Pengembangan Hutan Berkelanjutan Kementerian Kehutanan. Yang kami hormati Bapak Gung Hidayat, PhD. Apakah sudah terhubung bersama kami? Siap, Mbak Diah.
46:43 Baik. Ee terima kasih, Pak. Silakan, Bapak Gung. Waktu dan layar kami persilakan. Baik, terima kasih. Asalamualaikum warahmatullahi wabarakatuh. Selamat pagi, salam sejahtera untuk semua. Yang kami hormati, kami banggakan kakak saya, Pak Sasa, Pak Direktur ee pengelolaan Koleksi Ilmiah. Ee Bapak, Ibu, rekan-rekan ee dari Fakultas eh dari USU ya, dari Fakultas Ilmu Komunikasi USU. ee kemudian juga rekan-rekan dari panitia Direktorat DPKI dan juga teman-teman hadirin atau ee peserta webinar termasuk juga dari perwakilan dari P2HB yang hadir pada pagi hari ini. Pertama-tama kita ucapkan
47:30 puji syukur alhamdulillah pada Tuhan Allah Subhanahu wa taala di mana kita diberikan ee kesempatan untuk bertemu di hari yang ee cerah ini. hari ini cerah ya setelah kita kemarin hari libur hari ini bisa masuk dan dengan semangat yang ee baru richard ya untuk bisa kita bertemu berdiskusi, berbagi pengalaman dan pemahaman tentang data koleksi. Saya kira isu ini sangat penting. Pertama ee mungkin kami sharing kepada Bapak, Ibu, terutama juga teman-teman dari Sumatera Utara bahwa ini buat kami berdua adalah wujud dari eh implementasi PKS kami dalam TKMH, Technical Knowledge Management Hub. di mana itu proper ee
48:16 PKN 2 saya yang menggandeng kembali teman-teman peneliti Kementerian Kehutanan yang sudah ee berpindah ke Brin. Sehingga alhamdulillah ee ditambah bonusnya tentunya secasi selain kami bertemu kembali dengan teman-teman peneliti, kami juga membangun jejaring dengan direktorat sehingga apa yang menjadi konsern bersama kita bisa sharing dan ini sudah kita wujudkan. Alhamdulillah dengan Pak Direktur kita ada beberapa kegiatan yang kita menunjukkan bagaimana pentingnya. Apalagi nanti dalam paparan teman saya Dr. eh Santi juga akan menerangkan bagaimana KHDK sebagai sebuah living collection itu menjadi sumber data yang tentunya harus kita bisa eh dan manfaatkan bersama ya. Jadi bukan hanya sekedar pajangan menjadi hutan larangan,
49:03 tapi benar-benar jadi sumber koleksi. Saya kira ini kesempatan kami buka juga untuk teman-teman tadi. Mudah-mudahan kalau ada teman-teman UNB juga bisa masuk ya, Nusa bangsa yang juga menjadi mitra kami dalam memanfaatkan living collection kami ini. Mudah-mudahan dengan USU. Sayangnya kami tidak punya KHDTK di Sumatera Utara karena ee KHDTK Aek Nauli diberikan ke direktorat lain. Kami hanya sampai ke Benakat Sumatera Selatan. Tapi prinsipnya kita sangat terbuka dan saya kira juga dengan teman-teman di Direktorat eh DPKI ini bagaimana kita memfatkan eh living collection ke HDTK. sehingga kesempatan pada pagi ini sangat luar biasa ee kita bisa membicarakan bagaimana sebetulnya visi kami dalam mengelola dan tentunya
49:51 keterbukaan untuk bisa memanfaatkan sehingga tidak ada saya hanya menjadikan sebagai sebuah museum yang tidak bisa dibuka tapi justru kita ingin bisa ee memanfaatkan koleksi itu sehingga memang tadi selanjutnya bagaimana mengembangkan transformasi menjadi sebuah data yang baik bahkan menggunakan AI saya kira ini tantangan kita ke depan untuk bisa mengembangkan data itu bisa menjadi sebuah ee apa namanya ee data informasi yang bermanfaat bagi sains kita. Saya kira itu menjadi poin penting pada pagi hari ini dan ee saya sangat berterima kasih atas kesempatan yang diberikan kepada kami dan mudah-mudahan setelah ini ee implementasi dari visi, misi, dan pemahaman kita bangun hari ini bisa kita wujudkan. Ee kami sekarang
50:38 sedang menyampaikan satu proposal, Pak Direktur ee ingin mengembangkan sebuah sistem pemanenan getah Venus yang berbasis AI ee di salah satu tempat di Perutani yang isunya karena mereka itu kesulitan dalam mengakses ee kita membayangkan harus dibantu sebuah algoritma AI yang bisa membentuk efisiensi dalam pemanenan hasil hutan. Saya kira ini menjadi satu langkah nanti apagi ada teman-teman dari USU bisa berbagi pengalaman bagaimana kita bisa mengefisiensikan pemanfaatan hasil hutan melalui sistem ini. Karena tidak periksa kita sekarang nih tiap hari pergi ke ladang, tiap hari pergi ke hutan ee tanpa menghitung tentang efisiensi biaya dan sumber daya lain. Saya kira AI akan menjadi manfaat nanti ke depan. Ini contoh praktis yang
51:24 mungkin nanti akan kita coba kembangkan. Mudah-mudahan dari hari ini kita bisa kerja sama lebih jauh. Sekali lagi terima kasih atas kesempatan dan mohon maaf nanti apabila dalam pelaksanaan presentasi ada yang kurang ee nanti kurang jelas bahasa karena ini bahasa teknis kehutanan tapi kita kalau kembalikan bahasa induknya sebagai biologi ataupun ee bicara lainnya tentang tumbuhan saya kira nanti bisa bisa ketemu. Tapi kalau secara teknis kehutanan atau jenis dan lainnya saya kira nanti bisa kita bicarakan. Mudah-mudahan nanti dr. Santi ee bisa menjelaskan dan saya mungkin nanti akan mengikuti secara pasif ee dari teman-teman. Sekali lagi terima kasih atas kesempatan diberikan dari saya. Demikian wasalamualaikum warahmatullahi wabarakatuh. [mendengus]
52:09 Waalaikumsalam warahmatullahi wabarakatuh. Terima kasih Pak Gung atas sambutannya. Agenda selanjutnya adalah arahan dan sambutan sekaligus pembukaan oleh Direktur Pengelolaan Koleksi Ilmiah Brin, Bapak Dr. Sasa Munawar. Kepada Bapak Sasa, waktu dan layar kami persilakan. Baik, terima kasih. Suara saya terdengar, Mbak? Dia terdengar Pak ya. Asalamualaikum warahmatullahi wabarakatuh. Waalaikumsalam warahmatullahi. Pertama-tama mari kita panjatkan puji syukur ke hadirat Allah Subhanahu wa taala karena pada pagi hari ini kita melanjutkan kembali kegiatan talk about scientific collection atau Tson. Dan pada pertemuan kali ini alhamdulillah kita genap melaksanakan yang ke-12 kali
52:57 dengan menampilkan para pakar ya, pemapar ee dari ee berbagai ee jenis kepakaran. Ee pada kesempatan kali ini tentu ini sangat ee apa namanya? sangat ee baik sekali ya. Karena khusus untuk yang edisi Takson 12 ini kita kehadiran ee para narasumber, para pakar dari dua institusi mitra kerja sama Direktorat Pengelolaan Koleksi Ilmiah, yaitu dari Pusat Pengembangan Hutan Berkelanjutan Kementerian Kehutanan Ibu dr. ee Santi yang nanti akan menyampaikan tentang ee KHDTK ya. Kemudian juga ada Ibu Rosi,
53:45 MKom dari Fakultas Ilmu Komputer dan Teknologi Informasi, Pak ee ee beberapa hal ya yang mana memang ee keterlibatan dari para narasumber ini adalah bagian dari pelaksanaan lingkup kerja sama antara DPKI dengan ee ee Pusat Pengembangan Hutan Berkelanjutan Kementerian Kehutanan dan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera. Nah, tadi ee dari apa yang akan dipaparkan Pak Kapus sudah menyampaikan satu kemungkinan ya ada
54:31 kerja sama ee yang bisa dijalin antara PPHB dengan ee USU gitu ya. ee melihat topik yang akan dipaparkan, maka ee tentunya ini bagi kami juga ee sangat ee kami pandang sangat bagus ya, bahwa dengan ee menampilkan ya para pemapar ee pemateri di Takson ini yang dari beragam ee institusi itu dapat kemungkinan ada terjalin kerja sama yang lain ya di antara para mitra. Jadi tidak hanya antara DPKI dengan mitra, tapi juga antar para mitra ee apa namanya? kerja sama ee DPKI. Nah, tentunya saya juga berharap kepada Bapak, Ibu sekalian yang hadir, tidak hanya Civitas ee DPKI,
55:18 Civitas BRIN, tapi juga ee masyarakat luas ya dari kabupaten kota, kemudian dari berbagai perguruan tinggi ee dan juga para praktisi lain. Mudah-mudahan nanti apa yang disampaikan oleh para pemapar dapat bermanfaat bagi kita semua dan ee tentunya ee diseminasi ini ee bertujuan untuk meningkatkan ee ilmu pengetahuan kita dalam ee mengelola ya ee koleksi ilmiah. Ee Mbak Diah sebelum ee ee saya tutup, saya ingin juga menyampaikan pantun ya yang dibuat atau di buah karya Bu ee Sipitas DPKI ini ya.
56:04 Pergi ke taman memetik melatih cakep cakep. Harum semerbak menenangkan hati ya. Sipitas DKI terus berbakti menjaga koleksi kekayaan negeri. Ee demikian sambutan saya. Mudah-mudahan pertemuan kali ini ee bermanfaat bagi kita semua. saya tutup dan ee dipersilakan untuk mengikuti acara ini. Asalamualaikum warahmatullahi wabarakatuh. Waalaikumsalam warahmatullahi wabarakatuh. Terima kasih kepada Bapak Sasa atas arahan dan pembukaannya. Baik, Bapak dan Ibu, sebelum kita mulai pemaparan materi, mari kita dokumentasikan terlebih dahulu kegiatan kita hari ini. Mohon Bapak dan Ibu dapat mengaktifkan kameranya sejenak dan silakan memberikan senyum terbaiknya. Tim panitia akan memandu pengambilan
56:50 gambar kepada Mas Darwin. Kami persilakan. Baik Bapak Ibu untuk pengambilan foto bersama akan saya pandu. Di sini ada sembilan layar. Saya mulai dari layar pertama. Siap. 1 2 3. Kedua. 1 2 3 ketiga. 1 2 3. Keempat 1 2 3.
57:44 Layar kelima. Siap. 1 2 3. Layar keenam. 1 2 3 ketujuh 1 2 3 ke-elapan 1 2 3 dan terakhir 1 2 3. Terima kasih Bapak Ibu. Baik, terima kasih Mas Darwin. Bapak dan Ibu sekalian, Takson hari ini akan
58:31 menghadirkan dua topik besar yang saling berkesinambungan. Topik pertama mengenai KHDTK Living Collection, dinamika dan biodiversity hutan, ekosistem populasi spesies, dan genetik. Kita akan mengeksplorasi bagaimana kawasan hutan dengan tujuan khusus atau KHDTK menjadi benteng pertahanan biodiversitas kita. Topik kedua mengenai koleksi ilmiah sebagai fondasi artificial intelligence untuk riset biodiversitas. Di sini kita akan melihat bagaimana spesimen fisik dapat menjadi dataset primer bagi pengembangan AI. Bagi para peserta yang nantinya mempunyai pertanyaan terkait materi yang disampaikan dapat menyampaikan
59:17 pertanyaannya melalui link Slido yang akan dibagikan oleh panitia. Selain itu, kami juga mengingatkan kepada para peserta untuk mengisi daftar hadir melalui link yang akan tersedia di kolom chat. Tanpa menunda lagi, mari kita sapa narasumber pertama kita, Dr. Farida Heri Susanti, SHUD, MP. Selamat pagi, Dr. Farida. Selamat pagi, Ibu. Selamat pagi, Bapak Ibu sekalian. Selamat pagi. Baik, beliau akan membedah dinamika biodiversitas biodiversitas di KHDTK. Namun sebelum itu saya akan bacakan terlebih dahulu [berdehem] CV dari Ibu Dr. Farida. Ibu dr. Farida Heri Susanti Shud, M.P.,
1:00:05 Ipu adalah seorang akademisi dari dan praktisi kehutanan yang menyelesaikan pendidikan doktoralnya di ilmu pengelolaan hutan IPB dan meraih gelar insinyur profesional utama atau IPU dari UGM. Rekam jejak profesional beliau sangatlah panjang antara lain mendedikasikan diri sebagai peneliti di bidang LDBank dan inovasi KLHK selama lebih dari 20 tahun. Saat ini beliau menjabat sebagai analis kebijakan ahli madia pada Pusat Pengembangan Hutan berkelanjutan Kementerian Kehutanan. Kepakaran beliau telah dibuktikan melalui lebih dari 70 karya tulis ilmiah serta enam buku nasional. Beliau juga aktif sebagai tim pakar nasional dalam
1:00:51 urusan silvikultur intensif multi mitigasi perubahan iklim. Selain itu beliau merupakan pengembang instrumen penting seperti yield simulation system dan SIM for yang banyak digunakan dalam manajemen data hutan. Baik, tanpa berlama-lama kita dengarkan paparan dari Ibu dr. Farida selama 20 menit ke depan. Kepada Ibu dr. Farida, waktu dan layar kami persilakan. Terima kasih Ibu moderator. Asalamualaikum warahmatullahi wabarakatuh. Waalaikumsalam warahmatullah. Salam hormat Bapak, Ibu hadirin sekalian yang telah hadir dalam sesi diskusi pada pagi hari ini. Dan juga salam kenal dari saya Farida Heri Susanti dari Pusat
1:01:37 Pengembangan Hutan Berkelanjutan. Mohon izin saya share screen. Sudah terlihat Bapak Ibu. Sudah Bu. Ee baik. Ee terima kasih atas kesempatan kepada kami untuk dapat turut sharing dalam diskusi kita pada pagi hari ini. Ee mohon izin Bapak Ibu sekalian untuk saya dapat menyampaikan bahan diskusi kita dengan judul KDTK Living Collection Dinamika dan Biodiversitas Hutan ekosistem Populasi Spesies dan Genetik.
1:02:23 Baik, sebagai pendahuluan ee ini disampaikan terkait definisi dari KHDTK yaitu yang di ee singkatan dari kawasan hutan dengan tujuan khusus yang merupakan ee salah satu dari ee status kawasan hutan nasional di mana dasar hukumnya merupakan mandat dari Undang-Undang 41 Tahun 1999 tentang Kehutanan yang menyatakan bahwa KDTK sebagai kawasan hutan tertentu ee ditetapkan untuk tujuan khusus seperti penelitian ee pengembangan, ilmu pengetahuan dan juga pendidikan. Kemudian selanjutnya di dalam Peraturan Pemerintah Nomor 23 Tahun 2021 khususnya pasal 108 dan 109 di mana menyatakan keberadaan KHDTK ini dapat ditetapkan di
1:03:11 berbagai tipe kawasan hutan seperti hutan lindung, hutan produksi, dan juga hutan konservasi ee kecuali di zona inti taman nasional dan juga cagar alam. Dalam peraturan yang terbaru di tahun 2026 ini pada peraturan Menteri Kehutanan nomor 8 terkait revisi rencana kehutanan tingkat nasional untuk periode tahun 2011 sampai dengan 2010 ee 2030 menjelaskan posisi KHDTK yang berkontribusi dalam sebaran hutan dan potensinya secara nasional. Dari gambar peta di sebelah kanan atas ini diambil dari sumber Peremen Hood nomor 8 tahun 2026 yang menyatakan data luas kawasan hutan Indonesia tahun 2025 seluas 123,95
1:03:56 hektar. Yang ini jika dibandingkan pada ee 5 tahun sebelumnya pada tahun 2019 ee menurun dinyatakan menurun ee dengan ee adanya perubahan peruntukan untuk mengakomodir kebutuhan sektor nonkehutanan dan juga perubahan tata batas. Seperti kita pahami bersama dalam kawasan hutan seringki ee diindikatorkan dengan adanya dua hal keberadaan flora dan fauna yang utama yang sebenarnya membentuk ekosistem itu sendiri. Nah, kemudian ini disampaikan juga pada peta kanan bahwa berdasarkan data Kementerian PPN atau BAPENAS pada tahun 2024 ini membagi dalam tujuh region kepulauan yang menunjukkan keragaman flora dan fauna yang sangat tinggi dalam setiap
1:04:43 region kepulauan itu tersebut. Di mana untuk ee flora tertinggi ini di Pulau Jawa lebih dari 12.000. Kemudian untuk fauna untuk ee di wilayah atau di region Kalimantan yang mencapai ee lebih hampir 8.000 timbul. Sehingga ini menunjukkan juga bahwa KDTK sebagai pemasok data koleksi flora dan fauna yang berada di dalam kawasan hutan itu menjadi penting sehingga disampaikan kontribusi ee KDTK di dalam hutan nasional juga menjadi penting. Bapak, Ibu sekalian, ini mengapa eh KDTK menjadi penting sebagai living collection? Di sini saya mencoba menggambarkan posisi faktor penggerak yang merupakan sumber varian atau ragam
1:05:28 yang mempunyai sifat dinamis baik yang bersifat jangka pendek maupun jangka panjang yang meliputi iklim, tanah ee kemudian topografi, dan juga gangguan baik yang bersifat alami maupun hasil kegiatan manusia atau antropogenik serta adanya perubahan kebijakan yang bersifat sosial ataupun juga perubahan di dalam ekosistem hutan itu sendiri yang sebenarnya ini juga berlaku di dalam kawasan hutan lainnya, tidak hanya pada KHDTK. Kemudian di bagian berikut ini minimal dipetakan ada empat unsur utama dari KDTK Litbang khususnya yaitu yang pertama adalah adanya koleksi biodiversitas itu sendiri baik kemudian ee bersifat dari flora, fauna, hingga mikroorganisme yang ada di dalamnya. Kemudian yang kedua adalah ee struktur
1:06:14 dan fungsi ekosistem di mana hal ini juga melalui proses yang kemudian ee terjadi pada komponen yang ketiga yaitu dinamika ekologis di mana proses-proses yang ada di dalam hutan melalui secara alami ataupun juga adanya percepatan atau bantuan dari manusia untuk melakukan suksesi dan kemudian adanya proses pertumbuhan dan juga mortalitas yang kemudian pada unsur Unsur yang keempat di sini sebenarnya adalah merupakan unsur litbang itu sendiri. Di mana proses-proses dari 1, 2, dan 3 unsur tadi itu tidak merupakan partisi ee secara jelas. Artinya tidak merupakan hal yang parsial, tetapi yang dipelajari dan juga menjadikan pembelajaran di dalam proses penyusunan kebijakan teknis
1:07:00 di bidang kehutanan khususnya. Nah, ini ee dari keempat unsur ini adalah untuk menyusun data dan informasi yang mendukung tiga fungsi utama KDTK, yaitu fungsi konservasi terkait ee pengamanan ke hati dan ekosistem hutan, kemudian juga arena fungsi penelitian serta fungsi pembelajaran atau pendidikan. Bapak, Ibu sekalian ee di dalam pengelolaannya sekilas disampaikan mengenai perangkat kebijakan teknis yang diacu di dalam pengelola KHDTK dari dasar hukum yang bersifat nasional atau bersifat umum hingga kebijakan operasional teknis yang masing-masing mempunyai output yang berbeda secara narasi. Tetapi secara umum di sini disampaikan bahwa semua kebijakan
1:07:47 tersebut mempunyai fungsi dan arahan berupa kepastian hukum dan juga efektivitas pengelolaan kawasan hutan tersebut. Nah, di sini disampaikan juga berdasarkan ee Permenhud tahun 2026 nomor 8 di mana ee yang telah ditetapkan secara nasional ini sebanyak 100 KDTK yang mencakup luasan lebih dari 157.000 1000 hektar [berdehem] yang terbagi dalam tiga kategori KDTK. Yang pertama KDTK penelitian dan pengembangan sebanyak 49 KDTK. Kemudian yang kedua adalah KDTk pendidikan dan pelatihan kehutanan sebanyak 49 KDTK. Dan yang ketiga adalah KDTK religi dan budaya sebanyak 2 KDTK ee yang ada di
1:08:33 Indonesia. Nah, berdasarkan peraturan nomor e peraturan kehutanan nomor 1 tahun 2024 khususnya pada pasal 506 ini menyatakan bahwa Pusat Pengembangan Hutan Berkelanjutan atau P2HB menyelenggarakan salah satu fungsi pengelolaan KDTK dan HP atau hutan ee penelitian di mana ee P2HP mendapatkan mandat sebanyak ee 9 KDTK dan 6 HP atau 6 hutan penelitian. yang ini disampaikan melalui surat keputusan Menteri Kehutanan tahun 2025. Berikut disampaikan sebaran dari 9 KDTK dan en hutan penelitian lingkup P2HB yang berada di lima provinsi di
1:09:21 Indonesia dengan total luasan kurang lebih 12.000 hektar. Sebarannya ee disampaikan ini berada di Provinsi Jawa Barat, Jawa Tengah, Kalimantan Timur, Sumatera Selatan, dan Nusa Tenggara Timur di mana ee dominannya berada atau kelompok besarnya berada di Provinsi Jawa Barat. di mana setiap KDTK dan ee hutan penelitian secara teknis dipimpin oleh satu manajer dan ee tim lapangan yang bertugas menjalankan pengelolaan sesuai mandatnya, terutama sesuai peraturan ee Menteri Kehutanan yang Teknis Nomor 7 tahun 2021 yang menjadi tata laksana kewajiban pengelola sampai dengan pelaporannya kepada Menteri Kehutanan. Dan ee izin di sini saya mendapatkan tugas sebagai koordinator teknis pengelolaan karya TKHP untuk
1:10:08 lingkup ee pusat pengembangan hutan berkelanjutan. Bapak, Ibu sekalian di sini ee saya sampaikan tabel mengenai ragam kondisi, dan juga karakteristik umum dari 9 KHDTK yang dikelola oleh P2HB. di mana dari sisi luasannya ini variasinya cukup lebar dari luas yang 24,2 di KHDTK Pasir Awi sampai dengan yang luasannya 3.724 hektar di KDTK benakat e Sumatera Selatan. Ini sebenarnya dapat menjadi gambaran awal ragam bentuk eksisting kawasan, potensi dasar, dan juga tingkat pengelolaannya. E kemudian dari tipe ekosistem ini disampaikan paling tidak ada dua tipe ekosistem utama. Yang
1:10:53 pertama adalah hutan hujan dataran rendah. Yang ini merupakan dominansi tipe hutan yang ada di Indonesia. Dan yang kedua adalah tipe ekosistem hutan semi arit atau ee berupa savana yang ada di Nusa Tenggara Timur. Dua kondisi ekosistem ini tentunya merupakan variasi representasi ekosistem yang dimiliki ee oleh P2HB dalam pengelolaan KDTK. Yang berikut juga disampaikan secara ee sekilas mengenai variasi jenis ee tanah dan juga populasi dominan yang menjadi modal data dan informasi yang beragam dan juga menarik tentunya. Yang selanjutnya ee kita juga perlu melakukan peninjauan dari jenis vegetasi yang terbentuk. Apakah terbentuk secara alami ataukah secara buatan. dimaksudkan
1:11:39 buatan di sini ee umumnya merupakan hasil dari penanaman yang merupakan hasil kegiatan introduksi jenis baik merupakan ee konservasi yang insitu ataupun ee yang seluruh komponen kondisi biogeofisik yang khas ini akan membentuk karakter ekosistem yang khas. Nah, pada tingkat ini ini merupakan gambaran dinamika dan biodiversitas utan pada tingkat ekosistem dan populasi. Nah, pada bagian kanan ini disajikan logo untuk masing-masing KHDTK dan hutan penelitian lingkup P2HB yang telah ditetapkan melalui surat keputusan Kepala Pusat Pengembangan Hutan Berkelanjutan. Di mana pada tiap logo ini sebenarnya mencerminkan karakteristik ekosistem dan juga populasi dominan baik flora maupun fauna
1:12:26 yang menjadi identitas KHDTK atau HP tersebut. Jadi baik secara ekosistem flora dan fauna ataupun kombinasi ketiganya. Baik ee saya lanjutkan di sini ee saya tampilkan untuk studi kasus pada tingkat spesies atau jenis di mana ee keragaman dinamika hutan dan biodeprisitasnya tentunya akan sangat lebar pada setiap kawasan hutan KDTK dan HP. Nah, ini untuk tampilan berikut adalah salah satu contoh koleksi data spesies dari kondisi ee hutan alami yang tersusun dalam bentuk database jenis flora di salah satu KDTK Litbang. Umumnya pengeluaran database ini dibangun dari hasil pengumpulan data secara periodik pada plot ukur yang
1:13:12 bersifat permanen. Ee kemudian dilakukan pendataan di dalamnya yang biasanya pendekatannya berbasis individu atau ee per pohon atau per jenis tanaman yang mencakup parameter identifikasi jenis, kemudian pengukuran dimensi ee dimensinya dan serta spasialnya. Nah, umumnya proyeksi data ini digunakan untuk mempelajari pola pertumbuhan baik tegakan maupun ee hutannya atau kita biasanya sering sebut dengan data biometrik. Ee saya lanjutkan di sini. Berikut adalah contoh data biodiversitas flora dari hasil pengolahan dan pengamatan serta pengukuran data individu pohon dari samping plot yang dimonitor secara periodik. Di sini disampaikan adalah
1:13:58 dari hasil lot samping dengan luasan 48 hektar. Di mana karya TK Litbang yang menjadi studi kasus ini luasannya adalah 4.500-an. Yang sangat mungkin belum [berdehem] merepresentasikan total biodiversitas flora yang ada di dalam kawasan hutan tersebut. Belum termasuk ee fauna dan juga mikroorganisme di dalamnya. Tetapi dari gambaran ini ingin menunjukkan bahwa dari sampling plot ini menghasilkan identifikasi jenis sebanyak 68 famili dan khususnya karena ini merupakan ee pada hutan diptarokarpa campuran. Di sini dinyatakan bahwa kelompok jenis diptarokarpa memiliki 8 genera dan juga 90 jenis. ee secara ee kita ketahui mungkin di dunia mungkin
1:14:44 ini sudah berkembang jadi dari 9 genera menjadi 11 genera atau 12 genera dan mencakup 267 jenis. Nah, seperti kita ketahui juga pengelompokan jenis biasanya berdasarkan dari pengelompokan jenis utama atau komposisi utama yang ada di dalam kawasan hutan tersebut dan juga pola pertumbuhan yang dimiliki oleh ee jenis atau kelompok jenis yang menjadi penting di dalam komposisi jenis hutan tersebut. Nah, ini ee dari hasilnya sebenarnya ini menunjukkan bahwa KDTK mempunyai referensi data yang kuat dalam hal biodiversitas jenis. Nah, Bapak, Ibu sekalian, ini dari flot samping yang sama ditampilkan mengenai dinamika kelimpahan dan juga karakteristik jenis teridentifikasi
1:15:31 sebanyak 671 jenis pada tahun 2005. ee di mana ini tentunya bisa jadi bertambah karena adanya identifikasi lanjut pada kelompok jenis yang sebelumnya tidak tidak atau belum teridentifikasi dan juga perubahan adanya ee nama jenis. Ee kemudian di sini juga disampaikan pada tabel sebelah kiri ini mengenai pengelompokan jenis di dalam tujuh kelompok jenis utama berdasarkan general besar atau ee famili besarnya atau kelompok jenis besar dan juga pola atau kecepatan pertumbuhannya. Dan tentunya ini juga salah satu studi kasus yang mungkin bisa dijadikan ee ee dasar untuk penyusunan pengelompokan jenis dan juga dasar-dasar yang lainnya. Nah, kemudian
1:16:17 pada grafik yang sebelah kanan ada dua grafik. Di sini menunjukkan gambaran dinamika jumlah jenis pada tiap ee periodik 2 tahun pengukuran atau pengamatan pada dua kondisi hutan yang berbeda. Pada grafik yang di atas ini ee menunjukkan pada kondisi hutan primer pada awalnya. Kemudian dilakukan kegiatan penebangan dan dilakukan pengambatan setiap 2 tahun sampai dengan ee di sini dinyatakan sampai dengan lock over area 15 atau 29 tahun. Dan kemudian pada bagian bawah ini adalah pengamatan pada hutan bekas tebangan 10 tahun yang lalu kemudian dilakukan pemeliharaan. Nah, ini juga ee nanti jika mungkin belum jelas atau ada pertanyaan mungkin pada sesi diskusi akan bisa kita ee
1:17:04 lanjutkan. Nah, kemudian ini sebagai salah satu contoh pada tingkat genetik yang umum dilakukan di dalam pengelolaan KDTK dari sekian yaitu yang pertama mengenai pembangunan areal sumber daya genetik atau ASDG ataupun kebun koleksi. Di sini biasanya melakukan dengan pendekatan penanaman dengan model rehabilitasi ataupun pengayaan di mana tujuan, jenis serta sampai dengan juknis acuan atau regulasinya itu bersifat spesifik. Kemudian ee dalam pembangunan plot atau d plotnya baik berupa SDG tadi ataupun juga eh plot agroforestry atau kemudian dikembangkan menjadi smart agroforestry ataupun kebun koleksi lainnya ee ini
1:17:49 tentunya sangat ditentukan oleh desain dari jenis penanaman dan juga tujuan dari pembangunan demplot atau plot tersebut. Kemudian ee untuk kebun benih ini biasanya dari penetapan kondisi ee existing. Jadi biasanya dari kondisi hutan dari tegakan yang ada dilakukan seleksi dan juga sampai dengan sertifikat untuk melakukan atau penetapan pada status kawasan tegakan tersebut menjadi kebun benih. Ee dari contoh yang ada dari pembangunan ASDG ini umumnya mempunyai dual fungsi, yaitu fungsi konservasi dan juga ee rehabilitasi kawasan. Biasanya dilakukan pada areal ee lahan marginal ataupun terdegradasi. bentuknya adalah
1:18:35 pemanfaatan dari hasil riset terutama dalam kelompok ee bidang pemuliaan ee tanaman atau pemuliaan jenis yang mana dari sisi pengelola ee karya TK sendiri sebenarnya juga bermanfaat untuk melakukan pengujian metodologi dari perangkat-perangkat teknis yang di ee diacu. ee dari pengalaman juga ee ini ee kita juga bisa melakukan kaji ulang standar nasional Indonesia atau SNI berdasarkan hasil kegiatan ee yang kita lakukan dan ini juga menjadi penting sebagai eh briefing recomendasi untuk pengelola sebagai self assesment di mana setiap tahun kegiatan pengelolaan KDTK ini dilakukan penilaian atau evaluasi yang ee sampai sekarang ini masih mengacu kepada standar nasional Indonesia yang disusun tahun 2018.
1:19:24 Ee ini sebagai informasi tambahan atau juga sebagai ee promo atau ee sesuai dengan arahan Pak Kapus tadi di awal bahwa kami terbuka untuk pemanfaatan juga eksplorasi dan pemanfaatan dari data-data koleksi yang ada di P2 HB. Nah, ini adalah dari koleksi mikroorganisme yang mengelola laboratorium Indonesia Tropical Forest Collection. Nah, ini yang dimikan sebagai salah satu bank mikroorganisme yang ada di Indonesia khususnya mengoleksi mikroorganisme hutan tropropis. Nah, di sini ee sampai dengan saat sekarang ee total lebih dari 4.000 koleksi dan kurang lebih 50% ini belum teridentifikasi berdasarkan data yang ee dari teman-teman tim teknis laboratorium
1:20:10 yang mana ee spesimennya berasal dari kawasan hutan yang sebagian besar dari KHDTK. ini adalah merupakan gambaran kekayaan mikroorganisme kita ee dan juga ee kekayaan biodiversitas data biodiversitas ee hutan kita. Ee baik Bapak, Ibu hadirin sekalian di sini apa yang disampaikan sebelumnya tentunya merupakan aspek kecil dari eh living koleksi yang ada di KHDTK. Di sini saya sebutkan KDTK sebagai laboratorium alam bukan sekedar tempat perlindungan flora dan fauna, melainkan pusat data hidup yang mencatat perubahan ekosistem secara real time. Nah, di sini saya sebutkan juga komponen utama ini bisa berupa konservasi genetik, struktur tegakan, kekayaan hayati, interaksi
1:20:57 ekologi, dan juga layanan lingkungan dari KHDTK itu sendiri. yang kemudian berdasarkan komponen koleksi dan parameternya di sini akan memberikan manfaat beberupa ee manfaat beberapa output yang antara lain ee bisa berupa bank plasma nutpah yang hidup dan juga peta sebarannya. Kemudian juga berupa model pertumbuhan hutan dan juga proyeksi stok karbonnya. Kemudian dapat berupa ee database biodiversitas berupa digital dan juga ee beserta dengan data spasialnya dan juga kita bisa menghasilkan kalender biologi serta pemahaman respon perubahan ee iklim dan kemudian juga protokol restorasi ekosistem berbasis data. ini adalah sebagai bagian dari output yang ee dihasilkan dari pengelolaan KDTK dan
1:21:43 mungkin juga ditambahkan dengan output-output lain yang ee masih banyak dihasilkan dari pengelola baik di dalam maupun di ee eksternal kita. Baik Bapak Ibu sekalian, pada bagian akhir ini ee saya berikan catatan penting dalam pengelolaan KDTK khususnya eh KDTK LBAN setelah era Brin dalam konsep eh sharing pengelolaan sesuai dengan mandat eh revisi RKTN adalah penguatan integrasi dan juga kolaborasi secara internal. Tadi sudah disampaikan oleh Pak Kapus, kita memiliki technical knowledge management hub kehutanan atau TKMH sebagai media penghubung antara berbagai stakeholder yang terkait dan mendukung tujuan akhir dari pengelolaan hutan berkelanjutan termasuk di dalamnya pengelolaan dan pemanfahan KTTK ini
1:22:30 biasa di ee di kami disebut dengan Pokja pengelolaan pengetahuan. Nah, dari prinsip untuk KDTK sebagai living collection yang bersifat adaptif, berkelanjutan inklusif dan berorientasi pada ekosistem di sini saya coba susun dalam tujuh komponen penting, yaitu yang pertama berupa sistem terbuka dan adaptif yang bersifat responsif dan juga adaptif. Kemudian yang kedua, berbasis sains terutama dalam mendukung kebijakan yang dihasilkan berbasis kepada evidence. Yang ketiga tentunya bersifat jangka panjang karena di bidang kehutanan umumnya kebijakan teknis dihasilkan dari data dan informasi yang dikelola atau dihimpun yang harus berdasarkan jangka panjang. Kemudian yang keempat adalah ee komponen
1:23:15 partisipatif dan kolaboratif. ini sangat penting dari multipihak dari kolaborasi dan kemitraan untuk ke creation dan berbagi manfaat tentunya ee terutama setelah fungsi LDBANG tidak ada secara langsung di dalam Kementerian Kehutanan. Nah, ini juga yang akan mendukung kepada poin-poin berikutnya. Ada poin lima mengenai keseimbangan fungsi biodiversitas eh litbang pembangkatan berkelanjutan untuk menjaga fungsi dan jasa ekosistem. Nah, kemudian juga pada komponen yang keenam ini tentunya merupakan komponen kita bersama dan juga ee pada sesi hari ini sebagai proses pembelajaran berkelanjutan dan ee tentunya juga kita melihat bahwa posisi komponen ketujuh sebagai suatu feedback loop atau perbaikan
1:24:02 berkelanjutan ini sebagai proses yang tidak putus dari semua komponen-komponen yang ada. yang semuanya ini tentunya sangat penting dalam mendukung tiga fungsi KHDTK yang di awal disebutkan yaitu fungsi konservasi, penelitian, dan pembelajaran berkelanjutan. Baik, ee Bapak, Ibu hadirin sekalian, demikian yang dapat saya sampaikan untuk diskusi kita. Saya harap dalam diskusi nanti kita bisa bersama-sama untuk dapat sharing pengetahuan. Mohon maaf jika ada hal yang kurang berkenan. Terima kasih atas perhatiannya. Asalamualaikum warahmatullahi wabarakatuh. Saya kembalikan kepada Ibu moderator. Waalaikumsalam warahmatullahi wabarakatuh. Baik, terima kasih kepada Ibu Dr. Farida atas paparannya. Ternyata
1:24:47 KHDTK ini sangat krusial bagi masa depan kita ya, Bu, karena menjadi pusat konservasi secara insitu sebagai laboratorium alam karena juga berperan dalam pusat penelitian dan juga pendidikan. Kita berikan applause terlebih dahulu untuk narasumber kita kali ini. Silakan Bapak dan Ibu dapat menekan tombol react. Terima kasih. Terima kasih. Kami ingin mengingatkan mengingatkan kembali kepada Bapak dan Ibu peserta untuk dapat mengisi daftar hadir pada link presensi yang sudah dibagikan panitia di kolom chat. Bagi Bapak dan Ibu yang mempunyai pertanyaan dapat langsung menyampaikan pertanyaannya melalui link Slido yang juga telah dibagikan panitia di kolom chat. Setelah mendengar paparan materi
1:25:33 yang pertama, kini kita beranjak ke bagaimana data-data tersebut diolah secara modern. Mari kita sambut narasumber kedua kita, Ibu Rosi Nurhanah, SKOM, MKom yang akan membawakan materi mengenai peran koleksi ilmiah dalam Fondasi AI. Selamat pagi, Bu Rosi. Selamat pagi, Bu Diah. Asalamualaikum, Ibu. Waalaikumsalam. Baik, sebelum Bu Rosi memberikan paparannya, saya akan membacakan CV beliau secara singkat. Ibu Rosi Nurhasanah, SKOM, MKOM. Seorang akademisi dan peneliti dari program studi Teknologi Informasi Universitas Sumatera Utara. Beliau menyelesaikan
1:26:20 pendidikan magister ilmu komputer di IPB University dengan fokus riset pada computational intelligence dan bioinformatics. Ibu Rosi memiliki kepakaran yang sangat relevan dengan topik kita hari ini, khususnya dalam artificial intelligence dan machine learning. Beliau adalah pemegang sertifikasi internasional associate data scientist comtia data plus serta Azure AI fundamental. Fokus riset beliau mencakup komputer vision untuk analisis morfologi benih deteksi objek tanaman, serta penerapan de planning untuk mendukung riset genetika khususnya pada pemuliaan tanaman kedelai dan telah menghasilkan puluhan publikasi di jurnal
1:27:06 internasional. Beliau aktif mengembangkan image dataset pertanian Indonesia dan telah mempublikasikan berbagai riset strategis mulai dari deteksi penyakit tanaman hingga analisis data genomik. Dengan latar belakangnya sebagai instruktur big data analytics dan data sence. Beliau akan memperdalam pembahasan kita mengenai bagaimana teknologi AI bekerja dalam mengolah data biologis menjadi informasi yang bermakna. Baik, kepada narasumber yang kedua Ibu Rosi selama 20 menit ke depan. Waktu dan layar dipersilakan. Baik, terima kasih Bu Dia. Ini saya izin share screen ya, Bu. Baik, Bu. Silakan.
1:28:04 Sudah terlihat, Ibu, untuk share screen-nya. Sudah Bu. Sudah, ya. Baik. Iya. Asalamualaikum warahmatullahi wabarakatuh. Selamat pagi, salam sejahtera untuk kita semua. Yang saya hormati Bapak Dr. Sasa sebagai Direktur DPK, kemudian Ibu Dr. Farida sebagai narasumber yang pertama dan juga Bu Dia sebagai moderator. Terima kasih sekali lagi saya sampaikan mewakili Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Senang sekali kami bisa berbagi sedikit ilmu kami di sini, berbagi pengalaman khususnya di bidang ee koleksi ilmiah sebagai fondasi artificial intelligence untuk riset biodiversitas. Tadi di awal Ibu Farida
1:28:49 sudah menyampaikan paparan yang sangat menarik dan ternyata kehutanan juga sudah ee bergerak ke digital forestry ya Bu Farida ya. semuanya sudah ter ee terdata seperti itu. Dan sebenarnya ee saya juga di sini tidak terlepas dari akan menyampaikan terkait dengan biodiversitas, namun dalam perspektif yang berbeda yaitu dari perspektif ee peneliti bidang ilmu komputer dan teknologi informasi. Nah, di sini kami melihat bahwa Indonesia itu memiliki harta karun mega biodiversitas terbesar kedua di dunia. namun masih ee belum sepenuhnya terbaca mesin seperti itu. Dan di sinilah ee peran dari DPKI saya lihat ee saya amati
1:29:37 ya dari beberapa takson yang lalu juga sudah saya ikuti bahwa ternyata pemegang kunci harta karun mega biodiversitas Indonesia itu adalah di DPKI. Kenapa saya bilang seperti itu? karena ee Bapak Ibulah di DPKI memiliki ee peran yang sangat strategis yaitu mulai dari melakukan koleksi ilmiah, verifikasi, dan memvalidasi setiap spesimen yang akan nantinya ee masuk ya terdata di koleksi ilmiah seperti itu. Namun realitas teknisnya kita memiliki tantangan walaupun kita memiliki peluang nih bahwa kita ee adalah pemilik mega biodiversitas terbesar kedua di dunia. Namun ee tantangannya mungkin kemarin juga sudah saya diskusi dengan Bu ee Diah ya dari
1:30:23 ee bahwa ternyata masih dalam proses ya. Jadi belum semua ee kita data secara standar dan secara ee digital seperti itu. Sehingga sebenarnya harta karung data ini ee bisa kita manfaatkan seperti tajuk kita pada hari ini sebagai fondasi untuk membangun AI seperti itu. Sehingga potensi AI di Indonesia ee masih belum maksimal kita manfaatkan untuk mendukung riset-riset di bidang biodiversitas. Selanjutnya ada sebuah aksioma fundamental di era komputasi yang kita pahami yaitu eh no collection, no data, no data, no AI. Nah, jadi di sini eh
1:31:09 bahwa eh data atau koleksi itu sekarang ada di laci-laci koleksi di DPK. Nah, untuk itu supaya bisa kita ee jadikan impactnya lebih besar lagi, maka dan supaya bisa dibaca oleh mesin seperti itu. Maka ee seharusnya ya seharusnya ini bisa juga selain kita menyimpan koleksinya secara fisik seharusnya kita juga bisa secara bertahap dan sedang dilakukan ya di DPKI untuk melakukan digitalisasi supaya apa? supaya nantinya impactnya itu akan lebih besar lagi. Bukan hanya tadi seperti yang disampaikan oleh ee pengantar oleh Bapak Direktur, bukan hanya ee disimpan
1:31:55 di laci-laci saja ee seperti museum, tetapi bisa melahirkan riset-riset yang lebih besar lagi dampaknya ke depan. Dan ee setelah data set itu bisa kita lakukan ee secara digital dan terstruktur dan terstandarisasi, maka dengan model tersebut itu akan bisa menjadi fondasi untuk mengembangkan berbagai macam ee produk-produk yang berbasis artificial intelligence. Keberadaan koleksi fisik adalah sumber daya utama bagi kecerdasan buatan. Selanjutnya. Nah, ee kalau saya sebagai peneliti di dari EA ya, Bapak Ibu, masalah terbesar kami yang kami hadapi itu bukan di
1:32:42 algoritmanya, bukan pada saat pengembangan algoritma dan lain sebagainya, tetapi yang paling menjadi tantangan kami adalah bagaimana mendapatkan data dengan kualitas yang terbaik. ya dalam pengembangan AI problem terbesarnya justru sering berada pada ketersediaan data yang tervalidasi. Di sinilah ee kesulitan utama kami sehingga nah jika misalkan ee Bapak Ibu di DPKI kan sudah ya sebenarnya sudah melakukan ee koleksi ya pengumpulan koleksi ilmiah kemudian juga melakukan verifikasi dan validasi. Sebenarnya itu adalah data yang sangat luar biasa
1:33:29 yang bisa kita ee buat ya, yang yang bisa kita olah ee menjadi produk-produk seperti tadi yang saya jelaskan berbasis artificial intelligence. Nah, produk itu seperti apa? Misalnya aplikasi yang bisa mendukung riset-riset ee di bidang biodiversitas. Nanti saya akan ee mencontohkan beberapa yang sudah pernah kami ee lakukan. Nah, yang menjadi tantangannya tadi adalah ketika ee kita tidak memiliki data yang tervalidasi, maka ee ketika spesimen ya salah diidentifikasi, kemudian metadatanya tidak konsisten atau citra yang dicapture itu tidak standar,
1:34:16 maka ketika kita menggunakan data-data yang seperti itu, AI akan belajar dari data yang salah dan menghasilkan model yang salah. Nah, jadi seperti itu. Maka di sini inilah ee pentingnya ya, Bapak, Ibu, terkait dengan data yang berkualitas tinggi. Ketika kita bisa memiliki data yang tervalidasi dan berkualitas tinggi, maka tentunya kita akan bisa mengembangkan ee ya AI yang baik. dan juga model yang akurat dan terpercaya. Di sinilah ee hal pentingnya ya, bahwa mesin kecerdasan sebenarnya itu sangat
1:35:02 tergantung pada scientific data integrity. Sekali lagi, scientific data integrity ini ternyata sudah ada pada Bapak, Ibu yang ada di DPKI seperti itu. AI membutuhkan ground ground truth dan hanya pakar yang memilikinya. Seperti yang sudah dijelaskan tadi, ketika kita memiliki data set atau membangun sebuah model kecerdasan buatan dari data yang tidak valid, maka hasilnya adalah ee model yang dihasilkan juga akan menghasilkan kesimpulan yang salah. Nah, di sinilah intervensi dari Bapak,
1:35:48 Ibu ya, dari pakar. Jadi pakarlah yang membuat bahwa ee data set atau ee koleksi ilmiah yang sudah dikumpulkan dan siap untuk digunakan. Selanjutnya data biologi tidak bisa diserahkan pada pekerja klik kegagalan identifikasi. Di sinilah peran strategis dari Bapak Ibu ya. itu sekadar mengeleksi namun sebagai juga penjaga logis penjaga validasi taksonomi, penjaga metadata, juga penjaga scientific continuity biodiversitas Indonesia dan dalam machine learning kualitas ground itu menentukan kualitas model. Jadi Bapak
1:36:35 Ibu AI itu ada banyak eh jenisnya ya, ada banyak cabangnya dan saat ini yang paling banyak digunakan itu mungkin Bapak Ibu pernah mendengar istilah machine learning atau pembelajaran pembelajaran mesin. Artinya apa? Artinya ee program itu ee mesin itu tidak kita berikan instruksi secara eksplisit ee untuk menjalankan atau mengambil keputusan, tetapi kita berikan dia data, kita berikan dia data dan akhirnya nanti dengan algoritma tersebut, algoritma yang kita gunakan akan belajar mengekstrak pola dari data-data tersebut. Maka ketika kita menggunakan machine learning tentunya kualitas model itu akan sangat ditentukan dari kualitas data yang terkoleksi atau data yang sudah dikumpulkan. Jadi ketika DPKI sebenarnya saat ini sudah melakukan
1:37:21 kurasi, validasi, harmonisasi metadata, sebenarnya saya katakan bahwa DPKI sedang membangun pondasi mesin kecerdasan biodiversitas di Indonesia. seperti itu. Nah, ada istilah yang disebut dengan AI hallucination. Artinya apa? Artinya AI menghasilkan eh hasil prediksi atau hasil klasifikasi yang salah itu. Bagaimana bisa e seperti itu. Jadi, AI hallucination ini bisa terjadi ketika kita menggunakan eh scraping kotor ya data publik dari internet yang dikeruk tanpa keahlian dan tanpa validasi. kemudian diolah menjadi model tanpa kurasi pakar tanpa
1:38:07 ada valid dari pakar maka akhirnya data yang bel ee mesin yang ya data yang sudah terkumpul mengekstrala dari data yang salah tentunya dia juga akan menghasil eh model yang salah. Nah, di sinilah DPK Expert Validation ya. Jadi untuk mencoba e mencegah eh lingkaran setan AI hallucination memutus rantai ya hanya validasi pakar taksonomi yang menjamin kebenaran dasar sains tidak dirusak oleh halusinasi algoritma apa yang dilihat dunia versus realitas yang membangunnya. Jadi Bapak Ibu sekarang kan sekarang ee banyak sekali aplikasi yang ee banyak e dibangun menggunakan pendekatan AI. Ada yang berbasis computer vision, kemudian ada yang sering kita gunakan saat ini LLM, chat
1:38:54 GPT, kemudian ada prediksi spesies, real time misalnya dan autonomo system. untuk membangun aplikasi-aplikasi ini sebenarnya ada proses yang panjang yang tidak terlihat seperti ee saya ilustrasikan seperti ee gunung es seperti ini di mana ee basicnya atau fondasi yang sangat penting itu adalah yang pertama pengumpulan data faktual, kemudian labeling dan anotasi kurasi spesimen hayati dan pembersihan data seperti itu. Nah, selanjutnya kami melihat apa yang sudah Bapak, Ibu lakukan dalam ee pengumpulan koleksi ilmiah itu sebagai AI training data. Sama juga tadi seperti yang sudah disampaikan oleh Ibu dr.
1:39:41 Farida bahwa di ee kehutanan ya, Kementerian Kehutanan juga ternyata sudah mengembangkan database yang sangat ee lengkap sekali untuk mengamati pertumbuhan dan lain sebagainya. itu sebenarnya adalah data yang sangat luar biasa dan bisa kita kembangkan untuk membuat eh ya atau untuk memprediksi atau mononitoring eh pertumbuhan dari dalam AI modern. Satu spesimen digital sebenarnya dapat menghasilkan banyak layer informasi. Misalnya dari satu citra biji kita dapat mengekstrak ada bentuknya, kemudian dimensi, tekstur, warna, pola morfologi, bahkan karakter diagnostik tertentu. Dan ini kita sebut istilahnya adalah fitur ya atau karakter dari setiap ee data.
1:40:30 Misalnya seperti ini. Jadi dari satu spesimen itu kita bisa meng-capture beberapa fitur sekaligus. Nah, sehingga ee ketika kita melakukan digitalisasi dan menghasilkan citra digital nantinya citra digital tersebut akan ee dilakukan ya akan diekstraksi fiturnya dan juga akan ketika digunakan untuk sebagai data latih untuk membangun model berbasis kecerdasan buatan atau berbasis AI, maka nanti perlu dilakukan yang namanya ekstraksi fitur dan fitur-fitur tadi itulah nanti yang akan digunakan untuk pengambilan keputusan untuk ee misalnya untuk melakukan klasifikasi atau identifikasi otomatis identifikasi real time spesies ee atau
1:41:16 jenis biji yang saat ini sedang kami kembangkan kerja sama antara DPKI dengan Universitas Sumatera Utara yaitu kami sedang mengembangkan eh AI based application aplikasi berbasis AI untuk mengidentifikasi ee jenis biji-bijian ya seperti itu dan ini tentunya akan sangat membantu tentu akan sangat mendukung nantinya untuk ee mempercepat ya proses ee koleksi ilmiah yang akan datang. Sama juga seperti yang lalu, kami juga bekerja sama dengan ee laboratorium bioteknologi di Fakultas Pertanian Universitas Sumatera Utara untuk ee projek pemuliaan tanaman kedelai. Jadi mereka di para pemulia tanaman di lab itu sangat kesulitan
1:42:03 ketika melakukan karakterisasi morfologi. Salah satunya adalah penghitungan jumlah kolong kedelai. Jadi dalam satu tanaman polong ee tanaman kedelai itu ada misalnya yang menghasilkan polong berbiji satu, polong berbiji dua, dan polong berbiji tiga. Nah, kemudian biasanya para peneliti di pemulihan tanaman tersebut itu melakukan ee secara manual, menghitung secara manual yang tentunya itu sangat rentan dengan human error dan juga sangat membutuhkan waktu bantu dengan memanfaatkan teknologi AI berbasis computer vision dan bisa dioperasikan menggunakan handphone. handphone. Enggak mesti handphone mahal,
1:42:48 handphone Android masih kami buat berbasis Android dan juga ee bisa ada juga bisa di ee akses secara online ya, real time dengan menggunakan berbasis website seperti itu. Jadi ee saat ini pemulia tanaman yang ada di lab Fakultas Pertanian USU mereka sudah ee bisa untuk melakukan penghitungan polong itu secara otomatis dan juga langsung dikonversi menjadi jumlah bijinya ya peranaman karena itu adalah salah satu indikator ee tanaman itu unggul atau tidak, tanaman terpilah atau tidak. Kemudian setelah itu selanjutnya kita ee kembangkan juga ee tools ya, aplikasi untuk memprediksi
1:43:36 apakah tanaman tersebut apakah suatu tanaman itu termasuk tanaman yang terpilih yang akan digunakan di proses selanjutnya atau tidak. Itu dengan menggunakan ee data-data tentunya yang sudah dikumpulkan selama proses ee pemuliaan tanaman. Jadi, selagi ada data yang dikumpulkan dengan baik, data yang terstandarisasi, baik itu data numerik atau data yang bersifatnya angka atau data kuantitatif, maupun data yang sifatnya citra atau apapun itu atau ee data genetik juga ya ee maka itu juga bisa menjadi bahan baku untuk mengembangkan aplikasi yang nantinya ee tentunya akan mendukung atau mempermudah
1:44:23 proses ee selanjutnya. nya seperti itu. Nah, misalnya seperti ini ada bentuk ya, kita bisa mengekstrak bentuknya karena kalau seperti yang saya contohkan tadi terkait dengan pemulihan tanaman, jadi ee bentuk itu juga mempengaruhi ee apakah dia terpilih atau tidak terpilih seperti itu. Kemudian juga dimensinya, panjang kali lebarnya, kemudian teksturnya warnanya pola morfologinya, dan karakter diagnostiknya. Dan sekarang kami juga sedang mengembangkan masih dalam proses untuk bagaimana kita bisa memperkirakan ee apa namanya em kehijauan daun ya atau kadar klorofil berdasarkan
1:45:10 citra seperti itu citra daunnya dan juga nanti ke depan kita rencana juga akan ee membuat aplikasi non destruktif atau yang tidak merusak untuk memperkirakan kadar ee protein atau isflut. yang ada di dalam biji dari ee kedelanya itu sendiri dengan menggunakan kamera yang ee lebih ee dalam lagi ya e misalnya kamera multipektral seperti itu. Dan selanjutnya di sinilah pentingnya data yang dikoleksi secara terstruktur. Artinya data terorganisasi dan konsisten mengikuti standar-standar yang sudah ditetapkan. Kemudian tervalidasi. Artinya setelah kita mengcollek data secara terstruktur tentunya harus
1:45:57 tervalidasi oleh pakar ya, bahwa ini memang berasal dari ee spesies tertentu seperti itu. Kemudian juga ee terhubung ya metadata kaya dan terstandar. Nah, ketika kita sudah berhasil membuat ee sistem yang seperti itu, pengumpulan data yang berkualitas seperti ini, maka tentunya koleksi ilmiah digital ini akan inilah yang menjadi cita-cita kita ya, menjadi fondasi mesin kecerdasan biodiversitas yang akan tentunya mendukung riset konservasi dan ketahanan pangan di Indonesia. dari data tersebut kita bisa dapat ee membangun ada banyak sekali yang bisa kita bangun dari sini. Jadi intinya adalah kalau ketika kita memiliki data
1:46:44 Bapak Ibu, maka em kita sudah bisa me apa ya ee mengubah mindset kita tidak hanya lagi hanya sampai di laci saja, tetapi bagaimana ee koleksi kita itu juga bisa membangun ya dimanfaatkan untuk berbagai macam riset yang lain khususnya di bidang kecerdasan buatan ini. Contohnya kita bisa membuat klasifikasi spesies ya. Misalnya model AI untuk mengidentifikasi spesies secara akurat berdasarkan morfologi. Kemudian juga kita bisa melakukan similarity analisis mengukur kemiripan antar spesimen. Kita juga bisa melakukan clustering morphologi misalnya mengelompokkan spesimen berdasarkan pola
1:47:31 morfologinya dan juga bisa melakukan trade prediction memprediksi sifat atau karakter dari spesimen dan pendekatan untuk mendukung pemuliaan tanaman ini seperti yang sudah saya contohkan tadi. Jadi koleksi ilmiah digital bukan sekedar gambar ya Bapak Ibu. Ketika Bapak, Ibu melakukan digitalisasi itu sebenarnya Bapak, Ibu bukan hanya mengumpulkan gambar, tetapi sebenarnya Bapak, Ibu sedang mengumpulkan machine readable readable biodiversity resource. Nah, biasanya ini yang kita gunakan ya dalam melakukan pengembangan model AI biodiversitas yang robas. Yang pertama adalah kitaisisi datanya, kemudian kita digitalisasi sesuai dengan ee standar pengambilan data, lalu kita lakukan
1:48:16 anotasi. Kemudian kita lakukan pelatihan. pelatihan menggunakan ee di situlah kita akan melakukan eksperimen dengan berbagai macam algoritma yang ee ada saat ini. Dan juga untuk menjamin ee algoritma tersebut atau model yang dihasilkan sudah robas, kita biasanya melakukan cross validation dan setelah menghasilkan bas atau model yang terbaik yang menghasilkan akurasi identifikasi atauid ee akurasi klasifikasi terbaik, selanjutnya kita deploy ke lapangan. Apakah itu berbasis ee bisa digunakan di handphone atau [berdehem] misalnya berbasis website atau berbasis desktop seperti itu. Nah, kemudian ini juga ee sebuah peluang yang bisa sebenarnya dilakukan oleh
1:49:02 rekan-rekan dari BPKI from collection to dataset publication. Dataset juga dapat menjadi publikasi ilmiah. Koleksi digital sering dipublikasikan melalui repositori seperti GBIF dan mungkin Bapak Ibu juga ee sedang sudah ada ya pada saat ini. Tetapi selain itu eh data set yang Bapak Ibu kumpulkan itu sebenarnya juga bisa dipublikasikan sebagai scientific publication misalnya melalui jurnal seperti data in brief, scientific data dan lain sebagainya. Jadi dataset ini tidak hanya menjadi arsip digital, tetapi bisa menjadi scientific contribution, kontribusi ilmiah dari Bapak Ibu yang diakui komunitas global dan juga memiliki identitas unik dan dapat disitasi
1:49:47 tentunya dapat disitasi dalam publikasi ilmiah dan digunakan ulang oleh peneliti global mendukung riset, inovasi, dan pengambilan keputusan berbasis data. Nah, ini ada sedikit ee tips ya supaya data set berpotensi dipublikasikan secara internasional. Nah, reviewer itu biasanya melihat kualitas kurasi, standarisasi, reproducibility, dan scientific usefulness. Contohnya misalkan kita bisa menceritakan bagaimana protokol imaging-nya. Protocol mejnya harus jelas kita sampaikan dan mengikuti ee kaidah-kaidah penelitian ee berbasis misalnya ee yang sudah distandarisasi seperti itu. Misalnya setup kameranya,
1:50:35 pencahayaannya seperti apa, skala, latar belakang, dan apakah terdapat color chart untuk mendukung ee citra tersebut ya, koleksi tersebut dan harus terdokumentasi. Kemudian yang kedua, metadata lengkap ya, informasi, taksonomi lokasi kolektor tanggal habitat, dan identitas spesimen lengkap semuanya. Lalu selanjutnya workflow-nya itu terdokumentasi. Jadi ee cara kerja untuk melakukan pengumpulan datanya itu bisa Bapak, Ibu jelaskan secara ee jelas ya, secara detail, harus transparan dan dapat direplikasi oleh peneliti lainnya. Kemudian nomenklaturnya konsisten ikuti standar penamaan ilmiah dan juga kualitas citranya tuh harus stabil ya.
1:51:20 Ee diceritakan juga resolusinya berapa yang digunakan, kemudian fokusnya juga berapa, pencahayaannya stabil dan artefak atau noise minimal. Validasi dijelaskan dengan baik. Metode identifikasi seperti expert review dan bukti validasi juga harus terdokumentasi dengan jelas. data set yang berkualitas bukan hanya layak dipublikasi, tetapi juga bisa menjadi kontribusi ilmiah Indonesia untuk dunia. Nah, oleh karena itu ini adalah merupakan peluang besar untuk rekan-rekan di DPKI karena DPKI memiliki spesimen referensi yang unik dan bernilai tinggi. Mungkin ada beberapa yang hanya endemik yang ada di Indonesia, ekspertis kurasi. Jadi, ee Bapak Ibu juga sudah memiliki pakar ya
1:52:06 yang bisa melakukan validasi dan juga scientific validation. proses-proses validasi taksonomi oleh ahli untuk memastikan keakuratan data. Ini adalah salah satu contoh yang baru kami publish ya, Bapak, Ibu untuk eh data set kedelai di data inbrief. Data inbrief ini eh terindeks Scopus Q2. Jadi kami mempublish waktu itu data set dari hasil persilangan ya ee biji kedela ya dari Anjasmoro, Grobogan dan Deg 1. Nah, di sini kami mencerita tahap proprosesnya. Jadi sampai ee karena ini kemarin kami ee sampai
1:52:54 segmentasi ya, Bapak Ibu. Jadi kami jelaskan prosesnya mulai dari bagaimana collect datanya menggunakan tools apa saja sampai dengan proses ee segmentasi yang kami lakukan dengan menggunakan algoritma apa seperti itu. Jadi seperti ini anatomi dataet standar emas. Jadi, bagaimana ee kita menghasilkan data set dengan standar emas yang bisa menjadi fondasi untuk mengembangkan artificial intelligence. Jadi, yang pertama adalah akurasi. Akurasi itu adalah label yang benar-benar sudah ee valid ya, merepresentasikan identitas taksonomi yang sudah bisa kita jamin kebenarannya 100%. Kemudian konsistensi terkait dengan format pencahayaan dan matrik
1:53:42 skala seragam di seluruh sampel. Selanjutnya kelengkapan. Tidak ada missing values atau atribut kosong dalam metadata. Semuanya harus dipastikan terisi dan juga relevansi mewakili variasi kondisi asli di alam bebas beragam angle. Jadi untuk satu misalnya untuk biji ya Bapak Ibu, satu jenis biji itu bisa kita ambil dari berbagai angle yang berbeda ya. misalnya dari top view dari atas, dari side view dari ee sisi samping atau dari ee angle 30 derajat, 60 derajat dan seterusnya itu bisa kita ambil berbagai satu biji itu bisa kita ambil beberapa kali ya seperti itu. Keseimbangan papilar ini yang memastikan model AI mampu beradaptasi secara kokoh terhadap spesimen liar yang belum pernah
1:54:28 ya lihat sebelumnya. jika kita mengembangkan atau ee ya mengembangkan sebuah model berbasis C untuk ee menggunakan data set yang dari ee ini tadi ya yang sudah kita kumpulkan. Nah, untuk tadi seperti yang di awal saya jelaskan, EAI itu ada banyak sekali ee cabangnya mulai dari computer vision, ada natural language processing, apa namanya eh memproses data ee bahasa alami dan prediksi dan lain sebagainya. Namun di sini saya ingin memberikan contoh, satu contoh mungkin yang sangat dekat dengan ee aplikasi yang ee bisa dimanfaatkan oleh rekan-rekan di DPKI
1:55:16 yaitu berbasis computer vision. Jadi computer vision itu adalah bagaimana kita mengajari mesin supaya bisa melihat seperti itu. Nah, jadi di sini bisa ada tiga metode yang mungkin bisa kita lakukan. Yang pertama kita bisa membuat sebuah model untuk klasifikasi. Nah, misalnya kita ingin melakukan klasifikasi terhadap jenis-jenis pohon eukaliptus misalnya. Karena ealiptus itu sendiri ada banyak mungkin ya ee ada banyak jenisnya, spesiesnya. Kita ingin melakukan ee mengembangkan model untuk yang bisa melakukan klasifikasi berdasarkan daunnya misalnya. Nah, jadi untuk itu kita butuh ee mengumpulkan data-data daun seperti itu.
1:56:04 Kemudian object detection. Object detection ini yang tadi saya ceritakan ketika kita ingin melakukan eh penghitungan polong tadi seperti yang saya jelaskan itu basicnya adalah object detection. Jadi, bagaimana kita melakukan deteksi mana polong berbiji satu, mana polong berbiji dua, mana polong berbiji tiga. Kemudian ee seberapa banyak data yang muncul nantinya akan kita jumlahkan dan mendapatkan ee jumlahnya ya secara secara otomatis. Selain itu ada namanya semantic atau instance segmentation. Jadi kalau kita ingin melakukan segmentasi misalnya kita ingin memetakan morfologi detail dan luasan piksel untuk perhitungan presisi yang tinggi. Misalnya kita ingin menghitung ee
1:56:49 dimensi. Nah, dimensi daun atau dimensi biji. Nah, dia panjang kali lebarnya ini kita biasanya melakukan segmentasi untuk standar emas pengumpulan data atau data collection. Nah, jadi Bapak Ibu bagaimana caranya kita meng-collek data atau ya spesimen seperti itu sehingga bisa digunakan dalam menjadi fondasi AI. Nah, yang pertama misalkan kita ingin mengembangkan ini salah satu contoh EA yang berbentuk tadi saya bilang computer vision ya Bapak Ibu. Jadi jika kita ingin membangun sebuah model yang baik yang pertama kita harus memperhatikan bahwa diversitas dan variasi maksimal. mengumpulkan gambar dengan berbagai kondisi pencahayaan supaya mengantisipasi ketika nantinya model
1:57:35 kita digunakan di ee dunia nyata itu kan pasti kita tidak bisa membatasi ya. User harus hanya bisa menggunakannya di siang hari, di malam hari enggak bisa. tetapi kita ingin ee bahwa aplikasi kita itu bisa baik siang malam juga ee menghasilkan akurasi yang optimal seperti itu. Sehingga data yang kita berikan juga harus me itu harus ee bervariasi ya. Jadi kita ambil kondisi pencahayaannya apakah siang ya atau malam. Kemudian dari sudut pandangnya kita lakukan bermacam-macam variasi dan juga dari jaraknya misalnya ketika kita ingin mengambil atau mengaplikasikan di lapangan seperti itu yang tidak bisa kita kontrol. Selain itu latar
1:58:22 belakangnya juga ini juga akan berpengaruh ya terhadap ee bagaimana akurasi. Kemudian juga yang kedua representasi seimbang atau balance representation. Kalau diusahakan itu setiap spesies itu diwakili oleh jumlah yang sama. Jadi jangan ada yang satu spesies itu ee jumlahnya 500, yang satunya cuman 50. Nanti ketika kita melatih model, maka model itu akan lebih lebih kenal dengan data yang dengan ee kelas yang memiliki data yang lebih banyak. Dan model kita itu biasanya susah untuk mengenali ee kelas yang berasal dari data yang data latih yang sedikit seperti itu. Kemudian relevansi
1:59:08 lingkungan operasional. Gambar yang diambil harus menyerupai kondisi nyata di mana model AI akan digunakan. Oleh karena itu, sebelum kita mengembangkan model AI tentunya kita harus menanyakan terlebih dahulu tujuan e ini ingin digunakan di mana. Kalau misalkan hanya digunakan di lab. di laboratorium yang tentunya kondisinya itu bisa kita kontrol, maka tidak sama ketika nantinya aplikasi tersebut akan dibawa ke lapangan seperti itu. Lalu ee selanjutnya kecukupan kuantitas statis. Jadi ee jumlahnya harus banyak ya. Jadi kalau memang kita memiliki resource-nya sebaiknya kita kumpulkan data itu sebanyak mungkin. Kemudian yang kelima identifikasi outliers. Nah, jadi melakukan pengecekan
1:59:54 visual untuk membuang data yang ee mirip ya atau tidak relevan sebelum masuk ke tahap anotasi. Nah, kemudian selanjutnya yang paling penting selanjutnya nih adalah anotasi anotasi data. Jadi ee untuk melakukan melakukan anotasi ini kita perlu pedoman anotasi yang sangat ketat di mana memiliki aturan tertulis yang jelas bagi seluruh tim pelabel agar hasil tanda atau kotak poligon konsisten dan tidak berbeda antar personil. Biasanya ini kalau misalkan kita membangun ee deteksi objek ya Bapak Ibu, kita butuh untuk membangun yang namanya bounding box. Jadi untuk bonding box inilah di sini perlu eh expert ya Bapak Ibu. Karena expert lah ya mengetahui oh jenis yang seperti ini
2:00:41 ini adalah ee spesies jenis ini seperti itu. Kemudian yang kedua presisi batas objek. Yang ketiga penanganan objek terhalang. Jadi nanti aplikasi kita
…
