Bakti Komdigi Lewat Palapa Ring
Dr (Can) Rezsa Yushardiansyah, dosen muda di salah satu perguruan tinggi terkemuka di Bandung Raya, tampak termenung di hadapan layar laptopnya. Rupanya ia terpesona dengan kemampuan super kognitif dari salah satu model Transformer, large language model, versi teranyar yang sedang ditunjukkan oleh rekannya yang baru menyelesaikan program pendidikan MBA nya, di salah satu Uni beken Indonesia.
Rezsa termasuk salah satu dari banyak akademisi dan peneliti muda Indonesia yang punya keminatan khusus pada teknologi informasi dan Akal Imitasi. Terlebih di program magister, tesis Rezsa adalah kajian neurosains yang tentu saja sangat berkorelasi dengan akal imitasi.
Tak dapat dipungkiri bahwa memang interkoneksi dan kapasitas augmented cognition adalah salah dua dari sekian banyak faktor pemantik evolusi peradaban yang pada dasawarsa ini tengah mengalami akselerasi, alias percepatan. Dan itupun telah diantisipasi dengan baik oleh pemerintah Indonesia melalui berbagai upaya sistemik dan konstruktifnya sebagai upaya untuk mengoptimalkan keunggulan kompetitif dari bidang yang saat ini tengah bersama dikembangkan oleh umat manusia.
Kemajuan teknologi, khususnya internet dan kecerdasan artifisial (Artificial Intelligence/akal imitasi/AI), telah memberikan dampak signifikan terhadap transformasi pelayanan publik. Dalam konteks global, teknologi ini memungkinkan peningkatan efisiensi, akurasi, dan aksesibilitas layanan di berbagai sektor, termasuk kesehatan, pendidikan, dan ekonomi rakyat.
Dalam teori teknologi dan masyarakat (Bijker & Law, 1992) menjelaskan bahwa teknologi tidak hanya sekadar alat, tetapi juga membentuk dan dipengaruhi oleh struktur sosial. Dalam konteks ini, internet dan AI dapat dipandang sebagai instrumen perubahan sosial yang memungkinkan redistribusi sumber daya dan pengetahuan untuk mendukung kesejahteraan masyarakat.
Selain itu, dalam teori inovasi difusi (Rogers, 2003), Rogers menyoroti pentingnya adopsi teknologi dalam mempercepat penyebaran ide-ide inovatif, termasuk layanan berbasis digital yang berkontribusi pada peningkatan kualitas kehidupan masyarakat.
Teknologi internet dan AI memungkinkan penerapan layanan kesehatan berbasis telemedicine, atau pemantauan/surveilance berbasis IoT, yang mampu menjangkau daerah terpencil (Alyass et al., 2015). Contohnya adalah pemanfaatan aplikasi berbasis AI yang dapat digunakan untuk mendiagnosis penyakit secara cepat, seperti algoritma machine learning dalam mendeteksi kanker atau penyakit kardiovaskular.
Layanan ini tidak hanya meningkatkan aksesibilitas tetapi juga mengurangi biaya layanan kesehatan.
Dalam jurnal The Lancet Digital Health (Topol, 2019), AI disebutkan mampu mengubah paradigma pelayanan kesehatan dengan memberikan prediksi dan personalisasi pengobatan berdasarkan data pasien.
Internet dan AI pun memberikan peluang besar untuk mengatasi disparitas akses pendidikan. Platform pembelajaran daring seperti Ruang Guru di Indonesia memanfaatkan AI untuk menyediakan konten adaptif yang sesuai dengan kebutuhan individu. Menurut Picciano (2019), personalisasi pembelajaran berbasis AI meningkatkan efektivitas pendidikan melalui analisis data belajar siswa.
Lebih lanjut, teknologi internet membuka peluang pendidikan vokasional berbasis daring yang relevan bagi pelaku UMKM untuk meningkatkan kapasitas mereka dalam pemasaran digital, pengelolaan keuangan, dan inovasi produk. Dimana UMKM merupakan tulang punggung perekonomian Indonesia, menyumbang lebih dari 60% PDB dan menyerap lebih dari 97% tenaga kerja (Kementerian Koperasi dan UMKM, 2023).
Teknologi internet dan AI mendukung pengembangan UMKM melalui platform e-commerce, seperti Tokopedia atau Bukalapak, dan juga kini content commerce, yang mempermudah akses pasar dan dapat meningkatkan engagement. AI juga dapat membantu UMKM menganalisis tren pasar dan preferensi konsumen dengan cepat melalui analisa mahadata (Duan et al., 2019). Sedangkan menurut Schwab (2017) dalam bukunya The Fourth Industrial Revolution, teknologi digital memiliki potensi untuk memberdayakan UMKM agar dapat bersaing di tingkat global.
Untuk itu tepat kiranya jika pemerintah Republik Indonesia terus berupaya untuk mengembangkan sistem daya dukung kesejahteraan bangsa dengan bertumpu pada pengembangan sistem komunikasi dan teknologi informasi, termasuk dalam konteks distribusi akses ke segenap penjuru negeri secara berkesinambungan.
Salah satu program konstruktif yang tengah dilakukan oleh pemerintah adalah program Palapa Ring yang dikelola oleh BAKTI Komdigi. Palapa Ring adalah proyek infrastruktur jaringan tulang punggung (backbone) komunikasi dan teknologi informasi yang diinisiasi oleh Badan Aksesibilitas Telekomunikasi dan Informasi (BAKTI) Kementerian Komunikasi dan Digital (Komdigi). Proyek ini berupa pembangunan jaringan serat optik pita lebar nasional yang menggunakan teknologi fiber optik dan saluran radio gelombang mikro (microwave).
Palapa Ring menggunakan skema kerja sama pemerintah dan badan usaha (KPBU) atau public private partnership (PPP). Pembiayaan yang diterapkan dengan skema availability payment, yang diprakarsai oleh Kementerian Keuangan (Kemenkeu). Untuk mengganti biaya yang telah dikeluarkan mitra dari badan usaha (investor), pemerintah memulai pembayaran penggantian modal yang ditanamkan setelah proyek beroperasi. Adapun sumber dananya berasal dari dana kontribusi Universal Service Obligation (USO) untuk operasional Palapa Ring. Dana USO merupakan dana kontribusi perusahaan telekomunikasi dengan bobot 1,25% setiap kuartalnya.
Palapa Ring ini membentang dari Sabang di ujung Barat sampai Merauke di ujung Timur, dengan panjang 12.229 kilometer yang terdiri dari kabel optik darat dan bawah laut, serta segmen jaringan radio microwave sebanyak 55 hop.
Palapa Ring Barat mulai beroperasi sejak Maret 2018 silam. Proyek ini menghadirkan jaringan backbone di 15 titik di bagian Barat RI, mencakup 5 Kota Layanan dan dengan 7 Kota Interkoneksi di bagian barat RI, seperti Dumai, Batam, Siak, Karimun dan wilayah lainnya. Palapa Ring Barat memiliki total panjang kabel fiber optik sepanjang 2.124 km, di mana 1.720 km merupakan panjang kabel bawah laut (submarine) dan 404 km panjang kabel terrestrial.
Palapa Ring Tengah telah beroperasi sejak 21 Desember 2018, mencakup 17 kota titik layanan dan 10 kota interkoneksi. Paket ini terdiri dari kabel fiber optik sepanjang 3.102 km (1.798 km kabel fiber optik submarine dan 1.304 km kabel fiber optik terestrial). Kehadirannya melayani jutaan masyarakat yang tinggal di wilayah Tobelo, Kendari, Manado, Ternate dan sekitarnya.
Sementara Palapa Ring Timur meliputi wilayah Indonesia Timur, seperti Papua, Maluku, dan sekitarnya, dengan cakupan 35 kabupaten/kota layanan dan 16 kabupaten/kota interkoneksi. Program ini mempunya total panjang jaringan 7.003 km (4.557 km kabel fiber optik submarine dan 2.446 km kabel fiber optik darat). Jaringan ini menjadi vital, mengingat banyak daerah di Indonesia Timur yang sebelumnya kesulitan dalam mengakses layanan internet berkualitas.
Pelaksana program di lapangan, sekaligus mitra invested KPBU/PPP pemerintah di program Cincin Palapa ini adalah PT. Mora Telematika Indonesia, PT LEN Telekomunikasi Indonesia, dan PT Palapa Timur Telematika. Business model untuk keberlanjutan program Palapa Ring, dikembangkan dalam 3 aspek utama, yang terdiri dari; layanan sewa jaringan aktif backbone Palapa Ring dalam bentuk kapasitas bandwidth yang dibagi berdasarkan proyek dan besaran kapasitas yang ditawarkan. Untuk teknologi fiber/ serat optik pilihan satuan yang disewakan mulai dari 1 Gb, 10 Gb, STM-4, STM-16 dengan masa sewa minimum 1 tahun. Sementara itu untuk teknologi microwave disewakan dalam satuan 100 Mbps dan 250 Mbps dengan masa sewa minimum 1 tahun.
Sumber revenue lainnya adalah layanan sewa jaringan pasif backbone Palapa Ring (dark fiber) dalam bentuk fisik core yang belum diberi cahaya. Adapun harga untuk layanan akan dihitung berdasarkan jumlah Pair Core per kilometer (inland / submarine) per tahun.
Model bisnis berikutnya adalah layanan penempatan perangkat pelanggan pada fasilitas NOC/TS/INT Palapa Ring. Layanan ko-lokasi, baik indoor maupun outdoor hanya diberikan kepada pelanggan di lokasi di mana pelanggan menyewa kapasitas (bandwidth) ataupun dark fiber.
Badan Aksesibilitas Telekomunikasi dan Informasi (BAKTI) Kementerian Komunikasi dan Digital (Komdigi) merupakan unit organisasi noneselon di lingkungan Kementerian Komunikasi dan Digital yang menerapkan pola pengelolaan keuangan Badan Layanan Umum. Bakti berada di bawah dan bertanggung jawab kepada Menteri melalui Sekretaris Jenderal, dan sebagai BLU dapat mengelola pendapatan (PNBP) dari pihak-pihak mitra yang akan memanfaatkan infrastruktur konektivitas yang dikembangkan dan dikelolanya.
Tugas penting dari BAKTI adalah mengoptimasi utilisasi infrastruktur dan layanan Palapa Ring yang sudah tersedia dan telah menelan investasi dengan jumlah nominal yang sangat besar. Bentuk-bentuk kerjasama inovatif perlu dilakukan dengan berbagai sektor terkait, terutama pihak pengguna jaringan yang merupakan bagian dari sistem pelayanan publik seperti pelayanan kesehatan dan pendidikan, serta dinas koperasi dan UMKM untuk mendorong tumbuhnya bisnis digital, mulai dari perdagangan komoditas secara daring, sampai dengan content commerce sebagaimana trend bisnis digital yang kini tengah berkembang.
Kehadiran Palapa Ring yang semestinya telah dapat diprediksi semenjak awal proyek direncanakan dan dicanangkan, sampai pada masa pembangunan fisik dan konstruksi, elok kiranya berjalan seiring dengan persiapan migrasi digital dari berbagai area layanan publik yang antara lain maujud dalam pengembangan sistem tata kelola berbasis digital.
Misal saat ini sudah ada platform nasional dalam manajemen data kesehatan nasional dengan protokol dan standar pengolahan data, serta interoperabilitas yang telah mengadopsi standar internasional seperti HL7-FHIR. Dimana adopsi framework FHIR di seluruh fasilitas pelayanan kesehatan di daerah yang terlayani oleh Palapa Ring, bukanlah kegiatan instan yang dapat dilaksanakan dengan waktu singkat.
Perlu penyiapan format data dari tingkat paling fundamental, pelatihan untuk peningkatan kapasitas sumber daya manusia bidang data dan informasi di fasilitas pelayanan kesehatan, ada penyesuaian format laporan sampai rekam medis, dan banyak hal lainnya yang bersifat teknis dan non teknis.
Sebagai gambaran agar data dapat dikelola dalam framework FHIR di SATU SEHAT, sumber daya di fasilitas kesehatan harus menguasai dan memahami framework FHIR beserta struktur JSON-nya, yaitu Element, Resource, DomainResource, dan Bundle.
Maka migrasi digital bukan sekedar semua data dipindahkan ke dalam bentuk digital dan disimpan di penyimpanan awan dsb nya, melainkan juga membutuhkan persiapan mendasar terkait struktur data, format laporan, kodifikasi/ sistem coding, dan penguasaan terhadap prasyarat minimum atau standar layanan digital minimum yang merupakan elemen esensial dalam upaya optimasi infrastruktur teknologi informasi, dan juga migrasi digital yang diharapkan akan dapat meningkatkan kualitas proses pelayanan publik disertai dengan akuntabilitas dan efisiennya penggunaan anggaran serta sumber daya karena adanya platform layanan publik digital yang terintegrasi.
Konsep ini juga akan mendorong akselerasi dari pengembangan kualitas pelayanan karena meratanya distribusi pengetahuan profesional dan terciptanya ekosistem digital yang merupakan media bagi pemanfaatan teknologi terkait seperti internet of things/ IoT, dalam konteks surveilans dan pemantauan secara sewaktu (real time) dari kondisi lingkungan yang mempengaruhi kualitas kesehatan. Termasuk akurasi dan akselerasi penginputan data yang dapat membantu proses mitigasi kondisi tertentu seperti wabah atau epidemi.
Jika berbagai prasyarat dan pra-kondisi itu tidak terpenuhi, maka nilai investasi Palapa Ring akan sulit memenuhi harapan sebagai katalisator pembangunan kualitas sumber daya manusia Indonesia secara merata. Tentu hal ini tak hanya menyasar pada penerapan di aspek pelayanan kesehatan seperti contoh di atas saja, melainkan juga pada berbagai sektor terkait. Termasuk sektor pendidikan tentu saja.
Di sektor pendidikan, kehadiran infrastruktur berupa fasilitas koneksi yang ditulangpunggungi oleh jaringan serat optik, satelit/VSAT, dan radio link/ microwave, tidak akan berdampak signifikan jika sistem pendidikan sendiri belum mempersiapkan proses migrasi digitalnya. Untuk itu, selain dibutuhkan berbagai piranti lunak pendukung, penyesuaian kurikulum, kesiapan tenaga pendidik, juga dibutuhkan sarana dan prasarana yang kompatibel dengan proses pendidikan berbasis teknologi digital.
Sebagai contoh, dalam pengembangan kurikulum, digitalisasi bukan sekedar distribusi buku ajar dalam bentuk e-book saja, atau pengajaran dengan menggunakan presentasi Power Point saja, melainkan perlu pula dirumuskan mulai dari konsep dan kerangka berpikirnya secara sistematik.
Misal dengan terbukanya opsi digitalisasi pendidikan melalui layanan infrastruktur komunikasi yang baik, bukankah pendidikan dasar dapat mengembangkan model pendidikan STEM yang lebih inovatif?
Internet dan Akal Imitasi (AI) dapat memfasilitasi model-model pembelajaran seperti problem based learning, game based learning, sampai inquiry learning model. Di mana inquiry learning adalah metode pembelajaran yang mendorong siswa untuk aktif bertanya, bereksperimen, dan menemukan jawaban atas permasalahan dengan cara sendiri. Metode ini menekankan pada proses berpikir kritis dan analitis, serta pengembangan rasa ingin tahu siswa, yang semuanya itu dapat dibantu dengan pemanfaatan internet untuk menggali informasi lebih lanjut, dan AI untuk membantu proses simulasi sebagai bentuk eksperimen virtual. Sangat menarik bukan ?
Maka tugas Kementerian Komdigi, antara lain melalui BAKTI dan kini unit Eselon 1 Direktorat Jenderal Ekosistem Digital adalah berkoordinasi dan merancang strategi okupansi kapasitas dukungan digital yang antara lain telah disiapkan melalui program Palapa Ring.
Demikian juga di sektor UMKM dan content commerce yang memang idealnya adalah inisiatif masyarakat pengguna internet, akan tetapi jika kita berbicara tentang daya saing dan kualitas produk yang pada gilirannya akan menentukan keberhasilan produk di pasar, maka tak cukup berbekal pengetahuan digital marketing, SEO, ataupun digital payment dan koneksi internet saja bukan?
Diperlukan sekurangnya upaya optimasi kualitas produk dan efisiensi proses produksi agar produk memiliki daya saing tinggi. Jika produk UMKM berbahan baku dari komoditas pertanian, maka aspek intensifikasi berbagai teknologi seperti pemuliaan bibit, desain pupuk, perancangan mikro irigasi, sampai pengolahan pasca panen dapat dibantu oleh teknologi informasi dan AI.
Di sisi lain pemetaan kebutuhan pasar, sampai dinamika cuaca dan prediksi kondisi ekonomi yang ditandai dengan indikator kontraksi seperti laju inflasi-deflasi dan PDB (produk domestik bruto), yaitu nilai pasar dari semua barang dan jasa yang diproduksi di suatu negara dalam periode tertentu. Dimana PDB merupakan salah satu aspek neraca nasional yang digunakan untuk mengukur perkembangan ekonomi, struktur perekonomian, dan sebagai landasan perumusan kebijakan pemerintah. Dihitung dengan menjumlahkan total pengeluaran untuk konsumsi, investasi, pengeluaran pemerintah, dan saldo ekspor-impor. Rumus PDB dalam pendekatan ini adalah PDB = C+I+G+(X-M). Pada tahun 2023, PDB Indonesia bernilai 1371,17 miliar dolar AS, yang mewakili 1,30 persen dari ekonomi dunia.
Pengolahan data kompleks tersebut akan menjadi dasar suatu sistem pengambilan keputusan (DSS/decision support system) yang akurat dalam menentukan pola tanam dan pemilihan varietas unggulan misalnya. Demikian juga di sektor perikanan, baik budidaya maupun tangkap, dll.
Dalam konteks cuaca dan iklim misalnya, BMKG (Badan Meteorologi, Klimatologi, dan Geofisika) menggunakan berbagai model dan metode untuk memprediksi dinamika cuaca dan iklim di Indonesia. BMKG antara lain menggunakan model prediksi numerik berbasis fisika, seperti Weather Research and Forecasting (WRF) dan Global Forecast System (GFS). Dimana model ini memanfaatkan data atmosfer global dan regional untuk mensimulasikan perubahan kondisi cuaca dalam interval waktu tertentu.
BMKG juga menggunakan pendekatan statistik untuk mengidentifikasi pola dari data historis dan tren cuaca atau iklim.Contohnya adalah model Seasonal Prediction, seperti Canonical Correlation Analysis (CCA), yang mengaitkan anomali suhu laut (SST) dengan pola curah hujan.
BMKG pun memanfaatkan data satelit, seperti Himawari-8, untuk memantau awan, curah hujan, suhu permukaan laut, dan parameter atmosfer lainnya. Data ini membantu memperbarui input model dalam waktu nyata/real time. Radar Doppler digunakan untuk memantau hujan lokal dan mendeteksi potensi badai. Stasiun cuaca di darat (AWS) dan data buoy laut digunakan untuk memantau variabel cuaca secara langsung. Radiosonde melengkapi data vertikal atmosfer.
Dalam konteks prediksi atau forecasting cuaca jangka pendek ada metoda nowcasting yang memanfaatkan pengamatan real-time dari radar dan satelit untuk memprediksi cuaca dalam 0-6 jam mendatang, terutama untuk mendeteksi badai petir atau angin kencang. Lalu ada metoda Mesoscale Convective System (MCS) Analysis untuk menganalisis pola konveksi skala menengah yang sering terjadi di Indonesia.
Sementara untuk prediksi iklim dengan rentang waktu dan cakupan wilayah atau regional lebih luas, BMKG menggunakan metoda Model Coupled Atmosphere-Ocean, seperti Climate Forecast System (CFS) untuk memprediksi fenomena global seperti El Niñobatau La Niña. Model ini menganalisis interaksi atmosfer dan lautan. Diperkuat juga dengab metoda Statistical Downscaling yang digunakan untuk menurunkan resolusi model global ke skala lokal, sehingga lebih relevan untuk wilayah Indonesia. Untuk mempertajam akurasi dari proses forecasting multi modal tersebut, BMKG mulai mengintegrasikan AI, khususnya subset machine learning seperti deep learningb(CNN, RNN, ANN, dll), untuk memperbaiki akurasi prediksi dengan menganalisis maha data (big data) dan mengenali pola-pola kompleks yang khas dan berkorelasi dengan dinamika iklim dan cuaca.
Tanpa adanya proses perencanaan dan persiapan pemanfaatan infrastruktur digital seperti Palapa Ring di atas, dengan ruang lingkup multi sektor yang terintegrasi, maka akan banyak fasilitas dan kapasitas infrastruktur yang idle. Tidak mudah dan sederhana memang. Untuk itu diperlukan konsep kepemimpinan yang kuat, strong leadership, dengan visi dan perspektif yang bijak dan holistik serta punya kapabilitas serta kompetensi untuk merumuskan arah kebijakan yang disertai dengan panduan otentik untuk penjabaran program secara detil dan dengan tingkat determinasi tinggi. 🙏🏾🇲🇨🩵
Daftar Pustaka
Alyass, A., Turcotte, M., & Meyre, D. (2015). From big data analysis to personalized medicine for all: Challenges and opportunities. BMC Medical Genomics, 8(33). https://doi.org/10.1186/s12920-015-0108-y
Bijker, W. E., & Law, J. (1992). Shaping Technology/Building Society: Studies in Sociotechnical Change. MIT Press.
Duan, Y., Edwards, J. S., & Dwivedi, Y. K. (2019). Artificial intelligence for decision making in the era of big data–evolution, challenges and research agenda. International Journal of Information Management, 48, 63–71. https://doi.org/10.1016/j.ijinfomgt.2019.01.021
Kementerian Koperasi dan UMKM. (2023). Laporan Tahunan UMKM Indonesia. Jakarta: Kemenkop UKM.
Picciano, A. G. (2019). The evolution of big data and learning analytics in American higher education. Journal of Asynchronous Learning Networks, 23(1), 10-15. https://doi.org/10.24059/olj.v23i1.1420
Rogers, E. M. (2003). Diffusion of Innovations (5th ed.). Free Press.
Schwab, K. (2017). The Fourth Industrial Revolution. Crown Business.
Topol, E. (2019). High-performance medicine: The convergence of human and artificial intelligence. The Lancet, 393(10191), 507-509. https://doi.org/10.1016/S0140-6736(18)31985-5
Badan Meteorologi, Klimatologi, dan Geofisika. (n.d.). Sistem prediksi cuaca dan iklim. Diakses dari https://www.bmkg.go.id
GFS Global Forecast System. (n.d.). Introduction to GFS model. Diakses dari https://www.ncep.noaa.gov
National Centers for Environmental Prediction. (n.d.). Climate Forecast System (CFS). Diakses dari https://www.cpc.ncep.noaa.gov
Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D. M., Wang, W., & Powers, J. G. (2008). A description of the Advanced Research WRF version 3. Boulder, CO: National Center for Atmospheric Research (NCAR).
Tsonis, A. A. (2007). An introduction to atmospheric and oceanic dynamics. Cambridge University Press.
Wilks, D. S. (2011). Statistical methods in the atmospheric sciences (3rd ed.). Elsevier.
World Meteorological Organization. (n.d.). Radar and satellite observations for weather prediction. Diakses dari https://public.wmo.int
