BuSet PPIS volume 4, Musim Dingin Desember 2012

AUTUMN - WINTER | 2012 | VOLUME 04

Featured Article

Mengatasi Jejaring Sosial Mengatasi Era BIG Data

Research Summary

Analisis Variasi Depth of ClosureSehubungan dengan Keberadaan Bangunan Pantai

Breaking News

Menyongsong Puncak Siklus Matahari ke-24: “What happens at the sun doesn't stay at the sun”

SOUNDof winter

Dwi PranantoPimpinan Redaksi

Jejaring sosial saat ini seperti telah menjadi bagian dari kehidupan kita.

Milyaran orang bergabung ke dalam jejaring sosial dan mengambil manfaat dari

hasil rekayasa teknologi ini. Jutaan orang mengakses jejaring sosial tiap harinya

untuk berinteraksi satu sama lain, berbagi sesuatu, atau memanfaatkan aplikasi

yang ada seperti bermain game. Jika jutaan orang mengakses jejaring sosial tiap

hari atau bahkan tiap jam melalui jaringan internet, dapat dibayangkan betapa

banyaknya data yang harus diolah dalam waktu singkat dan ini bukanlah sesuatu

yang mudah. BuSetPPIS kali ini mengangkat Featured article berkaitan dengan

jejaring sosial bagaimana pengelolaan dan pengolahan big data-nya. Mengelola

data dari milyaran orang pengguna jejaring sosial dengan berbagai macam

interaksinya tentu bukanlah sesuatu yang simple jika kita memikirkannya lebih

jauh, dibutuhkan teknik dan teknologi khusus agar jejearing sosial dapat bekerja

secara efektif dan efisien serta tidak menggangu kenyamana pengguna. Hal ini

akan dibahas dalam artikel brjudul “Mengatasi Jejaring Sosial Mengatasi Era

BIG Data”. Isu terkini lainnya yang diangkat adalah tentang badai matahari yang

belakangan ini menjadi isu panas dan bagaimana efeknya bagi kehidupan kita di

bumi. Artikel dari salah satu “Samurai Sendai” yang baru saja menyelesaikan

studinya di Tohoku University juga turut ditampilkan dalam BusetPPIS edisi kali

ini yang membahas tentang bagaimana pengaruh bangunan pantai terhadap

sedimen pantai.

Buletin Riset Kali ini tampil beda dengan desain yang lebih segar serta dengan

nama baru, yaitu BuSetPPIS. Dengan Desain yang lebih segar dan nama yang lebih

respresentatif kami berharap pembaca dapat lebih nyaman dalam menikmati

artikel. Dan tentu harapan kami masih sama yaitu menjadi jembatan komunikasi

antara pelajar dan peneliti Indonesia di Sendai dan pelajar-pelajar dan

masyarakat Indonesia di negara lain khususnya di Indonesia sendiri.

Salam BuSet!

Sendai, Desember 2012

Redaksi BuSetPPIS

Salam Redaksi,

DAFTAR ISI

cardinaledu.wordpress.com

Featured Article

Mengatasi Jejaring Sosial Mengatasi Era BIG Data

Research Summary

Analisis Variasi Depth of ClosureSehubungan dengan Keberadaan Bangunan Pantai

Breaking News

Menyongsong Puncak Siklus Matahari ke-24: “What happens at the sun doesn't stay at the sun”

2

8

11

Penanggung jawabArif Santoso

Pimpinan RedaksiDwi Prananto

Tim EditorDyah Ayu Lestari

Ikhtiar

KontributorSepti PerwitasariSugianto Angkasa

Widyaningtias

LayouterMuhammad Salman A. F.

FotograferDiptarama

Fuad Ikhwanda

BuSet PPIS diterbitkan setiap 6 bulan oleh

Persatuan Pelajar Indonesia di Sendai

http://sendai.ppijepang.org/

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

Sejak mulai diproduksi

secara massal hingga kini,

komputer sedikit demi

sedikit menjadi bagian dari

keseharian manusia. Dalam

penggunaannya, komputer

melakukan pemprosesan

data, yang seiring

berjalannya waktu

mengalami penumpukan

sehingga ukuran data

tersebut semakin besar. Data

hasil penumpukan tersebut

berbeda dengan apa yang

disebut dengan big data.

Perbedaan utamanya adalah,

pada big data dalam kurun

waktu yang singkat data

yang berukuran petabyte,

exabyte, yottabyte (masing-

masing setara 1015, 1018,

dan 1021 byte) dihasilkan

dan kemudian perlu segera

disimpan, diolah dan

dianalisis karena hasilnya

diperlukan sesegera

mungkin. Saat ini data yang

tergolong ke dalam big data

hanyalah data dari jejaring

sosial (bahasa kerennya:

social network) dan scientific

computing meski tidak

menutup kemungkinan

masuknya kategori data

baru. Dalam tulisan kali ini

penulis hanya akan

membahas bagaimana

mengatasi big data yang

dihasilkan oleh layanan

jejaring sosial.

Mari kita bayangkan

layanan jejaring sosial paling

ngetop saat ini, Facebook

yang memiliki jumlah

pengguna satu milyar. Apa

yang terjadi jika dalam kurun

waktu lima menit semua

pengguna Facebook

melakukan salah satu atau

kombinasi kegiatan dari

membuat post, upload video

dan gambar, bermain Mafia

Wars, chatting dan kegiatan

lainnya? Yup,

dalam waktu

singkat mereka memperoleh

data yang berukuran sangat

besar yang perlu segera

diproses. Ingat, Facebook

adalah layanan yang mesti

berjalan 24 jam setiap

harinya tanpa henti. Bila

salah satu dari kegiatan di

atas terhambat meski hanya

beberapa detik, hal tersebut

bisa membuat pengguna

kesal dan bahkan pindah ke

kompetitor. Pembaca masih

ingat dengan Friendster?

Friendster adalah jejaring

sosial paling ngetop sebelum

MySpace dan Facebook lahir.

Jejaring sosial pada saat itu

tidak sekompleks saat ini,

namun


Mengatasi Jejaring SosialMengatasi Era BIG DataSugiantoAngkasa

cardinaledu.wordpress.com

| 2

FEATURED ARTICLEFEATURED ARTICLE

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001


tetap saja memproses data

berukuran besar. Seiring

dengan penambahan jumlah

pengguna, skala data yang

mesti dikelola juga semakin

besar. Sayangnya Friendster

tidak siap dalam menangani

penambahan data yang

berlangsung secara

eksponensial dalam waktu

singkat sehingga layanannya

seringkali menjadi lambat

dan bahkan mati berjam-jam

dan/atau berhari-hari yang

mengakibatkan pengguna

pindah ke Myspace dan

Facebook.

OK, mengelola big data

memang tidak mudah, tetapi

kenapa sulit? Masalahnya

ada pada infrastruktur

perangkat keras dan

perangkat lunak. Kecepatan

CPU memproses data dan

melakukan komputasi

memang membaik setiap

tahunnya. Sayangnya

penambahan kecepatan per

tahun di sisi I/O (harddisk,

jaringan, memori) tidak

sebaik CPU. Adapun yang

dimaksud dengan I/O di sini

adalah proses komunikasi

mikroprosesor dengan dunia

luar yang umumnya berupa

masukan(input) dan

keluaran(output). Umumnya

pengguna awam pernah

menggunakan masukan

sederhana berupa keyboard

atau tetikus dan keluaran

sederhana berupa layar

monitor dan speaker. Namun

untuk pemrosesan big data,

I/O adalah hal yang sangat

sulit karena jumlah data yang

luar biasa banyak mesti

dikoordinasikan. Pernah

bertelepon ria dengan dua

atau tiga orang sekaligus?

Sulit kan? Penulis punya

saran: meski Anda memiliki

jutaan ponsel, jangan pernah

bertelepon ria dengan jutaan

orang sekaligus.

Salah satu hal yang

menghambat atau

memperlambat I/O adalah

kecepatan tulis and baca

harddisk yang stagnan.

Semakin lama memang harga

per giga harddisk semakin

murah, kapasitas ukurannya

(> 3TB) pun semakin besar,

ukuran fisik harddisk juga

semakin kecil, sayangnya

kecepatan baca/tulis nyaris

tidak berubah. Di sini penulis

tidak akan menjelaskan

secara rinci di mana saja

terjadinya hambatan yang

memperlambat I/O. Namun

pada intinya hambatan ini

ada pada infrastruktur

perangkat keras mulai dari

storage, memori, jaringan

dan infrastruktur perangkat

lunak mulai dari

Database/data store, sisi

pemrograman yang masih

serial dan belum paralel,

sampai pada metode

replikasi/duplikasi data. Mari kita bayangkan jalan

tol dimana terdapat banyak

mobil dengan beragam

ukuran dan kecepatan

(100km/jam – 429km/jam).

Nah, karena macet berat mau

tidak mau semua mobil maju

dengan perlahan atau

bahkan tidak bergerak sama

sekali. Sayangnya mobil yang

memiliki kecepatan luar

3 |

Sugianto Angkasa

- Bachelor Degree, Fakultas Ilmu Komputer Universitas Indonesia (2005-2009)- Outsourced IT Consultant & Programmer (2010-2011)- Research Student, Graduate School of Information Science and Technology The

University of Tokyo (2011-2012)- Master Degree, Graduate School of Information Sciences, Tohoku University (2012-...)

Topik Riset:- Data Management System on Big Data, specifically on Social network data- High Performance Computing and File System- Image Processing


1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

biasa terpaksa hanya

memanfaatkan sepersekian

dari kcepatan tersebut. Hal

yang sama sering terjadi

dalam pengelolaan big data

dimana CPU jarang

digunakan secara optimal.

Perlu diketahui bahwa

semakin tinggi frekuensi

CPU (>3Ghz) semakin besar

pula energi yang dikonsumsi.

Selain itu, harga CPU dengan

spesifikasi tinggi biasanya

sangat mahal.

Kemudian bagaimana

para insinyur IT di Facebook

dan Twitter menangani

masalah ini? Tiap tahunnya

insinyur IT ini meng-upgrade

infrastruktur layanan mereka

dari sisi perangkat keras dan

perangkat lunak karena

kebutuhan yang bertambah

besar seiring dengan

penambahan jumlah

pengguna. Secara umum

terdapat kemiripan antara

“trik” yang mereka gunakan

antara lain:

1.Distributed Cache

Untuk Proses BacaYang dimaksud dengan

“proses baca” di sini adalah

kegiatan seperti membaca

post, membaca message,

melihat video dan gambar,

dll. Karena kecepatan

harddisk yang lambat, mau

tidak mau ≥ 80% dari data

ditempatkan pula di storage

tercepat, yaitu RAM untuk

mempercepat proses akses

data. Itulah ide pokok dari

distributed cache.

Sebenarnya terminologi

distributed cache lebih

kompleks dari gambaran

singkat tersebut, namun

rasanya sudah cukup agar

pembaca mengerti konsep

yang dijelaskan di tulisan ini.

Perhatikan Tabel 1 untuk

melihat perbandingan

statistik antar storage.

Harddisk tetap berperan

sebagai tempat

penyimpanan data utama

karena RAM bersifat volatile

(bila listrik mati maka data

lenyap). Bisa dilihat

walaupun RAM adalah

storage dengan kecepatan

akses tercepat, harganya pun

paling mahal dan boros

energi. Tentunya para

insinyur tersebut berusaha

keras untuk mengurangi

tagihan yang membengkak

baik dari sisi tagihan listrik

maupun biaya pembelian

storage dengan

mengefektifkan dan

mengefisienkan pemakaian

distributed cache.

2. Merancang Perangkat

Keras SendiriJejaring sosial tidak

membutuhkan proses

komputasi yang rumit namun

sangat haus akan I/O. Poin

utamanya adalah perangkat

keras untuk jejaring sosial

mesti didesain dengan

memperhatikan baik-baik

trade-off antara harga,

kemampuan prosessor dan

energi konsumsi, trade-off

antara harga storage

(harddisk, flash (SSD), RAM)

dengan kecepatan I/O dan

dengan energi konsumsi dan

masih banyak pertimbangan

lainnya. Kebutuhan ini

umumnya tidak ter-cover

oleh vendor server pada

umumnya seperti IBM, Dell,

HP, dll. Maka dari itu, tidak

aneh apabila pengelola

jejaring sosial langsung

memesan prosessor khusus

ke Intel, memesan DRAM ke

Elpida, membeli harddisk

dari Seagate dan kemudian

merancang server sendiri

dan memproduksinya secara

massal di Taiwan atau China.

Dengan menghilangkan

perantara vendor seperti

Dell dan HP harga server

Tabel 1. Statistik Berbagai Storage [4],[5], Amazon.com

http://sendai.ppijepang.org/| 4


1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

www.kidstoday.in

bisa ditekan semurah

mungkin. Saat ini jejaring

sosial masih

mempertimbangkan untuk

merancang dan

memproduksi (di China

tentunya) prosessor dan

perangkat lainnya sendiri

sehingga tidak menutup

kemungkinan ke depannya

mereka tidak lagi

bergantung pada Intel atau

produsen lainnya. Hal ini

masuk akal karena jejaring

sosial membutuhkan

perangkat keras dalam

jumlah sangat besar. Penulis

pernah mendengar bahwa

Google, pemilik jejaring

sosial Google+, berbelanja

prosessor dari Intel dengan

jumlah yang mendekati

pembelian vendor seperti HP

dan Dell.

3. Pemakaian NoSQL

Data StoreTahu database? Secara

sangat singkat database

adalah program yang

dipercaya untuk mengelola

data selama tiga puluh tahun

terakhir. Meski

masih valid

untuk berbagai

aplikasi,

database tidak

sanggup

mengatasi skala

data dari big

data dengan

murah. Lho kan

ada banyak

pilihan sangat

murah seperti

MySQL? Sayangnya untuk

mengatasi skala big data,

dibutuhkan database dengan

harga selangit seperti

Oracle. Di lain pihak,

database selalu

membutuhkan perangkat

keras yang tangguh (baca:

sangat mahal), tidak bisa

perangkat keras yang biasa-

biasa. Pada akhirnya secara

bertahap jejaring sosial

melakukan migrasi dari

database ke NoSQL. Waduh,

NoSQL? NoSQL didesain

sesimpel mungkin dengan

fitur-fitur seadanya agar bisa

mengelola data dengan skala

yang luar biasa besar

dengan biaya yang sangat

murah. NoSQL juga

tidak memiliki

requirement

perangkat keras

yang tinggi.Perlu diketahui

bahwa database

selama tiga puluh tahun

terakhir memang didesain

untuk mengatasi semua jenis

data mulai dari perbankan,

ilmiah dll(bahasa kerennya:

general purpose). Nah,

jejaring sosial justru tidak

membutuhkan fitur-fitur

canggih database dan

menginginkan perangkat

lunak yang bisa menangani

kebutuhan data jejaring

sosial yang benar-benar

spesifik. Karena itulah NoSQL

bisa bekerja dengan sangat

cepat dan dengan biaya yang

sangat murah. Sebenarnya

masih banyak perbedaan di

antara keduanya, namun

penulis tidak akan

menjelaskannya di sini.

4. Optimisasi Dari Sisi

AlgoritmaJejaring adalah graph

(graf) yang berukuran sangat

besar. Umumnya kita hanya

berinteraksi dengan friend,

bukan dengan seluruh

pengguna Facebook.

Informasi ini bisa digunakan

untuk mengefektifkan

penyimpanan dan duplikasi

data. Contoh simpelnya:

data-data anggota PPIS

ditempatkan di tempat/node

yang sama karena mereka

http://sendai.ppijepang.org/ 5 |


http://www.mcginnismedia.com/wp-content/uploads/2012/09/Social-Media-mcginnis-media.jpg

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

setidaknya akan berinteraksi

satu sama lain. Bayangkan

biaya (jaringan, komunikasi,

konsumsi energi) untuk

menarik data

chatting/message/post rutin

PPIS apabila data-data

anggota PPIS ditempatkan

secara acak di 100

tempat/node berbeda dan

berjauhan. Biasanya lokasi

tempat penyimpanan data

ditentukan secara random

(baca: distributed hash) oleh

sistem, namun karena data-

data jejaring sosial justru

memiliki ikatan satu sama

lain layaknya ikatan atom dan

senyawa, sebaiknya tidak

dipisahkan melainkan

ditempatkan sedekat

mungkin untuk mengurangi

biaya per operasi tulis

maupun baca. Perhatikan

Gambar 1 untuk contoh yang

lebih sederhana.

Masih banyak cara lain

yang bisa digali seperti

penggunaan storage secara

bertingkat. Bayangkan data

center yang memiliki

bermacam-macam storage

yaitu harddisk dan flash

(SSD) sebagai tempat

penyimpanan utama dan

DRAM sebagai cache. Cache

adalah memori/tempat

penyimpanan dengan akses

tercepat namun bersifat

sementara. Bersifat

sementara karena

apabila aliran listrik

terputus maka data

dalam DRAM akan

hilang. Selain itu, harga

per giga DRAM sangat

mahal dan boros

energi sehingga sebisa

mungkin

pemakaiannya dibatasi.

Perhatikan kembali

Tabel 1 untuk melihat

perbandingan statistik

antara storage. Di lain

pihak meskipun flash bekerja

lebih cepat daripada

harddisk dengan tingkat

konsumsi energi paling

rendah, harganya juga tidak

murah. Dari sisi biaya,

menyimpan seluruh data

jejaring sosial dalam flash

bukanlah tindakan yang

bijaksana. Sampai saat ini

harddisk tetap menjadi

pilihan utama meski bekerja

paling lambat dan agak

boros energi karena

harganya sangat murah.

Seberapa murah? Apakah

pembaca memiliki akun

webmail Yahoo atau Hotmail?

Mailbox storage-nya

unlimited kan? Nah, harga

harddisk sedemikian murah

sehingga layanan gratis pun

tidak berkeberatan

memberikan storage sebesar

itu. Layanan tersebut takkan

berani memberikan tawaran

yang sama umpama mereka

mengandalkan SSD sebagai

tempat penyimpanan utama.

Setidaknya tidak untuk saat

ini.

Data center yang baik

mesti memperhatikan

banyak faktor antara lain:

biaya perangkat keras dan

lunak, energi konsumsi

Gambar 1. Graph Partitioning Jejaring Sosial


Gambar 2. Skenario Perpindahan Data

Pada Storage Bertingkat


1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

1010001011001

Referensi[1] Big data in real time at Twitter.Nick Callen.2012[2] Facebook: social network at scale.Sanjeev Kumar.2012.[3] Josep M. Pujol, Vijay Erramilli, Georgos Siganos, Xiaoyuan Yang, Nikos Laoutaris, Parminder Chhabra,

and Pablo Rodriguez. 2010. The little engine(s) that could: scaling online social networks. SIGCOMM Comput. Commun. Rev. 40, 4 (August 2010), 375-386.

[4] John Ousterhout, et all. The Case for RAMClouds: Scalable High-performance Storage Entirely in DRAM. SIGOPS Oper. Syst. Rev.,vol. 43, no. 4, pp. 92–105, Jan. 2010.

[5] Andersen, D., Franklin, J., Kaminsky, M., et al., “FAWN: A Fast Array of Wimpy Nodes”, Proc. 22nd Symposium on perating Systems Principles,

2009

(berhubungan dengan

tagihan listrik), dan tentunya

performance sistem. Untuk

memenuhi kebutuhan

tersebut sistem perlu

melakukan trade-off antara

biaya dan performance

tergantung pada situasi dan

kondisi yang selalu berubah-

ubah. Perhatikan kedua

skenario di bawah ini:1. Pengguna aktif harian

salah satu jejaring sosial

bernama (samaran. Red) Ren.

Ren pastinya sangat "aktif"

sehingga sebaiknya datanya

disimpan di flash dengan

data-copy ditempatkan pula

pada cache untuk

mempercepat proses baca.

Data-copy di cache akan

dihapus segera setelah Ren

logout dan tersedia kembali

di cache bila Ren akan

segera login.2. Pengguna bulanan

(hanya login sebulan sekali)

jejaring sosial bernama

Sakura. Setelah Sakura

logout, kemungkinan besar

dalam waktu dekat Sakura

tidak akan "aktif" di jejaring

sosial. Buang data-copy di

cache. Sedangkan tempat

penyimpanan utama data

Sakura bisa berada di flash

atau harddisk. Tergantung

pada situasi, data Sakura

mungkin perlu dipindahkan

dari flash ke harddisk atau

sebaliknya. Ingat di sini kita

benar-benar memindahkan

data, bukan hanya

menempatkan data-copy

seperti pada cache.

Dengan kata lain sistem

bisa secara dinamis dan

sistematis memindahkan

data ke storage yang lebih

cepat bila diketahui datanya

akan segera diakses atau

memindahkan data ke

storage yang lebih lambat

apabila dalam waktu dekat

data pengguna tidak akan

diakses. Perhatikan Gambar

2 untuk gambaran singkat

mengenai penggunaan

storage secara bertingkat.

Lho, bagaimana cara

menebaknya? Educated

guess secara heuristik yang

memang hasilnya tidak akan

100% tepat. Dari satu milyar

pengguna Facebook,

terdapat pengguna aktif

harian, pengguna bulanan,

dan pengguna yang sudah

tidak aktif lagi seperti yang

telah dijelaskan pada

skenario di atas. Terlebih lagi

sebagian besar pengguna

memiliki jam-jam tertentu

untuk mengakses jejaring

sosial. Pelajar tidak mungkin

mengakses layanan tersebut

saat pelajaran berlangsung

dan pekerja juga tidak

mungkin mengakses jejaring

sosial pada saat jam kerja.

Intinya behavior pengguna

dikumpulkan dan diambil

kesimpulannya. Informasi

penting ini digunakan oleh

sistem untuk mengelola big

data secara efisien dan

efektif. Riset penulis

berkaitan erat dengan

pengelolaan big data pada

jejaring sosial secara

algoritmik menggunakan

kedua metode yang

dijelaskan di atas. Adapun

tujuan dari riset ini adalah

memudahkan pengelolaan

big data pada jejaring sosial

sekaligus mengurangi biaya

pengoperasian layanan

tersebut.



Dalam studi ini efek dari bangunan pantai

terhadap perubahan depth of closure (hc) dan

kondisi hidrodinamik dalam laut akan

dianalisa untuk kasus pantai berpasir. Definisi

depth of closure sendiri, sesuai dengan teori

dari Hallermeier (1981), Birkemeier (1985)

dan (Kraus et al., 1999), terkait dengan posisi

batas dimana di dalam laut sedimen tidak

bergerak secara signifikan seperti yang

dapat dilihat pada Gambar 1. Pergerakan

sedimen dalam batas ini juga tidak akan

mempengaruhi perubahan garis pantai. Data

batimetri diaplikasikan untuk memperkirakan

lokasi dari depth of closure. Elevasi rata-rata

dan deviasi standart dihitung berdasar data

batimetri tersebut. Perkiraan lokasi depth of

closure juga dihitung menggunakan

perhitungan empirik dari rumus Sato dan

Analisis variasi depth of closure sehubungan dengan keberadaan bangunan pantai

Widyaningtias


RESEARCH SUMMARY

Tanaka (1962) sebagai pembanding.

Tinggi gelombang, periode dan ukuran

sedimen akan menjadi parameter lain

yang dipertimbangkan.

Pendepakatan yang diusulkan dalam

studi ini sedikit berbeda dengan

pendekatan umum yang digunakan pada

studi sebelumnya. Pada studi-studi lain


depth of closure biasanya dihitung sebagai nilai

konstan. Sementara, dalam kondisi

sesungguhnya di alam, tidaklah mungkin hal

tersebut terjadi. Karena itu dalam studi kali ini,

depth of closure akan dihitung sebagai variasi

dalam arah paralel dengan garis pantai. Hal ini

akan sangat berguna untuk mendekati kondisi

hidrodinamik yang terjadi di alam, terlebih

dengan keberadaan bangunan pantai. Bangunan

pantai sendiri akan mempengaruhi pergerakan

sedimen dan juga kondisi hidrodinamik di laut.

Selanjutnya, hasil yang lebih akurat bisa

didapatkan saat mengaplikasikan pendekatan

ini dalam bidang rekayasa pantai, misalnya

untuk kasus perhitungan artificial beach

nourishment (Stive et al., 1991, Davidson et al.,

1992; Stauble et al., 1993), perhitungan sediment

budget dan analisis perubahan garis pantai

dengan menggunakan One Line Model

(Capobianco et al., 2002).

RESEARCH SUMMARYRESEARCH SUMMARY

WidyaningtiasMenempuh pendidikan S1-S2 di Institut Teknologi

Bandung (ITB). Sejak tahun 2009 hingga 2012

menjalani pendidikan S3 dalam bidang Teknik Sipil

Tohoku University. Sekembalinya ke Indonesia saat

ini menjadi staf peneliti di Jurusan Teknik Sipil ITB.

RESEARCH SUMMARYRESEARCH SUMMARY

Dalam studi ini, pendekatan variasi depth

of closure diaplikasikan untuk dua studi

area, Sendai Port dan Yuriage Port di Miyagi

Prefecture, Jepang. Perbandingan hasil

analisis studi terbaru dengan studi

terdahulu juga dapat diobservasi dari

Gambar 2. Dalam hal ini Sendai Port

memiliki breakwater dengan panjang

kurang lebih 2000m dan dibangun dengan

sudut tertentu terhadap garis pantai.

Sedangkan untuk Yuriage Port, terdapat

breakwater dengan panjang 700m dan

dibangun tegak lurus terhadap garis pantai.

Besaran panjang dan sudut dari bangunan

pantai ternyata mempengaruhi lokasi depth

of closure, dimana bangunan pantai yang

lebih panjang dan bersudut memberikan

efek depth of closure yang lebih dalam

dibanding dengan bangunan yang lebih

pendek dan dibangun tegak lurus terhadap

garis pantai.

Referensi:Birkemeier, W. A.: Field data on seaward limit of profile change., Journal of Waterway, Port, Coastal and

Ocean Engineering, Vol.111, No.3, pp.598-602, 1985.Capobianco, M., Hanson, H., Larson, M., Steetzel, H.J., Stive, M.J.F., Chatelus, Y., Hamm, L., Aarninkhof, S.

and Karambas, T.: Nourishment design and evaluation: applicability of model concepts, Coastal Engineering, Vol. 47, pp.113– 135, 2002.

Davison, A.T., Nicholls, R.J. and Leatherman, S.P.: Beach nourishment as a coastal management tool: An annotated bibliography on developments associated with the artificial nourishment of beaches, Journal of Coastal Research, Vol.8, pp.984-1022, 1992.

Hallermeier, R.J.: A profile zonation for seasonal sand beaches from wave climate, Coastal Engineering, Vol.4, pp.253–277, 1981.

Kraus, N.C., Larson, M. and Wise, R.A.: Depths of closure in beach fill design, Proc. 12th National Conf. of Beach Preservation Technology, Shore and Beach Preservation Association, pp. 271-286, 1999.

Nomura, K., Uda, T., Inaba, A. and Miyauchi, T.: Deformation of sand spit at the mouth of Abukuma River, Proc. of Coastal Engineering, JSCE, Vol. 33, pp.267-271 (in Japanese), 1986.

Sato, S. and Tanaka, N.: Sand motion on the horizontal bottom under waves, Proc.9th Japanese Conf. on Coastal Eng., pp.95-100 (in Japanese), 1962.

Stauble, D.K., Garcia A.W. and Kraus N.C.: Beach nourishment project response and design evaluation: Ocean City, Maryland, Report 1, 1988- 1992, Tech. Report CERC 93-13, CERC, US Army WES, Vicksburg, MS, 1993.

Stive, M.J.F., Roelvink, J.A. and DeVriend, H.J.: Large scale coastal evolution concept. Proc. 22nd Coastal Eng. Conf., ASCE, pp.1962–1974, 1990.

Uda, T.: Beach erosion in Japan, Sankaido, 442p (in Japanese), 1997.


Gambar 2. Variasi dari depth of closure (a)Sendai Port

(b)Yuriage Port

(a)

(b)

BREAKING NEWSBREAKING NEWS


Masih ingatkah kita pada kehebohan

beberapa tahun lalu tentang Kiamat 2012? Isu

tersebut muncul berdasarkan kalender suku

Maya yang akan habis pada tanggal 21

Desember 2012. Dari sisi ilmiah, pada saat itu

beberapa peneliti matahari memprediksikan

bahwa puncak aktivitas matahari akan jatuh

sekitar akhir 2012 dan akan lebih intens

dibandingkan puncak-puncak sebelumnya.

Artikel ini tidak akan membahas tentang

benar atau tidaknya dunia kita akan kiamat

akhir tahun ini, tetapi akan membahas kenapa

puncak aktivitas matahari perlu kita

waspadai. Berdasarkan data bulanan sampai

dengan Oktober 2012, NOAA/Space Weather

Prediction Center memprediksikan bahwa

puncak siklus matahari ke-24 akan jatuh

sekitar bulan Mei 2013. Hal ini tampaknya

dianggap masalah serius bagi negara-negara

yang berada di daerah lintang tinggi,

sehingga Juni lalu Amerika dan Inggris

menandatangani kesepakatan

kerjasama untuk mitigasi

dampak dari badai matahari

tersebut.

Seperti yang kita ketahui,

aktivitas matahari mempunyai

siklus 11 tahunan yang berarti bahwa setiap

11 tahun sekali, aktivitas matahari akan

mencapai puncaknya. Apa yang terjadi saat

itu? Ketika aktivitas matahari tinggi, frekuensi

dan intensitas radiasi dan badai geomagnetik

di bumi akan semakin tinggi.

Solar cycle progression: http://www.swpc.noaa.gov/SolarCycle/

Menyongsong Puncak Siklus Matahari ke-24:

“What happens at the sun does not stay at the sun”

SeptiPerwitasari

Sumber gambar: http://www.climatepedia.org/MagnetosphereAurora borealis: http://marknwt.blogspot.jp/2011/01/happy-friday-aurora-borealis.htmlHydro-quebec: http://www.solarweek.org/CS/t/1300.aspx

BREAKING NEWSBREAKING NEWS FEATURED ARTICLEFEATURED ARTICLE


Dengan semakin

tergantungnya kita dengan

teknologi berbasis satelit,

ancaman badai matahari ini

menjadi hal yang sangat

vital. Erupsi besar di

matahari akan menyebabkan

terlontarnya partikel-partikel

berenergi tinggi ke ruang

angkasa dan akan

menganggu satelit dan

wahana antariksa yang

mengorbit bumi. Partikel

berenergi tinggi dari

matahari yang biasanya

disertai dengan angin

matahari berkecepatan

tinggi, 300-1000 km/s ketika

mengarah ke bumi akan

mengubah medan magnet

bumi dan membentuk

magnetosfer. Medan magnet

bumi ini berfungsi sebagai

pelindung dari partikel

berenergi tinggi dan angin

matahari. Sebagian besar

dari partikel-partikel ini

dibelokkan oleh

magnetosfer dan sebagian

lagi terperangkap. Partikel-

partikel yang terperangkap

ini kemudian mengalami

percepatan sepanjang garis

medan magnet menuju kutub

bumi dan berinteraksi

(mengeksitasi) atmosfer

yang kemudian membentuk

aurora.

Arus listrik yang mengalir

saat terjadi aurora

mengganggu kerapatan

elektron di ionosfer

sehingga berakibat

terganggunya komunikasi

radio jarak jauh dan juga

terganggunya sinyal dari

satelit ke bumi yang

melewati ionosfer. Radio

blackout

total juga

bisa

terjadi

dan tidak

kalah

pentingny

a adalah

tergangg

unya

sistem

navigasi

global menggunakan GPS

dikarenakan kerapatan

elektron yang jauh dari

normal di ionosfer yang

dilewati sinyal GPS tersebut.

Badai geomagnetik yang

sangat besar juga berpotensi

merusak jaringan listrik di

bumi. Pemadaman listrik

besar-besaran pernah terjadi

di Quebec, Kanada tahun

1989. Pada saat itu terjadi

badai geomagnetik besar

yang menyebabkan mati

totalnya Hydro-Quebec,

jaringan listrik yang

melayani wilayah tersebut.

Auroral current ini juga

akan memanaskan atmosfer

sehingga menyebabkannya

mengembang yang akan

mempengaruhi orbit satelit

LEO (Low Earth Orbit) yang

mengorbit bumi pada

ketinggian ~400 km. Oleh

karena itu, sangat penting

untuk mendorong satelit-

satelit tersebut secara

periodik agar tidak jatuh ke

bumi.

Septi Perwitasari Menyelesaikan pendidikan S1 di

Jurusan Fisika Universitas Gadjah

Mada tahun 2008. Kemudian

mengabdi di Lembaga

Penerbangan dan Antariksa

Nasional sebagai peneliti di bidang

Ionosfer dan Telekomunikasi dari

tahun 2009 dan sekarang sedang

melaksanakan tugas belajar di

Jurusan Geofisika, Tohoku

University. Topik penelitian yang

dilakukan saat ini adalah gravity

wave yang teramati di airglow

emission sebagai indikator struktur

dan dinamika atmofer atas.E-mail: [email protected]

SOMEWHERE IN SENDAI


BuSet PPIS volume 4, Musim Dingin Desember 2012

Documents

salah satu samurai sendai

milyaran orang bergabung

bekerja secara efektif

menggangu kenyamana

pengolahan big data

buletin riset kali

hasil rekayasa teknologi

pengaruh bangunan pantai