Suatu hari, aku tiba-tiba diangkat anak oleh Kepala Badan Perwakilan Desa Mausambi. Orang tua baruku bernama Kris Paso, namun lebih akrab dipanggil Om Abang — panggilan yang cukup unik karena Om dan Abang merupakan dua jenis panggilan untuk generasi yang berbeda. Om Abang merupakan Mosalaki, kelompok adat yang diwariskan secara turun-temurun untuk mengurus kegiatan adat di Pulau Flores, khususnya di Kabupaten Ende.

Desa Mausambi merupakan desa yang terletak di pesisir utara Kabupaten Ende, di mana keindahan bukit dan pantai bertemu. Meskipun laut hanya berjarak lima langkah dari beranda, penghasilan utama masyarakat di sini bukanlah nelayan, melainkan petani. Menurut masyarakat, hal ini dikarenakan jumlah ikan yang tidak cukup banyak sehingga tidak menguntungkan untuk dijual, namun cukup untuk dikonsumsi sehari-hari.

Kegiatanku di sini adalah untuk menjalankan pembibitan bambu oleh Yayasan Bambu Lestari dalam rangka pengembangan kapasitas petani oleh Multistakeholder Forestry Program 4 (MFP-4), dan kebetulan aku sangat terlibat dalam seluruh kegiatan perancangan programnya. Ketika proses perancangan, aku sangat bersemangat untuk segera pergi ke sini. Aku tidak begitu mengerti kenapa, tapi mungkin salah satunya karena tim Kesatuan Pengelolaan Hutan Produksi (KPH-P) Kabupaten Ende yang begitu baik dan foto-foto pra-survei dari tim KPH yang begitu menggoda. Bagaimana tidak, mereka berdiskusi dengan masyarakat di pinggir pantai!

Selain itu, kenyataan bahwa aku akan pergi ke sini sendirian (biasanya dengan surveyor yang lain) menjadi salah satu tantangan yang kutunggu-tunggu. Apakah aku bisa berkomunikasi dengan KPH sendirian? Apakah aku bisa menaklukkan masyarakatnya? Ataukah aku akan menangis dan serta merta meminta pulang?

Pertama kali aku berpijak di Kabupaten Ende, aku disambut oleh tim KPH yang sangat ramah. Aku diberitahu bahwa lokasi proyekku nanti ada di bagian utara kota ini, dengan lama perjalanan kurang lebih tiga jam dari pusat kota. Lokasi ini, menurut tim, adalah lokasi yang masyarakatnya paling mudah didekati. Salah satu alasannya karena ada tim KPH yang memang tinggal di sana. Syukurlah, beban hidupku berkurang satu. Seharusnya mereka tidak akan mengusirku pergi karena tidak menerimaku… kan?

Dari pusat kota di Kabupaten Ende, perjalanan menuju Desa Mausambi merupakan perjalanan yang sangat memanjakan indera. Apalagi ketika sudah sampai di jalur utara, pemandangan yang kulihat di kiri-kanan jalan adalah perpaduan kuningnya savanna berbukit, putihnya pasir pantai dan birunya Laut Flores yang membentang ke utara. Sesampainya di desa, kelompok tani dan beberapa aparat desa sudah menungguku, salah satunya adalah Om Abang.

Om Abang merupakan Ketua Badan Permusyawaratan Desa (BPD), yang biasanya bertugas menghimpun aspirasi masyarakat untuk dibawa ke dalam musyawarah rencana pengembangan desa dalam rangka penentuan Anggaran Pendapatan dan Belanja Desa (APB-Des). Singkat cerita, kegiatanku di desa ini selalu didampingi oleh Om Abang, termasuk ikut mendiskusikan penentuan APB-Des! Seru sekali, aku merasa seperti bagian dari Desa Mausambi. Aku bahkan tidak seaktif ini di rumahku sendiri.

Berkegiatan bersama Om Abang dan komunitas di Desa Mausambi, membuatku banyak bersyukur karena diberikan kesempatan seperti ini. Bercanda, mengobrol di samping pantai, bergosip dengan siswi-siswi SMA, anak kos dari kosan yang dimiliki Om Abang. Siswi-siswi itu, bercerita tentang cita-citanya. Tentang keinginan menjadi perawat, tentara, pramugari, dan diterpa realita bahwa cita-cita itu tidak mungkin tercapai karena keterbatasan biaya dan akses. Begitu sulit mendapatkan beasiswa di sana, dan tidak banyak dari mereka yang berani bermimpi jauh. Mereka menyadari bahwa batasan-batasan mimpi itu tercipta dari realita yang terpampang nyata.

Bahwa setelah kuliah, mereka akan kembali membantu ibu dan bapak mereka berkebun di kampung. Lalu menunggu untuk dipersunting lelaki yang dikenalnya di kampung, atau di sekolah, atau mungkin dikenalkan oleh orang tua. Begitu sulit mendapatkan akses untuk meraih beasiswa, belum lagi nilai-nilai yang tidak mencukupi yang mungkin bukan karena mereka tidak pintar, namun karena terbatasnya kapasitas guru, alat dan bahan, serta akses pengetahuan dan informasi yang tidak setara dengan orang-orang yang ada di kota. Di sini aku belajar, bahwa putus asa tidak semata karena kemalasan, tapi juga seringkali terjadi karena keadaan. Karena adanya ketidakadilan.

Setelah membaca kembali ceritaku ini, di tahun 2025, 5 tahun setelah aku terakhir mengunjungi Desa Mausambi, ada perasaan tidak nyaman di dalam hatiku. Selama ini, apakah pengalaman hidupku sudah kupelajari untuk menentukan tujuan hidupku? Mengapa aku merasa semakin jauh dari tujuan hidupku, terlupakan oleh industri-industri besar dan keinginan mereka untuk “bertanggung jawab” kepada lingkungan dan sosial.

Bagaimana persoalan yang tampak di depan mata tidak mampu diselesaikan dengan pendekatan-pendekatan yang dihadirkan oleh standar internasional yang kupelajari. Bagaimana siswi-siswi SMA di Desa Mausambi tetap tidak dapat meraih mimpinya meskipun ada analisis dampak sosial yang diwajibkan peraturan Indonesia.

Sebenarnya apakah yang aku cari? Mengapa rasanya ini semua sangat berkaitan namun juga sangat bertolak belakang? Mengapa semakin aku bereksplorasi, aku merasa semakin jauh dari apa yang aku yakini?

Di pinggir Pantai Mausambi, aku berbincang dengan Om Abang dan Pak Kades. Bercanda dengan bapak-bapak, ibu-ibu, sambil menonton anak-anak SMA yang sedang main voli. Kala itu matahari hendak tenggelam, menutup hari yang ringan dan tanpa beban. Aku menatap matahari di pesisir, berkhayal tentang apa yang akan terjadi di hidupku 5 tahun lagi.

Sembilu dan Pisau Bambu was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

When I was a child, I remember watching this particular scene in Snow White, where she runs away from the huntsman into a creepy forest. The trees have eyes and teeth, their arm-like branches are coming to grab her at any time.

Those are few of extreme examples of trees as something else — as another being. But trees are its own remarkable being that often misunderstood. Their way of living is not all about ‘survival of the fittest’.

Peter Wohlleben, a German forester, in his book, “The Hidden Life of Trees” best depicts these qualities. Just like us humans supposed to be, trees learn from experience. They have to make decisions throughout their lives, like when do they shed their leaves? Where there might be more nutrients or moisture to let their root grow?

“We have generally thought of trees as striving, disconnected loners, competing for water, nutrients and sunlight, with the winners shading out the losers and sucking them dry.”

Just like humans being social, trees support each other and form an alliance. In an ideal condition or in every forest that is not too damaged. Trees can communicate through the air, using pheromones and other scent signals. Scientists are just beginning to deciphers how they communicate through the network, trees send chemical, hormonal and slow-pulsing electrical signals (how cool is that!).

Sure, these anthropomorphic metaphors aren’t perfect, but through it hopefully, we can come to shed our ignorance and blindness. People had never really looked at trees before or thought about life from their perspective. Associating human-like quality might work well for us to be more compassionate towards trees, our fellow living things which we often took for granted.

Trees are life, protect them and their ecological glory.

Trees, Personified was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

An alarming increase of air quality index in Jakarta

Jakarta’s bad air quality has been a hot issue since people living there mentioning repeatedly how smog smothered the fully air-conditioned skyscrapers they worked in. According to Greenpeace report released in early 2019, Jakarta is listed as Southeast Asia’s most polluted city. It is also shown in Air Visual stated in The Jakarta Post that the capital’s AQI has never been categorized as “healthy”, and the index is extremely higher than any other capital cities in developed countries. It is scary to think about how polluted the air is, while throwing an unfinished takeout lunch in the inorganic trash bin, of course. Even though the issue arises in Jakarta, but it doesn’t mean that other cities are safe. Rumor has it that Denpasar, Bali also has a similar issue, with an index that is slightly lower than the capital. There are actually various data about this air quality, but the intention of these facts is bad air quality may harm you in a long term kind of thing; this will not affect you right here, right now; but later on.

The government said, it is not “that bad”, though —the increased concentration of particulate matters that affect bad air quality is due to construction projects, which is common for the city’s development. Are they trying to say that sacrificing your lungs for city growth is acceptable?

They also said that there are differences in the parameters of quantifying air quality. They said to The Jakarta Post (29/06/2019), standard used in Indonesia only monitors dust particles of PM10, while US AQI (the standard used in Greenpeace and Air Visual) measures PM2.5. PM stands for particulate matter and the numbers after it are the maximum size of those matters, which means smaller than 2.5 µm/m³ for PM2.5 and smaller than 10 µm/m³ for PM10. According to the national standard, the air quality is acceptable for 87% of days in January — June 2019, and only 13% of days in Jakarta where you can’t breathe safely.

These stated facts above are for outdoors air quality, and I overheard people that said “my office is indoor and I barely go outside so I think it would not affect me that much?”. Would it, though? It got me thinking really hard and finally made me do a mini research about indoor air pollution. The answer is, yes, there is such thing as indoor air pollution. Surprisingly, indoor air is polluted between two and five times greater than outdoors most of the time. Matthew S Johnson, chief science officer at Airlabs (an air filtering technology) said in BBC (16/10/2018) that “indoor air contains whatever pollution you have outside, plus whatever you are adding inside a building, such as cooking, cleaning products, volatile organic compounds from decorations and building materials”. You have to be sure that the air inside your building filtered thoroughly to make sure it is not polluted. Therefore, wherever you are, this issue is important for you to be concerned of.

The cause of it

City development, which is a hot issue right now in especially the (soon to be moved) capital city of Indonesia, claimed to contribute the air pollution the most. Vehicles produce carbon monoxide as the byproduct along with coal-burning power plants are also the villain here. Using cars to go to places alone is ineffective in terms of fuel use and pollution. And hey, electricity is always taken for granted by leaving TV and lamps on when not used. The air conditioner produces green house gas, and the burning fuel that electrify air conditioner emits green house gas too. Those are things that I slowly work on myself (and I believe some people too) to not contribute, though massive industries should be watched out too (in fact, they are the ones that should include environmental perspective in their productions the most).

The government comes up with green areas to cope with the problem, but why? And how? Well, we will get on that later. Some forests are even protected for this. However, the unprotected ones, are massively converted for the city development which includes houses, industries and infrastructures. I wonder how they calculate the green areas needed to assimilate the pollution though, as it turns out didn’t work effectively. Not to mention the deforestation — due to the failure of forest protection — are decreasing green areas (that is barely even there).

Something that fascinates me now is the piled up organic and inorganic waste, though. The inability of organic litters to contact the oxygen affects its decomposition. It is due to inorganic litters that mixed with them, therefore they have to decompose anaerobically (without oxygen) and activate the microbes that emit methane in the process. It is similar to livestock and other agriculture problems which emit the same thing. Methane (CH4), as we might already know, is one of the green house gases. Aside from its effect on global warming that leads to climate change, Climate and Clean Air Coalition said that it is a key precursor gas of the harmful air pollutant — tropospheric ozone (O3) — which is a major component of urban smog.

How forest protects you

It is mentioned that green areas can help filtering those harmful human’s byproduct (pollution), yet how these amazing food making organisms become the shield that protects us from those harmful matters?

Green areas consist of land autotrophes; green organisms that made their own food by converting light and carbon dioxides into complex organic compounds to feed themselves. Including but not limited to trees, grasses, flowery plants, and palmaes. The ecosystem whom unite them all, creating habitat for other living organisms to depend their lives on it, is forest. Forest is one of green areas that has complex interaction, therefore not all green areas are forest.

The major role of the green organisms whom protect your nose is taken by the trees. The main focus of green areas that mitigate air pollution, and for a forest to be called “forest”, is the tree. Mainly because trees create bigger and much complex habitat and resulting in the dependence of various living organisms. How do they clean the air, though?

Physically, the PM2.5 and PM10 are trapped in their leaves and also their trunks, thus trees with bigger canopy, bigger leaf area, plenty leaves and strong branches are more considerable. Chemically, all autotrophes transform carbon dioxides (CO2) into oxygen (O2), and CO2 is one of the green house gases that contributes to global warming. One of the greatest green house gases, which is more effective to trap heat than CO2, is methane. It can be reduced naturally by anaerobic oxidation by microbes and also methanotrophs, which contributes to dry soil oxidation. This healthy cycle can be found in a healthy ecosystem, which provides the shelter for all organisms to live. It is all provided by forest, and actually can be made in a simple habitat in green areas. To simplify, forest hosts all the living organisms that takes role in processing the byproducts into something useful to other organisms, in which creating an endless cycle. Therefore, by protecting what naturally absorbs pollution, we protect ourselves too.

On a side note, and a bad news, trees that naturally absorb physical particulate matters and harmful gases could cause plant diseases. Of course it has to sacrifice something, and of course the helpless, innocent ones will take the blame.

How to reduce air pollution and protect forest in your smallest act

To slightly reduce air pollution — because nature has limitations to assimilate the byproducts (and also to reduce plants’ sacrifice) — the conclusion is to be more conscious. Conscious on what gases we emit, if we overuse the electricity, if we don’t finish our lunch and don’t make sure that they are composted well, if we overuse the transportation that uses fuel, if we do something that requires burning (like cooking, campfires). I know we can’t completely ignore them, that case we can’t even survive to live. But by being conscious, we can be more aware and slowly reducing our emission. And how to protect forest? It is as simple as stopping land conversion. Let forest land be a forest land, let the animals, microbes, plants, and fungi live there and do their role in their niches.

It is a pity that non talking plants have to suffer from the mess that (so-called conscious) humans have caused. Maybe we should learn from their sincerity. Isn’t it fair to protect what protects you silently?

*I have been procrastinating to finish this article since June 2019. I know this issue is literally so last year but I think this writing deserves to be published (of course this is a personal opinion). I hope people can be more aware, and gain more information while reading this. And also, I am open to be corrected so feel free to discuss. I wish you all a happy (belated) new year! I wish this issue would not arise again in this year!

Forest for your nose was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

Bagaimana jadinya bila kita mempunyai data yang sangat banyak dari hasil simulasi atau pengukuran yang hasil file-nya tidak dapat langsung diolah menggunakan excel (import data terlebih dahulu) dan dari sini kita juga hendak menampilkan grafiknya. Ekstensi file-nya biasanya berupa .txt atau .csv yang tentunya biasanya dibuka langsung lewat notepad. Beberapa tools di kehutanan biasanya menggunakan format tersebut, misalnya saja tools untuk simulasi tegakan agroforestri, air, kebakaran, visualisasi tegakan, dll. Hal ini layaknya saja imulasi menggunakan beberapa software yang terdapat di kehutanan, misalnya SExI-FS (Spatially Explicit Indvidual-based Forest Simulator), SPRTIE-ND (Software for spatially-explicit simulation of forest dynamics), FARSITE (Fire Area Simulator), FlamMap ( Fire behavior mapping and analysis program), FVS (Forest Vegetation Simulator), SVS (Stand Visualization System) dan lain sebagainya.

Untuk memudahkan mendeskripsikan output file yang dihasilkan, saya ambil contoh simulasi untuk memprediksi pertumbuhan pohon menggunakan salah satu software yang telah disebutkan. Untuk membandingkan pertumbuhan akibat pengaruh jarak tanam, tentunya saya mensimulasikan pohon dengan jarak tanam acak dan tertentu (ambil saja 3x3m atau 5x5m). Pada kasus jarak tanam acak, saya menggulirkan (merunning) sampai mendapatkan pola yang sama, sehingga data yang dihasilkan mungkin lebih dari 5 bahkan 10. Jika pada masing-masing pola tanam, saya menggunakan 6 spesies dan masing-masing sebanyak 5 individu, darisini jikalau saya mensimulasikan 20 tahun (penanaman dimulai pada tahun ke-0), maka akan terdapat kira-kira 620 row per data, tinggal dikalikan saja kalau saya mempunyai lebih dari 10 data.

Nah, sekarang itu baru yang di pola acak. Terus kalau di pola dengan jarak tanam tertentu bagaimana?(3x3m dan 5x5m) Bayangkan saja, misal saya ingin melakukan simulasi dengan 6 spesies tadi. Jika kondisinya penanaman yang akan dilakukan tidak memperhatikan urutan (tiap spesies dapat ditanam dijalur mana saja), berarti kan menggunakan permutasi dari 6 spesies tadi. Berarti data yang akan kita hasilkan sebanyak 6!=720 data, kemudian tinggal dikalikan saja dengan 620 row, itulah data gabungan yang akan kita dapatkan. Bisa saja kita menggunakan kombinasi, dengan kondisi spesies yang akan kita simulasikan memperhatikan urutan dan terdapat dua spesies yang selalu berpasangan, sehingga data yang akan kita dapatkan sebanyak 6!/(6–2)!= 30 data. Masih banyak juga kan…cmiwwiww

Apa itu R?

Secara general R dapat didefinisikan sebagai berikut:

A system for statistical computation and graphics. It provides, among other things, a programming language, high level graphics, interfaces to other languages and debugging facilities.

Intinya mah macam tools statistik layaknya software statatistik pada umumnya. Lebih lengkapnya dapat ditanyakan kepada kawan google. Alasan pribadi saya menggunakan R karena ringan, pengalaman dengan laptop yang saya pakai jika menggunakan SPSS, Minitab, bahkan MATLAB sekalipun hasilnya sudah pasti memunculkan layar putih disertai tulisan not responding. Penggunaan R tentunya tidak sulit, karena di TPB kita telah diajari menggunakan bahasa C/C++ kalau tidak salah pada matakuliah PTI B. Tinggal bagaimana mempelajari struktur bahasa yang terdapat di R.

Memulai Perhitungan dengan R

Pada tulisan ini saya menggunakan R pada Atom dengan package Hydrogen, PlatformIO IDE Terminal, Hydrogen Launcher dan R extensions. Cara instalasinya dapat dilihat disini. Kalau laptop sedang tidak bersahabat, terkadang saya juga menggunakan Jupyter Notebook menggunakan Anaconda. Instalasinya dapat dilihat disini, atau kalau pembaca lebih nyaman dengan RStudio tidak masalah. Senyamannya saja, karena semuanya gratis layaknya pelukan kekasih…

Pertama kita panggil semua file yang mempunya format .csv yang berada pada folder random_csv, 3x3_csv, dan csv_5x5. File-file yang kita panggil didefinisikan menggunakan variabel csv_random, csv_3x3, dan csv_5x5. Dalam R, untuk mendefinisikan variabel dapat menggunakan “=” atau “<-”. Semantara itu, untuk membuat komentar dapat menggunakan “#”. Kalau kita cek masing-masing, data pada csv_random sebanyak 10 file, csv_3x3 sebanyak 7 file, dan csv_5x5 sebanyak 7 file.

Kemudian kita convert menggunakan fread, dplyr, data.table, package-package tersebut sudah ada jika kita install R menggunakan anaconda. Hasil dari gabungan data-data tadi menggunakan library “readr” kita satukan. Beberapa pengertian code dapat dilihat dibawah ini:

read.csv("...") #untuk membaca data dengan ekstensi file .csv
head() #untuk melihat data yang paling atas
tail() #untuk melihat data yang paling bawah
dim() #untuk melihat dimensi dari data
str() #untuk melihat struktur dari data

Pada masing-masing data hasil gabungan, terdapat satu kolom yang berubah namanya, yaitu pada kolom “ï..SIM_AGE”. Hal ini ditengarahi oleh penomoran pada kolom yang ikut digabung. Kita bisa edit manual nama ini dengan excel atau bisa juga menggunakan R langsung, yaitu dengan code

setnames(old=c("nama kolom yang ingin dirubah), new=c("nama kolom baru"))

Pada package dplyr terdapat operator yang memudahkan kita untuk melakukan perhitungan. Operator/syntax tersebut bernama pipe yang dalam R berupa symbol “%>%”. Secara sederhana operator “%>%” menggantikan kata-kata “kemudian/then”. Secara matematis penjelasan operator pipe dapat dilihat pada gambar di bawah ini.

Apa selanjutnya?

Dari sini kita bisa melakukan apapun yang kita kehendaki dari data kita. Misalnya saja yang ingin menghitung rata-rata variabel pertumbuhan pohon yang ada (dbh, tinggi, kedalaman tajuk, jari-jari tajuk). Akan tetapi rata-rata yang kita inginkan berdasarkan spesies dan umur simulasi saja. Code yang digunakan sebagai berikut:

~ select() #memilih kolom yang akan dihitung
~ group_by() #memilih kolom yang digunakan sebagai label
~ summarise_at(vars(kolom yang dihitung), 
  funs(mean), na.rm = TRUE) #menghitung rata-rata

Hasilnya seperti yang nampak pada gambar dibawah ini.

Kita juga bisa melihat rata-rata dbh saja dan kemudian kita transform tabel untuk melihat data kita lebih ciamik.

Penutup

Begitulah kira-kira yang dapat dilakukan menggunkan R untuk membantu pekerjaan kita di bidang kehutanan. Mungkin pada postingan kali ini tidak mendetail penjelasannya, karena tujuannya memang hanya memberikan gambaran sahaja. Untuk lebih jelasnya bisa searching lebih detail di google saja. Pada postingan selanjutnya, mungkin saya akan menunjukan perhitungan yang lebih detail menggunakan R misal untuk regresi non-linier, mengelola grafik, RQDA (Qualitative Data Analysis) dan mungkin NLTK (Natural Language Toolkit), TensorFlow atau k-means clustering menggunakan python.

Berikut saya sertakan kode R-nya secara full beserta beberapa preview hasilnya menggunakan Jupyter Notebook. Akhir kata semangat mencoba, jangan lelah untuk belajar sampai ajal menjemput…

Cukup Sekiyan dan Terima Nasib!!!

Mengolah data menggunakan R was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

Pada suatu waktu ketika bumi masih berupa primordial soup dan Jatinangor secara etimologis masih berupa gugusan asam amino, saya bersama Reza (ahli taksonomi tumbuhan bawah laut dan nama-nama ikan) sedang asyik-asyiknya menikmati suasana alam yang sedang sepi-sepinya tersebut. Singkat cerita, kami tanpa sengaja melewati beberapa spesies tumbuhan yang unik-unik, tak ayal kami dengan segala insting ketumbuhan yang dimiliki mulai tebak-tebak berhadiah, menebak ini dan itu termasuk spesies A, B, C, dst. Masalah mulai muncul ketika terdapat satu spesies yang cirinya mirip dengan ciri-ciri spesies yang terdapat pada memory otak kami, sehingga kami tidak dapat memastikan spesies tersebut termasuk spesies yang mana dan ditambah lagi kami lupa membawa kunci determinasi (waktu itu kayaknya belum ada kunci determinasi). Akhirnya, kami berdua sama-sama bersitahan dengan segala kesoktahuan pendapat masing-masing.

Cerita imajinatif diatas sebenarnya merupakan masalah yang sering kita hadapi sehari-hari. Tidak hanya di bidang kehutanan, di bidang-bidang yang lain-pun serupa tapi tak sama. Misalkan kita diberikan suatu grup data, yang mana data tersebut sudah mempunyai label/kelas/kategori yang sudah jelas, kemudian terdapat data baru yang masuk kedalam data kita yang lama. Kemudian muncul pertanyaan, data yang baru tersebut termasuk label/kelas/kategori yang mana berdasarkan data yang sudah?.

Contoh yang lebih kekinian misalkan saja saya mempunyai data ciri-ciri famili (independent variable) dan data nama famili (dependent variable) seperti berikut (Didalam dunia Machine Learning, Independent Variables sering disebut juga sebagai Features) :

Dari contoh di atas jikalau saya menemukan spesies yang bercirikan bentuk hidup perdu, bunga panikula, dan buahnya memiliki 3 stamen, apakah spesies tersebut termasuk famili lauraceae, piperaceae, atau papaveraceae. Atau malah tidak termasuk ketiganya? Contoh lain dalam ranah kuantitatif, misal kita melakukan suatu pengukuran terhadap panjang sepal, lebar sepal, panjang petal, dan lebar petal dari spesies Iris setosa, Iris versicolor, dan Iris virginica. Kemudian kita ingin tahu ketika kita mempunyai data panjang sepal 5 cm dan lebar sepal 2,4 cm atau panjang petal 3,5 cm dan lebar petal 1,1 cm termasuk spesies Iris yang mana. Setosa, versicolor, atau virginica? atau bahkan tidak ketiganya.

Atau contoh yang lebih jelas lagi, ketika terdapat acara himpunan, mantan, teman, kabinet, dll. Nah kita ketika itu sedang gamang, antara datang atau tidak. Entah alasannya karena kemanfaatan, kebutuhan, atau penting tidaknya acara tersebut. Kemudian kita menghubungi kawan-kawan terdekat kita untuk menanyakan apakah mau datang ke acara tersebut atau tidak. Alhasil, dari 10 kawan yang kita tanya, ternyata 3 datang dan 7 orang tidak akan. Keputusan apa yang akan kita ambil? Kebayang untuk melakukan regresi-kah?

Sekilas tentang KNN (K-Nearest Neighbors)

Secara sederhana K-nearest neighbors atau knn adalah algoritma yang berfungsi untuk melakukan klasifikasi suatu data berdasarkan data pembelajaran (train data sets), yang diambil dari k tetangga terdekatnya (nearest neighbors). Dengan k merupakan banyaknya tetangga terdekat. KNN ini dapat kita temukan bilamana kita sedang belajar Machine Learning. ML intinya berkaitan dengan automasi atau bagaimana sebuah machine dapat belajar dari contoh-contoh yang kita berikan, terus memprediksi sesuatu yang sesuai dengan contoh-contoh tadi.

Lihat gambar di bawah, misalnya terdapat dua kategori yang ditunjukkan dengan Lingkaran Merah (LM) dan Kotak Hijau (KH). Kemudian kita hendak mengetahui kategori dari Bintang Biru (BB). BB dapat berupa LM atau tidak keduanya (gambar sebelah kiri). K adalah jumlah tetangga terdekat yang akan kita gunakan, asumsikan saja k = 3 (gambar sebelah kanan). Tentu dari sini kita bisa dapat segera tahu dengan membuat lingkaran yang memungkinkan BB menjadi di tengah-tengah 3 titik terdekat. Tiga titik terdekat ke BB adalah LM. Oleh karena itu, dengan sangat yakin kita dapat mengatakan bahwa BB mempunyai kelas LM. Dari sini tentu kita sadar, bahwa penentuan nilai K sangat penting pada algoritma KNN.

Dalam menentukan nilai k, sebaiknya kita gunakan nilai ganjil, karena jika tidak, ada kemungkinan kita tidak akan mendapatkan jawaban

Penentuan jarak terdekat diantara dua titik di atas dapat menggunakan dalil Pythagoras, akan tetapi bilamana terdapat lebih dari dua feature/independent variable kita dapat menggunakan euclidean distance, jaccard, cosine, manhattan, minkowski, dll. Selengkapnya dapat dilihat disini.

Kalau diterapin di SIG (Sistem Informasi Geografis) tentu bisa dong? yup tentu sangat bisa. Misal untuk menentukan lokasi dari dua titik. Lihat gambar di bawah ini untuk lebih jelasnya.

Secara garis besar dalam dunia data mining atau data science terdapat 2 pendekatan untuk melakukan teknik — teknik data mining. Supervised learning adalah sebuah pendekatan dimana sudah terdapat data yang dilatih, dan terdapat variable yang ditargetkan sehingga tujuan dari pendekatan ini adalah mengkelompokan suatu data ke data yang sudah ada, lain halnya dengan unsupervised learning, unsupervised learning tidak memiliki data latih, sehingga dari data yang ada, kita mengelompokan data tersebut menjadi 2 bagian atau 3 bagian dan seterusnya.

Sederhananya, Supervised itu artinya sudah termanage dengan baik (data yang fitur dan labelnya udah jelas). Misal jikalau terdapat ciri-ciri daun yang phyllotaxis-nya berhadapan berseling, circumscriptio berbentuk jorong, apex falii berbentuk runcing, dan nervatio menyirip itu berarti sudah jelas mengkudu (Morinda citrifolia). Sedangkan Unsupervised learning targetnya atau labelnya belum jelas. Metode yang dipakai biasanya Clustering. Jadi kita cuma ngelompokin data yang punya keterkaitan satu sama lain, tanpa tahu mereka sebenernya bener-bener satu label atau enggak. Algoritma Supervised Learning misalnya Decision tree, Nearest — Neighbor Classifier, Naive Bayes Classifier, Artificial Neural Network, dll. Algoritma Unsupervised Learning misalnya K-Means, Hierarchical Clustering, DBSCAN, dll.

Siapa bergaul dengan orang bijak menjadi bijak, tetapi siapa berteman dengan orang bebal menjadi malang. ~ Amsal, 13:20

Iris datasets

Kali ini saya menggunakan Python untuk melakukan coba-coba model. Disini saya menggunakan dataset iris. Dataset ini sangat populer digunakan untuk latihan pertama (R atau python). Iris biasanya sudah tersedia didalam modul sklearn (lengkap dengan target dan feature) atau jika kita belum install sklearn, kita bisa mengunduhnya disini.

# code untuk install modul sklearn
pip install -U scikit-learn #jika menggunakan pip yang ada di python
conda install scikit-learn #jika menggunakan anaconda

Terdapat 150 observasi (row) dengan feature/independent variable sebanyak 4 (Panjang sepal, lebar sepal, panjang petal, dan lebar petal). 150 observasi tersebut dibagi menjadi 50 observasi pada masing-masing spesies (Iris setosa, Iris versicolor, dan Iris virginica). Pada data iris, kita tidak akan menjumpai nilai null (N/A), sehingga kita tidak perlu capek-capek untuk merapikan data tersebut. Selengkapnya dapat dilihat disini.

Pada gambar di bawah saya menggunakan atom dengan data iris yang sudah secara default berada pada modul sklearn. Kita tinggal memanggil data tersebut. Kemudian seperti biasa, kita definisikan variabel untuk memanggil data tersebut, dalam hal ini iris = load_iris().

Untuk gambar di bawah ini saya menggunakan jupyter notebook, dengan data iris hasil download dengan format file csv. Modul Pandas dapat mempermudah kita dalam pemanggilan dataset yang kita butuhkan, untuk lebih jelasnya dapat dibaca disini. Penilaian subjektif saya, jika membandingkan atom dan jupyter notebook, saya lebih suka menggunakan jupyter notebook, karena selain ringan dia juga dapat mengeksport code-code yang telah kita tulis menggunakan ekstensi Gist-it ke github yang kita miliki.

Hasil grafik dari kedua kode (jupyter dan atom) memang sama saja, walaupun terdapat perbedaan, karena memang struktur file-nya sudah berbeda sejak awal. Jadi jangan bingun bilamana file yang dari sklearn tidak dapat menampilkan head() karena bentuknya dataframe.

Apabila ingin menampilkan PCA (Principal Component Analysis) dapat menggunakan code di bawah:

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn import datasets
from sklearn.decomposition import PCA

# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2]  # we only take the first two features.
y = iris.target

x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5

plt.figure(2, figsize=(8, 6))
plt.clf()

# Plot the training points
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Set1,
            edgecolor='k')
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')

plt.xlim(x_min, x_max)
plt.ylim(y_min, y_max)
plt.xticks(())
plt.yticks(())

# To getter a better understanding of interaction of the dimensions
# plot the first three PCA dimensions
fig = plt.figure(1, figsize=(8, 6))
ax = Axes3D(fig, elev=-150, azim=110)
X_reduced = PCA(n_components=3).fit_transform(iris.data)
ax.scatter(X_reduced[:, 0], X_reduced[:, 1], X_reduced[:, 2], c=y,
           cmap=plt.cm.Set1, edgecolor='k', s=40)
ax.set_title("First three PCA directions")
ax.set_xlabel("1st eigenvector")
ax.w_xaxis.set_ticklabels([])
ax.set_ylabel("2nd eigenvector")
ax.w_yaxis.set_ticklabels([])
ax.set_zlabel("3rd eigenvector")
ax.w_zaxis.set_ticklabels([])

plt.show()

Kita juga dapat meggunakan plot dari seaborn, yang mana dapat memperlihatkan hubungan bivariat antar masing-masing pasangan feature yang kita miliki. Dari pairplot tersebut kita dapat melihat bahwa pada masing-masing kombinasi feature, spesies Iris setosa cenderung terpisah dari kedua spesies lainnya. Minimal dari sini kita dapat mempunyai sense terhadap data kita apabila ingin memasukkan data baru.

sns.pairplot(iris.drop("Id", axis=1), hue="Species", size=3)
# sns adalah modul seaborn, jika kita ingin memanggilnya cukup tambahkan diatasnya import seaborn as sns
# iris adalah nama data kita di dalam code

KNN dengan python

Langkah pertama adalah memanggil data iris yang akan kita gunakan untuk membuat KNN. Misal masing-masing target/spesies kita berikan nilai yang unik, setosa=0, versicolor=1, virginica=2. Pada gambar di bawah ini dapat dilihat jika kita menggunakan K=1 dan data baru a=[1,2.7,3.6,4.2]. a mewakili masing-masing nilai feature. Hasilnya adalah 2, yaitu Iris virginica.

Jika saya ganti nilai k=3 dengan nilai data a tidak saya rubah, maka hasil menjadi 1, yaitu Iris versicolor.

Untuk menghindari overfitting, kita dapat membagi iris dataset tadi menjadi data train dan test. Perbandingannya 80%:20%, sehingga bakal ada x buat training dan testing, begitu juga dengan ‘y’ bakal ada y buat training dan testing. Jadi dari 150 total observasi pada data iris, terdapat 120 observasi pada data train dan 30 observasi pada data testing. Script pemisahan data train dan test dapat dilihat di bawah.

from sklearn.model_selection import train_test_split   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20)

Cross-validation

Cross-validation (CV) adalah metode statistik yang dapat digunakan untuk mengevaluasi kinerja model atau algoritma dimana data dipisahkan menjadi dua subset yaitu data proses pembelajaran dan data validasi / evaluasi. Model atau algoritma dilatih oleh subset pembelajaran dan divalidasi oleh subset validasi. Selanjutnya pemilihan jenis CV dapat didasarkan pada ukuran dataset. Biasanya CV K-fold digunakan karena dapat mengurangi waktu komputasi dengan tetap menjaga keakuratan estimasi.

Misal nih, data kita ada 150. Ibarat kita pake K=5, berarti kita bagi 150 data menjadi 5 partisi, isinya masing-masing 30 data. Jangan lupa, kita perlu menentukan mana yang training data dan mana yang test data. Karena perbandingannya 80:20, berarti 120 data adalah training data dan 30 sisanya adalah test data. Berdasarkan 5 partisi tadi, berarti bakal ada 4 partisi x 30 data = 120 training data. Dan sisanya ada 1 partisi test data berisi 30 data. Kemudian, experimen menggunakan data yang udah di partisi-partisi bakal diulang 5 kali (K=5). Tapi posisi partisi Test data berbeda ditiap iterasinya. Misal di iterasi pertama Test nya di posisi partisi awal, terus iterasi partisi kedua Test-nya di posisi kedua, dan seterusnya, pokonya gaboleh sama.

Hasil running code diatas menunjukkan bahwa algoritma KNN yang telah kita lakukan dapat mengklasifikasikan semua observasi (30) dalam set test dengan akurasi 97%, yang artinya susdah sangat bagus. Meskipun algoritma KNN dilakukan sangat baik dengan dataset ini, jangan berharap hasil yang sama dengan semua dataset. KNN tidak selalu berkinerja baik dengan data yang memiliki dimensi tinggi atau yang memiliki feature yang sangat kategoris.

Menentukan nilai K

Nah sekarang kita akan mencari tahu nilai K berapa yang akan menghasilkan akurasi tinggi. Karena kita tahu sendiri pada algoritma KNN, penentuan nilai K sangatlah krusial. Kita akan melihat nilai K dari 1–40. Berikut code yang dapat kita gunakan:

Dari hasil di atas kita dapat melihat bahwa yang memiliki nilai error rata-rata 0 adalah ketika nilai K sebesar 4, 6–24. Hasil ini dapat dijadikan pedoman ketika kita ingin menggunakan nilai K yang memiliki akurasi tinggi. Dari situ kita dapat meminimalisir kesalahan prediksi.

Selanjutnya?

Kita dapat menampilkan plot hasil klasifikasi data iris. Kemudian kita dapat melihat perubahan yang terjadi ketika nilai K berbeda. Langkah ini sangat membantu jika kita tidak dapat membayangkan bagaimana data tersebut bekerja.

Kita juga dapat membuat code ketika menjadi dinamis, sehingga memungkinkan adanya interaksi ketika kita memasukkan data. Hanya dengan menambahkan beberapa perintah logika kita dapat melakukan hal tersebut.

import numpy as np
from sklearn import neighbors, datasets
from sklearn import preprocessing 
 
n_neighbors = 6
 
# import some data to play with
iris = datasets.load_iris()
 
# prepare data
X = iris.data[:, :2]  
y = iris.target
h = .02 
 
# we create an instance of Neighbours Classifier and fit the data.
clf = neighbors.KNeighborsClassifier(n_neighbors, weights='distance')
clf.fit(X, y)
 
# make prediction
sl = input('Enter sepal length (cm): ')
sw = input('Enter sepal width (cm): ')
dataClass = clf.predict([[sl,sw]])
print('Prediction: '),
 
if dataClass == 0:
    print('Iris Setosa')
elif dataClass == 1:
    print('Iris Versicolour')
else:
    print('Iris Virginica')

Sekian yang dapat ditorehkan, kurang lebihnya maap-maap aje…

K-Nearest Neighbors Menggunakan Python was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

Pernah memandang langit biru di bawah pohon yang rindang? Paduan yang indah bukan? Berkah dari warna hijau yang dimunculkan oleh klorofil berkolaborasi dengan kuningnya matahari menjadi rezeki bagi makhluk hidup yang senantiasa berdzikir di dinginnya malam.

Hari ini, dengan sederhana aku rayakan keberkahan atas embun pagi yang menyejukkan hati, atas udara yang tidak pernah dimunculkan pelangi dan atas pemandangan di depan mata yang tidak pernah mengecewakan rasa. Terimakasih

Mungkin, hari ini kau akan berdiri di atas trotoar lalu menyisakan sedikit air sisa dari dahagamu lalu memberikannya pada pohon tua besar disana. Tak perlu repot, katanya. Akarku masih mampu menyerap air dari tanah sisa-sisa hujan sendu kemarin.

Mungkin, hari ini kau akan berkampanye berteriak tentang pentingnya mencintai lingkungan, tentang menanam, tentanng pengurangan penggunaan ini-itu atau mengunggah foto-foto lalu menulis “Selamat Hari Pohon”. Sungguh, usaha yang berarti untuk menghargai.

Mungkin, hari ini kau hanya akan masuk kelas mendengar temanmu menjadi penyaji tentang hasil diskusi dan kau berniat untuk belajar dengan sungguh. Niatmu akan menjadi kesenangan dan do’a bagi semua pohon di sekitarmu. Karena sejatinya, pohon-pohon akan berdzikir atas niat baik yang hampir di dalam hatimu.

Biarkan dengan bebas bagaimana kau merayakan hari yang mendung ini. Berdo’a agar hujan datang sebagai hadiah terindah yang Tuhan berikan bagi pohon-pohon yang selalu berdiam dalam sejuta kata dan manfaat atau kau berdiam bersenandika sebagai wujud syukur karena hari ini hari yang sederhana untuk merayakan hari pohon sedunia.

Kesederhanaan dalam Merayakan Hari Pohon Sedunia was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

Say its been a while since the last time i wrote,
Been a while, since I freed my thought.
Lost,
In a sea, full of words.
Lost,
in a forest,
filled with trees of memories.

A trees, with memories as it leaf.
Feeling as its xylem,
Thoughts as its flower,
and fruits, of happiness.

Some trees were small,
with not a lot resource to grow to.
maybe because lack of sunlight.
Or maybe I just shut it, so it won’t grow.

Some were full of lianas,
where memories being tangled,
where sadness meet happiness,
and sorrow meet ambition.

And some, were cut down
to make ways,
to take me to another place,
to take me to a journey.

I’m in a journey,
A journey to find myself.
And in my journey to find who I am,
I found you guys.

Originally published at https://medium.com/inevitable-midnight-screams on March 28, 2017.

Inevitable Midnight Screams

Trees of memories was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

bagiku pohon bukan sekedar kayu yang berdiri dengan batang yang coklat dan daun yang hijau. pohon adalah aku; ia menyimpan air mata dan suara tawa dalam setiap senti batangnya, ia menyimpan cerita seorang Faiz kecil dalam tumbuh gugur setiap daunnya. ia bukan sekedar pohon, ia begitu mengenalku. atau bisa jadi, ia adalah aku.

Faiz kecil memiliki pekarangan didepan rumah dengan dua pohon Sukun yang besar. setiap berbuah, semua tetangga senang — karena mamaku akan membagikannya kepada mereka. buah Sukun sangat enak dibuat menjadi keripik, gurih dan nagih. namun tidak semua orang bisa mengolahnya, sehingga para tetangga lebih suka jika diberi buah sukun yang sudah berbentuk keripik oleh mamaku ketimbang buah sukun mentah. cocok, ibuku pun lebih suka mengolahnya lebih dulu menjadi keripik baru membagikannya dengan wadah toples pada tetangga. pohon Sukun itu tidak diam — ia mengenalkanku pada orang-orang.

Faiz remaja suka sekali berpuisi, entah kejadian apa yang membuatku suka berpuisi. mungkin karena saat SMP aku berteman dengan seorang pujangga yang mirip Mahar di trilogi Laskar Pelangi — versi perempuan. indah sekali dia berkata-kata, juga ketertarikannya pada karya-karya puisi dari Anwar hingga Rendra membuatku tertarik juga. hingga ada momen kami mengikuti lomba puisi bersama — seperti yang kalian duga, aku tidak juara. meski begitu, ketertarikanku pada sastra masih tinggi; menulis puisi di atas pohon adalah kegiatanku sehari-hari saat itu.

hal ini berlangsung hingga SMA, aku masih melakukannya. kurang lebih sudah duapuluh puisi yang aku buat di atas pohon — entah itu pohon depan rumah, atau aku harus memanjat bukit yang tinggi lebih dulu di lereng Gunung Slamet, lalu memanjat pohon tinggi disana, kemudian menulis. sungguh aku rindu saat itu. sayangnya kini puisi-puisi itu entah dimana. namun beruntung, foto di hari itu masih ada.

ah, masih ingat betul aku rasanya menulis puisi diatas pohon. membawa selembar kertas dan pensil, memanjat, mencari posisi yang nyaman untuk bersandar lalu segera menulis. diam, dingin, namun berisik. karena suara daun yang bergesekan sebenarnya membisikkan kata-kata puitis itu satu per satu, aku hanya tinggal menulis kemudian menyimpannya dalam buku. pohon itu tidak diam — ia bersenandung.

bulan-bulan setelahnya aku semakin menyukai kegiatan alam, karena kegiatan itu yang memungkinkan aku bertemu dengan pohon. teman, kini aku hampir dewasa dan berkuliah di kampus Ganesha (meski cabang Jatinangor, tapi cap nya masih Ganesha), jauh dari pohon Sukun itu, jauh dari semua pohon yang aku pernah tiduri. namun aku yakin--sebagaimana orangtuaku-- mereka mendoakanku, hingga aku bisa di tempat ini; duduk, mendengarkan ceramah orang-orang pintar di kelas. dan hebatnya, aku juga mendengarkan ceramah orang pitar di luar kelas. menjelaskan apa? ya, kalian tahu. menjelaskan pohon!

sebutan untuk jurusanku kini adalah Rekayasa Kehutanan. ya, hutan, tempat sekumpulan teman-teman kecilku berada. mau tidak mau, aku makin banyak berkenalan dengan teman kecilku itu. mengenal namanya, sifatnya, manfaatnya, bagaimana ia bisa berdiri kokoh dan tetap tumbuh, meski akhirnya mati juga. entah doa apa yang pohon-pohon masa kecilku panjatkan untukku, sehingga saat ini aku berada di tempat yang mulia untuk mempelajari mereka. mungkin ini saatnya aku balas budi, saatnya bermanfaat; seperti mereka, membuat orang bersahabat, menjadi tempat orang bersandar dan berkleuh kesah, tetap tenang namun bermanfaat, kokoh meski hujan dan badai, dan selalu mendoakan orang-orang baik. karena pohon juga tau, ia pasti mati. begitu pula aku, dan kamu.

Pada akhirnya memang kita harus memiliki rasa sayang terhadap pohon. karena kadang kita lupa, bahwa mereka hidup. apapun profesi kita nanti, kita harus tetap mengajak anak-anak kita untuk mengenalnya, merawat dan menghargainya. karena ia hidup juga bersama kita. karena pohon akan selalu menjaga kita meski ia tidak berbicara dengan bahasa manusia.

pohon selalu membuat cerita.

pohon tidak diam — dia sungguh mengenalku. atau bisa jadi, ia adalah aku.

Selamat Hari Pohon Sedunia, 21/11/2017–00.51 WIB.

Bukan Pohon was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

Beberapa ribu tahun lalu, Bumi ni terbentuk. Unsur didalamnya menceritakan kebahagiaan nenek moyangku. Mereka hidup dengan cumbuan udara yang tak mengganggu, karena unsur murninya yang menyegarkan selalu.

Semua nenek moyangku meneruskan perjalanannya dengan memanggil Tangan Tuhan pada polinator. Ya, Tuhan mengutus polinator sebagai perpanjangan tangannya untuk membantu menyebarkan polen jantan nenek moyangku kepada polen betinanya. Pertemuan mereka membuat sejarah tentang keberlanjutan bumi ini, termasuk keberadaanku.

Namun, suatu hari Tuhan berkata lain tentang takdir mereka. Dia mengutus Adam dan Hawa untuk merajut cinta dan menyebarkan kebaikan di Bumi. Kelak, akan muncul senyawa-senyawa yang setelah diteliti, dinamakan kromosom XX dan XY yang didalamnya terdapat DNA sempurna yang menyebar di belahan bumi ini. Ya, DNA sempurna itu adalah manusia, karya terbaik Tuhan Yang MahaEsa.

Kau tahu, pikiranku tentang mereka selalu buruk bilamana aku teringat perlakuan mereka pada nenek moyangku. Perlakuan tersebut diceritakan oleh para polinator yang sering menghampiriku untuk meminta sariku.

“Jadi begini ceritanya. Dulu, di belahan bumi manapun, semua nenek moyangmu dapat ditemukan, karena kemurnian Bumi ini yang dilukis oleh Tuhan. Ketika waktu datang untuk menunjukkan tentang takdir, maka berubahlah semua. Komplotan penghuni Bumi yang disebut manusia itu datang dan dengan kasarnya merenggut napas nenek moyangku, pun termasuk nenek moyangku. Mereka datang dengan besi di tangannya, melakukan aktivitas yang mereka sebut menebang. Tanpa ampun melukai. Tanpa ampun menghabisi. Meranalah semua. Tanah seluas ribuan hektar itu, yang tadinya warna hijau berubah menjadi coklat, dan nantinya berubah menjadi besi tinggi yang biasa mereka sebut gedung. Yang lebih menyedihkan, banyak sekali makhluk sejenis kami, yang hidup di dalamnya, pun yang meminta makanan darinya, otomatis menghilang. Kami mati tak punya rumah dan makanan. Kami menangis tapi tak ada sandaran. Dan ya, sisa-sisa dari kami harus pergi, beradaptasi. Nantinya, bila beruntung, Kami akan dapat melanjutkan hidup, atau bila malang menhghampiri, maka ajal akan menjemput kami pada perjalanan mencari rumah baru. Kau tahu, aku ini adalah telur hasil pertemuan ayah dan ibuku yang berhasil sampai dari Barat ke Timur. Oleh karena itu, aku bisa hadir di sini, menjemput rezeki Tuhan kepadaku melaluimu.” Cerita polinator itu.

Aku tak habis pikir dengan cerita itu. Selalu terkenang setiap kata sang polinator tentang perlakuan manusia kepada nenek moyangku. Aku pun merasakan sebuah perasaan janggal, aku takut. Tak pernah aku setakut ini dalam setengah abad lebih kehidupanku. Sejujurnya, cerita itu sudah disampaikan oleh Sang Polinator sejak sangat lama, tetapi entah mengapa tiba-tiba hari ini aku kembali terngiang akan kata-katanya. Tuhan, tolonglah aku ini. Umurku bisa dibilang sudah lama. Akan jadi apakah aku kelak? Aku tak ingin bertemu dengan makhluk-Mu yang dinamakan manusia itu. Untuk apa pula lah Kau menciptakan mereka? Sungguh ampuni aku bilamana ketidaktahuanku ini tentang karyaMu membuatku merasakan ketakutan yang mendalam terhadapku dan koloniku.

Hari kesekian dalam hidupku. Aku jauh-jauh sudah melupakan cerita sang polinator itu. Sejauh ini hidupku baik-baik saja. Semua pasokkan nutrisi tercukupi, pun dengan pernapasanku. Aku dan koloniku baik-baik saja. Kami sering bercengkerama dan bercerita, pun dengan polinator yang hinggap padaku, dan beberapa makhluk lainnya yang tinggal di tempatku. Kicauan burung pun masih terdengar menyenangkan untukku. Aku berada pada fase terbahagiaku ketika menemukan semua ini ada dan menemaniku dengan baiknya. Namun, kondisi itu tidak lama. Beberapa tahun kemudian, saat umurku mencapai delapan puluh tahun lebih sepuluh hari, sesuatu datang secara bergerombolan ke tempat tinggal kami. Aku baru pertama kali melihatnya. Mereka berbeda dari polinator ataupun beberapa makhluk berkaki empat yang sering memburu mangsa di sekitaran aku berdiri. Mereka terlihat seperti apa yang pernah sang polinator ceritakan kepadaku.

“Manusia itu memiliki bentuk yang sempurna menurutku. Aku pernah melihatnya ketika aku ke kota dahulu. Mereka punya alat indra yang terlihat dan berfungsi bagus sekali. Bilamana kita mempunyai alat indra secara tersirat, kehadiran alat indra mereka indah hingga terdapat banyak alat yang digunakan untuk mempercantik dirinya. Mereka punya dua mata yang dilindungi bulu mata dan alis, serta kelopak mata yang membuatnya terlihat sangat menarik. Warna dari bola mata mereka juga bermacam-macam, sangat menunjukkan kecantikan Tuhan. Alat pernapasan mereka adalah hidung yang setiap orang berbeda deskripsinya. Mereka sering menyebutnya dengan hidung yang mancung atau yang kurang mancung (re :pesek). Selain itu, tinggi tubuh mereka dan proporsionalnya alat gerak mereka membuat nilai kesempurnaan makhluk yang dinamakan manusia itu.” Papar polinator kepadaku.

Saat itu, ketakutanku mencuat. Perasaan ini sesunugguhnya menakutkan, namun aku sedang menggenggamnya. Aku sungguh tidak ingin berpisah dari kedua orang tuaku dan koloniku. Pun dengan tetangga dan saudaraku karena manusia itu. Maka, aku mulai untuk berpasrah pada titik tertinggiku. Setelah menunggu setelah beberapa menit, mereka datang dan mulai menyentuhku dengan kulitnya yang jauh lebih halus dari milikku. Ia mulai berkata, “Teman-teman, lihatlah pohon ini. Umurnya sudah sekitar delapan puluh tahun. Tidak pernah aku melihat pohon dengan umurnya yang sebegitu tua namun sungguh indah selain dua pohon di sekitarnya. Aku menantikan pertemuan ini sejak lama.” Aku tersanjung dengan pernyataan itu. Kalimat yang tidak aku dengarkan darimanapun. Namun aku sungguh tidak sebodoh itu. Aku tau aku tidak mampu berkutik bilamana mereka benar-benar mengeluarkan senjatanya. Akan tetapi, aku bisa bertahan sebisa mungkin dengan kekuatanku untuk tetap berdiri bilamana merkea ingin merenggut hidupku.

Beberapa jam berlalu. Sekumpulan manusia ini ternyata tidak berbuat banyak. Mereka hanya mendirikan tempat singgah dan bercengkerama dengan sesamanya. Dari percakapan mereka, aku tahu bahwa mereka ingin memberikan service terbaik untuk Kami. Katanya, Kami harus dilestarikan untuk keberjalanan Bumi ini kelak. Untuk mendengar kalimat tersebut, aku terkejut dan ingin sekali berteriak. Hingga beberapa hari kemudian, aku melihat mereka melakukan hal-hal yang tidak diucapkan sang polinator. Mereka bekerja keras untuk membuat peradaban yang membuat kami tetap kokoh dan terhormat, tidak seperti cerita-cerita yang diceritakan oleh sang polinator.

Dua puluh tahun kemudian, tepat ketika umurku mencapai usia satu abad, banyak sekali manusia yang datang kepadaku. Mereka datang dan menghormati aku dan nenek moyangku, bahkan mereka memelukku dan berkata maaf untuk kejahatan nenek moyang mereka kepada nenek moyangku. Aku jadi teringat sebuah kalimat yang diucapkan oleh polinator kala itu, yang aku lupa untuk mengingatnya. Dia berkata, “Nah, hal yang membuat manusia sungguh spesial di mata Tuhan adalah akal mereka yang digunakan untuk memajukan bumi ini. Sebenarnya aku belum tau dimana poin memajukannya, tapi aku percaya suatu hari mereka akan membangun bumi ini dengan baik.” Dan semua itu terjadi. Aku menjadi saksinya. Mereka, manusia yang sebenar-benarnya diciptakan oleh Tuhan adalah manusia dengan akal terbaik, yang menyadari bahwa keberadaan kami, tumbuhan dan hewan, juga ekosistem, adalah sebuah sistem yang diciptakan Tuhan untuk keberlangsungan seluruh komponen Bumi, termasuk diri mereka sendiri.

Dari aku,

Pohon paling beruntung

Nb : Aku mohon untuk tidak menyakitiku dan seluruh pohon di dunia dengan paku dan iklan yang kalian sematkan pada kami. Terima kasih.

Aku, Yang Paling Beruntung was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.

Seperti kepercayaan orang Sumba kepada Marappu; bahwa pohon juga hidup. ia tumbuh dengan kenangan, setiap daun yang tumbuh adalah cerita, setiap senti batangnya menyimpan waktu. maka ketika kita tebang, ada sejarah yang hilang. meskipun bisa kita artikan juga, menebang pohon adalah memindahkannya ke hutan yang baru — karena pohon adalah manusia.

setiap pohon memang seperti kita; memiliki sifat yang berbeda, manfaat berbeda, baik, buruk, hidup, dan akhirnya mati. ada yang berperan sebagai dokter (herbal), arsitek (kayu bangunan), penerbang (kayu konstruksi kuat-ringan), koki (tanaman pangan), bahkan tentara (bambu runcing?). Lebih indah lagi, semasa hidup mereka senantiasa berdoa bagi para penuntut ilmu di dunia— merayu Tuhan, menguatkan setiap langkah kita untuk menjadi bermanfaat sepertinya.

Labtek Biru, 09–11–2017

Pohon adalah Manusia was originally published in BOSBOUW on Medium, where people are continuing the conversation by highlighting and responding to this story.