TEDSummit 2019
Laura Boykin: How we're using DNA tech to help farmers fight crop diseases
Laura Boykin: Bagaimana kami menggunakan teknologi DNA untuk membantu petani memerangi penyakit tanaman
Filmed:
Readability: 4.1
1,215,005 views
Menurut ahli biologi komputasi dan TED Fellow, Laura Boykin, hampir 800 juta orang di seluruh dunia bergantung kepada singkong untuk kelangsungan hidup mereka. Namun, sumber pangan yang penting ini diserang oleh virus yang sebenarnya dapat dicegah. Laura membawa kami ke lahan pertanian di Afrika Timur, tempat dia bekerja dengan tim ilmuwan yang beragam. Di sana dia membantu petani merawat tanaman mereka agar tetap sehat, dengan dukungan laboratorium DNA portabel dan superkomputer mini yang dapat mengidentifikasi virus hanya dalam hitungan jam, tidak sampai berbulan-bulan.
Laura Boykin - Computational biologist, activist
TED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families. Full bio
TED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families. Full bio
Double-click the English transcript below to play the video.
00:12
I get out of bed for two reasons.
0
991
2326
Ada 2 alasan yang membuat saya bangkit.
00:15
One, small-scale family farmers
need more food.
need more food.
1
3341
4031
Pertama, keluarga petani skala
kecil membutuhkan lebih banyak pangan.
kecil membutuhkan lebih banyak pangan.
00:19
It's crazy that in 2019
farmers that feed us are hungry.
farmers that feed us are hungry.
2
7738
5178
Tragisnya pada 2019 petani kelaparan,
padahal mereka yang memberi kita makan.
padahal mereka yang memberi kita makan.
00:25
And two, science needs to be
more diverse and inclusive.
more diverse and inclusive.
3
13353
4833
Kedua, ilmu pengetahuan harus
lebih beragam dan terbuka.
lebih beragam dan terbuka.
00:30
If we're going to solve
the toughest challenges on the planet,
the toughest challenges on the planet,
4
18679
3422
Jika kita ingin mengatasi
tantangan tersulit di planet bumi,
tantangan tersulit di planet bumi,
00:34
like food insecurity for the millions
living in extreme poverty,
living in extreme poverty,
5
22125
4333
seperti kerawanan pangan pada jutaan orang
yang hidup di bawah garis kemiskinan,
yang hidup di bawah garis kemiskinan,
00:38
it's going to take all of us.
6
26482
1619
hal ini akan melibatkan peran kita semua.
00:40
I want to use the latest technology
7
28680
2580
Saya ingin menggunakan teknologi terbaru,
00:43
with the most diverse
and inclusive teams on the planet
and inclusive teams on the planet
8
31284
3293
bekerja sama dengan tim paling beragam
dan paling terbuka di dunia
dan paling terbuka di dunia
00:46
to help farmers have more food.
9
34601
2067
untuk meningkatkan persediaan
pangan petani.
pangan petani.
00:49
I'm a computational biologist.
10
37545
1881
Saya adalah ahli biologi komputasi.
00:51
I know -- what is that
and how is it going to help end hunger?
and how is it going to help end hunger?
11
39450
3404
Saya mempelajari bencana
kelaparan dan cara mengatasinya.
kelaparan dan cara mengatasinya.
00:54
Basically, I like computers and biology
12
42878
3246
Pada dasarnya, saya menyukai
ilmu komputer dan biologi
ilmu komputer dan biologi
00:58
and somehow,
putting that together is a job.
putting that together is a job.
13
46148
2444
dan menggabungkan kedua
bidang itu sebagai pekerjaan
bidang itu sebagai pekerjaan
01:00
(Laughter)
14
48616
1083
(Tertawa)
01:01
I don't have a story
15
49723
1520
Saya tidak pernah bercita-cita
01:03
of wanting to be a biologist
from a young age.
from a young age.
16
51267
3286
menjadi seorang ahli biologi
waktu berusia muda.
waktu berusia muda.
01:06
The truth is, I played
basketball in college.
basketball in college.
17
54577
3706
Pada saat itu, saya senang
bermain bola basket di kampus.
bermain bola basket di kampus.
Untuk mencukupi paket bantuan
keuangan, saya harus bekerja paruh waktu.
keuangan, saya harus bekerja paruh waktu.
01:10
And part of my financial aid package
was I needed a work-study job.
was I needed a work-study job.
18
58585
5143
01:16
So one random day,
19
64300
1540
Jadi pada suatu hari,
01:17
I wandered to the nearest building
to my dorm room.
to my dorm room.
20
65864
3197
saya berkeliling ke gedung yang
terdekat dengan asrama
terdekat dengan asrama
01:21
And it just so happens
it was the biology building.
it was the biology building.
21
69085
2680
dan secara kebetulan
saya sampai di gedung biologi.
saya sampai di gedung biologi.
01:24
I went inside and looked at the job board.
22
72347
2586
Saya masuk ke dalam dan melihat
papan lowongan kerja.
papan lowongan kerja.
01:27
Yes, this is pre-the-internet.
23
75493
2164
Ya, waktu itu adalah zaman
pra-internet.
pra-internet.
01:30
And I saw a three-by-five card
24
78430
2007
Saya melihat papan
berukuran 3 x 5
berukuran 3 x 5
01:32
advertising a job
to work in the herbarium.
to work in the herbarium.
25
80461
3155
yang mengiklankan sebuah
lowongan kerja di laboratorium herbarium.
lowongan kerja di laboratorium herbarium.
01:36
I quickly took down the number,
26
84601
2001
Saya segera mencatat lowongan itu,
01:38
because it said "flexible hours,"
27
86626
1705
karena jam kerjanya yang fleksibel,
01:40
and I needed that to work around
my basketball schedule.
my basketball schedule.
28
88355
3257
dan bisa saya lakukan
di sela-sela jadwal bola basket.
di sela-sela jadwal bola basket.
01:44
I ran to the library
to figure out what an herbarium was.
to figure out what an herbarium was.
29
92204
4587
Saya berlari ke perpustakaan
untuk mencari informasi tentang herbarium.
untuk mencari informasi tentang herbarium.
01:48
(Laughter)
30
96815
2207
(Tertawa)
01:51
And it turns out
31
99046
1309
Ternyata
01:52
an herbarium is where they store
dead, dried plants.
dead, dried plants.
32
100379
4079
herbarium adalah tempat
menyimpan tanaman yang kering dan mati.
menyimpan tanaman yang kering dan mati.
01:57
I was lucky to land the job.
33
105379
1714
Saya berhasil mendapat pekerjaan
itu.
itu.
01:59
So my first scientific job
34
107117
3206
Jadi pekerjaan ilmiah pertama saya
02:02
was gluing dead plants onto paper
for hours on end.
for hours on end.
35
110347
5335
adalah mengelem tanaman mati
di atas kertas sepanjang hari.
di atas kertas sepanjang hari.
02:07
(Laughter)
36
115706
3278
(Tertawa)
02:11
It's so glamorous.
37
119008
1150
Ini sungguh menarik.
02:12
This is how I became
a computational biologist.
a computational biologist.
38
120182
3139
Inilah cerita awal saya menjadi
seorang ahli biologi komputasi.
seorang ahli biologi komputasi.
02:16
During that time,
39
124323
1183
Pada waktu itu,
02:17
genomics and computing were coming of age.
40
125530
2722
genom dan komputasi sudah dikenal luas.
02:20
And I went on to do my masters
41
128276
2404
Lalu saya melanjutkan ke
jenjang pascasarjana,
jenjang pascasarjana,
02:22
combining biology and computers.
42
130704
3095
menggabungkan ilmu biologi
dan komputer.
dan komputer.
02:25
During that time,
43
133823
1165
Pada saat itu,
saya bekerja di Lab Nasional Los Alamos,
02:27
I worked at Los Alamos National Lab
44
135012
1779
02:28
in the theoretical biology
and biophysics group.
and biophysics group.
45
136815
2518
di kelompok teori
biologi dan biofisika
biologi dan biofisika
02:31
And it was there I had my first encounter
with the supercomputer,
with the supercomputer,
46
139776
3730
dan di sanalah saya pertama kali
mengenal superkomputer,
mengenal superkomputer,
02:35
and my mind was blown.
47
143530
1674
yang membuat saya kagum.
02:37
With the power of supercomputing,
48
145840
2039
Dengan kecepatan hitung superkomputer,
02:39
which is basically thousands
of connected PCs on steroids,
of connected PCs on steroids,
49
147903
4223
yang intinya adalah ribuan komputer
pribadi yang tersambung dengan steroid,
pribadi yang tersambung dengan steroid,
02:44
we were able to uncover the complexities
of influenza and hepatitis C.
of influenza and hepatitis C.
50
152150
5473
kami berhasil menemukan
kerumitan penyakit flu dan hepatitis C.
kerumitan penyakit flu dan hepatitis C.
02:50
And it was during this time
that I saw the power
that I saw the power
51
158134
2331
Saat itu saya melihat keunggulan
02:52
of using computers
and biology combined, for humanity.
and biology combined, for humanity.
52
160489
4120
penggunaan kombinasi komputer
dan biologi untuk kemanusiaan
dan biologi untuk kemanusiaan
02:56
And I wanted this to be my career path.
53
164633
2372
dan memilih bidang ini sebagai
jalan karier saya.
jalan karier saya.
03:00
So, since 1999,
54
168030
1777
Jadi, sejak tahun 1999,
saya menghabiskan sebagian
besar waktu sebagai ilmuwan
besar waktu sebagai ilmuwan
03:01
I've spent the majority
of my scientific career
of my scientific career
55
169831
2698
03:04
in very high-tech labs,
56
172553
1929
di laboratorium berteknologi mutakhir,
03:06
surrounded by really expensive equipment.
57
174506
2733
yang dilengkapi dengan alat-alat
sangat mahal.
sangat mahal.
03:09
So many ask me
58
177712
1643
Banyak orang ingin mengetahui
03:11
how and why do I work
for farmers in Africa.
for farmers in Africa.
59
179379
3867
cara dan alasan saya bekerja
untuk para petani di Afrika.
untuk para petani di Afrika.
03:15
Well, because of my computing skills,
60
183804
2302
Jadi, karena keahlian komputer
yang saya miliki,
yang saya miliki,
03:18
in 2013, a team of East African scientists
61
186130
4539
pada tahun 2013, tim peneliti
Afrika Timur
Afrika Timur
03:22
asked me to join the team
in the plight to save cassava.
in the plight to save cassava.
62
190693
4089
meminta saya bergabung di dalam
tim untuk menyelamatkan tanaman singkong.
tim untuk menyelamatkan tanaman singkong.
Daun dan umbi singkong dimakan
oleh 800 juta orang di seluruh dunia
oleh 800 juta orang di seluruh dunia
03:27
Cassava is a plant whose leaves and roots
feed 800 million people globally.
feed 800 million people globally.
63
195766
6970
[800 juta orang bergantung pada singkong
untuk kalori harian mereka]
untuk kalori harian mereka]
03:35
And 500 million in East Africa.
64
203639
3037
dan 500 juta orang di Afrika Timur.
03:38
So that's nearly a billion people
65
206994
2007
Jadi, hampir 1 juta manusia
03:41
relying on this plant
for their daily calories.
for their daily calories.
66
209025
2968
bergantung pada tanaman ini
untuk memenuhi kalori sehari-hari.
untuk memenuhi kalori sehari-hari.
03:44
If a small-scale family farmer
has enough cassava,
has enough cassava,
67
212581
3845
Jika keluarga petani skala kecil
memiliki cukup banyak tanaman singkong,
memiliki cukup banyak tanaman singkong,
03:48
she can feed her family
68
216450
2144
mereka dapat memberi makan keluarga
03:50
and she can sell it at the market
for important things like school fees,
for important things like school fees,
69
218618
4046
dan menjualnya ke pasar untuk membayar
pos penting seperti biaya sekolah,
pos penting seperti biaya sekolah,
03:54
medical expenses and savings.
70
222688
2135
biaya kesehatan dan tabungan.
03:57
But cassava is under attack in Africa.
71
225752
3531
Namun, tanaman singkong
di Afrika terserang hama.
di Afrika terserang hama.
04:01
Whiteflies and viruses
are devastating cassava.
are devastating cassava.
72
229665
4436
Kutu putih (kebul) dan virus
menyerang tanaman singkong.
menyerang tanaman singkong.
04:06
Whiteflies are tiny insects
73
234593
2206
Kutu putih adalah serangga kecil
04:08
that feed on the leaves
of over 600 plants.
of over 600 plants.
74
236823
2818
yang memakan daun lebih
dari 600 jenis tanaman.
dari 600 jenis tanaman.
Keberadaan mereka adalah
berita buruk.
berita buruk.
04:11
They are bad news.
75
239665
1801
04:13
There are many species;
76
241490
1159
Memiliki banyak spesies;
04:14
they become pesticide resistant;
77
242673
2269
kutu putih resistan terhadap
pestisida;
pestisida;
04:16
and they transmit hundreds
of plant viruses
of plant viruses
78
244966
4254
dan menularkan ratusan
virus tanaman
virus tanaman
04:21
that cause cassava brown streak disease
79
249244
2524
yang mengakibatkan penyakit bercak coklat
04:23
and cassava mosaic disease.
80
251792
1800
dan penyakit mozaik pada tanaman singkong.
04:26
This completely kills the plant.
81
254085
2134
Penyakit ini benar-benar mematikan.
04:29
And if there's no cassava,
82
257038
1817
Jika tidak ada singkong,
04:30
there's no food or income
for millions of people.
for millions of people.
83
258879
3999
tidak akan ada makanan dan
penghasilan untuk jutaan manusia.
penghasilan untuk jutaan manusia.
Saya melakukan perjalanan ke Tanzania
04:36
It took me one trip to Tanzania
84
264141
2476
karena saya sadar para wanita
di sana memerlukan bantuan.
di sana memerlukan bantuan.
04:38
to realize that these women
need some help.
need some help.
85
266641
2738
04:41
These amazing, strong,
small-scale family farmers,
small-scale family farmers,
86
269403
4253
Keluarga para petani skala kecil
yang tangguh dan luar biasa ini,
yang tangguh dan luar biasa ini,
mayoritas petani perempuan,
04:45
the majority women,
87
273680
1268
04:46
are doing it rough.
88
274972
1267
menjalani hidup dengan tangguh.
04:48
They don't have enough food
to feed their families,
to feed their families,
89
276744
2436
Mereka tidak bisa memenuhi
kebutuhan pangan keluarga
kebutuhan pangan keluarga
04:51
and it's a real crisis.
90
279204
1588
dan ini adalah krisis nyata.
04:53
What happens is
91
281530
1499
Kenyataan yang terjadi adalah
04:55
they go out and plant fields of cassava
when the rains come.
when the rains come.
92
283053
2992
mereka pergi ke lahan dan
menanam singkong di musim hujan.
menanam singkong di musim hujan.
04:58
Nine months later,
93
286069
1706
Sembilan bulan kemudian,
tidak ada yang dapat dipanen,
karena serangan hama dan patogen.
karena serangan hama dan patogen.
04:59
there's nothing, because of these
pests and pathogens.
pests and pathogens.
94
287799
3080
05:02
And I thought to myself,
95
290903
2158
Saya berpikir,
05:05
how in the world can farmers be hungry?
96
293085
3198
mengapa petani bisa menderita kelaparan?
Jadi saya putuskan untuk
menghabiskan waktu di lapangan
menghabiskan waktu di lapangan
05:08
So I decided to spend
some time on the ground
some time on the ground
97
296815
2320
05:11
with the farmers and the scientists
98
299159
1680
bersama para petani dan peneliti
05:12
to see if I had any skills
that could be helpful.
that could be helpful.
99
300863
2603
untuk membantu mereka dengan
keahlian yang saya miliki.
keahlian yang saya miliki.
05:16
The situation on the ground is shocking.
100
304427
2856
Situasi di lapangan sungguh mengejutkan.
05:19
The whiteflies have destroyed the leaves
that are eaten for protein,
that are eaten for protein,
101
307307
4270
Kutu putih merusak bagian daun
yang mengandung protein,
yang mengandung protein,
05:23
and the viruses have destroyed the roots
that are eaten for starch.
that are eaten for starch.
102
311601
3582
dan virus merusak bagian umbi
yang mengandung pati singkong.
yang mengandung pati singkong.
05:27
An entire growing season will pass,
103
315592
2445
Ketika musim tanam berakhir,
05:30
and the farmer will lose
an entire year of income and food,
an entire year of income and food,
104
318061
4110
para petani kehilangan
pendapatan dan makanan sepanjang tahun,
pendapatan dan makanan sepanjang tahun,
05:34
and the family will suffer
a long hunger season.
a long hunger season.
105
322195
3198
dan keluarga akan menderita
bencana kelaparan yang panjang.
bencana kelaparan yang panjang.
05:37
This is completely preventable.
106
325942
2080
Hal ini sesungguhnya dapat dicegah.
05:40
If the farmer knew
107
328046
1324
Jika petani mengetahui
05:41
what variety of cassava
to plant in her field,
to plant in her field,
108
329394
3064
varietas singkong yang cocok
ditanam di lahan,
ditanam di lahan,
05:44
that was resistant
to those viruses and pathogens,
to those viruses and pathogens,
109
332482
4325
yang tahan terhadap serangan
virus dan patogen tersebut,
virus dan patogen tersebut,
mereka akan memiliki lebih
banyak cadangan makanan.
banyak cadangan makanan.
05:48
they would have more food.
110
336831
1905
05:50
We have all the technology we need,
111
338760
2835
Kita mempunyai semua teknologi
yang dibutuhkan,
yang dibutuhkan,
05:53
but the knowledge and the resources
112
341619
3204
tetapi pengetahuan dan sumber daya
05:56
are not equally distributed
around the globe.
around the globe.
113
344847
3135
belum tersebar secara merata ke
seluruh dunia.
seluruh dunia.
06:00
So what I mean specifically is,
114
348712
2562
Jadi maksud saya adalah
06:03
the older genomic technologies
115
351298
1852
teknologi genom terdahulu
06:05
that have been required
to uncover the complexities
to uncover the complexities
116
353174
2863
yang dibutuhkan untuk
meneliti kerumitan
meneliti kerumitan
06:08
in these pests and pathogens --
117
356061
3062
hama dan patogen ini
06:11
these technologies were not made
for sub-Saharan Africa.
for sub-Saharan Africa.
118
359147
2998
tidak cocok untuk Afrika sub-Sahara.
06:15
They cost upwards of a million dollars;
119
363058
2341
Teknologi itu berharga jutaan dollar;
membutuhkan tenaga listrik yang stabil
06:17
they require constant power
120
365423
1888
06:19
and specialized human capacity.
121
367335
1800
dan sumber daya manusia yang cakap.
06:21
These machines are few
and far between on the continent,
and far between on the continent,
122
369970
2861
Mesin ini masih sangat langka,
06:24
which is leaving many scientists
battling on the front lines no choice
battling on the front lines no choice
123
372855
4621
sehingga banyak ilmuwan harus
bertarung di garis terdepan tanpa pilihan,
bertarung di garis terdepan tanpa pilihan,
06:29
but to send the samples overseas.
124
377500
1999
hanya mengirimkan sampel ke luar negeri.
06:31
And when you send the samples overseas,
125
379523
1960
Ketika sampel dikirim ke luar negeri,
06:33
samples degrade, it costs a lot of money,
126
381507
2626
sampel akan rusak sehingga
menimbulkan banyak biaya.
menimbulkan banyak biaya.
06:36
and trying to get the data back
over weak internet
over weak internet
127
384157
3167
Pengembalian data menggunakan
jaringan internet yang lambat
jaringan internet yang lambat
06:39
is nearly impossible.
128
387348
1400
tidak mungkin dilakukan.
Terkadang diperlukan waktu
6 bulan untuk mengirimkan hasil ke petani.
6 bulan untuk mengirimkan hasil ke petani.
06:41
So sometimes it can take six months
to get the results back to the farmer.
to get the results back to the farmer.
129
389142
4299
Ketika itu terjadi, semua sudah terlambat.
06:45
And by then, it's too late.
130
393465
1754
06:47
The crop is already gone,
131
395243
1587
Tanaman singkong telah mati,
06:48
which results in further poverty
and more hunger.
and more hunger.
132
396854
3166
akibatnya kemiskinan dan
kelaparan semakin memburuk.
kelaparan semakin memburuk.
06:53
We knew we could fix this.
133
401306
2158
Kami yakin bisa mengatasi hal ini.
06:55
In 2017,
134
403989
1404
Di tahun 2017,
06:57
we had heard of this handheld,
portable DNA sequencer
portable DNA sequencer
135
405417
4786
kami mendengar tentang peranti
genggam portabel pengurut (sekuens) DNA
genggam portabel pengurut (sekuens) DNA
07:02
called an Oxford Nanopore MinION.
136
410227
2509
yaitu "Oxford Nanopore MinION".
07:04
This was being used
in West Africa to fight Ebola.
in West Africa to fight Ebola.
137
412760
4153
Peranti ini sudah digunakan di
Afrika Barat untuk memerangi Ebola.
Afrika Barat untuk memerangi Ebola.
07:08
So we thought:
138
416937
1497
Kami berpikir:
07:10
Why can't we use this
in East Africa to help farmers?
in East Africa to help farmers?
139
418458
3286
Mengapa tidak menggunakannya
untuk petani di Afrika Timur?
untuk petani di Afrika Timur?
07:13
So, what we did was we set out to do that.
140
421768
4333
Jadi, kami memutuskan untuk
menggunakan peranti itu.
menggunakan peranti itu.
07:18
At the time, the technology was very new,
141
426609
2698
Pada waktu itu, teknologi tersebut
masih baru
masih baru
dan banyak yang meragukan kemampuan
kami menggunakan peranti ini di lahan.
kami menggunakan peranti ini di lahan.
07:21
and many doubted we could
replicate this on the farm.
replicate this on the farm.
142
429331
2952
07:24
When we set out to do this,
143
432879
1317
Ketika memulai proyek ini,
07:26
one of our "collaborators" in the UK
144
434220
3881
salah satu peneliti dari Inggris
meragukan kemampuan kami mengatasi
masalah di Afrika Timur dengan peranti ini
masalah di Afrika Timur dengan peranti ini
07:30
told us that we would never
get that to work in East Africa,
get that to work in East Africa,
145
438125
3627
07:33
let alone on the farm.
146
441776
1466
apalagi di lahan pertanian.
07:35
So we accepted the challenge.
147
443863
1769
Kami menerima tantangan ini.
07:37
This person even went so far as to bet us
two of the best bottles of champagne
two of the best bottles of champagne
148
445934
6453
Peneliti tersebut bahkan bertaruh dengan
kami, dengan dua botol sampanye terbaik,
kami, dengan dua botol sampanye terbaik,
07:44
that we would never get that to work.
149
452411
2958
bahwa kami tidak akan berhasil.
07:48
Two words:
150
456871
1579
Dua kata:
07:50
pay up.
151
458474
1151
terbayar lunas.
07:51
(Laughter)
152
459649
2174
(Tertawa)
07:53
(Applause)
153
461847
4152
(Tepuk Tangan)
07:58
Pay up, because we did it.
154
466023
2913
Terbayar lunas, karena kami berhasil.
Kami menyediakan laboratorium molekuler
portabel dengan teknologi mutakhir
portabel dengan teknologi mutakhir
08:00
We took the entire high-tech molecular lab
155
468960
3285
08:04
to the farmers of Tanzania,
Kenya and Uganda,
Kenya and Uganda,
156
472269
3649
untuk para petani di Tanzania,
Kenya dan Uganda,
Kenya dan Uganda,
08:07
and we called it Tree Lab.
157
475942
2032
yang kami beri nama "Tree Lab".
08:10
So what did we do?
158
478942
1191
Apa yang kami lakukan?
08:12
Well, first of all,
we gave ourselves a team name --
we gave ourselves a team name --
159
480157
2579
Pertama, kami memberi nama tim -
yaitu "Cassava Virus Action Project".
08:14
it's called the Cassava Virus
Action Project.
Action Project.
160
482760
2174
08:16
We made a website,
161
484958
1357
Kami membuat situs web,
08:18
we gathered support from the genomics
and computing communities,
and computing communities,
162
486339
3611
mencari dukungan dari komunitas
genom dan komputasi,
genom dan komputasi,
08:21
and away we went to the farmers.
163
489974
1881
dan mulai mendatangi para petani.
08:24
Everything that we need for our Tree Lab
164
492411
2809
Segala sesuatu yang kami
butuhkan untuk "Tree Lab"
butuhkan untuk "Tree Lab"
08:27
is being carried by the team here.
165
495244
2409
dibawa oleh tim.
08:29
All of the molecular and computational
requirements needed
requirements needed
166
497677
4047
Semua kebutuhan molekuler dan
komputasi yang diperlukan
komputasi yang diperlukan
08:33
to diagnose sick plants is there.
167
501748
3301
untuk mendiagnosa tanaman sakit
juga dibawa oleh mereka.
juga dibawa oleh mereka.
08:37
And it's actually all
on this stage here as well.
on this stage here as well.
168
505431
2828
Semuanya ada di dalam
laboratorium portabel ini.
laboratorium portabel ini.
08:41
We figured if we could get the data
closer to the problem,
closer to the problem,
169
509161
3587
Jika kami bisa mengambil data langsung
dari lokasi tempat terjadinya masalah
dari lokasi tempat terjadinya masalah
08:44
and closer to the farmer,
170
512772
1618
dan lebih dekat dengan petani,
08:46
the quicker we could tell her
what was wrong with her plant.
what was wrong with her plant.
171
514414
3356
semakin cepat kami menemukan
masalah yang terjadi pada tanaman mereka.
masalah yang terjadi pada tanaman mereka.
08:50
And not only tell her what was wrong --
172
518169
1873
Kami bukan hanya memberitahukan masalah
tetapi juga memberikan solusi.
08:52
give her the solution.
173
520066
1392
08:53
And the solution is,
174
521482
1325
Solusinya adalah,
08:54
burn the field and plant varieties
175
522831
2623
membakar lahan dan menanam varietas
08:57
that are resistant to the pests
and pathogens she has in her field.
and pathogens she has in her field.
176
525478
3504
yang tahan terhadap serangan
hama dan patogen yang ada di lahan.
hama dan patogen yang ada di lahan.
Jadi langkah pertama adalah
melakukan ekstraksi DNA,
melakukan ekstraksi DNA,
09:01
So the first thing that we did
was we had to do a DNA extraction.
was we had to do a DNA extraction.
177
529942
4204
09:06
And we used this machine here.
178
534170
2539
menggunakan mesin yang tampak di layar.
09:09
It's called a PDQeX,
179
537050
3199
Mesin ini disebut PDQeX,
09:12
which stands for
"Pretty Damn Quick Extraction."
"Pretty Damn Quick Extraction."
180
540273
3891
kepanjangan dari "Pretty Damn
Quick Extraction (Ekstraksi Super Kilat)."
Quick Extraction (Ekstraksi Super Kilat)."
09:16
(Laughter)
181
544188
2048
(Tertawa)
09:18
I know.
182
546260
1150
Menarik bukan?
09:19
My friend Joe is really cool.
183
547768
2494
Teman saya, Joe, memang luar biasa.
09:23
One of the biggest challenges
in doing a DNA extraction
in doing a DNA extraction
184
551394
3360
Salah satu tantangan terbesar
dalam melakukan ekstraksi DNA
dalam melakukan ekstraksi DNA
09:26
is it usually requires
very expensive equipment,
very expensive equipment,
185
554778
3315
adalah kebutuhan peralatan yang
sangat mahal
sangat mahal
09:30
and takes hours.
186
558117
1404
dan perlu waktu berjam-jam.
09:31
But with this machine,
187
559545
1492
Tetapi dengan mesin ini,
09:33
we've been able to do it in 20 minutes,
188
561061
2754
kami hanya butuh waktu 20 menit,
09:35
at a fraction of the cost.
189
563839
1246
dengan biaya yang rendah
09:37
And this runs off of a motorcycle battery.
190
565109
2888
dan mesin ini hanya menggunakan
aki motor.
aki motor.
Kemudian, kami mengambil
ekstraksi DNA, menyiapkan pustaka genomik,
ekstraksi DNA, menyiapkan pustaka genomik,
09:41
From there, we take the DNA extraction
and prepare it into a library,
and prepare it into a library,
191
569164
5143
menyiapkan ekstraksi untuk dimasukkan
09:46
getting it ready to load on
192
574331
1779
09:48
to this portable, handheld
genomic sequencer,
genomic sequencer,
193
576134
4292
ke dalam peranti genggam
portabel pengurut (sekuens) genom,
portabel pengurut (sekuens) genom,
09:52
which is here,
194
580450
1151
seperti tampak di sini,
09:53
and then we plug this
into a mini supercomputer,
into a mini supercomputer,
195
581625
3738
kemudian kita sambung dengan
sebuah superkomputer mini,
sebuah superkomputer mini,
09:57
which is called a MinIT.
196
585387
1822
yang disebut "MinIT".
09:59
And both of these things are plugged
into a portable battery pack.
into a portable battery pack.
197
587728
4102
Kedua alat dihubungkan dengan
perangkat pengisi daya portabel,
perangkat pengisi daya portabel,
10:04
So we were able to eliminate
198
592569
1873
sehingga kami berhasil mengurangi
10:06
the requirements
of main power and internet,
of main power and internet,
199
594466
2405
kebutuhan listrik utama dan internet,
10:08
which are two very limiting factors
on a small-scale family farm.
on a small-scale family farm.
200
596895
3928
yang merupakan 2 faktor
penghambat di lahan petani skala kecil.
penghambat di lahan petani skala kecil.
10:13
Analyzing the data quickly
can also be a problem.
can also be a problem.
201
601807
2871
Menganalisis data secara cepat
juga sulit dilakukan.
juga sulit dilakukan.
10:17
But this is where me being
a computational biologist came in handy.
a computational biologist came in handy.
202
605033
3906
Namun, kasus ini menunjukkan
pentingnya seorang ahli biologi komputasi.
pentingnya seorang ahli biologi komputasi.
10:21
All that gluing of dead plants,
203
609382
2230
Semua kegiatan penempelan
tanaman mati
tanaman mati
10:23
and all that measuring,
204
611636
1560
dan pengukuran,
10:25
and all that computing
205
613220
1992
serta keahlian komputasi
10:27
finally came in handy
in a real-world, real-time way.
in a real-world, real-time way.
206
615236
4151
pada akhirnya bermanfaat di dunia
nyata dan waktu nyata.
nyata dan waktu nyata.
10:31
I was able to make customized databases
207
619411
3053
Saya berhasil membuat pangkalan
data tersuai
data tersuai
10:34
and we were able to give the farmers
results in three hours
results in three hours
208
622488
4595
dan memberikan hasilnya ke
petani hanya dalam waktu 3 jam,
petani hanya dalam waktu 3 jam,
tidak sampai 6 bulan.
10:39
versus six months.
209
627107
1864
10:41
(Applause)
210
629694
6968
(Tepuk tangan )
10:50
The farmers were overjoyed.
211
638085
2634
Para petani sangat gembira.
Apakah kontribusi yang kami
berikan benar-benar membantu?
berikan benar-benar membantu?
10:53
So how do we know
that we're having impact?
that we're having impact?
212
641799
2796
Sembilan bulan setelah
kegiatan di "Tree Lab",
kegiatan di "Tree Lab",
10:56
Nine moths after our Tree Lab,
213
644619
2000
petani bernama Asha berhasil meningkatkan
hasil panen dari 0 ton per hektar
hasil panen dari 0 ton per hektar
10:58
Asha went from having
zero tons per hectare
zero tons per hectare
214
646643
3230
11:01
to 40 tons per hectare.
215
649897
2008
menjadi 40 ton per hektar.
11:03
She had enough to feed her family
216
651929
1799
Dia mampu memberi makan keluarganya
11:05
and she was selling it at the market,
217
653752
2690
dan berhasil menjual hasil panen ke pasar.
11:08
and she's now building a house
for her family.
for her family.
218
656466
2735
Saat ini, dia sedang membangun
rumah bagi keluarganya.
rumah bagi keluarganya.
11:12
Yeah, so cool.
219
660212
1159
Ya, sungguh luar biasa.
11:13
(Applause)
220
661395
4254
(Tepuk tangan)
Bagaimana kami mengukur
keberhasilan "Tree Lab"?
keberhasilan "Tree Lab"?
11:17
So how do we scale Tree Lab?
221
665673
1866
11:19
The thing is,
222
667940
1380
Tolok ukurnya adalah,
11:21
farmers are scaled already in Africa.
223
669344
2103
para petani di Afrika.
Para wanita ini bekerja dalam
kelompok tani.
kelompok tani.
11:23
These women work in farmer groups,
224
671471
1889
11:25
so helping Asha actually helped
3,000 people in her village,
3,000 people in her village,
225
673384
4126
Menolong Asha berarti
membantu 3000 orang di desanya,
membantu 3000 orang di desanya,
11:29
because she shared the results
and also the solution.
and also the solution.
226
677534
3652
karena dia membagikan hasil
panen beserta cara mengatasi masalah.
panen beserta cara mengatasi masalah.
11:33
I remember every single
farmer I've ever met.
farmer I've ever met.
227
681673
4191
Saya masih ingat setiap petani
yang pernah saya temui.
yang pernah saya temui.
11:38
Their pain and their joy
228
686665
3563
Kesedihan dan kegembiraan mereka
11:42
is engraved in my memories.
229
690252
1800
terukir dalam ingatan saya.
11:44
Our science is for them.
230
692958
1865
Ilmu pengetahuan kami berguna
untuk mereka.
untuk mereka.
11:47
Tree Lab is our best attempt
to help them become more food secure.
to help them become more food secure.
231
695711
5047
"Tree Lab" adalah usaha terbaik kami
untuk memenuhi ketahanan pangan petani.
untuk memenuhi ketahanan pangan petani.
11:53
I never dreamt
232
701180
1786
Saya tidak pernah bermimpi
berhasil memberikan kontribusi
ilmu pengetahuan terbaik
ilmu pengetahuan terbaik
11:54
that the best science
I would ever do in my life
I would ever do in my life
233
702990
2944
11:57
would be on that blanket in East Africa,
234
705958
3499
di wilayah Afrika Timur,
didukung oleh peranti genom
dengan teknologi termutakhir.
dengan teknologi termutakhir.
12:01
with the highest-tech genomic gadgets.
235
709481
2366
12:04
But our team did dream
236
712312
2452
Namun, tim kami bermimpi
12:06
that we could give farmers answers
in three hours versus six months,
in three hours versus six months,
237
714788
4270
dapat memberikan solusi bagi petani
hanya dalam waktu 3 jam, bukan 6 bulan,
hanya dalam waktu 3 jam, bukan 6 bulan,
dan kami berhasil melakukannya.
12:11
and then we did it.
238
719082
1436
12:12
Because that's the power
of diversity and inclusion in science.
of diversity and inclusion in science.
239
720542
4108
Itulah manfaat keberagaman dan
keterbukaan dalam ilmu pengetahuan.
keterbukaan dalam ilmu pengetahuan.
12:17
Thank you.
240
725156
1151
Terima kasih.
12:18
(Applause)
241
726331
3151
(Tepuk tangan)
12:21
(Cheers)
242
729506
4083
(Tepuk tangan)
ABOUT THE SPEAKER
Laura Boykin - Computational biologist, activistTED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families.
Why you should listen
Dr. Laura Boykin is a TED Senior Fellow, Gifted Citizen and computational biologist who uses genomics and supercomputing to help smallholder farmers in sub-Saharan Africa control whiteflies and viruses, which cause devastation to the local cassava crops. Cassava is a staple food that feeds more than 800 million people globally.
Boykin also works in partnership with African scientists to train local communities in genomics and high-performance computing skills, with the aim of tackling future insect and viral outbreaks. Recently, she founded The Cassava Virus Action Project along with collaborators in east Africa to roll out portable DNA sequencing and analyses to farmers in the region. Their mission is to increase cassava yields for 500 million farmers.
Laura Boykin | Speaker | TED.com