The Vital Data You Flush Down the Toilet | Newsha Ghaeli | TED

59,397 views ・ 2024-01-05

TED


Silakan klik dua kali pada teks bahasa Inggris di bawah ini untuk memutar video.

Translator: ryan aziz Reviewer: Made Pramana
00:04
Has it ever occurred to you, as you walk down the street,
0
4251
3503
Pernahkah terpikir oleh Anda, saat Anda berjalan di jalan,
00:07
just how much data is flowing beneath your feet?
1
7796
3628
berapa banyak data yang mengalir di bawah kaki Anda?
00:12
A wealth of information on our health and our well-being
2
12175
2920
Banyak informasi tentang kesehatan dan kesejahteraan kita
00:15
is running through our city sewers,
3
15136
2294
mengalir melalui selokan kota kita,
00:17
and we're all contributing to it every single time we use the toilet.
4
17472
3879
dan kita semua berkontribusi padanya setiap kali kita menggunakan toilet.
00:22
Think about it.
5
22561
1167
Pikirkan tentang itu.
00:23
Everybody pees and poops,
6
23770
2461
Semua orang buang air kecil dan buang air besar,
00:26
and we know that urine and stool contain a rich source of information
7
26273
3878
dan kita tahu bahwa urin dan tinja mengandung sumber informasi
00:30
on our health and our well-being.
8
30151
1585
tentang kesehatan dan kesejahteraan kita.
00:32
Our doctors look at it all the time to analyze for a variety of things.
9
32195
4588
Dokter kita melihatnya sepanjang waktu untuk menganalisis berbagai hal.
00:37
Now, every time you flush,
10
37158
1627
Setiap kali Anda menyiram,
00:38
you're sending this valuable information down into our sewers,
11
38785
3754
Anda mengirimkan informasi berharga ini ke saluran pembuangan kita,
00:42
where it's mixing with waste from hundreds of thousands of other people.
12
42539
3837
di mana itu bercampur dengan limbah dari ratusan ribu orang lain.
00:46
Once collected, it looks something like this.
13
46418
2961
Setelah dikumpulkan, terlihat seperti ini.
00:49
This tiny sample
14
49379
2044
Sampel kecil ini
00:51
comes from a wastewater treatment plant
15
51423
2043
berasal dari pabrik pengolahan air limbah
00:53
that represents more than one million people.
16
53508
2711
yang mewakili lebih dari satu juta orang.
00:56
And from it, we can detect all sorts of things about that community:
17
56219
4171
Dan dari situ, kita dapat mendeteksi segala macam hal tentang komunitas itu:
01:01
the infectious disease viruses that are circulating in our bodies,
18
61141
4421
virus penyakit infeksius yang beredar di tubuh kita,
01:05
chemical markers for the drugs that are most commonly consumed.
19
65562
4171
penanda kimia untuk obat-obatan yang paling sering dikonsumsi.
01:09
And we can analyze for all the bacteria that live in our collective microbiomes.
20
69733
5130
Dan kita dapat menganalisis semua bakteri yang hidup di mikrobioma kolektif kita.
01:15
Now, if this sounds too close for comfort,
21
75488
2044
Jika ini terdengar terlalu dekat untuk kenyamanan,
01:17
just consider all the personalized data that you're parting with every day
22
77532
3754
pertimbangkan saja semua data pribadi yang Anda pisahkan setiap hari
01:21
when you use gadgets like your smartphone or your smart watch.
23
81286
3628
saat Anda menggunakan gadget seperti ponsel atau jam tangan pintar Anda.
01:24
What's amazing about sewage
24
84956
2086
Apa yang menakjubkan tentang limbah
01:27
is that it's naturally aggregated and anonymized.
25
87042
3169
adalah bahwa itu secara alami dikumpulkan dan dianonimkan.
01:30
Once flushed,
26
90879
1418
Setelah disiram,
01:32
your waste is mixing with that of thousands and thousands of people,
27
92339
3378
limbah Anda bercampur dengan ribuan orang,
01:35
so there's actually no way to tie any information from here
28
95717
3378
jadi tidak ada cara untuk mengikat informasi apa pun dari sini
01:39
back to a specific person.
29
99095
1877
kembali ke orang tertentu.
01:41
Put differently, it's the perfect data dump.
30
101264
3379
Dengan kata lain, ini adalah limbah data yang sempurna.
01:44
(Laughter)
31
104684
2503
(Tertawa)
01:47
The thoughtful collection and analysis of sewage
32
107187
3003
Pengumpulan dan analisis limbah yang bijaksana
01:50
has the potential to radically improve health outcomes
33
110231
3170
memiliki potensi untuk secara radikal meningkatkan hasil kesehatan
01:53
in cities around the world,
34
113401
1877
di kota-kota di seluruh dunia,
01:55
and it's a growing field called "wastewater epidemiology."
35
115278
3712
dan ini adalah bidang yang berkembang yang disebut “epidemiologi air limbah.”
01:59
And wastewater epidemiology is but one example
36
119324
2753
Dan epidemiologi air limbah hanyalah salah satu contoh
02:02
of all the big data that we're generating in our cities today.
37
122118
3879
dari semua data besar yang kita hasilkan di kota-kota kita saat ini.
02:07
Consider all the data that you generate with every phone call, package delivered,
38
127082
4004
Perhatikan data yang dihasilkan di setiap panggilan telepon, paket terkirim,
02:11
mile driven.
39
131086
1418
jarak tempuh.
02:12
It's data from cameras, sensors, drones,
40
132837
3170
Ini adalah data dari kamera, sensor, drone,
02:16
air quality, water quality monitoring,
41
136007
2753
kualitas udara, pemantauan kualitas air,
02:18
and the vast amounts of information generated by our health care
42
138802
3461
dan sejumlah besar informasi yang dihasilkan oleh perawatan kesehatan
02:22
and our educational systems.
43
142263
1961
dan sistem pendidikan kita.
02:24
All of this information, these digital breadcrumbs,
44
144891
3212
Semua informasi ini, remah roti digital ini,
02:28
tell us unique stories about our cities and the way that we live our lives.
45
148103
4629
menceritakan kisah unik tentang kota kita dan cara kita menjalani hidup kita.
02:33
The thoughtful collection and analysis of this information
46
153149
4296
Pengumpulan dan analisis yang bijaksana dari informasi ini
02:37
has the power to inform real-time improvements
47
157445
3337
memiliki kekuatan untuk menginformasikan perbaikan real-time
02:40
to things like social policy,
48
160824
1835
untuk hal-hal seperti kebijakan sosial,
02:42
environmental management, health equity and more.
49
162701
2669
manajemen lingkungan, kesetaraan kesehatan, dan lainnya.
02:45
As an architect, I believe that we need to harness
50
165745
2962
Sebagai seorang arsitek, saya yakin bahwa kita perlu memanfaatkan
02:48
the hundreds of millions of terabytes of data
51
168707
2877
ratusan juta terabyte data
02:51
that we're generating in our cities each and every day.
52
171626
3045
yang kita hasilkan di kota-kota kita setiap hari.
02:54
And this is important now more than ever,
53
174671
2377
Dan ini penting sekarang lebih dari sebelumnya,
02:57
because for the first time in human history,
54
177090
2502
karena untuk pertama kalinya dalam sejarah manusia,
02:59
more than half of all people live in cities.
55
179592
3379
lebih dari setengah dari semua orang tinggal di kota.
03:02
By 2050,
56
182971
1293
Pada tahun 2050,
03:04
this number will grow to nearly seven in 10 people.
57
184264
3628
jumlah ini akan tumbuh menjadi hampir tujuh dari 10 orang.
03:07
Now just think about what that means for a second.
58
187934
2961
Sekarang pikirkan saja apa artinya itu.
03:10
It means our biggest crises,
59
190937
1960
Ini berarti krisis terbesar kita,
03:12
from climate change to pandemics to growing inequality,
60
192939
3921
dari perubahan iklim hingga pandemi hingga meningkatnya ketidaksetaraan,
03:16
are going to hit cities first and hardest.
61
196901
3003
akan melanda kota-kota terlebih dahulu yang paling terdampak.
03:21
But the era of big data offers an opportunity
62
201072
2961
Tetapi era maha data menawarkan peluang
03:24
for new and creative solutions to tackle these problems.
63
204075
3337
untuk solusi baru dan kreatif untuk mengatasi masalah ini.
03:29
So let's dive into the opportunity presented by wastewater epidemiology.
64
209038
4088
Jadi mari kita selami peluang yang disajikan oleh epidemiologi air limbah.
03:34
Some of you may have heard of it as it gained a lot of popularity
65
214335
3170
Kalian mungkin pernah dengar karena mendapatkan banyak popularitas
03:37
and attention during the COVID-19 pandemic.
66
217505
2795
dan perhatian selama pandemi COVID-19.
03:41
In 2020, research groups from around the world
67
221009
3503
Pada tahun 2020, kelompok penelitian dari seluruh dunia
03:44
began detecting SARS-CoV-2 RNA,
68
224554
2836
mulai mendeteksi RNA SARS-CoV-2,
03:47
the virus that causes COVID-19, in sewage samples.
69
227432
3086
virus penyebab COVID-19, dalam sampel limbah.
03:51
I was on one of those teams.
70
231102
1919
Saya berada di salah satu tim itu.
03:53
We and others showed that you can actually use sewage
71
233605
3545
Kami dan tim menunjukkan bahwa Anda benar-benar dapat menggunakan limbah
03:57
as an accurate representation of COVID activity in our communities.
72
237150
3503
sebagai representasi akurat dari aktivitas COVID di komunitas kami.
04:01
Let me show you what I mean.
73
241070
1502
Mari saya tunjukkan detailnya.
04:02
Here we're looking at a time series over the course of the pandemic.
74
242572
4046
Di sini kita melihat rangkaian waktu selama pandemi.
04:06
So from March 2020 through just last week.
75
246951
3128
Jadi dari Maret 2020 hingga minggu lalu.
04:10
The blue line represents COVID virus concentrations in sewage samples
76
250079
4922
Garis biru mewakili konsentrasi virus COVID dalam sampel limbah
04:15
from across the United States.
77
255043
1877
dari seluruh Amerika Serikat.
04:16
In yellow, we see COVID clinical case data.
78
256961
3587
Dengan warna kuning, kami melihat data kasus klinis COVID.
04:21
For the first two years of the pandemic, case data was very reliable.
79
261132
3921
Selama dua tahun pertama pandemi, data kasus sangat dapat diandalkan.
04:25
People were getting PCR-tested all the time.
80
265053
2836
Orang-orang menjalani tes PCR sepanjang waktu.
04:27
During those two years,
81
267889
1209
Selama dua tahun itu,
04:29
the two data sets tracked very well.
82
269140
1960
kedua kumpulan data dilacak dengan baik.
04:31
That was great.
83
271142
1168
Itu bagus sekali.
04:32
It meant that sewage was also reliable
84
272310
2169
Itu berarti bahwa limbah juga dapat diandalkan
04:34
and an accurate representation of disease burden.
85
274521
2585
dan representasi akurat dari beban penyakit.
04:37
However, over the past year and a half to two years,
86
277857
2836
Namun, selama satu setengah hingga dua tahun terakhir,
04:40
we've seen a divergence in those data sets.
87
280693
2920
kami telah melihat perbedaan dalam kumpulan data tersebut.
04:43
People just aren't getting COVID-tested nearly as often.
88
283613
3212
Orang-orang tidak sering mendapat pemeriksaan COVID.
04:46
Sewage, on the other hand,
89
286825
1918
Limbah, di sisi lain,
04:48
doesn't require us to access health care services.
90
288785
3378
tidak mengharuskan kita untuk mengakses layanan perawatan kesehatan.
04:52
We're all represented just by peeing and pooping.
91
292163
3671
Kita semua diwakili hanya dengan kencing dan buang air besar.
04:55
Throughout the pandemic, we and others also showed that sewage is predictive
92
295834
4295
Selama pandemi, kami dan tim menunjukkan bahwa limbah bersifat prediktif
05:00
and a leading indicator of new COVID clinical cases.
93
300129
4463
dan merupakan indikator utama kasus klinis COVID baru.
05:04
This is because infectious disease viruses incubate in our bodies
94
304634
4129
Ini karena virus penyakit menular berinkubasi di tubuh kita
05:08
before we develop symptoms or go get tested.
95
308763
3128
sebelum kita mengembangkan gejala atau menjalani tes.
05:12
Meanwhile, we've been excreting the virus for days.
96
312308
3295
Sementara itu, kami telah mengeluarkan virus selama berhari-hari.
05:16
During COVID,
97
316271
1167
Selama COVID,
05:17
it was shown that sewage was anywhere between one to three weeks
98
317438
4130
ditunjukkan bahwa limbah berada di antara satu hingga tiga minggu
05:21
leading indicator for clinical cases.
99
321568
2460
indikator utama untuk kasus klinis.
05:25
Now I'm going to show you an example
100
325280
1751
Saya akan tunjukkan sebuah contoh suatu waktu
05:27
of one time that this led to a big community-impacting decision.
101
327073
3629
bahwa ini mengarah pada keputusan besar yang berdampak pada komunitas.
05:31
Here, we're looking at data from the Boston area
102
331244
3253
Di sini, kita melihat data dari daerah Boston
05:34
during the Omicron wave.
103
334539
1793
selama gelombang Omicron.
05:36
In December 2021, towards the end of the month,
104
336332
3128
Pada Desember 2021, menjelang akhir bulan,
05:39
COVID cases began to skyrocket across the country
105
339460
3045
kasus COVID mulai meroket di seluruh negeri
05:42
and didn't slow until the end of January.
106
342547
2794
dan tidak melambat hingga akhir Januari.
05:45
Boston Children's Hospital, though, was ready.
107
345341
2419
Rumah Sakit Anak Boston, bagaimanapun, sudah siap.
05:47
They had been looking at Boston area sewage
108
347802
2211
Mereka telah melihat limbah daerah Boston
05:50
and saw the sewage levels go up weeks earlier,
109
350054
3712
dan melihat tingkat limbah naik beberapa minggu sebelumnya,
05:53
so they proactively postponed all non-emergency medical procedures.
110
353808
4671
sehingga mereka secara proaktif menunda semua prosedur medis non-darurat.
05:59
They wanted to free up resources so that they could adequately respond
111
359522
3879
Mereka ingin membebaskan sumber daya sehingga mereka dapat merespons
06:03
to the incoming wave of hospitalizations.
112
363443
2419
gelombang rawat inap yang akan masuk secara memadai.
06:07
Now wastewater epidemiology has been used
113
367238
2419
Sekarang epidemiologi air limbah telah digunakan
06:09
to tackle other pressing health issues as well.
114
369657
2878
untuk mengatasi masalah kesehatan mendesak lainnya juga.
06:12
Before the pandemic,
115
372994
1209
Sebelum pandemi,
06:14
the biggest public health crisis in the United States
116
374203
2920
krisis kesehatan masyarakat terbesar di Amerika Serikat
06:17
was our growing drug epidemic.
117
377123
2211
adalah epidemi narkoba kita yang berkembang.
06:20
Drug overdoses were growing year over year
118
380001
2753
Overdosis obat meningkat dari tahun ke tahun
06:22
and had become the leading cause of accidental death
119
382795
3254
dan telah menjadi penyebab utama kematian yang tidak disengaja
06:26
for Americans under the age of 50.
120
386049
2544
bagi orang Amerika di bawah usia 50 tahun.
06:28
In 2018, a small town in North Carolina had seen overdoses go up,
121
388927
5171
Pada tahun 2018, pada sebuah kota kecil di Carolina Utara, overdosis meningkat,
06:34
and they wanted better information,
122
394098
1961
mereka ingin informasi yang lebih baik,
06:36
better data to know what to do about it,
123
396059
2085
data yang lebih baik untuk tahu solusinya,
06:38
what was driving this trend and how to respond.
124
398186
2878
apa yang mendorong tren ini dan bagaimana merespons.
06:41
So we turned to the sewers, and together with the mayor's office,
125
401064
4087
Jadi kami beralih ke selokan, dan bersama dengan kantor walikota,
06:45
we began to analyze sewage samples from several sites across the city
126
405193
4838
kami mulai menganalisis sampel limbah dari beberapa lokasi di seluruh kota
06:50
and were able to show that prescription opioids
127
410073
3879
dan dapat menunjukkan bahwa resep opioid
06:53
were the drug most commonly consumed, not injectable opioids.
128
413952
3795
adalah obat yang paling sering dikonsumsi, bukan opioid suntik.
06:58
Equipped with this data,
129
418748
1919
Dilengkapi dengan data ini,
07:00
the city diverted resources from needle exchange sites
130
420667
3420
kota mengalihkan sumber daya dari situs pertukaran jarum
07:04
and put that money into medication takeback programs instead.
131
424128
3629
dan memakai uang itu ke dalam program pengambilalihan obat sebagai gantinya.
07:08
They advertised and held dozens of town halls
132
428174
2503
Mereka mengiklankan dan mengadakan lusinan balai kota
07:10
where they talked about the adverse effects of prescription painkillers.
133
430718
4004
untuk berbicara tentang efek buruk dari resep obat penghilang rasa sakit.
07:15
That year,
134
435264
1460
Tahun itu,
07:16
the city saw a 40 percent reduction in overdoses,
135
436766
4630
kota itu melihat pengurangan 40 persen dalam overdosis,
07:21
and for the first time,
136
441437
1293
dan untuk pertama kalinya,
07:22
they had engaged their community in a dialogue around drugs,
137
442730
3462
mereka melibatkan komunitas mereka dalam dialog seputar narkoba,
07:26
addiction and overdose.
138
446234
2002
kecanduan, dan overdosis.
07:28
Now imagine if every city around the world had access to this sort of information.
139
448736
5714
Bayangkan jika setiap kota di seluruh dunia punya akses informasi semacam ini.
07:34
Before the pandemic,
140
454951
1168
Sebelum pandemi,
07:36
wastewater epidemiology was a tiny field
141
456160
2920
epidemiologi air limbah adalah bidang kecil
07:39
with no more than a dozen experts worldwide.
142
459122
3211
dengan tidak lebih dari selusin ahli di seluruh dunia.
07:42
Today, 72 countries
143
462333
3420
Saat ini, 72 negara
07:45
have used wastewater monitoring to understand COVID-19.
144
465753
4255
telah menggunakan pemantauan air limbah untuk memahami COVID-19.
07:50
And it's time that we leverage these investments
145
470675
2419
Dan inilah saatnya kita memanfaatkan investasi ini
07:53
to monitor for all sorts of other things as well.
146
473094
2502
untuk memantau segala macam hal lain juga.
07:56
Imagine knowing when influenza and RSV are going to peak every year
147
476305
4505
Bayangkan mengetahui kapan influenza dan RSV mencapai puncaknya setiap tahun
08:00
so that our hospitals can prepare.
148
480810
2044
sehingga rumah sakit kita dapat bersiap.
08:03
Imagine mapping nutrition in our cities
149
483229
2669
Bayangkan pemetaan nutrisi di kota-kota kita
08:05
so that we can identify food deserts
150
485940
2169
sehingga kita dapat mengidentifikasi pasokan makanan
08:08
and understand social determinants of health.
151
488109
2419
dan memahami penentu sosial kesehatan.
08:11
Imagine identifying superbugs and antibiotic resistant genes
152
491154
4713
Bayangkan mengidentifikasi superbug dan gen resisten antibiotik
08:15
as they emerge in our communities.
153
495908
2002
saat mereka muncul di komunitas kita.
08:19
Imagine preventing the next pandemic before it happens.
154
499120
3503
Bayangkan mencegah pandemi berikutnya sebelum terjadi.
08:23
In the way that cholera prompted London to build modern-day sewer systems,
155
503499
5005
Dengan kolera mendorong London membangun sistem saluran pembuangan modern,
08:28
and poor health in the tenements of New York City
156
508546
2503
dan kesehatan yang buruk di rumah petak New York City
08:31
were one of the catalysts behind the building of Central Park,
157
511049
4045
adalah salah satu katalis di balik pembangunan Central Park,
08:35
this is how our cities can learn from COVID-19.
158
515136
3170
inilah bagaimana kota-kota kita dapat belajar dari COVID-19.
08:38
And this is precisely how we can foster a new, intelligent kind of urbanization.
159
518806
5589
Dan inilah tepatnya bagaimana kita dapat menumbuhkan jenis urbanisasi cerdas baru.
08:45
For years now, scientists, policymakers,
160
525354
3212
Selama bertahun-tahun sekarang, para ilmuwan, pembuat kebijakan,
08:48
architects and urban planners
161
528566
2169
arsitek, dan perencana kota
08:50
have been harnessing the power of technology and big data
162
530735
3420
telah memanfaatkan kekuatan teknologi dan maha data
08:54
to future-proof our cities.
163
534197
2085
untuk memastikan kota kita di masa depan.
08:57
Over the last decade,
164
537200
1543
Selama dekade terakhir,
08:58
chief technology officers have been appointed in cities
165
538743
3170
kepala petugas teknologi telah ditunjuk di kota-kota
09:01
around the world.
166
541954
1502
di seluruh dunia.
09:04
Roles once reserved for the boardrooms
167
544415
2127
Peran yang dulunya disediakan di ruang rapat
09:06
and hallways of Silicon Valley
168
546584
1460
dan lorong Lembah Silikon
09:08
are now finally open in city hall.
169
548044
2794
sekarang akhirnya dibuka di balai kota.
09:12
So next time you swipe your credit card,
170
552006
3128
Jadi lain kali Anda menggesek kartu kredit Anda,
09:15
take a ride in a taxi or tap your MetroCard,
171
555176
3462
naik taksi atau mengetuk MetroCard Anda,
09:18
just consider how you're contributing
172
558679
1961
pertimbangkan saja bagaimana Anda berkontribusi
09:20
to your city's ever-growing digital infrastructure.
173
560681
2878
pada infrastruktur digital kota Anda yang terus berkembang.
09:24
And next time you use the toilet,
174
564685
2795
Dan lain kali Anda menggunakan toilet,
09:27
just remember, you're doing your civic duty.
175
567480
3128
ingatlah, Anda melakukan tugas kewarganegaraan Anda.
09:30
(Laughter)
176
570650
1543
(Tertawa)
09:32
Thank you.
177
572235
1167
Terima kasih.
09:33
(Applause)
178
573402
3921
(Tepuk tangan)
Tentang situs web ini

Situs ini akan memperkenalkan Anda pada video YouTube yang berguna untuk belajar bahasa Inggris. Anda akan melihat pelajaran bahasa Inggris yang diajarkan oleh guru-guru terbaik dari seluruh dunia. Klik dua kali pada subtitle bahasa Inggris yang ditampilkan di setiap halaman video untuk memutar video dari sana. Subtitle bergulir selaras dengan pemutaran video. Jika Anda memiliki komentar atau permintaan, silakan hubungi kami menggunakan formulir kontak ini.

https://forms.gle/WvT1wiN1qDtmnspy7