Hendri Karisma

← Web Docs← Dokumentasi

Rancangan Project — Riset Sustainable Edu-TechRancangan Project — Riset Sustainable Edu-Tech

ResearchPenelitian

Rancangan Project — Paper Belum Draft / Belum Publish

Siklus tiap paper: Riset → Development → Implementation/Eksperimen → Analisis → Penulisan (camera-ready) → Publikasi Internasional. Versi: Draft 0.1 — Juni 2026.

Catatan data mitra (penting): akses data carbon & biodiversity dari Jejakin masih perlu dikonfirmasi, dan data carbon kemungkinan sulit. Karena itu setiap rencana dirancang agar tidak bergantung mutlak pada data komersial Jejakin: gunakan pengukuran langsung (energi model lokal) dan dataset/registry publik sebagai jalur utama, dengan data Jejakin sebagai nice-to-have untuk validasi/penajaman domain.

P-A · Track 1 — Green IN Edu-Tech: Emisi AI Local Model & Kompleksitas Prompt

Inti: mengukur energi & emisi inferensi model AI lokal (beragam model/ukuran), dan hubungan kompleksitas prompt / jumlah token → energi & emisi. (Mencakup riset #3 "model comparison": mana yang efektif, efisien, low-energy, less-emission.)

  • RQ: (1) Berapa energi/emisi per inferensi tiap model lokal? (2) Bagaimana token input/output & kompleksitas prompt memengaruhinya? (3) Model mana paling efisien per satuan kualitas (SPE)?
  • Hipotesis: E ≈ α·T_in + β·T_out + overhead; emisi ∝ N_params × tokens × EF / efisiensi-hardware.
  • Fase:
    1. Riset: literatur energi LLM (How Hungry is AI?, Prompts to Power), pilih model lokal (mis. Llama/Qwen/Phi/Mistral via Ollama/llama.cpp), tetapkan beban kerja.
    2. Development: harness pengukuran — log token (prefill/decode), waktu, daya via CodeCarbon / NVIDIA-SMI / RAPL; integrasi ke endpoint /api/footprint.
    3. Implementasi/Eksperimen: matriks {model × kelas prompt × panjang token}; ulangi N kali; catat energi/emisi/kualitas.
    4. Analisis: regresi energi~token; bandingkan SPE antar-model; analisis sensitivitas grid EF.
    5. Penulisan & camera-ready; 6. Submit.
  • Data & risiko: rendah — energi diukur langsung di lab; emisi pakai grid emission factor publik (Ember/IGES/IEA, atau faktor grid Jawa-Bali). Tidak butuh data Jejakin.
  • Target venue: Sustainable Computing: Informatics and Systems / IEEE Access / workshop ICT4S / HotCarbon.

P-B · Track 2 — Green BY Edu-Tech: Silabus Sustainability + LLM Lokal

Inti: membangun silabus sustainability untuk berbagai program studi, dibantu LLM lokal sebagai sumber pengetahuan yang efisien & less-emission (atau alternatif), untuk menyebarkan literasi sustainability — selaras UI GreenMetric (kategori Education & Research).

  • RQ: (1) Bagaimana merancang silabus sustainability lintas prodi? (2) Seberapa efektif & efisien LLM lokal sebagai knowledge source dibanding cloud? (3) Dampak pada literasi/keterlibatan mahasiswa?
  • Fase:
    1. Riset: kurikulum sustainability, pemetaan ke UI GreenMetric & SDGs, kebutuhan tiap prodi.
    2. Development: EduIQ (RAG di atas LLM lokal + knowledge base sustainability/carbon/GHG/biodiversity); diukur metrik Track 1.
    3. Implementasi: pilot di kelas (Maranatha/Tazkia); A/B silabus + tutor.
    4. Analisis: learning gain, keterlibatan, biaya energi tutor. 5–6. Tulis & submit.
  • Data & risiko: rendah-menengah — konten dari standar publik (GBF, GRI, IPBES) & kurikulum; data Jejakin opsional (studi kasus).
  • Target venue: Journal of Educational Technology Systems (JETS) (Oscar EIC), Education and Information Technologies, ICT4S, atau Sustainability (MDPI).

P-C · Paper Bioakustik — Deteksi Genus & Klasifikasi Tree/Non-Tree

Inti: klasifikasi bioakustik untuk monitoring biodiversity: deteksi genus dan tree vs non-tree.

  • RQ: (1) Akurasi model deteksi genus dari audio? (2) Klasifikasi tree/non-tree andal? (3) Efisiensi model (kaitkan ke green compute)?
  • Fase: 1. Riset: dataset bioakustik publik (mis. xeno-canto, AudioSet subset), literatur. 2. Development: pipeline fitur (spektrogram/mel) + model (CNN/transformer audio). 3. Eksperimen: training/validasi, metrik akurasi/F1 + biaya energi. 4. Analisis. 5–6. Tulis & submit.
  • Data & risiko: rendah (dataset publik); data lapangan Jejakin = penajaman/validasi lokal (opsional).
  • Target venue: Ecological Informatics / Remote Sensing (MDPI) / IEEE.

P-D · Track 3 — Biodiversity (Deep-Dive & Positioning)

Inti: kerangka pengukuran biodiversity untuk konteks proyek — satuan, referensi, kompleksitas, compliance, proyek berjalan. Bisa jadi survey/position paper lebih dulu, lalu studi kasus.

  • Yang perlu di-deep-dive: satuan (BII 0–1, MSA 0–1, STAR skor, kredit = %uplift×ha, Shannon/Simpson); kompleksitas (non-fungible, multi-metrik, baseline+additionality+MRV, horizon 25–40 thn); compliance (GBF, CBD, Verra Nature Framework, Wallacea, Plan Vivo Nature, Accounting for Nature, TNFD/SBTN, GRI 101, ESRS E4); proyek berjalan (≈134 proyek/Okt 2025; rePLANET 40-thn; Verra NF pilot Apr 2025; Indonesia GEF ENABLE/SPARE).
  • Fase: 1. Riset/sintesis (lihat biodiversity-references.md). 2. Development: prototipe perhitungan metrik (kalkulator BII/STAR/credit). 3. Studi kasus (dataset publik / lokasi Jejakin bila tersedia). 4. Analisis. 5–6. Tulis & submit.
  • Data & risiko: menengah-tinggi — butuh data lapangan; mitigasi: dataset publik (PREDICTS, GBIF, eDNA terbuka) + data Jejakin bila dikonfirmasi.
  • Target venue: Ecological Indicators / One Earth / Sustainability.

P-E · #2 Green SE: Bahasa & Framework (finalisasi)

Sudah ada draft; Oscar penulis ke-2. Sisa: lengkapi eksperimen energi lintas bahasa/framework (rujuk Pereira 2017), selaraskan dgn taksonomi GSE, camera-ready, submit (JIKO/IJEECS/Scopus). Risiko data: rendah.

P-F · Clean Code → Sustainable Software (kolaborasi Oscar)

Riset Oscar tentang clean code membuat software lebih sustainable — bersinggungan dgn Green Coding (#1). Peluang joint paper: hubungan code quality / code smells ↔ energi/emisi (rujuk GSF "green coding is a matter of code quality", ecoCode/SonarQube, Pereira 2017). Risiko data: rendah (benchmark kode terukur di lab).

Catatan Strategi Data Mitra (Jejakin)

PaperKetergantungan data JejakinJalur utama (tanpa Jejakin)
P-A Track 1rendahukur energi lokal + grid EF publik
P-B Track 2rendah-menengahstandar & kurikulum publik
P-C Bioakustikrendahdataset audio publik (xeno-canto)
P-D Biodiversitymenengah-tinggiPREDICTS/GBIF/eDNA publik; data Jejakin = validasi
P-E Bahasa/Frameworkrendahbenchmark lab
P-F Clean Coderendahbenchmark lab

Data carbon Jejakin sulit? → jadikan opsional/validasi, bukan jalur kritis. Mulai dari yang risikonya rendah (P-A, P-C, P-E, P-F) untuk quick wins publikasi, sambil menyiapkan data untuk P-D.

Pilot Project — Smart & Sustainable Campus + Sustainable Computation (3 + 1)

Pilot di Maranatha, Tazkia, (dan calon UNIKOM) untuk diseminasi lebih luas & hasil riset lebih baik.

1. Smart & Sustainable Campus (ukur & pantau). Instrumentasi kampus + dashboard (aplikasi ini) selaras UI GreenMetric (terutama Energy & Climate Change dan Education & Research); akuntansi emisi compliant (GHG Protocol → GRI 305 / ISSB S2).

2. Sustainable Computation (Green IN). Praktik komputasi hemat & rendah-emisi di kurikulum CS dan operasional IT kampus: green coding/clean code, LLM lokal efisien, pengukuran energi (Track 1).

3. Diseminasi & Keterlibatan (Green BY). Silabus sustainability + EduIQ; gerakan aksi nyata bergaya Go Greener / Livin' Planet / Blibli Membumi bersama Jejakin; membentuk Komunitas Sustainable Computation.

+1 (arah lanjut): Secure & Sustainable Computation. Tambahkan dimensi keamanan & privasi (LLM lokal yang aman, tata kelola data, ESG + security) sebagai evolusi berikutnya komunitas & riset. Jejakin sudah bersertifikat ISO/IEC 27001:2022, ISO/IEC 27701, dan ISO 9001 — anchor kredibel untuk dimensi keamanan ini.

Analisis Benefit per Pihak

STMIK / Universitas Tazkia

Konteks: kampus baru, baru 2 angkatan, di bawah Universitas Tazkia (satu yayasan) — butuh rekam jejak cepat.

  • Rekam jejak riset & publikasi internasional (dorong akreditasi BAN-PT/LAM Infokom & syarat transisi ke Universitas Tazkia).
  • Diferensiasi/identitas: positioning sebagai kampus green / sustainable (& secure) computing — niche yang belum ramai.
  • Mentorship: ko-pembimbingan & transfer kapasitas dari Maranatha (kampus mapan, Oscar Warek I).
  • Tautan industri: Jejakin untuk proyek/magang mahasiswa, studi kasus nyata; menguatkan portofolio LPPM (Hendri Ketua LPPM).
  • Konten kurikulum: silabus sustainability siap pakai (Track 2).

Universitas Kristen Maranatha

  • Memperluas riset edu-tech Oscar (bidang S3-nya) ke ranah sustainability — arah baru — dengan mitra & data nyata.
  • Kepemimpinan publikasi (Editor-in-Chief JETS) + jejaring kolaborasi lintas-institusi & industri.
  • Peningkatan UI GreenMetric lewat pilot smart & sustainable campus + riset Education & Research.
  • Keterlibatan mahasiswa S2 (subjek & ko-penulis) — luaran tesis & publikasi.

Jejakin.com

  • Kecocokan dengan DNA climate-tech (benefit utama). Riset bertumpu pada CS/IT/komputasi — dan bagi perusahaan climate-tech, teknologi bersifat mandatory/core (CarbonIQ/CarbonAtlas/CarbonSpace, IoT, satelit, ML, software). Riset memperkuat lapis teknologi (green/efficient computing, AI-ML untuk MRV, software carbon, secure & sustainable computation, rekayasa data) = menguatkan core engineering Jejakin langsung. Keahlian domain lingkungan dipasok Jejakin/mitra → komplementer, bukan kesenjangan.
  • Validasi/kredibilitas ilmiah metode carbon & biodiversity — bersifat moderat & tidak langsung: yang menggerakkan transaksi adalah sertifikasi registry & verifikasi pihak ketiga (Verra/Gold Standard/ICVCM/VVB), bukan paper. Nilai akademik = trust/de-risk, reputasi, talent, hibah, kepemimpinan standar (pelengkap, bukan pendorong revenue langsung).
  • Leverage R&D & talent pipeline: akses mahasiswa/peneliti, metode baru (green prompting, bioakustik) yang bisa masuk produk.
  • Living lab: kampus mitra sebagai lokasi uji & calon pengguna (carbon accounting, monitoring biodiversity).
  • Narasi ESG/impact & diseminasi publik (program aksi nyata) yang memperkuat brand.
  • Tata kelola matang: bersertifikat ISO/IEC 27001:2022 (keamanan informasi), ISO/IEC 27701 (privasi/PIMS, edisi 2019), ISO 9001 (mutu) — fondasi kuat untuk arah Secure & Sustainable Computation dan penanganan data riset.

Benefit Jejakin dari membantu Smart & Sustainable Campus di banyak kampus (strategis, bukan sekadar CSR):

  • Segmen pasar baru & recurring revenue — kampus sebagai pelanggan CarbonIQ/CarbonAtlas/CarbonSpace; ratusan PT Indonesia ikut UI GreenMetric → pasar besar & berulang.
  • Living lab multi-kampus — konteks beragam mematangkan produk carbon & biodiversity di kondisi nyata.
  • Reference customer & studi kasus — logo, testimoni, publikasi bersama → kredibilitas jual ke korporat/pemerintah.
  • Playbook replikatif — satu paket "Smart & Sustainable Campus" digandakan ke kampus lain → ekspansi murah & cepat.
  • Kepemimpinan standar (moat) — metodologi kampus tervalidasi riset jadi acuan de-facto Indonesia.
  • Agregasi offset & engagement publik — program tanam/offset berbasis civitas (model Electree) → volume kredit + jangkauan.
  • Talent pipeline — mahasiswa terlatih tools Jejakin → rekrutmen/magang.
  • Selaras agenda nasional — NEK (Perpres 98/2021), NDC, SDGs → posisi strategis dengan regulator & mitra.

Risiko & Mitigasi

#RisikoDampakMitigasi
1Akses data carbon/biodiversity Jejakin belum pasti; data carbon sulitmenghambat P-Djadikan data Jejakin opsional/validasi; jalur utama pengukuran langsung + dataset/registry publik; dahulukan paper risiko-rendah (P-A/C/E/F)
2Kapasitas kampus baru (Tazkia 2 angkatan, SDM/mhs senior terbatas)throughput riset rendahmentorship Maranatha + ko-pembimbingan; tim engineering Jejakin; scope bertahap & terukur
3Konflik kepenulisan/IP; peran ganda Hendri (Tazkia & Jejakin)sengketa, COICRediT, disclosure eksplisit, atur di MoU/PKS sebelum submission
4Scope creep (banyak track/paper)tak ada yang selesairoadmap + prioritas quick wins; satu milestone fokus dulu (P-A)
5Reprodusibilitas pengukuran energireviewer menolakharness terstandar (CodeCarbon/RAPL), laporkan asumsi + analisis sensitivitas grid EF
6Pasar kredit biodiversity muda / risiko greenwashingkredibilitasberpegang standar kredibel (Verra NF, GBF), posisikan sebagai riset, hati-hati klaim
7Komitmen mitra (UNIKOM masih calon; prioritas Jejakin berubah)pilot tersendatMoU + PIC jelas; rencana modular yang tetap jalan bila satu pihak mundur
8Etika & keamanan data mahasiswapelanggaran etik/kebocoraninformed consent, anonimisasi, izin komisi etik; manfaatkan ISMS/PIMS Jejakin (ISO 27001:2022 / 27701) untuk tata kelola data
9Infra compute LLM lokalbiaya/keterbatasanpakai model kecil-efisien (selaras tema green), GPU lab yang ada
10Pendanaankegiatan terhentibertahap; in-kind Jejakin; hibah (DRTPM/internal); luaran bernilai akreditasi

Rancangan Project — Paper Belum Draft / Belum Publish

Siklus tiap paper: Riset → Development → Implementation/Eksperimen → Analisis → Penulisan (camera-ready) → Publikasi Internasional. Versi: Draft 0.1 — Juni 2026.

Catatan data mitra (penting): akses data carbon & biodiversity dari Jejakin masih perlu dikonfirmasi, dan data carbon kemungkinan sulit. Karena itu setiap rencana dirancang agar tidak bergantung mutlak pada data komersial Jejakin: gunakan pengukuran langsung (energi model lokal) dan dataset/registry publik sebagai jalur utama, dengan data Jejakin sebagai nice-to-have untuk validasi/penajaman domain.

P-A · Track 1 — Green IN Edu-Tech: Emisi AI Local Model & Kompleksitas Prompt

Inti: mengukur energi & emisi inferensi model AI lokal (beragam model/ukuran), dan hubungan kompleksitas prompt / jumlah token → energi & emisi. (Mencakup riset #3 "model comparison": mana yang efektif, efisien, low-energy, less-emission.)

  • RQ: (1) Berapa energi/emisi per inferensi tiap model lokal? (2) Bagaimana token input/output & kompleksitas prompt memengaruhinya? (3) Model mana paling efisien per satuan kualitas (SPE)?
  • Hipotesis: E ≈ α·T_in + β·T_out + overhead; emisi ∝ N_params × tokens × EF / efisiensi-hardware.
  • Fase:
    1. Riset: literatur energi LLM (How Hungry is AI?, Prompts to Power), pilih model lokal (mis. Llama/Qwen/Phi/Mistral via Ollama/llama.cpp), tetapkan beban kerja.
    2. Development: harness pengukuran — log token (prefill/decode), waktu, daya via CodeCarbon / NVIDIA-SMI / RAPL; integrasi ke endpoint /api/footprint.
    3. Implementasi/Eksperimen: matriks {model × kelas prompt × panjang token}; ulangi N kali; catat energi/emisi/kualitas.
    4. Analisis: regresi energi~token; bandingkan SPE antar-model; analisis sensitivitas grid EF.
    5. Penulisan & camera-ready; 6. Submit.
  • Data & risiko: rendah — energi diukur langsung di lab; emisi pakai grid emission factor publik (Ember/IGES/IEA, atau faktor grid Jawa-Bali). Tidak butuh data Jejakin.
  • Target venue: Sustainable Computing: Informatics and Systems / IEEE Access / workshop ICT4S / HotCarbon.

P-B · Track 2 — Green BY Edu-Tech: Silabus Sustainability + LLM Lokal

Inti: membangun silabus sustainability untuk berbagai program studi, dibantu LLM lokal sebagai sumber pengetahuan yang efisien & less-emission (atau alternatif), untuk menyebarkan literasi sustainability — selaras UI GreenMetric (kategori Education & Research).

  • RQ: (1) Bagaimana merancang silabus sustainability lintas prodi? (2) Seberapa efektif & efisien LLM lokal sebagai knowledge source dibanding cloud? (3) Dampak pada literasi/keterlibatan mahasiswa?
  • Fase:
    1. Riset: kurikulum sustainability, pemetaan ke UI GreenMetric & SDGs, kebutuhan tiap prodi.
    2. Development: EduIQ (RAG di atas LLM lokal + knowledge base sustainability/carbon/GHG/biodiversity); diukur metrik Track 1.
    3. Implementasi: pilot di kelas (Maranatha/Tazkia); A/B silabus + tutor.
    4. Analisis: learning gain, keterlibatan, biaya energi tutor. 5–6. Tulis & submit.
  • Data & risiko: rendah-menengah — konten dari standar publik (GBF, GRI, IPBES) & kurikulum; data Jejakin opsional (studi kasus).
  • Target venue: Journal of Educational Technology Systems (JETS) (Oscar EIC), Education and Information Technologies, ICT4S, atau Sustainability (MDPI).

P-C · Paper Bioakustik — Deteksi Genus & Klasifikasi Tree/Non-Tree

Inti: klasifikasi bioakustik untuk monitoring biodiversity: deteksi genus dan tree vs non-tree.

  • RQ: (1) Akurasi model deteksi genus dari audio? (2) Klasifikasi tree/non-tree andal? (3) Efisiensi model (kaitkan ke green compute)?
  • Fase: 1. Riset: dataset bioakustik publik (mis. xeno-canto, AudioSet subset), literatur. 2. Development: pipeline fitur (spektrogram/mel) + model (CNN/transformer audio). 3. Eksperimen: training/validasi, metrik akurasi/F1 + biaya energi. 4. Analisis. 5–6. Tulis & submit.
  • Data & risiko: rendah (dataset publik); data lapangan Jejakin = penajaman/validasi lokal (opsional).
  • Target venue: Ecological Informatics / Remote Sensing (MDPI) / IEEE.

P-D · Track 3 — Biodiversity (Deep-Dive & Positioning)

Inti: kerangka pengukuran biodiversity untuk konteks proyek — satuan, referensi, kompleksitas, compliance, proyek berjalan. Bisa jadi survey/position paper lebih dulu, lalu studi kasus.

  • Yang perlu di-deep-dive: satuan (BII 0–1, MSA 0–1, STAR skor, kredit = %uplift×ha, Shannon/Simpson); kompleksitas (non-fungible, multi-metrik, baseline+additionality+MRV, horizon 25–40 thn); compliance (GBF, CBD, Verra Nature Framework, Wallacea, Plan Vivo Nature, Accounting for Nature, TNFD/SBTN, GRI 101, ESRS E4); proyek berjalan (≈134 proyek/Okt 2025; rePLANET 40-thn; Verra NF pilot Apr 2025; Indonesia GEF ENABLE/SPARE).
  • Fase: 1. Riset/sintesis (lihat biodiversity-references.md). 2. Development: prototipe perhitungan metrik (kalkulator BII/STAR/credit). 3. Studi kasus (dataset publik / lokasi Jejakin bila tersedia). 4. Analisis. 5–6. Tulis & submit.
  • Data & risiko: menengah-tinggi — butuh data lapangan; mitigasi: dataset publik (PREDICTS, GBIF, eDNA terbuka) + data Jejakin bila dikonfirmasi.
  • Target venue: Ecological Indicators / One Earth / Sustainability.

P-E · #2 Green SE: Bahasa & Framework (finalisasi)

Sudah ada draft; Oscar penulis ke-2. Sisa: lengkapi eksperimen energi lintas bahasa/framework (rujuk Pereira 2017), selaraskan dgn taksonomi GSE, camera-ready, submit (JIKO/IJEECS/Scopus). Risiko data: rendah.

P-F · Clean Code → Sustainable Software (kolaborasi Oscar)

Riset Oscar tentang clean code membuat software lebih sustainable — bersinggungan dgn Green Coding (#1). Peluang joint paper: hubungan code quality / code smells ↔ energi/emisi (rujuk GSF "green coding is a matter of code quality", ecoCode/SonarQube, Pereira 2017). Risiko data: rendah (benchmark kode terukur di lab).

Catatan Strategi Data Mitra (Jejakin)

PaperKetergantungan data JejakinJalur utama (tanpa Jejakin)
P-A Track 1rendahukur energi lokal + grid EF publik
P-B Track 2rendah-menengahstandar & kurikulum publik
P-C Bioakustikrendahdataset audio publik (xeno-canto)
P-D Biodiversitymenengah-tinggiPREDICTS/GBIF/eDNA publik; data Jejakin = validasi
P-E Bahasa/Frameworkrendahbenchmark lab
P-F Clean Coderendahbenchmark lab

Data carbon Jejakin sulit? → jadikan opsional/validasi, bukan jalur kritis. Mulai dari yang risikonya rendah (P-A, P-C, P-E, P-F) untuk quick wins publikasi, sambil menyiapkan data untuk P-D.

Pilot Project — Smart & Sustainable Campus + Sustainable Computation (3 + 1)

Pilot di Maranatha, Tazkia, (dan calon UNIKOM) untuk diseminasi lebih luas & hasil riset lebih baik.

1. Smart & Sustainable Campus (ukur & pantau). Instrumentasi kampus + dashboard (aplikasi ini) selaras UI GreenMetric (terutama Energy & Climate Change dan Education & Research); akuntansi emisi compliant (GHG Protocol → GRI 305 / ISSB S2).

2. Sustainable Computation (Green IN). Praktik komputasi hemat & rendah-emisi di kurikulum CS dan operasional IT kampus: green coding/clean code, LLM lokal efisien, pengukuran energi (Track 1).

3. Diseminasi & Keterlibatan (Green BY). Silabus sustainability + EduIQ; gerakan aksi nyata bergaya Go Greener / Livin' Planet / Blibli Membumi bersama Jejakin; membentuk Komunitas Sustainable Computation.

+1 (arah lanjut): Secure & Sustainable Computation. Tambahkan dimensi keamanan & privasi (LLM lokal yang aman, tata kelola data, ESG + security) sebagai evolusi berikutnya komunitas & riset. Jejakin sudah bersertifikat ISO/IEC 27001:2022, ISO/IEC 27701, dan ISO 9001 — anchor kredibel untuk dimensi keamanan ini.

Analisis Benefit per Pihak

STMIK / Universitas Tazkia

Konteks: kampus baru, baru 2 angkatan, di bawah Universitas Tazkia (satu yayasan) — butuh rekam jejak cepat.

  • Rekam jejak riset & publikasi internasional (dorong akreditasi BAN-PT/LAM Infokom & syarat transisi ke Universitas Tazkia).
  • Diferensiasi/identitas: positioning sebagai kampus green / sustainable (& secure) computing — niche yang belum ramai.
  • Mentorship: ko-pembimbingan & transfer kapasitas dari Maranatha (kampus mapan, Oscar Warek I).
  • Tautan industri: Jejakin untuk proyek/magang mahasiswa, studi kasus nyata; menguatkan portofolio LPPM (Hendri Ketua LPPM).
  • Konten kurikulum: silabus sustainability siap pakai (Track 2).

Universitas Kristen Maranatha

  • Memperluas riset edu-tech Oscar (bidang S3-nya) ke ranah sustainability — arah baru — dengan mitra & data nyata.
  • Kepemimpinan publikasi (Editor-in-Chief JETS) + jejaring kolaborasi lintas-institusi & industri.
  • Peningkatan UI GreenMetric lewat pilot smart & sustainable campus + riset Education & Research.
  • Keterlibatan mahasiswa S2 (subjek & ko-penulis) — luaran tesis & publikasi.

Jejakin.com

  • Kecocokan dengan DNA climate-tech (benefit utama). Riset bertumpu pada CS/IT/komputasi — dan bagi perusahaan climate-tech, teknologi bersifat mandatory/core (CarbonIQ/CarbonAtlas/CarbonSpace, IoT, satelit, ML, software). Riset memperkuat lapis teknologi (green/efficient computing, AI-ML untuk MRV, software carbon, secure & sustainable computation, rekayasa data) = menguatkan core engineering Jejakin langsung. Keahlian domain lingkungan dipasok Jejakin/mitra → komplementer, bukan kesenjangan.
  • Validasi/kredibilitas ilmiah metode carbon & biodiversity — bersifat moderat & tidak langsung: yang menggerakkan transaksi adalah sertifikasi registry & verifikasi pihak ketiga (Verra/Gold Standard/ICVCM/VVB), bukan paper. Nilai akademik = trust/de-risk, reputasi, talent, hibah, kepemimpinan standar (pelengkap, bukan pendorong revenue langsung).
  • Leverage R&D & talent pipeline: akses mahasiswa/peneliti, metode baru (green prompting, bioakustik) yang bisa masuk produk.
  • Living lab: kampus mitra sebagai lokasi uji & calon pengguna (carbon accounting, monitoring biodiversity).
  • Narasi ESG/impact & diseminasi publik (program aksi nyata) yang memperkuat brand.
  • Tata kelola matang: bersertifikat ISO/IEC 27001:2022 (keamanan informasi), ISO/IEC 27701 (privasi/PIMS, edisi 2019), ISO 9001 (mutu) — fondasi kuat untuk arah Secure & Sustainable Computation dan penanganan data riset.

Benefit Jejakin dari membantu Smart & Sustainable Campus di banyak kampus (strategis, bukan sekadar CSR):

  • Segmen pasar baru & recurring revenue — kampus sebagai pelanggan CarbonIQ/CarbonAtlas/CarbonSpace; ratusan PT Indonesia ikut UI GreenMetric → pasar besar & berulang.
  • Living lab multi-kampus — konteks beragam mematangkan produk carbon & biodiversity di kondisi nyata.
  • Reference customer & studi kasus — logo, testimoni, publikasi bersama → kredibilitas jual ke korporat/pemerintah.
  • Playbook replikatif — satu paket "Smart & Sustainable Campus" digandakan ke kampus lain → ekspansi murah & cepat.
  • Kepemimpinan standar (moat) — metodologi kampus tervalidasi riset jadi acuan de-facto Indonesia.
  • Agregasi offset & engagement publik — program tanam/offset berbasis civitas (model Electree) → volume kredit + jangkauan.
  • Talent pipeline — mahasiswa terlatih tools Jejakin → rekrutmen/magang.
  • Selaras agenda nasional — NEK (Perpres 98/2021), NDC, SDGs → posisi strategis dengan regulator & mitra.

Risiko & Mitigasi

#RisikoDampakMitigasi
1Akses data carbon/biodiversity Jejakin belum pasti; data carbon sulitmenghambat P-Djadikan data Jejakin opsional/validasi; jalur utama pengukuran langsung + dataset/registry publik; dahulukan paper risiko-rendah (P-A/C/E/F)
2Kapasitas kampus baru (Tazkia 2 angkatan, SDM/mhs senior terbatas)throughput riset rendahmentorship Maranatha + ko-pembimbingan; tim engineering Jejakin; scope bertahap & terukur
3Konflik kepenulisan/IP; peran ganda Hendri (Tazkia & Jejakin)sengketa, COICRediT, disclosure eksplisit, atur di MoU/PKS sebelum submission
4Scope creep (banyak track/paper)tak ada yang selesairoadmap + prioritas quick wins; satu milestone fokus dulu (P-A)
5Reprodusibilitas pengukuran energireviewer menolakharness terstandar (CodeCarbon/RAPL), laporkan asumsi + analisis sensitivitas grid EF
6Pasar kredit biodiversity muda / risiko greenwashingkredibilitasberpegang standar kredibel (Verra NF, GBF), posisikan sebagai riset, hati-hati klaim
7Komitmen mitra (UNIKOM masih calon; prioritas Jejakin berubah)pilot tersendatMoU + PIC jelas; rencana modular yang tetap jalan bila satu pihak mundur
8Etika & keamanan data mahasiswapelanggaran etik/kebocoraninformed consent, anonimisasi, izin komisi etik; manfaatkan ISMS/PIMS Jejakin (ISO 27001:2022 / 27701) untuk tata kelola data
9Infra compute LLM lokalbiaya/keterbatasanpakai model kecil-efisien (selaras tema green), GPU lab yang ada
10Pendanaankegiatan terhentibertahap; in-kind Jejakin; hibah (DRTPM/internal); luaran bernilai akreditasi