aquaculture bioinformatic (UAS ) Resume

http://www.springerlink.com/content/mk511251u40004u7/fulltext.pdf

 Comprehensive EST analysis of Atlantic halibut (Hippoglossus

hippoglossus), a commercially relevant aquaculture species

Sebuah langkah awal yang penting dalam karakterisasi genom spesies baru, dalam hal ini Atlantic halibut (Hippoglossus hippoglossus), adalah generasi informasi EST. Sebuah koleksi dari 7710 EST Unigene beranotasi fungsional telah dirakit dari Halibut Atlantik. Ini telah dimasukkan ke dalam database, tersedia untuk publik dicari dan membentuk dasar untuk microarray oligonukleotida yang dapat digunakan sebagai alat untuk mempelajari ekspresi gen dalam hal ini ikan ekonomis penting aquacultured. Hal ini membentuk dasar untuk desain microarray berikutnya, deteksi SNP dan penempatan penanda baru pada genetik linkage peta.

Halibut Atlantik adalah air dingin flatfish asli Utara Atlantik yang menunjukkan potensi yang sangat baik untuk produksi dalam akuakultur karena sangat berharga daging putih. Flatfish telah lama ikan pilihan makanan, dengan banyak anggota, misalnya kelompok, halibuts, Flounders, sol, turbot, dan plaice, memiliki nilai komersial yang besar khususnya di Asia. Dengan penurunan umum di seluruh dunia perikanan liar, dan meramalkan runtuhnya global semua saat memancing spesies pada tahun 2048. sangat penting bahwa alternatif seperti budidaya dikejar. Investigasi ke dalam memproduksi flatfish oleh akuakultur telah berlangsung selama terakhir Limabelas atau duapuluh tahun. Produksi perikanan budidaya dari Jepang menggelepar, turbot, halibut Atlantik dan lain-lain telah kini telah berhasil dicapai, meskipun perbaikan dalam efisiensi masih jelas diperlukan. Dalam metode ini yang digunakan yaitu ikan pemeliharaan dan sampling, perpustakaan cDNA konstruksi, Sequencing, EST dan anotasi, dan Identifikasi urutan mikrosatelit. SED dan MER dipahami dan dirancang proyek. LCK dibangun perpustakaan cDNA. JK dan MER dilakukan bioinformatic analisis. Meningkatkan komersial budaya Atlantik halibut dan satu-satunya Senegal.

Pada hasil terdapat cDNA perpustakaan dan EST, anotasi, dan Fungsional kategori cDNA. Normalised perpustakaan cDNA arah dibangun dari lima tahap larva yang berbeda (Penetasan, mulut membuka, tengah untuk metamorfosis, premetamorphosis, dan postmetamorphosis) dan delapan jaringan dewasa yang berbeda (testis, ovarium, hati, kepala ginjal, limpa, kulit, insang, dan usus). Rekombinasi efisiensi perpustakaan berkisar 91-98% dan masukkan ukuran rata-rata 1,4 kb. Sekitar 1000 klon diurutkan dari ujung 5'-perpustakaan masing-masing dan setelah pemangkasan, 12675 urutan yang baik diperoleh. Redundansi dalam perpustakaan masing-masing sangat rendah dan perakitan dari koleksi seluruh EST ke contigs menghasilkan 7738 urutan yang unik yang 6.722 (87%) memiliki pertandingan di Genbank. Penghapusan EST dan contigs yang berasal dari bakteri atau organisme makanan menghasilkan total 7710 urutan halibut unik.

Penambahan lebih dari 7700 EST, 5040 yang secara fungsional beranotasi, secara signifikan meningkatkan genom yang tersedia untuk non-model spesies ikan alat. Mengingat tinggi urutan tingkat kesamaan antara spesies flatfish, yang Atlantic halibut EST akan menarik besar untuk flatfish peneliti pada umumnya, serta halibut akuakultur penelitian masyarakat. Tersebut, dapat diakses publik dicari database juga menambahkan nilai substansial untuk data genom dihasilkan dalam penelitian ini. Survei EST telah memberikan jumlah penanda mikrosatelit yang telah ditempatkan di Atlantik halibut genetik linkage peta (Reith, pers. comm) serta. probe untuk studi lokalisasi selular dengan dalam hibridisasi in situ. Hal ini juga meletakkan dasar untuk desain dan konstruksi microarray untuk mempelajari ekspresi gen di bawah kondisi lingkungan yang berbeda untuk lebih memahami dampak gizi, stres,dan kondisi lingkungan pada produksi perikanan budidaya.

 

http://www.springerlink.com/content/mk511251u40004u7/fulltext.pdf

Resum Jurnal Tugas TI

Resum TI 

    Nama : Serly Cahyani P.

                                                           Nim   : K2B009001

PARAMETER LAHAN KRITIS

Data spasial lahan kritis diperoleh dari hasil analisis terhadap beberapa data spasial yang merupakan parameter penentu kekritisan lahan. Parameter penentu kekritisan lahan berdasarkan SK Dirjen RRL No. 041/Kpts/V/1998 meliputi :

· kondisi tutupan vegetasi

· kemiringan lereng

· tingkat bahaya erosi dan singkapan batuan (outcrop), dan

· kondisi pengelolaan (manajemen)

Informasi tentang liputan lahan dapat diperoleh dari hasil interpretasi citra penginderaan jauh. Citra satelit Landsat 7 ETM+ dapat digunakan sebagai sumber data yang terpercaya untuk pemetaan liputan lahan pada skala 1: 250.000 atau lebih kecil. Hasil interpretasi citra dari Badan Planologi Dep. Kehutanan yang terbaru merupakan sumber data utama liputan lahan tersebut, apabila hasil interpretasi citra satelit yang terbaru tidak tersedia di BP DAS atau instansi terkait lainnya. Kondisi tutupan lahan dinilai berdasarkan prosentase tutupan tajuk pohon dan diklasifikasikan menjadi lima kelas. Masing-masing kelas tutupan lahan elanjutnya diberi skor untuk keperluan penentuan lahan kritis. Dalam penentuan kekritisan lahan, parameter liputan lahan mempunyai bobot 50%, sehingga nilai skor untuk parameter ini merupakan perkalian antara skor dengan bobotnya (skor x 50). Klasifikasi tutupan lahan dan skor untuk masing-masing kelas ditunjukkan pada tabel berikut. Kemiringan lereng adalah perbandingan antara beda tinggi (jarak vertikal) suatu lahan dengan jarak mendatarnya. Besar kemiringan lereng dapat dinyatakan dengan beberapa satuan, diantaranya adalah dengan % (prosen) dan o (derajat). Data spasial kemiringan lereng dapat disusun dari hasil pengolahan data ketinggian (garis kontur) dengan bersumber pada peta topografi atau peta rupabumi. Pengolahan data kontur untuk menghasilkan informasi kemiringan lereng dapat dilakukan secara manual maupun dengan bantuan komputer. Penyusunan data spasial kemiringan lereng dengan bantuan komputer dapat dilakukan apabila telah tersedia data kontur dalam format digital. Data kontur terlebih dahulu diolah untuk menghasilkan model elevasi digital (Digital Elevation Model/DEM) untuk kemudian diperoses guna menghasilkan data kemiringan lereng.

Peta kontur ketinggian, atau dalam konteks visualisasi tiga dimensi kerap dinamakan Digital Elevation Model (DEM). Untuk dapat bermanfaat maksimal, sebaiknya peta kontur ketinggian ini mempunyai resolusi ketelitian dalam orde beberapa cm. Untuk mencapai resolusi ketelitian setingkat ini metode survei terestris yang berbasis pengukuran sifat datar (leveling) harus diterapkan. Dengan tersedianya peta ini maka pola aliran, sirkulasi, dan limpahan air hujan akan dapat dipelajari dan dianimasi secara baik. Daerah-daerah cekungan dan daerah-daerah yang ada di bawah permukaan laut juga akan terdeteksi, sehingga tindakan-tindakan preventif yang bersifat holistik untuk perlindungan daerah itu dari bahaya banjir dapat dilakukan sejak dini. Peta kontur ketinggian ini juga sebaiknya dibuat dalam dua versi, peta kontur ketinggian permukaan tanah (tanpa bangunan) serta peta kontur ketinggian permukaan yang memperhitungkan bangunan. Pemanfaatan data Citra Landsat dan Digital Elevation Model (DEM) dipadukan dengan data lapangan, pada intinya dapat memberikan kemudahan, efisien dan akurat dalam pembuatan peta-peta tematik baik sebagai parameter pembatas maupun parameter penimbang dalam analisis arahan penataan lahan usaha tambang. Demikian pula dalam proses analisis morfometrik dapat memasukkan analisis tiga dimensi (3D) sehingga visualisasi hasil kajian lebih nyata. Kerangka pikir pemanfaatan data Citra Landsat dan Digital Elevation Model (DEM) dalam analisis morfometrik tiga dimensi untuk arahan penataan lahan usaha tambang.Digital Elevation model (DEM) dapat diperoleh dengan mengaplikasikan data ini, sehingga data ini tidak hanya untuk peta topografik saja, tetapi bisa juga digunakan sebagai citra stereo.

Data kontur yang akan diolah harus sudah tersedia dalam bentuk data digital. Data digital ini adalah adalah data vektor dalam format ArcView shape file ataupun format yang lain yang dapat dikonversi menjadi ArcView shape file. Data kontur format vector diolah terlebih dahulu menjadi Model Elevasi Digital (Digital Elevation Model / DEM) dengan metode TIN (Triangulated Irregular Network). Berdasarkan DEM kemudian dibuat data ketinggian dalam 25 format raster (GRID) untuk selanjutnya diolah menjadi data raster kemiringan lereng. Vektor adalah format penyimpanan data dalam bentuk koordinat (x,y)sedangkan raster adalah format  penyimpanan data dalam bentuk sel yang ditunjukkan dengan baris dan kolom. Sel sebagai unit terkecil dari data disebut juga dengan pixel (kependekan dari picture element).

Data spasial tingkat erosi diperoleh dari pengolahan data spasial sistem lahan (land system). Setiap poligon (unit pemetaan) land system mempunyai data atribut yang salah satunya berisikan informasi tentang bahaya erosi. Tingkat bahaya erosi pada setiap land system diklasifikasikan menjadi enam kelas yaitu:

1. Sistem lahan tererosi (eroded land system)

2. Sistem lahan yang mengandung bahaya erosi amat sangat tinggi (extremely severe erosion hazard)

3. Sistem lahan yang mengandung bahaya erosi amat tinggi (very severe erosion hazard)

4. Sistem lahan yang mengandung bahaya erosi sangat tinggi (severe erosion hazard)

5. Sistem lahan yang mengandung bahaya erosi sedang (moderately severe erosion hazard)

6. Sistem lahan yang mengandung bahaya erosi ringan (slight erosion hazard)

Berdasarkan SK Dirjen RRL No. 041/Kpts/V/1998, data produktivitas merupakan salah satu kriteria yang dipergunakan untuk menilai kekritisan lahan di kawasan budidaya pertanian, yang dinilai berdasarkan ratio terhadap produksi komoditi umum optimal pada pengelolaan tradisional. Sesuai dengan karakternya, data tersebut merupakan data atribut. Di dalam analisa spasial, data atribut tersebut harus dispasialkan dengan satuan pemetaan land system. Alasan utama digunakannya land system sebagai satuan pemetaan produktivitas adalah setiap land system mempunyai karakter geomorfologi yang spesifik, sehingga mempunyai pola usaha tani dan kondisi lahan yang spesifik pula. Manajemen merupakan salah satu kriteria yang dipergunakan untuk menilai kekritisan lahan di kawasan hutan lindung , yang dinilai berdasarkan kelengkapan aspek pengelolaan yang meliputi keberadaan tata batas kawasan, pengamanan dan pengawasan serta dilaksanakan atau tidaknya penyuluhan. Sesuai dengan karakternya, data tersebut merupakan data atribut. Seperti halnya dengan kriteria produktivitas, manajemen pada prinsipnya merupakan data atribut yang berisi informasi mengenai aspek manajemen. Berkaitan dengan penyusunan data spasial lahan kritis, kriteria tersebut perlu dispasialisasikan dengan menggunakan atau berdasar pada unit pemetaan tertentu. Unit pemetaan yang digunakan, mengacu pada unit pemetaan untuk kriteria produktivitas, adalah unit pemetaan landsystem.

Tugas TI ke 2 meringkas

Pendahuluan

“Bioinformatika adalah ilmu yang mempelajari penerapan teknik komputasional untuk mengelola dan menganalisis informasi biologis. Bidang ini mencakup penerapan metode-metode matematika, statistika, dan informatika untuk memecahkan masalah-masalah biologis, terutama dengan menggunakan sekuens DNA dan asam amino serta informasi yang berkaitan dengannya. Contoh topik utama bidang ini meliputi basis data untuk mengelola informasi biologis, penyejajaran sekuens (sequence alignment), prediksi struktur untuk meramalkan bentuk struktur protein maupun struktur sekunder RNA, analisis filogenetik, dan analisis ekspresi gen”.Aplikasi TI dalam bidang biologi molekul telah melahirkan bidang Bioinformatika. Kajian ini semakin penting, sebab perkembangannya telah mendorong kemajuan bioteknologi di satu sisi, dan pada sisi lain memberi efek domino pada bidang kedokteran, farmasi, lingkungan dan lainnya. Berbagai kajian baru bermunculan, sejalan dengan perkembangan TI itu sendiri dan disiplin ilmu yang didukungnya. Kajian baru Bioinformatika ini tak lepas dari perkembangan biologi molekul modern yang ditandai dengan kemampuan manusia untuk memahami genom, yaitu cetak biru informasi genetik yang menentukan sifat setiap makhluk hidup yang disandi dalam bentuk pita molekul DNA (asam deoksiribonukleat). Bioteknologi modern ditandai dengan kemampuan pada manipulasi DNA. Rantai/sekuen DNA yang mengkode protein disebut gen. Sekuen DNA satu organisme. Studi bioinformatika telah digunakan untuk membuat primer degeratif gen penyadi enzim transglutaminase (TGase).

Resume Bioinformatika Mengawinkan Teknologi Informasi dengan Bioteknologi pada Dunia Perikanan

  TI tidak hanya telah membangkitkan gelombang new-economy tapi juga merubah pola pikir sampai kepada gaya hidup manusia modern sehingga serasa hidup dalam “kampung dunia”. Kekuatan inovasi teknologi yang disepadankan dengan TI di masa depan adalah bioteknologi. Bioteknologi modern ditandai dengan kemampuan manusia untuk memanipulasi kode genetik DNA, “cetak biru kehidupan”. Berbagai aplikasinya telah merambah sektor kedokteran, pangan, lingkungan. Aplikasi TI dalam bidang biologi/life sciences yang melahirkan bidang Bioinformatika akan menjadi semakin penting di masa depan, tidak hanya mengakselerasi kemajuan bioteknologi namun juga menjembatani dua gelombang ekonomi baru tersebut (TI & bioteknologi). Ledakan informasi dari kemajuan bioteknologi seperti data sekuen DNA dari pembacaan genom, data sekuen dan struktur protein sampai kepada data transkripsi RNA berkat teknologi DNA chip, telah mendorong lahirnya Bioinformatika yang digunakan untuk mengorganisasi dan menganalisa data-data tersebut menjadi sebuah informasi biologis yang bermakna.

            Ciri dari bioteknologi modern tadi adalah kemampuan pada manipulasi DNA. Rantai/sekuen DNA yang mengkode protein disebut gen. Gen itu ditranskripsikan menjadi mRNA yang selanjutnya mRNA ditranslasikan menjadi protein, Protein sebagai produk akhir adalah yang bertugas menunjang seluruh proses kehidupan antara lain sebagai katalis reaksi biokimia dalam tubuh (protein ini disebut enzim), ikut serta dalam system pertahanan tubuh melawan virus, parasit dll (disebut antibodi), menyusun struktur tubuh dari ujung kaki (otot terbentuk dari protein actin, myosin, dsb) sampai ujung rambut (rambut tersusun dari protein keratin), dll. Arus informasi, DNA -> RNA -> Protein, inilah yang disebut sentral dogma dalam biologi.

                             

Kemajuan teknologi biologi molekuler itu sendiri (misalnya DNA rekombinan, PCR, dsb) dan ditunjang dengan peralatan yang memadai membuat waktu dan biaya lebih pendek/murah. Ledakan awal dimulai dari data DNA sekuen DNA satu organisme dibaca secara menyeluruh yaitu pada sejenis virus yang memiliki kurang lebih 5.000 nukleotida/molekul DNA atau sekitar 11 gen. Sekarang sudah ada milyaran data nukleotida tersimpan dalam database DNA, Inovasi teknologi DNA chip yang dipelopori oleh perusahaan bioteknologi AS, Affymetrix di Silicon Valley telah mendorong munculnya database baru mengenai RNA. Dengan ini, riset tidak dilakukan lagi satu persatu terhadap molekul (DNA/RNA/protein) yang diminati, namun pada keseluruhan/satu set masing-masing molekul (untuk DNA dari gen ke genom, untuk RNA disebut transkriptom dan proteom untuk protein). Ledakan data/informasi biologi itu yang mendorong lahirnya Bioinformatika. Karena Bioinformatika adalah bidang yang relatif baru, masih banyak kesalahpahaman mengenai definisinya. Komputer sudah lama digunakan untuk menganalisa data biologi, misalnya terhadap datadata kristalografi sinar X dan NMR (Nuclear Magnetic Resonance) dalam melakukan penghitungan transformasi Fourier, Bidang ini disebut sebagai Biologi Komputasi. Bioinformatika muncul atas desakan kebutuhan untuk mengumpulkan, menyimpan dan menganalisa data-data biologis dari database DNA, RNA maupun protein tadi. Untuk mewadahinya beberapa jurnal baru bermunculan (misalnya Applied Bioinformatics), atau berubah nama seperti Computer Applications in the Biosciences (CABIOS) menjadi BIOInformatic yang menjadi official journal dari International Society for Computational Biology (ICSB) (nama himpunan tidak ikut berubah). Beberapa topik utama dalam Bioinformatika dijelaskan di bawah ini. Keberadaan database adalah syarat utama dalam analisa Bioinformatika. Database informasi dasar telah tersedia saat ini. Untuk database DNA yang utama adalah GenBank di AS. Sementara itu bagi protein, databasenya dapat ditemukan di Swiss-Prot (Swiss) untuk sekuen asam aminonya dan di Protein Data Bank (PDB) (AS). Di dalam DNA, terdapat 4 jenis basa yaitu basa Adenin (A), cytosine (C), guanine (G) dan timin (T). Basa adalah molekul berbentuk cincin yang memiliki 5 buah atom karbon dan mengikat 1 buah atom nitrogen. Susunan basa dalam molekul RNA memiliki kesamaan dengan DNA hanya saja basa timin digantikan oleh urasil (U). Adenin dan guanine berstruktur 2 cincin C5 dan C6 yang saling menempel, sedangkan timin dan urasil berstruktur 1 cincin pirimidin, struktur DNA, adenine akan berikatan dengan timin melalui 2 ikatan hydrogen, sedangkan guanine akan berikatan dengan cytosine melalui 3 ikatan hydrogen. Ketersediaan database dasar (DNA, protein) yang bersifat terbuka/gratis merupakan peluang besar untuk menggali informasi berharga. Terdapat banyak mikroorganime penyandi gen Tgase yang menghasilkan produk berupa enzim transglutaminase. Mikroorganisme penyandi gen Tgase tersebut, diantaranya adalah kelompok Streptomyces dan Streptoverticillium. Berdasarkan homologi dari sekuens DNA dan proteinnya, telah didapat primer forward dan primer reverse yang sesuai untuk mengekspresikan gen yang memproduksi enzim transglutaminase. Primer forward = PTGase 4 5’- CCG AGA CGG TCG TCA ACA AC-3’ dan Primer reverse = PTGase 4 5’- CGA ACC AGC CGT AGT CGA AA-3’.

Data yang berada dalam database itu hanya kumpulan/arsip data yang biasanya dikoleksi secara sukarela oleh para peneliti, namun saat ini banyak jurnal atau lembaga pemberi dana penelitian mewajibkan penyimpanan dalam database. Trend yang ada dalam pembuatan database saat ini adalah isinya yang makin spesialis . Misalnya untuk protein struktur, ada SCOP dan CATH yang mengklasifikasikan protein berdasarkan struktur 3D-nya, selain itu ada pula PROSITE, Blocks, dll yang berdasar pada motif struktur sekunder protein. Tak kalah penting dari data eksperimen tersebut adalah keberadaan database paper yang terletak di Medline. Link terhadap publikasi asli biasanya selalu tercantum dalam data asli sekuen. Perkembangan Pubmed terakhir yang penting adalah tersedianya fungsi mencari paper dengan topik sejenis dan link kepada situs jurnal on-line sehingga dapat membaca keseluruhan isi paper tersebut. Setelah informasi terkumpul dalam database, langkah berikutnya adalah menganalisa data. Pencarian database umumnya berdasar hasil alignment/pensejajaran sekuen, baik sekuen DNA maupun protein. Metode ini digunakan berdasar kenyataan bahwa sekuen DNA/protein bias berbeda sedikit tetapi memiliki fungsi yang sama. Misalnya protein hemoglobin dari manusia hanya sedikit berbeda dengan yang berasal dari ikan paus. Kegunaan dari pencarian ini adalah ketika mendapatkan suatu sekuen DNA/protein yang belum diketahui fungsinya maka dengan membandingkannya dengan yang ada dalam database bisa diperkirakan fungsi daripadanya. Algoritma untuk pattern recognition seperti Neural Network, Genetic Algorithm dll telah dipakai dengan sukses untuk pencarian database ini. Salah satu perangkat lunak pencari database yang paling berhasil dan bisa dikatakan menjadi standar sekarang adalah BLAST (Basic Local Alignment Search Tool). Perangkat lunak ini telah diadaptasi untuk melakukan alignment terhadap berbagai sekuen seperti DNA (blastn), protein (blastp), dsb. Baru-baru versi yang fleksibel untuk dapat beradaptasi dengan database yang lebih variatif telah dikembangkan dan disebut Gapped BLAST serta PSI (Position Specific Iterated)-BLAST. Sementara itu perangkat lunak yang digunakan untuk melakukan alignment terhadap sekuen terbatas di antaranya yang lazim digunakan adalah CLUSTAL dan CLUSTAL W Data yang memerlukan analisa bioinformatika dan cukup mendapat banyak perhatian saat ini adalah data hasil DNA chip. Menggunakan perangkat ini dapat diketahui kuantitas maupun kualitas transkripsi satu gen sehingga bias menunjukkan gen-gen apa saja yang aktif terhadap perlakuan tertentu, misalnya timbulnya kanker, dll. mRNA yang diisolasi dari sampel dikembalikan dulu dalam bentuk DNA menggunakan reaksi reverse transcription. Selanjutnya melalui proses hibridisasi, hanya DNA yang komplementer saja yang akan berikatan dengan DNA di atas chip. DNA yang telah diberi label warna berbeda ini akan menunjukkan pattern yang unik. Berbagai algoritma pattern recognition telah digunakan untuk mengenali gen-gen yang aktif dari eksperimen DNA chip ini, salah satunya yang paling ampuh adalah Support Vector Machine (SVM).Bioinformatika sudah menjadi bisnis besar sekarang. Perusahaan bioteknologi yang menghasilkan data besar seperti perusahaan sekuen genom, senantiasa memerlukan bagian analisa Bioinformatika. Produk Bioinformatika pun sudah dipatenkan baik di AS, Eropa maupun Asia. Berdasar jenisnya produk yang dipatenkan itu bisa dibagi menjadi tiga yaitu (1) perangkat lunak Bioinformatika, termasuk diantaranya adalah perangkat lunak pencarian database dsb dengan contoh misalnya paten no. 6,125,331 di AS berjudul “Structural alignment method making use of a double dynamic programming algorithm”, (2) metode Bioinformatika, ini menggunakan analogi metode bisnis telah dapat dipatenkan di AS seperti pada kasus pematenan Amazon.com, sebagai contoh adalah paten no. 6,125,383 di AS tentang “Research system using multi-platform object oriented program language for providing objects at runtime for creating and manipulating biological or chemical data”, terakhir (3) produk Bioinformatika itu sendiri yaitu informasi biologis hasil analisanya.

Inilah hsil ringkasan tentang Bioinformatika Mengawinkan Teknologi Informasi dengan Bioteknologi pada dunia perikanan. Bahwa biologi molekuler yang sedikit banyak mengikuti perkembangannya karena keharusan menggunakan perangkat-perangkat Bioinformatika untuk analisa data. Sementara itu di kalangan TI masih kurang mendapat perhatian. Ketersediaan database dasar (DNA, protein) yang bersifat terbuka/gratis merupakan peluang besar untuk menggali informasi berharga daripadanya. Sudah disepakati, database genom manusia misalnya akan bersifat terbuka untuk seluruh kalangan.