IHRAM.CO.ID,JAKARTA -- Indonesia merupakan negara yang rawan bencana diantaranya bencana tsunami dan kebakaran hutan dan lahan (karhutla).
Data sejarah menunjukkan tsunami raksasa akan berulang di jalur-jalur tujaman lempeng. Di bagian selatan Pulau Jawa ditemukan sejumlah lapisan-lapisan karang yang berusia beragam, dimulai 3.000 tahun, 1.600 tahun dan 300 tahun yang menunjukkan bahwa gempa dan tsunami merupakan peristiwa berulang.
Sementara bencana kebakaran hutan dan lahan (karhutla) di Indonesia setiap tahun terus berulang, meskipun berbagai tindakan telah dilakukan, termasuk pelaksanaan Teknologi Modifikasi Cuaca (TMC).
Kesiapsigaan terhadap bencana harus dibangun sejak dini, dan pemanfaatan teknologi penting untuk membantu mengembangkan upaya antisipatif berdasarkan analisa ilmiah.
Menteri Riset dan Teknologi (Menristek)/Kepala Badan Riset dan Inovasi Nasional (BRIN) Bambang PS Brpdjonegoro pada suatu acara diskusi mengatakan upaya mitigasi bencana juga dibangun dari pengetahuan yang komprehensif dan utuh.
Berbagai hasil penelitian tentang potensi kebencanaan di Indonesia dan penggunaan ilmu pengetahuan dan teknologi diperlukan untuk memperkuat kesiapsiagaan terhadap bencana, selain masyarakat juga perlu memahami bahwa karena hidup di negara rawan bencana, maka harus menjadi warga yang siaga dan tanggap bencana.
Di samping itu, diperlukan suatu prediksi kebencanaan yang baik untuk mendukung upaya dini mitigasi bencana sehingga diharapkan dapat meminimalkan kerusakan dan kerugian.
Badan Pengkajian dan Penerapan Teknologi (BPPT) mengembangkan Prediksi Kebencanaan Menggunakan Kecerdasan Artifisial (PEKA) yang bertujuan untuk memprediksi potensi tsunami dan kebakaran hutan dan lahan (karhutla) di Tanah Air.
"BPPT telah membangun sistem berbasiskan kecerdasan artifisial untuk memprediksi potensi terjadinya tsunami pada saat ada gempa. Selain itu, juga dibangun sistem untuk memprediksi potensi terjadinya kebakaran hutan dan lahan agar bisa dilakukan langkah-langkah mitigasi," kata Kepala BPPT Hammam Riza dalam konferensi pers Outlook BPPT 2021 dan Capaian BPPT 2020, Jakarta, Kamis.
Prediksi Kebencanaan Menggunakan Kecerdasan Artifisial (PEKA) yang dibangun BPPT itu terdiri dari dua yakni PEKA-Tsunami dan PEKA-Api.
Hammam menuturkan kedua sistem yang dibangun tersebut sangat penting dalam mendukung pengambilan keputusan yang cepat dan akurat untuk meminimalisir dampak bencana, maupun untuk menghindari terjadinya bencana.
"Recommender system (PEKA) ini memberikan rekomendasi terhadap sebuah data dan kejadian yang dibangun menggunakan time series," ujarnya.
Sistem PEKA-Tsunami berperan penting dalam membantu dan mempercepat pengambilan keputusan di DSS (Decission Support System) serta meningkatkan akurasi dan kecepatan peringatan dini tsunami yang dikeluarkan oleh Badan Meteorologi, Klimatologi dan Geofisika (BMKG).
PEKA-Tsunami merupakan sistem prediksi tsunami, waktu tempuh, lokasi dan ketinggian gelombang. Sistem tersebut akan mengeluarkanprediksi tsunami jika terjadi gempa bumi dengan skala tertentu pada wilayah tertentu.
Sistem itu juga memberikan prediksi waktu tempuh, lokasi tertentu di sepanjang pantai, dan perkiraan tinggi gelombang (run-up) pada saat mencapai daratan.
PEKA-Tsunami terbagi menjadi dua sub sistem, yakni pertama, kecerdasan artifisial untuk memprediksi akan terjadinya tsunami jika terjadi gempa.
Data sejarah
Pembelajaran sistem kecerdasan artifisial tersebut memerlukan data sejarah gempa dan tsunami yang cukup panjang.
Input yang digunakan adalah data gempa dari Program Indonesia Tsunami Early Warning System (InaTEWS) BMKG, data USGS, serta data katalog kejadian tsunami. Ketiga sumber data itu digabung untuk membangun model kecerdasan artifisial.
Model yang dihasilkan akan digunakan untuk memprediksi tsunami jika memperoleh informasi gempa yang berisi gempa skala tertentu dan lokasi tertentu.
Kecerdasan artifisial pada sub sistem kedua adalah untuk memprediksi waktu tempuh dan tinggi gelombang tsunami di sepanjang pantai. Sistem kecerdasan artifisial itu menggunakan data simulasi model tsunami di seluruh wilayah Indonesia.
PEKA-Tsunami dibangun berbasis machine learning dengan menggunakan berbagai parameter penyebab terjadinya tsunami.
"Sistem kecerdasan buatan yang telah dan sedang dilatih ini nantinya terintegrasi dengan Pusat Data BMKG, bersifat otomatis, tanpa campur tangan manusia serta berjalan mandiri melakukan proses komputasi prediksi jika ada kejadian gempa bumi," tutur Hammam.
PEKA-Tsunami mempunyai hyperparameter input dengan menggunakan data simulasi, sensor Buoy, Cable Based Tsunameter (CBT) dan parameter lain.
Sistem itu diharapkan menjadi bagian penting dalam proses kemandirian teknologi kebencanaan untuk penguatan dan pembangunan sistem informasi gempa bumi dan peringatan dini tsunami dalam Program InaTEWS sampai dengan tahun 2024.
Sementara, PEKA-Api merupakan sistem prediksi kebakaran hutan dan lahan yang mencakup prediksi untuk periode delapan harian dan satu bulan ke depan.
Sistem itu juga menggunakan machine learning, dan menjadi pemberi rekomendasi untuk pembuatan keputusan peringatan dini terhadap risiko kebakaran hutan dan lahan di suatu wilayah.
PEKA-Api memiliki hyperparameter input dengan menggunakan citra satelit, sensor lapangan, dan parameter lainnya. PEKA-Api juga melakukan pemantauan (monitoring) devegetasi hutan dan lahan.
Selain PEKA-Tsunami dan PEKA-Api, BPPT juga mengembangkan sistem prakiraan tinggi muka air tanah (TMAT) lahan gambut berbasis kecerdasan artifisial.
Hasil prakiraan tersebut menjadi dasar rekomendasi kebijakan upaya dini mitigasi kebakaran hutan dan lahan.
Data observasi tinggi muka air (TMA) lahan gambut dapat memberikan informasi langsung mengenai kondisi lahan gambut di tempat tersebut.
Dengan metodologi yang tepat, prakiraan TMA akan sangat membantu pengambilan keputusan, kapan dan dimana Teknologi Modifikasi Cuaca (TMC) harus dilaksanakan.
Idealnya, TMC dilaksanakan sebagai langkah antisipatif untuk menghindari karhutla dengan cara pembasahan lahan gambut untuk mencegah lahan gambut semakin kering.
Selain itu TMC juga harus dilaksanakan ketika masih ada potensi pertumbuhan awan-awan penghujan, sehingga hasilnya dapat lebih optimal.
Pengembangan model prediksi berbasis kecerdasan artifisial untuk mendukung pelaksanaan TMC dalam rangka penanggulangan karhutla dilakukan dengan menggunakan data observasi langsung di lahan gambut dan data cuaca serta prediksi iklim di tempat tersebut.
Dari hasil model, diperoleh nilai prakiraan TMA dalam rentang waktu 3-4 bulan ke depan. Nilai prakiraan itu akan dijadikan sebagai acuan rekomendasi untuk pelaksanaan operasi TMC sebagai upaya pencegahan bencana karhutla.
Diharapkan dengan pemanfaatan sistem-sistem berbasis kecerdasan artifisial tersebut, maka diperoleh suatu rekomendasi cepat dan akurat berbasis ilmiah untuk memberikan peringatan dini tsunami dan mendukung penanggulangan bencana karhutla di Indonesia.
Ikuti Whatsapp Channel Republika