Gibran Yakin AI Bisa Atasi Banjir, Apakah Mungkin Secara Ilmiah?

Ricky Jenihansen - Senin, 24 Maret 2025 | 19:00 WIB

Kompas.com/Pixabay

Kolase foto Gibran Rakabuming dan ilustrasi Artifcial Intelligence (AI). Gibran Rakabuming Raka meyakini Artificial Intelligence (AI) atau kecerdasan buatan dapat dimanfaatkan untuk mengatasi banjir. Mungkinkah hal itu dilakukan secara ilmiah?

Sebagai contoh, dalam konteks komunitas pesisir, AI dapat digunakan dalam pemodelan banjir untuk memperkirakan dampak kenaikan permukaan laut atau cuaca ekstrem terhadap infrastruktur dan permukiman.

Dengan menganalisis data tentang topografi, penggunaan lahan, dan perkembangan perkotaan, AI dapat membantu mengidentifikasi area yang lebih rentan terhadap banjir. Para pengambil kebijakan dapat memanfaatkan informasi ini untuk merancang langkah-langkah pencegahan, seperti membangun tanggul, memperkuat atau merelokasi infrastruktur, serta menerapkan peraturan tata ruang yang melarang pembangunan di area berisiko tinggi.

Namun, pemanfaatan AI dalam mitigasi banjir tidak terbatas pada komunitas pesisir. Sebagai contoh, sebuah studi pada tahun 2021 menggunakan AI untuk menilai kerentanan banjir di Dire Dawa, Ethiopia.

Para peneliti menganalisis berbagai faktor penyebab banjir, termasuk curah hujan, kemiringan tanah, penggunaan lahan, ketinggian wilayah, kepadatan vegetasi, jarak dari sungai, geomorfologi, jarak dari jalan, dan kepadatan penduduk. Data ini digunakan untuk melatih model AI dalam menghasilkan peta bahaya banjir di daerah tersebut.

Hasil yang diperoleh kemudian dibandingkan dengan data historis banjir tahun 2006. Setiap kesalahan yang ditemukan dimasukkan kembali ke dalam model untuk meningkatkan akurasi prediksi.

Setelah beberapa kali iterasi, model ini berhasil mengidentifikasi zona yang rentan terhadap banjir di kota dan daerah aliran sungainya, memberikan wawasan berharga bagi perencanaan dan pengelolaan banjir di masa depan.

Pasca Banjir

Kecerdasan buatan (AI) juga dapat berperan dalam respons terhadap bencana. Dalam tinjauan komprehensif tentang penggunaan pembelajaran mesin untuk perubahan iklim, Kris Sankaran, asisten profesor di Departemen Statistik di University of Wisconsin–Madison, menyoroti dua jenis tugas pembelajaran mesin yang terbukti berguna dalam mendukung upaya bantuan pascabencana.

Dua jenis tugas pembelajaran mesin tersebut yakni, pembuatan peta dari citra udara dan analisis data media sosial.

1. Pembuatan Peta untuk Perencanaan Evakuasi dan Distribusi Bantuan

Pembelajaran mesin dapat menghasilkan peta yang akurat dari citra udara guna membantu perencanaan evakuasi serta distribusi bantuan. Citra ini juga dapat digunakan untuk membandingkan kondisi sebelum dan sesudah bencana, yang berperan penting dalam menilai tingkat kerusakan dan menentukan alokasi sumber daya untuk bantuan dan rekonstruksi.

Halaman Selanjutnya