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?

Nationalgeographic.co.id—Wakil Presiden Gibran Rakabuming Raka meyakini Artificial Intelligence (AI) atau kecerdasan buatan dapat dimanfaatkan untuk mengatasi banjir.

Hal itu disampaikannya saat menghadiri acara bertajuk Artificial Intellegence: Shaping Indonesia’s Future di Universitas Pelita Harapan (UPH) Kampus Lippo Village, Karawaci, Tangerang, Banten pada Kamis (20/3/2025) pagi, seperti dikutip dari Kompas.com.

Menurut Gibran, AI dapat membantu manusia dalam meningkatkan produktivitas dan kreativitas, seperti misalnya mengatasi kemacetan dan banjir.

“Kami ingin ke depan semua pelayanan publik, pembayaran pajak atau nanti besok kita mudik ya, kita pengen nanti masalah traffic bisa dibantu AI jadi penumpukan di exit tol,” kata Gibran

Selain itu, titik-titik kepadatan lalu lintas di tempat lain juga diharapkan bisa diatasi dengan bantuan AI. Gibran juga menyoroti tentang pemanfaatan AI untuk menangani masalah banjir.

“Atau mungkin akhir-akhir ini banyak banjir, itu saya yakin ke depan AI bisa membantu (tangani banjir) juga,” tambah Gibran.

Tapi mungkinkah hal itu dilakukan secara ilmiah?

Seperti diketahui, AI merupakan alat yang efektif untuk menganalisis data dalam jumlah besar dengan cepat dan biaya yang relatif rendah. Kemampuan ini dapat dimanfaatkan dalam jangka panjang untuk menyusun rencana adaptasi guna mengurangi dampak banjir yang berpotensi terjadi.

Menurut Oxford Insights, pemanfaatannya dapat sangat luas dan menurut sejumlah ahli, memang AI dapat digunakan dalam penanganan sebelum dan setelah bencana, seperti misalnya banjir. Oxford Insights adalah sebuah perusahaan global yang berfokus pada peningkatan dampak layanan publik dengan memanfaatkan teknologi dan pendekatan inovatif.

AI dapat menganalisis berbagai sumber data—seperti model iklim, citra satelit, dan pola cuaca—untuk mengidentifikasi daerah yang lebih rentan terhadap banjir.

Informasi ini dapat digunakan oleh para pengambil keputusan dan komunitas setempat untuk menyusun rencana adaptasi yang disesuaikan dengan kebutuhan masing-masing wilayah. Dengan demikian, mereka dapat meningkatkan ketahanan lingkungan sekitar serta mengalokasikan sumber daya ke daerah yang memiliki tingkat kerentanan tinggi.

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.

Salah satu contoh nyata dari penerapan AI dalam manajemen bencana adalah model pembelajaran mendalam DAHiTrA, yang digunakan untuk mengklasifikasikan kerusakan bangunan berdasarkan citra satelit setelah bencana alam.

Model ini mengenali fitur geografis di berbagai lokasi dan membandingkan gambar bangunan, jalan, atau jembatan sebelum dan sesudah bencana guna menentukan tingkat kerusakan.

Biasanya, penilaian kerusakan bangunan pascabencana bisa memakan waktu berbulan-bulan. Namun, karena citra satelit tersedia dalam waktu 24 jam dan model DAHiTrA bekerja cepat, otoritas dapat mengetahui jumlah bangunan serta infrastruktur yang terdampak serta tingkat kerusakannya dalam waktu sehari setelah kejadian.

Evaluasi yang lebih cepat dan akurat memungkinkan komunitas serta pemerintah mengalokasikan sumber daya dengan lebih efektif. Saat ini, tim DAHiTrA bekerja sama dengan berbagai lembaga pemerintah, badan manajemen darurat, serta organisasi internasional untuk menerapkan model ini dalam penilaian kerusakan bangunan.

2. Analisis Data Media Sosial untuk Bantuan Pascabencana

Selain itu, pembelajaran mesin dapat menganalisis informasi yang diposting di media sosial. Meskipun terdengar kontroversial, data dari media sosial setelah bencana sering kali mengandung informasi berharga. Misalnya, laporan dari warga tentang daerah yang mengalami kekurangan air atau fasilitas kesehatan yang kehabisan pasokan dapat membantu upaya bantuan.

Pembelajaran mesin mampu menganalisis data dalam jumlah besar dari media sosial dan merangkumnya menjadi wawasan penting yang dapat menjadi dasar bagi tim manajemen bencana dalam mengambil keputusan dan merancang rencana bantuan.

Dukungan Organisasi Internasional

Potensi AI dalam upaya bantuan bencana telah menarik perhatian organisasi internasional besar. Pada tahun 2021, Organisasi Meteorologi Dunia (WMO), Uni Telekomunikasi Internasional (ITU), dan Program Lingkungan PBB (UNEP) membentuk Focus Group on AI for Natural Disaster Management.

Kelompok ini bertujuan untuk mengembangkan dasar-dasar pemanfaatan AI dalam manajemen bencana alam, sehingga dapat meningkatkan kesiapsiagaan, respons, dan pemulihan setelah bencana terjadi.