PROYEK Transient Artifact and Continuous Learning System (TACLS) oleh Badan Antariksa Amerika Serikat (NASA) pada 23 Juni 2026 menjadi contoh teranyar pemanfaatan akal imitasi (AI) untuk sistem prediksi banjir bandang. Juru Kampanye Urban dan Kebijakan Tata Ruang Walhi Nasional, Wahyu Eka Styawan, pengembangan sistem peringatan dini yang tadinya bergantung pada sensor menjadi teknologi AI menjadi langkah penting mitigasi bencana.
"Transisi ini merupakan kebutuhan strategis untuk mengubah paradigma manajemen banjir dari yang semula reaktif menjadi lebih proaktif, prediktif, dan berbasis bukti ilmiah,” katanya kepada Tempo, Selasa, 7 Juli 2026.
Scroll ke bawah untuk melanjutkan membaca
Menurut Wahyu, tingkat akurasi analisis banjir konvensional umumnya hanya berkisar 70–80 persen. Model berbasis AI bisa meningkatkan akurasi itu hingga 90 persen. Selain itu, sistem konvensional membutuhkan waktu lebih lama untuk mengolah pembaruan data—membuat responsnya terlambat. Model fisik maupun empiris juga dinilai belum mampu menangkap hubungan yang kompleks antara perubahan tutupan lahan, dinamika sungai, curah hujan, hingga dampak perubahan iklim terhadap potensi banjir.
Kecerdasan buatan, dia meneruskan, menghasilkan peringatan yang lebih dini melalui pemodelan kenaikan muka air yang menggabungkan berbagai sumber data, seperti citra satelit, sensor lapangan, dan informasi meteorologi. Dengan waktu peringatan yang lebih panjang, peluang pemerintah maupun masyarakat untuk menyiapkan langkah mitigasi dan evakuasi lebih besar.
Keunggulan lain AI dalam sistem peringatan dini adalah mampu mengolah data dalam jumlah besar secara bersamaan. Otak imitasi bisa memproses sensor Internet of Things (IoT), citra satelit seperti Sentinel-1 SAR, hingga data historis cuaca yang dikumpulkan selama bertahun-tahun. Selain meningkatkan kemampuan prediksi, pendekatan Explainable Artificial Intelligence (XAI) juga bisa memperjelas faktor-faktor yang memengaruhi potensi banjir, seperti alih fungsi lahan, sedimentasi sungai, maupun intensitas hujan ekstrem. Ada juga teknologi Digital Twin dan model hidrodinamika yang bisa mengolah berbagai skenario banjir—menyokong perencanaan mitigasi maupun rute evakuasi.
Dalam pandangan WALHI, pemanfaatan AI oleh otoritas kebencanaan seharusnya tidak berhenti pada kemampuan prediksi waktu dan lokasi banjir. Wahyu menambahkan, teknologi AI seharusnya bisa mengidentifikasi faktor-faktor yang meningkatkan risiko banjir. Dengan sistem pintar, regulator semestinya bisa mengantisipasi dampak perubahan tutupan hutan, kerusakan daerah aliran sungai, alih fungsi kawasan resapan, ekspansi pertambangan dan perkebunan, hingga pembangunan yang mengabaikan daya dukung lingkungan.
Bila hanya dimanfaatkan untuk mempercepat evakuasi, teknologi hanya akan membuat negara semakin adaptif terhadap bencana tanpa menyelesaikan akar persoalannya. “Seharusnya AI bukan hanya menghasilkan peringatan dini, tetapi juga menjadi dasar evaluasi kebijakan, penindakan pelaku perusakan lingkungan, serta pencegahan lahirnya izin-izin pembangunan yang meningkatkan risiko bencana," tutur Wahyu.
Sempat diulas juga dalam laporan premium Tempo: Bagaimana AI Memprediksi Banjir Lebih Presisi, machine learning TACLS milik NASA juga dilatih dengan data historis 30 tahun dari jaringan satelit global (GNSS). Hasil analisis teknologi ini diterjemahkan ke dalam model visual, agar bisa ditafsirkan oleh peneliti meteorologi. “Keputusan akhir soal peringatan dini tetap berada di tangan analis manusia. Fungsi AI hanya untuk identifikasi awal,” begitu pernyataan NASA.
Seluruh proses analisis TACLS diprakirakan dapat berlangsung cepat, bahkan hampir real-time, selama 15 menit. Setelah diuji dengan data kondisi awal cuaca ekstrem di masa lalu, persisnya dari periode 2017–2023, TACLS terbukti bisa menebak 93 persen kejadian banjir bandang.
Di Negeri Abang Sam, National Weather Service mulai mengintegrasikan TACLS ke dalam sistem prakiraan banjir bandang di California Selatan. Perangkat lunak TACLS, termasuk data pelatihannya, bakal disediakan sebagai open source yang dapat dimanfaatkan oleh peneliti lain.
Sekretaris Utama Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), Guswanto, mengatakan lembaganya juga menggenjot digitalisasi sistem peringatan dini banjir. Namun, sistem berbasis AI itu tak mudah diterapkan di Indonesia. “Salah satu tantangannya adalah kualitas dan ketersediaan data,” ucapnya.
Menurut dia, integrasi antarsistem juga menjadi pekerjaan besar. Tak bisa berjalan sendiri, sistem AI harus terhubung dengan sistem yang telah digunakan oleh BMKG, Badan Nasional Penanggulangan Bencana (BNPB), serta pemerintah daerah. Sinkronisasi tersebut diperlukan agar informasi yang dihasilkan dapat digunakan secara konsisten oleh seluruh lembaga yang terlibat dalam penanganan bencana. “Perlu sinkronisasi agar sistem AI tidak berjalan terpisah dari sistem eksisting."
Model AI dan hidrologi juga membutuhkan dukungan komputasi yang besar. Model prediksi tersebut memerlukan server dengan kapasitas tinggi untuk mengolah data dalam jumlah besar dan menjalankan simulasi secara cepat. Faktor kesiapan pengguna di lapangan juga menentukan keberhasilan adopsi AI dalam sistem peringatan dini banjir.
