Bukan Sekadar Bangun Rumah, BRIN Siapkan Teknologi untuk Pulihkan Sumatera Pascabencana

AKURAT BANTEN - Pemulihan daerah yang terdampak bencana tidak hanya berkaitan dengan pembangunan kembali rumah, jalan, maupun infrastruktur yang mengalami kerusakan.

Pemerintah juga memerlukan data yang akurat untuk mengetahui tingkat risiko, kondisi wilayah setelah bencana, serta kesesuaian penggunaan lahan agar proses rehabilitasi dan rekonstruksi dapat dilakukan secara tepat.

Kebutuhan terhadap data tersebut menjadi salah satu fokus riset Badan Riset dan Inovasi Nasional (BRIN) melalui Task Force Percepatan Rehabilitasi dan Rekonstruksi Pascabencana Sumatera.

BRIN mengembangkan berbagai metode teknologi untuk mendukung pemulihan wilayah, mulai dari sistem peringatan dini atau Early Warning System (EWS), pemodelan risiko multibencana, hingga pemodelan geospasial untuk mengetahui dampak bencana terhadap lahan pertanian.

Baca Juga: Gula pada Makanan Bisa Dikurangi? Terungkap Teknologi Baru Berbasis Singkong dan Sagu

Riset tersebut memanfaatkan beragam sumber data dan teknologi, seperti penginderaan jauh, sensor lapangan, pemodelan hidrologi, machine learning, foto udara, serta Light Detection and Ranging (LiDAR).

Seluruh informasi tersebut diolah menjadi data spasial yang dapat digunakan untuk memperkuat kesiapsiagaan, memetakan risiko bencana, mendukung penataan ruang, hingga membantu proses rehabilitasi kawasan terdampak.

Pengembangan teknologi ini dilakukan sebagai respons terhadap bencana hidrometeorologi yang menerjang Aceh, Sumatera Utara, dan Sumatera Barat akibat Siklon Tropis Senyar pada November 2025.

Bencana tersebut menyebabkan kerusakan pada berbagai sektor, termasuk permukiman warga, lahan pertanian, jalan, jembatan, dan sejumlah infrastruktur penting.

Baca Juga: Terungkap Hasil Pemodelan Arah Hanyut 8 Orang Hilang di Selat Sunda, Jaraknya Bisa Ratusan Kilometer

Salah satu riset yang dikembangkan BRIN adalah sistem peringatan dini untuk menghadapi ancaman banjir dan tanah longsor.

Evensius Bayu Budiman, periset Pusat Riset Teknologi Lingkungan dan Teknologi Bersih (PR TLTB) BRIN, mengatakan sistem tersebut menggabungkan sejumlah sumber data, mulai dari satelit, radar, sensor lapangan, data geospasial, model cuaca, hidrologi, hingga kecerdasan buatan atau artificial intelligence (AI).

“Kami membangun early warning system ini dengan memadukan seluruh komponen tersebut menjadi satu kesatuan, sehingga dapat memberikan peringatan dini secara optimal kepada masyarakat,” ujar Evensius saat memaparkan materi dalam Kick-Off Meeting Task Force Percepatan Rehabilitasi dan Rekonstruksi Pascabencana Sumatera di Kawasan Sains dan Teknologi Sarwono Prawirohardjo, BRIN Gatot Subroto, Jakarta, Rabu (16/9).

Dalam penerapannya, sistem EWS memiliki empat bagian utama, yakni pemantauan, prakiraan, peringatan, dan tindakan.

Data yang berasal dari satelit, radar, serta sensor untuk mendeteksi banjir dan longsor kemudian diproses menggunakan berbagai model hingga menghasilkan informasi yang terintegrasi.

Informasi tersebut dapat ditampilkan melalui dashboard dan disebarkan menggunakan berbagai saluran komunikasi.

Sistem ini juga dapat terhubung dengan perangkat peringatan di lokasi terdampak, seperti sirene maupun lampu indikator.

Evensius menjelaskan bahwa salah satu tantangan dalam membangun EWS adalah menghasilkan prediksi yang akurat karena Indonesia memiliki kondisi topografi yang sangat beragam.

Saat ini, sistem tersebut masih berada dalam tahap penelitian dan penyempurnaan.

Meski demikian, konsep serta tim pengembangan EWS untuk wilayah Sumatera telah resmi dibentuk.

Selain sistem peringatan dini, BRIN juga mengembangkan pemodelan spasial untuk mengetahui kondisi dan risiko wilayah setelah bencana.

Peneliti Pusat Riset Geoinformatika BRIN, Andie Setiyoko, bersama tim mengembangkan pemodelan risiko multibencana yang menggabungkan ancaman banjir, banjir bandang, dan tanah longsor dalam satu kerangka spasial.

Model tersebut memadukan pendekatan fisik dan numerik dengan machine learning, citra beresolusi tinggi, foto udara, serta teknologi LiDAR.

Pengumpulan data dilakukan untuk menghasilkan informasi spasial dengan tingkat resolusi tinggi hingga skala tapak 1:5.000.

Data tersebut nantinya dapat menjadi dasar dalam penyusunan rencana tata ruang sekaligus strategi mitigasi bencana.

“Intinya, kami ingin berinovasi menghasilkan pemodelan multibencana terintegrasi dalam satu kerangka spasial menggunakan data resolusi sangat tinggi dengan metode numerik, didukung penuh oleh Satgas sesuai Kepres yang telah diterbitkan,” kata Andie.

Pada tahap awal, pemodelan tersebut difokuskan di tiga wilayah, yakni Aceh Tamiang, Tapanuli Tengah, dan Agam.

Hasil kajian selanjutnya akan dituangkan dalam peta risiko multibencana yang terintegrasi.

Peta tersebut direncanakan dapat diakses masyarakat melalui platform WebGIS untuk membantu proses pengambilan keputusan.

Aspek lain yang menjadi perhatian dalam pemulihan pascabencana adalah keberlanjutan ketahanan pangan.

Bencana alam dapat merusak struktur tanah dan menyebabkan sedimentasi sehingga kondisi tersebut berpotensi menurunkan produktivitas lahan pertanian.

Rizatus Shofiyati, peneliti Pusat Riset Geoinformatika (PRG) BRIN, mengembangkan pemodelan geospasial untuk memetakan lahan pertanian yang terdampak bencana.

Kajian tersebut mencakup identifikasi lahan terdampak, pengukuran tingkat kerusakan dan kerentanan, serta evaluasi ulang kesesuaian lahan sebagai dasar rehabilitasi.

“Bencana skala besar pasti berdampak pada lahan pertanian. Jika lahan pertanian terganggu, pasokan dan ketahanan pangan kawasan tersebut otomatis ikut terancam,” jelas Rizatus.

Penelitian tersebut menggabungkan data satelit, machine learning, dan hasil validasi di lapangan untuk mengetahui kondisi tanah serta ketebalan sedimentasi secara lebih akurat.

Dari hasil analisis itu, tim BRIN menyusun model rehabilitasi lahan pertanian yang akan dilakukan secara bertahap selama tiga tahun.

Program tersebut akan diterapkan di sejumlah kabupaten yang berada di Aceh, Sumatera Utara, dan Sumatera Barat.

Rangkaian penelitian BRIN tersebut menunjukkan pentingnya data spasial dalam proses pemulihan kawasan setelah bencana.

Penggabungan sistem peringatan dini, pemodelan risiko multibencana, dan pemodelan lahan pertanian diharapkan dapat memperkuat kesiapsiagaan masyarakat.

Data tersebut juga dapat mendukung penataan ruang berbasis mitigasi sekaligus membantu mempercepat proses rehabilitasi wilayah terdampak bencana di Sumatera.

***