en

Saat Sungai dan Langit Diajak Bicara: AI Bantu Baca Risiko Banjir di 10 Negara Asia Selatan dan Tenggara

by | Nov 11, 2026 | Berita, News

11 November 2026 — Setiap pagi, ribuan angka mengalir dari sungai dan atmosfer di Asia Selatan dan Tenggara: 23.629 titik pantau sungai Google Flood Hub, prakiraan hujan untuk 229 kota, dan sinyal iklim dari Samudra Pasifik serta Hindia. Masalahnya, angka sebanyak itu tidak otomatis menjawab satu pertanyaan sederhana: wilayah mana yang perlu bersiap hari ini?

Pertanyaan itulah yang dibahas dalam pertemuan antara Adi Jufriansah Dosen dan Peneliti dari Fakultas Informatika dan Sains Teknologi Terapan, Universitas Bali Internasional Muhammadiyah, AI Engineer bidang geosains dan iklim, dengan Dhihram Tenrisau, Data Consultant Public Health Intelligence di World Health Organization (WHO) South-East Asia. Keduanya membahas sistem pemantauan otomatis yang mengubah data hidrologi dan meteorologi menjadi satu status sederhana per provinsi: GREEN, YELLOW, ORANGE, atau RED.

Dua sumber, dua bahasa

Google Flood Hub dan Open-Meteo sama-sama berbicara soal banjir, tetapi dengan “bahasa” yang berbeda. Flood Hub memprediksi respons sungai: apakah debit akan melewati ambang banjir yang terjadi rata-rata sekali dalam 2, 5, atau 20 tahun. Open-Meteo memprediksi pemicunya: berapa milimeter hujan yang akan turun di satu titik kota.

Menggabungkan keduanya ternyata tidak semudah menjumlahkan angka. Hujan lebat di kota belum tentu membuat sungai meluap. Sebaliknya, sungai bisa banjir saat langit di hilir cerah, karena hujannya turun berhari-hari sebelumnya di hulu.

“Kesalahan paling umum adalah merata-ratakan skor dari sumber yang berbeda,” ujar Dhihram. “Kami memperlakukan keduanya sebagai dua saksi yang terpisah. Kalau kesaksiannya cocok, kita yakin. Kalau berbeda, perbedaan itu sendiri adalah informasi.”

Matriks, bukan rata-rata

Sistem ini memberi setiap provinsi dua nilai terpisah, yaitu level hidrologi dan level meteorologi, lalu memadukannya lewat sebuah matriks keputusan. Ada tiga aturan pokok:

• Sungai lebih menentukan. Model Flood Hub sudah memperhitungkan hujan di seluruh daerah aliran sungai.

• Hujan saja tidak pernah menghasilkan status RED. Paling tinggi ORANGE.

• Status naik seketika, tetapi turun perlahan. Status baru turun satu tingkat setelah dua kali pemantauan berturut-turut menunjukkan kondisi membaik.

Setiap status juga disertai label keyakinan (High, Medium, atau Low). Keputusan dibuat per provinsi, bukan per negara. Pada sistem sebelumnya, seluruh India sempat berstatus siaga hanya karena satu titik sungai di Rajasthan bertepatan dengan siklon di pantai timur, padahal keduanya berjarak ribuan kilometer.

Tantangan “sungai virtual”

Salah satu temuan paling menarik dari diskusi ini adalah soal kualitas data. Hanya 2,5% titik pantau Flood Hub di Myanmar dan 3% di Sri Lanka yang sudah terverifikasi. Sisanya adalah “virtual gauge”: titik prakiraan model yang belum bisa diuji terhadap data pengamatan.

Mengabaikan titik-titik virtual berarti berisiko melewatkan banjir. Mempercayainya sepenuhnya berarti berisiko memicu banyak alarm palsu. Jalan tengah yang dipilih adalah aturan klaster: satu atau dua titik virtual saja belum cukup, tetapi tiga titik atau lebih yang menunjukkan bahaya di provinsi yang sama dianggap sebagai sinyal yang patut diwaspadai.


El Niño: konteks, bukan alarm

Tahun 2026 diwarnai El Niño yang kuat. Indeks resmi terbaru NOAA, RONI, berada di +1,97 °C untuk Agustus–Oktober 2026. Bersamaan dengan itu, Indian Ocean Dipole sedang positif (+0,75 °C). Namun analisis data iklim ERA5 selama 20 tahun di 13 kota menunjukkan bahwa El Niño tidak bisa dijadikan alat ramal hujan harian.

Dari 156 kombinasi kota dan musim, hanya 30 yang menunjukkan hubungan kuat. Bangkok cenderung jauh lebih kering pada Februari–April saat El Niño. Dili lebih kering pada September–Desember, sejalan dengan kekeringan Timor-Leste pada 2015–16. Sebaliknya, Colombo dan Malé justru cenderung lebih basah pada Oktober–Desember. Untuk hujan monsun di Dhaka, Kolkata, dan New Delhi, El Niño nyaris tidak memberi sinyal.

Karena itu, dalam sistem ini El Niño hanya ditampilkan sebagai konteks musiman dan tidak pernah mengubah status peringatan.

Uji coba pertama

Pada uji coba 10 November 2026, sistem memproses data dari 10 negara dalam sekitar 2,5 menit. Hasilnya berupa laporan harian berformat Word dan tujuh peta serta grafik. Dari 232 provinsi dan distrik, dua berstatus ORANGE, yaitu Mandalay di Myanmar dan Kurunegala di Sri Lanka. Keduanya dipicu oleh klaster titik sungai berstatus bahaya. Sebanyak 43 wilayah lain berstatus YELLOW.

Langkah berikutnya

Ke depan, setiap status peringatan akan diuji terhadap kejadian banjir yang benar-benar terjadi. Dengan begitu bisa diukur seberapa sering ORANGE dan RED tepat sasaran, dan seberapa sering menjadi alarm palsu. Ambang hujan juga akan dikalibrasi dengan data historis 30 tahun per lokasi, dan sinyal banjir kilat perkotaan dari Flood Hub akan dipetakan hingga tingkat provinsi.

“Teknologinya sudah tersedia. Tantangan sebenarnya adalah menerjemahkan model hidrologi dan iklim menjadi satu warna yang bisa ditindaklanjuti dalam lima menit pertama hari kerja,” kata Adi Jufriansah.

Sistem ini adalah alat bantu keputusan untuk pemantauan kesehatan masyarakat, bukan peringatan resmi. Peringatan banjir resmi tetap dikeluarkan oleh lembaga meteorologi dan hidrologi nasional di masing-masing negara.

Beasiswa Icon KLAIM BEASISWA