PREDIKTA
PREdictive DIsaster Knowledge Technology & AI
PREDIKTA adalah sistem pemantauan dan prediksi risiko multi bencana berbasis Internet of Things (IoT) yang bekerja secara real-time. Node sensor di lapangan mengukur suhu (DS18B20), kelembapan (SHT31), tinggi muka air (JSN-SR04T), serta partikulat udara PM1.0, PM2.5, dan PM10 (PMS5003T), lalu mengirimkan datanya ke server secara berkala.
Data yang masuk dianalisis dengan model kecerdasan buatan untuk mengklasifikasikan status risiko terkini (Aman, Waspada, Siaga, atau Bahaya) pada potensi kebakaran, banjir, dan pencemaran udara, sekaligus memprediksi tren beberapa waktu ke depan menggunakan model deret waktu LSTM.
Selain kondisi lingkungan, PREDIKTA mendeteksi perubahan tutupan lahan di sekitar titik monitoring untuk membaca risiko deforestasi, dan menyajikan semuanya dalam satu dashboard interaktif berisi peta lokasi, grafik historis, serta interpretasi yang mudah dipahami untuk mendukung mitigasi dini.
Siaga
Berdasarkan hasil prediksi model AI terhadap seluruh parameter sensor, kondisi diperkirakan berada pada status Siaga dalam periode prediksi berikutnya.
Menghitung interpretasi dari data sensor…
Penelitian ini dilaksanakan oleh Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA), Universitas Tanjungpura, Pontianak.
PREDIKTA adalah singkatan dari PREdictive DIsaster Knowledge Technology & AI, sebuah sistem monitoring dan prediksi risiko multi bencana berbasis Internet of Things (IoT) yang dikembangkan oleh Tim Peneliti FMIPA Universitas Tanjungpura. Sistem ini memantau kondisi lingkungan secara real-time, mengklasifikasikan status risiko saat ini, memproyeksikan tren beberapa periode ke depan, serta mendeteksi indikasi deforestasi pada lahan di sekitar titik monitoring. Seluruh proses berjalan otomatis dan ditampilkan pada dashboard yang dapat diakses publik maupun administrator.
Berbeda dengan pendekatan monitoring bencana konvensional yang umumnya hanya menyajikan data mentah sensor tanpa interpretasi, PREDIKTA menggabungkan beberapa model kecerdasan buatan sekaligus dalam satu alur kerja: satu model untuk mengklasifikasikan status risiko saat ini, satu model untuk memproyeksikan tren beberapa periode ke depan, dan satu model lain untuk mengkalkulasi tingkat deforestasi dari citra lahan di sekitar titik monitoring. Kombinasi ini dimaksudkan agar data lapangan tidak hanya "dilihat", tetapi juga "dipahami" dan "diproyeksikan" secara otomatis.
Wilayah Kalimantan Barat dan sekitarnya secara rutin menghadapi ancaman bencana hidrometeorologi dan lingkungan yang saling berkaitan — mulai dari kebakaran hutan dan lahan (karhutla) di musim kemarau yang berdampak pada kualitas udara (kabut asap, peningkatan konsentrasi PM1.0/PM2.5/PM10), hingga banjir dan kenaikan muka air pada musim penghujan. Kondisi ini diperparah oleh tekanan deforestasi yang terus berlangsung, baik akibat alih fungsi lahan maupun praktik pembukaan lahan dengan cara dibakar, yang pada gilirannya meningkatkan kerentanan wilayah terhadap bencana berikutnya.
Salah satu tantangan mendasar dalam mitigasi bencana di wilayah seperti ini adalah keterlambatan informasi. Banyak titik rawan berada jauh dari pusat pemantauan, sementara metode observasi konvensional (survei lapangan berkala, laporan manual, atau analisis citra satelit yang tidak selalu real-time) belum cukup untuk mendukung pengambilan keputusan yang cepat. Padahal semakin dini status risiko dapat diketahui dan diproyeksikan, semakin besar peluang untuk melakukan mitigasi sebelum dampaknya meluas. Urgensi inilah yang mendasari pengembangan PREDIKTA: menghadirkan sistem pemantauan yang murah, dapat ditempatkan langsung di lapangan (edge computing berbasis Raspberry Pi), dan mampu memberikan hasil klasifikasi maupun prediksi secara otomatis tanpa menunggu analisis manual.
Pengembangan PREDIKTA sejalan dengan sejumlah arah kebijakan penanggulangan bencana dan pengelolaan lingkungan, baik pada tataran nasional maupun kerangka global, di antaranya:
- UU No. 24 Tahun 2007 tentang Penanggulangan Bencana — menempatkan upaya pencegahan dan mitigasi berbasis pengurangan risiko sebagai prioritas, bukan semata respons pasca-bencana.
- Kerangka Sistem Peringatan Dini (Early Warning System) yang diarahkan oleh BNPB — mendorong ketersediaan data pemantauan real-time sebagai dasar peringatan dini di tingkat lokal.
- Rencana Aksi Nasional Pengurangan Risiko Bencana (RAN-PRB) — menekankan pentingnya penguatan kapasitas deteksi dan pemantauan berbasis teknologi di wilayah rawan bencana.
- Sendai Framework for Disaster Risk Reduction — kerangka global yang menjadi rujukan Indonesia dalam pergeseran paradigma dari "manajemen bencana" menuju "manajemen risiko".
- Tujuan Pembangunan Berkelanjutan (SDGs) poin 11 (Kota dan Permukiman Berkelanjutan) dan 13 (Penanganan Perubahan Iklim) — relevan dengan fungsi ganda sistem ini dalam memantau risiko bencana sekaligus tekanan deforestasi terhadap lingkungan.
Catatan: PREDIKTA merupakan sistem riset/akademik dan belum berstatus sebagai sistem peringatan dini resmi milik pemerintah daerah maupun BNPB/BMKG. Kerangka kebijakan di atas menjadi acuan arah pengembangan, bukan pernyataan afiliasi kelembagaan.
Perubahan kondisi lingkungan (suhu, kualitas udara, muka air) yang bereskalasi cepat sering kali baru diketahui setelah dampaknya terasa, karena minimnya pemantauan kontinu di titik-titik rawan.
Lokasi rawan bencana tidak selalu berada di area terjangkau infrastruktur monitoring konvensional, sehingga dibutuhkan solusi murah, hemat daya, dan dapat berdiri sendiri di lapangan (edge device).
Perubahan tutupan lahan sering kali baru terpantau lewat citra satelit periodik yang tidak real-time, padahal deforestasi berkontribusi langsung terhadap peningkatan risiko karhutla dan banjir.
DS18B20 (suhu), GY-SHT31 (kelembapan), PMS5003T (partikel PM1.0/PM2.5/PM10), dan JSN-SR04T (tinggi muka air). Seluruhnya terhubung ke Raspberry Pi 4 sebagai unit pemroses lapangan, dengan catu daya panel surya agar dapat beroperasi mandiri di lokasi terpencil.
Satu model untuk klasifikasi status risiko secara real-time, satu model lain untuk prediksi deret waktu 5-30 menit ke depan, dan satu model tambahan untuk mengkalkulasi tingkat deforestasi dari citra lahan.
Data disimpan sementara pada SQLite lokal (buffer offline) lalu dikirim berkala ke basis data MySQL, dan divisualisasikan melalui dashboard web PHP/MySQL ini secara real-time bagi publik maupun admin.
Menyediakan data pendukung keputusan berbasis fakta lapangan yang lebih cepat, sebagai pelengkap sumber informasi resmi dalam merencanakan mitigasi dan alokasi sumber daya penanggulangan bencana.
Memberi gambaran kondisi risiko di wilayah tempat tinggal secara terbuka dan mudah diakses, sehingga kewaspadaan dini dapat dilakukan sebelum status risiko meningkat.
Menjadi wahana riset terapan lintas bidang — sistem komputer, matematika, dan statistika — sekaligus sumber dataset lapangan riil untuk pengembangan model prediksi bencana lanjutan.
Sebagai sistem yang masih berkembang, PREDIKTA memiliki sejumlah keterbatasan yang menjadi arah pengembangan selanjutnya:
- Cakupan titik monitoring — saat ini sistem baru menjangkau satu titik lokasi monitoring; perluasan ke banyak titik akan meningkatkan representativitas data risiko wilayah.
- Ketergantungan konektivitas — sinkronisasi data ke server pusat masih memerlukan koneksi jaringan berkala; antrean offline membantu, namun bukan solusi permanen di wilayah dengan konektivitas sangat minim.
- Validasi model berkelanjutan — akurasi model klasifikasi, prediksi, dan deteksi citra perlu terus dievaluasi seiring bertambahnya data lapangan riil, agar tidak hanya andal pada data uji/simulasi.
- Integrasi kelembagaan — ke depan, sistem ini berpotensi dikembangkan lebih lanjut untuk terhubung dengan kanal peringatan dini resmi milik pemerintah daerah maupun BNPB/BMKG.
