Prediksi Tinggi Muka Air Lahan Gambut, BBTMC Manfaatkan Teknologi Machine Learning


Artificial Intelligence

Ilustrasi Artificial Intelligence

Balai Besar Teknologi Modifikasi Cuaca (BBTMC) Badan Penerapan dan Pengkajian Teknologi (BPPT) memanfaatkan machine learning dalam memprediksi tinggi muka air tanah (TMAT) lahan gambut untuk mitigasi kebakaran hutan dan lahan (Karhutla).

"Prediksi tinggi muka air tanah digunakan sebagai referensi dalam pembuatan keputusan terhadap penerapan teknologi modifikasi cuaca untuk mitigasi bencana kebakaran hutan dan lahan," kata Perekayasa muda BBTMC BPPT Saraswati Dewi dalam seminar virtual (webinar) Implementasi Kecerdasan Artifisial dalam Pelaksanaan Operasi Teknologi Modifikasi Cuaca untuk Pencegahan Karhutla di Jakarta, Selasa.

Dengan memanfaatkan kecerdasan artifisial tersebut, BBTMC BPPT dapat memberikan rekomendasi provinsi mana yang berisiko tinggi berdasarkan prediksi tinggi muka air lahan gambut sehingga memungkinkan perencanaan tindakan proaktif yang efektif dan mengurangi potensi Karhutla.

Saraswati mengatakan pemanfaatan kecerdasan artifisial itu akan membantu gugus tugas lintas fungsional yakni BBTMC BPPT, Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), Badan Nasional Penanggulangan Bencana (BNPB), Badan Penanggulangan Bencana Daerah (BPBD), dan tim pemadam kebakaran dapat membuat keputusan yang optimal dalam mencegah kebakaran hutan dan lahan berdasarkan evidence-based prediction.

Saraswati menuturkan pelaksanaan TMC sering kali baru dilakukan ketika kondisi sudah memburuk sehingga sulit menemukan awan potensial saat musim kering. Padahal sebaiknya dilakukan sebelum musim kering karena awan-awan potensial masih tersedia. Prediksi yang memanfaatkan kecerdasan artifisial tersebut akan dapat membantu tim TMC untuk melakukan operasi TMC yang lebih tepat dan efektif.

Dia mengatakan data tinggi muka air di lahan gambut yang digunakan merupakan data dari alat pemantau tinggi muka air dari sistem pemantauan air lahan gambut (SIPALACA) milik Badan Restorasi Gambut dan Mangrove (BRGM) yang tersedia dari tahun 2018-2021.

Terhadap data yang telah dikumpulkan, dilakukan sejumlah proses antara lain pengolahan, pemilahan, penggabungan serta eksplorasi untuk mengetahui dan menyeleksi informasi yang terkandung dalam data tersebut, serta perapian data. Setelah itu, dilakukan proses pemodelan. Dari model analisis tersebut, dapat digunakan sebagai sumber prediksi.

Data hidrologi lahan gambut yang digunakan selalu yang terkini atau terbaru (up to date) dan prediksi TMAT diperbaharui secara berkala setiap dua pekan sekali.