BENGKULU — Ancaman tanah longsor tahunan yang kerap melumpuhkan wilayah Bengkulu mendorong pengembangan sistem mitigasi berbasis teknologi modern. Sistem Pemetaan Kerentanan Tanah Longsor Digital atau Landslide Susceptibility Mapping ini dirancang untuk menjadi 'kompas utama' bagi berbagai pihak dalam mengambil keputusan.
Provinsi ini memiliki tebing vulkanik terjal serta dikepung zona patahan gempa tektonik aktif. Setiap musim penghujan dengan curah hujan tinggi, kekhawatiran masyarakat meningkat akibat potensi longsor di berbagai titik kritis.
Beberapa wilayah yang menjadi perhatian utama adalah jalur logistik lintas pegunungan Taba Penanjung-Kepahiang (Liku Sembilan) serta wilayah Lebong, Bengkulu Utara, dan Seluma. Dampak bencana ini tidak hanya memutus jalur ekonomi berhari-hari, tetapi juga mengancam keselamatan pengguna jalan.
Inovasi ini hadir dalam wujud dasbor digital interaktif yang mampu memetakan seluruh daratan Bengkulu ke dalam lima tingkatan zona risiko. Mulai dari zona hijau yang menandakan risiko sangat rendah hingga zona merah membara untuk risiko sangat tinggi.
Peta pintar ini dirancang untuk menjadi acuan bagi Badan Penanggulangan Bencana Daerah (BPBD) dalam menetapkan posko siaga. Dinas Pekerjaan Umum dan Penataan Ruang (PUPR) Provinsi Bengkulu juga bisa memanfaatkannya untuk merancang infrastruktur jalan yang tangguh bencana.
Kepolisian Daerah pun dapat melakukan rekayasa lalu lintas sejak dini demi keselamatan pengguna jalan berdasarkan data dari sistem ini.
Di balik kecanggihan dasbor tersebut, terdapat kolaborasi tiga teknologi kecerdasan buatan (Machine Learning) yang bekerja secara presisi. Sistem mengintegrasikan ratusan koordinat GPS historis bencana longsor Bengkulu dengan berbagai faktor kondisi alam.
Faktor-faktor itu meliputi kemiringan lereng, data curah hujan ekstrem dari BMKG, kerapatan sungai, penggunaan lahan, dan kecepatan gelombang geser batuan. Semua data diolah melalui platform Google Earth Engine.
Pendekatan hybrid yang digunakan bernama Voting Classifier Ensemble. Metode ini menggabungkan tiga algoritma Machine Learning terbaik, salah satunya Support Vector Machine (SVM) yang bertugas sebagai pendeteksi detail untuk memisahkan wilayah aman dan rawan longsor.
Selama ini, upaya mitigasi dari BPBD maupun Dinas PUPR Provinsi Bengkulu cenderung bersifat reaktif. Langkah yang biasa dilakukan adalah mengirimkan alat berat setelah kejadian longsor terjadi.
Dengan hadirnya sistem berbasis kecerdasan buatan ini, penanggulangan bencana di Bumi Rafflesia diharapkan bergeser ke arah pencegahan. Tujuannya jelas: melindungi keselamatan publik sebelum bencana benar-benar terjadi.