Mahasiswa ITB Gunakan WebGIS untuk Mitigasi Bencana Banjir

Sekelompok mahasiswa asal Institut Teknologi Bandung memperkenalkan inovasi baru dalam dunia geospasial. Dalam acara LOGIN yang diselenggarakan oleh Keluarga Mahasiswa Teknik Geodesi (KMTG) Universitas Gadjah Mada (UGM) pada Jumat, 16 Mei 2025, mereka mengadopsi pemodelan deep learning berbasis data geospasial pada WebGIS untuk mitigasi bencana banjir.

Kelompok mahasiswa yang beranggotakan Satya Adi Wicaksana, Fatimah Faudin, dan Zahra Salsabila tersebut mengambil data dari Badan Nasional Penanggulangan Bencana (BNPB) sebagai pijakan awal. Data dari BNPB menunjukkan bahwa sepanjang tahun 2024 terjadi 3.472 bencana dan 99,34% di antaranya merupakan bencana hidrometeorologi. Dari jumlah tersebut, banjir menempati posisi puncak dengan 1.420 kejadian.

Kelompok yang menamai diri sebagai Satyaiyah tersebut menganggap bahwa peningkatan frekuensi dan dampak banjir mengindikasikan pentingnya sistem mitigasi yang tanggap, akurat, dan mudah diakses. Seiring kemajuan teknologi kecerdasan buatan, pendekatan berbasis data menjadi semakin relevan dalam mendukung sistem peringatan dan penanggulangan bencana.

Solusi Banjir dengan WebGIS RnOff

Satyaiyah menawarkan solusi mitigasi bencana banjir dengan WebGIS RnOFF. Penelitian yang dilakukan mereka bertujuan mengembangkan model prediksi banjir yang berbasis algoritma Convolutional Neural Network (CNN) menggunakan data citra satelit Sentinel-1. Satelit tersebut diketahui memiliki kemampuan penetrasi awan sehingga memungkinkan deteksi banjir secara near real-time.

Deteksi tersebut memungkinkan untuk dilakukan karena CNN mampu mengekstraksi data secara efisien dari citra yang kompleks sehingga dapat dimanfaatkan untuk deteksi area banjir. Model yang sudah dikembangkan tersebut nantinya diintegrasikan dengan situs web GIS yang dapat menampilkan visualisasi lokasi dan intensitas banjir melalui peta secara interaktif. Situs web ini nantinya juga akan dilengkapi dengan chatbot berbasis Retrieval-Augmented Generation (RAG) yang dapat membantu masyarakat mendapatkan informasi terkait mitigasi bencana banjir secara komprehensif dan terpercaya.

Fitur RnOFF

Setidaknya, ada tiga fitur RnOff:

1. RAG Chatbot

   Fitur ini merupakan pendekatan terkini dalam bidang Natural Language Processing (NLP) yang menggabungkan kemampuan generatif dari Large Language Models (LLM) dengan mekanisme pencarian informasi dari sumber eksternal.

2. GEE Integrated

   WebGIS terhubung langsung dengan GEE untuk mengakses dan mengolah data citra satelit secara dinamis, yang memungkinkan pemantauan kondisi banjir secara efisien dan real-time.

3. Deep Learning

   Deep Learning dalam konteks ini adalah sistem yang dilengkapi model CNN yang menganalisis citra Sentinel-1 untuk mendeteksi dan memetakan area terdampak banjir secara otomatis dan akurat.