Institut Teknologi Sepuluh Nopember (ITS) mengembangkan Sidoarjo Disaster Assessment AI (SIDA-AI) yang menggabungkan citra Unmanned Aerial Vehicle (UAV) dan sensor Internet of Things (IoT).
Dua puluh tahun sejak semburan lumpur panas muncul di Porong, Sidoarjo, pemantauan kondisi tanggul penahan masih menjadi tantangan. Menjawab hal ini, Institut Teknologi Sepuluh Nopember (ITS) mengembangkan Sidoarjo Disaster Assessment AI (SIDA-AI) yang menggabungkan citra Unmanned Aerial Vehicle (UAV) dan sensor Internet of Things (IoT).
Tim pengembang SIDA-AI, Kurnia Cahya Febryanto, S.Kom., M.Kom., menjelaskan bahwa Pusat Pengendalian Lumpur Sidoarjo (PPLS) mencatat penurunan muka tanah di titik paling rentan mencapai rata-rata 0,5 meter per tahun. Sementara itu, laju penurunan tanah di sepanjang tanggul sepanjang 11 kilometer bervariasi antara 20 hingga 50 sentimeter per tahun. “Risiko diperparah dengan kapasitas alir Kali Porong yang mengalami penyempitan akibat sedimentasi sungai,” beber Kurnia.
Di sisi lain, lanjut Kurnia, pola inspeksi berkala memiliki keterbatasan dalam mendeteksi perubahan yang berlangsung secara perlahan. Kondisi seperti jarak bebas yang semakin menipis, muka air yang masih terlihat normal, hingga prakiraan hujan lebat berpotensi luput dari pemantauan apabila hanya mengandalkan inspeksi berkala.
“Gabungan dari kondisi-kondisi tersebut membuatnya semakin berbahaya,” ungkap mahasiswa program doktoral Departemen Teknik Informatika ITS ini, Selasa (22/9/2026).
Kondisi tersebut kemudian menjadi dasar pengembangan SIDA-AI yang mengadopsi pendekatan agentic artificial intelligence (AI). Sistem ini memadukan citra UAV, sensor IoT, dan data prakiraan cuaca untuk menghasilkan pemantauan kondisi secara real time. “Dengan mengintegrasikan berbagai sumber data, SIDA-AI menghubungkan data tersebut dengan berbagai faktor lingkungan yang memengaruhi tingkat risiko,” papar Kurnia.
Dalam penerapannya, pengembang perangkat keras SIDA-AI, Irfan Mirda, S.T., M.Kom., menguraikan bahwa SIDA-AI dibangun menggunakan arsitektur dua lapis. Lapisan pertama merupakan lapisan persepsi yang terdiri atas sejumlah model deterministik. Lapisan ini berfungsi mengolah data hasil pengamatan untuk mendeteksi berbagai kondisi fisik tanggul, seperti retakan, rembesan, dan saturasi berdasarkan citra UAV.
Irfan mengungkapkan bahwa selain mendeteksi kondisi fisik tanggul, lapisan persepsi juga mengolah sejumlah indikator penting lainnya. Ia menambahkan bahwa sistem menghitung sisa freeboard atau jarak vertikal antara permukaan air dan puncak tanggul, serta laju penurunan tanah menggunakan metode DEM differencing dari citra UAV multitemporal. “Sementara itu, sensor IoT digunakan untuk memantau muka air dan pendangkalan Kali Porong secara real time,” jelas Irfan.
Data dan indikator yang dihasilkan lapisan persepsi selanjutnya diproses oleh lapisan kedua, yakni lapisan agentic AI. Irfan menjelaskan bahwa lapisan ini berfungsi mengorkestrasi seluruh indikator yang telah diperoleh sebelumnya. Dengan memanfaatkan model bahasa besar, sistem dapat menilai tingkat risiko pada setiap segmen tanggul sekaligus menyusun rekomendasi tindakan berdasarkan kondisi yang teridentifikasi.
Agar rekomendasi yang dihasilkan tetap sesuai dengan standar penanganan yang berlaku, Irfan menuturkan bahwa setiap rekomendasi mengacu pada prosedur penanganan PPLS. Mekanisme tersebut menggunakan pendekatan Retrieval-Augmented Generation (RAG) untuk memastikan SIDA-AI memiliki landasan prosedural yang jelas.
Inovasi tersebut pun telah mendapat pengakuan melalui raihan Juara 1 AIDeaNation 2026 yang diselenggarakan oleh Badan Riset dan Inovasi Nasional (BRIN), beberapa waktu lalu.***
