Isak tangis keluarga menyambut kedatangan jenazah Mayor Zulmi Aditya Iskandar di rumah duka, Sabtu (4/4/2026). Foto: Abisatya/kumparan
Jenazah Mayor Zulmi Aditya Iskandar tiba di rumah duka di Kampung Cikendal, Kelurahan Cipageran, Kecamatan Cimahi Utara, pada Sabtu (4/4) pukul 21.15 WIB. Kedatangan jenazah disambut tangis oleh keluarga, kerabat, serta warga yang telah menunggu.
Pantauan di lokasi, iring-iringan kendaraan TNI yang membawa jenazah memasuki area rumah duka dengan pengawalan ketat. Sejumlah anggota TNI tampak berjajar memberikan penghormatan saat peti jenazah diturunkan dari kendaraan.
Suasana seketika berubah menjadi penuh duka. Tangis keluarga pecah saat peti jenazah dibawa masuk ke dalam rumah. Beberapa anggota keluarga terlihat tak kuasa menahan kesedihan dan saling berpelukan.
Suasana di rumah duka Mayor Zulmi Aditya Iskandar di Kp Cikendal, Kelurahan Cipageran, Cimahi Utara pada Sabtu (4/4/2026). Foto: Abisatya/kumparan
Warga yang memadati sekitar rumah duka juga tampak menundukkan kepala, ikut larut dalam suasana duka. Sejumlah pelayat turut melafalkan doa saat prosesi penyambutan berlangsung.
Personel TNI bersama warga kemudian membantu proses penempatan jenazah untuk disemayamkan. Prosesi dilakukan dengan khidmat, diiringi penghormatan terakhir dari rekan-rekan sesama prajurit.
Mayor Zulmi adalah salah satu dari ketiga prajurit TNI Satgas UNIFIL RI yang meninggal dunia di Lebanon.
Golden Time Tsunami Indonesia. Foto: Generated by AI
Indonesia sering dijuluki sebagai "Supermarket Bencana," sebuah ironi geografis yang menempatkan kita di titik pertemuan tiga lempeng tektonik besar dunia.
Di antara semua ancaman alam, tsunami tetap menjadi momok paling traumatis bagi memori kolektif bangsa ini. Tragedi Aceh 2004—disusul oleh bencana Palu dan Selat Sunda pada 2018—telah mengajarkan satu hal fundamental: dalam menghadapi tsunami, musuh terbesar kita bukanlah air, melainkan waktu.
Di tahun 2026 ini, perdebatan mengenai mitigasi bencana telah bergeser. Kita tidak lagi hanya bicara tentang pemasangan sirine atau pembangunan seawall fisik. Fokus utama kini adalah pada integrasi Artificial Intelligence (AI) sebagai jantung dari sistem peringatan dini. Esai ini akan membedah bagaimana algoritma cerdas bukan hanya menjadi pendukung, melainkan juga menjadi penentu hidup dan mati dalam hitungan menit yang krusial.
Realita Pahit: Mengapa Peringatan Dini Konvensional Sering Terlambat?
Secara historis, Indonesia mengandalkan InaTEWS (Indonesia Tsunami Early Warning System) yang berbasis pada pemodelan numerik dan jaringan sensor fisik, seperti seismograf, tide gauges, dan GPS. Namun, peristiwa Tsunami Palu 2018 menyingkap lubang besar dalam sistem ini. Tsunami yang dipicu oleh longsoran bawah laut (bukan sekadar gempa tektonik) melaju begitu cepat hingga menghantam daratan hanya dalam waktu kurang dari 3 menit.
Model fisik tradisional membutuhkan waktu pemrosesan data yang signifikan untuk menghitung parameter gempa dan potensi gelombang. Di sisi lain, ketergantungan pada sensor fisik seperti buoy laut sering terkendala masalah teknis, vandalisme, dan biaya perawatan yang sangat tinggi. Di sinilah AI masuk sebagai katalisator. AI tidak menunggu data menjadi lengkap; ia belajar dari pola masa lalu untuk melakukan ekstrapolasi masa depan dalam hitungan detik.
AI sebagai Pengolah Data 'Near-Field' yang Ultra-Cepat
Salah satu jurnal ilmiah yang menjadi fondasi dalam bidang ini adalah penelitian tentang deep learning untuk prediksi tsunami yang banyak dipublikasikan di Geophysical Research Letters. Para peneliti mulai menerapkan arsitektur Convolutional Neural Networks (CNN) dan Recurrent Neural Networks (RNN) untuk memproses sinyal seismik secara real-time.
Berbeda dengan model numerik yang harus menyelesaikan persamaan fluida yang rumit, model AI seperti DeepTsunami dilatih menggunakan jutaan skenario simulasi tsunami. Ketika gempa terjadi, AI hanya perlu membandingkan karakteristik sinyal seismik yang masuk dengan pola yang sudah dipelajarinya. Hasilnya? Estimasi tinggi gelombang dan waktu tiba (Estimated Time of Arrival) dapat diperoleh dalam waktu kurang dari 30 detik setelah gelombang seismik pertama terdeteksi.
Dalam konteks Indonesia, kemampuan ini sangat krusial karena mayoritas tsunami kita bersifat near-field (pusat gempa sangat dekat dengan pantai), yang hanya memberikan "golden time" evakuasi sekitar 10 hingga 20 menit.
Revolusi Sensor: dari Satelit hingga Media Sosial
Integrasi AI di Indonesia tidak hanya terbatas pada data seismik. Pemanfaatan computer vision pada citra satelit dan kamera pemantau pesisir (CCTV) memungkinkan deteksi dini melalui perubahan visual permukaan laut yang tidak tertangkap oleh sensor tekanan air laut konvensional.
Data dari jurnal Remote Sensing menunjukkan bahwa algoritma AI dapat membedakan antara ombak biasa dan anomali permukaan laut yang mengarah pada tsunami dengan akurasi di atas 90%. Selain itu, tren Crowdsourcing Data—yang dianalisis menggunakan Natural Language Processing (NLP)—kini menjadi alat pendukung.
AI dapat memantau lonjakan kata kunci tertentu di media sosial atau aplikasi pesan singkat secara geografis. Jika ribuan orang di pesisir Barat Sumatera mengirim pesan tentang "air surut mendadak" secara bersamaan, AI dapat memvalidasi ini sebagai sinyal darurat tambahan bagi BMKG.
Tantangan 'Last Mile' dan Etika Algoritma
Meskipun secara teknis AI mampu memberikan prediksi yang super cepat, tantangan terbesar di Indonesia tetaplah pada "The Last Mile"—bagaimana peringatan tersebut sampai ke telinga warga di pelosok dan apakah mereka tahu harus lari ke mana.
Di sinilah peran AI dalam optimasi jalur evakuasi. Algoritma machine learning dapat digunakan untuk memodelkan perilaku massa. Dengan menggabungkan data topografi wilayah—seperti di Ambarawa atau pesisir Selatan Jawa dan data kepadatan penduduk—AI dapat merancang rute evakuasi paling efisien yang dinamis. Jika satu jalan terblokir oleh reruntuhan gempa, sistem AI dapat mengirimkan notifikasi ke ponsel warga untuk dialihkan ke rute alternatif secara otomatis.
Namun, kita juga harus mewaspadai apa yang disebut sebagai "algorithmic bias". Jangan sampai model AI yang dilatih dengan data dari satu wilayah (misalnya Jepang) diaplikasikan mentah-mentah di Indonesia yang memiliki karakteristik batimetri (kedalaman laut) yang berbeda. Pembangunan AI untuk tsunami harus bersifat lokal (locally-tuned).
Mengapa Kita Harus Optimis tapi Tetap Waspada?
Sebagai negara dengan risiko tsunami tertinggi di dunia, Indonesia harus berada di garda terdepan dalam adopsi teknologi ini. Fakta menunjukkan bahwa setiap detik yang berhasil dipangkas oleh AI dalam proses peringatan dini berpotensi menyelamatkan ribuan nyawa.
Namun, sebagai catatan kritis, kita tidak boleh terjebak dalam "techno-solutionism"—anggapan bahwa teknologi adalah satu-satunya jawaban. AI adalah alat, bukan Tuhan. Keakuratan prediksi AI tetap bergantung pada kualitas data input. Oleh karena itu, investasi pada infrastruktur sensor dasar—seperti jaringan seismograf yang lebih rapat—tetap menjadi harga mati yang tidak bisa ditawar.
Kesimpulan: Menuju Resiliensi Bangsa Berbasis Sains
Tsunami Aceh 2004 adalah tragedi kemanusiaan yang mengubah cara dunia memandang bencana. Namun, Tsunami Palu dan Selat Sunda 2018 adalah pengingat bahwa alam selalu punya cara untuk melampaui sistem pertahanan kita.
Penggunaan AI dalam mitigasi tsunami di Indonesia bukan lagi sekadar eksperimen laboratorium. Ini adalah kebutuhan mendesak untuk mengubah sistem peringatan dini kita dari yang semula bersifat "reaktif-linear" menjadi "proaktif-prediktif".
Dengan memanfaatkan kekuatan algoritma untuk membedah data seismik, laut, dan sosial secara simultan, kita sedang membangun perisai digital yang mampu beroperasi dalam kecepatan yang menandingi kemarahan alam.
Masa depan resiliensi Indonesia terletak pada kolaborasi antara kearifan lokal masyarakat pesisir dan kecanggihan AI. Terlepas dari "Godzilla" atau monster laut apa pun yang mungkin muncul dari perut bumi, kini setidaknya kita memiliki 'mata' digital yang tidak pernah berkedip—siap memberikan peringatan sebelum gelombang itu sempat menyentuh pasir pantai kita.
