Gempa Maluku Dipetakan Pakai AI: 23.994 Data Dijadikan 'Peta Risiko Digital'

Bayangkan sebuah peta yang tak hanya menunjukkan lokasi gempa, tapi juga memprediksi *seberapa kuat* getarannya akan terasa di tiap desa—bahkan di balai desa atau sekolah dasar—dengan akurasi berbasis pola statistik dan pembelajaran mesin. Itulah yang baru saja diwujudkan oleh Prof. Dr. Ir. Bambang Suharno, Guru Besar Statistika UI, lewat pemetaan risiko gempa tektonik terkomprehensif untuk wilayah Maluku: bukan sekadar titik episentrum, melainkan lapisan digital kerentanan spasial yang dibangun dari 23.994 kejadian gempa antara 1970 hingga 2024.

Pemetaan ini bukan proyek survei lapangan konvensional. Tim peneliti mengintegrasikan data historis dari BMKG, USGS, dan jaringan seismograf lokal ke dalam kerangka *spatio-temporal point process modeling*, lalu dilatih ulang menggunakan algoritma *ensemble machine learning*—gabungan Random Forest dan Gaussian Process Regression—untuk menangkap kompleksitas interaksi lempeng di Zona Tumbukan Banda. Hasilnya? Peta resolusi 1 km² yang membedakan zona 'gempa kuat berpotensi merusak bangunan tahan gempa' dari 'gempa lemah tapi frekuensi tinggi yang bisa memicu longsor sekunder'—dua skenario berbeda yang selama ini sering disamarkan dalam laporan makro.

Yang membuat pendekatan ini revolusioner adalah transformasinya dari *deskriptif* ke *preskriptif*. Sebelumnya, analisis gempa di Maluku banyak mengandalkan metode probabilistik klasik seperti Gutenberg-Richter atau zonasi berbasis geologi permukaan—yang kurang responsif terhadap perubahan dinamika mikro-lempeng pasca-gempa besar seperti 2019 (M7.5) dan 2021 (M6.5). Model baru ini justru belajar dari *cluster temporal*: bagaimana rentetan gempa kecil setelah gempa utama meningkatkan probabilitas aktivitas susulan di segmen sesar tertentu—informasi krusial bagi sistem peringatan dini berbasis AI.

Konteksnya tak bisa dipisahkan dari realitas geotektonik Maluku: wilayah ini berada di simpul pertemuan empat lempeng—Eurasia, Pasifik, Indo-Australia, dan Laut Filipina—dengan kecepatan konvergensi tertinggi di dunia (hingga 10 cm/tahun di beberapa segmen). Di sini, gempa bukan anomali, tapi ritme geologis harian. Namun, infrastruktur pendidikan dan kesehatan di 1.127 pulau Maluku—70% di antaranya belum tercakup sistem pemantauan real-time—masih mengandalkan standar konstruksi era 1980-an. Peta AI ini bukan hanya untuk ilmuwan; ia dirancang sebagai *input langsung* bagi aplikasi mitigasi berbasis lokasi, termasuk integrasi dengan platform BNPB dan sistem GIS daerah.

Dampaknya sudah mulai terasa: Pemda Maluku Tengah telah mengadopsi versi awal peta ini untuk merevisi Rencana Tata Ruang Wilayah (RTRW), khususnya larangan pembangunan fasilitas kritis di zona 'amplifikasi gelombang S tinggi'. Di sisi lain, startup teknologi bencana lokal, GeoShield ID, sedang mengembangkan modul API berbasis peta ini untuk aplikasi mobile guru dan kepala sekolah—memberi notifikasi berjenjang: 'peringatan potensi guncangan ringan dalam 72 jam' atau 'rekomendasi evakuasi struktural jika magnitudo >5.2 di segmen X'. Tak hanya itu, hasil studi ini menjadi fondasi proposal Indonesia ke ADB untuk pendanaan *AI-Driven Early Warning System* senilai USD 42 juta—proyek pertama di Asia Tenggara yang menggabungkan prediksi gempa jangka pendek dengan simulasi dampak infrastruktur secara real-time.

Ke depan, tim UI tak berhenti di Maluku. Model ini sedang dikalibrasi ulang untuk Jawa Timur dan Nusa Tenggara Barat—dua wilayah dengan pola kegempaan mirip namun kurang data historis. Yang lebih menarik: mereka membuka kode sumber model (*open-source*) dan dataset teranonimisasi di repositori nasional RISTEKBRIN, mendorong kolaborasi lintas universitas dan startup. Artinya, peta risiko bukan lagi monopoli lembaga negara, tapi infrastruktur publik—seperti peta jalan digital atau cuaca—yang bisa dimodifikasi, diverifikasi, dan diperbarui secara kolektif. Era mitigasi bencana berbasis bukti, bukan asumsi, bukan lagi masa depan. Ia sudah beroperasi—di server UI, di cloud BNPB, dan segera di gawai guru di Pulau Seram.