Potensi Karhutla di Kalbar Diprediksi dengan Teknologi AI

Jakarta: Penanganan kebakaran hutan dan lahan (karhutla) di Kalimantan Barat (Kalbar) terus dilakukan. Titik api diprediksi degan teknologi berbasis artificial intelligence (AI), guna pencegahan dini. 

"Selama ini teknologi banyak digunakan ketika titik api sudah muncul. Kami ingin mendorong pendekatan yang lebih preventif,” kata pengusaha sekaligus pengembang teknologi asal Kalimantan Barat, Hajon Mahdy, dalam keterangan tertulis, Kamis, 27 Agustus 2026.

Hajon menghibahkan teknologi berbasis AI itu secara gratis hingga 24 bulan ke depan. Sistem yang dikembangkan Hotama Technologies menggunakan pendekatan predictive analytics berbasis AI, dengan mengolah berbagai variabel dan data terkait untuk menghasilkan pemetaan tingkat risiko karhutla pada suatu wilayah dalam periode tertentu.

Kemampuan proyeksi hingga 24 bulan tersebut tidak dimaksudkan untuk menentukan secara absolut kapan dan di mana kebakaran akan terjadi, tetapi menghasilkan indikasi probabilitas dan tingkat risiko yang dapat menjadi dasar pendukung pengambilan keputusan serta diperbaharui seiring masuknya data terbaru.

"Dengan data yang cukup, AI dapat membantu membaca pola dan memberikan gambaran risiko jauh lebih awal, sehingga kita memiliki waktu untuk melakukan mitigasi,” ujar Hajon.

Salah satu fitur utama yang dikembangkan dalam teknologi AI itu adalah Peat FireVulnerability Index (PFVI), sebuah indeks yang dirancang untuk membantu mengidentifikasi dan memetakan tingkat kerentanan kebakaran pada kawasan gambut.

Keberadaan PFVI menjadi penting karena kawasan gambut memiliki karakteristik kebakaran yang berbeda dengan lahan mineral. Ketika gambut mengering, api dapat menjalar ke lapisan bawah permukaan sehingga lebih sulit dideteksi dan dipadamkan.

Diskusi membaca potensi karhutla, memetakan wilayah risiko, kondisi gambut, dan membantu prioritas mitigasi bencana melalui sistem informasi. Foto: Istimewa.

Melalui Peat Fire Vulnerability Index, sistem dapat menggabungkan sejumlah indikator relevan untuk menghasilkan klasifikasi tingkat kerentanan kawasan gambut.
Data tersebut kemudian dapat dipadukan dengan model prediksi AI sehingga sistem tidak hanya menjawab pertanyaan “di mana terdapat hotspot?”, tetapi bergerak lebih awal untuk membantu menjawab “wilayah gambut mana yang semakin rentan dan perlu mendapatkan intervensi sebelum kebakaran terjadi?”

“Kalau kita baru bergerak setelah hotspot muncul, kita sudah berada pada fase kejadian. Peat Fire Vulnerability Index kami kembangkan agar kita bisa melihat kerentanan kawasan lebih awal. Tujuannya sederhana: jangan menunggu ada api untuk mulai bergerak,” kata Hajon.

Informasi tersebut berpotensi digunakan sebagai salah satu instrumen pendukung dalam menentukan prioritas patroli, pembasahan gambut, pengelolaan sumber air, penempatan sumber daya, hingga intervensi terhadap wilayah dengan tingkat kerentanan tinggi.