BANDUNG, JurnalPost.com – Di tengah meningkatnya ancaman bencana akibat perubahan iklim global, persoalan distribusi bantuan yang tidak merata masih menjadi kendala klasik di Indonesia. Fenomena “banjir kiriman” dari Sungai Citarum, yang diperparah penurunan muka tanah, menjadikan Kecamatan Bojongsoang sebagai salah satu wilayah terdampak paling konsisten setiap tahunnya.
Namun, masalah sebenarnya muncul justru saat air mulai surut. Pendataan korban yang masih dilakukan secara manual (door-to-door) cenderung memakan waktu cukup lama, sementara kebutuhan bantuan bersifat mendesak pada fase awal pasca banjir. Kondisi ini berpotensi menimbulkan ketidaksesuaian data, seperti duplikasi penerimaan bantuan maupun ketidaktepatan dalam penyaluran, terutama jika tidak didukung oleh sistem pendataan yang terintegrasi. Kondisi ini mendorong delapan mahasiswa Sistem Informasi Telkom University untuk mengembangkan SiEval DSS (Decision Support System), sebuah platform berbasis Kecerdasan Buatan (AI) guna memastikan distribusi bantuan bencana lebih tepat sasaran.
Tim pengembang yang terdiri dari Agung Restu Haikal, Mellafesa Rofida, Frixtho Alex, Muhammad Fadli, Andi Meuthia, Naufal Rahmat Muzakky, Vibie Alyvia, dan Muhammad Khalid Al-fahidi ini berada di bawah bimbingan tim dosen yang diketuai oleh Dr. Runik Machfiroh. Proyek ini berawal dari pengamatan lapangan saat air surut, di mana proses pendataan korban masih dilakukan secara manual dan membutuhkan waktu, sementara kebutuhan bantuan bersifat mendesak pada fase awal pasca bencana. Kondisi tersebut berpotensi memicu ketidaktepatan data, seperti duplikasi bantuan maupun kurang optimalnya penyaluran kepada kelompok rentan seperti lansia, Ibu hamil dan balita. Saat ini, tim pengembang juga telah melakukan upaya komunikasi dan kerja sama dengan pihak Kecamatan Bojongsoang untuk menyesuaikan pengembangan sistem dengan kebutuhan di lapangan.
SiEval DSS hadir sebagai solusi berbasis web yang memanfaatkan AI untuk menentukan prioritas bantuan berdasarkan data nyata, bukan asumsi. Sistem ini bekerja dalam tiga lapisan utama: pengumpulan data digital secara real-time oleh perangkat RT/RW, analisis algoritma scoring otomatis untuk menentukan tingkat kerentanan, serta visualisasi peta heatmap untuk mempercepat pengambilan keputusan pemerintah. Selain itu, platform ini dirancang dengan antarmuka sederhana agar mudah diadopsi oleh perangkat desa tanpa memerlukan infrastruktur teknologi yang kompleks.
Inovasi ini juga selaras dengan tujuan pembangunan berkelanjutan global (Sustainable Development Goals), khususnya SDG 1 (Tanpa Kemiskinan), SDG 11 (Kota dan Permukiman Berkelanjutan), dan SDG 13 (Penanganan Perubahan Iklim). Tim mahasiswa meyakini bahwa tanpa transformasi digital, permasalahan distribusi bantuan akan terus menjadi siklus tahunan. Bagi mereka, pendekatan berbasis AI bukan lagi sekadar inovasi tambahan, melainkan kebutuhan untuk mendorong distribusi bantuan yang berbasis data.
Melalui SiEval DSS, sistem ini dirancang untuk membantu mempercepat proses pendataan serta mendukung pengambilan keputusan yang lebih objektif dibandingkan metode manual. Sistem ini diharapkan dapat mendukung distribusi bantuan agar dilakukan secara lebih terstruktur dan berbasis data. Ke depan, sinergi antara teknologi dan peran pemerintah diharapkan menjadi bagian dari penguatan sistem tanggap bencana di Indonesia agar berjalan lebih cepat, terkoordinasi, dan berkelanjutan.
Penulis:
Andi Meuthia, Naufal Rahmat Muzakky, Frixtho Alex, Agung Restu Haikal
