Penulis : Muhammad Ilham Nursalam (SaIG, 2305509)
Penyunting : Farrelius Simeon (SaIG, 2509009)

Di tengah hiruk-pikuk Bandung, Sungai Cikapundung mengalir dari Lembang hingga Dayeuh Kolot sebagai salah satu sumber air vital. Namun, pesatnya urbanisasi, perubahan tutupan lahan, dan minimnya pemeliharaan telah memicu banjir, sedimentasi, dan penurunan kualitas air. Bantaran sungai yang semestinya menjadi zona penyangga justru dipadati bangunan, mengganggu fungsi alami drainase. Pertanyaan kritis pun muncul: seberapa layakkah infrastruktur drainase di sepanjang bantarannya? Inilah yang mendorong kelompok 6 KKL3 SaiG 2023 untuk tidak sekadar mengamati, tetapi menjadi pionir pendekatan baru.

Dok. Penulis

Kami melakukan terobosan dengan mengkombinasikan Sistem Informasi Geografis (SIG), Penginderaan Jauh, dan algoritma Random Forest sebuah metode eksperimental yang unggul dalam menangani data spasial yang kompleks dan heterogen. Proses diawali dengan identifikasi lokasi infrastruktur, pelatihan data, hingga menghasilkan dua output strategis: Peta Prediksi Kondisi Infrastruktur Drainase (memvisualisasikan prediksi kondisi) dan Peta Zona Prioritas Rehabilitasi (menentukan area intervensi paling mendesak). Dengan memanfaatkan multiple decision trees, Random Forest mampu mendeteksi pola kerusakan yang luput dari analisis konvensional. Variabel yang digunakan meliputi kepadatan penduduk, kemiringan lereng, elevasi, indeks vegetasi (NDVI) dan indeks terbangun (NDBI), jarak infrastruktur dari sungai dan jalan, serta data hidrologi. Pendekatan prediktif ini memungkinkan pemrosesan data spasial berskala besar dengan akurasi tinggi, jauh lebih komprehensif dibandingkan inspeksi visual tradisional.

Dok. Penulis

Tantangan lapangan tidaklah ringan. Keterbatasan data lapangan menjadi kendala klasik; banyak gorong-gorong dan saluran drainase yang tidak terdokumentasi dalam peta dasar. Hal ini memaksa kami melakukan verifikasi fisik dengan menyusuri bantaran sungai mencatat setiap infrastruktur yang ditemukan sambil beradaptasi dengan medan ekstrem, dari jalan setapak perkebunan di Lembang hingga kawasan padat di Dayeuh Kolot. Kerja lapangan ini menjadi pondasi penting untuk memvalidasi dan memperkaya data spasial yang kami olah.

Keunikan penelitian ini terletak pada upaya mengadaptasi regulasi nasional secara langsung ke dalam analisis. Kami merujuk pada tiga kerangka hukum: Permen PU No. 12/2014 tentang drainase perkotaan—yang mengungkap banyak infrastruktur tidak memenuhi standar dimensi akibat sedimentasi dan pembangunan liar; PP No. 38/2011 tentang sungai—yang menjadi acuan untuk mengevaluasi pelanggaran sempadan, di mana banyak bangunan berdiri di zona terlarang (dengan batas 3–100 meter tergantung karakteristik sungai) serta Permen PUPR No. 28/2015 tentang garis sempadan—yang kami adaptasi berdasarkan geomorfologi, sosial budaya, dan akses pemeliharaan. Temuan menunjukkan kebanyakan infrastruktur dan bangunan berada di dalam sempadan sungai, menegaskan urgensi penegakan aturan.

Dok. Penulis

Momen KKL3 ini membuktikan bahwa metode berbasis data dan machine learning dapat diintegrasikan secara sinergis dengan kebijakan publik. Keunggulannya sangat nyata: efisiensi biaya dan waktu, di mana survei konvensional memakan waktu berminggu-minggu, sementara Random Forest berbasis citra satelit mampu memproses area luas dalam hitungan jam—sangat relevan bagi negara berkembang. Model kami mencapai akurasi di atas 70% dalam memprediksi kondisi infrastruktur metode ini mudah diadaptasi untuk Daerah Aliran Sungai (DAS) lain di Indonesia, bahkan untuk infrastruktur jalan, jembatan, dan bangunan air. Dengan ketersediaan data satelit periodik, pemantauan berkelanjutan dapat dilakukan tanpa harus turun ke lapangan secara terus-menerus, menjadikannya instrumen strategis untuk perencanaan tata ruang dan mitigasi bencana banjir yang lebih akurat serta berkeadilan.