
Bandung-Humas BRIN. Peneliti Pusat Riset Iklim dan Atmosfer (PRIMA), Organisasi Riset Kebumian dan Maritim (ORKM-BRIN), mengembangkan model prediksi suhu permukaan bumi (Land Surface Temperature/LST) berbasis integrasi kecerdasan buatan dengan data penginderaan jauh. Inovasi ini bertujuan untuk mendukung upaya mitigasi perubahan iklim yang semakin nyata dampaknya, terutama di kawasan perkotaan yang mengalami fenomena peningkatan suhu atau urban heat island.
“Model ini memanfaatkan data Normalized Difference Vegetation Index (NDVI) dari citra satelit Landsat dan diproses menggunakan pendekatan deep learning dengan berbagai arsitektur jaringan saraf tiruan, termasuk Long Short-Term Memory (LSTM),” jelas Laras Toersilowati ketika memaparkan hasil penelitian dalam Webinar Hybrid PRIMA bertajuk “Climate Frontiers in Indonesia: Insights from Land, Sea and Sky”, Rabu (30/4) di Bandung.
“Pengembangan model ini dilakukan untuk memprediksi nilai LST satu tahun ke depan berdasarkan data NDVI dan LST dari tahun-tahun sebelumnya. Ini akan sangat berguna dalam perencanaan tata kota, mitigasi risiko iklim, hingga pengembangan kebijakan lingkungan berbasis bukti,” ujar Laras Peneliti Ahli Utama, PRIMA.
Data yang digunakan mencakup wilayah DKI Jakarta dalam rentang waktu 2014 hingga 2023. Hasil pemodelan menunjukkan bahwa suhu permukaan bumi di kawasan tersebut berkisar antara 18°C hingga 32°C, dengan rata-rata mencapai 27–30°C. Nilai NDVI sendiri berkisar antara 0,2 hingga 1,0, menggambarkan variasi tutupan vegetasi dari kawasan minim hijau hingga area yang masih memiliki vegetasi lebat.
Model deep learning yang dibangun menunjukkan performa yang cukup baik dengan tingkat akurasi tinggi, tercermin dari nilai Root Mean Square Error (RMSE) berkisar antara 1,87 hingga 1,9. “Artinya, model prediktif ini mampu mengikuti pola perubahan suhu dengan baik dan bisa diandalkan untuk analisis lanjutan,” tambahnya.
Lebih lanjut, hubungan antara vegetasi dan suhu permukaan menjadi salah satu temuan penting dalam studi ini. Semakin rendah NDVI suatu wilayah maka semakin tinggi suhu permukaannya. Hal ini menguatkan pentingnya peran ruang terbuka hijau sebagai pengendali suhu mikro, terutama di kawasan perkotaan yang padat dan terbangun.
“GeoAI adalah pendekatan strategis karena menggabungkan kekuatan data geospasial dengan kecerdasan buatan. Dengan teknologi ini, kita dapat membangun sistem pemantauan suhu secara otomatis dan prediktif yang berguna untuk peringatan dini ataupun perencanaan adaptasi iklim,” tegas Laras.
Saat ini, model prediktif yang dikembangkan tim peneliti BRIN tersebut sedang dalam proses pengajuan hak paten. Hal ini menunjukkan bahwa riset tidak berhenti pada pengembangan teknologi saja, tetapi juga diarahkan untuk memberikan dampak inovatif yang lebih luas melalui perlindungan kekayaan intelektual.
Inisiatif ini sejalan dengan misi BRIN dalam menciptakan solusi riset yang berbasis sains dan teknologi untuk menjawab tantangan perubahan iklim global. Dengan pemanfaatan teknologi mutakhir seperti GeoAI, BRIN mendorong penerapan sains yang tidak hanya adaptif, tetapi juga transformatif dalam pengelolaan lingkungan hidup di Indonesia. (mg, ss/ed: kg, mfs)