<![CDATA[Peningkatan frekuensi dan intensitas bencana alam seperti banjir, gempa bumi, dan tsunami menuntut pengembangan sistem yang lebih baik untuk prediksi dan manajemen bencana. Artificial Intelligence (AI) menawarkan potensi besar dalam meningkatkan akurasi dan efektivitas prediksi bencana dengan menganalisis data besar dan kompleks. Namun, penerapannya menghadapi tantangan seperti keterbatasan data dan kebutuhan sumber daya komputasi. Penelitian ini bertujuan untuk mengeksplorasi aplikasi AI dalam prediksi dan manajemen bencana dengan menilai algoritma Machine Learning (ML) dan Deep Learning (DL), serta mengidentifikasi kekuatan dan kelemahan metode yang digunakan. Penelitian ini menggunakan metode tinjauan literatur sistematis dengan beberapa langkah utama. Pencarian literatur dilakukan melalui basis data akademis seperti IEEE Xplore, ScienceDirect, dan ArXiv, dengan kata kunci terkait penerapan AI dalam manajemen bencana. Artikel yang memenuhi kriteria inklusi dan eksklusi dipilih, kemudian melalui seleksi awal berdasarkan judul dan abstrak serta tinjauan teks penuh. Data dari artikel yang relevan diekstraksi, dikategorikan, dan disintesis untuk mengidentifikasi pola dan tren. Penelitian ini menemukan bahwa penerapan AI dalam prediksi bencana alam, seperti banjir, gempa bumi, dan tsunami, telah meningkatkan akurasi dan efektivitas sistem peringatan dini. Teknik deep learning seperti LSTM dan model hibrida efektif dalam prediksi banjir. Untuk gempa bumi, model seperti ELM dan 3D CNN meningkatkan akurasi prediksi. Teknik seperti CNN dan autoencoder menunjukkan hasil menjanjikan dalam memprediksi dan merekonstruksi tsunami. Meskipun demikian, tantangan terkait keterbatasan data dan kebutuhan sumber daya komputasi masih ada, mempengaruhi penerapan praktis AI dalam sistem manajemen bencana. Penerapan AI menunjukkan kemajuan signifikan dalam prediksi bencana, namun beberapa tantangan harus diatasi untuk meningkatkan efektivitasnya. Penelitian lebih lanjut dianjurkan untuk mengeksplorasi integrasi AI dengan sistem respons bencana yang ada dan memperbaiki teknik AI untuk menangani data yang tidak lengkap dan tidak seimbang.]]>
Copyrights © 2024
