Daftar isi:

1. Pendahuluan
2. Tinjauan Pustaka: Teknologi satelit SAR dan InSAR
3. Studi Kasus dan Aplikasi pada Pemantauan Infrastruktur
4. Deteksi Prekursor Sinkhole
5. Penggabungan AI untuk Penilaian Kerentanan Bencana (Susceptibility)
6. Keunggulan dan Masa Depan Pemantauan Geohazard Berbasis Satelit
7. Kesimpulan
8. FAQ (Frequently Asking Questions)

Bencana geologi seperti sinkhole (lubang rekahan) dan tanah longsor seringkali terjadi secara tiba-tiba dan menimbulkan kerugian material maupun korban jiwa. Artikel ilmiah ini disusun berdasarkan paparan Dr. Andrew Lee dari GeoFEM dalam webinar yang diselenggarakan oleh Multibangun, yang mengkaji pemanfaatan teknologi satelit Synthetic Aperture Radar (SAR) dan Kecerdasan Buatan (AI) untuk mengidentifikasi prekursor sinkhole dan memetakan kerentanan geohazard. Dengan memanfaatkan metode Interferometric SAR (InSAR) berbasis deret waktu (time-series), pergerakan tanah pada orde milimeter dapat dideteksi jauh hari sebelum kolaps terjadi. Selain itu, penggabungan data perpindahan tanah, kelembapan tanah, topografi, dan faktor pemicu lainnya menggunakan algoritma machine learning memungkinkan pembuatan peta kerentanan sinkhole dan longsor yang dinamis dan beresolusi tinggi. Teknologi ini menawarkan metode penapisan (screening) berskala luas yang hemat biaya, non-destruktif, dan dilengkapi arsip historis, yang sangat relevan untuk mitigasi bencana dan pemantauan infrastruktur, termasuk di wilayah beriklim tropis seperti Indonesia.

1. Pendahuluan 

Bencana geologi (geohazard) seperti sinkhole dan tanah longsor merupakan ancaman signifikan bagi infrastruktur dan keselamatan manusia, termasuk di Indonesia. Seringkali, kejadian sinkhole dianggap sebagai insiden yang datang tanpa peringatan. Pendekatan pemantauan konvensional melalui survei lapangan dan pemasangan sensor in-situ memberikan data yang akurat, namun memiliki keterbatasan dalam hal jangkauan spasial dan biaya yang tinggi.

Sebagai solusi atas tantangan tersebut, teknologi observasi bumi menggunakan satelit penginderaan jauh (remote sensing) telah berkembang pesat. Dr. Andrew Lee mengemukakan bahwa integrasi data satelit radar dan kecerdasan buatan (AI) dapat digunakan untuk mendeteksi tanda-tanda awal (prekursor) sinkhole sebelum kolaps terjadi. Artikel ini akan menguraikan secara komprehensif bagaimana teknologi Synthetic Aperture Radar (SAR) bekerja, teknik analisis interferometri untuk mendeteksi perpindahan tanah, aplikasi pada infrastruktur dan sinkhole, serta pemanfaatan AI untuk pemetaan risiko.

2. Tinjauan Pustaka: Teknologi satelit SAR dan InSAR

2.1. Karakteristik Synthetic Aperture Radar (SAR) Berbeda dengan satelit optik konvensional yang mengandalkan pantulan cahaya matahari dan rentan terhadap tutupan awan, SAR merupakan sistem radar aktif yang memancarkan gelombang elektromagnetik (pada spektrum gelombang mikro dan radio) dan mendeteksi pantulan balik (backscatter) dari permukaan bumi. Keunggulan utama SAR adalah kemampuannya menembus awan serta beroperasi siang dan malam tanpa batasan cuaca, menjadikannya sangat ideal untuk wilayah Indonesia yang kerap tertutup awan.

Satelit SAR beroperasi di orbit polar sinkron-matahari (sun-synchronous near-polar orbit), yang berarti satelit selalu melintasi suatu wilayah dengan orientasi dan posisi matahari yang sama di langit, sehingga meminimalkan variabilitas termal atau radiasi matahari antar-citra. Untuk menghasilkan resolusi spasial yang tinggi, satelit menyintesis antena virtual yang besar dengan menggabungkan serangkaian akuisisi dari antena yang lebih kecil selama pergerakannya. Sebagai contoh, satelit Sentinel-1 milik European Space Agency (ESA) menyediakan data gratis dengan resolusi spasial sekitar 10×10 meter dan siklus kunjungan ulang setiap 6 hingga 12 hari.

Data SAR yang direkam mencakup dua parameter utama:

• Amplitudo: Dipengaruhi oleh tekstur permukaan dan konstanta dielektrik tanah. Konstanta dielektrik berkorelasi kuat dengan kadar air tanah (soil moisture). Oleh karena itu, amplitudo SAR dapat dikonversi menjadi data kelembapan tanah permukaan, yang merupakan faktor pemicu utama bagi banyak geohazard.
• Fase (Phase): Perubahan fase gelombang mikro antara dua lintasan satelit yang berbeda waktu dapat dikonversi menjadi data perpindahan atau pergeseran (displacement) permukaan tanah.

2.2. Pemantauan Perpindahan Bumi dengan InSAR Metode untuk mendapatkan data perpindahan tanah ini disebut Differential Interferometric SAR (DInSAR) atau disederhanakan menjadi InSAR. InSAR membandingkan fase sinyal radar dari waktu ke waktu. Dengan mengoreksi pengaruh topografi menggunakan Digital Elevation Model (DEM), perbedaan fase yang tersisa murni merepresentasikan perpindahan permukaan.

Interferogram tunggal (perbandingan dua citra) efektif untuk mengukur pergerakan besar dan tiba-tiba seperti gempa bumi. Namun, sinkhole dan longsoran sering kali diawali dengan pergerakan lambat berorde milimeter. Untuk mendeteksi hal ini, digunakan teknik Time-Series InSAR. Teknik ini menganalisis tumpukan citra (lebih dari 20 citra) untuk mengidentifikasi objek-objek di permukaan yang memberikan pantulan gelombang yang konsisten dan stabil (disebut persistent scatterers), seperti bangunan atau singkapan batuan. Objek yang tidak persisten, seperti lahan pertanian yang terus diolah atau area hutan lebat yang kanopinya bergoyang, akan disaring karena memberikan sinyal yang berisik (noise). Melalui pendekatan time-series, kesalahan atmosfer dan topografi residual dapat dihilangkan, sehingga menghasilkan akurasi perpindahan permukaan sebesar 2 hingga 4 milimeter.

Satelit SAR mengamati bumi dengan pandangan menyamping (off-Nadir view) dari dua jenis lintasan orbit: Ascending (bergerak dari selatan ke utara, menghadap ke kanan/timur) dan Descending (bergerak dari utara ke selatan, menghadap ke kanan/barat). Perpindahan tanah yang terukur selalu berada dalam Garis Pandang (Line of Sight / LOS) satelit. Jika data dari kedua jenis orbit tersedia di lokasi yang sama, vektor perpindahan tersebut dapat digabungkan secara matematis untuk mendapatkan pergerakan arah vertikal dan horizontal (timur-barat) yang sesungguhnya.

3. Studi Kasus dan Aplikasi pada Pemantauan Infrastruktur

Sebelum membahas sinkhole, validitas data InSAR terbukti sangat efektif untuk penapisan awal (screening) stabilitas infrastruktur:

• Kegagalan Jembatan Dresden (Jerman): Pada September 2024, sebuah jembatan runtuh tanpa peringatan visual. Analisis InSAR retrospektif (menggunakan data 2 tahun ke belakang) dengan jelas memperlihatkan beberapa segmen jembatan mengalami penurunan (subsidence), sementara segmen lainnya terangkat. Peringatan dari data satelit historis ini membuktikan bahwa keruntuhan bisa dicegah jika pemantauan InSAR diterapkan.
• Pemantauan Regional di Indonesia: Pemantauan jembatan Baturaja di Sumatera Selatan yang menggunakan titik-titik persisten pada badan jembatan menunjukkan pergerakan hijau (stabil tanpa akumulasi perpindahan) selama 5 tahun terakhir.
• Struktur Dinding Penahan Tanah (MSE Wall): Analisis dinding MSE (Geogrid Tensar) setinggi 70 meter di rute Dubai-Fujairah (UEA) dan lereng bertulang di India juga dapat dimonitor. Di UEA, jalan tol di atas dinding terpantau stabil, sementara area timbunan biasa (embankment) menunjukkan laju konsolidasi yang berkelanjutan.

4. Deteksi Prekursor Sinkhole

4.1. Mekanisme Pembentukan Sinkhole Sinkhole sejati umumnya terbentuk di daerah dengan geologi batuan yang mudah larut (seperti batu gamping atau limestone) di kedalaman bawah tanah. Air hujan yang bersifat agak asam meresap secara perlahan dan melarutkan batuan kapur, membentuk rongga atau gua di bawah tanah dalam proses yang memakan waktu puluhan hingga ratusan ribu tahun.

Walaupun proses pelarutannya sangat lambat, kejadian amblesnya permukaan tanah ke dalam rongga tersebut seringkali terjadi seketika, dan umumnya dipicu oleh curah hujan tinggi yang membuat lapisan tanah permukaan menjadi lebih berat, basah, dan kehilangan kekuatan (shear strength) untuk menopang bebannya sendiri. Sebelum permukaan tersebut akhirnya benar-benar amblas, seringkali terjadi penurunan kecil pada permukaan tanah yang terakumulasi beberapa milimeter (sekitar 5-10 mm). Penurunan ini tak kasat mata manusia namun dapat dideteksi secara akurat oleh InSAR. Penurunan kecil inilah yang didefinisikan sebagai prekursor sinkhole.

4.2. Kasus Sinkhole Gauteng (Afrika Selatan) Provinsi Gauteng sangat rentan terhadap sinkhole karena wilayahnya didominasi batuan gamping. Melalui kolaborasi bersama University of Pretoria, analisis InSAR Sentinel-1 digunakan. Data spasial menampilkan pola area melingkar berwarna kuning/oranye (menandakan subsidence lambat) seluas puluhan meter di antara dua jalan raya. Beberapa waktu setelah pola penurunan tersebut terekam, sebuah sinkhole selebar sekitar satu meter muncul di permukaan, mengonfirmasi prediksi data satelit. Penemuan ini sangat krusial, karena deteksi pergerakan di permukaan jalan membantu mengevakuasi dan melindungi bangunan-bangunan di sekitarnya sebelum retakan melebar.

4.3. Anomali “Sinkhole” Pondok Balik (Aceh, Indonesia) Sebuah lubang raksasa di Pondok Balik, Aceh, yang telah menghancurkan jalan raya dan memicu kekhawatiran masyarakat luas dianalisis menggunakan InSAR. Berbeda dengan sinkhole akibat batuan larut (karst), tidak terdapat formasi limestone di lokasi ini. Analisis geologi menunjukkan lapisan tanah tersusun dari tuf (tuff), yaitu endapan aliran piroklastik berumur muda yang gembur dan bersifat collapsible soil (tanah runtuh). Oleh karena itu, fenomena ini lebih tepat digambarkan sebagai longsoran regresif (retrogressive landslide) berlapis yang secara terus-menerus bergerak mundur menyerupai karakteristik sinkhole. Proses tersebut diperparah oleh cuaca hujan dan irigasi lahan pertanian di sekitarnya yang terus-menerus menambah beban air.

Analisis InSAR memanfaatkan orbit Descending dan Ascending mengungkapkan wawasan unik terkait efek bayangan (shadow effect) pada topografi curam:

• Pada orbit Descending (melihat ke barat dan bawah), satelit menghasilkan bayangan radar di sisi timur lubang, namun merekam pergerakan negatif (turun ke barat) di satu sisi pinggiran lubang, dan pergerakan positif (seolah-olah naik ke atas, yang kenyataannya merupakan tanah longsor menuju ke arah barat/tengah saluran erosi) pada sisi lainnya.
• Peninjauan arsip citra optik Google Earth dari tahun 2015 hingga 2025 dikombinasikan dengan data radar menyimpulkan adanya akselerasi pergerakan yang pesat pada pertengahan 2025. Data menunjukkan pergerakan lubang melebar tajam ke arah selatan memakan jalan raya, berkoinsidensi dengan tingginya intensitas pergerakan tanah dan curah hujan.

5. Penggabungan AI untuk Penilaian Kerentanan Bencana (Susceptibility)

Teknologi satelit InSAR tidak hanya mendeteksi prekursor secara mekanistik, tetapi kini berevolusi dengan integrasi Kecerdasan Buatan (AI) / Machine Learning untuk menganalisis risiko atau kerentanan skala masif. Pendekatan InSAR konvensional hanya melihat anomali perpindahan, sementara analisis AI (geohazard susceptibility) mengkompilasi:

1. Data Satelit Ekstensi: Perpindahan InSAR, kadar kelembapan tanah dari amplitudo SAR, topografi (DEM), serta indeks tutupan vegetasi.
2. Data Lapangan & Sekunder: Peta geologi (formasi batuan kapur), tingkat keasaman (pH) tanah, curah hujan (precipitation), jalur akumulasi aliran air di permukaan, dan pangkalan data historis letak bencana sebelumnya.

Algoritma AI dilatih untuk mengenali pola-pola atau tanda bahaya dari parameter gabungan tersebut. Contoh implementasinya adalah:

• Peta Tanah Longsor California: Peta ini diperbarui secara teratur oleh data satelit. Jika kebakaran hutan terjadi, hilangnya kanopi dan fluktuasi air tanah direkam oleh radar. AI kemudian akan secara otomatis menyesuaikan dan menaikkan level risiko longsor pada lereng tersebut untuk diwaspadai di musim hujan.
• Prediksi Sinkhole di Florida: Karena rekam data faktor-faktor penyebab (geologi limestone, arah curah hujan, dan rekam jejak historis lubang) yang melimpah, wilayah Florida digunakan sebagai studi kasus pembuatan model algoritma. Algoritma diuji di area luas yang keseluruhannya terdiri dari geologi kapur. Hebatnya, tanpa dipandu oleh data luaran sesungguhnya, AI berhasil memunculkan titik-titik koordinat kerentanan maksimum (warna merah pekat) yang secara sempurna bertepatan dengan lokasi-lokasi presisi di mana sinkhole historis dari Survei Geologi Florida benar-benar terjadi.

Model-model AI prediktif ini dapat ditingkatkan dengan teori perhitungan Inverse Velocity (Kebalikan Kecepatan). Pada sistem kegagalan massa tanah (seperti lereng longsor, sinkhole, atau bendungan limbah tambang/tailings dam), nilai perpindahan akan terus melaju hingga kolaps. Jika kurva waktu diplot terhadap satu-per-kecepatan (1/v), titik saat kurva menyentuh angka nol adalah hari atau jam spesifik proyeksikan terjadinya bencana geologi (predictive time to failure).

6. Keunggulan dan Masa Depan Pemantauan Geohazard Berbasis Satelit

Penggunaan data SAR membawa pergeseran paradigma mendasar dalam mitigasi infrastruktur geoteknik:

1. Skala Regional Tanpa Intervensi: Memungkinkan insinyur geoteknik mensurvei ribuan kilometer persegi secara merata dan tanpa mengganggu lalu lintas logistik / operasi fasilitas, guna menyortir anomali (screening tool).
2. Mesin Waktu Historis (Arsip Data): Satelit seperti Sentinel-1 menyimpan arsip bumi tanpa henti setiap enam hari sejak tahun 2015. Insinyur yang merancang megaproyek dapat memeriksa pergerakan dasar lahan pra-konstruksi sebagai baseline untuk menanggulangi litigasi hukum seandainya di masa mendatang proyek dituduh menyebabkan deformasi wilayah sekitarnya.
3. Ketersediaan Data Gratis & Penetrasi C-Band/L-Band: Data Sentinel-1 gratis dan bekerja pada instrumen C-band (moderat untuk daerah urban-suburban). Untuk menembus wilayah hutan dan kanopi vegetasi tropis Indonesia dengan lebih optimal, citra bergelombang L-Band (seperti yang ditawarkan oleh satelit baru NISAR) kini semakin luas digunakan tanpa mengurangi presisi milimeter.

Data satelit InSAR tidak dibuat untuk serta merta menggantikan proses survei darat atau pengujian bore-hole/geofisika. Tujuan utama satelit ini adalah memetakan di area manakah (skala makro) risiko tertinggi berada, agar pemerintah dan kontraktor dapat memfokuskan pengeboran geofisika yang berbiaya mahal hanya pada klaster-klaster yang sudah diverifikasi anomali penurunannya.

7. Kesimpulan 

Integrasi teknologi pengukuran presisi tinggi menggunakan deret-waktu InSAR (Interferometric Synthetic Aperture Radar) dan Kecerdasan Buatan merupakan sebuah terobosan fundamental dalam mengidentifikasi pola geohazard, khususnya prekursor sinkhole. Mulai dari pengukuran subsiden sebesar milimeter yang tak kasat mata di atas lapisan batu gamping, pendeteksian pola akselerasi pada lubang longsor regresif di Aceh, hingga kemampuan memproses big data iklim, kadar kelembapan, dan topografi melalui algoritma AI machine learning. Semuanya menghasilkan sistem mitigasi yang pro-aktif, hemat anggaran, sangat akurat, dan adaptif terhadap realita perubahan cuaca ekstrem global saat ini. Teknologi ini ideal untuk diadopsi lebih mendalam oleh insinyur dan pemangku kebijakan di Indonesia untuk menjamin resiliensi dan mitigasi kegagalan infrastruktur sipil berskala nasional.

8. FAQ (Frequently Asking Questions)

1. Apa itu sinkhole dan bagaimana bedanya dengan longsor?
Sinkhole adalah amblesan permukaan tanah yang terjadi akibat adanya rongga di bawah tanah, umumnya pada batuan yang mudah larut seperti batu gamping. Sementara itu, longsor adalah pergerakan massa tanah atau batuan menuruni lereng. Dalam praktiknya, beberapa kejadian yang tampak seperti sinkhole ternyata merupakan longsor regresif atau keruntuhan tanah kolaps, seperti kasus di Pondok Balik, Aceh.

2. Apakah sinkhole selalu terjadi tanpa peringatan?
Tidak selalu. Meskipun kolaps permukaan sering tampak mendadak, pada banyak kasus terdapat tanda awal berupa penurunan tanah sangat kecil yang berlangsung perlahan sebelum kejadian utama. Pergerakan kecil inilah yang disebut prekursor sinkhole dan dapat dideteksi menggunakan teknologi InSAR.

3. Apa itu teknologi SAR dan mengapa penting untuk pemantauan geohazard?
Synthetic Aperture Radar (SAR) adalah teknologi radar aktif pada satelit yang merekam pantulan gelombang mikro dari permukaan bumi. Keunggulannya adalah dapat bekerja siang dan malam, serta tetap efektif meski tertutup awan. Hal ini sangat penting untuk wilayah tropis seperti Indonesia yang sering memiliki tutupan awan tinggi.

4. Apa perbedaan SAR dan InSAR?
SAR adalah sistem pengambilan data radar dari satelit, sedangkan InSAR (Interferometric Synthetic Aperture Radar) adalah metode analisis yang memanfaatkan perbedaan fase antar-citra SAR untuk mengukur perpindahan permukaan tanah. Dengan kata lain, SAR menyediakan datanya, dan InSAR mengolahnya untuk mendeteksi deformasi tanah.5. Seberapa kecil pergerakan tanah yang bisa dideteksi oleh InSAR?
Dengan pendekatan time-series InSAR, perpindahan permukaan tanah dapat dideteksi hingga orde milimeter, umumnya sekitar 2–4 mm. Tingkat presisi ini memungkinkan identifikasi gejala awal sebelum sinkhole atau longsor berkembang menjadi kegagalan yang lebih besar.

Share: