Ketika sebuah bencana terjadi, media sosial langsung berubah menjadi ruang kepanikan massal. Orang-orang mengunggah foto, video, permohonan bantuan, laporan kerusakan, hingga opini yang belum tentu benar. Di tengah banjir informasi itu, tim penyelamat menghadapi tantangan besar. Mereka harus memisahkan informasi penting dari ratusan ribu unggahan lain yang tidak relevan. Kebutuhan untuk memilah dengan cepat inilah yang mendorong para peneliti mengembangkan algoritma cerdas yang mampu mengenali isi unggahan tentang bencana secara otomatis.
Sebuah studi terbaru yang diterbitkan tahun 2025 dalam jurnal Biomimetics memperkenalkan sebuah pendekatan baru yang jauh lebih akurat dalam memilah dan mengklasifikasi tweet terkait bencana. Pendekatan tersebut disebut MSBKA, singkatan dari Multi Strategy Improved Black Winged Kite Algorithm. Nama ini terdengar rumit, tetapi prinsipnya sederhana. Para peneliti ingin meniru cara burung black winged kite dalam mencari mangsa dari udara. Burung itu terbang dengan pola tertentu untuk menemukan sasaran terbaik secara efisien. Pola pencarian yang efisien inilah yang kemudian diadaptasi menjadi metode komputasi untuk mencari informasi yang paling relevan dari tumpukan data.
Baca juga artikel tentang: Bumi Terancam! Asteroid Bennu Bisa Sebabkan Bencana Global seperti Kiamat
Media sosial seperti Twitter memegang peran penting dalam situasi darurat. Banyak orang memilih mengunggah kondisi sekitar secara langsung tanpa harus melalui prosedur formal seperti pelaporan resmi. Kecepatan ini memberikan kesempatan emas bagi tim penyelamat untuk mendapatkan data real time tentang lokasi banjir, jalan rusak, atau daerah yang masih terisolasi. Namun manfaat ini datang bersama tantangan besar. Jumlah unggahan yang terlalu banyak membuat pencarian informasi kritis menjadi sangat sulit tanpa bantuan kecerdasan buatan.
MSBKA dikembangkan untuk memilih fitur atau kata kunci yang paling penting dari teks tweet. Ketika berbicara tentang data teks, fitur dapat berupa kata, frasa, pola bahasa, atau kombinasi tertentu yang memiliki makna dalam identifikasi masalah. Pada kasus bencana, fitur itu bisa berupa kata seperti evakuasi, banjir, gempa, runtuh, butuh bantuan, atau menyebutkan nama lokasi tertentu. Namun memilih fitur secara manual sangat memakan waktu. Jika ribuan unggahan harus dianalisis dalam hitungan menit, manusia jelas tidak dapat menghadapinya sendiri.
Peneliti meningkatkan kemampuan algoritma dasar yang bernama Black Winged Kite Algorithm dengan beberapa strategi tambahan. Peningkatan ini mencakup penyesuaian pola pencarian, penggabungan teknik pembelajaran terbalik, serta penggunaan metode optimisasi yang lebih efisien. Tujuannya agar algoritma dapat menyaring fitur yang benar-benar penting dengan lebih cepat dan lebih akurat.
Setelah menyaring fitur, MSBKA digabungkan dengan model klasifikasi SVM atau Support Vector Machine. Dalam dunia kecerdasan buatan, SVM dikenal sebagai salah satu algoritma yang kuat untuk mengklasifikasi teks. Penggabungan ini menghasilkan sistem hibrida yang mampu memilih fitur dan sekaligus mengelompokkan tweet ke kategori terkait bencana.
Untuk menguji performanya, para peneliti menggunakan data nyata dari empat peristiwa bencana berbeda. Hasilnya mengejutkan. Sistem MSBKA-SVM dapat mencapai tingkat akurasi sebesar 88,22 persen. Angka ini menempatkannya di atas berbagai algoritma lain yang sudah lebih dulu digunakan. Ketika dibandingkan dengan algoritma seperti GA, PSO, SSA, dan BKA versi lama, performanya meningkat mulai dari dua hingga enam persen. Kenaikan ini terdengar kecil, tetapi dalam dunia klasifikasi data skala besar, perbedaan dua persen saja dapat berdampak luar biasa.
Akurasi yang lebih tinggi berarti lebih sedikit informasi penting yang terlewatkan. Dalam konteks bencana, ini berarti lebih banyak nyawa yang dapat diselamatkan. Jika algoritma dapat menemukan tweet yang berbunyi rumah saya tertimpa reruntuhan atau kami terjebak di lantai dua saat banjir lebih cepat satu atau dua menit saja, waktu yang lebih cepat itu dapat berarti perbedaan antara hidup dan mati.
Penerapan algoritma seperti MSBKA bukan hanya membantu tim penyelamat. Pemerintah dan organisasi kemanusiaan juga sangat bergantung pada analisis data untuk menentukan skala kerusakan dan kebutuhan bantuan. Dengan kemampuan memilah informasi yang lebih akurat, perencanaan distribusi bantuan dapat dilakukan dengan lebih tepat sasaran. Jika sebuah wilayah menunjukkan banyak unggahan terkait kelangkaan air bersih, tim logistik dapat segera menambah suplai. Jika banyak unggahan tentang jalan terputus atau jembatan runtuh, tim teknis dapat mengirim alat berat lebih cepat.
Di masa mendatang, teknologi seperti MSBKA dapat menjadi bagian penting dalam sistem peringatan dini. Unggahan yang mencurigakan dapat dianalisis secara otomatis untuk mendeteksi tanda-tanda awal bencana seperti longsor kecil, banjir lokal, atau kebakaran yang mulai meluas. Dengan demikian, pemerintah bisa mengambil tindakan lebih cepat daripada menunggu laporan resmi.
Keberhasilan MSBKA juga menjadi contoh bahwa pengembangan kecerdasan buatan tidak hanya mengabdi pada dunia bisnis. Ada kebutuhan sangat besar untuk menerapkan teknologi cerdas pada masalah nyata yang langsung menyentuh kehidupan manusia. Setiap detik yang dihemat oleh algoritma seperti ini berpotensi mengurangi dampak bencana dan mempercepat proses pemulihan.
Meski demikian, teknologi ini tetap memiliki keterbatasan. Media sosial penuh dengan informasi yang belum diverifikasi dan terkadang mengandung hoaks. Algoritma hanya dapat mengidentifikasi pola bahasa, tetapi tidak dapat menilai kebenaran informasi tanpa sistem pendukung. Oleh karena itu, integrasi antara algoritma cerdas dan verifikasi manusia masih sangat diperlukan.
Studi ini membuka jalan bagi pengembangan model yang lebih kaya dan lebih adaptif di masa depan. Dengan kombinasi teknik optimisasi, machine learning, dan pemrosesan bahasa alami, kita mendekati era baru di mana mesin dapat membantu mengelola bencana dengan cara yang lebih efisien dan responsif.
Ketika bencana datang tanpa peringatan, waktu menjadi musuh terbesar. Teknologi seperti MSBKA membantu manusia memanfaatkan setiap detik yang tersisa untuk menyelamatkan lebih banyak orang. Pada akhirnya, inilah tujuan utama sains dan teknologi yaitu memberikan solusi nyata untuk masalah nyata.
Baca juga artikel tentang: Farmasi dalam Bencana: Peran Apoteker saat Krisis Kesehatan Global
REFERENSI:
Mu, Guangyu dkk. 2025. MSBKA: A multi-strategy improved black-winged kite algorithm for feature selection of natural disaster tweets classification. Biomimetics 10 (1), 41.
