Tanah longsor merupakan salah satu bencana alam yang sering terjadi di daerah pegunungan atau wilayah dengan curah hujan tinggi. Dampaknya bisa sangat besar, mulai dari kerusakan infrastruktur sampai hilangnya nyawa manusia. Para ilmuwan dan insinyur telah lama mencari cara untuk memprediksi kapan dan di mana tanah longsor akan terjadi, tetapi ini bukan tugas yang mudah.
Baru-baru ini, sebuah tim peneliti dari The Hong Kong University of Science and Technology berhasil mengembangkan sebuah model komputer yang lebih akurat untuk memprediksi tanah longsor. Perkembangan ini menjadi berita besar karena berpotensi menyelamatkan banyak kehidupan dan harta benda dengan memberikan peringatan dini yang lebih baik.
Mengapa Prediksi Tanah Longsor Itu Sulit Dilakukan?
Tanah longsor terjadi ketika tanah, batu, atau material lain di lereng bukit kehilangan keseimbangan dan meluncur ke bawah karena gaya gravitasi. Gerakan ini dipengaruhi oleh banyak hal, mulai dari kondisi tanah, kadar air di dalam tanah, porositas (ruang kosong di antara butiran tanah), serta tekanan air di dalam tanah serta udara yang menyatu dengan partikel tanah. Interaksi kompleks antara partikel-partikel tanah dan fluida seperti air serta udara membuat prediksi longsor sangat rumit.
Ketika memprediksi tanah longsor, model yang ada sebelumnya sering kali terlalu sederhana. Ilmuwan melihat tanah sebagai kumpulan partikel statis atau memisahkan interaksi antara partikel dengan air dan udara menjadi dua hal yang terpisah. Padahal dalam kenyataannya, partikel tanah, air, dan udara saling memengaruhi satu sama lain secara dinamis—artinya perubahan dalam satu komponen dapat langsung memengaruhi yang lain secara simultan. Misalnya, ketika tanah mulai jenuh air selama hujan lebat, gaya tarik antar partikel berubah, yang kemudian dapat mempercepat gerakan tanah. Cara lama dalam memprediksi fenomena ini sering kali tidak cukup akurat karena tidak mampu menggambarkan semua interaksi ini secara nyata.
Baca juga: Membangun Ketangguhan: Tantangan Besar Negara Negara Asia Tenggara dalam Mengelola Bencana
PUA-DEM: Model Baru yang Lebih Realistis
Untuk mengatasi kelemahan metode lama, tim yang dipimpin oleh Prof. Zhao Jidong dari Department of Civil and Environmental Engineering HKUST membuat sebuah model baru yang disebut PUA-DEM (Pore Unit Assembly-Discrete Element Model). Model ini melihat tanah sebagai kumpulan butiran kecil, seperti pasir atau tanah, yang di antara butirannya ada ruang kosong. Ruang kosong itu bisa diisi oleh air ataupun udara.
Model ini bekerja seperti simulasi di komputer yang menghitung gerakan setiap butir tanah satu per satu, termasuk bagaimana butir-butir itu saling dorong, saling menekan, dan bergerak karena air dan udara di sekitarnya. Jadi bukan hanya tanahnya saja yang dihitung, tetapi juga peran air dan udara yang ada di dalam tanah.
Keunggulan PUA-DEM adalah model ini bisa menghitung bagaimana tanah, air, dan udara saling memengaruhi secara bersamaan. Dengan begitu, model ini bisa menunjukkan perubahan tekanan, aliran air, dan kekuatan antar butir tanah, baik saat tanah masih kering sampai saat tanah benar-benar jenuh air. Hal ini penting karena kondisi tanah yang “setengah basah” seperti inilah yang paling sering memicu longsor, dan selama ini paling sulit diprediksi.
Bagaimana Model Ini Bekerja dalam Praktek
Bayangkan Anda memotret area lereng gunung di berbagai titik waktu saat hujan deras turun. Setiap butiran tanah bisa saja berubah posisi secara sedikit demi sedikit tergantung seberapa basah tanah tersebut, seberapa cepat air masuk ke dalam tanah, serta bagaimana udara terperangkap di dalam pori-porinya. Model lama mungkin hanya melihat secara kasar—seolah-olah tanah itu seperti satu blok besar. Sementara model PUA-DEM menghitung gerakan setiap butiran tanah kecil, dan bagaimana air serta udara di sekitar mereka memengaruhi gerakan itu.
Secara teknis, model ini melakukan simulasi dinamika partikel dengan memasukkan prinsip-prinsip fisika yang telah terbukti: tekanan fluida yang berubah, gaya kapiler (gaya yang terjadi ketika air menempel pada permukaan partikel tanah), dan respons mekanis dari tanah itu sendiri. Dengan cara ini, model dapat menunjukkan bagaimana tanah mulai melunak, retak, atau bahkan runtuh ketika mendapat tekanan air yang meningkat dari hujan atau naiknya air tanah.
Kemampuan model ini sangat tinggi dalam menangkap berbagai kondisi, mulai dari tanah yang sangat kering, tanah yang basah, hingga kondisi jenuh air. Ini berarti prediksi longsor yang dihasilkan lebih mendekati kondisi nyata di lapangan dibandingkan metode lama.
Baca juga: Hydroclimate Whiplash: Fenomena Perubahan Cuaca Ekstrem yang Semakin Mengancam Dunia
Manfaat yang Lebih Luas: Tidak Sekadar Prediksi Longsor
Walaupun fokus awal penelitian ini adalah untuk memprediksi tanah longsor lebih akurat, tim menyadari bahwa model ini memiliki banyak aplikasi lain juga. Karena PUA-DEM mampu memprediksi bagaimana butiran yang berbeda berinteraksi dengan air dan udara, model tersebut bisa digunakan untuk memahami berbagai proses industri yang bergantung pada fluida dan bahan granular.
Salah satu contoh adalah irigasi pertanian. Dalam irigasi, sangat penting memahami bagaimana air meresap ke dalam tanah serta bagaimana akar tanaman menyerap air tersebut. Dengan model ini, pertanian dapat merancang strategi irigasi yang lebih efisien sehingga tidak membuang air secara sia-sia, apalagi di daerah yang rawan kekeringan.
Contoh lain adalah industri minyak. Dalam proses ekstraksi minyak bumi dari reservoir bawah tanah, fluida seperti air atau gas juga bergerak melalui bahan granular berskala sangat kecil. PUA-DEM dapat membantu memprediksi bagaimana minyak, air, dan gas berinteraksi dalam kondisi nyata, sehingga optimisasi proses ekstraksi bisa dilakukan lebih baik.
Selain itu, model ini dapat membantu proses produksi obat dan makanan. Banyak produk farmasi dan makanan dibuat dari serbuk atau bahan granular. Dengan memprediksi bagaimana partikel-partikel ini berinteraksi dalam proses pencampuran atau pemrosesan, kualitas produk akhir dapat ditingkatkan, hasil produksinya lebih konsisten, dan limbah dapat dikurangi.
Arahan Penelitian di Masa Depan
Walaupun model PUA-DEM sudah merupakan langkah besar, tim masih ingin mengembangkannya lebih jauh. Salah satunya adalah memasukkan bentuk partikel yang lebih realistis dan bagaimana sifat permukaan partikel—misalnya seberapa lengket atau seberapa mudah air ‘menempel’ di permukaan partikel—dapat memengaruhi hasil simulasi. Ini penting karena tanah di alam nyata jarang terdiri dari butiran yang berukuran dan berbentuk seragam.
Mereka juga tertarik menggabungkan strategi komputasi hibrid yang dapat mengakomodasi proses yang semakin kompleks, seperti reaktif transportasi kimia atau retakan karena pengeringan tanah, yang juga berperan penting dalam fenomena longsor. Dengan pengembangan tersebut, model ini bisa semakin mendekati kondisi nyata sehingga semakin berguna untuk aplikasi ilmiah maupun praktis.
Kesimpulan
Prediksi tanah longsor bukanlah sekadar soal memahami gravitasi, tapi juga mengerti bagaimana butiran tanah, air, dan udara saling berinteraksi di bawah tanah. Model lama sering terlalu sederhana untuk menggambarkan realitas ini, tapi dengan hadirnya PUA-DEM dari HKUST, kita kini memiliki alat yang jauh lebih akurat. Model ini membuat prediksi longsor lebih realistis dengan memperhitungkan perubahan kondisi tanah dari kering hingga jenuh air serta interaksi kompleks antara partikel tanah dan fluida di dalamnya. Selain itu, karena kekuatannya dalam memodelkan partikel granular dan fluida, model ini memiliki aplikasi yang luas mulai dari pertanian, industri minyak, hingga produksi obat dan makanan. Ke depannya, penelitian ini akan terus dikembangkan dengan memasukkan bentuk partikel yang lebih realistis serta cara baru untuk menangani fenomena yang lebih kompleks. Secara keseluruhan, ini adalah lompatan besar dalam ilmu prediksi tanah longsor dan manajemen risiko bencana.
Referensi:
[1] http://hkust.edu.hk/news/hkust-researchers-develop-new-model-accurate-landslide-prediction, diakses pada 1 Januari 2026.
[2] Amiya Prakash Das, Jidong Zhao, Thomas Sweijen. Micromechanical modeling of triphasic granular media. Proceedings of the National Academy of Sciences, 2025; 122 (18) DOI: 10.1073/pnas.2420314122
