Resensi Riset Akademik: Meningkatkan Manajemen Banjir Sistem Transportasi Jalan melalui Analitik Data Media Berita dan Penilaian Kerentanan
Sistem jaringan jalan merupakan komponen vital dari infrastruktur perkotaan, memfasilitasi pergerakan barang, logistik, dan manusia, baik dalam situasi normal maupun darurat. Namun, kerentanan sistem ini terhadap banjir air permukaan (), diperburuk oleh perubahan iklim dan urbanisasi yang cepat, menimbulkan tantangan signifikan bagi manajemen bencana perkotaan. Penelitian yang beredar telah merekomendasikan perlunya strategi yang lebih fleksibel dan adaptif untuk mengatasi kondisi yang tidak terduga dan dinamis. Dalam konteks ini, penelitian ini menawarkan kerangka kerja terintegrasi yang inovatif, berpusat pada pemanfaatan analitik data media berita sebagai aset yang kurang dimanfaatkan untuk meningkatkan manajemen banjir dalam sistem transportasi jalan, dengan mengambil Greater Bay Area (GBA) di Tiongkok sebagai studi kasus.
Penelitian ini secara eksplisit menjawab pertanyaan sentral: "Bagaimana manajemen banjir dalam sistem transportasi jalan dapat ditingkatkan melalui analitik data media berita?". Melalui tiga fase fokus manajemen banjir—kesiapsiagaan dan peringatan dini, respons dan pemulihan, serta mitigasi, risiko, dan pemodelan kerentanan—temuan-temuan yang saling terkait memberikan lensa baru untuk tata kelola bencana.
Jalur Logis Perjalanan Temuan
Kerangka kerja yang diusulkan dibangun di atas model konseptual Source-Pathway-Receptor-Consequence (SPRC), memetakan hubungan antara pemicu (curah hujan), jalur transmisi (aliran air permukaan), penerima (jalan permukaan), dan konsekuensinya (kerugian dampak). Penelitian ini menggunakan data riwayat media berita dari proyek GDELT (Global Database of Events, Language, and Tone) GKG dari 2015 hingga 2021, diperkuat dengan data konvensional seperti jaringan jalan OpenStreetMap (OSM) dan informasi curah hujan.
Fase 1: Kesiapsiagaan dan Peringatan Dini (Aktivitas Media Berita)
Analisis data media berita GDELT, menggunakan indeks perhatian media (jumlah artikel) dan sentimen berita (skor nada artikel), menghasilkan pola spasial dan temporal yang jelas.
- Pola Spasial: Perhatian media secara signifikan terkonsentrasi di kota-kota GBA yang padat penduduk dan maju secara ekonomi (misalnya, Guangzhou, Shenzhen, dan Hong Kong). Analisis korelasi Pearson menunjukkan hubungan positif yang kuat dan signifikan antara perhatian media dengan populasi (, ) dan PDB (, ). Namun, sentimen berita tidak menunjukkan bias yang signifikan terhadap populasi atau PDB, dengan koefisien korelasi yang sangat lemah dan tidak signifikan. Temuan ini menunjukkan bahwa media berita berperan sebagai cermin objektif dalam melaporkan kerusakan transportasi, tetapi fokus liputannya didorong oleh potensi dampak sosial-ekonomi yang besar.
- Pola Temporal: Liputan media mencapai puncaknya selama musim basah (Mei hingga September), sejalan dengan curah hujan, dan menunjukkan sentimen yang lebih negatif dibandingkan dengan musim kemarau. Lebih lanjut, perhatian media terhadap kerusakan transportasi menunjukkan pola V-terbalik terbalik (inverted V-shaped), di mana sebagian besar artikel diterbitkan selama periode banjir, bukan mendahuluinya. Hal ini menggarisbawahi perlunya peningkatan signifikan dalam penyebaran informasi dan peringatan dini.
Fase 2: Respons dan Pemulihan (Kolaborasi Agensi Pemerintah)
Fase ini menggunakan analisis jaringan dari agensi pemerintah yang disebutkan dalam artikel berita untuk menilai keterlibatan dan kolaborasi selama lima peristiwa banjir parah (2017-2021).
- Jaringan dan Sentralitas: Agensi-agensi seperti Departemen Keamanan Publik, Departemen Keuangan, Departemen Sumber Daya Alam, Departemen Meteorologi, dan Departemen Transportasi terbukti paling aktif dan memiliki nilai sentralitas tertinggi (Degree, Betweenness, dan Closeness). Hal ini menempatkan mereka sebagai simpul-simpul kritis yang sangat diperlukan untuk koordinasi sumber daya dan penyebaran informasi yang efisien.
- Pola Kolaborasi: Kolaborasi agensi ditemukan lebih erat selama banjir akibat topan dibandingkan banjir non-topan, menunjukkan bahwa tingkat keparahan bencana mendorong peningkatan kerja sama. Meskipun demikian, terdapat keterbatasan kolaborasi antara Departemen Transportasi dan Departemen Meteorologi, dengan sedikit atau tanpa kemunculan bersama dalam berita di beberapa peristiwa banjir. Padahal, integrasi data meteorologi sangat penting untuk manajemen transportasi yang efektif selama banjir.
Fase 3: Mitigasi, Risiko, dan Pemodelan Kerentanan (Dampak Potensial)
Fase terakhir mengintegrasikan penilaian kerentanan infrastruktur jalan (dampak langsung/tangible) dengan analisis media berita tentang gangguan transportasi (dampak tidak langsung/tangible).
- Kerentanan Infrastruktur Jalan: Penilaian menggunakan metode berbasis indeks dan bobot CRITIC menemukan bahwa distrik dengan jalan yang jarang dan bergradasi tinggi lebih rentan secara fisik terhadap banjir. Secara spasial, kerentanan cenderung lebih rendah di distrik-distrik di GBA Barat dibandingkan di GBA Tengah dan Timur. Uniknya, Distrik Sentral Bisnis (CBD) kota menunjukkan kerentanan yang rendah atau sangat rendah, berkat waktu respons darurat yang cepat dan kepadatan jalan, jembatan, dan gorong-gorong yang relatif lebih tinggi, mengimbangi eksposur tinggi. Distrik-distrik tertentu, seperti Yau Tsim Mong di Hong Kong, menunjukkan kerentanan yang sangat rendah meskipun eksposurnya tinggi, yang dikaitkan dengan kemampuan pengurangan bencana yang sangat tinggi.
- Dampak Transportasi Tidak Langsung: Analisis frekuensi kata pada data media berita mengidentifikasi logistik transportasi sebagai kategori kerusakan yang paling sering dilaporkan, diikuti oleh transportasi publik. Menariknya, terdapat hubungan terbalik antara frekuensi dampak dan tingkat keparahan sentimen: kecelakaan lalu lintas memiliki frekuensi terendah tetapi sentimen paling negatif (), menunjukkan kerusakan yang jarang tetapi sangat serius. Sebaliknya, gangguan logistik sering terjadi tetapi menimbulkan sentimen yang sedikit negatif. Selain itu, investigasi jalan rawan banjir menyoroti jalan-jalan utama seperti Shennan Avenue di Shenzhen sebagai titik fokus perhatian media tertinggi, mengindikasikan tingkat dampak yang parah.
Kontribusi Utama terhadap Bidang
Penelitian ini memberikan kontribusi teoritis yang kuat dengan mengembangkan metodologi terintegrasi yang secara efektif menggabungkan analitik data media berita, yang dikenal objektif dan andal, dengan penilaian kerentanan konvensional. Kontribusi utamanya adalah mengalihkan fokus dari analisis media sosial yang subjektif ke analisis media berita untuk manajemen bencana.
Penelitian ini memelopori penggunaan analitik media berita untuk mengukur kinerja tata kelola bencana dengan menyediakan perspektif dan metode untuk analisis jaringan agensi pemerintah. Dengan mengukur keterlibatan agensi dan kolaborasi melalui data berita, penelitian ini menawarkan cara yang lebih objektif untuk mengevaluasi efektivitas respons dan kepatuhan terhadap kebijakan yang dirancang.
Secara praktis, temuan ini memberikan wawasan yang dapat ditindaklanjuti untuk otoritas kota. Misalnya, mengidentifikasi pola V-terbalik dalam liputan media mengarah pada rekomendasi langsung untuk meningkatkan informasi peringatan dini sebelum banjir. Selain itu, hasil penilaian kerentanan memberikan arahan yang tepat untuk perencanaan jalan dan desain infrastruktur yang tangguh (misalnya, meningkatkan kepadatan jalan di distrik rentan, membangun Blue-Green Infrastructure (BGI) di CBD).
Keterbatasan dan Pertanyaan Terbuka
Meskipun kerangka kerja terintegrasi ini merupakan langkah maju, penelitian ini memiliki keterbatasan yang menunjuk pada perlunya studi lanjutan.
- Mekanisme Dampak yang Tidak Jelas: Keterhubungan antara tingkat aktivitas media berita dan konsekuensi banjir (misalnya, kerugian transportasi aktual) masih tidak jelas. Tidak adanya data kerusakan transportasi nyata (real transport damage data) mencegah analisis korelasional yang dapat memastikan apakah liputan media yang lebih banyak benar-benar menghasilkan pengurangan kerugian yang efektif.
- Jaringan Non-Pemerintah (NGO): Analisis jaringan hanya berfokus pada agensi pemerintah. Kualitas data yang terbatas dalam proyek GDELT GKG menyulitkan ekstraksi informasi yang andal mengenai Organisasi Non-Pemerintah (NGO). Peran pelengkap dan kritis NGO dalam kesiapsiagaan, respons, dan pemulihan, oleh karena itu, tidak dapat dinilai.
- Dampak Tidak Berwujud Makroskopik: Analisis dampak terbatas pada konsekuensi langsung dan tidak langsung yang nyata (kerusakan fisik dan gangguan transportasi) pada tingkat makroskopik. Pengaruh gangguan transportasi terhadap seluruh sistem perkotaan, termasuk kegiatan sosio-ekonomi, masih terbatas, yang memerlukan integrasi model hidrologi dan lalu lintas yang kompleks.
5 Rekomendasi Riset Berkelanjutan (dengan Justifikasi Ilmiah)
Berikut adalah lima jalur riset ke depan yang berbasis temuan dan keterbatasan dalam studi ini, ditujukan khusus untuk komunitas akademik dan penerima hibah:
- Mengkorelasikan Aktivitas Media Berita dengan Kerugian Transportasi Riil:
- Basis Temuan: Hipotesis bahwa perhatian media yang lebih tinggi dapat mengurangi kerugian transportasi belum teruji karena kurangnya data kerusakan nyata.
- Metode/Variabel Baru: Penelitian lanjutan harus berfokus pada pengumpulan data kerusakan transportasi riil (misalnya, penutupan jalan, biaya perbaikan, durasi gangguan) melalui perjanjian bagi data dengan departemen transportasi atau metode berbasis citra (image identification) dari media. Variabel baru ini akan memungkinkan analisis korelasi yang definitif untuk mengukur efektivitas reduksi kerusakan sebagai fungsi dari intensitas dan timing liputan media.
- Perlunya Lanjutan: Validasi ini sangat penting untuk memberikan justifikasi ilmiah bagi alokasi dana publik pada strategi komunikasi dan peringatan dini berbasis media dalam manajemen bencana.
- Pemodelan Jaringan Kolaborasi Agensi Multi-Pihak:
- Basis Temuan: Penelitian ini menunjukkan eratnya kolaborasi antar agensi pemerintah selama banjir topan, tetapi mengesampingkan peran NGO karena tantangan data.
- Metode/Variabel Baru: Penelitian di masa depan harus menyusun daftar NGO yang terlibat dalam manajemen banjir dan mengembangkan algoritma penambangan teks untuk mengekstrak informasi NGO dari GDELT dan sumber sekunder (misalnya, media sosial). Selanjutnya, analisis jaringan harus dilakukan untuk memetakan keterlibatan dan kolaborasi antara pemerintah dan NGO (Government-NGO network).
- Perlunya Lanjutan: Menganalisis jaringan multi-pihak ini akan mengidentifikasi kesenjangan koordinasi dan memformulasikan strategi untuk memperkuat kemitraan publik-swasta dalam meningkatkan kapasitas respons dan pemulihan bencana.
- Analisis Dampak Tidak Berwujud Sosio-Ekonomi Jangka Panjang:
- Basis Temuan: Studi ini terbatas pada dampak fisik dan gangguan transportasi; pemahaman tentang bagaimana gangguan ini memengaruhi kegiatan sosio-ekonomi masih terbatas.
- Metode/Variabel Baru: Mengintegrasikan model simulasi (seperti model hidrodinamik dan model lalu lintas) dengan data sosio-ekonomi (misalnya, PDB per kapita, data penggunaan lahan) untuk mengukur sensitivitas sosio-ekonomi yang disebabkan oleh kerusakan transportasi.
- Perlunya Lanjutan: Pendekatan holistik ini akan memungkinkan prediksi dampak jangka panjang dan penetapan prioritas investasi mitigasi yang memaksimalkan manfaat sosial dan ekonomi.
- Optimalisasi Desain Infrastruktur Jalan Tahan Banjir Berbasis Kerentanan:
- Basis Temuan: Penelitian ini menemukan bahwa distrik dengan kerentanan tinggi (misalnya, Dongguan, Longmen) perlu fokus pada peningkatan kepadatan jalan atau konstruksi jalan/jembatan bergradasi tinggi, sedangkan CBD mendapat manfaat dari Blue-Green Infrastructure (BGI).
- Metode/Variabel Baru: Menerapkan model optimasi spasial (spatial optimization models) yang menggabungkan hasil kerentanan, kriteria biaya-manfaat (cost-benefit criteria), dan proyeksi perubahan iklim/urbanisasi untuk mengoptimalkan alokasi BGI dan lokasi pembangunan jalan baru.
- Perlunya Lanjutan: Ini akan menginformasikan perencanaan infrastruktur GBA 15 tahun ke depan, memastikan bahwa investasi di bidang transportasi selaras dengan tujuan ketahanan banjir yang berkelanjutan.
- Peramalan Kinerja Transportasi dalam Skenario Compound Flood:
- Basis Temuan: GBA sering menghadapi compound flood hazards (kombinasi curah hujan, gelombang badai, dan efek pasang surut). Penelitian ini berfokus pada analisis peristiwa tunggal.
- Metode/Variabel Baru: Mengembangkan model skenario berbasis risiko yang memperhitungkan probabilitas dan dampak gabungan beberapa ancaman (compound flood) dan memprediksi penurunan kinerja sistem transportasi (misalnya, capacity reduction). Model ini harus memanfaatkan data meteorologi canggih (misalnya, CMIP6 projections) untuk memproyeksikan skenario masa depan.
- Perlunya Lanjutan: Pemahaman tentang ancaman gabungan akan memungkinkan Departemen Transportasi untuk mengembangkan protokol respons dan evakuasi yang lebih kompleks dan andal, yang saat ini menjadi perhatian utama di kota-kota pesisir Tiongkok.
Penelitian lebih lanjut harus melibatkan institusi Universitas Nottingham Ningbo China, Institute of Urban Environment, Chinese Academy of Sciences, dan otoritas GBA (khususnya Departemen Transportasi dan Meteorologi) untuk memastikan keberlanjutan dan validitas hasil, terutama dalam hal berbagi data operasional yang krusial.