Peneliti ciptakan teknologi pendeteksi longsor mematikan di tempat pembuangan sampah

Hak atas foto Getty Images

Hampir 15 juta orang tinggal dan mencari nafkah di antara sampah kota yang menggunung di seluruh dunia. Mereka memulung sampah setiap hari demi mencari sesuatu yang mungkin bisa mereka jual.

"Kota-kota sampah" ini terdiri dari rumah-rumah gubuk yang dibangun dari kayu, seng, dan plastik.

Mereka tinggal di antara tumpukan limbah medis dan elektronik, sampah rumah tangga dan pecahan kaca, bahkan limbah beracun.

Tumpukan sampah ini secara alami lebih rentan mengalami longsor, karena tumpukan sampah yang tidak stabil dapat tiba-tiba runtuh tanpa peringatan.

Tempat pembuangan sampah Manila, salah satu kota sampah terbesar di Filipina yang menampung hampir 10.000 penduduk, runtuh pada tahun 2000, memicu tanah longsor setinggi 30 meter dan lebar 100 meter yang menewaskan lebih dari 200 orang.

Pada 2015, longsor melanda gunung sampah besar di pinggiran ibukota Ethiopia, menewaskan lebih dari 100 orang dan menghancurkan rumah sementara.

Tingkat kelangsungan hidup bagi mereka yang dilanda bencana seperti itu rendah, mengingat sifat material dan potensi gas metana dari sampah yang membusuk mengakibatkan keracunan massal bagi siapapun yang terperangkap di dalamnya.

Di sisi lain, jumlah sampah diperkirakan akan terus bertambah di masa mendatang. Menurut laporan "What a Waste" yang dibuat oleh Bank Dunia, populasi global diperkirakan akan menghasilkan 3,40 miliar ton limbah tiap tahunnya pada tahun 2050, melonjak drastis dari 2,01 miliar ton pada saat ini.

Tempat pembuangan sampah Hak atas foto Getty Images
Image caption Tumpukan sampah ini secara alami lebih rentan terhadap tanah longsor, karena tumpukan sampah yang tidak stabil dapat tiba-tiba runtuh tanpa peringatan.

Sekelompok peneliti Australia baru-baru ini mengembangkan perangkat lunak yang mungkin dapat mendeteksi tanah longsor dua minggu sebelum peristiwa itu terjadi, sehingga warga yang tinggal di tempat pembuangan sampah dapat mengungsi dan merekayasa peluang untuk mengamankan medan.

Sistem kecerdasan artifisial (AI) memanfaatkan matematika terapan untuk membantu mengidentifikasi tanda-tanda longsor yang akan datang: celah kecil dan gerakan halus yang menunjukkan jeram ke bawah yang jelas.

Harapannya adalah bahwa sistem kecerdasan buatan seperti ini suatu hari nanti dapat membantu memantau lereng kota sampah dan mencegah agar bencana tidak terjadi lagi.

"Kami telah mempelajari data tentang pergerakan bahan granular untuk memahami 'ritme keruntuhan' mereka," jelas Profesor Antoinette Tordesillas, dari fakultas sains di University of Melbourne dan salah satu penulis utama penelitian ini.

Eksperimen laboratoriumnya melibatkan berbagai jenis bahan granular (yaitu pasir, beton, keramik, batu) yang dimuat ke reruntuhan - yaitu, sampai padatan hancur menjadi potongan-potongan dan runtuh.

"Apa yang kami temukan adalah ritme yang berbeda pada tahap-tahap sebelum keruntuhan," kata Tordesillas.

Teknologinya menggunakan hukum fisika untuk "mengarahkan AI agar mengidentifikasi pola yang tepat secara efisien": yaitu, algoritma memperhitungkan gerakan tanah, dinamika keruntuhan dan pemicu tanah longsor yang diketahui seperti curah hujan (yang melemahkan cengkeraman antara sampah dan barang lainnya) untuk menghasilkan data yang andal.

Akhirnya, data ini dapat digunakan untuk memberikan prediksi awal, secara real-time dari longsoran di tempat-tempat seperti kota sampah, tambang bawah tanah dan lereng gunung yang curam.

Kemiringan alami terdiri dari partikel-partikel bumi seperti batu atau tanah liat yang telah terikat bersama selama ribuan tahun.

Sebaliknya, tempat pembuangan sampah terbuat dari partikel limbah padat seperti plastik, kaca, logam, bahan organik, kertas, dan sejenisnya, yang tidak cukup stabil menahan gerakan ketika ada gangguan yang melemahkan mereka.

Ketidakstabilan tempat pembuangan sampah dapat terjadi karena beberapa alasan: pemadatan limbah yang tidak tepat, penyediaan sistem drainase yang tidak memadai, dekomposisi limbah organik dan permukaan yang berpotensi tergelincir di dalam tumpukan sampah, uap air, ledakan penumpukan metana, dan pembuangan limbah yang melebihi kapasitas desain.

"Beberapa faktor ini membuat prediksi longsoran limbah awal lebih sulit daripada longsoran tanah," kata Isaac Akinwumi, seorang dosen Teknik Geoteknik di Universitas Covenant Nigeria.

Oleh karena itu, kebutuhan akan teknologi ini sangat penting, terutama di negara-negara berkembang dimana sampah-sampah menggunung mudah ditemui, termasuk di Indonesia.

Lereng timbunan sampah sering lebih curam daripada yang diizinkan oleh peraturan di AS atau Inggris, material tidak dipadatkan dengan cara yang sama dan perusahaan pengelolaan limbah tidak menjadikan stabilitas situs sebagai prioritas, yang semuanya dapat berkontribusi pada kecenderungan slide.

"Jika alat Profesor Tordesillas dapat memberikan peringatan dini sebelum slide limbah terjadi, maka itu akan menjadi alat vital untuk mencegah bencana tanah longsor," kata Akinwumi.

Bencana longsor telah memakan banyak korban jiwa yang tinggal di 'kota-kota sampah' seperti di tempat pembuangan sampah Payata di Manila. Hak atas foto Getty Images
Image caption Bencana longsor telah memakan banyak korban jiwa yang tinggal di 'kota-kota sampah' seperti di tempat pembuangan sampah Payata di Manila.

Memang, teknologi seperti itu mungkin dapat mengubah data menjadi temuan yang dapat ditindaklanjuti - koordinat longsor yang akan datang, misalnya, atau informasi yang membantu pekerja melakukan penguatan atau evakuasi.

Agar sistem AI yang diusulkan dapat berfungsi, para peneliti dan organisasi pengelolaan limbah yang bermitra dengan mereka harus mengatasi rintangan keuangan, politik, dan peraturan.

Misalnya, pakar industri akan membutuhkan bukti bahwa teknologi itu berfungsi. Untuk membuktikan keberhasilannya, diperlukan biaya yang tidak sedikit, termasuk untuk menilai risiko dan memasang teknologinya -biaya yang sulit untuk dibebankan pada operator lokal.

Belum lagi, menggusur penduduk lokal selama fase penguatan atau evakuasi akan sulit secara logistik.

Akhirnya, teknologi tidak akan memberantas masalah lingkungan jangka panjang dari sampah itu sendiri, seperti emisi udara, wabah penyakit dan limpasan racun.

Bahaya yang terkait dengan longsornya gunungan sampah adalah salah satu alasan asosiasi limbah terkemuka sekarang mendesak agar kota-kota sampah ini ditutup dan diganti dengan fasilitas yang lebih modern atau tempat pembuangan akhir yang terkontrol.

"Menguji teknologi ini untuk melihat apakah itu memberikan solusi terhadap masalah yang semakin meningkat dari bencaa longsor sampah tentu saja bermanfaat," kata David Biderman, CEO Asosiasi Limbah Padat Amerika Utara (SWANA).

"Faktanya, ini mungkin merupakan perkembangan sementara yang baik untuk menutup tempat pembuangan sampah."

Biderman sudah akrab dengan masalah yang berkembang dari kota-kota sampah, dan telah bekerja untuk menjadikan SWANA merambah ke dunia internasional.

Limbah padat adalah masalah yang berkembang yang mempengaruhi tidak hanya mereka yang hidup dalam bayang-bayang langsung kemelaratannya, tetapi mereka yang berada ribuan mil jauhnya.

Karena negara dan kota menjadi lebih padat dan makmur, menawarkan lebih banyak produk dan layanan kepada warga, dan berpartisipasi dalam perdagangan dan pertukaran global, mereka menghadapi jumlah sampah yang menggunung untuk dikelola melalui pengolahan dan pembuangan.

Meskipun bukan obat mujarab dan masih dalam tahap formatif, teknologi ini memiliki potensi untuk mengubah upaya bantuan bencana limbah, memungkinkan pendekatan geo-target untuk prediksi kejadian longsor, bantuan internasional dan pencegahan.

Short presentational grey line

Anda bisa menyimak versi bahasa Inggris dari artikel ini The New tech that detects deadly slides on rubbish mountains di laman BBC Capital

Topik terkait

Berita terkait