Tim HNH Raih Juara 3 Dolanan Data NEXUS 2026 Lewat Inovasi Pemetaan Banjir Berbasis Data Citra Drone

Surabaya, 7 Juni 2026 – Prestasi membanggakan kembali ditorehkan oleh Tim HNH Sains Data Unesa yang beranggotakan Horassio Nisi Imannuel, Muhammad Habib Nur Aiman dan Nazril Ravi Pratama dalam ajang Dolanan Data NEXUS 2026, diselenggarakan oleh Program Studi Sains Data Telkom University Surabaya. Setelah melalui persaingan ketat dengan puluhan peserta dari berbagai perguruan tinggi, Tim HNH berhasil meraih Juara 3 melalui solusi inovatif bertajuk “FloodMap: Sistem Pemetaan Banjir Menggunakan SegFormer-B4 dengan Triple Loss Function.”

Kompetisi ini mengangkat tantangan nyata yang relevan di Indonesia, yaitu mengembangkan sistem cerdas untuk mendukung mitigasi dan penanganan bencana banjir. Dari puluhan tim yang berpartisipasi, hanya 10 tim terbaik yang lolos ke babak final. Tahapan final berlangsung selama dua hari penuh. Pada 6 Juni 2026, peserta mengikuti sesi coding on-site di kampus Telkom University Surabaya mulai pukul 09.00 hingga 18.00 WIB, kemudian melanjutkan penyusunan presentasi hingga larut malam. Pada 7 Juni 2026, seluruh finalis mempresentasikan solusi mereka di hadapan dewan juri.

Dalam presentasinya, Tim HNH menyoroti bahwa Indonesia masih menjadi salah satu negara dengan frekuensi kejadian banjir yang sangat tinggi. Sepanjang tahun 2025, tercatat ribuan kejadian bencana, dengan banjir menjadi jenis bencana yang paling dominan.

Menurut analisis yang mereka angkat, persoalan utama dalam penanganan banjir bukan hanya tingginya genangan air, melainkan lambatnya proses memperoleh informasi kondisi lapangan secara akurat. Pada banyak kasus, proses pemetaan wilayah terdampak masih dilakukan secara manual menggunakan drone dan membutuhkan waktu berjam-jam untuk setiap area. Sementara itu, proses asesmen kerusakan bangunan maupun penentuan jalur evakuasi sering kali baru dapat dilakukan beberapa hari setelah banjir terjadi. Akibatnya, bantuan dan evakuasi ke wilayah terisolasi menjadi terlambat, sehingga memperbesar dampak kemanusiaan dan ekonomi yang ditimbulkan.

Solusi FloodMap Berbasis Semantic Segmentation

Untuk menjawab tantangan tersebut, Tim HNH mengembangkan sistem FloodMap, sebuah platform pemetaan banjir otomatis berbasis computer vision yang memanfaatkan citra udara dari drone. Pada kompetisi ini, peserta ditantang menyelesaikan kasus Semantic Segmentation untuk pemetaan banjir. Model harus mampu melakukan klasifikasi setiap piksel citra (pixel-wise classification) ke dalam 10 kelas semantik, meliputi Water (genangan air), Road Flooded, Road Non-Flooded, Building Flooded, Building Non-Flooded, Vehicle, Tree, Grass, Pool, dan Background.

Pendekatan ini memungkinkan sistem tidak hanya mendeteksi keberadaan banjir, tetapi juga memahami kondisi lingkungan secara rinci, seperti jalan yang masih dapat dilalui, bangunan terdampak, hingga keberadaan kendaraan di area bencana.

Melalui solusi FloodMap, proses identifikasi wilayah terdampak banjir yang sebelumnya membutuhkan waktu berjam-jam hingga berhari-hari berpotensi dipercepat menjadi analisis otomatis berbasis sistem cerdas yang dapat dimanfaatkan untuk pemetaan area genangan secara cepat, identifikasi bangunan terdampak, analisis kondisi jalan untuk evakuasi, prioritisasi distribusi bantuan, dan pengambilan keputusan berbasis data saat tanggap darurat. Pendekatan ini sejalan dengan kebutuhan transformasi digital dalam manajemen kebencanaan, di mana data spasial real-time menjadi faktor penting dalam menyelamatkan korban dan mengurangi dampak ekonomi.

Keberhasilan meraih Juara 3 Dolanan Data NEXUS 2026 menjadi bukti kemampuan Tim HNH dalam mengimplementasikan ilmu data dan teknologi penginderaan jauh untuk menyelesaikan permasalahan nyata di masyarakat.

Melalui karya “FloodMap: Sistem Pemetaan Banjir Menggunakan SegFormer-B4 dengan Triple Loss Function”, Tim HNH tidak hanya menunjukkan kompetensi teknis di bidang Data Science dan Computer Vision, tetapi juga menghadirkan solusi yang memiliki potensi implementasi langsung dalam mendukung mitigasi bencana di Indonesia.

Prestasi ini sekaligus memperlihatkan bahwa inovasi ini dapat menjadi salah satu kunci penting dalam membangun sistem tanggap bencana yang lebih cepat, akurat, dan berbasis data di masa depan.

Sukses terus mahasiswa S1 Sains Data, FMIPA Unesa.