SEMPAT

SEMPAT menghitung warga pesisir mana yang tidak sempat mencapai tempat aman sebelum tsunami tiba, lalu mengarahkan mereka ke shelter yang masih muat, bahkan tanpa internet.

Comment

Inspiration

Tsunami Palu 2018 tiba sekitar 2 menit setelah gempa. Di Padang, 13 gedung evakuasi hanya menampung ±30.550 orang dari ≥400.000 calon korban (±7,6%). Ada 5.744 desa rawan tsunami di Indonesia, tetapi baru 29 komunitas yang diakui Tsunami Ready oleh UNESCO-IOC.

Kami sadar masalahnya bukan hanya sirene. Sekalipun peringatan berbunyi tepat waktu, warga yang terlalu jauh dari tempat aman tetap tidak sempat:

$$ t_{\text{respons}} + t_{\text{tempuh}} > t_{\text{tiba}} \;\Rightarrow\; \text{tidak sempat} $$

Pertanyaan itulah yang menjadi nama produk kami: siapa yang tidak sempat, dan apa yang bisa dilakukan?

What it does

SEMPAT adalah PWA dengan tiga peran yang memakai satu mesin hitung:

  • Perencana BPBD: peta waktu evakuasi per rumah (grid 30 m, pita 3 menit), daftar warga yang tidak sempat, perbandingan usulan gedung atau shelter baru, dan Paket Bukti Tsunami Ready (12 indikator UNESCO-IOC, bisa dicetak ke PDF).
  • Petugas: dasbor isi tiap shelter secara langsung dan daftar warga yang belum tiba.
  • Warga: peringatan (SSE + Web Push), satu arah jelas ke shelter yang masih muat, dan lantai aman yang harus dicapai. Tabel rute tersimpan di ponsel sehingga tetap jalan tanpa internet.

How we built it

  • Backend: Python + FastAPI. Data jalan dan gedung dari OpenStreetMap (Overpass), elevasi dari AWS Terrain Tiles / Copernicus DEM, gempa dari BMKG.
  • Waktu tempuh: graf jalan dengan kecepatan berjalan fungsi Tobler, $$v = 6\,e^{-3.5\,\lvert S + 0.05 \rvert}\ \text{km/jam}$$ diskalakan untuk kelompok rentan (±0,5 m/s) dan tangga (0,21 m/s). Kami memakai Dijkstra multi-sumber terbalik: pencarian dimulai dari semua tempat aman sekaligus, sehingga seluruh rumah terhitung dalam satu putaran.
  • Shelter vertikal: lantai aman = lantai di atas genangan + 1 lantai cadangan (pedoman Jepang 2005). Kapasitas mengikuti FEMA P-646: $$C = \left\lfloor \frac{0.5 \cdot A_{\text{lantai}}}{0.93\ \text{m}^2} \right\rfloor$$ Hanya gedung terverifikasi yang dijadikan tujuan rute.
  • Alokasi berkapasitas: program linear leksikografis (HiGHS lewat SciPy). Urutan prioritasnya: (1) sesedikit mungkin orang tanpa tujuan, (2) sesedikit mungkin yang terlambat, (3) total waktu tempuh terkecil. Kapasitas adalah batas keras. Hasil dibulatkan tanpa melanggar kapasitas, lalu divalidasi ulang secara independen.
  • Frontend: HTML/CSS/JS tanpa build step, MapLibre GL JS, service worker untuk mode offline.

Challenges we ran into

  • Peringatan vs. optimasi: di versi awal, peringatan tertahan menunggu perhitungan (±16,4 detik). Sekarang peringatan dikirim dulu (±0,003 detik), baru alokasi dihitung.
  • Shelter kelebihan muatan: rute "terdekat" bisa mengirim hingga 160× kapasitas ke satu titik. Alokasi LP menurunkan pelanggaran menjadi 0.
  • Gedung tinggi ≠ shelter: data OSM sering tidak punya jumlah lantai. Kami memutuskan hanya gedung terverifikasi yang dijadikan tujuan, dan margin elevasi dibuat konservatif (0/3/5 m).
  • Ukuran data di HP: paket offline warga turun dari 1,66 MB menjadi 53 KB (gzip).

Accomplishments that we're proud of

Pada skenario uji sintetis (19,6 ribu simpul, 150 shelter, 20 ribu orang):

  • warga terlambat turun 58% (13.622 → 5.747) dan total waktu tempuh turun 37%;
  • alokasi selesai dalam ±6,2 detik;
  • hasilnya sama persis dengan solusi MILP optimal di 1.500 kasus acak.

Kode diuji dengan 226 uji Python, 54 uji end-to-end, dan 50 cek tampilan peta.

What we learned

  • Dalam evakuasi, yang menentukan bukan jarak di peta, melainkan waktu lewat jalan nyata dengan kecepatan orang yang paling lambat.
  • Setiap asumsi keselamatan harus konservatif dan terlihat oleh pengguna. Angka hasil model diberi label, bukan disembunyikan.
  • Sistem darurat harus tetap berguna saat komponennya gagal: tanpa internet, tanpa solver, tanpa data lengkap.

What's next for SEMPAT

  • Pilot 12 bulan di Tambakrejo, Kab. Malang (Tsunami Ready 2022): bandingkan waktu tempuh model dengan latihan evakuasi nyata.
  • Uji dengan data populasi HRSL asli dan di ponsel Android nyata.
  • Model B2G: langganan per desa untuk BPBD, dengan target 150 desa di pesisir selatan Jawa pada 2029. Aplikasi warga tetap gratis.

Built With

Share this project:

Updates