Mengapa Robot dan AI Kemungkinan Tidak Akan Sepenuhnya Menggantikan Manusia?

 

Setiap kali teknologi baru berkembang, kekhawatiran mengenai hilangnya pekerjaan manusia kembali muncul.

Ketika mesin digunakan dalam Revolusi Industri, sebagian pekerja khawatir tenaga manusia tidak lagi dibutuhkan. Kekhawatiran serupa muncul ketika komputer, internet, mesin otomatis, dan perangkat lunak mulai digunakan secara luas.

Kini, perkembangan kecerdasan buatan dan robotika kembali memunculkan pertanyaan besar:

Apakah robot dan AI pada akhirnya akan menggantikan seluruh pekerjaan manusia?

Kekhawatiran tersebut bukan tanpa alasan.

Robot industri telah lama digunakan untuk merakit kendaraan, memindahkan material, mengelas logam, dan mengemas produk. AI generatif kini dapat menulis teks, membuat gambar, menganalisis dokumen, menerjemahkan bahasa, menghasilkan kode, serta menjawab pertanyaan pelanggan.

Namun kemampuan melakukan beberapa tugas manusia tidak otomatis berarti teknologi dapat menggantikan seluruh profesi.

Sebuah pekerjaan biasanya terdiri atas banyak tugas sekaligus. Sebagian dapat diotomatisasi, sebagian dapat dibantu teknologi, sedangkan sebagian lainnya masih membutuhkan penilaian, tanggung jawab, keterampilan sosial, atau kemampuan menghadapi situasi nyata yang tidak terduga.

Karena itu, masa depan dunia kerja kemungkinan tidak berbentuk manusia melawan robot, melainkan pembagian tugas baru antara manusia, AI, mesin, dan organisasi.

Jawaban Singkat: Pekerjaan Akan Berubah Lebih Cepat daripada Hilang

Robot dan AI akan menggantikan sebagian tugas dan bahkan menghilangkan beberapa jenis pekerjaan.

Namun penggantian seluruh tenaga kerja manusia merupakan skenario yang jauh lebih sulit karena beberapa alasan:

• Pekerjaan terdiri atas banyak tugas yang berbeda.
• Tidak semua kemampuan teknis ekonomis untuk diterapkan.
• Dunia fisik penuh dengan situasi tidak terstruktur.
• Banyak keputusan membutuhkan tanggung jawab manusia.
• Masyarakat tetap membutuhkan kepercayaan dan hubungan sosial.
• Teknologi menciptakan produk, permintaan, dan pekerjaan baru.
• Regulasi dapat mewajibkan keterlibatan manusia.
• Sebagian konsumen tetap memilih pelayanan manusia.

International Labour Organization memperkirakan sekitar satu dari empat pekerjaan di dunia memiliki tingkat keterpaparan tertentu terhadap AI generatif. Namun kesimpulan utamanya bukan bahwa seperempat pekerjaan akan hilang. Transformasi pekerjaan dinilai lebih mungkin terjadi daripada penggantian penuh.

Perbedaan antara Pekerjaan dan Tugas

Untuk memahami dampak otomatisasi, kita perlu membedakan pekerjaan dan tugas.

Seorang dokter, misalnya, melakukan berbagai tugas:

• Membaca hasil pemeriksaan.
• Mencatat riwayat pasien.
• Menganalisis gejala.
• Menjelaskan pilihan pengobatan.
• Menenangkan pasien.
• Mengambil keputusan.
• Memantau perkembangan.
• Bertanggung jawab atas tindakan medis.

AI mungkin dapat membantu membaca citra medis, menyusun catatan, atau mencari pola pada data.

Namun membantu beberapa tugas belum tentu berarti menggantikan keseluruhan profesi dokter.

Hal serupa berlaku pada guru. AI dapat membuat soal, menjelaskan materi, dan memeriksa jawaban pilihan ganda. Namun guru juga harus memahami kondisi siswa, membangun motivasi, mengelola kelas, berkomunikasi dengan orang tua, dan menangani konflik.

OECD menilai bahwa bahkan pada pekerjaan yang dianggap memiliki risiko otomatisasi tertinggi, hanya sekitar 18–27 persen keterampilan dan kemampuan yang dibutuhkan tergolong sangat mudah diotomatisasi. Hasil ini menunjukkan bahwa perubahan susunan tugas lebih mungkin terjadi daripada hilangnya seluruh pekerjaan secara langsung.

Apa yang Ditunjukkan Proyeksi Pasar Kerja?

World Economic Forum memperkirakan berbagai perubahan teknologi, ekonomi, demografi, dan lingkungan dapat menciptakan sekitar 170 juta pekerjaan baru sekaligus menggeser sekitar 92 juta pekerjaan hingga 2030.

Jika proyeksi tersebut terwujud, terdapat pertambahan bersih sekitar 78 juta pekerjaan. Namun perpindahan tersebut tidak terjadi secara merata. Pekerjaan baru mungkin muncul di sektor dan lokasi yang berbeda dari pekerjaan yang hilang.

Angka tersebut bukan ramalan pasti. Proyeksi WEF terutama didasarkan pada survei lebih dari 1.000 perusahaan di berbagai negara dan industri.

Namun hasilnya memperlihatkan bahwa teknologi dapat menimbulkan dua efek secara bersamaan:

1. Mengurangi kebutuhan terhadap pekerjaan tertentu.
2. Menciptakan pekerjaan, produk, dan kebutuhan baru.

Dalam survei yang sama, 41 persen pemberi kerja menyatakan berencana mengurangi tenaga kerja ketika AI dapat mengotomatisasi tugas. Pada saat yang sama, 77 persen berencana meningkatkan keterampilan pekerjanya.

Jadi, dampak AI bukan sekadar penciptaan atau penghapusan pekerjaan. Dampaknya juga berupa perpindahan pekerja, perubahan keterampilan, dan penataan ulang organisasi.

Pekerjaan Apa yang Paling Rentan?

Tidak ada pekerjaan yang dapat dinilai hanya berdasarkan namanya. Dua orang dengan jabatan sama bisa mempunyai susunan tugas yang berbeda.

Namun beberapa karakteristik membuat tugas lebih mudah diotomatisasi.

Tugas berulang dan dapat diprediksi

Contohnya:

• Memindahkan data dari satu formulir ke formulir lain.
• Mengelompokkan dokumen.
• Membuat laporan dengan format tetap.
• Memproses transaksi standar.
• Memeriksa kesesuaian berdasarkan aturan sederhana.

Tugas seperti ini mudah dijelaskan dalam prosedur dan dilakukan berulang kali.

Tugas yang seluruhnya berbentuk digital

AI lebih mudah bekerja ketika input dan output telah tersedia dalam format digital.

Contohnya:

• Meringkas dokumen.
• Menerjemahkan teks awal.
• Menghasilkan laporan standar.
• Menjawab pertanyaan umum.
• Membuat desain sederhana.
• Mengelompokkan email.
• Menyusun kode dasar.

Tidak diperlukan robot fisik untuk mengambil barang, memasuki ruangan, atau menghadapi kondisi lingkungan yang berubah.

Tugas dengan volume besar

Investasi otomatisasi menjadi lebih menarik apabila tugas dilakukan jutaan kali.

Biaya pengembangan sistem dapat dibagi kepada jumlah transaksi yang besar.

Tugas dengan kesalahan yang mudah diukur

Sistem lebih mudah digunakan ketika keberhasilan dapat dinilai secara objektif, misalnya:

• Benar atau salah.
• Sesuai atau tidak sesuai.
• Lulus atau gagal.
• Terlambat atau tepat waktu.
• Cacat atau tidak cacat.

Contoh Pekerjaan yang Menghadapi Tekanan Tinggi

Beberapa pekerjaan yang berpotensi mengalami penurunan kebutuhan atau perubahan besar antara lain:

• Petugas entri data.
• Administrasi rutin.
• Kasir pada transaksi sederhana.
• Petugas pemrosesan dokumen.
• Customer service tingkat awal.
• Operator produksi berulang.
• Penyusun laporan standar.
• Penerjemah untuk konten sederhana.
• Desainer produksi dasar.
• Analis yang hanya mengolah data berformat tetap.

Namun istilah “rentan” tidak selalu berarti profesinya akan lenyap.

Customer service, misalnya, masih diperlukan untuk menangani keluhan kompleks, konflik, kasus khusus, pelanggan rentan, serta keputusan yang tidak dapat diselesaikan chatbot.

Desainer juga masih diperlukan untuk menyusun strategi merek, memahami kebutuhan klien, mengarahkan konsep, dan memeriksa kualitas hasil AI.

AI Tidak Hanya Mengancam Pekerjaan Manual

Gelombang otomatisasi sebelumnya banyak memengaruhi tugas fisik dan administratif.

AI generatif memperluas otomatisasi menuju pekerjaan berbasis pengetahuan, seperti:

• Penulisan.
• Pemrograman.
• Analisis.
• Hukum.
• Keuangan.
• Pemasaran.
• Desain.
• Penerjemahan.
• Pendidikan.

Hal ini membuat pekerja kantoran tidak otomatis lebih aman daripada pekerja lapangan.

Namun pekerja berpendidikan tinggi biasanya juga melakukan tugas yang lebih beragam, seperti memecahkan masalah, membuat keputusan, bernegosiasi, dan bertanggung jawab atas hasil.

Karena itu, AI dapat mempercepat atau mengubah pekerjaan profesional tanpa langsung menghapus profesinya.

Mengapa Robot Sulit Menggantikan Seluruh Pekerjaan?

1. Dunia nyata tidak selalu terstruktur

Pabrik modern dapat dirancang agar robot bekerja pada posisi, ukuran, dan urutan yang tetap.

Namun banyak tempat kerja tidak memiliki kondisi seperti itu.

Seorang teknisi lapangan dapat menemukan:

• Mesin dengan modifikasi tidak terdokumentasi.
• Kabel yang berbeda dari gambar awal.
• Korosi.
• Ruang kerja sempit.
• Komponen yang tidak tersedia.
• Cuaca buruk.
• Peralatan dari beberapa generasi.

Robot harus mampu mengenali lingkungan, bergerak dengan aman, menggunakan alat, dan menyesuaikan strategi secara langsung.

Kemampuan tersebut jauh lebih rumit daripada menjalankan perangkat lunak di komputer.

Pekerjaan fisik dalam lingkungan tidak terstruktur selama ini menjadi salah satu hambatan utama otomatisasi, bersama kemampuan sosial, kreativitas, dan penalaran kompleks. Kemajuan teknologi terus mempersempit hambatan tersebut, tetapi belum menghilangkannya.

2. Kemampuan teknis belum tentu ekonomis

Sebuah tugas mungkin dapat dilakukan robot, tetapi biaya penerapannya terlalu tinggi.

Perusahaan harus menghitung:

• Harga robot.
• Integrasi sistem.
• Sensor dan perangkat lunak.
• Pemeliharaan.
• Konsumsi energi.
• Pelatihan operator.
• Waktu henti.
• Suku cadang.
• Keamanan.
• Perubahan bangunan.
• Risiko kegagalan.

Pada pabrik dengan produksi besar dan seragam, investasi dapat menguntungkan.

Namun untuk restoran kecil, bengkel, usaha tani, atau proyek konstruksi yang selalu berubah, tenaga manusia kadang masih lebih fleksibel dan ekonomis.

Otomatisasi baru diterapkan ketika manfaatnya dinilai lebih besar daripada seluruh biaya dan risikonya. World Bank juga menekankan bahwa kelayakan ekonomi, bukan kemampuan teknis saja, menentukan apakah suatu teknologi benar-benar digunakan.

3. Manusia masih dibutuhkan untuk menetapkan tujuan

AI dapat mengoptimalkan suatu target, tetapi seseorang harus menentukan:

• Target apa yang ingin dicapai?
• Data apa yang boleh digunakan?
• Risiko apa yang dapat diterima?
• Siapa yang harus diprioritaskan?
• Nilai apa yang harus dipertahankan?
• Kapan keputusan perlu dihentikan?

Pertanyaan tersebut tidak hanya bersifat teknis.

Keputusan mengenai pelayanan kesehatan, keadilan, keselamatan, pendidikan, dan kebijakan publik mengandung pertimbangan moral serta sosial.

AI dapat memberikan rekomendasi, tetapi masyarakat tetap harus menentukan nilai yang menjadi dasar keputusan.

4. Tanggung jawab hukum tidak mudah diserahkan kepada mesin

Ketika AI memberikan keputusan yang salah, muncul pertanyaan:

• Siapa yang bertanggung jawab?
• Pembuat sistem?
• Pemilik data?
• Perusahaan pengguna?
• Operator?
• Manajer?
• Pengguna akhir?

Dalam industri berisiko tinggi, organisasi memerlukan manusia yang mempunyai kewenangan dan tanggung jawab jelas.

Contohnya meliputi:

• Dokter yang menetapkan tindakan medis.
• Pilot yang mengendalikan penerbangan.
• Hakim yang memberikan putusan.
• Insinyur yang menyetujui desain.
• Manajer yang menerima risiko.
• Petugas keselamatan yang menghentikan pekerjaan.

Teknologi dapat membantu analisis, tetapi tanggung jawab akhir sering tetap membutuhkan manusia yang dapat dimintai pertanggungjawaban.

5. Hubungan sosial memiliki nilai tersendiri

Tidak semua pelayanan dinilai hanya berdasarkan kecepatan dan biaya.

Masyarakat juga mempertimbangkan:

• Kepercayaan.
• Empati.
• Kesopanan.
• Rasa aman.
• Kerahasiaan.
• Kedekatan.
• Pemahaman budaya.
• Pengalaman dilayani.

AI dapat meniru gaya komunikasi empatik. Namun seseorang mungkin tetap menginginkan interaksi dengan manusia ketika menghadapi kematian anggota keluarga, penyakit serius, konflik rumah tangga, kegagalan akademik, atau keputusan hidup penting.

Dalam situasi tersebut, yang dibutuhkan bukan hanya jawaban yang terdengar tepat, tetapi kehadiran manusia yang mempunyai tanggung jawab dan pemahaman terhadap konsekuensinya.

6. Kreativitas bukan hanya menghasilkan konten

AI dapat menghasilkan gambar, musik, teks, video, dan desain dengan cepat.

Kemampuan tersebut telah mengubah pekerjaan kreatif dan tidak seharusnya diremehkan.

Namun kreativitas profesional juga melibatkan:

• Memahami masalah yang belum dirumuskan.
• Menentukan tujuan.
• Mengenali perubahan budaya.
• Mengambil risiko.
• Menyeleksi ide.
• Mengkritik hasil.
• Memahami audiens.
• Membangun makna.
• Mempertanggungjawabkan karya.

AI dapat memperluas pilihan yang tersedia. Manusia tetap dibutuhkan untuk menentukan karya mana yang relevan, etis, menarik, dan sesuai dengan konteks.

Dengan demikian, keunggulan manusia bukan karena AI “tidak bisa membuat karya”, tetapi karena pekerjaan kreatif mencakup lebih dari sekadar produksi keluaran.

7. Kepemimpinan membutuhkan legitimasi

Pemimpin tidak hanya mengolah data.

Pemimpin harus:

• Menjelaskan tujuan.
• Mengambil keputusan sulit.
• Membangun kepercayaan.
• Menyelesaikan konflik.
• Mengelola kepentingan.
• Menerima kritik.
• Bertanggung jawab atas kegagalan.
• Menggerakkan orang dalam kondisi tidak pasti.

AI dapat membantu pemimpin menguji skenario atau menganalisis informasi.

Namun organisasi tetap membutuhkan figur yang memiliki mandat, hubungan sosial, dan tanggung jawab terhadap keputusan.

8. Kebutuhan manusia terus berubah

Ketika produktivitas meningkat, harga suatu produk dapat turun dan permintaan meningkat.

Perusahaan kemudian memproduksi lebih banyak, membuka pasar baru, atau menciptakan layanan yang sebelumnya terlalu mahal.

Efek inilah yang dapat mengimbangi sebagian pekerjaan yang hilang karena otomatisasi.

World Bank menemukan bahwa adopsi robot di lima negara ASEAN pada periode 2018–2022 diperkirakan membantu menciptakan sekitar dua juta pekerjaan formal terampil, tetapi juga menggeser sekitar 1,4 juta pekerjaan formal berkeahlian rendah.

Produktivitas yang lebih tinggi memperbesar skala produksi, tetapi manfaatnya lebih banyak diterima pekerja terampil.

Hasil tersebut menunjukkan bahwa teknologi dapat meningkatkan total pekerjaan sekaligus memperlebar kesenjangan antarpekerja.

Pekerjaan yang Relatif Sulit Diotomatisasi Sepenuhnya

Tidak ada pekerjaan yang benar-benar kebal terhadap teknologi.

Namun pekerjaan berikut cenderung mempunyai lebih banyak tugas yang membutuhkan manusia.

Pekerjaan perawatan

Contohnya:

• Perawat.
• Pengasuh anak.
• Pendamping lansia.
• Pekerja sosial.
• Terapis.
• Konselor.

Robot dapat membantu pemantauan, pengangkatan pasien, administrasi, atau pengingat obat.

Namun interaksi, kepercayaan, sentuhan, dan pengambilan keputusan tetap penting.

Pekerjaan lapangan tidak terstruktur

Contohnya:

• Teknisi.
• Mekanik.
• Tukang ledeng.
• Petugas tanggap darurat.
• Pekerja konstruksi tertentu.
• Petugas pemeliharaan.

Kondisi pada setiap lokasi berbeda dan sering membutuhkan improvisasi.

Pekerjaan dengan tanggung jawab tinggi

Contohnya:

• Dokter.
• Manajer keselamatan.
• Insinyur.
• Auditor.
• Pengacara.
• Pemimpin organisasi.
• Petugas pemerintah.

AI dapat mempercepat analisis, tetapi keputusan akhir memiliki konsekuensi hukum dan sosial.

Pekerjaan berbasis hubungan

Contohnya:

• Tenaga penjualan kompleks.
• Negosiator.
• Guru.
• Pemimpin komunitas.
• Konsultan.
• Pengelola hubungan pelanggan.

Nilai pekerjaan muncul dari hubungan jangka panjang dan pemahaman terhadap manusia.

Pekerjaan yang menggabungkan banyak bidang

Semakin banyak variasi tugas yang harus dikerjakan, semakin sulit mengganti seluruh pekerjaan dengan satu sistem.

Seorang pemilik usaha kecil, misalnya, dapat sekaligus mengurus pelanggan, pemasok, keuangan, pemasaran, produk, dan pegawai.

AI dapat membantu beberapa bagian, tetapi belum tentu menggantikan peran tersebut secara menyeluruh.

Ancaman Khusus bagi Pekerjaan Entry-Level

Pekerjaan tingkat awal sering berisi tugas yang lebih terstruktur, misalnya:

• Menyusun ringkasan.
• Memeriksa dokumen.
• Membuat laporan awal.
• Melakukan riset sederhana.
• Mengolah data.
• Menyiapkan presentasi.
• Menjawab pertanyaan pelanggan.

Tugas-tugas tersebut juga menjadi sasaran awal penggunaan AI.

World Economic Forum memperkirakan lebih dari sepertiga pekerja muda secara global berada dalam pekerjaan dengan tingkat keterpaparan menengah hingga tinggi terhadap perubahan tugas berbasis AI.

Hal ini menciptakan dilema.

Pekerjaan junior dapat diotomatisasi, tetapi pekerjaan tersebut selama ini menjadi tempat pekerja muda memperoleh pengalaman sebelum menjalankan tugas yang lebih kompleks.

Apabila seluruh pekerjaan dasar diserahkan kepada AI, perusahaan dapat kehilangan jalur pembentukan tenaga senior.

Karena itu, organisasi perlu mendesain ulang pekerjaan awal, bukan hanya menghapusnya.

Pekerja muda dapat dilibatkan dalam:

• Memeriksa hasil AI.
• Berkomunikasi dengan pelanggan.
• Mengelola pengecualian.
• Melakukan observasi lapangan.
• Belajar membuat keputusan.
• Memahami proses bisnis secara menyeluruh.
• Menguji risiko dan kualitas.

Manusia yang Menggunakan AI Akan Lebih Unggul?

Pernyataan bahwa “manusia yang menggunakan AI akan menggantikan manusia yang tidak menggunakan AI” mengandung sebagian kebenaran, tetapi terlalu sederhana jika dianggap berlaku mutlak.

Tidak semua pekerjaan membutuhkan AI. Seorang teknisi yang sangat berpengalaman mungkin lebih produktif daripada pengguna AI yang tidak memahami mesin.

Namun pada banyak pekerjaan berbasis pengetahuan, kemampuan menggunakan AI secara tepat dapat meningkatkan produktivitas.

Perbedaannya bukan sekadar siapa yang mampu mengetik prompt.

Pekerja juga harus mampu:

• Menentukan tujuan.
• Memberikan konteks.
• Memeriksa fakta.
• Mengenali kesalahan.
• Melindungi data.
• Membandingkan hasil.
• Menyesuaikan keluaran.
• Menanggung tanggung jawab akhir.

AI tanpa keahlian manusia dapat menghasilkan pekerjaan yang terlihat meyakinkan tetapi salah.

Sebaliknya, keahlian manusia tanpa adaptasi teknologi dapat membuat proses lebih lambat daripada pesaing.

Model yang paling kuat adalah keahlian manusia ditambah kemampuan menggunakan AI secara kritis.

Pekerjaan Baru yang Mungkin Berkembang

Teknologi biasanya menciptakan kebutuhan baru di sekitar pembangunan, penggunaan, pengawasan, dan pemeliharaannya.

Beberapa pekerjaan yang dapat berkembang antara lain:

• AI engineer.
• Data engineer.
• Machine learning operations specialist.
• AI product manager.
• Auditor algoritma.
• Spesialis tata kelola AI.
• Ahli keamanan AI.
• Teknisi robot.
• Integrator otomasi.
• Ahli data sintetis.
• Digital twin engineer.
• AI risk specialist.
• Spesialis privasi data.
• Human-machine interaction designer.

Namun pekerjaan masa depan tidak hanya berada di sektor teknologi.

WEF memperkirakan pertumbuhan besar juga terjadi pada pekerjaan perawatan, pendidikan, pertanian, konstruksi, dan pengiriman. Permintaan tersebut dipengaruhi pertumbuhan penduduk, urbanisasi, transisi energi, dan perubahan demografi.

Pekerjaan baru juga dapat muncul karena produk dan industri yang saat ini belum berkembang secara luas.

Perspektif Indonesia

ILO memperkirakan sekitar 21,7 persen pekerjaan di Indonesia memiliki tingkat keterpaparan tertentu terhadap AI generatif.

Namun keterpaparan berarti tugasnya berpotensi berubah, bukan jumlah pekerja yang pasti akan diberhentikan.

Indonesia mempunyai struktur pasar kerja yang berbeda dari negara maju.

Banyak pekerja berada pada sektor:

• Pertanian.
• Perdagangan.
• Transportasi.
• Konstruksi.
• Manufaktur.
• Usaha mikro.
• Pekerjaan informal.

Sebagian pekerjaan tersebut relatif kurang terpapar AI generatif karena belum sepenuhnya digital. Namun mereka dapat terpengaruh oleh robot industri, platform digital, kendaraan otomatis, mesin pertanian, dan sistem manajemen algoritmik.

World Bank menilai hanya sekitar 10 persen pekerjaan di Asia Timur dan Pasifik yang banyak melibatkan tugas yang dapat melengkapi AI, dibandingkan sekitar 30 persen di negara maju.

Artinya, kawasan ini mungkin menghadapi risiko penggantian yang lebih kecil pada tahap awal, tetapi juga berisiko memperoleh manfaat produktivitas yang lebih sedikit.

Tantangan Indonesia bukan hanya melindungi pekerjaan lama, tetapi memastikan pekerja dapat berpindah menuju pekerjaan yang produktivitasnya lebih tinggi.

Risiko Terbesar Bukan Pengangguran Total

Risiko yang lebih realistis adalah meningkatnya ketimpangan.

Pekerja dengan pendidikan, koneksi digital, modal, dan kemampuan menggunakan AI dapat meningkatkan produktivitas serta pendapatannya.

Sementara itu, pekerja yang tugasnya mudah diotomatisasi dapat menghadapi:

• Penurunan permintaan.
• Tekanan upah.
• Pemindahan ke pekerjaan informal.
• Kontrak yang lebih tidak pasti.
• Kesulitan memperoleh pekerjaan pertama.
• Kehilangan jalur promosi.

Perusahaan besar juga mempunyai kemampuan membeli teknologi lebih cepat daripada UMKM.

Tanpa kebijakan yang tepat, AI dapat meningkatkan produktivitas nasional tetapi membuat manfaatnya terkonsentrasi pada sejumlah perusahaan dan pekerja.

Keterampilan yang Semakin Penting

Keterampilan teknis tetap penting, tetapi tidak cukup.

Kombinasi berikut akan semakin bernilai.

Literasi AI

Pekerja perlu memahami:

• Kegunaan AI.
• Keterbatasannya.
• Risiko halusinasi.
• Privasi data.
• Hak cipta.
• Bias.
• Keamanan.
• Cara memeriksa hasil.

Pengetahuan bidang

AI paling bermanfaat ketika digunakan oleh orang yang memahami konteks pekerjaannya.

Seorang akuntan tetap harus memahami akuntansi. Seorang insinyur tetap harus memahami teknik. Seorang dokter tetap harus memahami kesehatan.

Tanpa pengetahuan tersebut, pengguna sulit mengenali keluaran yang keliru.

Berpikir analitis

Kemampuan memecah masalah, mengevaluasi bukti, membandingkan pilihan, dan memahami hubungan sebab-akibat menjadi semakin penting.

Komunikasi

Hasil analisis harus dapat dijelaskan kepada pelanggan, manajemen, pekerja, pemerintah, atau masyarakat.

Kolaborasi

Pekerjaan modern melibatkan berbagai bidang, manusia, vendor, dan sistem teknologi.

Adaptasi

Peralatan AI dapat berubah dengan cepat. Pekerja harus siap memperbarui cara kerja tanpa kehilangan pemahaman terhadap prinsip dasar.

Kepemimpinan dan tanggung jawab

Ketika mesin memberikan rekomendasi, manusia tetap harus menentukan keputusan dan menerima konsekuensinya.

WEF memperkirakan hampir 40 persen keterampilan yang dibutuhkan dalam pekerjaan akan berubah hingga 2030. Selain AI, big data, dan keamanan siber, keterampilan manusia seperti berpikir analitis, resiliensi, kepemimpinan, dan kolaborasi tetap dipandang penting.

Apa yang Harus Dilakukan Pekerja?

1. Petakan tugas, bukan hanya jabatan

Tuliskan seluruh tugas yang dilakukan dalam pekerjaan.

Kelompokkan menjadi:

• Tugas yang dapat diotomatisasi.
• Tugas yang dapat dipercepat AI.
• Tugas yang tetap membutuhkan manusia.
• Tugas baru yang perlu dipelajari.

Pendekatan ini lebih berguna daripada sekadar bertanya apakah profesinya akan hilang.

2. Gunakan AI pada pekerjaan nyata

Pelajari AI untuk:

• Mencari ide.
• Meringkas.
• Membandingkan data.
• Membuat draf.
• Menyusun skenario.
• Mengotomatisasi pekerjaan administratif.

Namun semua hasil harus diperiksa.

3. Perkuat keahlian bidang

Kemampuan menggunakan alat AI dapat dipelajari banyak orang.

Pengetahuan yang mendalam mengenai industri, pelanggan, regulasi, proses, dan risiko menjadi pembeda yang lebih sulit ditiru.

4. Kembangkan kemampuan menangani pengecualian

Sistem otomatis biasanya bekerja baik pada kasus normal.

Manusia menjadi semakin bernilai ketika mampu menangani:

• Situasi baru.
• Data tidak lengkap.
• Konflik.
• Kondisi darurat.
• Kasus yang tidak sesuai prosedur.
• Keputusan dengan konsekuensi besar.

5. Bangun bukti kemampuan

Sertifikat saja belum tentu cukup.

Pekerja perlu menunjukkan:

• Portofolio.
• Proyek.
• Pengalaman lapangan.
• Hasil peningkatan produktivitas.
• Kemampuan memecahkan masalah.
• Kemampuan bekerja bersama AI.

Apa yang Harus Dilakukan Perusahaan?

Mengotomatisasi tugas, bukan langsung menghapus jabatan

Perusahaan perlu menganalisis bagian pekerjaan yang benar-benar dapat diotomatisasi.

Sisa waktu pekerja dapat dialihkan untuk pelayanan pelanggan, inovasi, kontrol kualitas, atau pengembangan bisnis.

Melibatkan pekerja dalam implementasi

Pekerja lapangan sering memahami proses dan pengecualian yang tidak terlihat dalam dokumen resmi.

Keterlibatan mereka dapat mengurangi risiko kegagalan sistem.

Menetapkan human oversight

Keputusan berisiko tinggi harus mempunyai:

• Pemeriksa manusia.
• Batas kewenangan sistem.
• Prosedur eskalasi.
• Dokumentasi keputusan.
• Mekanisme pengaduan.

Menyediakan pelatihan yang terhubung dengan pekerjaan

Pelatihan tidak cukup berupa seminar pengenalan AI.

Pekerja harus mempraktikkan teknologi pada proses kerja nyata dan mengukur hasilnya.

Menjaga jalur karier pekerja muda

Perusahaan perlu memastikan otomatisasi tugas junior tidak menghilangkan seluruh kesempatan belajar.

Tugas awal dapat didesain ulang agar pekerja muda belajar mengawasi, memeriksa, dan memperbaiki hasil AI.

Apa yang Perlu Dilakukan Pemerintah?

1. Memperbarui pendidikan

Pendidikan perlu memperkuat:

• Literasi.
• Numerasi.
• Sains.
• Pemecahan masalah.
• Komunikasi.
• Literasi digital.
• Etika AI.
• Pembelajaran berbasis proyek.

Sekolah tidak cukup hanya mengajarkan penggunaan satu aplikasi yang mungkin segera berubah.

2. Memperkuat pendidikan vokasi

Pelatihan vokasi harus terhubung dengan perusahaan dan teknologi yang benar-benar digunakan.

Program harus dinilai berdasarkan penempatan kerja dan peningkatan pendapatan, bukan hanya jumlah sertifikat.

3. Membantu pekerja yang terdampak

Dukungan dapat berupa:

• Pelatihan ulang.
• Informasi pasar kerja.
• Pencocokan pekerjaan.
• Bantuan mobilitas.
• Perlindungan penghasilan sementara.
• Jaminan sosial.
• Program magang berbayar.

4. Membantu UMKM mengadopsi teknologi

Tanpa bantuan, kesenjangan produktivitas antara perusahaan besar dan kecil dapat semakin melebar.

UMKM membutuhkan:

• Infrastruktur digital.
• Pembiayaan.
• Pelatihan.
• Perangkat lunak terjangkau.
• Perlindungan keamanan siber.
• Pendampingan proses bisnis.

5. Mengatur penggunaan AI berisiko tinggi

Regulasi perlu memastikan:

• Transparansi.
• Perlindungan data.
• Keselamatan.
• Hak pekerja.
• Mekanisme keberatan.
• Tanggung jawab yang jelas.
• Larangan diskriminasi.

Tujuannya bukan menghentikan inovasi, tetapi mencegah produktivitas dicapai dengan mengorbankan keselamatan dan hak masyarakat.

Mitos Mengenai Robot dan Pekerjaan

“Semua pekerjaan fisik akan hilang lebih dahulu”

Tidak selalu.

Pekerjaan fisik di lingkungan yang selalu berubah dapat lebih sulit diotomatisasi daripada pekerjaan kantor yang seluruhnya digital.

“Pekerja berpendidikan tinggi pasti aman”

Tidak.

AI dapat menangani banyak tugas analisis, penulisan, dan pemrograman. Pendidikan tinggi harus disertai kemampuan beradaptasi dan keahlian yang relevan.

“Pekerjaan kreatif tidak dapat dilakukan AI”

AI sudah mampu menghasilkan berbagai jenis konten kreatif.

Yang lebih sulit diotomatisasi adalah keseluruhan proses memahami masalah, menentukan tujuan, membuat pilihan, dan bertanggung jawab atas hasil.

“AI pasti menciptakan lebih banyak pekerjaan daripada yang dihilangkan”

Belum tentu pada setiap negara, sektor, dan periode.

Pekerjaan baru dapat membutuhkan keterampilan berbeda serta berada di wilayah lain.

“Menguasai prompt sudah cukup”

Tidak.

Prompt merupakan salah satu bagian kecil. Nilai terbesar berasal dari pengetahuan bidang, kemampuan memeriksa hasil, dan pemahaman mengenai risiko.

Pertanyaan yang Sering Diajukan

Apakah robot akan menggantikan manusia sepenuhnya?

Tidak ada dasar kuat untuk menyimpulkan bahwa seluruh pekerjaan manusia akan hilang.

Namun beberapa profesi dapat menyusut atau hilang, sedangkan hampir semua pekerjaan berpotensi mengalami perubahan tugas.

Pekerjaan apa yang paling aman dari AI?

Tidak ada pekerjaan yang sepenuhnya aman.

Pekerjaan relatif lebih tahan jika melibatkan kombinasi hubungan manusia, tanggung jawab, kondisi lapangan tidak terstruktur, dan penalaran kompleks.

Apakah pekerjaan administrasi akan hilang?

Sebagian tugas administrasi berpotensi diotomatisasi secara luas.

Namun pekerjaan yang melibatkan koordinasi, pengecualian, komunikasi, dan tanggung jawab masih membutuhkan manusia.

Apakah programmer akan digantikan AI?

AI dapat membuat dan memeriksa kode, tetapi pengembangan sistem juga membutuhkan pemahaman kebutuhan, arsitektur, keamanan, integrasi, pengujian, serta tanggung jawab operasional.

Peran programmer kemungkinan berubah, bukan langsung menghilang.

Apakah guru dapat digantikan AI?

AI dapat menyediakan materi dan pembelajaran personal.

Namun guru juga membangun motivasi, mengelola kelas, menilai perkembangan, serta menangani kebutuhan sosial dan emosional siswa.

Apakah AGI akan menghilangkan semua pekerjaan?

Belum ada kepastian kapan atau apakah sistem AGI akan tercapai.

Dampaknya juga bergantung pada biaya, regulasi, kepemilikan, keandalan, dan keputusan masyarakat dalam menggunakannya.

Kesimpulan

Robot dan AI akan mengubah pasar kerja secara besar-besaran.

Sebagian tugas rutin akan semakin sedikit dilakukan manusia. Beberapa jabatan dapat menyusut atau menghilang. Pekerja administratif, operator berulang, dan pekerjaan digital tingkat awal menghadapi tekanan yang nyata.

Namun teknologi biasanya tidak mengotomatisasi sebuah pekerjaan sekaligus.

Pekerjaan terdiri atas berbagai tugas. Sebagian digantikan, sebagian dipercepat, dan sebagian justru menjadi semakin penting.

Manusia masih mempunyai peran besar dalam:

• Menentukan tujuan.
• Menghadapi kondisi tidak terduga.
• Membangun kepercayaan.
• Memimpin.
• Mengambil tanggung jawab.
• Mengelola konflik.
• Memahami nilai dan konteks.
• Memeriksa hasil teknologi.

Skenario yang paling mungkin bukan dunia tanpa manusia bekerja.

Skenario yang lebih realistis adalah perubahan pembagian kerja antara manusia dan mesin, disertai munculnya pekerjaan baru serta hilangnya sebagian pekerjaan lama.

Karena itu, pertanyaan terpenting bukan hanya:

Apakah robot akan menggantikan manusia?

Pertanyaan yang lebih berguna adalah:

Bagaimana manusia, perusahaan, dan pemerintah memastikan teknologi meningkatkan produktivitas tanpa meninggalkan jutaan pekerja?

Masa depan pekerjaan tidak ditentukan oleh kemampuan robot saja.

Masa depan tersebut juga ditentukan oleh keputusan manusia mengenai pendidikan, perlindungan pekerja, distribusi manfaat teknologi, dan desain pekerjaan yang tetap menghargai martabat manusia.

Membangun Penanggulangan Bencana Kelas Dunia di Indonesia

Kelas dunia bukan berarti mempunyai alat paling mahal. Ukurannya adalah seberapa baik risiko dikurangi sebelum bencana, seberapa cepat peringatan berubah menjadi tindakan, dan seberapa cepat layanan penting pulih setelah kejadian.

Bayangkan gempa kuat terjadi menjelang subuh di sebuah kota pesisir. Listrik padam, jaringan telepon mulai padat, sebagian jalan tertutup, dan masyarakat harus menentukan apakah perlu bergerak ke tempat tinggi. Dalam menit-menit pertama, perbedaan antara sistem biasa dan sistem kelas dunia bukan terlihat dari banyaknya rapat. Perbedaannya terlihat dari siapa yang mengeluarkan peringatan, apakah pesan sampai, apakah warga memahami tindakan yang harus dilakukan, dan apakah rumah sakit tetap dapat bekerja.

Hal yang sama berlaku ketika banjir naik pada malam hari, gunung api meningkatkan aktivitas, kebakaran gambut mulai membara, atau longsor memutus satu-satunya akses menuju sebuah kecamatan. Bencana besar sering terbentuk dari rangkaian kegagalan kecil: informasi terlambat, kewenangan tidak jelas, alat tidak terawat, data berbeda antarinstansi, bantuan tidak sesuai kebutuhan, dan pemulihan mengembalikan kondisi rentan yang sama.

Penanggulangan bencana Indonesia punya fondasi. Negara ini telah memiliki Undang-Undang Nomor 24 Tahun 2007, BNPB dan BPBD, lembaga teknis seperti BMKG dan PVMBG, Rencana Induk Penanggulangan Bencana 2020–2044, relawan, TNI, Polri, Basarnas, PMI, perguruan tinggi, serta pengalaman menghadapi beragam bencana. Tantangannya adalah menyatukan seluruh modal tersebut menjadi sistem yang konsisten dari pusat sampai desa dan dari peringatan sampai pemulihan. [1][2]

Mengapa Indonesia membutuhkan lompatan kinerja

Indonesia berada pada lingkungan geologi dan iklim yang kompleks. Gempa bumi, tsunami, letusan gunung api, banjir, banjir bandang, cuaca ekstrem, longsor, kekeringan, gelombang ekstrem, serta kebakaran hutan dan lahan tercantum sebagai lapisan risiko yang dipantau melalui InaRISK. Portal MAGMA juga menunjukkan bahwa pemantauan gunung api dan bahaya geologi harus berjalan terus-menerus, bukan hanya setelah erupsi menjadi berita. [3][4]

Risiko itu diperberat oleh kepadatan permukiman, pembangunan di wilayah rawan, kerusakan ekosistem, ketimpangan kapasitas daerah, serta perubahan iklim. Bentuk negara kepulauan menambah tantangan: bantuan mungkin harus berpindah melalui laut dan udara, sementara pelabuhan, bandara, jembatan, listrik, atau komunikasi justru dapat terganggu ketika paling dibutuhkan.

Kementerian Keuangan mencatat, berdasarkan peta risiko 2023, seluruh 38 provinsi berada pada kelas risiko sedang atau tinggi. Laman resminya juga mengutip WorldRiskReport 2025 yang menempatkan Indonesia pada posisi ketiga dalam WorldRiskIndex. Angka ini perlu dibaca hati-hati. WorldRiskIndex menggabungkan paparan dan kerentanan; ia bukan peringkat tunggal tentang mutu BNPB atau kecepatan tim SAR. Namun pesannya tetap kuat: paparan besar harus diimbangi kapasitas yang lebih kuat. [5][6]

Bencana hidrometeorologi sering terjadi, sedangkan bencana geologi dapat berfrekuensi lebih rendah tetapi berdampak sangat besar. Karena profil ancamannya berbeda, Indonesia tidak dapat mengandalkan satu jenis alat, satu prosedur, atau satu lembaga. Sistem harus bersifat multiancaman, mampu berkembang sesuai skala kejadian, dan tetap berfungsi ketika infrastruktur normal gagal.

Apa yang dimaksud dengan penanggulangan bencana kelas dunia

Tidak ada sertifikat internasional tunggal yang otomatis membuat sebuah negara berstatus kelas dunia. Istilah ini lebih berguna jika diterjemahkan menjadi hasil yang dapat diuji. Kerangka Sendai dari UNDRR menempatkan pemahaman risiko, tata kelola, investasi pengurangan risiko, serta kesiapsiagaan dan pemulihan yang lebih baik sebagai empat prioritas. Dengan dasar itu, sistem kelas dunia setidaknya mempunyai ciri berikut. [7]

Kapabilitas	Standar yang diharapkan	Contoh ukuran
Mengetahui risiko	Peta dan data paparan dipakai dalam keputusan	Cakupan peta dan izin berbasis risiko
Memberi peringatan	Pesan cepat, jelas, inklusif, dan berlapis	Waktu kirim dan jangkauan warga
Mengendalikan operasi	Tujuan, peran, istilah, dan sumber daya jelas	Waktu komando dan mobilisasi
Menjaga layanan	Layanan kritis memiliki cadangan	Waktu pemulihan layanan
Belajar	Temuan latihan menjadi perbaikan	Tindakan korektif yang selesai

Dengan ukuran tersebut, pembelian helikopter, sirene, drone, atau aplikasi hanyalah input. Ia baru bernilai jika menurunkan korban, mempercepat tindakan, menjaga layanan, dan mencegah kerugian berulang. Negara dapat memiliki ruang komando yang terlihat canggih tetapi tetap lemah apabila data tidak terhubung, operator tidak terlatih, atau masyarakat tidak tahu apa yang harus dilakukan.

Apa yang dapat dipelajari dari negara lain

Benchmark berikut bukan daftar mutlak negara terbaik. Setiap negara memiliki profil ancaman, struktur pemerintahan, kemampuan fiskal, dan budaya yang berbeda. Yang layak dipelajari adalah fungsi yang sudah dibangun dengan disiplin, lalu disesuaikan dengan kebutuhan Indonesia.

Negara	Kapabilitas yang menonjol	Pelajaran untuk Indonesia
Jepang	Peringatan dini gempa JMA didukung rencana dan edukasi	Hubungkan peringatan dengan tindakan standar di fasilitas dan rumah tangga
Selandia Baru	GeoNet, RiskScape, peringatan seluler terarah, dan ShakeOut	Satukan sains terbuka, pesan inklusif, latihan, dan kesiapan komunitas
Belanda	Delta Programme berbasis hukum, komisaris independen, dana khusus, dan kaji ulang tahunan	Jaga kesinambungan rencana dan dana lintas periode politik
Chile	Sistem berjenjang komunal sampai nasional dengan eskalasi yang jelas	Bangun kapasitas lokal dan bantuan lintas wilayah sebelum batas kemampuan terlampaui
Amerika Serikat	NIMS dan ICS menyamakan istilah, komando, sumber daya, dan bantuan timbal balik	Gunakan doktrin operasi serta klasifikasi kemampuan nasional

Apakah Indonesia memerlukan regulasi baru

Regulasi baru mungkin diperlukan pada bagian tertentu, tetapi menambah dokumen hukum tidak otomatis memperbaiki kinerja. Undang-Undang Nomor 24 Tahun 2007 telah menegaskan bahwa penanggulangan bencana merupakan tanggung jawab pemerintah dan pemerintah daerah serta harus dilaksanakan secara terencana, terpadu, terkoordinasi, dan menyeluruh. Perpres Nomor 87 Tahun 2020 juga menjadikan Rencana Induk Penanggulangan Bencana 2020–2044 sebagai pedoman nasional dan acuan perencanaan pusat serta daerah. [1][2]

Kebutuhan mendesak adalah memperkecil jarak antara norma dan kemampuan nyata. Evaluasi regulasi sebaiknya berfokus pada lima hal.

1. Menetapkan standar layanan minimum BPBD yang terukur, termasuk pusat pengendalian operasi sepanjang waktu, petugas kompeten, komunikasi cadangan, peta risiko, rencana kontinjensi, dan latihan.
2. Memperjelas kewenangan pengeluaran peringatan, evakuasi, komando terpadu, penggunaan data, serta eskalasi ketika bencana melintasi kabupaten, provinsi, atau sektor.
3. Mewajibkan peta risiko menjadi dasar tata ruang, izin pembangunan, standar bangunan, perlindungan infrastruktur kritis, dan penganggaran daerah.
4. Membentuk kewajiban interoperabilitas data dan komunikasi, termasuk format peringatan bersama, pencatatan keputusan, keamanan siber, perlindungan data pribadi, dan akses publik yang proporsional.
5. Mengikat evaluasi pascakejadian pada tindakan korektif, penanggung jawab, tenggat, anggaran, dan laporan kemajuan yang dapat diawasi publik.

Bagaimana kelembagaan dan tenaga profesional perlu dibangun

Indonesia tidak selalu membutuhkan satu superlembaga yang mengambil seluruh fungsi. BMKG harus tetap menjadi otoritas teknis meteorologi, klimatologi, gempa dan tsunami; PVMBG menangani informasi bahaya geologi; Basarnas mempunyai keahlian pencarian dan pertolongan; kementerian teknis menjaga layanan sektornya; pemerintah daerah memahami wilayah serta warganya. Peran BNPB yang paling strategis adalah menetapkan standar kemampuan nasional, mengoordinasikan risiko lintas sektor, dan memastikan sistem dapat bekerja bersama.

Penguatan BPBD harus diperlakukan sebagai pembangunan profesi, bukan sekadar pengadaan. Diperlukan jalur kompetensi untuk perencana risiko, operator pusat kendali, analis data, petugas logistik, komunikasi publik, pengelola pengungsian, dan pemulihan. Sertifikasi harus disertai latihan, penugasan lapangan, evaluasi, dan penyegaran. Daerah kecil dapat menggunakan tenaga inti tetap yang diperkuat roster regional dan nasional ketika skala kejadian meningkat.

Bagaimana koordinasi dapat bekerja saat keadaan kacau

Pada saat bencana, banyak instansi datang dengan niat baik tetapi membawa struktur, istilah, radio, formulir, dan prioritas masing-masing. Solusinya adalah doktrin komando insiden Indonesia yang berlaku lintas ancaman dan lintas lembaga. Doktrin tersebut tidak harus meniru satu negara kata demi kata, tetapi perlu mempunyai prinsip yang sama: tujuan operasi bersama, rentang kendali yang masuk akal, pembagian fungsi, satu rencana tindakan, pencatatan sumber daya, serta mekanisme komando terpadu ketika kewenangan bertemu.

Pusat pengendalian operasi atau EOC mengoordinasikan gambaran strategis, kebutuhan lintas wilayah, kebijakan, dan dukungan. Komandan insiden mengendalikan operasi lapangan. Keduanya saling terhubung tetapi tidak saling menggantikan. Tanpa pemisahan ini, pejabat di ruang rapat dapat terlalu jauh mengatur taktik lapangan, atau tim lapangan bekerja tanpa dukungan strategis.

Indonesia juga memerlukan klasifikasi sumber daya nasional. Istilah seperti tim SAR, rumah sakit lapangan, pompa, perahu, drone, alat komunikasi, atau unit pemurnian air harus memiliki definisi kapasitas minimum. Ketika sebuah daerah meminta dua unit tertentu, pusat bantuan mengetahui kemampuan personel, perlengkapan, waktu mandiri, kebutuhan bahan bakar, dan kompatibilitasnya. Kesepakatan bantuan antardaerah perlu ditandatangani, dibiayai, dan dilatih sebelum kejadian.

Teknologi apa yang paling penting bagi Indonesia

Teknologi terpenting bukan selalu sensor paling baru. UNDRR membagi peringatan dini menjadi empat mata rantai: pengetahuan risiko; deteksi, pemantauan, analisis, dan prakiraan; penyebaran peringatan; serta kesiapan untuk bertindak. Jika satu mata rantai putus, sensor yang mahal tidak menghasilkan keselamatan. [8]

Indonesia sudah memiliki fondasi seperti InaRISK, InaTEWS, layanan BMKG, dan MAGMA. Langkah berikutnya adalah membuat layanan tersebut dapat bertukar data melalui standar terbuka, memiliki identitas sumber yang jelas, menyajikan tingkat keyakinan dan waktu pembaruan, serta terhubung dengan prosedur daerah. Integrasi tidak harus berarti satu aplikasi raksasa. Arsitektur layanan dan antarmuka data yang andal lebih penting daripada memaksa seluruh lembaga memakai satu layar. [3][4][9]

Kebutuhan	Paket teknologi yang sesuai	Syarat keberhasilan
Peringatan publik	Cell broadcast, sirene, radio, aplikasi, dan kanal komunitas	Pesan seragam, inklusif, terlatih, dan memiliki cadangan
Pemantauan	Sensor, satelit, dan laporan warga untuk berbagai ancaman	Kalibrasi, daya, komunikasi, suku cadang, dan analis
Gambaran operasi	Peta dampak, akses, fasilitas, stok, tim, dan kebutuhan	Definisi sama, waktu pembaruan, hak akses, dan mode luring
Penilaian cepat	Drone, citra satelit, foto berlokasi, dan formulir lapangan	Keselamatan, validasi manusia, dan kaitan dengan logistik
Komunikasi	Radio, jaringan portabel, telepon dan internet satelit	Prosedur, daya cadangan, operator, dan uji berkala
Keputusan	Model dampak, rute, kebutuhan, dan penyaringan berbantuan AI	Jejak audit, pengawasan manusia, dan keamanan siber

Untuk negara kepulauan, prinsip offline first dan redundancy sangat penting. Peta, daftar kontak, protokol, dan data dasar harus tetap tersedia ketika internet terputus. Perangkat perlu tahan panas, hujan, kelembapan, debu, air asin, dan perjalanan laut. Pengadaan harus menghitung biaya seumur hidup: lisensi, baterai, kalibrasi, suku cadang, pelatihan, keamanan, serta penggantian perangkat. Teknologi yang tidak dapat dirawat di kabupaten rawan akan menjadi pajangan saat dibutuhkan.

Bagaimana edukasi mengubah peringatan menjadi keselamatan

Peringatan baru bermanfaat jika masyarakat mengenali sumbernya, memahami pesannya, percaya kepada otoritas, mengetahui rute, dan mampu bertindak. Karena itu, edukasi kebencanaan tidak cukup berupa seminar tahunan. Sekolah perlu melatih prosedur yang sesuai ancaman lokal. Tempat kerja, pasar, rumah ibadah, objek wisata, pelabuhan, hotel, dan fasilitas kesehatan perlu mempunyai latihan serta rencana keberlanjutan.

Praktik Selandia Baru menarik karena kesiapsiagaan dibawa ke rumah tangga, sekolah, tempat kerja, komunitas Māori, dan kelompok disabilitas. Emergency Mobile Alert hanyalah satu bagian; masyarakat juga dilatih melalui ShakeOut dan diberi panduan tindakan untuk berbagai bahaya. Indonesia dapat membuat latihan nasional yang sederhana, berulang, dan mudah diukur, kemudian memberi ruang bagi daerah untuk menyesuaikannya dengan tsunami, gempa, banjir, letusan, kebakaran, atau longsor. [10][11]

Pengetahuan lokal perlu dihormati tetapi tetap diuji terhadap sains dan perubahan lingkungan. Tanda alam dapat melengkapi sensor, bukan menggantikan peringatan resmi. Tokoh desa, penyandang disabilitas, perempuan, anak muda, masyarakat adat, nelayan, petani, dan pelaku usaha sebaiknya ikut menyusun peta, pesan, rute, titik kumpul, dan skenario bantuan. Partisipasi ini meningkatkan ketepatan sekaligus kepercayaan.

Bagaimana pencegahan masuk ke pembangunan sehari hari

Penanggulangan bencana kelas dunia lebih banyak dibangun saat keadaan normal. Peta bahaya harus memengaruhi lokasi perumahan, sekolah, rumah sakit, industri, gardu listrik, pusat data, jalan, dan jembatan. Bangunan baru perlu mematuhi standar sesuai ancaman, sedangkan bangunan lama yang kritis diprioritaskan untuk audit dan perkuatan. Izin tidak boleh hanya memeriksa kelengkapan administrasi; ia harus memeriksa apakah risiko dapat diterima dan bagaimana jalur evakuasi serta layanan cadangan disediakan.

Infrastruktur kritis membutuhkan target pemulihan. Rumah sakit mungkin memerlukan air, listrik, oksigen, obat, komunikasi, dan akses selama beberapa hari tanpa pasokan normal. Pelabuhan dan bandara alternatif harus dipetakan. Operator listrik, telekomunikasi, air minum, bahan bakar, perbankan, dan logistik perlu melakukan latihan lintas sektor karena kegagalan satu jaringan dapat menjalar ke jaringan lain.

Ekosistem juga merupakan infrastruktur perlindungan. Mangrove, kawasan resapan, ruang sungai, hutan di lereng, lahan basah, dan gambut yang tetap basah dapat mengurangi sebagian risiko. Solusi berbasis alam tidak menggantikan tanggul, bangunan tahan gempa, drainase, atau evakuasi, tetapi dapat menjadi lapisan perlindungan yang lebih murah dan memberi manfaat lingkungan. WorldRiskReport 2025 menekankan kombinasi tata kelola, teknologi, pengetahuan lokal, dan solusi berbasis alam untuk risiko banjir. [6]

Baca juga analisis khusus mengenai sumber api, pencegahan, dan respons awal karhutla di blog ini Solusi Mencegah Kebakaran Hutan di Indonesia

Bagaimana pembiayaan membuat sistem siap sebelum bencana

Anggaran bencana sering lebih mudah terlihat setelah kejadian karena kebutuhan darurat mendesak. Padahal pencegahan memerlukan dana yang stabil untuk pemeliharaan sensor, perkuatan bangunan, latihan, edukasi, restorasi ekosistem, stok regional, dan pengurangan risiko masyarakat. Dana pencegahan tidak boleh selalu menjadi bagian yang pertama dipotong ketika tidak ada bencana besar pada tahun berjalan.

Indonesia telah mengembangkan Strategi Pembiayaan dan Asuransi Risiko Bencana serta Pooling Fund Bencana. Kementerian Keuangan menjelaskan bahwa skema ini dirancang untuk menggabungkan retensi risiko dan transfer risiko, mengakumulasi dana lintas tahun, serta mendukung fase prabencana dan pemulihan. Ini adalah fondasi penting, tetapi keberhasilannya harus dinilai dari kecepatan, ketepatan sasaran, transparansi, dan kontribusinya terhadap penurunan risiko. [5]

Pendekatan pembiayaan berlapis dapat diterapkan. Kejadian yang sering tetapi berbiaya relatif kecil dibiayai melalui anggaran rutin dan dana cadangan daerah. Kejadian menengah dapat menggunakan dana bersama serta pinjaman kontinjensi. Risiko yang jarang tetapi sangat besar dapat ditransfer sebagian melalui asuransi atau instrumen lain setelah analisis manfaat dan biaya. Asuransi parametrik dapat diuji untuk bahaya tertentu, tetapi parameter harus berkaitan kuat dengan kerugian agar tidak menimbulkan pembayaran yang terlalu kecil atau tidak tepat.

Apa prioritas khusus untuk negara kepulauan

Model logistik yang terlalu terpusat akan kehilangan waktu ketika akses antarpulau terganggu. Indonesia memerlukan simpul logistik regional yang ditempatkan berdasarkan skenario risiko, waktu tempuh, kapasitas pelabuhan dan bandara, serta kemungkinan beberapa daerah terdampak bersamaan. Stok harus berbentuk paket modular untuk air bersih, kesehatan, komunikasi, tempat tinggal, energi, pencarian dan pertolongan, serta pengelolaan pengungsian.

Pra-kontrak dengan operator kapal, pesawat, pergudangan, alat berat, telekomunikasi, ritel, dan distribusi bahan bakar dapat mempercepat mobilisasi. Namun kontrak perlu mengatur harga, prioritas, standar keselamatan, penggantian biaya, data, dan kondisi ketika aset komersial juga terdampak. Jalur bantuan internasional dan ASEAN perlu memiliki prosedur penerimaan, bea masuk, registrasi tim, serta penempatan yang telah disimulasikan.

Bagaimana pemulihan disiapkan sebelum bencana

Pemulihan sering lambat karena kerangka keputusan baru disusun setelah kerusakan terjadi. Pemerintah dapat menyiapkan pre disaster recovery framework yang menjelaskan siapa menilai kerusakan, bagaimana data diverifikasi, siapa memimpin perumahan dan infrastruktur, bagaimana hak tanah diselesaikan, bagaimana warga berpartisipasi, dan bagaimana standar bangunan yang lebih aman diterapkan.

Prinsip build back better tidak berarti semua fasilitas harus dibangun lebih besar. Maknanya adalah tidak mengulang kerentanan yang telah terbukti: memperbaiki lokasi, struktur, akses, redundansi, tata air, layanan sosial, dan mata pencaharian. Kecepatan tetap penting, tetapi kecepatan tanpa pemeriksaan risiko dapat memindahkan masalah menuju bencana berikutnya. Kerangka Sendai menempatkan pemulihan sebagai kesempatan untuk membangun lebih baik. [7]

Apa peta jalan yang realistis untuk sepuluh tahun

Tahap	Prioritas	Hasil yang harus terlihat
Nol sampai dua tahun	Audit BPBD, doktrin komando, standar peringatan, inventaris, bantuan antardaerah, komunikasi cadangan, dan latihan	Kesenjangan serta peran jelas dan bantuan dapat dimobilisasi
Tiga sampai lima tahun	Profesi, pusat kendali, simpul logistik, integrasi data, perkuatan fasilitas, edukasi, dan pembiayaan berlapis	Kapasitas daerah lebih merata dan layanan kritis lebih tahan
Enam sampai sepuluh tahun	Sensor dan komunikasi berlapis, pembangunan berbasis risiko, pemulihan prarencana, dan evaluasi independen	Korban serta gangguan turun untuk kejadian sebanding

Peta jalan perlu dimulai dari bahaya dan wilayah prioritas, bukan diterapkan seragam. Kabupaten pesisir rawan tsunami membutuhkan rute, menara atau tempat evakuasi yang sesuai, serta komunikasi cepat. Kota rawan banjir membutuhkan prakiraan berbasis dampak, tata air, ruang retensi, dan pengendalian pembangunan. Wilayah gunung api membutuhkan observasi, zona bahaya, jalur evakuasi, dan pengungsian yang mempertimbangkan ternak serta mata pencaharian. Daerah gambut membutuhkan tata air, patroli, deteksi, air, dan regu darat. Standar nasional menetapkan mutu minimum; desain lokal menjawab medan.

Indikator apa yang seharusnya diumumkan kepada publik

Kinerja tidak cukup dilaporkan melalui jumlah rapat, peserta sosialisasi, alat yang dibeli, atau bantuan yang dikirim. Pemerintah perlu menerbitkan indikator hasil yang dapat dibandingkan dari waktu ke waktu, dengan konteks tingkat bahaya agar daerah yang menghadapi kejadian ekstrem tidak dinilai secara tidak adil.

• Waktu median dari deteksi sampai peringatan diterima dan dipahami oleh kelompok sasaran.
• Persentase penduduk di zona risiko yang terjangkau sedikitnya dua kanal peringatan.
• Waktu pembentukan komando insiden, verifikasi kebutuhan, dan mobilisasi sumber daya pertama.
• Waktu pemulihan rumah sakit, air, listrik, telekomunikasi, transportasi, layanan keuangan, dan pemerintahan.
• Persentase sekolah, rumah sakit, pelabuhan, bandara, jembatan, serta fasilitas penting yang telah diaudit dan diperbaiki.
• Persentase tindakan korektif hasil latihan dan evaluasi kejadian yang selesai sesuai tenggat.
• Korban, pengungsi, gangguan layanan, dan kerugian ekonomi yang dinormalisasi berdasarkan populasi, paparan, serta tingkat bahaya.

Targetnya harus berbeda menurut jenis ancaman dan karakter wilayah. Angka juga perlu diaudit agar tidak mendorong manipulasi, misalnya memperlambat pencatatan awal atau hanya memilih latihan yang mudah. Tujuan indikator adalah belajar dan memperbaiki sistem, bukan sekadar menghasilkan peringkat antardaerah.

Pertanyaan yang sering diajukan

Apakah Indonesia perlu membentuk badan baru

Belum tentu. Masalah utama sering berada pada standar kemampuan, kewenangan, interoperabilitas, pendanaan, dan disiplin pelaksanaan. Badan baru layak dipertimbangkan hanya jika analisis fungsi menunjukkan celah yang tidak dapat diselesaikan melalui penguatan BNPB, BPBD, lembaga teknis, dan mekanisme koordinasi yang ada.

Apakah teknologi canggih otomatis menurunkan korban

Tidak. Teknologi harus menjadi bagian dari rantai ujung ke ujung. Sensor perlu dirawat, analisis harus cepat, pesan harus sampai, warga harus percaya, rute harus tersedia, dan petugas harus siap. Kegagalan satu mata rantai dapat menghilangkan manfaat alat yang mahal.

Siapa yang memimpin ketika banyak lembaga terlibat

Kepemimpinan mengikuti tingkat kejadian dan kewenangan hukum, dengan otoritas sipil penanggulangan bencana serta pemerintah daerah atau pusat sebagai pengarah. Lembaga teknis tetap menjadi sumber resmi informasi bahaya. TNI, Polri, Basarnas, PMI, relawan, dan sektor swasta bekerja dalam tujuan serta rencana operasi bersama melalui komando terpadu.

Kesimpulan

Indonesia mempunyai alasan kuat untuk membangun penanggulangan bencana berkelas dunia. Cincin api, gunung api, banjir, longsor, cuaca ekstrem, hutan dan gambut yang mudah terbakar, serta geografi kepulauan membuat risiko tidak dapat dihapus. Namun besarnya dampak tidak hanya ditentukan oleh alam. Tata ruang, mutu bangunan, kesehatan ekosistem, kecepatan peringatan, kesiapan masyarakat, profesionalisme tim, dan kemampuan memulihkan layanan dapat diubah melalui kebijakan.

Fondasi hukum dan kelembagaan Indonesia sudah tersedia. Lompatan berikutnya adalah membuat standar minimum benar-benar berlaku di daerah, membangun profesi kebencanaan, memakai satu doktrin operasi, menghubungkan data dan peringatan dengan tindakan, memperkuat logistik kepulauan, melindungi infrastruktur kritis, serta menyediakan dana pencegahan dan pemulihan yang berkelanjutan.

Tidak ada teknologi tunggal atau reorganisasi sekali jadi yang dapat menyelesaikan semuanya. Sistem kelas dunia lahir dari pekerjaan yang mungkin terlihat biasa: sensor dirawat, simulasi diulang, rute dibersihkan, data diperbarui, bangunan diperkuat, kontrak disiapkan, masyarakat dilibatkan, dan temuan evaluasi ditutup. Jika Indonesia konsisten melakukan itu selama satu dekade, pertanyaan tentang kesiapan tidak lagi dijawab oleh banyaknya alat, melainkan oleh semakin sedikitnya korban dan semakin cepatnya kehidupan pulih.

Referensi

[1] JDIH BPK Undang-Undang Nomor 24 Tahun 2007 tentang Penanggulangan Bencana

[2] Sekretariat Kabinet Perpres Nomor 87 Tahun 2020 tentang Rencana Induk Penanggulangan Bencana 2020–2044

[3] BNPB InaRISK dan Indeks Risiko Bencana Indonesia 2025

[4] PVMBG Badan Geologi MAGMA Indonesia

[5] Kementerian Keuangan Pembiayaan dan Asuransi Risiko Bencana serta Pooling Fund Bencana

[6] Bündnis Entwicklung Hilft dan IFHV Ruhr University Bochum WorldRiskReport 2025

[7] UNDRR Sendai Framework for Disaster Risk Reduction 2015–2030

[8] UNDRR Early Warnings for All

[9] BMKG Layanan resmi dan InaTEWS

[10] New Zealand National Emergency Management Agency Get Ready dan Emergency Mobile Alert

[11] Earth Sciences New Zealand Natural Hazards GeoNet dan RiskScape

[12] Japan Meteorological Agency Earthquake Early Warning System

[13] Cabinet Office Japan Disaster Management Information and White Papers

[14] Government of the Netherlands Delta Programme

[15] Biblioteca del Congreso Nacional de Chile Ley 21.364

[16] SENAPRED Chile Sistema Nacional de Prevención y Respuesta ante Desastres

[17] FEMA National Incident Management System

Catatan sumber

Seluruh rujukan utama berasal dari peraturan, lembaga pemerintah, lembaga teknis resmi, atau kerangka internasional otoritatif. Data yang berubah cepat perlu diperiksa kembali pada tanggal publikasi. Benchmark menggambarkan praktik tertentu dan bukan peringkat menyeluruh mutu penanggulangan bencana setiap negara.