Peringatan dini bencana dapat dipelajari dari tanda-tanda alam

universitas dapat membantu meningkatkan kewaspadaan di masyarakat dengan melihat tanda-tanda alam

Jakarta (ANTARA) - Badan Nasional Penanggulangan Bencana (BNPB) mengatakan peringatan dini bencana sebetulnya bisa dipelajari dengan melihat tanda-tanda alam sehingga masyarakat bisa lebih meningkatkan kewaspadaan dan kesiapsiagaan.

"Kami berharap seluruh universitas di Indonesia dapat membantu untuk meningkatkan kewaspadaan di masyarakat dengan melihat tanda-tanda alam," kata Kepala Pusdalop BNPB Bambang Surya Putra di Jakarta, Rabu.

Contohnya, berbagai riset atau pembelajaran di universitas dapat menunjukkan tanda-tanda sungai akan banjir bandang. Ataupun tanda-tanda alam lainnya yang terjadi ketika daerah perbukitan akan longsor.

Ia menjelaskan hal tersebut dibutuhkan masyarakat sebagai salah satu bentuk peringatan dini dalam menghadapi bencana di daerahnya masing-masing.

Apalagi, secara umum Indonesia berada pada cincin api, kemudian di khatulistiwa yang juga terpengaruh dengan perpindahan iklim antara Australia dan Asia. Hal itu menyebabkan Indonesia memiliki risiko yang beragam terkait kebencanaan.

Dengan posisi seperti itu serta melihat statistik histori kebencanaan Tanah Air yang dari tahun ke tahun semakin meningkat, tentunya hal ini diharapkan dapat menyadarkan semua pihak pentingnya peringatan dini bencana.

Terkait upaya meningkatkan kesiapsiagaan terhadap bencana, ia mengatakan hal itu perlu disiapkan maksimal di setiap institusi pemerintah daerah maupun masyarakat itu sendiri.

Sebab, perlu disadari dan diketahui pula bahwa Indonesia yang begitu luas walaupun memiliki peringatan dini bencana, tetap saja sistem tersebut tidak serta merta dapat menjangkau hingga lapisan terbawah dari masyarakat di daerah.

Untuk sistem peringatan dini multibencana di Indonesia baru sebatas konsumsi di tingkat BPBD. Sebab, belum mencapai standar yang cukup. Kemudian semua itu menggunakan data model dan bersifat prediksi.

"Namun kami tetap memiliki prakirawan untuk melakukan justifikasi visual dari data model yang ada. Jadi ada daring dan ada intervensi luar jaringan yang dilakukan orang per orang," ujar dia.