Transformasi Digital dalam Administrasi Publik: Pemanfaatan Artificial Intelligence (AI) untuk Prediksi Banjir Tahunan di Jakarta Berdasarkan Data Historis

Authors

  • Ahmad Fathoni Universitas Krisnadwipayana, Jakarta, Indonesia
  • Iwan Kurniawan Subagja Universitas Krisnadwipayana, Jakarta, Indonesia
  • Azis Hakim Universitas Krisnadwipayana, Jakarta, Indonesia

DOI:

https://doi.org/10.38035/jemsi.v7i2.6736

Keywords:

Administrasi Publik, Transformasi Digital, Artificial Intelligence, Data Historis, Banjir Jakarta

Abstract

Penelitian ini bertujuan menganalisis pemanfaatan kecerdasan artifisial (Artificial Intelligence /AI) dalam pengolahan data historis banjir di Jakarta untuk menghasilkan prediksi dan rekomendasi kebijakan mitigasi berbasis bukti. Pendekatan yang digunakan adalah kualitatif deskriptif dengan fokus pada data curah hujan, tinggi muka air, dan kejadian banjir tahunan selama 2014–2023. Data diperoleh dari Badan Nasional Penanggulangan Bencana (BNPB), Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), serta Badan Penanggulangan Bencana Daerah (BPBD) DKI Jakarta. Analisis dilakukan melalui pendekatan konseptual berbasis data-driven governance untuk memahami keterkaitan antara teknologi digital dan tata kelola kebencanaan. Hasil penelitian menunjukkan bahwa penerapan AI mampu mengidentifikasi pola dan siklus banjir tahunan secara lebih akurat sehingga memperkuat kapasitas pemerintah dalam merumuskan kebijakan mitigasi yang adaptif, efisien, dan berbasis bukti. Penelitian ini menegaskan peran AI sebagai instrumen strategis dalam transformasi digital administrasi publik, memperluas paradigma pemerintahan berbasis data, serta memperkuat pengambilan keputusan kolaboratif dan berkelanjutan dalam mitigasi bencana.

References

Badan Meteorologi, Klimatologi, dan Geofisika. (2023). Analisis curah hujan ekstrem dan anomali iklim di Indonesia. Jakarta: BMKG.

Badan Nasional Penanggulangan Bencana. (2017). Pedoman pengelolaan risiko bencana banjir. Jakarta: BNPB.

Badan Nasional Penanggulangan Bencana. (2021). Buku data bencana Indonesia tahun 2020. Jakarta: BNPB.

Badan Nasional Penanggulangan Bencana. (2023). Buku data bencana Indonesia. Jakarta: BNPB.

BPBD Provinsi DKI Jakarta. (2020). Laporan kejadian banjir awal tahun 2020 di Provinsi DKI Jakarta. Jakarta: BPBD DKI Jakarta.

Bibbò, A., Fialkowski, R., & O’Connell, P. E. (2025). Flood risk forecasting: An innovative approach with machine learning and Markov chains. Environmental Modelling & Software, 192(2), 104852.

Creswell, J. W. (2014). Research design: Qualitative, quantitative, and mixed methods approaches (4th ed.). Thousand Oaks, CA: SAGE Publications.

Denhardt, J. V., & Denhardt, R. B. (2003). The new public service: Serving, not steering. Armonk, NY: M.E. Sharpe.

Dunleavy, P., Margetts, H., Bastow, S., & Tinkler, J. (2006). New public management is dead: Long live digital era governance. Journal of Public Administration Research and Theory, 16(3), 467–494.

Dwivedi, Y. K., Hughes, L., Kar, A. K., Baabdullah, A. M., Grover, P., & Abbas, R. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994.

Giest, S., McBride, B., & Nikiforova, A. (2025). Digital and data-driven transformations in governance: A landscape review. Data & Policy, 7(1), 1–15.

Guenduez, A. A., Demircioglu, M. A., & Mueller, S. (2025). Digital innovation strategies in the public sector: Creating public value through digital transformation. Government Information Quarterly, 42(2), 102134.

Hammam, R., Widodo, A. P., & Adhiutama, A. (2023). Pemanfaatan kecerdasan artifisial untuk meningkatkan mitigasi bencana banjir di Indonesia. Jurnal Teknologi dan Kebencanaan, 8(1), 45–57.

Ikram, M., Hussain, A., & Khan, M. (2025). Management and prediction of river flood utilizing optimization approach of Artificial Intelligence evolutionary algorithms. Hydrological Sciences Journal, 70(4), 395–410.

Janssen, M., van der Voort, H., & Wahyudi, A. (2017). Factors influencing big data decision-making quality. Journal of Business Research, 70, 338–345.

Kumar, R., Singh, R., & Sharma, A. (2025). Machine learning applications in flood forecasting and predictions: Challenges and way-out in the perspective of changing environment. AIMS Environmental Science, 12(1), 35–58.

Mergel, I., Edelmann, N., & Haug, N. (2019). Defining digital transformation: Results from expert interviews. Government Information Quarterly, 36(4), 101385.

Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed.). Thousand Oaks, CA: SAGE Publications.

Mileti, D. (1999). Disasters by design: A reassessment of natural hazards in the United States. Washington, DC: Joseph Henry Press.

Osborne, S. P. (2006). The new public governance? Public Management Review, 8(3), 377–387.

Pitaloka, S. M., Ramadhani, F., & Pradana, D. (2024). Penerapan teknologi analitik cerdas dalam prediksi kejadian banjir di Indonesia. Jurnal Informatika Kebencanaan, 4(2), 80–95.

Putra, D. S., Nugroho, A., & Lestari, M. (2025). Integrasi data meteorologis dan spasial untuk sistem peringatan dini banjir. Jurnal Teknologi Mitigasi Bencana, 9(1), 20–33.

Russell, S., & Norvig, P. (2021). Artificial Intelligence: A modern approach (4th ed.). London: Pearson Education.

Tang, H., Zhang, L., & Chen, Y. (2023). Flood forecasting based on pattern recognition and dynamic migration of parameters. Journal of Hydrology and Water Resources, 612(2), 119842.

Tu, S., Wang, Y., & Liu, J. (2023). Study on dynamic early warning of flash floods in Hubei Province based on hydrological thresholds. Water, 15(17), 3153.

UNDRR. (2020). Terminology on disaster risk reduction. Geneva: United Nations Office for Disaster Risk Reduction.

UNDRR. (2021). The human cost of disasters: An overview of the last 20 years (2000–2019). Geneva: UNDRR & CRED.

Waldo, D. (1948). The administrative state: A study of the political theory of American public administration. New York: Ronald Press.

Wilson, W. (1887). The study of administration. Political Science Quarterly, 2(2), 197–222.

WMO. (2019). Integrated flood management: Concept paper. Geneva: World Meteorological Organization.

Wu, J., & Jiang, L. (2024). Flood disaster risk assessment in Wuhan City based on GIS. Natural Hazards, 117(1), 435–456.

Downloads

Published

2025-11-18

How to Cite

Fathoni, A., Kurniawan Subagja, I., & Hakim, A. (2025). Transformasi Digital dalam Administrasi Publik: Pemanfaatan Artificial Intelligence (AI) untuk Prediksi Banjir Tahunan di Jakarta Berdasarkan Data Historis. Jurnal Ekonomi Manajemen Sistem Informasi, 7(2), 1064–1071. https://doi.org/10.38035/jemsi.v7i2.6736

Issue

Vol. 7 No. 2 (2025): Jurnal Ekonomi Manajemen Sistem Informasi (November-Desember 2025)

Section

Articles

License

Copyright (c) 2025 Ahmad Fathoni, Iwan Kurniawan Subagja, Azis Hakim

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Hak cipta :

Penulis yang mempublikasikan manuskripnya di jurnal ini menyetujui ketentuan berikut:

  1. Hak cipta pada setiap artikel adalah milik penulis.
  2. Penulis mengakui bahwa Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI) berhak menjadi yang pertama menerbitkan dengan lisensi Creative Commons Attribution 4.0 International (Attribution 4.0 International CC BY 4.0) .
  3. Penulis dapat mengirimkan artikel secara terpisah, mengatur distribusi non-eksklusif manuskrip yang telah diterbitkan dalam jurnal ini ke versi lain (misalnya, dikirim ke repositori institusi penulis, publikasi ke dalam buku, dll.), dengan mengakui bahwa manuskrip telah diterbitkan pertama kali di Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI).