Ketika abu vulkanik mengganggu penerbangan dan ribuan perjalanan harus dijadwal ulang, pertanyaannya bukan hanya kapan Anak Krakatau akan kembali aktif. Bagi Sains Aktuaria, pertanyaan yang tidak kalah penting adalah: sejauh mana data dapat membantu kita mengukur risiko dan mempersiapkan pembiayaan sebelum kerugian membesar?

Ketika Abu Vulkanik Mengubah Jadwal Penerbangan

Minggu, 6 September 2026, aktivitas Gunung Anak Krakatau kembali menunjukkan bahwa bencana geologi dapat dengan cepat berubah menjadi gangguan ekonomi dan transportasi. Kementerian Perhubungan melaporkan bahwa hingga pukul 17.06 WIB, delapan bandar udara terdampak harus ditutup sementara. Pada saat yang sama, tercatat 1.558 penerbangan tertunda dan sekitar 170.000 penumpang tertahan (Kementerian Perhubungan, 2026).

Bandara yang terdampak mencakup Soekarno-Hatta, Halim Perdanakusuma, Radin Inten II, Husein Sastranegara, Budiarto, Pondok Cabe, Taufik Kiemas, dan Atung Bungsu. Penutupan dilakukan secara dinamis berdasarkan pemantauan sebaran abu vulkanik dan pertimbangan keselamatan penerbangan.

Peristiwa tersebut bukan muncul tanpa rangkaian aktivitas sebelumnya. Badan Geologi mencatat bahwa sejak 2 Juli 2026 tingkat aktivitas Anak Krakatau berada pada Level III (Siaga). Aktivitas Strombolian kemudian berkembang menjadi episode erupsi menerus yang berlangsung sejak malam 4 September hingga dini hari 6 September 2026. Pemantauan tidak hanya dilakukan secara visual, tetapi juga menggunakan kegempaan, Real-time Seismic Amplitude Measurement (RSAM), serta data tiltmeter untuk membaca perubahan aktivitas gunung api (Badan Geologi, 2026).

Gambar 1. Pengamatan visual Gunung Anak Krakatau melalui CCTV Lava93 pada 5 September 2026. Sumber: Badan Geologi, Kementerian ESDM.

Mengapa abu vulkanik mendapat perhatian sangat serius dalam penerbangan? Partikel abu dapat mengganggu kinerja mesin pesawat, menimbulkan abrasi pada komponen, serta memengaruhi sistem pesawat. Karena itu, pemantauan dan prakiraan penyebaran abu menjadi bagian penting dalam pengelolaan keselamatan penerbangan modern (Guffanti & Tupper, 2015; Mastin dkk., 2022).

Bisakah Aktivitas Anak Krakatau Dibaca melalui Deret Waktu?

Anak Krakatau memiliki catatan aktivitas yang panjang. Penelitian mengenai evolusi gunung ini menunjukkan bahwa aktivitas erupsi dan pertumbuhan tubuh gunung telah berlangsung berulang sejak kemunculannya pada akhir 1920-an. Peristiwa runtuhan lereng pada 2018 bahkan memperlihatkan betapa kompleksnya interaksi antara aktivitas erupsi, perubahan morfologi tubuh gunung, dan bahaya turunannya (Perttu dkk., 2020; Meredew dkk., 2026).

Data pemantauan semacam ini dapat disusun sebagai deret waktu. Misalnya, pengamat dapat membentuk deret harian atau mingguan berupa jumlah gempa vulkanik, amplitudo RSAM, perubahan deformasi, frekuensi erupsi, atau tinggi maksimum kolom erupsi.

Di sinilah model SARIMA (Seasonal Autoregressive Integrated Moving Average) dapat dipertimbangkan.

Secara sederhana, SARIMA mempelajari hubungan antara kondisi sekarang dan kondisi sebelumnya melalui komponen autoregresif, proses diferensiasi untuk mengendalikan ketidakstasioneran, komponen moving average, serta komponen musiman. Model ini lazim ditulis sebagai

dengan p, d, q menggambarkan struktur nonmusiman, P, D, Q menggambarkan struktur musiman, dan s menunjukkan panjang periode musiman.

Namun, ada satu catatan penting: aktivitas yang berulang tidak otomatis berarti memiliki pola musiman yang tetap. Sebelum SARIMA digunakan, keberadaan pola musiman perlu diperiksa melalui struktur autokorelasi, visualisasi deret waktu, diagnostik model, serta validasi data di luar sampel. Pemilihan model ARIMA atau SARIMA harus didasarkan pada karakter data, bukan semata-mata pada asumsi bahwa gunung api memiliki 'siklus' tertentu (Hyndman & Khandakar, 2008).

Dengan demikian, SARIMA sebaiknya dipahami sebagai salah satu kandidat model statistik, bukan alat yang dapat menentukan secara pasti kapan sebuah gunung akan meletus.

Dari SARIMA ke SARIMAX: Memasukkan Sinyal Vulkanik

Jika SARIMA terutama memanfaatkan pola masa lalu dari variabel yang sedang diramalkan, SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogenous Variables) memungkinkan model memasukkan informasi tambahan atau variabel eksogen.

Dalam konteks Anak Krakatau, variabel tersebut secara konseptual dapat berupa jumlah gempa vulkanik dangkal dan dalam, aktivitas low frequency, hybrid earthquake, amplitudo RSAM, atau perubahan deformasi yang tercatat melalui tiltmeter. Pemilihan variabel tentu harus melalui pengujian statistik dan didasarkan pada mekanisme vulkanologi yang masuk akal.

Secara umum, SARIMAX dapat ditulis sebagai

dengan Yₜ sebagai indikator aktivitas yang ingin diperkirakan dan X₁,ₜ, …, Xₖ,ₜ sebagai variabel pemantauan tambahan.

Keuntungan pendekatan ini adalah model tidak hanya 'mengingat' pola masa lalu, tetapi juga mempertimbangkan informasi eksternal yang relevan. Penggunaan variabel eksogen merupakan salah satu kekuatan utama kerangka SARIMAX (Alharbi & Csala, 2022).

Meski demikian, interpretasinya harus hati-hati. Perubahan kegempaan dan deformasi merupakan indikator penting dalam pemantauan gunung api, tetapi hubungan antara sinyal pendahulu dan erupsi tidak selalu identik untuk setiap gunung maupun setiap episode. Literatur vulkanologi menunjukkan bahwa kegempaan dan deformasi dapat memberikan informasi penting mengenai proses menjelang erupsi, tetapi prakiraan vulkanik tetap mengandung ketidakpastian (Kilburn, 2018).

Dengan kata lain, SARIMAX bukan mesin peramal letusan yang memberikan kepastian, melainkan alat pendukung keputusan yang dapat membantu mengubah berbagai sinyal pemantauan menjadi prakiraan probabilistik.

Gambar 2. Ilustrasi pola aktivitas dan proyeksi SARIMA(X). Gambar bersifat ilustratif; nilai selain data yang dinyatakan berasal dari sumber resmi tidak boleh dibaca sebagai angka observasi resmi.

Aktivitas Gunung dan Risiko Penerbangan Bukan Persoalan yang Sama

Ada satu pembedaan yang sangat penting. Model SARIMA atau SARIMAX dapat digunakan untuk mempelajari dinamika aktivitas vulkanik, tetapi gangguan terhadap penerbangan tidak hanya bergantung pada apakah gunung sedang erupsi.

Dampaknya juga dipengaruhi oleh tinggi kolom abu, jumlah material yang dilepaskan, arah dan kecepatan angin, ketinggian jelajah pesawat, lintasan penerbangan, serta posisi bandar udara. Karena itu, prakiraan aktivitas gunung idealnya dihubungkan dengan sistem pemantauan dan pemodelan penyebaran abu.

Peristiwa Eyjafjallajökull di Islandia pada 2010 menjadi contoh terkenal bagaimana erupsi yang tidak termasuk terbesar dalam sejarah dapat menimbulkan gangguan sangat luas terhadap jaringan penerbangan. Pengalaman tersebut mendorong perkembangan besar dalam pemantauan satelit, pemodelan dispersi abu, dan komunikasi risiko penerbangan (Mastin dkk., 2022).

Artinya, pengelolaan risiko dapat dipandang sebagai dua tahap: pertama, membaca kemungkinan perkembangan aktivitas gunung; kedua, memperkirakan bagaimana abu yang dihasilkan akan berinteraksi dengan ruang udara dan sistem transportasi.

Dari Prakiraan Statistik ke Perhitungan Aktuaria

Di sinilah perspektif Sains Aktuaria menjadi menarik. Bagi seorang aktuaris, mengetahui bahwa suatu kejadian 'mungkin terjadi' belum cukup. Probabilitas tersebut harus dikaitkan dengan eksposur dan konsekuensi finansial.

Secara sederhana, kerangka risiko dapat dituliskan sebagai

Untuk sektor penerbangan, dampak tersebut dapat mencakup pembatalan dan penundaan penerbangan, biaya pengalihan rute, akomodasi penumpang, kerugian operasional maskapai, gangguan logistik, hingga efek ekonomi tidak langsung.

Output model statistik dapat menjadi salah satu masukan untuk memperbarui probabilitas risiko dari waktu ke waktu. Namun, hasil SARIMAX tidak dapat langsung disebut sebagai premi asuransi. Penentuan premi masih membutuhkan informasi mengenai nilai eksposur, distribusi kerugian, biaya, ketidakpastian model, struktur kontrak, serta kapasitas penanggung.

Pendekatan tersebut membuka ruang bagi pengembangan asuransi parametrik atau instrumen transfer risiko bencana. Berbeda dari asuransi indemnitas yang menunggu penilaian kerugian aktual, pembayaran dalam skema parametrik dipicu ketika indikator yang telah disepakati melewati batas tertentu.

Untuk risiko vulkanik, penelitian Oramas-Dorta dkk (2021), misalnya, menunjukkan bahwa parameter seperti tinggi kolom erupsi dan arah dominan penyebaran abu dapat digunakan untuk merancang mekanisme transfer risiko parametrik.

Keuntungannya adalah pembayaran dapat dilakukan lebih cepat. Tantangannya adalah risiko basis (basis risk), yaitu ketidaksesuaian antara pembayaran yang dipicu oleh indeks dan kerugian yang benar-benar dialami. Karena itu, pemilihan parameter pemicu harus dilakukan dengan hati-hati dan dievaluasi terhadap data historis kerugian (Steinmann dkk., 2023).

Di sinilah statistika, vulkanologi, penerbangan, dan aktuaria bertemu: data digunakan bukan untuk menghilangkan ketidakpastian, tetapi untuk mengukurnya dengan lebih baik.

Apa Artinya bagi Sains Aktuaria?

Kasus Anak Krakatau menunjukkan bahwa ruang lingkup Sains Aktuaria jauh melampaui perhitungan premi asuransi jiwa. Aktuaris modern bekerja dengan risiko yang kompleks dan saling berkaitan. Satu erupsi gunung api dapat menimbulkan gangguan transportasi, operasional perusahaan, pariwisata, logistik, hingga kebutuhan pembiayaan bencana.

Dalam konteks tersebut, SARIMA dan SARIMAX dapat menjadi bagian dari toolbox analitik seorang aktuaris. Keduanya membantu mengubah data observasi yang terus bertambah menjadi model kuantitatif, interval prakiraan, dan ukuran ketidakpastian.

Tetapi model yang baik bukan model yang sekadar menghasilkan angka. Model yang baik adalah model yang dapat diuji, dievaluasi, diperbarui ketika data baru datang, dan diterjemahkan menjadi keputusan yang dapat dipertanggungjawabkan.

Menautkan pada SDG 9 dan SDG 13

Hubungan artikel ini dengan SDG 9—Industri, Inovasi, dan Infrastruktur cukup langsung. Ketahanan jaringan transportasi membutuhkan sistem pemantauan, analitik, dan pengambilan keputusan yang mampu merespons gangguan alam secara cepat. Integrasi data vulkanik, model statistik, sistem peringatan, dan perencanaan finansial merupakan contoh pemanfaatan inovasi untuk memperkuat ketahanan infrastruktur.

Keterkaitan dengan SDG 13—Penanganan Perubahan Iklim perlu dijelaskan lebih hati-hati. Erupsi Anak Krakatau bukan akibat perubahan iklim. Oleh karena itu, aktivitas vulkanik tidak boleh disamakan dengan bahaya iklim. Keterkaitannya lebih bersifat metodologis: pendekatan pembiayaan risiko, kesiapsiagaan, dan peningkatan ketahanan terhadap kejadian ekstrem juga digunakan dalam agenda pembangunan yang tangguh terhadap berbagai bencana.

Dengan penjelasan tersebut, artikel tidak mencampuradukkan penyebab geologis dan perubahan iklim, tetapi tetap menunjukkan pentingnya pembangunan sistem yang lebih tangguh terhadap ketidakpastian.

Bukan Menebak Kapan Gunung Meletus

Anak Krakatau mengingatkan kita bahwa ketidakpastian tidak dapat dihilangkan. Bahkan dengan sensor yang semakin baik, data yang semakin banyak, dan model yang semakin canggih, tidak ada persamaan statistik yang dapat menjamin tanggal dan waktu sebuah erupsi.

Namun, ketidakpastian dapat diukur, diperbarui, dan dimasukkan ke dalam pengambilan keputusan. SARIMA dapat membantu mengenali struktur temporal dalam data. SARIMAX dapat memperkaya model dengan informasi pemantauan tambahan. Model dispersi abu membantu menerjemahkan aktivitas vulkanik menjadi ancaman terhadap ruang udara. Sementara itu, ilmu aktuaria menghubungkan probabilitas tersebut dengan eksposur, kerugian, dan strategi pembiayaan risiko.

Karena itu, pertanyaan yang paling relevan bukan, “Bisakah kita menebak kapan Anak Krakatau akan meletus?”

“Seberapa baik kita dapat membaca data yang tersedia, mengukur ketidakpastian, dan menggunakan hasilnya untuk mengambil keputusan sebelum risiko berubah menjadi kerugian besar?”

Di situlah statistika dan Sains Aktuaria memperoleh perannya—bukan menjanjikan kepastian, melainkan membantu masyarakat mengambil keputusan yang lebih siap menghadapi ketidakpastian.

Penulis

Vani Faradiah Nurdini dan Nadiyah Basyasyah Faridiyanti merupakan mahasiswa Program Studi Sains Aktuaria, Universitas Negeri Surabaya.

Dr. Affiati Oktaviarina, S.Si., M.Sc. merupakan dosen Program Studi Sains Aktuaria, Universitas Negeri Surabaya.
Danang Ariyanto, S.Si., M.Si. merupakan dosen Program Studi Sains Aktuaria, Universitas Negeri Surabaya.

Referensi Ilmiah

Alharbi, F. R., & Csala, D. (2022). A seasonal autoregressive integrated moving average with exogenous factors (SARIMAX) forecasting model-based time series approach. Inventions, 7(4), 94. https://doi.org/10.3390/inventions7040094

Guffanti, M. C., & Tupper, A. C. (2015). Volcanic ash hazards and aviation risk. In Volcanic Hazards, Risks and Disasters (pp. 87–108). Elsevier. https://doi.org/10.1016/B978-0-12-396453-3.00004-6

Hyndman, R. J., & Khandakar, Y. (2008). Automatic time series forecasting: The forecast package for R. Journal of Statistical Software, 27(3), 1–22. https://doi.org/10.18637/jss.v027.i03

Kilburn, C. R. J. (2018). Forecasting volcanic eruptions: Beyond the failure forecast method. Frontiers in Earth Science, 6, 133. https://doi.org/10.3389/feart.2018.00133

Mastin, L. G., Pavolonis, M. J., Engwell, S., Clarkson, R., Witham, C., Brock, G., Lisk, I., Guffanti, M. C., Tupper, A. C., Schneider, D. J., Beckett, F., Casadevall, T. J., & Rennie, G. (2022). Progress in protecting air travel from volcanic ash clouds. Bulletin of Volcanology, 84, 9. https://doi.org/10.1007/s00445-021-01511-x

Meredew, K., Watt, S. F. L., Cassidy, M., Shomim, A. F., Nurshal, M. E., Abdurrachman, M., et al. (2026). Forecasting future instability hazards at Anak Krakatau volcano, Indonesia, using archival reconstructions of edifice evolution. Bulletin of Volcanology, 88, 57. https://doi.org/10.1007/s00445-026-01974-w

Oramas-Dorta, D., Tirabassi, G., Franco, G., & Magill, C. (2021). Design of parametric risk transfer solutions for volcanic eruptions: An application to Japanese volcanoes. Natural Hazards and Earth System Sciences, 21, 99–113. https://doi.org/10.5194/nhess-21-99-2021

Perttu, A., Caudron, C., Assink, J. D., Metz, D., Tailpied, D., Perttu, B., et al. (2020). Reconstruction of the 2018 tsunamigenic flank collapse and eruptive activity at Anak Krakatau based on eyewitness reports, seismo-acoustic and satellite observations. Earth and Planetary Science Letters, 541, 116268. https://doi.org/10.1016/j.epsl.2020.116268

Steinmann, C. B., Guillod, B. P., Fairless, C., et al. (2023). A generalized framework for designing open-source natural hazard parametric insurance. Environment Systems and Decisions, 43, 555–568. https://doi.org/10.1007/s10669-023-09934-x

Sumber Data Resmi

Badan Geologi, Kementerian Energi dan Sumber Daya Mineral Republik Indonesia. (2026, 5 September). Fenomena Erupsi Menerus Gunungapi Anak Krakatau Tanggal 5 September 2026. https://geologi.esdm.go.id/media-center/fenomena-erupsi-menerus-gunungapi-anak-krakatau-tanggal-5-september-2026

Kementerian Perhubungan Republik Indonesia. (2026, 6 September). Menhub Dudy: Hasil Monitoring, Penutupan Sementara Delapan Bandara Diperpanjang Hingga 24.00 WIB. https://dephub.go.id/portal-kemenhub/index.php/post/read/menhub-dudy--hasil-monitoring%2C-penutupan-sementara-delapan-bandara-diperpanjang-hingga-24.00-wib