Alur pipeline peringatan dini terintegrasi, memayungi agregasi deteksi sinyal dinamis (early_warning_signals) dan analisis prediktif berbasis AI (early_warning_analysis).

Pipeline Data: `early_warning` (Early Warning & Alert Center)

Pipeline early_warning bertindak sebagai radar risiko strategis nasional otomatis yang memindai seluruh artikel berita hasil scraping media (nasional & lokal). Pipeline ini mengalirkan dan memproduksi dua indeks Elasticsearch utama yang saling melengkapi:

early_warning_signals (Indeks Agregasi Statistik): Dihasilkan oleh nexa-aggregation melalui deteksi lonjakan anomali isu (Emergent Dynamic Warning), korelasi lintas domain (Kemenko), dan formula skor kepercayaan matematis.
early_warning_analysis (Indeks Inferensi AI): Dihasilkan oleh decision-worker melalui gateway AIOS untuk menyintesis situasi krisis, memproyeksikan ancaman 1–7 hari ke depan, dan merumuskan 3 rekomendasi taktis mitigasi bagi pimpinan.

Data dari pipeline ini melayani modul antarmuka /dashboard/early-warning (GET /api/ew/signals dan GET /api/ew/analysis).

1. Arsitektur Alur Pipeline Dinamis End-to-End

Alur Pipeline Early Warning & Alert Center

Deteksi dinamis lonjakan anomali, korelasi makro Kemenko, mitigasi AI, dan eskalasi sinyal dini

01. Continuous Scraping & Harvesting [b1-scraper • b3-phone-farm]

Pemanenan media siber 24/7 dan percakapan media sosial (X, FB, IG, TikTok) ke MinIO S3 & Kafka.

02. Deep NLP & Kemenko Taxonomy Categorization [nexa-d1 • d2-pf-ai-worker]

Ekstraksi sentimen negatif, klasifikasi 8 tema makro Kemenko, resolusi wilayah polres/polda, dan indexing ke ES articles.

03. Emergent Signals Aggregation Engine [nexa-aggregation: 02:00 WIB]

Deteksi lonjakan anomali dinamis, filter ambang batas (sources ≥ 3, neg ≥ 25%, risk ≥ 45), korelasi lintas domain, dan indexing early_warning_signals.

04. Dedicated AI Decision Processor [decision-worker • AIOS 03:00 WIB]

Inferensi kognitif AIOS menghasilkan telaah situasi komprehensif, proyeksi risiko 1-7 hari, dan 5 rekomendasi taktis ke early_warning_analysis.

05. Executive Alert Presentation & Operational Dispatch [/dashboard/early-warning]

Penyajian sinyal dini radar risiko, kartu eskalasi, panel analisis AI, dan distribusi disposisi tugas penanganan.

[b1-scrapper-site-process] (Scraping media kontinu 24/7)
           │
           ▼
[nexa-d1 / d2-pf-ai-worker] (AI Enrichment: Sentimen, Kategori Kemenko, Resolusi Wilayah, Taksonomi)
           │
           ▼
[Elasticsearch: articles] (Indeks artikel mentah terkayakan)
           │
           ▼ (Jadwal Batch Harian 02:00 WIB / Rolling Window)
[nexa-aggregation: early_warning_aggregation.py]
  • Group By Dinamis: Kluster Taksonomi (taxonomy.lineages / leaf)
  • Filter Ambang Batas Ancaman:
      - Media independen terverifikasi (unique_sources >= 3)
      - Rasio sentimen negatif signifikan (neg_ratio >= 25% atau neg_count >= 5)
      - Rata-rata Risk Score tinggi (avg_risk >= 45)
  • Kalkulasi Volume, Pertumbuhan Tren (+X%), dan Rasio Negatif
  • Matriks Korelasi Lintas 8 Kategori Makro Kemenko (cross_domains >= 2)
  • Formula Skor Kepercayaan Deteksi (Confidence Score 0-100%)
  • Ekstraksi 4 Tonggak Kronologi & ID Artikel Bukti Berita
           │
           ▼
[Elasticsearch: early_warning_signals] (Dokumen sinyal teragregasi: ew_{theme_slug}_{YYYY-MM-DD})
           │
           ▼ (Jadwal AI 03:00 WIB)
[decision-worker: ew_processor.py]
  • Ekstraksi metrik ringkas & headlines berita teratas
  • Forward request ke AIOS / AI-Middleware (POST /api/workflows/{workflow_id}/process)
  • Menerima output terstruktur AI: Situasi, Proyeksi Prediksi (1-7 hari), Rekomendasi Langkah Taktis
           │
           ▼
[Elasticsearch: early_warning_analysis] (ew_analysis_{theme_slug}_{YYYY-MM-DD})
           │
           ▼
[f1-api-backend / EW Routes] ──► [Frontend: /dashboard/early-warning]

2. Deteksi Isu Peringatan Dini Dinamis (Emergent Dynamic Warning)

Ancaman strategis nasional berkembang secara dinamis. Sistem mendeteksi isu yang sedang mengalami eskalasi tanpa dibatasi tema kaku.

A. Contoh Klaster Peringatan Aktif yang Terdeteksi

Berdasarkan agregasi dinamis terhadap data terkini, tema-tema yang lolos ambang batas ancaman dapat mencakup (namun tidak terbatas pada):

ID Tema	Contoh Tema Terdeteksi	Indikator Utama Pemicu	Kategori Makro Dominan
`korupsi`	Korupsi & Penegakan Hukum	Operasi tangkap tangan (OTT), penyidikan tipikor KPK/Kejaksaan, penyalahgunaan anggaran.	Polhukam, Ekonomi, Sosial
`keamanan`	Keamanan & Kamtibmas	Gangguan jalur logistik vital, kerusuhan antrean BBM/sembako, konflik komunal.	Polhukam, Sosial, Ekonomi
`siber`	Ancaman Siber & Pelindungan Data	Insiden kebocoran data (data breach), serangan ransomware sistem publik/BUMN.	Teknologi, Digital & Siber, Polhukam
`bencana`	Bencana Geologi & Vulkanik	Aktivitas erupsi gunung api, gempa bumi beruntun, banjir bandang, peringatan BMKG/PVMBG.	Lingkungan & Bencana, Infrastruktur, PMK
`pangan`	Krisis Pangan & Volatilitas Harga	Lonjakan tajam harga beras/minyak/cabai di atas HET, kelangkaan pasokan distributor.	Pangan, Pertanian & Kelautan, Ekonomi
`politik`	Integritas & Kerawanan Pemilu	Polarisasi kampanye hitam, gesekan antarpendukung, pelanggaran netralitas aparatur.	Polhukam, Sosial
`moneter`	Stabilitas Nilai Tukar & Likuiditas	Volatilitas kurs Rupiah, tekanan suku bunga perbankan, dampak inflasi impor.	Ekonomi, Keuangan

B. Kriteria Ambang Batas Deteksi (Trigger Thresholds)

Sebuah topik/isu secara otomatis dipromosikan menjadi Active Early Warning Signal jika memenuhi:

Kredibilitas Sumber (unique_sources >= 3): Diliput oleh beberapa portal media independen berbeda untuk menyaring desas-desus atau berita tidak terverifikasi.
Proporsi Masalah (negative_ratio >= 0.25 atau negative_count >= 5): Artikel didominasi sentimen negatif yang mencerminkan friksi atau keresahan publik.
Tingkat Risiko (avg_risk >= 45): Rata-rata bobot risiko artikel terkategori sedang hingga kritis.
Kecepatan / Lonjakan Volume (growth_pct > 0%): Terjadi akselerasi publikasi dibanding hari-hari sebelumnya.

C. Siklus Hidup Peringatan (Eskalasi & De-eskalasi Otomatis)

Eskalasi: Jika volume artikel negatif bertambah dan merembet ke kategori makro lain, status otomatis naik ke Tinggi atau Kritis.
De-eskalasi: Ketika intervensi otoritas berhasil, volume pemberitaan turun, dan sentimen berbalik netral/positif, sinyal otomatis turun status dan hilang dari daftar aktif dashboard.

3. Metodologi Agregasi & Formula Metrik

A. Penentuan Tingkat Peringatan (Severity Tier)

Status ancaman ditentukan berdasarkan intensitas eskalasi berita dan cakupan sumber:

Kritis (kritis): Volume pemberitaan tinggi (> 100 artikel), didukung >= 15 sumber media independen, sentimen negatif dominan, dan/atau meluas lintas >= 3 domain kategori.
Tinggi (tinggi): Sinyal sedang berkembang (40-100 artikel), didukung >= 8 sumber independen, atau terdeteksi meluas lintas 2 domain.
Sedang (sedang): Sinyal awal terdeteksi (15-40 artikel) yang masih terkonsentrasi pada 1 domain tunggal.

B. Sinyal Korelasi (Lintas >= 2 Domain)

Satu isu diklasifikasikan sebagai Lintas N Domain apabila distribusinya muncul secara signifikan di N kategori makro yang berbeda (dari 8 Kategori Media Monitoring selaras Kemenko):

cross_domains = Jumlah kategori makro dengan share volume artikel >= 5%
is_korelasi   = cross_domains >= 2

Prinsip Intelijen: Isu satu domain umumnya dapat diselesaikan oleh satu kementerian teknis. Isu lintas domain mengindikasikan dampak saling menguatkan antar-sektor (misal: erupsi vulkanik → rantai pasok pangan putus → lonjakan bantuan sosial) yang berisiko tinggi memicu krisis multi-dimensi.

C. Skor Kepercayaan Deteksi (Confidence Score)

Skor kepercayaan (0-100%) dihitung murni secara matematis dari volume data nyata:

Confidence = Min(98, (Min(S, 25) / 25 * 50) + (Min(V, 200) / 200 * 35) + (Neg / V * 15))

S = Jumlah sumber media unik independen (maksimal bobot pada 25 media).
V = Total artikel terverifikasi dalam rentang evaluasi.
Neg = Jumlah artikel bersentimen negatif.

4. Spesifikasi Payload Aggregation Worker (`nexa-aggregation`)

Worker agregasi mengeksekusi query agregasi dinamis server-side langsung ke Elasticsearch articles dan mengompilasi hasilnya ke early_warning_signals.

A. Request Query Agregasi Dinamis ke Elasticsearch `articles`

Berikut adalah query agregasi dinamis yang mengelompokkan artikel berdasarkan taksonomi aktif:

POST /articles/_search
{
  "size": 0,
  "query": {
    "bool": {
      "filter": [
        {
          "range": {
            "published_at": {
              "gte": "now-7d/d",
              "lte": "now/d"
            }
          }
        }
      ]
    }
  },
  "aggs": {
    "active_issues": {
      "terms": {
        "field": "taxonomy.lineages.keyword",
        "size": 50
      },
      "aggs": {
        "unique_sources": {
          "cardinality": {
            "field": "source.domain.keyword"
          }
        },
        "dominant_locations": {
          "terms": {
            "field": "entities.locations.keyword",
            "size": 5
          }
        },
        "macro_categories": {
          "terms": {
            "field": "kategori_makro.keyword",
            "size": 10
          }
        },
        "avg_risk": {
          "avg": {
            "field": "risk.score"
          }
        },
        "negative_sentiment": {
          "filter": {
            "terms": {
              "sentiment.keyword": ["NEGATIF", "Negatif", "negative"]
            }
          }
        },
        "all_article_ids": {
          "top_hits": {
            "_source": {
              "includes": ["_id"]
            },
            "size": 500
          }
        },
        "top_headlines_for_ai": {
          "top_hits": {
            "sort": [
              { "published_at": { "order": "desc" } }
            ],
            "_source": {
              "includes": ["title", "published_at", "source.name"]
            },
            "size": 10
          }
        }
      }
    }
  }
}

B. Response Hasil Agregasi Mentah dari Elasticsearch

Response instan (< 30ms) yang diterima oleh worker dari cluster Elasticsearch:

{
  "took": 24,
  "timed_out": false,
  "hits": {
    "total": {
      "value": 180,
      "relation": "eq"
    }
  },
  "aggregations": {
    "unique_sources": {
      "value": 23
    },
    "dominant_locations": {
      "buckets": [
        { "key": "Nusa Tenggara Timur", "doc_count": 78 },
        { "key": "Banten", "doc_count": 24 },
        { "key": "Sumatera Barat", "doc_count": 18 }
      ]
    },
    "macro_categories": {
      "buckets": [
        { "key": "Sosial", "doc_count": 65 },
        { "key": "Politik", "doc_count": 6 },
        { "key": "Ekonomi", "doc_count": 6 },
        { "key": "Geopolitik", "doc_count": 2 },
        { "key": "Budaya", "doc_count": 1 }
      ]
    },
    "avg_risk": {
      "value": 85.0
    },
    "negative_sentiment": {
      "doc_count": 20
    },
    "all_article_ids": {
      "hits": {
        "hits": [
          { "_id": "art-101" },
          { "_id": "art-102" },
          { "_id": "art-103" }
        ]
      }
    },
    "top_headlines_for_ai": {
      "hits": {
        "hits": [
          {
            "_source": {
              "title": "Gunung Berapi Ini Erupsi, Muntahkan Emas 80 Gram per Hari",
              "published_at": "2026-09-26T07:15:00.000Z"
            }
          },
          {
            "_source": {
              "title": "Waspada Banjir Rob Intai Pesisir NTB, BMKG Ingatkan Masyarakat Hal Ini",
              "published_at": "2026-09-26T06:30:00.000Z"
            }
          }
        ]
      }
    }
  }
}

C. Output Dokumen yang Di-index ke `early_warning_signals`

Setelah dihitung dengan formula Confidence dan Severity Tier, dokumen disimpan ke Elasticsearch dengan format ID ew_{theme_id}_{YYYY-MM-DD}:

[!TIP] Arsitektur Normalisasi & On-Demand Fetching: Dokumen sinyal tidak menyimpan objek artikel lengkap. Dokumen hanya menyimpan daftar seluruh ID artikel (article_ids) untuk sinkronisasi tabel paginasi, serta maksimal 10 judul berita terkini (ai_context_headlines) sebagai bahan rujukan inferensi AI yang hemat token.

{
  "id": "bencana",
  "date": "2026-09-26",
  "theme": "Bencana Geologi & Vulkanik",
  "tier": "kritis",
  "color": "#06b6d4",
  "score": 92.5,
  "confidence": 95,
  "region": "Nusa Tenggara Timur & 52 wilayah lain",
  "regions_count": 53,
  "last_at": "2026-09-26T08:30:00.000Z",
  "title": "Bencana Geologi & Vulkanik: 180 sinyal terpantau di Nusa Tenggara Timur & 52 wilayah lain",
  "metric": "180 berita · 23 sumber",
  "sub": "20 negatif · tren meningkat (+267%)",
  "cross_domains": 5,
  "domains": ["Ekonomi", "Budaya", "Politik", "Sosial", "Geopolitik"],
  "timeline": [
    "16 Jun 2026: sinyal pertama terdeteksi — \"Banjir besar (cuaca ekstrem) rendam permukiman\" (BPS)",
    "25 Sep 2026: puncak pemberitaan — 27 berita dalam satu hari",
    "Isu meluas lintas 5 kategori: Budaya, Ekonomi, Geo Politik, Politik, Sosial",
    "26 Sep 2026: perkembangan terbaru — \"Gunung Berapi Ini Erupsi, Muntahkan Emas 80 Gram per Hari\" (cnbcindonesia.com)"
  ],
  "impact": "Aktivitas kebencanaan yang terus diberitakan (180 berita, 23 sumber) menandakan ancaman berlangsung terhadap keselamatan warga, infrastruktur, dan aktivitas ekonomi di sekitar wilayah terdampak.",
  "recos": [
    { "p": "Tinggi", "t": "Pantau pemutakhiran status dari PVMBG/BMKG/BNPB dan siapkan jalur evakuasi" }
  ],
  "total": 180,
  "sources_n": 23,
  "neg": 20,
  "growth_pct": 267.0,
  "article_ids": [
    "art-101",
    "art-102",
    "art-103"
  ],
  "ai_context_headlines": [
    "Gunung Berapi Ini Erupsi, Muntahkan Emas 80 Gram per Hari",
    "Waspada Banjir Rob Intai Pesisir NTB, BMKG Ingatkan Masyarakat Hal Ini",
    "Gempa M 4,7 Guncang Sumur Banten, Getaran Terasa hingga Rangkasbitung",
    "Tubuh Anak Krakatau Kini Tumbuh Mencapai 341,5 Ha, Fase Rekonstruksi",
    "BMKG : Waspada Banjir Rob Pesisir NTB 26-30 September 2026, Dampak Harvest Moon",
    "Tim K9 Polda Sumbar Temukan Jenazah Diduga Korban Galodo",
    "Kemarin, imam besar dunia di Indonesia hingga penanganan banjir Solok"
  ]
}

D. Pengayaan Khusus Pangan (Hybrid Ground-Truth PIHPS PostgreSQL)

Khusus untuk tema Krisis Pangan & Volatilitas Harga, worker agregasi mengimplementasikan pendekatan hibrida (hybrid intelligence):

Sinyal Persepsi & Sentimen Media: Didapatkan dari Elasticsearch articles (volume berita keluhan, sentimen negatif masyarakat, dan sebaran wilayah).
Validasi Fakta Pasar Riil (Ground-Truth): Worker melakukan query ke database PostgreSQL tabel fact_indicator (indicator_type = 'food_price') yang di-join ke master_commodities dan master_regions.

Query relasional yang dieksekusi:

SELECT 
    c.commodity_name,
    f.unit,
    ROUND(AVG(f.value::numeric), 0)::int as avg_price,
    MIN(f.value::numeric)::int as min_price,
    MAX(f.value::numeric)::int as max_price,
    COUNT(*) as observations_n,
    MAX(f.payload->>'perubahan') as max_fluktuasi
FROM fact_indicator f
JOIN master_commodities c ON f.product_id = c.id
WHERE f.indicator_type = 'food_price'
GROUP BY c.commodity_name, f.unit
ORDER BY 
    CASE 
        WHEN MAX(f.payload->>'perubahan') IS NOT NULL AND MAX(f.payload->>'perubahan') != '0.00 %' THEN 0 
        ELSE 1 
    END ASC,
    avg_price DESC
LIMIT 6;

Hasil query disematkan ke dalam dokumen sinyal pangan di Elasticsearch pada field market_evidence:

{
  "id": "pangan",
  "theme": "Krisis Pangan & Volatilitas Harga",
  "tier": "kritis",
  "metric": "150 berita · 23 sumber",
  "market_evidence": {
    "source": "PIHPS (PostgreSQL fact_indicator)",
    "indicator_type": "food_price",
    "as_of_date": "2026-07-09",
    "monitored_regions_count": 23,
    "total_observations": 645,
    "volatile_commodities": [
      {
        "commodity": "Cabai Merah Keriting",
        "unit": "kg",
        "avg_price": 41556,
        "min_price": 30000,
        "max_price": 55000,
        "fluktuasi": "-9.09 %",
        "observations": 42
      },
      {
        "commodity": "Telur Ayam Ras",
        "unit": "kg",
        "avg_price": 25291,
        "min_price": 22400,
        "max_price": 29500,
        "fluktuasi": "+3.45 %",
        "observations": 46
      },
      {
        "commodity": "Beras Premium",
        "unit": "kg",
        "avg_price": 16074,
        "min_price": 14667,
        "max_price": 17025,
        "fluktuasi": "-3.69 %",
        "observations": 44
      }
    ]
  }
}

Dengan adanya market_evidence, inferensi AI di decision-worker tidak hanya membaca headline berita subjektif, tetapi dapat merangkum angka statistik fluktuasi harga pasar riil secara akurat.

5. Sinkronisasi Data Tabel Bukti Berita (On-Demand Fetching)

Untuk menampilkan daftar artikel pada tabel Bukti Berita (Evidence Table) di dashboard:

Frontend memanggil endpoint: GET /api/ew/signals/:theme/articles?page=1&limit=20
Backend mengambil irisan ID dari array article_ids sesuai halaman yang diminta (page & limit).
Backend melakukan multi-get / terms query langsung ke indeks Elasticsearch articles (atau PostgreSQL) berdasarkan kumpulan ID tersebut:
```
{
  "query": {
    "ids": {
      "values": ["art-101", "art-102", "art-103"]
    }
  }
}
```
Mengembalikan daftar detail artikel lengkap (id, title, url, published_at, kategori_makro, source, sentiment). Pendekatan ini menjaga performa tetap cepat (< 15ms) dan mendukung paginasi tanpa membebani browser.

6. Spesifikasi Pemrosesan AI & Output Indeks `early_warning_analysis` (Decision Worker & AIOS)

Setiap jadwal batch (misal pukul 03:00 WIB), decision-worker mengekstrak data metrik dan array ai_context_headlines (maksimal 10 judul) dari indeks early_warning_signals untuk memicu sintesis inteligensi buatan ke indeks target early_warning_analysis.

Arsitektur Zero Direct-to-LLM

Worker TIDAK PERNAH memanggil API LLM (seperti Google Gemini atau OpenAI) secara langsung dari kodenya. Seluruh pemrosesan inteligensi dialirkan secara aman melalui gateway AIOS / AI-Middleware (https://api.ai.dev.app-nexa.com) menggunakan Tenant API Key (Authorization: Bearer sk-nexa-...).

A. Request Payload ke AIOS / AI-Middleware (`POST /api/workflows/{workflow_id}/process`)

Payload terstruktur yang dikirimkan oleh decision-worker ke endpoint workflow AIOS:

POST https://api.ai.dev.app-nexa.com/api/workflows/1cc93519-2074-47d7-9ada-e0d718ba40be/process
Headers:
  Authorization: Bearer sk-nexa-DujCI7fWoG4eQgv7DwpeWcW0FLmg2-7Ck7wwbci-sf8
  Content-Type: application/json

{
  "inputs": {
    "theme": "Bencana Geologi & Vulkanik",
    "theme_id": "bencana",
    "severity_tier": "kritis",
    "total_articles": 181,
    "unique_sources": 24,
    "dominant_region": "Nusa Tenggara Timur & 52 wilayah lain",
    "cross_domains": ["Lingkungan", "Sosial", "Infrastruktur", "Ekonomi", "Keamanan"],
    "sample_headlines": [
      "Gunung Berapi Ini Erupsi, Muntahkan Emas 80 Gram per Hari",
      "Waspada Banjir Rob Intai Pesisir NTB, BMKG Ingatkan Masyarakat Hal Ini",
      "Gempa M 4,7 Guncang Sumur Banten, Getaran Terasa hingga Rangkasbitung",
      "Tubuh Anak Krakatau Kini Tumbuh Mencapai 341,5 Ha, Fase Rekonstruksi",
      "BMKG : Waspada Banjir Rob Pesisir NTB 26-30 September 2026, Dampak Harvest Moon",
      "Tim K9 Polda Sumbar Temukan Jenazah Diduga Korban Galodo",
      "Kemarin, imam besar dunia di Indonesia hingga penanganan banjir Solok"
    ]
  }
}

B. Response Payload dari AIOS / AI-Middleware & Output Indeks `early_warning_analysis`

Hasil inferensi terstruktur yang dikembalikan oleh AIOS dan disimpan oleh worker ke Elasticsearch indeks early_warning_analysis (PUT /early_warning_analysis/_doc/ew_analysis_{theme_slug}_{YYYY-MM-DD}):

{
  "theme": "bencana",
  "date": "2026-09-26",
  "ok": true,
  "ai": true,
  "model": "gemini-1.5-flash",
  "tokens_used": 284,
  "generated_at": "2026-09-26T03:00:15.120Z",
  "situasi": "Aktivitas bencana geologi dan vulkanik menonjol dengan sejumlah kejadian erupsi gunung api, gempa di Banten dan Aceh, serta banjir bandang di Solok yang menimbulkan korban jiwa dan pengungsian. Di sisi lain, peringatan banjir rob di pesisir NTB dan imbauan radius aman di sekitar aktivitas vulkanik menunjukkan kewaspadaan masih diperlukan, terutama di wilayah yang sering terdampak. NTT disebut dominan dalam tema, namun dari judul yang tersedia perhatian utama justru tersebar pada wilayah vulkanik dan pesisir lain.",
  "prediksi": "Dalam 1-7 hari ke depan, potensi respons darurat dan pemantauan intensif masih akan berlanjut pada lokasi-lokasi yang mengalami bencana, terutama pencarian korban, pemulihan warga terdampak, dan penguatan imbauan keselamatan. Dalam periode yang sama, peringatan aktivitas gempa dan vulkanik kemungkinan tetap muncul, disertai kewaspadaan terhadap banjir rob di pesisir NTB sesuai informasi BMKG.",
  "langkah": [
    "Perkuat pemantauan resmi BMKG, PVMBG, dan BNPB untuk memperbarui status gempa, erupsi, dan banjir rob secara berkala.",
    "Tingkatkan sosialisasi evakuasi, radius aman, dan larangan mendekat ke area berbahaya pada warga di sekitar gunung api, pesisir, dan wilayah rawan longsor/banjir bandang.",
    "Siagakan pemerintah daerah dan relawan untuk dukungan pengungsian, pencarian korban, serta pemulihan layanan dasar di lokasi terdampak."
  ]
}

Data ini disajikan secara publik ke dashboard melalui endpoint: GET /api/ew/analysis?theme={id}.

early_warning

Alur Pipeline Early Warning & Alert Center

On this page