BMKG Perkuat Kemandirian Pemodelan Maritim melalui Pelatihan InaCAWO Hindcast

–BMKG

RADARTVNEWS.COM – Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) memperkuat kemampuan sumber daya manusia dalam pengoperasian sistem pemodelan maritim melalui pelatihan Indonesia Coupled Atmosphere-Wave-Ocean Model (InaCAWO) Hindcast 2026. Kegiatan ini ditujukan untuk meningkatkan kemandirian teknis BMKG dalam menganalisis kondisi atmosfer dan laut, termasuk untuk mendukung keselamatan pelayaran serta mitigasi bencana hidrometeorologi.

Pelatihan bertajuk In House Training (IHT) Pemodelan Maritim InaCAWO Hindcast tersebut berlangsung pada 20-22 Oktober 2026 di Kantor Pusat BMKG, Jakarta. Kegiatan ini diselenggarakan oleh Pusat Pengembangan Sumber Daya Manusia Meteorologi, Klimatologi, dan Geofisika (PPSDM MKG) bersama tim proyek pengembangan sistem informasi meteorologi maritim Indonesia atau MMS-2 Paket 3.

Sekretaris Utama BMKG, Guswanto, mengatakan penguasaan pemodelan atmosfer dan laut secara terpadu penting bagi Indonesia sebagai negara maritim. Interaksi antara atmosfer dan lautan memengaruhi kondisi cuaca di wilayah perairan sehingga perlu dianalisis melalui sistem pemodelan yang terintegrasi.

Menurut Guswanto, salah satu kemampuan penting yang dikembangkan melalui InaCAWO Hindcast adalah merekonstruksi kondisi atmosfer dan laut pada masa lalu. Hasil simulasi tersebut dapat digunakan untuk menganalisis kejadian cuaca ekstrem, mengevaluasi kinerja model numerik, serta menelusuri kondisi cuaca dan gelombang ketika terjadi kecelakaan atau insiden pelayaran.

“Simulasi hindcast ini sangat penting untuk merekonstruksi kondisi cuaca dan laut di masa lalu. Jadi, bila sewaktu-waktu terjadi kecelakaan kapal atau insiden di laut, kita dapat melihat kembali dan menganalisis bagaimana kondisi atmosfer serta gelombang di perairan tersebut pada saat kejadian,” ujar Guswanto, Selasa (20/10/2026).

Ia menambahkan, pengembangan model numerik harus disertai evaluasi dan kalibrasi secara berkelanjutan. Pengujian, penyesuaian parameter, dan pembandingan hasil pemodelan dengan data observasi diperlukan untuk mengurangi kesalahan prediksi.

Sementara itu, Project Director MMS-2 Paket 3, Andri Ramdhani, menjelaskan bahwa pengembangan InaCAWO merupakan kelanjutan dari upaya BMKG membangun sistem pemodelan laut yang telah dirintis sejak 2004 melalui WindWaves dan BMKG Ocean Forecast System (BMKG-OFS).

Melalui proyek MMS-2, BMKG juga mengembangkan kemampuan pemodelan numerik dan sistem observasi. Pengembangan tersebut diarahkan untuk memperkuat pemahaman mengenai hubungan dinamika atmosfer dengan kondisi laut sehingga informasi cuaca maritim yang dihasilkan semakin andal.

Andri mengatakan pengembangan selanjutnya mencakup integrasi Numerical Weather Prediction (NWP) dengan teknologi kecerdasan buatan atau artificial intelligence (AI). Integrasi tersebut diharapkan membantu menghadapi ketidakpastian akibat perubahan iklim dan mendukung pengurangan risiko bencana hidrometeorologi.

Direktur Data dan Komputasi BMKG sekaligus Pejabat Pembuat Komitmen MMS-2 Paket 3, Bambang Setiyo Prayitno, menyampaikan bahwa pengembangan InaCAWO saat ini berfokus pada tiga aspek, yakni InaCAWO Hindcast, InaCAWO Ensemble dan Asimilasi Data, serta InaCAWO Limited Area Model (LAM).

Pada tahap sebelumnya, InaCAWO telah mampu menghasilkan prakiraan atmosfer, laut, dan gelombang dengan resolusi 3-10 kilometer untuk periode hingga 10 hari ke depan. Pengembangan berikutnya diarahkan untuk memperkuat analisis historis, meningkatkan keandalan prakiraan, dan mempertajam resolusi pemodelan.

Khusus InaCAWO Hindcast, BMKG merancang penyusunan data historis kondisi atmosfer dan laut selama 30 tahun ke belakang. Data tersebut diharapkan dapat mendukung analisis kejadian cuaca ekstrem serta pengembangan sistem peringatan dini banjir pesisir atau Coastal Flood Early Warning System.

Dalam prosesnya, pengembangan dilakukan melalui skema alih teknologi yang melibatkan tim teknis BMKG secara langsung. Pihak penyedia mengerjakan simulasi untuk periode 20 tahun, sedangkan tim BMKG menjalankan simulasi untuk periode 10 tahun dengan memanfaatkan infrastruktur High Performance Computing (HPC).

Keterlibatan langsung tersebut mencakup penyiapan data, konfigurasi, pengoperasian model, pengolahan dan validasi hasil, hingga integrasi data ke dalam platform Mandala dan sistem peringatan dini banjir pesisir.

Sumber:

bmkg