2 PERENCANAAN KINERJA
3.1 ANALISIS CAPAIAN KINERJA TAHUN 2019
3.1.1 INDIKATOR KINERJA UTAMA 1: JUMLAH MODEL PEMANFAATAN IPTEK DI
3.1.1.1 MODEL PERINGATAN DINI BENCANA SADEWA
Model peringatan dini bencana hidrometeorologi menjadi target utama Kelompok Penelitian Potensi Bencana Hidrometeorologi. Di poklit Potensi Bencana Hidrometeorologi terdapat tiga (3) sub-kegiatan penelitian untuk mendukung tercapainya sasaran Poklit. Sesuai dengan Surat Keputusan Kepala PSTA nomor 337 Tahun 2019/PSTA, nama sub-kegiatan dan susunan pelaksana tersebut dalah sebagai berikut:
DISIAPKAN OLEH DIPERIKSA OLEH PERIKSA OLEH DISETUJUI OLEH
NSI DSI EHN HAL
Tabel 10 Litbang Potensi Bencana Hidrometeorologis
JUDUL PENELITIAN PELAKSANA
(SK Ka-PSTA nomor 337 Tahun 2019/PSTA)
Mekanisme Curah Hujan Ekstrem di Indonesia untuk
Mendukung Peningkatan Akurasi DSS Sadewa
1. Prof. Dr. Ir. Eddy Hermawan, M.Sc. (PI) 2. Dr. Teguh Harjana, M.Sc.
3. Drs. Arief Suryantoro, M.Si. Dr. 4. Trismidianto, M.Si.
5. Anis Purwaningsih, S.Si. 6. Elfira Saufina, S.Si Verifikasi Ketebalan Awan
Berdasarkan WRF dan MASK untuk mendukung SADEWA
1. Dr. Ir. Ina Juaeni, M.Si. (PI) 2. Dr. Teguh Harjana, M.Sc. 3. Ibnu Fathrio, S.Si., M.Si. 4. Risyanto, M.Sc.
5. Anis Purwaningsih, S.Si. 6. Elfira Saufina, S.Si. Pengembangan DSS Potensi
Bencana Hidrometeorologis (Tahap III)
1. Farid Lasmono, ST (PI) 2. Dr. Teguh Harjana,M.Sc. 3. Dr. Ibnu Fathrio, M.Si. 4. Risyanto, M.Sc.
Hasil yang diperoleh :
• Hasil litbang Mekanisme Curah Hujan Ekstrem di Indonesia untuk Mendukung Peningkatan Akurasi DSS SADEWA, antara lain adalah diketahuinya hal-hal sebagai berikut:
Hasil studi menunjukkan bahwa terjadinya curah hujan ekstrem, khususnya di kawasan barat Indonesia umumnya terjadi akibat bersatunya kejadian/fenomena Monsun Asia, MJO dan IOD yang menuju fase negatif/normal. Kawasan yang dilanda umumnya yang bertipe curah hujan Monsunal, dimulai dari kawasan Sumatera Utara, Sumatera Barat, Sumatera Selatan, Jambi, Bengkulu, Sumatera Selatan, Kalimantan Selatan, Sulawesi Selatan, Jabar, Jateng, Jatim, Bali, NTB, dan NTT. Dimulai dari bulan November hingga April (dikenal sebagai Musim Hujan (MH)). Indikasi jelas yang diperoleh sebelum terjadinya curah hujan ekstrem adalah adanya variasi harian (Diurnal Cycle) yang jelas.
Namun demikian, didapatkan adanya kasus curah hujan ekstrem yang terjadi saat Musim Kemarau (MK), seperti kasus banjir bandang yang terjadi bulan Juni 2019 di Konawe (Sulawesi Tenggara). Hasil analisis menunjukkan bahwa hal ini diakibatkan hadirnya Monsun Australia. Untuk kasus ini, tidak diperoleh adanya variasi harian yang jelas. Hasil analisis lebih lanjut menunjukkan jika MJO berperan aktif tidak hanya disaat MH, namun disaat MK pun MJO menunjukkan aktifitasnya, hanya saja efeknya tidak terlalu signifikan, dibandingkan dengan kekuatan Monsun Asia dan Australia.
DISIAPKAN OLEH DIPERIKSA OLEH PERIKSA OLEH DISETUJUI OLEH
NSI DSI EHN HAL
Gambar 43 (Dari kiri ke kanan) Deret waktu IOD dan Indek Nino3.4,
penampilan indek MJO (rmm1, rmm2) pada situs Sadewa LAPAN.
• Hasil litbang terkait Verifikasi Ketebalan Awan Berdasarkan WRF dan MASK untuk Mendukung SADEWA, antara lain adalah diketahuinya hal-hal sebagai berikut: a. Hasil simulasi MASK (Model Atmosfer Satu Kolom) yang melibatkan suku drag force
menunjukkan kesesuaian yang lebih tinggi dibandingkan hasil simulasi tanpa drag force. Kesesuaian yang relatif lebih tinggi juga ditunjukkan jika kelebihan temperatur (ΔT) sama dengan 2,0 K.
b. Model MASK mampu mensimulasikan ketinggian dasar awan di bawah 4 km.
c. Penambahan waktu simulasi dan perubahan diameter/tinggi kolom tidak berpengaruh pada tinggi dasar awan
d. Hasil simulasi parameter vertikal atmosfer WRF menunjukkan bahwa profil temperatur WRF lebih kecil dibanding temperatur observasi (Radiosonde), kelembapan WRF lebih besar dibanding kelembapan observasi (Radiosonde), sehingga nilai LCL WRF lebih kecil dari LCL observasi (Radiosonde) tetapi lebih tinggi dari dasar awan Ceilometer
e. Dari 6 skema PBL kesemuanya kesulitan untuk mensimulasikan variasi diurnal dari LCL terutama di pagi hari (LCL lebih tinggi) dan di siang hari (LCL lebih rendah).
f. Skema ACM2 unggul dalam merepresentasikan tinggi LCL di siang hari dengan bias yang lebih kecil dari bias skema lainnya.
DISIAPKAN OLEH DIPERIKSA OLEH PERIKSA OLEH DISETUJUI OLEH
NSI DSI EHN HAL
Gambar 44 Hasil simulasi MASK berturut-turut untuk waktu simulasi 3500 detik, 7000 detik
dan 10000 detik (kiri atas, kiri bawah dan kanan bawah)
dengan data Radiosonde pukul 10:55 WIB dan data Ceilometer (kanan atas), tanggal 1 September 2016
• Pengembangan DSS Potensi Bencana Hidrometeorologis (Tahap III)
Tujuan utama sub-kegiatan ini adalah dihasilkannya model peringatan dini potensi bencana hidrometeorologi yang disebut SADEWA. SADEWA (Satellite based Disaster Early Warning
System) atau Sistem Peringatan Dini Bencana Berbasis Satelit merupakan salah satu produk
litbang PSTA dalam bentuk Sistem Pendukung Keputusan (DSS) untuk mendukung pengelolaan resiko bencana hidrometeorologis. Sadewa merupakan aplikasi berbasis web yang terdiri dari sistem pemantauan atmosfer berbasis satelit Himawari-8, sistem prediksi atmosfer berbasis model WRF, dan sistem peringatan dini hujan ekstrim. Sadewa berfungsi untuk memantau kondisi atmosfer secara real time, memprediksi kemungkinan terjadinya hujan ekstrim, dan memberikan informasi peringatan dini kepada pihak-pihak yang terkait dalam penanggulangan bencana. Sadewa meliputi seluruh wilayah Indonesia dengan resolusi spasial 5 km, resolusi waktu 1 jam, dengan jangkauan prediksi semula 48 jam meningkat menjadi 3 x 24 jam ke depan. Informasi Sadewa diupdate secara otomatis setiap jam (untuk pengamatan satelit) dan setiap 6 jam (untuk prediksi) dan dapat dilihat di alamat website http://sadewa.sains.lapan.go.id.
DISIAPKAN OLEH DIPERIKSA OLEH PERIKSA OLEH DISETUJUI OLEH
NSI DSI EHN HAL
Tabel 11 Perkembangan DSS SADEWA 2015 • Desain kebutuhan dan penyiapan alat dan model Atmosfer SADEWA
2016
• Implementasi Sadewa
• Penyediaan receiver Himawari-8 di kantor PSTA • Integrasi data Himawari-8 dan model WRF
2017
• Implementasi Sadewa
• Integrasi data Himawari-8 dan model WRF telah dapat dilakukan secara otomatis, stabil dan berkelanjutan dengan ketersediaan data mencapai 90%.
• Integrasi peringatan dini hujan ekstrim
• Integrasi data dari AWS untuk kebutuhan uji validasi.
• Peningkatan jangkauan waktu prediksi dari 24 jam menjadi 48 jam ke depan.
• Pengembangan Aplikasi web untuk dapat menampilkan navigasi waktu multi data sehingga dapat melihat data-data yang sudah lewat serta animasinya
2018
• Implementasi Sadewa
• Skema verifikasi prediksi WRF dengan pengamatan insitu (AWS)
• Penamaan parameter pengamatan satelit yang lebih informatif, serta penambahan keterangan. masing- masing parameter pengamatan dan prediksi
• Adanya informasi pengamatan turunan satelit Himawari-8 yaitu “Awan Tumbuh” dan “Pusat Wilayah Konveksi”, informasi hujan dari sistem DSS (Sistem Pengamatan Hujan) Santanu, dan informasi indeks Monsun. Pilihan menu login untuk informasi terbatas berdasarkan hasil kerjasama dengan PSTA
2019
• Implementasi Sadewa
• Integrasi informasi indeks global atmosfer • Peningkatan panjang prediksi cuaca
• Variasi asimilasi data Penurunan informasi awan tumbuh dan pusat wilayah konveksi dari satelit Himawari-8
DISIAPKAN OLEH DIPERIKSA OLEH PERIKSA OLEH DISETUJUI OLEH
NSI DSI EHN HAL
Sampai dengan akhir tahun 2019 ini, SADEWA telah memiliki beberapa perkembangan/fitur, antara lain:
1. Integrasi data Himawari-8 dan model WRF dilakukan secara otomatis, stabil dan berkelanjutan dengan ketersediaan data mencapai 90%.
2. Peringatan dini hujan ekstrem yang terintegrasi ke dalam aplikasi SADEWA.
3. Data AWS yang terintegrasi ke dalam aplikasi SADEWA untuk kebutuhan uji validasi. 4. Jangkauan waktu prediksi WRF SADEWA adalah 3x24 jam ke depan.
5. Fitur melihat data sebelumnya sehingga dapat melihat data-data yang sudah lewat serta animasinya
6. Skema verifikasi prediksi WRF dengan pengamatan insitu (AWS)
7. Penamaan parameter pengamatan satelit yang lebih informatif, serta penambahan keterangan-keterangan masing-masing parameter pengamatan dan prediksi
8. Adanya informasi pengamatan turunan satelit Himawari-8 yaitu “Awan Tumbuh” dan “Pusat Wilayah Konveksi”, informasi hujan dari sistem DSS (Sistem Pengamatan Hujan) Santanu, dan informasi indeks Monsun.
9. Pilihan menu login untuk informasi terbatas berdasarkan hasil kerjasama dengan PSTA. 10. Integrasi indeks global atmosfer antara lain: Monsoon, IOD, MJO, SOI, ONI.