Jakarta (ANTARA) - Badan Riset dan Inovasi Nasional (BRIN) mengembangkan sistem prediksi hujan ekstrem yang berasosiasi dengan banjir untuk wilayah DKI Jakarta.
"Terdapat tiga bagian yang mendukung pengembangan sistem prediksi hujan ekstrem, yaitu prediksi, observasi, dan penentuan indeks hujan ekstrem Jakarta," kata peneliti utama dari Pusat Riset Iklim dan Atmosfer BRIN, Asif Awaludin dalam keterangan di Jakarta, Sabtu.
BRIN menggunakan Satellite-based Disaster Early Warning System (Sadewa) yang menjadi bagian prediksi data yang menghasilkan data per jam berupa prediksi menentukan hujan lebat.
Baca juga: BRIN: Panen air saat musim penghujan sebagai bentuk adaptasi terhadap anomali iklim
Satelit itu memprediksi nilai curah hujan hingga tiga hari ke depan menggunakan keluaran hasil run prediksi WRF.
Pada bagian prediksi didukung pula oleh radar nowcasting dengan menggunakan Sistem Pemantauan Hujan atau Santanu. Sistem itu menampilkan lokasi yang tengah dilanda hujan melalui laman https://santanu.brin.go.id.
Santanu menganalisa pengaruh atenuasi sinyal oleh hujan. Hasil optimasi divalidasi menggunakan citra transportable radar.
Baca juga: BRIN: Koperasi punya kesempatan menghimpun modal publik melalui bursa
Lalu, bagian ketiga dari pengembangan sistem itu adalah penentuan indeks hujan ekstrem yang dilakukan secara sinergi dengan kelompok riset yang ada di Pusat Riset Iklim dan Atmosfer BRIN.
"Kami menggunakan data rain gauge yang didukung dari anggota tim kami di BMKG. Kemudian data global kami menggunakan data CENS, CS, MJO, IOD, dan ENSO," kata Asif.
Lebih lanjut dia menjelaskan bahwa indeks hujan ekstrem menghasilkan acuan nilai intensitas hujan harian yang dapat menimbulkan banjir pada setiap musim.
Baca juga: Peneliti BRIN ajak lokalisir sampah dari sungai dan laut yang menuju Hutan Mangrove
Apabila nilai acuan tersebut terlampaui oleh data hasil prediksi maka diperkirakan hujan berpotensi besar menimbulkan banjir.
"Masukan data hasil prediksi dari Sadewa dan nowcasting Santanu menjadi masukan bagi metode machine learning random forest untuk memprediksi kejadian banjir berdasarkan kriteria indeks hujan setiap musim," ujar Asif.
