Peneliti FMIPA UI Kembangkan Deteksi Cepat Tsunami akibat Longsor Gunung Api

Depok, 31 Agustus 2026 — Peneliti Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia (FMIPA UI) mengembangkan metode yang mampu mengenali tsunami akibat longsor gunung api langsung dari rekaman sinyal seismik, dalam tenggat kurang dari tiga menit sejak kejadian. Metode ini dirancang untuk melengkapi sistem peringatan dini tsunami nasional yang selama ini bertumpu pada parameter gempabumi tektonik. Tenggat waktu deteksi cepat tiga menit tersebut mengacu pada ketentuan operasional deteksi cepat BMKG yang mensyaratkan Peringatan Dini Tsunami pertama diterbitkan dalam waktu kurang dari tiga menit sejak kejadian.

Penelitian tersebut dilakukan promovendus Program Studi Ilmu Fisika FMIPA UI, Januar Arifin, melalui disertasi berjudul Karakterisasi dan Deteksi Cepat Tsunami Non-Seismik Akibat Longsor Gunung Api untuk Penguatan Sistem Peringatan Dini: Studi Kasus Tsunami Gunung Anak Krakatau 22 Desember 2018.

Januar mempertahankan disertasinya dalam Promosi Doktor FMIPA UI di Aula Prof. G.A. Siwabessy FMIPA UI, Depok, Kamis (27/8/2026). Ia menyelesaikan studi doktoral selama 10 semester dengan indeks prestasi kumulatif (IPK) 3,98 dan meraih predikat sangat memuaskan.

Penelitian tersebut berangkat dari persoalan tsunami non-seismik yang berlangsung cepat, bersifat lokal, dan tidak selalu didahului parameter gempabumi yang jelas. Kondisi ini menjadi tantangan bagi sistem peringatan dini karena rantai deteksi tsunami pada umumnya dimulai dari identifikasi parameter gempabumi.

Kasus tsunami Selat Sunda pada 22 Desember 2018 menjadi salah satu pelajaran mahal. Gelombang yang dipicu longsoran tubuh Gunung Anak Krakatau itu menewaskan 437 orang dan berdampak pada lebih dari 300 kilometer garis pantai, tanpa didahului gempabumi signifikan yang dapat mengaktivasi sistem peringatan dini tsunami BMKG. Ttsunami Selat Sunda 2018 sebagai salah satu contoh tsunami non-seismik yang langka namun bersifat laten dan sangat berbahaya, sehingga mendorong pengembangan sistem peringatan dini untuk sumber tsunami di luar aktivitas gempabumi tektonik.

“Pengalaman tsunami Selat Sunda 2018 menunjukkan bahwa kita tidak bisa hanya mengandalkan parameter gempabumi untuk mendeteksi tsunami. Karena itu, penelitian ini mencoba mengenali ciri khas sinyal longsoran gunung api dan menghubungkannya dengan perubahan muka air laut sehingga kejadian tsunami non-seismik dapat dideteksi lebih cepat,” ujar Januar.

Dalam penelitiannya, Januar mengembangkan tiga pendekatan yang saling terhubung. Pertama, membedakan sinyal seismik akibat longsor dengan sinyal gempa tektonik menggunakan metode machine learning Random Forest dan fitur yang diperoleh melalui Frequency-Time Analysis (FTAN).

Kedua, penelitian mengkaji karakteristik gelombang pada mareogram tsunami, termasuk pengaruh resonansi perairan lokal terhadap penguatan gelombang. Ketiga, penelitian mengoptimalkan pemrosesan data tide gauge berfrekuensi tinggi untuk mendukung deteksi tsunami secara lebih cepat.

Hasil penelitian menunjukkan fitur FTAN mampu menghasilkan recall sebesar 0,941 untuk kelas longsor dan 0,995 untuk kelas gempabumi. Pada pengujian independen dengan batas waktu 180 detik atau 3 menit sejak kejadian mengikuti standard deteksi cepat BMKG, seluruh 12 rekaman sinyal (trace) berhasil diklasifikasikan sebagai sinyal longsor.

Sinyal longsor juga memiliki karakteristik yang berbeda dari gempabumi. Energinya tidak dilepaskan sebagai satu hentakan impulsif, melainkan berkembang perlahan mengikuti perubahan momentum material longsor yang bergerak, sehingga peneliti menemukan kekhasan pada rekamannya yaitu envelope dengan energi yang lebih terdistribusi, energi dominan yang lebih lambat, morfologi spindle-coda yang lebih kuat, serta apparent group velocity FTAN yang lebih rendah dibandingkan sinyal gempabumi tektonik.

Pada sisi gelombang laut, penelitian menunjukkan struktur harmonik tsunami akibat longsor dapat mengalami penguatan ketika salah satu komponennya sesuai dengan periode alami (eigen period) perairan pantai. Kondisi tersebut membuat wilayah pantai yang relatif tertutup berpotensi mengalami resonansi lebih kuat dan osilasi gelombang yang lebih persistent dibandingkan pantai terbuka. Dengan kata lain, bahaya tsunami tidak hanya ditentukan oleh tinggi gelombang yang datang, tetapi juga oleh bentuk perairan yang dilandanya.

Januar mengatakan hasil penelitian tersebut dapat menjadi masukan bagi pengembangan sistem peringatan dini yang lebih adaptif terhadap berbagai sumber pembangkit tsunami. Kemampuan mendeteksi kejadian dalam waktu yang lebih singkat dinilai penting karena tsunami lokal dapat mencapai wilayah pesisir dalam waktu relatif cepat.

“Harapannya, hasil penelitian ini dapat menjadi bagian dari penguatan sistem peringatan dini tsunami nasional, khususnya untuk tsunami yang dipicu longsoran gunung api. Semakin cepat sumber dan karakter tsunami dikenali, semakin besar pula peluang masyarakat di wilayah pesisir mendapatkan waktu untuk melakukan evakuasi,” kata Januar.

Penelitian tersebut juga membandingkan karakteristik tsunami akibat longsor vulkanik dengan meteotsunami Hunga Tonga-Hunga Ha’apai pada 2022 yang juga merupakan salah satu jenis vulkanotsunami. Hasilnya menunjukkan tsunami longsor memiliki deret harmonik dengan kandungan energi hingga sekitar tiga menit, sedangkan meteotsunami menunjukkan puncak tunggal yang tajam pada sekitar 40 menit.

Dari sisi instrumentasi, penelitian merekomendasikan laju pencuplikan data 3–5 detik, dibandingkan interval 60 detik, untuk mendukung deteksi tsunami non-seismik secara lebih cepat. Pemrosesan tersebut dilengkapi filter moving-average adaptif yang dikalibrasi berdasarkan karakteristik derau (noise) pantai setempat.

Pendekatan tersebut relevan dengan kebutuhan penguatan sistem peringatan dini tsunami di Indonesia. BMKG mengembangkan Indonesia Tsunami Non-Tectonic (InaTNT), antara lain dengan mengintegrasikan data pengamatan muka air laut dan menyediakan fasilitas deteksi otomatis anomali muka air yang mengindikasikan tsunami.

Dalam konteks itu, penelitian Januar menawarkan pendekatan baru berbasis deteksi menggunakan multi-instrument, yang menggabungkan analisis sinyal seismik, karakteristik gelombang laut, dan pengolahan data tide gauge. Hasilnya dapat menjadi salah satu dasar ilmiah untuk meningkatkan kemampuan identifikasi tsunami yang sumbernya tidak berasal dari gempabumi tektonik.

Indonesia menghadapi ancaman tsunami dari berbagai sumber. Selain aktivitas tektonik, tsunami dapat dipicu longsoran, aktivitas gunung api, maupun fenomena non-seismik lainnya. BMKG menyebut pengalaman tsunami Palu dan Selat Sunda pada 2018 menjadi pengingat bahwa sistem peringatan dini perlu mampu menghadapi tsunami dengan sumber yang beragam.

Ketua sidang promosi doktor Januar Arifin adalah Prof. Anom Bowolaksono, Ph.D., Wakil Dekan Bidang Pendidikan, Penelitian dan Kemahasiswaan FMIPA UI. Penelitian tersebut dipromotori Prof. Drs. M. Syamsu Rosid, M.T., Ph.D. dari Departemen Fisika FMIPA UI, dengan ko-promotor Dr. Karyono, S.Kom., M.Kom. dari Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Badan Meteorologi, Klimatologi, dan Geofisika.

Penelitian ini diharapkan dapat melengkapi sistem peringatan dini yang selama ini lebih berorientasi pada tsunami akibat gempabumi tektonik. Dengan deteksi yang lebih cepat dan pendekatan yang mempertimbangkan karakteristik sumber tsunami, informasi peringatan diharapkan dapat tersedia lebih awal sehingga masyarakat di wilayah pesisir memiliki waktu lebih baik untuk melakukan evakuasi.