Saat ini sebagian besar sistem peringatan tsunami di dunia termasuk Indonesia
hanya memberikan informasi prakiraan ketinggian tsunami, waktu tiba di sepanjang
pantai dan tingkat ancaman tsunami. Informasi ini tidak cukup bagi masyarakat
pesisir dan instansi tanggap darurat dalam upaya penyelamatan evakuasi karena
tidak diketahuinya kawasan yang terlanda tsunami. Untuk itu kajian pengembangan
model prakiraan rendaman tsunami dalam sistem peringatan tsunami terus
dilakukan dengan berbagai metode. Pendekatan pengembangan Metode Near-Field
Tsunami Inundation Forecasting (NearTIF) telah dilakukan dengan penggabungan
metode NearTIF original dengan metode inversi tsunami menggunakan data Ocean
Bottom Pressure Gauge (OBPG) untuk mendapatkan sumber tsunami yang lebih
akurat dan prakiraan rendaman tsunami yang cepat. Gempabumi hipotetis Mw8.5
dengan pusat gempabumi di megathrust Jawa digunakan untuk mengevaluasi time
window optimum data OBPG dalam proses inversi dengan faktor penghalusan.
Data time window OBPG selama 15 menit dapat memperoleh distribusi slip sesar
yang cukup baik. Hal ini ditunjukkan dengan korelasi yang tinggi dan nilai Root
Mean Square Error (RMSE) rendah, yang berarti bias model prediksi rendah.
Selain itu, prediksi waveform tsunami berbasis fungsi Green digunakan untuk
mengganti bagian pemodelan kedepan (forward modelling) beresolusi rendah dari
NearTIF original. Pendekatan baru ini bertujuan untuk memperoleh prakiraan
rendaman dengan waktu komputasi yang singkat. Sejumlah 330 skenario tsunami
pra-komputasi dengan model numerik non-linear digunakan untuk membangun
basis data rendaman dan basis data waveform sintetis di 15 titik pengamatan virtual
gauge di depan Bandara YIA. Basis data waveform berfungsi untuk pemilihan
skenario terbaik dengan teknik matching dan shifting. Uji coba 5 gempabumi
hipotetis dengan variasi magnitudo Mw8.5 hingga Mw8.9 menunjukkan akurasi
yang baik dalam waktu proses kurang dari 2 menit setelah tsunami terekam di
OBPG, dengan nilai Aida (K) dalam rentang yang dapat diterima (0,6