OPTIMALISASI PARAMETER AMR UNTUK SIMULASI TSUNAMI MENGGUNAKAN SURROGATE-BASED SEQUENTIAL APPROXIMATION DALAM MENDUKUNG PERTAHANAN LAUT

Tsunami merupakan bencana alam yang dapat mengancam wilayah pesisir Indonesia, termasuk instalasi militer dan fasilitas sipilih. Salah satu penyebab tsunami adalah fenomena longsor laut, baik di permukaan maupun bawah laut. Kajikan dan simulasi tsunami telah banyak dilakukan untuk memahami karakteristiknya da memprediksi dampaknya, guna meminimalisir kerusakan yang ditimbulkan. Untuk itu, dibutuhkan simulasi yang akurat dan detail, salah satunya melalui pemodelan multi-fase berbasis Computational Fluid Dynamics (CFD). Pendekatan ini mampu menangkap fenomena fisis di sekitar longsoran secara rinci, namun memiliki tantangan berupa waktu komputasi tinggi akibat penggunaan mesh dalam jumlah besar. Penelitian ini mengusulkan optimasi parameter Adaptive Mesh Refinemet (AMR) menggunakan metode Surrogate Based Sequential Approximation (SAO), dengan tujuan mengurangi jumlah mesh untuk efisiensi komputasi tanpa mengorbankan akurasi. Hasilnya diharapkan bermanfaat untuk simulasi CFD berbassis AMR secara umum.