Kalimantan Selatan merupakan salah satu Provinsi yang ada di Indonesia yang memiliki risiko tinggi terhadap bencana banjir. Kondisi fisik wilayah Kalimantan Selatan sebagian besar tergenang pada saat curah hujan tinggi. Secara geografis sebagian besar wilayah Kalimantan Selatan berada di bawah permukaan laut.

Provinsi Kalimantan Selatan pernah terdampak banjir dalam skala yang luas pada tanggal 14 Januari 2021 dimana terdapat 11 (sebelas) kota dan kabupaten di Provinsi Kalimantan Selatan yang terdampak. Kota dan kabupaten tersebut adalah Kota Banjarmasin, Kota Banjarbaru, Kab. Banjar, Kab. Barito Kuala, Kab. Tapin, Kab. Hulu Sungai Tengah, Kab. Hulu Sungai Selatan, Hulu Sungai Utara, Kab. Tanah Laut, Kab. Tabalong, dan Kab. Balangan. Bencana banjir tersebut menyebabkan ratusan ribu warga kehilangan tempat tinggal dan harta benda lainnya bahkan hingga kehilangan anggota keluarganya.

BNPB (Badan Nasional Penanggulangan Bencana) bersama BMKG (Badan Meteorologi Klimatologi dan Geofisika) telah melakukan kerjasama untuk memaksimalkan sistem peringatan dini yang merupakan ranah pelayanan dari BMKG guna dapat melindungi masyarakat dari berbagai risiko bencana banjir. Sistem peringatan dini yang dimaksud ialah IBFWS (Impact Based Forecast and Warning Services). IBFWS merupakan sebuah layanan informasi prakiraan cuaca berbasis dampak. IBFWS bekerja dengan memanfaatkan sistem informasi geografis (SIG) agar informasi-informasi yang disampaikan dapat lebih mudah dipahami oleh masyarakat umum sehingga pesan terkait potensi dampak yang dapat disebabkan oleh hujan lebat bisa tersampaikan dengan baik dan masyarakat dapat melakukan prosedur evakuasi, peningkatan kewaspadaan, langkah-langkah keselamatan, ataupun dalam melindungi infrastruktur dan aset dengan langkat-langkah yang tepat.

Demi untuk meningkatkan kesiapsiagaan terhadap bencana banjir di Kalimantan Selatan, perlu dilakukannya uji validasi terhadap informasi yang dikeluarkan oleh IBFWS dalam memprediksikan wilayah yang berpotensi terdampak banjir. Hal ini penting agar informasi peringatan dini yang berbasis dampak dapat menjadi acuan yang handal untuk mitigasi dan tanggap darurat di masa mendatang.

Penelitian ini dilakukan di wilayah Kalimantan Selatan dengan menggunakan data curah hujan akumulasi 24 jam dari tiap-tiap pos hujan yang ada di Kalimantan Selatan yang diolah dengan metode interpolasi untuk dapat merepresentasikan wilayah yang memiliki curah hujan ringan, sedang, lebat hingga sangat lebat pada saat kejadian banjir. Selanjutnya peta tersebut disandingkan dengan peta risiko banjir wilayah Kalimantan Selatan yang diolah dengan menggunakan metode raster untuk dapat merepresentasikan wilayah yang memiliki tingkat risiko banjir rendah, sedang, dan tinggi. Hal tersebut dilakukan untuk mendapatkan poligon untuk menentukan wilayah-wilayah mana saja yang berpotensi terdampak banjir. Hasil prediksi tersebut lalu divalidasi dengan data wilayah terdampak banjir sebenarnya yang diperoleh dari Badan Penanggulangan Bencana Daerah (BPBD) Prov. Kalimantan Selatan dengan menggunakan tabel kontingensi untuk mengetahui nilai akurasi IBFWS dalam memprediksikan wilayah yang berpotensi terdampak banjir di Kalimantan Selatan. adapun banyaknya kejadian yang dijadikan sampel data dalam penelitian ini yaitu sejumlah 6 kejadian, dimana masing-masing dua kejadian mewakili untuk setiap periode musim (hujan, peralihan, dan kemarau).

Hasil penelitian ini menunjukkan nilai akurasi IBFWS dalam memprediksi wilayah yang terdampak banjir di Kalimantan Selatan untuk setiap periode musimnya yaitu berkisar antara 0.85 – 1.00 yang artinya 85% - 100% dari hasil prediksi IBFWS adalah benar pada saat musim hujan, sebesar 0.77 yang artinya 77% dari hasil prediksi IBFWS adalah benar pada saat musim peralihan, dan berkisar antara 0.92 – 1.00 yang artinya 92% - 100% dari hasil prediksi IBFWS adalah benar pada saat musim kemarau.

Nilai akurasi prediksi IBFWS dengan data sebenarnya dari 3 periode musim, terlihat bahwa nilai akurasi pada saat periode musim peralihan meruakan nilai paling rendah diantara dua periode musim lainnya yaitu sebesar 77%. Salah satu faktor yang mempengaruhi menurunnya akurasi prakiraan cuaca pada musim peralihan diantaranya variabilitas iklim di Indonesia yang beragam, aktifnya fenomena-fenomena cuaca skala global, regional, maupun lokal secara bersamaan yang membuat sulitnya menentukan kondisi cuaca ke depan. Model ECMWF yang merupakan model prakiraan cuaca dengan nilai akurasi tertinggi juga memiliki nilai akurasi lebih rendah pada saat periode musim peralihan (BMKG, 2020) sehingga skill prakirawan sangat dibutuhkan dalam meningkatkan hasil prakiraan. Namun walaupun demikian, Hutabarat (2021) menyatakan informasi prakiraan dapat digunakan apabila memiliki nilai akurasi lebih dari 75%. Sehingga untuk nilai akurasi IBFWS pada saat periode musim peralihan masih masuk dalam kriteria akurasi yang baik.