Skripsi

SKRIPSI
PERBANDINGAN KUALITAS ESTIMASI CURAH HUJAN SEBELUM

DAN SESUDAH IMPLEMENTASI QUALITY CONTROL DATA RADAR
DI WILAYAH PALEMBANG DAN SEKITARNYA
A COMPARISON OF RAINFALL ESTIMATION QUALITY BEFORE AND

AFTER THE IMPLEMENTATION OF RADAR DATA QUALITY
CONTROL IN PALEMBANG AND ITS SURROUNDING AREAS
AKHMAD HARIS KARSENA

11.15.0035
PROGRAM DIPLOMA IV METEOROLOGI

SEKOLAH TINGGI METEOROLOGI KLIMATOLOGI DAN GEOFISIKA
TANGERANG SELATAN
2019
SKRIPSI

A COMPARISON OF RAINFALL ESTIMATION QUALITY BEFORE AND

AFTER THE IMPLEMENTATION OF RADAR DATA QUALITY
CONTROL IN PALEMBANG AND ITS SURROUNDING AREAS
Diajukan untuk memenuhi salah satu syarat memperoleh derajat

Sarjana Terapan Meteorologi

11.15.0035
PROGRAM DIPLOMA IV METEOROLOGI

SEKOLAH TINGGI METEOROLOGI KLIMATOLOGI DAN GEOFISIKA
TANGERANG SELATAN
2019
i
HALAMAN PENGESAHAN
SKRIPSI

Telah dipersiapkan dan disusun oleh:

11.15.0035
Telah dipertahankan di depan Tim Penguji dan dinyatakan lulus

Pada tanggal 5 Agustus 2019
Susunan Tim Penguji
ii
PERNYATAAN ORISINALITAS
Saya, Akhmad Haris Karsena, NPT. 11.15.0035, menyatakan bahwa

skripsi dengan judul ”Perbandingan Kualitas Estimasi Curah Hujan Sebelum
dan Sesudah Implementasi Quality Control Data Radar di Wilayah
Palembang dan Sekitarnya” merupakan karya asli. Seluruh ide yang ada dalam
skripsi ini merupakan hasil penelitian yang Saya susun sendiri dan sepanjang
pengetahuan Saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau
diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini
serta disebutkan dalam daftar pustaka. Selain itu, tidak ada bagian dari skripsi ini
yang telah digunakan sebelumnya untuk memperoleh gelar Ahli Madya atau
kesarjanaan maupun sertifikat akademik di suatu Perguruan Tinggi.
Jika pernyataan di atas terbukti sebaliknya, maka Saya bersedia menerima
sanksi yang ditetapkan oleh Sekolah Tinggi Meteorologi Klimatologi dan
Geofisika.
iii
KATA PENGANTAR
Dengan menyebut nama Allah yang maha pengasih lagi maha penyayang.
Segala puji bagi Allah, Tuhan seluruh alam karena rahmat dan hidayah-Nya penulis
dapat menyelesaikan skripsi ini sesuai dengan waktu yang telah ditentukan. Penulis
menyadari dalam penyusunan skripsi ini tidak lepas dari bimbingan, bantuan dan
dukungan dari berbagai pihak. Untuk itu, izinkan penulis mengucapkan terimakasih
yang sebesar-besarnya kepada:
1. Prof. Ir. Dwikorita Karnawati, M.Sc., Ph.D., selaku Kepala Badan
Meteorologi Klimatologi dan Geofisika;
2. Dr. I Nyoman Sukanta, S.Si., MT. selaku Ketua Sekolah Tinggi
Meteorologi Klimatologi;
3. Adi Mulsandi, S.Si, M.Si., selaku Ketua Program Studi Meteorologi
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika;
4. Imma Redha Nugraheni, SST, M.Si, selaku dosen pembimbing atas arahan,
bimbingan dan semangat serta solusi yang diberikan;
5. Adi Mulsandi, S.Si, M.Si., dan Aditya Mulya, SST, M.Si. selaku dosen
penguji atas kritik dan saran yang diberikan;
6. Seluruh staf, dosen pengajar dan pejabat Sekolah Tinggi Meteorologi
Klimatologi dan Geofisika;
7. Seluruh pegawai Stasiun Meteorologi Sultan Mahmud Badaruddin II -
Palembang atas bantuan yang telah diberikan;
8. Ayah dan Ibu Penulis, yaitu Abubakar Hasan dan Asmara H. Ali, serta
Kakak-kakak yang selalu memberikan motivasi, semangat dan doa, yaitu
Atikah Puspasari, Andriansyah, Ario Natagraha, Iskandar Rustam dan Arly
Febrianti;
9. Rekan-rekan bimbingan, Putri, Prima, Bella, Debinur, Pram, Zen yang
selalu memberikan dukungan serta motivasi untuk penyelesaian skripsi ini;
10. Rekan-rekan taruna/i Sekolah Tinggi Meteorologi Klimatologi dan
Geofisika, khususnya sahabat Meteorologi B 2015;
iv
11. Semua pihak yang telah membantu penyelesaian skripsi ini, yang tidak
dapat penulis sebutkan satu persatu;
Akhir kata, penulis mohon maaf atas segala kekurangan yang terdapat pada
skripsi ini. Besar harapan penulis agar skripsi ini dapat bermanfaat untuk kegiatan
operasional di BMKG.
Tangerang Selatan, Agustus 2019
Penulis
v
DAFTAR ISI
HALAMAN JUDUL ...................................................................................... i

HALAMAN PENGESAHAN ....................................................................... ii
PERNYATAAN ORISINALITAS .............................................................. iii
KATA PENGANTAR ................................................................................. iv
DAFTAR ISI ................................................................................................ vi
DAFTAR TABEL ...................................................................................... viii
DAFTAR GAMBAR ................................................................................... ix
DAFTAR LAMPIRAN ................................................................................ xi
INTISARI .................................................................................................... xii
ABSTRACT ................................................................................................. xiii
BAB I PENDAHULUAN ............................................................................. 1

1.1 Latar Belakang .............................................................................. 1
1.2 Rumusan Masalah ......................................................................... 3
1.3 Batasan Masalah............................................................................ 4
1.4 Tujuan Penelitian .......................................................................... 5
1.5 Manfaat Penelitian ........................................................................ 5
1.6 Sistematika Penulisan.................................................................... 5
BAB II DASAR TEORI................................................................................ 7

2.1 Tinjauan Pustaka ........................................................................... 7
2.2 Landasan Teori .............................................................................. 8
2.2.1 Curah hujan ............................................................................. 8
2.2.2 Radar cuaca ........................................................................... 10
2.2.3 Quality control data radar cuaca ........................................... 21
BAB III METODE PENELITIAN .............................................................. 25

3.1 Model Penelitian ......................................................................... 25
3.2 Prosedur Penelitian...................................................................... 25
3.2.1 Lokasi dan waktu penelitian ................................................. 26
3.2.2 Data penelitian ...................................................................... 26
3.2.3 Alat penelitian ....................................................................... 27
3.2.4 Teknik pengumpulan data ..................................................... 28
3.2.5 Teknik pengolahan data ........................................................ 28
3.2.6 Teknik analisis data............................................................... 32
3.3 Validasi ....................................................................................... 33
3.3.1 Root mean square error (RMSE).......................................... 33
3.3.2 Mean absolute error (MAE) ................................................. 33
3.3.3 Nilai korelasi ......................................................................... 34
3.5 Diagram Alir Penelitian .............................................................. 36
vi
BAB IV HASIL DAN PEMBAHASAN .................................................... 37
4.1 Ketersedian Data ......................................................................... 37
4.2 Hasil Pengolahan 3DCDP ........................................................... 38
4.2.1 Clutter Map ........................................................................... 38
4.2.2 Penerapan 3DCDP menggunakan PPI .................................. 39
4.3 Hasil Pengolahan Bright Band Echo Correction (BBC)............. 39
4.4 Hasil Pengolahan Z-based Attenuation Correction (ZATC) ...... 41
4.5 Hasil Pengolahan Tanggal 28 Mei 2017 ..................................... 41
4.5.1 Validasi ARG Jakabaring 28 Mei 2017 ................................ 42
4.5.2 Validasi ARG KTM Tanjung Lago 28 Mei 2017 ................. 43
4.5.3 Validasi ARG Pangkalan Lampan 28 Mei 2017 ................... 43
4.6 Hasil Pengolahan Tanggal 12 Agustus 2017 .............................. 44
4.6.1 Validasi ARG Pangkalan Lampan 12 Agustus 2017 ............ 44
4.6.2 Validasi AWS Digi Stamet Palembang 12 Agustus 2017 .... 45
4.7 Hasil Pengolahan Tanggal 20 November 2017 ........................... 45
4.7.1 Validasi ARG Prabumulih 20 November 2017 .................... 45
4.8 Hasil Pengolahan Tanggal 12 Desember 2017 ........................... 46
4.8.1 Validasi ARG Pangkalan Lampan 12 Desember 2017 ......... 46
4.8.2 Validasi ARG Prabumulih 12 Desember 2017 ..................... 47
4.9 Hasil Pengolahan Tanggal 29 Maret 2018 .................................. 47
4.9.1 Validasi ARG Gandus 29 Maret 2018 .................................. 47
4.9.2 Validasi AWS Digi Stamet Palembang 25 Maret 2018 ........ 48
4.10 Hasil Pengolahan Tanggal 24 Juni 2018 ................................... 49
4.10.1 Validasi ARG Babat Toman 24 Juni 2018 ......................... 49
4.10.2 Validasi ARG Sungai Lilin 24 Juni 2018 ........................... 49
4.11 Hasil Pengolahan Tanggal 12 November 2018 ......................... 50
4.11.1 Validasi ARG Gandus 12 November 2018 ......................... 50
4.11.2 Validasi ARG Jakabaring 12 November 2018.................... 51
4.11.3 Validasi AWS Digi Stamet Palembang 12 November
2018 .................................................................................... 51
4.12 Hasil Pengolahan Tanggal 12 Desember 2018 ......................... 52
4.12.1 Validasi ARG Babat Toman 12 Desember 2018 ................ 52
4.13 Validasi Hasil Pengolahan Curah Hujan ................................... 53
BAB V PENUTUP ...................................................................................... 55

5.1 Kesimpulan ........................................................................................... 55
5.2 Saran ...................................................................................................... 55
DAFTAR PUSTAKA ................................................................................. 56

LAMPIRAN ................................................................................................ 59
vii
DAFTAR TABEL
Tabel 3. 1 ARG/AWS di wilayah pengamatan radar Palembang .........................27

Tabel 3. 2 Tabel untuk perhitungan nilai RMSE dan MAE ..................................34
Tabel 3. 3 Interpretasi nilai korelasi ......................................................................35
Tabel 4. 1 Daftar lokasi ARG/AWS terseleksi ......................................................37
Tabel 4. 2 Validasi keseluruhan ARG/AWS .........................................................54
viii
DAFTAR GAMBAR
Gambar 2. 1 Konsep pengamatan radar doppler .................................................... 10

Gambar 2. 2 Mode VCP 11.................................................................................... 13
Gambar 2. 3 Mode VCP 21.................................................................................... 13
Gambar 2. 4 Mode VCP 31.................................................................................... 14
Gambar 2. 5 Contoh pengaturan produk PPI ......................................................... 16
Gambar 2. 6 Contoh pengaturan produk CMAX ................................................... 16
Gambar 2. 7 Contoh pengaturan produk SRI......................................................... 17
Gambar 2. 8 Contoh pengaturan produk PAC ....................................................... 18
Gambar 2. 9 Contoh pengaturan produk PRT ....................................................... 19
Gambar 2. 10 Optimalisasi filtering dan parameter thresholding ......................... 22
Gambar 2. 11 Implementasi clutter filtering.......................................................... 22
Gambar 2. 12 Implementasi koreksi atenuasi dan koreksi BBE ............................ 24
Gambar 3. 1 Peta lokasi penelitian dan sebaran data banding ............................... 26
Gambar 3. 2 Pengaturan 3DCDP Rainbow 5.49.11............................................... 29
Gambar 3. 3 Pengaturan BBC Rainbow 5.49.11 ................................................... 29
Gambar 3. 4 Pengaturan ZATC Rainbow 5.49.11 ................................................. 30
Gambar 3. 5 Pengaturan SRI Rainbow 5.49.11 ..................................................... 30
Gambar 3. 6 Pengaturan PAC Rainbow 5.49.11 ................................................... 31
Gambar 3. 7 Pengaturan PRT Rainbow 5.49.11 .................................................... 31
Gambar 3. 8 Pengaturan task non-QC(kiri) dan QC (kanan) ................................. 32
Gambar 3. 9 Diagram alir penelitian ...................................................................... 36
Gambar 4. 1 Clutter Map dengan elevasi 0.5°, 1.5°, 2.7°, 4.2°, 6.0°, 8.4°, 11.30°,
14.9°, dan 19.5° .................................................................................. 38
Gambar 4. 2 Citra PPI 18 Agustus 2018; (a) sebelum diterapkan proses 3DCDP;
(b) setelah diterapkan proses 3DCDP ............................................... 39
Gambar 4. 3 Citra CMAX 12 Desember 2017; (a) sebelum diterapkan proses
BBC; (b) setelah diterapkan proses BBC .......................................... 40
Gambar 4. 4 CMAX 12 November 2018; (a) sebelum diterapkan proses BBC; (b)
setelah diterapkan proses BBC ......................................................... 40
Gambar 4. 5 SRI 20 November 2017; (a) sebelum diterapkan proses ZATC; (b)
setelah diterapkan proses ZATC ....................................................... 41
Gambar 4. 6 PAC 20 November 2017; (a) sebelum diterapkan proses ZATC; (b)
setelah diterapkan proses ZATC ....................................................... 42
Gambar 4. 7 Grafik intensitas curah hujan lokasi ARG Jakabaring 28 Mei 2017 . 42
Gambar 4. 8 Grafik intensitas curah hujan lokasi ARG KTM Tanjung Lago 28
Mei_2017 .......................................................................................... 43
Gambar 4. 9 Grafik intensitas curah hujan lokasi ARG Pangkalan Lampan 28
Mei_2017 .......................................................................................... 44
Agustus 2017 .................................................................................... 44
Gambar 4. 11 Grafik intensitas curah hujan lokasi AWS Digi Stamet Palembang
12 Agustus 2017 ............................................................................... 45
ix
Gambar 4. 12 Grafik intensitas curah hujan lokasi ARG Prabumulih 20
November_2017 ................................................................................ 46
Desember 2017 ................................................................................. 46
Desember_2017 ................................................................................ 47
Gambar 4. 15 Grafik intensitas curah hujan lokasi ARG Gandus 29 Maret 2018 . 48
25 Maret 2018 ................................................................................... 48
Gambar 4. 17 Grafik intensitas curah hujan lokasi ARG Babat Toman 24 Juni
2018................................................................................................... 49
Gambar 4. 18 Grafik intensitas curah hujan lokasi ARG Sungai Lilin 24 Juni
2018................................................................................................... 50
Gambar 4. 19 Grafik intensitas curah hujan lokasi ARG Gandus 12 November
2018................................................................................................... 50
Gambar 4. 20 Grafik intensitas curah hujan lokasi ARG Jakabaring 12
November_2018 ................................................................................ 51
12 November 2018 ............................................................................ 52
Gambar 4. 22 Grafik intensitas curah hujan lokasi ARG Babat Toman 12
Desember 2018 ................................................................................. 52
x
DAFTAR LAMPIRAN
Lampiran 1 Peta Kota Palembang, Sumatera Selatan pada Google Earth ........... 59
Lampiran 2 Hasil keseluruhan pengolahan SRI ................................................... 60
Lampiran 3 Hasil keseluruhan pengolahan PAC .................................................. 62
xi
INTISARI
Perbandingan Kualitas Estimasi Curah Hujan Sebelum dan Sesudah

Implementasi Quality Control Data Radar di Wilayah Palembang dan
Sekitarnya
Oleh
Akhmad Haris Karsena

11.15.0035
Salah satu penyebab utama bencana hidrometeorologi yang perlu diperhatikan

adalah hujan. Umumnya, curah hujan sulit diukur karena memiliki keragaman yang
tinggi baik secara spasial maupun temporal. Radar merupakan instrumen
penginderaan jauh yang bermanfaat untuk estimasi intensitas curah hujan dengan
informasi yang bersifat near realtime jika dibandingkan dengan penakar hujan
konvensional dan satelit. Akan tetapi, dalam operasionalnya, radar memiliki
limitasi dan sumber eror yang berpengaruh pada hasil estimasi curah hujan. Oleh
karena itu, untuk memperbaiki akurasi estimasi curah hujan maka dilakukan quality
control data radar cuaca pada tahap post-processing yang terdiri atas koreksi
clutter, koreksi bright band echo dan koreksi z-attenuation. Penerapan quality
control tersebut dilakukan pada data radar cuaca Palembang pada tahun 2017 dan
2018. Selanjutnya dilakukan analisis kualitatif dengan membandingkan citra radar
melalui produk SRI dan PAC sebelum dan sesudah quality control. Untuk analisis
kuantitatif, nilai estimasi curah hujan dari radar cuaca sebelum dan sesudah
dilakukan quality control divalidasi dengan data curah penakar hujan menggunakan
metode MAE, RMSE dan korelasi. Dari hasil perbandingan citra radar, interferensi
dan clutter dibeberapa wilayah pada citra radar cuaca Palembang berhasil
dihilangkan. Kemudian, hasil validasi menunjukkan bahwa implementasi quality
control pada radar cuaca Palembang umumnya berhasil memperbaiki kualitas
estimasi curah hujan. Yaitu, dapat menaikkan nilai korelasi dan menurunkan nilai
eror.
Kata kunci : radar cuaca, quality control, limitasi radar, estimasi curah hujan
xii
ABSTRACT
A Comparison of Rainfall Estimation Quality before and after the

Implementation of Radar Data Quality Control in Palembang and its
Surrounding Areas
By
Akhmad Haris Karsena

11.15.0035
One of the main causes of hydrometeorological disasters that need to be considered

is rain. Generally, rainfall is difficult to measure because it has a spatial and
temporal diversity. Radar is a remote sensing instrument that is useful for estimating
rainfall intensity with near-realtime information when compared to conventional
rain gauges and satellites. However, in its operations, radar has limitations and error
sources that affect the results of rainfall estimation. Therefore, to improve the
accuracy of rainfall estimates, the quality control of weather radar data is carried
out at the post-processing stage consisting of clutter correction, bright band echo
correction, and z-attenuation correction. The implementation of quality control is
carried out on the weather radar data of Palembang in 2017 and 2018. Furthermore,
a qualitative analysis is carried out by comparing radar images through SRI and
PAC products before and after the quality control. For quantitative analysis, the
values of rainfall estimation from the weather radar, before and after the quality
control, were validated by rain gauge data using the MAE, RMSE and correlation
methods. From the results of the comparison of radar images, interference and
clutter in several regions of Palembang weather radar image were successfully
removed. Then, the validation results show that the implementation of quality
control on the weather radar in Palembang generally succeeded in improving the
quality of rainfall estimation. That is, it can increase the correlation value and
decrease the error value.
Keywords: weather radar, quality control, radar limitation, rainfall estimation
xiii
BAB I
PENDAHULUAN
1.1 Latar Belakang

Wilayah Indonesia terletak di daerah iklim tropis dengan dua musim yaitu
panas dan hujan dengan ciri-ciri adanya perubahan cuaca, suhu dan arah angin yang
cukup ekstrem (Wirjohamidjojo dan Swarinoto, 2010). Kondisi iklim seperti ini
digabungkan dengan kondisi topografi permukaan dan batuan yang relatif beragam,
baik secara fisik maupun kimiawi, menghasilkan kondisi tanah yang subur. Selain
itu, Hal tersebut dapat menimbulkan beberapa akibat buruk bagi manusia seperti
terjadinya bencana hidrometeorologi contohnya banjir, tanah longsor, kebakaran
hutan dan kekeringan. Seiring dengan berkembangnya waktu dan meningkatnya
aktivitas manusia, kerusakan lingkungan hidup cenderung semakin parah dan
memicu meningkatnya jumlah kejadian dan intensitas bencana hidrometeorologi
yang terjadi secara silih berganti di banyak daerah di Indonesia. Salah satu
penyebab utama bencana hidrometeorologi yang perlu diperhatikan adalah hujan.
Hujan berpengaruh secara langsung dalam berbagai aspek kehidupan seperti pada
bidang pertanian, pariwisata, kesehatan, transportasi dan lain sebagainya. Informasi
curah hujan dapat dimanfaatkan untuk mendeteksi potensi bencana alam seperti
banjir dan tanah longsor untuk keperluan penanggulangan bencana serta peringatan
dini cuaca ekstrem (BNPB, 2018).
Pengamatan curah hujan di beberapa wilayah Indonesia menggunakan
penakar hujan konvesional digunakan untuk mengukur curah hujan dalam satuan
millimeter (mm). Pada umumnya, curah hujan sulit diukur karena memiliki
keragaman yang tinggi baik secara spasial maupun temporal. Keragaman spasial
biasanya diakibatkan oleh beberapa faktor lokal seperti topografi, posisi, ketinggian
dan kondisi-kondisi lainnya yang terdapat di suatu wilayah (Sucahyono dan
Rubudiyanto, 2013).
Pengamatan cuaca khususnya hujan juga dapat dilakukan dengan
pengamatan berbasis teknologi penginderaan jarak jauh (Zakir dkk., 2009). Di
1
2
Indonesia, BMKG (Badan Meteorologi Klimatologi dan Geofisika) adalah instansi

pemerintahan yang menyelenggarakan pengamatan hujan sebagai salah satu unsur
meteorologi. BMKG memiliki tupoksi untuk melakukan observasi serta
pengolahan data dan informasi di bidang meteorologi, klimatologi dan geofisika.
Pada peraturan tersebut disebutkan bahwa hujan merupakan salah satu unsur
meteorologi yang harus diamati (BMKG, 2016).
BMKG memiliki dua sumber data penginderaan jauh, yaitu radar cuaca dan
satelit (BMKG, 2019). Kedua teknologi tersebut dapat menunjukkan intensitas
hujan di seluruh wilayah bahkan yang tidak terdapat di stasiun meteorologi maupun
pos pengamatan curah hujan. Radar (Radio Detecting and Ranging) merupakan
salah satu teknologi penginderaan jauh yang memiliki resolusi spasial 0.25 km dan
resolusi temporal kurang dari 10 menit (tergantung pada mode scan yang
digunakan). Sedangkan, satelit memiliki resolusi spasial 2 kilometer dan resolusi
temporal 10 menit (LAPAN, 2019). Berdasarkan resolusi data temporal dan
spasialnya radar memiliki informasi yang bersifat near realtime dibandingkan
dengan satelit, sehingga penggunaan radar cuaca ini dapat bermanfaat untuk
estimasi intensitas curah hujan dengan nilai yang mendekati kondisi riil.
Pengamatan hujan menggunakan radar cuaca didapatkan dari produk–produk radar.
Pengolahan dari produk-produk tersebut akan menghasilkan hasil estimasi curah
hujan yang berbeda–beda (SELEX, 2013).
Dari berbagai kelebihan radar, terdapat juga beberapa sumber kesalahan
sehingga menyebabkan produk radar menjadi kurang baik. Sumber kesalahan pada
radar disebabkan dari beberapa faktor antara lain kesalahan pada radome
attenuation, clutter, ground clutter, partial beam blockage, radar revisit time,
anomali propogasi, hubungan Z-R, precipitation attenuation, ketinggian beam, dan
kalibrasi radar (Zawadski, 1984). Dari kesalahan tersebut diperlukan penerapan
koreksi data berupa quality control sehingga mengurangi kesalahan estimasi curah
hujan pada radar cuaca.
Quality control adalah sebuah proses yang penting untuk dilakukan oleh
pengguna raw data radar, dengan mengimplementasikan hal tersebut dapat
meningkatkan kualitas data radar. Quality control terbagi menjadi dua tahapan
3
yaitu internal quality control dan external quality control. Internal quality control
terbagi menjadi tiga proses antara lain, yaitu quality of calibration, optimizing
scanning strategy dan post processing. Sedangkan, external quality control dapat
dilakukan dengan dua teknik yaitu dual/multi radar doppler (composite) dan
validasi menggunakan pengamatan permukaan lain seperti ARG Automatic Rain
Gauge), AWS (Automatic Weather Station) dan LD (Lightning Detector) (Adriyanto
dkk., 2017).
Penelitian tentang implementasi quality control di Indonesia telah dilakukan
di Palangka Raya pada tahun 2017 dan di Palu pada tahun 2018. Data radar dengan
implementasi quality control memiliki nilai eror estimasi curah hujan yang lebih
kecil dibandingkan non-quality control. Disimpulkan bahwa implementasi quality
control pada data radar cuaca dapat memperbaiki hasil estimasi curah hujan
(Novytasari, 2017; Fathan, 2018).
Korelasi hubungan Z-R dan estimasi curah hujan pada radar cuaca doppler
C-Band BMKG di Stasiun Meteorologi Kelas II Sultan Mahmud Badaruddin II -
Palembang hasil estimasi curah hujan masih cenderung underestimate dan perlu
dilakukan quality control (Siregar, 2018). Hal tersebut menjadi alasan penulis
dalam melakukan penelitian terkait implementasi quality control pada data radar
wilayah Palembang dan sekitarnya dikarenakan data radar di Palembang
berdasarkan penelitian tersebut dinilai kurang baik dan perlu dilakukan koreksi.
Hasil data radar dari proses quality control dan non-quality control divalidasi
dengan membandingkannya terhadap data curah hujan dari beberapa ARG/AWS
yang berada di Palembang dan sekitarnya. Diharapkan penelitian ini dapat
dimanfaatkan prakirawan operasional dalam memprakirakan dan memperbaiki
keakuratan estimasi curah hujan.
1.2 Rumusan Masalah

Berdasarkan latar belakang yang dijelaskan sebelumnya, rumusan masalah
dalam penelitian ini adalah bagaimana pengaruh implementasi quality control
terhadap akurasi estimasi curah hujan radar cuaca Stasiun Meteorologi Kelas II
Sultan Mahmud Badaruddin II - Palembang dan sekitarnya?
4
1.3 Batasan Masalah

Batasan masalah dalam penelitian ini adalah sebagai berikut:
1. Wilayah yang menjadi kajian khusus cakupan radar cuaca doppler C–Band
BMKG di Stasiun Meteorologi Kelas II Sultan Mahmud Badaruddin II -
Palembang dan sekitarnya sebagai wilayah penelitan pada radius 100 km
berdasarkan pertimbangan WMO (2017) radar C-band terbatas dalam range
100 km, meskipun memungkinkan untuk range 200 km.
2. Penelitian ini difokuskan untuk menentukan quality control data radar untuk
meningkatkan kualitas dan memperbaiki akurasi estimasi curah hujan.
Dalam penelitian ini juga menggunakan relasi Z-R Marshall-Palmer dan Z-
R Rosenfeld Tropical. Korelasi ini dipilih dengan pertimbangan penelitian
yang dilakukan Siregar (2018) hubungan Z-R Marshall-Palmer memiliki
performa yang baik untuk estimasi curah hujan dari tipe awan stratiform,
sementara hubungan Z-R Rosenfeld Tropical baik digunakan untuk estimasi
curah hujan pada tipe hujan konvektif di wilayah Palembang dan sekitarnya.
3. Sebagai bahan penelitian jenis data yang digunakan yaitu data radar
Januari–Desember 2017 dan Januari–Desember 2018 dan dibandingkan
dengan data curah hujan Automatic Rain Gauge (ARG) dan Automatic
Weather Station (AWS) yang terletak pada radius 100 km dari pusat radar
Stasiun Meteorologi Kelas II Sultan Mahmud Badaruddin II - Palembang.
4. Metode quality control yang dilakukan dalam penelitian adalah metode pre-
processing yang meliputi clutter filtering, bright band correction, dan Z-
based attenuation correction.
5. Untuk mengetahui pengaruh implementasi quality control, maka akan
dilakukan sebagai berikut:
a. Analisis hasil estimasi curah hujan sebelum dilakukan implementasi
quality control.
b. Analisis hasil estimasi curah hujan sesudah dilakukan implementasi
quality control.
c. Analisis perbandingan hasil estimasi curah hujan untuk mengetahui
pengaruh implementasi quality control.
5
1.4 Tujuan Penelitian

Berdasarkan latar belakang dan rumusan masalah di atas, adapun tujuan
dilakukannya penelitian ini adalah mengetahui pengaruh implementasi quality
control pada radar cuaca Stasiun Meteorologi Kelas II Sultan Mahmud Badaruddin
II - Palembang terhadap akurasi estimasi curah hujan di wilayah Palembang dan
sekitarnya.
1.5 Manfaat Penelitian

Manfaat langsung dari penelitian ini kedepannya diharapkan implementasi
quality control pada data radar dapat diterapkan dengan baik untuk meningkatkan
kualitas dan memberikan estimasi curah hujan yang lebih akurat dan juga untuk
menambah wawasan prakirawan dalam membuat prakiraan. Selain itu dari
penelitian ini adalah dapat dijadikan dasar pertimbangan bagi prakirawan dalam
mendukung operasional pengamatan di Stasiun Meteorologi Kelas II Sultan
Mahmud Badaruddin II - Palembang dalam mengoperasikan radar untuk
melakukan analisis prakiraan cuaca.
1.6 Sistematika Penulisan

Keseluruhan penyusunan skripsi ini akan dikelompokkan sebagai berikut :
1. BAB I PENDAHULUAN
Bab ini menguraikan tentang latar belakang, rumusan masalah, batasan
masalah, tujuan dan manfaat penelitian, serta sistematika penulisan skripsi
ini.
2. BAB II DASAR TEORI
Bab ini menguraikan tinjauan pustaka yang berkaitan dengan penelitian,
landasan teori yang mendukung penelitian dan hipotesis.
3. BAB III METODE PENELITIAN
Bab ini menguraikan model penelitian, prosedur penelitian, validasi,
diagram alir penelitian, serta rencana penelitian.
4. BAB IV HASIL ANALISIS DAN PEMBAHASAN
6
Bab ini memaparkan hasil dari pengolahan data dan analisis serta
pembahasan hasil penelitian.
5. BAB V PENUTUP
Bab ini menguraikan kesimpulan dari keseluruhan hasil pembahasan skripsi
ini dan saran untuk kemajuan penelitian sejenis di masa mendatang.
BAB II
DASAR TEORI
2.1 Tinjauan Pustaka

Szturc dkk. (2012) telah melakukan implementasi quality control pada data
radar dalam penelitiannya. Dalam penelitian tersebut Szturc dkk., menggunakan
data radar ARPA Bologna, Italia. Szturc dkk., melakukan beberapa metode koreksi
yaitu ground clutter removal, correction for attenuation, bright band (melting
layer) effect correction dan korelasi Z-R. Dari hasil koreksi tersebut disimpulkan
bahwa quality control data radar dapat memperbaiki kualitas data radar. Kebutuhan
akan pentingnya kualitas data tidak hanya dibutuhkan oleh penggguna radar
(meteorologis, hidrologis, dll.) akan tetapi dibutuhkan juga oleh pengguna
informasi cuaca lainnya.
Novytasari (2017) melakukan kajian implementasi quality control data
radar di Palangka Raya. Implementasi quality control dilakukan oleh Novytasari
pada radar cuaca C-Band di wilayah Palangka Raya. Pada penelitiannya,
implementasi quality control menerapkan clutter filtering, brightband echo
correction, dan Z-attenuation. Kemudian dilakukan pembandingan estimasi curah
hujan dari radar cuaca dengan ARG untuk mencari nilai kecocokan. Produk yang
dipakai dalam penelitian ini yaitu PPI (Plan Position Indicator), CMAX (Column
Maximum), SRI (Surface Rain Intensity), PAC (Precipitation Accumulation) dan
RIH (Rainfall Intensity Histogram). Novytasari menyatakan bahwa quality control
penting dilakukan dan dapat memperbaiki akurasi estimasi curah hujan di wilayah
Palangka Raya. Perbandingan estimasi curah hujan koreksi quality control
memiliki akurasi yang lebih baik daripada non-quality control, dilihat dari kuantitas
nilai quality control memiliki nilai eror estimasi curah hujan yang lebih kecil
dibandingkan non-quality control.
Fathan (2018) melakukan penelitian terkait verifikasi pengaruh
implementasi quality control terhadap akurasi perhitungan akumulasi curah hujan
pada radar cuaca X-band solid state polarisasi ganda di Palu. Dalam penelitian
tersebut implementasi quality control dilakukan oleh Fathan pada radar cuaca X-
7
8
Band di wilayah Palu dan sekitarnya. Pada penelitiannya, Fathan menerapkan

clutter filtering, brightband echo correction, dan Z-attenuation. Dari hasil
penelitian tersebut dinyatakan bahwa secara umum implementasi quality control
pada data radar cuaca polarisasi ganda X-band di Palu dapat memperbaiki hasil
estimasi curah hujan. Secara kualitas, perbaikan hasil estimasi curah hujan dapat
dilihat dari berhasil dihilangkannya ground clutter dan meningkatnya intensitas
curah hujan pada citra radar. Sedangkan secara kuantitas, perbaikan hasil estimasi
dapat dilihat dari berkurangnya nilai error pada estimasi curah hujan quality
control.
Siregar (2018) melakukan kajian akurasi hubungan Z-R untuk estimasi
curah hujan berdasarkan klasifikasi tipe awan hujan pada radar cuaca Palembang.
Dalam penelitian tersebut dinyatakan bahwa secara umum, hasil estimasi curah
hujan dari radar Palembang masih cenderung underestimate di seluruh lokasi data
banding. Dalam pengklasifikasian tipe hujan, diperoleh bahwa hubungan Z-R
Marshall-Palmer memiliki performa yang baik untuk estimasi curah hujan dari tipe
awan stratiform, sementara hubungan Z-R Rosenfeld Tropical baik digunakan
untuk estimasi curah hujan pada tipe hujan konvektif, meskipun nilai galat yang
dihasilkan pada tipe hujan konvektif masih cukup besar pada seluruh hubungan Z-
R. Perlu dilakukan kontrol kualitas (quality control) data radar maupun data dari
penakar hujan untuk memperoleh hasil estimasi curah hujan yang lebih baik.
2.2 Landasan Teori

2.2.1 Curah hujan
Hujan merupakan butir-butir air yang jatuh dari awan hingga sampai ke
permukaan bumi. Curah hujan adalah ketinggian air hujan yang jatuh pada tempat
yang datar dengan asumsi tidak ada yang menguap, tidak meresap, dan tidak
mengalir. Curah hujan 1 (satu) mm adalah air hujan setinggi 1 (satu) mm yang jatuh
atau tertampung pada tempat yang datar seluas 1 (satu) m². Banyaknya curah hujan
yang mencapai permukaan bumi atau tanah selama selang waktu tertentu dapat
diukur dengan mengunakan alat penakar curah hujan. Hasil dari pengukuran
tersebut dinamakan curah hujan (Wirjohamidjojo dan Swarinoto, 2013).
9
Daerah tropis memiliki tiga jenis curah hujan (Tjasyono dan Harijono,
2013) yaitu:
1. Curah hujan konvektif disebabkan oleh konveksi bebas akibat
pemanasan, proses dinamik seperti konvergensi atau pemaksaan fisis di
atas pegunungan. Hujan konveksi dibentuk dari arus udara ke atas yang
cepat, maka sering mencapai paras atmosfer yang tinggi, biasanya kuat
dan kadang-kadang terbentuk hujan batu es (hailstone).
2. Curah hujan siklonik dihasilkan dari konvergensi horizontal pada udara
lembap dalam area sirkular yang membentuk badai tropis dengan pusat
tekanan rendah, dimana ada maksimum vortisitas. Curah hujan yang
dipengaruhi arus siklonik mencakup daerah yang luas, karena masa hidup
badai tropis dapat bergerak ratusan bahkan ribuan kilometer.
3. Curah hujan orografik disebabkan oleh kondensasi dan pembentukan
awan udara lembap yang dipaksa naik oleh barisan pegunungan.
Pembentukan curah hujan orografik dapat dibantu oleh proses
konveksional di daerah tropis. Sering ditemui pada lereng di atas angin
(windward slopes) arus udara lembap yang terus menerus berhembus
seperti angin pasat. Untuk lokasi pegunungan yang mengalami monsoon
(angin musiman) maka distribusi geografik curah hujan orografik dapat
berubah secara tegas (markedly) karena lereng di atas angin barisan
pegunungan berubah menjadi lereng di bawah angin (leeward side).
Curah hujan orografik tidak seperti curah hujan siklonik, tidak bergerak
dan terbatas pada pegunungan.
Pengklasifikasian hujan berdasarkan intensitasnya menurut kriteria
(BMKG, 2010) adalah sebagai berikut:
1. Hujan ringan dengan intensitas 0,1–5,0 mm/jam atau 5–20 mm/hari.
2. Hujan sedang dengan intensitas 5,0–10,0 mm/jam atau 20–50 mm/hari.
3. Hujan lebat dengan intensitas 10,0–20,0 mm/jam atau 50–100 mm/hari.
4. Hujan sangat lebat dengan intensitas > 20,0 mm/jam atau > 100 mm/hari.
10
2.2.2 Radar cuaca

Radar adalah singkatan dari radio detection and ranging, yang merupakan
alat untuk membantu mengamati cuaca secara khusus berupa hujan, awan, arah dan
kecepatan angin dalam radius yang cukup luas hingga ratusan kilometer dengan
resolusi ± 300 m (Rinehart, 2010).
Gambar 2. 1 Konsep pengamatan radar doppler (UCAR, 2019)
Prinsip pengamatan radar seperti Gambar 2.1 radar memancarkan energi

elektromagnetik pada spektrum gelombang radio. Saat pancaran gelombang
elektromagnetik tersebut mengenai sebuah objek, maka objek akan memantulkan
energi kembali sinyal yang akan ditangkap oleh antena radar. Sinyal yang ditangkap
tersebut akan diteruskan ke sistem radar dan akan diproses hingga objek tersebut
digambarkan atau divisualisasikan dalam layar monitor (UCAR, 2019). Radar juga
merupakan sumber informasi yang sangat berharga untuk analisis operasional dan
perkiraan, terutama di daerah yang dinyatakan jarang data. Radar memiliki resolusi
spasial dan temporal yang sangat baik, sehingga pertumbuhan awan cumulonimbus
yang terjadi dengan waktu yang singkat dapat teramati dengan baik. Adapun output
data dari radar cuaca doppler terbagi dalam 3 jenis yaitu (SELEX, 2013):
a) Reflectivity (Z)
reflectivity radar merupakan besaran pantulan energi yang kembali dari
objek dan tergantung pada ukuran, bentuk dan komposisi objek. Radar
cuaca menampilkan lokasi dan intensitas (Z radar) dari target
meteorologi seperti shower, hujan, dan badai. Semakin besar objek dan
energi yang diterima maka semakin besar nilai dBZ-nya. Reflectivity
11
dalam dBZ juga menggambarkan banyaknya jumlah droplet dalam satu

sample volume (AMETSOC, 2019).
b) Radial Velocity (V)
radar doppler mengukur gerakan target menuju atau menjauhi radar yang
digunakan untuk menentukan kecepatan angin. Nilai gerak dihitung dari
perubahan echo reply dari setiap droplet dalam satu volume. Gerak
menuju radar doppler dinyatakan dalam nilai negatif yang digambarkan
dengan warna hijau dan gerak yang menjauhi radar doppler dinyatakan
dalam nilai-nilai positif yang digambarkan dalam warna merah. Radial
velocity didefinisikan sebagai kecepatan reflectivity yang terukur
sepanjang beam radar dalam volume pulsa radar. Data velocity
memberikan informasi tentang pola sirkulasi horizontal dan sebagai
verifikasi dari echo reflektivitas untuk pengenalan echo meteorologi dan
non-meteorologi (Rauber dan Nesbitt, 2018).
c) Spectral Width (W)
spectral witdh merupakan data yang dihasilkan berdasarkan pengolahan
frekuensi yang dipantulkan objek dan diterima oleh radar. Nilai width
sangat penting untuk pengamatan dinamika atmosfer. Nilai width yang
rendah menunjukkan bahwa di pulse-volume tidak terdapat perbedaan
kecepatan. Nilai width yang tinggi mengindikasikan terdapat perbedaan
kecepatan hidrometeor di dalam pulse-volume. Informasi ini memberi
petunjuk tentang ‘kemungkinan’ adanya wind-shear, turbulensi,
mesocyclone atau indikasi dari TVS (Tornado Vortex Signature) dan hal
yang sejenis lainnya (Doviac dan Zrnic, 1993).
2.2.2.1 Metode operasional radar cuaca

Pemahaman teori dasar tentang radar cuaca sangat penting agar dapat
menentukan dan mengoperasikan sistem radar dengan benar. Pengoperasian radar
harus disesuaikan dengan karakteristik lokasi radar ditempatkan dan sesuai dengan
sistem cuaca yang ada di lokasi tersebut. Radar cuaca secara terus menerus
melakukan scan/pemindaian di atmosfer sesuai dengan VCP (Volume Coverage
12
Pattern) yang diterapkan pada sistem radar cuaca. VCP merupakan satu set
instruksi yang mengendalikan sistem pemindaian antena radar meliputi kecepatan
rotasi antena, PRF (Pulse Repetition Frequency), panjang gelombang (wavelength)
yang digunakan dan jumlah sudut elevasi pemindaian yang digunakan.
Karakteristik fenomena cuaca yang dominan di suatu lokasi dimana radar yang
ditempatkan merupakan faktor penentu VCP yang digunakan (OFCM, 2017).
Terdapat dua jenis mode operasional utama dalam pengoperasian radar cuaca, yaitu
clear air mode dan precipitation mode dengan penggunaan VCP yang berbeda pada
kedua mode tersebut, yaitu :
a) Precipitation Mode
mode ini digunakan pada saat terjadi fenomena cuaca seperti hujan dan
badai guntur di area cakupan radar. Penggunaan mode presipitasi
bertujuan untuk mengambil sampel data dengan cepat dan banyak untuk
dapat mendeteksi sekecil apapun perubahan yang terjadi dalam sistem
presipitasi. Pada saat menggunakan mode ini radar menjadi tidak terlalu
sensitif karena kecepatan rotasi antena yang lebih tinggi dengan
menggunakan lebih banyak elevasi. mode VCP yang digunakan pada
saat mode presipitasi adalah mode VCP 11 dan mode VCP 21. Pada saat
terjadi cuaca buruk seperti hujan dengan intensitas yang tinggi yang
berasal dari awan konvektif maka digunakan mode VCP 11, dapat
dilihat pada Gambar 2.2, mode VCP 11 mampu melakukan satu volume
scan secara terus menerus dalam waktu 5 menit dengan 14 sudut elevasi.
Dengan melakukan scanning secara terus-menerus dalam waktu yang
singkat menghasilkan sampel data yang lebih rapat yang bertujuan
untuk mendeteksi perubahan yang terjadi di dalam awan badai secara
detail.
13
Gambar 2. 2 Mode VCP 11 (OFCM, 2017)
Mode VCP 21 merupakan default dari mode operasional radar yang

digunakan pada saat terjadi hujan dengan intensitas yang tidak terlalu
tinggi atau pada saat musim hujan. Pada Gambar 2.3 Mode VCP 21
mampu melakukan satu volume scan dalam waktu 6 menit dengan 9
sudut elevasi secara terus-menerus. Mode VCP ini sering digunakan
pada saat sebagai mode default untuk operasional di site radar.
b) Clear Air Mode

clear air mode digunakan saat tidak ada hujan dalam area pengamatan
radar atau saat musim kemarau. Dalam mode ini, radar berada dalam
kondisi operasional yang paling sensitif. Mode ini menggunakan
kecepatan antena yang sangat lambat sehingga antena melakukan scan
yang sangat detail dari objek atau target yang ada di atmosfer. Hal ini
akan meningkatkan sensitifitas dan kemampuan radar untuk mendeteksi
objek atau target yang lebih kecil dari pada butiran hujan. Pada Gambar
2.4 mode VCP 31 melakukan satu volume scan menggunakan 5 (lima)
sudut elevasi dalam waktu 10 menit.
14
Mode VCP 31 menggunakan wavelength yang lebih besar dan PRF yang
lebih kecil. Penggunaan wavelength yang lebih panjang akan
meningkatkan sensitifitas radar. Sedangkan penggunaan PRF yang lebih
kecil akan meningkatkan jangkauan radar, namun menurunkan resolusi
serta range kecepatan radial yang dideteksi oleh radar.
2.2.2.2 Limitasi radar

Estimasi curah hujan menggunakan radar selalu berbeda dengan hasil
pengukuran melalui penakar hujan dikarenakan pengaruh dari limitasi radar dan
pengukuran parameter yang berbeda antara radar dan penakar hujan permukaan.
Radar mengukur sampel pada ketinggian tertentu. Sedangkan penakar hujan hanya
mengukur di dekat permukaan bumi (Holleman, 2006). Terdapat banyak faktor
yang mempengaruhi kualitas observasi radar cuaca sehingga mengurangi
keakurasian estimasi curah hujan. Faktor tersebut antara lain:
a) Ground clutter, merupakan gangguan yang tertangkap beam radar di
permukaan tanah. Biasanya ground clutter akan terlihat lebih kuat
dibandingkan dengan target meteorologi lainnya. Ground clutter dapat
dikurangi dengan cara doppler suppression, dan metode post processing
seperti penerapan clutter maps.
b) Non precipitation echo adalah echo yang berasal dari burung, serangga,
chaff dan refractive inhomogeneties atau yang dikenal dengan clear air
echo. Gangguan ini bersifat tidak tetap dan cukup sulit untuk
15
dihilangkan menggunakan teknik doppler, tetapi dapat dikenali oleh

operator radar.
c) Attenuation by precipitation disebabkan oleh adanya hujan lebat,
graupel, dan hujan es yang dapat mengurangi energi yang dipancarkan.
Radar dengan wavelength yang pendek seperti X-band dan C-band
sangat mudah mendapat gangguan attenuation.
d) Melting layer disebabkan oleh adanya lelehan es yang belum sempurna,
sehingga terjadi pencampuran antara es dan air. Hal tersebut
menyebabkan adanya reflektifitas yang tinggi.
e) Shielding disebabkan jika penentuan letak radar memiliki kualitas yang
buruk, objek di dekatnya seperti pohon, topografi, dan bangunan dan
struktur lainnya dapat menghalangi gelombang radar secara keseluruhan
atau sebagian.
2.2.2.3 Produk radar cuaca

Berdasarkan software manual gematronik weather radar, pada umumnya
produk-produk yang dapat dijalankan pada aplikasi Rainbow5 dibagi dalam
beberapa pengelompokan, antara lain produk standart, produk extended, produk
hidrology, produk wind shear dan produk pendeteksi fenomena.
Produk radar cuaca yang digunakan dalam penelitian ini antara lain:
1. PPI (Plan Position Indicator)
PPI merupakan produk radar cuaca yang berasal dari data satu elevasi
yang di konversi menjadi output gambar. Gambar yang ditampilkan
merupakan tampilan dari panjang dan lebar beam dalam satu elevasi,
dengan tampilan yang tidak jauh berbeda dengan radar cuaca generasi
terdahulu.
16
Gambar 2. 5 Contoh pengaturan produk PPI (SELEX, 2013)
Pada Gambar 2.5 keterangan untuk range adalah pengaturan rentang

yang ditampilkan dalam unit yang ditentukan oleh unit selection. Size
adalah pilihan ukuran gambar dalam piksel. Sedangkan, angle adalah
pengaturan untuk menampilkan lapisan elevasi (SELEX, 2013).
2. CMAX (Column Maximum)
Produk CMAX merupakan produk yang menampilkan nilai tertinggi
dalam satu volume vertikal. Data volume polar di konversi ke kartesian
yang kemudian akan menampilkan nilai tertinggi pada bagian atas dari
gambar.
Gambar 2. 6 Contoh pengaturan produk CMAX (SELEX, 2013)
Pada Gambar 2.6 keterangan untuk range menunjukkan rentang yang

ditampilkan dalam unit yang ditentukan oleh unit selection. Size adalah
ukuran gambar yang dilihat dari top view dalam piksel. Untuk top adalah
top height pada data MAX di atas MSL. Sedangkan untuk bottom adalah
lowest height untuk data MAX di atas MSL. Add height data map adalah
17
pengaturan untuk menambahkan peta yang berisi data ketinggian

(SELEX, 2013).
3. SRI (Surface Rain Intensity)
Produk SRI menampilkan data intensitas curah hujan pada lapisan yang
telah diatur oleh pengguna. Data yang diproses pada produk SRI akan
mengikuti bentuk permukaan bumi secara constant.
Gambar 2. 7 Contoh pengaturan produk SRI (SELEX, 2013)
Pada keterangan Gambar 2.7 range adalah pengaturan rentang yang

ditampilkan dalam unit yang ditentukan oleh unit selection. Size adalah
pengaturan ukuran gambar dalam piksel. Height above ground adalah
pengaturan untuk ketinggian lapisan SRI di atas tanah (peta data
topografi). Max. Height above MSL adalah pengaturan lapisan batas atas
untuk analisis data. Map adalah pengaturan pilihan peta data topografi.
Untuk Z-R relation pada A adalah faktor dari hubungan Z-R. Sedangkan,
B adalah eksponen dari hubungan Z-R. Stratiform-convective pre-
classification adalah untuk mengaktifkan dan mengubah
stratiform/konvektif. Parameter file adalah nama masukkan berkas yang
terdapat parameter stratiform/konvektif. Untuk convective Z-R Relation,
A adalah Faktor dari hubungan Z-R untuk bagian konvektif dan B adalah
Eksponen dari hubungan Z-R untuk bagian konvektif. SRI adalah
18
algoritma pada lapisan SRI. Pseudo SRI adalah algoritma data pada
lapisan pseudo SRI (SELEX, 2013).
4. PAC (Precipitation Accumulation)
PAC merupakan produk yang akan melakukan akumulasi dari presipitasi
yang jatuh dalam kurun waktu yang telah ditentukan oleh pengguna. Data
input untuk produk PAC dapat berasal dari berbagai macam produk
utama seperti PPI, CMAX dan SRI.
Gambar 2. 8 Contoh pengaturan produk PAC (SELEX, 2013)
Keterangan pada Gambar 2.8 untuk interval adalah akumulasi interval

waktu dalam hari, jam dan menit. Untuk mode adalah pilihan akumulasi
mode. Kotak centang timed PAC dan fixed start adalah pengaturan untuk
memilih PAC normal (semua dinonaktifkan) atau timed PAC atau fixed
start. Time offset adalah pengaturan untuk time offset dalam HH: MM:
SS. Repet. Time adalah pengaturan waktu pengulangan dalam
HH:MM:SS (sekali per hari) untuk pembuatan PAC berjangka waktu /
Tetap. Fit accuulation adalah interval akumulasi yang dipasang ke timed
PAC, waktu pengulangan digunakan untuk menghindari tumpang tindih
PAC (mis. untuk memiliki PAC 6 jam untuk setiap 6 jam), dan tidak
diambil dari parameter interval atas. Rain adjustment adalah penyesuaian
untuk R (tingkat hujan). Create adjustment file adalah masukkan data
PAC yang digunakan untuk membuat file penyesuaian (SELEX, 2013).
5. PRT (Point Rainfall Total)
Produk PRT adalah produk turunan kedua, yang menggunakan produk
PAC sebagai input. PRT adalah produk yang memberikan informasi
tentang total curah hujan (akumulasi curah hujan) di berbagai lokasi yang
19
dipilih dalam jangkauan radar. Interval waktu akumulasi sesuai untuk

yang didefinisikan dari input PAC.
Gambar 2. 9 Contoh pengaturan produk PRT (SELEX, 2013)
Pada keterangan Gambar 2.9 untuk accumulation interval adalah waktu

akumulasi dalam jam dan menit. Horizontal averaging adalah ukuran
dari kuadrat piksel di sekitar lokasi yang ditentukan untuk data rata-rata.
Longitude adalah bujur dari lokasi yang ditentukan. Sedangkan, latitude
adalah lintang dari lokasi yang ditentukan. Location name adalah nama
lokasi yang ditentukan pengguna (SELEX, 2013).
2.2.2.4 Hubungan Z-R untuk pengukuran curah hujan

Radar cuaca menggunakan besaran faktor reflectivity radar Z dalam
mengukur intensitas hujan (Battan, 1973). Besaran Z ini kemudian diubah ke
intensitas hujan R dengan menerapkan relasi Z-R. Battan (1973) menyebutkan
dalam melakukan pengukuran intensitas curah hujan, pada radar diterapkan
persamaan:
Z = a Rb (2.1)
Keterangan:
Z = faktor reflectivity (mm6/m3)
R = tingkat curah hujan (mm/jam)
b = konstanta empiris diameter tetes dalam satu volume sampling
a = konstanta empiris perubahan ukuran tetes dalam satu volume sampling
20
Koefisien a mewakili kondisi median diameter ukuran tetes dalam satu

sample volume, semakin besar nilai a maka median ukuran tetes dalam satu sampel
volume semakin besar diameter tetes atau droplet. Koefisien b mewakili kondisi
equilibrium perubahan ukuran tetes. Kondisi equilibrium dapat dicapai apabila
jumlah tetes dalam suatu volume mengalami pecah maka akan sama dengan jumlah
tetes yang bersatu. Jika Kondisi equilibrium tercapai maka nilai b = 1. Korelasi Z-
R dapat membantu pengamat untuk menentukan distribusi hujan di suatu daerah
dengan mengkorelasi laju curah hujan aktual yang terukur dengan reflektivitas citra
radar yang dinyatakan dengan gradasi warna biru langit hingga ungu muda.
Hubungan antara rain rate dan reflectivity dapat diketahui dikarenakan nilai faktor
reflectivity mengandung ukuran jumlah partikel air dalam suatu volume
pengamatan, karena estimasi curah hujan dapat diketahui dengan mengestimasi
jumlah partikel air dalam volume yang terdeteksi oleh radar. Hubungan kedua
parameter dengan mem-plot rain rate dengan reflectivity atau mengkorelasikan
secara statistik akan bisa ditentukan oleh kedua parameter (Battan, 1973).
Doviak dan Zrnic (1993), menyebutkan bahwa untuk jenis hujan dari awan
konvektif dan stratiform perlu diterapkan hubungan korelasi Z-R yang berbeda.
Tokay dan Short (1996) menyebutkan bahwa hubungan Marshall-Palmer cocok
digunakan untuk tipe awan hujan stratiform. Sedangkan menurut Atlas dkk. (1990)
untuk tipe hujan konvektif hubungan yang baik digunakan adalah Rosenfeld
Tropical. Persamaan dari hubungan Marshall-Palmer dan Rosenfeld Tropical
adalah:
Marshall-Palmer
Z = 200R1.6 (2.2)
Rosenfeld Tropical
Z = 250R1.2 (2.3)
Keterangan:
Z = faktor reflectivity (mm6/m3)
R = tingkat curah hujan (mm/jam)
21
2.2.3 Quality control data radar cuaca

Tahapan proses quality control yang bisa dan biasa dilakukan pada
operasional radar cuaca (Ardiyanto dkk., 2017) yaitu:
1. Internal quality control:
a) Kualitas kalibrasi (quality of callibration)
kualitas kalibrasi yaitu kualitas dan pelaksanaannya sangat
mempengaruhi akurasi data radar cuaca dalam pengamatan fenomena
cuaca di wilayah pengamatan radar. Kalibrasi bisa di laksanakan pada
hardware, software dan sistem pendukung radar.
b) Optimalisasi scanning strategy yaitu:
1) Menentukan Range Maximum (Rmax) yaitu merupakan tahapan
utama dari pengamatan radar untuk menentukan jangkauan
pengamatan radar dengan dasar pertimbangan dari aspek area
layanan berdasarkan potensi kebencanaan yang telah disesuaikan
dengan spesifikasi sistem radar yang digunakan.
2) Menentukan Velocity Maximum (Vmax) dengan mengetahui
apakah Vmax mampu mengukur kecepatan angin maksimum
atau tidak dalam wilayah pengamatan radar jika tidak
menggunakan strategi Dual PRF (Pulse Repetition Frequency)
2/3, 3/4, dan 4/5 dengan mempertimbangkan kecepatan rata–rata
di stasiun.
3) Menentukan Mode Scanning dengan menggunakan mode
pengamatan observasi cuaca normal VCP 21/22 dan kondisi
cuaca ekstrem VCP 21/12.
4) Menentukan filtering yang merupakan tahapan penting dalam
menentukan kualitas data pengamatan radar cuaca dengan
penentuan metode filtering ataupun nilai threshold yang
digunakan. Contoh optimalisasi filtering dan parameter
thresholding dapat dilihat di Gambar 2.10.
22
Gambar 2. 10 Optimalisasi filtering dan parameter

thresholding (Adriyanto dkk., 2017)
5) Menentukan metode operasional yang tepat yaitu sesuai yang

diterapkan radar BMKG. Secara umum tipe Baron, Vaisala dan
Gematronik menggunakan 1 range operasional 240 km, untuk
pengamatan intensitas. Sedangkan untuk resolusi pengamatan
dan analisis 120 km.
c) Implementasi post processing yaitu:
implementasi post processing yang dilakukan adalah clutter filtering
attenuation, correction bright band echo correction, masking/
occultation dan vertical profile correction. Namun, pada penelitian ini
yang dilakukan adalah clutter filtering, attenuation correction dan
bright band echo correction.
1) Clutter/clutter filtering merupakan proses untuk menghilangkan
echo baik dari ground clutter yang bersifat tetap maupun yang
tidak ter-filter. Pada Gambar 2.11 merupakan contoh perbedaan
echo sebelum dan sesudah clutter filtering.
Gambar 2. 11 Implementasi clutter filtering

(Adriyanto dkk., 2017)
23
2) Attenuation correction/Z attenuation merupakan pengamatan

radar cuaca dari gelombang elektromagnetik yang dipancarkan
radar mengalami redaman/hambatan dari udara, hujan, salju,
hingga partikel es. Besaran attenuasinya tidak hanya dipengaruhi
oleh bentuk besaran droplet tetapi bergantung pada frekuensi
radar. Pada Gambar 2.12 dapat dilihat contoh perbedaan atenuasi
sebelum dan setelah dikoreksi.
3) Bright band echo correction adalah fenomena pada radar saat
mengalami kesalahan interpretasi pada bentuk dan besaran
diameter droplet yang mengalami potensi overestimate. Hal ini
dikarenakan radar mengalami kesalahan mendeskripsikan
fase/jenis objek yang teramati di area freezing level yang
berpengaruh terhadap bentuk dan besaran diameter dari droplet.
Reflectivity dari presipitasi memiliki energi yang lebih besar
dibandingkan ice/snow. Proses alami peristiwa mencairnya es
pada saat melewati melting layer di mulai dari bagian luar yang
berubah menjadi partikel cair/air sedangkan bagian inti masih
berbentuk es yang mengakibatkan ukuran diameter partikel es
menjadi lebih besar dari ukuran sebelumnya, karena bagian luar
dari partikel es yang telah mencair memberikan nilai reflectivity
yang lebih tinggi dan dikenali sebagai partikel hujan, sehingga
dalam persepsi pengamatan radar terdapat partikel hujan dengan
diameter yang besar karena nilai dBz yang di hasilkan lebih besar.
Hal ini terjadi karena proses alamiah di lapisan 0o Celcius dimana
partikel di atmosfer yang telah turun mencapai lapisan freezing
level akan mengalami proses melting, saat beam radar mengenai
partikel yang belum mencair dengan sempurna yaitu bagian
luarnya telah berubah mencair sedangkan intinya masih
berbentuk es, karena diameter dari partikel tersebut menjadi lebih
besar dan terbaca sebagai objek presipitasi, maka radar akan
mendapatkan energi kembali yang lebih besar. Hal inilah yang
24
menyebabkan potensi overestimate pada analisis dan perhitungan

akumulasi curah hujan dari data radar. Contoh tampilan koreksi
BBE dapat dilihat di Gambar 2.12.
Gambar 2. 12 Implementasi koreksi atenuasi dan koreksi

BBE (Adriyanto dkk., 2017)
2. Eksternal quality control:

a) Dual/multi doppler radar merupakan teknik spasial interpolasi dengan
menggunakan teknis analisis obyektif dengan mengkombinasikan data
dari banyak radar dalam satu grid.
b) ARG/AWS merupakan data banding yang digunakan untuk mengkoreksi
data radar dengan membandingkan estimasi yang diturunkan radar
dengan analisis alat pengukur hujan untuk menentukan bias dalam data
radar. ARG/AWS membutuhkan setidaknya sebaran data banding dan
kualitas/kontinuitas data banding.
BAB III
METODE PENELITIAN
3.1 Model Penelitian

Pada penelitian ini menggunakan 2 jenis model penelitian, yaitu:
a. Model penelitian eksperimental
Model Penelitian eksperimental merupakan model penelitian yang
digunakan untuk menyelidiki keberadaan dan besarnya hubungan sebab
akibat dengan memberikan perlakuan tertentu pada objek penelitian (Nazir,
1988). Model penelitian eksperimental pada penelitian ini dilakukan dengan
mengimplementasikan quality control pada raw data yang kemudian diolah
menjadi produk hidrologi untuk estimasi curah hujan.
b. Model penelitian deskriptif
Model ini yaitu model yang digunakan untuk mencari dan membuat
deskripsi unsur-unsur, ciri-ciri, sifat-sifat suatu fenomena. Model ini
dimulai dengan mengumpulkan data, menganalisis data dan
menginterpretasikan data (Suryana, 2010). Model penelitian deskriptif
berguna untuk menjelaskan kondisi hasil estimasi curah hujan dari beberapa
produk yang melalui proses quality control dan non-quality control di radar
Stasiun Meteorologi Palembang dengan menggunakan pengaturan awal
(setting default). Pada bagian akhir penelitian, dilakukan perbandingan
secara kualitatif dan kuantitatif. Perbandingan secara kuantitatif sendiri
adalah membandingkan raw data radar yang melalui proses quality control
dan non-quality control dengan data penakar hujan untuk melihat besar
error dan korelasinya.
3.2 Prosedur Penelitian

Pada subbab prosedur penelitian akan dibahas mengenai lokasi dan waktu
penelitian, data penelitian, alat penelitian, teknik pengumpulan data, teknik
pengolahan data serta metode validasi dari data yang akan diolah.
25
26
3.2.1 Lokasi dan waktu penelitian

Lokasi penelitian mengambil daerah Kota Palembang dan sekitarnya yang
berada dalam cakupan radar cuaca Stasiun Meteorologi Kelas II Sultan Mahmud
Badaruddin II - Palembang. Radar tersebut merupakan radar polarisasi tunggal jenis
gematronik dan terletak pada 2,917444° LS dan 104,702553° BT. Radar cuaca ini
memiliki tipe C-Band dan single polarisasi. Untuk waktu penelitian adalah pada
rentang Januari 2017 hingga Desember 2018. Kasus kejadian diseleksi sesuai
dengan ketersedian data ARG/AWS dan data radar cuaca.
Gambar 3. 1 Peta lokasi penelitian dan sebaran data banding
3.2.2 Data penelitian

Data yang digunakan dalam penelitian ini sebagai berikut:
1. Data radar cuaca
Data radar yang digunakan adalah raw data radar cuaca Palembang untuk
beberapa kasus kejadian hujan yang terjadi dalam rentang waktu Januari
2017 hingga Desember 2018 di wilayah Palembang dan sekitarnya dan raw
data pada saat kejadian cuaca cerah untuk pembuatan clutter map.
27
2. Data curah hujan

Data curah hujan yang digunakan yaitu data dari penakar hujan ARG/AWS
di wilayah pengamatan radar cuaca Stasiun Meteorologi Palembang selama
beberapa kasus kejadian hujan dalam pada rentang waktu Januari 2017
hingga Desember 2018 di wilayah Palembang dan sekitarnya. Adapun nama
dan posisi ARG/AWS tersebut disajikan dalam Tabel 3.1.
Tabel 3. 1 ARG/AWS di wilayah pengamatan radar Palembang

Jarak dari
Nama Lintang Bujur
Radar
ARG Indralaya -3.2322 104.68 9.4 km
ARG Gandus -3 104.7 10.4 km
ARG Jaka Baring -3.0277 104.781 13.32 km
ARG Plaju -2.992 104.822 14.28 km
ARG Banyu Asin I -2.9531 104.886 20.9 km
ARG KTM Tanjung Lago -2.6457 104.76 31.2 km
ARG Suak Tape -2.8594 104.357 44.7 km
ARG Pangkalan Lampan -3.2021 105.099 54.0 km
ARG Cinta Manis -3.4353 104.674 57.3 km
ARG Prabumulih -3.3728 104.285 68.8 km
ARG Sungai Lilin -2.6293 104.104 77.8 km
ARG Sekayu -2.8956 103.845 97.3 km
ARG Babat Toman -2.7654 103.665 100.0 km
ARG Talang Ubi -3.2727 103.825 107.8 km
ARG Bayung Lencir -2.1946 103.754 134.8 km
AWS Unsri Indralaya -3.13 104.39 46.27 km
AWS Staklim Palembang -2.5538 104.462 48.15 km
AWS Sembawa -2.56 104.32 60.9 km
Sumber : Stasiun Klimatologi Palembang
3.2.3 Alat penelitian

Alat yang akan digunakan dalam penelitian ini sebagai berikut:
1. Aplikasi Rainbow 5.49.11
Aplikasi Rainbow 5.49.11 digunakan untuk mengolah raw data radar
berupa reflectivity, kecepatan radial dan spectral width dengan format .vol
28
menjadi produk radar. Lisensi aplikasi tersebut merupakan lisensi yang

dimiliki oleh Laboratorium Meteorologi STMKG.
2. Aplikasi Spreadsheet
Aplikasi spreadsheet digunakan untuk mengolah data curah hujan yang
berasal dari alat penakar hujan dan hasil estimasi radar serta menghitung
nilai kesalahan dan korelasi.
3.2.4 Teknik pengumpulan data

Pada tahap ini, teknik pengumpulan yang dilakukan antara lain:
1. Pengumpulan data curah hujan dari ARG/AWS periode Januari-
Desember 2017 dan Januari-Desember 2018 pada beberapa pos hujan di
Sumatera Selatan dari Automatic Weather Station (AWS) online yang
diakses melalui website AWS online
ftp://202.90.198.212/awscenter/home/index/.
2. Pengumpulan data mentah dari radar cuaca Palembang dilakukan
dengan mengambil salinan raw data radar di Stasiun Meteorologi Kelas
II Sultan Mahmud Badaruddin II - Palembang.
3.2.5 Teknik pengolahan data

Pada penelitian ini dilakukan pengolahan data sebagai berikut:
1. Mengklasifikasikan raw data dan data curah hujan ARG/AWS berdasarkan
kriteria hujan lebat (lebih dari sama dengan 50 mm/hari). Data curah hujan
diolah menggunakan aplikasi spreadsheet menjadi data curah hujan per jam.
2. Memilih hari cuaca cerah berdasarkan produk radar dengan melihat tutupan
awan seminimal mungkin untuk menjadi dasar pembuatan clutter map pada
proses 3DCDP.
3. Melakukan clutter filtering terhadap ground clutter dan beam blockage
dengan menerapkan 3DCDP (3D Clutter Map and Data Processing) dengan
produk PPI. Tampilan 3DCDP dan clutter map disajikan pada Gambar 3.2.
29
Gambar 3. 2 Pengaturan 3DCDP Rainbow 5.49.11
4. Melakukan bright band echo correction, untuk input bright band echo
menggunakan pengaturan dasar dari aplikasi Rainbow 5.49.11 seperti yang
ditampilkan pada Gambar 3.3. sebelum menerapkan bright band correction
pada quality control, dilakukan analisis bright band echo pada produk
CMAX. Jika tidak terdapat bright band echo maka tidak dilakukan bright
band echo correction.
Gambar 3. 3 Pengaturan BBC Rainbow 5.49.11
5. Melakukan Z-based attenuation correction untuk mengurangi efek atenuasi

yang diakibatkan adanya redaman oleh adanya awan maupun hujan di
30
sekitar pusat radar. Tampilan produk Z-based attenuation correction

(ZATC) disajikan pada Gambar 3.4.
Gambar 3. 4 Pengaturan ZATC Rainbow 5.49.11
6. Mengolah produk SRI sebagai produk utama untuk estimasi curah hujan.
Produk SRI menggunakan relasi Z-R Marshall-Palmer untuk hujan yang
bersal dari awan stratiform dan relasi Z-R Rosenfeld Tropical untuk hujan
yang berasal dari awan konvektif. Pengaturan produk SRI dapat dilihat pada
Gambar 3.5.
Gambar 3. 5 Pengaturan SRI Rainbow 5.49.11

31
7. Untuk mengetahui akumulasi curah hujan dengan interval waktu satu jam,
produk SRI diturunkan menjadi produk PAC dengan interval waktu satu
jam. Produk PAC diturunkan menjadi produk PRT untuk melihat nilai
estimasi curah hujan pada produk PAC. Pengaturan produk PAC disajikan
pada Gambar 3.6.
Gambar 3. 6 Pengaturan PAC Rainbow 5.49.11
8. Selanjutnya, produk PRT dikonversi menjadi format ASCII. Pengaturan

produk PRT dapat dilihat pada Gambar 3.7.
Gambar 3. 7 Pengaturan PRT Rainbow 5.49.11

32
9. Setelah semua pengaturan produk telah disiapkan, selanjutnya produk akan

disusun di dalam task yang terdiri dari non-quality control dan quality
control seperti yang ditampilkan pada Gambar 3.8. Pada menu task, produk
yang telah disiapkan harus disusun sesuai dengan urutannya agar tidak
terjadi kesalahan saat generate produk.
Gambar 3. 8 Pengaturan task non-quality control (kiri) dan quality

control (kanan)
10. Mengolah data curah hujan yang berasal dari penakar hujan dan produk
radar dalam format ASCII menggunakan aplikasi spreadsheet sehingga
dihasilkan akumulasi curah hujan dengan interval waktu satu jam.
3.2.6 Teknik analisis data

Pada penelitian ini dilakukan pengolahan data sebagai berikut:
1. Melakukan analisis kualitatif terhadap produk CMAX untuk melihat pola
BBE.
2. Melakukan analisis kualitatif terhadap produk SRI dan PAC yang
dilakukan implementasi quality control dan non-quality control dengan
membandingkan hasil citra radar.
33
3. Melakukan analisis kuantitatif terhadap produk radar yaitu produk PRT dan
hasil akumulasi curah hujan observasi penakar hujan menggunakan metode
statistik yaitu RMSE, MAE, dan korelasi.
4. Mengambil kesimpulan pengaruh implementasi quality control data radar
berdasarkan analisis kualitatif dan kuantitatif.
3.3 Validasi
Untuk mengetahui hubungan keakurasian antara data radar yang telah
melewati proses quality control dan data non-quality control dengan data
ARG/AWS maka pada penelitian ini dilakukan validasi menggunakan metode Root
Mean Square Error (RMSE), Mean Absolute Error (MAE) dan korelasi.
3.3.1 Root mean square error (RMSE)

Root mean square error (RMSE) digunakan untuk mengetahui besarnya
penyimpangan yang terjadi antara nilai estimasi curah hujan radar dibandingkan
dengan nilai aktual curah hujan observasi. Curah hujan hasil estimasi dari beberapa
produk radar dan hasil pengamatan AWS dan ARG kemudian di susun dalam
bentuk tabel (Tabel 3.2) untuk perhitungan nilai RMSE. Nilai RMSE dihitung
dengan menggunakan persamaan 3.1 (Wilks, 2011) :
1
𝑛
𝑅𝑀𝑆𝐸 = √𝑛 ∑ 𝑖=1 (𝑓𝑖 − 𝑜𝑖 )2 (3.1)
Keterangan:
n = Jumlah data
𝑓𝑖 = Nilai curah hujan estimasi ke-i
𝑜𝑖 = Nilai curah hujan observasi ke-i
3.3.2 Mean absolute error (MAE)

Evaluasi statistik dari nilai MAE digunakan untuk mengetahui besarnya
penyimpangan yang terjadi antara nilai estimasi total curah hujan dengan nilai total
34
curah hujan hasil observasi. Curah hujan hasil estimasi dari beberapa produk radar
dan hasil pengamatan AWS dan ARG kemudian di susun dalam bentuk tabel (Tabel
3.2) untuk perhitungan nilai MAE. Persamaan untuk menghitung MAE
menggunakan persamaan 3.2 (Wilks, 2011).
1 𝑛
(MAE = 𝑛 ∑𝑖=1 |(𝑓𝑖 − 𝑜𝑖 )| (3.2)
Keterangan :
n = Banyak data
fi = Curah hujan hasil estimasi ke-i (mm)
oi = Curah hujan hasil observasi ke-i (mm)
Tabel 3. 2 Tabel untuk perhitungan nilai RMSE dan MAE
JAM Curah Hujan (mm) SELISIH

(UTC) ARG/AWS RADAR R-A
00.00
01.00
02.00
dst.
RMSE
MAE
Sumber : Wilks, (2006)
3.3.3 Nilai korelasi

Metode korelasi dilakukan untuk mengetahui kuat tidaknya hubungan
antara data hasil estimasi radar dengan data observasi. Nilai koefisien korelasi ini
berkisar antara -1 sampai +1 (Wijayanto, 2008) Nilai koefisien korelasi didapat
dengan rumus sebagai berikut :
35
n ∑ xy− ∑ x ∑ y
r(x, y) = √n ∑ x2− (∑ x)2√n ∑ y2− (∑ y)2 (3.3)
Keterangan :
𝑟(𝑥,𝑦) = Koefisien korelasi
x = Nilai observasi
y = Nilai estimasi radar
Nilai korelasi ( r ) tidak mempunyai satuan atau dimensi. Nilai positif (+)
atau negatif (–) hanya menunjukkan arah hubungan korelasi tersebut. Nilai positif
(+) menandakan hubungan searah sedangkan hubungan negatif (-) menandakan
hubungan berkebalikan (Sugiyono, 2004). Nilai interpretasi nilai r ditampilkan
pada Tabel 3.3.
Tabel 3. 3 Interpretasi nilai korelasi

Nilai Korelasi Interpretasi
0,000 - 0,199 Sangat Lemah
0,200 - 0,399 Lemah
0,400 - 0,599 Sedang
0,600 - 0,799 Kuat
0,800 - 1,000 Sangat Kuat
Sumber : Sugiyono, (2004)
36
3.5 Diagram Alir Penelitian
Gambar 3. 9 Diagram alir penelitian

BAB IV
HASIL DAN PEMBAHASAN
4.1 Ketersedian Data

Data curah hujan yang dipilih untuk kasus hujan lebat adalah curah hujan
dengan nilai lebih dari 50 mm/hari yang terbaca oleh penakar hujan. Sedangkan
hari hujan yang dipilih adalah hari hujan dengan jumlah penakar paling banyak
yang memiliki curah hujan lebih dari 50 mm/hari. Dari 18 ARG/AWS yang telah
direncanakan untuk dijadikan data pembanding dilakukan seleksi lebih lanjut
terhadap ketersediaan data pembanding, maka berhasil diseleksi lokasi ARG/AWS
yang dinilai tepat dan memiliki kualitas data dan kuantitas data yang sesuai kriteria.
Daftar lokasi ARG/AWS yang terseleksi dijelaskan pada Tabel 4.1 sebagai berikut.
Tabel 4. 1 Daftar lokasi ARG/AWS terseleksi

Tanggal Kejadian
No. ARG/AWS 2017 2018
28/5/17 12/8/2017 20/11/17 12/12/2017 29/3/18 24/6/18 12/11/2018 12/12/2018
1 Babat Toman
2 Gandus
3 Jakabaring
4 KTM Tj. Lago
Pangkalan
5
Lampan
6 Prabumulih
Stamet
7
Palembang
8 Sungai Lilin
Keterangan :
ARG dengan curah hujan lebih dari 50 mm/hari
37
38
4.2 Hasil Pengolahan 3DCDP

0.5° 4.2.1 Clutter Map 2.7°
0 0
0.5° 1.5° 2.7°
4.2° 6.0° 8.4°

0 0 0
11.30° 14.9° 19.5°

0
Gambar 4. 1 Clutter Map dengan elevasi 0.5°, 1.5°, 2.7°, 4.2°, 6.0°, 8.4°,
11.30°, 14.9°, dan 19.5°
Pada Gambar 4.1 adalah gambar clutter map di berbagai elevasi. Pembuatan
clutter map menggunakan data radar pada saat cuaca cerah tanpa awan konvektif
di wilayah penelitian untuk melihat hasil pemindaian radar yang dipengaruhi oleh
clutter, interferensi atau noise. clutter map yang diolah dari raw data radar pada
saat kasus cuaca cerah pada tanggal 18 Agustus 2018.
Pada elevasi 0.5° yang ditunjukkan pada Gambar 4.1 hasil pemindaian radar
dipengaruhi interferensi dan ground clutter. Interferensi yang terjadi berkisar antara
5 - 20 dBZ pada arah tenggara dan sedikit di arah barat daya dengan radius 30 - 200
km dari pusat radar. Sedangkan ground clutter yang terdapat di sekitar radar
disebabkan oleh gedung tinggi yang berada di sekitar radar, clutter di elevasi 0.5°
39
diduga berasal dari gedung-gedung tinggi yang berada di radius 50 km dari pusat
radar, gedung-gedung tinggi tersebut dapat dilihat di gambar yang berasal dari
google earth (lampiran 1). Pada elevasi 1.5° interferensi dan clutter sudah tidak lagi
terpantau, akan tetapi masih ada sedikit interferensi di arah barat daya dari pusat
radar. Pada elevasi 2.7°, 4.2°, 6.0°, 8.4°, 11.30°, 14.9°, dan 19.5° interferensi dan
clutter sudah tidak lagi terpantau.
4.2.2 Penerapan 3DCDP menggunakan PPI

Pengolahan 3DCDP dilakukan pada semua kasus hujan yang terpilih
menggunakan clutter map yang diolah dari raw data radar saat kasus cuaca cerah
pada tanggal 18 Agustus 2018. Untuk melihat keadaan cuaca cerah digunakan
produk PPI. Pada citra PPI terlihat kondisi cuaca cerah sebelum dilakukan 3DCDP
(Gambar 4.2a) terdapat beberapa reflectivity yang bukan objek meteorologi,
reflectivity tersebut adalah clutter dan interferensi. Setelah dilakukan 3DCDP
(Gambar 4.2b) kondisi citra berubah menjadi clear dan clutter disekitar radar tidak
lagi terpantau.
Gambar 4. 2 Citra PPI 18 Agustus 2018; (a) sebelum diterapkan proses

3DCDP; (b) setelah diterapkan proses 3DCDP
4.3 Hasil Pengolahan Bright Band Echo Correction (BBC)

Pola bright band umumnya terjadi saat masa peralihan musim dan musim
hujan. Pengolahan bright band echo correction (BBC) dilakukan hanya pada kasus
40
hujan yang terdapat pola BBE. Dari 8 kasus hujan lebat pada penelitian ini terdapat
2 kasus yang menunjukkan adanya pola BBE, yaitu pada tanggal 12 Desember 2017
dan 12 November 2018.
Gambar 4. 3 Citra CMAX 12 Desember 2017; (a) sebelum diterapkan proses

BBC; (b) setelah diterapkan proses BBC
Gambar 4. 4 CMAX 12 November 2018; (a) sebelum diterapkan proses BBC;

(b) setelah diterapkan proses BBC
Pada tanggal 12 Desember 2017 terdapat fenomena BBE pada jam 17.10
UTC. Sebelum terkoreksi terlihat BBE yang terbentuk sekitar 7 ring (Gambar 4.3a).
Sedangkan, pada tanggal 12 November 2018 terlihat BBE yang terbentuk sekitar 6
ring (Gambar 4.4a) pada jam 20.00 UTC. Setelah dilakukan quality control terlihat
perubahan menghilangnya beberapa echo-echo pada ring di sekitar pusat radar dari
masing-masing kasus tersebut (Gambar 4.3b; Gambar 4.4b).
41
4.4 Hasil Pengolahan Z-based Attenuation Correction (ZATC)

Produk yang digunakan untuk penerapan koreksi ini adalah produk SRI dan
PAC. Produk SRI merupakan produk estimasi curah hujan pada permukaan yang
memperhitungkan kondisi topografi. Sedangkan, produk PAC merupakan produk
estimasi curah hujan yang menghitung keseluruhan hujan yang terdeteksi oleh radar
(SELEX,2013). Secara keseluruhan hasil koreksi dari pengolahan ZATC pada
setiap kasus yang terpilih (lampiran 2 dan lampiran 3) berhasil dilakukan, yaitu
dengan adanya penambahan nilai estimasi curah hujan pada beberapa daerah.
Pada Gambar 4.5 ditampilkan produk SRI sebelum diterapkan ZATC
(Gambar 4.5a) dan produk SRI sesudah diterapkan ZATC (Gambar 4.5b) serta
Gambar 4.6 ditampilkan produk PAC sebelum diterapkan ZATC (Gambar 4.6a)
dan produk PAC sesudah diterapkan ZATC (Gambar 4.6b). Dari citra tersebut dapat
dilihat adanya perubahan pada citra radar cuaca sebelum dan sesudah koreksi
ZATC. Yaitu berupa penambahan intensitas curah hujan yang dapat dilihat dari
peningkatan warna pixel pada citra sesuai dengan skala legenda.
Gambar 4. 5 SRI 20 November 2017; (a) sebelum diterapkan proses ZATC;

(b) setelah diterapkan proses ZATC
42
Gambar 4. 6 PAC 20 November 2017; (a) sebelum diterapkan proses ZATC;

(b) setelah diterapkan proses ZATC
4.5 Hasil Pengolahan Tanggal 28 Mei 2017

4.5.1 Validasi ARG Jakabaring 28 Mei 2017
Grafik time series antara hasil estimasi curah hujan radar dan penakar hujan
disajikan pada Gambar 4.7 untuk lokasi ARG Jakabaring pada tanggal 28 Mei 2017.
Grafik tersebut menunjukkan bahwa nilai curah hujan hasil estimasi dengan quality
control mendekati nilai curah hujan ARG Jakabaring meskipun nilai curah hujan
setelah di quality control masih sedikit underestimate.
ARG Jakabaring
40
Curah Hujan (mm)
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 7 Grafik intensitas curah hujan lokasi ARG Jakabaring 28 Mei

2017
43
4.5.2 Validasi ARG KTM Tanjung Lago 28 Mei 2017

Pada Gambar 4.8 menunjukkan grafik time series antara hasil estimasi curah
hujan dari radar cuaca dan data penakar hujan pada tanggal 28 Mei 2017 dengan
lokasi ARG KTM Tanjung Lago. Dilihat dari grafik tersebut ditunjukkan bahwa
dibandingkan dengan nilai sebelum dilakukan quality control, nilai curah hujan
meningkat setelah dilakukan quality control. Meskipun, tidak mendekati nilai
estimasi curah hujan pada ARG KTM Tanjung Lago. Nilai curah hujan pada radar
masih cenderung underestimate untuk lokasi ARG KTM Tanjung Lago.
ARG KTM Tanjung Lago

30
Curah Hujan (mm)
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 8 Grafik intensitas curah hujan lokasi ARG KTM Tanjung Lago
28 Mei 2017
4.5.3 Validasi ARG Pangkalan Lampan 28 Mei 2017

ARG Pangkalan Lampan disajikan pada Gambar 4.9. Berdasarkan grafik tersebut
dapat dilihat bahwa nilai estimasi curah hujan radar cenderung underestimate
sebelum dilakukan quality control. Setelah dilakukannya quality control nilai
estimasi curah hujan pada radar mendekati nilai curah hujan ARG meskipun masih
underestimate.
44
ARG Pangkalan Lampan

40
Curah Hujan (mm)

30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 9 Grafik intensitas curah hujan lokasi ARG Pangkalan Lampan

28 Mei 2017
4.6 Hasil Pengolahan Tanggal 12 Agustus 2017

4.6.1 Validasi ARG Pangkalan Lampan 12 Agustus 2017
Pada Gambar 4.10, menunjukkan grafik time series antara hasil estimasi
curah hujan dari radar cuaca dan data ARG pada tanggal 12 Agustus 2017 dengan
lokasi ARG Pangkalan Lampan. Pola Grafik dibawah menunjukkan bahwa nilai
curah hujan hasil estimasi dengan quality control mendekati nilai curah hujan ARG
meskipun cenderung underestimate.

50
Curah Hujan (mm)
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC

12 Agustus 2017
45
4.6.2 Validasi AWS Digi Stamet Palembang 12 Agustus 2017

AWS Digi Stamet Palembang pada tanggal 12 Agustus 2017 disajikan pada
Gambar 4.11. Berdasarkan grafik tersebut dapat dilihat bahwa nilai estimasi curah
hujan radar cenderung underestimate sebelum dilakukan quality control. Akan
tetapi setelah dilakukannya quality control nilai estimasi curah hujan pada radar
mendekati nilai curah hujan AWS meskipun cenderung underestimate.
AWS Digi Stamet Palembang

80
Curah Hujan (mm)
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 11 Grafik intensitas curah hujan lokasi AWS Digi Stamet

Palembang 12 Agustus 2017
4.7 Hasil Pengolahan Tanggal 20 November 2017

4.7.1 Validasi ARG Prabumulih 20 November 2017
curah hujan dari radar cuaca dan penakar hujan dengan lokasi ARG Prabumulih
pada tanggal 20 November 2017. Gambar dibawah menunjukkan bahwa nilai curah
hujan hasil estimasi dengan quality control mendekati nilai curah hujan ARG.
46
ARG Prabumulih
60
Curah Hujan (mm)

40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC

November 2017
4.8 Hasil Pengolahan Tanggal 12 Desember 2017

4.8.1 Validasi ARG Pangkalan Lampan 12 Desember 2017
curah hujan dari radar cuaca dan penakar hujan dengan lokasi ARG Pangkalan
Lampan. Grafik tersebut menunjukkan bahwa nilai curah hujan hasil estimasi
dengan quality control mendekati nilai curah hujan ARG. Akan tetapi, pada jam
17.00 UTC menunjukkan bahwa nilai curah hujan hasil estimasi quality control
lebih tinggi dibanding nilai curah hujan ARG, dengan hasil cenderung
overestimate.

25
Curah Hujan (mm)
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC

12 Desember 2017
47
4.8.2 Validasi ARG Prabumulih 12 Desember 2017

curah hujan dari radar cuaca dan data penakar hujan dengan lokasi ARG
Prabumulih. Grafik di bawah menunjukkan bahwa nilai curah hujan hasil estimasi
quality control lebih tinggi dibanding nilai curah hujan ARG Prabumulih, dengan
hasil cenderung overestimate.
ARG Prabumulih
25
Curah Hujan (mm)
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC

Desember 2017
4.9 Hasil Pengolahan Tanggal 29 Maret 2018

4.9.1 Validasi ARG Gandus 29 Maret 2018
curah hujan dari radar cuaca dan penakar hujan dengan lokasi ARG Gandus.
Gambar dibawah menunjukkan bahwa nilai curah hujan hasil estimasi dengan
quality control mendekati nilai curah hujan ARG dengan hasil cenderung
overestimate di jam 18.00 UTC hingga jam 23.00 UTC.
48
ARG Gandus
50
Curah Hujan (mm)

40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 15 Grafik intensitas curah hujan lokasi ARG Gandus 29 Maret

2018
4.9.2 Validasi AWS Digi Stamet Palembang 25 Maret 2018

AWS Digi Stamet Palembang pada tanggal 29 Maret 2018 disajikan pada Gambar
4.16. Berdasarkan grafik tersebut dapat dilihat bahwa nilai estimasi curah hujan
radar cenderung underestimate sebelum dilakukan quality control. Akan tetapi
setelah dilakukannya quality control nilai estimasi curah hujan pada radar

60
Curah Hujan (mm)
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC

Palembang 25 Maret 2018
49
4.10 Hasil Pengolahan Tanggal 24 Juni 2018

4.10.1 Validasi ARG Babat Toman 24 Juni 2018
ARG Babat Toman pada tanggal 24 Juni 2018 disajikan pada Gambar 4.17.
Berdasarkan grafik tersebut dapat dilihat bahwa nilai estimasi curah hujan radar
cenderung underestimate sebelum dilakukan quality control. Akan tetapi setelah
dilakukannya quality control nilai estimasi curah hujan pada radar mendekati nilai
curah hujan ARG meskipun cenderung underestimate.
ARG Babat Toman

25
Curah Hujan (mm)
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC

Juni 2018
4.10.2 Validasi ARG Sungai Lilin 24 Juni 2018

ARG Sungai Lilin pada tanggal 24 Juni 2018 disajikan pada Gambar 4.18.
50
ARG Sungai Lilin

40
Curah Hujan (mm)

30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 18 Grafik intensitas curah hujan lokasi ARG Sungai Lilin 24 Juni
2018
4.11 Hasil Pengolahan Tanggal 12 November 2018

4.11.1 Validasi ARG Gandus 12 November 2018
ARG Gandus pada tanggal 12 November 2018 disajikan pada Gambar 4.19.
ARG Gandus
60
Curah Hujan (mm)
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 19 Grafik intensitas curah hujan lokasi ARG Gandus 12

November 2018
51
4.11.2 Validasi ARG Jakabaring 12 November 2018

ARG Jakabaring pada tanggal 12 November 2018 disajikan pada Gambar 4.20.
ARG Jakabaring
60
Curah Hujan (mm)
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 20 Grafik intensitas curah hujan lokasi ARG Jakabaring 12

November 2018
4.11.3 Validasi AWS Digi Stamet Palembang 12 November 2018

AWS Digi Stamet Palembang pada tanggal 12 November 2018 disajikan pada
Gambar 4.21. Berdasarkan grafik tersebut dapat dilihat bahwa nilai estimasi curah
hujan radar cenderung underestimate sebelum dilakukan quality control. Akan
tetapi setelah dilakukannya quality control nilai estimasi curah hujan pada radar
52

60
Curah Hujan (mm)

40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC

Palembang 12 November 2018
4.12 Hasil Pengolahan Tanggal 12 Desember 2018

4.12.1 Validasi ARG Babat Toman 12 Desember 2018
ARG Babat Toman pada tanggal 12 Desember 2018 disajikan pada Gambar 4.22.
ARG Babat Toman

40
Curah Hujan (mm)
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC

Desember 2018
53
4.13 Validasi Hasil Pengolahan Curah Hujan

Berdasarkan hasil dari pengolahan curah hujan ARG/AWS dan estimasi
curah hujan radar quality control dan non-quality control terhadap 16 kasus validasi
memiliki hasil yang bervariasi. Tabel 4.2 menunjukkan rangkuman hasil produk
PRT dengan total 16 kasus validasi.
Secara keseluruhan hasil dari validasi nilai korelasi meningkat. Akan tetapi,
terdapat 3 korelasi yang menurun. Yaitu pada AWS Digi Stamet Palembang tanggal
12 Agustus 2017 dan 12 November 2018 serta ARG Gandus tanggal 29 Maret 2018.
Menurut Kabeche dkk. (2012), hasil korelasi yang kurang baik dapat disebabkan
oleh penerapan persamaan korelasi Z-R yang kurang tepat pada koreksi atenuasi.
Umumnya implementasi quality control berdasarkan hasil validasi menggunakan
MAE dan RMSE berhasil menurunkan eror dan hanya terdapat 1 kasus erornya
meningkat yaitu pada ARG Gandus pada tanggal 29 Maret 2018. Nilai korelasi
quality control dapat dikatakan lebih baik jika nilainya lebih besar dibandingkan
dengan nilai korelasi non-quality control dengan nilai pendekatan 1. Sebaliknya,
nilai eror MAE dan RMSE quality control dapat dikatakan lebih baik jika nilainya
lebih kecil dibandingkan dengan nilai eror MAE dan RMSE non-quality control.
Dalam kasus nilai korelasi menurun dan eror meningkat masih dinyatakan berhasil
jika masih berada dalam kelas interpretasi nilai korelasi yang sama atau tidak turun
kelas.
Secara keseluruhan estimasi curah hujan pada radar setelah quality control
cenderung underestimate meskipun nilai estimasi curah hujan radar mendekati nilai
pada curah hujan ARG/AWS. Menurut Zawadzki (1975), hasil yang cenderung
underestimate dapat disebabkan oleh adanya kesenjangan resolusi temporal atau
time delay antara pengukuran radar cuaca dan penakar hujan. Selain itu, terdapat 2
kasus yang cenderung overestimate. Menurut Peters, dkk. (2010) penerapan koreksi
atenuasi juga dapat menyebabkan overestimate estimasi curah hujan yang
disebabkan oleh bertambahnya jarak dan jumlah awan pada area pengamatan radar
cuaca.
Berdasarkan hasil dari validasi yang didapatkan, dilihat dari tabel 4.2 nilai
korelasi implementasi quality control pada radar Palembang umumnya berhasil
54
memperbaiki kualitas estimasi curah hujan. Yaitu, dapat menaikkan nilai korelasi
dan menurunkan nilai eror. Implementasi quality control dapat dikatakan berhasil
jika ada peningkatan nilai korelasi dan nilai eror yang berkurang. Sebaliknya,
implementasi quality control dikatakan tidak berhasil jika terjadi penurunan nilai
korelasi dan nilai eror bertambah. Dengan demikian, dari 16 hasil validasi tersebut
diketahui bahwa terdapat 15 validasi yang menunjukkan bahwa quality control
berhasil dilakukan sehingga persentase keberhasilan quality control pada penelitian
ini adalah 93.75 %. Adapun perhitungan persentase tersebut dilakukan
menggunakan perhitungan matematika sederhana, yaitu jumlah data validasi yang
diamati dibagi dengan total jumlah validasi data kemudian dikalikan dengan seratus
persen.
Tabel 4. 2 Validasi keseluruhan ARG/AWS

Tanggal Korelasi MAE RMSE
Nama Kasus
Penakar Hujan Hujan Non-QC QC Non-QC QC Non-QC QC
Lebat
12/12/2018 0.875102 0.877725 1.886957 1.782609 5.028787 4.885916
ARG Babat Toman
24/06/2018 0.843602 0.857101 2.886957 2.826087 5.575646 5.467215
29/03/2018 0.708487 0.701399 1.708696 2.643478 6.676533 7.616344
ARG Gandus
12/11/2018 0.975684 0.975895 2.673913 2.352174 7.308928 6.199825
28/05/2017 0.849954 0.859345 1.547826 1.282609 5.744411 5.455791
ARG Jakabaring
12/11/2018 0.950946 0.951768 2.66087 2.226087 10.13114 8.76976
ARG KTM Tanjung Lago 28/05/2017 0.158146 0.389439 2.1 1.895652 6.171921 5.990137
28/05/2017 0.959396 0.967784 1.921739 1.178261 6.421635 3.968298
12/08/2017 0.940045 0.943625 2.026087 1.708696 6.363414 4.874557
12/12/2017 0.72716 0.738935 1.256522 0.930435 4.153312 3.730719
20/11/2017 0.998598 0.999479 0.373913 0.126087 0.880217 0.327706
ARG Prabumulih
12/12/2017 0.864636 0.881367 0.952174 0.865217 2.459321 2.430691
ARG Sungai Lilin 24/06/2018 0.570286 0.921697 3.582609 2.826087 8.664069 6.368195
AWS Digi Stamet 12/08/2017 0.995719 0.989761 2.856522 2.63913 10.39099 9.465383
Palembang 29/03/2018 0.948289 0.966881 2.408696 2.095652 8.084715 7.020157
12/11/2018 0.93418 0.893306 3.452174 3.191304 9.579779 9.045104
Keterangan :
Korelasi Menurun
Eror Meningkat
BAB V
PENUTUP
5.1 Kesimpulan
Secara keseluruhan implementasi quality control pada data radar cuaca c-
band di Palembang dapat memperbaiki dan meningkatkan kualitas estimasi curah
hujan dengan persentase keberhasilan quality control pada penelitian ini adalah
93.75 %.. Secara kualitas, perbaikan hasil estimasi curah hujan dapat dilihat dari
berhasil dihilangkannya ground clutter dan meningkatnya intensitas curah hujan.
Sedangkan secara kuantitas, perbaikan hasil estimasi dapat dilihat dari
berkurangnya nilai eror pada estimasi curah hujan setelah quality control.
5.2 Saran
Adapun saran yang dapat penulis berikan untuk kepentingan selanjutnya
yang lebih baik adalah sebagai berikut:
1. Perlu dilakukan penelitian khusus mengenai karakteristik BBE di wilayah
Palembang.
2. Perlu dilakukan penelitian khusus mengenai karakteristik noise dan clutter
untuk mendapatkan nilai thresholding yang tepat di wilayah Palembang.
3. Diharapkan pada kajian berikutnya menggunakan studi kasus yang lebih
banyak agar didapatkan hasil yang maksimal dalam penelitian.
55
DAFTAR PUSTAKA
Adriyanto, R., Donaldi S. P., Iddam H. U. dan Wahyu A., 2017, Current Status of
BMKG’s Weather Radar Data Quality Control and In-House Products
Development Slides, BMKG, Jakarta.
Atlas, D., dan Short D. A., 1990, “The Estimation of Convective Rainfall by Area
Integral: 1. The Theoretical and Empirical Basis” dalam Journal of
Geophysics, Vol. 95, 2153-2160.
Battan, L. J., 1973, Radar Observation of the Atmosphere, University of Chicago
Press:Chicago.
BMKG, 2010, Peraturan Kepala Badan Meteorologi Klimatologi dan Geofisika
Nomor: KEP.009 Tahun 2010 tentang Prosedur Standar Operasional
Pelaksanaan Peringatan Dini, Pelaporan, dan Desiminasi Informasi
Cuaca Ekstrem, BMKG, Jakarta.
BMKG, 2016, Peraturan Kepala Badan Meteorologi Klimatologi dan Geofisika
Nomor 3 Tahun 2016 Tentang Organisasi dan Tata Kerja Badan
Meteorologi Klimatologi dan Geofisika, BMKG, Jakarta.
Doviak, R. J., dan Zrnic D. S., 1993, Doppler Radar and Weather Observations,
Academic Press, California.
Fathan, M., 2018, “Verifikasi Pengaruh Implementasi Quality Control Terhadap
Akurasi Perhitungan Akumulasi Curah Hujan Pada Radar Cuaca X-band
Solid State Polarisasi Ganda Palu”, Skripsi, Program Studi Meteorologi,
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jakarta.
Holleman, I., 2006, Bias Adjustment of Radar-Based 3-Hour Precipitation
Accumulations, Technical Report TR-290, KNMI.
Kabeche, F. dkk., 2012, Design and Test of an X-band Optimal Rain Rate Estimator
in the Frame of the RHYTMME Project, ERAD 2012
Novytasari, H., 2017, “Kajian Implementasi Quality Control Data Radar Guna
Meningkatkan Kualitas Estimasi Curah Hujan di Wilayah Palangka Raya”,
Skripsi, Program Studi Meteorologi, Sekolah Tinggi Meteorologi
Klimatologi dan Geofisika, Jakarta.
Nazir, M., 1998, Metode Penelitian, Ghalia Indonesia, Jakarta.
OFCM, 2017, meteorological Handbook no. 11 WSR-88D Meteorological
Observations Part c WSR-88D Products and Algorithms, Office of The
Federal Coordinator for Meteorological Services FCM-H11C-2017, Silver
Spring:USA.
Peters, G., B. Fischer, M. Clemens, 2010, Rain Attenuation of Radar Echoes
Considering Finite-Range Resolution and Using Drop Size Distributions,
Jurnal of Atmospheric and Oceanic Technology, Vol. 27, 829-843.
Rauber, R.M. dan Nesbitt, S. W., 2018, Radar Meteorology: A First Course, John
Wiley Sons, Hoboken.
Rinehart, R. E., 2010, Radar for Meteorologist – fifth edition, Nevada
SELEX, 2013, Software Manual Rainbow 5 Product & Algorithms, SELEX
SIGmbH, Jerman.
56
57
Siregar P. S., 2018, “Kajian Akurasi Hubungan Z-R untuk Estimasi Curah Hujan
Berdasarkan Klasifikasi Tipe Awan Hujan pada Radar Cuaca Palembang”,
Skripsi, Program Studi Meteorologi, Sekolah Tinggi Meteorologi
Klimatologi dan Geofisika, Jakarta.
Sucahyono, D. dan Rubudiyanto K., 2013, Cuaca dan Iklim di Indonesia,
Puslitbang BMKG:Jakarta.
Sugiyono, 2004, Metode Penelitian Administrasi, Alfabeta, Bandung.
Suryana, 2010, Metodologi Penelitian Model Praktis Penelitian Kuantitatif dan
Kualitatif, Universitas Pendidikan Indonesia:Jakarta.
Szturc, J., Katarzyna O., dan Jurczyk A., 2012, “Quality Control Agorithms Applied
on Weather Radar Reflectivity Data” dalam Intech, Chapter 12.
Tjasyono, H. K. B., dan Harijono S. W. B., 2013, Atmosfer Ekuatorial, Puslitbang
BMKG:Jakarta.
Wijayanto, A., 2008, Analisis Korelasi Produk Moment Pearson,
eprints.undip.ac.id, diakses pada tanggal 8 Februari 2018.
Wilks, D. S., 2006, Statistical Method in the Atmospheric Sciences Second Edition,
Elsevier, USA.
Wilks, D. S., 2011, Statistical Methods in the Atmospherics Sciences, Elsevier: UK
Wirjohamidjojo, S., dan Swarinoto Y.S., 2013, Meteorologi Sinoptik, Puslitbang
BMKG:Jakarta.
Wirjohamidjojo, S., dan Swarinoto Y.S., Iklim Kawasan Indonesia, 2010,
Puslitbang BMKG:Jakarta.
WMO, 2017, Handbook on Use of Radio Spectrum for Meteorology: Weather,
Water and Climate Monitoring and Prediction, WMO:Geneva.
Zakir, A., Sulistya W., dan Khotimah M. K., 2009, Perspektif Operasional Cuaca
Tropis, BMKG:Jakarta.
Zawadzki, I I., 1984, “Factors Affecting the Precision of Radar Measurements of
Rain” dalam Conference on Radar Meteorology, 22nd, pp. 251 – 256,
Zurich, Switzerland.
___________, 1975, On Radar-Raingage Comparison, Journal of Applied
Meteorology, Vol. 14, 1430-1436.
58
DAFTAR PUSTAKA DARI INTERNET
AMETSOC, 2019, Radar Reflectivity : glossary of meteorology,

http://glossary.ametsoc.org/wiki/Radar_reflectivity, diakses pada tanggal 16
Januari 2019.
BMKG, 2019, Citra Radar, https://www.bmkg.go.id/cuaca/citra-radar.bmkg,
diakses pada tanggal 16 Januari 2019.
BNPB, 2018, Pengetahuan Kebencanaan, https://www.bnpb.go.id/pengetahuan-
kebencanaan, diakses pada tanggal 30 Desember 2018.
GOOGLE EARTH, https://earth.google.com/web/@-
2.90237061,104.69947102,12.54287991a,138792.85848638d,35y,-
0.42390177h,9.60617545t,-
0r/data=ChcaFQoNL2cvMTFiNmM5cDI4bhgCIAEoAg, diakses pada
tanggal 14 Juli 2019.
LAPAN, 2019, Teknologi Satelit, https://www.lapan.go.id/index.php/subblog
/read/2018/5261/Teknologi-Satelit/artikel, diakses pada tanggal 16 Januari
2019.
UCAR, 2019, How do Radars Work?, https://www.eol.ucar.edu/content/how-do-
radars-work, diakses pada tanggal 16 Januari 2019.
LAMPIRAN
Lampiran 1 Peta Kota Palembang, Sumatera Selatan pada Google Earth
59
60
Lampiran 2 Hasil keseluruhan pengolahan SRI

61
62
Lampiran 3 Hasil keseluruhan pengolahan PAC

63

Skripsi

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Skripsi

Diunggah oleh

Hak Cipta:

Format Tersedia

SKRIPSI

PERBANDINGAN KUALITAS ESTIMASI CURAH HUJAN SEBELUM

A COMPARISON OF RAINFALL ESTIMATION QUALITY BEFORE AND

AKHMAD HARIS KARSENA

PROGRAM DIPLOMA IV METEOROLOGI

PERBANDINGAN KUALITAS ESTIMASI CURAH HUJAN SEBELUM

A COMPARISON OF RAINFALL ESTIMATION QUALITY BEFORE AND

Diajukan untuk memenuhi salah satu syarat memperoleh derajat

AKHMAD HARIS KARSENA

PROGRAM DIPLOMA IV METEOROLOGI

PERBANDINGAN KUALITAS ESTIMASI CURAH HUJAN SEBELUM

Telah dipersiapkan dan disusun oleh:

Telah dipertahankan di depan Tim Penguji dan dinyatakan lulus

Susunan Tim Penguji

Saya, Akhmad Haris Karsena, NPT. 11.15.0035, menyatakan bahwa

Tangerang Selatan, Agustus 2019

HALAMAN JUDUL ...................................................................................... i

BAB I PENDAHULUAN ............................................................................. 1

BAB II DASAR TEORI................................................................................ 7

BAB III METODE PENELITIAN .............................................................. 25

BAB V PENUTUP ...................................................................................... 55

DAFTAR PUSTAKA ................................................................................. 56

Tabel 3. 1 ARG/AWS di wilayah pengamatan radar Palembang .........................27

Gambar 2. 1 Konsep pengamatan radar doppler .................................................... 10

Perbandingan Kualitas Estimasi Curah Hujan Sebelum dan Sesudah

Akhmad Haris Karsena

Salah satu penyebab utama bencana hidrometeorologi yang perlu diperhatikan

A Comparison of Rainfall Estimation Quality before and after the

Akhmad Haris Karsena

One of the main causes of hydrometeorological disasters that need to be considered

Keywords: weather radar, quality control, radar limitation, rainfall estimation

1.1 Latar Belakang

Indonesia, BMKG (Badan Meteorologi Klimatologi dan Geofisika) adalah instansi

1.2 Rumusan Masalah

1.3 Batasan Masalah

1.4 Tujuan Penelitian

1.5 Manfaat Penelitian

1.6 Sistematika Penulisan

2.1 Tinjauan Pustaka

Band di wilayah Palu dan sekitarnya. Pada penelitiannya, Fathan menerapkan

2.2 Landasan Teori

2.2.2 Radar cuaca

Gambar 2. 1 Konsep pengamatan radar doppler (UCAR, 2019)

Prinsip pengamatan radar seperti Gambar 2.1 radar memancarkan energi

dalam dBZ juga menggambarkan banyaknya jumlah droplet dalam satu

2.2.2.1 Metode operasional radar cuaca

Gambar 2. 2 Mode VCP 11 (OFCM, 2017)

Mode VCP 21 merupakan default dari mode operasional radar yang

Gambar 2. 3 Mode VCP 21 (OFCM, 2017)

b) Clear Air Mode

Gambar 2. 4 Mode VCP 31 (OFCM, 2017)

2.2.2.2 Limitasi radar

dihilangkan menggunakan teknik doppler, tetapi dapat dikenali oleh

2.2.2.3 Produk radar cuaca

Gambar 2. 5 Contoh pengaturan produk PPI (SELEX, 2013)

Pada Gambar 2.5 keterangan untuk range adalah pengaturan rentang

Gambar 2. 6 Contoh pengaturan produk CMAX (SELEX, 2013)

Pada Gambar 2.6 keterangan untuk range menunjukkan rentang yang

pengaturan untuk menambahkan peta yang berisi data ketinggian

Gambar 2. 7 Contoh pengaturan produk SRI (SELEX, 2013)

Pada keterangan Gambar 2.7 range adalah pengaturan rentang yang

Gambar 2. 8 Contoh pengaturan produk PAC (SELEX, 2013)

Keterangan pada Gambar 2.8 untuk interval adalah akumulasi interval

dipilih dalam jangkauan radar. Interval waktu akumulasi sesuai untuk