KAJIAN PENERAPAN ESTIMASI CURAH HUJAN PER JAM

MEMANFAATKAN METODE CONVECTIVE STRATIFORM TECHNIQUE (CST)

DAN MODIFIED CONVECTIVE STRATIFORM TECHNIQUE (mCST) DI
PONTIANAK

Ashriah Jumi Putri Andani (1), Endarwin (2)

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG) (1) (2), Tangerang Selatan
E-mail: ashriahandani@gmail.com

Abstrak
Estimasi curah hujan per jam dengan memanfaatkan data satelit merupakan salah
satu solusi untuk mendapatkan informasi curah hujan yang akurat dan near real time.
Convective Stratiform Technique (CST) merupakan metode estimasi curah hujan
berdasarkan suhu puncak awan dengan pemisahan kelompok konvektif dan stratiform,
sedangkan Modified Convective Stratiform Technique (mCST) merupakan modifikasi pada
intensitas curah hujan dan luasan area lingkup piksel rata-rata terhadap CST. Penelitian
dilakukan memanfaatkan data inframerah satelit MTSAT sepanjang tahun 2014. Hasil
curah hujan estimasi per jam diverifikasi dengan data curah hujan Hellman di Stasiun
Meteorologi Supadio Pontianak.. Evaluasi hasil estimasi curah hujan dilakukan dengan
menggunakan indeks statistik dan tabel kontingensi. Secara umum, kedua metode estimasi
curah hujan dapat diterapkan di wilayah Pontianak dengan korelasi yang sangat kuat
dengan data pengamatan. Metode CST dan mCST cukup konsisten dalam memberikan
kualitas hasil estimasi yang baik untuk curah hujan per jam pada setiap bulan sepanjang
tahun. Dengan demikian, kedua metode tersebut cocok untuk memonitor curah hujan di
Pontianak yang memiliki tipe hujan ekuatorial. Perbandingan kualitas dari kedua metode
menunjukkan metode mCST menghasilkan estimasi curah hujan yang lebih baik.
Kata kunci : estimasi curah hujan, satelit, CST, mCST

Abstract
Hourly rainfall estimation using satellite data is one of solutions to obtain accurate
and near real time rainfall informations. Convective Stratiform Technique (CST) is a
rainfall estimation method based on cloud top temperature in which convective and
stratiform components are separated, while Modified Convective Stratiform Technique
(mCST) is the modifications towards the rainfall intensity and averaged area of pixel
scope from CST. This research is done by using MTSAT infrared data during 2014. Hourly
rainfall estimations by each methods are verified with Hellman rainfall data in Supadio
Meteorogical Station in Pontianak. The evaluation of rainfall estimations is done by using
statistical indices and contingency table. In general, both methods can be applied in
Pontianak area with very strong correlation with the observation data. CST and mCST
methods are consistent enough to produce good quality estimation values for hourly
rainfall in all months during the year. Thus, both methods are suitable for rainfall
monitoring in Pontianak which has equatorial rainfall pattern. The comparison between
those two methods shows that the estimation quality using mCST is better.
Keywords: rainfall estimation, satellite, CST, mCST
1. PENDAHULUAN
Informasi curah hujan yang akurat dan
near real time dibutuhkan dalam berbagai
aspek kehidupan, terutama dalam peringatan
dini bencana alam seperti banjir, longsor dan
kekeringan serta dalam penelitian yang
berkaitan dengan siklus hidrologi
(Suwarsono dkk, 2009; Joyce dkk, 2004;
Hong dkk, 2007). Ketersediaan data curah
hujan masih cukup menjadi masalah karena
tidak di seluruh tempat memiliki titik
pengamatan curah hujan atau apabila alat
penakar curah hujan di suatu stasiun
pengamatan cuaca mengalami kerusakan.
Estimasi curah hujan dengan
memanfaatkan data satelit merupakan salah
satu solusi dari masalah ketersediaan data
curah hujan. Data satelit cuaca ini dapat
diperoleh secara up to date dan tidak
dikenakan biaya, namun pemanfaatannya
masih sangat terbatas di kalangan masyarakat
luas (Suwarsono dkk, 2009; Endarwin,
2014).
Satelit MTSAT (Multi-Functional
Transport Satellite) merupakan satelit
penginderaan jauh yang memiliki sensor
visible dan inframerah yang memonitor
fenomena atmosfer berupa suhu puncak
awan (Kidder dan Haar, 1995). Metode
estimasi curah hujan berdasarkan suhu
puncak awan, diantaranya adalah Convective
Stratiform Technique (CST) dan Modified
Convective Stratiform Technique (mCST).
CST merupakan metode estimasi curah
hujan dengan pemisahan kelompok konvektif
dan stratiform yang ditemukan oleh Adler
dan Negri (1988), sedangkan mCST
merupakan modifikasi pada intensitas curah
hujan dan luasan area lingkup piksel rata-rata
terhadap CST yang dikembangkan oleh
Endarwin (2014).
Berdasarkan metode pembentukannya,
awan digolongkan menjadi awan stratiform
dan cumuliform (Tjasyono, 1999). Awan
jenis stratiform tumbuh lebih lambat, arus
vertikalnya kuat dan terjadi pada wilayah
dengan kelembaban kecil. Awan stratiform
menyebabkan hujan secara terus-menerus
(kontinyu) namun dengan intensitas ringan.
Awan jenis cumuliform atau akibat aktivitas
konvektif menyebabkan hujan deras
(showers) namun dengan selang waktu yang
relatif lebih singkat.
Pontianak terletak tepat di ekuator,
sehingga memiliki tipe curah hujan
ekuatorial dengan distribusi curah hujan
bulanan yang menunjukkan maksima ganda
dan curah hujan tinggi sepanjang tahun
(Tjasyono dan Musa, 2000).
Dalam penelitian ini, metode CST dan
mCST diterapkan untuk melakukan estimasi
curah hujan per jam di wilayah Pontianak.
Hasil estimasi dengan menggunakan masing-
masing diverifikasi dengan data curah hujan
pengamatan Hellman di Stasiun Meteorologi
Supadio Pontianak (96581). Tujuan
penelitian ini adalah untuk menganilisis
kualitas hasil estimasi curah hujan,
konsistensinya ketika diterapkan pada setiap
bulan, serta mengetahui perbandingan
kualitas hasil estimasi antara kedua metode.
2. DATA DAN METODE
2.1 Data
Data yang digunakan dalam penelitian
ini meliputi:
1. Data citra satelit MTSAT kanal IR-1
yang dikemas dalam bentuk PGM
(Portable Gray Map) diperoleh dari
http://weather.is.kochi-u.ac.jp/sat/GAME
dengan format kompresi Gzip.
Resolusinya 1/20o atau 5,55 km x 5,55
km dan berukuran 1800 x 1800 piksel.
Sedangkan untuk file kalibrasinya
(.CAL) dengan nilai 0 untuk albedo 0%
dan 255 untuk albedo 100% dan
interpolasinya diperoleh dari
http://weather.is.kochi-u.ac.jp/sat/CAL.
Data tersebut tersedia untuk citra setiap 1
(satu) jam. Dalam penelitian ini
digunakan data citra satelit MTSAT
sepanjang tahun 2014.
2. Data curah hujan setiap 1 (satu) jam yang
diperoleh dari hasil pengukuran dengan
penakar hujan jenis Hellman di Stasiun
Meteorologi Supadio (96581). Data
curah hujan yang digunakan adalah
untuk waktu sepanjang tahun 2014.
2.2 Metode Penelitian
Penelitian yang dilakukan termasuk
dalam penelitian mengenai suatu kajian
penerapan metode dalam kegiatan estimasi di
wilayah dan waktu penelitian baru. Penelitian
dilakukan sepanjang tahun 2014 di titik (2.3)
penelitian Stasiun Meteorologi Supadio
Pontianak (0,14208oLS dan 109,40253oBT).
Keterangan:
Pengolahan data dalam penelitian ini Ac = luasan area hujan konvektif
dilakukan dengan perangkat lunak MATLAB (km2)
R2008a dan Microsoft Excel. Adapun teknik
= temperatur puncak awan pada
pengolahan data adalah sebagai berikut:
1. Konversi data IR satelit dalam ekstensi inti konvektif ke-i (K)
file .pgm dan .dat sehingga diperoleh a dan b = konstanta yang ditetapkan
temperatur kecerahan awan (TBB). Adler dan Negri (1988),
2. Mengatur koordinat titik penelitian a = -0,0492
(lintang: -0,14208 dan bujur: 109,40253). b = 15,27
3. Pembacaan temperatur kecerahan awan Sedangkan luasan wilayah stratiform
(TBB) pada piksel dimana koordinat telah ditentukan dengan menggunakan
diatur. persamaan serupa, yaitu pada persamaan
4. Perhitungan slope parameter (S). Untuk 2.4 sebagai berikut:
resolusi data 5,55 km x 5,55 km S sesuai (2.4)
persamaan 2.1 (Islam dkk, 2002; Keterangan:
Endarwin, 2014): As = luasan area hujan stratiform
(km2)
+ Ts = temperatur puncak awan
+ - 8 ) (2.1) stratiform (K)
Karena dalam penelitian ini dipilih satu
piksel yang mewakili koordinat stasiun,
Keterangan: maka layaknya Tmin, untuk Tci dan Ts juga
S = slope parameter (S) (K) didefinisikan sebagai temparatur
T = temperatur kecerahan kecerahan awan pada piksel yang dibaca.
awan (TBB) (K)
i dan j = posisi nilai piksel dimana 7. Estimasi curah hujan setiap jam. Dengan
S dihitung menggunakan metode CST, maka
k = konstanta = 0,125 estimasi curah hujan dilakukan dengan
5. Pemisahan inti konvektif dan stratiform. persamaan 2.5 dan 2.6 (Adler dan Negri,
Inti konvektif ditentukan melalui 1988; Goldenberg dkk, 1990; Islam dkk,
pembatasan (Goldenberg dkk, 1990; 2002):
Islam dkk, 2002; Endarwin,2014):
Curah Hujan Konvektif (mm)
S exp [0,0826 (Tmin – 207 K)] (2.2)
=C (2.5)
Keterangan:
Tmin = temperatur minimum
Keterangan:
relatif dari TBB (K)
C = bilangan sel konvektif
Dalam penelitian ini, dipilih satu piksel
= luasan wilayah konvektif (km2)
yang mewakili koordinat stasiun, maka
untuk Tmin merupakan temperatur pada A = rata-rata area yang dilingkupi oleh
piksel yang dibaca. Apabila nilai slope tiap piksel (km2)
parameter (S) memenuhi persamaan 2.2 T = rata-rata periode estimasi (jam)
maka merupakan jenis inti konvektif dan Rc = intensitas curah hujan konvektif
sebaliknya (Islam dkk, 2002). (mm/jam)

6. Penentuan luasan wilayah konvektif dan Sedangkan untuk curah hujan stratiform
stratiform. Untuk luasan wilayah dirumuskan sebagai:
konvektif 2.3 sebagai berikut
(Goldenberg dkk, 1990; Islam dkk, 2002;
Endarwin, 2014):
 Curah Hujan Stratiform (mm)
= St (2.6)
Keterangan:
St = bilangan sel stratiform
= luasan wilayah stratiform (km2)
A = rata-rata area yang dilingkupi oleh
tiap piksel (km2)
T = rata-rata periode estimasi (jam)
Rs = intensitas curah hujan stratiform
(mm/jam)
a. Koefisien korelasi (C)
Koefisien korelasi adalah bilangan
yang menyatakan besar kecilnya
suatu hubungan antar variabel
(Sudjana, 1996). Nilai C yang
mendekati 1 atau -1 menunjukkan
hubungan yang sangat erat. Nilai
koefisien korelasi ditunjukkan pada
tabel 2.2.
(2.7)

Nilai C dan St adalah 1 berkenaan Tabel 2.2 Kategori koefisien korelasi

dengan penelitian pada setiap lokasi (Sugiyono, 2004)
yang hanya merujuk pada titik tertentu. Interval Tingkat
Selanjutnya dikarenakan estimasi Koefisien Hubungan
dilakukan untuk curah hujan setiap jam, 0,00 – 0,199 Sangat Lemah
maka nilai T adalah 1. 0,20 – 0,399 Lemah
Dalam pengerjaan estimasi 0,40 – 0,599 Sedang
menggunakan metode CST, maka nilai 0,60 – 0,799 Kuat
Rc dan Rs yang digunakan berturut-turut 0,80 – 1,000 Sangat Kuat
sebesar 20 mm/jam dan 3,5 mm/jam
(Islam dkk, 2002). Sedangkan dalam b. Error rata-rata absolut / mean
pengerjaan estimasi curah hujan absolute error (MAE)
menggunakan metode mCST, maka nilai Error rata-rata absolut (MAE) adalah
Rc dan Rs yang digunakan berturut-turut rata-rata absolut dari kesalahan
sebesar 26 mm/jam dan 0,8 mm/jam. estimasi, tanpa menghiraukan tanda
Luasan rata-rata area (A) yang positif atau negatif.
dilingkupi piksel untuk estimasi dengan
metode CST dan mCST berturut-turut (2.8)
adalah 121 km2 dan 202,1243 km2.
Adapun tabel perbedaan spesifikasi
metode CST dan mCST yang digunakan c. Root Mean Square Error (RMSE)
dalam penelitian ini dapat diamati ada RMSE digunakan untuk mengetahui
tabel 2.1. besarnya penyimpangan yang terjadi
antara lain prediksi total curah hujan
Tabel 2.1 Perbedaan spesifikasi dari metode CST harian dibandingkan dengan nilai
dan mCST total curah hujan harian aktual hasil
Intensitas Curah Luasan Area observasi (Wilks, 1995).
Hujan (mm/jam) Rata-Rata
No
Konvektif Stratiform yang dilingkupi
(Rc) (Rs) piksel (A) (km2)
(2.9)
1 20 3,5 121
2 26 0,8 202,1243
d. Bias relatif (B)
Bias relatif adalah prosentase nilai
8. Evaluasi hasil estimasi curah hujan
error hasil estimasi terhadap hasil
dengan data Hellman.
pengamatan real.
Untuk mengevaluasi secara kuantitatif,
digunakan beberapa indeks validasi
(Jiang dkk, 2010), yaitu: (2.10)
 Keterangan: kejadian hujan tetapi hasil observasi
n = jumlah data tidak.
REi dan ROi = nilai estimasi (2.12)
curah hujan dan pegukuran Hellman
ke-i
dan = nilai rata-rata c. Critical success index (ICS)
estimasi dan ICS menunjukkan fraksi kejadian
pegukuran Hellman hujan keseluruhan yang dapat
diestimasi oleh satelit.
Untuk mengukur hubungan antara curah (2.13)
hujan hasil estimasi dengan satelit dan
Keterangan:
pegamatan permukaan, digunakan tabel
N, M, F dan H = kasus-kasus yang
kontingensi seperti tabel 2.3.
ditunjukkan pada tabel 3.3
dan = jumlah kejadian
Tabel 2.3 Tabel kontingensi 2x2 (Kouchak dan
Mehran, 2013) kasus terkait
Observasi
Estimasi 9. Penerapan estimasi curah hujan secara
Ya Tidak
spasial untuk sampel kejadian hujan lebat
Ya H F per jam. Hasil estimasi di plot dengan
Tidak M N menggunakan ArcGIS 10.2 dan
dibandingkan dengan produk observasi
Nilai kategori intensitas curah hujan per curah hujan per jam, yaitu GSMaP
jam yang masing-masing akan diujikan (Global Satellite Mapping of
adalah mengikuti kategori curah hujan Precipitation) yang diperoleh dari
yang ditetapkan oleh Badan Meteorologi ftp://rainmap:Niskur+1404@hokusai.eor
Klimatologi dan Geofisika menurut tabel c.jaxa.jp/.
2.4.

Tabel 2.4 Kategori intensitas curah hujan

menurut BMKG
Jumlah Curah
Kategori Curah
No. Hujan Per Jam
Hujan
(mm/jam)
1 Ringan 0,1 – 5,0
2 Sedang 5,1 – 10,0
3 Lebat 10,1 – 20,0
4 Sangat Lebat > 20,0

Evaluasi dilakukan dengan menggunakan

3 (indeks) indeks statistik (Jiang dkk,
2010), yaitu:

a. Probability of detection (POD)

POD menunjukkan frekuensi kejadian
hujan dapat diestimasi dengan satelit,
yang disebut juga dengan hit rate.
(2.11)

b. False alarm rate (RFA)

RFA menunjukkan fraksi kejadian
dimana estimasi satelit menunjukkan
Gambar 2.1 Diagram alir penelitian
3. HASIL DAN PEMBAHASAN
Berdasarkan scatter-plot curah hujan
estimasi dan pengamatan per jam pada
gambar 3.1 dapat diamati bahwa terdapat
beberapa data yang menyebar pada kedua
plot. Penyebaran ini sebagian menunjukkan
nilai estimasi yang kurang dari curah hujan
aktual dan sebagian lagi lebih besar. Secara
umum, metode CST menghasilkan curah
hujan estimasi yang over estimate terhadap
pengamatan, sedangkan estimasi mCST
menghasilkan curah hujan yang nilainya
cenderung under estimate. Korelasi yang
dihasilkan oleh metode mCST lebih tinggi
dari pada CST.

(a) (b)
Gambar 3.1 Scatter-plot CH estimasi CST (a) dan mCST (b) per jam VS pengamatan Hellman tahun 2014

Curah hujan hasil estimasi dan observasi
setiap jam dikelompokkan berdasarkan
kategori hujan yang ditetapkan BMKG pada
tabel 3.1. Secara umum, estimasi mCST
menghasilkan prosentase yang relatif lebih
konsisten konsisten dengan curah hujan
Hellman untuk semua kategori hujan.
Estimasi CST menghasilkan prosentase yang
berbeda jauh dengan curah hujan aktual
khususnya untuk kategori hujan dibawah 0,1
mm dan hujan ringan. Hal ini dikarenakan
estimasi CST seringkali menghasilkan nilai
curah hujan setiap jamnya, bahkan pada saat
kejadian tidak hujan. Sedangkan untuk
kategori hujan sedang hinga sangat lebat,
prosentase kejadian dari estimasi curah hujan
dengan kedua metode cukup konsisten
menunjukkan akurasinya terhadap
pengamatan aktual.

Tabel 3.1 Frekuensi kejadian hujan per jam tahun 2014 hasil estimasi dan observasi
Prosentase (%)
Kategori Hujan Intensitas (mm/jam) CST mCST Hellman
- < 0,1 28,52 78,94 91,54
Ringan 0,1 - 5,0 69,08 19,79 7,02
Sedang 5,1 - 10,0 1,51 0,58 0,65
Lebat 10,1 - 20,0 0,50 0,46 0,42
Sangat Lebat > 20,0 0,40 0,23 0,37

3.1 Analisis Berdasarkan Indeks Evaluasi
Berdasarkan data estimasi curah hujan
per jam yang diujikan selama tahun 2014
diperoleh indeks evaluasi hasil estimasi
dibandingkan dengan pengamatan aktual
yang ditunjukkan pada tabel 3.2. Estimasi
curah hujan per jam menggunakan kedua
metode tersebut menghasilkan korelasi yang
sangat kuat dengan curah hujan pengamatan
Hellman. Nilai korelasi yang dihasilkan
estimasi mCST lebih tinggi. Error yang
dihasilkan oleh estimasi CST relatif lebih
besar dibanding metode mCST. Demikian
pula bias relatif dari hasil estimasi
menunjukkan bahwa dengan menggunakan
metode CST dihasilkan hasil estimasi curah
hujan yang 162,29 % lebih besar terhadap
observasi, sedangkan estimasi mCST
Tabel 3.2 Indeks evaluasi estimasi curah hujan per jam terhadap observasi tahun 2014
Korelasi
Estimasi CST 0,81
Estimasi mCST 0,85
3.2 Analisis Berdasarkan Tabel
Kontingensi
Hasil estimasi curah hujan dengan
menggunakan metode CST dan mCST
dikelompokkan dengan menggunakan tabel
kontingensi untuk mengetahui tingkat akurasi
(a)
Gambar 3.2 Grafik nilai POD (a), RFA (b) dan ICS (c) estimasi curah hujan per jam tahun 2014
menggunakan metode CST dan mCST
Berdasarkan grafik nilai indeks POD
untuk setiap kategori hujan pada gambar 3.2
(a), dapat diamati bahwa untuk kategori
hujan ringan dan sangat lebat, estimasi CST
mampu menghasilkan nilai POD yang lebih
tinggi, artinya frekuensi kejadian hujan
ringan dan hujan sangat lebat dapat
diestimasi dengan lebih baik menggunakan
metode tersebut. Pada kategori hujan lebat,
kemampuan metode mCST lebih baik dalam
estimasinya. Secara umum, kedua metode
menunjukkan indeks di atas 0,4 untuk
masing-masing kategori hujan, artinya kedua
metode estimasi mampu menunjukkan
frekuensi kejadian hujan pada masing-
masing kategori dengan prosentase di atas 40
%.
Grafik indeks RFA pada gambar 3.2 (b)
menunjukkan metode CST menghasilkan
fraksi lebih besar untuk kejadian dimana
estimasi CST menunjukkan kejadian hujan
menghasilkan curah hujan estimasi yang nilai
biasnya 15,94 % lebih kecil dari observasi.
MAE RMSE Bias Relatif
(mm/jam) (mm/jam) (%)
0,47 1,57 162,29
0,05 1,32 -15,94
estimasi tersebut berdasarkan kategori hujan
yang ditetapkan BMKG. Grafik nilai indeks
Probability of Detection (POD), False Alarm
Rate (RFA) dan Critical Success Index (ICS)
untuk kategori hujan per jam ditampilkan
pada gambar 4.9.
(b) (c)
ringan namun observasi. Hal ini terjadi pada
semua kategori hujan. Estimasi mCST
menghasilkan nilai false alarm yang lebih
kecil namun dengan pola yang sama dengan
CST. Nilai indeks RFA terbesar terdapat
pada kategori hujan ringan dan semakin
mengecil untuk kategori hujan lebat. Artinya,
untuk estimasi curah hujan per jam,
kemampuan CST dan mCST lebih baik untuk
menunjukkan hujan dengan intensitas yang
lebih besar dibandingkan dengan hujan
ringan.
Nilai ICS merupakan fraksi kejadian
dimana hujan pada masing-masing kategori
dapat ditunjukkan oleh satelit yang
ditunjukkan pada gambar 3.2 (c). Nilai ICS
yang dihasilkan oleh estimasi mCST lebih
tinggi dari pada CST pada kategori hujan
ringan, sedang dan lebat. Hal ini
menunjukkan frekuensi hit rate kejadian
hujan ringan dan sedang lebih besar
dibandingkan dengan estimasi CST.
Sedangkan untuk kategori hujan sangat lebat,
estimasi CST memberikan nilai ICS yang
lebih tinggi. Seperti halnya analisis pada
indeks RFA, indeks ICS juga menunjukkan
bahwa kemampuan kedua metode dalam
melakukan estimasi curah hujan per jam
lebih baik untuk intensitas hujan yang lebih
tinggi.

3.3 Analisis Konsistensi Kualitas Estimasi Gambar 3.4 Grafik nilai MAE estimasi curah
Curah Hujan Setiap Bulan hujan CST dan mCST setiap bulan

Hasil estimasi curah hujan setiap jam
dikelompokkan setiap bulan untuk
mengamati konsistensi dari kualitas estimasi
dengan metode CST dan mCST sepanjang
tahun 2014.
Gambar 3.3 Grafik nilai korelasi estimasi curah
hujan CST dan mCST setiap bulan
Korelasi yang dihasilkan kedua
metode estimasi curah hujan baik CST dan
mCST menghasilkan nilai koefisien yang
tinggi, yaitu di atas 0,6. Sebagaimana yang
ditampilkan pada grafik korelasi setiap bulan
pada gambar 3.3, tingkat hubungan yang
tinggi antara hasil estimasi dan curah hujan
aktual ini konsisten sepanjang tahun, baik
pada bulan-bulan puncak hujan maupun pada
bulan-bulan lembah hujan. Hal ini
mengindikasikan bahwa metode estimasi
curah hujan dengan CST dan mCST cocok
untuk diterapkan di wilayah Pontianak yang
memiliki tipe hujan ekuatorial, yaitu curah
hujan tinggi sepanjang tahun. Pada semua
bulan, metode mCST menghasilkan korelasi
yang relatif lebih tinggi dibandingkan
metode CST. Nilai korelasi tertinggi
dihasilkan pada bulan Oktober, dimana pada
bulan ini terjadi puncak hujan kedua.
Berdasarkan grafik nilai error absolut
rata-rata (MAE) pada gambar 3.4 dapat
diamati bahwa dengan menggunakan metode
CST, estimasi curah hujan menghasilkan
error yang relatif lebih besar dibandingkan
metode mCST pada setiap bulan. Namun
demikian, nilai MAE yang dihasilkan oleh
estimasi dengan kedua metode untuk
sepanjang tahun cukup kecil, yaitu kurang
dari 0,8 mm/jam. Hal ini menandakan bahwa
kedua metode estimasi ini memiliki kualitas
yang cukup baik untuk mengestimasi curah
hujan per jam di Pontianak. Nilai error
terbesar yang dihasilkan metode CST
terdapat pada bulan Oktober yang merupakan
bulan puncak hujan pada tahun 2014.
Estimasi curah hujan yang dilakukan dengan
menggunakan metode mCST mengasilkan
MAE yang sangat kecil, yaitu di bawah 0,2
mm/jam. Nilai error yang rendah ini
konsisten pada setiap bulan sepanjang tahun.
Hal ini menunjukkan kualitas hasil estimasi
mCST lebih baik dan relatif lebih cocok
untuk diterapkan di wilayah ini.
Gambar 3.5 Grafik nilai RMSE estimasi curah
hujan CST dan mCST setiap bulan
Grafik nilai RMSE pada gambar 3.5
menunjukkan bahwa penerapan estimasi
curah hujan di Pontianak dengan metode
CST dan mCST menghasilkan nilai RMSE
yang kurang dari 2,4 mm/jam. Hal ini
konsisten untuk estimasi curah hujan per jam
pada setiap bulan sepanjang tahun.
Berdasarkan grafik tersebut dapat kita amati
bahwa tidak terdapat pola khusus antara nilai
RMSE dan intensitas curah hujan aktual
untuk akurasi sepanjang tahun.
Gambar 3.6 Grafik nilai bias relatif estimasi
curah hujan CST dan mCST setiap
bulan
Berdasarkan grafik bias relatif yang
dihasilkan estimasi CST dan mCST di
Pontianak pada gambar 3.6, dapat diamati
bahwa secara umum metode CST
menghasilkan bias yang lebih besar
dibandingkan curah hujan aktual, yaitu
dengan prosentase sebesar 100 % hingga 500
%. Artinya, estimasi curah hujan dengan
CST menghasilkan nilai yang over estimate
sebanyak satu hingga lima kali dari curah
hujan pengamatan. Prosentase bias relatif
terbesar terdapat pada estimasi curah hujan
ketika diterapkan pada bulan Januari dan
September, dimana pada kedua bulan
tersebut intensitas curah hujan yang terjadi
relatif lebih kecil. Bias relatif yang
dihasilkan metode mCST bernilai lebih kecil
yang artinya prosentase nilai error yang
dihasilkan dengan metode ini lebih kecil
pula. Hal tersebut menunjukkan tingkat
kecocokan yang lebih tinggi antara curah
hujan estimasi dengan metode ini terhadap
observasi. Estimasi CST memiliki prosentase
bias yang positif ketika diterapkan untuk
estimasi curah hujan per jam pada setiap
bulan, yang artinya estimasi dengan metode
ini selalu menghasilkan nilai curah hujan
yang over estimate. Sedangkan metode
mCST secara umum menghasilkan nilai bias
relatif yang negatif, yang artinya estimasi
dengan metode ini seringkali under estimate
terhadap curah hujan pengamatan.
3.4 Penerapan Estimasi Pada Kejadian
Hujan Lebat
Estimasi curah hujan dengan
menggunakan metode CST dan mCST
diterapkan pada sampel kejadian hujan lebat
dalam 1 (satu) jam. Hasil estimasi curah
hujan dengan kedua metode tersebut diplot
menggunakan perangkat lunak ArcGIS 10.2
dan dibandingkan dengan produk
pengamatan curah hujan satelit, yaitu
GSMaP (Global Satellite Mapping of
Precipitation). Hal ini dilakukan untuk
mengamati performa dari kedua metode
estimasi serta perbandingannya dengan
produk GSMaP dalam menampilkan nilai
estimasi curah hujan secara spasial di
wilayah Pontianak.
Pada tanggal 14 Oktober 2014 jam
09.00 UTC – 10.00 UTC, observasi Hellman
di Stasiun Meteorologi Supadio Pontianak
menunjukkan curah hujan sebesar 35,9 mm.
Berdasarkan kategori intensitas hujan setiap
jam yang ditetapkan BMKG, curah hujan ini
tergolong dalam hujan dengan intensitas
sangat lebat. Gambar 3.7 menunjukkan peta
plot estimasi curah hujan dengan metode
CST, mCST dan observasi curah hujan dari
produk GSMaP untuk curah hujan dalam satu
jam yaitu jam 09.00 hingga 10.00 UTC.
Lingkaran merah menandakan wilayah
Stasiun Meteorologi Supadio Pontianak
sebagai lokasi pengamatan curah hujan
dengan penakar Hellman.
 (a)
(c)
Gambar 3.7 Peta plot estimasi curah hujan dalam satu jam dengan metode CST (a) dan mCST (b) serta
observasi GSMaP (c) di wilayah Pontianak pada tanggal 14 Oktober 2014 jam 09.00 UTC – 10.00 UTC
Berdasarkan peta plot estimasi curah
hujan pada gambar 3.7 dapat diamati bahwa
dengan menggunakan metode CST, di
wilayah Stasiun Meteorologi Supadio
Pontianak pada khususnya tergambar curah
hujan yang besarnya 10 mm hingga 50 mm.
Plot hasil estimasi ini menunjukkan hasil
estimasi yang overestimate dibandingkan
observasi di stasiun tersebut. Curah hujan
dengan intensitas tinggi, yaitu mencapai 60-
70 mm terkonsentrasi di wilayah Pontianak
bagian selatan dan barat, sedangkan untuk
wilayah Pontianak bagian tengah curah hujan
relatif ringan, yaitu kurang dari 10 mm.
Peta plot estimasi curah hujan
dengan metode mCST menggambarkan
curah hujan sebesar 10 mm hingga 40 mm di
wilayah Stasiun Meteorologi Supadio
Pontianak. Nilai estimasi ini relatif lebih
mendekati nilai pengamatan aktual dari
penakar Hellman di stasiun tersebut, yaitu
35,9 mm. Secara umum, estimasi CST dan
mCST menghasilkan pola curah hujan yang
sama di wilayah Pontianak. Curah hujan
tinggi turut digambarkan terkonsentrasi di
(b)
wilayah selatan dan barat dengan
menggunakan metode estimasi mCST.
Namun demikian, metode CST menghasilkan
nilai estimasi curah hujan yang relatif lebih
besar untuk hampir keseluruhan tempat
dalam wilayah penelitian.
Peta observasi curah hujan dari
produk GSMaP tidak berhasil menunjukkan
wilayah hujan di lokasi Stasiun Meteorologi
Supadio Pontianak. Curah hujan yang
ditunjukkan oleh produk tersebut ditunjukkan
di wilayah utara, selatan dan barat dari
Pontianak, namun bukan di Pontianak.
Padahal observasi Hellman menunjukkan
kejadian hujan sangat lebat yang terjadi pada
jam tersebut. Selain itu, curah hujan selama
jam kejadian yang ditunjukkan pada wilayah
di luar Pontianak tersebut bernilai sangat
kecil, yaitu dibawah 5,5 mm. Ketidak
akuratan dari produk ini dapat disebabkan
resolusi ruang yang dimiliki oleh produk
GSMaP relatif lebih rendah dibandingkan
produk estimasi CST maupun mCST, yaitu
10-25 km.
4. KESIMPULAN
Secara umum, metode CST dan mCST
dapat diterapkan untuk melakukan estimasi
curah hujan per jam di wilayah Pontianak.
Hal ini ditunjukkan oleh adanya korelasi
yang sangat kuat terhadap pengamatan
Hellman. Kedua metode tersebut cukup
konsisten dalam megestimasi curah hujan per
jam pada setiap bulan. Kualitas yang baik
dari hasil estimasi ini menunjukkan kedua
metode tersebut cocok untuk diterapkan
sepanjang tahun di wilayah Pontianak yang
memiliki tipe hujan ekuatorial, sehingga
dapat digunakan untuk memonitor curah
hujan secara near real time. Nilai koefisien
korelasi, MAE, RMSE dan bias relatif,
diketahui bahwa metode mCST memberikan
hasil estimasi curah hujan per jam yang lebih
baik dan akurat dibandingkan CST. Indeks-
indeks evaluasi dengan tabel kontingensi
berdasarkan pengelompokan kategori
intensitas hujan umumnya menunjukkan hal
yang sama bahwa mCST menghasilkan
kualitas estimasi yang lebih baik.
5. DAFTAR PUSTAKA
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.
Endarwin, 2014, Modifikasi Convective
Stratiform Technique dengan
Kombinasi Data Satelit Gelombang
Mikro Pasif dan Inframerah untuk
Estimasi Curah Hujan di Indonesia,
Disertasi, Program Studi Sains
Kebumian, Institut Teknologi
Bandung, Bandung.
Goldenberg, S. B., R. A. Houze, Jr. dan
Churchill, D. D., 1990, Convective
and Stratiform Components of a
Winter Monsoon Cloud Cluster
Determined from Geo-Synchronous
Infrared Satellite Data, Journal of the
Meteorological Society of Japan,
Vol. 68, pp 37-63.
Hong, Yang, R.F., Adler, A., Negri dan
Huffman, G.J., 2007, Flood and
Landslide Applications of Near Real-
time Satellite Rainfall Estimation,
Journal of Natural Hazards.
Islam, M. N., Islam, A. K. M. S., Hayashi,
T., Terao, T. dan Uyeda, H, 2002,
Application of a Method to Estimate
Rainfall in Bangladesh Using GMS-5
Data, Journal of Natural Disaster
Science, Vol. 24, no. 2 pp 83-89.
Jiang, S., Ren, L., Yong, B., Yang, X. dan
Shi, L, 2010, Evaluation of High-
Resolution Satellite Precipitation
Products with Surface Rain Gauge
Observations from Laohahe Basin in
Northern China. Water Science and
Engineering, Vol. 3, no. 4 pp 405-
417.
Joyce, R. J., Janowiak, J. E., Arkin, P. A. dan
Xie, P., 2004, CMORPH: A Method
that Produces Global Precipitation
Estimates from Passive Microwave
and Infrared Data at High Spatial and
Temporal resolution. Journal of
hydrometeorology, Vol. 5, pp 487-
503.
Kouchak, A. A. dan Mehran, A., 2013,
Extended Contingency Table:
Performance Metrics for Satellite
Observations and Climate Model
Simulations. Water Resources
Research, Vol. 49, pp 7144-7149.
Sugiyono, 2004, Statistik Untuk Penelitian,
Alfa Beta, Bandung.