Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No.

3, Nopember 2016

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*, Endarwin

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jakarta
*
Email : 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

9
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016
1. PENDAHULUAN
urat 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.
Informasi curah hujan yang ak
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
10
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016

dilakukan sepanjang tahun 2014 di titik dkk, 1990; Islam dkk, 2002; Endarwin,
penelitian Stasiun Meteorologi Supadio 2014):
Pontianak (0,14208oLS dan 109,40253oBT). ln( )= +
Pengolahan data dalam penelitian ini (3)
dilakukan dengan perangkat lunak MATLAB
R2008a dan Microsoft Excel. Adapun teknik Keterangan:
pengolahan data adalah sebagai berikut: Ac = luasan area hujan konvektif
1. Konversi data IR satelit dalam ekstensi (km2)
file .pgm dan .dat sehingga diperoleh = temperatur puncak awan pada
temperatur kecerahan awan (TBB). inti konvektif ke-i (K)
2. Mengatur koordinat titik penelitian a dan b = konstanta yang ditetapkan
(lintang: -0,14208 dan bujur: 109,40253). Adler dan Negri (1988),
3. Pembacaan temperatur kecerahan awan a = -0,0492
(TBB) pada piksel dimana koordinat telah b = 15,27
diatur. Sedangkan luasan wilayah stratiform
4. Perhitungan slope parameter (S). Untuk ditentukan dengan menggunakan
resolusi data 5,55 km x 5,55 km S sesuai persamaan serupa, yaitu pada persamaan
persamaan 1 (Islam dkk, 2002; 4 sebagai berikut:
Endarwin, 2014):
ln( )= + (4)
= ( , + , + , ++ , +
, + , + , -8 , ) (1) Keterangan:
As = luasan area hujan stratiform
Keterangan: (km2)
S = slope parameter (S) (K) Ts = temperatur puncak awan
T = temperatur kecerahan stratiform (K)
awan (TBB) (K)
i dan j = posisi nilai piksel dimana Karena dalam penelitian ini dipilih satu
S dihitung piksel yang mewakili koordinat stasiun,
k = konstanta = 0,125 maka layaknya Tmin, untuk Tci dan Ts juga
didefinisikan sebagai temparatur
5. Pemisahan inti konvektif dan stratiform. kecerahan awan pada piksel yang dibaca.
Inti konvektif ditentukan melalui
pembatasan (Goldenberg dkk, 1990; 7. Estimasi curah hujan setiap jam. Dengan
Islam dkk, 2002; Endarwin,2014): menggunakan metode CST, maka
estimasi curah hujan dilakukan dengan
S ≥ exp [0,0826 (Tmin – 207 K)] (2) persamaan 5 dan 6 (Adler dan Negri,
1988; Goldenberg dkk, 1990; Islam dkk,
Keterangan: 2002):
Tmin = temperatur minimum
relatif dari TBB (K) Curah Hujan Konvektif (mm)=

Dalam penelitian ini, dipilih satu piksel C (5)

yang mewakili koordinat stasiun, maka
untuk Tmin merupakan temperatur pada
piksel yang dibaca. Apabila nilai slope Keterangan:
parameter (S) memenuhi persamaan 2 C = bilangan sel konvektif
maka merupakan jenis inti konvektif dan = luasan wilayah konvektif (km2)
sebaliknya (Islam dkk, 2002). A = rata-rata area yang dilingkupi oleh
tiap piksel (km2)
6. Penentuan luasan wilayah konvektif dan
T = rata-rata periode estimasi (jam)
stratiform. Untuk luasan wilayah
Rc = intensitas curah hujan konvektif
konvektif sebagai berikut (Goldenberg
(mm/jam)

11
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016

Untuk mengevaluasi secara kuantitatif,

Sedangkan untuk curah hujan stratiform digunakan beberapa indeks validasi
dirumuskan sebagai: (Jiang dkk, 2010), yaitu:

Curah Hujan Stratiform (mm) =

St
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)
(6) 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.
∑ ( )( )
= (7)
∑ ( ) ∑ ( )

Nilai C dan St adalah 1 berkenaan Tabel 2. Kategori koefisien korelasi (Sugiyono,

dengan penelitian pada setiap lokasi 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
adalah 121 km2 dan 202,1243 km2. = ∑ |( − )| (8)
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 1. besarnya penyimpangan yang terjadi
antara lain prediksi total curah hujan
Tabel 1. Perbedaan spesifikasi dari metode CST harian dibandingkan dengan nilai
dan mCST total curah hujan harian aktual hasil
Intensitas Curah Luasan Area
Hujan (mm/jam) Rata-Rata observasi (Wilks, 1995).
No
Konvektif Stratiform yang dilingkupi
(Rc) (Rs) piksel (A) (km2)
∑ ( )
1 20 3,5 121 = (9)
2 26 0,8 202,1243
d. Bias relatif (B)
8. Evaluasi hasil estimasi curah hujan
dengan data Hellman.

12
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016

Bias relatif adalah prosentase nilai Evaluasi dilakukan dengan menggunakan

error hasil estimasi terhadap hasil 3 (indeks) indeks statistik (Jiang dkk,
pengamatan real. 2010), yaitu:

∑ ( ) a. Probability of detection (POD)

= × 100%
∑ POD menunjukkan frekuensi kejadian
(10) hujan dapat diestimasi dengan satelit,
yang disebut juga dengan hit rate.
Keterangan: = (11)
n = jumlah data
REi dan ROi = nilai estimasi
curah hujan dan pegukuran Hellman b. False alarm rate (RFA)
ke-i RFA menunjukkan fraksi kejadian
dan = nilai rata-rata dimana estimasi satelit menunjukkan
estimasi dan kejadian hujan tetapi hasil observasi
pegukuran Hellman tidak.

Untuk mengukur hubungan antara curah = (12)

hujan hasil estimasi dengan satelit dan
pegamatan permukaan, digunakan tabel
kontingensi seperti tabel 3. c. Critical success index (ICS)
ICS menunjukkan fraksi kejadian
Tabel 3. Tabel kontingensi 2x2 (Kouchak dan hujan keseluruhan yang dapat
Mehran, 2013)
diestimasi oleh satelit.

Observasi =
Estimasi
Ya Tidak (13)
Ya H F
Keterangan:
Tidak M N N, M, F dan H = kasus-kasus yang
ditunjukkan pada tabel 3.
Nilai kategori intensitas curah hujan per , , dan = jumlah kejadian
jam yang masing-masing akan diujikan kasus terkait
adalah mengikuti kategori curah hujan
yang ditetapkan oleh Badan Meteorologi
Klimatologi dan Geofisika menurut tabel 9. Penerapan estimasi curah hujan secara
4. spasial untuk sampel kejadian hujan lebat
per jam. Hasil estimasi di plot dengan
Tabel 4. Kategori intensitas curah hujan menggunakan ArcGIS 10.2 dan
menurut BMKG
dibandingkan dengan produk observasi
Jumlah Curah
Kategori Curah curah hujan per jam, yaitu GSMaP
No. Hujan Per Jam
Hujan
(mm/jam) (Global Satellite Mapping of
1 Ringan 0,1 – 5,0 Precipitation) yang diperoleh dari
2 Sedang 5,1 – 10,0 ftp://rainmap:Niskur+1404@hokusai.eor
3 Lebat 10,1 – 20,0 c.jaxa.jp/.
4 Sangat Lebat > 20,0

13
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016

Gambar 1. Diagram alir penelitian

(a) (b)
Gambar 2. Scatter-plot CH estimasi CST (a) dan mCST (b) per jam VS pengamatan Hellman tahun 2014

14
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016

3. HASIL DAN PEMBAHASAN

Berdasarkan scatter-plot curah hujan
estimasi dan pengamatan per jam pada
gambar 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.
kategori hujan yang ditetapkan BMKG pada
table 5. 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
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.
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 5. 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 Demikian pula bias relatif dari hasil estimasi
jam yang diujikan selama tahun 2014 menunjukkan bahwa dengan menggunakan
diperoleh indeks evaluasi hasil estimasi metode CST dihasilkan hasil estimasi curah
dibandingkan dengan pengamatan aktual hujan yang 162,29 % lebih besar terhadap
yang ditunjukkan pada tabel 6. Estimasi observasi, sedangkan estimasi mCST
curah hujan per jam menggunakan kedua menghasilkan curah hujan estimasi yang nilai
metode tersebut menghasilkan korelasi yang biasnya 15,94 % lebih kecil dari observasi.
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.

Tabel 6. Indeks evaluasi estimasi curah hujan per jam terhadap observasi tahun 2014
Korelasi MAE RMSE Bias Relatif
(mm/jam) (mm/jam) (%)
Estimasi CST 0,81 0,47 1,57 162,29
Estimasi mCST 0,85 0,05 1,32 -15,94

15
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016
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. 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 (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 (b)
menunjukkan metode CST menghasilkan
fraksi lebih besar untuk kejadian dimana
estimasi CST menunjukkan kejadian hujan
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
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 3.
(b) (c)
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 (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
Curah Hujan 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.
16
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016
Gambar 4. 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 4, 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 5 dapat diamati
bahwa dengan menggunakan metode CST,
estimasi curah hujan menghasilkan error
yang relatif lebih besar dibandingkan metode
mCST pada setiap bulan.
Gambar 5. Grafik nilai MAE estimasi curah
hujan CST dan mCST 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 6. Grafik nilai RMSE estimasi curah
hujan CST dan mCST setiap bulan
17
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016
Grafik nilai RMSE pada gambar 6
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 7. 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 7, 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.
18
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016
(a)
(c)
Gambar 8. 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 8 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
(b)
tinggi turut digambarkan terkonsentrasi di
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
19
 Jurnal Meteorologi Klimatologi dan Geofisika Vol. 3 No. 3, Nopember 2016
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.
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,
20