Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol. 2 No. 1 (2022) p.

561-569
© Jurusan Teknik Pengairan, Fakultas Teknik, Universitas Brawijaya

JTRESDA
Journal homepage: https://jtresda.ub.ac.id/

Analisis Hujan TRMM (Tropical Rainfall

Measuring Mission) menjadi Debit dengan
Metode NRECA pada Das Bango
Nugraha Faiz Alnino1*, Ery Suhartanto1, Jadfan Sidqi Fidari1
1
Jurusan Teknik Pengairan, Fakultan Teknik, Universitas Brawijaya
Jl. MT. Haryono No. 167, Malang, 65145, Indonesia
*Korespondensi Email: nugrahagaizz@gmail.com
Abstract: Hydrological planning is always related to watershed
characteristics. The availability of data to obtain flow rates is often
incomplete, so water construction planners find it difficult to obtain data.
Therefore, it is necessary to convert rain to discharge which aims to convert
rain data into discharge. This study aims to analyze TRMM rainfall into river
discharge located in the Bango watershed, Malang Regency. The method
used in this study was the NRECA method. In using TRMM data, it is
necessary to carry out a validation stage first. Validation analysis was carried
out to see the suitability of the TRMM rainfall data with regional rainfall.
From these results, it can be continued to make the river discharge using the
NRECA method. From the test, the best value was obtained, NSE value =
0.773 and the R value = 0.934. From the overall analysis, it can be concluded
that the NRECA model discharge data from TRMM rain can be used because
it is almost close to the discharge data.
Keywords: Discharge, NRECA, Rainfall, TRMM, Validation
Abstrak: Perencanaan Hidrologi selalu berkaitan dengan karakteristik DAS.
Kenyataanya ketersediaan data untuk mendapatkan debit aliran sering kali
tidak lengkap, sehingga perencana bangunan air kesulitan untuk
mendapatkan data. Oleh karena itu diperlukan pengalihragaman hujan ke
debit yang bertujuan untuk merubah data hujan menjadi debit. Studi ini
bertujuan untuk menganalisis Hujan TRMM menjadi debit sungai yang
terletak di DAS Bango, Kabupaten Malang. Metode yang digunakan dalam
studi ini yaitu Metode NRECA. Dalam penggunaan data TRMM perlu
dilakukan tahap validasi terlebih dahulu. Analisis validasi dilakukan untuk
melihat kesesuaian data curah hujan TRMM dengan curah hujan wilayah.
Dari hasil tersebut bisa dilanjutkan untuk menjadikan debit sungai dengan
Metode NRECA. Dari Uji tersebut, didapatkan nilai terbaik yaitu, nilai NSE
= 0,773 dan nilai R = 0,934. Dari keseluruhan analisis, mendapatkan
kesimpulan yaitu data debit model NRECA dari hujan TRMM dapat
diunakan karena hampir mendektai dari data debit.
Kata kunci: Curah Hujan, Debit, NRECA, TRMM, Validasi

*Penulis Korespendensi: nugrahagaizz@gmail.com

Alnino, N. F. et al., Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol.2 No.1 (2022) p. 561-569

1. Pendahuluan
Hidrologi merupakan informasi sangat penting dalam pelaksanaan inventarisasi
sumber air yang tepat dan rehabilitasi sumber alam seperti air, tanah, dan hutan rusak.
Dalam data hidrologi, hal yang sangat berpengaruh seperti curah hujan, penguapan,
temperature, penyinaran lamanya matahari. Namun, ketersediaan serta akses data
seringkali tidak lengkap dan tidak terjangkau[1]. Dengan membutuhkan berbagai data
seperti TRMM yang juga bisa mempermudah dalam proses pengerjaanya[2]. Namun juga,
letak stasiun penakar hujan memiliki pengaruh besar dalam ketelitian pengukuran hujan
pada suatu DAS, sehingga dapat menjelaskan kondisi DAS tersebut[3].Keterbatasan
stasiun penakar hujan pada DAS, terlebih pada daerah terpencil, kajian atau analisis sumber
daya air berdasarkan data curah hujan akan sulit dilakukan.
Adanya satelit meteorologi TRMM (Tropical Rainfall Measuring Mission) dapat
menjadi alternatif untuk memberikan informasi data hujan spasial pada lokasi studi yaitu
di DAS Bango Malang dan daerah tropis lainnya. Resolusi spasial TRMM sebesar
0,25°×0,25°, tidak sebesar satelit lain yang telah ada, namun unggul secara resolusi
temporal yang menyediakan data 3 jam-an dan harian [4]. Dalam memastikan hal ini dapat
dilakukan pengalih ragaman data curah hujan, dimana yang digunakan ialah data curah
hujan TRMM (Tropical Rainfall Measuring Mission) yang telah melalui uji validasi,
menjadi data debit aliran[5]. Metode pengalih ragaman yang digunakan ialah simulasi
NRECA. Dari hasil simulasi alih ragam curah hujan ke debit tersebut dapat bermanfaat
untuk pengelolaan sumber daya air DAS Bango dan sekitarnya[6].

2. Lokasi dan Metode

2.1 Bahan
2.1.1 Lokasi Studi
Lokasi studi yang digunakan yaitu DAS Bango yang berlokasi di daerah Kabupaten
Malang yang merupakan sebuah kabupaten di daerah Jawa Timur bagian selatan,
sebagaimana terlihat pada gambar 1. Kabupaten Malang berada di koordinat 7°45'52" -
7°59'40" LS dan 112°33'5" - 112°46'55" BT, dengan luas Kabupaten Malang 3.535 km 2
Kondisi topografi DAS Bango cukup beragam, mulai dari dataran rendah, dataran
bergelombang, hingga dataran tinggi/pegunungan. Elevasi tertinggi berada pada puncak
Gunung Arjuno dan Gunung Welirang yang terletak di bagian hulu DAS Bango. Elevasi
terendah berada pada ±305m dpl dan elevasi tertinggi ±2900m dpl. Batas wilayah dari
kabupaten malang, yaitu sebelah utara = Gunung Arjuno, sebelah selatan = sub DAS
Sumber Brantas, sebelah barat = Sub DAS Sumber Brantas, Sebelah Timur = Sub Das
Amprong[7].
DAS Bango memiliki luas 245,25 km2 dengan 6 stasiun hujan yang tersebar
dibeberapa kecamatan di Kabupaten Malang dan juga terdapat alat pengukur tinggi muka
air sungai atau AWLR. Lokasi stasiun pencatat debit dan pos hujan di DAS Bango seperti
berikut: Kali Bango, Singosari, Blimbing, dan Tumpang.

562
 Alnino, N. F. et al., Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol.2 No.1 (2022) p. 561-569

Gambar 1: Peta Lokasi Studi Das Bango

2.1.2 Data yang Dibutuhkan

Pelaksanaan studi ini akan memanfaatkan data sekunder, antara lain yaitu data
koordinat stasiun curah hujan dan AWLR, DEM, peta jaringan sungai dan topografi, data
curah hujan bulanan pada stasiun hujan DAS Bango selama 10 tahun (2010 – 2019, data
curah hujan harian TRMM selama 10 tahun tipe TRMM_3B42RT_v7 (2010-2019), data
debit AWLR bulanan pada DAS Bango (2010 – 2018), data klimatologi selama 10 tahun
(2010 – 2019), data peta tata guna lahan.
2.2 Langkah Langkah Studi
Untuk mencapai tujuan yang diharapkan maka diperlukan suatu langkah pengerjaan
secara sistematis. Berikut merupakan langkah - langkah pengerjaan studi:
1. Mengumpulkan data curah hujan dan data TRMM yang diperlukan untuk kajian
ini dari berbagai sumber.
2. Uji statistik data curah hujan, TRMM, dan AWLR digunakan untuk mengetahui
kualitas dan keandalan data yang akan digunakan dalam perhitungan selanjutnya.
Uji yang digunakan adalah Uji Konsistensi (Analisa Kurva Masa Ganda dan
RAPS), Uji Ketiadakadaan Trend (korelasi peringkat metode Spearman, Uji Mann
dan Whitney, dan Uji tanda dari Cox dan Stuart), Uji Outlier, Uji Stasioner, Uji
Persistensi.
3. Melakukan uji validasi data curah hujan dengan menggunakan metode yaitu
metode terkoreksi dan tidak terkoreksi.
4. Perhitungan simulasi alih ragam hujan metode NRECA
a. Mempersiapkan data-data yang dibutuhkan, antara lain: jumlah hari hujan, data
curah hujan (P) dalam 1 periode, evapotranspirasi (PET = Penguapan Peluh
Potensial), tampungan awal W0 (SMC).

563
Alnino, N. F. et al., Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol.2 No.1 (2022) p. 561-569

b. Menentukan tampungan kelengasan (Wi).

c. Menentukan rasio Rb/PET dan rasio AET/PET.
d. Menentukan evapotranspirasi aktual.
e. Menentukan neraca air.
f. Menentukan rasio dan nilai kelebihan kelengasan .
g. Menentukan perubahan tampungan.
h. Menentukan nilai GWF.
i. Menentukan tampungan air tanah awal dan akhir.
j. Menentukan aliran air tanah dan aliran langsung.
k. Menentukan debit aliran sungai.
5. Melakukan uji validasi data debit hasil metode NRECA. Uji yang digunakan adalah
Uji efisiensi Nash-Sutcliffe, Uji Mean Absolute Error (MAE), Uji koefisien
Korelasi, dan Uji kesalahan relatif.

3. Hasil dan Pembahasan

Data hujan dan debit pengamatan yang diperlukan dalam studi ini dilakukan analisis
kualitas data terlebih dahulu dengan uji RAPS dan Uji Stasioner (Uji F dan Uji t). Hal ini
sangat diperlukan karena untuk mengetahui kelayakan kualitas data yang diperoleh. Dari
uji RAPS yang dilakukan, didapatkan hasil yang konsisten baik data hujan maupun data
debit pengamatan[8].
Berdasarkan hasil Uji Stasioner (Uji F dan Uji t) diperoleh bahwa dengan menggunakan
derajat kepercayaan 5% dari 120 data yang di kumpulkan selama 10 tahun (2010-2019)
dengan periode bulanan diterima semua. Sehingga dapat disimpulkan bahwa data hujan
tersebut berdasarkan Uji Stasioner bersifat homogen dan berasal dari populasi yang sama.

a. Analisis Curah Hujan Wilayah

Perhitungan hujan wilayah dengan metode Poligon Thiessen menggunakan data curah
hujan selama 10 tahun (2010-2019). Setiap Pos Stasiun Hujan mempunyai daerah pengaruh
yang dibentuk dengan menggambarkan garisi tegak lurus terhadap garis penghubung antara
dua atau lebih Pos Stasiun Hujan yang ada.

Tabel 1. Nilai Kr Setiap Stasiun

St. Ha Km2 Kr

Blimbing 4914,598 49,146 0,199

Singosari 11044,654 110,447 0,448
Karangploso 8675,618 86,756 0,352

Jumlah 24634,870 246,349 1

Pada tabel 1 terdapat beberapa pos stasiun hujan di DAS Bango, yaitu Pos Stasiun
Hujan Blimbing, Singosari, dan Karangploso. Masing – masing pos stasiun hujan memiliki
luas pengaruh yang berbeda-beda. Nilai koefisien Kr tersebut sangat berpengaruh dalam
analisis perhitungan hujan wilayah dengan metode Polygon Thiessen. Pos Stasiun Hujan
pujon memiliki luas pengaruh paling besar, hal tersebut bisa dilihat dari nilai Kr yang
dihasilkan.

564
 Alnino, N. F. et al., Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol.2 No.1 (2022) p. 561-569

Tabel 2. Hasil Curah Hujan Wilayah Tahunan Setiap Pos Hujan

Pos Hujan Pos Hujan Pos Hujan

No. Tahun
Blimbing (mm) Singosari (mm) Karangploso (mm)

1 2019 2142 1780 1469

2 2018 1847 2182 1707
3 2017 2272 2740 2234
4 2016 2535 3249 2209
5 2015 1667 1625 1020
6 2014 3197 2039 1609
7 2013 2458 2683 1983
8 2012 1547 2053.3 1955
9 2011 2074 2631 2469
10 2010 3846 4776 3407
Rata-rata 2358,500 2575,830 2006,200

Berdasarkan hasil perhitungan pada tabel 2, didapatkan Curah hujan wilayah rerata
tahunan. Hasil perhitungan curah hujan wilayah rerata tahunan berfungsi untuk analisis
simulasi hujan menjadi debit menggunakan metode NRECA. Dalam tabel 3, bisa dilihat
rekapitulasi hasil perhitungan hujan debit NRECA yang telah dianalisis.
Tabel 3. Rekapitulasi Perhitungan Hujan Debit Metode NRECA 2010 – 2018

Bulan
Tahun
Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des
2010 22,571 29,607 27,707 29,177 15,790 16,613 8,079 8,594 16,540 10,957 13,232 20,168
2011 16,851 8,760 16,471 16,764 22,517 4,208 3,787 3,408 3,068 2,761 16,601 15,582
2012 10,457 12,961 12,332 8,489 6,791 5,433 4,346 3,477 2,782 2,225 4,450 20,786
2013 15,456 18,498 16,369 16,418 10,101 15,223 5,203 3,917 3,134 2,507 7,326 18,967
2014 12,093 6,034 5,842 7,849 6,962 5,069 4,055 3,244 2,596 2,076 4,218 15,176
2015 14,256 11,387 17,699 24,291 5,996 2,399 2,159 1,943 1,749 4,721 3,370 8,330
2016 5,326 30,547 8,521 20,546 12,323 10,837 6,346 0,516 0,052 4,663 27,911 20,307
2017 14,129 11,197 14,619 21,635 8,050 6,508 5,176 4,141 3,313 2,650 25,217 11,940
2018 9,337 12,364 8,610 7,097 5,414 4,331 3,465 2,772 2,218 1,774 1,725 8,412

b. Validasi TRMM (Debit Hujan)

Analisis ini dilakukan dengan validasi data terkoreksi. Validasi data terkoreksi pada
tahapannya dilakukan kalibrasi parameter terlebih dahulu sesuai data stasiun hujan
(groundstation), baru kemudian dilakukan validasi untuk evaluasi setting parameter diluar
rentang data kalibrasi. Rentang data yang dipakai untuk analisis validasi data terkoreksi ini
adalah 4 tahun, 3 tahun, 2 tahun, dan 1 tahun. Berikut merupakan hasil proses kalibrasi
menggunakan persamaan regresi sederhana untuk menentukan faktor koreksi sesuai
Koefisien Korelasi (R) terbesar dari masing-masing persamaan regresi yang bisa dilihat di
tabel 4 dan tabel 5.

565
Alnino, N. F. et al., Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol.2 No.1 (2022) p. 561-569

Tabel 4. Rekapitulasi Hasil PerhitunganValidasi Data tidak Terkoreksi

NSE R
Periode RMSE KR
Nilai Interpretasi Nilai Interpretasi
10 Tahun 90,040 0,632 Memuaskan -0,052 0,841 Sangat Kuat

Tabel 5. Rekapitulasi Hasil PerhitunganValidasi Data Terkoreksi

NSE R
Periode RMSE KR
Nilai Interpretasi Nilai Interpretasi
4 Tahun 63,543 0,817 Sangat Memuaskan 0,033 0,905 Sangat Kuat
3 Tahun 64,933 0,809 Sangat Memuaskan 0,067 0,904 Sangat Kuat
Bulanan
2 Tahun 63,870 0,811 Sangat Memuaskan 0,135 0,923 Sangat Kuat
1 Tahun 68,408 0,754 Sangat Memuaskan 0,064 0,874 Sangat Kuat

c. Metode NRECA
Model NRECA merupakan model konsepsi yang bersifat deterministik, dapat
digunakan untuk menghitung debit bulanan dari hujan bulanan berdasarkan keseimbangan
air di DAS[9].

Tabel 6. Rekapitulasi Hasil Perhitungan Komponen Uji Kalibrasi Data Debit NRECA tahun
2010 - 2018

NSE R
Periode RMSE KR
Nilai Interpretasi Nilai Interpretasi
2010 4,539 0,7349 Baik 0,072 0,873 Sangat Kuat
2011 3,181 0,8261 Sangat Baik 0,105 0,925 Sangat Kuat
2012 4,431 0,7062 Baik 0,015 0,872 Sangat Kuat
2013 3,363 0,7423 Baik 0,021 0,864 Sangat Kuat
Bulanan 2014 3,990 0,6721 Baik 0,060 0,898 Sangat Kuat
2015 3,051 0,7287 Baik 0,046 0,904 Sangat Kuat
2016 5,721 0,6229 Memuaskan 0,064 0,826 Sangat Kuat
2017 5,501 0,7454 Memuaskan 0,176 0,939 Sangat Kuat
2018 3,111 0,6692 Memuaskan 0,023 0,851 Sangat Kuat

d. Validasi Data Debit (Debit Hujan)

Analisa kesesuaian metode dilakukan untuk mengetahui seberapa besar perbedaan yang
terjadi antara hasil perhitungan metode alih ragam hujan menjadi debit terhadap hasil
pengamatan di lapangan[10].

566
 Alnino, N. F. et al., Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol.2 No.1 (2022) p. 561-569

Validasi data debit dilakukan dengan membagi data 9 tahun periode bulanan menjadi
kelompok data 5:4, 6:3, 7:2, dan 8:1. Maksud dari perbandingan tersebut ialah 5 tahun data
digunakan untuk kalibrasi sedangkan 4 tahun data digunakan untuk validasi, sama halnya
dengan perbandingan 6:3, 7:2, dan 8:1. Kalibrasi pada tahap ini dilakukan ulang dalam
pembagian kelompok data untuk mengetahui tingkat koherensi antara data debit model dan
debit lapangan. Dalam tabel 7 merupakan rekapitulasi hasil uji validasi debit.
Tabel 7. Rekapitulasi Uji Validasi Debit
NSE R
Periode RMSE KR
Nilai Interpretasi Nilai Interpretasi
Kalibrasi 5 Tahun 4,154 0,784 Sangat Memuaskan 3% 0,889 Sangat Kuat
Validasi 4 Tahun 4,527 0,738 Memuaskan 7% 0,862 Sangat Kuat
Kalibrasi 6 Tahun 3,991 0,784 Sangat Memuaskan 2% 0,886 Sangat Kuat
Validasi 3 Tahun 4,922 0,734 Memuaskan 9% 0,865 Sangat Kuat
Kalibrasi 7 Tahun 4,281 0,760 Sangat Memuaskan 3% 0,872 Sangat Kuat
Validasi 2 Tahun 4,469 0,773 Kurang Memuaskan 12% 0,934 Sangat Kuat
Kalibrasi 8 Tahun 4.452 0,759 Sangat Memuaskan 5% 0,874 Sangat Kuat
Validasi 1 Tahun 3,111 0,669 Memuaskan 2% 0,851 Sangat Kuat

40

35

30

25

20

15

10

0
101
105
17

69
13

21
25
29
33
37
41
45
49
53
57
61
65

73
77
81
85
89
93
97
1
5
9

Debit Aliran Sungai (Model NRECA) Debit Aliran Sungai (AWLR)

Gambar 2 Grafik Perbandingan Debit AWLR dan Debit Model NRECA Seluruh Periode

4. Kesimpulan
Dalam pembahasan ini didapatkan kesimpulan:
a. Untuk data hujan TRMM periode bulanan terkoreksi memperoleh nilai yang maksimal
untuk data hujan pos stasiun hujan. Sehingga memperoleh nilai kalibrasi terbaik pada
data tahun ke 9, dengan mendapatkan nilai pada regresi polinomial berdasarkan R
(Koefisien Korelasi) terbesar yaitu 0,847. Sedangkan hasil nilai validasi terbaik

567
Alnino, N. F. et al., Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol.2 No.1 (2022) p. 561-569

didapatkan NSE (Nash-Sutcliffe Efficiency) pada data tahun ke 4, dengan nilai 0,817.
Untuk nilai Koefisien Korelasi (R) terbaik menunjukkan nilai pada data tahun ke 2,
dengan nilai 0,923. Seluruh periode uji validasi data menunjukkan interpretasi
Koefisien Korelasi (R) “Sangat Kuat” dan untuk NSE mendapatkan interpretasi
“Sangat Baik”.
b. Analisis data curah hujan TRMM menjadi debit dengan metode NRECA telah
mendapatkan nilai parameter yaitu, nilai PSUB dengan berkisar antara 0,6 hingga 0,8,
dan nilai parameter GWF yang berkisar antara 0,2 hingga 0,5.
c. Hasil perhitungan kalibrasi debit model NRECA dengan debit AWLR pada DAS
Bango mendapatkan periode bulanan terbaik berada pada data tahun ke 5. Sedangkan
hasil nilai validasi terbaik yang dilihat dari nilai NSE dan R pada data tahun ke 2
dengan nilai 0,773 dan 0,934. Keseluruhan periode uji validasi data debit mendapatkan
interpretasi NSE “Baik” sampai “Sangat Baik” dan Koefisien Korelasi (R) “Sangat
Kuat”.

Ucapan Terima Kasih

Terima Kasih kepada Balai Besar Wilayah Sungai (BBWS) Brantas dan atas bantuan
serta pemberian akses data peta , Data curah Hujan dan Data AWLR sebanyak 10 data
(2010 – 2019) yang ada pada DAS Bango, Malang.

Daftar Pustaka
[1] Soewarno, Hidrologi Aplikasi Metode Statistik untuk Analisa Data (Jilid I), vol.
148. Bandung: NOVA, 1995.
[2] A. Nomleni, E. Suhartanto, and D. Harisuseno, “Estimation of Flow Discharge
Model at Temef Watershed - East Nusa Tenggara Using TRMM Satellite Data,”
Civ. Environ. Sci., 2021, doi: 10.21776/ub.license.2021.00402.2.
[3] M. D. Syaifullah, “VALIDASI DATA TRMM TERHADAP DATA CURAH
HUJAN AKTUAL DI TIGA DAS DI INDONESIA,” J. Meteorol. dan Geofis.,
2014, doi: 10.31172/jmg.v15i2.180.
[4] N. Hadisusanto, Aplikasi HIDROLOGI. 2010.
[5] J. Wang and D. B. Wolff, “Evaluation of TRMM rain estimates using ground
measurements over central Florida,” J. Appl. Meteorol. Climatol., 2012, doi:
10.1175/JAMC-D-11-080.1.
[6] S. Lufi, S. Ery, and R. Rispiningtati, “Hydrological Analysis of TRMM (Tropical
Rainfall Measuring Mission) Data in Lesti Sub Watershed,” Civ. Environ. Sci.,
2020, doi: 10.21776/ub.civense.2020.00301.3.
[7] W. Warsito and A. Rachmawati, “Model Penataan Ruang Kawasan DAS Berbasis
KonservasI (Studi Kasus Sub DAS Bango Kota Malang),” J. Rekayasa Sipil,
2018.
[8] N. F. Rahma, E. Suhartanto, and D. Harisuseno, “Validasi Data Curah Hujan
TRMM (Tropical Rainfall Measuring Mission) dengan Pos Stasiun Hujan di Sub
DAS Sumber Brantas,” J. Mhs. Tek. Pengair. Univ. Brawijaya, 2019.

568
 Alnino, N. F. et al., Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol.2 No.1 (2022) p. 561-569

[9] B. Triatmojo, Hidrologi Terapan. Yogyakarta: Beta Offset Yogyakarta, 2008.

[10] D. Windatiningsih, “Uji Validasi Data Debit,” J. SUMBER DAYA AIR, 2019, doi:
10.32679/jsda.v15i2.600.

569