Buletin Profesi Insinyur 6.
(Edisi Khusus: Prosiding Seminar Nasional IX Teknik Sipil 2.
http://dx.
org/10.
20527/bpi.
Identifikasi Kejadian Hujan dengan Menggunakan Data Satelit GSMaP (Global Satellite Mapping of Precipitatio.
di Banjarbaru Noordiah Helda1 Muhammad Ramadhani Wijayanto2 1, 2 Program Studi Teknik Sipil.
Universitas Lambung Mangkurat AAnoordiah.
helda@ulm.
ISSN 2654-5926
Hujan merupakan salah satu parameter cuaca yang menarik untuk dikaji, terutama untuk bidang Hidrologi.
Data curah hujan yang akurat diperlukan untuk analisa ketersediaan air dan bencana banjir.
Kendala terbesar dalam menganalisa data curah hujan adalah minimnya stasiun observasi, seri data yang tidak cukup panjang dan tidak meratanya sebaran stasiun tersebut.
Alternatif penggunaan data satelit yang memiliki resolusi spatial dan temporal yang tinggi menjadi salah satu solusi.
Penelitian ini bertujuan untuk mengidentifikasi kejadian hujan dengan bantuan data hujan dari satelit GSMaP, dengan didukung pengamatan secara visual.
Data hujan harian dari 2 .
stasiun BMKG di kota Banjarbaru periode Oktober 2021 sampai Mei 2022 digunakan sebagai pembanding.
Tahapan validasi data dan analisa kinerja data satelit GSMaP dijalankan untuk mengevaluasi kemampuan satelit dalam mendeteksi Hasil penelitian menunjukkan bahwa secara umum, dengan data seri yang tidak panjang, data hujan harian dari GSMaP menunjukkan korelasi yang lemah dengan 2 stasiun BMKG yang ada.
Nilai rBias yang positif .
,77% - 7,09%) menandakan nilai di atas perkiraan dari BMKG, yang terjadi di bulan November dan April.
Namun, data GSMaP cukup mampu mendeteksi kejadian hujan beradasarkan data pengamatan visual.
Untuk keakuratan hasil, analisa direkomendasikan untuk dikombinasikan dengan faktor koreksi data hujan.
Kata kunci: hujan, data satelit.
GSMaP.
Banjarbaru Dipresentasikan: 7 November 2022 Direvisi: 15 November 2022 Diterima: 2 Januari 2023 Dipublikasikan online: 10 Januari 2023 Pendahuluan Pemanasan global berdampak pada perubahan iklim di bumi yang menyebabkan terjadinya kejadian-kejadian iklim ekstrim, baik besaran maupun frekuensinya (Nugroho, dkk, 2.
Salah satu parameter cuaca yang menarik perhatian dan memegang peranan penting adalah hujan.
Kejadian hujan ekstrem yang sering terjadi di beberapa tempat di wilayah Indonesia telah menyebabkan kejadian banjir parah yang berdampak besar pada kehilangan jiwa, kerusakan bangunan dan juga lingkungan.
Di bulan Januari 2022, yang merupakan puncak musim hujan di Kalimantan Selatan.
BMKG mencatat bahwa 92% hujan yang terjadi memiliki magnitude di atas 150 mm/hari.
Sifat hujan yang terjadi dapat dikategorikan sebagai hujan normal sampai hujan di atas normal, yang terus berlangsung untuk 3 bulan ke depan (BMKG, 2.
Kota Banjarbaru dan kota Banjarmasin merupakan 2 kota penting di Provinsi Kalimantan Selatan.
Sejak 15 Februari 2022, kota Banjarbaru resmi menjadi ibukota provinsi, berdasarkan UU No.
8 Tahun 2022 tentang Kalimantan Selatan.
Sebagai ibukota Provinsi yang baru, kota Banjarbaru memegang peranan penting dalam keseimbangan sosial ekonomi masyarakat di provinsi ini.
Kejadian hujan ekstrim dalam beberapa tahun terakhir yang menyebabkan beberapa kejadian banjir di kota Banjarbaru perlu menjadi fokus perhatian sehingga penanganan banjir dapat dikelola sejak Tercatat beberapa kejadian banjir di tanggal 4 dan 5 Juli 2022 yang mencapai 0.
5 Ae 1.
0 meter dan menggenangi wilayah kecamatan Cempaka.
Kelurahan Loktabat Selatan dan Kecamatan Banjarbaru Selatan (Antara News, 2.
Dalam analisa hidrologi kejadian banjir, diperlukan data hujan yang akurat dan memiliki seri data yang panjang, minimal 20 tahun (Suadnya, dkk 2.
Minimnya stasiun observasi, seri data yang tidak cukup panjang dan tidak meratanya sebaran stasiun tersebut merupakan kendala terbesar dalam menganalisa data Curah Hujan.
Terlebih data curah hujan memiliki variabilitas yang tinggi baik secara spasial maupun temporal (Rahman dan Indra.
Adanya keterbatasan sumber daya manusia yang ada dan masih banyaknya pengukuran secara manual serta lokasi pengamatan yang sulit dijangkau menjadi hambatan dalam mendapatkan data yang berkualitas (Setiawati, dkk, 2.
Beberapa penelitian menunjukkan Cara mensitasi artikel ini:
Helda.
Wijayanto.
Identifikasi Kejadian Hujan Menggunakan Data Satelit GSMaP (Global Satellite Mapping of Precipitatio.
di Banjarbaru.
Buletin Profesi Insinyur 6.
(Edisi Khusus: Prosiding Seminar Nasional IX Teknik Sipil 2.
BPI, 2023 | 1
ISSN 2654-5926
Buletin Profesi Insinyur 6.
(Edisi Khusus: Prosiding Seminar Nasional IX Teknik Sipil 2.
http://dx.
org/10.
20527/bpi.
performa yang cukup baik dari satelit GSMaP dalam mengestimasi curah hujan di Jabodetabek (Rahman dan Indra, 2.
dan juga di Bali (Duwanda dan Sukarasa.
Sehingga, penggunaan data satelit yang unggul dengan tingginya resolusi baik spasial maupun temporal, menjadi hal yang patut dipertimbangkan dan menjadi solusi permasalahan tersebut.
Penelitian ini merupakan penelitian awal yang bertujuan untuk mengidentifikasi kejadian hujan di kota Banjarbaru dan mengevaluasi kemampuan satelit GSMaP dalam memperkirakan kejadian hujan.
Pengamatan secara visual kejadian hujan .
urnal kejadian huja.
dilakukan secara individu sebagai data pendukung untuk kejadian hujan yang terjadi.
Metode Lokasi Penelitian Lokasi penelitian terletak di kota Banjarbaru, ibukota Provinsi Kalimantan Selatan, meliputi tiga .
titik observasi.
Dua diantaranya adalah stasiun BMKG di kota Banjarbaru, yaitu Staklim Syamsudin Noor .
4420 LS dan 114.
7540BT) dan Staklim Banjarbaru .
442650LS dan 114.
840BT), serta Observasi hujan secara visual yang dilakukan secara langsung di Kawasan perumahan Jl.
Mitra Praja.
Trikora.
Banjarbaru .
4650LS dan 114.
8280BT).
Observasi secara langsung ini dilakukan hanya dengan pengamatan visual saja tanpa menggunakan peralatan apapun, tujuannya untuk mencatat waktu kejadian hujan serta besar atau kecilnya intensitas Gambar 1 menunjukkan detil lokasi penelitian.
tingginya kejadian hujan dan puncak musim hujan di Provinsi Kalimantan Selatan.
Analisa Statistik Analisa statistik data curah hujan BMKG dan dari satelit GSMaP dilakukan untuk mengevaluasi kemampuan satelit dalam mendeteksi hujan dan membandingkannya dengan data dari BMKG.
Analisa statistik yang dilakukan pada setiap data meliputi:
Menentukan nilai rata-rata, nilai maksimum hujan dan nilai Standar Deviasi.
Menganalisa performa data satelit GSMaP, meliputi Analisa Performa Menerus (Continuous Performance Measure.
dan Analisa Performa Kategori (Categorical Performance Measure.
(Hapsari, dkk, 2.
Untuk analisa performa menerus, perhitungannya CC (Correlation coefficien.
Oc Oc Oc Oe ) MAE (Mean absolute erro.
Oe I) Oe )( Oc Oe Oe I) RMSE (Root mean square erro.
Oc NSE (Nash-Sutcliffe efficienc.
=1Oe Oe Oc Oc Oe ) Oe ) Oc Oc Oe rBias (Relative Bia.
= 100 Dengan G adalah data hujan stasiun BMKG.
S adalah data hujan satelit GSMaP dan n adalah jumlah observasi.
Sedangkan untuk analisa statistik berdasarkan kategori performa mengacu pada tabel kontigensi (Tabel .
untuk mengevaluasi kemampuan satelit dalam mendeteksi kejadian hujan.
Gambar 1.
Lokasi Stasiun BMKG dan Observasi Visual Data curah hujan harian diunduh melalui situs BMKG Online dari 2 .
stasiun BMKG di kota Banjarbaru untuk Periode curah hujan bulan Oktober 2021 sampai dengan bulan Mei 2022.
Pemilihan waktu periode hujan didasarkan pada kemungkinan frekuensi kejadian hujan dan besaran hujan yang terjadi.
Data curah hujan satelit GSMaP diunduh melalui situs JAXA Global Rainfall Watch (GSMaP) dengan periode yang sama dan mengacu pada titik koordinat dua .
stasiun BMKG.
Data GSMaP memiliki resolusi spatial .
dan temporal .
yang tinggi dengan format FTP (File Transfer Protoco.
Untuk mendownload data GSMaP diperlukan resgistrasi di awal pada website GSMaP (Sub Bidang Pengelolaan Citra Satelit Cuaca, 2.
Periode observasi visual dilakukan sejak tanggal 19
Januari 2022 sd 20 Mei 2022 yang merupakan periode Tabel 1 Nilai ambang probabilitas untuk membandingkan data GSMaP dengan data BMKG
Performa
BMKG
R Ou 0,5 mm R O 0,5 mm GSMAP R Ou 0,5 mm R O 0,5 mm Dalam penelitian ini digunakan ambang yang menjadi batas antara hujan dan tidak hujan dalam perhitungan yaitu sebesar 0,5 mm/hari.
Selanjutnya untuk analisa performa kategori akan dilakukan perhitungan yang meliputi Probability of Detection (POD).
False Alarm Ratio (FAR).
Critical Success Index (CSI).
Heidkle Skill Score (HSS).
POD akan menentukan tingkat ketepatan (Hit rate.
data satelit.
BPI, 2023 | 2 Buletin Profesi Insinyur 6.
(Edisi Khusus: Prosiding Seminar Nasional IX Teknik Sipil 2.
http://dx.
org/10.
20527/bpi.
saat kejadian hujan yang diidentifikasi sta BMKG benar dideteksi oleh satelit.
FAR menunjukkan pendeteksian kejadian hujan yang tidak benar ketika tidak ada hujan yang diukur di sta BMKG, namun satelit mendeteksi hujan.
CSI mengkombinasikan POD dan FAR untuk mendapatkan hasil yang lebih komprehensif.
HSS mengeliminasi deteksi yang benar karena adanya kondisi kebetulan yang acak .
andom chanc.
Metode perhitungan analisa kategori performa adalah sebagai berikut:
POD (Probablitiy of Detectio.
!"# = FAR (False Alarm Rati.
CSI (Critical Succes Inde.
FBI
( $%)
ISSN 2654-5926
Dari Tabel 2 dapat dilihat bahwa nilai rerata hujan dari data BMKG dan data satelit GSMaP menunjukkan hasil yang hampir mendekati dengan selisih 3.
6 Ae 6.
Untuk nilai hujan maksimum, data GSMaP cenderung over estimate di lokasi Staklim Banjarbaru dan cenderung underestimate di staklim Syamsudin Noor.
Perbandingan Data Curah Hujan Stasiun BMKG dengan Data Satelit GSMaP Data curah hujan harian dari dua .
stasiun iklim BMKG dan satelit GSMaP yang diolah menjadi data hujan bulanan dan disajikan dalam bentuk grafik dapat dilihat pada Gambar 2 dan Gambar 3.
( $()
( $ ( $ %)
' )=
( $ ()
( $ %)
HSS (Heidkle Skill Scor.
2 , ( , - Oe ( , %) ( $ %) , (% $ -) $ ( $ (), (( $ -)/ Dengan a adalah frekuensi hujan yang terjadi dan terdeteksi, b adalah frekuensi hujan yang tidak terjadi tapi terdeteksi, c adalah frekuensi hujan yang terjadi tapi tidak terdeteksi dan d adalah frekuensi hujan yang tidak terjadi dan tidak ter-deteksi.
Gambar 2 Grafik perbandingan curah hujan bulanan Staklim BMKG Banjarbaru dengan satelit GSMaP Validasi Data Untuk validasi data dilakukan dengan melihat dan membandingkan data jurnal kejadian hujan dengan data BMKG dan satelit GSMaP.
Selain itu, faktor-faktor statistik yang telah dilakukan perhitungan juga mempengaruhi validitas dan kemampuan data hujan yang dideteksi satelit GSMaP.
Gambar 3 Grafik perbandingan curah hujan bulanan Staklim BMKG Syamsudin Noor dengan satelit GSMaP Hasil Kerja Data Curah Hujan Harian BMKG Hasil analisa statistik berupa nilai rata-rata hujan, nilai hujan maksimum dan nilai standard deviasi data curah hujan harian dari dua .
Stasiun BMKG dan data satelit GSMaP dapat dilihat padaTabel 2.
Tabel 2 Curah Hujan Harian Staklim Banjarbaru
Lokasi
Nilai Rerata
Curah Hujan
Nilai Maksimum
Standar
Deviasi
Stasiun Iklim
Banjarbaru
BMKG
8,40
89,40
14,79
GSMaP
8,72
117,23
14,20
Stasiun Iklim
Syamsudin
Noor
BMKG
8,64
110,20
15,70
GSMaP
9,25
86,14
13,39
Berdasarkan Gambar 2 dan Gambar 3 dapat dilihat bahwa karakteristik hujan pada data satelit GSMaP di wilayah Banjarbaru menunjukkan pola yang mendekati dengan data observasi stasiun BMKG.
Intensitas curah hujan tertinggi terjadi pada bulan NovemberAeMaret setiap tahunnya.
Data satelit GSMap cenderung memiliki nilai perkiraan yang lebih tinggi daripada stasiun BMKG terutama pada bulan-bulan yang memiliki curah hujan tinggi, di atas normal, yaitu 200Ae450 mm/bulan.
Analisa Statistik Continous Performance Measures Hasil dari perhitungan analisa statistik curah hujan harian Stasiun BMKG dengan GSMaP dapat dilihat pada Tabel 3.
Hasil pada Tabel 3 menunjukkan performa data satelit GSMaP yang memiliki korelasi yang lemah dengan data stasiun BMKG (CC renda.
Nilai MAE dan Nilai RMSE menunjukkan keakuratan data satelit GSMaP atau tingkat kesalahan yang terjadi.
Semakin kecil nilainya semakin BPI, 2023 | 3 Buletin Profesi Insinyur 6.
(Edisi Khusus: Prosiding Seminar Nasional IX Teknik Sipil 2.
http://dx.
org/10.
20527/bpi.
baik dalam akurasinya.
Nilai MAE dan RMSE yang terbaik adalah nol.
Terlihat bahwa, data satelit GSMaP lebih akurat memprediksi kejadian hujan di staklim Syamsudin Noor bila dibandingkan dengan staklim Banjarbaru.
Tabel 3 Hasil Perhitungan Analisa Statistik
Lokasi Stasiun
Metode Syamsudin Noor
Banjarbaru
0,035
-0,011
MAE
12,503
11,857
RMSE
0,398
0,644
NSE
-1,291
-0,943
rBias 7,097 3,773 Nilai NSE merupakan seberapa baik nilai prediksi terhadap observasi yang menunjukkan kinerja data GSMaP.
Nilai NSE negatif menandakan bahwa kinerja data masih buruk, sehingga untuk digunakan lebh lanjut harus melalui proses kalibrasi dan validasi.
Nilai positif dari rBias menunjukkan secara umum data GSMaP overestimate data stasiun BMKG.
Analisa Statistik Categorical Performance Measures Sebelum dilakukan analisa performa berdasarkan kategori yang ada, terlebih dulu dilakukan perhitungan jumlah nilai a, b, c dan d.
seperti ditunjukkan pada Tabel 4.
Tabel 4 Jumlah data per kelas kategori performa setiap Stasiun Iklim BMKG Total Performance Class Syamsudin Banjarbaru Noor a b c d Dari hasil pada Tabel 4, dapat dilihat bahwa dari 243 data, data GSMaP mampu mendeteksi banyaknya kejadian hujan yang terjadi yaitu berkisar antara 39.
5 Ae Ini menunjukkan bahwa performa satelit cukup baik dalam mengidentifikasi kejadian hujan.
Hasil analisa performa berdasarkan kategori selanjutnya dapat dilihat pada Tabel 5.
Nilai-nilai POD.
FAR.
CSI.
FBI dan HSS akan mampu memberikan beberapa penilaian kualitas data satelit GSMaP yang secara keseluruhan terlihat pada nilai-nilai tersebut.
Tabel 5 Performa GSMaP terhadap Stasiun Iklim BMKG
Stasiun Iklim
Performance Measure Syamsudin
Banjarbaru
Noor
POD
0,649
0,589
FAR
0,245
0,273
CSI
0,536
0,482
FBI
0,860
0,810
HSS
0,136
0,126
ISSN 2654-5926
Nilai POD dan CSI diharapkan berkisar antara 0-1.
Nilai FAR berkisar 1-0 dan HSS diharapkan bernilai - 1.
Dari Tabel 5 terlihat bahwa performa data satelit GSMaP masih perlu diperbaiki dengan faktor koreksi dari data dengan seri data yang lebih panjang.
Korelasi Data Observasi dan Data Satelit Persebaran data antara stasiun iklim BMKG dengan GSMaP dapat dilihat pada Gambar 4 (Staklim Banjarbar.
dan Gambar 5 (Staklim Syamsudin Noo.
Scatter Plot ini menunjukkan korelasi antara data hujan stasiun BMKG dan data GSMaP.
Data harian dari kedua stasiun BMKG dan data GSMaP diolah menjadi data bulanan dan diplot sesuai dengan Gambar 4 Grafik persebaran Data Staklim BMKG Banjarbaru dan satelit GSMaP Gambar 5 Grafik persebaran data Staklim BMKG Syamsudin Noor dan satelit GSMaP Dari Gambar 4 dan Gambar 5 dapat dilihat bahwa nilai R2 sangat rendah yang berarti bahwa korelasi data stasiun BMKG dan satelit GSMaP sangat kecil.
Data GSMaP cenderung overestimate untuk staklim Banjarbaru dan senderung underestimate untuk staklim Syamsudin Noor.
Validasi Data Validasi data dilakukan dengan membandingkan data stasiun BMKG di Banjarbaru, data satelit GSMaP dan observasi visual.
Selama periode observasi visual .
anggal 19 Januari 2022 sd 20 Mei 2.
, terdapat 53 kejadian hujan seperti terlihat pada Tabel 6.
Hasil yang didapatkan hampir sama dengan analisa berdasarkan kategori.
Performa data stasiun BMKG dan satelit GSMaP juga akan dianalisa berdasarkan data observasi.
Ada beberapa kategori yang meliputi validasi data kesesuaian kejadian hujan.
Nilai 0 menunjukkan bahwa kedua data tidak berseusaian dengan kejadian hujan.
Nilai 1 adalah jika stasiun BMKG berhasil mengukur hujan yang terjadi.
Nilai BPI, 2023 | 4 Buletin Profesi Insinyur 6.
(Edisi Khusus: Prosiding Seminar Nasional IX Teknik Sipil 2.
http://dx.
org/10.
20527/bpi.
2 menunjukkan bahwa data satelit GSMaP memiliki kesesuaian dengan kejadian hujan, dan Nilai 3 jika kedua data, baik Stasiun BMKG maupun satelit GSMaP, kedua-duanya mampu mendeteksi dan mengukur kejadian hujan yang ada.
Tabel 6.
Observasi Visual Kejadian Hujan di wilayah Staklim Banjarbaru periode 19 Jan 2022 sd 20 Mei 2022 No.
Tanggal BMKG BJB GSMaP BJB Penilaian .
Kejadian 19/1/2022 20/1/2022 21/1/2022 1/2/2022 3/2/2022 6/2/2022 7/2/2022 8/2/2022 9/2/2022 10/2/2022 11/2/2022 15/2/2022 17/2/2022 18/2/2022 19/2/2022 22/2/2022 28/2/2022 1/3/2022 2/3/2022 3/3/2022 4/3/2022 5/3/2022 6/3/2022 7/3/2022 8/3/2022 11/3/2022 12/3/2022 13/3/2022 14/3/2022 15/3/2022
16/3/2022
18/3/2022
19/3/2022
20/3/2022
21/3/2022
22/3/2022
25/3/2022
8/4/2022
9/4/2022
10/4/2022
19/4/2022
23/4/2022
26/4/2022
27/4/2022
29/4/2022
30/4/2022
4/5/2022
5/5/2022
6/5/2022
11/5/2022
12/5/2022
19/5/2022
20/5/2022
ISSN 2654-5926
Dari 53 kejadian hujan, hanya ada 1 kejadian dimana kedua data tidak menunjukkan kesesuaian, yang terjadi pada 23 April Untuk pengukuran kejadian hujan yang ada, stasiun BMKG mampu mencatat 3 kejadian hujan lebat yang terjadi pada tanggal 10 Februari 2022, 8 Maret 2022 serta 5 Mei 2022.
Sedangkan, satelit GSMaP mampu medeteksi 13 kejadian Sisanya yaitu 16 kejadian hujan mampu diukur dan dideteksi baik oleh stasiun BMKG maupun satelit GSMaP.
Hal ini menunjukkan bahwa 55.
6 % kejadian hujan yang ada mampu dideteksi oleh satelit GSMaP, terutama untuk hujan dengan intensitas tinggi, seperti pada tanggal 7 Maret 2022 .
23 mm/har.
Dalam hal ini, satelit GSMaP menunjukkan performa yang bagus dalam mengidentifikasi kejadian hujan di stasiun BMKG Banjarbaru.
Bahkan di intensitas hujan yang sangat rendah, hampir mendekati ambangnya, satelit GSMaP masih mampu mendeteksi kejadian hujan pada tanggal 29 April 2022 yang bernilai 0.
29 mm/hari.
Kesimpulan Hasil penelitian menunjukkan bahwa secara umum, dengan data seri yang tidak panjang, data hujan harian dari GSMaP menunjukkan korelasi yang lemah dengan dua stasiun BMKG yang ada.
Nilai rBias yang positif .
,77% - 7,09%) menandakan nilai di atas perkiraan dari BMKG, yang terjadi di bulan November dan April.
Namun, bila dilihat dari hasil validasi data yang dihubungkan dengan identifikasi kejadian hujan melalui observasi visual, satelit GSMaP menunjukkan performa yang cukup bagus dalam mendeteksi kejadian hujan, terutama untuk kejadian hujan dengan intensitas rendah (< 1 mm/har.
, maupun intensitas cukup tinggi yang dapat dikategorikan sebagai hujan ekstrem (>100 mm/har.
Penelitian lebih lanjut dengan jumlah stasiun yang lebih banyak dan seri data yang lebih panjang serta melibatkan faktor koreksi untuk data curah hujan satelit GSMap sangat direkomendasikan untuk hasil penelitian yang lebih akurat.
Sehingga tujuan pemakaian data satelit menjadi alternatif solusi yang bermanfaat di masa yang akan datang.
Referensi