Gambar 16 Letak stasiun pengukuran berdasarkan ketinggiannya
0,0 20,0
40,0 60,0
80,0 100,0
1 2
3 4
5 6
7 8
9 10
11 12
13 14
15 16
17 18
19 20
21 22
23 24
25 26
27 28
29 30
31
Hari ke- C
H m
m
i
50 100
150
1 2
3 4
5 6
Pentad ke- C
H m
m
ii
0,0 50,0
100,0 150,0
200,0 250,0
300,0
1 2
3
Dasarian ke- C
H m
m
iii
CH Dugaan CH Pengukuran
Gambar 17 Plot curah hujan dugaan dan pengukuran di stasiun Bandung pada Januari 2008: i harian; ii pentad; iii dasarian
4.6 Perbandingan Kualitas Data Dugaan
dengan Data Pengukuran
Perbandingan kualitas
dua data
dilakukan dengan melihat nilai koefisien rasio, korelasi, MAE Mean Absolute Error,
dan RMSE Root Mean Square Error. Data yang dilakukan uji adalah data pada bulan
Januari saja karena semua data bulan Juli tidak memiliki nilai hujan. Perbandingan
data dilakukan berdasarkan dimensi data yaitu harian, pentad, dan dasarian. Jumlah
titik atau stasiun sampel pengukuran yang dilakukan uji kualitas data adalah 19 titik di
DAS Citarum Hulu bagian dalam maupun luar DAS. Selain itu dilakukan juga uji
pengaruh ketinggian terhadap nilai curah hujannya.
Uji rasio bertujuan untuk melihat sejauh mana data dugaan mampu mendekati data
pengukuran. Rasio yang diuji adalah
perbandingan antara data dugaan terhadap data pengukuran. Nilai rasio yang terbaik
adalah 1 merepresentasikan bahwa data dugaan sama dengan data pengukuran.
Terdapat dua jenis rasio yang diplotkan pada Gambar 18, yaitu rasio data sebelum
dikalikan dengan faktor kalibrasi dan sesudah dikalikan faktor kalibrasi.
Faktor kalibrasi
diperlukan untuk
menurunkan nilai data dugaan. Proses kalibrasi yang dilakukan adalah dengan
mengalikan data dugaan dengan 0.5. Nilai 0.5 didapat agar nilai rasio mendekati 1.
Penggunaan faktor kalibrasi ini lebih cocok digunakan pada data bulanan karena pada
data harian tidak bisa dihitung rasionya ketika kejadian bukan hari hujan.
Rasio sebelum dikalikan faktor kalibrasi mayoritas lebih dari 1, sehingga dapat
dikatakan bahwa secara umum data dugaan mengalami overestimate terhadap data
pengukuran. Nilai rasio data yang sudah memperhitungkan faktor kalibrasi pada
Gambar 24 lebih cenderung mendekati 1. Artinya pendugaan curah hujan metode ini
cenderung overestimate dan lebih baik mengalikan data dugaan dengan faktor
kalibrasi 0.5.
Curah hujan bulanan yang sudah dikalikan dengan faktor kalibrasi 0.5 dapat
ditunjukkan pada Gambar 19. Curah hujan pada
bulan Januari
yang merupakan perwakilan dari bulan basah secara umum
bernilai tinggi. Curah hujan tertinggi menyebar secara merata dari hulu sampai
bagian tengah DAS Citarum. Nilai tertinggi curah hujan bulanan pada Januari 2008
adalah berkisar antara 270 mm sampai 300 mm tiap bulan. Untuk bulan Juli secara
merata di dalam DAS Citarum tidak terdapat nilai curah hujan. Tetapi terdapat satu titik di
luar DAS yang bernilai curah hujan berkisar antara 5 mm sampai 10 mm, sehingga
perbandingan data tidak dilakukan karena tidak tersedianya data pengukuran di titik
tersebut.
0,0 1,0
2,0 3,0
4,0 5,0
6,0
M o
n ta
ya C
iso m
a n
g S
a g
u li
n g
D a
m C
il il
in S
u ka
w a
n a
C ip
a n
a s-
P e
n g
a le
n g
a n
C h
in ch
o n
a K
a yu
A m
b o
n L
e m
b a
n g
B a
n d
u n
g C
ica le
n g
ka C
ih e
ra n
g C
isa m
p ih
C iso
n d
a ri
C ib
e u
re u
m U
ju n
g B
e ru
n g
C ip
a ra
y C
isa la
k P
a se
h
Stasiun R
a s
io
rasio normal rasio FK 0.5
Gambar 18 Rasio untuk curah hujan bulanan dugaan terhadap pengukuran sebelum dan sesudah dikalikan dengan faktor kalibrasi 0.5
i ii
Gambar 19 Distribusi spasial curah hujan bulanan: i Januari 2008; ii Juli 2008
Koefisien korelasi menunjukkan keeratan hubungan antar dua data. Nilai koefisien
korelasi antara data curah hujan dugaan dan pengukuran harian, pentad, dan dasarian
untuk data yang sudah dikoreksi lebih lanjut dapat dilihat pada Gambar 20. Nilai
koefisien korelasi pada data sebelum dan sesudah dilakukan koreksi tidak jauh
berbeda
karena korelasi
hanya memperhitungkan faktor hubungan pola
keeratan antar dua data bukan nilai data. Selang nilai koefisien korelasi adalah -1
sampai +1. Nilai negatif menunjukkan jika data tersebut memiliki hubungan keeratan
yang saling berkebalikan. Terlihat pada Gambar 20 jika korelasi curah hujan harian
rata-rata kurang dari 0.5 dan meningkat pada curah hujan pentad serta dasarian. Curah
hujan harian memiliki variasi nilai yang tinggi sehingga nilai korelasinya kecil.
Semakin besar nilai dimensi waktunya maka koefisien
korelasinya semakin
besar. Sehingga pendugaan curah hujan ini baik
digunakan pada data yang memiliki dimensi waktu besar seperti dasarian, bulanan, dan
tahunan.
0,09 0,27
0,15 0,30
0,29 0,51
0,13 0,60
0,35 0,32
0,43 0,26
0,07 0,05
-0,07 -0,03
-0,13 -0,14
-0,03
-1 -0,8
-0,6 -0,4
-0,2 0,2
0,4 0,6
0,8 1
M o
n ta
y a
C is
o m
a n
g S
a g
u lin
g D
a m
C ili
lin S
u k
a w
a n
a C
ip a
n a
s -
P e
n g
a le
n g
a n
C h
in c
h o
n a
K a
y u
A m
b o
n L
e m
b a
n g
B a
n d
u n
g C
ic a
le n
g k
a C
ih e
ra n
g C
is a
m p
ih C
is o
n d
a ri
C ib
e u
re u
m U
ju n
g B
e ru
n g
C ip
a ra
y C
is a
la k
P a
s e
h
Stasiun Cuaca K
o e
fi s
ie n
K o
re la
s i
Korelasi
i
0,28 0,69
0,42 0,29
0,62 0,53
0,73 0,10
0,90 0,26
0,79 0,48
0,36 0,49
0,03 0,22
-0,09 -0,04
-0,06
-1,00 -0,80
-0,60 -0,40
-0,20 0,00
0,20 0,40
0,60 0,80
1,00
M o
n ta
y a
C is
o m
a n
g S
a g
u lin
g D
a m
C ili
lin S
u k
a w
a n
a C
ip a
n a
s -
P e
n g
a le
n g
a n
C h
in c
h o
n a
K a
y u
A m
b o
n L
e m
b a
n g
B a
n d
u n
g C
ic a
le n
g k
a C
ih e
ra n
g C
is a
m p
ih C
is o
n d
a ri
C ib
e u
re u
m U
ju n
g B
e ru
n g
C ip
a ra
y C
is a
la k
P a
s e
h
Stasiun Cuaca K
o e
fi s
ie n
K o
re la
s i
Korelasi
ii
0,24 0,92
0,75 0,49
0,56 0,94
0,78 1,00
0,99 0,98
0,82 0,41
0,98 0,97
0,98 0,62
-0,71 -0,97
-0,10
-1,00 -0,80
-0,60 -0,40
-0,20 0,00
0,20 0,40
0,60 0,80
1,00
M o
n ta
y a
C is
o m
a n
g S
a g
u lin
g D
a m
C ili
lin S
u k
a w
a n
a C
ip a
n a
s -
P e
n g
a le
n g
a n
C h
in c
h o
n a
K a
y u
A m
b o
n L
e m
b a
n g
B a
n d
u n
g C
ic a
le n
g k
a C
ih e
ra n
g C
is a
m p
ih C
is o
n d
a ri
C ib
e u
re u
m U
ju n
g B
e ru
n g
C ip
a ra
y C
is a
la k
P a
s e
h
Stasiun Cuaca K
o e
fi s
ie n
K o
re la
s i
Korelasi
iii Gambar 20 Koefisien korelasi CH dugaan dan pengukuran: i harian; ii pentad; iii dasarian
Selanjutnya adalah uji MAE dan RMSE data dugaan terhadap data pengukuran. Uji
MAE bertujuan untuk mengetahui nilai rataan dari absolut galat, sedangkan RMSE
untuk mengetahui akar dari rataan kuadrat galat. Nilai yang paling baik untuk MAE dan
RMSE adalah mendekati 0. Perhitungan MAE dan RMSE dilakukan pada data bulan
Januari sebelum dan sesudah dilakukan koreksi seperti yang terlihat pada Tabel 2
dan 3. Penggunaan faktor kalibrasi 0.5 mampu menurunkan MAE dan RMSE rata-
rata setengahnya pada data harian, pentad, maupun dasarian.
Tabel 2 Nilai korelasi, MAE, dan RMSE sebelum data dugaan dikalibrasi
Harian Pentad
Dasarian Korelasi
0,18 0,37
0,56 MAE
13,62 51,41
77,01 RMSE
21,48 70,59
97,83 Tabel 3 Nilai korelasi, MAE, dan RMSE
sesudah data dugaan dikalibrasi Harian
Pentad Dasarian
Korelasi 0,18
0,40 0,56
MAE 8,70
30,82 42,48
RMSE 15,45
44,50 59,62
V SIMPULAN DAN SARAN
5.1
Simpulan
Penelitian ini menunjukkan bahwa
terdapat hubungan eksponensial antara suhu kecerahan awan dan curah hujan ketika
dilakukan analisis regresi. Klasifikasi awan potensi
hujan dilakukan
dengan menggunakan data suhu kecerahan awan
pada MTSAT IR1 dan suhu uap air pada MTSAT IR3. Hasil dari persamaan regresi
adalah laju
hujan yang
selanjutnya dimodifikasi menjadi curah hujan harian,
pentad, dasarian, dan bulanan. Berdasarkan analisis curah hujan spasial,
pada bulan Januari terjadi tiga pola spasial distribusi hujan, yaitu dasarian ke-1 kejadian
hujan cenderung terjadi di daerah hilir, dasarian ke-2 hulu, dan dasarian ke-3 pada
bagian tengah DAS. Selama bulan Juli tidak terjadi hujan karena pada bulan tersebut
terjadi kemarau. Selanjutnya analisis ini diharapkan
mampu membantu
dalam pengelolaan
DAS Citarum
secara berkelanjutan.
Nilai curah
hujan yang
didapat overestimate dan koefisien determinasi kecil
karena beberapa
faktor penghambat
pendugaan, diantaranya adalah terjadi selang waktu ketika melakukan plot data suhu
kecerahan awan dan curah hujan padahal awan bergerak mengikuti pergerakan angin
serta mampu berpindah lebih dari 5 km dalam waktu kurang dari 1 jam, serta tidak
dimasukkannya
faktor-faktor stabilitas
meteorologi seperti angin, titik dasar awan, dan topografi.
Pada uji kualitas data ditunjukkan bahwa kualitas data menjadi lebih baik ketika
terjadi peningkatan dimensi data dari harian, pentad, dan bulanan. Uji kualitas data yang
dilakukan adalah dengan melihat nilai rasio, korelasi, MAE, dan RMSE. Faktor kalibrasi
0.5 ditentukan dari hasil uji rasio selanjutnya dapat menurunkan nilai curah hujan dugaan
yang overestimate.
5.2 Saran