III METODOLOGI 3.1 Tempat dan Waktu Penelitian

Penelitian dengan kajian wilayah DAS

Citarum terletak antara 07^o19’00” LS sampai

05^o48’00” LS dan 106o42’00” BT sampai

107^o58’00” BT dilakukan di Laboratorium

Hidrometeorologi, Departemen Geofisika dan Meteorologi, Institut Pertanian Bogor dan Pusat Sains dan Teknologi Atmosfer -LAPAN, Bandung. Penelitian dilakukan pada bulan Desember 2010 sampai dengan Mei tahun 2011.

3.2 Bahan dan Alat 3.2.1 Bahan

Bahan penelitian yang digunakan adalah data pada bulan Januari dan Juli tahun 2008 yang dianggap mampu mewakili bulan basah dan bulan kering. Beberapa bahan serta wilayah kajian dapat dikelompokkan sebagai berikut:

 Citra MTSAT-1R bulan Januari dan Juli

2008

sumber data:

http://weather.is.kochi-u.ac.jp/sat/GAME/

 Data TRMM 2A12 (TMI) bulan Januari

2008 sumber data:

http://mirador.gsfc.nasa.gov/

 Data curah hujan pengukuran stasiun

bulan Januari dan Juli 2008 sumber data: PUSAIR

 Wilayah kajian

Pendugaan curah hujan metode ini menggunakan wilayah kajian DAS Citarum seperti yang tampak pada Gambar 9. Perbandingan data curah

hujan dugaan dan pengukuran

difokuskan pada bagian hulu DAS Citarum.

Gambar 9 Peta wilayah kajian DAS Citarum (718.268,53 Ha)

Gambar 8 Siklus awan dan hubungannya dengan suhu kecerahan awan (sumber: Hong, Yang et al. 2010)

Yang Hong et al. (2010) menjelaskan

tentang evolusi dari awan konvektif dari awal (kecil dan hangat), sebelum jatuh (sedang dan dingin), dan siap jatuh (besar dan dingin), sebelum akhirnya jatuh dan hilang ditunjukkan pada Gambar 8. Pada setiap tahapnya terlihat perubahan fungsi suhu kecerahan awan. Oleh karena itu dapat disimpulkan bahwa, proses temporal antara awan dan hujan sangat behubungan dalam setiap tahap pembentukan awan hingga jatuhnya hujan, meskipun dalam hal ini proses spasialnya tidak tertangkap secara jelas (diabaikan).

III METODOLOGI

3.1 Tempat dan Waktu Penelitian

Penelitian dengan kajian wilayah DAS

Citarum terletak antara 07^o19’00” LS sampai

05^o48’00” LS dan 106o42’00” BT sampai

107^o58’00” BT dilakukan di Laboratorium

Hidrometeorologi, Departemen Geofisika dan Meteorologi, Institut Pertanian Bogor dan Pusat Sains dan Teknologi Atmosfer -LAPAN, Bandung. Penelitian dilakukan pada bulan Desember 2010 sampai dengan Mei tahun 2011.

3.2 Bahan dan Alat 3.2.1 Bahan

Bahan penelitian yang digunakan adalah data pada bulan Januari dan Juli tahun 2008 yang dianggap mampu mewakili bulan basah dan bulan kering. Beberapa bahan serta wilayah kajian dapat dikelompokkan sebagai berikut:

 Citra MTSAT-1R bulan Januari dan Juli

2008

sumber data:

http://weather.is.kochi-u.ac.jp/sat/GAME/

 Data TRMM 2A12 (TMI) bulan Januari

2008 sumber data:

http://mirador.gsfc.nasa.gov/

 Data curah hujan pengukuran stasiun

bulan Januari dan Juli 2008 sumber data: PUSAIR

 Wilayah kajian

Pendugaan curah hujan metode ini menggunakan wilayah kajian DAS Citarum seperti yang tampak pada Gambar 9. Perbandingan data curah

hujan dugaan dan pengukuran

difokuskan pada bagian hulu DAS Citarum.

Gambar 9 Peta wilayah kajian DAS Citarum (718.268,53 Ha)

3.2.2 Alat

Alat yang digunakan dalam melakukan penelitian adalah seperangkat komputer

dengan beberapa perangkat lunak

penunjang, diantaranya:

 Ilwis Open 3.7

 GrADS 2.0

 CurveExpert Professional 1.2 (Trial

version)  Microsoft Office 2003  ArcGIS 10  GIMP 2.0  Note pad++ 5.9  Hdf-4.2.5-cygwin 3.3 Tahapan Penelitian

Penelitian ini dilakukan dengan dua tahapan, yaitu pengumpulan bahan dan pengolahan bahan.

3.3.1 Pengumpulan Bahan

Terdapat tiga jenis data yang harus dikumpulkan sebagai bahan penelitian. Data-data tersebut bisa didapatkan dengan mengunduh melalui internet dan bantuan data dari lembaga-lembaga yang berwenang dalam mendistribusikan data curah hujan.

3.3.1.1 Data MTSAT

Data MTSAT-1R yang dikumpulkan adalah data pada IR1 dan IR3 setiap jam untuk bulan Januari dan Juli 2008. Data MTSAT bisa didapatkan dengan mengunduh

di alamat website

http://weather.is.kochi-u.ac.jp/sat/GAME/.

3.3.1.2 Data TRMM 2A12

Data TRMM 2A12 merupakan data rain rate yang dihasilkan dari kanal TRMM Microwave Imager (TMI) yang dapat

diunduh melalui alamat website

http://mirador.gsfc.nasa.gov. Seleksi data didasarkan pada dua faktor, pertama satelit TRMM merupakan satelit dengan sistem orbit polar/kutub sehingga data citra untuk wilayah kajian tidak berada pada waktu yang pasti, dan kedua beberapa data TRMM 2A12 tidak menunjukkan indikator hujan pada wilayah kajian, sehingga data yang diambil

adalah data-data saat terjadi hujan

didasarkan pada perlunya data hujan sebagai masukan dalam persamaan regresi.

3.3.1.3 Data Curah Hujan Hasil Pengukuran Stasiun/Lapangan

Data pengukuran stasiun merupakan data yang dihasilkan dari stasiun-stasiun cuaca yang ada di wilayah DAS Citarum khususnya bagian hulu. Data pengukuran lapangan adalah data titik yang memiliki periode pengamatan selama 24 jam. Data hasil pengukuran stasiun didapat dari instansi-instansi yang melakukan kegiatan pengumpulan data stasiun secara resmi yaitu PUSAIR.

3.3.2 Pengolahan Bahan

Alur pengolahan data penelitian

dilakukan sesuai diagram alir yang

ditunjukkan pada Gambar 10.

Gambar 10 Diagram alir pengolahan data Kesimpulan

MTSAT-IR1 TMI

Persamaan MTSAT-TMI MTSAT-IR1

CH Dugaan (mm/jam) _{CH Pengukuran}

MTSAT-IR1 MTSAT-IR3

Awan Hujan Penggabungan

Pengolahan

Adapun secara garis besar tahapan pengolahan data yang dilakukan pada penelitian ini adalah sebagai berikut:

3.3.2.1 Analisis Hubungan Suhu Kecerahan Awan dan Laju Hujan (Rain Rate)

Analisis hubungan antara suhu kecerahan awan (MTSAT IR1) dan laju hujan (rain rate) data TRMM 2A12 dilakukan dengan cara memplotkan kedua data dalam grafik scatter.

3.3.2.2 Analisis Persamaan Regresi Data MTSAT IR1 dan TRMM 2A12

Hasil analisis hubungan antara suhu kecerahan awan (MTSAT IR1) dengan laju hujan (rain rate) (TRMM 2A12) diplotkan ke dalam persamaan regresi modifikasi

eksponensial. Regresi modifikasi

eksponensial dipilih karena memiliki fitting

yang sesuai dengan hubungan kedua data. Hubungan kedua data adalah berbanding terbalik. Pernyataan ini dikuatkan oleh penelitian sebelumnya yang dilakukan oleh Suseno (2009) dengan menggunakan regresi modifikasi eksponensial dalam menentukan persamaan. Regresi modifikasi eksponensial dilakukan dengan menggunakan perangkat lunak CurveExpert Professional 1.2 (Trial version).

3.3.2.3 Penentuan Awan Potensi Hujan

Tidak semua awan berpotensi turun

menjadi hujan, sehingga diperlukan

pengklasifikasian awan potensi hujan dan tidak hujan. Penentuan awan potensi hujan dilakukan dengan menggunkan data MTSAT

IR1 dan IR3. Berdasarkan literatur

perbedaan kemampuan kanal IR1 dan IR3 dalam menangkap panjang gelombang dapat menunjukkan nilai kemungkinan hujan. Perhitungan awan potensi hujan dilakukan dengan menggunakan perangkat lunak Ilwis Open 3.7. Penentuan awan potensi hujan ini

menurut Kidder et. al. (2005) dapat

dideskripsikan dalam persamaan berikut. T_{10,8 μm}– T_{6,2 μm} < 11K dimana:

 T10,8 μm: suhu kecerahan awan (kanal 10,8

μm/IR1)

 T6,2 μm: suhu kecerahan uap air (kanal 6,2 μm/IR3)

3.3.2.4 Pendugaan Curah Hujan

Pendugaan curah hujan menggunakan data MTSAT IR1 dan persamaan hasil

regresi modifikasi eksponensial. Data

MTSAT IR1 yang digunakan adalah data sesudah dilakukan klasifikasi awan hujan. Selanjutnya data suhu kecerahan awan MTSAT IR1 digunakan sebagai nilai masukan dalam persamaan regresi.

Luaran dari persamaan regresi

merupakan data laju hujan dugaan dengan satuan mm/jam. Selanjutnya adalah dengan melakukan modifikasi data laju hujan menjadi data curah hujan harian, 5-harian yang selanjutnya disebut pentad, dan

10-harian selanjutnya disebut dasarian.

Modifikasi diperlukan karena data TRMM 2A12 masih menunjukkan nilai laju hujan setiap jam sesuai dengan resolusi temporal

data MTSAT IR1. Langkah-langkah

modifikasi dilakukan dalam beberapa

tahapan, yaitu:

a. Langkah awal adalah menentukan selisih

laju hujan dalam satu jam. Langkah ini dilakukan untuk melihat nilai butir air

yang turun menjadi hujan dan

direpresentasikan pada selisih data yang bernilai negatif. dengan asumsi bahwa nilai tersebut menunjukkan butiran hujan yang turun menjadi hujan. Luaran dari proses ini adalah data curah hujan dugaan setiap satu jam.

b. Data curah hujan setiap satu jam

diakumulasi sehingga mendapatkan data harian (akumulasi selama 24 jam), 5 harian (akumulasi data harian selama 5 hari), 10 harian (akumulasi data tanggal 1-10 untuk dasarian 1, akumulasi data tanggal 11-20 untuk dasarian 2, dan akumulasi data tanggal 21-30 untuk dasarian 3). Hasil curah hujan dugaan digambarkan dalam bentuk sebaran spasial curah hujan dugaan pada DAS Citarum dengan menggunakan perangkat lunak ArcGIS 10.

3.3.2.5 Perbandingan Data Dugaan dan Data Pengukuran

Perbandingan data curah hujan dugaan dengan pengukuran di stasiun bertujuan untuk melihat baik tidaknya data dugaan, karena data pengukuran merupakan data yang benar-benar diukur di lapangan. Perbandingan data secara visual dilakukan dengan menampilkan data dalam bentuk grafik batang pada masing-masing stasiun pengamatan. Perbandingan pola spasial data tidak dimungkinkan karena keterbatasan data pengukuran lapangan sebagai data titik.

3.3.2.6 Perbandingan Kualitas Data dengan Parameter Statistika

Parameter statistika yang digunakan sebagai alat bantu penilaian perbandingan kualitas kedua data adalah rasio, korelasi, MAE, dan RMSE.

 Rasio Stasiun Pengukuran CH Data Dugaan CH Data  R

Rasio merupakan salah satu uji apakah data hasil dugaan mampu mendekati data hasil pengukuran. Nilai rasio yang terbaik adalah mendekati 1 yang menggambarkan bahwa nilai kedua data sama. Selanjutnya nilai rasio

digunakan sebagai bahan dalam

menentukan nilai faktor kalibrasi. Faktor kalibrasi diperlukan agar data memiliki rasio mendekati 1.  Koefisien korelasi

  

  _  





        n i i i n i i i n i i y y y y y y y y y y r i i 1 2 1 2 1 ˆ ˆ ˆ ˆ ˆ

Korelasi menunjukkan keeratan

hubungan antara data hasil dugaan dengan data hasil pengukuran lapangan. Nilai korelasi berkisar antara (-1) sampai dengan 1. Korelasi yang terbaik antara kedua data adalah mendekati 1.

 MAE (Mean Absolute Error)



   n i yi yi n MAE 1 ^ | | 1

MAE merupakan nilai absolut galat rata-rata antara data dugaan dan data pengukuran lapangan.

 RMSE (Root Mean Square Error)

n y y RMSE n i i i



         ¹ 2 ^

RMSE merupakan nilai akar kuadrat galat rata-rata dari data curah hujan dugaan dan pengukuran.

IV HASIL DAN PEMBAHASAN