Prediksi Curah Hujan Menggunakan Data Hujan Satelit CHIRPS dan GPM di DAS Bajulmati

Abstract

Tinggi rendahnya curah hujan tidak dapat ditentukan secara pasti, tetapi dapat diprediksi ataupun diperkirakan. Dengan menggunakan data historis jumlah hujan di masa lalu, dimungkinkan untuk memperkirakan berapa banyak hujan yang akan terjadi di masa mendatang. Ada banyak cara untuk memprediksi curah hujan di suatu lokasi, salah satunya dengan menggunakan data satelit. Salah satu satelit yang digunakan untuk mengetahui data curah hujan adalah CHIRPS (Climate Hazards Group Infrared Precipitation with Station Data) dan GPM (Global Precipitation Measurement). Satelit CHIRPS menghasilkan produk curah hujan berbasis satelit dengan resolusi spasial 0,05° x 0,05°, sedangkan satelit GPM memiliki resolusi spasial 0,10° x 0,10°. Dalam penelitian ini menggunakan data satelit CHIRPS dan GPM selama 10 tahun (2012 – 2021) dan data hujan observasi di DAS Bajulmati selama 10 tahun (2012 – 2021). Data hujan satelit CHIRPS dan GPM akan dilakukan analisis tingkat hubungan yaitu uji korelasi dengan data hujan observasi. Untuk memprediksi curah hujan yang sesuai dengan lokasi penelitian perlu diketahui tingkat keakuratan dari kedua data satelit. Tingkat keakuratan dilakukan menggunakan metode Jaringan Syaraf Tiruan untuk mengetahui pengaruh 2 data Regresi (R) dan tingkat error (MSE). Jaringan Syaraf Tiruan (JST) merupakan salah satu metode peramalan curah hujan dan memiliki keunggulan dalam memberikan hasil terbaik dalam menentukan tingkat error. Dalam pemodelan JST data hujan satelit CHIRPS dan satelit GPM merupakan data input dan data hujan observasi merupakan data target. Didapatkan nilai korelasi satelit CHIRPS dengan observasi sebesar 0.61 – 0.8. Nilai tersebut dapat dikategorikan memiliki tingkat hubungan kuat sampai sangat kuat, sedangkan satelit GPM mendapatkan hasil korelasi sebesar 0.59 – 0.68 dan dapat dikategorikan hubungan kuat. Hasil pemodelan JST menghasilkan nilai terbaik dari hasil pelatihan satelit CHIRPS menggunakan hidden Neuron 20 dengan nilai R training 0.8625, R validation 0.9146, R testing 0.93829 dengan nilai MSE 0.108. Dan nilai terbaik dari hasil pelatihan satelit GPM menggunakan hidden Neuron 15 dengan nilai R training 0.8019, R validation 0.812, R testing 0.922 dengan nilai MSE 0.147. Data output JST satelit CHIRPS dan GPM memiliki kemiripan pola dengan data hujan observasi sehingga dapat dinyatakan baik untuk prediksi curah hujan bulanan.