PERBANDINGAN PENGUKURAN CURAH HUJAN PH OBS STANDAR WMO TERHADAP PH OBS BERBEDA KETINGGIAN DAN MODIFIKASI DI STASIUN KLIMATOLOGI KALIMANTAN SELATAN
Keywords:
Curah Hujan, Korelasi, COE, MAPE, MABE, MAD, RMSEAbstract
Hujan merupakan salah satu unsur iklim yang sangat penting bagi kehidupan. Pengamatan curah hujan menurut World Meteorological Organization (WMO) dapat dilakukan secara langsung menggunakan penakar hujan observasi dan penakar hujan otomatis. BMKG melakukan pengamatan curah hujan langsung menggunakan penakar hujan observasi (PH Obs) ketinggian standar 1,2 meter dari permukaan tanah dan diukur setiap jam 07.00 waktu setempat. Keterbatasan alat pengukur dan topografi menjadi salah satu kendala dalam pengamatan curah hujan di Indonesia salah satunya wilayah Kalimantan Selatan dengan topografi beragam dari dataran tinggi hingga daerah tipe lahan rawa dimana pada musim hujan wilayah tersebut akan digenangi air sedangkan pada musim kemarau air akan mengering menyebabkan terjadi perbedaan ketinggian permukaan tanah di setiap musimnya. Oleh karena itu dilakukan penelitian untuk mengetahui nilai error/kesalahan dari hasil pengukuran jumlah curah hujan menggunakan beberapa alat penakar hujan observatorium yang dipasang dengan ketinggian mulut penakar berbeda yaitu 1; 1,5; 2 dan 2,5 meter dari permukaan tanah serta alat penakar modifikasi dengan ketinggian 1,2 meter. Penelitian dilakukan dari 12 Maret 2020 - 12 Juni 2022 dengan metode verifikasi menggunakan analisis korelasi (korelasi pearson dan Coefficient of Efficiency/CoE) dan error (Mean Absolute Percentage Error/MAPE, Mean Absolute Bias Error/MABE, Mean Absolute Deviation/MAD dan Root Mean Square Error/RMSE). Hasil penelitian menunjukkan bahwa PH Obs dari berbagai ketinggian memiliki nilai korelasi >0,98 dan nilai COE >0,81 terhadap PH Obs standar WMO. Hasil analisis error menunjukkan bahwa PH Obs dengan ketinggian 2 meter memiliki nilai kesalahan terkecil. Hasil akhir penelitian menunjukkan bahwa PH Obs dengan ketinggian rentang 1,2 meter hingga 2,5 meter dan PH Obs modifikasi masih representatif untuk digunakan sebagai penakar hujan alternatif di berbagai kondisi topografi.
References
Triatmodjo, Bambang. (2008). Hidrologi Terapan. Yogyakarta: Penerbit Beta Offset Yogyakarta
Tjasyono, Bayong. (2007). Mikrofisika Awan dan Hujan. Jakarta: Badan Meteorologi Klimatologi dan Geofisika XXIV
Permana, R. G. (2015). Perancangan Dan Pengujian Penakar Hujan Tipe Tipping Bucket dengan Sensor Photo–Interrupter Berbasis Arduino. Inovasi Fisika Indonesia, 4(3).
Syaifullah, M. Djazim. (2014). Validasi Data TRMM terhadap Data Curah Hujan Aktual di Tiga DAS di Indonesia, Jurnal Meteorologi dan Geofisika Vol. 15 No. 2 Tahun 2014 : 109-118.
Kurniawan, Agusta. 2010. Jurnal Geografi, Edukasi dan Lingkungan (JGEL) Vol. 4, No. 1, Januari 2020:1-7.
World Meteorological Organization, 1989: Guide on the Global Observing System. WMO-No. 488, WMO, Geneva.
World Meteorological Organization, 2008: Guide to Hydrological Practice Volume I Hydrology – From Measurement to Hydrological Information-No. 168, WMO, Geneva.
Supranto, J. (2008). Statistik Teori dan Terapan Jilid 1 Edisi 8. Jakarta: Erlangga.
Ilahi, A.F. (2017). Pemodelan Radiasi Matahari Global Harian. Tesis, Sekolah Pasca Sarjana: Institut Pertanian Bogor.
Adiningrum, C. (2015). Analisis Perhitungan Evapotranspirasi Aktual Terhadap Perkiraan Debit Kontinyu dengan Metode Mock. Jurnal Teknik Sipil. 13(2), 135-147.
Kim, S., & Kim, H. (2016). A new metric of absolute percentage error for intermittent demand forecasts. International Journal of Forecasting, 32(3), 669-679.
Nabillah, I., & Ranggadara, I. (2020). Mean Absolute Percentage Error untuk Evaluasi Hasil Prediksi Komoditas Laut. Journal of Information System, 5(2), 250-255.
Putra, Eka Al-Rozi Hidayatullah & Sugiarto, Yon. (2015). Analisis curah hujan bulanan menggunakan metode exponential smoothing (studi kasus: Katulampa Bogor). Tesis, Fakultas MIPA: Institut Pertanian Bogor.
Akinoǧlu, B. G. (1991). A Review Of Sunshine-Based Models Used to Estimate Monthly Average Global Solar Radiation. Renewable Energy, 1(3-4), 479-497.
Hu, W., Shao, M., & Reichardt, K. (2010). Using A New Criterion To Identify Sites For Mean Soil Water Storage Evaluation. Soil Science Society of America Journal, 74(3), 762-773.
Khair, U., Fahmi, H., Al Hakim, S., & Rahim, R. (2017). Forecasting Error Calculation With Mean Absolute Deviation And Mean Absolute Percentage Error. In Journal of Physics: Conference Series Vol. 930, No. 1, p. 012002.
Chai, Tianfeng & Draxler, R.R.. (2014). Root mean square error (RMSE) or mean absolute error (MAE)?– Arguments against avoiding RMSE in the literature. Geoscientific Model Development. 7. 1247-1250. 10.5194/gmd-7-1247-2014.
