Evaluasi dan Perhitungan Model Koreksi Data Hujan Satelit PERSIANN, GPM, dan CHIRPS untuk Aplikasi Hujan Rancangan di Seluruh Wilayah Indonesia

Alif Vivian Adyatma, Ir. Karlina, S.T., M.Eng., Ph.D., IPM.

2025 | Skripsi | TEKNIK SIPIL

Ketersediaan data hujan yang akurat di Indonesia krusial untuk perencanaan infrastruktur, manajemen sumber daya air, dan mitigasi bencana hidrometeorologi. Keterbatasan stasiun hujan observasi di Indonesia menjadi tantangan dalam memperoleh data hujan yang representatif. Sebagai solusi, data hujan satelit seperti PERSIANN, GPM, dan CHIRPS menjadi data yang potensial. Namun, data satelit memiliki ketidakpastian (uncertainty) yang memengaruhi tingkat akurasinya terhadap nilai hujan terukur di permukaan. Penelitian ini bertujuan untuk mengevaluasi ketepatan data hujan satelit terhadap data observasi BMKG dan menyusun serta memvalidasi model koreksi berbasis karakteristik wilayah.

Penelitian dimulai dari membandingkan hujan maksimum tahunan (HMT) dan hujan tahunan dari 38 stasiun observasi terhadap data satelit. Analisis frekuensi dilakukan menggunakan dua skema distribusi probabilitas (normal, log-normal, gumbel, log-pearson III, dan GEV) untuk menghasilkan hujan rancangan periode ulang 2 hingga 100 tahun. Evaluasi performa model satelit dilakukan dengan metrik relative error dan deviasi. Model koreksi dikembangkan menggunakan regresi linear dan multiple linear regression (MLR) tanpa intersep yang mempertimbangkan elevasi dan rerata hujan tahunan. Terakhir, validasi efektivitas model koreksi dilakukan berdasarkan lima stasiun BMKG baru dengan indikator root mean square error (RMSE).

Hasil mengindikasikan bahwa seluruh produk satelit secara umum menunjukkan nilai yang lebih kecil (underestimated) terhadap data HMT BMKG. GPM memiliki deviasi terkecil, sedangkan PERSIANN dan CHIRPS menunjukkan bias negatif (underestimation) yang signifikan. Hasil analisis persamaan koreksi data satelit berdasarkan prediktor elevasi dan hujan tahunan di titik lokasi menunjukkan performa yang cukup baik. Namun untuk model koreksi GPM, studi ini menyarankan tidak diperlukan koreksi dikarenakan performa data hujan GPM yang mendekati nilai hujan observasi BMKG. Dengan demikian penelitian ini menunjukkan bahwa data hujan satelit, khususnya GPM, memiliki ketelitian terbaik terhadap BMKG, sementara PERSIANN dan CHIRPS cenderung underestimate. Model koreksi berbasis elevasi dan hujan tahunan efektif meningkatkan akurasi, terutama untuk PERSIANN dan CHIRPS yang menegaskan pentingnya koreksi untuk pemanfaatan data satelit di wilayah minim stasiun.

Accurate rainfall data in Indonesia is crucial for infrastructure planning, water resource management, and hydrometeorological disaster mitigation. However, the sparse distribution of rain gauge stations poses a challenge in obtaining representative rainfall measurements. As an alternative, satellite-based rainfall data such as PERSIANN, GPM, and CHIRPS offer promising potential, although they contain uncertainties that affect their accuracy compared to ground observations. This study aims to evaluate the accuracy of satellite rainfall data against BMKG observations and to develop and validate correction models based on regional characteristics.

The analysis begins with a comparison of annual maximum rainfall series (AMS) and annual average rainfall from 38 BMKG stations with satellite data. Frequency analysis was conducted using two schemes involving probability distributions (normal, log-normal, Gumbel, log-Pearson III, and GEV) to estimate design rainfall with return periods ranging from 2 to 100 years. Satellite model performance was assessed using relative error and deviation. Correction models were developed using linear and multiple linear regression (MLR) without intercepts, incorporating elevation and annual rainfall as predictors. Validation was performed using five additional BMKG stations and evaluated using root mean square error (RMSE).

Results show that all satellite products tend to underestimate AMS compared to BMKG data. GPM exhibits the smallest deviation, while PERSIANN and CHIRPS show significant negative biases. Correction equations based on elevation and annual rainfall yield good performance, particularly for PERSIANN and CHIRPS. For GPM, correction is generally unnecessary due to its close agreement with observed data. Thus, this study confirms that GPM provides the most accurate rainfall estimates, while correction models are essential for improving the reliability of PERSIANN and CHIRPS, especially in regions with limited gauge coverage. The correction approach proposed here enhances the practical utility of satellite data for hydrological applications across Indonesia.

Kata Kunci : Hujan Satelit, Hujan Observasi, Hujan Maksimum Tahunan, Koreksi Bias, Regresi