skip to main content

Reliabilitas Prediksi Curah Hujan Dasarian Pada Kejadian Curah Hujan Ekstrim Pemicu Banjir 26 Oktober 2020 di Kebumen: Model Statistik (HyBMG) versus Model Dinamik (ECMWF)

1Stasiun Klimatologi Semarang, Badan Meteorologi, Klimatologi, dan Geofisika, Indonesia

2Pusat Layanan Informasi Iklim Terapan, Badan Meteorologi Klimatologi dan Geofisika, Jakarta, Indonesia

Received: 22 Mar 2021; Revised: 22 Apr 2021; Accepted: 26 Apr 2021; Available online: 31 Jul 2021; Published: 31 Jul 2021.
Open Access Copyright (c) 2021 Jurnal Geosains dan Teknologi under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Abstract

Kejadian banjir di Kabupaten Kebumen tanggal 26 Oktober 2020 dipicu oleh hujan dengan intensitas sangat lebat hingga ekstrim yang berlangsung sejak Minggu (25 Oktober 2020) sore hingga Senin (26 Oktober 2020). Beberapa pos pengamatan hujan (kerjasama) menunjukkan curah hujan >150mm/hari (kategori ekstrim) dalam rentang waktu hujan tanggal 24-26 Oktober 2020. Analisis curah hujan kumulatif dasarian ke-III bulan Oktober 2020 di wilayah Kabupaten Kebumen menunjukkan curah hujan >300mm/dasarian (kriteria sangat tinggi). Sebelumnya, pada dasarian ini BMKG Stasiun Klimatologi Semarang memprakirakan sebagian besar wilayah Kabupaten Kebumen diprakirakan dalam kriteria menengah dengan curah hujan berkisar antara 101-150mm/dasarian. Berdasarkan laporan yang masuk ke BPBD Kebumen sedikitnya 25 desa di 7 kecamatan terendam banjir karena beberapa sungai yang ada di Kebumen meluap. Paper ini bertujuan menguji keandalan prakiraan curah hujan dasarian operasional dengan membandingkan luaran prakiraan dengan data observasi pada kondisi ekstrem tersebut. Uji sensitivitas model univariat HyBMG dan ECMWF dilakukan dengan metode visual kesesuaian spasial, korelasi sederhana dan RMSE. Hasil analisis menunjukkan nilai luaran prakiraan ECMWF memiliki nilai RMSE terkecil namun dengan nilai korelasi yang negatif. Korelasi kuat diperoleh dari metode ANFIS dengan nilai RMSE sebesar 556,5. Dapat disimpulkan bahwa luaran model ANFIS memiliki tingkat sensitivitas luaran prakiraan yang lebih handal untuk kejadian hujan ekstrim pada hari Minggu (25 Oktober 2020) di Kabupaten Kebumen. Metode HyBMG memerlukan penambahan input data series lebih banyak lagi sehingga informasi yang terkumpul lebih banyak dan data grid luaran ECMWF menjadi lebih rapat, diharapkan dapat menghasilkan nilai prediksi yang lebih baik lagi.

Note: This article has supplementary file(s).

Fulltext View|Download |  Data Analysis
peta GIS citra satelit GsMAP 24 oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS citra satelit GsMAP 25 oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS citra satelit GsMAP 26 oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS observasi curah hujan 24 oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS observasi curah hujan 25 oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS observasi curah hujan 26 oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS distribusi curah hujan das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS luaran prakiraanANFIS das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Research Instrument
peta GIS luaran prakiraan ARIMA das 3 bulan oktober 2020
Subject
Type Research Instrument
  View (1MB)    Indexing metadata
 Research Instrument
peta GIS luaran prakiraan ensemble mean HyBMG das 3 bulan oktober 2020
Subject
Type Research Instrument
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS luaran prakiraan ensemble mean ECMWF das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS luaran prakiraan WAVELET-ANFIS das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS luaran prakiraan WAVELET- ARIMA das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS probabilistik curah hujan das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (3MB)    Indexing metadata
 Data Analysis
peta GIS deterministik das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (4MB)    Indexing metadata
 Data Analysis
peta GIS distribusi curah hujan deterministik luaran ECMWF das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS distribusi curah hujan probabilistik curah hujan rendah luaran ECMWF das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS distribusi curah hujan probabilistik curah hujan menengah luaran ECMWF das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS distribusi curah hujan probabilistik curah hujan tinggi luaran ECMWF das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
 Data Analysis
peta GIS distribusi curah hujan probabilistik curah hujan sangat tinggi luaran ECMWF das 3 bulan oktober 2020
Subject
Type Data Analysis
  View (1MB)    Indexing metadata
Keywords: ANFIS; ECMWF,;ARIMA; HyBMG; RMSE
Funding: Badan Meteorologi Klimatologi dan Geofisika

Article Metrics:

  1. Apriyana, Y. dan Kailaku, T. E., 2015. Variabilitas iklim dan dinamika waktu tanam padi di wilayah pola hujan monsunal dan equatorial. Prosiding Seminar Nasional Masyarakat Biodiv Indonesia, 1(2), hal.366-372, 2015
  2. Arini Wahyu Utami, Jamhari, dan Suhatmini Hardyastuti, 2011. El Nino, La Nina, Dan Penawaran Pangan Di Jawa, Indonesia. Jurnal Ekonomi Pembangunan Volume 12, Nomor 2, Desember 2011, hlm.257-271, Jurnal Ilmiah Universitas Muhammadiyah Surakarta
  3. BMKG (Badan Meteorologi, Klimatologi, dan Geofisika), 2020. BMKG Ingatkan Prospek Iklim 2021. https://www.bmkg.go.id/press-release/?p=bmkg-ingatkan-prospek-iklim-2021&tag=press-release〈=ID
  4. BNPB (Badan Nasional Penanggulangan Bencana), 2021. Data dan Informasi Bencana Indonesia (DIBI) di Kabupaten Kebumen. http://dibi.bnpb.go.id/DesInventar/results.jsp. Diakses tanggal 18 Februari 2021
  5. ECMWF (The European Centre for Medium-Range Weather Forecasts), 2016. Who we are. http://www.ecmwf.int/en/about/who-we-are. Diakses tanggal 4 Februari 2021
  6. Heksantoro, R., 2020. Banjir Landa Kebumen, Warga di Sejumlah Desa Sempat Mengungsi. https://news.detik.com/berita-jawa-tengah/d-5229090/banjir-landa-kebumen-warga-di-sejumlah-desa-sempat-mengungsi?_ga=2.199101935.1986449904.1612239388-1984205331.1593998604. Diakses tanggal 2 Februari 2021
  7. Iriawan, N. dan Astuti, S.P., 2006. Mengolah Data Statistik dengan mudah menggunakan Minitab 14. Yogyakarta: ANDI. Hal.341
  8. Jang, J.S.R., 1993). ANFIS: Adaptive-NeuralNetwork-Based-Fuzzy Inference System. IEEE Transactions On Systems,Ma, And Cybernetics, Vol. 23 No 3, May/June 1993
  9. Gogtay, N.J.dan Thatte, U.M., 2017. Principles of Correlation Analysis. Journal of the Association of Physicians of India, 65, hal.78-80
  10. Komalasari, K.E., Fajarina, Y., Nuraini, T.A., Anggraeni, R., 2016. Aplikasi Metode Ensemble Mean Untuk Meningkatkan Reliabilitas Prediksi HyBMG. Jurnal Meteorologi dan Geofisika, 17(1), hal.47-52. DOI: 10.31172/jmg.v17i1.381
  11. Mardianto, I, Gunawan, M.I., Sugiarto, D, Rochman, A., 2021. Perbandingan Peramalan Harga Beras Menggunakan Metode ARIMA pada Amazon Forecast dan Sagemaker. Jurnal Resti (Rekayasa Sistem dan Teknologi Informasi), 4(3), hal.537-543
  12. Marzuki, F., 2020. Banjir Susulan Rendam 40 Desa di 10 Kecamatan di Kebumen. https://rri.co.id/purwokerto/berita/kebumen/920205/banjir-susulan-rendam-40-desa-di-10-kecamatan-di-kebumen. Diakses tanggal 13 Juli 2021
  13. Putra, D., 2010. Pengolahan Citra Digital, Yogyakarta: ANDI. Hal.95
  14. PUSDATARU JATENG (Pusat Data Tata Ruang Provinsi Jawa Tengah), 2018. Profil Wilayah Kebumen. http://tataruang.pusdataru.jatengprov.go.id/profil/detail_profil_kab_kota/296. Diakses 13 Juli 2021
  15. Pusat Informasi Perubahan Iklim, Kedeputian Klimatologi, 2020. Tanya Jawab: La Nina, El Nino dan Musim di Indonesia. Badan Meteorologi, Klimatologi, dan Geofisika
  16. Siswanto, Swarinoto, Y.S., Mas’at, A., 1999. The Interrelation between Atmospheric Circulation and Rainfall Amount in Jakarta and Surrounding Areas during La Nina Episode (a Case Study of December 1998). Bulletin Meteorology and Geophysics, 4, hal.8-14
  17. Subakti, H., (2012), Fluidized Bed Drying, in Mujumdar, A.S. (Ed.). Penuntun Praktikum Meteorologi, Universitas Sriwijaya, Palembang, pp. 3-12
  18. Sugiyono, 2014. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung. Alfabeta, 2014
  19. Supari, Tangang F, Salimun E, Aldrian E, Sopaheluwakan A, Juneng L. 2018. ENSO modulation of seasonal rainfall and extremes in Indonesia. Climate Dynamics. 51(7–8):2559–2580. doi: 10.1007/s00382-017-4028-8
  20. Susila, Ida Bagus Kade P., Putra, I Dewa Nyoman N., Buana, Putu W., 2017. Rancang Bangun Aplikasi Analisa Pola Hujan Penyebab Banjir di Jakarta. Jurnal Merpati (Menara Penelitian Akademika Teknologi Informasi), 5(3), hal.151-161. DOI: doi.org/10.24843/JIM.2017.v05.i03.p01
  21. Swarinoto, Y. dan Sugiyono, 2011. Pemanfaatan Suhu Udara dan Kelembapan Udara dalam Persamaan Regresi untuk Simulasi Prediksi Total Hujan Bulanan di Bandar Lampung. Jurnal Meteorologi Geofisika, 12(3), hal.269-279

Last update:

No citation recorded.

Last update:

No citation recorded.