ESTIMASI CURAH HUJAN PADA CITRA RADAR CUACA C-BAND BERBASIS PEMBELAJARAN MESIN DAN PENAKAR CURAH HUJAN OTOMATIS TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh NAUFAL ANANDA NIM. 23822009 (Program Studi Magister Instrumentasi dan Kontrol) INSTITUT TEKNOLOGI BANDUNG Juni 2024 i ABSTRAK ESTIMASI CURAH HUJAN PADA CITRA RADAR CUACA C-BAND BERBASIS PEMBELAJARAN MESIN DAN PENAKAR CURAH HUJAN OTOMATIS Oleh: Naufal Ananda NIM. 23822009 (Program Studi Magister Instrumentasi dan Kontrol) Radar cuaca merupakan salah satu peralatan penginderaan jauh yang dapat digunakan untuk mengestimasi curah hujan. Output data pengamatan radar cuaca berupa data citra yang menampilkan variable reflektivitas. Penelitian ini bertujuan mengembangkan metode Convolutional Neural Network (CNN) dalam mengestimasi curah hujan, metode ini dinilai memiliki keunggulan dalam membaca dan mendeteksi objek berupa citra. Hasil estimai curah hujan yang dihasilkan, akan diuji performa estimator CNN terhadap model estimator lainnya dan data curah hujan aktual dari penakar curah hujan otomatis. Model estimator curah hujan lainnya menggunakan persamaan Z-R Marshall Palmer dan Rosenfeld Tropical, kedua model persamaan Z-R digunakan dalam layanan operasional cuaca. Periode Data yang digunakan pada penelitian ini yaitu 1 Desember 2022 hingga 28 Februari 2023. Penelitian menggunakan 12 peralatan curah hujan otomatis yang tersebar dalam jangkauan radius maksimum pengamatan radar cuaca yaitu sejauh 220 km. Berdasarkan uji performa menunjukkan pengaruh jarak dan elevasi menjadi variabel kontribusi dalam meningkatkan kesalahan serta pengaruh konstanta Z-R dalam mengestimasi curah hujan menjadi faktor yang dapat berkontribusi dalam kesalahan estimasi. Data estimasi curah hujan pada radar cuaca dapat menjangkau daerah yang belum terdapat peralatan curah hujan. Kata kunci: curah hujan, CNN, Marshall-Pallmer, radar cuaca, Rosenfeld Tropical ii ABSTRACT RAINFALL ESTIMATION ON C-BAND WEATHER RADAR IMAGE BASED ON MACHINE LEARNING AND AUTOMATIC RAIN GAUGE By: Naufal Ananda NIM. 23821306 (Master’s Program in Instrumentation and Control) Weather radar is a remote sensing instrument that can estimate rainfall. The output of weather radar observation is in the form of image data that displays reflectivity variables. This research aims to develop the Convolutional Neural Network (CNN) method for estimating rainfall. CNN has advantages in reading and detecting objects in the form of images. The performance of rainfall estimation using CNN is tested to other estimator models and actual rainfall data of automatic rain gauge. Other rainfall estimator models use the Z-R Marshall Palmer and Rosenfeld Tropical equations. Both Z-R equation models are used in weather operational services. The data period used in this study is December 1, 2022, to February 28, 2023. The study used 12 automatic rain gauge spread within the maximum radius range of weather radar observation, which is as far as 220 km. Based on the performance test shows that the influence of distance and elevation is a contributing variable in increasing the error, and the influence of the Z-R constant in estimating rainfall is a factor that can contribute to the estimation error. Rainfall estimation data on weather radar can only reach areas with automatic rain gauge. Keywords: rainfall, CNN, Marshall-Pallmer, weather radar, Rosenfeld Tropical. iii HALAMAN PENGESAHAN iv PEDOMAN PENGGUNAAN TESIS Tesis Magister yang tidak dipublikasikan terdaftar dan tersedia di Perpustakaan Institut Teknologi Bandung, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada penulis dengan mengikuti aturan HaKI yang berlaku di Institut Teknologi Bandung. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seizin penulis dan harus disertai dengan kaidah ilmiah untuk menyebutkan sumbernya. Sitasi hasil penelitian Tesis ini dapat di tulis dalam bahasa Indonesia sebagai berikut: Ananda, Naufal. (2024): Estimasi Curah Hujan Pada Citra Radar Cuaca C-Band Berbasis Pembelajaran Mesin dan Penakar Curah Hujan Otomatis, Tesis Program Magister, Institut Teknologi Bandung. dan dalam bahasa Inggris sebagai berikut: Ananda, Naufal. (2024): Rainfall Estimation on C-Band Weather Radar Image Based on Machine Learning and Automatic Rain Gauge , Master’s Thesis, Institut Teknologi Bandung. Memperbanyak atau menerbitkan sebagian atau seluruh tesis haruslah seizin Dekan Sekolah Pascasarjana, Institut Teknologi Bandung v KATA PENGANTAR Dengan nama Allah Yang Maha Pengasih dan Penyayang. Puji Syukur penulis panjatkan kepada Allah SWT. Karena atas rahmat dan izin-Nya, penulis dapat menyelesaikan penelitian Tesis yang berjudul “Estimasi Curah Hujan Pada Citra Radar Cuaca C-Band Berbasis Pembelajaran Mesin Dan Penakar Curah Hujan Otomatis”. Tujuan penulisan laporan tugas akhir ini adalah sebagai salah satu syarat kelulusan tahap S2 Program Studi Instrumentasi dan Kontrol Institut Teknologi Bandung. Penulis berhadap bahwa tulisan ini dapat memberikan manfaat dan kontribusi dalam kehidupan sehari-hari. Penelitian ini tidak dapat diselesaikan tanpa adanya bimbingan dan bantuan dari berbahai pihak di sekitar penulis. Oleh karena itu, penulis ingin mengucapkan terima kasih kepada : 1. Orangtua dan keluarga penulis yang selalu mendoakan selama menjalani kehidupan ini. 2. Lembaga Pengelola Dana Pendidikan (LPDP) yang telah memberikan dukungan beasiswa selama menempuh pendidikan magister. 3. Balai Besar Meteorologi, Klimatologi, dan Geofisika Wilayah II yang telah memberikan izin dalam menjalani pendidikan magister. 4. Bapak Prof. Dr. Eng. Ir. Deddy Kurniadi, M.Eng dan Bapak Faqihza Mukhlish, S.T., M.T., Ph.D., selaku dosen pembimbing tesis yang telah memberikan ilmu pengetahuan, bimbingan, masukan dan kritik dalam menjalani pendidikan magister dan pengerjaan tesis ini. 5. Segenap dosen, staf, dan karyawan Program Studi Magister Instrumentasi dan Kontrol yang telah membantu penulis selama berjalan-nya pendidikan penulis.