21 BAB IV Metodologi Penelitian Pada bab ini membahas berkaitan dengan data penelitian, peralatan pengamatan, alur penelitian, pengumpulan data, teknik pengolahan data, estimasi curah hujan menggunakan Z-R dan CNN, serta teknik analisis data yang digunakan pada penelitian ini. IV.1 Data Penelitian Data yang akan digunakan pada penelitian ini adalah data reflektivitas dari pengamatan radar cuaca, dan data pengukuran curah hujan oleh Automatic Rain Gauge (ARG). Peta lokasi penelitian ditunjukkan pada Gambar IV.1, dimana data penelitian pada peralatan curah hujan yang berada di wilayah Provinsi DKI Jakarta, Banten, dan Jawa Barat, serta lokasi radar cuaca. Total jumlah ARG yang digunakan dalam penelitian ini yaitu 12 lokasi yang ditunjukkan pada Tabel IV.1. Gambar IV.1 Peta Lokasi Penelitian 22 Tabel IV.1 Metadata Automatic Rain Gauge (ARG) Site ARG Lintang Bujur Elevasi (m) Jarak Peralatan Terhadap Radar Cuaca (km) ARG Lebak Bulus -6,3043 106,7774 39 20 ARG Cikeusal Timur -6,2600 106,2777 14 42 ARG Banjar Irigasi -6,5692 106,4113 181 50 ARG Rengasdengklok -6,1462 107,3025 7 73 ARG Sukaraja -6,9211 106,9811 652 91 ARG Malingping -6,7758 106,0106 32 100 ARG Pabrik Gula Subang -6,4189 107,6940 31 119 ARG Cimahi -6,8687 107,5570 783 127 ARG Pusaka Negara -6,2807 107,8689 7 136 ARG Cidaun -7,4911 107,3607 22 166 ARG Cibiuk -7,0696 107,9642 591 176 ARG Kertajati -6,6932 108,1842 27 179 Radar cuaca C-Band terletak di -6,1669 ° LS dan 106,6502 ° BT, memiliki resolusi spasial 250 m dan jarak maksimum pengukuran 220 km, yang secara rinci dijelaskan Tabel IV.2. Data estimasi curah hujan pada radar cuaca dianalisis secara spasial menggunakan peralatan curah hujan otomatis milik BMKG yang berada di provinsi tersebut dalam periode curah hujan harian. Periode data curah hujan yang digunakan dalam penelitian yaitu pada 1 Desember 2022 hingga 28 Februari 2023, dimana periode tersebut merupakan periode musim hujan (Prasetyo dkk., 2021). Tabel IV.2 Spesifikasi radar cuaca Tangerang C-Band (Ali dkk., 2021) Nama Lokasi Radar : Tangerang Pemilik : BMKG Indonesia Pabrikan : EEC Polarisasi : Single Signal Processor : GDRX-SP Tipe Transmitter : Coaxial Magnetron Altitude : 10 m Tinggi Tower : 20 m Frekuensi : 5,6 GHz PRF : 600 Hz Number of Sweeps : 9 Beam Width : 1 ° Pulse Width Range : 0,8 µs Moment Observed : Reflektivitas, Radial Velocity dan Spectral Width 23 IV.2 Alur Penelitian Penelitian ini dimulai dengan melakukan studi literatur yang terkait dengan curah hujan, klasifikasi curah hujan, alat ukur curah hujan, radar cuaca, reflektivitas citra radar, persamaan relasi Z-R, dan CNN. Radar cuaca menghasilkan citra dengan ekstensi file .vol yang dikonversi menjadi format NetCDF. Pengolahan dan konversi menggunakan library wradlib dan pyart di python. Pengolahan citra radar pada penelitian ini terdiri atas pengolahan Z-R dan CNN. Pengolahan Z-R memanfaatkan hasil reflektivitas diperoleh, kemudian diolah menggunakan relasi Z-R Rosenfeld Tropical dan Marshall-Pallmer dalam mengestimasi curah hujan. Pengolahan CNN memanfaatkan hasil citra radar untuk dilakukan training data dan testing data terhadap data peralatan curah hujan, sehingga menghasil estimasi curah hujan. Peralatan observasi dilakukan pengumpulan dan pengolahan data dengan mengakses data pada portal website pengamatan peralatan BMKG secara daring. Akumulasi data curah hujan yang dihasilkan dari radar terhadap peralatan observasi akan dievaluasi dalam periode akumulasi dalam harian. Evaluasi data merupakan kegiatan yang dilakukan untuk menghasilkan bias, koefisien determinan, Mean Error (ME) dan Root Mean Square Error (RMSE) dalam skala harian. Penelitian ini menggunakan 3 model estimator curah hujan, sehingga pada Gambar IV.2 merupakan alur pengerjaan yang terbagai menjadi 3 (tiga) bagian yaitu pengolahan menggunakan Z-R Marshall-Pallmer, Z-R Rosenfeld Tropical dan Convolutional Neural Network (CNN). Secara garis besar, estimator Z-R Rosenfeld Tropical dan Marshall-Pallmer melakukan alur pengerjaan yang hampir mirip, hanya berbeda penggunaan konstanta dalam persamaan Z-R. 24 (a) (b) (c) Gambar IV.2 Diagram alir penelitian (a) Z-R Marshall-Pallmer, (b) Z-R Rosenfeld Tropical, dan (c) CNN 25 IV.3 Pengumpulan Data Teknik pengumpulan data dalam penelitian ini meliputi langkah-langkah yang dilakukan dalam proses pengerjaan penelitian, yaitu sebagai berikut: 1. Pengumpulan metadata peralatan curah hujan terkalibrasi dalam area 220 km dari radar cuaca. 2. Pengumpulan data curah hujan dari stasiun pengamatan cuaca otomatis yang berada di provinsi Banten, DKI Jakarta, dan Jawa Barat pada periode Desember 2022, Januari 2023, dan Februari 2023. 3. Pengumpulan data pengamatan radar cuaca pada periode Desember 2022, Januari 2023, dan Februari 2023. IV.4 Teknik Pengolahan Data Penelitian ini menggunakan produk citra radar CMAX dalam mengestimasi curah hujan. Produk CMAX merupakan salah satu produk citra radar yang mempunyai koefisien determinan tinggi dan kesalahan error terendah dalam mengestimasi curah hujan (Tondang, dkk., 2023). Produk hasil data citra radar berbentuk format volumetric yang selanjutnya dikonversi dalam bentuk format file netcdf, sehingga dapat diolah di pemrograman python menggunakan library wradlib and py-ART. Penelitian ini melakukan pengolahan estimasi curah hujan menggunakan persamaan Z-R Marshall-Pallmer dan Rosenfeld Tropical serta menggunakan metode machine learning yaitu CNN. Estimasi curah hujan menggunakan persamaan Z-R yaitu mendapatkan reflektivitas (Z) dari pengamatan radar cuaca berdasarkan indeks warna, kemudian mengkonversi menjadi data curah hujan (R). Sementara metode CNN, estimasi curah hujan dapat diperoleh dengan menyusun arsitektur model CNN, mengekstraksi grid data peralatan curah hujan, membagi komposisi data latih dan uji model. 26 Gambar IV.3 Citra hasil pengamatan radar cuaca IV.5 Estimasi Curah Hujan Menggunakan Z-R M-P dan R-T Radar cuaca tidak secara langsung mengukur jumlah curah hujan di permukaan, namun dapat dilakukan estimasi curah hujan menggunakan hubungan Z-R. Hubungan Z-R merupakan persamaan empiris antara Reflektivitas (Z) dan Curah Hujan (R). Z-R Marshall-Pallmer (M-P) dan Rosenfeld Tropical (R-T) merupakan persamaan yang digunakan untuk mendapatkan data estimasi curah hujan radar. Persamaan Hubungan Z-R Marshall-Pallmer: �=200� 1.6 (IV.1) Dimana persamaan IV.1 menyediakan estimasi curah hujan untuk di daerah subtropis, sedangkan Rosenfeld Tropical menyatakan hubungan Z-R untuk daerah tropis (Mahavik dkk., 2021). Persamaan Hubungan Z-R Rosenfeld Tropical: �=250� 1.2 (IV.2) Persamaan IV.2 memiliki performa akurasi yang lebih baik dalam mengestimasi curah hujan yang sebagian hujannya dipengaruhi oleh konvektif yang kuat, persamaan relasi Tropical Z-R lebih dekat dengan pengukuran hujan di Thailand (Mahavik, dkk,2021). 27 IV.6 Estimasi Curah Hujan Menggunakan CNN CNN merupakan salah satu algoritma yang paling populer di dalam teknik Deep Learning dan digunakan untuk mendeteksi, membaca dan mengenali objek pada sebuah gambar. Pada penelitian ini algoritma digunakan untuk melakukan regresi. IV.6.1 Pra-pemrosesan Dataset Pra-pemrosesan dilakukan untuk mempersiapkan dataset pengamatan radar cuaca dan ARG. Data radar cuaca berupa data reflektifitas CMAX digunakan dalam penelitian ini. Data tersebut memiliki periode 10 menit dalam dalam bentuk file volumetrik (.vol). Data pengamatan radar cuaca terdiri dari reflektivitas, radial velocity dan spectral width. Pada penelitian mengolah data reflektivitas pada pengamatan radar cuaca untuk diolah menjadi data estimasi curah hujan. Pra- pemrosesan data ARG dilakukan dengan range check, dimana data curah hujan dianggap outlier, apabila data tersebut tidak berada dalam rentang normal data curah hujan yaitu 0 – 508 mm/hari (Fiebrich dkk., 2010). IV.6.2 Transformasi Data Tranformasi data bertujuan untuk menyederhanakan proses komputasi pembelajaran. Input dan output model ditransformasikan menjadi variabel dalam skala rentang yang lebih kecil. Persamaan transformasi data dinyatakan sebagai berikut (Al Shalabi dkk., 2006): � ���������= � �−� ��� � �������������−� ��� (IV.3) Setiap elemen nilai input dan output (Zi) dikurangi terhadap nilai minimumnya, kemudian dibagi terhadap rentang datanya, sehingga diperoleh variabel baru hasil transformasi. IV.6.3 Segmentasi Data Pada penelitian dibagi menjadi dua segmentasi data yaitu, 80% data latih dan 20% data uji. Data latih terdiri dari dataset curah hujan ARG dan data reflektivitas radar cuaca pada periode 01 Desember 2022 Pukul 00.00 WIB – 11 Februari 2023 pada 28 pukul 08.10 WIB. Data uji meliputi periode 11 Februari 2023 pada pukul 08.20 WIB hingga 28 Februari 2023 pada pukul 23.50 WIB. IV.6.4 Arsitektur Model CNN Resolusi hasil citra dari pengamatan radar cuaca yaitu 800 x 800 piksel.