Perpustakaan Digital ITB

Ketersediaan data curah hujan spasial yang akurat sangat penting di wilayah Benua Maritim Indonesia yang memiliki karakteristik topografi dan iklim yang kompleks. Meskipun berbagai produk estimasi curah hujan berbasis grid telah tersedia, hasil evaluasi pada penelitian terdahulu masih menunjukkan temuan yang beragam akibat perbedaan wilayah kajian, skala temporal, dan periode analisis. Penelitian ini bertujuan mengevaluasi performa lima dataset curah hujan, yaitu CHIRPS, MSWEP, GSMaP NRT, IMERG Early, dan IMERG Late, terhadap data observasi permukaan BMKG selama periode 2001-2020. Evaluasi dilakukan secara komprehensif dengan mempertimbangkan variasi temporal (harian dan bulanan), distribusi spasial berdasarkan karakteristik orografis, serta kategori intensitas presipitasi. Analisis mencakup penilaian performa pada berbagai skala waktu, pengaruh topografi terhadap akurasi estimasi curah hujan, serta kemampuan masing-masing dataset dalam mendeteksi kejadian hujan dengan intensitas yang berbeda. Hasil penelitian menunjukkan adanya perbedaan karakteristik performa antara skala waktu harian dan bulanan. Pada skala bulanan, seluruh dataset menunjukkan tren peningkatan akurasi yang ditandai dengan penurunan nilai error, yang diduga berkaitan dengan peningkatan teknologi sensor satelit pada masa transisi dari TRMM ke GPM sekitar tahun 2014-2015. Sebaliknya, pada skala harian seluruh dataset memperlihatkan tren penurunan performa, terutama selama periode peralihan monsun. Analisis spasial mengungkap adanya bias topografi, di mana seluruh produk satelit secara konsisten mengestimasi curah hujan lebih rendah (underestimate) pada wilayah berelevasi tinggi. Kemampuan deteksi juga menurun pada hujan lebat (? 20 mm/hari), yang ditunjukkan oleh nilai Probability of Detection (POD) kurang dari 0,30 dan False Alarm Ratio (FAR) lebih dari 0,65. Secara keseluruhan, tidak terdapat satu dataset yang unggul pada seluruh kondisi evaluasi. MSWEP dan CHIRPS direkomendasikan untuk kajian klimatologi bulanan jangka panjang, sedangkan penggunaan produk Near Real Time tanpa kalibrasi menggunakan data observasi permukaan tidak direkomendasikan untuk operasional harian maupun sistem peringatan dini hujan.