IDENTIFIKASI LOKASI TERBAIK PENGGUNAAN DATA SATELIT HIMAWARI-8 DALAM ESTIMASI CURAH HUJAN BERDASARKAN PERMASALAHAN PARALAKS DAN SUHU PUNCAK AWAN (STUDI KASUS DI WILAYAH INDONESIA BAGIAN BARAT)

Galih Muhammad Ghufron; Endarwin Endarwin; Riser Fahdiran

doi:10.21009/03.1201.FA08

Authors

Galih Muhammad Ghufron Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Jakarta, Jalan Rawamangun Muka, Jakarta Timur 13220, Indonesia
Endarwin Endarwin Bidang Pengelolaan Citra Inderaja, Badan Meteorologi, Klimatologi, dan Geofisika, Jalan Angkasa, Kemayoran, Jakarta Pusat 10610, Indonesia
Riser Fahdiran Bidang Pengelolaan Citra Inderaja, Badan Meteorologi, Klimatologi, dan Geofisika, Jalan Angkasa, Kemayoran, Jakarta Pusat 10610, Indonesia

DOI:

https://doi.org/10.21009/03.1201.FA08

Abstract

Abstrak

Dampak yang diberikan oleh kondisi cuaca terutama hujan bisa dirasakan secara signifikan terhadap aktifitas manusia. Pencatatan data curah hujan dilakukan dengan Automatic Rain Gauge (ARG) untuk daerah tertentu, sedangkan untuk cakupan yang lebih luas menggunakan satelit cuaca geostasioner. Namun, satelit cuaca geostasioner dalam kasus ini Himawari-8 memiliki kendala efek Paralaks yang dapat mempengaruhi pembacaan data citra satelit. Penelitian ini menggunakan metode Korelasi Pearson dan Regresi Linier untuk membangun model estimasi curah hujan berdasarkan suhu puncak awan. Hasil menunjukkan bahwa suhu puncak awan yang memiliki korelasi terbaik dengan curah hujan terletak pada posisi 10-15 km arah barat laut dari daerah pengamatan (ARG) di wilayah Cot Girek, 5-10 km arah barat dari daerah pengamatan (ARG) di wilayah Meranti, dan 5-10 km arah barat daya dari daerah pengamatan di wilayah Ciomas. Sementara untuk model regresi linier tidak akurat untuk data yang digunakan dengan nilai koefisien korelasi (R²) sebesar 0,2003 dan Mean Absolute Percentage Error (MAPE) yang sangat tinggi. Oleh karena itu, metode machine learning Regresi Linier kurang dapat diaplikasikan untuk data yang digunakan.

Kata-kata kunci: Curah hujan, suhu puncak awan, Korelasi Pearson, Efek Paralaks, Regresi Linier.

Abstract

The impact of weather conditions especially rainfall can significantly affect human activities. Rainfall data is recorded using an Automatic Rain Gauge (ARG) for specific areas, while geostationary weather satellites are used for broader coverage. However, geostationary weather satellites in this case Himawari-8 have the constraint of parallax effects that can influence satellite image data readings. This research utilizes the Pearson Correlation and Linear Regression methods to develop a rainfall prediction model based on cloud-top temperature. The results indicate that the cloud-top temperature with the best correlation to rainfall is located at a position 10-15 km northwest of the observation area (ARG) in the Cot Girek region, 5-10 km west of the observation area (ARG) in the Meranti region, and 5-10 km southwest of the observation area in the Ciomas region. However, the linear regression model is not accurate for the data used, with a coefficient of determination (R²) value of 0.2003 and a very high Mean Absolute Percentage Error (MAPE). Therefore, the linear regression method is not suitable for the data used.

Keywords: Rainfall, cloud-top temperatures, Pearson Correlation, Parallax effect, Linear Regression.

References

[1] M. I. Sulistyawati, “Aalisis Pola dan Intensitas Curah hujan berdasarkan data observasi dan satelit Tropical Rainfall Measuring Missions (TRMM) 3B42 V7 di Makassar,” Jurnal Sains dan Pendidikan Fisika (JSPF), vol. 11, no. 1, 2015.
[2] A. Rahadian. “Rancang Bangun Stand - Alone Automatic Rain Gauge (ARG) Berbasis Panel Surya,” Jurnal Nasional Teknik Elektro, vol. 6, no. 3, 2017.
[3] Kurniawan, “Evaluasi Pengukuran Curah Hujan Antara Hasil Pengukuran Permukaan (AWS, HELLMAN, OBS) dan Hasil Estimasi (Citra Satelit = GSMaP) Di Stasiun Klimatologi Mlati Tahun 2018,” Jurnal Geografi, Edukasi Dan Lingkungan (JGEL), vol. 4, no. 1, 2020.
[4] T. Warsito, “Pemetaan Daerah Rawan Banjir dengan Penginderaan Jauh dan Sistem Informasi Geografis di Kecamatan Kupang Timur Kabupaten Kupang Provinsi Nusa Tenggara Timur,” Jurnal Fisika: Fisika Dan Aplikasinya, vol. 3, no. 1, pp. 73-79, 2018.
[5] Bieliński, “A parallax shift effect correction based on cloud height for geostationary satellites and radar observations,” Remote Sensing, vol. 12, no. 3, p. 365, 2020.
[6] Putra, R. M. Saputro, Kharisma, “Automatic detection of volcanic ash from Himawari-8 satellite using artificial neural network,” AIP Conference Proceedings, vol. 2202, no. 1, 2019.
[7] Lima, B. Chaluparambil, “Retrieval and validation of cloud top temperature from the geostationary satellite INSAT-3D,” Remote Sensing, vol. 11, no. 23, p, 2811, 2019.
[8] L. Z. Z. Deng, “Estimation of Summer Air Temperature over China Using Himawari-8 AHI and Numerical Weather Prediction Data,” Advances in Meteorology, pp. 1-10, 2019.
[9] J. R. Tugushi, “Temporal Spectrum of a Scattered Electromagnetic Waves in the Conductive Collision Turbulent Magnetized Plasma,” Advanced Electromagnetics Journal, 2022.
[10] T. B. G. P. H. J. K. Panthou, “Frequency of extreme Sahelian storms tripled since 1982 in satellite observations,” Nature, 2017.