Pendugaan Parameter Distribusi Gamma Pada Quantile Mapping Menggunakan Self Organizing Map Untuk Koreksi Bias Data Curah Hujan

Abstract

Hujan memiliki pengaruh yang besar pada kehidupan manusia. Aktifitas manusia sangat tergantung kepada hujan baik langsung maupun tidak langsung. Sehingga untuk meningkatkan kesejahteraan kehidupan manusia, maka pemahaman yang baik mengenai hujan perlu dimiliki. Pemahaman tentang hujan dapat dimulai dari pemahaman terhadap data curah hujan. Data curah hujan tersedia dari banyak sumber, di antaranya melalui pencatatan langsung kejadian hujan di permukaan bumi, maupun dari pendekatan melalui transformasi citra satelit. Data curah hujan hasil estimasi citra satelit merupakan produk suatu algoritma, sehingga sangat memungkinkan untuk memiliki bias terhadap kejadian hujan sebenarnya di permukaan bumi. Namun demikian, ketersediaan data estimasi curah hujan secara spasial temporal lebih baik dibanding data observasi. Data estimasi satelit tersedia di seluruh permukaan bumi dengan interval spasial yang homogen, tergantung resolusi masing-masing satelit, sedangkan data observasi tidak tersedia merata secara spasial. Di lokasi yang jauh dari populasi, keberadaan lokasi pencatatan curah hujan sangat jarang. Pada penelitian ini diuraikan mengenai pembentukan data curah hujan baru yang berasal dari data estimasi hasil transformasi citra satelit, namun telah melalui prosedur koreksi bias dengan acuan data observasi. Sehingga data estimasi curah hujan baru tersebut dapat lebih mendekati data observasi. Metode koreksi bias yang digunakan adalah Quantile Mapping (QM). QM bekerja dengan menyamakan peluang kemunculan suatu nilai dalam suatu data dengan peluang kemunculan nilai yang sama di data yang lain. Selain itu, penelitian ini juga menggunakan Self Organizing Map (SOM) untuk menjalankan prosedur koreksi bias secara spasial. Algoritma SOM memberikan bahan koreksi terhadap data estimasi secara spasial yang berasal dari data lokasi titik. Hasil yang didapat menunjukkan bahwa secara statistik, dataset baru yang dihasilkan memiliki kesalahan yang lebih kecil dibanding dataset estimasi curah hujan sebelumnya.