PENERAPAN IMPUTASI LOCF DAN CROSS MEAN DALAM PENGISIAN DATA KOSONG PADA CURAH HUJAN HARIAN ARG

Abstrak

Banyaknya alat penakar hujan Automatic Rain Gauge (ARG) yang telah terpasang saat ini belum termanfaatkan secara optimal. Hal ini disebabkan ARG yang bekerja secara otomatis sering kali mengalami missing data akibat permasalahan teknis dan jaringan yang pada akhirnya menimbulkan keraguan akan keakuratannya. Data yang digunakan dalam penelitian ini adalah data curah hujan ARG dalam periode 10 menit selama tahun 2021 serta data curah hujan dari alat penakar hujan konvensional di lokasi yang sama. Data akan diolah hingga menjadi data harian kemudian dipulihkan dengan pengisian data kosong yang dikerjakan melalui bahasa pemrograman Python. Karena data ARG berjenis data longitudinal maka pengisian data kosong akan menggunakan imputasi LOCF dan cross mean. Uji validitas kemudian dilakukan untuk membandingkan data ARG yang telah dipulihkan dengan data dari alat manualnya melalui perhitungan nilai MAE, RMSE, dan koefisien korelasi. Hasil penelitian menunjukkan bahwa pengisian data kosong dapat mengurangi persentase missing data yang semula 21.4% menjadi 1.1%. Hasil uji validitas menunjukkan ARG dapat menghasilkan data yang akurat ditandai dengan nilai eror yang rendah (MAE=0.998 mm, RMSE=2.253 mm) dan korelasi yang sangat tinggi (r=0.966). Dengan semakin tingginya persentase kelengkapan data dan akurasi yang sangat baik maka penggunaan data tersebut akan menjadi semakin luas sehingga memberikan lebih banyak manfaat terutama untuk keperluan analisis, prakiraan, pelayanan data, maupun penelitian.