Dalam dunia asuransi, pemodelan dan perhitungan dilakukan menggunakan data historis untuk memperkirakan kejadian serupa di masa depan. Hal tersebut juga berlaku dalam pemodelan asuransi banjir yang melibatkan data historis kejadian banjir di masa lalu. Banjir sendiri didefinisikan sebagai kejadian tergenangnya suatu tempat karena luapan yang meluap melebihi kapasitas pengolahan air suatu daerah atau tempat tertentu, dan menimbulkan banyak kerugian, seperti kerugian material, sosial dan ekonomi. Salah satu penyebab luapan adalah curah hujan yang tinggi yang mengguyur suatu daerah yang biasanya area di wilayah tersebut rendah hingga cekung. Di kota besar seperti Surabaya, curah hujan menjadi salah satu pertimbangan utama dalam tata kota karena akan berdampak pada perencanaan kapasitas drainase dan mitigasi risiko banjir. Sebagai upaya mitigasi dan pemodelan risiko, curah hujan seringkali menjadi variabel dalam analisis utamanya menggunakan metode analisis deret waktu. Hal tersebut karena curah hujan memiliki kecenderungan data musiman sehingga bergantung pada waktu. Sebagai analisis awal, dalam dokumen ini akan dibahas terkait curah hujan di Surabaya sejak dari awal tahun 2025 hingga Selasa, 20 Mei 2025 menggunakan pendekatan visual yang menggambarkan terkait deret waktu.

Analisis Data Awal

Analisis visual terkait curah hujan di Surabaya akan menggunakan data digital world yang bersumber dari OpenWeather dengan bantuan perantara Application Programming Interface (API). Data yang diperoleh adalah data curah hujan harian dalam milimeter (mm) sebagai berikut :

Tanggal Curah_Hujan_mm
2025-01-01 46.7
2025-01-02 15.0
2025-01-03 1.6
2025-01-04 9.0
2025-01-05 17.4
2025-01-06 14.4
Untuk melihat bagaimana karakteristik data, terlebih dahulu disajikan statistika deskriptif data curah hujan di Surabaya dan diperoleh hasil sebagai berikut :
Min Max Mean Median SD
0 46.7 8.78 7.5 7.85

Berdasarkan output tersebut, sepanjang tahun 2025 rata-rata curah hujan di Surabaya adalah 8,784mm yang menurut BMKG hal tersebut tergolong dalam hujan ringan karena masih berada dalam rentang 5 – 20 mm/hari. Median atau nilai tengah curah hujan di Surabaya sejauh ini berada di angka 7,5mm dimana angka tersebut tidak jauh berbeda dari rata-ratanya yang menunjukkan bahwa persebaran curah hujan di Surabaya cukup seragam. Namun, hal tersebut bertentangan dengan jangkauan atau rentang data yang cukup jauh yang dibuktikan dengan standar deviasi sebesar 7,852733. Pernyataan tersebut dikonfirmasi dengan nilai terbesarnya adalah 46,7mm sementara nilai terkecilnya adalah 0. Curah hujan maksimal di Surabaya masih tergolong sebagai hujan sedang karena masih berada dalam rentang 20 – 50 mm/hari. Sebaliknya, nilai minimal 0 menunjukkan bahwa ada satu atau beberapa hari di sepanjang tahun 2025 ini dimana Kota Surabaya tidak mengalami hujan sama sekali.

Visualisasi Menggunakan ggplot dan lattice

Setelah melakukan analisis menggunakan statistika deskriptif, dilakukan analisis visual dengan bantuan packages ggplot dan diperoleh hasil sebagai berikut :

Berdasarkan time series plot tersebut, dapat dilihat bahwa curah hujan tertinggi berada pada permulaan tahun yaitu pada Tanggal 1 Januari 2025. Setelahnya, curah hujan di Kota Surabaya langsung anjlok mendekati nol dan tidak ada lagi curah hujan yang mendekati curah hujan di tanggal 1 Januari 2025. Data curah hujan di Surabaya menunjukkan pola yang sangat fluktuatif meskipun data masih bergerak tidak jauh dari rata-ratanya, namun sebagian besar data mengalami kenaikan dan penurunan yang cukup signifikan dari satu hari ke hari berikutnya. Untuk melihat terkait kenaikan dan penurunan ekstrem pada data curah hujan di Kota Surabaya disajikan time series plot sebagai berikut. 

## span increased to next odd value:  11 
## span increased to next odd value:  11 
## span increased to next odd value:  11 
## span increased to next odd value:  11 
## span increased to next odd value:  11 
## span increased to next odd value:  11

Berdasarkan gambar tersebut, dapat disimpulkan bahwa kenaikan dan penurunan curah hujan yang cukup ekstrem terjadi disetiap bulan. Lonjakan-lonjakan tersebut terjadi cukup landai pada bulan januari hingga februari awal dan cukup ekstrem pada akhir februari hingga maret. Untuk melihat apakah ada pola tertentu untuk curah hujan pada setiap bulannya, maka dilakukan plotting untuk masing-masing bulan dengan bantuan packages LatticeExtra dan diperoleh hasil sebagai berikut.

Dalam plot tersebut jelas terlihat bahwa curah hujan harian di Kota Surabaya pada bulan april sangat rendah dibandingkan dengan bulan-bulan lainnya. Hal tersebut juga dapat dilihat dari rata-rata curah hujan pada bulan april sebesar 4,1mm. Sementara, rata-rata curah hujan tertinggi adalah pada bulan januari dengan rata-rata curah hujan sebesar 12,2mm disusul pada bulan februari dengan rata-rata curah hujan 9,9mm. Penurunan curah hujan menandakan bahwa musim berangsur beralih menuju kemarau meskipun ternyata pada bulan mei ini rata-rata curah hujan kembali meningkat menjadi 9,4mm. Hal ini tentu tidak terlepas dari perubahan iklim global yang menyebabkan cuaca yang dalam hal ini direpresentasikan dengan curah hujan menjadi tidak tentu.

Kesimpulan

Secara keseluruhan, baik melalui plot time series tunggal maupun dengan membandingkan setiap bulannya, tidak banyak pola yang dapat ditangkap dan diinterpretasikan. Dari time series plot tunggal, dapat diinterpretasikan bahwa data curah hujan di Kota Surabaya tidak menunjukkan adanya trend atau pola kenaikan yang berarti. Data tersebut bergerak disekitar garis rata-rtanaya yang menandakan bahwa data mungkin telah memenuhi asumsi stasioner terhadap rata-rata. Dalam hal ini, time series plot berperan sebagai penduga awal untuk membaca bagaimana karakteristik data curah hujan di Kota Surabaya untuk analisis lanjutan menggunakan metode tertentu seperti ARIMA. Dengan menggunakan metode ARIMA, data curah hujan di Kota Surabaya dapat dimodelkan dan diinterpretasikan dengan baik meskipun pola dalam time series plot terlihat sangat acak.