skip to main content

Analisis Regresi Untuk Penentuan Faktor Koreksi Data Hujan Satelit (Studi Kasus Daerah Tangkapan Air Bendungan Way Apu)

*Adi Prasetya Nugroho  -  Department of Civil Engineering, Universitas Diponegoro, Jl. Prof. Soedarto, SH, Kampus UNDIP Tembalang, Semarang, Jawa Tengah, Indonesia 50275, Indonesia
Sri Sangkawati Sachro  -  Departmen Teknik Sipil, Universitas Diponegoro, Indonesia
Open Access Copyright (c) 2024 TEKNIK

Citation Format:
Abstract

Pengelolaan Bendungan Way Apu memerlukan ketersediaan data curah hujan yang akurat dan memiliki rentang periode yang panjang. Untuk menangani berbagai permasalahan keterbatasan data dan lokasi pos hujan observasi yang terletak di luar DTA Bendungan Way Apu dapat menggunakan data hujan satelit GPM-IMERG. Studi ini bertujuan untuk mengevaluasi dan menentukan faktor koreksi data hujan satelit GPM-IMERG dibandingkan dengan data pos hujan observasi untuk melihat kelayakannya. Koreksi data hujan satelit menggunakan metode regresi untuk kemudian dilakukan validasi dengan Uji Kesalahan Relatif (KR), Nash-Sutcliffe Efficiency (NSE), Koefisien Korelasi (R) dan Root Mean Squared Error (RMSE). Hasil studi menunjukkan perbandingan data hujan GPM-IMERG dengan data hujan observasi pada data hujan bulanan cenderung konsisten terhadap data 3 (tiga) pos curah hujan di DAS Way Apu yaitu Stasiun Meteorologi Namlea, PCH Savana Jaya dan PCH Wae Tina dengan koefisien korelasi sebesar 0,63- 0,72 (interpretasi korelasi kuat). Dari validasi 3 (tiga) rentang data hujan berbeda, skenario validasi periode 3 (tiga) tahun pada PCH Wae Tina memiliki hasil yang paling baik dalam kondisi sebelum maupun sesudah dikoreksi dengan faktor koreksi paling baik yaitu menggunakan persamaan regresi linier intercept y = 1,0620x dan koefisien determinasi (R2) sebesar 0,8660.

Fulltext View|Download
Keywords: hujan satelit; GPM-IMERG; koreksi; validasi

Article Metrics:

  1. Azka, M. A., Sugianto, P. A., Silitonga, A. K., & Nugraheni, I. R. (2018). Uji Akurasi Produk Estimasi Curah Hujan Satelit GPM IMERG Di Surabaya, Indonesia. Jurnal Sains & Teknologi Modifikasi Cuaca, 19(2), 83. https://doi.org/10.29122/jstmc.v19i2.3153
  2. Blumenfeld, J. (2015). From TRMM to GPM: The Evolution of NASA Precipitation Data| Earthdata
  3. Faisol, A., & Novita, E. (2019). An Evaluation of Daily Precipitation Data from Global Precipitation Measurement (GPM) version 6th in West Papua
  4. Indarto. (2012). Hidrologi Dasar Teori dan Contoh Aplikasi Model Hidrologi. Jakarta: Bumi Aksara
  5. Jarwanti, D. P., Suhartanto, E., & Fidari, J. S. (2021). (Tropical Rainfall Measuring Mission). 1(2)
  6. Krisnayanti, D. S., Welkis, D. F. B., Hepy, F. M., & Legono, D. (2020). Evaluasi Kesesuaian Data Tropical Rainfall Measuring Mission (TRMM) dengan Data Pos Hujan Pada Das Temef di Kabupaten Timor Tengah Selatan. Jurnal Sumber Daya Air, 16(1), 51–62. https://doi.org/10.32679/jsda.v16i1.646
  7. Liu, C.-Y., Aryastana, P., Liu, G.-R., & Huang, W.-R. (2020). Assessment of satellite precipitation product estimates over Bali Island. Atmospheric Research, 244, 105032. https://doi.org/10.1016/j.atmosres.2020.105032
  8. Mamenun, M., Pawitan, H., & Sopaheluwakan, A. (2014). Validasi dan Koreksi Data Satelit TRMM Pada Tiga Pola Hujan di Indonesia. Jurnal Meteorologi dan Geofisika, 15(1). https://doi.org/10.31172/jmg.v15i1.169
  9. Marta, S. D., Suhartanto, E., & Fidari, J. S. (2022). Validasi Data Curah Hujan Satelit dengan Data Stasiun Hujan di DAS Ngasinan Hulu, Kabupaten Trenggalek, Jawa Timur. 3(1)
  10. Nuramalia, R., & Lasminto, U. (2022). Keandalan Data Curah Hujan Satelit TRMM (Tropical Rainfall Measuring Mission) Terhadap Data Curah Hujan Stasiun Bumi pada Beberapa Sub DAS di DAS Brantas. Jurnal Aplikasi Teknik Sipil, 20(2), 207. https://doi.org/10.12962/j2579-891X.v20i2.12015
  11. Pariarta, P. G. S., & Suriantara, G. (2012). Analisis pola penempatan dan jumlah stasiun hujan berdasarkan persamaan Kagan pada DAS Keduang Waduk Wonogiri. Jurnal Ilmiah Teknik Sipil, 16(1)
  12. Partarini, N. M. C., Sujono, J., & Pratiwi, E. P. A. (2021). Koreksi dan Validasi Data Curah Hujan Satelit GPM-IMERG dan CHIRPS di DAS Selorejo, Kabupaten Malang. Prosiding CEEDRiMS 2021, 149–156
  13. Sadeghi, M., Asanjan, A. A., Faridzad, M., Nguyen, P., Hsu, K., Sorooshian, S., & Braithwaite, D. (2019). PERSIANN-CNN: Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks–Convolutional Neural Networks. Journal of Hydrometeorology, 20(12), 2273–2289. https://doi.org/10.1175/JHM-D-19-0110.1
  14. Samosir, D. Y., Yuliara, I. M., & Prasetia, R. (2020). Comparison and Analysis of Rainfall Spatial Patterns IMERG (Integrated Multi-Satellite Retrievals for GPM) Data and Observation Data on Bali Province. BULETIN FISIKA, 22(2), 67. https://doi.org/10.24843/BF.2021.v22.i02.p03
  15. Sanjaya, S., Yudianto, D., Adidarma, W., & Fitriana, F. (2022). Studi Pemanfaatan Curah Hujan Bulanan Satelit GPM di Kawasan Bandung Raya dengan Validasi Silang Monte-Carlo. Jurnal Rekayasa Konstruksi Mekanika Sipil (JRKMS), 31–40. https://doi.org/10.54367/jrkms.v5i1.1804
  16. Sarwanta, S. (2020). Studi Rasionalisasi Pos Hidrologi di Wilayah Sungai Benaran Di Provinsi Nusa Tenggara Timur. Jurnal Rekayasa Infrastruktur, 6(1), 25–31
  17. Sun, Q., Miao, C., Duan, Q., Ashouri, H., Sorooshian, S., & Hsu, K. (2018). A Review of Global Precipitation Data Sets: Data Sources, Estimation, and Intercomparisons. Reviews of Geophysics, 56(1), 79–107. https://doi.org/10.1002/2017RG000574
  18. Tang, G., Zeng, Z., Long, D., Guo, X., Yong, B., Zhang, W., & Hong, Y. (2016). Statistical and Hydrological Comparisons between TRMM and GPM Level-3 Products over a Midlatitude Basin: Is Day-1 IMERG a Good Successor for TMPA 3B42V7? Journal of Hydrometeorology, 17(1), 121–137. https://doi.org/10.1175/JHM-D-15-0059.1

Last update:

No citation recorded.

Last update: 2024-10-11 17:38:52

No citation recorded.