Pemodelan Komprehensif Indeks Kekeringan Multivariat Untuk Daerah Irigasi Menggunakan Metode Kopula

Affandy, Nur Azizah (2024) Pemodelan Komprehensif Indeks Kekeringan Multivariat Untuk Daerah Irigasi Menggunakan Metode Kopula. Doctoral thesis, Insitut Teknologi Sepuluh Nopember.

Text 03111960010003_Dissertation.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (11MB) | Request a copy

Abstract

DAS Corong merupakan Sub DAS Bengawan Solo yang mempunyai peran yang sangat penting, dimana didalamnya terdapat waduk Gondang yang berfungsi mensuplai air di daerah Lamongan dan sekitarnya. Peran Waduk Gondang sangat berarti ketika musim kemarau tiba, Curah hujan yang berkurang menjadi awal terjadinya kekeringan Meteorologi. Kekeringan meteorologi yang berkepanjangan mengakibatkan debit waduk menyusut. Kondisi ini menjadi tanda awal kekeringan hidrologi. Pengaruh kekeringan hidrologi yang berkepanjangan berimbas pada daerah irigasi dimana kelengasan tanah berkurang, yang berimbas tanaman diarea irigasi menjadi Puso. Dalam rangka mengatasi permasalahan tersebut, diperlukan pengembangan model indeks kekeringan yang multivariat, mencakup karakteristik kekeringan meteorologi, hidrologi, dan pertanian untuk meningkatkan akurasi dan efektivitas pemantauan kekeringan. Kompleksitas masalah kekeringan, terutama di daerah irigasi, dibutuhkan model kekeringan yang menggabungkan ketiga jenis kekeringan yang terjadi dan mampu memberikan solusi untuk persoalan tersebut. Penelitian ini bertujuan untuk meramalkan kekeringan dengan melihat hubungan antara kekeringan meteorologi, hidrologi dan pertanian dengan menggunakan model ARIMA-Copula dan Kausal Regressi-Copula. Model ARIMA-Copula digunakan untuk menangkap tren dan pola dalam data kekeringan dengan menggambarkan ketergantungan antar variabel. Sedangkan model Kausal Regressi-Copula untuk menentukan variabel-variabel yang signifikan mempengaruhi kondisi kekeringan dengan menggambarkan ketergantungan antarvariabel. Dalam penelitian ini digunakan Data curah hujan dan suhu dengan pengamatan bulanan dari tahun 2001 hingga 2021 dengan tiga stasiun hujan, Lamongan, Waduk Gondang dan Karangbinangun. Data temperatur tahun 2001- 2021. Untuk analisa kekeringan hidrologi digunakan data Debit tahun 2016-2021 dari BBWS Bengawan Solo Sedangkan untuk kekeringan pertanian menggunakandata penginderaan jauh NDVI dan NDWI. Hasil uji korelasi Pearson mengungkapkan hubungan positif kuat antara kekeringan meteorologi SPEI-1 dan kekeringan hidrologi HDI, sedangkan hubungan sangat lemah antara kekeringan meteorologi SPEI-1 dan kekeringan pertanian NDDI. Untuk mengatasi hal tersebut perlu analisa yang tanpa mensyaratkan kenormalan data yaitu Copula. Dalam menghadapi kompleksitas prediksi awal dan akhir kekeringan, penelitian ini menggunakan Model ARIMA dan Model Regresi Kausal. Model ARIMA mengidentifikasi pengaruh kekeringan saat ini terhadap kondisi dua bulan sebelumnya, sementara Model Regresi Kausal menggambarkan hubungan sebab-akibat antara seperti 〖SPEI-1〗_t, 〖NDDI〗_t, dan 〖HDI〗_t dengan R² masing-masing sebesar 23,7%., 50,7%., dan 36,3%. Model terbaik yang terpilih adalah model trivariat Copula antara Model Regresi Kausal SPEI-1t dengan Model Copula Gumbel (SPEI-1_HDI) bernama RCDI (Regresi Copula Drought Index), yang akan digunakan untuk memprediksi kekeringan multivariat di DAS Corong periode Januari-Desember 2021. Model RCDI (Regresi Copula Drought Index) menonjol dengan kinerja baik dalam memprediksi kekeringan meteorologi, ditunjukkan oleh MAPE rendah (0,834), RMSE (0,740), dan MAE (0,540). Keunggulan model ini juga terlihat dalam kemampuannya menangani ketergantungan ekstrem antar variabel, terutama dalam kekeringan hidrologi dan pertanian, dengan performa yang baik pada NDDI dan HDI. Model RCDI dengan nilai normalisasi RMSE menunjukkan performa yang baik dalam memprediksi tingkat kekeringan, dengan tingkat akurasi yang relatif tinggi dan juga dengan nilai normalisasi MAPE juga mengindikasikan bahwa model RCDI memberikan prediksi dengan tingkat kesalahan yang rendah. Model menunjukkan akurasi yang baik dalam meramalkan kekeringan meteorologi, yang dapat mempengaruhi persediaan air di daerah seperti waduk atau DAS. Model ini memberikan keunggulan dalam memahami ketergantungan ekstrem antarvariabel dan meramalkan kekeringan di DAS Corong. Fleksibilitasnya dalam menangani distribusi tidak normal dan mendukung peramalan risiko ekstrem menjadikan model ini unggul dalam pemahaman hubungan antar variabel yang dapat memicu kondisi kekeringan.
=================================================================================================================================
DAS Corong is a sub-watershed of Bengawan Solo with a crucial role in housing the Gondang reservoir that supplies water to Lamongan and surrounding areas. The Gondang reservoir plays a significant role during the dry season when reduced rainfall becomes the onset of meteorological drought. Prolonged meteorological drought leads to a decrease in reservoir discharge, serving as an early sign of hydrological drought. The long-term impact of hydrological drought affects irrigation areas where soil moisture decreases, impacting crops in the irrigation area and leading to Puso. To address these challenges, developing a multivariate drought index model encompassing the characteristics of meteorological, hydrological, and agricultural drought is necessary to enhance the accuracy and effectiveness of drought monitoring. The complexity of drought issues, especially in irrigation areas, requires a drought model that integrates all three types of drought and can provide solutions to these problems. This study aims to forecast drought by examining the relationships among meteorological, hydrological, and agricultural drought using ARIMA-Copula and Causal Regression-Copula models. The ARIMA-Copula model captures trends and patterns in drought data by depicting dependencies among variables. Meanwhile, the Causal Regression-Copula model is employed to determine the significant variables influencing drought conditions by illustrating dependencies among variables. Monthly rainfall and temperature data from 2001 to 2021, collected from three rainfall stations, Lamongan, Gondang Reservoir, and Karangbinangun, are used in this study. Temperature data covers the years 2001-2021. For hydrological drought analysis, discharge data from 2016-2021 from BBWS Bengawan Solo is utilized, while agricultural drought analysis involves remote sensing data such as NDVI and NDWI. The results of the Pearson correlation test reveal a strong positive relationship between meteorological drought SPEI-1 and hydrological drought HDI. In contrast, the relationship between meteorological drought SPEI-1 and agricultural drought NDDI is weak. To address this issue without assuming data normality, Copula analysis is necessary. Faced with the complexity of predicting the onset and end of drought, this research employs the ARIMA and Causal Regression Model. The ARIMA model identifies the influence of current drought on conditions two months prior, while the Causal Regression Model depicts the cause-and-effect relationships among variables such as 〖SPEI-1〗_t, 〖NDDI〗_t, and 〖HDI〗_t with R² values of 23.7%, 50.7%, and 36.3%, respectively. The best-selected model is the trivariate Copula model between the Causal Regression Model SPEI-1t and the Gumbel Copula Model (SPEI-1_HDI) called RCDI (Regression Copula Drought Index), which will be used to predict multivariate drought in the Corong Watershed from January to December 2021. The RCDI model stands out with excellent performance in predicting meteorological drought, as indicated by low MAPE (0.834), RMSE (0.740), and MAE (0.540). Its superiority is also evident in handling extreme dependencies among variables, especially in hydrological and agricultural drought, with good performance on NDDI and HDI. The RCDI model, with normalized RMSE values, demonstrates good performance in predicting drought levels with relatively high accuracy, and normalized MAPE values also indicate that the RCDI model provides predictions with low error rates. The model shows good accuracy in forecasting meteorological drought, which can impact water supply in areas such as reservoirs or watersheds. Its excellence lies in understanding extreme dependencies among variables and predicting drought in the Corong Watershed. Its flexibility in handling non-normal distributions and supporting extreme risk forecasting makes this model superior in understanding relationships among variables that can trigger drought conditions.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Standardized Precipitation Evapotranspiration Index, Hydrological Drought Index, Normalized Difference Drought Index, Daerah Irigasi, Kopula, Irrigation Areas, Copula
Subjects:	T Technology > TC Hydraulic engineering. Ocean engineering > TC812 Irrigation
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Civil Engineering > 22001-(S3) PhD Thesis
Depositing User:	Nur Azizah Affandy
Date Deposited:	01 Feb 2024 08:40
Last Modified:	01 Feb 2024 08:40
URI:	http://repository.its.ac.id/id/eprint/105911

Actions (login required)

View Item