Koreksi Bias Data Hujan Satelit Persiann Sebagai Alternatif Pos Stasiun Hujan dengan Pendekatan Quantile Mapping di Sub Das Brantas Hulu

Almira, Aufa Hanan (2024) Koreksi Bias Data Hujan Satelit Persiann Sebagai Alternatif Pos Stasiun Hujan dengan Pendekatan Quantile Mapping di Sub Das Brantas Hulu. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6012201050-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (13MB) | Request a copy

Abstract

Analisis hidrologi sangat penting dilakukan untuk memperoleh debit
andalan berdasarkan variasi kala ulang tertentu agar memperoleh desain dan
dimensi bangunan yang sesuai (SNI 1724:2015) . Indonesia mencatat bahwa 1.295
hektar kawasan hutan di Kota Batu sudah berganti dan rusak akibat alih fungsi lahan
untuk tempat wisata, pemukiman warga, ladang pertanian dan juga tegalan.
Sehingga dengan adanya perubahan tata guna lahan pada tanggal 04 November
2021 Kecamatan Bumiaji Batu mengalami banjir bandang. Hal ini dapat menjadi
salah satu faktor rusaknya alat penakar hujan selain penakar hujan yang masih
manual dan dapat menyebabkan resiko pada kesalahan pencatatannya.
Seiring dengan berkembangnya teknologi yang ada, data hujan citra satelit
dapat digunakan sebagai alternatif untuk mengatasi masalah ketesediaan data hujan
yang ada. Perkiraan curah hujan dengan data satelit menawarkan keuntungan
penting dalam hal akurasi, cakupan spasial, ketepatan waktu dan efisiensi biaya.
Salah satu yang dapat dilakukan dengan menggunakan data citra satelit
PERSIANN. Tetapi dengan keberadaan curah hujan satelit sebagai alternatif stasiun
hujan masih mungkin terdapat bias antara kedua data tersebut, sehingga perlu
dilakukan koreksi bias untuk mengurangi bias antara kedua data dan membuat data
alternatif mendekati data stasiun hujan. Pendekatan yang dilakukan dalam
melakukan koreksi bias yaitu menggunakan metode Quantile Mapping.

Hasil dari pengujian kalibrasi perlu dilakukan pengujian stastistik sebelum
terkoreksi yang akan digunakan sebagai pembanding untuk data setelah terkoreksi.
Untuk mendapatkan data setelah terkoreksi dapat dilakukan dengan melakukan
fitQmapQUANT untuk membuat data citra satelit mendekati data stasiun hujan.
Untuk mengetahui perbedaan tingkat eror sebelum dan sesudah terkoreksi perlu
dilakukan perhitungan selisih pada pengujian statistic berupa koefisien korelasi (r),
normalized root mean square error (NRMSE) dan normalized mean absolute error
(NMAE). Sehingga didapatkan nilai pengujian statistic PERSIANN CCS memiliki
nilai tertinggi dibandingkan skenario yang lain. Selanjutnya dilakukan uji verifikasi
untuk mengafirmasi model regresi quantile mapping yang telah dikalibrasi pada
tahun 2019 dan 2020. PERSIANN CCS memiliki nilai tertinggi disetiap periodenya
secara merata sehingga regeresi linier pada skenario tersebut yang akan digunakan
untuk pengujian verifikasi. Pada pengujian verifikasi, menunjukkan peningkatan
koefisien korelasi dari 0.387 ke 0.43 (harian) dan 0.887 ke 0.915 (bulanan). Selain
itu, terdapat penurunan normalized root mean square error (NRMSE) dari 31.03%
ke 16.91% (harian) dan 46.03% ke 14.03% (bulanan). Penurunan normalized mean
absolute error (NMAE) terjadi dari dari 16.12% ke 9.74% (harian) dan 31.67% ke
10.07% (bulanan). Sehingga didapatkan bahwa model regresi quantile mapping
PERSIANN CCS menjadi yang terbaik dalam memperbaiki kualitas data.



Kata Kunci : Citra satelit, stasiun hujan, PERSIANN (Precipitation Estimation from
Remotely Sensed Information using Artificial Neural Network), koreksi bias,
quantile mapping.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Citra satelit, stasiun hujan, PERSIANN (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Network), koreksi bias, quantile mapping.
Subjects:	Q Science > Q Science (General) > Q180.55.M38 Mathematical models
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Civil Engineering > 22101-(S2) Master Thesis
Depositing User:	AUFA HANAN ALMIRA
Date Deposited:	16 Feb 2024 08:25
Last Modified:	16 Feb 2024 08:25
URI:	http://repository.its.ac.id/id/eprint/107405

Actions (login required)

View Item