KOREKSI BIAS DATA CURAH HUJAN SATELIT PADA DAERAH PESISIR DAN PEGUNUNGAN KOTA PADANG

Ramadhani, Indah (2026) KOREKSI BIAS DATA CURAH HUJAN SATELIT PADA DAERAH PESISIR DAN PEGUNUNGAN KOTA PADANG. S2 thesis, Universitas Andalas.

	Text (01. Cover dan Abstrak) 01. Cover dan Abstrak.pdf - Published Version Download (718kB)
	Text (02. Bab I) 02. Bab I.pdf - Published Version Download (1MB)
	Text (03. Bab IV) 03. Bab IV.pdf - Published Version Download (9MB)
	Text (04. Daftar Pustaka) 04. Daftar Pustaka.pdf - Published Version Download (1MB)
	Text (05. Thesis Fulltext) 05. Thesis Fulltext.pdf - Published Version Restricted to Repository staff only Download (35MB) | Request a copy

Abstract

Data curah hujan satelit dapat menjadi alternatif dalam memenuhi kebutuhan data curah hujan, namun masih memiliki bias terhadap data observasi, terutama akibat perbedaan karakteristik topografi. Penelitian ini bertujuan untuk mengoreksi bias data curah hujan satelit GPM IMERG dan CHIRPS pada daerah pesisir dan pegunungan Kota Padang serta menentukan metode koreksi dan produk satelit dengan performa terbaik. Metode koreksi bias yang digunakan adalah Linear Scaling (LS), Local Intensity Scaling (LIS), dan Quantile Mapping (QM). Kinerja hasil koreksi dievaluasi menggunakan R, NRMSE, NMAE, MBE, NSE, RB, POD, FAR, dan CSI serta berdasarkan kategori curah hujan ringan, sedang, dan ekstrem. Hasil penelitian menunjukkan bahwa faktor koreksi LS dan LIS bervariasi berdasarkan waktu, lokasi, dan produk satelit. Pada daerah pesisir, nilai koefisien korelasi Pearson (R) tertinggi mencapai 0,89 pada GPM-QM dan 0,86 pada CHIRPS-QM, sedangkan pada daerah pegunungan mencapai 0,82 pada GPM-LS/LIS dan 0,73 pada CHIRPS-QM. Metode LS menunjukkan kinerja statistik yang paling konsisten, dengan NRMSE GPM terendah sebesar 4,66% di pegunungan dan 5,14% di pesisir, serta MBE dan RB mendekati nol. Sementara itu, QM lebih baik dalam merepresentasikan curah hujan ekstrem dan kemampuan deteksi kejadian hujan. Secara keseluruhan, GPM IMERG menunjukkan performa lebih baik dibandingkan CHIRPS. Oleh karena itu, GPM IMERG dengan LS lebih direkomendasikan untuk penggunaan umum, sedangkan QM lebih sesuai untuk analisis curah hujan ekstrem. Kata kunci: koreksi bias, GPM IMERG, CHIRPS, Linear Scaling, Local Intensity Scaling, Quantile Mapping.

Actions (login required)

View Item