Evaluasi Metode Koreksi Bias Data GSMaP Berdasarkan Data Ground Terbatas (Studi Kasus DAS Bengawan Solo Hulu)

Oleh :
Dicky Lutfi Makhfudzi - S942408003 - Fak. Teknik

Penelitian ini bertujuan mengevaluasi kinerja metode koreksi bias pada data hujan GSMaP (Global Satellite Mapping of Precipitation) di wilayah dengan keterbatasan data ground. Data hujan satelit memiliki keunggulan dalam cakupan spasial dan temporal, namun masih mengandung bias yang dapat memengaruhi akurasi analisis hidrologi. Oleh karena itu, koreksi bias dilakukan menggunakan metode linear scaling (LS), local intensity scaling (LOCI), parametric transformation (PT), dan quantile mapping (QM) dengan memanfaatkan data ground sebagai acuan pada berbagai kondisi ketersediaan data. Analisis dilakukan dengan membandingkan data GSMaP sebelum dan sesudah koreksi bias terhadap data ground, serta mengevaluasi pengaruhnya terhadap estimasi hujan efektif untuk tanaman (Re), hujan kala ulang (XT), dan hujan maksimum boleh jadi (HMBJ). Kinerja setiap metode dievaluasi menggunakan coefficient of correlation (CC), percent bias (PBias), Nash–Sutcliffe efficiency (NSE), root mean squared error (RMSE), dan mean absolute error (MAE). Hasil penelitian menunjukkan bahwa GSMaP sebelum koreksi memiliki median PBias sebesar −18,0% untuk besaran hujan keseluruhan dan 43,0% untuk hujan harian maksimum tahunan, sedangkan GSMaPgc menunjukkan median PBias masing-masing sebesar −6,0% dan −17,7%. Pada kombinasi stasiun dan periode yang diuji, metode PT dan QM secara umum menunjukkan kinerja yang lebih konsisten dibandingkan LS dan LOCI, terutama dalam merepresentasikan karakteristik hujan ekstrem, meskipun metode dengan kinerja terbaik dapat berbeda sesuai tujuan analisis. Penggunaan data ground di dalam DAS juga cenderung memberikan hasil yang lebih baik dibandingkan penggunaan data di luar DAS pada kombinasi stasiun yang diuji. Namun demikian, seluruh estimasi HMBJ masih menunjukkan nilai NSE negatif sehingga belum layak digunakan sebagai satu-satunya dasar perencanaan atau desain hidrologi. Dengan demikian, data GSMaP yang telah dikoreksi bias berpotensi digunakan sebagai data pendukung di wilayah dengan keterbatasan data ground setelah dikalibrasi dan divalidasi menggunakan data ground yang relevan, dengan pemilihan metode koreksi disesuaikan dengan tujuan analisis dan karakteristik hujan yang dikaji.