Curah hujan memiliki manfaat yang penting dalam kehidupan. Dengan adanya data hujan dapat mengelola sumber daya air, mempermudah dalam pemodelan hidrologi, dan perencanaan alokasi air untuk berbagai keperluan. Namun, ketersediaan data hujan lapangan cenderung tidak lengkap sehingga kurang bisa diandalkan. Keterbatasan data curah hujan di lapangan dan jumlah stasiun hujan adalah salah satu kendala dalam pemodelan hidrologi. Berdasarkan permasalahan tersebut diperlukan metode alternatif untuk mengatasi keterbatasan data hujan observasi. Teknologi penginderaan jauh dengan satelit mampu mengatasi permasalahan terhadap keterbatasan data hujan tersebut. Penelitian ini bertujuan untuk mendapatkan akurasi antara data hujan satelit Global Precipitation Measurement (GPM) dengan data hujan lapangan. Pemilihan data satelit GPM dengan tipe IMERG dikarenakan memberikan resolusi dan kinerja yang lebih baik dibandingkan dengan jenis data satelit sebelumnya. Pemodelan yang digunakan dalam penelitian ini adalah Jaringan Saraf Tiruan (JST) dengan metode backpropagation. JST adalah salah satu alternatif pemecahan masalah yang mempunyai penampilan karakteristik menyerupai jaringan saraf biologi dan salah satu bentuk kecerdasan buatan yang telah banyak diaplikasikan dalam berbagai bidang. Hasil uji keandalan pemodelan JST antara data hujan satelit GPM 3IMERGDF dan data hujan observasi menunjukkan hubungan yang kuat dan memberikan hasil yang cukup memuaskan, sehingga model ini cukup akurat dalam pendugaan curah hujan harian. Berdasarkan penelitian ini, pemodelan data curah hujan satelit dengan JST dapat digunakan untuk menggantikan data curah hujan observasi yang hilang dan dapat dimanfaatkan sebagai input pemodelan hidrologi.

Recent Submissions

View more