Koreksi Bias Data Chirps Untuk Pemetaan Zona Agroklimat Tipe Schmidt-Ferguson Kabupaten Jember

Abstract

Klasifikasi zona agroklimat Schmidt-Ferguson berperan penting dalam sektor pertanian, namun informasi mengenai zona tersebut di Kabupaten Jember masih terbatas akibat distribusi stasiun hujan yang tidak merata. Data CHIRPS dapat digunakan sebagai alternatif dengan cakupan spasial-temporal yang luas, namun mengandung bias terhadap data observasi lapangan. Penelitian ini bertujuan untuk (1) menganalisis dan mengevaluasi hasil koreksi bias data CHIRPS terhadap data dari stasiun pengukur curah hujan di Kabupaten Jember, dan (2) mengklasifikasikan zona agroklimat Schmidt-Ferguson menggunakan data CHIRPS yang telah dikoreksi. Metode koreksi bias yang digunakan meliputi Multiple Linear Regression (MLR), Linear Scaling (LS), dan Empirical Quantile Mapping (EQM) dengan data bulanan periode 2014–2023. Evaluasi dilakukan menggunakan korelasi Pearson, NSE, RMSE, MAE, average bias, index of agreement, dan confidence index. Data terkoreksi terbaik kemudian diinterpolasi dengan metode IDW dan diklasifikasi berdasarkan rasio bulan basah dan bulan kering. Hasil menunjukkan bahwa MLR memberikan hasil koreksi terbaik dengan korelasi 0,998, confidence index 0,997 (Excellent), dan bias yang hampir nol. Zona agroklimat berdasarkan CHIRPS yang telah dikoreksi MLR di Kabupaten Jember terbagi menjadi tipe C (iklim agak basah) di wilayah utara-tengah dan tipe D (iklim sedang) di wilayah selatan-barat.