i ABSTRAK PENDUGAAN KARAKTERISTIK BANJIR MENGGUNAKAN INDEKS GEOMORFOLOGI BANJIR BERDASARKA N VARIASI SPASIAL CURAH HUJAN EKSTREM DI PULAU JAWA Oleh Margareta Ajeng Yudhaningtyas NIM: 12819052 (Program Studi Sarjana Meteorologi) Banjir merupakan bencana alam yang sering terjadi di Indonesia, terutama di Pulau Jawa yang memiliki pola curah hujan ekstrem yang kompleks akibat interaksi berbagai faktor seperti meteorologi, hidrologi, dan topografi. Dengan meningkatnya potensi banjir akibat perubahan iklim global, diperlukan metode yang dapat menggambarkan peta daerah rawan banjir secara lebih akurat. Penelitian ini bertujuan untuk menganalisis sensitivitas metode Geomorphology Flood Index (GFI) dalam menggambarkan pola spasial curah hujan ekstrem di Pulau Jawa, guna memberikan informasi yang lebih baik bagi mitigasi bencana dan perencanaan tata ruang. Metode yang digunakan dalam penelitian ini mencakup analisis data Digital Elevation Model (DEM) dan data curah hujan ekstrem dengan periode ulang 2, 5, 10, 25, 50, dan 100 tahun. Penelitian ini mengusulkan dua metode normalisasi yang berbeda dalam mengolah data curah hujan ekstrem, kemudian data tersebut dimasukkan ke dalam alur GFI untuk menghasilkan peta potensi banjir. Analisis dilakukan dengan membandingkan hasil dari kedua metode normalisasi untuk menilai sensitivitas metode GFI terhadap variasi spasial curah hujan ekstrem. Hasil penelitian ini menunjukkan bahwa metode GFI dengan metode normalisasi kedua lebih sensitif dibandingkan dengan normalisasi pertama, ditunjukkan dengan kedalaman dan luas daerah potensi banjir yang lebih besar. Namun, peningkatan luas potensi banjir dari periode 5 hingga 100 tahun dengan metode normalisasi kedua masih kurang signifikan. Hal ini menunjukkan bahwa metode ini masih memiliki keterbatasan dalam menangkap variabilitas curah hujan ekstrem secara optimal sehingga GFI dengan metode normalisasi kedua masih kurang sensitif terhadap variasi spasial curah hujan ekstrem di Pulau Jawa. Oleh karena itu, penggunaan metode GFI dapat ditingkatkan misalnya dengan mempertimbangkan parameter tambahan seperti koefisien limpasan, evaporasi, dsb atau menggunakan metode normalisasi yang berbeda untuk meningkatkan akurasi dalam pemetaan risiko banjir. Kata Kunci: Banjir, curah hujan ekstrem, normalisasi data, Geomorphology Flood Index, pemetaan banjir. ii ABSTRACT ESTIMATION OF FLOOD CHARACTERISTICS BY USING GEOMORPHOLOGICAL FLOOD INDEX BASE D ON SPATIAL VARIATION OF EXTREME RAINFALL IN JAVA ISLAND By Margareta Ajeng Yudhaningtyas NIM: 12819052 (Undergraduate Program in Meteorology) Floods are natural disasters that frequently occur in Indonesia, particularly in Java Island, which has a complex pattern of extreme rainfall due to the interaction of various factors such as meteorology, hydrology, and topography. With the increasing potential for floods due to global climate change, a method is needed to more accurately map flood-prone areas. This study aims to analyze the sensitivity of the Geomorphology Flood Index (GFI) in representing the spatial pattern of extreme rainfall in Java Island, to provide better information for disaster mitigation and spatial planning. The method used in this study includes the analysis of Digital Elevation Model (DEM) data and extreme rainfall data with return periods of 2, 5, 10, 25, 50, and 100 years. This study proposes two different normalization methods for processing extreme rainfall data, which are then incorporated into the GFI framework to generate flood potential maps. The analysis is conducted by comparing the results of both normalization methods to assess the sensitivity of the GFI method to the spatial variation of extreme rainfall. The results of this study indicate that the GFI method with the second normalization approach is more sensitive than the first normalization method, as evidenced by greater flood potential depth and area. However, the increase in flood-prone areas from the 5-year to 100-year return period using the second normalization method remains insignificant. This suggests that the method still has limitations in capturing extreme rainfall variability optimally, making GFI with the second normalization method less sensitive to the spatial variation of extreme rainfall in Java Island.