![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
ABSTRAK Siti Nur Atiah
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
COVER Siti Nur Atiah
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 1 Siti Nur Atiah
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 2 Siti Nur Atiah
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 3 Siti Nur Atiah
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 4 Siti Nur Atiah
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 5 Siti Nur Atiah
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
PUSTAKA Siti Nur Atiah
PUBLIC Irwan Sofiyan
Dalam perhitungan debit banjir diperlukan data curah hujan yang memadai yang memiliki kualitas dan kuantitas data yang baik. Tetapi terkadang data curah hujan pengamatan tidak memiliki kualitas dan kuantitas data yang cukup baik, atau bahkan tidak tersedia data pos hujan pengamatan pada suatu wilayah tertentu. Untuk menyikapi kendala tersebut pemilihan alternatif data curah hujan yang sering dijadikan sebagai alternatif data yaitu dengan memanfaatkan data curah hujan satelit. Data hujan satelit yang digunakan pada penelitian ini adalah data curah hujan satelit GPM (Global Precipitation Measurement Mission) dengan resolusi ruang spasial 0.1o x 0.1o, dan PERSIANN dengan resolusi spasial 0.04o x 0.04o. Dimana data satelit GPM dan PERSIANN masih memiliki ketelitian data yang lebih tinggi dari satelit lainya (Zhang., dkk., 2018). Analisis yang dilakukan pada penelitian ini yaitu dengan mengecek nilai korelasi atau R2 pada masing-masing data curah hujan satelit. Data yang dinyatakan layak untuk digunakan memiliki nilai R2 > 0,6. Proses koreksi data curah hujan satelit dilakukan dengan menggunakan metode Quantile Mapping, yang divalidasi dengan data kumulatif serta maksimum curah hujan tahunan. Dilakukan dengan mencari indikator nilai RMSE (Root Mean Squared Error) yang terkecil didapatkan pada data curah hujan satelit PERSIAAN (Grid 10) yang sudah terkoreksi dengan nilai RMSE sebesar 0,005. Selanjutnya proses komparasi dilakukan dengan mengecek debit jam-jaman dan debit puncak model terhadap data debit yang sudah divalidasi terlebih dahulu terhadap debit model input data hujan yang terjadi pada hari tersebut. Lalu proses komparasi divalidasi kembali dengan mengecek debit puncak model terhadap data debit (hasil analisis frekuensi). Proses evaluasi debit jam-jaman dilakukan dengan mencari indikator NSE (Nash-Sutcliffe Error) ? 1.
Didapatkan nilai NSE ? 1 yaitu terdapat pada debit model input data hujan satelit PERSIANN terkoreksi pada metode HSS ITB 2 b dengan periode ulang 5 tahun yaitu sebesar 0,13. Sedangankan untuk proses evaluasi debit puncak digunakan indikator nilai error dimana error terkecil terdapat pada hasil evaluasi debit model input data hujan PERSIANN terkoreksi dengan metode HSS ITB 1 b pada periode ulang 5 tahun yaitu sebesar 1,4%.
Dari semua proses evaluasi data curah hujan satelit menyebutkan perhitungan debit banjir dengan input data curah hujan satelit PERSIAAN yang sudah terkoreksi yang memiliki NSE ? 1 serta memiliki nilai error yang paling kecil. Dari hasil evaluasi
data hujan satelit dan berdasarkan penelitian (Ginting, 2019) yang menyebutkan debit puncak banjir yang dihasilkan dari hujan satelit PERSIANN yang memiliki keakuratan yang paling tinggi untuk dijadikan alternatif data curah hujan untuk perhitungan debit banjir.
Sehingga dapat disimpulkan data curah hujan satelit PERSIANN dapat dijadikan alternatif data curah hujan untuk perhitungan debit banjir.