digilib@itb.ac.id +62 812 2508 8800

Perencanaan infrastruktur sumber daya air di Pulau Jawa memerlukan kurva Intensitas-Durasi-Frekuensi (IDF) untuk memitigasi risiko bencana hidrometeorologi. Namun, ketersediaan data observasi durasi singkat untuk pembentukan kurva IDF masih sangat terbatas. Data satelit Global Precipitation Measurement (GPM) IMERG dapat menjadi alternatif, meskipun memiliki galat sistematis (bias) bawaan. Pekerjaan ini bertujuan untuk mengoreksi galat sistematis pada data GPM menggunakan metode overall bias dan mengestimasi konstanta persamaan IDF (Chen-Bernard, Chen-Ishiguro, Chen-Kimijima, Chen-Sherman, dan Chen-Talbot) di wilayah daratan Pulau Jawa. Data yang digunakan meliputi produk GPM-IMERG Final Run V07 dan data observasi HadEX2 (indeks Rx1day) periode Juni 2000 hingga September 2025. Metode koreksi overall bias dioptimasi melalui pengujian skenario berbasis rasio dan delta menggunakan Leave-One-Out Cross Validation (LOOCV). Estimasi konstanta IDF (a, b, dan e) tahap awal dilakukan menggunakan metode regresi kuadrat terkecil (least square) yang kemudian diestimasi lebih lanjut dengan metode optimasi melalui algoritma Differential Evolution dan Particle Swarm Optimization (PSO). Kinerja koreksi dan estimasi dievaluasi menggunakan relative Root Mean Square Error (rRMSE). Hasil pekerjaan menunjukkan bahwa koreksi overall bias secara signifikan mampu mereduksi galat data GPM. Skenario koreksi terbaik didapatkan dari data masukan stasiun observasi dengan ketersediaan data ?70% dan ambang batas hujan 100 mm/hari menggunakan faktor rasio, yang berhasil menurunkan rRMSE pada periode ulang 100 tahun dari 60,32% menjadi 39,38%. Dalam penentuan kurva IDF, metode Differential Evolution lebih baik dibandingkan least square dan PSO. Persamaan Chen-Kimijima yang dioptimasi dengan Differential Evolution menjadi persamaan paling optimal untuk Pulau Jawa dengan tingkat galat terendah, yaitu rRMSE yang hanya berkisar 4,68% – 6,05%. Pemanfaatan data GPM terkoreksi overall bias ini memberikan alternatif solusi yang efektif dalam mengatasi keterbatasan data observasi lapangan berdurasi singkat untuk mendukung perencanaan dan analisis hidrologi di Pulau Jawa.