Pendugaan Parameter Distribusi Gamma Pada Quantile Mapping Menggunakan Self Organizing Map Untuk Koreksi Bias Data Curah Hujan
View/ Open
Date
2017Author
Harsa, Hastuadi
Buono, Agus
Hidayat, Rahmat
Metadata
Show full item recordAbstract
Hujan memiliki pengaruh yang besar pada kehidupan manusia. Aktifitas
manusia sangat tergantung kepada hujan baik langsung maupun tidak langsung.
Sehingga untuk meningkatkan kesejahteraan kehidupan manusia, maka
pemahaman yang baik mengenai hujan perlu dimiliki. Pemahaman tentang hujan
dapat dimulai dari pemahaman terhadap data curah hujan. Data curah hujan tersedia
dari banyak sumber, di antaranya melalui pencatatan langsung kejadian hujan di
permukaan bumi, maupun dari pendekatan melalui transformasi citra satelit.
Data curah hujan hasil estimasi citra satelit merupakan produk suatu
algoritma, sehingga sangat memungkinkan untuk memiliki bias terhadap kejadian
hujan sebenarnya di permukaan bumi. Namun demikian, ketersediaan data estimasi
curah hujan secara spasial temporal lebih baik dibanding data observasi. Data
estimasi satelit tersedia di seluruh permukaan bumi dengan interval spasial yang
homogen, tergantung resolusi masing-masing satelit, sedangkan data observasi
tidak tersedia merata secara spasial. Di lokasi yang jauh dari populasi, keberadaan
lokasi pencatatan curah hujan sangat jarang.
Pada penelitian ini diuraikan mengenai pembentukan data curah hujan baru
yang berasal dari data estimasi hasil transformasi citra satelit, namun telah melalui
prosedur koreksi bias dengan acuan data observasi. Sehingga data estimasi curah
hujan baru tersebut dapat lebih mendekati data observasi. Metode koreksi bias yang
digunakan adalah Quantile Mapping (QM). QM bekerja dengan menyamakan
peluang kemunculan suatu nilai dalam suatu data dengan peluang kemunculan nilai
yang sama di data yang lain. Selain itu, penelitian ini juga menggunakan Self
Organizing Map (SOM) untuk menjalankan prosedur koreksi bias secara spasial.
Algoritma SOM memberikan bahan koreksi terhadap data estimasi secara spasial
yang berasal dari data lokasi titik. Hasil yang didapat menunjukkan bahwa secara
statistik, dataset baru yang dihasilkan memiliki kesalahan yang lebih kecil
dibanding dataset estimasi curah hujan sebelumnya.