Hasil Pencarian  ::  Simpan CSV :: Kembali

"Rainfall is the primary input into rainfall-runoff modeling. Previous work indicates that the accurate representation of rainfall in time and space is important due to its influence on the hydrological response. The objective of this study is to evaluate the relevance of theoretical indices of spatial rainfall variability and the theoretical criteria of the hydrological response proposed by Emmanuel et al. (2015) in a real case study. The distributed model CINECAR has been chosen to accommodate the spatial discretization of hydrological data. The production function of the model adopts the Soil Conservation Service-Curve Number method, while the transfer function is based on a kinematic wave model. The simulations used weather radar data and also their average over the watershed, with a data resolution of 1×1 km2. They were conducted on the basis of 13 watersheds in the Gard region and four events in 2008 for each watershed. The difference between the distributed and averaged hydrographs obtained from the CINECAR model were calculated using two criteria, namely the difference in peak discharge (LQ) and the difference in peak time (TQ). The values of LQ and TQ represent the influence of spatial rainfall variability on the hydrological response. The spatially distributed rainfall was analyzed based on the values of its maximum Horizontal and Vertical Gab (HG and VG) to watershed centroid acting as indices, as proposed by Emmanuel. The analysis of the influence of spatial rainfall variability on the watershed response was conducted by quantification of the averaged and distributed hydrographs using the proposed indices and criteria. The results show that value of LQ rises by more than 50% for some events, and that TQ shows different times to peak between the average and distributed hydrographs. The values of the HG and VG indices accurately describe the rainfall distribution in the watershed. Therefore, these criteria and indices are effective in quantifying the influence of spatial rainfall variability on the hydrological modeling in particular events which are affected by rainfall distribution."

"ABSTRAKKeakuratan data hujan secara spasial dan temporal merupakan faktor yang penting dalam model hidrologi, terutama dalam prediksi banjir dan sistem peringatan dini banjir . Radar memberikan informasi yang lebih detail secara spasial dan temporal yang tidak dapat diperoleh dari stasiun hujan. Penelitian tentang pengaruh sebaran spasial hujan telah diteliti lebih dari 40 tahun yang lalu, akan tetapi masih menghasilkan kesimpulan yang kontradiktif. Guillermo., et al., 1985 menyatakan bahwa data sebaran hujan secara spasial dibutuhkan dalam studi hidrologi antara lain pada analisis neraca air, prediksi aliran melalui model hujan-aliran dan model hidrometeorologi. Anquetin., et al., 2010 , Tramblay., et al., 2011 , dan Zoccatelli., et al., 2010 mengulas bahwa sebaran spasial hujan faktor yang sangat penting dalam respon hidrologi. Sebaliknya, penelitian dari D.Tetzlaff., et al., 2005 , Nicotina., et al., 2008 , Adams., et al., 2012 dan Cristiano., et al., 2016 menyatakan bahwa pola hujan dan sebaran hujan bukan merupakan faktor penting yang mempengaruhi respon hidrologi. Emmanuel., et al., 2015 meneliti lebih lanjut pengaruh sebaran spasial hujan pada respon hidrologi daerah tangkapan air DTA hipotetik menggunakan model hidrologi spasial, dimana 900 variasi peristiwa hujan hipotetik disimulasikan pada 11 variasi konfigurasi DTA hipotetik. Berdasarkan hasil simulasi 9900 kombinasi peristiwa hipotetik tersebut, Emmanuel., et al mengusulkan dua indeks yang dapat menggambarkan pengaruh sebaran spasial hujan pada respon hidrologi DTA hipotetik yaitu : VG: vertical gab; HG: horizontal gab.Penelitian ini difokuskan pada kondisi riil daerah tangkapan air DTA , khususnya untuk peristiwa-peristiwa hujan lebat yang menghasilkan banjir bandang, dengan tujuan: untuk mengevaluasi kinerja indeks pengaruh sebaran spasial hujan yang diusulkan oleh Emmanuel et al, mengusulkan modifikasi indeks pengaruh sebaran spasial hujan yang diusulkan oleh Emmanuel et al., berdasarkan optimasi hasil simulasi, mensintesis relevansi indeks pengaruh sebaran spasial hujan yang dimodifikasi pada model hidrologi lump hidrograf satuan .Hasil yang diperoleh dari simulasi sangat tergantung pada sebaran spasial hujan dan intensitasnya. Untuk beberapa peristiwa hujan tersebar merata, debit puncak banjir untuk hujan dengan sebaran merata mendekati debit banjir hujan tersebar spasial. Untuk beberapa peristiwa hujan, perbedaan antara dua keadaan tersebut dapat mencapai lebih dari 50 . Perhitungan dari kriteria dapat menggambarkan dengan baik sebaran spasial hujan dan mengindikasikan tipe dari sebaran spasial yang dapat mempengaruhi respon suatu DTA. Untuk kejadian yang diwakili oleh DTA Ales pada tanggal 19 Oktober 2008, pengaruh sebaran spasial hujan terlihat siknifikan, hal ini direpresentasikan dengan baik oleh indeks dan kriteria. Nilai indeks dan kriteria sesuai dengan teori yang diusulkan. Akan tetapi pada peristiwa hujan merata, nilai indeks dan kriteria tidak sesuai. Pada saat nilai VG mendekati nol spasial dan merata dapat diabaikan akan tetapi nilai dari kriteria LQ tidak dapat diabaikan 25 . Hal ini menunjukan bahwa ada parameter lain yang juga mempengaruhi respon hidrologi pada suatu DTA. Hasil simulasi indeks yang diusulkan oleh Emmanuel et.al menunjukkan bahwa untuk beberapa hujan yang tersebar merata tidak menghasilkan kesesuaian antara indeks dan kriteria akibat pengabaian parameter fisik DTA. Penambahan karakteristik DTA pada perhitungan indeks menghasilkan kesesuaian antara indeks dengan kriteria. Pernggunaan hujan efektif pada perhitungan indeks disimulasikan baik pada kondisi hujan spasial maupun hujan merata. Perhitungan hujan efektif dilakukan berdasarkan metode SCS-CN. Indeks yang diusulkan oleh Emmanuel et.al dapat menggambarkan pengaruh sebaran spasial hujan pada respon hidrologi DTA dengan kondisi hipotetik. Akan tetapi pada kondisi riil, kinerja indeks tersebut tidak optimum. Dengan modifikasi indeks pengaruh sebaran hujan yang memperhitungkan karakteristik fisik DTA, menghasilkan kinerja yang optimum untuk mengases pengaruh sebaran spasial hujan pada respon hidrologi. Sintesis indeks pengaruh sebaran hujan pada lump model HSS Nakayasu mengindikasikan bahwa pada peristiwa hujan yang tersebar secara spasial spatialy distributed , model ini tidak relevan.

---

ABSTRACTRainfall is the main input in the hydrological modeling. Accurate representation of rainfall in time and space is essential for rainfall-runoff modeling because it affects the hydrological responses. Many researchers have been observing the influence of spatial rainfall variability since many years ago, however the contradictive result still obtained. Various studies compare the performance of hydrological models obtained from different rainfall type in order to introduce the influence of rainfall measurement errors in hydrology.The consideration of spatial rainfall variability in hydrological modeling is not only an important scientific issue for researcher, but also requests from managers of urban sewage networks or hydrologic services who have interest about real time weather radar images. In order to get accurate rainfall data in time and space, the study about weather radar images has been developing detailed knowledge on rainfall spatial variability which is not available with rain gauge networks. Several researches have been developing study about the quality of weather radar measurement and the benefit of using weather radar observation.In order to predict the surface runoff on the whole system, it is necessary to use advance calculation and modeling techniques. Many hydrological models have been developed to simplify that conceptual. Based on the time scale hydrological models can be classified into event-based and continuous simulation. Event based is focus on determining runoff responses from single storm rainfall event . The advantageous are important for design and forecasting purposes and simplified the process descriptions less physical basis .Concerning on the analysis of influence of rainfall spatial variability on the watershed response, the rainfall variability Indices have been used to stratify the analysis. Several distributed modelling studies have considered the impact of spatial rainfall variability on modelled hydrograph. Spatial rainfall variability index was developed in order to explain the impact of spatial rainfall variability on the hydrological response. This research was focused on the real catchment area at Gard Region wich have intens rainfall event that caused flash flood. Based on the previouse research, the objective of this research are:To evaluate the performance of theoretical index of Emmanuel et al that already shown the good explanation of spatial rainfall variability on the simulated watershed and rainfall . Since the watershed parameter and rainfall are uncontrollable in the real condition, the performance of those Indices will be difference also.To propose the indexed modification based on the result of the real case study Indices simulation.To synthesize the relevance of the Indices on the lump model according to the observation data. The distributed model CINECAR has been chosen to accommodate the spatial discretization of hydrological data. The production function of the model adopts the Soil Conservation Service-Curve Number method, while the transfer function is based on a kinematic wave model. The simulations used weather radar data and also their average over the watershed, with a data resolution of 1 1 km2. They were conducted on the basis of 13 watersheds in the Gard region and four events in 2008 for each watershed. The difference between the distributed and averaged hydrographs obtained from the CINECAR model were calculated using two criteria, namely the difference in peak discharge LQ and the difference in peak time TQ . The values of LQ and TQ represent the influence of spatial rainfall variability on the hydrological response. The spatially distributed rainfall was analyzed based on the values of its maximum Horizontal and Vertical Gab HG and VG to watershed centroid acting as indices, as proposed by Emmanuel. Since the simulation of the proposed Indices do not have the satisfactory result on some rainfall event, the modification of their Indices needed to get the better analyze about the influence of spatial rainfall variability. The modification Indices computation, the effective rainfall calculation has been done by considering to SCS-CN method over the catchment. The effective rainfall calculated both on the average and distributed rainfall data. The result of several simulation of modification index shown the better performance on the real case study than the previous index.Since in Indonesia has a limitation on the distributed rainfall data, lumped conceptual modelling that represent on the unit hydrograph over the catchment can accommodate that limitation. The Nakayasu method, a synthetic unit hydrograph method that often used to calculate the peak discharge in Indonesia. In this case, nakayasu computation will be applied on the gard region in order to discover the difference when using the distributed hydrological model and lump model. Nakayasu method will represent the averaged method of hydrological model. With the assumption that the data which obtained from Indices calculation is a normal distribution data, the average value of VG can provide a max discharge of lump model close to the max discharge of distributed model."

"Tulisan ini membahas tentang tren dan erosivitas hujan di DAS Batanghari. Fenomena erosivitas merupakan isu penting dalam pengelolaan DAS, dan sangat penting untuk menentukan tren erosivitas hujan dan dampaknya terhadap lingkungan. Meningkatnya frekuensi dan intensitas kejadian hujan, akibat perubahan iklim, telah menimbulkan kekhawatiran akan dampaknya terhadap erosi tanah di DAS Batanghari. Data Curah hujan dari data CHIRPS bersamaan dengan data dari stasiun hujan di seluruh DAS Batangahri periode 1981-2021 dipakai untuk menghitung nilai erosivitas hujan di DAS Batangahari. Metode BOIS merupakan metode persamaan yang digunakan untuk menghitung indeks erosivitas hujan. Erosivitas hujan adalah kemampuan hujan untuk mengeroskan suatu daerah, semakin besar hujan didaerah tersebut maka indeks erosivitas hujan nya akan semakin besar juga. Hasil penelitian menunjukkan tidak adanya tren signifikan dalam erosivitas hujan dari tahun 1981 hingga 2021. Namun, mayoritas stasiun hujan di daerah tersebut mengalami penurunan erosivitas hujan.

---

This paper discusses trends and rainfall erosivity in the Batanghari watershed in Indonesia is an important issue in watershed management, and it is critical to determine trends in rainfall erosivity and its impact on the environment. The increasing frequency and intensity of rainfall events, due to climate change, has raised concerns about its impact on soil erosion in the Batanghari watershed. Rainfall data from CHIRPS data together with data from rainfall stations across the Batangahri watershed for the period 1981-2021 were used to calculate rainfall erosivity values in the Batangahari watershed. Rainfall erosivity is the ability of rain to erode an area, the greater the rainfall in the area, the greater the rainfall erosivity index. The results showed no significant trend in rainfall erosivity from 1981 to 2021. However, the majority of rainfall stations in the area experienced a decrease in rainfall erosivity."

"Curah hujan merupakan salah satu unsur iklim yang sangat bervariasi terhadap ketinggian dalam distribusi spasial dan temporalnya. Distribusi curah hujan spasial dan temporal didapatkan dari radar cuaca dan stasiun observasi. Melalui pemetaan spasial dan temporal penelitian ini akan mengungkapkan perbandingan distribusi curah hujan antara radar cuaca dengan stasiun observasi curah hujan terhadap ketinggian. Hasil pengolahan data menunjukan distribusi curah hujan terbanyak pada ketinggian 500-1.000 mdpl dimana semakin tinggi ketinggian tempat maka distribusi curah hujannya semakin menurun baik dari hasil radar cauca maupun stasiun observasi. Analisis temporal memberikan hasil kesamaan waktu kejadian curah hujan tertinggi dari radar cuaca dan stasiun observasi pada pukul 12:00 sampai 18:00.

---

Rainfall is one of the climate element that highly variable from elevation in spatial and temporal distribution. The spatial and temporal rainfall distribution obtained from weather radar and observation stations. This research will reveal rainfall distribution comparison between weather radar with rainfall observation station of elevation. Through spatial and temporal mapping of.

The results of data processing shows rainfall distribution at an altitude 500-1.000 meters above sea level where the higher altitude of the distribution of rainfall decreases both from the weather radar and observation stations. Temporal analysis provides results in common occurrence time of the highest rainfall weather radar and weather observation station at 12:00 to 18:00."

"Curah hujan mempunyai dampak yang signifikan terhadap berbagai sektor kehidupan dan lingkungan. Misalnya, curah hujan membantu meningkatkan produktivitas pertanian, menjamin cadangan pangan dan air. Selain itu, curah hujan juga mempengaruhi kekeringan dan siklus air tanah. Oleh karena itu, mengetahui cara memperkirakan curah hujan di suatu daerah secara akurat sangat penting. Salah satu cara memperkirakan curah hujan adalah dengan menggunakan radar cuaca yang mengukur nilai reflektivitas, kemudian menggunakan persamaan Z-R untuk menghitung curah hujan yang terjadi. Namun, beberapa penelitian sebelumnya telah menggunakan model estimasi curah hujan kuantitatif dengan machine learning dari data radar hujan karena dapat memberikan prediksi yang lebih akurat dibandingkan persamaan Z-R. penelitian lain menyatakan bahwa gradient boosting menghasilkan estimasi curah hujan yang lebih akurat dibandingkan beberapa algoritma lainnya. Pada penelitian ini, estimasi curah hujan dilakukan pada satu wilayah dengan tipe curah hujan lokal di Kota Gorontalo. Estimasi ini dilakukan dengan membandingkan keakuratan dua metode: persamaan Z-R dan algoritma machine learning. Persamaan Z-R yang digunakan adalah persamaan Z-R oleh Marshall-Palmer (𝐴 = 200, 𝑏 = 1.6) dan Rosenfeld (𝐴 = 250, 𝑏 = 1.2), sedangkan algoritma machine learning yang digunakan adalah gradient boosting. Hasil perbandingan menunjukkan bahwa gradient boosting memberikan estimasi yang lebih akurat dibandingkan dengan kedua persamaan Z-R tersebut. Hasil estimasi algoritma gradient boosting memberikan nilai RMSE, MAE, dan R 2 masing-masing sebesar 0,61, 0,17, dan 0,86. Persamaan Marshall-Palmer Z-R menghasilkan nilai RMSE, MAE, dan R 2 sebesar 8,14, 3,66, dan -0,19. Estimasi persamaan Z-R Rosenfeld menghasilkan nilai RMSE, MAE, dan R 2 sebesar 8,18, 3,71, dan -0,20. Dari ketiga metrik tersebut, dapat disimpulkan bahwa gradient boosting memberikan estimasi yang paling akurat untuk curah hujan di wilayah dengan tipe hujan lokal di Kota Gorontalo.

---

Rainfall has a significant impact on various sectors of life and the environment. For example, rainfall helps increase productivity in agriculture, ensuring food reserves and water. In addition, rainfall also affects drought and the soil water cycle. Therefore, knowing how to estimate rainfall in an area accurately is essential. One way to estimate rainfall is to use a weather radar that measures reflectivity values, then use the Z-R equation to calculate the rainfall that occurs. However, Several previous studies have used machine learning quantitative rainfall estimation models from rain radar data because it can provide more accurate predictions than the Z-R equation. Another study state that gradient boosting provides more accurate rainfall estimation than several other algorithms. In this study, rainfall estimation was carried out in an area with local rainfall types in Gorontalo City. This estimation is done by comparing the accuracy of two methods: the Z-R equation and machine learning algorithms. The Z-R equation used is the Z-R Equation by Marshall-Palmer (𝐴 = 200, 𝑏 = 1.6) and Rosenfeld (𝐴 = 250, 𝑏 = 1.2), while the machine learning algorithm used is gradient boosting. The comparison results show that gradient boosting provides a more accurate estimation than the two ZR equations. The gradient boosting algorithm estimation results provide RMSE, MAE, and R 2 values of 0.61, 0.17 and 0.86, respectively. The Marshall-Palmer Z-R equation obtained RMSE, MAE, and R 2 values of 8.14, 3.66, and -0.19. The estimation of Rosenfeld's Z-R equation resulted in RMSE, MAE, and R 2 values of 8.18, 3.71, and - 0.20. From these three metrics, it is concluded that gradient boosting provides the most accurate estimate for rainfall in areas with localized rainfall types in Gorontalo City."

"Hujan merupakan salah satu parameter penting dalam proses hidrologi. Pengukuran curah hujan oleh stasiun pengukur hujan belum dapat mewakili sebaran spasial dan temporal. Di daerah pegunungan, sebaran spasial hujan sangat bervariasi dan cenderung lebih tinggi dibandingkan daerah dengan topografi yang lebih rendah. DAS Ciliwung bagian hulu terletak di area pegunungan dengan elevasi 297-2982 mdpl, sedangkan area hilir terletak di area dekat pantai dengan elevasi 0-25 mdpl. Lokasi penelitian ini dilakukan di DAS Ciliwung karena salah satu DAS paling kritis di Indonesia dengan masifnya pembangunan yang berpengaruh terhadap fenomena banjir di bagian hilir, yaitu Jakarta. Radar cuaca merupakan salah satu instrumen yang dapat merepresentasikan kondisi spasial dan temporal hujan dengan lebih baik. Namun, setelah dievaluasi data curah hujan berbasis radar cuaca belum sesuai terhadap data stasiun pengukur hujan. Oleh karena itu, penelitian ini bertujuan untuk melakukan koreksi dan evaluasi kesesuaian data curah hujan berbasis radar cuaca terhadap stasiun pengukur hujan di DAS Ciliwung. Data yang digunakan adalah data sekunder berupa data curah hujan dari radar cuaca C-Band dan stasiun pengukur hujan di 6 titik area hulu dan 9 titik area hilir. Metode koreksi data curah hujan berbasis radar cuaca menggunakan metode koreksi kalibrasi. Uji kesesuaian dilakukan menggunakan tiga metode, yaitu Nash Sutcliffe Efficiency (NSE), Root Mean Square Error (RMSE), dan Percent Bias (PBias). Perolehan hasil NSE, RMSE, dan PBias menggunakan data curah hujan radar cuaca setelah dikoreksi menunjukkan bahwa metode koreksi kalibrasi yang digunakan mampu meningkatkan tingkat akurasi dan keandalan data curah hujan secara signifikan walaupun di beberapa titik penelitian secara numerik masih belum memenuhi persyaratan. Hasil terbaik terdapat di Stasiun Pulomas yang ditandai dengan perubahan nilai NSE dari 409,06 menjadi 0,62; nilai RMSE dari 574,66 menjadi 17,54; dan nilai PBias dari 2062,02 menjadi -30,84. Secara tren pencatatan data curah hujan juga sudah sesuai dengan data stasiun pengukur hujan sehingga mampu menggambarkan pola hujan di DAS Ciliwung.

---

Rain is one of the important parameters in the hydrological process. Rainfall measurements by rain measuring stations cannot yet represent spatial and temporal distribution. In mountainous areas, the spatial distribution of rainfall varies greatly and tends to be higher than in areas with lower topography. The upstream part of the Ciliwung watershed is located in a mountainous area with an elevation of 297-2982 meters above sea level, while the downstream area is located in an area near the coast with an elevation of 0-25 meters above sea level. The location of this research was carried out in the Ciliwung watershed because it is one of the most critical watersheds in Indonesia with massive development that affects the phenomenon of flooding downstream, namely Jakarta. Weather radar is one of the instruments that can better represent the spatial and temporal conditions of rain. However, after evaluation, rainfall data based on weather radar is not in accordance with the data of rain measuring stations. Therefore, this study aims to correct and evaluate the suitability of weather radar-based rainfall data for rain measuring stations in the Ciliwung watershed. The data used is secondary data in the form of rainfall data from C-Band weather radar and rain measuring stations at 6 points in the upstream area and 9 points in the downstream area. The rainfall data correction method based on weather radar uses the calibration correction method. The conformity test was carried out using three methods, namely Nash-Sutcliffe Efficiency (NSE), Root Mean Square Error (RMSE), and Percent Bias (PBias). The results of NSE, RMSE, and PBias using weather radar rainfall data after correction show that the calibration correction method used is able to significantly improve the accuracy and reliability of rainfall data even though at some research points numerically it still does not meet the requirements. The best results were found at Pulomas Station which was marked by a change in the NSE value from -409.06 to 0.62; RMSE value from 574.66 to 17.54; and the PBias value from 2062.02 to -30.84. In terms of the trend of recording rainfall data, it is also in accordance with the data of rain measuring stations so that it is able to describe rainfall patterns in the Ciliwung watershed."

"Curah hujan merupakan unsur iklim yang memiliki keragaman dan fluktuasi yang tinggi di Indonesia. Hal ini membuat curah hujan merupakan unsur iklim yang paling dominan untuk mencirikan iklim di Indonesia. Berdasarkan gerakan udara naik untuk membentuk awan, terdapat tiga tipe hujan yaitu konvektif, orografik, dan gangguan. Pengukuran terhadap curah hujan dapat dilakukan dalam berbagai metode, salah satunya dengan menggunakan pengukuran jarak jauh yaitu radar (Radio Detecting and Ranging). Pada studi ini dilakukan perhitungan radar cuaca dengan menggunakan machine learninguntuk mengkaji keakuratan perhitungan data radar cuaca terhadap estimasi curah hujan di Pulau Biak, Indonesia. Produk dari radar cuaca merupakan data reflektifitas (Z). Penggunaan machine learning ini diterapkan pada data reflektifitas radar cuaca dimana data yang digunakan adalah C-MAX atau Column Maximum. Data curah hujan pada periode Desember 2021 sampai Februari 2022 di Kabupaten Biak diolah menggunakan algoritma yang berbeda, yaitu Decision Tree, Random Forest, Adaptive Boosting, Gradient Boosting Extreme Gradient Boosting. Hasil dari studi ini akan menunjukkan algoritma terbaik yang dapat digunakan untuk memprediksi estimasi curah hujan konvektif di Pulau Biak, Indonesia. Berdasarkan penelitian yang sudah dilakukan, didapatkan hasil R2 pada algoritma Decision Tree sebesar 0,70; Random Forest 0,60; Adaptive Boosting sebesar 0,42; Gradient Boosting sebesar 0,71 dan Extreme Gradient Boosting sebesar 0,73. Hasil analisis menunjukkan bahwa algoritma Extreme Gradient Boosting dapat memberikan estimasi curah hujan paling baik di Pulau Biak, Indonesia.

---

Rainfall is an element of climate with high diversity and fluctuation in Indonesia. This makes rainfall the most dominant climate element to characterize the climate in Indonesia. Based on the movement of rising air to form clouds, there are three types of rain: convective, orographic, and disturbance. Rainfall can be measured in various methods, one of which is by using remote measurement, namely radar (Radio Detecting and Ranging). In this study, weather radar calculations were carried out using machine learning to assess the accuracy of weather radar data calculations on the estimated rainfall value on Biak Island, Indonesia. The product of weather radar is reflectivity (Z) data. The use of machine learning is applied to weather radar reflectivity data where the data used is C-MAX or Column Maximum. Rainfall data from December 2021 to February 2022 in Biak Regency is processed using five different algorithms: Decision Tree, Random Forest, Adaptive Boosting, Gradient Boosting, and Extreme Gradient Boosting. The result of this study will show the best algorithm that can be used to predict convective rainfall estimation in Biak Island, Indonesia. Based on the research that has been done, the R2 results obtained on the Decision Tree algorithm of 0.70; Random Forest 0.60; Adaptive Boosting of 0.42; Gradient Boosting of 0.71 and Extreme Gradient Boosting of 0.73. The analysis shows that the Extreme Gradient Boosting algorithm can estimate the best rainfall in Biak Island, Indonesia."

"Radio Detection and Ranging (Radar) cuaca merupakan instrumen meteorologi yang umum digunakan dalam mengidentifikasi curah hujan menggunakan prinsip kerja pulsa Doppler. Produk radar berupa data reflektifitas (Z) dengan satuan [dBZ] diyakini memiliki hasil yang sebanding dengan data tampungan air hujan oleh tipping bucket. Namun, hal ini dapat berbanding terbalik oleh adanya pengaruhi dari kecepatan angin yang berhembus secara horizontal, dimana dapat membawa sejumlah droplet hujan sehingga tidak bisa terekam oleh tipping bucket. Pada penelitian ini, dilakukan pengukuran curah hujan dan kecepatan angin pada Stasiun Meteorologi Kelas I Djalaluddin, Gorontalo, Indonesia pada bulan Desember 2021 sampai Februari 2022. Pengolahan data berbasis Machine Learning dengan jenis algoritma berupa Decision Tree, Random Forest, AdaBoost, dan Gradient Boosting. Pengolahan data menggunakan data reflektivitas radar dan data besar kecepatan angin sebagai input, serta data curah hujan oleh tipping bucket digunakan sebagai data target. Dalam penelitian ini digunakan metriks evaluasi untuk mengetahui nilai algoritma yang paling baik dengan nilai matriks kesalahan RMSE, MSE, dan MAE yang relatif rendah dan hasil Rooted Squared Error (R-squared) yang mendekati 1. Hasil penelitian ini digunakan untuk mengetahui pengaruh kecepatan angin terhadap estimasi curah hujan di Gorontalo, Indonesia, serta mengetahui jenis algoritma yang paling baik untuk mengestimasinya.

---

Weather Radio Detection and Ranging (Radar) is a meteorological instrument used in identifying rainfall using the working principle of Doppler pulses. Radar products in the form of reflectivity (Z) data with units of [dBZ] are believed to have comparable results with rainwater storage data by tipping buckets. However, this can be inversely affected by the horizontal wind speed, which can carry the rain droplets that cannot be recorded by the tipping bucket. In this study, rainfall and wind speed measurements were taken at the Djalaluddin Class I Meteorological Station, Gorontalo, Indonesia from December 2021 to February 2022. Based on Machine Learning data processing with algorithm types such as Decision Tree, Random Forest, AdaBoost, and Gradient Boosting. Data processing uses radar reflectivity data and wind speed data as input, and rainfall data by tipping bucket is used as target data. In this study, an evaluation metric is used to determine the best algorithm value with relatively low RMSE, MSE, and MAE error matrix values and Rooted Squared Error (R-squared) results. The results of this study are used to determine the effect of wind speed on rainfall estimation in Gorontalo, Indonesia, and to determine the best type of algorithm to estimate it."

"Penelitian yang bertujuan untuk menganalisis pengaruh distribusi spasial curah hujan terhadap total suspended solid di daerah aliran Ci Lutung, Kabupaten Majalengka. Proses ekstraksi citra Himawari 8 dibutuhkan untuk mengetahui pola distribusi spasial curah hujan ketika kejadian pengambilan sampel. Data Curve Number berupa kelompok hidrologi tanah dan Penggunaan Lahan dibutuhkan untuk memberi bobot tiap-tiap sub DAS yang telah didelineasi untuk karakteristik fisik wilayah. Pola distribusi spasial curah hujan memiliki korelasi kuat dengan konsentrasi TSS yang dihasilkan melalui debit limpasan. Pola Distribusi curah hujan yang variatif di setiap kejadian pengambilan sampel turut menyumbang andil terjadinya fluktuasi nilai konsentrasi total suspended solid dan kekeruhan. Korelasi kuat terdapat pada hubungan antara TSS dengan debit aliran dengan angka koefisien determinasi r2 sebesar 0,84. Sementara korelasi sedang terdapat pada hubungan antara kekeruhan dan TSS dengan angka koefisien determinasi r2 sebesar 0,58.

---

The study aims to analyze the influence of spatial distribution of rainfall on total suspended solid in Ci Lutung flow area, Majalengka regency. The process of extraction the image of Himawari 8 is needed to know the pattern of spatial distribution of rainfall when the sampling takes place. Data Curve Number in the form of hydrologic soil group and Land Use is needed to give weight of each sub basin that has been diarealized for physical characteristic of region. The spatial distribution pattern of rainfall has a strong correlation with the concentration of TSS generated through runoff discharge. Variable rainfall distribution patterns in each sampling event contributed to the fluctuation of total suspended solid and turbidity concentration. The strong correlation is in the relationship between TSS with runoff discharge with the coefficient of determination r 2 is 0.84. While the correlation in the relationship between turbidity and TSS with the coefficient of determination r2 is 0.58."

"Seiring dengan dinamika aktivitas perkotaan, dampak negatif dari alih fungsi lahan mengakibatkan pada meningkatnya limpasan permukaan. Low Impact Development (LID) merupakan serangkaian praktik yang menirukan proses drainase alami dan mengelola limpasan sedekat mungkin dengan sumbernya dalam mengurangi limpasan. Pemanfaatan LID diyakini mempengaruhi perencanaan kota dalam pengembangan zonasi untuk mengelola limpasan hujan. Pemahaman mengenai proses, besarnya limpasan permukaan serta pemanfaatan LID sangat diperlukan sebagai acuan untuk pelaksanaan manajemen pada kawasan perkotaan yang lebih baik. Studi ini dilakukan di DAS Mampang yang sebagian besar areanya masuk dalam Kota Administrasi Jakarta Selatan. Tujuan dari studi ini adalah mengevaluasi pemanfaatan LID pada DAS Mampang terhadap skenario Rencana Detail Tata Ruang (RDTR) dalam pengelolaan limpasan hujan menggunakan model SWAT (Soil and Water Assesment Tool). Data input yang digunakan dalam pemodelan SWAT yaitu Digital Elevation Model (DEM), peta tanah, peta penggunaan lahan (eksisting dan RDTR), data iklim, konfigurasi LID serta debit observasi untuk keperluan kalibrasi dan validasi menggunakan perangkat lunak SWAT-CUP. Rentang waktu simulasi adalah selama 12 tahun, dimulai dari 1 Januari 2010 sampai dengan 31 Desembr 2021. Hasil studi ini menunjukkan bahwa rata-rata limpasan tahunan eksisting, skenario RDTR dan pemanfaatan LID berturut turut adalah sebesar 1697 mm/tahun, 1667 mm/tahun dan 1659 mm/tahun. Koefisien limpasan untuk kondisi eksisting, skenario RDTR dan pemanfaatan LID berturut turut adalah sebesar 0.60, 0.59 dan 0.58. Pola reduksi limpasan menunjukkan bahwa pemanfaatan LID bekerja lebih baik pada musim kemarau (Bulan Juni sampai dengan Bulan September). Meskipun reduksi limpasan relatif kecil, namun pemanfaatan LID berfungsi sebagai konservasi, menyimpan air pada periode hujan untuk dipergunakan pada musim kemarau. Pemanfaatan LID berbasis guna lahan dapat menjadi bagian dari usaha mengoptimalkan produktivitas pemanfaatan ruang dalam melestarikan lingkungan untuk mengembalikan fungsi hidrologis.

---

Along with the dynamic of urban activities, the negative impact of land use change is the increasing of the runoff. Low Impact Development (LID) is a series of practices imitating natural drainage process and manage the runoff to be as closest to the source to reduce the runoff. The use of LID is believed to influence urban planning in zoning development to manage stormwater. The understanding of the process, the amount of the runoff and the LID utilization are really crucial to a better implementation in urban area. This study has been conducted in Mampang watershed which mostly located in Southern Jakarta District. The purpose of the study is to evaluate the LID implementation in Mampang watershed towards spatial plan (RDTR) scenario to manage stormwater using SWAT Model. The input data used in the SWAT modeling are the Digital Elevation Model (DEM), soil maps, land use maps (existing and RDTR), climate data, LID configuration and observation discharge for calibration and validation purposes using the SWAT-CUP software. The simulation period is 12 years, starting from 1^st January 2010 to 31^st December 2021. The results of this study show that the annual average existing runoff, RDTR scenario and LID utilization are respectively 1697 mm/year, 1667 mm/year dan 1659 mm/year. Runoff coefficients for existing conditions, RDTR scenarios and LID utilization are 0.60, 0.59 and 0.58, respectively. The runoff reduction pattern shows that LID utilization works better in the dry season (June to September). Although the reduction in runoff is relatively small, the utilization of LID serves as a conservation function, storing water during the rainy season for use in the dry season. Utilization of land-use-based LIDs can be part of an effort to optimize spatial use productivity in preserving the environment to restore hydrological functions."