Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 96220 dokumen yang sesuai dengan query
cover
Bayu Achmad Abdillah
"Beberapa jenis instrumen curah hujan yang banyak dipakai seperti rain gauge, citra satelit, dan radar cuaca masih memiliki kekurangan terutama pada resolusi spasial. Instrumen curah hujan alternatif yang banyak dikembangkan adalah dengan menggunakan model Deep Learning dengan masukan citra tangkapan kamera pengawas. Beberapa studi telah berhasil membangun model untuk mendapatkan nilai curah hujan dengan berbagai performa. Namun salah satu kendala yang ditemui dalam pembangunan sistem estimasi curah hujan adalah latar belakang rintik hujan pada citra kamera pengawas. Objek latar belakang yang lebih mengisi citra dibandingkan rintik hujan membuat model dengan banyak bentuk latar belakang tidak dapat mencapai performa yang diinginkan. Penelitian ini menganalisa pengaruh bentuk latar belakang citra kamera pengawas terhadap performa dari sistem estimasi curah hujan. Sistem estimasi curah hujan dibuat dengan model berarsitektur RFCNN (Rainfall Convolutional Neural Network). Objek latar belakang citra yang dipilih pada penelitian ini terdiri dari gedung, jalan beraspal, atap, dan kombinasi antara keduanya. Data curah hujan referensi didapat dari perangkat tipping bucket dengan resolusi 0,2 mm/menit. Hasil eksperimen menunjukan bahwa gedung menjadi bentuk objek latar belakang yang menghasilkan performa yang terbaik dengan nilai MAE sebesar 0.0823 dan MSE sebesar 0.0164, dengan catatan citra yang digunakan adalah citra grayscale. Hasil dari pengujian model menunjukan performa dipengaruhi oleh eksistensi benda bergerak pada latar belakang rintik hujan.

Several types of rainfall measurement instrumens, such as Rain Gauge, satellite imagery, and weather radar, still have limitations, especially in spatial resolution. An alternative rainfall measurement instrumen that has been widely developed is using Deep Learning models with input from surveillance camera images. Some studies have successfully built models to estimate rainfall values with various performances. However, one of the challenges encountered in the development of rainfall estimation systems is the background of surveillance camera images. Objects in the background that occupy a significant portion of the image compared to raindrops make models with certain background shapes unable to achieve the desired performance.This research analyzes the influence of background image shapes from surveillance camera images on the performance of a rainfall estimation system. The estimation system is built using the RFCNN (Rainfall Convolutional Neural Network) architecture. The selected background objects in this study include buildings, paved roads, roofs, and combinations of both. The reference of rainfall data are obtained from a Tipping Bucket device with a resolution of 0.2 mm/minute. The experimental results show that buildings are the background object shape that yields the best performance, with an MAE (Mean Absolute Error) value of 0.0823 and an MSE (Mean Squared Error) value of 0.0164, given that grayscale images are used. The model testing results indicate that performance is influenced by the presence of moving objects in the raindrop background."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia;Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia;Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia;Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia;Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Abriel Adryansah
"Penelitian ini memafaatkan kamera pengawas dengan pemodelan Deep Learning untuk memprediksi curah hujan. Model dibangun dengan input video serta data referensi curah hujan dari Tipping Bucket yang dipasang berdekatan dengan lokasi kamera pengawas. Penelitian ini memfokuskan prediksi curah hujan dengan input video sebagai representasi curah hujan dalam satuan waktu, serta metode Rain Streak yang muncul sebagai Rain Streak. Informasi spasial yang dimiliki setiap gambar yang ditangkap kamera pengawas ditangkap oleh arstitektur model vR-TCN dan digunakan fungsi Time Distributed agar informasi spasial yang ditangkap diterapkan terhadap deretan gambar.  Penelitian ini membuktikan input Rain Streak dengan metode grayscale memiliki hasil yang lebih baik, disertai dengan pemilihin Region of Interest yang didasari dengan latar paling hitam. Hasil prediksi model dengan konfigurasi besar Region of Interest 120x180 pada latar paling hitam, menggunakan metode Grayscale serta menggunakan jumlah 5 deretan gambar memiliki hasil terbaik dengan nilai RMSE sebesar 0,1391 dan R2 sebesar 0,8800.

This research utilizes surveillance cameras and Deep Learning modeling to predict rainfall. The model is built using video input and reference data from nearby Tipping Bucket rain gauges. This research focuses on predicting rainfall using video inputs as a representation of rainfall over a period of time, as well as the Rain Streak method that appears as Rain Streak. The spatial information captured by the surveillance camera in each image is captured by the vR-TCN model architecture, and the Time Distributed function is used to apply the captured spatial information to a sequence of images. This research proves that the Rain Streak method with grayscale produces better results, accompanied by the selection of a Region of Interest based on the darkest background. The predictive model yields the best results with a configuration of a large Region of Interest of 120x180 on the darkest background, using the Grayscale method and a sequence of 5 images, with an RMSE value of 0,1391 and an R2 value of 0,8800."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia;Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia;Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia;Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia;Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Sri Lasmidjah Diponegoro
Jakarta: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 1980
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Sofi Ulfiasari
"Fenomena lumpur Sidoarjo yang dikenal sebagai LUSI muncul tahun 2006 di Porong, Sidoarjo. Fenomena LUSI merupakan salah mud volcanoes terbesar didunia yang menyemburkan material panas mengandung salah satu gas rumah kaca metana, aerosol garam dan uap air. Metana yang terlepas ke lapisan atmosfer 72 kali jauh lebih mematikan dibandingkan CO2 selama lebih dari 20 tahun dan dapat menyebabkan percepatan pemanasan global yang sangat sulit dikontrol Semakin tinggi suhu, semakin banyak air yang menguap dan semakin besar potensi turunnya hujan deras. Hujan deras dengan intensitas lebih dari atau sama dengan 50 mm merupakan salah satu indikasi hujan ekstrem. Daerah penelitian meliputi 30 km jarak dari kolam lumpur Sidoarjo, dengan menggunakan perhitungan variabilitas dan kecenderungan Mann Kendall tampak secara spasial hujan ekstrem pada periode 2007-2014 lebih berfluktuatif dibandingkan dengan periode 1980-2006, terutama pada jarak 10-20 km dari kolam lumpur Sidoarjo.

Sidoarjo Mud phenomenon known as LUSI appeared in 2006 in Porong, Sidoarjo. The phenomenon of LUSI mud volcanoes is one of the largest physical blow hot material contains one of the greenhouse gases methane, the salt aerosol and water vapor. The methane atmospheric layers apart 72 times far more deadly than the CO2 for over 20 years and can lead to the acceleration of global warming very difficult controlled the higher the temperature, the more water evaporates and the greater the potential decline in heavy rain. Heavy rain with intensity greater than or equal to 50 mm is one indication of extreme rainfall. The research area covers 30 km distance from mud Sidoarjo, using the calculation of variability and trends of Mann Kendall looks in extreme rainfall spatial in the period 2007-2014 more fluctuate compared to the period 1980-2006, especially at a distance of 10-20 km from mud Sidoarjo."
2016
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Waluyo
"Dalam kehidupan kita sehari-hari, air sangatlah penting bagi makhluk hidup tidak hanya bagi tumbuhan dan hewan tetapi juga yang terpenting bagi manusia.
Seringkali terjadi, air yang mengalir di suatu sungai suatu ketika meluap dan menggenangi sawah-sawah, pemukiman dan merusak semua yang ada baik bangunan-bangunan struktur ataupun juga tanaman-tanaman petani atau bahkan kadangkala sampai merenggut jiwa manusia. Air yang semula menjadi sahabat manusia bisa menjadi lawan yang sulit dihadapi. Semua itu sebenamya tidak terlepas dari perubahan alam yang diakibatkan oleh segala aktifitas manusia. Air sangatlah berguna untuk berbagai kepentingan hidup manusia, bisa untuk minum, mandi, mencuci, irigasi, sumber listrik dan sebagainya tetapi tidak selamanya air yang kita gunakan sehari-hari tersebut akan memiliki kualitas dan kuantitas yang sama sepanjang waktu bila dari sumber daya manusia yang ada tidak memiliki keinginan untuk memelihara air tersebut.
Berbagai aktifitas manusia senantiasa menimbulkan perubahan terhadap alam dan hal yang cukup besar pengaruhnya bagi sumber-sumber ketersediaan air adalah bila apa yang dilakukan manusia merubah dari ekosistem yang rnerupakan DAS (Daerah Aliran Sungai) bagi sungai. DAS tersebut oleh manusia dimanfaatkan untuk beragam kebutuhan antara lain sebagai lahan pemukiman, lahan persawahan dan lahan lain-lainnya.
Pemanfaatan lahan di suatu DAS untuk berbagai tata guna lahan tersebut tentunya juga akan mempengaruhi besarnya aliran yang terjadi di sungai dan pengaruh tersebut jelas berbeda untuk masing-masing tata guna lahan. Untuk itu telah ada sebuah alat bantu berupa model umum dari hubungan hujan aliran yang dapat memperkirakan berapa besar aliran yang akan teljadi di suatu sungai bila di dalam DASnya terdapat beberapa pemanfaatan tata guna lahan.
Namun model tersebut hanyalah dapat memperkirakan aliran yang terjadi dari suatu kesatuan unit DAS, sedangkan masalah yang nyata di lapangan Iebih kompleks dimana di dalam DAS itu sendiri terbagi menjadi sub-sub DAS dan ruas-ruas sungai. Modal tersebut tidak bisa kita pergunakan untuk memperkirakan berapa besarnya aliran yang juga akan terjadi bila aliran dari suatu bab DAS yang terdiri beberapa tata guna lahan mengalir melalui alur sungai.
Oleh karena itu maka model hubungan hujan aliran tersebut haruslah dikembangkan lagi agar dapat dimanfaatkan semaksimal mungkin dalam rangka pemeliharaan maupun pengendalian aliran sungai. Model hubungan hujan aliran yang dikembangkan selanjutnya ini akan dapat memperhitungkan besarnya aliran dari setiap sub DAS yang terdiri dari berbagai pemanfaatan lahan dan juga dapat memperkirakan berapa besarnya aliran yang terjadi bila aliran yang dihasilkan tersebut mengalir melalui alur sungai sehingga kita dapat memanfaatkan model hubungan hujan aliran secara maksimal."
Depok: Fakultas Teknik Universitas Indonesia, 1999
S34989
UI - Skripsi Membership  Universitas Indonesia Library
cover
Suryatmaning Hany W.
"Perencanaan bangunan-bangmman air yang besar dan bermanfaat bagi umum harus dilakukan dengan teliti dan hati-hati. Bangunan air yang efisien dad segi biaya tetapi berfungsi optimum dan tinggi keamanannya membutuhkan pilihan kapasitas yang tepat yang akan ditampung oleh bangunan tersebut, yang diukur dari banyaknya air yang ditampung atau dialirkan melalui bangunan tersebut dalam satuan waktu tertentu.
Intensitas hujan adalah salah satu komponen pengolah data yang diperlukan untuk menentukan kapasitas suatu bangunan air. Intensitas hujan merupakan ukuran banyaknya curah hujan yang jatuh dalam satuan walclu tertenm Penelitian yang sudah umum dilakukan terhadap intensitas hujan adalah padajumlah curah hujan setiap jam dan jumlah curah hujan setiap hari, sementara hubungan antara jumlah curah hujan tahunan dengan jumlah hari hujan tahunan belum banyak diteliti.
Tulisan ini meneliti ada tidaknya hubungan antara jumlah curah hujan tahunan dengan jumlah had hujan tahunan. Penelitian dilakukan dengan metode statistlka terhadap data-data jumlah curah hujan dan jumlah hari hujan dari Badan Meteorologi dan Geofisika, Jakarta. Data-data yang digunakan diambil dan stasiun-stasiun pengukur curah hujan yang ada di Pulau Jawa."
Depok: Fakultas Teknik Universitas Indonesia, 1997
S34638
UI - Skripsi Membership  Universitas Indonesia Library
cover
Auriwan Yasper
"Klasifikasi curah hujan sangat membantu masyarakat dan instansi terkait dalam mengambil kebijakan seperti pengelolaan sumber daya air, transportasi, pertanian dan pencegahan bencana. Model yang sudah pernah digunakan dalam melakukan klasifikasi curah hujan yaitu XGBoost, telah terbukti mampu melakukan klasifikasi dengan efektif, namun masih memerlukan tuning pada hyperparameter-nya untuk meningkatkan performa model. Penelitian ini bertujuan untuk merancang metode klasifikasi curah hujan dengan model XGBoost dan menemukan nilai learning rate terbaik untuk klasifikasi curah hujan. Parameter max depth, dan n estimator ditetapkan berdasarkan penelitian yang sudah pernah dilakukan. Model ini dibangun berdasarkan data historis curah hujan selama 3 bulan setiap jam, yang telah dikumpulkan oleh peralatan Automated Weather Observed System (AWOS) di Stasiun Meteorologi Kota Pontianak. Pencarian hyperparameter menggunakan metode coarse to fine, yaitu pencarian kasar ke pencarian halus. Pencarian kasar menggunakan RandomizedSearchCV, sedangkan pencarian halus dengan GridSearchCV. Model dievaluasi dengan metrik Accuracy, precision, recall, dan F1-score. Evaluasi menunjukkan bahwa model memilki metrik evaluasi yang baik dengan persentase diatas 80% untuk setiap kasus pembagian data. Nilai learning rate terbaik dengan akurasi tertinggi yang didapatkan pada model dengan 2040 data set adalah pada kasus klasifikasi biner, yaitu sebesar 0.043 dengan akurasi pada data latih 90.19%.

The classification of rainfall is very helpful for the community and related agencies in making policies such as managing water resources, transportation, agriculture, and disaster prevention. The model that has been used to classify rainfall, namely XGBoost, has proven to be able to classify effectively but still requires tuning its hyperparameters to improve model performance. This study aims to design a rainfall classification method using the XGBoost model and find the best learning rate for rainfall classification. The max depth and n estimator parameters are determined based on research that has been done. This model was built based on historical rainfall data for 3 months every hour, which has been collected by the Automated Weather Observed System (AWOS) equipment at the Pontianak City Meteorological Station. The hyperparameter search uses the coarse-to-fine method, which is a coarse-to-fine search. The coarse search uses RandomizedSearchCV, while the fine search uses GridSearchCV. The model is evaluated with Accuracy, precision, recall, and F1-score metrics. The evaluation shows that the model has good evaluation metrics with percentages above 80% for each case of data sharing. The best learning rate value with the highest accuracy obtained in the model with the 2040 dataset is in the binary classification case, which is equal to 0.043 with an accuracy of 90.19% of the training data."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Ryfqy Rahmansyah Kushanando
"Hujan ekstrem adalah hujan dengan intensitas yang sangat tinggi yang terjadi dalam periode waktu yang singkat, dan dapat menyebabkan dampak yang signifikan pada bentuk fisik bahkan kehidupan masyarakat (Cox dan Sweeney, 2013). Pulau Jawa merupakan pulau dengan curah hujan yang tinggi, pada klasifikasi curah hujan global Pulau Jawa masuk dalam kategori terakhir dalam enam kategori tingkat kebasahan global (Amruta, 2014). yang mengindikasikan bahwa Pulau Jawa memiliki potensi hujan ekstrem. Pulau Jawa merupakan pulau penting di Indonesia bahkan regional, Pulau Jawa merupakan rumah dari 56% Penduduk Indonesia (BPS 2020). Oleh karena itu diperlukan mitigasi berupa pendeteksian pola hujan ekstrem, pendeteksian dilakukan dengan analisis spasial dan temporal dari data CHIRPS selama 30 tahun. CHIRPS adalah database curah hujan yang dikembangkan oleh Climate Hazard Group. Sebagai batasan penelitian hujan ekstrem memiliki ambang batas 50 mm/hari menurut KEP. 009 tahun 2010.

Extreme rainfall is precipitation with very high intensity that occurs in a short period of time and can have significant impacts on both the physical environment and human life (Cox and Sweeney, 2013). Java Island is an island with high rainfall, based on global rainfall classification, Java Island falls into the last category among the six categories of global wetness levels (Amruta, 2014). This indicates that Java Island has the potential for extreme rainfall. Java Island is a crucial island in Indonesia and the region, being home to 56% of Indonesia's population (BPS 2020). Therefore, mitigation is needed in the form of detecting patterns of extreme rainfall, and the detection is carried out through spatial and temporal analysis of CHIRPS data over 30 years. CHIRPS is a land-based precipitation database which developed by Climate Hazard Group. As a research limitation, extreme rainfall is defined with a threshold of 50 mm/day according to KEP. 009 in 2010. From this threshold, temporal analysis is then conducted annually, monthly, and tri-monthly. Subsequently, spatial data processing is performed based on temporal data to analyse the locations of high-frequency extreme rainfall."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Leticia Maria
"Latar belakang: Penyakit demam berdarah dengue (DBD) merupakan salah satu masalah yang kronik di Indonesia dan khususnya di kota Depok menunjukkan pola menaik setiap tahun. Kejadian demam berdarah dengue dipengaruhi oleh perubahan iklim yang meningkatkan risiko penularan dan mempengaruhi pola penyebaran infeksi, termasuk curah hujan, yang merupakan suatu fenomena tahunan di Indonesia. Belum terdapat penelitian terbaru mengenai hubungan faktor iklim dengan angka kejadian demam berdarah dengue terutama di masa pandemi covid-19 sehingga penelitian ini dilakukan untuk melihat korelasi antara curah hujan dengan angka kejadian demam berdarah dengue di kota Depok tahun 2018-2020.
Metode: Penelitian ini merupakan penelitian kuantitatif dengan metode observasional yaitu studi ekologi kedokteran. Teknik pengambilan sampel yang digunakan adalah total sampling. Data yang diperoleh dalam penelitian ini adalah data sekunder dari Dinas Kesehatan Kota Depok dan Badan Meteorologi, Klimatologi dan Geofisika (BMKG). Analisa data pada penelitian ini menggunakan uji korelasi Pearson dan uji korelasi Spearman.
Hasil: Angka kejadian demam berdarah dengue di Kota Depok tahun 2018-2020 menunjukkan tren meningkat dengan median 80.0 kejadian. Pola curah hujan di Kota Depok tahun 2018-2020 memiliki rata-rata 221,76 mm dengan tren meningkat pada bulan Oktober hingga Maret. Hasil analisis menyatakan bahwa terdapat korelasi lemah positif (r=0,20) yang tidak signifikan (p=0,24) antara curah hujan dengan angka kejadian demam berdarah dengue di Kota Depok pada tahun 2018-2020. Tidak terdapat hubungan yang bermakna pada analisis yang dilakukan pada masing-masing tahun. Namun terdapat tren meningkat pada tahun 2018 dan 2019, serta tren menurun pada tahun 2020.
Kesimpulan: Tidak terdapat hubungan yang bermakna antara curah hujan dengan angka kejadian demam berdarah dengue di Kota Depok pada periode 2018 hingga 2020.

Introduction: Dengue hemorrhagic fever (DHF) is one of the chronic problems in Indonesia and especially in the city of Depok, which shows an increasing pattern every year. The incidence of dengue hemorrhagic fever is influenced by climate change which increases the risk of transmission and affects the pattern of spread of infection, including rainfall, which is an annual phenomenon in Indonesia. There has been no recent research on the relationship between climate factors and the incidence of dengue hemorrhagic fever, especially during the covid-19 pandemic, so this study was conducted to see the correlation between rainfall and the incidence of dengue hemorrhagic fever in the city of Depok in 2018-2020.
Method: This research is a quantitative study with an observational method, also named the study of medical ecology. The sampling technique used in this research is total sampling. The data obtained in this study is secondary data from Dinas Kesehatan Kota Depok and Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Data analysis in this study used the Pearson correlation test and the Spearman correlation test.
Result: The incidence of dengue hemorrhagic fever in Depok City in 2018-2020 showed an increasing trend with a median of 80,0 events. The rainfall pattern in Depok City in 2018-2020 has an average of 221,76 mm with an increasing trend from October to March. The analysis results stated that there was a weak positive correlation (r=0.20) which was not significant (p=0,24) between rainfall and the incidence of dengue hemorrhagic fever in Depok City in 2018-2020. There is no significant relationship in the analysis conducted in each year. However, there was an increasing trend in 2018 and 2019, as well as a downward trend in 2020.
Conclusion: There is no significant relationship between rainfall and the incidence of dengue hemorrhagic fever in Depok City in the period 2018 to 2020.
"
Jakarta: Fakultas Kedokteran Universitas Indonesia, 2021
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Pascalis Dwi Rosario Deno
"Curah hujan merupakan salah satu input data yang memiliki peranan penting dalam permodelan hidrologi. Data curah hujan biasanya diperoleh dari stasiun pencatat curah hujan yang tersebar menurut koordinatnya. Data curah hujan yang tersedia sering kali mengalami kekurangan yang disebabkan oleh terbatasnya sebaran dan jumlah stasiun pencatat hujan yang ada. Medan, bentuk topografi serta biaya besar juga mempengaruhi ketersediaan dari stasiun pencatat curah hujan itu sendiri. Alternatif lain untuk memperoleh data curah hujan salah satunya adalah satelit hujan. Dalam hal ini satelit hujan yang tersedia ada berbagai macam jenisnya dan memiliki kemampuan memperoleh gambaran spasial dengan resolusi yang berbeda-beda. Salah satu data curah hujan harian yang akan digunakanan pada penelitian ini bersumber dari CHIRPS. Tujuan dari penulisan skripsi ini adalah melakukan analisis perbandingan curah hujan satelit CHIRPS dengan data hujan yang terdapat pada stasiun hujan di DAS Ciliwung Hulu dan DAS Garang Hulu pada rentang waktu tertentu sesuai dengan ketersediaan data curah hujan harian pada stasiun hujan di lokasi kedua DAS tersebut. Data yang dianalisis akan menentukan reliabilitas dari CHIRPS terhadap data hujan pada stasiun pencatat hujan. Data CHIRPS ini akan dianalisis lebih lanjut terkait persamaan dan perbedaannya dengan data stasiun hujan. Hasil yang diperoleh menunjukan bahwa data CHIRPS tidak reliabel atau berkorelasi rendah terhadap data curah hujan harian stasiun pencatat hujan pada kedua DAS. Selisih antara hujan harian atau delta data dari kedua sumber data juga menunjukan bahwa data curah hujan harian cenderung berbeda antar kedua sumber data. Perbedaan-perbedaan ini dianalisis lebih lanjut untuk memperoleh jumlah data yang reliabel dengan melakuakan filter data menggunakan kriteria error berkisar antara nol hingga 0,4 persen. Hasil filter data menunjukan bahwa rata-rata data yang reliabel hanya sebesar 0,9 persen dari total data yang tersedia untuk masing-masing stasiun hujan pada DAS Ciliwung Hulu dan Garang Hulu. Perbedaan dan persamaan data ini dapat disebabkan oleh beberapa faktor seperti letak serta topografi lokasi kedua DAS dan cara kerja satelit hujan dalam memperoleh data melalui gelombang elektromagnetik yang sangat dipengaruhi oleh kondisi dari objek atau awan.

Rainfall is one of the input data that has an important role in hydrological modelling. Rainfall data is usually obtained from rainfall recording stations which are scattered according to their coordinates. Available rainfall data often suffers from deficiencies caused by the limited distribution and number of existing rain recording stations. Terrain, topography and high cost also affect the availability of the rainfall recording station itself. Another alternative to obtain rainfall data, one of which is a rain satellite. In this case there are various types of rain satellites available and have the ability to obtain spatial images with different resolutions. One of the daily rainfall data that will be used in this study comes from CHIRPS. The purpose of writing this thesis is to carry out a comparative analysis of CHIRPS satellite rainfall with rain data contained in rain stations in the Ciliwung Hulu watershed and Garang Hulu watershed at certain time intervals according to the availability of daily rainfall data at rain stations in the two watershed locations. The data analyzed will determine the reliability of CHIRPS against rain data at rain recording stations. The CHIRPS data will be analyzed further regarding the similarities and differences with the rain station data. The results obtained show that the CHIRPS data is not reliable or has a low correlation with the daily rainfall data of rain-recording stations in both watersheds. The difference between the daily rainfall or delta data from the two data sources also shows that the daily rainfall data tends to differ between the two data sources. These differences were further analyzed to obtain a reliable amount of data by filtering the data using error criteria ranging from zero to 0.4 percent. The results of the data filter show that the average reliable data is only 0.9 percent of the total available data for each rain station in the Upper Ciliwung and Garang Hulu watersheds. The differences and similarities in this data can be caused by several factors such as the location and topography of the two watersheds and the way the rain satellite works in obtaining data through electromagnetic waves which are strongly influenced by the conditions of objects or clouds.

"
Depok: Fakultas Teknik Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>