Kajian Koefisien Koreksi Indeks Kekeringan Menggunakan Basis Data Satelit TRMM Dan Hujan Lapangan

Abstrak . Untuk menganalisa kekeringan membutuhkan data curah hujan yang panjang yaitu > 30 tahun. Akan tetapi sangat sulit mendapatkan cukup data curah hujan, khususnya untuk daerah di luar Pulau Jawa yang memiliki keterbatasan data. Guna mengatasi problem tersebut, data hujan dari satelit Tropical Rainfall Measuring Mission (TRMM) dikaji kemungkinannya untuk menggantikan data hujan lapangan periode panjang. Studi kasus dilakukan dengan data di wilayah sungai Pemali Comal. Maksud dari kajian ini untuk mendapatkan koefisien koreksi indeks kekeringan data hujan dari satelit TRMM agar data TRMM tersebut dapat menjadi alternatif untuk menganalisa indeks kekeringan pada wilayah dengan keterbatasan data. Metode untuk menganalisa indeks kekeringan menggunakan Standardized Precipitation Index (SPI) dan indikator dalam menentukan koreksi dengan Root MeanSquare Error (RMSE), dengan ambang batas kesalahan 0.5. RMSE dibandingkan antara RMSE SPI data hujan lapangan panjang (1951-2013) dan data satelit TRMM (2002-2013). Hasil rata-rata RMSE SPI koreksi 0,5. Dengan demikian, data TRMM dengan koreksi SPI dapat digunakan dalam analisa kekeringan SPI semua skala waktu. Abstract . Analyzing drought requires a long period of rainfall data more than 30 years. Obtaining enough rainfall data, however, it is very difficult especially for areas outside of Java that have limited data. To solve this problem, the possibility of using Tropical Rainfall Measuring Mission (TRMM) satellite rainfall data to substitute long-period of rainfall data is examined. For a case study, data from Pemali Comal river basin is used. This study is aimed to obtain the value of drought correction coefficient index based on the TRMM data, so that the data can be used as an  alternative to analyze drought index / severity of drought in areas with limited rainfall data. Standardized Precipitation Index (SPI) method is used to analyze drought severity, and the correction factor is determined by Root Mean Square Error (RMSE) with 0.5 as a threshold. Then the RMSE is compared between RMSE SPI of long period of groundstation rainfall data (1951-2013) and the TRMM satellite data (2002-2013). The results is that the average RMSE SPI correction is 0.5. Thus, the TRMM data with SPI correction can be used in the analysis of the SPI drought at all the time scale.