Institusion
Institut Teknologi Bandung
Author
Asferizal, Ferial (STUDENT ID : 25017090)
(LECTURER ID : 0018127703)
Subject
Datestamp
0000-00-00 00:00:00
Abstract :
Perkembangan pemanfaatan data hujan sangat dirasakan manfaatnya bagi teknologi untuk membantu manusia dalam pemanfaatannya untuk pengendalian banjir, perencanaan infrastruktur air, irigasi, rain water harvesting dan lain sebagainya. Data -data hujan juga disediakan oleh banyak instansi lokal dan instansi global.
Pemanfaatan tools Jupyter Notebook pada Anaconda Python memberikan kemudahan dalam mengolah big data yang dalam hal ini menggunakan data hujan yang terdapat pada Global Satellite Mapping of Precipitation (GSMaP), sehingga digunakan untuk mengolah data hujan, serta diaplikasikan terhadap Area Reduction Factors (ARF).
Perbandingan data-data hujan yang disediakan oleh instansi lokal Badan Meteorologi, Klimatologi dan Geofisika (BMKG), dan instansi global, GSMaP dibandingkan untuk mendapatkan perbandingan probabilitas intensitas tingkat tinggi hujan. Perbandingan probabilitas yang sesuai untuk data-data tersebut adalah menggunakan perbandingan grafik probabilitas histogram. Dengan perbandingan tersebut, maka didapatkan fungsi probabilitas Weibull Exponensial untuk medapatkan kurva perbandingan yang sesuai dengan histogram probabilitas tinggi hujan pada GSMaP.
Data tinggi hujan harian wilayah maksimum 10 tahun pada GSMaP digunakan sebagai perhitungan ARF di daerah Jawa Bagian Barat-Indonesia. Daerah Jawa Bagian Barat tersebut terdiri dari Provinsi Jawa Barat, Daerah Khusus Ibukota (DKI) Jakarta, dan Provinsi Banten. Dengan melakukan perbandingan terhadap Standar Nasional Indonesia (SNI) 2415:2016, terhadap ARF DAS Citarum Hulu, dan juga terhadap ARF yang ada pada buku Applied Hydrology, Ven Te Chow, hasil penelitian lebih mendekati hasil dari ARF SNI, meskipun menghasilkan grafik yang under estimate. Oleh karena itu, grafik ARF SNI dapat dijadika nilai ARF awalan bagi penelitian. Untuk perbandingan terhadap buku Applied Hydrology menghasilkan nilai ARF yang sangat jauh under estimate, hal ini dimungkin karena adanya perbedaan musim antara Indonesia yang beriklim tropis dengan daerah Amerika Serikat yang memiliki iklim beragam.
ARF tinggi hujan harian maksimum wilayah 10 tahun terhadap data tinggi hujan maksimum >100 mm/hari, grafik ARFnya yang mendekati grafik ARF SNI. Metode analisis yang digunakan dengan data hujan harian maksimum wilayah tahunan, mirip seperti yang telah dilakukan oleh Ginting S., 2010, di Daerah Aliran Sungai (DAS) Citarum Hulu.
ARF tinggi hujan harian maksimum wilayah 10 tahun terhadap Zona Musim N25 yang merupakan daerah pegunungan dan perbukitan menunjukkan grafik ARF yang under estimate secara keseluruhan dibandingkan dengan daerah pantai pada ZOM 55, 65, 100 dan 101. Pada ZOM N25, grafik ARF nya masuk dalam zona standar deviasi grafik tinggi hujan maksimum >100 mm/hari, di sisi lain, ARF ZOM 65 menampilkan bentuk grafik ARF yang tidak beraturan, hal ini mungkin diakibatkan oleh klasifikasi hujan BN (Bawah Normal).
ARF tinggi hujan harian maksimum dalam 10 tahun secara keseluruhan dapat menjadi acuan yang sesuai dengan kondisi tinggi hujan yang terdapat di Jawa Bagian Barat, dikarenakan dianalisi berdasarkan kejadian dari 1 Januari 2008 hingga 31 Desember 2018. Selain itu nilai ARF pada tinggi hujan harian maksimum dalam 10 tahun yang under estimate dapat memberikan efisiensi terhadap rekayasa infrastruktur sumber daya air, karena tidak menghitung beban hujan yang berlebihan.