Ground stations in Indonesia aren’t evenly distributed, whereas the resulted rainfall data is important. Then validation analysis with TRMM satellite data is required because it can cover a wide area, near real-time availability and fast access. This research aims to validate satellite data with observation data in the Grindulu watershed. Later, used to anticipate observation rainfall data that may be an error or unavailable. Validation methods used are Root Mean Squared Error (RMSE), Relative Error (RE), Nash Sutcliffe-Efficiency (NSE), and Correlation Coefficient (R). This research was done with two steps, those were TRMM data uncorrected and corrected, where the corrected data was done by calibration first. It showed that the best corrected TRMM data were found in a monthly period with a range of nine years of calibration in couple with one year of validation have a value of NSE = 0.929; R = 0.969; RMSE = 46.48 and RE = 8.9%. So, it showed that corrected TRMM data resulted have a better value than uncorrected data because the NSE and R values approaching one and have small values of RMSE and Relative Error. Overall, TRMM Satellite data can be used as an alternative hydrology data in the Grindulu watershed.Pos penakar hujan di Indonesia lokasinya masih kurang tersebar merata, padahal data hujan yang dihasilkan sangat penting. Maka diperlukan analisis validasi dengan data satelit TRMM karena dapat mencakup wilayah luas, tersedia secara near real-time dan aksesnya yang cepat. Penelitian ini bertujuan untuk memvalidasi data satelit dengan data observasi di DAS Grindulu yang datanya dianggap lengkap dan dapat diandalkan. Nantinya digunakan untuk mengantisipasi data curah hujan observasi yang mungkin error atau tidak tersedia. Metode validasi yang digunakan berupa Root Mean Squared Error (RMSE), Uji Kesalahan Relatif (KR), Nash Sutcliffe Efficiency (NSE) serta Koefisien Korelasi (R). Penelitian ini menggunakan dua tahap perhitungan, yaitu analisis validasi data tidak terkoreksi dan data terkoreksi, dimana data terkoreksi dilakukan kalibrasi data terlebih dahulu, hasil dari validasi data TRMM terkoreksi terbaik terdapat pada periode bulanan dengan rentang kalibrasi 9 tahun dan validasi 1 tahun dengan hasil NSE = 0,929; R = 0,969; RMSE = 46,48; KR = 8,9%. Hasil tersebut menunjukkan bahwa data TRMM terkoreksi menghasilkan nilai yang lebih baik dibandingan data TRMM tidak terkoreksi karena memiliki nilai NSE dan R yang mendekati satu dan nilai RMSE dan Kesalahan Relatifnya rendah. Secara kesluruhan, dapat disimpulkan bahwa data TRMM dapat digunakan sebagai data alternatif hidrologi di DAS Grindulu.