Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Pendidikan IPA (JPPIPA) Jurnal Teknologi dan Rekayasa Sumber Daya Air
Jauhari, M. Reza
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Earth & Planetary Sciences Education Engineering Materials Science & Nanotechnology Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Alih Ragam Hujan Menjadi Debit Berbasis Data Hujan Satelit GPM Dengan Metode FJ Mock Pada DAS Gembong Kabupaten Pasuruan Jauhari, M. Reza; Suhartanto, Ery; Lufira, Rahmah Dara
Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol. 5 No. 2 (2025): Jurnal Teknologi dan Rekayasa Sumber Daya Air (JTRESDA)
Publisher : Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jtresda.2025.005.02.081

Abstract

DAS Gembong di Kabupaten Pasuruan berperan penting sebagai penyedia air bersih bagi masyarakat, namun sering mengalami kekurangan data debit yang memengaruhi pengelolaan sumber daya air. Penelitian ini bertujuan membangun model konversi curah hujan menjadi debit menggunakan metode FJ. Mock berbasis data hujan Satelit GPM yang dikolaborasikan dengan Algoritma Genetik untuk menentukan parameter utama model. Data yang digunakan meliputi curah hujan Satelit GPM, data debit dari pos duga air Warungdowo, serta data klimatologi dalam periode tertentu. Hasil kalibrasi menunjukkan bahwa metode FJ. Mock berbasis data hujan Satelit GPM memiliki nilai NSE (Nash-Sutcliffe Efficiency) sebesar 0.998 dan nilai R (koefisien korelasi) sebesar 0.998, keduanya diinterpretasikan sebagai "sangat baik" dan "sangat kuat". Pada tahap validasi, diperoleh nilai NSE sebesar 0.5124 yang diinterpretasikan "memenuhi" dan nilai R sebesar 0.838 yang diinterpretasikan "sangat kuat".Analisis debit andalan melalui Flow Duration Curve menghasilkan debit andalan tahunan Q70% sebesar 1,27 m³/s, Q80% sebesar 0,95 m³/s, dan Q90% sebesar 0,65 m³/s. Debit andalan bulanan untuk Q70% berkisar antara 0,57-2,60 m³/s, Q80% antara 0,54-2,21 m³/s, dan Q90% antara 0,49-2,04 m³/s. Hasil ini dapat digunakan untuk kebutuhan irigasi, distribusi air minum, pembangkit listrik tenaga air (PLTA), dan pengelolaan sumber daya air lainnya sepanjang tahun.
English Language Jauhari, M. Reza; Suhartanto, Ery
Jurnal Penelitian Pendidikan IPA Vol 11 No 11 (2025): November: In Progress
Publisher : Postgraduate, University of Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jppipa.v11i11.12650

Abstract

Reliable precipitation data are essential for hydrological modeling in data-scarce basins. This study evaluates five statistical bias-correction methods—Correction Factor (mean-ratio scaling), Linear Scaling (mean adjustment), Linear Regression, Local Intensity Scaling (LOCI; wet-day threshold and intensity adjustment), and Power Transformation—to improve satellite rainfall for the Gembong Watershed, Pasuruan, East Java, Indonesia. We used daily TRMM (2004–2013) and GPM IMERG (2014–2023) estimates harmonized to a common grid and time step and compared them with gauges using Pearson’s r, Nash–Sutcliffe Efficiency (NSE), and the RMSE-observation standard deviation ratio (RSR). LOCI delivered the best overall balance (NSE = 0.92; r = 0.84; RSR = 0.55), while Linear Scaling achieved a slightly lower NSE but the smallest RSR (NSE = 0.87; RSR = 0.49). Power Transformation showed limited skill (NSE = 0.57; RSR = 0.90) despite high correlation. Ranking prioritized NSE with r and RSR as supporting metrics. The coastal-lowland setting of Pasuruan—with strong convective rainfall and heterogeneous land use—makes accurate bias correction particularly consequential for flood and water-resources analysis. We conclude that LOCI’s adaptive thresholding is well-suited to such regimes and that the comparative framework aids method selection for similar data-scarce watersheds.
Co-Authors Ery Suhartanto Rahmah Dara Lufira