Perbandingan metodologi koreksi bias data curah hujan CHIRPS

Penggunaan data global makin meningkat dalam mengatasi permasalahan ketersediaan-data curah hujan observasi. Salah satu data global yang sering digunakan yaitu data-Climate Hazards Group InfraRed Precipitation with Station (CHIRPS). Namun demikian,-data CHIRPS tidak bebas dari permasalahan bias, sehingga perlu dilakukan validasi dan-koreksi dengan menggunakan data observasi hasil pengamatan di lapangan. Penelitian-ini bertujuan untuk mengidentifikasi metode koreksi bias yang memberikan performa-paling baik dalam memperbaiki inkonsistensi data curah hujan CHIRPS terhadap curah-hujan observasi. Metode-metode yang digunakan dalam penelitian ini adalah metode-regresi linear berganda, distribution mapping, metode rasio rata-rata, dan metode regresi-power. Evaluasi performa masing-masing metode tersebut dilakukan berdasarkan nilai-koefisien determinasi (R) dan jumlah kuadrat tengah sisa (MSE). Hasil penelitian menunjukkan bahwa metode koreksi bias dengan regresi linear berganda memberikan-hasil yang terbaik dengan nilai R 2 terbesar dan MSE terkecil. Pola curah hujan harian dan bulanan CHIRPS terkoreksi metode regresi linear berganda juga menunjukkan-konsistensi yang paling baik terhadap curah hujan observasi.