Publication Search

Accurate classification of rainfall intensity patterns is important for early warning systems, hydrometeorological risk assessment, and water resource management. Surface rain gauges have limited spatial coverage, so this study uses NOAA NEXRAD Level II radar data from the KTLX station in 2023. K-Means clustering was applied to identify rainfall intensity patterns from 30 randomly selected days, with scans stratified into four daily time intervals. Seven features were extracted from each radar sweep, including reflectivity statistics, convective and stratiform ratios, and rainfall coverage. The data were normalized and balanced before clustering. The optimal cluster count was determined through a combined evaluation of the Elbow Method, Silhouette Score, and Davies-Bouldin Index, yielding K=5 as the most representative configuration. Evaluation results demonstrated a Silhouette Score of 0.3871 and a Davies-Bouldin Index of 0.8599, indicating moderate cluster cohesion that reflects the inherent overlapping nature of rainfall intensity transitions in radar reflectivity data. The clusters represent rainfall regimes from non-precipitating conditions to intense convective events. These results support the use of K-Means for automated rainfall pattern recognition and flood forecasting applications. 

Global climate change has caused changes in rainfall patterns in various regions, including North Jayapura District, Papua Province. This study aims to analyze changes in rainfall characteristics in the region over the past two decades (2004–2023) using GSMaP satellite data. The analysis was carried out on the average monthly rainfall, annual rainfall, decadal trends, hourly rainfall intensity frequency, and daily rainfall duration. The results showed a decrease in annual rainfall accumulation in the 2014–2023 decades compared to the previous decade (2004–2013), with a difference of around 5,000 mm. The seasonal rainfall pattern still shows concentration in January to March, but with a significant decrease in these wet months. In addition, there was an increase in the frequency of short-duration rain (<1 hour) and moderate to very heavy rain, although the frequency was still relatively small. The high variability of annual rainfall also indicates an increasingly large climate. These findings indicate that North Jayapura District faces the risk of increasing extreme rainfall events and decreasing water availability in the long term. Therefore, adaptation efforts are needed through improving early warning systems, conservation of air catchment areas, and integration of satellite data and field observations in air resource management planning.

Penelitian ini yang berjudul Analisis Intensitas Hujan Dan Karakteristik DAS Piring Kota Madiun bertujuan untuk mendapatkan nilai intensitas hujan berdasarkan data curah hujan, mencari besar nilai puncak debit banjir DAS Piring menggunakan metode HSS Gama 1, HSS Limantara dan HSS Nakayasu. Lokasi pekerjaan ini adalah Kali Piring di Kota dan Kabupaten Madiun, Propinsi Jawa Timur. Kali Piring berada di sebelah timur kota Madiun menyisir kota dari selatan ke utara. Kali Piring berhulu pada kaki Gunung Wilis, mengalir ke barat dan berbelok ke utara tepat di Kelurahan Pilang Bango Kecamatan Kartoharjo Kota Madiun menuju ke Utara sampai bermuara ke Kali JerowanPenelitian diambil menggunakan data curah hujan harian tahun 2009 sampai dengan tahun 2018. Pengambilan data curah hujan harian meliputi tiga stasiun hujan antara lain stasiun hujan Klegen, stasiun hujan Babadan, stasiun hujan Dungus. Dari penelitian ini dapat disimpulkan hasil Distribusi yang dipilih untuk untuk periode ulang 2, 5, 10, 20, 50 untuk jangka waktu 10 ( sepuluh ) tahun terakhir adalah distibusi normal. Metode Normal memenuhi syarat untuk distribusi Chi-Kuadrat dan Smirnov Kolmogorov. Debit banjir menggunakan perhitungan hidrograf satuan sintetis GAMA I dengan periode ulang 2, 5, 10, 20, 50 dengan nilai debit maksimum  501,78   mᶾ/detik.  Debit  banjir  yang  dipakai  adalah  hasil  perhitungan  HSS  Nakayasu,  karena  perhitungan  HSS Nakayasu memiliki nilai debit puncak paling besar dibandingkan dengan kedua metode HSS lainnya, sedangkan untuk nilai debit puncak terkecil adalah metode HSS Limantara.

Curah hujan adalah salah satu faktor penting pada banyak sektor, seperti salah satunya yaitu pada bidang perkebunan. Tinggi-rendahnya curah hujan mempengaruhi proses perawatan hingga masa panen dalam sektor ini. Maka itu butuh mengketahui kapan saat yang benar untuk melakukan perawatan agar tidak mengalami kerugian. Diperlukan peramalan untuk menentukan waktu yang tepat. Analisis yang dipergunakan pada observasi ini merupakan Holt-Winters Exponential Smoothing. Hasil observasi menggunakan model terbaik ditentukan dengan besarnya nilai MAPE, dengan model Additive () menunjukkan nilai MAPE sebesar 0,3271700 sebagai model yang terbaik, MAPE dapat menjadi alat ukur untuk menentukan model terbaik, karena jika nilai MAPE semakin kecil maka semakin baik pula sebuah model. Dari hasil peramalan tersebut dapat diketahui bahwa intensitas hujan yang lemah berada saat bulan juni, juli hingga september disetiap tahunnya, pada saat itu para petani dapat melakukan perawatan pada tanaman sawit.

Perhitungan debit air dilakukan untuk mengetahui laju aliran puncak pada Sistem Drainase . Metode yang digunakan untuk memperkirakan laju aliran puncak (debit banjir) adalah metode Rasional, dimana metode ini umum dipakai karena sangat simpel dan mudah penggunaannya, namun penggunaannya terbatas untuk DAS-DAS dengan ukuran kecil, yaitu kurang dari 300 ha. Analisis  intensitas seragam dan merata di seluruh DAS selama paling sedikit sama dengan waktu konsentrasi (tc) DAS.  Beberapa metode untuk memperkirakan laju aliran puncak (debit banjir) , lebih banyak ditentukan oleh ketersediaan data. Data yang digunakan sebagai indikator menentukan wilayah yang berpotensi rawan banjir berdasarkan indikator, Debit Air DAS, Curah Hujan, Topografi,dan  penggunaan lahan. Analisa pada sistem drainase untuk menentukan wilayah yang berpotensi banjir dengan memanfaatkan aplikasi Sistem Informasi Geografi.