Koreksi Bias Data Chirps Untuk Pemetaan Zona Agroklimat Tipe Schmidt-Ferguson Kabupaten Jember
Tahun 2025 · Penulis: Rengga Rona Pratama
Faculty of Agriculture, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Klasifikasi zona agroklimat Schmidt-Ferguson berperan penting dalam sektor pertanian, namun informasi mengenai zona tersebut di Kabupaten Jember masih terbatas akibat distribusi stasiun hujan yang tidak merata. Data CHIRPS dapat digunakan sebagai alternatif dengan cakupan spasial-temporal yang luas, namun mengandung bias terhadap data observasi lapangan. Penelitian ini bertujuan untuk (1) menganalisis dan mengevaluasi hasil koreksi bias data CHIRPS terhadap data dari stasiun pengukur curah hujan di Kabupaten Jember, dan (2) mengklasifikasikan zona agroklimat Schmidt-Ferguson menggunakan data CHIRPS yang telah dikoreksi. Metode koreksi bias yang digunakan meliputi Multiple Linear Regression (MLR), Linear Scaling (LS), dan Empirical Quantile Mapping (EQM) dengan data bulanan periode 2014–2023. Evaluasi dilakukan menggunakan korelasi Pearson, NSE, RMSE, MAE, average bias, index of agreement, dan confidence index. Data terkoreksi terbaik kemudian diinterpolasi dengan metode IDW dan diklasifikasi berdasarkan rasio bulan basah dan bulan kering. Hasil menunjukkan bahwa MLR memberikan hasil koreksi terbaik dengan korelasi 0,998, confidence index 0,997 (Excellent), dan bias yang hampir nol. Zona agroklimat berdasarkan CHIRPS yang telah dikoreksi MLR di Kabupaten Jember terbagi menjadi tipe C (iklim agak basah) di wilayah utara-tengah dan tipe D (iklim sedang) di wilayah selatan-barat.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,816
Tahun 2026 · Penulis: Salsabila Hapsari
Analisis Spasial PH dan Konduktivitas Listrik (EC) di Lahan Pertanian dengan Menggunakan Perbedaan Metode Interpolasi Kriging pada Kecamatan Sumbersari
Distrik Sumbersari adalah salah satu daerah penyangga produksi beras di Kabupaten Jember, di mana produktivitas berpotensi dapat meningkat melalui pengelolaan nutrisi berdasarkan kondisi kimia tanah setempat. Penelitian ini bertujuan untuk menganalisis distrib
- Cosine 0,814
Tahun 2026 · Penulis: Ikmal Maulana Muhammad
Pengembangan Model Penentuan Produksi Padi Berbasis Data Indeks Vegetasi dan Data Iklim Menggunakan Algoritma Random Forest
Kabupaten Jember, salah satu pusat produksi padi utama di Jawa Timur, terus menghadapi fluktuasi produksi yang didorong oleh tumbuhan dan faktor iklim. Metode pengumpulan data konvensional, seperti bentuk survei Statistik Agricultural dan pendekatan perkiraan
- Cosine 0,802
Tahun 2026 · Penulis: Hoirul Anam
Komparasi Model Machine Learning untuk Estimasi Yield Tebu Berbasis Indeks Vegetasi Sentinel-2 di Kabupaten Jember
Perkiraan hasil tebu yang akurat sangat penting bagi para petani, industri gula, dan pembuat kebijakan pertanian, namun metode survei lapangan konvensional masih terbatas dalam cakupan spasial, ketepatan waktu, dan biaya operasional. Penelitian ini membandingk