Pemodelan Debit Sungai Kahayan Menggunakan Jaringan Syaraf Tiruan Berdasarkan Data Hujan dan Evapotranspirasi

Authors

  • Very Dermawan Universitas Brawijaya
  • Widandi Soetopo Universitas Brawijaya
  • Jano Alpikarigo Universitas Brawijaya

DOI:

https://doi.org/10.21776/ub.pengairan.2020.011.01.05

Keywords:

jaringan syaraf tiruan (JST), koefisien korelasi (R), pemodelan debit, nash-sutcliffe efisiensi (NSE)

Abstract

Debit merupakan suatu dasar dalam perencanaan pada sebuah kegiatan pengelolaan sumber daya air. Penentuan nilai debit dapat dilakukan melalui pengukuran secara langsung di lapangan ataupun melalui analisa. Dengan adanya analisa curah hujan terhadap debit sungai dapat menjadi alternatif dalam perencanaan bangunan air, dengan penggunaan metode yang tepat hasil analisa debit akan mendekati nilai hidrologis. Dalam studi ini analisa yang dilakukan menggunakan metode Jaringan Syaraf Tiruan untuk mengetahui hasil pemodelan debit sungai berdasarkan data hujan dan evapotranspirasi dan mengetahui perbandingan debit model dengan debit lapangan. Untuk mengetahui kesesuaian antara debit pemodelan terhadap debit lapangan, maka dilakukan kalibrasi dan pelatihan Jaringan Arsitektur dengan data latih 6 sampai 9 tahun serta verifikasi debit model dengan pembagian data 4 sampai 1 tahun dari data sisa kalibrasi. Pelatihan jaringan arsitektur digunakan epoch 500 sampai 2000. Uji yang digunakan yaitu Mean Square Error (MSE), Mean Absolute Error (MAE), Kesalahan Relatif (Kr), Koefisien Korelasi (R), Nash-Sutcliffe Efisiensi (NSE). Hasil pengujian debit model menggunakan Jaringan Syaraf Tiruan terhadap debit lapangan berdasarkan hasil pengujian didapatkan bahwa di pembagian data latih 7 tahun dan data uji 3 tahun dengan epoch 1000 yang memenuhi kriteria dan memiliki nilai paling baik, berdasarkan nilai Nash-Sutcliffe Efisiensi (NSE), dan Koefisien Korelasi (R).

References

Dembélé, Moctar et al. 2020. “Potential of Satellite and Reanalysis Evaporation Datasets for Hydrological Modelling under Various Model Calibration Strategies.” Advances in Water Resources.

Haribowo, Riyanto, Very Dermawan, and Nevandria Yudha. 2018. “Application of Artificial Neural Network For Defining The Water Quality in The River.” Civil and Environmental Science.

Hassan, Mohamed. 2013. “Evaporation Estimation for Lake Nasser Based on Remote Sensing Technology.” Ain Shams Engineering Journal.

Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik Dan Aplikasinya). Yogyakarta: Graha Ilmu.

Lary, David J., Amir H. Alavi, Amir H. Gandomi, and Annette L. Walker. 2016. “Machine Learning in Geosciences and Remote Sensing.” Geoscience Frontiers.

Makridakis. 1999. Metode Dan Aplikasi Peramalan. 2nd ed. Jakarta: Binarupa Aksara.

Soewarno. 2015. Analisis Data Hidrologi : Menggunakan Metode Statistika Dan Stokastik: Seri Hidrologi. Yogyakarta: Graha Ilmu.

Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif Dan R&D. Bandung: Penerbit Alfabeta.

Suprayogi, Imam, Yohana Lilis Handayani, Lita Darmayanti, and Trimaijon. 2013. “Analisis Hujan Debit Pada DAS Indragiri Menggunakan Pendekatan Model IHACRES.” Konferensi Nasional Teknik Sipil 7 (KONTEKS).

Takeda, Kensaku, and Suyono Sosrodarsono. 2003. “Hidrologi Untuk Pengairan.” Editor Sosrodarsono, S. PT Pradnya Paramita: Jakarta.

Triatmodjo, B. 2008. “Hidrologi Terapan.” Beta Offset.

Zhang, Wengang, and Anthony T.C. Goh. 2016. “Multivariate Adaptive Regression Splines and Neural Network Models for Prediction of Pile Drivability.” Geoscience Frontiers.

Downloads

Published

2020-09-08

How to Cite

Dermawan, V., Soetopo, W., & Alpikarigo, J. (2020). Pemodelan Debit Sungai Kahayan Menggunakan Jaringan Syaraf Tiruan Berdasarkan Data Hujan dan Evapotranspirasi. Jurnal Teknik Pengairan: Journal of Water Resources Engineering, 11(1), 37–46. https://doi.org/10.21776/ub.pengairan.2020.011.01.05

Issue

Section

Articles

Most read articles by the same author(s)

1 2 3 4 5 6 > >>