BKG

Chandy, Poetri Mustika (2019) Analisa Hujan Limpasan Di Sub Das Gongseng Kabupaten Bojonegoro Jawa Timur Menggunakan Jaringan Saraf Tiruan. Sarjana thesis, Universitas Brawijaya.

Indonesian Abstract

Hubungan hujan dan limpasan sangatlah berkaitan, hujan yang turun di permukaan bumi sebagian masuk terserap ke dalam tanah yang dinamankan infiltrasi, dan sebagian lainnya mengalir ke saluran-saluran kecil hingga akhirnya kedalam aliran sungai. Hubungannya disini adalah curah hujan yang melebihi kapasitas infiltrasi dinamakan limpasan, dimana daratan menjadi tergenang oleh air hingga dapat menyebabkan banjir. Studi ini dilakukan untuk mengetahui hasil perhitungan debit pemodelan oleh Jaringan Saraf Tiruan menggunakan software komputer yaitu Matlab R2014, mengetahui hasil kalibrasi, verifikasi dan validasi. Sehingga nantinya didapatkan hasil debit pemodelan dari JST yang paling baik. Data yang digunakan dalam studi ini adalah data curah hujan, debit pengamatan pos duga air, dan data pendukung seperti jumlah hari hujan, luasan DAS serta nilai koefisiean aliran. Data curah hujan dan data debit masing masing selama 12 tahun (2006-2017) diperoleh dari UPT PSDA Di Bojonegoro Jawa Timur, sedangkan data pendukung lainnya melalui perhitungan dari data curah hujan dan data debit. Data curah hujan diuji kualitas datanya dengan Uji Konsistensi Kurva Massa Ganda, Uji Ketidakadaan Trend, Uji Stasioner, dan Uji Persistensi. Sedangkan data debit pengamatan dianalisa diuji kualitas data dengan menggunakan Uji RAPS, Uji Ketidakadaan Trend, Uji Stasioner, dan Uji Persistensi. Selanjutnya menghitung hujan rerata daerah dengan poligon thiessen dan mencari nilai koefisien aliran yang akan digunakan sebagai input Jaringan Saraf Tiruan (JST). Data Hujan, jumlah hari hujan dan nilai koefisien aliran sebagai input Jaringan Saraf Tiruan dan data debit pengamatan sebagai output atau target yang nantinya mencari debit pemodelan dari JST. Pada studi ini perhitungan debit dilakukan 6 pembagian data yaitu dengan 6-6 tahun, 7-5 tahun, 8-4 tahun, 9-3 tahun, 10-2 tahun dan 11-1 tahun. Data 6, 7, 8, 9, 10, dan 11 tahun digunakan dalam perhitungan kalibrasi, sedangkan tahun sisanya seperti 6, 5, 4, 3, 2, dan 1 tahun dilakukan perhitungan verifikasi dan validasi. Uji yang digunakan dalam kalibrasi,verifikasi dan validasi adalah Uji Kesalahan Relatif (KR), Uji Root Mean Square Error (RMSE), Uji Nash-Sutcliffe Efficiency (NSE) , dan Uji Koefisien Korelasi (R). Berdasarkan perhitungan debit model menggunakan Jaringan Saraf Tiruan dengan aplikasi Matlab R2014 pada hasil kalibrasi nilai terbaik pada pada pembagian data 6 tahun (2006-2011) pada epoch 2000. Sedangkan pada tahap verifikasi dan validasi dengan pada pembagian data 1 tahun sisa (2017) dengan epoch 1000. Dari hasil kalibrasi, verifikasi dan validasi pada studi ini, didapatkan bahwa perhitungan debit yang dibangun dengan data yang lebih banyak belum tentu menghasilkan hasil yang lebih baik, faktor yang mempengaruhi pada studi ini adalah faktor range data yang sangat berbeda. Oleh karena itu pada uji proses kalibrasi, verikasi dan validasi ini dilakukan secara kumulatif sehingga hubungan antara data yang dihitung akan mempengaruhi hasil data model.

English Abstract

Rain and runoff is very related, rain falling on the surface of the earth is partly absorbed into the soil that is dynamizing infiltration, and the others flow into small channels untis=l the end of the flow of river. The relationship here is the raindall that exceeds the infiltration capacity is named runoff, where the land becomes flooded by water until it can cause flooding. This study was conducted to determine the results of the discharge of modeling by artificial neural network using a computer application that is Matlab R2014b, to deter,ine the results of calibration, verivication and validation. Thus, the most well received modelling resutls from ANN. The data used in this study is rainfall data, discharge observation post observations, and supporting data such as the number of rainy days, area watershed, and the value of flow efficiency. Data on rainfall and discharget data for 12 years (2006-2017) obtain from UPT PSDA at Bojonegoro Regency, East Java. Other supporting data through calculation of rainfall data and discharge data. Rainfall data is tested for quality data with double mass curve, consistency, trend inefficiency, stastionary and persistence. Meanwhile in the analysis the data quality is tested using the RAPS, trend inefficiency, stastionary and persistence. Next step is calculate the rainfall of the area with Thiessen Polygons and look for the value of the flow coefficient to be used as input of Artificial Neural Network (ANN). Rain data, number of rainy days and flow coefficient value as input Artificial Neural Network and the observation discharge data as an output or target which later seek a modeling dischare from ANN. In this study used calculation is 6 data sharing with 6-6 years, 7-5 years, 8-4 years, 9-3 years, 10-2 years, and 11-1 years. Data sharing 6, 7, 8, 9, 10, and 11 years are used in the alculation of calibration, while the remaining years such as 6, 5, 4, 3, 2, and 1 year are carried out of calculation of verification and validation. The test used in calibration, verification and validation are the relative error (KR), Root Mean Square Error (RMSE), Nash-Sutcliffe Efficiency (NSE) and correlation coefficient (R). Based on the model discharge calculation using Artificial Neural Network with MATLAB R2014b on calibration result of best value on 6 year (2006-2011) data sharing on epoch 2000. As the verifocation and validation phase with the remaining year data sharing (2017) with epoch 1000. From the result of calibration, verifivationm and validatiin in this study, it was obtained that the calculation of discharge bulit with more data dose not necessarily .produse better result, the factors tha affect on this study are far away data range factors. Therefore in the calibration, verification, and validation is carried out cumuatively so that the relationship between the calculated data will affect th results of the model data.

Other Language Abstract

-

Item Type: Thesis (Sarjana)
Identification Number: SKR/FT/2019/1022/052000402
Uncontrolled Keywords: Hujan, Debit, Limpasan, Jaringan Saraf Tiruan (JST), Kalibrasi, Verifikasi, dan Validasi, Rainfall, Discharget, Artificial Neural Network (ANN), Calibration, Verification, and Validation
Subjects: 500 Natural sciences and mathematics > 551 Geology, hydrology, meteorology > 551.5 Meteorology > 551.57 Hydrometeorology > 551.577 Precipitation
Divisions: Fakultas Teknik > Teknik Pengairan
Depositing User: Nur Cholis
URI: http://repository.ub.ac.id/id/eprint/178623
Text
POETRI MUSTIKA CHANDY (2).pdf

Download | Preview

Actions (login required)

View Item View Item