Mandasari, Puspita (2018) Studi Rasionalisasi Jaringan Pos Stasiun Hujan Menggunakan Metode Jaringan Saraf Tiruan Dengan Menghubungkan Pengaruh Faktor Topografi DAS Rejoso Kabupaten Pasuruan. Sarjana thesis, Universitas Brawijaya.
Abstract
Data curah hujan yang baik mendukung ketepatan perencanaan bangunan keairan. Kualitas data ditentukan dari kerapatan jaringan dan pola penyebaran stasiun hujannya. Daerah Aliran Sungai (DAS) Rejoso merupakan daerah yang sering terjadi banjir serta daerah yang menjadi perhatian pemerintah untuk membangun beberapa bangunan pengendali banjir. Tujuan dari studi ini merasionalisasi kerapatan jaringan stasiun hujan eksisting DAS Rejoso sehingga menghasilkan data yang akurat serta hemat biaya operasional dan pemeliharaan dengan menggunakan metode Jaringan Saraf Tiruan (JST). Berdasarkan hasil analisis, metode World Meteorological Organization (WMO) berperan sebagai pembatas jumlah stasiun terkecil untuk mendukung analisis kerapatan jaringan stasiun hujan pada JST. Jenis data yang digunakan pada JST yaitu data curah hujan harian tanpa 0 kemudian komposisi data pada neurosolutions, 80% data training, 10% data cross validation dan 10% data Testing. Banyaknya kombinasi stasiun hujan yang dibentuk sebanyak 510 kombinasi dari 9 stasiun hujan kondisi eksisiting DAS Rejoso. Terpilih kombinasi nomor 251 dengan jumlah 5 stasiun hujan yaitu Gading, Winongan, Lumbang, Panditan dan Umbulan dengan Kesalahan relatif (KR) sebesar 1,896%, Mean Square Error (MSE) Training 0,01, MSE Cross validation 0,001 dan Nash Sutcliffe Error (NSE) ‘Baik’. Stasiun hujan yang terpilih khusus di dalam DAS sebanyak 3 buah stasiun hujan yaitu Winongan, Lumbang dan Panditan dengan KR 7,336% , Min MSE untuk Training Set 0,024 sedangkan untuk Cross Validation Set 0,007 dan NSE baik. Pola Penyebaran stasiun hujan kondisi eksisting dan hasil JST tersebar pada seluruh bagian DAS hulu, tengah, dan hilir. Untuk faktor topografi jaringan hasil JST dengan 3 stasiun hujan memiliki koefisien determinasi (R2) untuk hubungan curah hujan dengan parameter topografi (jarak, elevasi dan beda tinggi) serta hubungan (antar parameter topografi) jarak dengan beda tinggi lebih tinggi dari jaringan dengan 5 stasiun hujan. Analisis debit banjir menggunakan Hidrograf Satuan Sintetis (HSS) Nakayasu didapatkan Q25th, kondisi eksisting sebesar 350,124 m³/dt, jaringan hasil JST dengan 5 stasiun hujan sebesar 537,276 m³/dt, hasil JST dengan 3 stasiun hujan sebesar 586,895m³/dt.
English Abstract
Good rainfall data supports the accuracy of waterworks planning. Data quality is determined by the network density and the dispersion pattern of the rain station. Rejoso River Basin is an area that often occurs floods and areas of concern to the government to build several buildings controlling the flood. The objective of this study is to rationalize the existing rainfall network density of the Rejoso Watershed so as to produce accurate data and cost-effective operation and maintenance by using the method of Neural Network (ANN). Based on the results of the analysis, the method of World Meteorological Organization (WMO) is used as the limiting of the smallest number of stations to support the analysis of rain station network density on ANN. Data type used in ANN is daily rainfall data without 0 then data composition on neurosolutions, 80% training data, 10% data cross validation and 10% data testing. The number of combinations of rain stations formed as many as 510 combinations of 9 rain stations of the Rejoso watershed exisiting condition. Selected combination of number 251 with 5 rain stations that are Gading, Winongan, Lumbang, Panditan and Umbulan with relative error of 1,896%, Mean Square Error (MSE) Training of 0,01, MSE Cross validation of 0,001 and Nash Sutcliffe Error (NSE) is 'Good'. The selected rainfall stations are special within the catchment of 3 rain stations are Winongan, Lumbang and Panditan with relative error of 7,336%, Min MSE for Training Set of 0,024 while for Cross Validation Set of 0,007 and NSE is ‘Good’. The dispersion pattern of the existing rainfall stations and the results of the ANN is scattered throughout the upper, middle, and lower watersheds. For topography factor of network of ANN result with 3 rain stations have coefficient of determination (R2) for rainfall relationship with topography parameter (distance, elevation and height difference) and relation (topographic parameter) distance with higher height higher than network with 5 rain stations. The flood discharge analysis using the synthetic unit hydrograph of Nakayasu was obtained Q25th, the existing condition of 350.124 m³ / sec, the network of ANN results with 5 rain stations of 537,276 m³ / sec, the ANN result with 3 rain stations of 586.895 m³ / sec.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FT/2018/547/051806778 |
| Uncontrolled Keywords: | Rasionalisasi, Jaringan Saraf Tiruan, Kerapatan Jaringan, Pola Penyebaran, Aspek Topografi, Debit Banjir Rancangan Rationalization, Artificial Neural Network, Network Density, Distribution Pattern, Topographic Aspect, Flood Discharge Design |
| Subjects: | 600 Technology (Applied sciences) > 627 Hydraulic engineering > 627.8 Dams and reservoirs |
| Divisions: | Fakultas Teknik > Teknik Pengairan |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 16 Oct 2018 01:40 |
| Last Modified: | 22 Oct 2021 06:54 |
| URI: | http://repository.ub.ac.id/id/eprint/12405 |
Preview |
Text
Puspita Mandasari.pdf Download (11MB) | Preview |
Actions (login required)
 |
View Item |