Halimathussa’diah, Siire (2019) Analisa Evapotranspirasi Rujukan Dengan Rumus Empiris dan Model ANN di Stasiun Klimatologi Klas II Karangploso Malang. Sarjana thesis, Universitas Brawijaya.
Abstract
Evapotranspirasi merupakan data hidrologi yang sangat penting dalam proses hidrologi dan sebagai salah satu faktor utama dalam memperkirakan tampungan air untuk pemenuhan sumber daya air terutama untuk kebutuhan air tanaman dan jadwal irigasi. Dalam memperkirakan evapotranpirasi dapat dilakukan dengan menggunakan alat lysimeter dan rumus empiris. Akan tetapi alat lysimeter sering mengalami kerusakan sehingga diperlukan memperkirakan evapotranspirasi menggunakan rumus empiris. Studi ini dilakukan untuk mengetahui metode yang paling baik dalam menentukan besaran evapotranspirasi di Stasiun Klimatologi Klas II Karangploso Malang. Metode yang digunakan pada studi ini diantaranya, Metode David, Metode Prescott, Metode Turc dan Model Artificial Neural Network (ANN). Pada masing – masing metode perhitungan memiliki kebutuhan data iklim sebagai faktor perhitungan yang berbeda – beda. Data iklim yang digunakan pada studi ini selama 14 tahun (2004-2017) yang diantaranya meliputi suhu udara, kelembaban udara, lama penyinaran, kecepatan angin serta evaporasi pengamatan. Data iklim dan data evaporasi terlebih dahulu dilakukan analisis kualitas terlebih dahulu dilakukan analisis kualitas data dengan Uji Stasioner dan Uji Outlier. Dalam studi ini untuk mengetahui kesesuaian hasil metode yang digunakan terhadap pengamatan, maka dilakukan uji kalibrasi selama 14 tahun (2004-2017) untuk menentukan metode yang terpilih. Pengujian yang digunakan pada uji tersebut diantaranya, Uji Efisiensi Nash Sutcliffe (ENS), Mean Absolute Error (MAE), Koefisien Determinasi (R2) dan Kesalahan Relatif (Kr). Sehingga diperoleh metode terpilih yang mana metode terpilih dilakukan uji verifikasi. Uji verifikasi digunakan untuk memastikan kembali metode yang terpilih merupakan metode yang baik dengan menggunakan data 4 tahun (2014-2017), 3 tahun (2015-2017), 2 tahun (2016-2017) dan 1 tahun (2017). Hasil analisis perhitungan evapotranpirasi rujukan dengan menggunakan model ANN terhadap pengamatan berdasarkan kalibrasi selama 10,11,12,13 tahun menunjukkan bahwa model artificial neural network (ANN) menggunakan menggunakan 4 variabel (suhu, kelembaban udara, lama penyinaran dan kecepatan angin) merupakan metode yang terpilih berdasarkan kriteria pada uji kalibrasi. Hasil uji verifikasi Model Artificial Neural Network (ANN) 4 variabel 4,3,2,1 tahun menunjukkan bahwa persamaan 13 tahun memiliki nilai verifikasi berdasarkan uji ENS, MAE, R2, Kr yang memenuhi kriteria dan memiliki nilai yang paling baik. Oleh karena itu model artificial neural network menggunakan 4 variabel (suhu, kelembaban udara, lama penyinaran dan kecepatan angin) dengan persamaan 13 tahun merupakan metode yang terpilih pada lokasi studi.
English Abstract
Evapotranspiration is a hydrological data that is very important in the hydrological process and as one of the main factors in estimating water storage for the fulfillment of water resources, especially for crop water needs and irrigation schedules. In estimating evapotranpiration can be done using the lysimeter tool and empirical formula. However, the lysimeter equipment is often damaged so it is necessary to estimate evapotranspiration using an empirical formula. This study was conducted to determine the best method in determining the magnitude of evapotranspiration at Karangploso Class II Climatology Station Malang. The methods used in this study include, David's Method, Prescott Method, Turc Method and Artificial Neural Network (ANN) Model. In each - each calculation method has the needs of climate data as different calculation factors. Climate data used in this study for 14 years (2004-2017) which included air temperature, air humidity, irradiation time, wind speed and evaporation of observations. Climate data and evaporation data are first carried out by quality analysis, firstly analyzing data quality with Stationary Test and Outlier Test. In this study to determine the suitability of the results of the methods used for observation, a calibration test was conducted for 14 years (2004-2017) to determine the method chosen. The tests used in the test include, Nash Sutcliffe Efficiency Test (ENS), Mean Absolute Error (MAE), Determination Coefficient (R2) and Relative Error (Kr). So that the chosen method is obtained where the chosen method is carried out verification test. Verification test is used to ensure that the selected method is a good method using 4 years of data (2014-2017), 3 years (2015-2017), 2 years (2016-2017) and 1 year (2017). The results of the analysis of reference evapotranpiration calculations using the ANN model on observations based on calibration for 10,11,12,13 years indicate that the artificial neural network (ANN) model uses 4 variables (temperature, air humidity, irradiation time and wind speed) which are methods that selected based on the criteria in the calibration test. Verification test results of the Artificial Neural Network (ANN) model 4 variables 4,3,2,1 years show that the 13-year equation has a verification value based on the ENS, MAE, R2, Kr test that meets the criteria and has the best value. Therefore the artificial neural network model uses 4 variables (temperature, air humidity, irradiation time and wind speed) with a 13-year equation which is the method chosen at the study location.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FT/2019/457/051905053 |
| Uncontrolled Keywords: | Evapotranspirasi Rujukan, David, Prescott, Turc, Model Artificial Neural Network (ANN). Reference Evapotranspiration, David, Prescott, Turc, Artificial Neural Network (ANN) Model. |
| Subjects: | 600 Technology (Applied sciences) > 627 Hydraulic engineering |
| Divisions: | Fakultas Teknik > Teknik Pengairan |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 16 Nov 2020 08:07 |
| Last Modified: | 16 Nov 2020 08:07 |
| URI: | http://repository.ub.ac.id/id/eprint/173009 |
Actions (login required)
 |
View Item |