Estimasi Tinggi Curah Hujan Dari Data Klimatologi Menggunakan Model Artifical Neural Network (ANN) Di Kabupaten Sampang Jawa Timur

Pratiwi, Novalina Putri (2019) Estimasi Tinggi Curah Hujan Dari Data Klimatologi Menggunakan Model Artifical Neural Network (ANN) Di Kabupaten Sampang Jawa Timur. Sarjana thesis, Universitas Brawijaya.

Abstract

Iklim merupakan keadaan rata-rata cuaca di satu daerah yang cukup luas dan dalam kurun waktu yang cukup lama, minimal 30 tahun, yang sifatnya tetap. Keadaan iklim, topografi, dan geologi akan mempengaruhi kondisi hidrologi. Unsur cuaca atau iklim tersebut antara lain, jumlah dan distribusi presipitasi, misalnya curah hujan, unsur cuaca seperti pengaruh angin, temperatur, kelembaban pada evapotranspirasi, durasi penyinaran matahari, intensitas penyinaran matahari, unsur air permukaan, seperti debit sungai dan tinggi muka air yang akan mempengaruhi kondisi hidrologi. Studi ini dilakukan untuk mengetahui hasil pemodelan tinggi curah hujan bulanan dan harian dari data klimatologi berdasarkan metode Artificial Neural Network (ANN) dan mengetahui perbandingan curah hujan antara metode Artifical Neural Network (ANN) (Matlab) dengan data lapangan. Data iklim yang digunakan pada studi ini selama 10 tahun (2007-2016) yang diantaranya meliputi kecepatan angin, lama penyinaran, evaporasi, dan suhu. Data iklim dan data curah hujan terlebih dahulu dilakukan analisis kualitas data terlebih dahulu, yaitu dengan Uji Stasioner, Uji Ketidak-adaan trend, Uji Persistensi, dan Uji Outlier. Dalam studi ini untuk mengetahui kesesuaian hasil metode yang digunakan terhadap pengamatan, maka dilakukan uji kalibrasi dengan pembagian data 5, 6, 7, 8, dan 9 tahun serta uji verifikasi dengan pembagian data 5, 4, 3, 2, dan 1 atau data sisa dari kalibrasi. Masing-masing dilakukan pengujian dengan epoch 500, 1000, 1500, dan 2000. Pengujian yang digunakan pada uji tersebut diantaranya, Uji Efisiensi Nash-Sutcliffe (ENS), Uji Koefisien Korelasi (R), Uji Root Mean Squared Error (RMSE), dan Uji Kesalahan Relatif (Kr). Hasil analisis perhitungan curah hujan bulanan dengan metode (ANN) terhadap data pengamatan berdasarkan kalibrasi didapatkan bahwa di pembagian data 5 tahun epoch 2000 yang memenuhi nilai kriteria dan memiliki nilai yang paling baik, sedangkan untuk verifikasi di data 1 tahun epoch 2000. Perhitungan curah hujan harian berdasarkan kalibrasi terdapat di data 7 tahun epoch 1000, sedangkan uji verifikasi terdapat di data 1 tahun dengan epoch 500. Perbandingan data curah hujan dengan data pengamatan hampir mendekati jika nilai Efisiensi Nash-Sutcliffe (ENS), dan Koefisien Korelasi (R) memenuhi kategori yang ada.

English Abstract

Climate is the weather average condition in one area which is broad enough and in a long enough period, at least 30 years which is fixed. The state of climate, topography, and geology will affect the hydrology condition. That weather or climate are the amount and distribution of precipitation, such as rain. The weather elements like the influence of the wind, temperature, humidity on evaporation. The duration of sun illumination, the intensity of the sun illumination, the elements of surface water, as river discharge and the high of water surface which will affect hydrology condition. The study was conducted to know the result of the high montly and daily rain precipitation modeling from the climatology data based on an Artifical Neural Network (ANN) method and to know the comparison of rain precipitation between Artifical Neural Network (ANN) (Matlab) with the real data. Climate data that was used in this study for 10 years (2007-2016) which include velocity of the wind, the length of illumination, evaporation and temperature. Firstly climate and precipitation data are conducted by quality analysis, by using stationary test, the absence test of trend, the presitence test and the outlier test. In this study to know the conforming of method result which was used for observation, calibration test was done by dividing data 5, 6, 7, 8 and 9 years and also verification test by dividing data 5, 4, 3, 2 and 1 or residual data from calibration. Each of them was done by testing epoch 500, 1000, 1500, And 2000. The testing which was used in that test are efficient test Nash-Sutcliffe (ENS), correlation coefficient test (R), Root Mean Squared Error test (RMSE), and relative fault test (Kr). The result of monthly rain precipation calculation analysis with (ANN) method to observation data based on caliboration can be obtained that 5 years dividing data epoch 2000 fulfill the criteria value and has the best value, than verification in 1 year data epoch 2000. The calculation of daily rain precipitation based on calibration was in the 7 years epoch 1000, while verification test was in the 1 years data epoch 500. The comparison of rain precipitation data and observation data was almost approached if the efficiency value of Nash-Sutcliffe (ENS) and correlation coefficient (R) fulfill category.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FT/2019/785/051907583
Uncontrolled Keywords:	Curah Hujan, Efisiensi Nash-Sutcliffe (ENS), Uji Koefisien Korelasi (R), Artificial Neural Network (ANN). Rain Precipitation, Efficiency Nash-Sutcliffe (ENS), Correlation Coefficient (R), Artificial Neural Network (ANN).
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:	Budi Wahyono Wahyono
Date Deposited:	31 Oct 2019 03:05
Last Modified:	15 Aug 2023 08:53
URI:	http://repository.ub.ac.id/id/eprint/173282

Text Novalina Putri Pratiwi (2).pdf Download (43MB)

Actions (login required)

View Item