Nareswara, Azamulail Diando and Prof. Dr. Ir. Lily Montarcih Limantara, M.Sc. and Ir. Sri Wahyuni, ST., MT., Ph.D. (2023) Estimasi Tinggi Curah Hujan dari Data Klimatologi Menggunakan Model Artifical Neural Network (ANN) di Jakarta Pusat, Provinsi DKI Jakarta. 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, suhu udara, 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 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 30 tahun (1990-2019) yang diantaranya meliputi kecepatan angin, lama penyinaran, kelembapan, dan suhu udara. Data iklim dan data curah hujan dilakukan uji kualitas data terlebih dahulu, yaitu dengan Uji Konsistensi, Uji Ketidak-adaan trend, Uji Stasioner, Uji Persistensi, dan Uji Outlier. Dalam studi ini untuk mengetahui kesesuaian hasil metode yang digunakan terhadap pengamatan, maka dilakukan uji kalibrasi dengan pembagian data 25, 26, 27, 28, dan 29 tahun serta uji verifikasi dengan pembagian data 5, 4, 3, 2, dan 1 atau data diluar dari uji kalibrasi Masingmasing dilakukan pengujian dengan epoch 1000, 1500, dan 2000. Pengujian yang digunakan pada uji tersebut diantaranya, Uji Efisiensi Nash-Sutcliffe (ENS), Uji Koefisien Korelasi (R), dan Uji Root Mean Squared Error (RMSE). Hasil analisis perhitungan curah hujan bulanan dengan metode Artifical Neural Network (ANN) terhadap data pengamatan berdasarkan kalibrasi didapatkan bahwa di pembagian data 29 tahun epoch 1500 yang memenuhi nilai kriteria dan memiliki nilai yang paling baik, sedangkan untuk verifikasi di data 1 tahun epoch 1000. 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 average state of weather in an area that is large enough and in a long enough period of time, at least 30 years, which is fixed. Climate, topography, and geology will affect hydrological conditions. Weather or climate elements include the amount and distribution of precipitation, such as rainfall, weather elements such as the influence of wind, air temperature, sunshine duration, sunshine intensity, surface water elements, such as river discharge and water level that will affect hydrological conditions. This study was conducted to determine the results of modeling the monthly rainfall rate from climatological data based on the Artificial Neural Network (ANN) method and determine the comparison of rainfall between the Artifical Neural Network (ANN) method (Matlab) with field data. Climate data used in this study for 30 years (1990-2019) which includes wind speed, length of irradiation, humidity, and air temperature. Climate data and rainfall data are tested for data quality first, namely with the Consistency Test, Trendlessness Test, Stationary Test, Persistence Test, and Outlier Test. In this study to determine the suitability of the results of the method used against observations, a calibration test was carried out with data division of 25, 26, 27, 28, and 29 years and a verification test with data division of 5, 4, 3, 2, and 1 or data outside of the calibration test Each test was carried out with epochs of 1000, 1500, and 2000. Tests used in the test include Nash-Sutcliffe Efficiency Test (ENS), Correlation Coefficient Test (R), and Root Mean Squared Error Test (RMSE). The results of the analysis of monthly rainfall calculations with the Artifical Neural Network (ANN) method against observational data based on calibration found that in the division of data 29 years epoch 1500 that meets the criteria value and has the best value, while for verification in data 1 year epoch 1000. Comparison of rainfall data with observational data is almost close if the Nash-Sutcliffe Efficiency (NSE) value, and the Correlation Coefficient (R) meet the existing categories.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052307 |
| Uncontrolled Keywords: | Curah Hujan, Efisiensi Nash-Sutcliffe (ENS), Uji Koefisien Korelasi (R), Backpropagation, Artificial Neural Network (ANN) |
| Subjects: | 500 Natural sciences and mathematics > 551 Geology, hydrology, meteorology > 551.6 Climatology and weather |
| Divisions: | Fakultas Teknik > Teknik Pengairan |
| Depositing User: | Unnamed user with username tunjungsari |
| Date Deposited: | 15 Jan 2024 07:15 |
| Last Modified: | 15 Jan 2024 07:15 |
| URI: | http://repository.ub.ac.id/id/eprint/210279 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
AZAMULAIL DIANDO NARESWARA.pdf Restricted to Registered users only until 31 December 2025. Download (6MB) |
Actions (login required)
 |
View Item |