Analisis Hubungan Curah Hujan Menjadi Debit Pada Daerah Aliran Sungai Cisadane Dengan Menggunakan Metode Jaringan Syaraf Tiruan.

Aryadiva, Raihan and Dr. Ir. Very Dermawan, ST., MT., IPM and Ir. Sri Wahyuni, ST., MT., Ph.D., IPM., ASEAN Eng. (2024) Analisis Hubungan Curah Hujan Menjadi Debit Pada Daerah Aliran Sungai Cisadane Dengan Menggunakan Metode Jaringan Syaraf Tiruan. Sarjana thesis, Universitas Brawijaya.

Abstract

Penelitian ini bertujuan mengatasi masalah hilangnya data debit sungai dengan menggunakan Jaringan Syaraf Tiruan (JST) untuk memodelkan hubungan antara curah hujan dan debit sungai di DAS Cisadane. Data debit sering tidak tercatat akibat kerusakan alat ukur, sehingga analisis curah hujan digunakan sebagai alternatif estimasi. Metode JST dipilih karena kemampuannya meniru kecerdasan manusia dalam mengenali pola. Penelitian ini menggunakan data curah hujan dan debit selama 12 tahun (2011-2022) dari beberapa stasiun pengukuran, diolah menggunakan MATLAB dengan metode JST dan backpropagation. Data yang hilang diestimasi dengan metode Inverse Square Distance, sementara konsistensi data diuji dengan uji kurva massa ganda dan uji RAPS. Model JST dibangun dengan arsitektur optimal untuk memodelkan hubungan curah hujan dan debit. Hasil yang diperoleh dalam penelitian ini menunjukkan bahwa JST dengan arsitektur 3- 3-1, yang menggunakan dua hidden layer, efektif untuk memodelkan hubungan curah hujan dan debit di DAS Cisadane. Model optimal ini dikalibrasi dengan data selama 8 tahun (2011- 2018) menggunakan epoch 500, menghasilkan nilai PBIAS sebesar -0,094% (sangat baik), NSE sebesar 0,997 (baik), dan r sebesar 0,998 (sangat kuat). Validasi dilakukan dengan data selama 4 tahun (2019-2022) dengan epoch yang sama, menghasilkan nilai PBIAS sebesar - 4,499% (sangat baik), NSE sebesar 0,924 (baik), dan r sebesar 0,989 (sangat kuat). Penggunaan JST memberikan hasil yang sangat baik dalam memprediksi debit sungai berdasarkan data curah hujan. Disarankan untuk penelitian lebih lanjut mencoba berbagai parameter dan arsitektur JST yang lebih banyak untuk mendapatkan hasil yang lebih optimal, serta menggunakan rentang data historis yang lebih panjang untuk memberikan hasil yang lebih maksimal. Penelitian ini diharapkan dapat menjadi referensi bagi studi-studi selanjutnya yang berfokus pada pemodelan hubungan curah hujan dan debit sungai menggunakan metode kecerdasan buatan.

English Abstract

This research aims to overcome the problem of missing river discharge data by using Artificial Neural Network (JST) to model the relationship between rainfall and river discharge in the Cisadane watershed. Discharge data is often not recorded due to damage to measuring instruments, so rainfall analysis is used as an alternative estimate. The JST method was chosen because of its ability to mimic human intelligence in recognizing patterns. This research uses rainfall and discharge data for 12 years (2011-2022) from several measurement stations, processed using MATLAB with JST and backpropagation methods. Missing data were estimated with the Inverse Square Distance method, while data consistency was tested with the double mass curve test and RAPS test. The JST model was built with optimal architecture to model the relationship between rainfall and discharge. The results obtained in this study show that a JST with a 3-3-1 architecture, which uses two hidden layers, is effective for modeling the relationship between rainfall and discharge in the Cisadane watershed. This optimal model was calibrated with data for 8 years (2011- 2018) using 500 epochs, resulting in a PBIAS value of -0.094% (very good), NSE of 0.997 (good), and r of 0.998 (very strong). Validation was carried out with data for 4 years (2019- 2022) with the same epoch, resulting in a PBIAS value of -4.499% (very good), NSE of 0.924 (good), and r of 0.989 (very strong). The use of JST provides excellent results in predicting river discharge based on rainfall data. It is recommended for further research to try various parameters and more JST architectures to get more optimal results, as well as using a longer range of historical data to provide maximum results. This research is expected to be a reference for future studies that focus on modeling the relationship between rainfall and river discharge using artificial intelligence methods.

Item Type:	Thesis (Sarjana)
Identification Number:	0524071293
Uncontrolled Keywords:	Jaringan Syaraf Tiruan (JST), Curah Hujan, Debit, Persentase Bias (PBIAS), Efisiensi Nash-Sutcliffe (ENS), dan Koefisien Korelasi (r).
Divisions:	Fakultas Teknik > Teknik Pengairan
Depositing User:	S Sucipto
Date Deposited:	23 Aug 2024 07:10
Last Modified:	23 Aug 2024 07:10
URI:	http://repository.ub.ac.id/id/eprint/229111

Text (DALAM MASA EMBARGO) Raihan aryadiva.pdf Restricted to Registered users only Download (12MB)

Actions (login required)

View Item