Aji, Yahya Muchaimin (2018) Analisa Kerapatan Jaringan Stasiun Hujan di Sub Das Kadalpang Kabupaten Pasuruan Menggunakan Metode Jaringan Saraf Tiruan dan Hubungannya terhadap Aspek Topografi. Sarjana thesis, Universitas Brawijaya.
Abstract
Kabupaten Pasuruan dengan luas wilayah 147.401,50 Ha terdiri dari 24 Kecamatan. Kabupaten Pasuruan memiliki Pegunungan Arjuno-Welirang dan Pegunungan Bromo. Terdapat 5 (lima) DAS besar di wilayah ini, yaitu DAS Lawean, Petung, Kedunglarangan, Rejoso, dan Welang. Sub DAS Kadalpang merupakan bagian hulu dari DAS Kedunglarangan. Pada Sub DAS seluas 86,4 Km2 ini terdapat 9 stasiun hujan. Sebagai kabupaten yang tingkat perekonomian maju, maka nilai ekonomi data menjadi tinggi dan sangat berharga. Akibatnya, ketelitian data menjadi tuntutan dalam setiap perencanaan bangunan air agar sesuai dengan harapan. Sama halnya dengan DAS lainnya, Sub DAS Kadalpang juga menyimpan segudang permasalahan. Selain kuantitas, aspek kualitas juga cukup mengkhawatirkan. Dalam hal ini, data hujan dan data debit berperan sebagai masukan utama yang memegang peranan vital dalam pengelolaan sumber daya air seperti pengendalian banjir, pemenuhan kebutuhan air, dan sebagainya. Untuk itu, analisis ini bertujuan mengetahui jaringan stasiun baru yang lebih efektif dan lebih representatif terhadap konsidi DAS saat ini, sehingga dapat mengoptimalkan kualitas data dan jumlah stasiun hujan. Kemudian, hasil analisis bisa menjadi masukan kepada instansi terkait agar dijadikan pertimbangan pengambilan keputusan guna efisiensi biaya, tenaga, dan waktu. Adanya kajian hubungan antara aspek topografi sebagai sebuah variabel baru juga diharapkan menjadi temuan yang memberikan kemudahan dalam analisis kerapatan jaringan stasiun hujan pada masa mendatang. Analisis kerapatan jaringan stasiun hujan dikaji menggunakan 4 metode, yaitu WMO, Bleasdale, Sugawara, dan Varshney. Dari ke empat metode tersebut, hanya Sugawara yang tidak menyarankan pengurangan jumlah stasiun. Agar mempermudah analisis pada tahap berikutnya, diambil jumlah stasiun rekomendasi Bleasdale sebagai batas bawah jumlah stasiun, yaitu 4 stasiun. Sehingga secara keseluruhan terdapat 381 kemungkinan jaringan baru yang bisa dibuat pada Sub DAS Kadalpang. Pemodelan debit JST dilakukan dengan menggunakan data dari 9 stasiun hujan dan AWLR selama 10 tahun terakhir (2007-2016). Arsitektur JST yang digunakan adalah Multi Layer Perceptron (MLP) menggunakan bantuan aplikasi NeuroSolutions 7.1 for Excel. Komposisi bobot data yang digunakan adalah 60-25-15 yang berarti 60% Training, 25% Cross Validation, dan 15% Testing. Jumlah epoch yang dipakai adalah 1000 epoch dengan basis data bulanan. Jaringan terbaik dengan Kesalahan Ralatif (KR) terkecil sebesar 11,4% dan NSE ‘Baik’ adalah nomor 197 dengan kode Wn-Rp-Ks-Wl-Bk yang terdiri dari stasiun Winong, Randupitu, Kasri, Wilo, dan Bekacak. Pada jaringan baru yang terpilih ini, terdapat hubungan yang kuat antara aspek topografi terhadap curah hujan, serta hubungan antar parameter topografi tersebut. Beda tinggi memiliki hubungan baik dengan curah hujan (R = 0,918), dimana semakin tinggi elevasi stasiun hujan (semakin besar beda tinggi terhadap AWLR), maka curah hujannya juga akan bernilai semakin tinggi. Selain itu, beda Tinggi dan jarak juga memiliki hubungan yang sangat kuat (R = 0,994), dimana semakin besar beda elevasi stasiun hujan terhadap AWLR, maka secara umum jaraknya juga akan semakin jauh.
English Abstract
Pasuruan Regency with an area of 147,401.50 Ha consists of 24 Districts. Pasuruan Regency has Arjuno-Welirang Mountains and Bromo Mountains. There are 5 (five) major watersheds in this region, namely Lawean, Petung, Kedunglarangan, Rejoso, and Welang Watershed. Kadalpang Sub watershed is the upstream part of Kedunglarangan watershed. In this 86.4 km2 sub basin, there lies 9 rain stations. As an advanced in economies district, the economic value of data is high and very valuable. As a result, the accuracy of the data becomes a demand in every water building planning to match our expectations. Similar to other watersheds, Kadalpang Sub Watershed also keeps a myriad of problems. In addition to quantity, quality aspects are also quite alarming. In this case, rainfall data and discharge data serve as the main inputs that play a vital role in the management of water resources such as flood control, water demand, and so on. Therefore, this analysis is aimed to find out the new station network which is more effective and more representative to the current watershed condition, so that it can optimize the data quality. Then, the results of the analysis can be an input to relevant agencies to be taken into consideration decisionmaking for cost efficiency, energy, and time. The study of the relationship between the topography aspects as a new variable is also expected to be a finding that facilitates the analysis of future rainfall station density. Analysis of rain station network density was assessed using 4 methods, namely WMO, Bleasdale, Sugawara, and Varshney. Of these four methods, only Sugawara which recommends addition. For easier analysis at a later stage, Bleasdale suggestion are required as the lower limit of the number of stations, ie 4 stations. In total there are 381 new network possibilities that can be made on Kadalpang Sub watershed. The ANN discharge modelling is done using data from 9 rain stations and AWLR for the last 10 years (2007-2016). The ANN architecture used is Multi Layer Perceptron (MLP) using the help of NeuroSolutions 7.1 for Excel application. Data weight composition used is 60-25-15 which means 60% Training, 25% Cross Validation, and 15% Testing. The number of epoch used is 1000 epoch with monthly data base. Networks both with Relative error (KR) using 11.4% and 'Good' NSE are number 197 with Wn-Rp-Ks-Wl-Bk code consisting of Winong, Randupitu, Kasri, Wilo, and Bekacak stations. In this newly selected network, there is a strong correlation between the topography aspect of rainfall, and the relationship between these topographic parameters. The high difference has a good relationship with rainfall (R = 0.918), where the higher the elevation of the rain station, the higher the rainfall. In addition, the difference in height and distance also has a very strong relationship (R = 0.994), where the greater the elevation of the rain station to AWLR, the general distance will also be further away.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FT/2018/82/051800806 |
| Uncontrolled Keywords: | Jaringan Stasiun Hujan, Jaringan Syaraf Tiruan, NeuroSolutions, Topografi |
| 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: | 04 Apr 2018 06:55 |
| Last Modified: | 18 Oct 2021 03:39 |
| URI: | http://repository.ub.ac.id/id/eprint/9172 |
Preview |
Text
YAHYA.pdf - Published Version Download (12MB) | Preview |
Actions (login required)
 |
View Item |