Pemodelan debit banjir berdasarkan data curah hujan menggunakan jaringan syaraf tiruan

PRIBADI, Feddy Setio, Ir. Litasari, M.Sc

2007 | Tesis | S2 Teknik Elektro

Penelitian ini memaparkan penggunaan model jaringan syaraf tiruan (JST) dengan algoritma pembelajaran Backpropagation untuk memodelkan debit banjir berdasarkan data curah hujan di Sungai Dolok Semarang. Data yang dipakai adalah data curah hujan harian dalam mm di Daerah Alirah Sungai (DAS) Dolok Semarang. Data diambil dari 4 stasiun hujan yaitu Stasiun Banyu Meneng, Stasiun Mranggen, Stasiun Sumber, dan Stasiun Sumur Jurang. Data-data hujan tersebut kemudian digunakan untuk memperkirakan debit banjir dan debit normal yang akan terjadi selama waktu konsentrasi (tc). Beberapa arsitektur jaringan syaraf tiruan diuji dan dibandingkan dengan mensimulasikan variasi neuron pada lapisan tersembunyi. Hasil terbaik yang diperoleh adalah jaringan dengan aritektur 3 lapis yang terdiri dari 4 neuron pada lapis masukan, 5 neuron pada lapis tersembunyi dan 1 neuron pada lapis keluaran. Paramenter yang didapatkan yaitu pesat belajar (α) = 0.02 dan momentum (μ) = 0.5, fungsi aktifasi pada lapis tersembunyi adalah sigmoid biner dan pada lapis keluaran adalah identitas. Error yang dihasilkan selama proses pelatihan sebesar 5.83 E-5 dan Error yang dihasilkan selama proses pengujian sebesar 1.11 E-4. Penelitian ini juga mencoba mengembangkan perangkat lunak untuk memperkirakan debit banjir. Perangkat lunak yang dikembangkan bersifat fleksibel, yang berarti dapat digunakan untuk meramalkan debit banjir berdasarkan data hujan yang tersedia untuk sungai-sungai yang lain

This research aims to developing a model of water discharge using Back Error propagation method. The system which is implemented as software will estimate water discharge based on rainfall. Data is obtained from four rain stations in Dolok river area: Banyu Meneng station, Mranggen Station, Sumber Station, and Sumur Jurang Station. The data is normalized in order to adjust to the range of neural network input. Multilayer Perceptron trained with Back error propagation algorithm will be used as estimator. Fine tuning the network parameters such as the number of hidden layer, the number of neuron, momentum and learning rate are carried out to find the best network. The estimation accuracy are evaluated with mean square error. As the result, estimation accuracy is 96%. In term of network architecture, the network with three hidden layers trained with 875 epoch, 0.02 learning rate (α), 0.5 momentum (μ) show the best performance. The activation function the network is binary sigmoid for the hidden layer’s and identity function for the output layer.

Kata Kunci : Jaringan Syaraf Tiruan,Debit Banjir,Data Curah Hujan, artificial neural network (ANN), Backpropagation, Water discharge, rainfall, estimation, model