PRAKIRAAN DEBIT AIR SUNGAI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION LEVENBERG MARQUARDT (STUDI KASUS BENGAWAN SOLO)

SUNARDI, Prof. (Emr) Adhi Susanto, M.Sc., Ph.D.

2011 | Tesis | S2 Teknik Elektro

Prakiraan debit sungai dalam berbagai hal sangat diperlukan. Sistem prakiraan diperlukan untuk melihat kemungkinan terkait perubahan kondisi alam pada waktu yang akan datang. Dalam prakiraan debit air beberapa metode analisis isyarat dipakai. Metode tersebut diantaranya adalah Jaringan Syaraf Tiruan (JST) dan Transformasi Fourier cepat (FFT). Isyarat debit dialihragam dalam kawasan frekuensi untuk menemukan komponen-komponen frekuensi. Hasil alihragam memberikan petunjuk adanya siklus-siklus periodesitas kenaikan dan penurunan debit yang digunakan untuk prediksi. Penapisan frekuensi untuk memisahkan periodesitas menonjol pada masing-masing kenaikan atau penurunan debit. Data dengan frekuensi tertentu diprakirakan untuk dapat menentukan magnitude debit diwaktu-waktu yang akan datang. Periodesasi debit sungai pada masing-masing komponen frekuensi dapat ditentukan menjadi periode banjir dan periode kering jangka panjang, menengah dan pendek. JST yang dilatih untuk tujuan prakiraan menggunakan algoritma Levenberg Marquardt mempunyai arsitektur optimal dengan 7 neuron masukan, 11 neuron lapis tersembunyi dan 1 neuron lapis keluaran. Kinerja JST hasil periodesasi debit jangka panjang adalah 2.048 hari pada periode kering dan 1.171 hari pada periode banjir. Debit paling besar yang diperkirakan saat ini akan terjadi pada tanggal 21 Mei 2022  7 hari dengan debit 2512 m3/detik dan debit kering 38.28 m3/detik pada Agustus 2015. Setelah mendekati beberapa tahun sebelum hari-hari tersebut, dengan data tambahan yang diperoleh kemudian, dapat dibuat prakiraan lebih baik dengan pendekatan jangka menengah, dan selanjutnya untuk beberapa bulan berikutnya dengan jangka pendek.

River debit prediction in many cases is much needed. Prediction system is needed to see possibility dealing with the changes of nature condition in the forthcoming time. In the water debit prediction, some analysis sign methods are used. They are Artificial Neural Networks (ANN) and Fast Fourier Transform (FFT). Debit sign is transformed into frequency domain to find out the frequency components. The result of transform gives clues about the existence of periodicity cycles of raising and declining debit that is used for prediction. Frequency filtering is employed to decompose the swelling periodicity on each raising or declining debit. Predicted data with certain frequency are able to determine the debit magnitude of the forthcoming time. River debit periodization on each frequency component can be determine being long, middle, or short term flood or dry period. ANN that is trained for the sake of prediction using Levenberg Marquadt algorithm has optimum architecture with 7 input neurons, 11 hidden layer neurons and 1 out layer neuron. The result of ANN performance of long term debit periodization is 2,048 days in dry period and 1.171 days in flood period. The forecasted highest debit will take place on May 21st, 2011  7 days with the flood debit of 2512 m3/second and the dry debit of 38,28 m3/second in August 2015. Approaching some years before the days, with the additional data that found afterward, it can be better predicted with middle term approach, and then for the following months with short term.

Kata Kunci : Prakiraan, Periodesasi, Debit, Jaringan Syaraf Tiruan.