Penerapan ANFIS untuk mengidentifikasi model dinamika temporal curah hujan dan debit sungai periode tahunan mendapatkan hasil yang signifikan. Dalam mengidentifikasi model dinamika temporal curah hujan tahunan, penerapan ANFIS menunjukkan bahwa untuk simulasi selama tahap training dan testing menghasilkan nilai kesalahan (RMSE dan MAPE) sangat rendah dan nilai presisi (E) yang cukup tinggi. Model tersebut sangat potensial untuk digunakan dalam memprediksi curah hujan tahunan dengan menggunakan input evapotranspirasi dan temperatur global (GT). Nilai prediksi dan simulasi selama tahap training dibandingkan dengan nilai observasi ditunjukkan pada Gambar IV.26.
Pengukuran statistik menunjukkan kesesuaian yang sangat baik antara nilai prediksi dan nilai observasi dengan nilai RMSE untuk tahap training dan testing
masing-masing adalah 1.159 mm dan 1.156 mm. Model temporal curah hujan tahunan mempunyai presisi (E) sebesar 69.3% (Tabel IV.14). Selama verifikasi, curah hujan tahunan hasil prediksi model berkisar antara 2905 mm hingga 4539 mm, hal ini tidak berbeda nyata dengan curah hujan hasil observasi yang berkisar antara 2932 mm hingga 4642 mm (Tabel IV.15).
Penggunaan ANFIS untuk mengidentifikasi model temporal debit sungai tahunan menunjukkan bahwa selama tahap simulasi training dan testing, juga ANFIS dapat memberikan nilai kesalahan (RMSE dan MAPE) cukup rendah dan nilai presisi (E) cukup tinggi. Model tersebut juga sangat potensial untuk digunakan dalam memprediksi debit sungai tahunan dengan menggunakan input evapotranspirasi dan curah hujan. Nilai simulasi selama tahap training dibandingkan dengan nilai hasil observasi ditunjukkan pada Gambar IV.26.
Gambar IV.26. Model dinamika temporal hidrometeorologi tahunan.
Pengukuran statistik menunjukkan ada pendekatan yang sangat baik antara nilai prediksi dengan nilai observasi dengan nilai RMSE untuk tahap training dan testing masing-masing adalah 18.87 juta m3 dan 17.41 juta m3. Model dinamika temporal hasil identifikasi ANFIS mempunyai nilai presisi (E) sebesar 66.6%. Selama verifikasi, debit sungai tahunan hasil prediksi model berkisar antara 3611
juta m3 hingga 7565 juta m3, hal ini tidak berbeda nyata dengan debit sungai hasil observasi yang berkisar antara 3691 juta m3 hingga 8170 juta m3.
Tabel IV.14. Nilai statistik simulasi model temporal curah hujan dan debit sungai.
Model
Training Testing Presisi
(E) (%)
Uji χ2 Ket.
RMSE MAPE RMSE
Debit Sungai Bulanan 168.32 37.444 164.714 54.5 212.34 * Curah Hujan Bulanan 82.689 64.548 80.986 27.3 71.09 * Debit Sungai Tahunan 18.872 0.151 17.410 66.6 4.80 * Curah Hujan Tahunan 1.159 0.013 1.156 69.3 6.41 *
RMSE=(Root Mean Square Error) dan MAPE=(Mean Absolute Percentage Error)
* = signifikan pada selang kepercayaan 95%, Uji signifikansinya ditunjukkan pada Lampiran P
Tabel IV.15. Nilai statistik hasil prediksi curah hujan dan debit sungai.
Model Data Prediksi Data Observasi
Minimum Maksimum Minimum Maksimum Debit Sungai Bulanan 0 juta m3 2265 juta m3 0 juta m3 1382 juta m3
Curah Hujan Bulanan 0 mm 399 mm 0 mm 496 mm Debit Sungai Tahunan 3641 juta m3 7565 juta m3 3691 juta m3 8170 juta m3
Curah Hujan Tahunan 2905 mm 4539 mm 2832 mm 4642 mm
Nilai statistik hasil validasi dan verifikasi model temporal curah hujan dan debit sungai tahunan ditunjukkan pada Tabel IV.16 dan IV.17. Hasil validasi menunjukkan bahwa model cukup valid dengan penyimpangan 10.98% dengan
r=0.855 dan 19.08% dengan r=0.734 untuk masing-masing model temporal curah
hujan dan debit sungai tahunan. Hal ini mengindikasikan bahwa model temporal curah hujan dan debit sungai tahunan hasil identifikasi ANFIS sangat layak dan potensial untuk dipergunakan dalam memprediksi curah hujan dan debit sungai tahunan di daerah aliran Sungai Citarum.
Tabel IV.16. Nilai statistik hasil validasi model temporal curah hujan tahunan.
No Observasi (mm) Prediksi (mm) Penyimpangan (%) 1 3519 3806 7.53 2 4039 4233 4.57 3 2905 3249 10.58 4 4298 4196 34.41 5 3788 3485 8.69 6 3626 3629 0.08 Minimum 2905 3249 0.08 Maksimum 4298 4149 34.41 Rataan 3695 3600 10.98 Korelasi (r) 0.855** ** = sangat signifikan pada selang kepercaayaan 98%, Uji signifikansinya ditunjukkan pada Lampiran I
Tabel IV.17. Nilai statistik hasil validasi model temporal debit sungai tahunan. No Observasi (juta m3) Prediksi (juta m3) Penyimpangan (%) 1 6351 5568 14.06 2 6963 6671 4.37 3 3691 4663 20.85 4 7675 5557 68.41 5 5766 5401 6.76 6 5338 5339 0.02 Minimum 3691 4663 0.02 Maksimum 7675 6671 68.41 Rataan 5964 5367 19.08 Korelasi (r) 0.734** ** = sangat signifikan pada selang kepercaayaan 98%, Uji signifikansinya ditunjukkan pada Lampiran I
Pola hubungan antara input dan output model temporal curah hujan dan debit sungai tahunan ditunjukkan pada Gambar IV.27 dan IV.28. Berdasarkan analisis model ANFIS tahunan, pengaruh individual temperatur global dapat menyebabkan penurunan curah hujan tahunan secara drastis jika rata-rata temperatur global berada di atas 14.4 oC. Sebaliknya pengaruh individual evapotranspirasi dapat menyebabkan curah hujan tahunan naik secara drastis jika evapotranspirasi tersebut melebihi 1500 mm/tahun.
Pengaruh individual evapotranspirasi dapat menyebabkan penurunan debit sungai tahunan secara drastis jika evapotranspirasi berada antara 980 mm hingga 1080 mm/tahun. Sebaliknya pengaruh individual curah hujan dapat menyebabkan limapasan tahunan naik secara drastis jika curah hujan tersebut melebihi 4000 mm/tahun.
Gambar IV.28. Hubungan antara input individual dan output model hidrometeorologi tahunan.
Sementara itu penerapan ANFIS untuk mengidentifikasi model dinamika temporal curah hujan dan debit sungai periode bulanan juga memperoleh hasil yang signifikan walaupun tidak sebaik periode tahunan. Simulasi selama tahap training dan testing menunjukkan bahwa ANFIS tidak dapat memberikan nilai kesalahan (RMSE dan MAPE) dan nilai presisi (E) sebaik seperti pada model dinamika temporal periode tahunan.
Nilai simulasi selama tahap training dibandingkan dengan data curah hujan dan debit sungai hasil observasi ditunjukkan pada Gambar IV.29. Model temporal curah hujan menggunakan input monsun India (CIP) dan evapotranspirasi, sedangkan model temporal debit sungai bulanan menggunakan input curah hujan dan evapotranspirasi. Pengukuran statistik untuk simulasi model dinamika temporal curah hujan dan debit sungai periode bulanan ditunjukkan pada Tabel
IV.14. Perbandingan antara nilai prediksi dengan data observasi curah hujan dan debit sungai bulanan disajikan pada Tabel IV.15.
Model temporal curah hujan dan debit sungai bulanan hasil identifikasi ANFIS belum dapat menghasilkan prediksi yang akurat walaupun secara statistik sudah layak dipergunakan untuk memprediksi curah hujan dan debit sungai di masa datang. Perbedaan antara data observasi dengan nilai prediksi masih cukup besar dan nilai presisinya (E) masih kecil (Tabel IV.15). Oleh karena itu, untuk mendapatkan model temporal curah hujan dan debit sungai bulanan yang lebih potensial, maka dilakukan transformasi terhadap curah hujan dan debit sungai bulanan asal untuk menghilangkan sifat chaotic dan nois-nya. Transformasi tersebut menggunakan pergeseran rata-rata (moving average) 108 bulanan dari data curah hujan dan debit sungai bulanan asal.
Gambar IV.29. Model dinamika temporal hidrometeorologi bulanan.
Nilai simulasi dan observasi untuk curah hujan dan debit sungai bulanan hasil transformasi ditunjukkan pada Gambar IV.30. Pada tahap training dan tersting, nilai statistik simulasi dan hasil prediksi dari model temporal curah hujan dan debit sungai bulanan hasil transformasi sangat signifikan seperti disajikan masing-masing pada Tabel IV.18 dan IV.19.
.Tabel IV.18. Nilai statistik simulasi model temporal curah hujan dan debit sungai bulanan hasil transformasi.
Model
Training Testing Presisi
(E) (%)
Uji χ2 Ket.
RMSE MAPE RMSE
Debit Sungai Bulanan 19.087 0.145 22.041 77.6 3.91 * Curah Hujan Bulanan 21.471 2.039 21.713 49.9 18.20 *
RMSE=(Root Mean Square Error) dan MAPE=(Mean Absolute Percentage Error)
* = signifikan pada selang kepercayaan 95%, Uji signifikansinya ditunjukkan pada Lampiran P
Tabel IV.19. Nilai statistik hasil prediksi curah hujan dan debit sungai bulanan hasil transformasi.
Model Data Prediksi Data Observasi
Minimum Maksimum Minimum Maksimum Debit Sungai Bulanan 381 juta m3 576 juta m3 392 juta m3 587 juta m3
Curah Hujan Bulanan 85 mm 181 mm 90 mm 197 mm
Nilai RMSE pada tahap training maupun testing untuk curah hujan cukup kecil masing-masing adalah 19.087 dan 22.043 mm. Demikian juga nilai RMSE pada tahap training maupun testing untuk debit sungai cukup kecil masing-masing adalah 21.471 dan 21.713 juta m3. Presisi (E) model temporal curah hujan dan debit sungai bulanan masing-masing adalah 77.6 dan 49.9%.
Selama tahap verifikasi, perbedaan antara nilai prediksi dengan data observasi curah hujan dan debit sungai bulanan cukup kecil atau secara signifikan tidak berbeda (Tabel IV.19). Debit sungai bulanan minimum hasil prediksi dan data observasi masing-masing adalah 381 dan 392 juta m3. Sedangkan debit sungai bulanan maksimum hasil prediksi dan data observasi masing-masing adalah 576 dan 587 juta m3. Sementara itu curah hujan bulanan minimum hasil prediksi dan data observasi masing-masing adalah 85 dan 90 mm, sedangkan curah hujan bulanan maksimum hasil prediksi dan data observasi masing-masing adalah 181 dan 197 mm.
Nilai statistik hasil validasi dan verifikasi model temporal curah hujan dan debit sungai bulanan hasil transformasi ditunjukkan pada Tabel IV.20 dan IV.21. Hasil validasi menunjukkan bahwa model temporal bulanan hasil transformasi cukup valid dengan penyimpangan 12.07% dengan r=0.509 dan 5.77% dengan r=0.536 untuk masing-masing model temporal curah hujan dan debit sungai bulanan.
Fakta ini mengindikasikan bahwa model temporal curah hujan dan debit sungai bulanan hasil identifikasi ANFIS sangat layak dan potensial untuk dipergunakan dalam memprediksi curah hujan dan debit sungai bulanan di daerah aliran Sungai Citarum.
Tabel IV.20. Nilai statistik hasil validasi model temporal curah hujan bulanan hasil transformasi. Observasi (mm) Prediksi (mm) Penyimpangan (%) Minimum 107.64 122.26 0.56 Maksimum 153.53 196.62 29.11 Rataan 132.48 148.47 12.07 Korelasi (r) 0.509** ** = sangat signifikan pada selang kepercaayaan 98%, Uji signifikansinya ditunjukkan pada Lampiran I
Tabel IV.21. Nilai statistik hasil validasi model temporal debit sungai bulanan hasil transformasi.
Observasi (juta m3) Prediksi (juta m3) Penyimpangan (%) Minimum 434.57 412.12 0.21 Maksimum 519.58 524.11 14.02 Rataan 467.44 485.32 5.77 Korelasi (r) 0.536** ** = sangat signifikan pada selang kepercaayaan 98%, Uji signifikansinya ditunjukkan pada Lampiran I
Gambar IV.30. Model dinamika temporal hidrometeorologi bulanan hasil transformasi.
Model temporal curah hujan dan debit sungai bulanan hasil transformasi lebih potensial dibanding model temporal curah hujan dan debit sungai asal karena
mempunyai nilai kesalahan (RMSE) yang cukup kecil tetapi mempunyai nilai presisi (E) yang cukup besar. Hal ini tentu sebagai akibat berkurangnya sifat
chaotic dan nois dari curah hujan maupun debit sungai bulanan hasil transformasi.
Fakta ini menunjukkan bahwa analisis ANFIS dapat memberikan hasil yang lebih baik jika dipergunakan untuk analisis data yang tidak chaotic atau tidak mengandung nois.
Pola hubungan antara input dan output model temporal curah hujan dan debit sungai periode bulanan tidak linier seperti ditunjukkan pada Gambar IV.31 dan IV.32 serta Lampiran Q. Secara individual monsun India mempunyai hubungan yang berlawanan dengan curah hujan daerah aliran Sungai Citarum. Pengaruh individual monsun India (CIP) dapat menyebabkan penurunan curah hujan, sedangkan pengaruh individual evapotranspirasi dapat menyebabkan curah hujan naik. Sementara itu, pengaruh individual curah hujan dapat menyebabkan debit sungai bulanan naik, sebaliknya pengaruh individual evapotranspirasi dapat menyebabkan debit sungai turun.
Berdasarkan analisis model ANFIS bulanan, curah hujan ekstrim rendah kurang dari 63 mm/bulan (Quartil 1) terjadi jika CIP lebih dari 1400 mm/bulan dan evapotranspirasi kurang dari 142 mm/bulan. Sementara itu curah hujan ekstrim tinggi lebih dari 234 mm/bulan (Quartil 3) terjadi jika CIP sangat rendah (0 mm/bulan) dan evapotranspirasi lebih dari 157 mm/bulan (Gambar IV.32).
Sementara itu, debit sungai ekstrim rendah kurang dari 239 juta m3 /bulan (Quartil 1) terjadi jika curah hujan kurang dari 30 mm/bulan dan evapotranspirasi lebih dari 155 mm/bulan. Sedangkan debit sungai ekstrim tinggi lebih dari 702 juta m3/bulan (Quartil 3) terjadi jika curah hujan lebih dari 295 mm/bulan dan evapotranspirasi kurang dari 95 mm/bulan
Gambar IV.32. Hubungan antara input individual dan output model hidrometeorologi bulanan.