PENDAHULUAN
Latar Belakang
Data hidrologi harus diperoleh langsung dari pengukuran langsung di lapangan seperti melalui stasiun hujan atau dari Automatic Water Level Recorder (AWLR). Setelah kejadian ini, pengambil kebijakan akhirnya menyetujui proyek tersebut dengan dimulainya pemantauan berkala terhadap data hidrologi. Oleh karena itu, pemodelan data hidrologi yang ada dapat menjadi jawaban atas kurangnya informasi yang diperlukan untuk merencanakan suatu proyek konstruksi air.
Identifikasi Masalah
Saat memodelkan curah hujan dan limpasan secara terus menerus, salah satu caranya adalah dengan menggunakan jaringan syaraf tiruan (JST). Analisis limpasan curah hujan menggunakan model jaringan syaraf tiruan (JST) pada sub DAS Lesti, penulis: Siska Widyastuti, Ery Suhartanto, Very Dermawan. Perbandingan Pemodelan Curah Hujan-Limpasan Menggunakan Artificial Neural Network (ANN) dan NRECA, Penulis : Wanny K.A., Iwan K.H., Sri Legowo.
Rumusan Masalah
Batasan Masalah
Tujuan
Manfaat
Analisis model curah hujan dan aliran sungai menggunakan metode jaringan syaraf tiruan dengan menggunakan software Matlab R2014b. Hasil perhitungan jumlah curah hujan kumulatif bulanan rata-rata regional pada periode bulanan dapat dilihat pada tabel 4.27. Analisis curah hujan dan debit dengan jaringan syaraf tiruan menggunakan software Matlab Software Matlab.
TINJAUAN PUSTAKA
Analisis Data Hidrologi
- Uji Konsistensi Data
- Uji Ketidakadaan Trend
- Uji Stasioner
- Uji Kestabilan Nilai Varian (Uji F)
- Uji Kestabilan Nilai Rata-rata (Uji-t)
A mempunyai distribusi yang sama dengan B. Untuk menguji apakah suatu kumpulan sampel data periodik menunjukkan suatu kecenderungan: a) Dari data yang diperoleh, pisahkan data tersebut menjadi dua kelompok yang sama besar. Uji “stasioner” digunakan untuk menguji kestabilan atau menentukan apakah nilai-nilai parameter statistik (mean dan varians) suatu deret periodik homogen atau tidak. “Jika pada saat pengujian ternyata hipotesis nol ditolak, berarti mean setiap dua kelompok tidak homogen dan deret periodik tidak stasioner pada tingkat kepercayaan tertentu.”
Analisis Curah Hujan Rerata Wilayah
Perhitungan Koefisien Aliran
Bendung
- Kondisi Wilayah Sungai
“Sistem Dolok Penggaron telah tersedia prasarana dan sarana sumber daya air berupa bangunan pengendali banjir, pompa drainase, bendungan, dan waduk.” Pengalihan debit banjir dari sungai Penggaron dan Dolok serta sungai Kedung Mundu, Bajak dan Candi. Dombo Sayung menyalurkan debit banjir Sungai Penggaron 200 m3/s dari total 442 m3/s Kebon Batur menyalurkan debit banjir.
Jaringan Saraf Tiruan
- Cara Kerja Jaringan Saraf Tiruan
- Arsitektur Jaringan
- Analisis Kesesuaian Metode
- Mean Square Error dan Root Mean Square Error
- Nash-Sutcliffe Coeffisient (Coeffisient of efficiency)
- Koefisien Determinasi atau Koefisien Korelasi
Oleh karena itu, fungsi ini sering digunakan untuk ANN yang memerlukan nilai keluaran dalam rentang 0 hingga 1. Dalam model pelatihan ini, jaringan saraf tidak menggunakan keanggotaan kelas dari contoh pelatihan, tetapi menggunakan informasi dalam kumpulan neuron. untuk mengubah parameter lokal. Hitung selisih antara nilai keluaran jaringan saraf dengan target/nilai yang diinginkan untuk setiap keluaran.
Jaringan Saraf Tiruan dengan Metode Backpropagatian
- Fungsi Aktivasi Backpropagation
- Algoritma Backpropagation
- Tahap Perambatan Maju (Forward Propagation)
- Tahap Perambatan Balik (Backpropagation)
- Tahap Perubahan atau Pembaharuan Bobot dan Bias
- Pemilihan Bobot Awal dan Persamaan Umum Backpropagation
- Aplikasi Matlab
- Matlab R2014b
- Transformasi Data
Bobot awal tidak boleh terlalu kecil, karena masukan bersih ke unit tersembunyi atau unit keluaran bisa sama dengan nol, sehingga pelatihan menjadi sangat lambat. Perangkat lunak Matlab (laboratorium matriks) adalah bahasa pemrograman matematika tingkat lanjut yang mengadopsi sifat dan bentuk matriks. Setelah data yang akan dijadikan masukan ditransformasikan, data tersebut dapat digunakan untuk analisis model menggunakan Matlab R2014b.
Perbedaan Studi Ini dengan yang Terdahulu
Sumber: PUSDATARU Provinsi Jawa Tengah Tabel 4.2 Curah hujan bulanan di stasiun Ngobo Curah hujan bulanan di stasiun Ngobo. Tabel 4.7 menunjukkan hasil koreksi data stasiun curah hujan Banyumeneng tahun berjalan dengan koreksi berdasarkan pembuatan plot kurva massa ganda.
METODOLOGI
Lokasi Studi
- Kondisi Administratif dan Geografis
- Kondisi Topografi
- Kondisi Daerah Aliran Sungai Dolok
- Kondisi Kependudukan
Barang Bendung terletak di DAS Dolok yang secara administratif berada dalam wilayah administratif Kota Semarang, Kabupaten Demak, dan Kabupaten Semarang, Provinsi Jawa Tengah, seluas 98,21 km2. Kota Semarang mempunyai peranan penting dalam pembangunan provinsi Jawa Tengah, khususnya dengan adanya pelabuhan Tanjung Emas, jaringan transportasi darat yang lengkap mulai dari stasiun kereta api dan tol Trans-Jawa, serta transportasi udara yang disediakan oleh Pemerintah. Bandara Ahmad Yani disediakan. yang merupakan potensi transportasi regional dan simpul transportasi pulau Jawa. DAS Dolok terletak di sebagian Kota Semarang dan Kabupaten Demak pada ketinggian antara 0 hingga 250 meter di atas permukaan laut (meter dpl).
Sistem sungai ini meliputi kecamatan Semarang Timur, Genuk, Gayamsari, Pedurungan, Tembalang dan Banyumanik yang berada pada kemiringan 0 hingga 2%. Persebaran penduduk dilihat dari jumlah penduduk pada setiap wilayah kecamatan mengalami kepadatan yang berbeda-beda dan tidak merata. Kepadatan penduduk tertinggi terdapat di beberapa wilayah perkotaan antara lain Kabupaten Semarang Selatan sebesar 14.208,43 jiwa/km2, Semarang Utara sebesar 13.045,49 jiwa/km2, Candisari sebesar 13.751,53 jiwa/km2, Gayamsari sebesar 12.729,29 jiwa/km2. km2, Semarang Timur 10.665,84 jiwa/km2 sedangkan kepadatan penduduk Kabupaten Demak mencapai 1.246,14 jiwa/km2, terpadat terdapat di kecamatan Mranggen dengan kepadatan 2.494,21 jiwa/km2.
Sedangkan wilayah dengan kepadatan penduduk terendah terdapat pada kecamatan yang berada pada wilayah pengembangan yang merupakan daerah pertanian, pegunungan, dan tambak, yaitu Kecamatan Tugu sebanyak 1.099,40 jiwa/km2, Kecamatan Mijen sebanyak 1.228,46 jiwa/km2 dan Gunungpati sebanyak 1.709 jiwa. 98 orang/km2. Pertumbuhan penduduk kota semarang dipengaruhi oleh proses alam yaitu kelahiran dikurangi kematian dan juga dipengaruhi oleh migrasi penduduk dari daerah sekitar kota semarang yang merupakan pengaruh dari daya tarik kota semarang sebagai ibu kota provinsi jawa tengah yang juga merupakan pusat perekonomian. dan pusat pendidikan. Sementara itu, komposisi penduduk berdasarkan gender di Kota Semarang dalam lima tahun terakhir relatif seimbang antara penduduk laki-laki dan perempuan, dengan jumlah penduduk perempuan masih melebihi jumlah penduduk laki-laki.
Kebijakan pemerintah yang lebih responsif gender menjadi pertimbangan dalam penyusunan program dan kegiatan pembangunan di Kota Semarang.
Data Teknis yang Diperlukan
Tahapan Penyelesaian Skripsi
Garis Waktu Pengerjaan Skripsi
Berdasarkan Tabel 4.4 terlihat adanya perbedaan nilai kumulatif stasiun hujan yang diuji (stasiun Banyumeneng) dengan rata-rata kumulatif stasiun hujan sekitar yang digunakan sebagai pembanding.
ANALISIS DAN PEMBAHASAN
Analisis Kualitas Data Hidrologi
- Pengolahan Data Curah Hujan
- Uji Konsistensi
- Uji Ketidakadaan Trend
- Uji Stasioner
- Pengolahan Data Debit
- Perhitungan Curah Hujan Rerata Daerah
Data curah hujan yang tersedia akan diuji konsistensinya menggunakan kurva massa kurva ganda. Tujuan pengujian ini adalah untuk membandingkan data stasiun hujan yang diamati dengan stasiun hujan di sekitarnya. Dengan nilai kumulatif stasiun hujan yang diuji sebagai sumbu Y dan nilai kumulatif rata-rata stasiun hujan di sekitarnya sebagai sumbu X. Untuk Stasiun Hujan Ngobo, jumlah curah hujan harus dikalikan dengan faktor koreksi sebesar 0,887.
Dengan cara yang sama, metode kurva massa ganda dilakukan untuk semua stasiun curah hujan yang digunakan dalam penelitian ini. Hasil analisis ketidakhadiran trend pada stasiun hujan Banyumeneng ditunjukkan pada Tabel 4.11 dan ringkasan perhitungan seluruh stasiun hujan pada Tabel 4.12. Berdasarkan uji no trend yang dilakukan pada seluruh stasiun hujan pada penelitian ini, tidak terdapat trend.
Berdasarkan tabel di atas dapat disimpulkan dua kelompok data untuk semua stasiun hujan dengan tingkat kepercayaan tertentu (95% diterima) yang nilai variansnya stabil untuk data bulanan dan untuk data tahunan hanya data hujan di Sta. Berdasarkan tabel di atas, kedua kelompok data seluruh stasiun hujan dapat disimpulkan dengan tingkat kepercayaan tertentu (95% diterima) bahwa nilai rata-rata stabil untuk data bulanan dan untuk data tahunan hanya data hujan di Sta. Pada penelitian ini terdapat 3 stasiun curah hujan yang terletak di sekitar DAS Bendung Barang, sehingga diperlukan nilai curah hujan rata-rata regional.
Pengolahan Data Koefisien Aliran
Analisis Curah Hujan dan Debit dengan Jaringan Saraf Tiruan Menggunakan
- Langkah-langkah Analisis Pemodelan Curah Hujan dan Debit
- Hasil Pengolahan ANN Matlab R2014b
- Kalibrasi
- Verifikasi
- Validasi
Pada tahap ini akan dibuat arsitektur jaringan dengan data masukan dan data target yang telah ditentukan untuk normalisasi data atau pelatihan awal sebelum pengujian data. Sebelum dilakukan denormalisasi data, dilakukan tahap pengujian data pada hasil jaringan kereta api, dengan menggunakan data yang ditetapkan sebagai data uji. Pada tahap ini, nilai keluaran jaringan yang telah mengalami normalisasi akan disesuaikan dengan nilai aslinya dalam rentang nilai target.
Kemudian beri nama “intraining_44” pada data masukan berupa data curah hujan, dan jumlah hari hujan tahun 2009-2012 yang ditransformasikan. Klik dua kali variabel “intraining_44” pada workspace, untuk mengisi data input yang akan diproses pada software Matlab R2014b. Lakukan hal yang sama untuk data target latih dan data masukan uji serta data masukan estimasi.
Lakukan langkah yang sama untuk variabel yang ada, tandai data masukan sebagai data masukan, target sebagai data target dan simulasikan data sebagai masukan, lalu klik Ok. Buka kembali jendela network44 lalu klik simulasikan untuk menguji data validasi yaitu data yang tidak digunakan pada data pelatihan. Dalam proses verifikasi, data yang digunakan merupakan data yang berada di luar periode yang digunakan pada tahap kalibrasi.
Berdasarkan rangkuman di atas, dapat disimpulkan bahwa semakin banyak data yang digunakan sebagai proses pelatihan dengan data simulasi yang cukup maka akan semakin baik pula hasil yang dihasilkan. Hal ini dikarenakan perbedaan minimum dan maksimum data sangat mempengaruhi proses kerja pada Jaringan Syaraf Tiruan.
Pendugaan Debit
- Kalibrasi Hasil Pendugaan
- Verifikasi Hasil Pendugaan
- Validasi Hasil Pendugaan
- Uji RAPS Debit Tahun 2008 sampai 2017
- Perbandingan Hasil Pemodelan Sebelum dan Sesudah Pendugaan
Sedangkan verifikasi merupakan proses setelah tahap kalibrasi selesai yang berfungsi untuk menguji kinerja model pada data di luar periode kalibrasi, dimana rentang data yang tersisa adalah 3 tahun, 2 tahun, dan 1 tahun. Berdasarkan rangkuman hasil verifikasi diatas terlihat bahwa hasil terbaik pada saat pemodelan menggunakan data estimasi diperoleh dari data kalibrasi 9 tahun dan data verifikasi 1 tahun (2017), karena hasil terbaik pada kalibrasi NSE tidak seberapa. berbeda dengan verifikasi NSE. Hasil verifikasi dibandingkan dengan data lapangan tahun yang sama (AWLR), kemudian dicari nilai NSE dan R dan kategori hasilnya dilihat menggunakan tabel.
Berdasarkan rangkuman perbandingan hasil kalibrasi dan verifikasi sebelum dan sesudah menggunakan data estimasi diperoleh alternatif terbaik diperoleh dari data latih sebelum estimasi dengan data kalibrasi 7 tahun dan verifikasi 1 tahun (2017) oleh menggunakan lima layer yang dipilih berdasarkan nilai NSE dan R. Algoritma backpropagation untuk model terbaik yaitu kalibrasi 7 tahun dengan verifikasi 1 tahun dengan 5 layer adalah sebagai berikut. Alternatif terbaik dicari dengan cara membandingkan seluruh data kalibrasi dan verifikasi sebelum dan sesudah estimasi, didapatkan alternatif terbaik adalah penggunaan data sebelum estimasi dengan 7 tahun kalibrasi tanpa tahun 2014) dan 1 tahun data verifikasi (2017) .
Namun penelitian ini masih memiliki beberapa keterbatasan, misalnya hanya dilakukan pada wilayah yang biasanya tidak terlalu luas dan datanya terbatas. Pelatihan data yang lebih optimal harus dilakukan, karena semakin lama jaringan dilatih maka keakuratan perkiraannya akan semakin baik. Analisis kinerja kepadatan jaringan stasiun hujan di DAS Kedungsoko menggunakan jaringan syaraf tiruan.
Selain kegiatan organisasi, penulis juga pernah meraih Juara 1 pada kompetisi tingkat nasional yaitu Lomba Desain Pembangunan Bendungan Nasional 2018 yang diadakan di Makassar.
PENUTUP
Kesimpulan
Saran
Lulus dari SMA Negeri 31 Jakarta pada tahun 2015, melanjutkan S1 di Teknik Pengairan Universitas Brawijaya dan lulus pada tahun 2019. Selama menempuh studi, beliau juga aktif dalam organisasi dan menjadi ketua departemen keilmuan Himpunan Mahasiswa Pengairan tahun ajaran 2018/2018. . Periode 2019. Penulis juga mengikuti Indonesia Water Challenge 2019 yang diselenggarakan atas kerja sama Badan Air, Pemerintah Belanda, dan Pemerintah Indonesia dan dilaksanakan di Terminal Teluk Lamong.
