Studi Model Jaringan Saraf Tiruan untuk Penilaian Kerapatan Jaringan Stasiun Hujan di DAS Ciliwung Hulu
DOI:
https://doi.org/10.21776/ub.jtresda.2025.005.01.057Keywords:
Analisis Hidrologi, YANG Ciliwung Hulu, Pedoman WMO, Jaringan Saraf Tiruan, Kerapatan JaringanAbstract
Dalam pengelolaan sumber daya air, analisis hidrologi sangat penting dilakukan untuk perencanaan, pengembangan, dan pengendalian infrastruktur keairan. Ketepatan analisis hidrologi bergantung pada kualitas data dari tiap stasiun hujan dan pos duga air. Penelitian ini bertujuan untuk mengkaji efektivitas jaringan stasiun pengamatan hujan di wilayah DAS Ciliwung Hulu dan mengidentifikasi stasiun hujan yang dapat memberikan akurasi maksimum dalam merepresentasikan daerah studi. Analisis data hujan dan debit dilakukan dengan uji statistik ketiadaan trend, stasioner, persistensi, dan outlier. Penilaian terhadap kerapatan jaringan stasiun hujan mengacu pada standar yang ditetapkan oleh Organisasi Meteorologi Dunia (WMO). Pola sebaran stasiun hujan dianalisis dengan metode Jaringan Saraf Tiruan (JST), yang mengidentifikasi pola dan karakteristik data hujan dan data debit di DAS Ciliwung Hulu. JST mengidentifikasi sebaran stasiun hujan yang signifikan terhadap akurasi prediksi debit. Evaluasi dilakukan dengan mengurangi satu per satu stasiun hujan hingga diperoleh kombinasi paling efektif. Hasil menunjukkan DAS Ciliwung Hulu memenuhi standar WMO dengan kerapatan 37,981 km² per stasiun hujan. Pola sebaran terbaik dengan komposisi data 50-30-20 menunjukkan kesalahan relatif terkecil 10,857%, dan NSE kategori sangat baik sebesar 0,981 dengan 500 epoch, pada kombinasi Stasiun Hujan Gadog, dan Stasiun Hujan Gunung Mas.
References
BPSDM, Modul Sistem Informasi Banjir Pelatihan Pengendalian Banjir. Jakarta: Pusat Pendidikan dan Pelatihan Sumber Daya Air dan Konstruksi, 2017.
E. Seyhan, Dasar-dasar Hidrologi. Yogyakarta: Gadjah Mada University Press, 1990.
E. Prawati, “Jaringan Stasiun Hujan Ditinjau dari Topografi pada DAS Widas Kabupaten Nganjuk - Jawa Timur,” Tapak, vol. 6, no. 1, hal. 86–98, 2016, doi: 10.24127/tapak.v6i1.270.
J. Suwarno, H. Kartodiharjo, B. Pramudya, dan S. Rachman, “Pengembangan Kebijakan Pengelolaan Berkelanjutan DAS Ciliwung Hulu Kabupaten Bogor,” Jurnal Analisis Kebijakan Kehutanan, vol. 8, no. 2, hal. 115–131, 2011, [Daring]. Tersedia pada: https://repository.ipb.ac.id/handle/123456789/52942
A. Adri dan B. K. Yogatama, “Dugaan Penyebab Banjir Bandang Gunung Mas karena Longsor di Hulu,” kompas.id. Diakses: 8 Agustus 2024. [Daring]. Tersedia pada: https://www.kompas.id/baca/metro/2021/01/19/dugaan-penyebab-banjir-bandang-gunung-mas-karena-longsor-di-hulu/
S. Kure et al., “Several Social Factors Contributing to Floods and Characteristics of the January 2013 Flood in Jakarta, Indonesia,” Journal of Japan Society of Civil Engineers (Environmental Research), vol. 70, no. 5, hal. 211–217, 2014, doi: 10.2208/jscejer.70.I_211.
R. Junaidi, “Kajian Rasionalisasi Jaringan Stasiun Hujan pada Ws Parigi-Poso Sulawesi Tengah dengan Metode Kagan Rodda dan Kriging,” Jurnal Ilmu-ilmu Teknik-Sistem, vol. 11, no. 1, hal. 22–31, 2015, [Daring]. Tersedia pada: http://sistem.wisnuwardhana.ac.id/index.php/sistem/article/view/19
E. Prawati dan V. Dermawan, “Rasionalisasi Jaringan Stasiun Hujan Menggunakan Metode Kagan Rodda dengan Memperhitungkan Faktor Topografi pada DAS Sarokah Kabupaten Sumenep (Pulau Madura, Jawa Timur),” Tapak, vol. 8, no. 1, hal. 79–90, 2018.
F. N. Orji et al., “Optimization of Artificial Neural Network Transfer Function for Hydrological Modelling: A Review,” Journal of Applied Sciences and Environmental Management, vol. 27, no. 8, hal. 1617–1626, 2023, doi: 10.4314/jasem.v27i8.2.
A. Hermawan, Jaringan Saraf Tiruan?: Teori dan Aplikasi. Yogyakarta: Andi, 2006.
E. Suhartanto, E. N. Cahya, dan L. Maknun, “Analisa Limpasan Berdasarkan Curah Hujan Menggunakan Model Artifical Neural Network (ANN) di Sub DAS Brantas Hulu,” Jurnal Teknik Pengairan, vol. 10, no. 2, hal. 134–144, 2019, doi: 10.21776/ub.pengairan.2019.010.02.07.
WMO, Guide to Hydrological Practice Volume I: Hydrology-From Measurement to Hydrological Information. Switzerland: WMO, 2008.
A. Retalis, F. Tymvios, D. Katsanos, dan S. Michaelides, “Downscaling CHIRPS Precipitation Data: an Artificial Neural Network Modelling Approach,” International Journal of Remote Sensing, vol. 38, no. 13, hal. 3943–3959, 2017, doi: 10.1080/01431161.2017.1312031.
V. Çetin dan O. Y?ld?z, “A Comprehensive Review on Data Preprocessing Techniques in Data Analysis,” Pamukkale University Journal of Engineering Sciences, vol. 28, no. 2, hal. 299–312, 2022, doi: 10.5505/pajes.2021.62687.
C. Fan, M. Chen, X. Wang, J. Wang, dan B. Huang, “A Review on Data Preprocessing Techniques Toward Efficient and Reliable Knowledge Discovery From Building Operational Data,” Frontiers in Energy Research, vol. 9, hal. 1–17, 2021, doi: 10.3389/fenrg.2021.652801.
S. Lufi, S. Ery, dan R. Rispiningtati, “Hydrological Analysis of TRMM (Tropical Rainfall Measuring Mission) Data in Lesti Sub Watershed,” Civil and Environmental Science, vol. 3, no. 1, hal. 18–30, 2020, doi: 10.21776/ub.civense.2020.00301.3.
J. Vaze, P. Jordan, R. Beecham, A. Frost, dan G. Summerell, Guidelines for Rainfall-runoff Modelling Towards Best Practice Model Application. Bruce: eWater Cooperative Research Center, 2011. [Daring]. Tersedia pada: https://toolkit.ewater.org.au/Tools/DownloadDocumentation.aspx?id=1000347
D. N. Moriasi, J. G. Arnold, M. W. Van Liew, R. L. Bingner, R. D. Harmel, dan T. L. Veith, “Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations,” Transactions of the ASABE, vol. 50, no. 3, hal. 885–900, 2007, doi: 10.13031/2013.23153.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Aradila Tiara Putri, Very Dermawan, Sri Wahyuni
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See the Effect of Open Access).
