Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa Jurusan Teknik Pengairan
Wahyuni, Sri
Teknik Pengairan

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ESTIMASI TINGGI CURAH HUJAN DARI DATA KLIMATOLOGI MENGGUNAKAN MODEL ARTIFICAL NEURAL NETWORK (ANN) DI KABUPATEN SAMPANG JAWA TIMUR Pratiwi, Novalina Putri; Wahyuni, Sri; Suhartanto, Ery
Jurnal Mahasiswa Jurusan Teknik Pengairan Vol 3, No 1 (2019)
Publisher : Jurusan Teknik Pengairan, Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Studi ini dilakukan untuk mengetahui hasil pemodelan tinggi curah hujan bulanan dan harian dari data klimatologi berdasarkan metode Artificial Neural Network (ANN) dan mengetahui perbandingan curah hujan antara metode Artifical Neural Network (ANN) (Matlab) dengan data lapangan. Dalam studi ini untuk mengetahui kesesuaian hasil metode yang digunakan terhadap pengamatan, maka dilakukan uji kalibrasi dengan pembagian data 5, 6, 7, 8, dan 9 tahun serta uji verifikasi dengan pembagian data 5, 4, 3, 2, dan 1 atau data sisa dari kalibrasi. Masing-masing dilakukan pengujian dengan epoch 500, 1000, 1500, dan 2000. Uji yang digunakan yaitu Efisiensi Nash-Sutcliffe (ENS), Uji Koefisien Korelasi (R), Uji Root Mean Squared Error (RMSE), dan Uji Kesalahan Relatif (Kr). Hasil analisis perhitungan curah hujan bulanan dengan metode (ANN) terhadap data pengamatan berdasarkan kalibrasi didapatkan bahwa di pembagian data 5 tahun epoch 2000 yang memenuhi nilai kriteria dan memiliki nilai yang paling baik, sedangkan untuk verifikasi di data 1 tahun epoch 2000. Perhitungan curah hujan harian berdasarkan kalibrasi terdapat di data 7 tahun epoch 1000, sedangkan uji verifikasi terdapat di data 1 tahun dengan epoch 500. Perbandingan data curah hujan dengan data pengamatan hampir mendekati jika nilai Efisiensi Nash-Sutcliffe (ENS), dan Koefisien Korelasi (R) memenuhi kategori yang ada.   The study was conducted to know the result of the high montly and daily rainfall modeling from the climatology data based on an Artifical Neural Network (ANN) method and to know the comparison of rainfall between Artifical Neural Network (ANN) (Matlab) compare with the real data. In this study to determine the suitability  of result of the method  used for observation, calibration test was done by dividing data 5, 6, 7, 8 and 9 years and also verification test by dividing data 5, 4, 3, 2 and 1 or residual data from calibration step. Each of them was done by testing epoch 500, 1000, 1500,  And 2000. The tests used were Nash-Sutcliffe (ENS), correlation coefficient test (R), Root Mean Squared Error test (RMSE), and relative fault test (Kr). The result of the analysis of the monthly rainfall calculation using the ANN method compare with observational data based on caliboration found that the data distribution of 5 years data epoch 2000 meet the criteria value and had the best value, while for verification in the data of 1 year with epoch 2000. Calculation of daily rainfall based on the calibration found in the 7 yearsdata with epoch 1000, while the verification test was in the 1 years data with epoch 500. Comparison of rainfall data with observational data is almost close if the Nash-Sutcliffe (ENS) value and the correlation coefficient (R) meet the appropriate category there is.  
STUDI PENENTUAN PRIORITAS PERBAIKAN ASET IRIGASI DI DAERAH IRIGASI KEDUNGREJO KECAMATAN PILANGKENCENG KABUPATEN MADIUN Nugraha, Yosua Panji; Wahyuni, Sri; Prayogo, Tri Budi
Jurnal Mahasiswa Jurusan Teknik Pengairan Vol 3, No 1 (2019)
Publisher : Jurusan Teknik Pengairan, Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Irigasi memiliki peranan penting bagi peningkatan produksi pertanian guna mencapai kedaulatan pangan nasional. Akan tetapi pada kenyataannya, pengajuan dana untuk keperluan pengelolaan jaringan irigasi dari tahun ke tahun tidak selalu terpenuhi sesuai kebutuhan. Oleh sebab itu, dibutuhkan penyelesaian masalah berupa penentuan prioritas perbaikan aset irigasi agar penanganan dapat dilakukan dengan optimal. Data inventerisasi jaringan irigasi digunakan sebagai input. Studi ini menggunakan Kriteria dan Bobot Penilaian Kinerja Jaringan Irigasi yang telah dimodifikasi. Selain itu, uji statistika yang digunakan adalah Uji Kruskal-Wallis dan Uji Mann-Whitney. Software Google Earth dan Arc-GIS digunakan untuk mempermudah dalam mengetahui kondisi dan penanganan seluruh aset. Hasil dari studi ini yaitu Daerah Irigasi Kedungrejo mempunyai kondisi aset irigasi dengan kondisi baik sekali sebesar 9,76%, kondisi baik sebesar 36,59%, kondisi sedang sebesar 48,78%, dan kondisi jelek sebesar 4,88%. Ranking tertinggi (ranking 1) ditempati oleh masukan pembuang (B.KR.1m), masukan pembuang (B.KR.1w), dan terjunan (B.PL.2a). Ranking terendah (ranking 82) ditempati oleh tangga cucian (B.KR.1c), masukan pembuang (B.KR.1k), jembatan (B.KR.1t), jembatan (B.KR.1u), jembatan (B.KU.3a), jembatan (B.SI.1a), jembatan (B.SI.5a), dan jembatan (B.BD.2a). Analisis data melalui uji statistik (Uji Kruskal-Wallis) mendapatkan H(6,639) ≤ X(0,05;5) (11,070) maka kesimpulan statistik terhadap hipotesis yang diajukan tidak ada perbedaan yang berarti menerima H0 dan menolak H1.Irrigation has an important role for increasing agricultural production in order to achieve national food sovereignty. However, in reality, proposing funds for irrigation network management needs from year to year is not always met as needed. Therefore, problem solving is needed in the form of prioritizing the improvement of irrigation assets so that the handling can be done optimally. Irrigation network inventerization data is used as input. This study uses the Criteria and Weight of the Irrigation Network Performance Assessment that has been modified. In addition, the statistical test used is the Kruskal-Wallis Test and the Mann-Whitney Test with the consideration that the data obtained are in the form of ranking. Google Earth and Arc-GIS software are used to make it easier to find out the condition and handling of all assets. The results of this study are Kedungrejo Irrigation Area which has an irrigation asset condition with a very good condition of 9.76 %, a good condition of 36,59 %, a moderate condition of 48,78 %, and a bad condition of 4.88 %. In addition, the highest ranking (1st ranking) is occupied by Drain Inlet (B.KR.1m), Drain Inlet (B.KR.1w), and Cascade (B.PL.2a). The lowest ranking (82th ranking) is occupied by Laundry Ladders (B.KR.1c), Drain Inlet (B.KR.1k), Bridges (B.KR.1t), Bridges (B. KR.1u), Bridges (B.KU.3a), Bridges (B. SI.1a), Bridges (B.SI.5a), and Bridges (B.BD.2a). Data analysis through statistical tests (Kruskal-Wallis Test) get H (6,639) ≤ X(0,05;5) (11,070) then the statistical conclusions on the hypothesis proposed there is no difference that means accepting H0 and rejecting H1.
Co-Authors Nugraha, Yosua Panji Pratiwi, Novalina Putri Prayogo, Tri Budi Suhartanto, Ery