Rr. Rintis Hadiani
Program Studi Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Jl. Ir. Sutami 36 A Solo 57126

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

EKSTRAPOLASI DATA HUJAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACK PROPAGATION Rr. Rintis Hadiani
Media Teknik Sipil Vol. 14 No. 2 (2016): Agustus
Publisher : Department of Civil Engineering, Faculty of Engineering, University of Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/jmts.v14i2.3709

Abstract

Dalam suatu analisis hidrologi, dibutuhkan paling sedikit 10 tahun data hujan Jika data kurang dari 10 tahun maka dilakukan ekstrapolasi data hujan. Hal ini dilakukan agar jumlah data memenuhi syarat analisis. Karakteristik data hujan merupakan deret data yang stasioner, tidak mempunyai trend, dan mempunyai pola musiman. Salah satu metode yang sesuai dengan karakter tersebut adalah Jaringan Syaraf Tiruan dengan Back Propagation (JSTBP). Metode ini sesuai dengan data hujan yang bersifat stochastik. Objek Penelitian adalah stasiun hujan yang terletak di DAS Kaliasem, Kab. Lumajang. Langkah yang dilakukan adalah pemodelan dengan JST, kemudian verifikasi model. Selanjutnya dilakukan implementasi model. Stasiun hujan yang dipilih adalah yang berpengaruh pada DAS Kaliasem. Dipilih 3 stasiun hujan, yaitu sta. Kedungsangku dan sta. Senduro, Sta. Ranupakis. Sta. Kedungsangku digunakan sebagai pembangun model ekstrapolasi. Sta. Senduro sebagai data verifikasi. Dan implementasi pada stasiun Ranupakis. Hasil penelitian ini diterapkan pada sub DAS Bengawan Solo, di Kab. Wonogiri. Hasilnya menunjukkan bahwa metode ini mempunyai keandalanan 58% sampai 79% (Shakti, D.W., 2014; Ginting, J.E. dkk, 2014; Prasetyo,H.E. dkk, 2014; Shakti, D.W. dkk, 2014).  Hasil penelitian ini menunjukkan bahwa keandalan mencapai 80% pada Confidence Interval (CI) = 95% (berdasarkan parameter model yang sesuai). Hasil akhir menunjukkan bahwa JSTBP mempunyai parameter 2 layer tersembunyi dengan 2 neuron.