ANALISA KERAPATAN JARINGAN STASIUN HUJAN DI SUB DAS KADALPANG KABUPATEN PASURUAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN DAN HUBUNGANNYA TERHADAP ASPEK TOPOGRAFI

Abstract

ABSTRAK

 

Pengukuran data curah hujan harus selalu dievaluasi untuk menjaga kualitasnya. Jaringan stasiun hujan harus bersifat ideal dan representatif untuk menghasilkan data yang berkualitas. Fasilitas dan anggaran yang terbatas untuk kegiatan Operasi dan Pemeliharaan seringkali mengakibatkan penurunan kualitas data. Terlalu sedikit stasiun menghasilkan kualitas data yang buruk, sementara terlalu banyak stasiun merupakan bentuk pemborosan dana. Dengan demikian, diperlukan studi untuk menentukan jumlah ideal serta penyebaran stasiun yang efektif. Studi ini bertujuan untuk menganalisis alternatif jaringan stasiun hujan dengan menggunakan metode Jaringan Saraf Tiruan.

Parameter yang perlu disesuaikan adalah bobot data, epoch, dan jenis data. Masing-masing mempengaruhi hasil, sehingga harus dilakukan penyesuaian terbaik. Bobot data terbaik yang dipilih adalah 60-25-15, yang berarti 60% pelatihan, 25% validasi silang, dan 15% pengujian. Epoch  terbaik ditetapkan 1000, karena lebih atau kurang dari 1000 mengakibatkan penurunan kualitas hasil. Kemudian, jenis data terbaik adalah curah hujan bulanan, tanpa nilai nol. Hasilnya menunjukkan bahwa di antara 381 kemungkinan kombinasi jaringan, berkisar antara 4 sampai 8 stasiun (saat ini ada 9), jaringan terbaik terdiri dari 6 stasiun, yaitu Winong, Randupitu, Jawi, Wilo, Prigen, dan Bekacak. Kombinasi ini memberikan hasil yang menjanjikan dengan Nash-Sutcliffe Efficiency ‘Baik’ (0,801), Kesalahan Relatif yang kecil (12,2%), MSE Training dan Cross Validation kecil (masing-masing 0,054 dan 0,060), serta NMAE kecil (0,196). Selain itu, hubungan dengan aspek topografi menunjukkan bahwa curah hujan sangat terkait dengan perbedaan ketinggian stasiun terhadap AWLR dengan R (Koefisien Korelasi) = 0,915. Artinya semakin tinggi stasiun, semakin tinggi curah hujan yang terukur.

 

Kata Kunci: Stasiun Hujan, Jaringan Saraf Tiruan, Neurosolution 7.1, Aspek Topografi

 

ABSTRACT

Measurement of rainfall data must always be assessed to maintain its quality. The network of precipitation station must be ideal and representative to produce good quality data. The limited facilities and budget for Operation and Maintenance activities often resulted in decreased data quality. Too few stations result in poor data quality, while too many stations are clearly a waste of funds. Thus, a study is needed to determine the ideal number and the effective spreading of stations. This study aims to analyze the new alternative precipitation station network using Artificial Neural Network method.

The adjusted parameters used are data weight, epoch, and data type. Each of those affect the result, so the best selection must be made. Best data weight chosen is 60-25-15, means 60% of training, 25% of cross validation, and 15% of testing. Best epoch had been set to 1000, since less or more than 1000 decreases the result quality. Then, best data is monthly rainfall, without zero value. The result shows that among 381 possible network combinations, ranging from 4 to 8 stations (currently 9), the best network is consisting 6 stations, which are Winong, Randupitu, Jawi, Wilo, Prigen, and Bekacak. This combination gives a promising result with ‘Good’ Nash-Sutcliffe Efficiency (0,801), considerably small Relative Error (12,2 %), small MSE of Training and Cross Validation (each 0,054 and 0,060), and small NMAE (0,196). Beside, the relation with topographical aspect showed that rainfall is highly related to height difference of station to AWLR with R (Correlation Coefficient) = 0,915. It means the higher the station is, the higher rainfall is measured.

Keywords: Precipitation Station, Artificial Neural Network, NeuroSolution 7.1, Topography Aspect