ESTIMASI TINGGI CURAH HUJAN DARI DATA KLIMATOLOGI MENGGUNAKAN MODEL ARTIFICAL NEURAL NETWORK (ANN) DI KABUPATEN SAMPANG JAWA TIMUR

Novalina Putri Pratiwi, Sri Wahyuni, Ery Suhartanto

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.

 


Keywords


Curah Hujan, Efisiensi Nash-Sutcliffe (ENS), Uji Koefisien Korelasi (R), Artificial Neural Network (ANN).

Full Text: PDF

Refbacks

  • There are currently no refbacks.