STUDI RASIONALISASI JARINGAN POS STASIUN HUJAN MENGGUNAKAN METODE JST (JARINGAN SARAF TIRUAN) DENGAN MENGHUBUNGKAN PENGARUH FAKTOR TOPOGRAFI DAS REJOSO KABUPATEN PASURUAN

Abstract

ABSTRAK  : Jaringan stasiun hujan yang efisien dan efektif, mendukung biaya operasional dan pemeliharaan yang minimum serta data curah hujan yang akurat. Oleh karena itu, dilakukan rasionalisasi di Daerah Aliran Sungai Rejoso yang memiliki luas 234,257 km² dengan 9 stasiun hujan. Pada hasil analisis kerapatan jaringan stasiun hujan didapatkan 3 stasiun hujan terpilih yaitu Winongan, Lumbang, Panditan dengan KR sebesar 7,336%, minimum mean square error untuk training set 0,024 sedangkan untuk cross validation set 0,007 dan nash sutcliff error ‘baik’. Sedangkan hasil evaluasi pola penyebaran stasiun hujan didapatkan kondisi eksisting maupun hasil JST telah tersebar pada seluruh bagian DAS (Hulu, Tengah dan Hilir). Kemudian analisis hubungan topografi jaringan hasil JST dengan 3 stasiun hujan memiliki koefisien determinasi tertinggi yaitu hubungan antara curah hujan dengan jarak sebesar 0,858 dan hubungan antara jarak dengan beda tinggi sebesar 0,995. Analisis debit banjir menggunakan Hidrograf Satuan Sintetis (HSS) Nakayasu didapatkan Q_25th, untuk kondisi eksisting sebesar 350,124 m³/dt,  jaringan hasil JST dengan 5 stasiun hujan sebesar 537,276 m³/dt sedangkan hasil JST dengan 3 stasiun hujan sebesar 586,895 m³/dt.

Kata Kunci: Rasionalisasi, Jaringan Saraf Tiruan, Kerapatan Jaringan, Aspek Topografi, Debit Banjir Rancangan.

 

ABSTRACT: The efficiency and effectivity of rainfall station network supporting minimum operational and maintenance costs and accuration of rainfall data. Rejoso watershed is a rationalized location which has an area of 234,257 km² with 9 rain stations. The result of rain station network density analysis is 3 rain stations chosen that are Winongan, Lumbang, Panditan with Relative Error equal to 7,336%, minimum mean square error for training set 0,024 while for cross validation set 0,007 and nash sutcliff error 'Good'. While the evaluation results of the dispersion pattern of the rain station obtained the existing condition and the results of ANN has spread across the entire watershed (Upper, Middle and Lower). Then the relationship with the topography of the network results of ANN with 3 rain stations has the highest coefficient of determination that is the relationship between rainfall with a distance of 0.858 and the relationship between the distance with a high difference of 0.995. Analysis of flood discharge using Synthetic Unit Hydrograph of Nakayasu was obtained Q_25th, for the existing condition of 350,124 m³ / sec, network of ANN result with 5 rain stations 537,276 m³ / sec whereas the result of ANN with 3 rain stations 586,895 m³ / sec.

Keywords: Rationalization, Artificial Neural Networks, Network Density, Topographical Aspects, Design Flood Discharge.