SIMULASI CURAH HUJAN BULANAN KOTA PALEMBANG DENGAN JARINGAN SYARAF TIRUAN

  • Fadhila Firdausa Politeknik Negeri Sriwijaya
Kata Kunci: simulasi, curah hujan, Jaringan Syaraf Tiruan, Kota Palembang

Abstrak

Curah hujan merupakan salah satu data penting yang digunakan dalam  keterlibatan pembangunan infrastruktur, pengairan,.pertanian dan lainnya. Perkembangan IPTEKS telah sampai kepada tahap kemajuan menuju era digitalisasi. Oleh karena itu diperlukan software baru untuk mendukung kemajuan IPTEKS. Salah satu software yang telah berkembang saat ini adalah software matlab. Metode yang digunakan dalam simulasi adalah Jaringan Syaraf Tiruan (JST) yang dianalisis dengan menggunakan Matlab.Jaringan Syaraf Tiruan merupakan metode yang memiliki kemampuan untuk meniru data input yang dimasukkan ke dalam simulasi. Jaringan Syaraf Tiruan sendiri telah banyak digunakan dalam bidang penelitian. Oleh karena itu pada penelitian ini akanmenggunakan Jaringan Syaraf Tiruan untuk mengolah data hujan di Kota Palembang. Data curah hujan yang digunakan adalah data curah hujan bulanan dari tahun 2016 sampai 2018. Pada hasil penelitian yang telah dilakukan didapatkan hasil eror terkecil 1.84% berhenti pada trial epoch 25000. Sebaran data curah hujan bulanan pada musim kemarau mempengaruhi simulasi JST sehingga menyebabkan eror menjadi besar di bulan kemarau.

Referensi

Agrawal, V., Nagar, R., & Sancheti, G. (2011). Application of artificial neural network in conceptual design of communication towers. International Conference on Electrical, Electronics and Civil Engineering (ICECCE’2011). Pattaya.

Aryastana, P., Tanaka, T., & Mahendra, M. S. (2012). Characteristic of rainfall pattern before flood occur in Indonesia based on rainfall data from GSMaP. ECOTROPHIC : Jurnal Ilmu Lingkungan, 7(2), 100–110.

Liu, C.-Y., Aryastana, P., Liu, G.-R., & Huang, W.-R. (2020). Assessment of satellite precipitation product estimates over Bali Island. Atmospheric Research, 105032. https://doi.org/10.1016/j.atmosres.2020.105032

Meon, M. S., Anuar, M. A., Ramli, M. H. M., Kuntjoro, W., & Muhammad, Z. (2012). Frame Optimization using Neural Network. International Journal on Advanced Science, Engineering and Information Technology, 2(1), 28–33. https://doi.org/10.18517/ijaseit.2.1.148

Setiawati, M. D., Miura, F., & Aryastana, P. (2016). Validation of Hourly GSMaP and ground base estimates of precipitation for flood monitoring in Kumamoto, Japan. In P. K. Srivastava, P. C. Pandey, P. Kumar, A. S. Raghubanshi, & D. Han (Eds.), Geospatial Technology for Water Resource Applications (pp. 130–143). https://doi.org/10.1201/9781315370989

Siang, J. J. (2014). Jaringan Saraf Tiruan & Pemrogramannya Menggunakan MATLAB. Yogyakarta: ANDI.

Sultan, M. H. (2014). Optimasi parameter neural network pada data time series untuk memprediksi rata-rata kekuatan gempa per periode (studi kasus gempa bumi di Maluku Utara). CAUCHY: Jurnal Matematika Murni Dan Aplikasi, 3(2), 59–71.

Yudhistira, A. T. (2014). Prediksi penurunan kapasitas struktur atas jembatan rangka baja menggunakan metode artificial neural network. Universitas Gadjah Mada.

Diterbitkan
2020-10-22
Bagian
Articles
Abstrak viewed = 384 times
PDF downloaded = 512 times