dalam teknik penelusuran banjir. Metode ini telah diterapkan secara instensif pada beberapa sungai di Inggris dan hasil penelitianya menunjukkan bahwa
tingkat akurasinya cukup tinggi. Metode Muskingum juga diterapkan untuk memprediksi debit banjir pada Sungai Keegans Bayaou, USA yang mengalir
melalui daerah pemukiman padat penduduk. Hasil penelitian penggunaan metode Muskingum di Keegans Bayaou menunjukkan bahwa metode ini cukup
akurat dalam melakukan prakiraan debit banjir. Metode Muskingum termasuk salah satu metode yang digunakan dalam model HEC-1 yang dikembangkan
oleh US Army Corps of Engineering pada Hydrologic Engineering Centre. Saat ini Model HEC-1 telah dikembangkan menjadi model HEC 2.2 under Windows.
c. Metode Jaringan Syaraf Tiruan JST
Jaringan Syaraf Tiruan JST adalah teori yang didesain untuk memodelkan cara otak mengerjakan suatu persoalan dan seringkali disebut
sebagai fungsi adaptif Haykin, 1994. Salah satu aplikasi Jaringan Syaraf Tiruan adalah untuk peramalan. Algoritma perambatan-balik dengan arsitektur multilayer
perceptron dengan satu lapisan tersembunyi merupakan metoda yang sering dipakai pada proses peramalan; seperti peramalan debit aliran Nil di Mesir Atiya
dan Shahen, 1999, Mae Kong Phien, 1997 dan prediksi debit Cikapundung dengan Jaringan Syaraf Tiruan Margiantoro, 2003. Dalam Penelitian ini akan
digunakan Jaringan Syaraf Tiruan untuk memprediksi tinggi muka air Kali Garang dengan masukan adalah curah hujan. Model JST yang digunakan adalah dengan
algoritma back propagation dimana merupakan algoritma pembelajaran yang terawasi dan biasanya digunakan oleh perceptron dengan banyak lapisan untuk
mengubah bobot-bobot yang terhubung dengan neuron-neuron yang ada pada lapisan tersembunyi.
2.6. Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan adalah sistem pemrosesan informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi manusia. JST dibentuk
sebagai generalisasi model matematik dari jaringan syaraf biologi, dengan asumsi bahwa:
a Pemrosesan informasi terjadi pada banyak elemen sederhana neuron.
b Sinyal dikirimkan di antara neuron-neuron melalui penghubung-
penghubung.
c Untuk menentukan keluaran, setiap neuron menggunakan fungsi
aktivasi biasanya bukan fungsi linier yang dikenakan pada jumlah input yang diterima. Besarnya output selanjutnya dibandingkan dengan suatu
ambang batas. Jaringan Syaraf Tiruan
ditentukan oleh tiga hal yang sangat penting seperti terlihat pada Gambar 11 yaitu:
Pola hubungan antar neuron. Metode untuk menentukan bobot penghubung disebut metode training
learning. Fungsi Aktivasi.
Sumber:
Gambar 11 Struktur neuron jaringan syaraf. Suatu jaringan syaraf dinyatakan sebagai pola hubungan antar simpul
yang disebut arsitektur jaringan syaraf, metode penentuan bobot penghubung yang dinamakan pelatihan atau algoritma pelatihan, dan fungsi aktivasinya yang
terdapat di dalam simpul. Sebuah jaringan syaraf terdiri atas sejumlah besar elemen pemroses
sederhana yang disebut neuron, unit sel, atau simpul node. Tiap simpul dihubungkan ke simpul lainnya oleh suatu rantai penghubung yang memiliki
bobot. Bobot ini menunjukkan informasi yang digunakan oleh jaringan untuk memecahkan suatu masalah. Jaringan syaraf dapat diterapkan pada masalah
yang bervariasi, seperti penyimpanan storing, pemanggilan kembali recalling data atau pola, klafisikasi pola dan pemetaan pola masukan ke pola keluaran,
pengelompokan pola serupa atau penemuan solusi untuk optimasi masalah. Sebuah simpul mengirimkan suatu aktivasi sebagai sinyal ke simpul-
simpul lainnya. Simpul hanya dapat mengirim satu sinyal pada satu waktu, walaupun sinyal tersebut disebarkan ke beberapa simpul lain. Gambar 12
menunjukkan penggambaran bentuk sederhana JST.
Fungsi keluar
Masukan dari
beberapa Neuron
Keluaran ke beberapa
Neuron Fungsi
aktivasi Fungsi
penjumlah Bobot
Bobot