langsung ke petugas banjir dan wakil masyarakat atau RW. Responden yang dipilih untuk petugas banjir adalah petugas dan instansi terkait yang
terlibat langsung penanganan banjir. Gambar 16 menunjukkan diagram alir pentahapan penelitian yang dilakukan.
Gambar 16 Tahapan Penelitian sistem peringatan dini banjir Kali Garang berbasis SMS dan web
3.4 Metode Penelitian
3.4.1. Metode Pengumpulan Data
Metode Pelaksanaan pengumpulan data sekunder dalam penelitian ini terdiri atas:
1 Studi awal pengumpulan data sekunder
curah hujan yang
akan digunakan adalah yang ada di Stasiun Gunungpati, sedangkan data tinggi
muka air adalah data yang ada di Bendung Simongan. Data diambil pada saat terjadi banjir tahun 2006 untuk melihat response banjir Kali Garang.
2 Pengumpulan data primer berupa pengukuran telemetri besaran curah
hujan dan tinggi muka air TMA secara real time. Data primer diperoleh dengan pengukuran langsung yaitu besaran curah hujan di sisi hulu Kali
Garang Gunungpati dan tinggi muka air sungai di sisi hilir Bendung Simongan. Kedua peralatan tersebut
dibuat di Laboratorium Teknik Elektro Undip.
3.4.2. Metode Jaringan Syaraf Tiruan untuk Prediksi Tinggi Muka Air Sungai
Secara garis besar langkah langkah pemodelan Jaringan Syaraf Tiruan dalam prediksi banjir tersebut adalah sbb:
a. Masukan, adalah berupa data-data curah hujan di stasiun Gunungpati dan tinggi muka air Bendung Simongan tersebut
yang diperoleh berdasar pengamatan selama 3 bulan yaitu pada bulan Januari sd Maret 2008
sebagai pelatihan Jaringan Syaraf Tiruan. b. Data uji untuk Jaringan Syaraf Tiruan adalah data curah hujan di
Gunungpati dan tinggi muka air di Bendung Simongan pada bulan April 2008.
c. Bentuk Jaringan Syaraf Tiruan dipilih agar menghasilkan bentuk yang paling optimal dimana hasil prediksi dibandingkan dengan target data real
yang mempunyai galat yang seminimal mungkin. d. Dari data curah hujan dan tinggi muka air tersebut merupakan masukan
dan keluaran sehingga data data tersebut sebagai data pelatihan Jaringan Syaraf Tiruan
e. Kemudian dilakukan pembentukan Jaringan Syaraf Tiruan dengan masukan adalah curah hujan dan keluaran adalah tinggi muka air untuk
dua jam ke depan.
f. Sebelum dilakukan perhitungan jumlah pemodelan Jaringan Syaraf Tiruan,
perlu dilakukan perhitungan Antecedent Precipitation Index API. Dimana API secara umum dapat dikatakan sifat kelengasan tanah akibat turunnya
hujan terus menerus. API sangat berpengaruh terhadap besarnya run-off dan semakin besar API akan semakin besar run-off. Perhitungan API
n
dapat dirumuskan sbb:
t n
t i
i n
CH t
API 10
dimana : API
n
t = Antecedent Precipitation Index API ke-n CH
i
= Curah hujan yang ke i g. Data masukan jika untuk ke lima model, data Jaringan Syaraf Tiruan untuk
data curah hujan adalah selama 1,2,3,4 atau 5 hari sebelumnya dengan data curah hujan per ½ jam. Data tinggi muka air adalah 3 jam sebelumnya
dengan dengan data tinggi muka air juga per ½ jam. Hal ini berarti tinggi muka air pada 2 jam ke depan ini dipengaruhi oleh curah hujan pada data
1, 2, 3, 4 atau 5 hari sebelumya dan tinggi muka air 3 jam sebelumnya. h. Parameter jaringan meliputi laju pembelajaran, momentum, dan jumlah
neuron
.
Data masukan untuk pelatihan dalam JST adalah data curah hujan setiap ½ jam selama tiga bulan yaitu bulan Januari sampai dengan
Maret 2008, sedangkan data uji adalah pada bulan April 2008 dengan mengambil data pada
saat terjadi banjir sedangkan prediksi dilakukan pada mulai bulan Mei 2008. Tabel 3 menunjukkan pengelompokan data untuk model Jaringan Syaraf Tiruan.
Tabel 3 Pengelompokan data primer untuk model Jaringan Syaraf Tiruan
NO DATA CURAH HUJAN
Bulan DATA TMA
Bulan SEBAGAI DATA
1 Jan-08
Jan-08 Pelatihan
2 Feb-08
Feb-08 Pelatihan
3 Mar-08
Mar-08 Pelatihan
4 Apr-08
Apr-08 Uji Testing
Keterangan: TMA = tinggi muka air sungai
Jaringan Syaraf Tiruan yang digunakan adalah multilayer perceptron.
Multilayer perceptron dapat memberikan hasil yang lebih baik untuk menangani data non linear jika dibandingkan jaringan lainnya Nugroho 1998. Arsitektur
jaringan yang dipilih terdiri atas tiga lapisan elemen pemroses yang terdiri dari 1 lapisan input, 1 lapisan tersembunyi dan 1 lapisan output seperti terlihat pada
Gambar 17.
Z1
Zh U3h
W1 k
Wjk U11
U4h U41
U2h U31
masukan Hidden layer 1
Keluaran
Yt+2 X1
Xn Y1
Yn
Keterangan: X
1
,X
2
,X
3
... X
n
= data curah hujan pada jam ke t , t-½,t-1,t-1½,t-2,dst Y
1
,Y
2
,Y
3
... Y
6
= data tinggi muka air pada jam ke t , t-½, t-1, t-1½, t-2, t-2½, t - 3 Y
t+2
= tinggi muka air sungai pada 2 jam ke depan .
Gambar 17 Arsitektur Jaringan Syaraf Tiruan yang dipakai. Dari Gambar 17 X adalah data curah hujan pada jam t dan X
-1
adalah data curah hujan pada jam t -12 jam, X
-2
adalah data hujan pada jam t – 1 jam, dan seterusnya. Sedangkan Y
t+2
adalah prediksi tinggi muka air pada dua jam ke depan. Dari data tersebut dapat dilihat bahwa prakiraan tinggi muka air dua
jam ke depan dipengaruhi data curah hujan mundur ke belakang selama 1,2,3,4 atau 5 hari dimana terdapat
48, 96, 144, 192, atau 240 data curah hujan dan tinggi muka air tiga jam mundur ke belakang dimana terdapat 6 data seperti
terlihat pada Gambar 18.