Pendugaan Limpasan atau Run-off di DAS Ciliwung Hulu dengan Menggunakan Artifical Neural Network
SKRIPSI
PENDUGAAN lIMPASAN ATAU RUN-OFF
DI DAS CllIWUNG HULU
DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
OLEH:
NIRWANi MERDU HATI
F01495064
1999
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGaR
BOGaR
Nirwani Merdu Hati. F01495064. Pendugaan Limpasan atau Run-off di DAS
Ciliwung Hulu dengan Menggunakan Artificial Neural Network. Dibawah
bimbingan Ir. M.Yanuar J. Purwanto, MS.
Ringkasan
Dalam daur hidrologi, hujan merupakan komponen penting sebagai
masukan terutama di dalam Daerah Aliran Sungai. Karakteristik hujan yang
berpengaruh terhadap terjadinya limpasan atau Run-off adalah intensitas hujan.
Intensitas hujan yang melebihi laju infiltrasi menyebabkan terjadinya limpasan
permukaan. Dengan memahami komponen-komponen yang mendukung
Pengembangan terhadap
limpasan tersebut dapat dilakukan pendugaan.
pendugaan Run-off tersebut dapat dibuat suatu model pendugaan Run-off.
Alternatif pendugaan masih banyak perlu dilakukan untuk dapat menghasilkan
ketelitian dan ketepatan yang tinggi.
Pendekatan alternatif yang dicoba yaitu dengan menggunakan model
Run-off yang disebut Artifitial Neural Network (ANN) memakai software
SIMULNET. Model ini sebagai teknologi baru dalam proses pendugaan kejadian
dan diharapkan dapat rnernecahkan metode yang selama ini tidak terpecahkan.
Tujuan penelitian dengan menggunakan data hujan ini antara lain
mencoba kemungkinan pendugaan kejadian total Run-off dari DAS dengan
menggunakan ANN dengan perangkat SIMULNET, melakukan identifikasi kriteria
pengguna ANN untuk menduga Run-off dengan tingkat ketepatan tinggi dan
mengevaluasi kinerja dari ANN dengan membandingkan hasil keluaran ANN
dengan data debit aktual.
Kegiatan penelitian dilakukan di lokasi DAS Ciliwung Hulu, kegiatan yang
dilakukan meliputi permodelan yaitu struktur model. Metode analisa yang
dilakukan sesuai dengan parameter yang diberikan, kemudian kalibrasi model
dan variasi terhadap parameter dan penyajian model.
Data yang digunakan untuk analisis adalah data tahun 1986, 1989, 1994
dan 1995. Untuk data pada saat musim hujan dipakai tahun 1986-1989 di bulan
Januari dan Februari, sedangkan pada musim kemarau dipakai tahun 1994-1995
di bulan September dan Oktober. Data tersebut dipakai karena berkorelasi baik
antara curah hujan dan debit. Parameter-parameter yang digunakan antara lain
Di dalarn
curah hujan, Base-Flow, persentase hutan serta debit aktual.
mengindentifikasi kriteria model terdapat tiga kriteria penting yaitu, layer, node
dan range. Penggunaan layer dimulai dari layer 1 sampai 3, untuk node 2
sampai 6 dan range 2.0-4.0.
Untuk data musim hujan didapatkan persentase error minimal untuk layer
1 ada pad a range 2, untuk layer 2 terdapat pada range 3 dan layer 3 terdapat
pad a range 2. Untuk data musim kemarau didapatkan persentase error minimal
untuk layer 1 terdapat pad a range 2.5, layer2 terdapat pad a range 3.0 dan layer
3 terdapat pada range 2.0.
PENDUGAAN LlMPASAN ATAU RUN-OFF
DI DAS CILlWUNG HULU.
DENGAN MENGGUNAKAN ARTIFICIAL
NEURAL NETWORK
Olch:
NIRWANI MERDU HATI
F01495064
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian
Institut Pertanian Bogor
1999
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
INSTITUT PERTANIAN BOGOR
FAKULTAS TEKNOLOGI PERTANIAN
PENOUGAAN LlMPASAN ATAU RUN-OFF
01 OAS CILlWUNG HULU
OENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh:
NIRWANI MERDU HATI
F01495064
Oilahirkan di Jakarta, 06 Mei 1977
Tanggallulus: 15 Oktober 1999
UCAl'AN TERIMA KASIH
Penulis pertama kali ingin mengucapkan rasa syukurkepada Tuhan YME
karena atas ijin-Nya akhirnya penulisan ini terselesaikan juga.
Karya ini
terselesaikan karena banyak pihak-pihak yang telah memberikan bantuan.
Untuk itu penulis ingin mengucapkan rasa terima kasih yang tulus untuk:
1. Bapak Ir. M. Yanuar, J.P, MS selaku dosen pembimbing yang telah
memberikan waktu dan perhatiannya selama masa penulisan.
2. Bapak Dr. Ir. Suroso, M.Agr dan Bapak Dr. Ir. Asep Sapei, MS selaku dosen
penguji yang telah memberikan masukan berikut saran-sarannya untuk
penulisan ini.
3. Seluruh keluarga yang telah memberikan dukungan dan semangat slama ini.
4. Kepada mbak-mbak dan mas-masku seperti: Mbak Ridaku-Mas Mul, Mbak
Vitaku-Mas Andre, Mas Eko tercinta trima kasih atas segala bantu an, saran
dan omelan yang turut mendukung penyelesaian tulisan ini, semoga kasih
sayang antara kita tetap terjalin.
5. Kepada sahabat-sahabatku seperti Amy, Rery, Gina, Ridha, Wiwiek, Atiek,
Renti,Eny,
M'Novis, M'Haris, M'Sutoyo yang baik slalu penulis ucapkan
banyak terima kasih atas segala bantuan dan perhatian yang diberikan slama
ini.
6. Buat Mas Arin trima kasih atas masukan, saran dan ceritanya semoga tetap
baik dan buat mas Rully trima kasih atas segala bantuannya.
7. Buat seluruh kru TTA -32 dan Adek-adek TPLA serta TEP-33 triam kasih
atas keceriaan dan kebersamaannya slama ini.
8. Seluruh teman-temanku yang tidak dapat disebut satu-persatu terima kasih
atas segalanya.
Demikian kepada seluruh pihak sekali lagi trima kasih dan semoga karya
kecil ini dapat bermanfaat.
Penulis
KATA PENGANTAR
Dalam siklus hidrologi hujan merupakan satu masukan penting yang
berpengaruh.
Hujan lebih dapat mengakibatkan naiknya permukaan air dan
dapat menimbulkan banjir. Kelebihan air ini ada yang terakumulasi di permukaan
tanah dan apabila laju infiltrasi tanah kurang dari intensitas hujan maka dapat
teriadi limpasan atau run-off.
Penelitian telah banyak dilakukan untuk menduga proses terjadinya
limpasan sehingga dapat mengurangi akibat dari terjadinya limpasan tersebut.
Salah satu usaha pendugaan tersebut melalui pembuatan model sehingga
diharapkan lebih mudah. Model run-off yang sedang dicoba untuk dilakukan ini
menggunakan Artificial Neural Network dengan software SIMULNET. Model ini
merupakan teknologi baru dalam pendugaan kejadian, disamping sistemnya
yang luas, sederhana dan mudah untuk didesign. Dengan demikian penggunaan
model ini dapat menjadi lebih luas dan dapat terus dikembangkan.
Penulis
DAFTARISI
Hal
UCAPAN TERIMA KASIH ............................................................................. i
KATA PENGANTAR ...................................................................................... ii
DAFTAR ISI. ................................................................................................. iii
DAFTAR TABEL .....
...................................................................... v
DAFTAR GAMBAR
DAFTAR LAMPIRAN ....................................................................................... vii
Ii. PENDAHULUAN .......................................................................................... 1
A. Latar Belakallg ............................................................................... 1
B. Tujuall Pellelitiall ............................................................................ 2
III. TINJAUAN PUSTAKA ................................................................................. 3
,t... Run-off ............................................................................................ 3
B. Proses Terjadinya Run-off.............................................................. 4
1. Faktor-faktor yang Mempengaruhi Terjadinya Run-off ............. 6
2. Pellgaruh Illfiitrasi pada Run-off................................................ 7
3. Pengaruh Evapotranspirasi pada Run-off ..... ............................ 8
C Model Hidrologi
........................................... 10
1. Defenisi dan Tujuan Mode!. ....................................................... 10
2. Jenis-Jenis Model....
................................................ 12
D. Artif/tial Neural Networ',c ................................................................ 14
1. Konsep umum ............................................................................ 14
2. SIMULNET ................................................................................. 16
E. Prosedur Penggunaall Simulnat ................................................... 17
1. Penggunaan Model Genetic dalam ANN ................................. 17
2. Penggunaan Illput, Output, Hidden Cell dall Weights ............. 18
F. Perkembangan Model Pendugaan Run-off.................................... 19
1111. METODOLOGI .......................................................................................... 21
A. Waktu dan Lokasi ........................................................................... 21
B. Alat dan Bahal1 ............................................................................... 21
C. Pemodelan ..................................................................................... 22
III
1. Struktur Model ............................................................................ 22
2. Pengujian Model ........................................................................ 23
3. Metode Analisa .......................................................................... 23
IIV. HASIL DAN PEMBAHASAN ..................................................................... 24
A. Penentuan Data dan Nilai Parameter ............................................ 24
1. Penentuan Data untuk Analisis ................................................. 24
2. Nilai Parameter Pengaruh Persentase Hutan ........................... 25
3. Nilai Parameter Pengaruh Debit Sebelumnya .......................... 27
B. Model Pendugaan Run-offdengan SIMULNET ............................. 28
1. Penyusunan Model SIMULNET ................................................. 28
2. Kalibrasi Model. .......................................................................... 30
3. Identifikasi Kriteria Model. .. ..
4. Validasi Model .................. .
............................................. 33
. ........................................ 38
V. KESIMPULAN DAN SARAN ....................................................................... 42
A. Kesimpulan ..................................................................................... 42
B. Saran ............................................................................................. 43
DAFTAR PUSTAKA...
LAMPIRAN ............ ..
................... .................................................. 44
.. ...................................................................... 45
IV
DAFTAR TABEL
TabeI4.1. Contoh Data-data yang dimasukkan sebagai Parameter Model
Januari - Februari Tahun 1986 ................................................... 29
a. Januari 1986 .......................................... " .............................. 29
b. Februari 1986 ........................................................................ 30
TabeI4.2. HasH Proses Training 1986 ......................................................... 31
a. Januari 1986 ...
b. Februari 1986 ....
. ........................................................... 31
................................................................ 32
TabeI4.3. Data Hidden Layer, Hidden Node dan Weights Range
Tahun 1986 sebagai Training dan 1989 sebagai Testing ........... 34
v
DAFTAR GAMBAR
Hal
Gambar 1. Proses Pengaliran Air di DAS .................................................. 5
Gambar 2. Pengaruh Evapotranspirasi dan Curah Hujan pada
Proses Terjadinya Run-Off ....................................................... 9
Gambar 3. Sistem Masukan DAS
................................................. 11
Gambar 4. Daur Hidrologi ..
................................................. 13
Gambar 5. Artificial Neural Network yang Sederhana .......................... ....... 15
Gambar 6. Diagram Skematik untuk Neuron Tunggal ................................. 15
Gambar 7. Salah Satu Bentuk ANN untuk Run-Off ..................................... 22
Gambar 8. Grafik Hubungan Curah Hujan dan Debit Konsisten ................. 24
Gambar 9. Grafik Hubungan Curah Hujan dan Debit Tidak Konsisten ........ 25
Gambar 1O.Grafik Base Flow berdasarkan Presentase Hutan 30% ............. 27
Gambar 11.Grafik Base Flow berdasarkan Presentase Hutan 50% ............. 27
Gambar 12.Bentuk Network dengan Input Node memakai 3 Parameter ...... 28
Gambar 13.Grafik Hidden Layer 1 dengan Average Error Terkecil .............. 36
Gambar 14.Grafik Hidden Layer 2 dengan Average Error Terkecil .............. 36
Gambar 15.Grafik Hasil Training dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2 ...................................... 38
Gambar 16.Grafik Hasil Testing dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2 ...................................... 39
Gambar 17.Grafik Hasil Training dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2.5 ................................... 40
Gambar 18.Grafik Hasil Testing dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2.5 ................................... 40
VI
SKRIPSI
PENDUGAAN lIMPASAN ATAU RUN-OFF
DI DAS CllIWUNG HULU
DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
OLEH:
NIRWANi MERDU HATI
F01495064
1999
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGaR
BOGaR
Nirwani Merdu Hati. F01495064. Pendugaan Limpasan atau Run-off di DAS
Ciliwung Hulu dengan Menggunakan Artificial Neural Network. Dibawah
bimbingan Ir. M.Yanuar J. Purwanto, MS.
Ringkasan
Dalam daur hidrologi, hujan merupakan komponen penting sebagai
masukan terutama di dalam Daerah Aliran Sungai. Karakteristik hujan yang
berpengaruh terhadap terjadinya limpasan atau Run-off adalah intensitas hujan.
Intensitas hujan yang melebihi laju infiltrasi menyebabkan terjadinya limpasan
permukaan. Dengan memahami komponen-komponen yang mendukung
Pengembangan terhadap
limpasan tersebut dapat dilakukan pendugaan.
pendugaan Run-off tersebut dapat dibuat suatu model pendugaan Run-off.
Alternatif pendugaan masih banyak perlu dilakukan untuk dapat menghasilkan
ketelitian dan ketepatan yang tinggi.
Pendekatan alternatif yang dicoba yaitu dengan menggunakan model
Run-off yang disebut Artifitial Neural Network (ANN) memakai software
SIMULNET. Model ini sebagai teknologi baru dalam proses pendugaan kejadian
dan diharapkan dapat rnernecahkan metode yang selama ini tidak terpecahkan.
Tujuan penelitian dengan menggunakan data hujan ini antara lain
mencoba kemungkinan pendugaan kejadian total Run-off dari DAS dengan
menggunakan ANN dengan perangkat SIMULNET, melakukan identifikasi kriteria
pengguna ANN untuk menduga Run-off dengan tingkat ketepatan tinggi dan
mengevaluasi kinerja dari ANN dengan membandingkan hasil keluaran ANN
dengan data debit aktual.
Kegiatan penelitian dilakukan di lokasi DAS Ciliwung Hulu, kegiatan yang
dilakukan meliputi permodelan yaitu struktur model. Metode analisa yang
dilakukan sesuai dengan parameter yang diberikan, kemudian kalibrasi model
dan variasi terhadap parameter dan penyajian model.
Data yang digunakan untuk analisis adalah data tahun 1986, 1989, 1994
dan 1995. Untuk data pada saat musim hujan dipakai tahun 1986-1989 di bulan
Januari dan Februari, sedangkan pada musim kemarau dipakai tahun 1994-1995
di bulan September dan Oktober. Data tersebut dipakai karena berkorelasi baik
antara curah hujan dan debit. Parameter-parameter yang digunakan antara lain
Di dalarn
curah hujan, Base-Flow, persentase hutan serta debit aktual.
mengindentifikasi kriteria model terdapat tiga kriteria penting yaitu, layer, node
dan range. Penggunaan layer dimulai dari layer 1 sampai 3, untuk node 2
sampai 6 dan range 2.0-4.0.
Untuk data musim hujan didapatkan persentase error minimal untuk layer
1 ada pad a range 2, untuk layer 2 terdapat pada range 3 dan layer 3 terdapat
pad a range 2. Untuk data musim kemarau didapatkan persentase error minimal
untuk layer 1 terdapat pad a range 2.5, layer2 terdapat pad a range 3.0 dan layer
3 terdapat pada range 2.0.
PENDUGAAN LlMPASAN ATAU RUN-OFF
DI DAS CILlWUNG HULU.
DENGAN MENGGUNAKAN ARTIFICIAL
NEURAL NETWORK
Olch:
NIRWANI MERDU HATI
F01495064
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian
Institut Pertanian Bogor
1999
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
INSTITUT PERTANIAN BOGOR
FAKULTAS TEKNOLOGI PERTANIAN
PENOUGAAN LlMPASAN ATAU RUN-OFF
01 OAS CILlWUNG HULU
OENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh:
NIRWANI MERDU HATI
F01495064
Oilahirkan di Jakarta, 06 Mei 1977
Tanggallulus: 15 Oktober 1999
UCAl'AN TERIMA KASIH
Penulis pertama kali ingin mengucapkan rasa syukurkepada Tuhan YME
karena atas ijin-Nya akhirnya penulisan ini terselesaikan juga.
Karya ini
terselesaikan karena banyak pihak-pihak yang telah memberikan bantuan.
Untuk itu penulis ingin mengucapkan rasa terima kasih yang tulus untuk:
1. Bapak Ir. M. Yanuar, J.P, MS selaku dosen pembimbing yang telah
memberikan waktu dan perhatiannya selama masa penulisan.
2. Bapak Dr. Ir. Suroso, M.Agr dan Bapak Dr. Ir. Asep Sapei, MS selaku dosen
penguji yang telah memberikan masukan berikut saran-sarannya untuk
penulisan ini.
3. Seluruh keluarga yang telah memberikan dukungan dan semangat slama ini.
4. Kepada mbak-mbak dan mas-masku seperti: Mbak Ridaku-Mas Mul, Mbak
Vitaku-Mas Andre, Mas Eko tercinta trima kasih atas segala bantu an, saran
dan omelan yang turut mendukung penyelesaian tulisan ini, semoga kasih
sayang antara kita tetap terjalin.
5. Kepada sahabat-sahabatku seperti Amy, Rery, Gina, Ridha, Wiwiek, Atiek,
Renti,Eny,
M'Novis, M'Haris, M'Sutoyo yang baik slalu penulis ucapkan
banyak terima kasih atas segala bantuan dan perhatian yang diberikan slama
ini.
6. Buat Mas Arin trima kasih atas masukan, saran dan ceritanya semoga tetap
baik dan buat mas Rully trima kasih atas segala bantuannya.
7. Buat seluruh kru TTA -32 dan Adek-adek TPLA serta TEP-33 triam kasih
atas keceriaan dan kebersamaannya slama ini.
8. Seluruh teman-temanku yang tidak dapat disebut satu-persatu terima kasih
atas segalanya.
Demikian kepada seluruh pihak sekali lagi trima kasih dan semoga karya
kecil ini dapat bermanfaat.
Penulis
KATA PENGANTAR
Dalam siklus hidrologi hujan merupakan satu masukan penting yang
berpengaruh.
Hujan lebih dapat mengakibatkan naiknya permukaan air dan
dapat menimbulkan banjir. Kelebihan air ini ada yang terakumulasi di permukaan
tanah dan apabila laju infiltrasi tanah kurang dari intensitas hujan maka dapat
teriadi limpasan atau run-off.
Penelitian telah banyak dilakukan untuk menduga proses terjadinya
limpasan sehingga dapat mengurangi akibat dari terjadinya limpasan tersebut.
Salah satu usaha pendugaan tersebut melalui pembuatan model sehingga
diharapkan lebih mudah. Model run-off yang sedang dicoba untuk dilakukan ini
menggunakan Artificial Neural Network dengan software SIMULNET. Model ini
merupakan teknologi baru dalam pendugaan kejadian, disamping sistemnya
yang luas, sederhana dan mudah untuk didesign. Dengan demikian penggunaan
model ini dapat menjadi lebih luas dan dapat terus dikembangkan.
Penulis
DAFTARISI
Hal
UCAPAN TERIMA KASIH ............................................................................. i
KATA PENGANTAR ...................................................................................... ii
DAFTAR ISI. ................................................................................................. iii
DAFTAR TABEL .....
...................................................................... v
DAFTAR GAMBAR
DAFTAR LAMPIRAN ....................................................................................... vii
Ii. PENDAHULUAN .......................................................................................... 1
A. Latar Belakallg ............................................................................... 1
B. Tujuall Pellelitiall ............................................................................ 2
III. TINJAUAN PUSTAKA ................................................................................. 3
,t... Run-off ............................................................................................ 3
B. Proses Terjadinya Run-off.............................................................. 4
1. Faktor-faktor yang Mempengaruhi Terjadinya Run-off ............. 6
2. Pellgaruh Illfiitrasi pada Run-off................................................ 7
3. Pengaruh Evapotranspirasi pada Run-off ..... ............................ 8
C Model Hidrologi
........................................... 10
1. Defenisi dan Tujuan Mode!. ....................................................... 10
2. Jenis-Jenis Model....
................................................ 12
D. Artif/tial Neural Networ',c ................................................................ 14
1. Konsep umum ............................................................................ 14
2. SIMULNET ................................................................................. 16
E. Prosedur Penggunaall Simulnat ................................................... 17
1. Penggunaan Model Genetic dalam ANN ................................. 17
2. Penggunaan Illput, Output, Hidden Cell dall Weights ............. 18
F. Perkembangan Model Pendugaan Run-off.................................... 19
1111. METODOLOGI .......................................................................................... 21
A. Waktu dan Lokasi ........................................................................... 21
B. Alat dan Bahal1 ............................................................................... 21
C. Pemodelan ..................................................................................... 22
III
1. Struktur Model ............................................................................ 22
2. Pengujian Model ........................................................................ 23
3. Metode Analisa .......................................................................... 23
IIV. HASIL DAN PEMBAHASAN ..................................................................... 24
A. Penentuan Data dan Nilai Parameter ............................................ 24
1. Penentuan Data untuk Analisis ................................................. 24
2. Nilai Parameter Pengaruh Persentase Hutan ........................... 25
3. Nilai Parameter Pengaruh Debit Sebelumnya .......................... 27
B. Model Pendugaan Run-offdengan SIMULNET ............................. 28
1. Penyusunan Model SIMULNET ................................................. 28
2. Kalibrasi Model. .......................................................................... 30
3. Identifikasi Kriteria Model. .. ..
4. Validasi Model .................. .
............................................. 33
. ........................................ 38
V. KESIMPULAN DAN SARAN ....................................................................... 42
A. Kesimpulan ..................................................................................... 42
B. Saran ............................................................................................. 43
DAFTAR PUSTAKA...
LAMPIRAN ............ ..
................... .................................................. 44
.. ...................................................................... 45
IV
DAFTAR TABEL
TabeI4.1. Contoh Data-data yang dimasukkan sebagai Parameter Model
Januari - Februari Tahun 1986 ................................................... 29
a. Januari 1986 .......................................... " .............................. 29
b. Februari 1986 ........................................................................ 30
TabeI4.2. HasH Proses Training 1986 ......................................................... 31
a. Januari 1986 ...
b. Februari 1986 ....
. ........................................................... 31
................................................................ 32
TabeI4.3. Data Hidden Layer, Hidden Node dan Weights Range
Tahun 1986 sebagai Training dan 1989 sebagai Testing ........... 34
v
DAFTAR GAMBAR
Hal
Gambar 1. Proses Pengaliran Air di DAS .................................................. 5
Gambar 2. Pengaruh Evapotranspirasi dan Curah Hujan pada
Proses Terjadinya Run-Off ....................................................... 9
Gambar 3. Sistem Masukan DAS
................................................. 11
Gambar 4. Daur Hidrologi ..
................................................. 13
Gambar 5. Artificial Neural Network yang Sederhana .......................... ....... 15
Gambar 6. Diagram Skematik untuk Neuron Tunggal ................................. 15
Gambar 7. Salah Satu Bentuk ANN untuk Run-Off ..................................... 22
Gambar 8. Grafik Hubungan Curah Hujan dan Debit Konsisten ................. 24
Gambar 9. Grafik Hubungan Curah Hujan dan Debit Tidak Konsisten ........ 25
Gambar 1O.Grafik Base Flow berdasarkan Presentase Hutan 30% ............. 27
Gambar 11.Grafik Base Flow berdasarkan Presentase Hutan 50% ............. 27
Gambar 12.Bentuk Network dengan Input Node memakai 3 Parameter ...... 28
Gambar 13.Grafik Hidden Layer 1 dengan Average Error Terkecil .............. 36
Gambar 14.Grafik Hidden Layer 2 dengan Average Error Terkecil .............. 36
Gambar 15.Grafik Hasil Training dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2 ...................................... 38
Gambar 16.Grafik Hasil Testing dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2 ...................................... 39
Gambar 17.Grafik Hasil Training dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2.5 ................................... 40
Gambar 18.Grafik Hasil Testing dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2.5 ................................... 40
VI
PENDUGAAN lIMPASAN ATAU RUN-OFF
DI DAS CllIWUNG HULU
DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
OLEH:
NIRWANi MERDU HATI
F01495064
1999
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGaR
BOGaR
Nirwani Merdu Hati. F01495064. Pendugaan Limpasan atau Run-off di DAS
Ciliwung Hulu dengan Menggunakan Artificial Neural Network. Dibawah
bimbingan Ir. M.Yanuar J. Purwanto, MS.
Ringkasan
Dalam daur hidrologi, hujan merupakan komponen penting sebagai
masukan terutama di dalam Daerah Aliran Sungai. Karakteristik hujan yang
berpengaruh terhadap terjadinya limpasan atau Run-off adalah intensitas hujan.
Intensitas hujan yang melebihi laju infiltrasi menyebabkan terjadinya limpasan
permukaan. Dengan memahami komponen-komponen yang mendukung
Pengembangan terhadap
limpasan tersebut dapat dilakukan pendugaan.
pendugaan Run-off tersebut dapat dibuat suatu model pendugaan Run-off.
Alternatif pendugaan masih banyak perlu dilakukan untuk dapat menghasilkan
ketelitian dan ketepatan yang tinggi.
Pendekatan alternatif yang dicoba yaitu dengan menggunakan model
Run-off yang disebut Artifitial Neural Network (ANN) memakai software
SIMULNET. Model ini sebagai teknologi baru dalam proses pendugaan kejadian
dan diharapkan dapat rnernecahkan metode yang selama ini tidak terpecahkan.
Tujuan penelitian dengan menggunakan data hujan ini antara lain
mencoba kemungkinan pendugaan kejadian total Run-off dari DAS dengan
menggunakan ANN dengan perangkat SIMULNET, melakukan identifikasi kriteria
pengguna ANN untuk menduga Run-off dengan tingkat ketepatan tinggi dan
mengevaluasi kinerja dari ANN dengan membandingkan hasil keluaran ANN
dengan data debit aktual.
Kegiatan penelitian dilakukan di lokasi DAS Ciliwung Hulu, kegiatan yang
dilakukan meliputi permodelan yaitu struktur model. Metode analisa yang
dilakukan sesuai dengan parameter yang diberikan, kemudian kalibrasi model
dan variasi terhadap parameter dan penyajian model.
Data yang digunakan untuk analisis adalah data tahun 1986, 1989, 1994
dan 1995. Untuk data pada saat musim hujan dipakai tahun 1986-1989 di bulan
Januari dan Februari, sedangkan pada musim kemarau dipakai tahun 1994-1995
di bulan September dan Oktober. Data tersebut dipakai karena berkorelasi baik
antara curah hujan dan debit. Parameter-parameter yang digunakan antara lain
Di dalarn
curah hujan, Base-Flow, persentase hutan serta debit aktual.
mengindentifikasi kriteria model terdapat tiga kriteria penting yaitu, layer, node
dan range. Penggunaan layer dimulai dari layer 1 sampai 3, untuk node 2
sampai 6 dan range 2.0-4.0.
Untuk data musim hujan didapatkan persentase error minimal untuk layer
1 ada pad a range 2, untuk layer 2 terdapat pada range 3 dan layer 3 terdapat
pad a range 2. Untuk data musim kemarau didapatkan persentase error minimal
untuk layer 1 terdapat pad a range 2.5, layer2 terdapat pad a range 3.0 dan layer
3 terdapat pada range 2.0.
PENDUGAAN LlMPASAN ATAU RUN-OFF
DI DAS CILlWUNG HULU.
DENGAN MENGGUNAKAN ARTIFICIAL
NEURAL NETWORK
Olch:
NIRWANI MERDU HATI
F01495064
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian
Institut Pertanian Bogor
1999
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
INSTITUT PERTANIAN BOGOR
FAKULTAS TEKNOLOGI PERTANIAN
PENOUGAAN LlMPASAN ATAU RUN-OFF
01 OAS CILlWUNG HULU
OENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh:
NIRWANI MERDU HATI
F01495064
Oilahirkan di Jakarta, 06 Mei 1977
Tanggallulus: 15 Oktober 1999
UCAl'AN TERIMA KASIH
Penulis pertama kali ingin mengucapkan rasa syukurkepada Tuhan YME
karena atas ijin-Nya akhirnya penulisan ini terselesaikan juga.
Karya ini
terselesaikan karena banyak pihak-pihak yang telah memberikan bantuan.
Untuk itu penulis ingin mengucapkan rasa terima kasih yang tulus untuk:
1. Bapak Ir. M. Yanuar, J.P, MS selaku dosen pembimbing yang telah
memberikan waktu dan perhatiannya selama masa penulisan.
2. Bapak Dr. Ir. Suroso, M.Agr dan Bapak Dr. Ir. Asep Sapei, MS selaku dosen
penguji yang telah memberikan masukan berikut saran-sarannya untuk
penulisan ini.
3. Seluruh keluarga yang telah memberikan dukungan dan semangat slama ini.
4. Kepada mbak-mbak dan mas-masku seperti: Mbak Ridaku-Mas Mul, Mbak
Vitaku-Mas Andre, Mas Eko tercinta trima kasih atas segala bantu an, saran
dan omelan yang turut mendukung penyelesaian tulisan ini, semoga kasih
sayang antara kita tetap terjalin.
5. Kepada sahabat-sahabatku seperti Amy, Rery, Gina, Ridha, Wiwiek, Atiek,
Renti,Eny,
M'Novis, M'Haris, M'Sutoyo yang baik slalu penulis ucapkan
banyak terima kasih atas segala bantuan dan perhatian yang diberikan slama
ini.
6. Buat Mas Arin trima kasih atas masukan, saran dan ceritanya semoga tetap
baik dan buat mas Rully trima kasih atas segala bantuannya.
7. Buat seluruh kru TTA -32 dan Adek-adek TPLA serta TEP-33 triam kasih
atas keceriaan dan kebersamaannya slama ini.
8. Seluruh teman-temanku yang tidak dapat disebut satu-persatu terima kasih
atas segalanya.
Demikian kepada seluruh pihak sekali lagi trima kasih dan semoga karya
kecil ini dapat bermanfaat.
Penulis
KATA PENGANTAR
Dalam siklus hidrologi hujan merupakan satu masukan penting yang
berpengaruh.
Hujan lebih dapat mengakibatkan naiknya permukaan air dan
dapat menimbulkan banjir. Kelebihan air ini ada yang terakumulasi di permukaan
tanah dan apabila laju infiltrasi tanah kurang dari intensitas hujan maka dapat
teriadi limpasan atau run-off.
Penelitian telah banyak dilakukan untuk menduga proses terjadinya
limpasan sehingga dapat mengurangi akibat dari terjadinya limpasan tersebut.
Salah satu usaha pendugaan tersebut melalui pembuatan model sehingga
diharapkan lebih mudah. Model run-off yang sedang dicoba untuk dilakukan ini
menggunakan Artificial Neural Network dengan software SIMULNET. Model ini
merupakan teknologi baru dalam pendugaan kejadian, disamping sistemnya
yang luas, sederhana dan mudah untuk didesign. Dengan demikian penggunaan
model ini dapat menjadi lebih luas dan dapat terus dikembangkan.
Penulis
DAFTARISI
Hal
UCAPAN TERIMA KASIH ............................................................................. i
KATA PENGANTAR ...................................................................................... ii
DAFTAR ISI. ................................................................................................. iii
DAFTAR TABEL .....
...................................................................... v
DAFTAR GAMBAR
DAFTAR LAMPIRAN ....................................................................................... vii
Ii. PENDAHULUAN .......................................................................................... 1
A. Latar Belakallg ............................................................................... 1
B. Tujuall Pellelitiall ............................................................................ 2
III. TINJAUAN PUSTAKA ................................................................................. 3
,t... Run-off ............................................................................................ 3
B. Proses Terjadinya Run-off.............................................................. 4
1. Faktor-faktor yang Mempengaruhi Terjadinya Run-off ............. 6
2. Pellgaruh Illfiitrasi pada Run-off................................................ 7
3. Pengaruh Evapotranspirasi pada Run-off ..... ............................ 8
C Model Hidrologi
........................................... 10
1. Defenisi dan Tujuan Mode!. ....................................................... 10
2. Jenis-Jenis Model....
................................................ 12
D. Artif/tial Neural Networ',c ................................................................ 14
1. Konsep umum ............................................................................ 14
2. SIMULNET ................................................................................. 16
E. Prosedur Penggunaall Simulnat ................................................... 17
1. Penggunaan Model Genetic dalam ANN ................................. 17
2. Penggunaan Illput, Output, Hidden Cell dall Weights ............. 18
F. Perkembangan Model Pendugaan Run-off.................................... 19
1111. METODOLOGI .......................................................................................... 21
A. Waktu dan Lokasi ........................................................................... 21
B. Alat dan Bahal1 ............................................................................... 21
C. Pemodelan ..................................................................................... 22
III
1. Struktur Model ............................................................................ 22
2. Pengujian Model ........................................................................ 23
3. Metode Analisa .......................................................................... 23
IIV. HASIL DAN PEMBAHASAN ..................................................................... 24
A. Penentuan Data dan Nilai Parameter ............................................ 24
1. Penentuan Data untuk Analisis ................................................. 24
2. Nilai Parameter Pengaruh Persentase Hutan ........................... 25
3. Nilai Parameter Pengaruh Debit Sebelumnya .......................... 27
B. Model Pendugaan Run-offdengan SIMULNET ............................. 28
1. Penyusunan Model SIMULNET ................................................. 28
2. Kalibrasi Model. .......................................................................... 30
3. Identifikasi Kriteria Model. .. ..
4. Validasi Model .................. .
............................................. 33
. ........................................ 38
V. KESIMPULAN DAN SARAN ....................................................................... 42
A. Kesimpulan ..................................................................................... 42
B. Saran ............................................................................................. 43
DAFTAR PUSTAKA...
LAMPIRAN ............ ..
................... .................................................. 44
.. ...................................................................... 45
IV
DAFTAR TABEL
TabeI4.1. Contoh Data-data yang dimasukkan sebagai Parameter Model
Januari - Februari Tahun 1986 ................................................... 29
a. Januari 1986 .......................................... " .............................. 29
b. Februari 1986 ........................................................................ 30
TabeI4.2. HasH Proses Training 1986 ......................................................... 31
a. Januari 1986 ...
b. Februari 1986 ....
. ........................................................... 31
................................................................ 32
TabeI4.3. Data Hidden Layer, Hidden Node dan Weights Range
Tahun 1986 sebagai Training dan 1989 sebagai Testing ........... 34
v
DAFTAR GAMBAR
Hal
Gambar 1. Proses Pengaliran Air di DAS .................................................. 5
Gambar 2. Pengaruh Evapotranspirasi dan Curah Hujan pada
Proses Terjadinya Run-Off ....................................................... 9
Gambar 3. Sistem Masukan DAS
................................................. 11
Gambar 4. Daur Hidrologi ..
................................................. 13
Gambar 5. Artificial Neural Network yang Sederhana .......................... ....... 15
Gambar 6. Diagram Skematik untuk Neuron Tunggal ................................. 15
Gambar 7. Salah Satu Bentuk ANN untuk Run-Off ..................................... 22
Gambar 8. Grafik Hubungan Curah Hujan dan Debit Konsisten ................. 24
Gambar 9. Grafik Hubungan Curah Hujan dan Debit Tidak Konsisten ........ 25
Gambar 1O.Grafik Base Flow berdasarkan Presentase Hutan 30% ............. 27
Gambar 11.Grafik Base Flow berdasarkan Presentase Hutan 50% ............. 27
Gambar 12.Bentuk Network dengan Input Node memakai 3 Parameter ...... 28
Gambar 13.Grafik Hidden Layer 1 dengan Average Error Terkecil .............. 36
Gambar 14.Grafik Hidden Layer 2 dengan Average Error Terkecil .............. 36
Gambar 15.Grafik Hasil Training dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2 ...................................... 38
Gambar 16.Grafik Hasil Testing dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2 ...................................... 39
Gambar 17.Grafik Hasil Training dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2.5 ................................... 40
Gambar 18.Grafik Hasil Testing dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2.5 ................................... 40
VI
SKRIPSI
PENDUGAAN lIMPASAN ATAU RUN-OFF
DI DAS CllIWUNG HULU
DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
OLEH:
NIRWANi MERDU HATI
F01495064
1999
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGaR
BOGaR
Nirwani Merdu Hati. F01495064. Pendugaan Limpasan atau Run-off di DAS
Ciliwung Hulu dengan Menggunakan Artificial Neural Network. Dibawah
bimbingan Ir. M.Yanuar J. Purwanto, MS.
Ringkasan
Dalam daur hidrologi, hujan merupakan komponen penting sebagai
masukan terutama di dalam Daerah Aliran Sungai. Karakteristik hujan yang
berpengaruh terhadap terjadinya limpasan atau Run-off adalah intensitas hujan.
Intensitas hujan yang melebihi laju infiltrasi menyebabkan terjadinya limpasan
permukaan. Dengan memahami komponen-komponen yang mendukung
Pengembangan terhadap
limpasan tersebut dapat dilakukan pendugaan.
pendugaan Run-off tersebut dapat dibuat suatu model pendugaan Run-off.
Alternatif pendugaan masih banyak perlu dilakukan untuk dapat menghasilkan
ketelitian dan ketepatan yang tinggi.
Pendekatan alternatif yang dicoba yaitu dengan menggunakan model
Run-off yang disebut Artifitial Neural Network (ANN) memakai software
SIMULNET. Model ini sebagai teknologi baru dalam proses pendugaan kejadian
dan diharapkan dapat rnernecahkan metode yang selama ini tidak terpecahkan.
Tujuan penelitian dengan menggunakan data hujan ini antara lain
mencoba kemungkinan pendugaan kejadian total Run-off dari DAS dengan
menggunakan ANN dengan perangkat SIMULNET, melakukan identifikasi kriteria
pengguna ANN untuk menduga Run-off dengan tingkat ketepatan tinggi dan
mengevaluasi kinerja dari ANN dengan membandingkan hasil keluaran ANN
dengan data debit aktual.
Kegiatan penelitian dilakukan di lokasi DAS Ciliwung Hulu, kegiatan yang
dilakukan meliputi permodelan yaitu struktur model. Metode analisa yang
dilakukan sesuai dengan parameter yang diberikan, kemudian kalibrasi model
dan variasi terhadap parameter dan penyajian model.
Data yang digunakan untuk analisis adalah data tahun 1986, 1989, 1994
dan 1995. Untuk data pada saat musim hujan dipakai tahun 1986-1989 di bulan
Januari dan Februari, sedangkan pada musim kemarau dipakai tahun 1994-1995
di bulan September dan Oktober. Data tersebut dipakai karena berkorelasi baik
antara curah hujan dan debit. Parameter-parameter yang digunakan antara lain
Di dalarn
curah hujan, Base-Flow, persentase hutan serta debit aktual.
mengindentifikasi kriteria model terdapat tiga kriteria penting yaitu, layer, node
dan range. Penggunaan layer dimulai dari layer 1 sampai 3, untuk node 2
sampai 6 dan range 2.0-4.0.
Untuk data musim hujan didapatkan persentase error minimal untuk layer
1 ada pad a range 2, untuk layer 2 terdapat pada range 3 dan layer 3 terdapat
pad a range 2. Untuk data musim kemarau didapatkan persentase error minimal
untuk layer 1 terdapat pad a range 2.5, layer2 terdapat pad a range 3.0 dan layer
3 terdapat pada range 2.0.
PENDUGAAN LlMPASAN ATAU RUN-OFF
DI DAS CILlWUNG HULU.
DENGAN MENGGUNAKAN ARTIFICIAL
NEURAL NETWORK
Olch:
NIRWANI MERDU HATI
F01495064
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian
Institut Pertanian Bogor
1999
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
INSTITUT PERTANIAN BOGOR
FAKULTAS TEKNOLOGI PERTANIAN
PENOUGAAN LlMPASAN ATAU RUN-OFF
01 OAS CILlWUNG HULU
OENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh:
NIRWANI MERDU HATI
F01495064
Oilahirkan di Jakarta, 06 Mei 1977
Tanggallulus: 15 Oktober 1999
UCAl'AN TERIMA KASIH
Penulis pertama kali ingin mengucapkan rasa syukurkepada Tuhan YME
karena atas ijin-Nya akhirnya penulisan ini terselesaikan juga.
Karya ini
terselesaikan karena banyak pihak-pihak yang telah memberikan bantuan.
Untuk itu penulis ingin mengucapkan rasa terima kasih yang tulus untuk:
1. Bapak Ir. M. Yanuar, J.P, MS selaku dosen pembimbing yang telah
memberikan waktu dan perhatiannya selama masa penulisan.
2. Bapak Dr. Ir. Suroso, M.Agr dan Bapak Dr. Ir. Asep Sapei, MS selaku dosen
penguji yang telah memberikan masukan berikut saran-sarannya untuk
penulisan ini.
3. Seluruh keluarga yang telah memberikan dukungan dan semangat slama ini.
4. Kepada mbak-mbak dan mas-masku seperti: Mbak Ridaku-Mas Mul, Mbak
Vitaku-Mas Andre, Mas Eko tercinta trima kasih atas segala bantu an, saran
dan omelan yang turut mendukung penyelesaian tulisan ini, semoga kasih
sayang antara kita tetap terjalin.
5. Kepada sahabat-sahabatku seperti Amy, Rery, Gina, Ridha, Wiwiek, Atiek,
Renti,Eny,
M'Novis, M'Haris, M'Sutoyo yang baik slalu penulis ucapkan
banyak terima kasih atas segala bantuan dan perhatian yang diberikan slama
ini.
6. Buat Mas Arin trima kasih atas masukan, saran dan ceritanya semoga tetap
baik dan buat mas Rully trima kasih atas segala bantuannya.
7. Buat seluruh kru TTA -32 dan Adek-adek TPLA serta TEP-33 triam kasih
atas keceriaan dan kebersamaannya slama ini.
8. Seluruh teman-temanku yang tidak dapat disebut satu-persatu terima kasih
atas segalanya.
Demikian kepada seluruh pihak sekali lagi trima kasih dan semoga karya
kecil ini dapat bermanfaat.
Penulis
KATA PENGANTAR
Dalam siklus hidrologi hujan merupakan satu masukan penting yang
berpengaruh.
Hujan lebih dapat mengakibatkan naiknya permukaan air dan
dapat menimbulkan banjir. Kelebihan air ini ada yang terakumulasi di permukaan
tanah dan apabila laju infiltrasi tanah kurang dari intensitas hujan maka dapat
teriadi limpasan atau run-off.
Penelitian telah banyak dilakukan untuk menduga proses terjadinya
limpasan sehingga dapat mengurangi akibat dari terjadinya limpasan tersebut.
Salah satu usaha pendugaan tersebut melalui pembuatan model sehingga
diharapkan lebih mudah. Model run-off yang sedang dicoba untuk dilakukan ini
menggunakan Artificial Neural Network dengan software SIMULNET. Model ini
merupakan teknologi baru dalam pendugaan kejadian, disamping sistemnya
yang luas, sederhana dan mudah untuk didesign. Dengan demikian penggunaan
model ini dapat menjadi lebih luas dan dapat terus dikembangkan.
Penulis
DAFTARISI
Hal
UCAPAN TERIMA KASIH ............................................................................. i
KATA PENGANTAR ...................................................................................... ii
DAFTAR ISI. ................................................................................................. iii
DAFTAR TABEL .....
...................................................................... v
DAFTAR GAMBAR
DAFTAR LAMPIRAN ....................................................................................... vii
Ii. PENDAHULUAN .......................................................................................... 1
A. Latar Belakallg ............................................................................... 1
B. Tujuall Pellelitiall ............................................................................ 2
III. TINJAUAN PUSTAKA ................................................................................. 3
,t... Run-off ............................................................................................ 3
B. Proses Terjadinya Run-off.............................................................. 4
1. Faktor-faktor yang Mempengaruhi Terjadinya Run-off ............. 6
2. Pellgaruh Illfiitrasi pada Run-off................................................ 7
3. Pengaruh Evapotranspirasi pada Run-off ..... ............................ 8
C Model Hidrologi
........................................... 10
1. Defenisi dan Tujuan Mode!. ....................................................... 10
2. Jenis-Jenis Model....
................................................ 12
D. Artif/tial Neural Networ',c ................................................................ 14
1. Konsep umum ............................................................................ 14
2. SIMULNET ................................................................................. 16
E. Prosedur Penggunaall Simulnat ................................................... 17
1. Penggunaan Model Genetic dalam ANN ................................. 17
2. Penggunaan Illput, Output, Hidden Cell dall Weights ............. 18
F. Perkembangan Model Pendugaan Run-off.................................... 19
1111. METODOLOGI .......................................................................................... 21
A. Waktu dan Lokasi ........................................................................... 21
B. Alat dan Bahal1 ............................................................................... 21
C. Pemodelan ..................................................................................... 22
III
1. Struktur Model ............................................................................ 22
2. Pengujian Model ........................................................................ 23
3. Metode Analisa .......................................................................... 23
IIV. HASIL DAN PEMBAHASAN ..................................................................... 24
A. Penentuan Data dan Nilai Parameter ............................................ 24
1. Penentuan Data untuk Analisis ................................................. 24
2. Nilai Parameter Pengaruh Persentase Hutan ........................... 25
3. Nilai Parameter Pengaruh Debit Sebelumnya .......................... 27
B. Model Pendugaan Run-offdengan SIMULNET ............................. 28
1. Penyusunan Model SIMULNET ................................................. 28
2. Kalibrasi Model. .......................................................................... 30
3. Identifikasi Kriteria Model. .. ..
4. Validasi Model .................. .
............................................. 33
. ........................................ 38
V. KESIMPULAN DAN SARAN ....................................................................... 42
A. Kesimpulan ..................................................................................... 42
B. Saran ............................................................................................. 43
DAFTAR PUSTAKA...
LAMPIRAN ............ ..
................... .................................................. 44
.. ...................................................................... 45
IV
DAFTAR TABEL
TabeI4.1. Contoh Data-data yang dimasukkan sebagai Parameter Model
Januari - Februari Tahun 1986 ................................................... 29
a. Januari 1986 .......................................... " .............................. 29
b. Februari 1986 ........................................................................ 30
TabeI4.2. HasH Proses Training 1986 ......................................................... 31
a. Januari 1986 ...
b. Februari 1986 ....
. ........................................................... 31
................................................................ 32
TabeI4.3. Data Hidden Layer, Hidden Node dan Weights Range
Tahun 1986 sebagai Training dan 1989 sebagai Testing ........... 34
v
DAFTAR GAMBAR
Hal
Gambar 1. Proses Pengaliran Air di DAS .................................................. 5
Gambar 2. Pengaruh Evapotranspirasi dan Curah Hujan pada
Proses Terjadinya Run-Off ....................................................... 9
Gambar 3. Sistem Masukan DAS
................................................. 11
Gambar 4. Daur Hidrologi ..
................................................. 13
Gambar 5. Artificial Neural Network yang Sederhana .......................... ....... 15
Gambar 6. Diagram Skematik untuk Neuron Tunggal ................................. 15
Gambar 7. Salah Satu Bentuk ANN untuk Run-Off ..................................... 22
Gambar 8. Grafik Hubungan Curah Hujan dan Debit Konsisten ................. 24
Gambar 9. Grafik Hubungan Curah Hujan dan Debit Tidak Konsisten ........ 25
Gambar 1O.Grafik Base Flow berdasarkan Presentase Hutan 30% ............. 27
Gambar 11.Grafik Base Flow berdasarkan Presentase Hutan 50% ............. 27
Gambar 12.Bentuk Network dengan Input Node memakai 3 Parameter ...... 28
Gambar 13.Grafik Hidden Layer 1 dengan Average Error Terkecil .............. 36
Gambar 14.Grafik Hidden Layer 2 dengan Average Error Terkecil .............. 36
Gambar 15.Grafik Hasil Training dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2 ...................................... 38
Gambar 16.Grafik Hasil Testing dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2 ...................................... 39
Gambar 17.Grafik Hasil Training dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2.5 ................................... 40
Gambar 18.Grafik Hasil Testing dengan Variasi Hidden Layer 1,
Hidden Node 2 dan Weights Range 2.5 ................................... 40
VI