Anwar, 2006. Metode prakiraan banjir secara umum dapat dibagi menjadi dua model yang dikembangkan yaitu :
1. Prakiraan debit banjir secara konseptual dengan memperhitungkan
semua aspek siklus hidrologi yang ada dalam suatu Daerah Aliran Sungai DAS. Metode ini mempunyai banyak kendala di antaranya sulitnya
mendapatkan data di lapangan, seperti tata guna lahan. Selain itu
diperlukan data hidrologi seperti evapotranspirasi, infiltrasi, perkolasi, interflow, serta air tanah dan aliran bawah tanah.
2. Prakiraan debit banjir dengan model Black Box kotak hitam dimana model tersebut tanpa melihat karakteristik fisiknya.
Model Black Box pergunakan untuk mentransfer data hujan menjadi data debit tinggi muka
air tanpa memperhitungkan sifat fisik DAS. Model Black Box diterapkan pada DAS yang sifat fisiknya belum dapat diketahui dengan sempurna
seperti kebanyakan pada DAS di Indonesia. Metode
yang sering
dipergunakan dalam
pengembangan sistem
peringatan dini banjir untuk DAS yang hanya mempunyai data curah hujan dan debit sungai adalah dengan menggunakan model kotak hitam. Model kotak hitam
dipergunakan untuk merubah hujan menjadi hidrograf tanpa memperhitungkan sifat-sifat bio-fisik DAS dan tanpa memperhitungkan proses yang terjadi dalam
perubahan tersebut. Selain itu dapat pula digunakan model regresi ataupun model
prakiraan dengan
menggunakan Jaringan
Syaraf Tiruan
untuk memperkirakan debit banjir atau tinggi muka air sungai.
a. Motode Regresi Berganda
Metode regresi berganda sering dipergunakan pada perhitungan hidrologi ketika
karakteristik bio-fisik
DAS tidak
dapat diketahui
dengan benar.
Ketersediaan program computer seperti MINITAB dan SPSS sangat membantu dalam program perhitungan. Salah satu contoh penggunaan regresi berganda
dalam prakiraan debit banjir yang dinilai cukup berhasil adalah dilakukan oleh Liang Anwar , 2006. Liang mengembangkan model prakiraan banjir pada DAS
Hankou di Cina menggunakan banyak masukan dan satu keluaran model regresi.
b. Metode Penelusuran Banjir Muskingum
Prakiraan debit sungai sering dilakukan dengan menggunakan metode penelusuran banjir. Salah satu metode penelusuran banjir adalah dikembangkan
oleh Muskingum mulai tahun 1969. Metode Muskingum sangat umum digunakan
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.
