SISTEM PREDIKSI BANJIR DAERAH ALIRAN SUNGAI SECARA REAL-TIME BERBASIS BACKPROPAGATION NEURAL NETWORK

Ratnasari, Ani Dwi (2021) SISTEM PREDIKSI BANJIR DAERAH ALIRAN SUNGAI SECARA REAL-TIME BERBASIS BACKPROPAGATION NEURAL NETWORK. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0917040042 - Ani Dwi Ratnasari - Sistem Prediksi Banjir Daerah Aliran Sungai Secara (i)Real-Time(_i) Berbasis (i)Backpropagation(i) (i)Neural(i) (i)Network(_i).pdf Restricted to Repository staff only Download (2MB)

Abstract

Pengelolaan sungai maupun daerah aliran sungai (DAS) kurang maksimal akan menimbulkan masalah dan bencana. Salah satunya adalah banjir yang mampu menimbulkan kerugian fisik, sosial dan ekonomi. Sehingga diperlukan penanggulangan atau antisipasi banjir, yaitu dengan menggunakan Early Warning System (EWS) untuk memberikan informasi awal mengenai sistem peringatan dini jika terjadi banjir. Tugas akhir ini menggunakan lima indikator input yaitu data suhu, kelembapan, debit air, ketinggian permukaan air dan curah hujan yang akan menghasilkan output berupa notifikasi dan alarm sebagai penerapan dari Early Warning System (EWS). Kemudian untuk konfigurasi data input dan output tersebut akan diolah menggunakan Backpropagation Neural Network yang selanjutnya akan diintegrasikan aplikasi Android beserta MySQL melalui API Website dalam bentuk JSON. Data yang digunakan yaitu data record secara real-time pada objek penelitian selama 2 minggu dengan komposisi data training dan testing dengan prosentase 80% dan 20%. Model Backpropagation Neural Network terbaik yang digunakan memiliki arsitektur input layer sebanyak 5 neuron, hidden layer sebanyak 15 neuron dan output layer sebanyak 3 neuron. Hasil prediksi banjir menggunakan metode Backpropagation Neural Network memiliki nilai performa RMSE sebesar 2.16e-21 dan nilai prosentase keberhasilan pengujian sistem sebesar 91.33% dapat menunjukkan bahwa model memiliki tingkat keakuratan yang sangat baik.

Actions (login required)

View Item