APLIKASI METODE MOCK, NRECA, ARTIFICIAL NEURAL NETWORK, DAN REGRESI DALAM PENGALIHRAGAMAN HUJAN-LIMPASAN TERKAIT DENGAN PEMBANGKITAN DATA DEBIT DI AWLR MATUA

Sakinah Zaim A, Rahimatus Sakinah (2016) APLIKASI METODE MOCK, NRECA, ARTIFICIAL NEURAL NETWORK, DAN REGRESI DALAM PENGALIHRAGAMAN HUJAN-LIMPASAN TERKAIT DENGAN PEMBANGKITAN DATA DEBIT DI AWLR MATUA. S1 thesis, Universitas Mataram.

[img]
Preview
Text
3. jurnal.pdf

Download (683kB) | Preview

Abstract

Di suatu DAS, pada umumnya data hujan tersedia dalam jangka waktu yang panjang, sementara data debit hanya tersedia dalam jangka waktu yang pendek atau bahkan tidak ada. Konsekuensi dari keterbatasan ini, maka analisis transformasi hujan menjadi debit harus dilakukan. Hal ini merupakan cara yang umum dilakukan terkait dengan pengembangan potensi sumber daya air untuk memperkirakan debit pada sungai-sungai yang tidak memiliki data debit. Terkait model hujan-limpasan di dalam mendapatkan hubungan antara data debit dan data hujan, ada beberapa model yang digunakan dalam studi ini, diantaranya F.J. Mock, NRECA, Artificial Neural Network, dan regresi. Tujuan digunakannya beberapa metode ini adalah untuk mengetahui metode yang tepat dalam penggambaran hubungan curah hujan-limpasan pada catchment area AWLR Matua sehingga mampu menghasilkan perkiraan yang akurat dan mendekati yang sebenarnya. Data yang digunakan dalam penelitian ini adalah data hujan (2002- 2014), data debit (2009-2010 dan 2013–2014), dan data klimatologi (2009-2010 dan 2013–2014). Untuk menentukan metode yang paling cocok, dilakukan uji statistik (goodness of fit test) antara debit observasi dengan debit hasil simulasi yang diperoleh pada tahap kalibrasi dan verifikasi. Berdasarkan hasil goodness of fit test pada tahap kalibrasi dan verifikasi, model yang paling cocok dalam penggambaran curah hujan-limpasan untuk catchment area AWLR Matua adalah metode F.J Mock. Adapun hasil uji statistik untuk metode F.J. Mock pada tahap kalibrasi adalah nilai koefisien korelasi (r) = 0,943, NSE = 0,500, dan volume error (VE) = 0,100 sedangkan pada tahap verifikasi menunjukkan nilai koefisien korelasi (r) = 0,451, NSE = 0,694, dan volume error (V ) = 0,121.

Item Type: Thesis (S1)
Keywords (Kata Kunci): hujan-limpasan, F.J. Mock, NRECA, ANN, regresi
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions: Fakultas Teknik
Depositing User: Wiwin Kartikawati
Date Deposited: 02 Aug 2018 02:03
Last Modified: 02 Aug 2018 02:03
URI: http://eprints.unram.ac.id/id/eprint/7255

Actions (login required)

View Item View Item