Estimasi Tinggi Muka Air Menggunakan Metode Neural Network Pada Wilayah Hilir Pos Brangkal

Estimation of Water Level Using Neural Network Method in the Downstream Area of Pos Brangkal

Abstract

ABSTRAK

Wilayah hilir Pos Brangkal merupakan salah satu wilayah yang memerlukan estimasi tinggi muka air yang akurat untuk menghindari terjadinya banjir dan memastikan pengelolaan air yang efektif. Wilayah ini terletak di Kabupaten Bojonegoro, Provinsi Jawa Timur, Indonesia. Dengan tujuan untuk menggunakan metode Neural Network dalam memprediksi dengan akurat tinggi muka air sungai di wilayah hilir Pos Brangkal. Penelitian ini menggunakan metode Neural Network, yang telah terbukti efektif dalam memproses data berdimensi tinggi. Hasil estimasi untuk bulan Januari hingga Juni 2023 menghasilkan nilai Mean Squared Error (MSE) sebesar 1.7737775428323266 dan Mean Absolute Percentage Error (MAPE) sebesar 2.822546142611484%. Hasil evaluasi menunjukkan bahwa model Neural Network memiliki tingkat ketepatan yang baik dalam memprediksi tinggi muka air, ditunjukkan oleh nilai MSE yang relatif rendah. Selain itu, tingkat kesalahan yang rendah, sebagaimana tercermin dari nilai MAPE, mengindikasikan kualitas yang baik dalam peramalan tinggi muka air. Hasil penelitian ini memberikan kontribusi penting dalam meningkatkan pemahaman kita tentang estimasi tinggi muka air, yang dapat memiliki dampak positif dalam manajemen sumber daya air dan mitigasi banjir.

ABSTRACT

The downstream area of Pos Brangkal is a region that requires accurate water level estimation to prevent flooding and ensure effective water management. This area is located in Bojonegoro Regency, East Java Province, Indonesia. The aim of this research is to utilize the Neural Network method to accurately predict the river's water level in the downstream area of Pos Brangkal. This study employs the Neural Network method, known for its effectiveness in processing high-dimensional data. The estimation results for the period from January to June 2023 yielded a Mean Squared Error (MSE) value of 1.7737775428323266 and a Mean Absolute Percentage Error (MAPE) of 2.822546142611484%. Evaluation results indicate that the Neural Network model demonstrates a high level of accuracy in predicting water levels, as evidenced by the relatively low MSE value. Additionally, the low error rate, as reflected in the MAPE value, indicates the model's excellent quality in forecasting water levels. The findings of this study contribute significantly to enhancing our understanding of water level estimation, which can positively impact water resource management and flood mitigation efforts.