Estimasi Tinggi Muka Air Menggunakan Neural Network dengan GRG Nonlinear dan ADAM pada Wilayah Hilir POS Bojonegoro

The Estimation of Water Level Using Neural Network with GRG Nonlinear and ADAM in Downstream Area of Bojonegoro POST

Abstract

ABSTRAK

Wilayah hilir Pos Bojonegoro merupakan salah satu wilayah yang memerlukan estimasi tinggi muka air secara akurat untuk mencegah terjadinya banjir dan pengelolaan air secara efektif. Pemanfaatan Neural Network dalam pemodelan hidrologi sebagai solusi untuk meningkatkan akurasi estimasi tinggi muka air di wilayah hilir Pos Bojonegoro. Dengan tujuan menggunakan metode Neural Network dalam memprediksi dengan akurat tinggi muka air sungai di wilayah hilir Pos Bojonegoro. Keunggulan Neural Network terletak pada efisiensinya dalam perhitungan cepat dan kemampuannya menangani data tidak stabil yang umumnya ditemui dalam prakiraan cuaca. Hasil estimasi untuk bulan Januari hingga September 2023 menghasilkan nilai MSE 3.4424465503109847 dan MAPE 17.875026297198314%. 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 pengembangan metode estimasi tinggi muka air yang akurat, memberikan landasan untuk pengambilan keputusan yang efektif dalam manajemen sumber daya air dan risiko banjir di wilayah hilir Pos Bojonegoro.

ABSTRACT

The downstream area of Bojonegoro Post is one of the regions requiring accurate water levels estimates to prevent floods and manage water effectively. The utilization of Neural Network in hydrological modeling serves as a solution to enhance the accuracy of water level estimation in the downstream area of Bojonegoro Post. The aim is to use the Neural Network method for accurately predicting river water levels in the downstream area of Bojonegoro Post. The advantage of Neural Network lies in its efficiency in quick calculations and its ability to handle unstable data commonly encountered in weather forecasting. The estimation results for January to September 2023 yielded an MSE value of 3.4424465503109847 and MAPE of 17.875026297198314%. 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 a good quality in forecasting water levels. This research contributes significantly to the development of accurate water level estimation methods, providing a foundation for effective decision-making in water resource management and flood risk in the downstream area of Bojonegoro Post.