PERAMALAN INFLOW DEBIT AIR WADUK MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DENGAN INPUT VARIABEL LAG (Study Kasus : Waduk Sengguruh – Kabupaten Malang)
Abstract: Hujan yang tidak
merata di Indonesia sepanjang tahun menyebabkan persediaan air yang berlebihan
dimusim penghujan dan kekukarangan air dimusim kemarau. Oleh sebab itu, perlu
dipertimbangkan keseimbangan debit air yang masuk (inflow) pada waduk dengan
debit air (outflow) yang keluar. Dalam penelitian ini, digunakan metode
Backpropagation Neural Network untuk melakukan peramalan debit inflow
menggunakan 3 data ramalan yang berbeda, yaitu harian umum, mingguan dan
klasifikasi berdasarkan hari (masing-masing hari). Data input yang digunakan
sebagai masukan JST Backpropagation adalah variabel lag yang diperoleh dari
plot fungsi autokorelasi parsial (PACF). Dari uji coba yang dilakukan, variabel
lag yang beda nyata (keluar batas) hasil plot PACF adalah lag-1, lag-2 dan
lag-3 sehingga banyak neuron pada lapisan input adalah 3 neuron. Sedangkan uji
coba menggunanakan jaringan syaraf tiruan dengan arsitektur yang ditentukan, peramalan
harian umum dengan arsitektur (3-15-1) memiliki MSE minimum 0.00011960.
Sedangkan untuk peramalan mingguan arsitektur terbaik (3-5-1) dengan MSE
testing 0.00007590. MAPE yang dihasilkan dari 2 arsitektur ini tergolong rendah
dengan persentase 5.1431% dan 4.3371%. Sedangkan peramalan berdasarkan
klasifikasi hari (masing-masing hari), peramalan hari selasa dengan arsitektur
(3-5-1) memiliki MSE minimum 0.00003964 dan MAPE 3.1340 %. Nilai MSE dan MAPE
dari 3 jenis data ramalan dalam peramalan inflow debit waduk Sengguruh memiliki
perbedaan hasil peramalan yang tidak terlalu signifikan dengan hasil peramalan
berdasarkan klasifikasi hari yaitu selasa merupakan hasil peramalan terbaik.
Penulis: Fahmi Khuluqin Nafik
Kode Jurnal: jpmatematikadd141037
