<![CDATA[Perkiraan parameter klimatologi terutama hujan menjadi kebutuhan seluruh wilayah Indonesia. Seperti halnya bencana banjir akibat hujan yang lebat atau bencana kekeringan dimana tidak ada ketersediaan air. Semua itu bisa diantisipasi dengan informasi yang akurat mengenai seberapa besar curah hujan yang turun di daerah dalam kurun waktu tertentu. Sekarang pemodelan telah sering diaplikasikan dalam berbagai ilmu pengetahuan, pemodelan hidrologi bisa menjadi jawaban dari kurangnya informasi yang dibutuhkan dalam sebuah analisis sumber daya air. Dalam studi ini dilakukan untuk mengetahui estimasi tinggi curah hujan dari data klimatologi  menggunakan metode Jaringan Saraf Tiruan (JST) dengan bantuan perangkat lunak Matlab R2017a. Studi ini bertujuan untuk mendapatkan model terbaik dalam estimasi data curah hujan dengan data klimatologi. Hasil kalibrasi curah hujan didapatkan pada kalibrasi 16 tahun, dengan arsitektur jaringan TRAINLM dengan epoch 1500 dan layer sebanyak 5, didapatkan kesesuaian pemodelan sebesar NSE = 0,54, RMSE = 99,37, dan R = 0,74. Untuk hasil verifikasi terbaik didapatkan pada verfifikasi 1 tahun dengan kesesuaian sebesar NSE = 0,41, RMSE = 87,32, dan R = 0,65. Estimated parameters of climatology, especially the rain into the needs of the whole of Indonesia as flood disaster due to heavy rains or drought where there is no availability of water. All of that can be anticipated with accurate information on how much rainfall that fell in the area within a certain time. Modelling is now a common tool in many fields of scientific endeavor, that it could provide answer for the lack of hydrology data for analysis of water resources problem. In this study, estimate of rainfall based on climatology by using Artificial Neural Network (ANN) method which is developed with the Matlab R2017a. It aimed to find the best model estimated rainfall with climatology data. It was showed that, the developed artificial neural networks model with the best calibration was at 16 years using TRAINLM with 1500 epochs. The performances of the model NSE = 0,54, RMSE =99,37, and R = 0,74, the best verification of the model with performances NSE =0,41 , RMSE =87,32, and R = 0,65.]]>
Copyrights © 2020
