Peramalan Inflow Debit Air Waduk Menggunakan Backpropagation Neural Network Dengan Input Variabel Lag (Study Kasus Waduk Sengguruh – Kabupaten Malang)
Daftar Isi:
- Cuaca 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) dan debit air keluar (outflow) pada waduk. 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 autokorelasi parsial (PACF). Berdasarkan uji coba, 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 tahap uji coba JST Backpropagation, peramalan harian umum arsitektur (3-15-1) memiliki MSE minimum 0.00011960. Peramalan mingguan arsitektur terbaik (3-5-1) menghasilkan 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, peramalan hari selasa memiliki nilai MSE minimum 0.00003964 dan MAPE 3.1340 % dengan arsitektur (3-5-1). Secara umum hasil peramalan menggunakan 3 ramalan berbeda tidaklah terlalu jauh tingkat akurasinya.