Gessang, Oscar Margha (2020) Model Optimalisasi Pengelolaan Banjir Pada Bendungan Bili - Bili Menggunakan Artificial Neural Networks (ANN). Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1.laporan_thesis_03111850097005_Oscar_M_Gessang.pdf Download (4MB) | Preview |
Abstract
Bendungan adalah infrastruktur yang secara umum berfungsi untuk menahan, menampung dan mengelola sumber daya air dalam volume yang besar. Fungsi lain dari bendungan adalah mengendalikan banjir dengan cara menampung kelebihan volume air yang masuk kedalam tampungannya. Pengaturan debit limpasan bendungan dapat meminimalkan risiko banjir dengan menjaga aliran sungai di hilir tetap dalam debit aman. Namun hal tersebut memerlukan keahlian khusus yang harus dimiliki oleh pengelola bendungan, keahlian dalam perhitungan hidrologi dan hidraulika belum tentu dimiliki oleh setiap individu pengelola bendungan. Keterbatasan waktu untuk mitigasi juga menjadi permasalahan yang berpotensi menyebabkan kegagalan fungsi bendungan dalam pengelolaan banjir.
Penelitian ini dilakukan di DAS Jeneberang, bertujuan mengoptimalkan fungsi bendungan Bili – Bili dalam pengelolaan risiko banjir, antara lain dengan penambahan waktu mitigasi dan membantu pengambilan keputusan menggunakan pemodelan Artificial Neural Network (ANN) untuk melakukan prediksi hujan, menggunakan data cuaca global API. Pemodelan Limpasan dilakukan menggunakan metode Soil Conservation Service (SCS) dengan data input berupa curah hujan yang dihasilkan oleh model ANN.
Hasil yang didapatkan pada penelitian adalah model ANN prediksi hujan dengan RMSE berkisar antara 2.2 – 10.73 pada 5 lokasi pengamatan dan model perhitungan limpasan menggunakan metode SCS dengan deviasi sebesar 4%. Model tersebut kemudian digunakan dalam sebuah sistem dengan antarmuka sederhana yang menampilkan nilai prediksi dan kalkulasi cuaca – hujan – limpasan yang berguna untuk mengoptimalkan pengelolaan banjir di bendungan Bili – Bili.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > TA Engineering (General). Civil engineering (General) T Technology > TC Hydraulic engineering. Ocean engineering > TC530 Flood control T Technology > TD Environmental technology. Sanitary engineering > TD395 Reservoirs (water supply) |
| Divisions: | Faculty of Civil, Environmental, and Geo Engineering > Civil Engineering > 22101-(S2) Master Theses |
| Depositing User: | Oscar Margha Gessang |
| Date Deposited: | 26 Aug 2020 06:57 |
| Last Modified: | 26 May 2023 06:31 |
| URI: | http://repository.its.ac.id/id/eprint/80852 |
Actions (login required)
 |
View Item |