| dc.description.abstract | Banjir yang terjadi di Jakarta sangatlah tinggi ketidakpastiannya sama
dengan tingginya ketidakpastian perubahan cuaca di wilayah tersebut. Banjir tidak
dapat diprediksi dengan mudah dan telah menyebabkan banyak korban baik jiwa,
harta benda dan berhentinya kegiatan perekonomian pada wilayah terdampak
banjir. Oleh karena itu prediksi terhadap terjadinya banjir sangatlah diperlukan.
Penelitian ini mencoba menggunakan ANFIS, ANN dan FIS untuk memprediksi
tinggi muka air Sungai Ciliwung pada waktu singkat.
Tinggi muka air pada sungai Ciliwung dapat digunakan sebagai indikator
akan kejadian banjir di Jakarta jadi semakin cepat informasi tinggi muka air ini
diterima oleh stakeholder maka akan semakin cepat tindakan penyelamatan dapat
dilakukan.
Penelitian ini menggunakan data tinggi muka air dari tiga pintu air di
sepanjang sungai Ciliwung dari Januari 2014 sampai dengan Desember 2015.
Data yang ada dibagi menjadi dua yaitu data latihan dan data tes. Data latihan
yang dipakai pada penelitian adalah data tinggi muka air mulai bulan Januari 2014
sampai dengan bulan Desember 2014 sedangkan data untuk tes yang dipakai
adalah mulai bulan Januari 2015 sampai dengan Desember 2015. ANFIS dan
ANN dipakai untuk membandingkan model mana yang memiliki performa paling
baik untuk memprediksi tinggi muka air di pintu air Depok. Keluaran dari model
yang paling baik akan dipakai sebagai masukan bagi model FIS untuk
memprediksi tinggi muka air di pintu air Manggarai.
RMSE dari hasil tes pada model ANN terbilang cukup tinggi. Rata-rata
RMSE pada model ANN dengan 6, 24 dan 48 fitur adalah 52.5764, 35.6601 dan
70.7277 secara berurutan. Dapat disimpulkan bahwa model ANN tidak bisa
diandalkan untuk memprediksi tinggi muka air di Depok. Model ANFIS memiliki
performa yang lebih baik dibandingkan dengan model ANN dalam hal ini ANFIS
dengan 3 fitur dipilih karena memiliki performa paling baik diantara seluruh
model yang diujicobakan. Rata-rata RMSE untuk ANFIS dengan 3 fitur adalah
18.2222. Oleh karena itu hasil prediksi dari model ini akan digunakan sebagai
masukan untuk model FIS.
Hasil %RMSE dari model FIS cukup rendah yaitu rata-rata 3.43 yang
artinya model FIS dapat memprediksi tinggi muka air di pintu air Manggarai
dengan akurasi yang baik. Penggunaan metode pembelajaran seperti ANFIS dan
ANN disarankan untuk penelitian selanjutnya pada prediksi tinggi muka air
Manggarai. Penelitian selanjutnya juga masih diperlukan untuk lebih
meningkatkan performa model. Secara keseluruhan penelitian ini menunjukan
bahwa model data driven dapat diimplementasikan pada sistem peringatan dini
banjir Jakarta. | id |
