Pengembangan Model Persamaan Rating Curve pada Stasiun Awlr menggunakan Adaptive Neuro Fuzzy Inference System untuk Mendukung Sistem Deteksi Dini Banjir

Abstract

Data debit aliran sungai memiliki peran yang sangat strategis guna menghasilkan manajemen, perencanaan, dan penggunaan sumber daya air secara akurat dan berkelanjutan. Kendala mendasar yang dihadapi di DAS (catchment area) Siak adalah tidak adanya data debit sejak tahun 2009untuk kebutuhan analisis hidrologi. Kondisi yang diilustrasikan di atas, diakibatkan tidak dipubliksikannya persamaan liku kalibrasi yang mendiskripkan pola hubungan antara debit aliran sebagai fungsi waktu di Stasiun Pos Duga Air Otomatis (Automatic Water Level Record) Pantai Cermin oleh Balai Wilayah Sungai III Sumatera Provinsi Riau. Tujuan utama penelitianadalah mengembangkan model persamaan liku kalibrasi (rating curve) guna pengalihragaman (transformation) tinggi muka air sungai (water level river) menjadi debit aliran (discharge) di Stasiun Pos Duga Air Otomatis (AWLR) Pantai Cermin sehinggadapat diperoleh informasi debit yang akurat yang sangat berguna sebagai penguatan data sistem deteksi dini banjir (flood early warning system) Sungai Siak di masa mendatang mempertimbangkan DAS Siak dikategorikan DAS Kritis Nasional. Metode pendekatan yang digunakan dalam penelitian ini adalah menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS). Sumber data yang dipergunakan untukpengembangan model adalah rekaman data yang bersumber dari Pos Duga Air Otomatis Stasiun Pantai Cermin yang mendiskripsikan pola hubungan antara ketinggian air sungai terhadap fungsi waktu atau lazim disebut stage hydrograph dari tahun 2002–2008 oleh Balai Wilayah Sungai (BWS) III Sumatera Provinsi Riau. Data tersebut selanjutnya dilakukan transformasi menjadi data debit harian dengan menggunakan persamaan rating curve.Hasil utama penelitian membuktikanbahwa persamaan liku kalibrasi tahun 2009 berdasarkan hasil peramalan menggunakan model ANFIS di Stasiun Pos Duga Air Pantai Cermin mengikuti persamaan Q = 22,279 x H1,3036dengan diuji menggunakan nilai parameter statistik koefisien korelasi yang memiliki jangkauan ketepatan peramalan untuk satu tahun ke depan (t + 1) sebesar 0,9999587sehingga model diklasifikasikan memiliki derajat korelasi mendekati sempurna dengan nilai R mendekati 1.