SISTEM INFORMASI MANAJEMEN HUJAN DAN BANJIR RANCANGAN
Abstract
Penelitian ini merupakan penelitian pengembangan untuk menghasilkan aplikasi berbasis desktop dalam menciptakan system informasi manajemen hujan dan banjir rancangan yang disebut SIM-HBR. Aplikasi ini dirancang untuk melakukan simulasi prediksi hujan dan banjir yang akan terjadi dalam periode waktu tertentu. Informasi tersebut dapat digunakan dalam perencanaan pembangunan infrastruktur dan kebijakan lainnya. System kerja SIM-HBR ini adalah mengambil data hidrologi DAS pada database mencakup Luas DAS, Panjang Sungai, Koefesien Aliran, Parameter Tr dan Alpha, Stasiun Berpengaruh dan Koefesien Theisen Stasiun. Kemudian menghitung nilai curah hujan maksimum harian tahunan DAS, validasi data mencakup, homogenitas, konsistensi dan kesamaan jenis (Standar Iso 9001:2008), memeriksa kesesuaian PDF dan CDF emperik VS teoritis mencakup : distribusi normal, lognormal, gamma, loggamma, gumbel, log gumbel, pearson3 dan logpearson3 dengan uji horizontal dan Vertikal menurut statistik Chi-kuadrat dan Kolmogorof, menghitung Hitung Hujan Rancangan dengan berbagai kala ulang menurut distribusi Probabilitas, dan menghitung Debit Rancangan dengan pendekatan Hidrograf Satuan Sintetik Nakayasu (HSSN). Sedangkan hasil yang ditampilkan adalah (1) Tabel data hujan harian maksimum tahunan, (2) Tabel uji validasi data curah hujan maksimum harian tahunan, (3) Tabel Hujan Rancangan dan Tabel Banjir Rancangan, (4) Grafik deteksi outlier data curah hujan maksimu harian tahunan, (5) Grafik series data curah hujan maksimum harian tahunan, (6) Grafik dan kriteria kesesuai PDF dan CDF teoritis dengan emperik data curah hujan maksimum harian tahunan, dan (7) Hidrograf Hujan Rancangan dan Hidrograf Banjir Rancangan.
References
[2] Bektipratiwi, A. (2011), Model JST RBFEgarch untuk Peramalan Data Time Series. Tesis, ITS Surabaya, Surabaya.
[3] Ferreira, N.J. (2005), “Artificial Neural Network Technique for Rainfall Forecasting Applied to the Sao Paulo Region”, Hydrologi, Vol 301, No 1, hal. 146-162.
[4] Irzani dan Ripai, (2011), Pengantar Statistika Matematika. Yogyakarta: Mandiri Grafindo Press
[5] Luk, K.C, Ball, J.E, dan Sharma, A. (2001), “An Application of Artificial Neural Networks for Rainfall Forecasting”, Mathematical and Computer Modelling, Vol 33, No 1, hal. 883-699.
[6] Nandini, R, dan Narendra, B. (2011), “Kajian Perubahan Curah Hujan, Suhu dan Tipe Iklim Pada Zone Ekosistem di Pulau Lombok”, Analisis Kebijakan Kehutanan, Vol. 8 No. 3, hal. 228-244.
[7] Riad, S and Mania, J. (2003), “RainfallRunoff Model Using an Artificial Neural Network Approach”, Mathematical and Computer Modelling, Vol 40, No 2, hal. 839- 846. [8] Sektor Pertanian. (2011), Kajian Risiko dan Adaptasi Terhadap Perubahan Iklim Pulau Lombok Provinsi Nusa Tenggara Barat, Dinas Pertanian NTB, Mataram.
[9] Soemarto, C.D. (1999), Hidrologi Teknik, Erlangga, Jakarta
