Model Prediksi Dengan Artificial Neural Network Untuk Kejadian Banjir Rob Di Wilayah Pesisir Kota Bandar Lampung

Eka Suci Puspita Wulandari, RZ. Abdul Aziz

Abstract


Perubahan kondisi iklim yang terjadi saat ini membawa banyak perubahan pada kehidupan manusia. Selain menggeser perubahan pola musim, perubahan iklim juga meningkatkan suhu udara diatas rata-ratanya yang berdampak pada kenaikan muka air laut.   Kenaikan muka air laut tercepat dimulai pada tahun 2013 dan mencapai level paling tinggi di tahun 2021.  Hal ini menjadi bagian dari dampak pemanasan global yang sedang berlangsung, dimana es di kutub terus mencair, gletser juga terus mencair, menyebabkan kenaikan muka air laut.  Kenaikan muka air laut erat kaitannya dengan kejadian banjir rob dimana semakin meningkat pasang surut maka wilayah pesisir yang dekat dengan pantai akan semakin terendam air laut.  Banjir rob merupakan naiknya pasang surut akibat dari fenomena pasang surut air laut yang menyebabkan terjadinya genangan di pesisir pantai. Terdapat beberapa Kelurahan di wilayah Kota Bandar Lampug yang memiliki kerentanan banjir rob yaitu Kelurahan Kangkung, Bumi Waras, dan Sukaraja. Berdasarkan analisis yang telah dilakukan didapatkan beberapa poin penting diantaranya konfigurasi pelatihan telah dilakukan sebanyak 5 kali menghasilkan nilai korelasi 0.9 keatas. Pada saat proses pengujian data hanya ada 2 konfigurasi yang performanya meningkat yaitu konfigurasi 2 dan 3. Konfigurasi 3 memiliki nilai akurasi yang paling baik yaitu mencapai 100%, maka dari itu konfigurasi 3 digunakan untuk menjadi model untuk memprediksi kejadian banjir rob dengan menggunakan data-data variabel yang ada saja. Saat tinggi muka laut 1.5 meter prosentase kejadian banjir adalah 100%, sedangkan untuk gelombang saat berada di angka 2.5 meter prosentase kejadian banjir rob nilai akurasinya 90-100%. Untuk gelombang 1.5 meter kebawah peluang untuk terjadi banjir rob prosentasenya cukup kecil paling besar hanya 30%. Tabel prediksi banjir rob dapat memudahkan prakirawan atau forecaster yang sedang bekerja. Dengan adanya prediksi banjir rob kedepannya dapat digunakan untuk pembuatan peringatan dini esok hari, namun hasil dari prediksi banjir rob masih cukup banyak tahapan yang harus dilalui.

 

Keywords : Tinggi Muka Laut; Banjir Rob; Artificial Neural Network; Peringatan Dini


Full Text:

PDF

References


D. Reay, C. Sabine, P. Smith, and G. Hymus, Intergovernmental Panel on Climate Change. Fourth Assessment Report. Geneva, Switzerland: Inter-gov- ernmental Panel on Climate Change. Cambridge; UK: Cambridge University Press; 2007. Available from: www. ipcc.ch. 2007. doi: 10.1038/446727a.

World Meteorological Organization, WMO Atlas of Mortality and Economic Losses From Weather , Climate and Water Extremes, no. 1267. 2019. [Online]. Available: https://library.wmo.int/doc_num.php?explnum_id=10902

W. Z. Ilmi, A. M. Asbi, and T. Syam, “Identifikasi Karakteristik Kawasan Informal Pesisir Kota Bandar Lampung dan Kerentanan terhadap Dampak Perubahan Iklim (Studi Kasus : Kelurahan Kota Karang dan Kangkung),” J. Pembang. Wil. Kota, vol. 17, no. 2, pp. 149–167, 2021, doi: 10.14710/pwk.v17i2.33130.

W. Wibisono, “Strategi Penataan Ruang Berbasis Mitigasi Bencana Berdasarkan Tingkat Kerentanan Bencana Kota Bandar Lampung,” PWK Inst. Teknol. Sumatera, no. 24, pp. 1–16, 2019.

M. T. Sinaga, “Kesiapsiagaan Masyarakat Desa Tangguh Bencana Di Desa Sukaraja Kecamatan Rajabasa Kabupaten Lampung Selatan,” J. Penelit. Geogr., vol. 7, no. 6, 2019.

M. A. Marfai, D. Mardiatno, A. Cahyad, and F. Nucifera, “Pemodelan Spasial Bahaya Banjir Rob Berdasarkan Skenario,” Bumi Lestari, vol. 13, no. 2, pp. 244–256, 2017.

Y. Muliati, Rekayasa pantai, vol. 1. 2010.

Alfahmi, PETUNJUK TEKNIS PEMBUATAN PRODUK PERINGATAN DINI BANJIR PESISIR (ROB). BMKG, 2020.

[Utnasari I., “Penerapan Jaringan Syaraf Tiruan Pada Pengenalan Karakter Pola Tulisan Incung Dengan Metode Backpropagation,” Comput. Based Inf. Syst. J., vol. VOL.06 NO., 2018.

[Universitas Gadjah Mada Menara Ilmu Machine Learning,” 2018. https://machinelearning.mipa.ugm.ac.id/

[G. Ognjanovski, “Everything you need to know about Neural Networks and Backpropagation — Machine Learning Easy and Fun,” 2019. https://towardsdatascience.com/everything-you-need-to-know-about-neural-networks-and-backpropagation-machine-learning-made-easy-e5285bc2be3a


Refbacks

  • There are currently no refbacks.



Prosiding Seminar Nasional Darmajaya is abstracting and indexing in the following databases:


PROSIDING SEMINAR NASIONAL DARMAJAYA

Diatur Oleh: Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM)

Diterbitkan Oleh: IIB Darmajaya
Alamat: Jl. Z.A. Pagar Alam No. 93 Gedong Meneng, Bandar Lampung Lampung
Website: jurnal.darmajaya.ac.id

E-mail: ProsidingSemnasDJ@darmajaya.ac.id