Analisis Potensi Bencana Banjir Berdasarkan Hasil Prediksi Curah Hujan di Kabupaten Sumbawa
DOI:
https://doi.org/10.30599/jti.v16i2.3436Keywords:
banjir, prediksi curah hujan, artificial neural network, backpropagation, mitigasi bencana, sumbawaAbstract
Abstrak
Peristiwa banjir di Kabupaten Sumbawa terjadi hampir setiap tahun. BNBP mencatat telah terjadi sebanyak 80 kali bencana banjir di Kabupaten Sumbawa sejak tahun 2009. Penelitian ini bertujuan untuk menganalisis potensi bencana banjir di Kabupaten Sumbawa berdasarkan data hasil prediksi curah hujan menggunakan metode Artificial Neural Network (ANN) backpropagation. Data historis curah hujan bulanan dari Juni 2009 sampai Mei 2024 digunakan untuk melatih dan menguji model ANN. Hasil prediksi menunjukkan periode kritis terjadi pada Februari 2025 yang mengindikasikan potensi banjir yang tinggi. Penelitian ini mengusulkan strategi mitigasi yang meliputi peningkatan sistem pemantauan cuaca, edukasi publik, reforestasi, dan pembangunan infrastruktur hijau. Kolaborasi antara pemerintah, masyarakat, dan lembaga penelitian ditekankan sebagai kunci untuk mengurangi risiko dan dampak banjir.
Downloads
References
Aprianto, R., Fitriyanto, A., Hermansyah, & Walidain, S. (2023). Artificial Neural Network Backpropagation for Predicting Rainfall (Case Study in Sultan Muhammad Kaharuddin Meteorological Station). Titian Ilmu: Jurnal Ilmiah Multi Sciences, 15(1), 63–70. https://doi.org/10.30599/jti.v15i1.2110
Aprianto, R., Fitriyanto, S., & Nufus, H. (2024). Analisis Pola Musim Hujan dan Kemarau Berdasarkan Prediksi Curah Hujan Tahun 2024 Menggunakan Artificial Neural Network (ANN) di Kabupaten Sumbawa. Titian Ilmu: Jurnal Ilmiah Multi Sciences, 16(1), 25–32. https://doi.org/10.30599/jti.v16i1.3121
Aprizal, Y., Zainal, R., & Afriyudi, A. (2019). Perbandingan Metode Backpropagation dan Learning Vector Quantization (LVQ) Dalam Menggali Potensi Mahasiswa Baru di STMIK PalComTech. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 18(2), 294–301. https://doi.org/10.30812/matrik.v18i2.387
Aryanti, W. (2023). Penerapan Artificial Neural Network dengan Algoritma Backpropagation untuk Memprediksi Harga Saham. JRS: Jurnal Riset Statistika, 3(2), 107–118. https://doi.org/10.29313/jrs.v3i2.2953
Awah, L., Belle, J., Nyam, Y., & Orimoloye, I. (2024). A Systematic Analysis of Systems Approach and Flood Risk Management Research: Trends, Gaps, and Opportunities. International Journal of Disaster Risk Science, 15, 45–57. https://doi.org/10.1007/s13753-024-00544-y
Dewi, K., Bahri, S., & Irwansyah. (2019). Model Prediksi Curah Hujan Harian Menggunakan Jaringan Syaraf Tiruan Backpropagation. Indonesian Physical Review, 2(1), 9–17. https://doi.org/10.29303/ipr.v2i1.17
Fansyuri, M. (2023). Analisis Algoritma Neural Network Untuk Identifikasi Jenis Apel Berbasis Ekstraksi Fitur Bentuk Dan Warna. Jurnal Ilmu Komputer Dan Pendidikan, 1(6), 1662–1671. https://www.journal.mediapublikasi.id/index.php/logic/article/view/4168
Gifari, A., Misbahuddin, & Yadnya, M. (2020). Penggunaan Jaringan Syaraf Tiruan Metode Backpropagation Untuk Prediksi Curah Hujan Berbasis Website. Dielektrika, 7(2), 88–93. http://dielektrika.unram.ac.id/index.php/dielektrika/article/view/242
Ginting, S. (2021). Analisis Curah Hujan Penyebab Banjir Bandang di Ujung Berung, Bandung. Akselerasi : Jurnal Ilmiah Teknik Sipil, 2(2), 9–17. https://doi.org/10.37058/aks.v2i2.2760
Hasanati, Z., & Meidelfi, D. (2020). Kajian Implementasi Jaringan Syaraf Tiruan Metode Backpropagation Untuk Deteksi Bau. Journal of Applied Computer Science and Technology (JACOST), 1(2), 90–95. https://doi.org/10.52158/jacost.v1i2.113
Morante-Carballo, F., Montalvan-Burbano, N., Harias-Hidalgo, M., Domínguez-Granda, L., Apolo-Masache, B., & Carrión-Mero, P. (2022). Flood Models: An Exploratory Analysis and Research Trends. Water, 14(16), 1–23. https://doi.org/10.3390/w14162488
Pradana, D., Alghifari, M., Juna, M., & Palaguna, D. (2022). Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network. Indonesian Journal of Data and Science, 3(2), 55–60. https://doi.org/10.56705/ijodas.v3i2.35
Rakuasa, H., Somae, G., & Latue, P. (2023). Pemetaan Daerah Rawan Banjir di Desa Batumerah Kecamatan Sirimau Kota Ambon Menggunakan Sistim Informasi Geografis. ULIL ALBAB : Jurnal Ilmiah Multidisiplin, 2(4), 1642–1653. https://doi.org/10.56799/jim.v2i4.1475
Sitorus, I., Bioresita, F., & Hayati, N. (2021). Analisa Tingkat Rawan Banjir di Daerah Kabupaten Bandung Menggunakan Metode Pembobotan dan Scoring. Jurnal Teknik ITS, 10(1), C14–C19. https://doi.org/10.12962/j23373539.v10i1.60082
Situngkir, A. (2022). Analisis Data Curah Hujan Sebagai Penyebab Banjir Di Gedongtataan, Lampung. Development Innovation: Jurnal Kelitbangan (JIP), 10(1), 95–108. https://doi.org/10.35450/jip.v10i01.277
Sugandhi, N., Rakuasa, H., Zainuddin, Wahab, W., Kamiludin , Jaelani, A., Ramdhani, & Reinaldi, M. (2023). Pemodelan Spasial Limpasan Genangan Banjir dari DAS Ciliwung di Kel. Kebon Baru dan Kel. Bidara Cina DKI Jakarta. ULIL ALBAB : Jurnal Ilmiah Multidisiplin, 2(5), 1685–1692. https://doi.org/10.56799/jim.v2i5.1477
Sulaiman, M., Setiawan, H., Jalil, M., Purwadi, F., Adio S, C., Brata, A., & Jufda, A. (2020). Analisis Penyebab Banjir di Kota Samarinda. Jurnal Geografi Gea, 20(1), 39–43. https://doi.org/10.17509/gea.v20i1.22021
Wasono, A., Sari, Y., Sangkawati , S., & Nugroho. (2022). Analisis Debit Banjir Berdasarkan Data Curah Hujan Pada DAS Sekampung Menggunakan Pemodelan HEC-HMS. AGREGAT, 7(2), 686–692. https://doi.org/10.30651/ag.v7i2.14871
Wijaya, F., Lestanti, S., & Rahmat, M. (2023). Penerapan Metode JST Backpropagation Pada Peramalan Produksi Pastry di Hyfresh Blitar. JATI : Jurnal Mahasiswa Teknik Informatika, 7(4), 2629–2635. https://doi.org/10.36040/jati.v7i4.7393
Wu, Y., & Feng, J. (2018). Development and Application of Artificial Neural Network. Wireless Personal Communications, 1645–1656. https://doi.org/10.1007/s11277-017-5224-x
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Romi Aprianto, Permata Ayu Dwi Puspitasari, Syarif Fitriyanto, Akbar Tawaqqal
This work is licensed under a Creative Commons Attribution 4.0 International License.
Abstract Views: 74
| 
File Views: 78
