📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 6 dokumenLSTM DENGAN ATTENTION MECHANISM UNTUK MODEL PREDIKSI BANJIR SERTA PENCARIAN REKOMENDASI TITIK LOKASI EVAKUASI MENGGUNAKAN ALGORITMA FUZZY DIJKSTRA
Banjir merupakan salah satu bencana hidrometeorologi yang paling sering terjadi di Indonesia dan memberikan dampak signifikan terhadap kehidupan sosial, ekonomi, serta infrastruktur, terutama di wilayah metropolitan seperti Jakarta. Tingginya intensitas curah hujan, perubahan tata guna lahan, serta pengaruh pasang air laut menyebabkan peningkatan risiko banjir yang memerlukan sistem peringatan dini yang akurat dan adaptif. Model deep learning berbasis Long Short-Term Memory (LSTM) telah banyak digunakan dalam prediksi deret waktu hidrologi karena kemampuannya dalam mempelajari ketergantungan jangka panjang. Namun, model LSTM masih memiliki keterbatasan dalam mengidentifikasi informasi temporal yang paling relevan terhadap perubahan tinggi muka air. Penelitian ini mengusulkan integrasi Attention Mechanism ke dalam arsitektur LSTM (LSTM-Attention) untuk meningkatkan akurasi prediksi Tinggi Muka Air (TMA) serta mendukung sistem mitigasi banjir yang lebih komprehensif. Metodologi penelitian mengikuti kerangka Cross Industry Standard Process for Data Mining (CRISP-DM) yang meliputi pemahaman bisnis, eksplorasi data, pra-pemrosesan, pemodelan, evaluasi, dan implementasi. Data yang digunakan berupa deret waktu tinggi muka air yang diperkaya dengan variabel meteorologi, yaitu curah hujan, suhu, kelembapan, tekanan udara, dan kecepatan angin. Tahap pra-pemrosesan mencakup pembersihan data, penanganan nilai hilang, normalisasi, dan transformasi data ke dalam format supervised time-series. Kinerja model dievaluasi menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Symmetric Mean Absolute Percentage Error (sMAPE). Hasil penelitian menunjukkan bahwa model LSTM-Attention mampu meningkatkan performa prediksi dibandingkan model LSTM standar. Model terbaik menghasilkan nilai MAE sebesar 0,0112, RMSE sebesar 0,0340, dan sMAPE sebesar 7,8491%, yang menunjukkan tingkat akurasi prediksi sebesar 92,15%. Mekanisme attention terbukti mampu memberikan bobot yang lebih besar pada informasi temporal yang relevan sehingga menghasilkan prediksi yang lebih akurat dan stabil. Selain modul prediksi, penelitian ini mengembangkan sistem rekomendasi titik evakuasi menggunakan algoritma Fuzzy Dijkstra yang memodelkan bobot ruas jalan menggunakan trapezoidal fuzzy number dan mengonversinya menjadi nilai crisp untuk menentukan jalur terpendek menuju lokasi aman. Integrasi kedua modul menghasilkan sistem mitigasi banjir terintegrasi yang tidak hanya mampu memprediksi tinggi muka air secara akurat, tetapi juga menyediakan rekomendasi titik dan rute evakuasi adaptif berbasis risiko guna mendukung pengambilan keputusan dalam penanggulangan bencana banjir.
OPTIMALISASI PENGENDALIAN BANJIR BERBASIS RISIKO PADA SUNGAI CIMANDIRI SEGMEN CIREUNGHAS KABUPATEN SUKABUMI PROVINSI JAWA BARAT
Sungai Cimandiri Segmen Cireunghas di Kabupaten Sukabumi memiliki karakteristik alur yang berkelok (meandering) sehingga berpotensi mengalami pendangkalan, penurunan kapasitas aliran, dan meningkatkan risiko banjir. Penelitian ini bertujuan menentukan alternatif pengendalian banjir yang optimum melalui pendekatan berbasis risiko dengan mempertimbangkan aspek hidraulik, stabilitas sungai, kerugian ekonomi, dan biaya. Penelitian dilakukan melalui analisis hidrologi dan pemodelan hidraulik menggunakan HEC-RAS untuk mengevaluasi kondisi banjir eksisting serta berbagai skenario normalisasi sungai. Setiap alternatif dievaluasi menggunakan Regional Hydraulic Geometry untuk memastikan dimensi penampang berada dalam kisaran stabil. Risiko banjir dianalisis menggunakan depth-damage function dan dihitung sebagai Expected Loss (EL) melalui kurva risiko dengan metode trapezoid. Biaya pelaksanaan setiap alternatif dihitung melalui penyusunan Rencana Anggaran Biaya (RAB) dan dikombinasikan dengan nilai ekspektasi kerugian dalam analisis total biaya untuk menentukan alternatif optimum. Hasil penelitian menunjukkan bahwa normalisasi sungai mampu meningkatkan kapasitas penampang, mengurangi luas genangan, dan menurunkan kerugian ekonomi dibandingkan kondisi eksisting. Berdasarkan hasil optimasi pada periode ulang 20 tahun, diperoleh alternatif optimum berupa normalisasi sungai dengan kedalaman 0,29 m dan total biaya sebesar Rp3,28 miliar. Penelitian ini menunjukkan bahwa integrasi analisis hidraulik, stabilitas sungai, risiko banjir, dan biaya dapat digunakan sebagai dasar dalam menentukan alternatif pengendalian banjir yang lebih efektif dan efisien.
PEMETAAN POTENSI BANJIR ROB DI DESA ERETAN KABUPATEN INDRAMAYU
Desa Eretan Kulon dan Eretan Wetan, Kecamatan Kandanghaur, Kabupaten Indramayu, merupakan kawasan pesisir berelevasi rendah 0–2 m di atas muka laut yang rutin mengalami banjir rob akibat kombinasi pasang tinggi, kenaikan muka air laut, dan penurunan muka tanah. Tugas akhir ini bertujuan menghasilkan peta potensi genangan banjir rob berbasis skenario untuk periode 2025–2045 dengan interval lima tahun. Pemodelan dilakukan menggunakan Spatial Bathtub Model yang mengintegrasikan Digital Terrain Model dari LiDAR 2025, parameter muka air laut pasang tertinggi hasil prediksi model dari analisis konstanta harmonik pasang surut, proyeksi kenaikan muka air laut regional, serta laju penurunan muka tanah hasil InSAR yang diinterpolasi dengan Ordinary Kriging dan dikalibrasi menggunakan GNSS. Tujuh skenario disusun untuk membedakan kontribusi faktor penyebab genangan. Hasil validasi lapangan menunjukkan Overall Accuracy 75,71%, Precision 96,57%, Recall 75,78%, F1-Score 84,92%, dan Critical Success Index 73,80%. Produk akhir berupa peta overlay temporal genangan rob dan informasi luas area terdampak per skenario sebagai dasar perencanaan mitigasi banjir rob di pesisir Indramayu.
PENERAPAN ALGORITMA GRADIENT BOOSTING DALAM MODEL PREDIKSI CURAH HUJAN SUBSEASONAL TO SEASONAL (S2S) DI JAKARTA DAN BANDUNG
Jakarta dan Bandung sebagai wilayah urban dengan variabilitas curah hujan tinggi rentan terhadap bencana hidrometeorologi seperti banjir dan kekeringan, dipengaruhi fenomena iklim seperti ENSO, IOD, dan MJO. Prediksi curah hujan S2S mengisi celah antara prakiraan cuaca dan musiman, namun model numerik global seperti CanCM3, CanCM4, FLORB, dan CCSM4 memiliki keterbatasan dalam menangkap variabilitas lokal. Penelitian ini bertujuan menyusun dan mengevaluasi model prediksi menggunakan algoritma gradient boosting untuk meningkatkan performa S2S. Penelitian menggunakan data observasi MSWEP sebagai referensi dan data model iklim periode 1982-2011. Data diproses melalui preprocessing, pembagian temporal training (1982-2002) dan testing (2003-2011), serta implementasi tiga varian gradient boosting (CatBoost, LightGBM, XGBoost) dengan konfigurasi baseline. Evaluasi dilakukan menggunakan metrik bias, MAE, RMSE, dan korelasi, dengan analisis keseluruhan, per lead time, per musim, serta time series. Hasil menunjukkan model global memiliki bias signifikan, dengan CanCM3 terbaik di Jakarta dan error lebih tinggi di Bandung. Algoritma gradient boosting memberikan perbaikan beragam, di mana CatBoost unggul dalam mengurangi bias sistematis. Namun, korelasi tetap rendah hingga sedang, dengan degradasi performa seiring lead time (terbaik di Lead 0) dan kesulitan menangkap ekstrem, menghasilkan prediksi lebih halus. Analisis time series menunjukkan kemampuan mengikuti tren musiman, meskipun dengan deviasi pada puncak hujan. Gradient boosting memberikan perbaikan incremental, tetapi masih terbatas untuk akurasi operasional. Saran mencakup hyperparameter tuning mendalam menggunakan Grid Search atau Bayesian Optimization, serta perpanjangan periode evaluasi dengan temporal cross-validation.
PENINGKATAN PRAKIRAAN CUACA JANGKA PENDEK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DI BARITO UTARA
Hampir setiap tahun terjadi banjir di Kabupaten Barito Utara yang disebabkan oleh meluapnya Sungai Barito yang melewati wilayah tersebut. Informasi cuaca yang diberikan di Barito Utara sebagian besar masih mengandalkan keluaran model Numerical Weather Prediction (NWP). Namun, model NWP merepresentasikan keadaan cuaca berbeda dengan keadaan aslinya yaitu dengan menghomogenisasi kondisi asli permukaan sebagai grid, sehingga model tidak selalu dapat menangkap detail kecil pada fitur lokal yang sangat bervariasi. Oleh karena itu, dibutuhkan teknik penggabungan statistik yang dapat merepresentasikan keadaan lokal dan dapat memperbaiki keluaran hasil model NWP seperti Model Output Statistics (MOS). Teknik ini dapat diterapkan pada operasional tanpa membutuhkan peralatan dengan spesifikasi tinggi karena mengembangkan hubungan statistik antara variabel yang ingin diprediksi (predictand) dengan variabel prediktor dari keluaran model NWP. Pada penelitian ini, curah hujan tahun 2021 – 2022 dari Stasiun Meteorolo Beringin Barito Utara akan digunakan sebagai variabel respon dan data dari model Integrating Forecasting System (IFS) akan digunakan sebagai variabel prediktor. Metode Support Vector Machine (SVM) digunakan dalam mencari hubungan antara variabel prediktor dan variabel respon. Hasilnya yaitu terdapat perbaikan nilai pada RMSE, bias, dan korelasi pada hasil model SVM terhadap nilai asli dari model IFS. Persentase peningkatan perbaikan (%IM) oleh prakiraan curah hujan yang dikoreksi menggunakan model SVM juga menunjukkan adanya peningkatan sebesar 5,03%.
ANALISIS KERUGIAN EKONOMI AKIBAT KERUNTUHAN BENDUNGAN AMERORO
Salah satu langkah untuk menangani kegagalan bendungan adalah penyusunan Rencana Tindak Darurat. Rencana ini mencakup peta genangan banjir yang disebabkan oleh keruntuhan, yang merupakan elemen penting untuk pengambilan keputusan dalam penanggulangan kegagalan bendungan. Peta genangan banjir diperoleh melalui analisis keruntuhan bendungan. Dalam penelitian ini, dilakukan analisis keruntuhan Bendungan Ameroro, yang berada di Sub DAS Konaweha dan masuk dan Wilayah Sungai Lasolo Sampara. Analisis ini mencakup analisis hidrograf keruntuhan dan penelusuran banjir dengan HEC-RAS, dan pengolahan informasi spasial menggunakan ARC-GIS. Skenario keruntuhan yang dimodelkan adalah keruntuhan akibat piping pada hari cerah (sunny day) dengan variasi initial piping pada 1/3, 1/2, dan 2/3 ketinggian bendungan dan overtopping. Hasil analisis hidrograf keruntuhan dari keempat skenario tersebut menunjukkan debit puncak tertinggi yaitu skenario overtopping, yaitu sekitar 12927,19 m³/dt. Keruntuhan Bendungan Ameroro skenario overtopping menyebabkan genangan banjir seluas 17123,88 Ha. Ada10 Kecamatan yang terdampak akibat keruntuhan bendungan Ameroro. Kecamatan yang terkena dampak banjir terluas adalah Kecamatan Uepai dengan luasan area yang terdampak sebesar 1288,65 Ha Kedalaman banjir kecamatan ini bervariasi, mulai dari 0,1 m hingga lebih dari 5 m. Kecepatan banjir juga bervariasi, dari 0,01 m/dt hingga lebih dari 5 m/dt. Durasi banjir berlangsung lebih dari 5 jam.