Dashboard Sistem Peringatan Dini Prediksi Banjir Menggunakan Metode Radial Basis Function Berbasis Web

Muhammad Adli Azizulhaq, Asep Suhendi, Cesi Setianingsih

Abstract

Abstrak
Banjir merupakan salah satu dampak yang merugikan masyarakat yang disebabkan oleh manusia,
disamping faktor tanah dan hujan. Kerugian yang disebabkan oleh banjir diantaranya menimbulkan
masalah ekonomi, kesulitan air bersih, kesehatan, melumpuhkan aktivitas masyarakat, serta dapat
menimbulkan korban jiwa. Salah satu solusi dampak dari permasalahan adalah dengan membuat
dashboard sistem informasi peringatan dini banjir menggunakan prediksi metode Radial Basis Function.
Dashboard adalah sistem pemantau informasi peringatan dini banjir untuk mengetahui data secara realtime dari sensor water level, debit aliran sungai dan curah hujan yang ditempatkan pada hulu dan hilir
sungai dengan memanfaatkan teknologi berbasis IoT. Radial Basis Function merupakan jaringan syaraf
tiruan untuk prediksi dengan mengambil data masa lampau serta data dan informasi yang relevan saat ini
sebagai data latih menggunakan model matematis sehingga output dari pengolahan data oleh RBF tersebut
akan mengeluarkan data periode yang akan datang sebagai data pra prediksi. Tampilan dashboard akan
menampilkan tiga parameter yakni water level, debit aliran sungai dan curah hujan, serta indikator sebagai
notifikasi ketika permukaan air sungai melewati batas level. Dengan membuat dashboard sistem peringatan
dini prediksi banjir, maka akan mengurangi dampak kerugian yang diakibatkan oleh banjir. Cara
mengetahui performansi terbaik dari model RBF dilihat berdasarkan hasil dengan kriteria nilai Mean
Absolute Error (MAE) terkecil dan semakin MAE mendekati nilai 0 maka akurasi model semakin baik.
Dari pengujian yang sudah dilakukan, hasil terbaik didapatkan dari metode RBF yaitu dengan rata-rata
nilai MAE di setiap subdivisi sungai Cauvery, Godavari, Krishna, Mahanadi, Dan Son sebesar 0.048%.
Kata kunci: Dashboard, Jaringan Syaraf Tiruan, Prediksi, Radial Basis Function
Abstract
Flooding is one of the adverse impacts on society caused by humans, in addition to land and rain
factors. Losses caused by floods include causing economic problems, lack of clean water, health, paralyzing
community activities, and can cause fatalities. One solution to the impact of the problem is to create a flood
warning information system Dashboard using the prediction of the Radial Base Function. The dashboard is a
flood early warning information monitoring system to find out real-time data from water level, river flow
discharge and rainfall sensors placed upstream and downstream of the river by utilizing IoT-based technology.
Radial Basis Function is an Artificial Neural Network for prediction by taking past data and relevant data and
information currently as training data using a mathematical model so that the output of RBF data processing
will issue future period data as pre-predicted data. The dashboard display will display three parameters namely
water level, river flow discharge and rainfall, as well as an indicator as a notification when the river water level
exceeds the level limit. By creating a dashboard for flood warning early warning systems, it will reduce the
impact of losses caused by flooding. How to find out the best performance of the RBF model is seen based on
the results with the criteria for the smallest Mean Absolute Error (MAE) value and the more the MAE
approaches a value of 0, the better the accuracy of the model. From the tests that have been carried out, the
best results were obtained from the RBF method, namely the average MAE value in each subdivision of the
Cauvery, Godavari, Krishna, Mahanadi, and Son rivers of 0.048%.
Keywords: Dashboard, Artificial Neural Network, Prediction, Radial Basis Function.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0