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

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.