Pengembangan Model Prediksi Kecepatan Aliran Sungai Berdasarkan Variabilitas Curah Hujan Menggunakan Metode Regresi

Abstract

Sungai Kuranji merupakan salah satu sungai utama di Kota Padang, Sumatera Barat. Hulu sungai ini berada di area permukiman, pusat perdagangan, dan pusat pendidikan. Oleh karena itu, bagian hulu Sungai Kuranji rawan tergenang banjir dan membutuhkan perencanaan mitigasi bencana yang memadai. Pemanfaatan machine learning untuk meningkatkan mitigasi bencana, seperti prediksi dan peringatan dini banjir. Machine learning mempermudah pekerjaan manusia dengan mempelajari data yang diberikan, sehingga dapat mempercepat serta meningkatkan perhitungan dan analisis hidrologi, hidrolika, dan lain-lain dalam waktu yang lebih singkat. Pada penelitian ini, kecepatan aliran saluran diprediksi menggunakan metode regresi, yaitu regresi linier dan regresi logistik. Data masukan yang digunakan adalah data curah hujan, kecepatan aliran, dan geometri sungai. Kondisi aliran dibagi menjadi dua, yaitu saat curah hujan rata-rata dan saat curah hujan ekstrem. Data dibagi menjadi 70% untuk training dan 30% untuk testing. Validasi hasil prediksi model menggunakan koefisien korelasi (R²), di mana model dikatakan berhasil jika nilai koefisien korelasi di atas 0,8 atau 80%. Validasi hasil prediksi kecepatan aliran menggunakan metode regresi linier menunjukkan nilai R² untuk kecepatan aliran rata-rata sebesar 0,52 dan untuk kecepatan aliran maksimum sebesar 0,59. Sedangkan validasi untuk model dengan metode regresi logistik menghasilkan kecepatan aliran rata-rata sebesar 0,32 dan kecepatan aliran maksimum sebesar 0,36. Penelitian selanjutnya dapat menambahkan jumlah data masukan dan variabel prediksi untuk meningkatkan pembelajaran machine learning, sehingga model prediksi yang dihasilkan memberikan hasil yang lebih baik.