Perpustakaan Digital ITB

Banjir merupakan salah satu bencana alam yang sering terjadi di Indonesia dan memberikan dampak di sektor kehidupan. Palu, Sulawesi Tengah merupakan salah satu kota dengan frekuensi kejadian banjir terbesar (BNPB, 2020). Salah satu banjir terbesar di Kota Palu terjadi pada 6 September 2022 yang berdampak pada 1.338 KK. Oleh karena itu, Flood Early Warning System (FEWS) diperlukan untuk mengurangi risiko yang dihasilkan. FEWS berbasis Machine Learning (ML) digunakan untuk meningkatkan akurasi dan kecepatan dalam sistem peringatan dini banjir. Model Machine Learning ini memerlukan data pelatihan yang representatif agar dapat menghasilkan prediksi akurat. Pekerjaan ini bertujuan untuk menyediakan data pembelajaran bagi model Machine Learning menggunakan model hidrologi HEC-HMS yang dapat merepresentasikan kondisi sebenarnya. Pada pekerjaan ini, data yang digunakan adalah data topografi, tutupan lahan, jenis tanah, dan jaringan sungai untuk membangun model hidrologi dan dalam menghitung nilai parameterisasi. Kemudian data debit, digunakan untuk proses kalibrasi dan validasi. Selain itu, data curah hujan observasi dan satelit (GSMaP) sebagai inputan data hujan dalam model. Data satelit digunakan untuk simulasi yang lebih panjang sebagai data pembelajaran, karena cenderung lebih konsisten. Hasil simulasi hidrologi jangka panjang pada periode 1 validasi (1 Maret – 31 Oktober 2022) diperoleh nilai NSE = 0,569, RMSE = 35,91, dan PBIAS = -4,84%. dengan kateogri “Cukup Memuaskan”. Pada periode validasi 2 (1 Maret – 31 Mei 2023) mendapatkan nilai NSE = 0,225, RMSE = 35,44, dan PBIAS = 3,82%. Hasil validasi tersebut dipengaruhi oleh ketidakakuratan atau keterbatasan dalam representasi data curah hujan yang digunakan dalam simulasi . Kemudian, simulasi hidrologi menggunakan data curah hujan GSMaP selama 26 tahun dan data sintetik 3 tahun dilakukan setelah validasi tersebut, sebagai data pelatihan untuk model Machine Learning dengan periode waktu yang lebih panjang.