Informasi tentang hubungan curah hujan, debit aliran dan sedimen diperlukan dalam perencanaan pengelolaan DAS. Hubungan ini dikenal sangat nonlinear dan kompleks. Meskipun debit dan sedimen sudah dimonitor secara terus menerus, namun kadang kala informasinya tidak atau kurang lengkap. Dalam kondisi ini pemodelan sangat diperlukan. Tujuan penelitian adalah membuat model untuk memrediksi hasil air (direct runoff) dan sedimen bulanan dengan menggunakan Jaringan Syaraf Tiruan (JST). Model yang diuji menggunakan data hujan pada saat t-3 dan t-4 sebagai input, dan debit dan sedimen pada t+3 dan t+4 sebagai output. Data yang digunakan merupakan data tahun 2001 sampai dengan tahun 2014. Hasil penelitian menunjukkan bahwa dari beberapa model yang diuji terdapat 2 model untuk prediksi debit dan 2 model untuk prediksi sedimen. Model tersebut terpilih karena mempunyai MSE terkecil, R 2 terbesar dan K yang memuaskan (0,65). Dengan demikian, model-model tersebut dapat digunakan untuk memrediksi debit dan sedimen untuk jangka t+3 dan t+4. Prediksi debit t+3 dan t+4 dapat menggunakan persamaan berturut-turut Q t+3 = 0,64 Q t-3 + 0,05 dan Q t+4 = 0,65 Q t-4 + 0,074, sedangkan prediksi sedimen t+3 dan t+4 menggunakan persamaan QS t+3 = 0,45 QS t-3 + 0,052 dan QS t+4 = 0,45 QS t-4 + 0,052. Pemodelan dengan JST ini dapat diaplikasikan untuk memrediksi debit dan sedimen di lokasi yang lain dengan arsitektur yang disesuaikan dengan kondisi data yang tersedia.
ABSTRACT
Information on the relationship of rainfall with discharge and sediment are required in watershed management.This relationship is known to be highly nonlinear and complex. Although discharge and sediment has been monitored continuously, but sometimes the information is not or less complete. In this condition, modeling is indispensable.The research objective is to create a model to predict the monthly direct runoff and sediment using Artificial Neural Network (ANN).The model was tested using rainfall data at t-3 and t-4 as input, and discharge and sediment at t+3 and t+4 as output. The data used is the data from 2001 to 2014. The resultsshowed that of some models tested there are two models for the prediction of discharge and two models for sediment.The model was chosen because it has the smallest MSE, the largest R 2 and satisfying K (0.5 to 0.65