ABSTRAK
Data Debit merupakan informasi penting dalam pengelolaan sumber daya air. debit merupakan salah satu sumber input data yang selanjutnya dapat diolah dan dianalisis. Pengelolaan sumber daya air memiliki berbagai aspek keperluan seperti pengendalian banjir, potensi energi listrik dan sebagainya. Daerah aliran sungai tidak seluruhnya mempunyai stasiun debit sehingga perlu dilakukan pendekatan teknis untuk mengatasi pengabsahan data yang dapat dipertanggung jawabkan. Tujuan penelitian ini adalah (1) Mengetahui koefisien parameter JST, (2) Mengetahui debit prediksi tahun 2013-2016 dan (3) Mengetahui keandalan model.
Simulasi debit merupakan metode mendapatkan data debit berdasarkan data hujan pada stasiun dalam satu DAS pada kurun waktu yang sama. Tahapan penelitian yang dilakukan adalah mengumpulkan data hujan dan debit tahun 2001-2012 serta peta topografi. Melakukan perhitungan hujan wilayah menggunakan metode poligon Thiessen. Hasil hujan wilayah diubah menjadi debit menggunakan metode FJ. Mock. Kemudian melakukan simulasi sampai hasil yang diperoleh berada pada batas yang ditetapkan dengan metode JST Backpropagation dengan bantuan Software Scilab 5.5.1.0. dan sekaligus memperoleh debit prediksi. Selanjutnya melakukan uji keandalan model
Penelitian Simulasi Debit DAS Bahbolon dengan metode Jaringan Syaraf Tiruan Backpropogation Berdasarkan data hujan menggunakan Scilab. Hasil penelitian menunjukkan bahwa parameter JST : Periode = 4 tahun, Hidden Layer = 4 buah (masing-masing 5 neuron), Interaksi = 10000, MSE = 0,0001, Momentum = 0,6, dan Kecepatan Belajar 0,6. Kemudian untuk debit prediksi DAS Bahbolon pada tahun 2013- 2016 dapat dilihat pada tabel 4.14 Dengan nilai korelasi sebesar = 0,999979 dan keandalan model 71,29 % yang diperoleh dari analisis reliabilitas.
Kata kunci : DAS Bahbolon, data hujan, Jaringan Syaraf Tiruan, Prediksi, Scilab, Simulasi Debit.  
ABSTRACT
Data Debit is an important information in the management of water resources. discharge is one source of input data can then be processed and analyzed. Water resources management has many aspects such as flood control purposes, the potential for electrical energy and so on. Watersheds do not entirely have the discharge station so that the necessary technical approach to address the validation of data that can be justified. The purpose of this study were (1) Determine the coefficient ANN parameters, (2) Knowing the years 2013 to 2016 and the predicted discharge (3) Determine the reliability of the model.
Simulation debit is a method of getting data flow based on rainfall data at the station in one watershed at the same time. Stages of the research is to collect data rainfall and discharge in 2001-2012 as well as topographic maps. Perform calculations using the region rain Thiessen polygon method. Results of rain the area is converted into discharge using methods FJ. Mock. Then perform simulations to the results obtained are at the limits set by the Backpropagation ANN method with the help of Scilab Software 5.5.1.0. debit and simultaneously obtain predictions. Furthermore, to test the reliability of the model
Simulation studies Debit DAS Bahbolon method Backpropogation Neural Network Based on rainfall data using Scilab. The results showed that ANN parameters: Period = 4 years, Hidden Layer = 4 pieces (each 5 neurons), Interacti MSE = 0.0001, Momentum = 0.6 and 0.6 Learning Speed. Then to discharge Bahbolon DAS prediction in 2013- 2016 can be seen in Table 4:14 The correlation value of = 0.999979 and the reliability model of 71.29% were obtained from the analysis of reliability.
Keywords: Bahbolon watershed, rainfall data, Artificial Neural Networks, Prediction, Scilab, simulation Debit.