Penulis Utama | : | Victor Ronaldo Joy Saputra |
NIM / NIP | : | I0118140 |
Kekeringan adalah kondisi dimana kebutuhan air suatu daerah tidak tercukupi karena berkurangnya debit aliran akibat curah hujan yang rendah. Dalam penilitian ini dilakukan upaya memprediksi kekeringan menggunakan machine learning di Wonogiri yang diketahui memiliki tingkat curah hujan rendah, dengan debit sebagai variabel pengklasifikasian indeks kekeringan. Perhitungan debit bulanan dilakukan menggunakan metode Mock, dengan nilai debit andalan (Q80) dan debit normal (Q50) dipakai sebagai ambang batas (threshold) untuk menentukan indeks kekeringan. Nilai defisit ditentukan dari selisih antara debit hasil perhitungan dengan besarnya nilai kekurangan air, yang dianalisa menggunakan metode flow duration curve (FDC) untuk mengetahui grafik antara defisit debit terhadap probabilitas kejadian. Hasil dari analisis perhitungan indeks kekeringan menggunakan excel kemudian direkap dan dijadikan sebagai data latih untuk machine learning. Selanjutnya digunakan data uji untuk mengetahui akurasi dari hasil prediksi menggunakan metode artificial Neural Network dan diperoleh nilai akurasi klasifikasi sebesar 92,06%. Selain itu pemetaan daerah rawan kekeringan juga dibuat menggunakan Qgis sebagai bentuk visualisasi agar dapat menggambarkan kondisi kekeringan yang ada secara lebih spesifik. Aplikasi berbasis web dibangun menggunakan machine learning dan peta kriteria kekeringan menggunakan visual studio code dan ditampilkan menggunakan user interface yang sederhana sehingga pengguna aplikasi dapat lebih mudah menggunakan.