Pendugaan Tingkat Risiko Banjir dengan Menggunakan Extreme Learning Machine dan Extreme Value Theory

Abstract

Banjir merupakan salah satu permasalahan yang sering terjadi di Indonesia, khususnya Surabaya. Banjir yang terjadi baik dalam skala kecil maupun skala besar membawa dampak negatif bagi lingkungan sekitar. Surabaya merupakan salah satu kota dengan tingkat banjir tertinggi di Indonesia, akibatnya beberapa wilayah di Surabaya terendam banjir yang cukup dalam dan menghambat aktivitas warga sekitar. Pada penelitian ini, digunakan data dasarian curah hujan dari salah satu stasiun di Surabaya dengan periode waktu dari Januari 2017 hingga Desember 2021. Pendugaan tingkat risiko pada penelitian ini menggunakan Value at Risk (VaR) dengan pendekatan Extreme Value Theory (EVT). Data penelitian berupa curah hujan akan dilakukan pra-pemrosesan data dengan mengidentifikasi missing value, observasi pencilan (outlier), dan observasi yang tidak sesuai dari data curah hujan di Surabaya. Kemudian mengidentifikasi karakteristik data curah hujan dengan statistika deskriptif dan pola sebaran curah hujan. Setelah didapatkan karakteristik data curah hujan, dilakukan peramalan dengan ELM yaitu data dibagi menjadi beberapa fitur dan target terlebih dahulu, setelah itu dilakukan normalisasi data. Data kemudian dibagi menjadi data training dan data testing untuk proses training dan testing. Kemudian dilakukan pengambilan sampel data ekstrim dengan metode Peaks Over Threshold dan Block Maxima. Lalu dilakukan perhitungan risiko dengan Value at Risk (VaR). Penelitian ini bertujuan untuk menduga tingkat risiko banjir serta menganalisis pengaruh yang dimiliki antara curah hujan dan banjir. Hasil penelitian didapat bahwa model terbaik didapat dengan MAPE data pengujian sebesar 9,81230 dibawah 10%. Data hasil ramalan menunjukan bahwa curah hujan tertinggi terjadi di bulan Februari 2022. Tingkat risiko banjir dapat dilihat dari hasil VaR pada tingkat kepercayaan 90%, 95%, dan 99% yaitu pada GEV secara berturut-turut sebesar 143,9767, 145,1391118, 147,1209043 dan pada GPD sevcara berturut-turut sebesar 334,98, 340,3271661, 354,6074338 sehingga pemerintah Surabaya dapat membuat kebijakan terkait dengan kapasitas drainase atau penampungan air hujan sesuai dengan nilai VaR yang telah diperoleh.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).