Dosen FT Universitas Jember Kembangkan Metode WNN Untuk Anstisipasi Banjir dan Ketersediaan Air

Jember, 30 Desember 2022
Perubahan iklim karena kenaikan temperatur suhu bumi menjadi ancaman nyata dunia saat ini. Salah satu akibatnya musim menjadi sulit diprediksi, musim kemarau namun turun hujan, atau sebaliknya di masa musim penghujan justru jarang hujan. Bencana seperti banjir, tanah longsor dan kekeringan pun menjelang. Bahkan Badan Meteorologi dan Geofisika (BMKG) memperkirakan cuaca ekstrem melanda pulau Jawa hingga Januari tahun 2023 mendatang. Termasuk yang kita rasakan saat ini ketika curah hujan tinggi membuat bencana banjir melanda banyak daerah, termasuk Kabupaten Jember.

Akibatnya air hujan yang seharusnya turun sesuai dengan siklus yang ada juga makin sulit ditebak kapan tibanya. Padahal air hujan yang membasahi bumi yang kemudian mengalir ke sungai menjadi urat nadi kehidupan manusia. Seperti untuk air minum dan sebagai pendukung utama pertanian. Tanpa ketersediaan air maka bisa dibayangkan sulitnya kehidupan, namun sebaliknya air yang melimpah menjadi bencana.

Dr Gusfan Halik (baju biru muda) saat membimbing mahasiswa dalam sebuah penelitian

Menurut dosen Program Studi Teknik Sipil Fakultas Teknik (FT) Universitas Jember, Dr. Gusfan Halik, salah satu cara mengantisipasi bencana banjir akibat curah hujan adalah dengan memprediksi ketersediaan air di sungai. Salah satu metode yang umum adalah dengan menggunakan metode Artificial Neural Network (ANN). Saat ditemui di kampus FT Universitas Jember (30/12), Gusfan Halik menjelaskan metode ANN digunakan untuk memprediksi debit dan limpasan air di Daerah Aliran Sungai (DAS). Dengan mengetahui data dan kondisi debit air di DAS maka bencana banjir bisa diantisipasi sejak awal. Namun metode ANN memiliki kelemahan, mengingat prediksinya tidak selalu tepat.

Oleh karena itu tim peneliti Hidroteknik Program Studi Teknik Sipil FT Universitas Jember yang dipimpin oleh Gusfan Halik mulai mengembangkan metode Water Neural Network (WNN) yang menggabungkan kecerdasan buatan (artificial intellegent) dengan data sirkulasi atmosfer agar prediksi ketersediaan air makin tepat. Metode ini diharapkan mampu memprediksi debit dan limpasan air di Daerah Aliran Sungai (DAS) secara lebih presisi sehingga antisipasi bencana pun lebih baik.

“Ide awalnya berangkat dari pengukuran ketersediaan air di DAS yang biasanya menggunakan metode ANN. Metode ANN akan menghitung air hujan yang sudah turun dan ditampung di sungai. Namun dengan perubahan iklim, masalahnya hujan menjadi sulit ditebak kapan turunnya. Maka kami mengembangkan metode WNN yang memadukan prediksi debit dan limpasan air di DAS dengan data sirkulasi atmosfir hasil pantauan satelit cuaca NOAA. Metode WNN ini lebih akurat karena data berapa curah hujan yang akan turun ke bumi pun sudah diketahui semenjak masih ada di atmosfir,” jelas Gusfan Halik yang mengembangkan metode WNN bersama dua koleganya, Sri Wahyuni dan Wiwik Winarni.

Dr Gusfan Halik memberikan kuliah di FT

Untuk diketahui, satelit NOAA (National Oceanic and Atmospheric Administration) adalah satelit meteorologi milik Amerika Serikat yang bertugas memantau dan mengambil data serta informasi mengenai keadaan fisik lautan dan atmosfer. Data dari satelit NOAA dimanfaatkan untuk peramalan cuaca harian. Data dan informasinya juga dapat diterapkan secara luas pada pemantauan lahan dan perairan. Sehingga data dan informasi tersebut dapat digunakan untuk membuat peta suhu permukaan laut yang berguna untuk pengawasan iklim, studi El Nino, deteksi arus laut serta peta tutupan awan untuk estimasi curah hujan. Data perolehan satelit NOAA ini bisa diakses oleh peneliti dengan persyaratan tertentu.

Gusfan Halik dan kawan-kawan sudah mencoba metode WNN yang memanfaatkan data satelit NOAA untuk pengukuran debit air dan limpasan air di DAS Sampean Baru yang meliputi kabupaten Bondowoso dan Kabupaten Situbondo. Dalam penelitian ini terungkap metode WNN dapat memprediksi debit air dan limpasan di DAS Sampean Baru dengan lebih presisi, dibandingkan dengan metode ANN. Dengan menggunakan metode WNN, hasil prediksi debit air mencapai korelasi 0,925 yang artinya mendekati data debit air dengan cara observasi. Sementara dengan metode ANN korelasinya 0,862.

Inovasi Gusfan Halik dan kolega mendapatkan apresiasi dari Kementerian PUPR Republik Indonesia. Terbukti makalah berjudul “Model Prediksi Ketersediaan Air Menggunakan Data Sirkulasi Atmosfer” yang dipresentasikan oleh tim peneliti Hidroteknik Program Studi Teknik Sipil FT Universitas Jember menjadi juara kedua pada ajang Pertemuan Ilmiah Tahunan Himpunan Ahli Teknik Hidraulik Indonesia (HATHI) 2022 di Universitas Mataram pada akhir bulan Oktober 2022 lalu. Untuk diketahui, panitia menerima 500 makalah dari para ahli tenik sipil khususnya yang terkait dengan air dan bangunan air dari seluruh Indonesia.

Dr Gusfan Halik (kedua dari kiri) menerima penghargaan dalam ajang Pertemuan Ilmiah Tahunan Himpunan Ahli Teknik Hidraulik Indonesia (HATHI) 2022 di Universitas Mataram pada akhir bulan Oktober 2022 lalu

“Jika informasi ketersediaan air bisa kita prediksi sejak awal maka manfaatnya akan besar sekali, tentu bencana banjir bisa kita antisipasi sejak awal. Kedua bagi petani, dengan adanya data dan informasi ketersediaan air dapat membantu mereka untuk memutuskan akan menanam komoditas apa. Sehingga tidak terjadi lagi gagal panen gara-gara kekurangan air. Namun tentu saja penelitian ini masih di tahap awal dan akan terus kami kembangkan agar manfaatnya bisa dirasakan masyarakat luas,” pungkas Gusfan Halik. (iim)

Skip to content