Dosen FT Unej kembangkan metode WNN antisipasi banjir dan ketersediaan air

Jember (ANTARA) - Dosen Fakultas Teknik (FT) Universitas Jember (Unej) Dr Gusfan Halik mengembangkan metode Water Neural Network (WNN) untuk mengantisipasi banjir dan ketersediaan air.

"Salah satu cara mengantisipasi bencana banjir akibat curah hujan adalah dengan memprediksi ketersediaan air di sungai," kata Gusfan dalam keterangan tertulis yang diterima wartawan di Kabupaten Jember, Jumat.

Menurutnya, 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 hujan justru jarang hujan, sehingga terjadi bencana seperti banjir, tanah longsor dan kekeringan.

Bahkan, Badan Meteorologi dan Geofisika (BMKG) memperkirakan cuaca ekstrem melanda Pulau Jawa hingga Januari 2023, termasuk yang dirasakan saat ini ketika curah hujan tinggi membuat bencana banjir melanda banyak daerah, termasuk di 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.

"Salah satu metode yang umum adalah dengan menggunakan metode Artificial Neural Network (ANN) yang digunakan untuk memprediksi debit dan limpasan air di Daerah Aliran Sungai (DAS)," tuturnya.

Dengan mengetahui data dan kondisi debit air di DAS, lanjut dia, 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 Unej yang dipimpin oleh Gusfan Halik mulai mengembangkan metode WNN yang menggabungkan kecerdasan buatan (artificial intellegent) dengan data sirkulasi atmosfer agar prediksi ketersediaan air makin tepat.

Menurutnya, metode itu diharapkan mampu memprediksi debit dan limpasan air di DAS secara lebih presisi sehingga antisipasi bencana pun lebih baik.

"Kami mengembangkan metode WNN yang memadukan prediksi debit dan limpasan air di DAS dengan data sirkulasi atmosfir hasil pantauan satelit cuaca NOAA," katanya.

Ia menjelaskan metode WNN tersebut lebih akurat karena data berapa curah hujan yang akan turun ke bumi pun sudah diketahui sejak masih ada di atmosfir.

"Kami 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," ujarnya.

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," katanya.

Ia menjelaskan informasi ketersediaan air bisa diprediksi sejak awal maka manfaatnya akan besar sekali, sehingga bencana banjir bisa diantisipasi sejak awal.

"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," tuturnya.

Penelitian tersebut masih tahap awal dan akan terus dikembangkan agar manfaatnya bisa dirasakan masyarakat luas untuk mengantisipasi banjir dan ketersediaan air.