KRISNA, BRIAN and SETIAKI, JAGUR GANESHA (2024) PEMETAAN BAHAYA DAN PREDIKSI SAMBARAN PETIR DI KOTA SEMARANG MENGGUNAKAN METODE ANALITYCAL HIERARCHY PROCESS DAN ARTIFICIAL NEURAL NETWORK. Undergraduate thesis, UNIVERSITAS DIPONEGORO.

Text Cover .pdf Download (42kB)

Abstract

Kota Semarang memiliki letak geografis yang bersebelahan laut jawa sehingga menyebabkan besarnya proses evaporasi dalam pembentukan berbagai jenis awan yang memiliki intensitas yang besar. Intensitas awan yang besar ditambah tingkat
kelembapan udara yang tinggi, curah hujan yang tinggi, dan intensitas lama penyinaran matahari yang rendah mengakibatkan terbentuknya berbagai jenis awan yang dapat menghasilkan fenomena cuaca ekstrim. Pada tahun 2021-2023
menunjukkan terjadinya fenomena alam yang mengakibatkan perubahan cuaca yang sangat signifikan. Pada penelitian ini cuaca ekstrim yang dilakukan pemetaan bahaya dan prediksi adalah sambaran petir jenis cloud to ground. Metode digunakan adalah Analytical Hierarcy Process untuk melakukan peta bahaya dan Artificial Neural Network untuk melakukan prediksi sambaran petir. Hasil penelitian ini menunjukkan bahwa Hasil penelitian kerapatan dan bahaya sambaran petir pada tahun 2021 dan 2022 menunjukkan bahwa mayoritas wilayah Kota
Semarang memiliki kerapatan sedang dengan total luas masing-masing 126,387 Km 2 dan 253,267 Km2. Sedangkan tahun 2023 menurun drastis dengan mayoritas kerapatan petir kategori rendah dengan total luas 235,659 Km2. Hasil pemetaan bahaya sambaran petir tahun 2021 dan 2022 di Kota Semarang didominasi dengan bahaya tinggi dengan luas bahaya masing-masing 144,657 Km 2 dan 190,894 Km.Pada 2023, tingkat bahaya sambaran petir menurun drastis dengan 197,368 Km
wilayah Kota Semarang memiliki mayoritas tingkat bahaya sangat rendah. Hasil model prediksi menggunakan data training 2023 mendapatkan nilai R = 0.897 dan setelah dilakukan uji konsistensi menggunakan datatesting tahun 2021
menghasilkan nilai R 2 = 0,864 dan testing data tahun 2022 menghasilkan nilai R =0,806.2222

Actions (login required)

View Item