Penambahbaikan Kaedah Peramalan Purata Setempat bagi Peramalan Data Siri Masa Aras Sungai di Kawasan Banjir
Abstract
Aras air yang agak tinggi, tidak menentu dan melebihi tebing sungai adalah penyebab kepada bencana banjir. Ini memberi kesan kepada berlakunya banjir di kawasan pinggir sungai akibat daripada paras air yang tidak menentu. Kajian ini menggunakan data siri masa di Sungai Dungun, Terengganu bermula daripada April 2009 hingga Mei 2010 melibatkan bacaan paras air yang melebihi paras bahaya. Tujuan kajian ini adalah untuk mengesan kehadiran telatah kalut dan dan seterusnya membuat peramalan aras air sungai di Sungai Dungun. Pengesanan kehadiran telatah kalut adalah dengan menggunakan kaedah plot ruang fasa dan kaedah Cao. Manakala, peramalan aras air dilakukan menggunakan kaedah penambahbaikan kaedah peramalan purata setempat (penambahbaikan KPPS). Hasil kajian menunjukkan telatah kalut hadir dengan menggunakan kaedah plot ruang fasa dan kaedah Cao. Hasil peramalan menunjukkan bahawa kaedah penambahbaikan ini dapat memberikan hasil peramalan yang cemerlang dengan nilai pekali korelasi melebihi 0.999000. Perbandingan hasil peramalan turut dilaksanakan dengan menggunakan kaedah peramalan purata setempat (KPPS) pada data yang sama. Hasil perbandingan ketepatan peramalan menunjukkan bahawa kaedah penambahbaikan KPPS adalah lebih tepat berbanding peramalan menggunakan kaedah KPPS dengan peningkatan ketepatan hasil peramalan sebanyak 1.77%. Oleh itu, kaedah penambahbaikan KPPS ini adalah sesuai dan dicadangkan untuk digunakan dalam meramal data siri masa aras air sungai di kawasan banjir dan seterusnya memberi manfaat kepada pihak berkuasa tempatan yang bertanggungjawab bagi memberikan amaran awal bencana banjir di kawasan terlibat.
References
[2] N. E. Alias, H. Mohamad, W. Y. Chin, and Z. Yusop, “Rainfall Analysis of the Kelantan Big Yellow Flood 2014,” J. Teknol., vol. 78, no. 9–4, pp. 83–90, 2016.
[3] H. A. Rahman, “Suatu Tinjauan Terhadap Permasalahan Banjir Kilat di Lembah Klang,” in Persidangan Geografi 2007, 2007, pp. 1–15.
[4] B. Yatim, M. Abdullah, and S. Surif, “Banjir: Bencana alam,” in Baharudin Yatim et al. (eds) Banjir besar Johor, Universiti Kebangsaan Malaysia, Selangor., 2012, pp. 13–18.
[5] A. W. H. Soeharn, M. Farid, D. S. Abidah, T. R. Maitsa, Setianingsih, and N. Majidah, “Effect of Extreme Rain and Land Covering Change in Jatihandap on 20 March 2018 Flash Flood,” MATEC Web Conf., vol. 270, p. 04003, 2019.
[6] Agensi Pengurusan Bencana Negara, “Portal Bencana,” Laman Web, 2018. .
[7] R. Acharya, J. Pal, D. Das, and S. Chaudhuri, “Long‐Range Forecast of Indian Summer Monsoon Rainfall Using an Artificial Neural Network Model,” Meteorol. Appl., vol. 26, no. 3, p. met.1766, Mar. 2019.
[8] P. K. Srivastava, T. Islam, S. K. Singh, G. P. Petropoulos, M. Gupta, and Q. Dai, “Forecasting Arabian Sea Level Rise using Exponential Smoothing State Space Models and ARIMA from TOPEX and Jason satellite Radar Altimeter Data,” Meteorol. Appl., vol. 23, no. 4, pp. 633–639, Oct. 2016.
[9] N. H. Adenan and M. S. M. Noorani, “Peramalan Data Siri Masa Aliran sungai di Dataran Banjir dengan Menggunakan Pendekatan Kalut,” Sains Malaysiana, vol. 44, no. 3, pp. 463–471, 2015.
[10] A. Albostan and B. Önöz, “Implementation of Chaotic Analysis on River Discharge Time Series,” Energy Power Eng., vol. 7, pp. 81–92, 2015.
[11] A. Mashuri, N. H. Adenan, and N. Z. A. Hamid, “Determining the Chaotic Dynamics of Hydrological Data in Flood-prone Area,” Civ. Eng. Archit., vol. 7, no. 6, pp. 71–76, Dec. 2019.
[12] H. D. I. Abarbanel, Analysis of observed chaotic data. New York: Springer New York, 1996.
[13] J. C. Sprott, Chaos and Time-series Analysis. Oxford University Press, 2003.
[14] A. B. Ruslan and N. Z. A. Hamid, “Application of Improved Chaotic Method in Determining Number of k-Nearest Neighbor for CO Data Series,” Int. J. Eng. Adv. Technol., vol. 8, no. 6S3, pp. 10–14, Sep. 2019.
[15] N. Z. A. Hamid and M. S. M. Noorani, “Suatu Kajian Perintis menggunakan Pendekatan Kalut bagi Pengesanan Sifat dan Peramalan Siri Masa Kepekatan PM10,” Sains Malaysiana, vol. 43, no. 3, pp. 475–481, Mar. 2014.
[16] W. N. A. W. M. Zaim, N. Z. A. Hamid, and M. S. M. Noorani, “Peramalan Bahan Pencemar Ozon (O3) di Universiti Pendidikan Sultan Idris, Tanjung Malim Perak, Malaysia Mengikut Monsun dengan Menggunakan Pendekatan Kalut,” Sains Malaysiana, vol. 46, no. 12, pp. 2523–2528, 2018.
[17] S. Grimaldi, “Linear Parametric Models Applied to Daily Hydrological Series,” J. Hydrol. Eng., vol. 9, no. 5, pp. 383–391, Sep. 2004.
[18] M. Makhtar et al., “The Application of Apriori Algorithm in Predicting Flood Areas,” Int. J. Adv. Sci. Eng. Inf. Technol., vol. 7, no. 3, 2017.
[19] Jabatan Pengairan dan Saliran, “Pembekalan Data Hidrologi,” Jabatan Pengurusan Sumber Air dan Hidrologi, 2019. [Online]. Available: http://h2o.water.gov.my/v2/index.cfm?linkKu=fail/sdata.cfm&menu=2&bahasa=. [Accessed: 25-Mar-2020].
[20] L. Cao, “Practical Method for Determining the Minimum Embedding Dimension of a Scalar time series,” Phys. D Nonlinear Phenom., vol. 110, no. 1–2, pp. 43–50, Dec. 1997.
[21] F. Takens, Detecting strange attractor in turbulence, vol. 898. New York: Springer-Verlag, 1981.
[22] B. Sivakumar, “A Phase-Space Reconstruction Approach to Prediction of Suspended Sediment Concentration in Rivers,” J. Hydrol., vol. 258, no. 1–4, pp. 149–162, Feb. 2002.
[23] N. Z. A. Hamid, “Application of Chaotic Approach in Forecasting Highland’s Temperature Time Series,” in IOP Conference Series: Earth and Environmental Science, 2018, vol. 169, no. 1, p. 012107.
[24] N. H. Adenan, N. Z. A. Hamid, Z. Mohamed, and M. S. M. Noorani, “A pilot study of river flow prediction in urban area based on phase space reconstruction,” in The 24th National Symposium on Mathematical Sciences (SKSM24), 2017, vol. 1870, p. 040011.
