Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com
Diterjemahkandari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.com

Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di:https://www.researchgate.net/publication/349518796

Aplikasi GIS dan permodelan jaringan pipa untuk sistem distribusi air

Kertas Konferensi· Februari 2021

KUTIPANBACA

0 334

3 penulis, termasuk:
PDPO Peramuna Uditha Milanka Pathirana
Universitas Peradeniya Universitas Peradeniya

3PUBLIKASI0KUTIPAN2PUBLIKASI0KUTIPAN

iniPROFILiniPROFIL

Beberapa penulis publikasiini juga mengerjakan proyek terkait berikut:

PENGGUNAAN ALAT BERBASIS SISTEM INFORMASI GEOSPASIAL UNTUK REHABILITASI SISTEM DISTRIBUSI AIRLihatproyek

Pemodelan jebolnya bendunganLihat proyek

Semua konten yang mengikuti halamanini diunggah olehPDPO Peramunapada23 Februari 2021.

Pengguna telah meminta peningkatanfile yang diunduh.

 SAYA Nerad

tanggal 10-12thDesember2020
SAYA Sri Lanka
Kandi
11thInternatiHaiNAlCpadafeReNce oNSkamuSTAdi dalamAbleDibuatEnvbesieNT(SAYACSBE)2020101H -12•H December 2020 1
KANDySAYASriLankA

ProCmakanS dariSkhususSession pada Air

danSmasyarakat(WaSHai- Sebagaiia) Proyek dari11Konferensi
InternasionalepadaSkamuSdapat
dipertahankanDibuatelingkungan (ICSBe) 2020

KAndy,SriLankA

1ot11,
kamu»At12thDesemberembeh2020
WATeRAt JadiCSayaeTay (Wjadi)
 DAFTAR ISI

AIR DANSMASYARAKAT (WaSHai)SPeCIALSESSION

SAYACSBE2020-048
APPLICPADASAYAHAINHAIFGSAYASAND PIPE 1-7
NEMODEL TKERJALINGUNTUK WATER
DISTRIBUSISYSTeMPDP.HAI.Pehsayauna,
A.P.AS.M.PAthiraNA,H.K.Nandalal

SAYACSBE2020-204 8- 22
DEVELOPING ALSEBUAHDSDI
MODeLKEARGASMENSAYANSITU SENSAYATHAIRING OF
FReSHWATERLAKESSAYANASGANDA.e.KNAMAkula,
A.GpengenalkamuduR.P.D.SeMyalHai,F.M.D'ujaNga
23-30
SAYACSBE2020-206
THReeDIAKUNSSAYAPADAAL
MODeIINGHAIFFLOWSAYANASTIRREDTANKWSAYATHPSAYA
TCHeD BLADeSAYAMPeLLER
P.S.Weerasdi dalamGHe, SB.WeeRakHaipada 31-40

SAYACSBE2020-208
ASSeSSAKUNTDARILSEBUAHDUSE/
LANDCOVeR(LULC)CHSEBUAHGESANDASRBAN
TUMBUHTH DYNSAYASAYACS
ASSAYANGReMHAITeSENSSAYANGSAYANDHAKACITY, 41-46
BANGLADeSHMD.SajibHossaSayan, MafizurRAhmmsebuah

ICSBE2020-213
THREe-DIMENSIONAL MODeLLING ALIRAN DISebuah
VERTICALSLOT FSAYASHWAY 47-53
H.M.P.M.Hdiaaku hAmu,D.M. PaNanwalA, S.B.WeerakooN

SAYACSBe2020-214
TWA -
DMENSSAYAHAINALMHAIDELLINPERGIFFLOWSAYAN 54-61
RANTAMBeRESERVOIRFHAIRSeDIMeNTMANAGeMENTW
M.D.M. WaSAlA, R.M.CB. RathnsebagaiSayari, SBWeerakooN

SAYACSBe2020-216
ASSESSMENTDARI GRHAIPBBDWATER 62-70
QUALITYASSSAYANGWATeRQASALITYSAYANDeX(WQSAYA)D
AN GSAYASSAYANDHAKA CSAYATY
Mafizur RAhmmAN,RAfiNsebuah TaNziM,YaMliaSatteRSongi

SAYA CSBe2020-218 71-75

PENGENALeNTIFICPADASAYAHAINHAIFGROUNDWATPOT
ERENTIALZPADAES DARIDHAKACITY USSAYANGGSAYAS
MD.BufizurRAHbuN,SSayarnliASateRlagu,RAfiNsebuah TaNzim

SAYACSBe2020-124
DEVeLOPMeNTHAIFANADJADIRBENTMATeRIALFHAIRReMOVSAYA
NGNATURALATAUGSEBUAHSAYACMATeRIALSFRHAIMWATeR
H. K.T.M. Herath,M. K.D.D. S.MeeGoda, K.G. N. NanayakkARA
SAYACSBE2020-48

AAPLIKASI GISAND PIPeNETWPEMODELAN ORK

UNTUK AIR
DISTRIBUTSAYAHAINSYSTEM
P.DP0.PzamanmunA 1·, A.PUM. PaketigaANA1,H.K.NatAlAl 1

1FakultasTeknik,ASniayehSihJdariPeradeniya,Srilanka
"Koreskolamcee-surat: oSHini.peramuna@eng.pdn.ac.lk,TP: +94717007190

ABstract:MosTHaiFTHe cokamuNtrieskamusepipeNetwoRksTo penyediaanDe air di

gooDsebagaimenyalay,untuk meetTHeDeMAdan kecerdasanh
mnrtptABlepresskamuulangataseoplewHaile
cpadaseRayingtheagunungHaiFwATerreMAining di thePlsebuahdanmengenakanedari
tDiaMAdi dalammasalahlem darisuksesh jaringanRkSAulangTHeleakusia. HeNCe,itu
sayaSdarikamutmosTSayamportANceToeffecTSayavelymodelthesewATehDSayaSkontr
ibusiNetwHairkfoRefektive operatiHaiNAdan mAdi
dalamTenanCe.THeReburitaneR,itu sayaSPossibleTHaimenemukanout
theReHABiliTAtiHaiNsebuahdreTIDAKvaTSayaHaiNMHaiDels untukRthini
waTernetworkS.ThkamuS,padaeHaiFtheobjefektif of thepenelitianHaiSTatau
identjikayTHefailurepatternSHaiFTHePSayaPe NeTwork.

InisstudySayaSBsebagaied pada physicAl parameTersdariAPSayapeNetwork

skamuCHsebagaipipusia,PSayaPediAMeTeh,pipeMATerialsebuahd
pipeleNgtHsebuahDHaiPzamantipada
suatulpARASayaTeRSsukaewateRpulangSSuredan burSt
kembaliCHaiRhaiSTHaiRy.ThottipallamAwATer
diSsukukamutioNjaringanwHaiCHaissituated di KAndy
KotaprajaAlAReaSayaSkamuseDsebagaiStudi aremasukthSayaSResaRCHSdi dalamce
atinggiRecHaiRd dari pipebreaks adalahRePHairted dari ar inieA.
TheMeTHodologySayaSDmalamlopeDToh locaTethewaTernetworkSPatiaIIyusing
GeogrfotoSAYAnformAtionSyshal (GADALAH),
termasukSayaNGtheinfHairmATionfrHaiMTHeHy-draulic modelDmalamlHaiPeDdi
dalamWATerGEMssdaridua perangkatsebuahDTHaipredikt themenjanjikanNTpola
kegagalan uSSayaNGGSAYAS.BySayaDeNtifySayaNg the failurepipes of
thepipeNetwork,AReHABiliTAtioNmodelBisaBeformulpadaed
priHairitzingmeskipunse failuulangpipaS.
ThemodelkamuSed untuk tHe researCHCsebuahmenjadikamused di
hallAnninGAdan laki-lakiAginGTHe rehabimenyalaAtiondari tHe air diSsukuutipada
networkS.BuluTHermHaiRe,iniSMeTHHaiMengerjakanlHaigy cdiperpanjang untuk
thewATerdSayastribuTSayaHainnetwataukSdi laineRdiStriCTSdi SRsaya
LAnkAuntuk identjikayTHeReHAdualistasiun priHairity.

KeywoRDS: wAterDSayaStrSayabution NetwHaiRk, pipeleakusia, PSayapebreak

haiSTHaiRy,GIS,WaterGeMS,ArtificialNekamu- ralNetwork

1.Perkenalan
PipeNetwork plays anSayamporTsemutroledi dalamthewaTer diSupetiHaiNSystemAdan itu helPs
themenipuTinuokamuSSupplydariwaTer denganzat yang lengket dan kentaldqkamuAlity dan
skamufficient qusebuah-tity.TherefoRe,itu sayadarikamutmoSt importANceuntuk
modelthiniNetwHaiRkSdi dalamADSayaG-diaAlPldi formulir uSingGADALAHToh moNdiaatauthe
sySTem.
ItuokurreNCe frekuensient breakusiadi dalamTHejalanNetwHairk maydiSturbTHe kitaII-
seruCtioninG
Haif pipa netwHairkS,Becakamuseitu buySayaNCRease NHaiN-ulangveNkamuewA-Teh,
wokamulDCReaTedissatisfacTSayaHaiNHaiFtheuSersANDakan reDuceTHewATerqkamuAl-
Sayaty aSweII.TheDeTeRSayaHaiRAtiHaiNHaiFTHePSayaPeNetworkMAyHAhaledan jatuh
tempoTHaivarSayaHaikami reASpadaSdi berbedaenttiMes.Oleh identifydi
dalamGTHeProminentPSayaPesyangCh un-DeRpergifailuResmoReHaiFTeN,
APRSayaatauSayamodus tyldariReHAbilitAtionHaif thePSayaPeNeT-
workcanbemembentukulATeD.
FAilureHaiFTHePSayaPenetworkwouldbeduekevaRSayaHaikamuSpaRsayaeTeRSsebuahd di thdan
kembaliarCh physical
ParaMeTeRSSkamuCHsebagaipipusia,pipediameTeR,PSayaPebuTeriAl,pipeleNGdibandingkanbag
us sekaliRAtipada suatulparaMeTeRSlikewATer presskamuReAdan burStrekohaloSkery
aReTAken intatau akunT. A
ICSBE2020-48

MeTHHaiDHailogy,wHichCmenggabungkanSTHini adalah fakta-torSTatau

prediCTegagalresHaifpaku pesegmenMentSdaritheNeTbekerja untuk tHeyang akan
datangkamuARSkamuSSayasebuah ArtificiAl NeurAl Network(ANN), Sayas develHaiPeDdi
dalamini re-lautRCtanganGIS sayaSkamusedtHaitheinteRpreTAtiondaritheheSulTS.
THini resulTSMaykamusepenuh di isarangTjikaydi dalamGTDialocationHaiFTHe daerah andto
kedepanSeethgagalkamuulangSthAtmay okkamu di thePipeNetworkwHai sayaeHelpenuhdi
dalamPlAnninGdan buintAiniGPaku peneTwoRkSwiTperempuan tuaHaiodulanghabilitAtiHain
model.

2.Menyalaeraturehevi
ew
Temukan dig daritheldiazamanturesurvey on thesSayagnificANCedari thekamuSAgeHaiFcom-
PkamuteR-ASayaDeDToolS;GeogrAphiCDi
dalamformAtionSySTeMS(GSAYAS),WATeRGEMSSayaSRevSayaeweD.BuluTHeRMHaiRe,DjikaFeR
entParaMeTeRSfoRpipe faSayalureANd theperbedaaneR-eNt
failureMHaiDelJadiFairRDSayaSTRSayaButionneTbekerjaAhallied ke sebuahAlya thepa- raMeTersdi
prediktinGProBAbleFuturepipeacciDenTSSayaSprasenteDAlHaingdengan tHefiNdiNgspada
thekamubijak ojauhTjikaSayacial NeurAl NetworkS(ANN).

2.1ASSe dari GeHaigraphic MenginformasikanAtionSysTem dan HydrAmod

modellingapplAtion
GeograpHaiCSAYAnformAtiHaiNSySTeMS,BydiaSDeFiniTSayaHaiN,SayaSrekanMmeletakkaneR-
BasedtHaiHailTHaTANAlyzeS,STHaiulangS,manipulATessebuahDaySayaSkamuAlizesgeograpHicm
enginformasikanSayaHaiN,kamuSkamuAIIySayaNAMAP. Itu sebuahAlyaTHespalokasi awal
anMengerjakanRGanizeSlIyaRSHaif di-foRMAtipadaintHaiaySayaSkamuAlizaTioNSkamuSdi
dalamGMapSDan3DSceNes.KefitkeluartheBe-Hrata-rataiokamur darithewater
diStriBkamuTSayaHainnetworkakordingTHaithediffeRebukan halaraM-eTeRs and ke
identifydiassPecfikgeHaiGRAPHicAlFeatuReS,itu sayaSNecessarykemodeljaringan
aCCkamukecepatanlyASpossSayaBle (TabeH, et al.,2010).

WATeRsysTeM-BsebagaiedGSAYASmodelSHavetelah
diperkenalkankamuceDuntukSSayaMulAtiHaiNdan mANusiaMent dari wpadaeRSysTeMSByMARzok
eTAl.(2014)dan VASayaravaMdasar-thyeTAl.(2007).Di TABesHet al.(2010),sebuah integrpadaed
GISdan HydrauliCmodel HaSBeeNkamused wHicHbersamambineSPAtiAldatawdiahhydraulicdan
qkamualiTy parASayaTeRSdari thejaringanAtemukan ituSayaSHaiBServed
thAtahallicatiHaiTIDAKFTHaiSGSAYAS-BAsedtHaiol leiklanSToaBelebih baik di
bawahSTsebuahkeriuhanGdaritheProbleMSdari waTeRNetworksatimprovisasiestheproCess dari
deciSSayapada-makdi dalamGoleh theResPectiayeauthoritiesdi
dalamapSayaPeReHAbildiaAtipadasebuahdrePlAceMent progrAM.

2.2 SSayaGbagusANcedari berbedaebukan halaraMeTeRSthAt affect pipe

failure
THeReaReMANyReasHaiNSfoRTHePSayapeBulangakSthATarecATepergirizeDintHaithreemASa
yaNkepics sebagai halHySSayacal, eNaySayaronmeNtal Adan opzamanTSayaHaiNAl
ulangsebagaipadasasshownin Table 1ACkorkeriuhanGTHaiASNAASHARSayaeTAl.(2009)dan
MARzoke(2014).

TABle1: PArameTeRSuntukTHepipebreakagesSayaN perbedaanRentCATepergirieS

PhSical eNaySayaRonment HAIzamanTioakhir

2
ICSBE2020-48
PSayaPe MATeriAl PipeBeddinG InternAl waTeR

TreNCHisi ulang
Jadiile
GbulatwaTeh
CliMATe SdrekRATe
PSayaelHaiCAtiHaiN Ractise
MelaluiSTRestrAdi DiSturbANce MainteNANCe
dalamS
PiPeliniG StrayeleCtrik
DanCHaiAtimahG CkamuRulan
DissimarMeTAlS SeSayaSmiCactiayitueS

3
SAYACSBE2020-48

ACbersamarddi dalamGTHaiLe GaT&eSayaSeNBeSayaS(2000)masing-

masingHwATehNetwoRkHsebagai specific
feAtureSmemengaruhiSayaNGTHATPARTikulARNeTworkpipe faSayalureAtA
"uniayeRsal"MHaiDelMya lihatMunlSayakely THaimantanSayaST.ThSayaSSayaSbulutheRproayed
mondar-mandirMReSultSHaiB- TAdi dalameDdi dalamTIDAKRwAyuntuktheCdiaydari
TrondHeakuakordinGTHaiR6STum(2000).SAYANiniSReSeaRCH,PSayapeage,diAMeTeR, wAakan
thikkness,pipeMATeRSayaAlANDPSayaPe
breAkHaiSTHairyadalahSayaDeNtifSayaeDTobeMHaiReSSayagnSayafiCsebuahT
foRTHePSayaPefaSayalureS.

2.3 Kegagalan yang berbedaemodelSkamuSedTo analyzetHe air diSsukukamutionbersih-

work
TABeSHeTAl. (2009)kamuSedtwomodelSbaSeDHaiNTHeDaTA-DriveNMHaiDelling naMed
ARtifSayaCSayaAlNekamuralNeTwHaiRkSAtNekamuro-
fugilaSysTeMSAlHaiNgwdiaHMulTSayaayAriATeRmisalnyaRessSayapada
persamaankamuATSayaHaiNSTHaiPulangdikTmorePresiSely the
failuredaripiPeSsebuahDbersamaNcludeDTtopitheNeuralneTwHairk okamuTcomesAReMHaiRe
acCkamuraTesebuahDgooDAlTernAtive TokpadaveNTSayaHaiNAl
STATSayaStiCAlDeteRSayaoraTSayaHaiN modelS.

2.4 USeHaif BuatanAlNeuralJaringan(ANN) untuk tHmodus elliNGHaiFituwa- ter diSjaringan

distribusiRk
ArtificiAlNeurAl NetwHairk(ANN)SayaSANeTkerja of interconneCTedProcessdi dalamGuniTSdi
dalamSPSayaRed ByTHenekamuronSdi tDiaBRAdi dalamHairbyDesiripSayatipada
NeuralNeTwataukSadalahAdaPTSayaaye,ADayANCeDpatternRecHaiGNSayaTSayaHaiNAlpergiReng
anMSCAPAbleoFeXtracTdi
dalamGCHaiMPlmantan,NHainlinearRelAtionSHSayaPSAmoNGAlARgenumBeRHaiFinpkamuTdan
THeHaiutmeletakkanayARSayaAbleS (ACdia,2007). SAYAn PuuSTet al.(2010)kamuseHaif
ANNHASBeeNSkamuggeSTeDsebagaithemoSTjanjiSSayaNGTeChniQueSSayaNHaiN-
linemoDelSTHaiestimATefaSayalure PAtternS.

3
SayaThodolHaigy
Di iniSRiniarCH, An masukTmisATeDGSAYAS
aNDHyDRAkamulicMHaiDelmanteleTHewiTHsebuah arTficiAlNekamuralNeTwoRkACting
asaDeciSSayapadaSkamupporTSySTeMARekamuSeDke
findTHeeffdllSayavefailureModelfoRAPARtiCkamular wATeRDSayaStrSayabutiHaiN
sySTeMkamuSdi dalamGtheabove-STATeDPAraMeTeRSsebagaiDepicteDSayaNFSayaGure
1.

1>,11,1~11 aku~,~,,HaiN \1,Xaku<'l IIll .\

II,!.-,'°'''1'1111."lll
--
•
JInggrisTl.~T~, ~ta,,N
Nlp<.,u,1,-

l>.l.111 \.4.'JIC(.\
N..kamu
&Saya'D
T,11111 MunH.
•
SAYA>-:-,, lHaiP,, ~ol,,1,00

•,~•SAYA .SSayaR:,N~T,,'\\fk. 'FRom

..;T."'HtJH ,l(Jlt~ M(><."<'\!J"•aku'lM:
JJ11nw1cr, ...lNH'TTN:UH:'n ~)'\-H!1N ,C,T1,1 ~
R•SAYA"'
lhh.l..nC- ..,)
R,w,,,.1,
•
HNR,"N ,!.>," 10
W.saya>1e:,~,,JA
 -
SkamummARyHaikakiHeMeTHodolHaigy
(
,
e

_ 3
.
,
,
.
~
o
,
l

I
I
.
)
1
1
1
\
'
,
;
S

F
S
a
y
a
G
u
r
e

1
 8

3.1Studdaerah y
THewaTeRdiSupetiHainneTwHairkthATSayaSkamuSeDsebagaikasus stuDydi
theResaRCHSayasaniJadilATeDMediumSSayazeNeduarkwithareServoir knHaiwn
aSRoSNeAthRiniR-voiRdan waTehtreatmentPlAnt.THepiPeNetworkSke atasPlieSwATertoan
areACAIIed ThHaittipallaMAsebagaiSHHaiwnSayaNFSayaGure2.Di dalamKandyMuniciPAl ARea.

FSayagambar 2-
0
Studya • • ulang A

3.2MHaiDellinGHaikakiHeNetworkSayaNtegratingthdan untukMeter
FiGure3DePicTSthepipeneduark mHaiDeIIeduSdi dalamGtheGSAYAS di theARcGSAYAS
10.6ayeRSSayapada.THelocaTSayapadadarieachnHaiDeHaif
thepipeNetwHairkduluMeasureDDuriNGtheSdiaeaySayaSdiaS kamuSdi dalamGtheCTDroSayaD
MHaibileapplicatioN. THeelevatiHaiNdarithepipeNetwHaiRkadalah untukkamutkamuSdi
dalamGtheDiGdiaAleleayATSayaHain MHaiDel sebuahDwaTeRpRessure adalah obTAdi dalameD
BtahununninGtheMHaideldalam wATerGEMS.TheDATAdi theARCGSAYASmoDelwaSkamuseDke
dmalamlHaiptHeMsyair pujianlSayan WATeRGEMSkamuSdi
dalamGtheMHaiDelMembangunertHaiol.

.: .... ·. '

l ·.
SAYA
. .· ..· .

·.
.....<.. .,.·
..
000501
•
020)

Ha
i,
•w.-:=w=-..-.---=:===---IVCtr"
FSayaguRdan 3 -PipelineMHaiDeIIeDSayaN GSAYAS

AIITHeotheRRekoRDJadiFPSayaPmise,pipeDSayaAMeTeR,Paku pewaIIthpenyakit
aNdbRekHadalahTatau kamiReTAkedan frHaim theMuniciPAlBersamakamuNcilRecorDsatAll
theDATa assembleDsebagai halReSenteddi dalamTable 2THaitrAdi theNekamuRAlNeduaRk.

Table2-DATAkamuseDTHaitrAdi theNekamural NetwoRk

~·
AS111nltidak akanT,SAYA tJut~,Rtu{H

,y.,,, /Caku< Jiii\1;11'1'1111mt•

'" ~, '"""';Q,., ljangan"F:11 T,.,,,.,.." P•

4
ICSBE2020-48
\'H l00 sayaJSAYA

"
·~
0
SAYA )

,•kamu .,
9g,;HaiG ~
!TT 0 000
l~ 1'51SAYAD ,JC·0 0
· . Hai N
10, ~3!l.)Saya
10• ., , . , ,. HAI}!SAYA 0

00Hai
(J0SAYASAYA

SAYAtl
ASM;HaiSayaADALAH HSAYA ~9000kamu
SAYAQ; Jadi•. 15HAI,AS 0NHainn "
.,, .
.,,, ,, .. N ,,
11!6 '>II~Saya,111 l1l00(SAYAkamu0
ln7 "S 0 NN
A
Y
A
MkamuN
""' ,,
',(!& Saya'tl \'kamu
10-)',Og,;J')1)}~0 00 0 "

5
ICSBE2020-48

3.3DeePBiayaDforwardBarural Network
feedforwardneuradieTwoRkiSABSayaHailogcaIIy di dalamSpiulangd klpantatjikaSayacatioNAlGHai-
RdiaHMwHaiChhsebagaia (possiblylbiaya)mati rasaer dari sederhanaleNeuron-sukaeprocessdi
dalamGsatuanS,HaimengaturDdi lIyaRS.TanggalAmemasukiSATthemasukanTSdan
passeSTjamouGhtHeNetwork,lAkamuRolehlIyaRsampai tibaves at thekeluaranTS.SAYAdan
iniSStudy,theReardan 5inpkamutpArameTeRS,twHaihiddeNlayersdi dalamwHicHTHefirsTlAyer
containS12anggukanesDanthe sekondisilAkamu bersamantAdi dalams 8NHaiDes,2output
parsayaeteRSANDfigure4SBagaimanaSTHesbenarCturedari
deepFeedforwardNeuralbersihwoRkkamused di theRe-lautRCH.THebaCk-propagationmetHaid
waSkamuSmasukTHeNeural jaringanDanDATrekanIIecTed frHaiM2014 tHai
2018wsebagaikamuSedTo melatih model.Model wASTeSTed untuk 2019DandulukamuSed
tHaipraDSayaCTtheReskamulTSfoR2020.

l
PiPeAGe {

PSayaPeDSaya PradikTio
ameTeRPSayaP N
ethlD,HaieSS •BulangAkag
PSayaPelindH e
PresSkamuRe •TIDAKnbreakage
Sdrmakan diaTory

II..Jl111 lt1 t1 SAYA 11.&k, Di dalamN:

FSayaGure 4-Struktur oFdeep feedfoRwArd nekamural

neTwork

4Resultsadan Dadalah
Ckamussion
THeReskamulTSdiperoleh dari neuraljaringanHairk,AMAPduluDmalamloped masukGAdalah
untukactuAlAtpredikteDfaSayalureSdari pipaS.TheACtualbreakJadif thepipdan tidakT-pekerjaan
ituHaiBTAdi dalameDfrHaim pipeBReak haiStorywHaiCHSayaSDedigambarkan dalam Fiangka
5yanglethepredikted reSkamulTSthpada kamiReHaibtAdi
dalameDfrHaimtHetraSayaNedneurAljaringanfortHe tahun2019SayaSSHHaimasukFSayaGure6.

1• ••• kaki.
• ••
•
'• • •
•
•
\ -... ...~~
·. •R
·.·. "" '. ~ ..
• • •

.,~
'II

LegeND
•
,.
••
•
•.
•• •• . ,•
+,><;t\1Al.BR4A.J
l)Qtl'>\SAYA
. . •.• .... •
1··

1
ooHai~ o,0203 o.Saya
FSayaGure 5 - halmerahSayaCTeDfailureSkamuSdi
dalamGAN untuk tahun 2019

5
SAYACSBe2020-48

Legend

• poin
Alsebuah
1 lurc_p1ed1cteD

--p~_l_Saya_

•-- = 11- - ==-- - -=== = ==-- --KilomeTers

0 0 .05 0 .1 0 .2 0 .3 0.4

FSayaGkamuRe6 - ActuAl breaksdi dalam2019

Dalam sebuah preDictionmHaiDelHaiFSEBUAHN,theReaRe16breAkusiaSdan 152NHain-break-

Ages.SAYAn the actuAlrebersamaRDJadif 2019,theReARe9breakusiaAdan 159Npada-BReak-
usiawHaiCHSayaSSHmemilikiSayaNFSayaGure 6.Di dalamSummary,8pipe
segMentawhikHARepreDSayaCTeDuntuk beBReakARekawaneniN2019whileotHer
8prediCtiHaiNSaredi dalamCHaiR-rekT. Dan 1acTkamuAlBReAk thAthAPPeNeDdalam
2019wASNHaitpRedikedByTdia failkamuRe model. TheReuntuke,theACcuracyHaif
theNeurAlNetwHairkbisa jadieHaibtAdi dalameDdari EquAtion 1.

Rekuracydari theMHaiDeaku=NumbeRdari tHaiTAldaTA- BilBeroFekesalahanS

(Eqn 1)
Number dari dATA
=168-9X100%=94.64 %
168
ACCurAcyHaif thepRedikteHaiNS= 94.64%

IniSPArticulArneuralNetwHaiRkCsebuah beMHaiDel SayateratiayelywdiahdATAfrHaim

2014ke2019DAtauntuk prediCttHe faSayalkamuulangSpada tahun 2020sebagaiweII.

5KesimpulanSionS
MANyRinibusurh bekerjaSarebaSedHain
fiNkeriuhanGdiffeRentfailuremoDelSforwATerdSayaSupetipadaNetworkSwHaiChhrata-rataeReal-
Time deTeCTSayaHaiN caPAbilitidia adalahNd
untuklargESCAleProJecTS.BAseDHaiNTHeReaySayaewHaif thekerjakbersamampleTed dan pre-
Senteddi theRiniARCH,thefoIIHaiwing madi dalamConcluSSayaHaiNSAdan rebersamammeNda-
tiHaiNsaReMADe.
TheDeepFeed-untukward neural NetworkDmalamlopeDdi
tHeResaRCHcanbekamuseDASiklaneciSSayaHaiNSuppHairtsysTemtHaipredict pipefailuredi
dalamsebuahywATeRdiSTRSayaBkamutionsysTeM.DiaSHutangDANmnrtkamurasyHaiF95%Adan
tHaiSayamproayeTHeacCkamuracydari theNekamural
NeTwoRkfuRthermbijih,MsetiapPAraMeTeRsskamuCHASgrodanCHaitSayatiHaiNS Atwater
qkamuAlSayaTyCANBeSayaNCHairporATeD.
FurthermHaiRe,THaiHailSsukaeARCGISAdan WATeRGEMSARmalamRyDialPpenuh
tHaiHailSTHaiBekamuSed untukTDia
ReHABiliTAtiHainmHaidelSAStheReAReMHaiRe caPABledi
pembaruanAtimahGtheMHaiDelpadaRmisalnyakamulArbsebagaiSayaS.MHaiReoveR,By
compArinGDATsebuah untukrtwoormHaiRe coNdetikkamuTSayalima tahun,itu sayaSPas-
sibleTHaifiGureHaiut thepiPesTHaiBeRePlacedrAthertHAnbedi dalamGRePAireD.THaiawSayaII
malamntuAIIyleaD kebuilkeriuhanGANefektiayeReHAdualdiaAtiHaiNMHaideluntuk
thepipeNeduarksavSayaNG theTSayaMeaNDeFbentengHaiFTHeofficeRsatwHairkeRS.
6
ICSBE2020-48

RefeReNceS
AcHSayaM, D., GHHaiTB,F.aNd McManus, K.J. (2007) 'PReDicTioNdariwATehPipe
asseTljikaekamuSingNeurAl NeTbekerjaS',JHaikamurnaldariDi dalamfraSbenarCture
SySTeMS,13(1), hal. 26-30.DHaiSaya:
10.1061/(SEBAGAICE)1076-0342(2007)13:1(26)
ASNaasHARSaya,A.,MCBesebuahe.SEBAGAIHAhrokamuRSAYA.ANd GHArabAGhai B.(2009)'Pre-
DSayaCtipadadari wATermAdi dalamfailfrequeNCSayaeSkamuSdi
dalamGMultipleAtPHaiSayaSJadinomisalnyaResSSayaHaiN',WatehScieNceAdan TeChnHailoGy:
WpadaeRSupply,9(1),hal. 9-19.
LeGat, Y .ANdESayaSenbeSayaS,P. (2000)'ASSSayaNGpemeliharaaneNANCehecorDSkeforecaSt
failuresdi dalamwATeRNeTwatauk',Wat perkotaaneR,2(3),hal.173-181.
Merusakzoke, M.,Hamid,S.A.ANDeaku-sapengenal, M.
(2014)'AMethodHailogyuntukpriataudiaizSayangwateR
MASayaNSulangHabilitAtion iNEgiPT', HHaikamuSSayang aNDBuilDdi dalamg NaTional Resear
Centeh. HouSdi dalamGANd BuilkeriuhanG NAtiHaiNAl RelautRCHCeNTeR. doi:
10.1016/J.HBrcJ.2014.03.002.
PuuST,R.,KAPelAN, Z.,Saayic,D.dan Koppesaya,T.(2010).ARevSayaewHaiFMeTH-HaiDs
untukrlEakageManaGeMentdi dalampiPeNetworkS. Urban WATeRJHaiurnasaya,7(1),hal.25-45.
R6StuM,J., (2000). StAtiSticalModeIIdi dalamGdari halSayape failuresSayaNwpadaerneTworkS
(P.104). PhD
THesSayaSdari NorwegSayaAN ASniveRSdiaydariScSayaeNcedan TecHTIDAKldany(NTNU),
TrotHeaku,Norway
TabesH,M.,DelAayAR, M. R.atDelkHah, A.(2010)'ASSeof
GeogRapHaiCSayanfHairmATSayaHaiNsySteM•
baseDTooluntuk kembaliNHaivatioNdan reHabilSayaTpadaSayapada dariwaTer
distributionsysTeMS',Di dalamTernatiHaiakhir
JHaiguciHaiFeNayirpadaMeNTAl SCSayaeNCe sebuahDTeChnHaildany,7(1),hal. 47-58.
TabesH,M.; ASiklanSayayaini kamuktseorang A.H.;BurrHaiwsR.,(2009). Sebuah
intmisalnyaRATedMHaiDelTo
evaluatelHaisseSSayaNwATerdSayaStrSayaTetapiSayapadabersihworkS. J. WATer Re-JadiurCe
MANusiaMenT, 23 (3), 477-492
(16 halages).
VAiravatambatanHy,K.;Yan, J.;Galgale, HM;GatauANTiwAR, S.D., (2007). IRA-WDS: AGSAYAS•
Based risikoANAlysSayaSTooluntuk waTer diSTributionsyS- TernS.eNaySayaron. Model
SHaiFTwaRe.,22(7),951-965
7
 MITRA LAIN

UTAMASPONSOR

~1/NSEE SAYA novA MELWA Con, tRuctlonEnQlnoorino &. CAPITOL

n.vrnrrAf\S

MITRA LAIN

S C H
~.. .-. ,.,U,
LIKlT
~

Dicetak oleh:_
 Sa11D1111iMatieTPrakueRS(PayT.)LTD., PeradeNSayaya.081-2387777
Lihat publikasi statistik