4.36.45.meri.gustian

Jurnal Teknik Sipil ISSN 2302-0253

Pascasarjana Universitas Syiah Kuala 10 Pages pp. 36- 45

Volume 3, No. 1, Februari 2014 - 36

OPTIMASI PARAMETER MODEL DR.MOCK

UNTUK PENGELOLAAN DAERAH ALIRAN SUNGAI

Meri Gustian1, Azmeri

2, Alfiansyah Yulianur

2

1) Magister TeknikSipil ProgramPascasarjana Universitas Syiah Kuala Banda Aceh

2)Fakultas Teknik Universitas Syiah Kuala

Abstract:Planning and management of water resources are often having problemssuch as lack of

required data like a stream flow. A model that follows the principle of water balance introduced the

method of calculatingthe stream flow using the data of rainfall, potential evapotranspiration, and

hydrological characteristics of watershed. This model known as Dr. Mock model ands pecifically used

for rivers in Indonesia. Model assign specific valuesfor parameters related to hydrological

characteristics of watershed, however, this affects of error between the modeling results and

observations. This research aims to obtain the optimal values of model parameters so that the value of

error can be minimized. To achieving that goal, performed optimization of Dr. Mock model parameters

related to hydrological characteristics of water shed by using solver in MicrosoftExcel 2010

spreadsheet. This research resulted the optimal values of Dr. Mock parameters model as follows, them

factor ranges from30,00% -33,76%, SMC value 400mm, Pfvalue 0,10, RC value 0,60 - 0,68, and

Ifvalue 0,50 - 0,70.The error value in the optimal conditionis 0,288 with aR2 0,60. Related to value of

m factor, granted astrategy to watershed management in active and preventive action plan for

watershed studied.

Keywords : streamflow, parameters of Dr. Mock model, optimization, watershed management

Abstrak: Perencanaan dan pengelolaan sumberdaya air sering mengalami kendala berupa terbatasnya

data-data yang dibutuhkan seperti data debit di sungai. Sebuah model yang mengikuti prinsip neraca air

memperkenalkan metode penghitungan debit di sungai dengan menggunakan data curah hujan,

evapotranspirasi potensial, dan karakteristik hidrologi daerah aliran sungai (DAS). Model ini dikenal

sebagai model Dr. Mock dan khusus digunakan untuk sungai-sungai yang ada di Indonesia. Model ini

menetapkan nilai tertentu untuk parameter yang berhubungan dengan karakteristik hidrologi DAS,

namun hal ini berdampak pada terjadinya error antara debit sungai hasil pemodelan dan observasi.

Penelitian ini bertujuan untuk mendapatkan nilai parameter model yang optimal sehingga besarnya

error dapat diminimalkan. Untuk pencapaian tujuan tersebut maka dilakukan optimasi terhadap

parameter model Dr. Mock yang berhubungan dengan karakteristik hidrologi DAS dengan

menggunakan fasilitas solver pada Microsoft Excel2010spreadsheet. Melalui penelitian ini diperoleh

nilai optimal parameter model Dr. Mock yaitu faktor mberkisar 30,00% - 33,76%, nilai SMC sebesar

400 mm, nilai PF sebesar 0,10, nilai RC sebesar 0,60 - 0,68, serta nilai IF sebesar 0,50 - 0,70. Besarnya

error pada kondisi optimal ini adalah 0,288 dengan R2 sebesar 0,60. Melihat nilai faktor m yang relatif

besar, maka diberikan suatu strategi untuk pengelolaan DAS dalam bentuk rencana aksi yang aktif dan

preventif untuk DAS yang ditinjau.

Kata kunci : debit sungai, parameter model Dr. Mock, optimasi, pengelolaan DAS

PENDAHULUAN

Perencanaan dan pengelolaan sumberdaya

air sering mengalami kendala berupa terbatasnya

data-data yang dibutuhkan seperti data debit di

sungai. Model Dr. Mock merupakan model

simulasi yang relatif sederhana dan cukup baik

dalam memprediksi besarnya debit sungai dengan

interval waktu bulanan. Model ini menetapkan

nilai-nilai tertentu untuk parameter yang

berhubungan dengan karakteristik hidrologi DAS,

Jurnal Teknik Sipil

Pascasarjana Universitas Syiah Kuala

37 - Volume 3, No. 1, Februari 2014

namun hal ini berdampak pada sering terjadinya

error antara debit sungai hasil pemodelan dan

observasi.

Tujuan penelitian ini adalah melakukan

optimasi terhadap parameter model Dr. Mock yang

berhubungan dengan karakteristik hidrologi DAS

untuk mendapatkan nilai parameter model yang

optimal sehingga besarnya erroryang terjadi dapat

diminimalkan. Berdasarkan hasil optimasi, disusun

suatu rencana pengelolaan DAS untuk DAS yang

ditinjau.

Penelitian dilakukan di DAS Krueng

Keumireu yang terletak di Kabupaten Aceh Besar.

Lingkup dan data-data yang digunakan pada

penelitian ini terbatas pada DAS Krueng Keumireu

sehingga hasil penelitian ini tidak dapat digunakan

pada DAS yang lain.

KAJIAN KEPUSTAKAAN

Evapotranspirasi Potensial

Besarnya evapotranspirasi potensial (ET0)

yang terjadi dipengaruhi oleh faktor-faktor

meteorologi yaitu temperatur udara, kelembapan

udara, kecepatan angin, dan penyinaran matahari.

Salah satu metode yang digunakan untuk

menghitung besaran ET0 adalah metode Modifikasi

Penman (FAO) yang dirumuskan sebagai

berikut(Sudjarwadi, 1979 : 22):

ET0 = c (W.Rn + (1 - W) f(u) (ea – ed)) ........ (1)

ET0 : evapotranspirasi potensial (mm/hari)

c : faktor penyesuaian

W : faktor temperatur dan ketinggian

Rn : radiasi netto (mm/hari)

f(u) : faktor kecepatan angin

ea : tekanan uap udara (mbar)

ed : tekanan uap jenuh (mbar)

Hujan Areal Metode Thiessen (Soemarto, 1995 : 10):

merupakan salah satu cara untuk menghitung

besarnya curah hujan areal, yaitu:

d = 𝐴𝑖𝑑𝑖𝑛𝑖=1

𝐴𝑖𝑛𝑖=1

...................................................... (2)

d : tinggi curah hujan rata-rata areal (mm)

Ai : luas daerah pengaruh pos hujan 1, 2,3,...

n (km2)

di : tinggi curah hujan di pos hujan 1, 2, 3,...

n (mm)

Model Dr. Mock Pada tahun 1973, Dr. F.J. Mock

memperkenalkan metode penghitungan aliran

sungai dengan menggunakan data curah hujan,

evapotranspirasi potensial, dan karakteristik

hidrologi DAS untuk memprediksi besar debit

sungai dengan interval waktu bulanan. Cara ini

dikenal dengan nama model Dr. Mock. Langkah-

langkah penghitungan aliran sungai metode Dr.

Mock (Direktorat Jenderal Pengairan, 1985 : 79)

adalah sebagai berikut:

a. Evapotranspirasi aktual (E)

ΔE = ET0

𝑚

20 (18 - n) ...................................(3)

E = ET0 - ΔE ............................................(4)

ΔE : selisih antara evapotranspirasi

potensial dan aktual (mm)

ET0 : evapotranspirasi potensial (mm)

m : proporsi permukaan lahan yang

tidak tertutup olehvegetasi (%)

n : jumlah hari hujan

b. Penyimpanan kelembapan tanah (SMS)

Jurnal Teknik Sipil



SMS = ISM + R – E ................................... (5)

ISM : kelembapan tanah awal (mm)

R : curah hujan areal (mm)

E : evapotranspirasi aktual (mm)

c. Kelebihan air (WS)

WS = ISM + R – E – SMC ........................ (6)

SMC : kapasitaskelembapan tanah (mm)

d. Infiltrasi (INFIL)

INFIL = WS × IF ....................................... (7)

IF : faktor infiltrasi

e. Penyimpanan air tanah pada akhir bulan

(G.STORt)

G.STORt =G.STOR(t-1)× RC + 1+𝑅𝐶

2 ×

INFIL ........................................ (8)

G.STOR(t-1): penyimpanan air tanah pada

awal bulan (mm)

RC : konstanta resesi limpasan

f. Limpasan dasar (QBASE)

QBASE = INFIL - G.STORt +G.STOR(t-1)(9)

g. Limpasan permukaan (QDIRECT)

QDIRECT= WS × (1 - IF) ........................... (10)

h. Limpasan hujan (QSTORM)

QSTORM= R × PF ....................................... (11)

PF :faktor persentase

i. Total limpasan (QTOTAL)

QTOTAL = QBASE + QDIRECT (+QSTORM) .......... (12)

Nilai parameter model yang terkait dengan

karakteristik hidrologi DAS (Mock, 1973 : 37)

disarankan seperti terlihat pada Tabel. 1. Nilai

tersebut merupakan nilai yang digunakan oleh Dr.

F.J. Mock dalam penelitian yang dilakukannya.

Tabel 1. Nilai parameter model Dr. Mock

Parameter Nilai

Faktor m

SMC

0% - 50%

200 mm

Parameter Nilai

PF

RC

IF

0,05 - 0,10

0,60

0,40

Sumber: Mock (1973 : 37)

Optimasi Optimasi (Rao, 2009 : 1) adalah tindakan

untuk memperoleh hasil terbaik dengan keadaan

yang ditentukan. Dalam desain, konstruksi, dan

pemeliharaan sistem rekayasa, pengambil

keputusan harus mengambil berbagai teknologi dan

keputusan manajerial melalui beberapa tahap.

Tujuan akhir dari semua keputusan itu adalah

meminimalkan upaya yang diperlukan atau untuk

memaksimalkan manfaat yang diinginkan. Karena

upaya yang diperlukan atau manfaat yang

diinginkan dalam prakteknya dapat dinyatakan

sebagai fungsi dari variabel keputusan tertentu,

maka optimasi dapat didefinisikan sebagai proses

menemukan kondisi yang memberikan nilai

maksimum atau minimum dari suatu fungsi.

Nilai yang diperoleh dari optimasi perlu

diketahui besarnya error yang terjadi. Penilaian

error digunakan untuk mengetahui ketepatan

pemodelan atau metode tertentu pada suatu

kumpulan data. Error dapat dihitung dengan

beberapa metode statistik, diantaranya adalah Mean

Absolute Percentage Error (MAPE)

yangdirumuskan sebagai berikut (Safitri, 2013 : 6):

MAPE = 1

𝑛

𝑌𝑡−𝑌𝑡

𝑌𝑡 ×𝑛

𝑡=1 100 ................ (13)

n : jumlah periode

Yt : nilai aktual pada periode t

𝑌𝑡 : nilai perkiraan pada periode t

Jurnal Teknik Sipil



Pengelolaan DAS Pengelolaan DAS (Departemen Kehutanan

Republik Indonesia, 2008 : 1) pada prinsipnya

adalah pengaturan tata guna lahan atau optimalisasi

penggunaan lahan untuk berbagai kepentingan

secara rasional serta praktek lainnya yang ramah

lingkungan sehingga dapat dinilai dengan indikator

kunci (ultimate indicator) kuantitas, kualitas, dan

kontinuitas aliran sungai pada titik pengeluaran

(outlet) DAS.

Dalam model Dr. Mock, terdapat faktor m

yang merupakan proporsi permukaan lahan yang

tidak tertutup oleh vegetasi. Hal ini erat kaitannya

dengan tata guna lahan dan tutupan lahan sehingga

diperlukan suatu pengelolaan dalam rangka

konservasi sumber daya air.

Penelitian Terdahulu Terkait Parameter

Model Dr. Mock Beberapa penelitian tentang parameter

model Dr. Mock yang berkaitan dengan

karakteristik hidrologi DAS pernah dilakukan di

beberapa tempat di Indonesia antara lain oleh Tunas

(2007) di Sulawesi Tengah dan Setiawan (2010) di

Nusa Tenggara Barat dengan hasil sebagai berikut:

Tabel 2. Perbandingan nilai parameter model

Parameter

Nilai

DAS Miu DAS Sekotong

Pelangan

SMC

RC

IF

200,000 mm

0,850

0,215 - 0,325

292,494 mm

0,878

0,500 - 0,750

Sumber: Tunas (2007 : 45) dan Setiawan (2010 : 78)

Berdasarkan hasil penelitian tersebut maka

terdapat sejumlah perbedaan nilai parameter jika

dibandingkan dengan nilai yang disarankan oleh Dr.

F.J. Mock. Hal ini mengindikasikan bahwa

parameter model Dr. Mock akan sangat tergantung

dengan karakteristik hidrologi DAS yang ditinjau.

METODE PENELITIAN

Data yang dikumpulkan dan digunakan pada

penelitian ini merupakan data sekunder. Data

tersebut berupa data debit sungai hasil observasi

tahun 2011 - 2012, peta Rupa Bumi Indonesia

(RBI) tahun 2006, data curah hujan dan

meteorologi tahun 2011 - 2012, peta tutupan lahan,

jenis tanah, dan kondisi lahan tahun 2012.Bagan alir

penelitian dapat dilihat pada Gambar 1.

Analisis data yang dilakukan adalah

menetapkan dan menghitung luas DAS,

penghitungan evapotranspirasi potensial, hujan

areal, menentukan nilai batas parameter model,

model Dr. Mock, dan optimasi parameter model Dr.

Mock yang berhubungan dengan karakteristik

hidrologi DAS. Upaya pengelolaan DAS dilakukan

sesuai dengan hasil optimasi.

Luas DAS Peta digital RBI yang dikumpulkan untuk

penentuan batas DAS yaitu Lembar 0421-22

Lamno, 0421-24 Indrapuri, 0421-31 Cot Basuet,

dan 0421-33 Seulimuem.Penentuan batas DAS

dapat dilakukan dengan memperhatikan topografi,

sungai, serta letak outlet DAS yang dalam hal ini

adalah stasiun AWLR Siron. Luas DAS dihitung

setelah batas DAS diketahui.

Evapotranspirasi Potensial ET0dihitung dengan metode Modifikasi

Penman (FAO) menggunakan persamaan (1)

Jurnal Teknik Sipil



berdasarkan data meteorologi.

Mulai

Selesai

QModel ≈ QObs?Tidak

Ya

Pembahasan, Kesimpulan, dan Rekomendasi

Data Debit Sungai

dari AWLR (QObs)

Peta RBI; Data Curah Hujan;

Data Meteorologi; Data Tutupan

Lahan DAS; Data Jenis Tanah

DAS, Data Kondisi Lahan DAS

Analisis Data Luas DAS;

Evapotranspirasi Potensial; Hujan Areal;

Parameter Model Dr. Mock

Analisis Model Dr. Mock

(Hubungan Hujan-Aliran)

dan Optimasi

Studi:

Evapotranspirasi Potensial; Hujan Areal;

Model Dr. Mock; Optimasi; Pengelolaan DAS

Parameter Model Dr. Mock

dan Debit (QModel)

Nilai Parameter Optimal

Upaya Pengelolaan DAS

Gambar 1. Bagan alir penelitian

Hujan Areal Hujan areal dihitung dengan menggunakan

weighting method dengan memberikan proporsi

luasan daerah pengaruh pos hujan sesuai dengan

persamaan (2).

Karakteristik Hidrologi DAS untuk

Pemodelan Karakteristik hidrologi DAS diketahui

dengan menganalisis secara umum data tutupan

lahan, jenis tanah, dan kemiringan lahan. Nilai yang

diperoleh digunakan sebagai nilai batas (fungsi

kendala) parameter untuk pemodelan Dr. Mock

dengan ikutmemperhatikan manual model Dr.

Mock.

Model Dr. Mock Debit di sungai dihitung dengan

mentransformasi hujan-aliran mengikuti prinsip

neraca air (water balance). Metode yang digunakan

adalah model Dr. Mock. Tahapan penghitungan

menggunakan persamaan (3) sampai dengan (12).

Parameter yang berhubungan dengan karakteristik

hidrologi DAS diberikan nilai awal tertentu

sebelum melakukan tahapan penghitungan.

Parameter tersebut yaitu mfactor, PF, ISM, SMC, IF,

Jurnal Teknik Sipil



RC, dan G.STOR(t).

Optimasi Proses optimasi dilakukan dengan

menggunakan sebuah model matematika. Tahap I

adalah dengan mendefinisikan fungsi tujuan

(objective function) yaitu mendapatkan nilai

parameter yang optimal sehingga besarnya error

antara nilai debit sungai hasil pemodelan (QModel)

dan observasi (QObs) dapat diminimalkan. Fungsi

tujuan menggunakan tingkat error yang dihitung

dengan menggunakan persamaan (13). Untuk

mengetahui hubungan QModel dengan QObs, dihitung

koefisien korelasi (R) dan koefisien determinasi (R2).

Tahap II adalah menentukan fungsi kendala

yaitu nilai parameter yang berada pada range

tertentu. Besarnya nilai yang berada pada range

tersebut akan disesuaikan dengan karakteristik

hidrologi dari masing-masing parameter. Fungsi

kendala tersebut diuraikan sebagai berikut:

m1 ≤ m ≤ m2

PF1 ≤ PF ≤ PF2

ISM1 ≤ ISM ≤ ISM2

SMC1 ≤ SMC ≤ SMC2

IF1 ≤ IF ≤ IF2

RC1 ≤ RC ≤ RC2

G.STOR(t)1 ≤ G.STOR(t) ≤ G.STOR(t)2

Tahap III adalah mendefiniskan variabel

keputusan untuk memenuhi tujuan dan kendala

pada optimasi yang dilakukan. Variabel keputusan

tersebut adalah parameter model Dr. Mock yang

berhubungan dengan karakteristik hidrologi DAS.

Proses optimasi dilakukan dengan

menggunakan bantuan komputer berupa fasilitas

solver yang terdapat pada Microsoft Excel

2010spreadsheet dengan mendefiniskan semua

tahap dan proses sebelumnya. Ketika solver

dieksekusi, komputer akan melakukan iterasi

sampai diperoleh kondisi yang optimal.

Berdasarkan output dari komputer, permasalahan

dapat diinterpretasikan dan dapat diambil suatu

keputusan.

Pengelolaan DAS Pengelolaan DAS dilakukan dengan

memperhatikan nilai faktor m sesuai hasil optimasi.

Pengelolaan tersebut dilakukan dalam bentuk

rencana aksi aktif dan preventif dalam rangka

konservasi lahan dan air yang berkelanjutan.

HASIL PEMBAHASAN

Data Input Model Dr. Mock Hasil analisis data digunakan sebagai input

pada model Dr. Mock. Data inputtersebut antara

lain adalah luas DAS, ET0dan curah hujan areal

selama 23 bulan, serta karakteristik hidrologi DAS.

Optimasi Parameter Model Dr. Mock Berdasarkan proses optimasi yang dilakukan,

diperoleh nilai optimal parameter model yang

berhubungan dengan karakteristik hidrologi DAS.

Nilai optimal parameter diperlihatkan pada Tabel 3.

Tabel 3. Nilai optimal parameter berdasarkan hasil optimasi

Cell Name Original

Value

Final

Value

$C$4

$C$5

$C$6 $C$7

$C$8

$C$9 $C$10

$C$11

$C$12 $C$13

m factor

SMC

ISM PF

RC

IF G.STOR(t-1)

m factor(dry/moist)

RC (dry/moist) IF (dry/moist)

0,3000

400,0000

12,1526 0,1000

0,6849

0,5000 166,6389

0,3376

0,6000 0,7000

0,3000

400,0000

12,1526 0,1000

0,6849

0,5000 166,6389

0,3376

0,6000 0,7000

Original Value dan Final Value pada Tabel 3

Jurnal Teknik Sipil



menunjukkan nilai yang sama sehingga Final Value

yang diperoleh merupakan kondisi yang optimal

pada optimasi yang dilakukan.Nilai-nilai yang

optimal tersebut terintegrasi pada model Dr. Mock.

Besarnya debit di sungai hasil pemodelan dan hasil

observasi diperlihatkan pada Gambar 2.

Gambar 2. Perbandingan Q model terhadapQ observasi Dengan memperhatikan Gambar 2 terlihat

bahwa kesalahan atau error terjadi pada beberapa

periode. Pada kondisi optimal ini, pemodelan yang

dilakukan memiliki nilai error sebesar 0,288.

Error ini dapat terjadi karena curah hujan areal

tidak terwakili secara baik oleh stasiun hujan yang

digunakan mengingat curah hujan areal yang

dihitung hanya dari dua stasiun hujan untuk DAS

seluas 216,18 km2. Data masukan lainnya yang

dinilai memberikan kontribusi terhadap error

adalah nilai parameter yang berhubungan dengan

karakteristik hidrologi DAS. Nilai tersebut

ditentukan secara umum berdasarkan kondisi fisik

DAS dengan memperhatikan manual model Dr.

Mock.

Data debit sungai hasil observasi juga

berpotensi memiliki kesalahan sebagai dasar

pembanding data debit hasil pemodelan. Hal ini

diketahui bahwa pada masa alat AWLR tidak

berfungsi, penjaga pos mencatat tinggi muka air

hanya dengan melakukan perkiraan tinggi muka air

sehingga tingkat akurasi data yang dihasilkan

rendah.

Berdasarkan hasil penelitian dapat diketahui

hubungan output model (QModel) dengan data

observasi (QObs). Pada Gambar 3 terlihat bahwa

scatter plot umumnya berdekatan dengan garis

kemiringan (slope = 1) yang menjelaskan output

model memiliki hubungan yang kuat terhadap data

observasi. Berdasarkan metode PearsonProduct

Moment diperoleh nilai koefisien korelasi (R)

sebesar 0,77 dan koefisien determinasi (R2) sebesar

0,60.

Gambar 3. Korelasi model terhadap observasi

Pengelolaan DAS Berdasarkan hasil optimasi diketahui bahwa

proporsi permukaan lahan yang tidak tertutup oleh

vegetasi (m) relatif besar, yaitu berkisar 30,00% -

33,76% dari luas DAS yang menggambarkan

daerah dengan lahan tererosi dan lahan pertanian

yang diolah. Hal ini perlu mendapat perhatian

khusus untuk mengatasinya karena berdasarkan

data yang diperoleh diketahui bahwa DAS Krueng

Keumireu memiliki kondisi lahan yang beragam

dengan sebagian besar lahan potensial kritis.

Gambar 4 memperlihatkan kondisi lahan DAS

Krueng Keumireu.

0.00

2.00

4.00

6.00

8.00

10.00

12.00

0.00 2.00 4.00 6.00 8.00 10.00 12.00

QM

od

el (

m3/d

)

Q Observasi (m3/d)

Jurnal Teknik Sipil



Gambar 4. Kondisi lahan DAS Krueng Keumireu

Sumber: UPTB PDGA (2012), dengan pengolahan Strategi pengelolaan DAS secara aktif dan

preventif yang dapat dilakukan terhadap kondisi

tersebut diuraikan sebagai berikut:

a. Aktif

Melakukan rehabilitasi lahan kritis.

Menjaga dan melestarikan kawasan yang

dilindungi.

Pengendalian penggunaan lahan dengan

menjaga luasan minimum tutupan lahan

yang berfungsi hutan di dalam DAS.

Pemanfaatan lahan sesuai dengan

fungsinya/ peruntukannya.

b. Preventif

Membentuk/merevitalisasi forum

pengelola DAS tingkat daerah.

Menyusun dan menetapkan pedoman

koordinasi antar instansi terkait dan antar

forum pengelola DAS serta swasta dan

masyarakat.

Melakukan koordinasi secara berkala antar

pihak pengelola DAS.

Meninjau kembali izin pemanfaatan hutan

atau pengusahaan hutan.

Memecahkan masalah kemiskinan

masayarakat daerah hulu DAS.

Memberikan penyuluhan secara

berkelanjutan kepada masyarakat akan

pentingnya pengelolaan DAS dan dampak

yang ditimbulkan apabila DAS menjadi

kritis dan meningkatkan partisipasinya

dalam rangka konservasi lahan dan air.

Menyusun peraturan tentang pengelolaan

DAS dan memberikan sistem reward and

punishmentkepada individu maupun

kelompok yang melakukan konservasi dan

melakukan pelanggaran.

Strategi pengelolaan DAS secara aktif dan

preventif ini penting dilakukan karena secara

perlahan DAS mengalami degradasi kualitas

sehingga dikhawatirkan lahan potensial kritis

semakin meluas atau bahkan menjadi lahan agak

kritis bahkan lahan kritis/sangat kritis yang dapat

menimbulkan dampak negatif lebih besar terhadap

kehidupan sosial-ekonomi masayarakat dan

keseimbangan ekosistem.

KESIMPULAN DAN SARAN

Kesimpulan

a. Optimasi terhadap parameter model yang

berhubungan dengan karakteristik hidrologi

DAS mampu memberikan nilai yang optimal

terhadap parameter tersebut sehingga error

antara nilai debit sungai hasil pemodelan dan

observasi dapat diminimalkan.

b. Besarnya error pada kondisi optimal adalah

0,288 dengan R2 sebesar 0,60.

c. Nilai optimal parameter model yang

berhubungan dengan karakteristik hidrologi

DAS adalah sebagai berikut:

Faktor m berkisar 30,00% - 33,76%, hal ini

menggambarkan proporsi permukaan

Jurnal Teknik Sipil



lahan yang tidak tertutup oleh vegetasi

relatif besar.

Kapasitas kelembapan tanah (SMC) yang

mencapai 400 mm menunjukkan bahwa

tanah memiliki kemampuan menyerap air

yang tinggi.

Faktor kontribusi curah hujan areal

bulanan terhadap limpasan (PF) adalah

sebesar 0,10.

Konstanta resesi air tanah (proporsi air

tanah bulan t-1 yang masih ada pada bulan

t, RC) adalah sebesar 0,60 - 0,68.

Kemiringan lereng yang relatif landai dan

tanah yang memiliki kemampuan

menyerap air tinggi memberikan nilai

faktor infiltrasi (IF) berkisar 0,50 - 0,70.

d. Nilai-nilai parameter model yang disarankan

oleh Dr. F.J. Mock tidak sepenuhnya dapat

diterapkan pada DAS Krueng Keumireu

dengan perbandingan sebagai berikut:

Tabel 4.Perbandingan nilai parameter model

Parameter

Nilai

Dr. Mock

(Default)

Optimasi

(HasilPenelitian)

Faktor m

SMC

PF

RC

IF

0% - 50%

200 mm

0,05 - 0,10

0,60

0,40

30,00% - 33,76%

400 mm

0,10

0,60 - 0,68

0,50 - 0,70

Saran

a. Model Dr. Mock perlu dioptimasi pada

parameter yang berhubungan dengan

karakteristik hidologi DAS yang ditinjau

karena mampu untuk mendapatkan hasil

pemodelan yang lebih mendekati kondisi

sebenarnya.

b. Parameter yang berhubungan dengan

karakteristik hidologi DAS perlu dicoba untuk

diukur secara langsung di lapangan dengan

harapan memberikan output model yang lebih

baik.

c. Perlu dicoba untuk menggunakan data curah

hujan lebih dari dua stasiun yang memberikan

konstribusi terhadap DAS sehingga data yang

dihasilkan representatif terhadap luas DAS.

d. Agar menggunakan deret data curah hujan dan

data meteorologi yang lebih panjang sebagai

data input model dengan harapan memberikan

hasil pemodelan yang lebih baik.

e. Pengelolaan DAS secara aktif perlu segera

dilakukan karena secara umum DAS sudah

termasuk dalam kategori lahan potensial kritis.

f. Diperlukan suatu tindakan yang diprakarsai

oleh stakeholder untuk menjalankan aksi

preventif dalam pengelolaan DAS.

DAFTAR KEPUSTAKAAN

Departemen Kehutanan Republik Indonesia, 2008.

Kerangka Kerja Pengelolaan Daerah Aliran

Sungai Di Indonesia.Amanah Instruksi Presiden

No. 5 Tahun 2008 Tentang Fokus Program

Ekonomi Tahun 2008-

2009.http://www.dephut.go.id/files/

framework_das_09.pdf

Direktorat Jenderal Pengairan, 1985.Pedoman Perkiraan

Tersedianya Air.Keputusan Direktur Jenderal

Pengairan No. 71/KPTS/A/1985 Tanggal 5 Maret

1985. Jakarta: Departemen Pekerjaan Umum.

Mock, F.J., 1973.Land Capability Appraisal Indonesia :

Water Availability Appraisal.Basic Study

Prepared for the FAO/UNDP Land Capability

Appraisal Project, AGL : SF/INS/72/011 Basic

Study I. Bogor: UNDP-FAO Of The United

Nations.

Rao, S.S., 2009. Engineering Optimization : Theory and

Practice. Fourth

Edition.http://xa.yimg.com/kq/groups/22199541/1

157563073/name/Engineering+Optimisation+_T

heory+and+Practice.pdf

Safitri, E., 2013.Pengukuran Kesalahan Peramalan.

www.mdp.ac.id/materi/2012-2013-1/.../MJ304-

Jurnal Teknik Sipil



112200-762-2.pptx

Setiawan, E., 2010.Penggunaan Solver Sebagai Alat

Bantu Kalibrasi Parameter Model Hujan Aliran.

Spektrum Sipil, Vol. 1, No. 1 Hal: 72-

79.ejournal.ftunram.ac.id/FullPaper/ery-9-

2010_2.pdf

Soemarto, C.D., 1995.Hidrologi Teknik. EdisiKedua.

Jakarta: Erlangga.

Sudjarwadi, 1979.Pengantar Teknik Irigasi. Yogyakarta:

Universitas Gajah Mada.

Tunas, I.G., 2007. Optimasi Parameter Model Mock

Untuk Menghitung Debit Andalan Sungai

Miu.Jurnal SMARTek, Vol. 5, No. 1, Hal: 40-48.

http://jurnal.untad.ac.id/jurnal/index.php/SMART

EK/article/view/452/389

Documents

4.36.45.meri.gustian