Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala
ISSN 2302-0253 pp. 36- 45
10 Pages
OPTIMASI PARAMETER MODEL DR.MOCK UNTUK PENGELOLAAN DAERAH ALIRAN SUNGAI Meri Gustian1, Azmeri2, Alfiansyah Yulianur2 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
simulasi yang relatif sederhana dan cukup baik
Perencanaan dan pengelolaan sumberdaya
dalam memprediksi besarnya debit sungai dengan
air sering mengalami kendala berupa terbatasnya
interval waktu bulanan. Model ini menetapkan
data-data yang dibutuhkan seperti data debit di
nilai-nilai
sungai. Model Dr. Mock merupakan model
berhubungan dengan karakteristik hidrologi DAS,
tertentu
untuk
parameter
Volume 3, No. 1, Februari 2014
yang
- 36
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala namun hal ini berdampak pada sering terjadinya
ed
: tekanan uap jenuh (mbar)
error antara debit sungai hasil pemodelan dan Hujan Areal
observasi.
Metode Thiessen (Soemarto, 1995 : 10):
Tujuan penelitian ini adalah melakukan optimasi terhadap parameter model Dr. Mock yang berhubungan dengan karakteristik hidrologi DAS
merupakan salah satu cara untuk menghitung besarnya curah hujan areal, yaitu:
untuk mendapatkan nilai parameter model yang optimal sehingga besarnya erroryang terjadi dapat
d=
𝑛 𝑖=1 𝐴𝑖 𝑑 𝑖 𝑛 𝑖=1 𝐴𝑖
......................................................(2)
diminimalkan. Berdasarkan hasil optimasi, disusun
d : tinggi curah hujan rata-rata areal (mm)
suatu rencana pengelolaan DAS untuk DAS yang
Ai : luas daerah pengaruh pos hujan 1, 2,3,... n (km2)
ditinjau. Penelitian dilakukan di DAS Krueng Keumireu yang terletak di Kabupaten Aceh Besar. Lingkup dan data-data yang digunakan pada
di : tinggi curah hujan di pos hujan 1, 2, 3,... n (mm) Model Dr. Mock
penelitian ini terbatas pada DAS Krueng Keumireu sehingga hasil penelitian ini tidak dapat digunakan pada DAS yang lain.
Pada
tahun
1973,
Dr.
F.J.
Mock
memperkenalkan metode penghitungan aliran sungai dengan menggunakan data curah hujan,
KAJIAN KEPUSTAKAAN
evapotranspirasi
Evapotranspirasi Potensial
hidrologi DAS untuk memprediksi besar debit
Besarnya evapotranspirasi potensial (ET0)
potensial,
dan
karakteristik
sungai dengan interval waktu bulanan. Cara ini
faktor-faktor
dikenal dengan nama model Dr. Mock. Langkah-
meteorologi yaitu temperatur udara, kelembapan
langkah penghitungan aliran sungai metode Dr.
udara, kecepatan angin, dan penyinaran matahari.
Mock (Direktorat Jenderal Pengairan, 1985 : 79)
Salah satu metode
adalah sebagai berikut:
yang
terjadi
dipengaruhi
oleh
yang digunakan
untuk
menghitung besaran ET0 adalah metode Modifikasi Penman
(FAO)
yang
dirumuskan
sebagai
berikut(Sudjarwadi, 1979 : 22):
a. Evapotranspirasi aktual (E) 𝑚 20
ΔE = ET0
(18 - n)...................................(3)
E = ET0 - ΔE ............................................(4) ET0 = c (W.Rn + (1 - W) f(u) (ea – ed))........ (1)
ΔE
ET0 : evapotranspirasi potensial (mm/hari)
: selisih antara evapotranspirasi potensial dan aktual (mm)
c
: faktor penyesuaian
ET0 : evapotranspirasi potensial (mm)
W
: faktor temperatur dan ketinggian
m
Rn : radiasi netto (mm/hari) f(u) : faktor kecepatan angin ea
: tekanan uap udara (mbar)
37 -
Volume 3, No. 1, Februari 2014
: proporsi permukaan lahan yang tidak tertutup olehvegetasi (%)
n
: jumlah hari hujan
b. Penyimpanan kelembapan tanah (SMS)
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala SMS = ISM + R – E ...................................(5) ISM : kelembapan tanah awal (mm) R
: curah hujan areal (mm)
E
: evapotranspirasi aktual (mm)
Parameter
Nilai
PF RC IF
0,05 - 0,10 0,60 0,40
Sumber: Mock (1973 : 37)
c. Kelebihan air (WS)
Optimasi
WS = ISM + R – E – SMC ........................(6) SMC : kapasitaskelembapan tanah (mm) d. Infiltrasi (INFIL)
Optimasi (Rao, 2009 : 1) adalah tindakan untuk memperoleh hasil terbaik dengan keadaan yang ditentukan. Dalam desain, konstruksi, dan
INFIL = WS × IF .......................................(7)
pemeliharaan
IF
keputusan harus mengambil berbagai teknologi dan
: faktor infiltrasi
e. Penyimpanan air tanah pada akhir bulan (G.STORt)
rekayasa,
pengambil
keputusan manajerial melalui beberapa tahap. Tujuan akhir dari semua keputusan itu adalah
G.STORt =G.STOR(t-1)× RC +
1+𝑅𝐶 2
×
INFIL ........................................(8) G.STOR(t-1): penyimpanan air tanah pada awal bulan (mm) RC
sistem
: konstanta resesi limpasan
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
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)
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
PF :faktor persentase
kumpulan data. Error dapat dihitung dengan
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
beberapa metode statistik, diantaranya adalah Mean Absolute
Percentage
Error
(MAPE)
yangdirumuskan sebagai berikut (Safitri, 2013 : 6): 1
𝑛 𝑡=1
𝑌𝑡 −𝑌𝑡 𝑌𝑡
tersebut merupakan nilai yang digunakan oleh Dr.
MAPE = 𝑛
F.J. Mock dalam penelitian yang dilakukannya.
n : jumlah periode
× 100 ................ (13)
Yt : nilai aktual pada periode t Tabel 1. Nilai parameter model Dr. Mock Parameter Faktor m SMC
Nilai
𝑌𝑡 : nilai perkiraan pada periode t
0% - 50% 200 mm
Volume 3, No. 1, Februari 2014
- 38
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala F.J. Mock. Hal ini mengindikasikan bahwa
Pengelolaan DAS Pengelolaan DAS (Departemen Kehutanan Republik Indonesia, 2008 : 1) pada prinsipnya
parameter model Dr. Mock akan sangat tergantung dengan karakteristik hidrologi DAS yang ditinjau.
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
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
(outlet) DAS. Dalam model Dr. Mock, terdapat faktor m yang merupakan proporsi permukaan lahan yang tidak tertutup oleh vegetasi. Hal ini erat kaitannya
meteorologi tahun 2011 - 2012, peta tutupan lahan, jenis tanah, dan kondisi lahan tahun 2012.Bagan alir penelitian dapat dilihat pada Gambar 1.
dengan tata guna lahan dan tutupan lahan sehingga diperlukan suatu pengelolaan dalam rangka
Analisis menetapkan
konservasi sumber daya air.
data dan
yang
dilakukan
menghitung
luas
adalah DAS,
penghitungan evapotranspirasi potensial, hujan Penelitian
Terdahulu
Terkait
Parameter
model Dr. Mock, dan optimasi parameter model Dr.
Model Dr. Mock Beberapa model
Dr.
areal, menentukan nilai batas parameter model,
penelitian
Mock
tentang
yang
parameter
Mock yang berhubungan dengan karakteristik
dengan
hidrologi DAS. Upaya pengelolaan DAS dilakukan
berkaitan
karakteristik hidrologi DAS pernah dilakukan di
sesuai dengan hasil optimasi.
beberapa tempat di Indonesia antara lain oleh Tunas (2007) di Sulawesi Tengah dan Setiawan (2010) di Nusa Tenggara Barat dengan hasil sebagai berikut:
Luas DAS Peta digital RBI yang dikumpulkan untuk penentuan batas DAS yaitu Lembar 0421-22
Tabel 2. Perbandingan nilai parameter model Nilai Parameter SMC RC IF
DAS Miu
DAS Sekotong Pelangan
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)
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.
Berdasarkan hasil penelitian tersebut maka terdapat sejumlah perbedaan nilai parameter jika dibandingkan dengan nilai yang disarankan oleh Dr.
Evapotranspirasi Potensial ET0dihitung
dengan
metode
Modifikasi
Penman (FAO) menggunakan persamaan (1) 39 -
Volume 3, No. 1, Februari 2014
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala berdasarkan data meteorologi. Mulai
Studi: Evapotranspirasi Potensial; Hujan Areal; Model Dr. Mock; Optimasi; Pengelolaan DAS
Peta RBI; Data Curah Hujan; Data Meteorologi; Data Tutupan Lahan DAS; Data Jenis Tanah DAS, Data Kondisi Lahan DAS
Data Debit Sungai dari AWLR (QObs)
Analisis Data Luas DAS; Evapotranspirasi Potensial; Hujan Areal; Parameter Model Dr. Mock
Analisis Model Dr. Mock (Hubungan Hujan-Aliran) dan Optimasi
Parameter Model Dr. Mock dan Debit (QModel)
QModel ≈ QObs?
Tidak
Ya Nilai Parameter Optimal
Upaya Pengelolaan DAS
Pembahasan, Kesimpulan, dan Rekomendasi
Selesai
Gambar 1. Bagan alir penelitian
dengan ikutmemperhatikan manual model Dr.
Hujan Areal Hujan areal dihitung dengan menggunakan
Mock.
weighting method dengan memberikan proporsi luasan daerah pengaruh pos hujan sesuai dengan
Model Dr. Mock Debit
persamaan (2).
di
sungai
dihitung
dengan
mentransformasi hujan-aliran mengikuti prinsip Karakteristik
Hidrologi
DAS
untuk
neraca air (water balance). Metode yang digunakan adalah model Dr. Mock. Tahapan penghitungan
Pemodelan diketahui
menggunakan persamaan (3) sampai dengan (12).
dengan menganalisis secara umum data tutupan
Parameter yang berhubungan dengan karakteristik
lahan, jenis tanah, dan kemiringan lahan. Nilai yang
hidrologi DAS diberikan nilai awal tertentu
diperoleh digunakan sebagai nilai batas (fungsi
sebelum
kendala) parameter untuk pemodelan Dr. Mock
Parameter tersebut yaitu mfactor, PF, ISM, SMC, IF,
Karakteristik
hidrologi
DAS
melakukan
tahapan
penghitungan.
Volume 3, No. 1, Februari 2014
- 40
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala RC, dan G.STOR(t).
2010spreadsheet dengan mendefiniskan semua tahap dan proses sebelumnya. Ketika solver
Optimasi
dieksekusi, komputer akan melakukan iterasi
Proses
optimasi
dilakukan
dengan
menggunakan sebuah model matematika. Tahap I adalah dengan mendefinisikan fungsi tujuan (objective function) yaitu mendapatkan nilai
sampai
diperoleh
kondisi
yang
optimal.
Berdasarkan output dari komputer, permasalahan dapat diinterpretasikan dan dapat diambil suatu keputusan.
parameter yang optimal sehingga besarnya error antara nilai debit sungai hasil pemodelan (QModel)
Pengelolaan DAS
dan observasi (QObs) dapat diminimalkan. Fungsi
Pengelolaan
DAS
dilakukan
dengan
tujuan menggunakan tingkat error yang dihitung
memperhatikan nilai faktor m sesuai hasil optimasi.
dengan menggunakan persamaan (13). Untuk
Pengelolaan tersebut dilakukan dalam bentuk
mengetahui hubungan QModel dengan QObs, dihitung
rencana aksi aktif dan preventif dalam rangka
koefisien korelasi (R) dan koefisien determinasi (R2).
konservasi lahan dan air yang berkelanjutan.
Tahap II adalah menentukan fungsi kendala yaitu nilai parameter yang berada pada range tertentu. Besarnya nilai yang berada pada range
HASIL PEMBAHASAN
Data Input Model Dr. Mock Hasil analisis data digunakan sebagai input
tersebut akan disesuaikan dengan karakteristik hidrologi dari masing-masing parameter. Fungsi
pada model Dr. Mock. Data inputtersebut antara lain adalah luas DAS, ET0dan curah hujan areal
kendala tersebut diuraikan sebagai berikut:
selama 23 bulan, serta karakteristik hidrologi DAS.
m1 ≤ m ≤ m2 PF1 ≤ PF ≤ PF2
Optimasi Parameter Model Dr. Mock
ISM1 ≤ ISM ≤ ISM2
Berdasarkan proses optimasi yang dilakukan,
SMC1 ≤ SMC ≤ SMC2
diperoleh nilai optimal parameter model yang
IF1 ≤ IF ≤ IF2
berhubungan dengan karakteristik hidrologi DAS.
RC1 ≤ RC ≤ RC2
Nilai optimal parameter diperlihatkan pada Tabel 3.
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 41 -
Volume 3, No. 1, Februari 2014
Tabel 3. Nilai optimal parameter berdasarkan hasil optimasi Cell $C$4 $C$5 $C$6 $C$7 $C$8 $C$9 $C$10 $C$11 $C$12 $C$13
Name m factor SMC ISM PF RC IF G.STOR(t-1) m factor(dry/moist) RC (dry/moist) IF (dry/moist)
Original Value 0,3000 400,0000 12,1526 0,1000 0,6849 0,5000 166,6389 0,3376 0,6000 0,7000
Final Value 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 Pascasarjana Universitas Syiah Kuala menunjukkan nilai yang sama sehingga Final Value
rendah.
yang diperoleh merupakan kondisi yang optimal
Berdasarkan hasil penelitian dapat diketahui
pada optimasi yang dilakukan.Nilai-nilai yang
hubungan output model (QModel) dengan data
optimal tersebut terintegrasi pada model Dr. Mock.
observasi (QObs). Pada Gambar 3 terlihat bahwa
Besarnya debit di sungai hasil pemodelan dan hasil
scatter plot umumnya berdekatan dengan garis
observasi diperlihatkan pada Gambar 2.
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. 12.00
Gambar 2. Perbandingan Q model terhadapQ observasi
10.00
bahwa kesalahan atau error terjadi pada beberapa periode. Pada kondisi optimal ini, pemodelan yang dilakukan memiliki nilai error sebesar 0,288.
Q Model (m3/d)
Dengan memperhatikan Gambar 2 terlihat 8.00 6.00 4.00
Error ini dapat terjadi karena curah hujan areal
2.00
tidak terwakili secara baik oleh stasiun hujan yang
0.00 0.00
2.00
digunakan mengingat curah hujan areal yang dihitung hanya dari dua stasiun hujan untuk DAS seluas 216,18 km2. Data masukan lainnya yang
4.00 6.00 8.00 10.00 12.00 Q Observasi (m3/d)
Gambar 3. Korelasi model terhadap observasi
Pengelolaan DAS
dinilai memberikan kontribusi terhadap error
Berdasarkan hasil optimasi diketahui bahwa
adalah nilai parameter yang berhubungan dengan
proporsi permukaan lahan yang tidak tertutup oleh
karakteristik
tersebut
vegetasi (m) relatif besar, yaitu berkisar 30,00% -
ditentukan secara umum berdasarkan kondisi fisik
33,76% dari luas DAS yang menggambarkan
DAS dengan memperhatikan manual model Dr.
daerah dengan lahan tererosi dan lahan pertanian
Mock.
yang diolah. Hal ini perlu mendapat perhatian
hidrologi
DAS.
Nilai
Data debit sungai hasil observasi juga
khusus untuk mengatasinya karena berdasarkan
berpotensi memiliki kesalahan sebagai dasar
data yang diperoleh diketahui bahwa DAS Krueng
pembanding data debit hasil pemodelan. Hal ini
Keumireu memiliki kondisi lahan yang beragam
diketahui bahwa pada masa alat AWLR tidak
dengan sebagian besar lahan potensial kritis.
berfungsi, penjaga pos mencatat tinggi muka air
Gambar 4 memperlihatkan kondisi lahan DAS
hanya dengan melakukan perkiraan tinggi muka air
Krueng Keumireu.
sehingga tingkat akurasi data yang dihasilkan Volume 3, No. 1, Februari 2014
- 42
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala
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
Gambar 4. Kondisi lahan DAS Krueng Keumireu Sumber: UPTB PDGA (2012), dengan pengolahan
punishmentkepada
Strategi pengelolaan DAS secara aktif dan
melakukan pelanggaran.
tersebut diuraikan sebagai berikut:
Strategi pengelolaan DAS secara aktif dan preventif ini penting dilakukan karena secara
a. Aktif
perlahan DAS mengalami degradasi kualitas
Melakukan rehabilitasi lahan kritis.
Menjaga dan melestarikan kawasan yang
Pengendalian penggunaan lahan dengan menjaga luasan minimum tutupan lahan
lahan
sesuai
dengan
fungsinya/ peruntukannya.
Membentuk/merevitalisasi
forum
Menyusun dan menetapkan pedoman
forum pengelola DAS serta swasta dan
Melakukan koordinasi secara berkala antar pihak pengelola DAS. Meninjau kembali izin pemanfaatan hutan
Memecahkan
keseimbangan ekosistem.
a. Optimasi terhadap parameter model yang
DAS mampu memberikan nilai yang optimal terhadap parameter tersebut sehingga error antara nilai debit sungai hasil pemodelan dan
masalah
b. Besarnya error pada kondisi optimal adalah 0,288 dengan R2 sebesar 0,60. c. Nilai
optimal
parameter
kemiskinan
masayarakat daerah hulu DAS.
yang
DAS adalah sebagai berikut:
Faktor m berkisar 30,00% - 33,76%, hal ini menggambarkan
43 -
model
berhubungan dengan karakteristik hidrologi
atau pengusahaan hutan.
dan
observasi dapat diminimalkan.
masyarakat.
masayarakat
berhubungan dengan karakteristik hidrologi
koordinasi antar instansi terkait dan antar
sosial-ekonomi
Kesimpulan
pengelola DAS tingkat daerah.
menimbulkan dampak negatif lebih besar terhadap
KESIMPULAN DAN SARAN
b. Preventif
kritis bahkan lahan kritis/sangat kritis yang dapat
kehidupan
yang berfungsi hutan di dalam DAS. Pemanfaatan
sehingga dikhawatirkan lahan potensial kritis semakin meluas atau bahkan menjadi lahan agak
dilindungi.
maupun
kelompok yang melakukan konservasi dan
preventif yang dapat dilakukan terhadap kondisi
individu
Volume 3, No. 1, Februari 2014
proporsi
permukaan
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala lahan yang tidak tertutup oleh vegetasi
yang
berhubungan
dengan
relatif besar.
karakteristik hidologi DAS perlu dicoba untuk
Kapasitas kelembapan tanah (SMC) yang
diukur secara langsung di lapangan dengan
mencapai 400 mm menunjukkan bahwa
harapan memberikan output model yang lebih
tanah memiliki kemampuan menyerap air
baik.
yang tinggi.
b. Parameter
c. Perlu dicoba untuk menggunakan data curah
Faktor kontribusi curah hujan areal
hujan lebih dari dua stasiun yang memberikan
bulanan terhadap limpasan (PF) adalah
konstribusi terhadap DAS sehingga data yang
sebesar 0,10.
dihasilkan representatif terhadap luas DAS.
Konstanta resesi air tanah (proporsi air
d. Agar menggunakan deret data curah hujan dan
tanah bulan t-1 yang masih ada pada bulan
data meteorologi yang lebih panjang sebagai
t, RC) adalah sebesar 0,60 - 0,68.
data input model dengan harapan memberikan
Kemiringan lereng yang relatif landai dan
hasil pemodelan yang lebih baik.
tanah
yang
memiliki
kemampuan
e. Pengelolaan DAS secara aktif perlu segera
menyerap air tinggi memberikan nilai
dilakukan karena secara umum DAS sudah
faktor infiltrasi (IF) berkisar 0,50 - 0,70.
termasuk dalam kategori lahan potensial kritis.
d. Nilai-nilai parameter model yang disarankan
f.
Diperlukan suatu tindakan yang diprakarsai
oleh Dr. F.J. Mock tidak sepenuhnya dapat
oleh stakeholder untuk menjalankan aksi
diterapkan pada DAS Krueng Keumireu
preventif dalam pengelolaan DAS.
dengan perbandingan sebagai berikut: DAFTAR KEPUSTAKAAN Tabel 4.Perbandingan nilai parameter model Nilai Parameter Faktor m SMC PF RC IF
Dr. Mock (Default)
Optimasi (HasilPenelitian)
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.
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 20082009.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-
Volume 3, No. 1, Februari 2014
- 44
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala 112200-762-2.pptx Setiawan, E., 2010.Penggunaan Solver Sebagai Alat Bantu Kalibrasi Parameter Model Hujan Aliran. Spektrum Sipil, Vol. 1, No. 1 Hal: 7279.ejournal.ftunram.ac.id/FullPaper/ery-92010_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
45 -
Volume 3, No. 1, Februari 2014