Variasi Tutupan Lahan dan Implikasinya Terhadap Nilai aliran dasar di DAS Citarum Hulu

SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION

Variasi Tutupan Lahan dan Implikasinya Terhadap Nilai aliran dasar di DAS Citarum Hulu Muhshonati Syahidah1, Lambok M. Hutasoit2, Rusmawan Suwarman3 1

Institut Teknologi Bandung

E-mail: [email protected] ABSTRAK - Perubahan lahan di DAS Citarum Hulu yang terus menerus dapat mempengaruhi kondisi airtanah. Aliran dasar merupakan salah satu karakteristik hidrologi yang sangat penting dalam sistem DAS. Nilai aliran dasar di DAS Citarum Hulu selama tahun 1995-2014 dihitung menggunakan metode pemisahan aliran dasar Recursive Digital Filter, One Parameter. Estimasi Baseflow Index (BFI) di Sungai Citarum-Nanjung selama tahun 1995-2014 menghasilkan rata-rata 57%. Tutupan lahan di DAS Citarum Hulu digambarkan oleh indeks vegetasi Normalized Difference Vegetation Index (NDVI) dan indeks lahan terbangun Normalized Difference built-up Index (NDBI). Pada penelitian ini dilakukan perhitungan NDVI dan NDBI menggunakan Citra satelit Landsat 5 dan Landsat 7 Thematic Mapper serta Landsat 8 selama tahun 1995-2014 di DAS Citarum Hulu. Nilai NDVI dapat menggambarkan sebaran vegetasi di DAS Citarum Hulu, namun NDBI tidak dapat menggambarkan lahan terbangun dengan baik. Untuk mengetahui hubungan antara aliran dasar dengan curah hujan, NDVI, dan geologi permukaan dilakukan regresi linear. Korelasi antara curah hujan dan aliran dasar saat bulan kering menghasilkan nilai 0,5. Saat bulan basah, korelasi antara aliran dasar terhadap curah hujan dan NDVI menghasilkan nilai 0,7. Penambahan unsur geologi permukaan dapat meningkatkan nilai korelasi menjadi 0,73. Kata kunci:aliran dasar, NDVI, korelasi, curah hujan, geologi permukaan ABSTRACT - Variation of landcover at Upper Citarum Basin continuously can affect the condition of groundwater. Baseflow is one of the very important hydrological characteristics in a watershed system. Baseflow value at Upper Citarum Basin during 1995-2014 is calculated using separation method Recursive Digital Filter, One Parameter. Estimation of Baseflow Index (BFI) at Citarum-Nanjung river results in the average of 57%. Landcover at Upper Citarum Basin is described by Normalized Difference Vegetation Index (NDVI) and Normalized Difference built-up Index (NDBI). In this study, NDVI and NDBI are calculated using Satellite Image Landsat 5, Landsat 7 Thematic Mapper, and Landsat 8 during 1995-2014 at Upper Citarum Basin. The value of NDVI can describe the distribution of vegetation in Citarum Hulu, while NDBI can not describe the landcover well. Linear regression is used to obtain the relationship between baseflow with rainfall, NDVI, and surface geology. Correlation between rainfall and baseflow in dry season is 0.5. In wet season, correlation between baseflow and rainfall and NDVI is 0.7. Addition of surface geological elements increases the value of the correlation to become 0.73. Keywords: baseflow, NDVI, correlation, rainfall, surface geology

1.

PENDAHULUAN

Peningkatan lahan pemukiman di DAS Citarum Hulu dapat mengakibatkan berkurangnya daerah resapan. Terjadinya alih fungsi lahan di bagian hulu DAS Citarum mengakibatkan luas lahan kritis meningkat. DAS Citarum merupakan salah satu dari delapan DAS kritis di Jawa Barat (Komite Nasional Pengelolaan Ekosistem Lahan Basah, 2004). Penetapan kondisi kritis DAS Citarum mengindikasikan bahwa fungsi hidrologis DAS Citarum mengalami penurunan. Kondisi yang buruk di bagian hilir merupakan dampak dari perusakan ekosistem, pencemaran lingkungan, dan penurunan lahan hutan di DAS Citarum Hulu. Perubahan lahan di DAS Citarum Hulu yang terus menerus dapat mempengaruhi kondisi airtanah. Aliran dasar (baseflow) adalah komponen aliran sungai yang berasal dari pelepasan airtanah dan berkontribusi penting dalam aliran sungai ketika presipitasi rendah atau musim kemarau. Aliran dasar merupakan salah satu karakteristik hidrologi aliran rendah yang paling penting dalam sistem DAS. Pengetahuan karakteristik aliran dasar penting untuk sejumlah pertimbangan, antara lain dalam pengembangan strategi pengelolaan air di kondisi kekeringan, estimasi pasokan air skala kecil sampai menengah, pengelolaan kualitas air, membangun hubungan antara hidrologi akuatik dan lingkungannya; dan perkembangbiakan tumbuhan perairan (Nathan dan McMahon, 1990). Selama tahun 1982 sampai 2011 terdapat trend penurunan Baseflow Index (BFI). 1

Judul Tulisan : Variasi Tutupan Lahan dan Implikasinya terhadap Nilai aliran dasar di DAS Citarum Hulu(Syahidah, M., dkk.)

Variabilitas Nilai BFI dan Variabel Hidrologis di DAS Citarum Hulu 1200

0.800

y = -0.002x + 0.57 R² = 0.04

1000

0.700 0.600

m3/s

800

0.500

600

0.400 0.300

400

0.200 200

0.100

0

0.000

1982 1984 1986 1988 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 CH DJF (mm)

Debit DJF

BFI (Pertiwi dan Sudrajat,2013)

Linear (BFI (Pertiwi dan Sudrajat,2013))

Gambar 1.1 Grafik trend penurunan BFI di DAS Citarum Hulu (Sumber: Pertiwi dan Sudrajat, 2013; telah dimodfiikasi)

Selama tahun 1982 sampai 2011 terdapat trend penurunan Baseflow Index (BFI) di DAS Citarum Hulu yang digambarkan dalam Gambar I. Trendline dan persamaan garis yang tercantum pada Gambar 1 memperlihatkan trend yang turun. Pada tahun 2010 dan 2011 terjadi peningkatan BFI walaupun trend nya cenderung turun. Peningkatan pada tahun 2010 disebabkan oleh besarnya nilai curah hujan pada bulan basah sedangkan tahun 2011 disebabkan oleh debit yang tinggi pada bulan basah. Penelitian Pertiwi dan Sudrajat (2013) menunjukkan bahwa ada beberapa faktor yang menyebabkan variabilitas penurunan BFI di DAS Citarum Hulu adalah faktor iklim dan antropogenik. Faktor iklim yang dimaksud salah satunya adalah El-Nino dimana terjadi kekeringan di Indonesia, sehingga terjadi penurunan BFI. Untuk faktor antropogenik atau aktivitas manusia adalah yang berkaitan dengan eksploitasi airtanah dan deforestasi hutan. Pembahasan tentang faktor tutupan lahan tidak dibahas dalam penelitian ini. Penelitian terdahulu menunjukkan bahwa pada tahun 1976 – 2008 di Cekungan Bandung telah terjadi perubahan tutupan lahan dari lahan yang bervegetasi menjadi lahan terbuka. Perubahan tutupan lahan rata-rata untuk periode tersebut adalah berupa berkurangnya lahan hutan sekitar 16 %, lahan perkebunan berkurang 8%, pertanian lahan kering bertambah 17 %, dan pemukiman bertambah 22, 85 % (Narulita dan Djuwansah, 2012). Pada penelitian ini, efek dari perubahan tutupan lahan dan lahan terbangun yang masing-masing digambarkan oleh indeks vegetasi Normalized Difference Vegetation Index (NDVI) dan Normalized Different Built-up Index (NDBI) terhadap nilai aliran dasar pada DAS Citarum Hulu. Perhitungan indeks vegetasi dan indeks lahan terbangun menggunakan data Landsat ETM+ yang mampu memberikan gambaran/ visualisasi permukaan. Dengan demikian dapat dianalisis bagaimana perubahan tutupan hijau dan tutupan lahan terbangun dengan waktu. Estimasi nilai aliran dasar dihitung menggunakan metode Recursive Digital Filter, One Parameter. Untuk mengetahui hubungan beberapa variabel (NDVI, NDBI, dan curah hujan) terhadap aliran dasar dilakukan multiple linear regression.

2

SEMINAR NASIONAL PENGINDERAAN JAUH 2015

2.DATA DAN METODE 2.1 Data Data yang digunakan dalam penelitian ini adalah data debit, curah hujan, dan data citra satelit. Data pengukuran debit harian yang diperoleh dari Dinas Pengelolaan Sumber Daya Air (PSDA) Provinsi Jawa Barat di DAS Citarum Hulu untuk periode 1995 – 2014. Data debit yang digunakan berasal dari sungai Citarum-Nanjung, yaitu sungai utama Citarum dengan outlet di Nanjung. Data curah hujan yang digunakan dalam penelitian ini adalah data curah hujan harian observasi stasiun pengamatan yang ada disekitar wilayah DAS Citarum Hulu selama tahun 1995 – 2014. Data citra satelit Landsat ini dipakai karena TM merupakan alat scanning mekanis yang mempunyai resolusi spektral, spasial dan radiometrik. Data Landsat yang digunakan adalah data Landsat 7, Landsat 5, dan landsat 8 gabungan path: 121 row: 64 dan path: 122 row: 65 2.2 Metode Pemisahan Aliran Dasar Recursive Digital Filter (RDF) Recursive Digital Filter (RDF) merupakan teknik penelitian untuk perhitungan pendekatan aliran dasar dengan teknik pemisahan (Eckhardt, 2005). Awalnya metode ini digunakan untuk analisis pengolahan sinyal dan menjadi popular dalam literatur hidrologi untuk pemisahan aliran dasar. Teknik RDF dipilih karena memiliki sedikit parameter, akurat dan sederhana. Metode ini telah digunakan dalam pemisahan aliran dasar karena gelombang frekuensi tinggi dapat dihubungkan dengan limpasan langsung dan frekuensi rendah dengan aliran dasar (Eckhardt, 2005). RDF ini digunakan untuk menghapus frekuensi tinggi dari sinyal limpasan langsung untuk menurunkan frekuensi rendah sinyal aliran dasar (Nathan dan McMahon 1990). Persamaan One parameter digital filter method (Lyne and Hollick, 1979; Nathan and McMahon, 1990; Arnold and Allen, 1999) adalah ⁄ dimana, Qk : Limpasan permukaan pada waktu k, Qk-1 : Limpasan permukaan pada waktu k-1, Yk : Total debit sungai pada waktu k, Yk-1 : Total debit sungai pada waktu k-1, a : Filter parameter. Perhitungan aliran dasar menggunakan metode RDF One Parameter melibatkan nilai filter parameter pada perhitungannya. Penentuan nilai filter parameter (α) berdasarkan Tabel 2.1 yaitu dengan menyesuaikan luas DAS terlebih dahulu, selanjutnya membandingkan nilai BFI pada α = 0,925 dan 0,98, mana nilai yang besarnya mendekati nilai batas. Nilai α yang mendekati nilai batas akan digunakan dalam perhitungan aliran dasar

3


Tabel 2.1 Perbandingan dari BFI pada sembilan lokasi. (SKM & CSIRO, 2012).

Catchme nt

Barron

Belubula

Cattle

Cockbur n Elliot

Logan

Nambuc ca

Ourimba h Tarcutta

Nearest gauging station

Lattitude, Longitude

Catchment Area (km2)

BFI (%)

Barron River at Picnic crossing (110003) Belubula River at the Needles (412056) Cattle Creek at Gargett (125004)

17,25911, 145,53858

228

α = 0,925 63

α = 0,98 41

33,575, 148,842

1610

39

27

NA

21,17806, 148,74417

326

48

49

27

Cockburn River at Kootingal (419099) Elliot River at Dr Mays Crossing (137003) Logan River at Round Mountain (145008) Nambucca River u/s Bowraville (205015) Ourimbah Ck u/s Weir (211013) Tarcutta Creek at Old Borambola (410047)

31,062, 151,125

907

36

29

27

24,9740, 152,4200

270

66

57

48

28,07250, 152,92528

1262

50

44

16

30,624, 152,843

431

54

54

39

33,34, 151,34

83

46

42

42

35,15, 147,66

1660

57

32

34

Nilai batas 17

2.3 Metode NDVI dan NDBI Formula Normalized Difference Vegetation Index (NDVI) dihasilkan dari panjang gelombang yang dipantulkan oleh sinar infra merah dekat dikurangi dengan radiasi panjang gelombang sinar tampak dibagi dengan jumlah pantulan sinar infra merah dekat ditambah dengan pantulan panjang gelombang sinar tampak. Secara matematis formula tersebut dapat dilihat pada persamaan berikut ini (Amiri dan Tabatabaie, 2009). NDVI= (Band NIR-Band Red)/(Band NIR+Band Red) Harus diperhatikan bahwa nilai NDVI pada perhitungan di atas berkisar antara -1 sampai dengan +1. Nilai negatif menunjukkan wilayah non vegetasi, sedangkan nilai positif merupakan wilayah vegetasi. Untuk mendapatkan nilai Normalized Difference Built-up Index (NDBI) melalui citra satelit digunakan persamaan (Lucian Octavian Dragomir dan Silvica Oncia, 2012): NDBI= (Band IR-Band NIR)/(Band IR+Band NIR)

4


Band NIR adalah band 4 dan band IR adalah band 5. Nilai NDBI pada perhitungan di atas berkisar antara -1 sampai dengan +1. Nilai positif menunjukkan lahan area terbangun, sedangkan nilai negatif menunjukkan selain lahan area terbangun. 2.4 Multiple Linear Regression (Regresi Linear Berganda) Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Variabel dependen adalah aliran dasar. Variabel independen adalah curah hujan (X1), NDVI (X2), dan NDBI (X3). Data yang digunakan biasanya berskala interval atau rasio. Persamaan regresi linear berganda adalah sebagai berikut :

dimana, Y’ X1, X2,X3 a b

= Variabel dependen (nilai yang diprediksikan) = Variabel independen = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0) = Koefisien regresi (nilai peningkatan ataupun penurunan)

2.5 Diagram Alir Penelitian Studi Literatur

Data Citra Satelit (Landsat)

Remote Sensing Normalized Difference Vegetation Index (NDVI)

Remote Sensing Normalized Difference Built-up Index (NDBI)

Luas Built-up

Luas Vegetasi

Curah Hujan Harian

Debit Sungai Harian

Reklasifikasi Harian à Musim

Pemisahan Baseflow (Recursive Digital Filter : One Parameter)

Curah Hujan Bulan Kering

Curah Hujan Bulan Basah

Baseflow Bulan Basah

Baseflow Bulan Kering

Analisis Geologi Permukaan

Multiple Linear Regression

Kesimpulan

5


3. HASIL DAN PEMBAHASAN 3.1 Curah Hujan Pada penelitian ini terdapat 15 stasiun hujan dan curah hujan harian pada tahun 1995-2014 yang tersebar di DAS Citarum Hulu. Secara klimatologi kondisi iklim di wilayah penelitian sama dengan Jawa Barat pada umumnya, yaitu iklim monsun tropis. Musim hujan terjadi saat bertiup angin monsun barat di bulan Desember, Januari, dan Februari (DJF), sedangkan musim kemarau terjadi ketika bertiup angin monsun timur pada bulan Juni, Juli dan Agustus (JJA). Pada bulan kering rata-rata curah hujan adalah 135,2 mm sedangkan pada bulan basah 611,7 mm. Curah hujan minimum di bulan basah adalah 225,7 mm sedangkan di bulan kering 4 mm. Besarnya nilai curah hujan maksimum pada bulan basah adalah 968,8 mm, sedangkan pada bulan kering 394,6 mm. Gambar 3.1 menunjukkan curah hujan saat musim hujan (bulan basah) dan musim kemarau (bulan kering). Variasi antar tahunan menunjukkan bahwa curah hujan pada bulan basah lebih tinggi dan fluktuatif daripada bulan kering.

Gambar 3.1. Grafik curah hujan saat bulan basah dan bulan kering di DAS Citarum Hulu

3.2 Aliran Dasar Musiman Estimasi nilai aliran dasar harian saat bulan basah dan bulan kering ditunjukkan dalam Gambar 3.2. Pada bulan basah rata-rata nilainya adalah 47,2 m3/s. Nilai aliran dasar pada bulan basah menunjukkan lonjakan pada tahun 2010 dan 2012. Nilai aliran dasar pada bulan basah menunjukkan lonjakan pada tahun 2010 dan 2013 yaitu masing-masing 114,1 m3/s dan 92,1 m3/s. Nilai minimum pada tahun 2007 yaitu sebesar 31,6 m3/s.

Gambar 3.2. Grafik BFI bulan basah dan bulan kering

Ketika presipitasi rendah di bulan kering, hasil estimasi aliran dasar harian lebih kecil dari bulan basah yaitu 43,1 m3/s. Pada bulan kering, aliran dasar merupakan komponen penting dalam hidrograf yang berasal dari airtanah dan/atau penyimpanan subsurface yang merembes ke saluran sungai, tanpa melihat variasi curah hujan. Nilai BFI pada bulan basah dan bulan kering selama tahun 1995-2014 di DAS Citarum Hulu ditunjukkan dalam Gambar 3.3.

6


Gambar 3.3. Grafik BFI bulan basah dan bulan kering

Kondisi aliran dasar dipengaruhi oleh kuantitas presipitasi yang terinfiltrasi menjadi imbuhan airtanah. Dengan mengetahui BFI suatu DAS, maka dapat diketahui tingkat kontribusi aliran dasar terhadap aliran sungai. 3.3 Hasil Pengolahan NDVI dan NDBI Pengolahan citra satelit landsat di DAS Citarum Hulu menghasilkan indeks vegetasi dengan menggunakan metode NDVI dan indeks lahan terbangun menggunakan metode NDBI. Pengolahan data citra Landsat dilakukan untuk tahun 1995 sampai 2014, namun karena terjadi kerusakan data pada tahun 2010-2012 maka tidak dilakukan pengolahan data pada tahun-tahun tersebut. Hasil transformasi NDVI dapat dilihat pada Gambar 3.4 untuk tahun 1997 dengan menghasilkan kisaran nilai antara -1 sampai dengan +1, dimana nilai positif merupakan area vegetasi dan nilai negatif merupakan area non vegetasi.

Gambar 3.1 Hasil transformasi NDVI tahun 1997

Hasil transformasi citra dengan metode NDVI di DAS Citarum Hulu tahun 1997 ditunjukkan dalam Gambar V-5. Nilai rentang indeks vegetasi yang ada pada NDVI berkisar dari -0,6 sampai 0,96. Nilai indeks vegetasi pada daerah ini bernilai lebih besar dari nol di utara dan selatan. Hal ini menunjukan bahwa di daerah ini keberadaan vegetasi cukup rapat, didukung karena Taman Hutan Raya yang berada di utara dan perkebunan teh Pangalengan di selatan. Metode NDBI menghasilkan kisaran nilai yang sama dengan NDVI, namun nilai positif merupakan area lahan terbangun dan nilai negatif selain area terbangun. Hasil transformasi NDBI untuk tahun 1997 diperlihatkan dalam Gambar 3.5. Citra transformasi indeks built-up menunjukkan bahwa pada tahun 1997 lahan terbangun tersebar di seluruh DAS Citarum Hulu. Nilai rentang indeks built-up yang ada pada NDBI berkisar dari -0,98 sampai 0,731. Nilai indeks built-up pada daerah ini bernilai lebih besar dari nol di tengah daerah penelitian, dimana wilayah itu adalah Kota Bandung. Hal itu menunjukkan bahwa lahan terbangun dominan berada di Kota Bandung. Tingginya tingkat lahan terbangun dapat mengakibatkan meningkatnya aliran permukaan (run-off) dan berkurangnya debit air yang meresap kedalam tanah.

7


Gambar 3.2 Hasil transformasi NDBI untuk tahun 1997

3.4 Verifikasi NDVI dan NDBI terhadap Data Landuse Untuk menguji kebenaran hasil perhitungan tersebut di atas dilakukan verifikasi data. Dengan menggunakan data tataguna lahan di wilayah yang sama dapat dilakukan verifikasi. Data tataguna lahan yang digunakan berasal dari Pusat Litbang Sumber Daya Air Kota Bandung tahun 1995, 2001, 2007, 2008, dan 2014. Verifikasi data dapat didekati dengan membuat scatter plot dan menghitung nilai Root Mean Square Error (RMSE).

Gambar 3.3 Scatter plot presentase NDVI terhadap data landuse di DAS Citarum Hulu

Hasil scatter plot menunjukkan bahwa nilai NDVI dapat mengikuti nilai landuse dengan koefisien determinasi sebesar 0,766. Koefisien determinasi merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model regresi yang terestimasi. Nilai koefisien determinasi (R2) mencerminkan berapa besar variasi dari variabel terikat landuse vegetasi dapat diterangkan oleh variabel bebas NDVI. Variasi nilai landuse vegetasi sebagian besar dapat diterangkan oleh NDVI. RMSE adalah suatu indikator kesalahan (error) yang menunjukkan simpangan antara hasil model dengan hasil observasi. Semakin kecil nilai RMSE menunjukkan semakin andal model dalam melakukan prediksi. Nilai presentase RMSE adalah 9,2%, artinya nilai kesalahan NDVI terhadap landuse vegetasi adalah 9,2%. Hasil scatter plot NDBI terhadap data landuse di DAS Citarum Hulu ditunjukkan dalam Gambar 3.7. Hasil scatter plot menunjukkan bahwa nilai koefisien determinasi adalah 0.2024.

8


Gambar 3.4 Scatter Plot Presentase NDBI terhadap data landuse di DAS Citarum Hulu

Berdasarkan nilai koefisien determinasi tersebut variasi nilai landuse vegetasi tidak dapat diterangkan oleh NDBI. Nilai presentase RMSE adalah 20,24%, artinya nilai kesalahan NDBI terhadap landuse vegetasi adalah 20,24%. Tingkat kesalahan NDBI yang cukup tinggi mengakibatkan NDBI tidak dapat digunakan dalam analisis tutupan lahan terhadap aliran dasar, sehingga NDBI tidak dilibatkan dalam analisis selanjutnya. 3.5 Hubungan Aliran Dasar, Curah Hujan, dan Vegetasi di DAS Citarum Hulu Pada penelitian ini beberapa faktor yang berpengaruh terhadap aliran dasar adalah curah hujan dan NDVI. Variabel terikat adalah aliran dasar dan variabel bebas adalah curah hujan dan NDVI. Untuk mengetahui hubungan antar variabel dilakukan multiple linear regression. 3.5.1 Bulan Kering Hasil multiple linear regression dengan variabel terikat aliran dasar bulan kering dan variabel bebas curah hujan bulan kering dan NDVI menghasilkan korelasi yang ditunjukkan dalam Tabel 3.1. Tabel 3.1 Hasil korelasi multivariat regresi untuk aliran dasar bulan kering di DAS Citarum Hulu

Aliran dasar Bulan Kering CH CH dan NDVI 0,56 0,45 Tabel 3.1 menunjukkan koefisien korelasi antara variabel bebas dan variabel terikat. Pada bulan kering, hubungan aliran dasar dan curah hujan cukup signifikan dengan nilai korelasi 0,56. Namun, penambahan variabel NDVI membuat korelasi aliran dasar, curah hujan dan NDVI di bulan kering menurun yaitu 0,45. Hal itu menunjukkan bahwa saat musim kemarau parameter kerapatan vegetasi sangat lemah mengontrol keberadaan aliran dasar. 3.5.2 Bulan Basah Korelasi menggunakan multiple linear regression pada bulan basah dengan variabel terikat aliran dasar dan variabel bebas curah hujan bulan basah dan NDVI menghasilkan nilai korelasi yang ditunjukkan dalam Tabel 3.2. Tabel 3.2 Hasil korelasi multivariat regresi untuk aliran dasar bulan basah di DAS Citarum Hulu

Aliran dasar Bulan Basah CH CH dan NDVI -0.49 0.72 Pada bulan basah, koefisien korelasi aliran dasar dan curah hujan cukup signifikan dengan nilai korelasi 0,49. Nilai negatif menunjukkan pada bulan basah hubungan aliran dasar terhadap curah hujan memiliki hubungan berbanding terbalik. Aliran dasar dihitung berdasarkan metode pemisahan, dimana data debit dipisahkan menjadi runoff dan aliran dasar. Curah hujan yang tinggi pada bulan basah secara tidak langsung dapat meningkatkan nilai runoff. Semakin besar nilai runoff maka semakin kecil nilai aliran dasar. Korelasi NDVI dan curah hujan terhadap aliran dasar di bulan basah mencapai 0,72. Peningkatan korelasi itu menunjukkan bahwa variabel NDVI lebih baik mengontrol keberadaan aliran rendah saat musim hujan. NDVI dapat menggambarkan keberadaan aliran rendah atau aliran dasar pada bulan basah dengan baik.

9


3.6 Pengaruh Tutupan Lahan pada Geologi Permukaan Geologi permukaan di DAS Citarum Hulu terdiri dari Formasi Cibeureum, Formasi Cikapundung, Formasi Kosambi, Vulkanik Tersier, dan Vulkanik Quarter selain Fm. Cikapundung dan Fm. Formasi Cibeureum. Pada tesis ini analisis pengaruh tutupan lahan terhadap geologi permukaan hanya pada Formasi Cibeureum sebagai akuifer utama di DAS Citarum Hulu. 3.7 Pengaruh Vegetasi di Formasi Cibeureum terhadap Aliran Dasar pada Bulan Kering Hasil korelasi dengan multiple linear regression menghasilkan korelasi sebesar 0,47. Hasil korelasi presentase NDVI di Formasi Cibeureum serta hujan saat bulan kering terhadap aliran dasar menunjukkan nilai 0,47 untuk Formasi Cibeureum. Jika dibandingkan dengan korelasi saat bulan basah, saat bulan kering nilai korelasi jauh lebih rendah. Hal ini menunjukkan bahwa pada bulan kering, aliran dasar tidak sensitif terhadap akuifer. 3.8 Pengaruh Vegetasi di Formasi Cibeureum terhadap Aliran Dasar pada Bulan Basah Hasil korelasi menggunakan multiple linear regression menghasilkan korelasi sebesar 0,73. Korelasi sebelum melibatkan faktor geologi permukaan adalah 0,72 dan setelah melibatkan faktor geologi yaitu Formasi Cibeureum adalah 0,73. Formasi Cibeureum merupakan akifer utama di daerah penelitian, hal ini menunjukkan bahwa akuifer utama memberi pengaruh lebih besar terhadap aliran dasar. 3.9 Diskusi Trend nilai aliran dasar dan curah hujan saat bulan basah cenderung naik. Sebaliknya, pada bulan kering hampir tidak ada air hujan yang mengisi groundwater storage sehingga trend aliran dasar dan curah hujan turun. Pada penelitian ini besarnya nilai NDVI menggambarkan sebaran vegetasi di DAS Citarum Hulu dengan tingkat error 9,2% atau setara dengan 156,4 km2 dengan asumsi luas DAS Citarum Hulu adalah 1700 km2. Hasil verifikasi NDBI dengan data landuse di DAS Citarum Hulu menghasilkan error 20,24% dan R2 0,20. Hal ini menunjukkan bahwa landuse di DAS Citarum Hulu tidak dapat diterangkan dengan baik oleh NDBI. Berdasarkan Jin A Lee, dkk. (2004) untuk menghitung built-up indeks perlu dilakukan koreksi, yaitu dengan melakukan perhitungan Built-up Index = NDBI – NDVI. Pada bulan kering pengaruh NDVI terhadap aliran dasar tidak signifikan. Variabel NDVI dapat menggambarkan kondisi aliran dasar khususnya pada bulan basah. Penambahan unsur geologi permukaan dapat meningkatkan nilai korelasi. Unsur geologi permukaan pada penelitian ini adalah akuifer. DAS Citarum Hulu memiliki akuifer utama yang terletak pada Formasi Cibeureum. Analisis multivariat aliran dasar, curah hujan, dan area vegetasi sebelum melibatkan unsur geologi permukaan memiliki nilai korelasi 0,72. Setelah menambahkan unsur geologi, ada penambahan nilai korelasi menjadi 0,73. Hasil korelasi keseluruhan variabel bebas terhadap aliran dasar belum sepenuhnya sempurna, perlu adanya penambahan variabel lain. Penelitian selanjutnya dapat dilakukan untuk mengetahui variabel lain yang mempengaruhi aliran dasar. 3.10 Diskusi Tanya Jawab Korelasi NDVI dan landuse vegetasi diketahui dengan menggunakan data satelit tahun 1995 sampai 2014, namun verifikasi menggunakan data tutupan lahan selama lima tahun. Verifikasi menggunakan data tutupan lahan selama lima tahun cenderung sedikit dan dianggap tidak mewakili. Namun ketersediaan data yang ada hanya ada lima tahun. Data verifikasi yang lebih banyak dapat lebih meningkatkan akurasi nilai korelasi. Data verifikasi yang lebih banyak dapat menjadi masukan untuk penyedia data juga untuk menyempurnakan penelitian selanjutnya. Pengertian Recusive Digital Filter merupakan metode pemisahan data debit menjadi baseflow dan runoff. Metode RDF ini dijelaskan dengan rinci pada bab 2.2. Cara menghubungkan NDVI dengan baseflow adalah dengan cara menghubungkan presentase area NDVI yang ada di DAS wilayah penelitian terhadap nilai baseflow di DAS tersebut di waktu yang sama. Penjelasan lebih rinci dapat dilihat pada diagram alir yaitu bab 2.5.

10


4. KESIMPULAN 1) Hasil estimasi BFI menggunakan metode Recursive Digital Filter, One Parameter dengan Sungai CitarumNanjung selama tahun 1995-2014 rata-rata nya 0,57. 2) Tanpa memperhitungkan geologi permukaan NDVI dapat menggambarkan kondisi aliran dasar khususnya pada bulan basah dengan baik di DAS Citarum Hulu. 3) Tanpa memperhitungkan geologi permukaan pada bulan kering pengaruh NDVI terhadap aliran dasar tidak signifikan di DAS Citarum Hulu. 4) Kondisi geologi permukaan yang diwakili akuifer dapat menggambarkan kondisi aliran dasar dengan baik. 5) Pada Formasi Cibeureum NDVI dapat lebih baik menggambarkan aliran dasar pada bulan basah.

5. UCAPAN TERIMAKASIH Tidak dipungkiri bahwa dalam pelaksanaan penelitian ini banyak pihak yang beperan. Oleh karena itu, penulis mengucapkan termakasih yang sebesar-besarnya kepada pihak-pihak berikut ini : 1. 2. 3. 4.

Dinas Pengelolaan Sumber Daya Air (PSDA) Provinsi Jawa Barat yang telah menyediakan data pengukuran debit harian di DAS Citarum Hulu selama periode 1995-2014. Bapak Prof. Ir. Lambok M. Hutasoit, Ph.D. selaku Pembimbing I yang telah membimbing penulis selama melaksanakan penelitian Tesis sampai menyelesaikan laporan ini. Dr. Rusmawan Suwarman, M.T. selaku Pembimbing II yang telah memberikan ide, bantuan, nasihat, dan diskusinya yang berharga selama penulis mengerjakan Tesis ini. Dosen-dosen Program Studi Teknik Airtanah serta civitas akademika Program Studi Teknik Airtanah Institut Teknologi Bandung.

6. DAFTAR PUSTAKA Amiri, F., dan Tabatabaie, T. (2009). Operational Monitoring of Vegetative Cover by Remote Sensing in Semi-arid Lands of Iran, 7th FIG Regional Conference, 1-18, Hanoi. Komite Nasional Pengelolaan Lahan Basah. (2004). Strategi Nasional dan Rencana Aksi Pengelolaan Lahan Basah Indonesia, Jakarta, Kementrian Lingkungan Hidup. Bordie dan Hostler. (2005). A Review of Techniques for Analysing Baseflow from Stream Hydrographs, Canberra, Bureau of Rural Sciences. Eckhardt, K. (2005). How to Construct Recursive Digital Filters for Baseflow Separation, Hydrological Precesses, 19(2), 507-515. Upper Citarum Basin Flood Management team. (2011). Upper Citarum Basin Flood Management Volume 2: 1D2D Modelling studies, Main Channel and Tributary Analysi,. Bandung, Deltares. Fetter, C. W. (2001). Applied Hydrogeology. Saddle River, Prentice Hall Inc. Gonzales, A. L., Nonner, J., Heijkers, J., dan Uhlenbrook, S. (2009). Comparison of Different Baseflow Separation Methods in a Lowland Catchment, Hydrology and Earth System Science, 2055-2068. Hutasoit, L. M. (2009). Kondisi Permukaan Air Tanah dengan dan tanpa peresapan buatan di daerah Bandung: Hasil Simulasi Numerik, Journal Geologi Indonesia, 177-188. Latuamury, B., Gunawan, T., dan Suprayogi, S. (2013). Hubungan Antara Indeks Vegetasi NDVI (Normalized Differece Vegetation Indeks) dan Koefisien Resesi Baseflow Pada Beberapa Subdas Propinsi Jawa Tengah dan Daerah Istimewa Yogyakarta, Teknosains, 71-158. Li, L., Maier, H., Lambert, M., Simmons, C., dan Partington, D. (2013). Framework for Assessing and Improving the Performance of Recursive Digital Filters for Baseflow Estimation with Application to the Lyne and Hollick filter, Environmental Modelling & Software, 163-175. Narulita, I., dan Djuwansah, M. (2012). Correlation among Enso Phenomena, Distribution of Rainfall, and Land Cover with Runoff: A Case Study of Basin Bandung, Bulletin of Environmental Geology, 22, 19-34.

11


Nathan, R. J., dan McMahon, T. (1990). Evaluation of Automated Techniques for Baseflow and Recession Analyses, Water Resource Research, 1465-1473. Pertiwi, N. S., dan Sudrajat, A. (2013). Analysis of Baseflow Variability at Nanjung Streamflow-Gaging Station on The Upper Part of Citarum Watershe,. Bandung, Teknik Lingkungan Institut Teknologi Bandung. R Brown, B. N. (2013). A Standard Approach to Baseflow Separation Using The Lyne and Hollick Filter, Australian Journal of Water Resource, 25-34.

12

Variasi Tutupan Lahan dan Implikasinya Terhadap Nilai aliran dasar di DAS Citarum Hulu

Recommend Documents