Makalah Seminar-rev2 Edited
-
Upload
m-firdaus-iqbal -
Category
Documents
-
view
247 -
download
0
Transcript of Makalah Seminar-rev2 Edited
-
7/25/2019 Makalah Seminar-rev2 Edited
1/17
RINGKASAN SEMINAR SKRIPSI
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
2016
PENDAHULUAN
SWAT merupakan suatu model DAS yang dikembangkan olehArnold et al untuk USDA ARS
(United States Department Agriculture Agricultural Research Service). Pengembangan modeldilakukan selama lebih dari ! tahun dan sebelumnya merupakan turunan se"ara langsung dari model
SWRR# (Simulator $or Water Resour"es in Rural #asins) model (Arnold dan Williams% &') yang
didesain untuk mensimulasikan dampak pengelolalan pada air dan sedimen pada DAS pedesaan di
amerika serikat. SWAT merupakan model yang berbasis proses $isik% daripada model berbasis
persamaan empirik% sehingga dibutuhkan in$ormasi spesi$ik untuk men*alankan model agar hasil
model lebih memuaskan (+eits"h% ,!&&).
-odel SWAT mampu mengatasi luasan DAS yang luas% dengan ariasi *enis tanah dan
kemiringan lereng% dan kondisi lingkungan yang beragam serta dapat digunakan se"ara open source
dan terus dikembangkan untuk mengatasi tantangan kedepan. /leh karena itu SWAT digunakan di
berbagai belahan dunia (Arnold et al ,!!% S"houl et al ,!!% Abbaspour et al ,!&0% Abbaspour et al
,!!'% 1aramar2i et al ,!&0% 3hang et al ,!&0). Sementara itu% SWAT *uga digunakan di 4ndonesia
diantaranya 5 DAS 6itarum hulu (Andrionita ,!&&)% 6itarum hulu Sub DAS 6engkrong (-alahayati
,!&!)% 6ili7ung hulu (#udiaman ,!&8)% 6isadane hulu (9ris7iyanto ,!&8)% Sub:DAS ;umbasa dan
Sub DAS 6isadane hulu (-ulyana ,!&,).
-eskipun demikian% ketersediaan dan kualitas data merupakan salah satu tantangan dalam
pemodelan. Permasalahan ini% dalam proses pengaturan model (model set-up) akan memberikan
ketidaktepatan input model dan konseptual model. Sedangkan dalam proses kalibrasi dan alidasi
model% permasalahan ini akan menuntun pada kesalahan optimasi dan pendugaan parameter. /leh
karena itu% sebelum dilakukan kalibrasi% diperlukan skema diskriminasi data untuk memberikan hasil
yang lebih optimal (1aramar2i et al,!&0).
Skema diskriminasi data telah dilakukan di DAS Alberta 9anada oleh 1aramar2i et al ,!&0
untuk memperoleh hasil output model yang akurat dengan pengaturan model yang tepat. Skema ini
dapat dilakukan berdasarkan pengaturan konseptual model% dan input model. Pengaturan konseptualmodel yaitu dengan mengatur kedetailan model atau besarnya simpli$ikasi model% sedangkan
pengaturan input model yaitu dengan menggunakan alternati$ kombinasi data yang ada sehingga
mendapatkan hasil yang paling optimal. #atasan input kombinasi data yang ada dalam penelitian ini
ialah "urah hu*an.
Sub:DAS "irasea digunakan sebagai studi kasus dalam penelitian ini karena memiliki area yang
luas dengan ketersediaan data yang "ukup dan beragam. Salah satu data yang memiliki keragaman
tinggi se"ara spasial dan temporal yaitu "urah hu*an. 6urah hu*an merupakan ariabel penggerak
(driving variable) utama yang menentukan dinamika besarnya debit dalam pemodelan SWAT. Selain
itu% untuk menentukan besarnya "urah hu*an dalam setiap subdas% metode interpolasi "urah hu*an yang
digunakan oleh SWAT ialah interpolasi centroid. -etode ini menggunakan stasiun "urah hu*an yang
terdekat sampai pada pusat luasan masing:masing subdas. 9elemahan dalam metode ini% SWAT akan
mampu merepresentasikan se"ara akurat ariabilitas "urah hu*an se"ara spasial apabila delineasisubdas "ukup men"akup kerapatan dari stasiun "urah hu*an yang ada (;alan% ,!&). Delineasi
+RP = -uhammad 4?bal 1irdaus>@&8&&!!
Dosen Pembimbing = Dr. 4r. Bendrayanto% -Agr
-oderator = Dr. 4r. -uhdin% -S"
Bari>Tanggal = Selasa>, Tempat = &!.!!:&&.!! W4#>A#T:&
-
7/25/2019 Makalah Seminar-rev2 Edited
2/17
subdas ditentukan oleh besarnya thresholdsebagai batasan area minimal untuk membentuk asal aliran
sungai. Deliniasi subdas se"ara konseptual% akan mempengaruhi kedetailan model yaitu *umlah
subdas% BRU% dan *aringan sungai.
Tu*uan dan man$aat dalam penelitian ini ialah untuk mendapatkan model yang paling optimal
relati$ terhadap pengukuran debit obserasi dan untuk memberikan gambaran prosedur skenario input
dan konseptual SWAT -odel set:up% dan *uga penerapan teknik kalibrasi dan alidasi model yang
tepat.
METODOLOGI
Penelitian dilaksanakan di DAS 6itarum hulu Sub:DAS 6irasea dan laboratorium hidrologi
Departemen -ana*emen Butan 1akultas 9ehutanan 4nstitut Pertanian #ogor. Sub:DAS 6irasea
berada pada koordinat= C 0 8&EFS: C &8 8,E FS% &!C E #T : &!C 8' 0!E #T. Penelitian ini
dilaksanakan pada bulan /ktober sampai desember ,!&0.
Alat yang digunakan pada penelitian ini adalah laptopdengansoftwareAr";4S &!.,% Ar"SWAT
,!&,% SWAT:6UP ,!&, (SWAT:Calibration Uncertainty Programdan -i"roso$t /$$i"e ,!&.
Prosedur Pemode!" S#AT
Proses pemodelan SWAT disa*ikan pada gambar &. Alur dalam pengaturan model (odel Set-
Up) ialah sampai dengan menghasilkan output model dalam database>direktori !"t#n$ut% 9alibrasi
dan alidasi dilakukan untuk membandingkan hasil simulasi model dengan data obserasi.
-
7/25/2019 Makalah Seminar-rev2 Edited
3/17
;ambar
&. Diagram Aliran Proses Pemodelan SWAT
Tabel &. 9etersediaan data obserasi
+ama /utlet Fuas DTA (9m,) Tipe data 9etersediaan data
-a*alaya &',%! Debit harian ,!!!:,!!% ,!!0:,!&!6engkrong &%! Debit harian ,!!!:,!!&% ,!!0:,!&!
/utlet obserasi yang digunakan (Tabel &) merupakan lokasi titik SPAS (Stasiun Pengukuran
Aliran Sungai) yang dibangun oleh 9ementrian Peker*aan Umum% dengan memiliki ketersediaan data
yang sudah siap dipublikasikan sampai dengan tahun ,!&!.
Kom$%"!s% S!s%u" &ur!' Hu(!" E)e*+%) ,Bes+ E))e-+%.e S+!+%o"s/
9egagalan dalam pengaturan model akan memberikan hasil kalibrasi dan analisis
ketidakpastian yang tidak benar serta menuntun kepada prediksi model yang tidak akurat (1aramar2i
,!&0). /leh karena itu dilakukan optimasi pada tahap pengaturan model sebelum dilakukan kalibrasi
dan alidasi. /ptimasi tahap pengaturan model dibagi men*adi optimasi input model dan konseptual
model. Salah satu optimasi input model yang dapat dilakukan ialah dengan menentukan kombinasi
e$ekti$ dari input data stasiun "urah hu*an agar memberikan hasil model yang lebih optimal. Pemilihan
kombinasi stasiun "urah hu*an dipertimbangkan berdasarkan sebaran spasial dan *uga hasil respon
masing:masing stasiun terhadap model. Sebaran "urah hu*an se"ara spasial disa*ikan pada gambar ,
sedangkan untuk ketersediaan data disa*ikan pada tabel ,.
-
7/25/2019 Makalah Seminar-rev2 Edited
4/17
;ambar ,. Sebaran stasiun "urah hu*an terhadap subdas (subbasin) yang ada pada Sub:DAS 6irasea.
Tabel ,. Sumber dan ketersediaan data "urah hu*an
Stasiun 4klim Sumber data 9etersediaan data
6ipaku 9ementrian PU ,!!,:,!&8
6ibeurem 9ementrian PU &'':,!&86hi"hona #-9; &'':,!!
6iparay #-9; &'':,!!
6isonda 9ementrian PU &''':,!&8
Paseh #-9; &'':,!!
;lobal Weather 61SR &'':,!&8
Data "urah hu*an pada pengukuran obserasi digunakan sebagai input% sementara data iklim
lainnya seperti temperatur maksimum% temperatur minimum% ke"epatan angin dan *uga radiasi
matahari bersumber dari data 61SR pada satu lokasi titik grid. Penggunaan data temperatur 61SR
seperti dalam 1aramar2i et al (,!&0) dapat meningkatkan kualitas hasil simulasi% sementara data
presipitasi yang dihasilkan oleh 61SR "enderung overestimate. /leh karena itu% data iklim
(temperatur% ke"epatan angin dan radiasi matahari) 61SR digunakan% namun data presipitasi tidak
digunakan. -etode P@T (Potensial @apotranspirasi) yang digunakan ialah metode Bargreaes%
dikarenakan metode ini hanya membutuhkan data temperatur untuk menghasilkan nilai P@T (+eits"h%
,!&&). Bal ini dilakukan untuk mengurangi error yang ter*adi pada input iklim. -odel disimulasikan
dari tahun ,!!! sampai ,!&!% dan digunakan 7arming up tahun &'':&'''.
Data yang kosong atau tidak dilakukan pengukuran obserasi pada titik 7aktu tertentu
disimulasikan menggunakan weather generator yang telah dibangun berdasarkan data obserasi.&eather generator dapat mensimulasikan data iklim yang kosong atau tidak dilakukan obserasi
dengan menginput nilai :'' pada data yang kosong tersebut agar weather generatormengisi data
iklim pada hari tersebut. Pembangunan 7eather generator menga"u pada SWAT 4>/ Do"umentation
atau se"ara teori menga"u pada SWAT theorical documentation(+eits"h ,!&&).
Perbandingan debit dan "urah hu*an disa*ikan pada gambar . Terdapat beberapa metode
interpolasi "urah hu*an untuk mengetahui respon bagaimana metode interpolasi dapat mempengaruhi
input "urah hu*an. Penelitian ini membatasi hanya metode interpolasi centroid sebagai metode yang
digunakan untuk men*alankan model karena merupakan metode defaultyang digunakan oleh SWAT.
-
7/25/2019 Makalah Seminar-rev2 Edited
5/17
,!!! ,!!& ,!!0 ,!! ,!! ,!! ,!!' ,!&!!
,!!!
8!!!!
&!!!,!!!
!!!
Aritmatik
P"p 6irasea Debit -a*alaya
Debit 6engkrong
(mm)
(m>s)
,!!! ,!!& ,!!0 ,!! ,!!,!! ,!!' ,!&!!
,!!!8!!!
!!!!
&!!!,!!!
!!!
Theissen
P"p - a*alaya P"p 6engkrong
Debit -a*alaya Debit 6engkrong
(mm)
(m>s)
,!!! ,!!& ,!!0 ,!! ,!! ,!! ,!!' ,!&!!
,!!!
8!!!
!!!!
&!!!
,!!!
!!!
6entroid 0 Ba
P"p -a*alaya P"p 6engkrong
Debit -a*alaya Debit 6engkrong
(mm)
(m>s)
,!!!,!!&,!!0,!!,!!,!!,!!',!&!!
0!!!
&!!!!!
&!!!
,!!!
!!!
6entroid !!! Ba
P"p - a*alaya P"p 6engkrong
Debit -a*alaya Debit 6engkrong
(mm)
(m>s)
;ambar . Byetograph dan hydrograph DTA (Daerah Tangkapan Air) -a*alaya dan 6engkrong
9edetailan model yang dilihat dari besarnya threshold delineasi DAS mampu mempengaruhi
input "urah hu*an rata:rata 7ilayah sebagai input model. Sehingga% dilakukan pembagian skenario
berdasarkan besarnya delineasi DAS 0 Ba yang merupakan default threshold area(,G H luas area
DAS) dan kedetailan model yang rendah yaitu sebesar !!! Ba.
Pembagian skenario
Pembagian skenario merupakan bagian dari skema diskriminasi data (tabel ) yang didasarkan
pada sumber error model yang mungkin ter*adi pada bagian konseptual model% dan input model.
9onseptual model yaitu% delineasi DAS% sedangkan input model yaitu input "urah hu*an.Tabel . Pembagian Skenario dan kombinasi data
Sum$er Error S*e"!r%oD!+!se+
9onseptual -odel A& = Delineasi DAS threshold !!! Ba
A, = Delineasi DAS threshold 0 Ba
/ptimasi 4nput 6B 4& = -asing:masing stasiun "urah hu*an di input terpisah
4, = Semua stasiun "urah hu*an digunakan4 = 9ombinasi Stasiun "urah hu*an e$ekti$
-ultiple Dataset S& = A&I4&
S&J = A,I4&
S, = A&I4,
S,J = A,I4,S = A&I4
SJ = A,I4
-
7/25/2019 Makalah Seminar-rev2 Edited
6/17
9ombinasi stasiun "urah hu*an e$ekti$ merupakan kombinasi stasiun "urah hu*an yang memiliki
respon output debit simulasi model yang lebih akurat dibandingkan dengan stasiun "urah hu*an
lainnya. 9eakuratan model dapat dilihat berdasarkan parameter statistik sebagai ukuran kuantitati$
ketepatan model dalam menduga data obserasi debit. /leh karena itu% terdapat skenario (4&) untuk
memperoleh kombinasi stasiun "urah hu*an e$ekti$ pada DTA -a*alaya dan "engkrong. Skenario
seluruh stasiun "urah hu*an yang diinput (4,) selan*utnya dibandingkan dengan Stasiun "urah hu*an
e$ekti$ (4)% sedangkan besarnya delineasi DAS dibandingkan antara threshold!!! Ba (A&) dan 0
Ba (A,). -asing:masing kombinasi input dan konseptual model digabungkan kedalam bagian
multiple datasetyang kemudian selan*utnya dianalisis berdasarkan DTA% dan *uga dilihat per$orma
masing:masing model saat sebelum dan sesudah dilakukan kalibrasi dan alidasi model.
K!%$r!s% d!" !%d!s% mode
9alibrasi dan alidasi menggunakan perangkat lunak SWAT:6UP dan dilakukan se"ara
deterministik dan stokastik. 9riteria per$orma model deterministik ditentukan berdasarkan simulasi
terbaik oleh r, (Pearson's coefficient of determination) +S ((ash-Sutcliffe )fficiency Coefficient).
Sedangkan se"ara stokastik per$orma model di*elaskan oleh p:$a"tor dan r:$a"tor.
PearsonJs "oe$$i"ient o$ determination
(r,
) merupakan koe$isien determinasi yang menun*ukkanbagaimana suatu ariabel men*elaskan ariable lainnya (ariabel debit obserasi dan simulasi selama
kurun 7aktu tertentu)% atau menun*ukkan koe$isien korelasi (r) yang dikuadratkan. +ilai r,berkisar
antara !:&% dimana apabila nilai & berarti ariabel tersebut sepenuhnya se"ara linier dapat men*elaskan
ariabelnya atau dengan kata lain memiliki hubungan yang sempurna sementara nilai ! memiliki arti
bah7a ariabel debit simulasi dan obserasi tidak memiliki hubungan sama sekali% dalam gra$ik
'0PPU se"ara deskripti$ nilai r,ditun*ukkan dengan bagaimana pola debit simulasi mengikuti debit
obserasi. Semakin baik nilai r,maka pola debit simulasi akan mirip dengan debit obserasi. -enurut
#udiaman (,!&8) r,K !.0 dapat digunakan sebagai model yang layak untuk digunakan sebagai
analisis alih ragam hu*an.
-enurut -ano* (,!&)% (ash-Sutcliffe efficiency coefficient mengukur e$isiensi dari model
dengan hubungan bagaimana baiknya ke"o"okkan dari model terhadap ragam dari data obserasi.
(ash-Sutcliffe efficiencies berkisar antara LM sampai &. @$isiensi dari nilai +S N & menun*ukkanbah7a model benar:benar tepat sempurna dibandingkan dengan data obserasi. +S N ! menun*ukkan
bah7a prediksi model memiliki akurasi sebesar nilai rataan dari data obserasi% sedangkan +SO!
ter*adi ketika data rataan obserasi merupakan prediktor yang lebih baik dibandingkan dengan model.
#erikut kriteria nilai +S terhadap model dalam -oriasi et al,!!=Tabel 8. 9riteria per$orma -odel
9riteria +S@
Sangat baik !.0 O +S@ O &.!!
#aik !.0 O +S@ O !.0
-emuaskan !.0 O +S@ O !.0
9urang memuaskan +S@ !.0!
Per$orma model deterministik yang dihasilkan berdasarkan pada +ilai +S dan r,
. Parametertersebut merupakan parameter statistik yang "ukup umum digunakan dalam pemodelan SWAT. Se"ara
stokastik hasil kalibrasi SWAT:6UP merupakan rentang dugaan parameter dan *uga rentang hasil
model dalam gra$ik '0PPU. ;ra$ik '0PPU digunakan untuk melihat besarnya ketidakpastian dan
per$orma model. Se"ara kuantitati$ di*elaskan berdasarkan parameter statistik yaitu nilai p:$a"tor dan
r:$a"tor. P:$a"tor menun*ukkan persentase dari data obserasi yang berada pada luasan '0PPU%
besarnya dari ! sampai &. +ilai & menun*ukkan semua data obserasi berada pada luasan '0PPU%
artinya ketidakpastian dari suatu model dapat dipetakan se"ara sempurna pada data obserasi. +ilai r:
$a"tor adalah rata:rata lebar '0PPU band dibagi dengan simpangan baku dari ariabel obserasi%
besarnya berkisar antara ! sampai takhingga% menun*ukkan bagaimana ketebalan '0PPU band% atau
menggambarkan besarnya ketidakpastian. Abbaspour ,!&0 merekomendasikan nilai p:$a"tor K !.
dan nilai r:$a"tor O&.0.
HASIL DAN PEMBAHASAN
-
7/25/2019 Makalah Seminar-rev2 Edited
7/17
Respon masing:masing stasiun "urah hu*an (4&)
Parameter statistik r,dan +S dibandingkan pada hasil masing:masing simulasi debit stasiun
"urah hu*an terdekat terhadap SPAS yang tersebar se"ara spasial (gambar ,). -asing:masing stasiun
"urah hu*an diinput se"ara terpisah untuk mengetahui masing:masing hasil simulasi terhadap kedua
DTA yaitu "engkrong dan ma*alaya. Bal ini dimaksudkan untuk melihat bagaimana respon suatu
stasiun "urah hu*an terhadap hasil simulasi debit. Selain itu% masing:masing input "urah hu*an tersebut
diinput pada dua model dengan skenario pembatasan thresholdyang berbeda yaitu pada A& dan A,%
hal ini bertu*uan untuk mengetahui pengaruh kedetailan delineasi DAS terhadap hasil simulasi.
Tabel 0. Pearson "oe$$i"ient o$ determination (r,) antaradebit obserasi dan debit simulasi pada SPAS
yang menggunakan masing:masing data "urah
hu*an
Sta
siu
n6B
-
(
S&
)
-
(
S&
J)
6
(
S&
)
6
(
S&
J)
6hi"ho
na
!
.
,
!
.
,
8
!
.
,
0
!
.
&
6ib
eur
em
!
.
,
,
!
.
,
!
.
,
&
!
.
&
6ipaku
!
.
!
.
!
.&
!
.&
6ip
ara
y
!
.
&
!
.
&
!
.
,
!
.
0
6is
onda
!
.
&
0
!
.
&
0
!
.
'
!
.
'
Paseh
!
.!
!
.!
'
!
.&
,
!
.,
8
- = -a*alaya 6 =6engkrong
Tabel . Pemilihan kombinasi data input "urah hu*an
berdasarkan r,K!.&0
-
7/25/2019 Makalah Seminar-rev2 Edited
8/17
St
as
un
6
B
-
a
*
al
a
y
a
6e
ng
kr
on
g
6
hi
"h
on
a
Q
aQa
6ibe
ur
e
m
Q
aQa
6i
paku
Q
aQa
6ipa
ra
y
Q
aQa
6i
so
nd
a
Ti
d
a
k
Qa
Pase
h
T
id
a
k
Tida
k
Data koe$isien determinasi pada tabel 0 menun*ukkan hubungan pola $luktuati$ antara debitsimulasi dan debit obserasi. Pemilihan data "urah hu*an dilakukan se"ara sub*ekti$ relati$ untuk
menun*ukkan data mana yang dipilih. Data yang dipilih ialah r,K!.&0 dari hasil debit simulasi oleh
masing:masing "urah hu*an terdekat ke SPAS. Tabel menun*ukkan data yang akan dipilih sebagai
stasiun "urah hu*an e$ekti$ (*est effective station) berdasarkan r,.
Sementara itu% untuk membandingkan hasil model berdasarkan koe$isien e$isiensi dari +ash:
Sut"li$$e% hasil disa*ikan pada tabel .
Tabel . +ash:Sut"li$$e 6oe$$i"ien"t @$$i"ien"y (+S@)
antara debit obserasi dan debit simulasi padaSPAS yang menggunakan masing:masing data
"urah hu*an
S+!s%
u"
&H
-
(
S&
)
-
(
S
&
J
)
6
(
S&
)
6
(
S
&
J
)
6hi"hona
:
!.
&
:
!
.
0
:
!
.
,
:
!
.
!
6ibe
urem
:
&
0
.
:
&
8
.
0
:
,
.
&
:
8
.
!
6ipa
ku
:&
.
8
'
:&
.
&
:!
.
&
:!
.
0
&
6ipar
ay
:
!.
'
:
!.
&
:
!.
,
:
!.
&
6iso
nda
:
&
!.
&
:
'
.0
:
,
.&
,
:
,
.&
!
Pase
h
:
&
.
8
:
&
.
!
:
&
.
!&
:
!
.
0&
-
7/25/2019 Makalah Seminar-rev2 Edited
9/17
- = -a*alaya 6 =
6engkrong
Tabel . Pemilihan kombinasi data "urah hu*an
berdasarkann +SK:&.0
-
7/25/2019 Makalah Seminar-rev2 Edited
10/17
S
P
AS
-
a*
al
ay
a
6e
ng
kr
on
g
6
hi"
h
o
n
a
Q
aQa
6ib
e
ur
e
m
Ti
d
a
k
Ti
da
k
6ip
ak
u
Q
a Qa
6
ipar
a
y
Q
aQa
6
is
on
d
a
Ti
da
k
Ti
da
k
Pas
eh
Tid
ak
Qa
9ombinasi stasiun e$ekti$ berdasarkan parameter +SK:&.0 disa*ikan pada tabel . Basil pada
tabel dan tabel menun*ukkan pemilihan kombinasi stasiun berdasarkan letak lokasi stasiun
terhadap subdas dan *uga kriteria relati$ yang ditetapkan. Barus dipahami% bah7a ketetapan sub*ekti$
relati$ (r,K!.&0 dan +SK:&.0) bukan merupakan nilai tetap atau mutlak sebagai nilai yang diharuskan
untuk mendapatkan stasiun tere$ekti$ dalam pemodelan SWAT. +amun hal ini merupakan teknik yang
dapat dilakukan untuk mendapatkan kombinasi stasiun "urah hu*an yang tere$ekti$ berdasarkan
pengambilan keputusan yang sub*ekti$% yang mengarahkan kepada stasiun:stasiun "urah hu*an yang
memiliki distribusi sebaran spasial yang merata terhadap DAS dan memberikan respon per$orma
model yang lebih optimal.
#erdasarkan tabel dan % dapat diketahui bah7a kombinasi stasiun tere$ekti$ sebagai input"urah hu*an yaitu pada stasiun "hi"hona% "ipaku% dan "iparay.
-
7/25/2019 Makalah Seminar-rev2 Edited
11/17
9alibrasi dan alidasi dilakukan berdasarkan 8 per"obaan (9& sampai 98). Setiap per"obaan
kalibrasi dan alidasi untuk menduga parameter% diberikan pada setiap skenario (S, sampai SJ).
Parameterisasi merupakan teknik kalibrasi untuk menduga parameter berdasarkan angka relati$ (r)%
dan angka pengganti (). Angka (r) yaitu &Inilai yang diberikan kemudian dikalikan angka parameter
sebelum dikalibrasi% sementara angka () yaitu angka yang diberikan untuk menggantikan angka
parameter yang dikalibrasikan.
Tabel &!. Parameterisasi (9&) berdasarkan *umlahparameter yang sedikit dan umumnya paling
sensiti$ (Abbaspour ,!&0% dan publikasi SWAT
"alibration te"hni?ue)
Parameter -in -aks
r6+,.mgt :!.0 :!.0
r;W-+.g7 :!. :!.
r;[email protected] :!. !.
rR@AP-+.g7 :!. !.rS/FAW6(&).sol :!. !.
r@S6/.hru :!. !.
rSFSU##S+.hru :!.8 !.8r/+.hru :!.8 !.8
rBRUSFP.hru :!.8 !.8
-S96/&.bsn ! &!-S96/,.bsn !
-S9.bsn ! !.
SWAT "alibration te"hni?ue=
http=>>s7at.tamu.edu>publi"ations>"alibrationalida
tion:publi"ations>
Tabel &&. Parameterisasi kalibrasi dengan menggunakanbanyak parameter (9).
http://swat.tamu.edu/publications/calibrationvalidation-publications/http://swat.tamu.edu/publications/calibrationvalidation-publications/http://swat.tamu.edu/publications/calibrationvalidation-publications/http://swat.tamu.edu/publications/calibrationvalidation-publications/ -
7/25/2019 Makalah Seminar-rev2 Edited
12/17
Parameter #atas ba7ah #atas atas
r6+,.mgt :!.0 :!.0
rAFPBA#1.g7 :!. :!.r;[email protected] :!. !.
r;W-+.g7 :!. !.
r;[email protected] :!. !.
rR@AP-+.g7 :!. !.
rR6BR;DP.g7 !. !.0SBAFFST.g7 ! 0!!!!
D@@PST.g7 ! 0!!!!
r6B+,.rte :!. !.
r6B9,.rte :!. !.
rAFPBA#+9.rte :!. !.
rS/FAW6().sol :!.0 !.0rS/F9().sol :!. !.
rS/F#D().sol :!.8 !.8
rS/FAF#().sol :!.8 !.8
R/69().sol ! 0!
S/F3-.sol ! 0!!
A+4/[email protected] !.!& &S/F6R9.sol ! &
rSFSU##S+.hru :!.8 !.8r/+.hru :!.8 !.8
rBRUSFP.hru :!.8 !.8
@S6/.hru !. &
@P6/.hru ! &6A+-.hru ! &!!
-S96/&.bsn ! &!
-S96/,.bsn ! &!
-S9.bsn ! !.
SURFA;.bsn !.!8 ,8
6B9&.sub ! !!
-
7/25/2019 Makalah Seminar-rev2 Edited
13/17
#eberapa per"obaan telah dilakukan untuk melihat respon kalibrasi pada beberapa skenario
(Tabel &! dan Tabel &&). Per"obaan 9& merupakan set parameter yang disarankan untuk dikalibrasi
berdasarkan Abbaspour et al (,!&0)% per"obaan 9, merupakan regionalisasi parameter dari 9& seperti
yang dilakukan oleh Ashra$ et al (,!&) akan tetapi regionalisasi parameter dilakukan hanya
berdasarkan lokasi DTA. Selan*utnya per"obaan kalibrasi (9) dilakukan untuk membandingkan
banyaknya *umlah parameter terhadap hasil pendugaan parameter. Parameter tersebut seperti pada
Rouholahne*ad et al(,!&8) dan *uga berdasarkan S&A!+Absolute ,alue%t"tyang ada di SWAT:6UP.
9emudian per"obaan keempat (98) dilakukan dengan menerapkan regionalisasi parameter yang
dilakukan pada per"obaan kalibrasi ketiga (9). Bal ini dimaksudkan agar mengetahui bagaimana
hasil dari regionalisasi parameter terhadap kalibrasi yang dilakukan dengan banyak parameter.
Respon kalibrasi terhadap masing:masing skenario.
Setiap per"obaan kalibrasi dan alidasi yang dilakukan% kemudian diterapkan kepada masing:
masing skenario model untuk melihat respon perubahan parameter yang diberikan dari set model
default men*adi parameter yang terkalibrasi terhadap model pada dua DTA yang berbeda yaitu
ma*alaya (-) dan "engkrong (6). -asing:masing hasil setiap per"obaan kalibrasi dapat dilihat
berdasarkan tabel &, dan gambar .
Tabel &,. Basil kalibrasi dan alidasi model dengan menggunakan set parameter (9& sampai 98).
9& 9, 9 98-odel A7al 9alibrasi alidasi 9alibrasi alidasi 9alibrasi alidasi 9alibrasi alidasi
Skenario
r, +S r, +S r, +S r, +S r, +S r, +S r, +S r, +S r, +S
S, (-) !.,8 :&!.!.
:
.0& !.8
:
&,.! !. :.0 !.8
:
&,.,
!.
:,. !.8 :'.'
!.
:,. !.08 :.
S, (6) !.' :,.&,!.80
:
!.' !.& :&.' !.8
:
&.!0 !.& :&.0
!.8
& :!.! !.&, :!.8
!.8
& :!. !.! :&.!
S,J (-) !. :8.'!.
:
&.!. :8.',
!.
:
&.8!. :8.8
!.
:&.,8 !.' :,.08
!.
:&.& !. :.,
S,J (6) !.8 :&.&!.8
:
!.!.& :&.'
!.8
:
!.!.&8 :&.8
!.8!.! !.!' :&.!
!.8
8:!.!0 !.&& :!.
S (-) !. :!.8!.88
!.! !.! :&.0'!.8&
!., !.&& :!.!.8
!.8 !.! :!.,
!.8
!. !.!0 :!.!
S (6) !.0 :!.!!.,'
:
!.!'!.0& :!.&,
!.&!.& !.0' :!.&'
!.,
:!.&' !.88 !.!'
!.,
&!.& !.8 !.,!
SJ (-) !.' :!.0 033013 045 078
032026 048 032 03
5047 049 033 03
9049 045 047
SJ (6) !.8, !.!037
007033 013
035029 092 015
03
5014 030 001
03
604 091 023
-
7/25/2019 Makalah Seminar-rev2 Edited
14/17
;ambar 8.*o"plotwhis.ermasing:masing per"obaan kalibrasi dan alidasi terhadap seluruh skenario model.
#erdasarkan tabel &, dapat diketahui bah7a skenario yang memiliki nilai r, dan +S terbaik
sebelum dan sesudah kalibrasi yaitu SJ. Bal ini berarti bah7a stasiun e$ekti$ dengan tingkat
kedetailan yang lebih tinggi dapat mengoptimalkan hasil model. Sedangkan% berdasarkan tabel &, dan
gambar dapat diketahui bah7a per"obaan kalibrasi 98 dapat meningkatkan hasil yang lebih optimal
pada seluruh skenario% karena kemen*uluran hasil +S dan r,pada 98 se"ara deskripti$ men*ulur pada
nilai yang lebih tinggi dibandingkan 9& sampai 9. Bal ini berarti bah7a regionalisasi parameter dan
banyaknya parameter dapat meningkatkan hasil pada kedua subdas. +amun% harus dipahami% bah7a
regionalisasi parameter dapat memaksakan parameter pada kedua subdas terlalu *auh berbeda% dan
*uga semakin banyaknya parameter yang dikalibrasikan maka semakin banyak parameter yang
dipaksakan optimal dengan memiliki hasil +S dan r,yang lebih tinggi. Bal ini dapat meningkatkan
peluang bah7a kalibrasi yang dilakukan dapat merusak representasi $isik pada sistem DAS. /leh
karena itu diperlukan analisis atau teknik lan*utan untuk mengetahui keter7akilan parameter yang
dikalibrasikan terhadap representasi $isik sistem DAS yang ada pada setiap per"obaan kalibrasi.
-
7/25/2019 Makalah Seminar-rev2 Edited
15/17
!
,!
8!
!
!
&!!
&,!
&8!
DTA -a*alaya skenario SJ kalibrasi 98
'0PPU band
F'0PPU /bserasi
Simulasi
(m>s)
!
,!
8!
!
!
&!!
&,!
DTA 6engkrong skenario SJ kalibrasi 98
'0PPU band
F'0PPU /bserasi
Simulasi
(m>s)
;ambar 0./ydrograph'0PPU bulanan antara debit obserasi dan simulasi
Tabel &. Per$orma model terhadap masing:masing DTA
-a*alaya 6engkrong
9alibrasi alidasi 9alibrasi alidasi
p:$a"tor !.,0 p:$a"tor !.,0 p:$a"tor !. p:$a"tor !.8
r:$a"tor !.& r:$a"tor !.' r:$a"tor !.! r:$a"tor !.8
r, !.80 r , !. r , !.8 r , !.0&
+S !.0 +S :!.' +S !.! +S !.,8
Pendugaan model dilakukan dengan baik hanya pada tahun tertentu untuk masing:masing DTA.
DTA ma*alaya memberikan simulasi respon debit yang overestimatepada periode alidasi. Bal ini
menun*ukkan bah7a% terdapat in$ormasi temporal yang tidak diketahui dan harus digunakan sebagai
input model seperti pengelolaan irigasi% dan perubahan lahan yang mempengaruhi simulasi debit DTA
ma*alaya. Basil alidasi DTA ma*alaya pun (tabel &) menun*ukkan nilai +S memiliki hasil yang
tidak konsisten terhadap hasil pada periode kalibrasi yang berarti model belum memiliki per$ormayang baik dalam menduga perubahan temporal yang ter*adi pada DTA ma*alaya. DTA "engkrong
memberikan hasil yang konsisten antara periode kalibrasi dan alidasi karena pada tabel & nilai r,
dan +S pada periode kalibrasi tidak signi$ikan berbeda *auh dengan periode alidasi. Walaupun
demikian% model masih belum memiliki kriteria yang dapat dikatakan memuaskan pada DTA
"engkrong karena model masih memiliki nilai +SO!.0 dan r,O!.0 pada kedua periode.
Analisis ketidakpastian dan per$orma model stokastik dapat digambarkan dengan gra$ik '0PPU
atau dengan se"ara kuantitati$ menggunakan parameter statistik p:$a"tor dan r:$a"tor. Per$orma model
memiliki kriteria yang tidak layak% karena memiliki p:$a"tor O!. sementara ketidakpastian model
memiliki nilai yang baik karena r:$a"tor O&.,0. +amun% untuk melakukan analisis ketidakpastian%
tentu sa*a harus menggunakan model yang memiliki per$orma yang sudah dikatakan layak. /leh
karena itu dapat dikatakan bah7a model yang dihasilkan pada kedua DTA masih memiliki kriteria
yang tidak layak untuk menduga debit dalam *angka 7aktu &! tahun. Bal ini disebabkan karena*angka 7aktu yang sangat pan*ang% dengan perubahan temporal dari input dan konseptual model yang
tidak diketahui yang men*adikan model tidak memiliki kriteria yang layak. 4nput model diantaranya
ialah perubahan lahan% dan pengelolaan irigasi% yang tidak diketahui% sementara konseptual model
yang dimaksud diantaranya ialah pembagian parameter men*adi periode musim kering dan musim
basah seperti yang dilakukan oleh 3hang et al ,!&0 dan *uga konseptual pothole model yang
dilakukan seperti 1aramar2i ,!&0.
Penelitian ini ber$okus untuk melakukan optimasi model SWAT sehingga memiliki model yang
paling optimal dari setiap alternati$ yang ada dengan menggunakan kombinasi stasiun "urah hu*an
yang e$ekti$ dan dengan metode kalibrasi yang tepat. Penelitian ini belum sampai pada tahapan
selan*utnya agar model memiliki kriteria yang layak sehingga model dapat digunakan untuk simulasi
perubahan lahan% kualitas air dan penerapan pengelolaan pada DAS.
SIMPULAN
-
7/25/2019 Makalah Seminar-rev2 Edited
16/17
/ptimasi pemodelan SWAT dapat diperoleh dengan menerapkan pemilihan stasiun "urah hu*an
tere$ekti$ (*est effective Station)% penerapan default threshold saat delineasi DAS dan *uga dengan
menerapkan prosedur kalibrasi yang optimal dengan melakukan regionalisasi parameter untuk setiap
DTA. -odel masih belum memiliki kriteria yang layak namun model sudah memiliki hasil yang
paling optimal. Penelitian selan*utnya disarankan untuk membangun model yang layak sehingga dapat
digunakan untuk analisis lan*utan.
SARAN
/ptimasi input model stasiun "urah hu*an dilakukan se"ara otomatis menggunakan perangkat
lunak. 6ontoh perangkat lunak ini misalnya SWAT:6UP yang termodi$ikasi sehingga memiliki $itur
tambahan untuk memilih kombinasi stasiun tere$ekti$ pada sistem DAS yang dianalisis. Bal ini
dilakukan agar pengguna dapat memperoleh kombinasi stasiun yang terbaik saat sebelum dan sesudah
proses kalibrasi se"ara otomatis serta menge$isiensikan 7aktu pada penggunaan model dengan skala
yang luas misalnya pada skala benua. Selain itu% untuk memperbaiki konseptual model% disarankan
menggunakan threshold area delineasi DAS se"ara default dan *uga kalibrasi dengan skema
pendugaan parameter se"ara terpisah kedalam musim kering dan musim basah. Peningkatanketersediaan data dapat dilakukan dengan membuat databaseinput SWAT se"ara opensourceseperti
yang sudah dilakukan oleh US;S Ameri"a.
DAFTAR PUSTAKA
Abbaspour 96. ,!&0. User manual $or SWAT:6UP% SWAT "alibration and un"ertainty analysis
programs. S7iss 1ederal 4nstitute o$ A?uati" S"ien"e and Te"hnology% @a7ag% DuVbendor$%
S7it2erland. http=>>777.ea7ag."h>organisation>abteilungen>siam>so$t7are>s7at>indeH@+.
Diakses /ktober ,!&0
Abbaspour% 9.6.% Qang% ,!!WR!!&0.
Abbaspour 96% @. Rouholahne*ad% S. aghe$i% R. Sriniasan% B. Qang% #. 9le. ,!&0. A "ontinental:
s"ale hydrology and 7ater ?uality model $or @urope= 6alibration and un"ertainty o$ a high:
resolution large:s"ale SWAT model.
-
7/25/2019 Makalah Seminar-rev2 Edited
17/17
Ashra$ aghe\ S% -ousai S< et al (,!&) Analyses o$ the impa"t o$ "limate "hange on 7ater
resour"es "omponents% drought and 7heat yield in the semi:arid 9arkheh Rier #asin in 4ran.
doi=&!. &!!,>hyp.'8
1aramar2i -% Sriniasan R% 4raani -% #ladon D9% Abbaspour 96% 3ehnder AleHander