Tabel 9 Luas penggunaan lahan sub DAS Ciliwung Hulu No
Penggunaan lahan Luas ha
Persen 1 Hutan
Primer 257,7
1,8 2 Hutan
Sekunder 2.855,3
19,9 3 Kebun
Campuran 5.444,2
38,0 4 Perkebunan
2.213,2 15,5
5 Permukiman 1.005,2
7,0 6 SemakBelukar
94,3 0,7
7 Tanah Terbuka
20,2 0,1
8 TegalanLadang 2.435,7
17,0 Jumlah
14.325,8 100,0
Gambar 13 Peta penggunaan lahan sub DAS Ciliwung Hulu Tahun 2010
V. HASIL DAN PEMBAHASAN
5.1 Delineasi Sub DAS
Data input DEM yang berisi informasi topografi sub DAS Ciliwung Hulu diproses dalam SWAT dengan menggunakan Watershed Delineator. Dari hasil
delineasi tersebut terbentuk 28 sub sub DAS Gambar 14. Pembagian sub sub DAS merupakan prosedur dalam model SWAT yang membagi wilayah
berdasarkan topografi dan jaringan sungai. Pembagian HRU Hydrologi Response Unit dilakukan dengan menggunakan threshold sebesar 20 penggunaan lahan,
10 jenis tanah dan 20 kemiringan lereng. Titik outlet pengamatan debit terletak pada sub sub DAS nomer 1 yaitu di
desa Katulampa, Bogor. Data debit pengukuran dari outlet Katulampa digunakan sebagai data primer dibandingkan dengan data debit simulasi dalam model
SWAT.
Gambar 14 Sub DAS hasil delineasi model SWAT
Data input yang terdapat dalam sub sub DAS mencakup informasi jenis tanah, penggunaan lahan, topografi dan HRU. Luas sub sub DAS yang terbentuk
antara 45,90 ha sampai dengan 1.167,75 ha. Luasan tiap sub sub DAS dapat dilihat pada Lampiran 3.
5.2 Parameterisasi Model
Parameter yang digunakan dalam proses kalibrasi suatu model dapat berbeda antar suatu DAS karena setiap DAS memiliki karakteristik tersendiri
yang bervariasi. Nilai parameter simulasi disesuaikan untuk menghasilkan keluaran yang mendekati nilai yang adaptif di lapangan. Parameter yang sensitif
terhadap perubahan debit yaitu CN2, ESCO, EPCO, GW_REVAP, GWQMN dan RCHRG_DP Santhi et al. 2006. Jha et al. 2010 mengemukakan bahwa
parameter yang sensitif terhadap nilai debit adalah CN, SOL AWC, GW_DELAY, GW_Alfa dan SURLAG.
Parameter yang digunakan dalam proses kalibrasi pada sub DAS Ciliwung Hulu Tabel 10 yaitu bilangan kurva aliran permukaan CN, faktor alpha aliran
dasar ALPHA_BF, lama ‘delay’ air bawah tanah GW_DELAY, ketinggian minimum aliran dasar GWQMN, koefisien revap air bawah tanah
GW_REVAP, fraksi perkolasi perairan dalam RCHRG_DP, faktor evaporasi tanah ESCO, faktor uptake tanaman EPCO, nilai Manning untuk saluran utama
CH_N2, hantaran hidrolik pada saluran utama aluvium CH_K2, faktor alpha aliran dasar untuk ‘bank storage’ALPHA_BNK dan koefisien lag aliran
permukaan SURLAG. Simulasi dilakukan untuk menentukan nilai yang optimal sesuai kondisi di lapangan.
Parameter bilangan kurva aliran permukaan, faktor evaporasi tanah dan faktor uptake tanaman digunakan dalam kalibrasi model karena mempunyai
pengaruh terhadap jumlah aliran permukaan. Besaran nilai bilangan kurva dapat memprediksi jumlah aliran permukaan atau infiltrasi akibat curah hujan. Faktor
evaporasi tanah merupakan parameter yang menentukan jumlah air dalam tanah yang akan mempengaruhi bilangan kurva aliran permukaan dan proses infiltrasi
yang terjadi. Faktor uptake tanaman mempunyai pengaruh terhadap aliran permukaan karena kemampuan akar tanaman yang dapat menyerap air dan
mempunyai pengaruh terhadap transpirasi sehingga dengan demikian memiliki dampak terhadap kelembaban tanah.
Parameter alpha aliran dasar, lama ‘delay’ air bawah tanah, koefisien revap air bawah tanah, ketinggian minimum aliran dasar dan fraksi perkolasi perairan
dalam digunakan karena mempengaruhi aliran air bawah tanah. Selain itu parameter nilai Manning untuk saluran utama, hantaran hidrolik pada saluran
utama aluvium, faktor alpha aliran dasar untuk ‘bank storage’ dan koefisien lag aliran permukaan digunakan dalam proses kalibrasi karena mempengaruhi bentuk
hidrograf. Tabel 10. Parameter sensitif terhadap debit aliran dalam model SWAT
No Parameter Nilai awal
1 CN2.mgt
bilangan kurva aliran permukaan
25-74 2
ALPHA_BF.gw
faktor alpha aliran dasar
0,94 3
GW-DELAY.gw
lama ‘delay’ air bawah tanah
31 4
GWQMN.gw
ketinggian minimum aliran dasar
350 5
GW_REVAP.gw
koefisien revap air bawah tanah
0,2 6
RCHRG_DP.gw
fraksi perkolasi perairan dalam
0,05 7
ESCO.hru
faktor evaporasi tanah
1 8
EPCO.hru
faktor uptake tanaman
1 9
CH_N2.rte
nilai Manning untuk saluran utama
0,1 10
CH_K2.rte hantaran hidrolik 25
11 ALPHA_BNK.rte
faktor alpha aliran dasar ‘bank storage’
0,94 12
SURLAG.bsn
koefisien lag aliran permukaan
3
5.2 Kalibrasi Debit Aliran
Kalibrasi merupakan proses pemilihan kombinasi parameter untuk meningkatkan koherensi antara respon hidrologi yang diamatidiukur dengan hasil
simulasi. Kalibrasi model dilakukan untuk mendapatkan kondisi yang adaptif di lapangan. Untuk mengetahui hubungan antara hasil simulasi output model
dengan keadaan di alam maka hasil simulasi model tersebut perlu dibandingkan dengan data observasi. Kemudian dilakukan penyesuaian nilai parameter-
parameter yang berpengaruh terhadap kondisi hidrologi kawasan DAS sehingga pada akhirnya diperoleh hasil simulasi yang mendekati nilai observasi.
Kalibrasi dilakukan dengan membandingkan data harian observasi dengan data simulasi selama 2 bulan Februari dan Maret tahun 2008 dan 2009. Evaluasi
statistik model didasarkan pada nilai koefisien korelasi Pearson R dan NSE. Pada Gambar 15 disajikan grafik hidrograf aliran simulasi sebelum kalibrasi dan
hidrograf observasi bulan Februari-Maret tahun 2008 dan 2009. Nilai R Gambar 16 dan NSE sebelum dilakukan kalibrasi adalah 0,78 dan 0,27 kurang
memuaskan.
Gambar 15 Hidrograf aliran simulasi sebelum kalibrasi dan hidrograf observasi bulan Februari-Maret tahun 2008 dan 2009
Gambar 16 Debit harian simulasi sebelum kalibrasi dan debit harian observasi bulan Februari-Maret tahun 2008 dan 2009
30 60
90 120
150 30
60 90
120 150
21200 8
21020 08
21720 08
22420 08
32200 8
39200 8
31620 08
32320 08
33020 08
26200 9
21320 09
22020 09
22720 09
36200 9
31320 09
32020 09
32720 09
Curah Hujan
Debit
Curah Hujan mm
Debit Simulasi
Debit Observasi
y = 0.771x + 7.218
R = 0,78
n= 117, p=0,000
10 20
30 40
50 60
70
20 40
60 80
Debit Observasi
m
3
det
‐1
Debit Simulasi m
3
det
‐1
Metode kalibrasi ada tiga yaitu coba-coba, otomatis dan kombinasi. Dalam metoda coba-coba, nilai parameter dicocokkan secara manual dengan cara coba-
coba. Metoda ini banyak digunakan dan direkomendasikan untuk model yang komplek. Metoda otomatis menggunakan algoritma untuk menentukan nilai
fungsi objektif dan digunakan untuk mencari kombinasi dan permutasi parameter dengan tingkat keakuratan yang optimum. Metoda kombinasi dilakukan dengan
menggunakan kalibrasi otomatis untuk menentukan kisaran parameter selanjutnya dilakukan trial and error untuk menentukan detail kombinasi yang optimal
Indarto 2012. Dalam mencari nilai kalibrasi yang sesuai untuk sub DAS Ciliwung Hulu,
digunakan metoda kombinasi yaitu dengan menggunakan model SWATCUP model otomatis dan kalibrasi manual model coba-coba. Model SWATCUP
merupakan software yang dapat membantu pemodel untuk melakukan kalibrasi, validasi dan analisis ketidakpastiaan pada model hidrologi SWAT. Parameter
yang nilainya dicari dengan menggunakan SWATCUP yaitu faktor alpha aliran dasar ALPHA_BF, lama ‘delay’ air bawah tanah GW_DELAY, ketinggian
minimum aliran dasar GWQMN, koefisien revap air bawah tanah GW_REVAP, fraksi perkolasi perairan dalam RCHRG_DP, faktor evaporasi
tanah ESCO, faktor uptake tanaman EPCO, nilai Manning untuk saluran utama CH_N2, hantaran hidrolik pada saluran utama aluvium CH_K2, faktor alpha
aliran dasar untuk ‘bank storage’ALPHA_BNK dan koefisien lag aliran permukaan SURLAG. Kalibrasi manual digunakan untuk mencari nilai kalibrasi
parameter bilangan kurva aliran permukaan CN yang sesuai. Parameter masukan kalibrasi yang digunakan disajikan pada Tabel 11.
Bilangan kurva aliran permukaan untuk penggunaan lahan hutan primer, hutan sekunder, kebun campuran, dan tegalan dikalikan dengan 1,4 sedangkan
untuk penggunaan lahan permukiman dan perkebunan dikalikan dengan 1,3. Faktor alpha aliran dasar ALPHA_BF merupakan suatu indeks respon aliran
bawah tanah terhadap perubahan aliran. Nilai sekitar 0,1-0,3 terdapat pada lahan dengan respon yang lambat terhadap perubahan aliran. Nilai 0,9-1 terdapat pada
lahan dengan respon cepat terhadap perubahan aliran bawah tanah. Pada hasil
kalibrasi didapatkan nilai 0,57 hari yang menandakan bahwa Alpha_BF pada kondisi lahan sub DAS Ciliwung Hulu mempunyai respon sedang terhadap
perubahan aliran air bawah tanah. Tabel 11 Parameter masukan kalibrasi
No Parameter Nilai
yang digunakan
Nilai minimum Nilai maksimum
1 CN2.mgt
x1,4 x 1,3 2 v_ALPHA_BF.gw
0,57 0,28
0,95 3 v_GW-DELAY.gw
16,09 10,12
61,30 4 v_GWQMN.gw
397,97 389,02
465,74 5 v_GW_REVAP.gw
0,04 0,036
0,07 6 v_RCHRG_DP
0,28 0,22
0,37 7 v_ESCO.hru
0,87 0,61
0,91 8 v_EPCO.hru
0,68 0,59
0,81 9 v_CH_N2.rte
0,19 0,16
0,23 10 v_CH_K2.rte
245,01 236,96
253,62 11 v_ALPHA_BNK.rte
0,57 0,20
0,57 12 v_SURLAG.bsn
3,74 3,00
4,00
Keterangan: CN2 = nilai eksisiting x1,4 hutan primer, hutan sekunder, kebun campuran, tegalan CN2 = nilai eksisiting x1,3 permukiman, perkebunan
v = nilai diganti
Lama ‘delay’ air bawah tanah GW_DELAY merupakan parameter waktu antara air mengalir dari profil tanah menuju zona jenuh aquifer dalam suatu
DAS. Suatu daerah yang mempunyai geomorphic landform yang sama dapat mempunyai nilai GW_DELAY yang sama Sangrey et al. 1984 dalam Neitsch et
al. 2010. Berdasarkan hasil simulasi didapatkan nilai GW_DELAY untuk sub DAS Ciliwung Hulu sebesar 16,09 hari.
GWQMN merupakan ambang batas kedalaman air di akuifer dangkal untuk memungkinkan terjadinya aliran air. Aliran air bawah tanah groundwater ke
sungai dapat terjadi apabila kedalaman air di akuifer dangkal sama atau lebih besar dari nilai GWQMN. Nilai optimum GWQMN yang didapatkan dari hasil
simulasi adalah 397,97 mm. Koefisien revap air bawah tanah GW_REVAP merupakan parameter yang
cukup penting bila dalam suatu DAS terdapat zona jenuh yang terletak tidak jauh dari permukaan tanah atau terdapat vegetasi yang mempunyai akar cukup dalam.
Tipe vegetasi yang berbeda dapat mempengaruhi nilai revap dalam keseimbangan air water balance. Nilai GW_REVAP yang mendekati 0 menandakan bahwa
pergerakan air dari akuifer dangkal ke daerah perakaran terbatas. Nilai GW_REVAP yang mendekati 1 menandakan bahwa pergerakan air dari akuifer
dangkal ke daerah perakaran mendekati rata-rata potensial evapotranspirasi. Pada simulasi awal nilai yang dipergunakan adalah 0,2. Setelah dilakukan proses
kalibrasi maka didapatkan nilai 0,04. Fraksi perkolasi perairan dalamdeep aquifer RCHRG_DP merupakan
parameter yang memperhitungkan perkolasi dari daerah perakaran yang dapat menyuplai perairan dalam. Nilai fraksi perkolasi perairan dalam RCHRG_DP
harus berada di antara 0,0 dan 1,0. Nilai RCHRG_DP pada awal simulasi sebesar 0,05 kemudian pada waktu kalibrasi dinaikkan menjadi 0,28.
Faktor kompensasi evaporasi tanah ESCO merupakan koefisien kebutuhan air yang diambil dari lapisan tanah paling bawah untuk memenuhi kebutuhan
evaporasi tanah sebagai efek dari adanya kapilaritas dan rekahan. Nilai ESCO pada awal simulasi sebesar 1 kemudian pada waktu kalibrasi diturunkan menjadi
0,87. Faktor uptake tanaman EPCO memperhitungkan bahwa jumlah air yang digunakan pada satu hari merupakan fungsi dari jumlah air yang dibutuhkan
tanaman untuk transpirasi dan jumlah air yang tersedia di dalam tanah. Jika lapisan teratas tanah tidak mempunyai kandungan air yang cukup untuk
memenuhi potensial penggunaan air water uptake maka lapisan tanah di bawahnya dapat mengganti peran lapisan teratas tanah. Nilai EPCO berkisar
antara 0,01 sampai dengan 1. Hasil dari kalibrasi menunjukkan bahwa nilai 0,68 merupakan nilai yang optimal.
Nilai Manning untuk saluran utama CH_N2 yang digunakan pada awal simulasi adalah 0,1 kemudian setelah dilakukan proses kalibrasi maka didapatkan
nilai optimum sebesar 0,19. Nilai parameter hantaran hidrolik pada saluran utama aluvium CH_K2 awal simulasi adalah 25 mm hari
-1
kemudian dinaikan menjadi 245,01 mm hari
-1
. Faktor alpha aliran dasar untuk ‘bank storage’ALPHA_BNK pada awal simulasi adalah 0,94 hari kemudian diturunkan menjadi 0,57 hari.
Parameter SURLAG merupakan time lag suatu DAS yaitu waktu antara terjadinya hujan lebih hingga terjadi puncak aliran permukaan. Nilai SURLAG
pada awal simulasi yaitu 3 kemudian didapatkan nilai optimal menjadi 3,74.
Nilai parameter yang diperoleh kemudian dimasukkan ke dalam proses simulasi. Pada Gambar 17 disajikan grafik hidrograf aliran simulasi setelah
kalibrasi dan hidrograf observasi bulan Februari-Maret tahun 2008 dan 2009
.
Hasil dari nilai kalibrasi memberikan nilai R menjadi 0,80 Gambar 18 dan NSE 0,55 memuaskan. Berdasarkan nilai tersebut, maka model SWAT cukup akurat
untuk dipergunakan dalam memprediksi aliran permukaan.
Gambar 17 Hidrograf aliran simulasi setelah hasil kalibrasi dan hidrograf observasi bulan Februari-Maret tahun 2008 dan 2009
Gambar 18 Debit harian simulasi setelah kalibrasi dan debit harian observasi bulan Februari-Maret tahun 2008 dan 2009
30 60
90 120
150 30
60 90
120 150
21200 8
29200 8
21520 08
22120 08
22720 08
34200 8
31020 08
31620 08
32220 08
32820 08
23200 9
29200 9
21520 09
22120 09
22720 09
35200 9
31120 09
31720 09
32320 09
32920 09
Curah Hujan
Debit
Curah hujan
Debit Simulasi
Debit Observasi
y = 1.0006x + 0.7201
R = 0,80
n=117, p=0,000
10 20
30 40
50 60
10 20
30 40
50 60
Debit Observasi
m
3
det
‐1
Debit Simulasi m
3
det
‐1
Berbagai hasil penelitian menyebutkan bahwa model SWAT dapat diaplikasikan dalam memprediksi hidrologi dalam skala DAS. Rossi et al. 2008
melakukan kalibrasi pada DAS Leon River dan menghasilkan nilai NSE yang termasuk kategori baik sampai sangat baik. Hasil penelitianYusuf 2010 di DAS
Cirasea menghasilkan nilai kalibrasi NSE sebesar 0,737 dan Junaedi 2009 di DAS Cisadane menghasilkan nilai kalibrasi NSE sebesar 0,7. Nilai tersebut
menunjukkan bahwa SWAT juga dapat diterapkan untuk memprediksi hidrologi DAS di Indonesia.
5.3 Validasi Debit Aliran
Validasi adalah proses evaluasi terhadap model untuk mendapatkan gambaran tentang tingkat ketidakpastian yang dimiliki oleh suatu model dalam
memprediksi proses hidrologi. Langkah validasi bertujuan untuk membuktikan bahwa suatu prosesmetode dapat memberikan hasil yang konsisten sesuai dengan
spesifikasi yang ditetapkan. Proses validasi dilakukan dengan membandingkan data harian debit observasi bulan Februari-Maret 2009 dan 2011 dengan data
harian debit simulasi yang menggunakan parameter kalibrasi. Pada Gambar 19 terlihat grafik hidrograf aliran simulasi sebelum proses
validasi dan hidrograf observasi bulan Februari-Maret tahun 2009 dan 2011. Korelasi sebelum validasi dilakukan didapat nilai R sebesar 0,86 Gambar 20 dan
NSE sebesar 0,74 baik.
Gambar 19 Hidrograf aliran simulasi sebelum validasi dan hidrograf observasi bulan Februari-Maret tahun 2009 dan 2011
30 60
90 120
150 30
60 90
120 150
21200 9
28200 9
21520 09
22220 09
31200 9
38200 9
31520 09
32220 09
32920 09
25201 1
21220 11
21920 11
22620 11
35201 1
31220 11
31920 11
32620 11
Curah Hujan
Debit
Curah Hujan mm
Debit Simulasi
Debit Observasi
Gambar 20 Debit harian simulasi sebelum validasi dan debit harian observasi bulan Februari-Maret tahun 2009 dan 2011
Parameter hasil kalibrasi kemudian dimasukkan ke dalam simulasi validasi. Pada Gambar 21 disajikan grafik hidrograf aliran simulasi setelah validasi dan
hidrograf observasi bulan Februari-Maret tahun 2009 dan 2011. Dari hasil simulasi validasi tersebut maka didapatkan nilai validasi untuk R Gambar 22
adalah 0,88 dan NSE adalah 0,74 baik. Hasil validasi dengan NSE 0,74 menunjukkan bahwa model SWAT dapat digunakan untuk memprediksi kondisi
hidrologi pada sub DAS Ciliwung Hulu.
Gambar 21 Hidrograf aliran simulasi setelah validasi dan hidrograf observasi
bulan Februari-Maret tahun 2009 dan 2011
y = 0.9638x + 1.037
R = 0,86
n=118, p=0,00
10 20
30 40
50 60
70
10 20
30 40
50 60
70 80
Debit Observasi
m
3
det
‐1
Debit Simulasi m
3
det
‐1
30 60
90 120
150 30
60 90
120 150
21200 9
27200 9
21320 09
21920 09
22520 09
33200 9
39200 9
31520 09
32120 09
32720 09
22201 1
28201 1
21420 11
22020 11
22620 11
34201 1
31020 11
31620 11
32220 11
32820 11
Curah Hujan
Debit
Curah hujan mm
Debit Simulasi
Debit Observasi