25
Gambar 14 . Fluktuasi debit bulanan hasil observasi dan hasil simulasi
Berdasarkan perbandingan data simulasi dan observasi, nilai koefisien determinasi R
2
dan efisiensi Nash-Sutcliffe NS yang diperoleh untuk debit harian adalah 0.0004 dan -0.204, sedangkan nilai R
2
dan NS untuk debit bulanan adalah 0.045 dan -0.909. Nilai validitas tersebut tidak sesuai dengan range nilai yang seharusnya. Dalam kriterianya, menurut Van et
al 2003 simulasi dianggap baik jika nilai NS 0.75, memuaskan jika 0.36 NS 0.75, serta kurang baik jika NS 0.36, sedangkan menurut Santi et al 2001 hasil simulasi dianggap baik
jika NS ≥ 0.5 dan R
2
≥ 0.6. Oleh karena itu, diperlukan proses kalibrasi agar nilai validitas yang diperoleh dapat diterima.
4.4 Kalibrasi dan Validasi
Kalibrasi dan validasi model SWAT yang dilakukan pada penelitian ini menggunakan SWAT-CUP dengan metode SUFI2 Sequential Uncecrtainty Fitting. Kalibrasi dan validasi
dilakukan dengan membandingkan debit harian dan bulanan DAS Cipasauran pada lokasi perencanaan Bendung Cipasauran dengan debit harian dan bulanan hasil pengukuran di Pos
Pengukuran Kampung Dahu pada tahun 2007-2010. Kalibrasi dengan SWAT-CUP dilakukan berdasarkan range nilai minimum dan
maksimum. Pada awal proses, dapat dilakukan pemasukan data berdasarkan file Absolute_SWAT_Values.txt. File tersebut berguna dalam mengetahui range nilai awal yang
dianjurkan. Setelah tahap iterasi pertama dilakukan, diperoleh range nilai baru yang disarankan pada new_pars.txt, yang dapat dimasukkan kembali dalam masukan parameter. Hal ini kemudian
dilakukan secara berulang hingga diperoleh nilai validitas yang diinginkan. Parameter dalam SWAT berjumlah sangat banyak disajikan pada Lampiran 1, namun pada penelitian ini
1 2
3 4
5 6
7 8
Jan-07 Mar
-07 May-07
Ju l-07
S e
p -07
N o
v-07
Jan -08
Mar -08
May-08 Ju
l-08 S
e p
-08 N
o v-08
Jan-09 Mar
-09 May-09
Ju l-09
S e
p -09
N o
v-09 Jan-10
Mar -10
May-10 Ju
l-10 S
e p
-10 N
o v-10
D ebi
t m
3
dt Debit Simulasi
Debit Observasi
26 dilakukan pemasukan 13 parameter yang diperkirakan dapat mempengaruhi hasil keluaran dari
simulasi secara signifikan. Pada penelitian ini kalibrasi dan validasi dilakukan sebanyak 8 kali iterasi dengan 750
simulasi pada tiap iterasinya. Parameter dan masukan nilai akhir yang digunakan pada proses kalibrasi disajikan pada Tabel 5, sedangkan tambahan informasi range nilai yang digunakan
untuk kalibrasi harian dan bulanan disajikan pada Lampiran 3 dan 4. Parameter bulanan dan harian menggunakan range nilai yang sama, tetapi nilai masukan yang dihasilkan berbeda karena
metode parameterisasi yang dilakukan menggunakan metode SUFI2 Sequential Uncertainty Fitting. Nilai masukan tersebut memberikan hasil validitas p-factor sebesar 0.84, r-factor
sebesar 2.43, R
2
sebesar 0.07, dan NS sebesar 0.03 untuk debit harian, serta nilai validitas p- factor sebesar 0.83, r-factor sebesar 2.04, R
2
sebesar 0.28, dan NS sebesar 0.25 untuk debit bulanan, dengan grafik hasil kalibrasi yang disajikan pada Gambar 15 dan 16.
Tabel 5 . Parameter dan masukan nilai yang digunakan pada proses kalibrasi
Proses kalibrasi dan validasi pada penelitian ini dilakukan secara bersamaan. Proses validasi tidak dilakukan terhadap simulasi dengan periode waktu yang berbeda. Hal ini dilakukan
No Parameter
Definisi satuan Nilai masukan
Bulanan Harian
1 r__CN2.mgt
SCS curve number 21.17552
28.79522 2
v__ALPHA_BF.gw Faktor alfa untuk aliran permukaan
hari 0.013733
0.067284 3
v__GW_DELAY.gw Perlambatan aliran bawah tanah hari
349.3549 377.3485
4 v__GWQMN.gw
Kedalaman ambang air pada akuifer dangkal yang dibutuhkan agar terjadi
arus balik mm 2108.982
1973.281 5
v__GW_REVAP.gw Koefisien revap air bawah tanah
0.094034 0.096386
6 v__ESCO.hru
Faktor pergantian evaporasi tanah 0.363364
0.342166 7
v__REVAPMN.gw Kedalaman ambang air pada akuifer
dangkal agar perkolasi mencapai akuifer dalam mm
289.8673 440.1356
8 v__EPCO.hru
Faktor pergantian terusan tanaman -0.47644
-0.50643 9
v__ALPHA_BNK.rte Faktor alfa untuk aliran permukaan pada
tampungan pinggir sungai hari 0.147208
0.159303 10
r__SOL_BD.sol moist bulk density Mgm
3
atau gcm
3
0.480985 0.508179
11 v__HRU_SLP.hru
kemiringan aliran permukaan 0.135064
0.04554 12
r__OV_N.hru Koefisien kekasaran manning
0.016252 0.287339
13 v__SLSUBBSN.hru
Panjang kemiringan aliran permukaan m
62.0325 64.43552
27 karena dalam pendugaan model hidrologi, semakin lama rentang waktu simulasi yang dilakukan,
semakin baik model mewakili tahun-tahun yang berbeda, sehingga untuk tahun-tahun berikutnya model akan lebih valid dalam memprediksi hasil. PT Krakatau Tirta Industri sebagai perusahaan
penyedia air baku, kedepannya akan menggunakan model hidrologi DAS Cipasauran dalam menduga debit ketersediaan air baku tahun-tahun yang akan datang.
Gambar 15 . Grafik hasil kalibrasi debit harian DAS Cipasauran
Gambar 16 . Grafik hasil kalibrasi debit bulanan DAS Cipasauran
Berdasarkan nilai validitas kalibrasi dan validasi yang disajikan pada Tabel 6, dapat dilihat bahwa p-factor yang diperoleh lebih dari 0.8, sehingga model hasil kalibrasi dapat dikatakan
valid. Tetapi nilai R
2
dan NS tidak mencapai nilai yang seharusnya, sehingga kalibrasi masih kurang baik. Hal ini dapat terjadi karena R
2
merupakan index validitas yang mengukur kebaikan suai atau
28 goodness of fit dari persamaan regresi, sehingga persentase variasi total data dalam variabel terikat
data debit observasi DAS Cipasauran yang dijelaskan oleh variabel bebas data debit simulasi DAS Cipasauran diharuskan memiliki karakteristik atau fluktuasi sebaran yang sama. Namun pada
penelitian ini sebaran yang terjadi antara data debit simulasi dan observasi pada periode tertentu terlihat tidak seragam. Kurangnya nilai R
2
disebabkan karena data debit observasi dan hasil simulasi yang kurang sesuai. Ketidaksesuaian data dapat diakibatkan karena tidak tersedianya data debit pada
lokasi tinjau penelitian, yaitu lokasi perencanaan Bendung Cipasauran. Hal ini terlihat dari sebaran debit observasi yang lebih kecil dibandingkan debit simulasi. Lebih kecilnya debit observasi
disebabkan karena lokasi pengukuran debit berada pada wilayah yang lebih hulu dari lokasi tinjau penelitian. Lokasi pengukuran debit disajikan pada Gambar 7. Sebaran debit yang lebih rendah dari
debit simulasi ini mengakibatkan debit observasi yang diperoleh tidak memiliki karakteristik fluktuasi yang sama. Selain nilai R
2
yang rendah, hal tersebut berimplikasi pula pada nilai efisiensi Nash-Sutcliffe NS, sehingga nilai NS yang diperoleh pun kurang baik.
Tabel 6 . Nilai statistik hasil penelitian
Variabel Simulasi
Kalibrasi dan validasi Harian
Bulanan Harian
Bulanan p-factor
- -
0.84 0.83
r-factor -
- 2.43
2.04 R
2
0.0004 0.045
0.07 0.28
NS -0.204
-0.909 0.03
0.25
4.5 Analisis Debit Sungai
