Kalibrasi dan Validasi METODE PENELITIAN A. Waktu dan Tempat

25 tahap ini. Pada penelitian ini periode yang digunakan adalah tahun 2004 – 2006 untuk kalibrasi dan tahun 2007 – 2009 untuk validasi. Data iklim dikumpulkan dalam file stnlist.txt dan wgn. File stnlist.txt terdiri dari file yang berisi data curah hujan file pcp dan data temperatur file tmp. Data temperatur hanya berasal dari stasiun meteorologi Citeko saja karena stasiun lain Gadog, Pasir Muncang, Panjang, Gunung Mas, dan Katulampa hanya melakukan pengukuran curah hujan saja. Data iklim lain seperti radiasi matahari, kelembaban dan kecepatan angin juga hanya diambil dari stasiun meteorologi Citeko. Data – data iklim ini dikumpulkan pada file wgn. Nilai radiasi matahari pada file wgn diperoleh dari hasil penelitian Mohamad Hamdan 2010 ”Analisis Debit Aliran Sungai Sub DAS Ciliwung Hulu Menggunakan MWSWAT”. Nilai radiasi matahari yang digunakan pada penelitian tersebut cukup rendah dengan nilai radiasi maksimum sebesar 12.91 MJm 2 . Nilai radiasi rata – rata di Indonesia adalah 24.3 MJm 2 Manalu, 2002 4. Visualisasi Hasil Pada tahap ini, visualisai hasil diinginkan dapat dilihat. Pada penelitian ini output yang ditampilkan adalah debit aliran sungai harian. Visualisasi digambarkan dengan perubahan warna menurut nilai output parameter yang dipilih. Hasil dari simulasi MW-SWAT juga dapat ditampilkan menggunakan SWAT plot and graph. Pada SWAT plot and graph hasil simulasi berupa debit aliran sungai Sub DAS Ciliwung Hulu ditampilkan dalam bentuk grafik. SWAT plot and graph juga dapat digunakan untuk membandingkan debit hasil simulasi MW-SWAT dengan debit hasil pengukuran di SPAS Katulampa sehingga dapat diperoleh nilai validitas model. Dalam SWAT plot and graph kriteria yang digunakan untuk menilai validitas model adalah koefisien determinasi R 2 dan Nash- Sutcliffe Model Effisiensi E NS . Van Liew dan Garbrech 2003 dalam Junaedi 2009 menggolongkan hasil simulasi menjadi tiga kelompok yaitu hasil simulasi dikatakan baik jika nilai Nash- Sutcliffe ≥ 0.75, memuaskan jika nilai nilai 0.36 Nash-Sutcliffe 0.75, dan dinyatakan kurang memuaskan jika nilai Nash-Sutcliffe 0.36. sedangkan menurut Santi et al. 2001 dalam Junaedi 2009 hasil simulasi dikatakan baik jika nilai E NS dan R 2 adalah E NS ≥ 0.5 dan R 2 ≥ 0.6. Debit hasil simulasi MW-SWAT tahun 2004 – 2006 jika dibandingkan dengan debit hasil observasi pada SPAS Katulampa menunjukan nila E NS sebesar 0.173 dan nilai R 2 sebesar 0.224. Jadi hasil simulasi MW-SWAT masuk kriteria kurang memuaskan sehingga perlu dilakukan proses kalibrasi dan validasi.

F. Kalibrasi dan Validasi

Kalibrasi dan validasi model MWSWAT dilakukan dengan menggunakan software SUFI2.SWAT- CUP. Kalibrasi model dilakukan dengan cara membandingkan debit harian Sub DAS Ciliwung Hulu yang keluar dari outlet SPAS Katulampa dengan debit harian hasil simulasi model SWAT dari tahun 2004 – 2006. Sedangkan validasi menggunakan data debit harian tahun 2007 - 2009. Kalibrasi perlu dilakukan pada model MW-SWAT karena banyaknya keterbatasan dalam model hidrologi ini. Keterbatasan model terjadi karena adanya penyederhanaan sehingga banyak kejadian alam pada daerah aliran sungai yang tidak bisa diwakili oleh model. Beberapa keterbatasan yang tidak dapat diwakili oleh model MW-SWAT adalah longsor, efek konstruksi besar seperti jembatan, jalan dan bendungan yang mengakibatkan sedimentasi, dan pembuangan limbah pabrik ke aliran sungai. Software SUFI2.SWAT-CUP terdiri dari tiga bagian penting yaitu calibration inputs, executable files, dan calibration outputs. Calibration output merupakan kumpulan data – data yang digunakan sebagai masukan proses kalibrasi, terdiri dari par_inf.sf2, observed.sf2, SUFI2_extract_rch.def, var_file_rch.sf2, dan SUFI2_swEdit.def. Executable files berisi file – file yang digunakan untuk 26 memberikan perintah melakukan proses kalibrasi, terdiri dari SUFI2_pre.bat, SUFI2_run.bat, SUFI2_post.bat dan SUFI2_extract.bat. Hasil dari proses kalibrasi kemudian dapat dilihat pada Calibration outputs yang terdiri dari 95ppu.sf2, Dotty plots, Best_par.sf2, Best_sim.sf2, Goal.sf2, New_pars.sf2, Summary Stat.sf2, dan Sensitivity. Tabel 5. Parameter – parameter yang digunakan sebagai masukan dalam proses kalibrasi No. Parameter Definisi Rentang nilai 1 CN2.mgt Initial SCS runoff curve number for moisture condition II 52.551 – 78.172 2 CH_L1.sub Longest “tributary” channel length in subbasin km 89.223 - 163.283 3 CH_S1.sub Average slope of tributary channels mm -0.236 - 2.770 4 CH_K1.sub Effective hydraulic conductivity in tributary channel alluvium mm -35.710 – 31.381 5 CH_W1.sub Average width of tributary channels m 26.014 – 674.942 6 SLSUBBSN.hru Average slope length 36.243 – 73.420 7 OV_N.hru Manning’s “n” value for overland flow. 0.252 - 0.659 8 SLSOIL.hru Slope length for lateral subsurface flow m 0.161 - 0.430 9 GW_DELAY.gw Groundwater delay time days 224.444 - 387.211 10 GWQMN.gw Threshold depth of water in the shallow aquifer required for return flow to occur mm H 2 O -1354.64 - 1102.04 11 ALPHA_BF.gw Baseflow alpha factor days 0.014 - 0.318 12 REVAPMN.gw Threshold depth of water in shallow aquifer for “revap” or percolation to the deep aquifer to occur mm H 2 O -88.253 - 135.250 13 GW_REVAP.gw Groundwater “revap” coefficient 0.113 - 0.212 14 RCHRG_DP.gw Deep aquifer percolation fraction 0.028 - 0.401 15 GW_SPYLD.gw Specific yield of the shallow aquifer m 3 m 3 0.206 - 0.340 16 SOL_K.sol Saturated hydraulic conductivity mmhr 823.403 - 1300.612 17 SOL_BD.sol Moist bulk density Mgm 3 or gcm 3 1.840 - 2.131 18 SOL_CRK.sol Potential or maximum crack flow of the soil profile expressed as a fraction of the total soil volume. 0.189 - 0.526 19 CNOP.mgt SCS runoff curve number for moisture condition III 10.820 - 35.521 20 CH_N11.sub Manning’s “n” value for the tributary channels. 0.297 - 0.413 21 ESCO.hru Soil evaporation compensation factor. 0.838 - 1.234 22 SFTMP.bsn Snowfall temperature C 0.109 - 4.026 23 SMFMN.bsn Melt factor for snow on December 21 mm H 2 O C-day 5.731 - 8.452 24 TIMP.bsn Snow pack temperature lag factor 0.777 - 1.036 25 CH_N2.rte Manning’s “n” for the main channel 0.054 - 0.160 26 CH_K2.rte Effective hydraulic conductivity in main channel alluvium mmhr 121.321 - 191.142 27 CO2.sub Carbon dioxide concentration ppmv 482.018 - 659.360 28 CANMX.hru Maximum canopy storage mm H 2 O 10.442 - 50.953 29 EPCO.hru Plant uptake compensation factor 0.247 – 0.633 27 Parameter – parameter yang bisa digunakan sebagai masukan proses kalibrasi hanya parameter yang ada pada file absolute_SWAT_value.txt seperti yang dapat dilihat pada lampiran 1. Dalam file tersebut juga terdapat range nilai absolut dari setiap parameter. Range nilai ini yang digunakan sebagai nilai awal dari parameter masukan kalibrasi. Menurut Kohnke dan Bertrand 1959 dalam Soesanto 1995, air yang keluar dari suatu DAS dapat terdiri dari bermacam bentuk yaitu: limpasan permukaan surface runoff, limpasan bawah permukaan subsurface runoff, aliran air bawah tanah groundwater flow dan akan berkumpul menjadi aliran sungai atau steam flow. Dalam sistem Hidrologi suatu DAS, jumlah limpasan yang terjadi terdiri suatu DAS jumlah limpasan yang terjadi terdiri dari curah hujan di atas permukaan sungai chanel precipitation, aliran permukaan overland flow, aliran bawah permukaan interflow, dan aliran bawah permukaan groundwater flow. Oleh karena itu, parameter - parameter yang digunakan sebagai masukan kalibrasi adalah parameter yang berkaitan dengan limpasan permukaan surface runoff, limpasan bawah permukaan subsurface runoff, aliran air bawah tanah groundwater flow. Karakteristik tanah Daerah Aliran Sungai juga digunakan sebagai parameter masukan kalibrasi. Struktur dan tekstur tanah merupakan faktor – faktor yang menentukan kapasitas infiltrasi, maka karakteristik limpasan sangat dipengaruhi oleh jenis tanah daerah pengaliran. Parameter – parameter yang digunakan sebagai masukan dalam proses kalibrasi pada awalnya berjumlah 33 parameter. Range nilai parameter – parameter masukan kalibrasi yang digunakan adalah range nilai maksimal yang ada pada file absolute_SWAT_value.txt. Parameter – parameter ini dikumpulkan dalam file par_inf.sf2. Setelah proses iterasi akan diperoleh range nilai parameter yang baru. Range nilai yang baru ini digunakan sebagai range nilai masukan untuk proses iterasi selanjutnya jika nilai P-value dan R-factor dari model belum optimum. Range nilai parameter yang baru ini dapat dilihat pada Calibration ouput pada bagian new_pars.sf2. Gambar 9. Grafik hasil kalibrasi data debit Sungai Sub DAS Ciliwung Hulu tahun 2004 – 2006 Hari ke- De bi t m 3 s 28 Selain itu jumlah parameter masukan juga dapat dikurangi sesuai dengan nilai sensitifitasnya. Hanya parameter – parameter yang dianggap sensitif mempengaruhi nilai output yang akan digunakan sebagai parameter masukan pada iterasi selanjutnya. Nilai sensitifitas parameter masukan dapat dilihat pada Calibration outputs pada bagian sensitivity. Data debit harian hasil observasi dari SPAS Katulampa tahun 2004 - 2006 juga digunakan sebagai masukan kalibrasi. Data ini dimasukan dalam file observed.sf2. Data hasil observasi ini digunakan sebagai data pembanding data debit harian hasil simulasi SWAT-CUP sehingga nilai P-value dan R-factor dapat diperoleh. SUFI2_extract_rch.def berisi data – data yang akan di-extract dari MWSWAT. var_file_rch.sf2 berisi nama variabel yang akan dikalibrasi. Sedangkan SUFI2_swEdit.def berisi banyaknya jumlah simulasi dalam satu kali iterasi. Pada penelitian ini dalam satu kali iterasi dilakukan 500 kali simulasi. Hasil dari proses kalibrasi data debit tahun 2004 – 2006 menggunakan SUFI2.SWAT-CUP dapat dilihat pada Calibration outputs. File 95ppu.sf2 berisi hasil proses kalibrasi dalam bentuk grafik seperti yang terlihat pada Gambar 9. Luasan grafik berwarna hijau 95PPU menunjukan debit hasil simulasi SUFI2.SWAT-CUP. Garis berwarna merah menunjukan hasil simulasi terbaik best estimation dan garis biru menunjukan data hasil observasi di SPAS Katulampa. Menurut Abbaspour 2007, model dianggap valid jika lebih dari 80 data hasil observasi perpotongan dengan luasan grafik 95PPU P-value 0.8. Selain itu, rata – rata selisih nilai antara batas bawah pada level 2.5 dan batas atas pada level 97.5 grafik 95PPU lebih kecil dari stadar deviasi data hasil observasi R-fator 1. Hasil kalibrasi menunjukan bahwa 88 data hasil observasi berpotongan dengan 95PPU P-value = 0.88. Kemudian proses kalibrasi juga menghasilkan nilai R-fator sebesar 1.10. Pada penelitian ini dalam satu kali iterasi dilakukan 500 simulasi. Dari 500 simulasi yang dilakukan simulasi nomor 187 pada iterasi 12 dianggap sebagai simulasi terbaik karena menghasilkan nilai debit paling mendekati dengan nilai debit hasil observasi di SPAS Katulampa. Hal ini dibuktikan dengan nilai koefisien determinasi R 2 dan Nash-Sutcliffe Model Effi- Gambar 10. Grafik hasil validasi data debit Sungai Sub DAS Ciliwung Hulu tahun 2007 – 2009 Hari ke- D ebi t m 3 s 29 siensi E NS dari simulasi nomor 187 yang memuaskan. Nilai Sutcliffe Model Effisiensi E NS dari hasil simulasi nomor 187 sebesar 0.51 dan nilai koefisien determinasi R 2 sebesar 0.51.Nilai P-value, R- factor, koefisien determinasi R 2 , dan Nash-Sutcliffe Model Effisiensi E NS yang optimum ini dicapai setelah melakukan 12 iterasi. Pada iterasi pertama rentang nilai parameter – parameter masukan merupakan rentang nilai maksimal yang ada pada file absolute_SWAT_value.txt. Kemudian pada iterasi selanjutkan rentang nilai parameter masukan yang digunakan berasal dari New_pars.sf2 yang berasal dari hasil kalibrasi proses iterasi sebelumnya. Jumlah parameter masukan juga berkurang dari 33 parameter menjadi 29 parameter karena ada 4 parameter yang dianggap tidak sensitif mempengaruhi nilai output. Rentang nilai parameter – parameter masukan pada iterasi 12 yang menghasilkan debit hasil simulasi mendekati nilai debit observasi dapat dilihat pada Tabel 5. Rentang nilai parameter - parameter inilah yang digunakan sebagai masukan pada proses validasi. Gambar 11. Debit Sungai Sub DAS Ciliwung Hulu Validasi dilakukan dengan menggunakan data debit harian Sub DAS Ciliwung Hulu tahun 2007 – 2009. Hasil dari proses validasi dapat dilihat pada Gambar 10. Proses validasi menunjukan hasil yang kurang memuaskan, hanya 53 data hasil observasi berpotongan dengan luasan 95PPU dengan nilai R- factor sebesar 0.17. Pada proses validasi hanya dilakukan satu kali iterasi dan dalam satu iterasi terdiri dari 500 simulasi. Dari 500 simulasi tersebut, simulasi nomor 238 dianggap sebagai simulasi terbaik. Namun, nilai koefisien determinasi R 2 dan Nash-Sutcliffe Model Effisiensi E NS hasil simulasi tersebut juga kurang memuaskan, yaitu nilai koefisien determinasi R 2 hanya sebesar 0.11 dan nilai Nash- Sutcliffe Model Effisiensi E NS hanya sebesar 0.04. Hal ini bisa terjadi karena pada bulan Januari tahun 2009 terjadi debit sungai yang luar biasa ekstrim seperti yang terlihat pada Gambar 11. Rata – rata debit pada tahun 2009 adalah 29.43 m 3 s, jauh diatas rata – rata debit tahun sebelumnya yang hanya mencapai kisaran 6 – 14 m 3 s. Menurut Suripin 2004, sistem hidrologi kadang – kadang dipengaruhi oleh peristiwa – peristiwa yang luar biasa ekstrim, seperti hujan lebat, banjir, dan kekeringan. Besaran 50 100 150 200 250 300 350 400 450 500 1 19 37 55 73 91 109 127 145 163 181 199 217 235 253 271 289 307 325 343 361 debit 2004 debit 2005 debit 2006 debit 2007 debit 2008 debit 2009 Hari ke- D ebi t m 3 s 30 peristiwa ekstrim berbanding terbalik dengan frekuensi kejadiannya, peristiwa yang luar biasa ekstrim kejadiannya sangat langka. Validasi kemudian kembali dilakukan dengan asumsi debit observasi bulan Januari tahun 2009 yang memiliki nilai ekstrim diganti dengan rata – rata nilai debit observasi bulan Januari tahun 2007 dan 2008. Hasil dari proses validasi ini lebih baik dari proses sebelumnya. Nilai P-value dan R-factor yang dihasilkan masing – masing adalah 0.56 dan 0.64 seperti yang terlihat pada Gambar 12. Pada proses validasi ini juga hanya dilakukan satu kali iterasi yang terdiri dari 500 simulasi. Dari 500 simulasi tersebut, simulasi nomor 384 dianggap merupakan simulasi terbaik. Nilai koefisien determinasi R 2 dan Nash-Sutcliffe Model Effisiensi E NS juga lebih baik dari proses validasi sebelumnya. Nilai koefisien determinasi R 2 dan Nash-Sutcliffe Model Effisiensi E NS dari proses validasi ini masing – masing adalah 0.59 dan 0.41. Gambar 12. Grafik hasil validasi data debit Sungai Sub DAS Ciliwung Hulu tahun 2007 – 2009 dengan asumsi debit bulan Januari 2009 menggunakan nilai rata – rata debit bulan Januari 2007 dan 2008 Hasil dari keseluruhan proses penelitian dari simulasi sampai validasi dapat dilihat pada Tabel 6. Meskipun nilai P-value hasil validasi kurang dari 80 namun menurut Abbaspour 2007 model harus dievaluasi ketika nilai P-value kurang dari 50. Nilai P-value hasil validasi adalah 56. Van Liew dan Garbrech 2003 dalam Junaedi 2009 menggolongkan hasil simulasi menjadi tiga kelompok yaitu hasil simulasi dikatakan baik jika nilai Nash- Sutcliffe ≥ 0.75, memuaskan jika nilai nilai 0.36 Nash-Sutcliffe 0.75, dan dinyatakan kurang memuaskan jika nilai Nash-Sutcliffe 0.36. sedangkan menurut Santi et al. 2001 dalam Junaedi 2009 hasil simulasi dikatakan baik jika nilai E NS dan R 2 adalah E NS ≥ 0.5 dan R 2 ≥ 0.6. Hasil penelitian ini menunjukan bahwa hasil simulasi SWAT cukup memuaskan untuk Hari ke- D ebi t m 3 s 31 digunakan memprediksi debit Sungai Sub DAS Ciliwung Hulu dengan asumsi tidak terjadi debit ekstrim seperti pada bulan Januari 2009. Tabel 6. Statistik hasil penelitian Simulasi Kalibrasi Validasi I Validasi II P – value - 0.88 0.53 0.56 R – factor - 1.10 0.17 0.64 R 2 0.224 0.51 0.11 0.59 E NS 0.173 0.51 0.04 0.41 Keterangan: Kalibrasi menggunakan data debit tahun 2004 – 2006 Validasi I mengunakan data debit tahun 2007 - 2009 Validasi II menggunakan data debit tahun 2007 – 2009 tetapi debit ekstrim pada bulan Januari 2009 diganti dengan nilai rata – rata debit bulan Januari tahun 2007 dan 2008 32

V. KESIMPULAN DAN SARAN