ANALISIS SWAT PLOT AND GRAPH ANALISIS KALIBRASI DAN VALIDASI

26 Gambar 9. Sebaran stasiun iklim Sub DAS Cisadane Hulu Gambar 10. Visualisasi debit harian Sub DAS Cisadane Hulu

4.3 ANALISIS SWAT PLOT AND GRAPH

SWAT plot and graph adalah bagian dari model MWSWAT yang berfungsi untuk membandingkan antara data debit sungai hasil simulasi dengan data observasi. Pada SWAT plot dapat terlihat data debit dalam bentuk data harian. SWAT plot dapat melihat berapa besar nilai R 2 dan nilai NES dari simulasi SWAT. Debit simulasi outlet Batubeulah mengggunakan SWAT pada Sub DAS 27 11 dirunning secara harian dengan periode 1 januari 2004 sampaidengan 31 Desember 2006 untuk kalibrasi dan tahun 2007 sampai 2009 untuk validasi m 3 detik. Hasil debit simulasi SWAT pada data tahun 2004 sampai 2007 yang dibandingkan dengan data debit observasi menghasilkan koefisien determinasi R 2 sebesar 0.0012 dan nilai Nash-Sutcliffe NS sebesar 0.076. data ini memperlihatkan hasil simulasi masih jauh dari keadaan yang sebenarnya, dan dilanjutkan kepada proses kalibrasi. Hal ini dikarenakan daerah Sub DAS Cisadane Hulu yang berbentuk radial atau melebar sehingga debit pada outlet akan lebih tinggi dan dalam simulasi SWAT menghasilkan debit yang terlalu tinggi dari data hasil observasi. Hasil plot grafik antara debit simulasi MWSWAT dengan data Observasi dapat dilihat pada Gambar 11. Gambar 11. Debit simulasi MWSWAT dan debit observasi tahun 2004-2006 Hasil simulasi debit pada tahun 2007 sampai 2009 yang dibandingkan dengan data debit observasi menghasilkan koefisien determinasi R 2 sebesar 0.002 dan nilai Nash-Sutcliffe NS sebesar 0.138. Data ini yang akan dijadikan data pengujian atau validasi setelah proses kalibrasi dilakukan. Hasil plot grafik antara debit simulasi MWSWAT dengan data observasi sebelum validasi dapat dilihat pada Gambar 12. Gambar 12. Debit simulasi MWSWAT dan debit observasi tahun 2007-2008 28

4.4 KALIBRASI DAN VALIDASI

Hasil data simulasi SWAT kurang menggambarkan keadaan dilapangan, perbedaan ini disebabkan oleh data yang diinput ke dalam SWAT tidak begitu lengkap menggambarkan karakteristik daerah yang disimulasikan, selain itu keterbatasan dalam hidrologi ini pun menjadi perbedaan hasil simulasi dengan observasi. Data yang kurang mendekati keadaan sebenarnya dapat diperbaiki dengan melakukan kalibrasi dan agar hasil simulasi dapat digunakan ke tahun-tahun berikutnya maka dilakukan validasi. kalibrasi dan validasi model MWSWAT dilakukan dengan membandingkan hasil simulasi debit harian Sub DAS Cisadane Hulu pada outlet Suub DAS 11 dengan debit harian Sub DAS Cisadane Hulu yang keluar dari outlet SPAS Batubeulah dari tahun 2004 sampai dengan tahun 2006. Kalibrasi menggunakan software SUFI2.SWAT-CUP dengan mengubah parameter-parameter sensitif sehingga hasil simulasi dapat sesuai dengan keadaan sebenarnya, sedangkan validasi membandingkan kembali hasil simulasi debit harian Sub DAS Cisadane Hulu pada outlet Batubeulah dengan debit harian dilapangan untuk tahun 2007 sampai tahun 2009 dengan menggunakan parameter-parameter hasil akhir kalibrasi.

4.4.1 Kalibrasi Menggunakan Software SUFI2.SWAT-CUP

Software SUFI2.SWAT-CUP secara umum merupakan software kalibrasi dengan proses algoritma. SUFI2.SWAT.CUP berkerja dengan mengambil data hasil simulasi SWAT dan dari data tersebut dikalibrasi dengan mengubah parameter-parameter yang mempengaruhi besarnya debit hasil simulasi, parameter tersebut ditentukan nilai maksimum dan nilai minimum, program akan mengolah nilai data tersebut dengan melakukan simulasi merubah data yang terdapat dalam range yang telah ditetukan, banyaknya simulasi untuk mendapatkan hasil yang baik yaitu dari 500 sampai1000 simulasi. Untuk mendapatkan nilai hasil simulasi maka program akan memplotkan hasil simulasi tersebut dengan data observasi di lapangan. Program berkerja berdasarkkan nilai p-value dan R-factor. Jika nilai p-value dan R-factor belum baik maka akan dilakukan kalibrasi kembali, dengan nilai parameter yang baru yang keluar setelah melakukan simulasi, nilai parameter akan disepadankan dengan nilai sensitivitas, setelah disepadankan maka dilakukan kembali kalibrasi sampai diperoleh nilai p-value dan R-factor yang baik atau memenuhi syarat. Software SUFI2.SWAT-CUP terdiri dari tiga bagian penting yaitu calibration inputs, executable files, dan calibration outputs

4.4.1.1 Calibration Inputs pada SUFI2.SWAT-CUP

Pada calibration inputs adalah dimana terdapat data-data masukkan yang akan digunakan untuk kalibrasi. Pada calibration inputs terdiri dari par_inf.sf2, observed.sf2, SUFI2_extract_rch.def, var_file_rch.sf2, dan SUFI2_swEdit.def. Par_inf.sf2 merupakan tempat memasukkan parameter- parameter yang digunakan untuk proses kalibrasi dan banyaknya simulasi yang akan dilakukan. Pada penelitian Sub DAS Cisadane Hulu parameter yang dimasukkan ada sebanyak 33 parameter, 33 parameter tersebut merupakan parameter yang mempengaruhi hasil debit hasil simulasi. Parameter- parameter yang digunakan untuk simulasi dapat dilihat pada Tabel 11 sedangkan nilai parameter- parameter pada klibrasi pertama dapat dilihat pada lampiran 1. 29 Tabel 11. Parameter input untuk kalibrasi No. Parameter Definisi 1 SURLAG.bsn Surface runoff lag coefficient. 2 CN2.mgt Initial SCS runoff curve number for moisture condition II 3 CH_L1.sub Longest “tributary” channel length in subbasin km 4 CH_S1.sub Average slope of tributary channels mm 5 CH_K1.sub Effective hydraulic conductivity in tributary channel alluvium mm 6 CH_W1.sub Average width of tributary channels m 7 SLSUBBSN.hru Average slope length 8 OV_N.hru Manning’s “n” value for overland flow. 9 SLSOIL.hru Slope length for lateral subsurface flow m 10 LAT_TTIME.hru Lateral flow travel time days 11 GW_DELAY.gw Groundwater delay time days 12 GWQMN.gw Threshold depth of water in the shallow aquifer required for return flow to occur mm H 2 O 13 ALPHA_BF.gw Baseflow alpha factor days 14 REVAPMN.gw Threshold depth of water in shallow aquifer for “revap” or percolation to the deep aquifer to occur mm H 2 O 15 GW_REVAP.gw Groundwater “revap” coefficient 16 RCHRG_DP.gw Deep aquifer percolation fraction 17 GW_SPYLD.gw Specific yield of the shallow aquifer m 3 m 3 18 SOL_K.sol Saturated hydraulic conductivity mmhr 19 SOL_BD.sol Moist bulk density Mgm 3 or gcm 3 20 SOL_AWC.sol Available water capacity of the soil layer mm H 2 Omm soil 21 SOL_CRK.sol Potential or maximum crack flow of the soil profile expressed as a fraction of the total soil volume. 22 CNOP.mgt SCS runoff curve number for moisture condition III 23 CH_N11.sub Manning’s “n” value for the tributary channels. 24 ESCO.hru Soil evaporation compensation factor. 25 SFTMP.bsn Snowfall temperature C 26 SMFMN.bsn Melt factor for snow on December 21 mm H 2 O C-day 27 SMFMX.bsn Melt factor for snow on June 21 mm H 2 O C-day 28 TIMP.bsn Snow pack temperature lag factor 29 CH_N2.rte Manning’s “n” for the main channel 30 CH_K2.rte Effective hydraulic conductivity in main channel alluvium mmhr 31 CO2.sub Carbon dioxide concentration ppmv 32 CANMX.hru Maximum canopy storage mm H 2 O 33 EPCO.hru Plant uptake compensation factor 30 Parameter – parameter yang bisa digunakan sebagai masukan proses kalibrasi hanya parameter yang ada pada file absolute_SWAT_value.txt seperti yang dapat dilihat pada Tabel 11 di atas. Pada awal kalibrasi nilai parameter yang dimasukkan sesuai dengan nilai yang ada pada file absolute_SWAT_value txxt. Pemasukan nilai parameter untuk Sub DAS Cisadane Hulu pada awal kalibrasi dapat dilihat pada lampiran1 dan nilai kalibrasi pada akhir kalibrasi dapat dilihat pada lampiran 2. Pada calibration inputs selanjjutna adalah observed.sf2. observed.sf2 tempat untuk memasukkan data debit harian hasil observasi Cisadane Hulu SPAS Batubeulah, untuk dapat di bandingkan dengan hasil simulasi. Pada kalibrasi Sub DAS Cisadane Hulu data debit harian masukan untuk observasi di mulai dari tahun 2004 sampai dengan 2007. Pada observed.sf2 menentukan objek yang akan dikalibrasi sebagai acuan untuk dibandingakan dengan data observasi, pada observed.sf2 terdapat 6 objek yang menjadi pilihan. Pada kalibrasi Sub DAS Cisadane Hulu objek yang dipilih adalah nilai NS Nash-Sutclifffe. Pada observed.sf2 menentukan letak output debit, yaitu pada Sub DAS Cisadane Hulu no 11. SUFI2_extract_rch.def adalah input nama data yanga akan di kalibrasi untuk mensimulasikan debit, pada tahap observed.sf2 data diberi nama sesuai denga outlet yang terletak pada Sub DAS 11 yaitu q_11.out, maka pada SUFI2_extract_rch.def dimasukan q _11.out. . SUFI2_extract_rch.def berisi data – data yang akan di-extract dari MWSWAT. Pada SUFI2_extract_rch.def data mengenai jumlah variable yang dikalibrasi, tahun awal, tahun akhir, serta no Sub DAS output. SUFI2_swEdit.def berisi banyaknya jumlah simulasi dalam satu kali iterasi. Pada penelitian ini dalam satu kali iterasi dilakukan 500 kali simulasi. Setelah calibration inputs semua telah terisi dilanjutkan kepada executable files.

4.1.1.2 Proses Pengolahan SUFI2.SWAT-CUP

SUFI2.SWAT-CUP mengolah seluruh data input dan mensimulasikannya dengan beberapa simulasi yang telah ditentukan. Proses ini memiliki empat bagian, yaitu : SUFI2_pre.bat, SUFI2_run.bat, SUFI2_post.bat, dan SUFI2_extract.bat. Setiap bagian memiliki fungsi yang berbeda. SUFI2_pre.bat berfungsi untuk memasukan data yang akan diolah pada tahap selanjutnya. Pada proses SUFI2_pre.bat data dari SWAT diambil dan disiapkan untuk digunakan dalam proses kalibrasi. SUFI2_run.bat melakukan pengolahan data dan melakukan kalibrasi dengan data yang sudah diekstrak dari hasil SWAT dan data input dari kalibrasi. Pada saat pengolahan data ini melakukan kalibrasi terhadap nilai parameter-parameter yang telah dimasukan. Kalibrasi dilakukan dengan nilai parameter-parameter yang diubah-ubah sesuai dengan kisaran data, dan berulang terus sebanyak jumlah simulasi yang ditentukan. Pada penelitian Sub DAS Cisadane Hulu pada setiap kalibrasi dilakukan 500 simulasi dan membutuhkan waktu selama 6 jam untuk menyelesaikannya. Lamanya waktu kalibrasi tergantung dari jumlah HRU dan Sub DAS data yang dikalibrasi. Untuk Cisadane Hulu jumlah HRU mencapai 253 yang berarti terdapat 253 karakteristik yang berbeda-beda dari setiap HRU sehingga kalibrasi memerlukan waktu yang cukup lama. SUFI2_run.bat mengganti setiap karakteristik setiap HRU dan mensimulasikannya untuk setiap tahun. Pada penelitian ini kalibrasi dilakukan untuk data debit tahun 2004 - 2006. SUFI2_post..bat merupakan tempat kalibrasi dengan membandingakan hasil simulasi dari SUFI2_run.bat dengan data observasi yang datanya akan diolah menjadi grafik metode 95 Prediction Uncertainty 95PPU. Dan pada SUFI2_post..bat akan menghasilkkan nilai baru parameter-parameter yang nantinya dapat digunakan untuk kalibrasi kembali. SUFI2_post..bat secara 31 umum akan menempatkan hasil simulasi kepada tempat yang sesuai dan diolah sehingga di dapat hasil perbandingan untuk mengetahui tingkat keberhasilan kalibrasi. SUFI2_extract..bat melakukan penyimpanan atau mengirim hasil seluruh kalibrasi ke dalam literasi untuk disimpan sebagai jejak kalibrasi yang telah dilakukan.

4.1.1.3 Calibration Output pada SUFI2.SWAT-CUP

Calibration output merupakan keluaran hasil dari kalibrasi, calibration output menampilkan beberapa data hasil kabrasi dan simulasi. Pada calibration output terdapat delapan bagian yang menampilkan beberapa data yang berbeda pada setiap bagian, bagian-bagian tersebut adalah 95ppu.sf2, Dotty Plots, Best_Par.sf2, Best_Sim.sf2, Goal.sf2, New_Pars.sf2, Summary_Stat.sf2, dan Sensitivity. 95ppu.sf2 merupakan tempat output mengenai grafik perpotongan antara data hasil simulasi dengan data hasil observasi. 95ppu menampilkan data debit observasi harian dengan data debit hasil simulasi setelah melalui proses kalibrasi, ddalam grafik tersebut diperlihatkan secara jelas daerah potongan yang terjadi. Pada kalibrasi Sub DAS Cisadane Hulu hasil 95ppu dapat dilihat pada Gambar 13. Gambar 13. Hasil kalibrasi pada SUFI2 SWAT-CUP Dotty plot merupakan tempat menampilkan data parameter-parameter pada proses kalibrasi, dimana parameter-parameter tersebut mengalami perubahan nilai pada setiap simulasinya dimana digambarkan dalam bentuk titik-titik letak nilai dalam suatu grafik, dari gambar dapat terlihatt range anatara nilai minimum dan maksimum mana saja yang sering dilakukan pada waktu kalibrasi. Best_Par.sf2 memperlihatkan hasil nilai parameter terbaik dari simulasi simulasi yang dilakukan, dan meampilkan nilai range parameter tersebut, pada penelitian kali ini, simulasi terbaik adalah pada simulasi no 170. Best_Sim.sf2 merupakan bagian dari calibration output yang menampilkan hasil debit simulasi dengan hasil debit observasi. Pada penelitian kali ini hasil debil simulasi merupakan debit keluaran outlet pada Sub DAS 11 dari 2004-2006 hasil simulasi dari SWAT, dan data observasi merupakan data hasil debit dari SPAS Batubeulah dari tahun 2004 sampai 2006. Goal.sf2 merupakan bagian dari calibration out yang menampilkan hasil nilai parameter- parameter pada setiap simulasinya. Pada Sub DAS Cisadane Hulu untuk satu kali kalibrasi dilakukan sebanyak 500 simulasi maka parameter-parameternya untuk satu kali simulasi melakukan perubahan nilai maksimum dan nilai minimum. 32 New_pars.sf2 bagian calibration output yang menampilkan nilai parameter-parameter yang baru yang digunakan sebagai masukan nilai parameter pada par_inf.sf2 pada calibration inputs jika hasil kalibrasi masih belum cukup baik. Data masukan nilai parameter yang baru disesuaikan dengan data absolute value yang ada di data SWATCUP. Summary_stat.sf2 merupakan bagian dari kesimpulan dari hasil kalibrasi dari calibration output yang menampilkan hasil nilai yang menjadi ukuran dilakukannya kembali kalibrasi. Pada kalibrasi menggunakan SUFI2.SWAT-CUP yang menjadi dasar kalibrasi adalah nilai p-value dan r- factor. Jika nilai p-factor lebih dari 0.8 dan r-factor kurang dari 1 maka kalibrasi dinyatakan selesai atau sudah maksimal. Pada kalibrasi hasil debit sungai Sub DAS Cisadane Hulu dari simulasi SWAT telah dilakukan beberapa kalibrasi dan terjadi peningkatan nilai dari awal sebelum kalibrasi. Data kalibrasi adalah dari tahun 2004 sampai 2006. Pada proses kalibrasi nilai p-value dan r-factor mengalami perubahan yang tidak seimbang, yaitu nilai p-value meningkat mencapai 0.8 demikian juga nilai r-factor 1. Setelah dilakukan kalibrasi yang berulang, nilai p-value turun 0.8 dan juga nilai r-factor 1. Hasil kalibrasi yang dilakukan dapat dilihat pada Tabel 12. Tabel 12. Hasil nilai R 2 dan NS pada proses kalibrasi Kalibrasi ke p-value r-factor R 2 NS - - 0.0012 0.076 1 0.79 2.02 0.25 0.12 2 0.86 1.97 0.28 0.17 3 0.80 1.97 0.35 0.22 4 0.82 1.34 0.34 0.26 5 0.81 2.54 0.37 0.30 6 0.71 0.91 0.38 0.31 7 0.59 0.89 0.37 0.29 Pada Tabel 12 terjadi peningkatan nilai p-value, R 2 dan NS, dan penurunan r-factor, namun pada proses kalibrasi kelima dan seterusnya terjadi penurunan nilai p-value, R 2 dan NS, ini disebabkan parameter-perameter yang sudah dikalibrasi tidak mempengaruhi kembali nilai-nilai p-value, R 2 dan NS. Sensitivitas bagian menampilkan tingkat sensitivitas 33 parameter terhadap nilai p-value. Nilai sensitivity berhubungan dengan nilai absolute_SWAT. Jika parameter input yang dimasukkan tidak sesuai dengan nilai pada absolute_SWAT maka nilai sensitivity tidak akan diperoleh.

4.4.2 Validasi Menggunakan Software SUFI2.SWAT-CUP

Validasi dilakukan sama seperti proses kalibrasi. Perbedaannya dengan proses validasi adalah data yang digunakan dan hanya melakukan satu kali running program saja tidak dilakukan berulang-ulang seperti pada proses kalibrasi. Pada peoses validasi data yang digunakan adalah data debit sungai Sub DAS Cisadane Hulu no 11 pada hasil simulasi dari tahun 2007 sampai tahun 2009. Nilai parameter-parameter yang dimasukan pada validasi merupakan proses nilai trakhir pada saat kalibrasi, data kalibrasi yang terjadi bebberapa keadaan dimana nilai p-value, r-factor, R 2 dan NS yang terjadi penaikan dan penurunan yang tidak stabil maka pada proses validasi diambil hasil kalibrasi yang baik, dimana nilai p-value dan r-factor tidak terlalu jauh dari nilai standar p-value 0.8 dan r-factor 1 serta niali NS dan R 2 yang mempunyai nilai tinggi atau baik. Dari hal tersebut diambil hasil kalibrasi pada saat p-value 0.71, r-factor 0.91, nilai R 2 sama dengan 0.38 dan nilai NS 33 adalah 0.31. Nilai parameter input untuk validasi dapat dilihat pada Tabel 13 sedangkan hasil validasi dapat dilihat pada Tabel 14. Tabel 13. Nilai parameter input untuk validasi Parameter Nilai minimum Nilai maksimum r__SURLAG.bsn 3.97389 6.942185 r__CN2.mgt 0.177245 0.224735 r__CH_L1.sub 101.6504 128.0556 r__CH_S1.sub 4.014673 4.914999 r__CH_K1.sub 105.7169 143.6308 r__CH_W1.sub 112.122 292.9005 r__SLSUBBSN.hru 117.827 145.3793 r__OV_N.hru 0.407588 0.488754 r__SLSOIL.hru 0.260426 0.296988 r__LAT_TTIME.hru 12.82386 39.47708 v__GW_DELAY.gw 15.7955 70.25063 v__GWQMN.gw -503.343 266.4983 v__ALPHA_BF.gw 0.635996 0.773996 v__REVAPMN.gw 253.7179 397.302 v__GW_REVAP.gw 0.01742 0.047434 v__RCHRG_DP.gw 0.324688 0.440754 v__GW_SPYLD.gw 0.043363 0.095567 v__SOL_K.sol 1345.573 1569.994 r__SOL_BD.sol 1.572129 2.128389 r__SOL_AWC.sol 0.53831 0.653914 r__SOL_CRK.sol 0.658141 0.828031 r__CNOP.mgt 54.44415 65.7797 r__CH_N11.sub 0.026648 0.093064 v__ESCO.hru 0.613603 0.682375 v__SFTMP.bsn 1.288421 2.137695 v__SMFMN.bsn 7.059641 8.713686 v__SMFMX.bsn 7.912282 8.947107 v__TIMP.bsn 0.075795 0.207616 v__CH_N2.rte 0.114912 0.155226 v__CH_K2.rte 36.86641 57.75428 r__CO2.sub -4.02559 66.39887 v__CANMX.hru 13.15579 25.61744 v__EPCO.hru 0.750664 0.872286 34

4.5 ANALISIS KALIBRASI DAN VALIDASI

Pada nilai kalibrasi yang nilai peningkatan p-value yang tidak diseimbangkan dengan penurunan r-factor, maka kalibrasi dihentikan pada saat nilai p-value dan r-factor pada nilai terkecil. Selanjutnya proses validasi menggunakan data yang mendekati nilai standard yaitu mendekati nilai p- value 0.8 dan r-factor 1. Nilai yang diambil adalah saat p-value 0.71, r-factor 0.91, nilai R 2 sama dengan 0.38 dan nilai NS adalah 31. Nilai p-value 0.71 berarti sebanyak 71 data observasi berpotongan dengan grafik parameter ketidakpastian 95PPU, sedangkan nilai r-factor yang kurang dari satu menandakan bahwa kalibrasi telah baik. Kenaikan R 2 dari hasil simulasi dengan kalibrasi menandakan bahwa kalibrasi telah memuaskan. Hasil proses mulai dari simulasi sampai validasi dapat dilihat pada Tabel 14. Tabel 14. Nilai variabel pada setiap proses Variabel Simulasi kalibrasi validasi p-value - 0.71 0.76 r-factor - 0.91 1.19 R 2 0.012 0.38 0.23 NS 0.076 0.31 0.23 Nilai R 2 pada saat kalibrasi adalah 0.38 dan NS adalah 0.31. Nilai tersebut tidak terlalu bagus namun memuaskan. Nilai tersebut diperoleh karena kisaran nilai parameter yang ada pada nilai absolute SWATCUP masih perlu penyesuaian untuk daerah penelitian karena kurang mewakili nilai di lapangan. Nilai yang terkadang jauh berbeda dari keadaan sebenarnya perlu diteliti kembali agar tepat dan sesuai dengan keadaan di daerah penelitian. Selain itu keadaan lapangan Sub DAS Cisadane Hulu yang berbukit dan merupakan daerah pegunungan menjadikan hasil simulasi tidak sesuai dengan keadaan di lapangan. 35

V. KESIMPULAN DAN SARAN

5.1 KESIMPULAN

1. Kalibrasi dan validasi model MWSWAT pada analisis debit aliran sungai Sub DAS Cisadane Hulu telah berhasil dilakukan dengan peningkatan nilai variabel R 2 , r-factor, p-value, dan NS. 2. Hasil kalibrasi memuaskan dengan nilai R 2 sebesar 0.38 yang 0.36 nilai standard. 3. Hasil kalibrasi menunjukkan bahwa 71 data hasil observasi berpotongan dengan grafik 95PPU p- value = 0.71, dan dari hasil kalibrasi diperoleh nilai r-factor sebesar 0.91. 4. Hasil dari proses validasi juga menunjukkan hasil yang memuaskan, yaitu 76 data hasil observasi berpotongan dengan grafik 95PPU dan diperoleh nilai r-factor sebesar 1.19.

5.2 SARAN

1. Agar diperoleh hasil yang lebih baik MWSWAT masih memerlukan data-data seperti data karakteristik tanah, data karakteristik tanaman, dan wilayah urban Indonesia pada Sub DAS Cisadane Hulu yang masih kurang tersedia. 2. Diperlukan penyesuaian nilai parameter pada SWATCUP terhadap keadaan yang sebenarnya pada Sub DAS Cisadane Hulu, seperti nilai maksimum dan minimum konduktivitas tanah, yang nilainya pada SWATCUP masih berbeda dengan keadaan di lapangan serta parameter lainnya. 3. Proses kalibrasi perlu dilanjutkan pada proses berikutnya seperti Parasol, GLUE dan McMc yang menggunakan metode atau model yang berbeda.