Spesifikasi Model Model Dinamik Pengendalian Sedimentasi Waduk Bili-Bili

115 dan parameter yang digunakan pada sub model pengendalian sedimen disajikan pada Tabel 33. Tabel 33 Variabel dan Parameter pada Sub model Pengendalian Longsoran No Variabel dan Parameter Dimensi Nilai Keterangan 1. Massa Longsoran ton 300.000.000 Data sekunder 2. Kapasitas Sabo Penahan 2,65 Hasil Analisis 3. Kapasitas Sabo Konsolidasi 3,48 Hasil Analisis 4. Kapasitas Sabo Sand Pocket 1,44 Hasil Analisis 5. Kapasitas Penambangan m 3 6000 Data sekunder 6. Kapasitas Pengerukan m 3 7.700.000 Data sekunder Gambar 42 Sub Model Pengendali Sedimen. Laju Massa tanah Longsor Potensi massa tanah longsoran Massa tanah Longsoran ~ f raksi Longsoran Sabo Penahan Laju sendimen Penahan kapasitas sabodam penahan Sabo konsolidasi Laju sedimen konsolidasi Kapasitas sabo dam konsolidasi sandpocket Laju sedimen sandpocket Kapasitas kendali sand pocket SP1 SP2 Sedimen longsor SP3 SP4 SP5 Sand mining EOR laju Sand mining Laju sedimentasi Longsoran Massa tanah Longsoran Sabo Penahan Laju exacav ation Submodel Pengendali Sedimen 116 b. Sub model Erosi Lahan Sub model erosi lahan dibangun berdasarkan persamaan erosi yang umum digunakan yaitu USLE. Melalui persamaan tersebut laju erosi diperhitungkan berdasarkan faktor erosivitas, erodibilitas, intensitas curah hujan, topografi dan tindakan konservasi yang dilakukan. Melalui variabel-variabel tersebut akan diperoleh tingkat erosi lahan yang terjadi. Selanjutnya, tingkat laju sedimen dihitung dengan menggunakan koefisien Sediment Delivered Ratio SDR berdasarkan luas daerah tangkapan waduk. volume sedimentasi yang diakibatkan oleh erosi lahan dan melalui beberapa variabel yang teridentifikasi dilakukan intervensi untuk skenario. Dari sub model erosi lahan diperoleh volume sedimen yang diakibatkan dari terjadinya erosi lahan di hulu DAS Jeneberang. Selengkapnya disajikan pada Gambar 43. Gambar 43 Sub Model Erosi Lahan. Adapun variabel dan parameter yang digunakan pada Sub model Erosi Lahan disajikan pada Tabel 34. Sedimentasi Lahan laju sendimentasi Erosi Laju erosi SDR Faktor Konserv asi Vegetasi Faktor Topograf i Faktor Erosiv itas Faktor Erodibilitas Curah Hujan Curah Hujan Max Faktor Sedimentasi Teras Faktor Bertanam Baris Kontur Ukuran Struktur Tanah Liat Pasir Debu Bahan Organik Kelas Permeabilitas Prof il Kode Struktur Tanah Slope Energi Kinetik Ch Panjang Lereng Slope HH per bulan sub model erosi lahan 117 Tabel 34 Variabel dan Parameter pada Sub model Erosi Lahan No Variabel dan Parameter Dimensi Nilai Keterangan 1. Curah Hujan bulanan cmbln 26,15 Data sekunder 2. Curah Hujan maksimum cmbln 64,8 Data sekunder 3. HH per bulan hari 12 Data sekunder 4. Panjang Lereng m 8 Hasil Analisis 5. Slope 20 Hasil Analisis 6. SDR - 0,25 Hasil Analisis 7. Pasir 10,6 Data sekunder 8. Debu 35,6 Data sekunder 9. Liat 13,3 Data sekunder 10. Vegetasi - 0,30 Simulasi 11. Koefisien Pengelolaan - 1 Simulasi c. Sub model Kapasitas Waduk Dampak dari erosi lahan dan longsoran di wilayah hulu waduk terhadap kemampuan waduk adalah menurunnya kapasitas waduk untuk melakukan fungsinya sebagai waduk serbaguna. Melalui beberapa variabel yang mempengaruhi laju sedimentasi waduk yang masuk dibandingkan dengan kapasitas waduk menentukan indeks kapasitas waduk. Selanjutnya disajikan pada Gambar 44. Gambar 44 Sub Model Kapasitas Waduk. Adapun variabel dan parameter yang digunakan pada sub model Kapasitas Waduk disajikan pada Tabel 35. Sedimentasi Lahan Sedimentasi Waduk laju sedimentasi waduk outf low sediment Q outf low Kapasitas waduk Indek keberlanjutan waduk koef isien kapasitas tampung Sedimen longsor Submodel waduk 118 Tabel 35 Variabel dan Parameter pada Sub model Kapasitas Waduk No Variabel dan Parameter Dimensi Nilai Keterangan 1. dead storage Waduk m 3 29.000.000 Data sekunder 2. Koef. Kapasitas Tampung 21 Data sekunder 3. Sedimen Lahan ton Dari sub model Lahan Hasil Analisis 3. Sedimen Longsor ton Dari sub model Longsor Hasil Analisis d. Sub model Sosial Ekonomi Sub model ini memperhitungkan komponen-komponen yang berperan terhadap peningkatan pendapatan masyarakat maupun pemerintah dalam hal penarikan pajak maupun retribusi. Pendapatan masyarakat diperhitungkan berdasarkan pendapatan penambang dan pendapatan petani. Selain itu juga dampak dari aktifitas ini dapat meningkatkan paritisipasi masyarakat untuk ikut berperan atau terlibat untuk meningkatkan kesejahteraan keluarganya. Untuk mendapatkan gambaran hubungan antara komponen pada sub model sosial ekonomi disajikan pada Gambar 45. Gambar 45 Sub Model Sosial Ekonomi. Volume penambangan laju penambangan harga pasir per m3 pendapatan penambang Pajak Pendapatan Pendapatan kotor Pengeluaran Sand mining Harga Batu pecah per m3 laju pend penambang Partisipasi Masy arakat Laju Penambangan Fraksi Penambang Erosi Kelas Erosi SL Rambutan Produktiv itas HS Mangga HS Rambutan HS markisa HS Kentang HS Durian HS Pisang HS Jeruk HS kubis HS wortel HS Bawang HS sawi SL Mangga SL Markisa SL Pisang SL Durian SL Jeruk SL Kentang SL sawi SL Wortel SL bawang SL Kubis Luas lahan Pendapatan Petani Laju Pendapatan Inf lasi sub model sosial dan ekonomi 119 Dari sub model Sosial ekonomi dibangun berdasarkan besarnya partisipasi masyarakat yang terlibat dan tingkat pendapatan yang diperoleh berasal dari aktifitas penambangan yang dilakukan dalam kaitannya dengan pengendalian sedimentasi waduk dan hasil pertanian di hulu DAS. Aktifitas penambangan sand mining terutama dilakukan di SP-1 sampai dengan SP-5. Berbagai jenis hasil tambang berupa pasir dan batu bolder diambil menggunakan alat berat dan diproses menggunakan alat pemecah batu stone crusher. Hasil pertanian diperoleh berdasarkan data sekunder harga satuan komoditi buah dan sayuran dengan satuan lahan pertanian. Adapun variabel dan parameter yang digunakan pada sub model Sosial Ekonomi disajikan pada Tabel 36. Tabel 36 Variabel dan Parameter pada Sub model Sosial Ekonomi No Variabel dan Parameter Dimensi Nilai Keterangan 1. Kapasitas Sand Mining ton Dari sub model Longsor Hasil Analisis 2. Erosi tonha Dari sub model Erosi Lahan Hasil Analisis 3. Harga Batu Pecah Rpm 3 135.000 Data sekunder 5. Harga Pasir Rpm 3 50.000 Data sekunder 6. Pajak Retribusi Persen 15 Data sekunder 7. Fraksi Penambang Rporang 500.000 Data sekunder 8. HS Buah Durian Rpkg 10.000 Data sekunder 9. HS Buah Rambutan Rpkg 7.500 Data sekunder 10. HS Buah Mangga Rpkg 5.500 Data sekunder 11. HS Buah Jeruk dan Pisang Rpkg 5.000 Data sekunder 12. HS Buah Markisa Rpkg 4.000 Data sekunder 13. HS Sayuran Kentang Rpkg 4.000 Data sekunder 14. HS Sayuran Bawang, Kubis, Sawi dan Wortel Rpkg 4.000 Data sekunder 15. Total SL buah dan sayuran Satuan Lahan 28 Data sekunder 16. SL Kubis Satuan Lahan 7 Data sekunder 17. SL Kentang Satuan Lahan 6 Data sekunder 18. SL Wortel dan Rambutan Satuan Lahan 3 Data sekunder 19. SL Durian dan Bawang Satuan Lahan 2 Data sekunder 20. SL Jeruk, Mangga, Markisa, Pisang dan Sawi Satuan Lahan 1 Data sekunder Data Harga Satuan HS Buah dan Sayuran menggunakan data sekunder dari hasil penelitian Saida 2011 yang dilakukan di hulu DAS Jeneberang berdasarkan 28 bagian Satuan Lahan SL homogen. Buah yang disurvey adalah mangga, rambutan, jeruk, durian, markisa dan pisang. Adapun sayuran adalah kubis, kentang, sawi, wortel dan daun bawang. 120

5.3.4. Evaluasi Model

Untuk mengevaluasi model ada dua jenis evaluasi yang dilakukan yaitu uji validasi struktur dan uji validasi kinerja. Uji validasi struktur dilakukan untuk memperoleh keyakinan akan kesamaan struktur model terhadap kondisi kenyataan yang sebenarnya. Gambar 46 Hasil simulasi volume sedimentasi waduk, sedimen longsor dan sedimentasi lahan. Gambar 47 Hasil simulasi volume penambangan, pendapatan dan partisipasi masyarakat. Page 1 2001 2011 2021 2030 2040 2050 Tahun 1: 1: 1: 2: 2: 2: 3: 3: 3: 4: 4: 4: 25000000 50000000 1500000 3000000 20000000 40000000 17780000 35560000 1: Sedimentasi Waduk 2: Sedimen Lahan 3: Sedimen longsor 4: Kapasitas waduk 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 21:04 06 Agu 2012 Page 1 2001 2011 2021 2030 2040 2050 Tahun 1: 1: 1: 2: 2: 2: 3: 3: 3: 1e+016, 2e+016, 1.5e+009 3e+009, 50000 100000 1: Pendapatan 2: Volume penambangan 3: Partisipasi Masy arakat 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 121 Pada model pengendalian sedimentasi waduk secara empiris menunjukkan bahwa peningkatan volume sedimentasi di waduk lebih dipengaruhi oleh volume sedimentasi akibat longsoran kaldera jika dibandingkan dengan sedimentasi yang disebabkan oleh erosi lahan. Selanjutnya, volume penambangan yang diperoleh dari sand mining mempengaruhi tingkat pendapatan dan partisipasi masyarakat. Hal ini ditunjukkan pada Gambar 46 dan 47. Selain uji validitas struktur juga dilakukan uji validitas kinerja model. Validasi kinerja model adalah aspek pelengkap dalam metode berfikir sistem yang bertujuan untuk memperoleh keyakinan sejauh mana kinerja model sesuai dengan kinerja sistem nyata sehingga memenuhi syarat sebagai model ilmiah yang taat fakta. Caranya adalah dengan membandingkan validasi kinerja model dengan data empiris untuk melihat perilaku kinerja model sesuai dengan data empiris Muhammadi dkk., 2001. Validasi perilaku model dilakukan dengan menggunakan Absolute Mean Error AME dan Absolute Variation Error AVE. AME adalah penyimpangan selisih antara nilai rata-rata mean hasil simulasi terhadap nilai aktual. AVE adalah penyimpangan nilai variasi variance simulasi terhadap nilai aktual. Batas penyimpangan yang dapat diterima adalah antara 1-10. Rumus untuk menghitung nilai AME dan AVE adalah: AME = S −A A x100 ; AVE = Ss −Sa Sa x100 dimana: S = Si N A = Ai N Ss = Si−S 2 N Sa = Ai−A 2 N S, A dan N berturut-turut adalah nilai simulasi, nilai aktual, dan nilai interval waktu pengamatan. Ss dan Sa adalah nilai standar deviasi simulasi dan nilai standar deviasi aktual. Struktur model pengendalian sedimentasi waduk Bili-Bili yang menggambarkan interaksi antara komponen sedimentasi waduk dengan sumber sedimen akibat longsoran dan erosi lahan harus bersesuaian dengan keadaan