ABSTRAK
Model Tangki Sugawara merupakan salah satu model konseptual dengan
konsep bahwa proses aliran air hujan menjadi aliran sungai dianologikan sebagai suatu
aliran melalui rangkaian tangki-tangki. Kelemahan mendasar penerapan model tangki
tersebut adalah banyaknya parameter yang harus ditentukan terlebih dulu secara
simultan sebelum model tersebut diaplikasikan. Kondisi ini menjadikan model tangki
tidak populer untuk diterapkan pada keperluan-keperluan praktis.
Studi ini difokuskan pada upaya menyelesaikan sistem persamaan model tangki
dengan memasukkan proses optimasi pada tahap penentuan nilai optimal dari
parameter-parameternya. Hasil yang dicapai diharapkan dapat meningkatkan kinerja
model tersebut agar debit bangkitan yang diperoleh dapat mendekati hasil debit riil di
lapangan.
Hasil studi pada Sub DAS Keser menunjukkan bahwa Algoritma Genetik belum
dapat menyelesaikan proses optimasi nilai parameter model tangki dengan baik. Hasil
dari simulasi model yang berbeda menunjukkan nilai RMSE berbeda-beda. Trend yang
paling mirip terdapat pada jenis model tangki dengan optimasi 34 hari (20 Februari
2008 – 24 Maret 2008) dengan nilai RMSE 3,9908 dari keenam model yang disimulasi.
Aliran terbesar terjadi pada awal bulan Januari 2011 sampai awal bulan April 2011,
sedangkan aliran terendah terjadi pada bulan Desember 2012.
ABSTRACT
Tank Model Sugawara is one of the conceptual model with a concept that the
transform process of rainfall flow to river flow is analogued as a flow through tanks
arrangement. The weakness of tank model implementation is the numbers of parameter
xthat have to be simultaneously determined before the tank model applied. This
condition makes the model unpopular to be applied.
This study is focused on figuring the tank model equations out with including
optimization on the optimal parameters value determination process. The obtained
results are expected that could improve the performance of the model in order that the
model discharge values could be close to the observed discharge values.
The result of study that conducted in Keser Subwatershed shows that Genetics
Algorithm could not figure the parameters optimization out well. The results of the
various model simulation shows various RMSE values as well. The most similar trend
found in the type of tank model with 34 days optimization (February 20, 2008 - March
24, 2008) with RMSE 3.9908 value from six simulated models. The highest flow
occured on early January 2011 until early April 2011, while the lowest flow occured on
December 2012.
Gambar 4.1 Grafik Hubungan Antara Data CH Harian dan Data Debit Sungai Keser
Sumber: Hasil Perhitungan
Data klimatologi diambil dari 4.2 Uji Statistik Data Hujan
hasil kajian sebelumnya, yaitu Uji statistik data hujan perlu
klimatologi wilayah trenggalek rerata dilakukan untuk mengetahui data mana
tahun 2001-2010. Data klimatologi yang paling bagus yang nanti akan
digunakan untuk menghitung evaporasi digunakan sebagai data input dalam
menggunakan metode Penman, dengan simulasi model tangki menggunakan
hasil perhitungan sebagai berikut: metode Algoritma Genetika (AG).
Tabel 4.1 Eto Rerata Tahun 2001-2010 Dalam uji statistik data hujan
No Bulan Eto Satuan menggunakan simulasi model tangki
1 Jan 9,05 mm/hari dengan metode simulasi coba-
2 Feb 7,90 mm/hari banding/trial and error.
3 Mar 7,32 mm/hari Untuk mengetahui perbandingan
4 Apr 4,66 mm/hari
5 Mei 4,17 mm/hari
tingkat keakuratan kinerja dari model
6 Juni 3,97 mm/hari tangki, dapat menggunakan indikator
7 Juli 4,17 mm/hari RMSE dengan rumus:
8 Agst 4,83 mm/hari
9 Sept 5,32 mm/hari
10 Okt 5,58 mm/hari
11 Nov 7,16 mm/hari
12 Des 8,17 mm/hari
bilangan acak yang berbeda. Hasil
optimasinya lalu dibandingkan satu
n
( X obs,i X model,i ) 2 sama lain seperti yang ditampilkan
i 1
RMSE pada Tabel 4.2.
n
Tabel 4.2 Rekap Nilai Parameter Hasil
Dimana: Optimasi Metode AG
Xobs,i = Debit aktual (QAWLR)
13/02/2004
22/12/2010
06/01/2006
07/02/2009
31/12/2012
24/03/2008
BANYAK HARI
Xmodel,i = Debit terhitung (Qmodel)
n = Jumlah data
-
JENIS PARAMETER
23/01/2004
28/11/2010
10/12/2005
11/01/2009
02/12/2012
20/02/2008
Berdasarkan uji statistik data
hujan, didapatkan hasil nilai indikator
RMSE untuk setiap model tangki empat
No 22 hari 25 hari 28 hari 28 hari 30 hari 34 hari
susun seri dengan berbagai macam hari 1 f 1.2 0,0002 0,0093 0,0104 0,0069 0,0001 0,0001
sebagai berikut: 2 f 1.1 0,0002 0,0063 0,0030 0,0074 0,0001 0,0633
Dari ketujuh model tersebut diatas, trend yang paling miripadalah jenis model
tangki dengan optimasi 34 hari (20 Februari 2008 – 24 Maret 2008). Grafik fluktuasi
hubungan antara curah hujan, debit lapangan, dan debit bangkitan model dapat dilihat
pada gambar 4.2.
Gambar 4.2 Grafik hasil simulasi model tangki 10 tahun dengan optimasi AG 34 hari
Sumber: Hasil Perhitungan
Dari grafik hasil simulasi dapat baru berikutnya. Iterasi tersebut akan
dilihat bahwa pada seri debit aktual dan terus berlangsung sampai populasi
seri debit bangkitan dengan input hujan kromosom seragam.
3. Dari keenam model yang dioptimasi,
harian historis terjadi aliran ekstrim
trend yang paling mirip adalah pada
yaitu pada bulan Januari 2011 – April jenis model tangki dengan kalibrasi
2011 dimana debit aktual tertinggi 34 hari (20 Februari 2008 – 24 Maret
mencapai 18,95 m3/det dan debit input 2008) dengan nilai RMSE 3,9908
hujan harian historis 51,10 m3/det. Hasil studi pada Sub DAS Keser
Untuk seri debit hasil bangkitan menunjukkan bahwa Algoritma Genetik
terlihat berbeda dengan seri debit belum dapat menyelesaikan proses
optimasi nilai parameter model tangki
aktual. Aliran terbesar terjadi pada awal
dengan baik.
bulan Januari 2011 sampai awal bulan
April 2011, sedangkan aliran terendah 6. SARAN
terjadi pada bulan Desember 2012. Berdasarkan hasil analisa yang
telah dilakukan pada bab sebelumnya,
5. KESIMPULAN adapun beberapa saran yang dapat
Berdasarkan hasil pembahasan digunakan sebagai rekomendasi
sebelumnya, maka dapat diambil diantaranya adalah:
beberapa kesimpulan, antara lain : 1. Sebaiknya jumlah populasi awal
1. Curah hujan dalam beberapa rentang dan iterasi diperbanyak sehingga
waktu berikut ini merupakan data akan menghasilkan solusi terbaik
curah hujan yang paling baik dari yang mempunyai nilai kinerja
tahun 1993-2012: terbaik pula.
a. 25 hari (28 Nov 2010 – 22 Des 2. Perlu dilakukannya perbandingan
2010) model tangki dengan susunan yang
b. 28 hari (10 Des 2005 – 6 Jan berbeda agar dihasilkan beberapa
2006) alternatif model.
c. 28 hari (11 Jan 2009 – 7 Feb 3. Perlu adanya evaluasi atau
2009) penelitian dari hasil output
d. 34 hari (20 Feb 2008 – 24 Mar software macro visual basic yang
2008) dipakai agar lebih sesuai dengan
e. 30 hari (2 Des 2012 – 31 Des keadaan riil lapangan.
2012)
f. 22 hari (23 Jan 2004 – 13 Feb DAFTAR PUSTAKA
2004) Basri, H. 2013. Development of
2. Proses pengembangan populasi Rainfall-runoff Model Using Tank
kromosom metode AG melibatkan Model: Problems and Chalenges
proses reproduksi, yang terdiri dari in Province of Aceh, Indonesia.
seleksi individu, proses copy dan Aceh Internation Journal of
kawin silang (crossover). Untuk ke Science and Technology, 2
menuju step pengembangan (1):26-36
populasi, diperlukan step inisilisasi Gen, M dan Runwei Cheng. 2000.
populasi. Hasil dari pengembagan Genetic Algorithms and
populasi dicek keseragamannya. Jika Engineering Optimization.
populasi hasil pengembangan belum Canada: John Wiley & Sons, Inc.
seragam atau homogen, maka Harto, Sri. 1993. Analisis Hidrologi.
dilakukan penggantian populasi baru Jakarta: Gramedia Pustaka Utama.
untuk medapatkn generasi turunan
Kuok, KK, dkk. 2010. Global Subarkah, Imam. 1980. Hidrologi
Optimization Methods for Untuk Perencanaan Bangunan
Calibration and Optimization of Air. Bandung: Idea Utama.
the Hydrologic Tank Model’s
Parameters. Canadian Journal on
Civil Engineering Vol. 1, No.1.
Kuok, KK, dkk. 2011. Auto-Calibration
of Daily and Hourly tank Model’s
Parameters Using Genetic
Algorithm. Malaysian Journal of
Civil Engineering 23(2):12-28
Montarcih, Lily. 2009. Statistika
Terapan. Malang: Citra Malang
Montarcih, Lily. 2010. Hidrologi
Praktis. Bandung: Lubuk Agung
Rahmadi, Agung. 2013. Kajian
Pemakaian Input Data Curah
Hujan Harian Sintetis untuk
Simulasi Debit Musiman pada
Sub Das Konto Hulu. Skripsi
tidak dipublikasikan. Malang:
Universitas Brawijaya.
Rahman. 2011. Penerapan Model
Tangki dengan Tiga Tangki
Susunan Pararel Untuk
Transformasi Data Hujan
Menjadi Data Debit (Studi Kasus
Pada Inflow Waduk Selorejo dan
Waduk Lahor). Media Teknik
Sipil, Volume 9:166-171
Setiawan, B.I., dkk. 2003. Developing
Procedures for Optimization of
Tank Model’s Parameters.
Agricultural Engineering
International: the CIGR Journal of
Scientific Research and
Development. Manuscript LW 01
006.
Soemarto, CD. 1999. Hidrologi Teknik.
Jakarta: Erlangga.
Soetopo, Widandi. 2012. Model-Model
Simulasi Stokastik untuk Sistem
Sumberdaya Air. Malang: Citra
Malang
Sosrodarsono, Suyono dan Kenzu
Takeda. 2003. Hidrologi Untuk
Pengairan. Jakarta: PT Pradnya
Paramita.