Pengaruh Jumlah dan Posisi Stasiun Curah Hujan… (Muchamad Wahyu Trinugroho)
ABSTRAK
Curah hujan merupakan salah satu faktor penting dalam aliran limpasan. Jumlah dan sebaran stasiun
curah berperan dalam analisis transformasi aliran limpasan dalam suatu model hidrologi, maka analisis
data hujan perlu dilakukan secara teliti. Namun, dalam suatu Daerah Aliran Sungai (DAS) memiliki
jumlah dan sebaran stasiun yang bervariasi. Oleh karena itu, penelitian ini bertujuan untuk menganalisis
seberapa besar pengaruh jumlah dan sebaran stasiun terhadap hujan transfromasi dalam bentuk aliran
limpasan menggunakan model hidrologi, HEC‐HMS. Lokasi kajian di DAS Mae Chaem Thailand Utara
seluas 3.826 km2. Model HEC HMS digunakan untuk kalibrasi parameter model curah hujan limpasan
dengan menggunakan keseluruhan stasiun hujan yang ada sejumlah 13 stasiun (kondisi 1), dengan
menggunakan curah hujan wilayah metode polygon thiessen. Untuk penyederhanaan, parameter
terkalibrasi sebagai input untuk simulasi 6 stasiun hujan dengan nomor stasiun 1, 2, 5, 8, 11, dan 13
(kondisi 2), dan 3 stasiun hujan dengan 3 posisi stasiun yang berbeda (kondisi 3, 4, dan 5). Hasil
penelitian menunjukkan kalibrasi dari 13 stasiun mempunyai kriteria sangat baik dengan nilai Nash
koefisien 0,826. Setelah dilakukan simulasi, kondisi 2 memberikan hasil yang paling baik mendekati nilai
pengamatan, dengan R2 = 0,927, sedang nilai korelasi paling rendah kondisi 5 (nomor stasiun 1, 6, dan
11), R2 = 0,795. Sedangkan dari hasil debit hidrograf, kondisi 1 lebih tinggi daripada kondisi 2, baik pola
maupun debit puncaknya. Hasil lain menunjukkan simulasi debit puncak kondisi 3 ( nomor stasiun 2, 5,
dan 13) memiliki overestimate terhadap debit observasi sedang kondisi 5 menunjukkan hasil
underestimate terhadap debit observasi. Secara kesuluruhan hasil simulasi telah memenuhi persyaratan
Nash, sedang hasil yang paling baik pada simulasi dengan 6 stasiun (kondisi 2). Dengan demikian jumlah
dan posisi stasiun curah hujan memberikan pengaruh dalam pemodelan curah hujan limpasan di Sungai
Ping, DAS Mae Caem.
Kata kunci: stasiun hujan, aliran limpasan, model, scenario, debit aliran.
ABSTRACT
The number and distribution of rainfall stations areneeded to simulate rainfall‐run off transformation on
hydrologic model. However, the availability of stations varies in watershed. The study aims to assess
theinfluence of numberand distribution rainfall stations by a modelling approachto simulate run‐off
process. The use of HEC‐HMS model is tocalibrate model parameters and simulaterun‐offon 4 scenarios in
Mae Caem Watershed (3,826 km2), Northern Thailand. The result shows the calibrated model parameters
of 13 stationsare very satisfied by 0.826 of Nash coefficient. Based on the simulation result, the condition
of 6 stations demonstrate the best fit regarding observation data by R2 = 0.927; the lowest correlation is
three rainfall stations by 0.795 of R2. Also, simulated runoff rainfall for six stations (condition2) show
results close to the observation discharge. Condition 1 (all stations) is somewhat higher than condition
tworegarding pattern and peak discharge. Another result shows simulation of peak discharge condition 3
(station number 2, 5, and 13) has overestimate of observation discharge and condition 5 shows
underestimate result to observation discharge. Overall the simulation results have met Nash's criteria,
while the best results are in simulation with 6 stations (condition 2). Thus the number and position of
rainfall stations have an influence on the modeling of rainfall runoff in the Ping River, Mae Caem
Watershed.
Keywords: rainfall station, run‐off, model, scenario, discharge
31
Jurnal Sumber Daya Air Vol. 14 No.1, Mei 2018: 31 ‐ 46
32
Evaluasi Pengaruh Jumlah dan Posisi Stasiun Curah Hujan… (Muchamad Wahyu Trinugroho)
33
Jurnal Sumber Daya Air Vol. 14 No.1, Mei 2018: 31 ‐ 46
Gambar1 Posisi Stasiun curah hujan dan pos duga air DAS Mae Chaem
Data yang digunakan pada kajian ini pada hari. Untuk secara keseluruhan, metode penelitian
periode 15‐18 September 1999. Penelitian ini seperti tersaji pada Gambar 2.
hanya mengkaji periode pendek puncak hujan,
sehingga data yang digunakan dalam kisaran 4
34
Evaluasi Pengaruh Jumlah dan Posisi Stasiun Curah Hujan… (Muchamad Wahyu Trinugroho)
Delineasi Das Data debit
Thiessen Polygon
Observasi
Desain Skema
Curah hujan wilayah Kondisi
1
(13 stas.)
Sensitivitas analisis
Penentuan nilai
parameter Awal
Kalibrasi
Parameter Terkalibrasi
Aliran limpasan
Curah hujan wilayah Kondisi
Curah hujan wilayah 3
Kondisi 2 (6 stas.) (3 stas.)
Evaluasi
Selesai
Gambar 2 Diagram metodologi penelitian
35
Jurnal Sumber Daya Air Vol. 14 No.1, Mei 2018: 31 ‐ 46
Gambar 4 Hasil delineasi sub‐das
Tabel 3 Karakteristik masing‐masing sub‐DAS
37
Jurnal Sumber Daya Air Vol. 14 No.1, Mei 2018: 31 ‐ 46
Karena parameter yang ditentukan pada saat 7 Maechaem 16.04 4.22 11.95 ‐
menjalankan model cukup banyak, sehingga bawah
dilakukan analisis sensitivitas yang mana analisis 8 Maechaem ‐ ‐ ‐ 40
iniuntuk menguji secara sistematis perilaku model sungai 1
akibat perubahan input awal parameter. Perilaku 9 Maechaem ‐ ‐ ‐ 60
model harus dipelajari berdasarkan perubahan sungai 2
variabel output. Analisis sensitivitas dilakukan 10 Maechaem ‐ ‐ ‐ 90
dengan mengubah abstraksi awal (Ia), waktu sungai 3
Konsentrasi (Tc), koefisien penyimpanan (R), dan
faktor Muskingum (K dan X). Setiap perubahan Kalibrasi dilakukan dengan trial and error nilai
nilai variabel dijalankan pada model HEC‐HMS, parameter dilakukan berulang‐ulang sampai
kemudian dilihat perubahan volume debit pada memenuhi kriteria performa model. Berdasarkan
outlet. Perubahan nilai parameter dengan hasil kalibrasi yang diperoleh, hidrograf debit
menambah dan mengurangi nilai awal sebesar simulasi mendekati debit observasi. Debit simulasi
5,10, 25, dan 50 %, perubahan nilai parameter di simbolkan dengan garis biru sedang debit
ditunjukkan seperti pada grafik (Gambar 7). observasi garis yang berwarna hitam. Hal ini
Berdasarkan grafik tersebut, parameter yang berarti bahwa model kalibrasi telah menunjukkan
paling sensitif adalah R, K, dan Ia. Nilai R paling unjuk kerja yang baik.
berpengaruh terhadap model diikuti K, dan Ia.Pada Kalibrasi hanya dilakukan untuk kondisi 1,
saat nilai parameter dikurangi sebesar 50 %, diasumsikan jumlah dan sebaran stasiun curah
dimana deviasi volume debit mencapai 140 dan 90 hujan merupakan kondisi maksimum di lapangan.
untuk K dan X. Berdasarkan analisisini digunakan Kemudian parameter kalibrasi sebagai input pada
untuk mengkalibrasi pada 13 stasiun dengan simulasi jumlah dan stasiun yang lebih sedikit.
mengubah nilai parameter untuk mendapatkan Hasil kalibrasi disajikan pada Gambar 8.
38
Evaluasi Pengaruh Jumlah dan Posisi Stasiun Curah Hujan… (Muchamad Wahyu Trinugroho)
Gambar 5 Polygon thiessen pada 5 kondisi berdasarkan letak stasiun hujan
14
12
S1 S2
10
Curah Hujan wilayah (mm)
S3 13 stas.
8
6 stas.
6
‐2
Gambar 6 Grafik curah hujan dengan 5 kondisi stasiun hujan
39
Jurnal Sumber Daya Air Vol. 14 No.1, Mei 2018: 31 ‐ 46
140 Ia
Tc
40
‐60
Persentasi Perubahan
Gambar 7 Deviasi masing‐masing parameter terhadap hasil running model
Tabel 5 Perubahan volume debit terhadap perubahahan parameter awal
Gambar 8 Hasil kalibrasi dan data pengamatan
41
Jurnal Sumber Daya Air Vol. 14 No.1, Mei 2018: 31 ‐ 46
Berdasarkan grafik hasil kalibrasi tersebut kondisi 1 paling mendekati debit puncak observasi
dapat dilihat perbedaan debit puncak antara data dengan volume 349.3 m3/detik.
pengamatan dan hasilkalibrasi adalah 0,7 m3/s. Berdasarkan analisis regresi, korelasi terbesar
Waktu debit puncak antara kedua hidrograf terhadap debit observasi adalah pada kondisi 6
terdapat selang waktu 1 jam lebih lambat dari stasiun yaitu R2 adalah 0.920, korelasi terkecil pada
debit observasi yang mana debit puncak observasi kondisi 5 dengan R2 adalah 0.795 (Gambar 9).
terjadi pada pukul 2:00 AM (Tabel 6.). Untuk Secara umum menurut kriteria, kondisi 1,2, 3 serta
menilai kinerja hasil kalibrasi digunakan nilai 4 mempunyai korelasi yang hampir sama dengan
korelasi antara model dan observasi (Moriasi et al. , data observasi dengan kriteria sangat baik,
2007) (Tabel 7). sedangkan, kondisi 5 dikategorikan tidak layak.
Sedangkan berdasarkan hidrograf debit yang
Tabel 6 Performa model kalibrasi diperoleh dari simulasi pada Gambar 10, simulasi
aliran limpasan untuk 6 stasiun (kondisi2)
Indikator nilai menunjukkan hasil yangmendekati dengan debit
RMSE 29.8 m3/s observasi. Sedang kondisi 1 (13 stasiun) agak lebih
Mean absolute error 26.1 m3/s tinggi daripada kondisi 2, baik pola maupun debit
Nash Correlation 0.826 puncaknya. Sedangkan untuk kondisi 3 simulasi
Waktu deviasi 1 jam debit puncak menunjukkan overestimate terhadap
% volume terhadap 0.001 % debit observasi. Kondisi 4 dan5 menunjukkan
Observasi underestimate terhadap debit observasi.
Grafik hubungan curah hujan dengan debit
aliran limpasan untuk masing‐masing simulasi
Tabel 7 Kriteria performa model (Moriasi et al., 2007)
ditunjukkan pada grafik (Gambar 11). Grafik
Kinerja NSE tersebut menggambarkan bahwa lokasi pengukur
curah hujan berpengaruh pada simulasi aliran
Sangat Baik 0.75<NSE < 1.00
sungai. Dari hasil yang diperoleh, untuk kondisi 1
Baik 0.65<NSE < 0.75 dan 2 memperlihatkan pola yang hamper mirip,
Layak 0.50<NSE < 0.65 tetapi diantara 3 stasiun hujan dengan posisi yang
Tidak layak NSE <0.5 berbeda mempunyai hasil yang signifikan pada
simulasi aliran limpasan. Hal ini dapat di lihat pada
kondisi 3 mempunyai nilai hujan wilayah dan
Berdasarkan kriteria tersebut, Secara umum
aliran debit yang tinggi dibanding kondisi 4 dan 5.
kalibrasi dalam kajian ini memiliki kinerja yang
Secara umum ditunjukkan bahwa dari grafik
baik, sehingga model dapat digunakan untuk
simulasi limpasan ketika intensitas curah hujan
simulasikondisi selanjutnya.
yang tinggi menghasilkan limpasan yang tinggi
Simulasi aliran limpasan pula. Hal ini sangatlah mencolok ditunjukkan pada
kondisi 3. Dengan demikian dapat dinyatakan
Simulasi aliran limpasan dilakukan dengan 5 bahwa jumlah pengukur hujan bukanlahfaktor
kondisi seperti yang telah disebutkan. Dari hasil tunggal yang mempengaruhi analisis aliran
simulasi didapatkan error indikator (Tabel 8). limpasan, tetapi posisi stasiun yang tepat juga
Error terbesar pada kondisi 5 dengan nilai RMSE = mempengaruhi hasil yang mendekati nilai
53.3 m3/s, sedangkan error terkecil pada kondisi 2 observasi.
dengan nilai RMSE = 25.6. Hasil debit puncak
Tabel 8 Kinerja simulasi dari 5 kondisi
42
Evaluasi Pengaruh Jumlah dan Posisi Stasiun Curah Hujan… (Muchamad Wahyu Trinugroho)
400 debit dalam m3/s
350
R² = 0.8538 400
Observasi debit 300 350
R² = 0.9207
Observasi debit
250 300
200 250
150 200
150
100
100
50 debit dalam m3/s 50
0 0
0 50 100 150 200 250 300 350 400 0 50 100 150 200 250 300 350 400
Simulasi Debit (13 stasiun/kondisi 1) Simulasi Debit (6 stasiun/kondisi 2)
debit dalam m3/s debit dalam m3/s
400
400 350
350 300 R² = 0.896
Observasi debit
300
R² = 0.8901
250
Observasi debit
250 200
200 150
150
100
100
50
50
0
0 0 50 100 150 200 250 300 350
0 50 100 150 200 250 300 350 400 450
Simulasi Debit (3 stasiun/kondisi 3)
Simulasi Debit (3 stasiun/kondisi 4)
debit dalam m3/s
400
350
R² = 0.7949
300
Observasi debit
250
200
150
100
50
0
0 50 100 150 200 250 300 350 400
Simulasi Debit (3 stasiun/kondisi 5)
Gambar 9 Korelasi debit simulasi dengan observasi pada 5 kondisi
450
13 stas.(kond.1)
400
350 6 stas.(kond.2)
300 3 stas.(kond.3)
Debit(m3/s)
250 3 stas.(kond.4)
200
3 stas.(kond.5)
150
100 Observe
50
0
Gambar 10 Hidrograf aliran dari 5 kondisi
43
0
100
200
300
400
500
600
0
100
200
300
400
500
600
44
15‐Sep‐99 07:12 15‐Sep‐99 07:12
15‐Sep‐99 19:12 15‐Sep‐99 19:12
16‐Sep‐99 07:12 16‐Sep‐99 07:12
16‐Sep‐99 19:12 16‐Sep‐99 19:12
17‐Sep‐99 07:12 17‐Sep‐99 07:12
0
100
200
300
400
500
600
17‐Sep‐99 19:12 17‐Sep‐99 19:12
15‐Sep‐99 07:12
3 stasiun, kond. 3
13 stasiun, kond.1
18‐Sep‐99 07:12 18‐Sep‐99 07:12
15‐Sep‐99 19:12
curah
(mm)
18‐Sep‐99 19:12 18‐Sep‐99 19:12
16‐Sep‐99 07:12
hujan(mm)
Debit(m3/s)
Curah Hujan
Debit (m3/s)
19‐Sep‐99 07:12 19‐Sep‐99 07:12
16‐Sep‐99 19:12
19‐Sep‐99 19:12 19‐Sep‐99 19:12
17‐Sep‐99 07:12
8.00
6.00
4.00
2.00
0.00
8.00
6.00
4.00
2.00
0.00
20.00
18.00
16.00
14.00
12.00
10.00
20.00
18.00
16.00
14.00
12.00
10.00
17‐Sep‐99 19:12
0
100
200
300
400
500
600
3 stasiun, kond.5
0
100
200
300
400
500
600
15‐Sep‐99 19:12 15‐Sep‐99 19:12
Debit (m3/s)
18‐Sep‐99 19:12
Curah Hujan (mm)
Gambar 11 Hubungan curah hujan dan aliran limpasan untuk 5 kondisi
16‐Sep‐99 07:12 16‐Sep‐99 07:12
19‐Sep‐99 07:12
16‐Sep‐99 19:12 16‐Sep‐99 19:12
19‐Sep‐99 19:12
8.00
6.00
4.00
2.00
0.00
20.00
18.00
16.00
14.00
12.00
10.00
17‐Sep‐99 07:12 17‐Sep‐99 07:12
17‐Sep‐99 19:12 17‐Sep‐99 19:12
6 stasiun, kond. 2
3 stasiun, kond.4
18‐Sep‐99 07:12 18‐Sep‐99 07:12
Debit (m3/s)
18‐Sep‐99 19:12 18‐Sep‐99 19:12
Debit (m3/s)
Curah Hujan (mm)
Curah Hujan (mm)
19‐Sep‐99 07:12 19‐Sep‐99 07:12
19‐Sep‐99 19:12 19‐Sep‐99 19:12
8.00
6.00
4.00
2.00
0.00
8.00
6.00
4.00
2.00
0.00
20.00
18.00
16.00
14.00
12.00
10.00
20.00
18.00
16.00
14.00
12.00
10.00
Evaluasi Pengaruh Jumlah dan Posisi Stasiun Curah Hujan… (Muchamad Wahyu Trinugroho)
Studi ini bagian project riset di Water Nugroho P.S. (2001). Analisis Hidrograf Satuan
Engineering and Management, Asian Institute of Sintetik Metode Snyder , Clark Dan Scs
Technology, Thailand yang di dukung oleh Dengan Menggunakan Model Hec‐1. Jurnal
Pemerintah Kerajaan Thailand. Ucapan terima Sains & Teknologi Modifikasi Cuaca, 2(1), 57‐
kasih disampaikan kepada Royal Irrigation 67
Department (RID) Thailand atas dukungan data.
45
Jurnal Sumber Daya Air Vol. 14 No.1, Mei 2018: 31 ‐ 46
Putra W.S., Handayani Y.L., dan Fauzi M., (2016). Moriasi, D. N., Arnold, J. G., Liew, M. W. Van,
Kalibrasi Parameter Terhadap Debit Banjir di Bingner, R. L., Harmel, R. D., & Veith, T. L.
Sub Das Siak Bagian Hulu. Jurnal Forum (2007). Model Evaluation Guidelines For
Teknik 3 (2), 1‐6. Systematic Quantification Of Accuracy In
Watershed Simulations, 50(3), 885–900.
Rossi, G., Vega, T., & Bonaccorso, B. (2007).
Methods and Tools For Drought Analysis And Olawoyin, R.,(2017). Objective assessment of the
Management (Vol. 62). Springer. Thiessen polygon method for estimating
https://doi.org/10.1017/CBO978110741532 areal rainfall depths in the River Volta
4.004. catchment in Ghana. Ghana Journal of
Geography 9(2),151‐174.
Suripin. (2004). Sistem Drainase Perkotaan yang
Berkelanjutan. Andi. Yogyakarta. Ugro Hari Thailand Royal Irrigation Department. (1999).
Murtiono, dkk 2001. Laporan Penelitian. Discharge and Rainfall Data Set 1999.
Studi Karakteristik Hujan Dan Regim Sungai
DAS. Surakarta: Balai Teknologi Pengelolaan Tunas, G. (2005). Kalibrasi parameter model hec‐
DAS Departemen Kehutanan. hms untuk menghitung aliran banjir das
bengkulu. Majalah Ilmiah MEKTEK, 1, 20–27.
Thanapakpawin, P., Richey, J., Thomas, D., Rodda,
S., Campbell, B., & Logsdon, M. (2007). Effects US Army Corps of Engineers. (2011). Hydrologic
of landuse change on the hydrologic regime Modeling System HEC‐HMS Technical
of the Mae Chaem river basin, NW Thailand. Reference Manual. Hydrologic Engineering
Journal of Hydrology, 334(1–2), 215–230. Center, USA.
https://doi.org/10.1016/j.jhydrol.2006.10.0
12 U.S. Geological Survey (USGS). (2015). Aster Global
DEM. Di unduh 4 Pebruari 2015 dari
McCarthy, G.T. (1938). ‘The unit hydrograph and http://gdex.cr.usgs.gov/gdex/.
flood routing.’ Unpublished m/s conference
of US Army Corps of Engineers USDA, Soil Conservation Service. (1985). National
Engineering Handbook, Section
4“Hydrology”.
46