Anda di halaman 1dari 13

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/275027258

Kalibrasi dan Validasi Model Hidrologi Hujan-aliran dengan MenggunaKan


data satelit

Conference Paper · August 2014


DOI: 10.13140/RG.2.1.2287.5689

CITATIONS READS

0 1,603

3 authors, including:

Sigit Sutikno
Universitas Riau
32 PUBLICATIONS   10 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Carbon Biomass View project

All content following this page was uploaded by Sigit Sutikno on 16 April 2015.

The user has requested enhancement of the downloaded file.


Kalibrasi dan Validasi Model Hidrologi
Hujan-Aliran dengan Menggunakan
Data Satelit

Sigit Sutikno*, Manyuk Fauzi, dan Mutia Mardhotillah


Jurusan Teknik Sipil, Fakultas Teknik, Universitas Riau
*ssutiknoyk@yahoo.com

Intisari
Permasalahan umum yang seringkali dihadapi dalam analisis hidrologi adalah
keterbatasan data hujan maupun data debit. Pemodelan hidrologi hujan-aliran
menggunakan data satelit merupakan salah satu alternatif untuk mengatasi
permasalahan tersebut. Integrated Flood Analysis System (IFAS) merupakan
salah satu alat dan metode yang bisa digunakan untuk pemodelan hidrologi
dengan memanfaatkan data satelit. IFAS dikembangkan berbasis sistem informasi
geografis untuk menentukan sistem daerah aliran sungai (DAS) dan mengestimasi
parameter-parameter standar dalam analisis limpasan sehingga hasilnya bisa
ditampilkan berdasarkan data-data satelit yang ada. Ada sebelas parameter
hidrologi yang dikalibrasikan pada pemodelan ini. Sensitivitas parameter-
parameter tersebut terhadap respon hidrologi pada tahap kalibrasi model dikaji
dalam penelitian ini. Penelitian ini mengambil studi kasus di DAS Rokan dengan
stasiun AWLR Lubuk Bendahara yang mempunyai luas DAS 3196 km2. Data-
data satelit yang dipakai untuk pemodelan adalah data pada periode waktu 2003
hingga 2006. Kalibrasi dilakukan dengan menggunakan satu seri data dari tahun
2005 hingga 2006. Hasil validasi model didapatkan nilai-nilai koefisien korelasi
(R), kesalahan volume (VE), dan koefisien efisiensi (CE) masing-masing adalah
0.647, 16.385, dan 0.631. Nilai-nilai parameter tersebut menunjukkan bahwa
penggunaan data satelit cukup handal untuk pemodelan hidrologi hujan-aliran
dan bisa dijadikan salah satu alternatif untuk analisis hidrologi pada daerah yang
tidak terdapat data pencatatan dari stasiun hidrologi.
Kata Kunci: model hidrologi, data satelit, IFAS

LATAR BELAKANG
Permasalahan umum yang seringkali dihadapi daerah-daerah di Indonesia dalam
analisis hidrologi adalah dalam hal ketersediaan data yang sangat terbatas baik data
hujan maupun data debit. Analisis dengan menggunakan model hidrologi merupakan
suatu alternatif untuk mengatasi permasalahan tersebut. Namun demikian tidak
setiap model hidrologi bisa diaplikasikan di Indonesia karena kebanyakan model
yang ada dikembangkan di luar negeri yang belum tentu cocok dipakai. Beberapa
model juga membutuhkan data yang detil sehingga kemungkinan akan mengalami

481
kesulitan untuk diaplikasikan di Indonesia karena keterbatasan data. Pemanfaatan
data satelit untuk pemodelan hidrologi hujan-aliran merupakan salah satu alternatif
untuk mengatasi permasalahan tersebut. Beberapa tahun terakhir ini penggunaan
data satelit untuk analisis dan pemodelan hidrologi berkembang sangat pesat seiring
dengan perkembangan teknologi penginderaan jauh berbasis satelit. Beberapa
penelitian terkini yang telah berhasil memanfaatkan teknologi ini diantaranya adalah
Harris, dkk. (2007), Li, dkk. (2009), Sugiura, dkk. (2009), Khan, dkk. (2011), dan
Kartiwa dan Murniati (2011).
Penelitian ini menggunakan alat bantu software IFAS (Integrated Flood Analysis
System) untuk pemodelan hidrologi hujan-aliran dengan menggunakan data satelit.
IFAS merupakan program (software) yang bisa digunakan untuk pemodelan
hidrologi yang dikembangkan oleh International Centre for Water Hazard and
Risk Management (ICHARM), Jepang. Penelitian ini mengambil studi kasus di
DAS Rokan dengan stasiun AWLR Lubuk Bendahara yang mempunyai luas DAS
3196 km2. Untuk menguji kehandalan model, penelitian ini melakukan kalibrasi
dan validasi model hidrologi yang dibuat. Ada sebelas parameter hidrologi yang
harus dikalibrasikan pada pemodelan ini. Sensitivitas parameter-parameter tersebut
terhadap respon hidrologi pada tahap kalibrasi model dikaji dalam penelitian ini.

IFAS Distributed Model


Integrated Flood Analysis System (IFAS) dikembangkan berbasis sistem informasi
geografis untuk membuat jaringan sungai yang ditampilkan dalam bentuk kotak-
kotak kecil yang disebut cell dan mengestimasi parameter-parameter standar dalam
analisis limpasan sehingga hasilnya bisa ditampilkan berdasarkan data-data satelit
dan data-data curah hujan yang ada di lapangan. Program IFAS menggunakan
model tangki yang dimodifikasi sebagai dasar pemodelannya, yang disebut PWRI
Distributed Model. Skema model tangki yang dipakai dalam model ini seperti
ditunjukkan pada Gambar 1. Seperti ditunjukkan pada Gambar 1., model ini dibagi
menjadi tiga bagian, yaitu surface model, ground water model, dan river channel
model (Fukami, 2009).

Gambar 1. Skema model tangki PWRI Distributed Model dalam IFAS

482
Model Permukaan (Surface Model)
Model permukaan adalah sebuah model yang digunakan untuk membagi hujan
menjadi aliran permukaan (surface flow), aliran antara (subsurface flow), dan
infiltrasi (infiltration). Skema aliran-aliran tersebut seperti ditunjukkan pada Gambar
2. Aliran permukaan dan aliran antara dihitung berdasarkan Hukum Manning,
sedangkan infiltrasi dihitung berdasarkan Hukum Darcy. Parameter-parameter yang
ada dan harus dikalibrasikan pada model permukaan adalah kapasitas infiltrasi akhir
(SKF), tinggi tampungan maksimum (HFMXD), tinggi aliran antara (HFMND),
tinggi dimana infiltrasi terjadi (HFOD), koefisien kekasaran permukaan (SNF),
koefisien pengaturan aliran antara (FALFX), dan tinggi tampungan awal (HIFD).

Gambar 2. Konsep skema aliran pada model permukaan

Model Air Tanah (Ground Water Model)


Skema aliran pada model air tanah seperti ditunjukan pada Gambar 3. Aliran yang ada
pada model air tanah terdiri atas aliran air tanah tak tekan (unconfined groundwater
flows) dan aliran air tanah tekan (confined groundwater flows). Parameter-parameter
yang ada dan harus dikalibrasikan pada model air tanah adalah koefisien pengaturan
aliran antara (AUD), koefisien aliran dasar (AGD), tinggi tampungan dimana aliran
antara terjadi (HCGD), dan tinggi tampungan awal (HIGD).

Gambar 3. Konsep model tangki pada model air tanah

483
Model Alur Sungai (River Channel Model)
Skema aliran pada model alur sungai seperti ditunjukan pada Gambar 4. Model ini
dihitung berdasarkan persamaan Manning.

Gambar 4. Konsep model tangki pada model alur sungai

Evaluasi Ketelitian Model


Keandalan dalam pemodelan hidrologi dievaluasi dengan menggunakan beberapa
indikator statistik diantaranya adalah koefisien korelasi (R), selisih volume (VE),
dan koefisien efisiensi (CE) (Hambali, 2008). Koefisien korelasi (R) adalah harga
yang menunjukkan besarnya keterkaitan antara nilai observasi dengan nilai simulasi.
Koefisien korelasi dihitung dengan menggunakan persamaan berikut ini.

R=
∑ (Qcal − Qcal rerata )( Qobs − Qobsrerata ) ..................................... (1)
∑ (Qcal − Qcal rerata ) × ∑ (Qobs − Qobsrerata )
2 2

dengan R adalah koefisien korelasi, Qcal adalah debit terhitung (m3/sekon), Q calrerata
adalah debit terhitung rerata (m3/sekon), Qobs adalah debit terukur (m3/sekon), dan
Qobsrerata adalah debit terukur rerata (m3/sekon). Kategori tingkat korelasi untuk
berbagai nilai seperti ditunjukkan pada Tabel 1 (Hambali, 2008).

Tabel 1. Kriteria Nilai Koefisien Korelasi


Nilai Koefisien Korelasi (R) Interpretasi
0.7 < R < 1.0 Derajat asosiasi tinggi
0.4 < R < 0.7 Hubungan substansial
0.2 < R < 0.4 Korelasi rendah
R < 0.2 Diabaikan

Selisih volume atau volume error (VE) aliran adalah nilai yang menunjukkan
perbedaan volume perhitungan dan volume terukur selama proses simulasi. Selisih
volume (VE) aliran dikatakan baik apabila dapat menunjukkan angka tidak lebih dari
5%. Selisih volume (VE) dihitung dengan menggunakan persamaan berikut ini.

484
N N

∑ Qobs − ∑ Qcal
i i

VE
V
E = i =1
N
i =1
× 100% .................................................................. (2)
∑ Qobsi
i =1

dengan VE adalah selisih volume, Qcali adalah debit terhitung (m3/sekon), dan
Qobsi adalah debit terukur (m3/sekon).
Koefisien Efisiensi (CE) adalah nilai yang menunjukkan efisiensi model terhadap
debit terukur, cara objektif yang paling baik dalam mencerminkan kecocokan
hidrograf secara keseluruhan. Koefisien Efisiensi (CE) dihitung dengan
menggunakan persamaan berikut ini.

 N 
 ∑ (Qobsi − Qcali ) 
2

E =  N i =1
C
CE  ................................................................ (3)
 (Qobs − Qobs 2 
 ∑
i =1
i rerata ) 

dengan CE adalah koefisien efisiensi, Qcali adalah debit terhitung (m3/sekon),


Qobsi adalah debit terukur (m3/sekon), dan Q obsrerata adalah debit terukur rerata
(m3/sekon). Koefisien efisiensi memiliki beberapa kriteria seperti terlihat pada
Tabel 2 berikut ini.

Tabel 2 Kriteria Nilai Koefisien Efisiensi


Nilai Koefisien Efisiensi (CE) Interpretasi
CE > 0.75 Optimasi sangat efisien
0.36 < CE < 0.75 Optimasi cukup efisien
CE < 0.36 Optimasi tidak efisien

Kalibrasi Model
Kalibrasi model merupakan suatu proses mengoptimalkan atau secara sistematis
menyesuaikan nilai parameter model untuk mendapatan satu set parameter yang
memberikan estimasi terbaik dari debit sungai yang diamati. Dengan kata lain,
proses optimalisasi nilai parameter untuk meningkatkan koherensi antara respons
hidrologi DAS yang teramati dan tersimulasi. Dalam penelitian ini, sistem IFAS
memiliki beberapa parameter yang dapat dikalibrasikan dengan menggunakan
referensi dari data hidrologi daerah yang diamati (data terukur). Jika tidak memiliki
data terukur maka harus menggunakan nilai paramater standar. Pada Tabel 3
(Fukami, 2009) ditunjukkan penjelasan mengenai cara memilih parameter yang
akan dikalibrasi berdasarkan ketersediaan data terukur.

485
Tabel 3 Pengaturan Parameter IFAS Berdasarkan Ketersediaan Data Terukur
Data Hidrologi Terukur
Ada Tidak Ada
1. Kalibrasi bisa dilakukan 1. Parameter river course
pada parameter surface dan bisa disesuaikan
groundwater
Data Sungai Terukur

Ada 2. Menggunakan nilai


2. Parameter river course bisa standar parameter surface
disesuaikan dan groundwater

1. Kalibrasi bisa dilakukan 1. Menggunakan nilai


pada parameter surface dan standar semua parameter
Tidak groundwater model
Ada 2. Menggunakan nilai standar
parameter river course

Validasi Model
Menurut Indarto (2010), validasi adalah proses evaluasi terhadap model untuk
mendapatkan gambaran tentang tingkat ketidakpastian yang dimiliki oleh suatu
model dalam memprediksi proses hidrologi. Pada umumnya, validasi dilakukan
dengan menggunakan data di luar periode data yang digunakan untuk kalibrasi.

METODOLOGI STUDI

Lokasi Penelitian
Penelitian ini dilakukan pada DAS Rokan dengan stasiun AWLR Lubuk Bendahara.
Stasiun Lubuk Bendahara secara administrasi terletak di Kecamatan Rokan IV
Koto, Kabupaten Rokan Hulu, Provinsi Riau. Stasiun ini memiliki luas daerah
aliran sebesar 3196 km2. Data-data yang digunakan dalam penelitian terdiri atas
data satelit dan data hasil pengukuran di lapangan. Data satelit yang digunakan
untuk pemodelan berupa data curah hujan, elevasi, tata guna lahan, dan data tanah
tahun 2003, 2004, 2005 dan 2006. Sedangkan data pengukuran di lapangan yang
dibutuhkan adalah data hidrologi pada DAS Rokan yang berupa data debit harian
dari Automatic Water Level Recorder (AWLR) Stasiun Lubuk Bendahara tahun
2003, 2004, 2005 dan 2006.

Tahapan Penelitian
Penelitian ini diawali dengan pengumpulan data satelit yang bisa diunduh secara
langsung di internet dengan menggunakan alat bantu IFAS. Data-data tersebut
adalah data elevasi, data tata guna lahan, data tanah, dan data hujan. Jenis data
elevasi yang digunakan dalam penelitian ini adalah GTOPO30 yang mempunyai
ukuran grid horisontal 1 km. Data tata guna lahan yang digunakan adalah GLCC
yang disediakan oleh USGS (United States Geological Survey) dengan resolusi
1 km. Data tanah yang digunakan adalah GNV25 Soil Water (UNEP). Data GNV25

486
merupakan data tanah yang berisi kapasitas kemampuan tanah menyimpan air
(soil water holding capacity). Data curah hujan yang digunakan adalah GsMaP_
MVK+ untuk periode 1 Januari 2003 sampai 31 Desember 2006 dan validasi
untuk periode 1 Januari 2004 sampai 31 Desember 2004 dan 1 Januari 2005
sampai 31 Desember 2005.
Pemodelan hidrologi dilakukan dengan menggunakan data-data satelit yang telah
dikumpulkan tersebut. Nilai parameter-parameter hidrologi awal ditentukan oleh
IFAS berdasarkan data-data satelit yang telah diunduh tersebut. Hasil pemodelan ini
berupa output hidrograf pada setiap grid pada daerah penelitian. Output hidrograf
pada lokasi dimana AWLR berada kemudian dibandingkan dengan data terukur
dari AWLR tersebut dengan menghitung nilai koefisien korelasi, selisih volume,
dan koefisien efisiensi. Proses kalibrasi dilakukan dengan cara coba ulang terhadap
parameter-parameter hidrologi dengan berpedoman pada ketentuan yang ada pada
Tabel 3 sedemikian sehingga hidrograf yang dihasilkan memiliki korelasi yang
optimal terhadap data lapangan yang ditunjukkan dengan nilai koefisien R, VE, dan
CE. Parameter-parameter optimal yang dihasilkan dari kalibrasi tersebut kemudian
dipakai untuk validasi model yaitu dengan running model pada periode waktu yang
lain. Untuk validasi model, penelitian ini menggunakan periode waktu tahun 2004
dan 2005. Selanjutnya output hidrograf dievaluasi menggunakan nilai koefisien R,
VE, dan CE untuk mengetahui tingkat validitas model.

HASIL STUDI DAN PEMBAHASAN

Kondisi Awal Simulasi


Pada kondisi awal simulasi, parameter-parameter hidrologi yang digunakan untuk
simulasi adalah parameter default yang ditentukan oleh IFAS berdasarkan data-
data satelit yang digunakan untuk pemodelan. Simulasi ini dilakukan untuk periode
empat tahun yang dimulai dari tanggal 1 Januari 2003 jam 00.00 sampai dengan
31 Desember 2006 jam 23.00. Hasil simulasi model ini berupa hidrograf hujan
aliran beserta dengan rekaman data hujan satelit seperti ditunjukkan pada Gambar
5. Perbandingan antara output hidrograf hasil simulasi dengan hidrograf terukur di
lapangan menunjukkan nilai R, VE, dan CE masing-masing adalah 0.551, 37.188%,
dan 0.902. Nilai-nilai tersebut menunjukkan bahwa hasil simulasi model memiliki
hubungan substansial dengan data terukur (0.4 < R < 0.7), nilai volume hasil
simulasi dengan volume terukur jauh berbeda ( VE > 5% ), dan efisiensi model
terhadap debit terukur sangat efisien (CE > 0.75). Seperti ditunjukkan pada Gambar
5. bahwa debit hasil simulasi sudah mengikuti bentuk trend dari debit terukur di
lapangan, namun akurasinya masih belum baik. Untuk meningkatkan akurasi dan
korelasi, maka perlu dilakukan kalibrasi terhadap parameter-parameter hidrologi.

487
Gambar 5 Hidrograf hasil simulasi pada kondisi awal sebelum kalibrasi peride
empat tahun (1 Januari 2003 sampai dengan 31 Desember 2006)

Seperti ditunjukkan pada Gambar 5. di atas, bahwa pada bulan September


hingga Desember 2013 tidak ada data satelit yang terekam pada model sehingga
menyebabkan debit hasil simulasi menjadi sangat kecil. Hal ini sangat kontradiktif
dengan kondisi yang ada di lapangan dimana debit hasil pencatatan AWLR rata-rata
cukup besar. Kemungkinan hal ini disebabkan oleh karena sensor satelit perekam
data hujan sedang tidak berfungsi dengan baik. Oleh karena itu, untuk analisis
berikutnya data pada tahun 2013 ini tidak digunakan.

Kalibrasi Model
Proses kalibrasi model dilakukan dengan cara coba-ulang terhadap parameter-
parameter hidrologi. Dengan berpedoman pada Tabel 3., ditentukan bahwa
parameter-parameter dari surface tank dan underground water tank yang harus
dikalibrasikan karena data terukur yang tersedia hanya data AWLR tanpa data
penampang sungai dilapangan. Parameter-parameter yang harus dikalibrasikan pada
surface tank adalah SKF, HFMXD, HFMND, HFOD, SNF, FALFX, dan HIFD.
Pada underground water tank adalah AUD, AGD, HCGD, dan HIGD. Periode data
yang digunakan untuk proses kalibrasi adalah dari tanggal 1 Januari 2005 hingga
31 Desember 2006. Perbandingan hidrograf hasil simulasi untuk kondisi awal
simulasi sebelum dilakukan kalibrasi pada periode data dari tanggal 1 Januari 2005
hingga 31 Desember 2006 seperti disajikan pada Gambar 6. Yang sudah dikalibrasi
ditunjukkan pada Gambar 7.

488
Gambar 6 Hidrograf hasil simulasi pada kondisi awal sebelum kalibrasi peride
data dua tahun (1 Januari 2005 sampai dengan 31 Desember 2006)

Gambar 7 Hidrograf hasil simulasi setelah kalibrasi peride data dua tahun
(1 Januari 2005 sampai dengan 31 Desember 2006)

Pada kondisi awal sebelum kalibrasi periode data dua tahun menunjukkan nilai
korelasi dengan data lapangan R, VE, dan CE masing-masing adalah 0.545,
13.929%, dan 0.733. Nilai-nilai tersebut menunjukkan bahwa hasil simulasi model
memiliki hubungan substansial dengan data terukur (0.4 < R < 0.7), nilai volume
hasil simulasi dengan volume terukur jauh berbeda ( VE > 5% ), dan efisiensi model
terhadap debit terukur cukup efisien (0.36 < CE < 0.75). Setelah dilakukan kalibrasi
terhadap parameter-parameter hidrologi, nilai-nilai R, VE, dan CE menunjukkan
hubungan yang makin baik dengan data lapangan, yaitu 0.627, 1.007%, dan
0.615. Parameter tersebut menunjukkan bahwa hasil simulasi model memberikan
peningkatan korelasi dan pengurangan selisih volume yang cukup signifikan dengan
data pengururan di lapangan.

489
Validasi Model
Untuk menguji validitas model pada penelitian ini dilakukan dengan menggunakan
parameter-parameter hidrologi hasil dari kalibrasi dan dengan menggunakan seri
data yang berbeda pada proses kalibrasi. Seri data yang digunakan untuk validasi
adalah data tahun 2004 pada DAS Rokan. Hasil validasi model dengan menggunakan
data tahun 2004 ditunjukkan pada Gambar-8. Perbandingan antara hidrograf hasil
simulasi dengan hidrograf terukur menunjukkan nilai-nilai R, VE, dan CE masing-
masing adalah 0.647, 16.385, dan 0.631. Nilai-nilai tersebut menunjukkan bahwa
hasil validasi model memiliki hubungan substansial dengan data terukur (0.4 < R
< 0.7), nilai volume hasil simulasi dengan volume terukur jauh berbeda ( VE >
5% ), dan efisiensi model terhadap debit terukur cukup efisien (0.36 < CE < 0.75).
Kondisi ini menunjukkan bahwa penggunaan data satelit cukup baik digunakan
untuk pemodelan hidrologi untuk mengatasi permasalah ketersediaan data pada
daerah yang tidak ada stasiun pengukuran hidrologi.

Gambar 8 Validasi hidrograf hasil simulasi model


dengan data lapangan tahun 2004

Analisis Sensitivitas Parameter Hidrologi Pada IFAS


Ada sebelas parameter hidrologi yang muncul pada pemodelan hidrologi
menggunakan data satelit dalam IFAS, delapan diantaranya harus dikalibrasikan.
Cukup banyaknya parameter hidrologi yang harus dikalibrasi akan membutuhkan
waktu yang cukup lama dalam proses coba-ulang untuk mendapatkan kondisi yang
optimal. Untuk itu perlu dianalisis sensitivitas masing-masing parameter untuk
mengetahui parameter-parameter utama yang mempengaruhi output simulasi. Untuk
analisis sensitivitas ini, diambil contoh kasus data tahun 2006 untuk simulasi. Hasil
simulasi pengaruh perubahan berbagai jenis parameter hidrologi terhadap nilai R,
VE, dan CE dalam IFAS disajikan pada Tabel 4. Seperti ditunjukkan pada tabel,
parameter yang paling sensitif terhadap output model adalah HCGD karena cukup
mempengaruhi besaran nilai R dan VE. Parameter sensitif berikutnya adalah SKF,
HFMXD, HFOD, AGD, dan HIGD dimana parameter-parameter tersebut sensitif
terhadap perubahan VE. Sedangkan parameter yang tidak sensitif adalah HFMND
dan AUD. Parameter ini tidak menjadi fokus utama dalam proses kalibrasi.

490
Namun demikian, analisis sensitivitas ini masih perlu dilakukan lebih detil dengan
interval perubahan parameter yang lebih rapat sedemikian sehingga tingkat
perubahan pengaruhnya bisa dinilai terhadap tingkat perubahan masing-masing
parameter. Untuk itu, penelitian lanjutan masih perlu dilakukan untuk menjelaskan
permasalahan tersebut.

Tabel 4 Hasil analisis sensitivitas pada parameter IFAS


Perubahan Surface Tank Underground Water Tank Hasil Evaluasi
Sensitif terhadap
Parameter SKF HFMXD HFMND HFOD HIFD SNF FALFX AUD AGD HCGD HIGD R VE (%) CE
Kondisi awal 0.0005 0,1 0,01 0,005 0,0 0,7 0,8 0,1 0,003 2 2 0.632 10.444 0.615 Simulasi Awal
SKF 0,0001 0,1 0,01 0,005 0,0 0,7 0,8 0,1 0,003 2 2 0.635 12.124 0.617 VE
HFMXD 0,0005 0,05 0,01 0,005 0,0 0,7 0,8 0,1 0,003 2 2 0.647 9.819 0.594 VE
HFMND 0,0005 0,1 0,005 0,005 0,0 0,7 0,8 0,1 0,003 2 2 0.600 10.298 0.664 tidak sensitif
HFOD 0,0005 0,1 0,01 0,0001 0,0 0,7 0,8 0,1 0,003 2 2 0.660 1.792 0.567 VE
AUD 0,0005 0,1 0,01 0,005 0,0 0,7 0,8 0,09 0,003 2 2 0.635 10.521 0.612 tidak sensitif
AGD 0,0005 0,1 0,01 0,005 0,0 0,7 0,8 0,1 0,002 2 2 0.653 18.049 0.625 VE
HCGD 0,0005 0,1 0,01 0,005 0,0 0,7 0,8 0,1 0,003 1,9 2 0.546 7.166 0.745 R, VE
HIGD 0,0005 0,1 0,01 0,005 0,0 0,7 0,8 0,1 0,003 2 1,9 0.606 14.720 0.665 VE

KESIMPULAN DAN REKOMENDASI

Kesimpulan
Penelitian tentang kalibrasi dan validasi penggunaan data satelit untuk pemodelan
hidrologi ini mengasilkan kesimpulan sebagaimana diuraikan berikut ini.
1. Pemodelan hidrologi hujan-aliran menggunakan data satelit bisa dijadikan
salah satu alternatif untuk analisis hidrologi pada daerah yang tidak terdapat
data pencatatan dari stasion hidrologi. Dengan tanpa kalibrasi, pemodelan
sudah menunjukkan korelasi yang relatif cukup baik dengan nilai R, VE,
dan CE masing-masing adalah 0.545, 13.929%, dan 0.733 untuk dua tahun
simulasi.
2. Setelah dilakukan kalibrasi terhadap parameter-parameter hidrologi, nilai-
nilai R, VE, dan CE menunjukkan hubungan yang makin baik dengan data
lapangan, yaitu 0.627, 1.007%, dan 0.615. Hasil validasi model didapatkan
nilai-nilai R, VE, dan CE masing-masing adalah 0.647, 16.385, dan 0.631.
Hal ini menunjukkan bahwa, jika ada data pengukuran lapangan minimal 1
tahun, maka pemodelan hidrologi menjadi lebih baik karena bisa dilakukan
kalibrasi.
3. Parameter HCGD (tinggi tampungan dimana aliran antara terjadi) merupakan
parameter yang paling sensitif terhadap output model karena cukup
mempengaruhi besaran nilai R dan VE. Parameter sensitif berikutnya adalah
SKF, HFMXD, HFOD, AGD, dan HIGD dimana parameter-parameter
tersebut sensitif terhadap perubahan VE. Sedangkan parameter yang tidak
sensitif adalah HFMND dan AUD.

491
Rekomendasi
Rekomendasi yang bisa disampaikan dari proses penelitian ini adalah sebagai
berikut ini.
1. Penelitian ini merupakan penelitian awal yang difokuskan pada aplikasi
penggunaan data satelit untuk pemodelan hidrologi. Penelitian lanjutan yang
perlu dilakukan tahap berikutnya adalah pemodelan hidrologi menggunakan
data satelit untuk aplikasi yang lebih luas seperti untuk studi kasus banjir dan
ketersediaan air.
2. Untuk mengetahui tingkat pengaruh sensitivitas parameter hidrologi yang
lebih detil, perlu dilakukan penelitian lanjut dengan menggunakan interval
perubahan parameter yang lebih kecil

REFERENSI
Fukami, K., Sugiura, T., Magome, J. dan Kawakami, T, 2009, Integrated Flood
Analysis System (IFAS Version 1.2) User’s Manual. Jepang: ICHARM.
Harris A., Rahman, Hossain F., Yarborough L., Bagtzoglou, dan Easson G., 2007,
Satellite-based Flood Modeling Using TRMM-based Rainfall Products,
Sensors, ISSN 1424-8220, MDPI.
Hambali, R. 2008. Analisis Ketersediaan Air dengan Model Mock. Bahan Ajar.
Yogyakarta : Universitas Gadjah Mada.
Indarto, 2010. Hidrologi Dasar Teori dan Contoh Aplikasi Model Hidrologi, Bumi
Aksara, Jakarta.
Khan S., Hong Y, Wang J, Yilmaz K.K, Gourley J.J, Adler R,Brakenridge R,
Policelli F, Habib S, dan Irwin D, 2011, Satellite Remote Sensing and
Hydrologic Modeling for Flood Inundation Mapping in Lake Victoria
Basin: Implications for Hydrologic Prediction in Ungauged Basins, IEEE
Transactions Geoscience and Remote Sensing, Vol. 49, No.1, January 2011.
Kartiwa, B., Murniati, E., 2011, Application of RS, GIS and Hydrological Model
for Flood Mapping of Lower Citarum Watershed, Indonesia, Sentinel Asia
Joint Project Team Meeting, 12th-14th July 2011, Putra Jaya, Malaysia.
Li Li, Hong Y, Wang J, Adler R, Policelli F, Habib S, Irwin D, Korme T, Okello L,
2008, Evaluation of the real-time TRMM-based multi-satellite precipitation
analysis for an operational flood prediction system in Nzoia Basin, Lake
Victoria, Africa, Springer Science+Business Media B.V. 2009.
Sugiura T., Fukami T., Fujiwara N., Hamaguchi K., Nakamura S., Hironaka S.,
Nakamura K., Wada T., Ishikawa M., Shimizu T., Inomata K., Itou K.,
2009, Development of Integrated Flood Analysis System (IFAS) and its
Applications, 7th ISE& 8th HIC, Chile.

492

View publication stats