ISBN 978-602-6697-18-9
Purwokerto, 19 Agustus 2017
ABSTRAK
Alih fungsi lahan lahan di DAS Penyangga Kota Surakarta menyebabkan perubahan
potensi limpasan permukaan di daerah tersebut. Tujuan dari penelitian ini adalah
mengevaluasi atau mengkalibrasi hasil limpasan permukaan dengan model Cook,s.
Metode yang digunakan dalam penelitian ini adalah analisis data sekunder. Adapun data
yang dikomparasikan adalah data hasil penghitungan potensi limpasan permukaan
dengan model Cook,s dengan data debit sebenarnya dilapangan. Data potensi limpasan
permukaan dengan model Cook,s diperoleh melalui hasil penelitian yang dilakukan oleh
peneliti sementara data debit diperoleh melalui kegiatan pengukuran lapangan yang
dilakukan oleh BPDAS Bengawan Solo. Penilaian validitas hasil penghitungan limpasan
permukaan dengan model Cook,s dilakukan menggunakan uji matriks kontigency atau
lebih sering disebut dengan matriks kesalahan (confusion atau error,s matrix) dan
analisis kappa. Hasil yang diperoleh dari adalah (1) berdasarkan hasil perhitungan
dapat diketahui bahwa nilai usser accuracy dan producer,s accuracy sebesar 75% untuk
kategori hampir sesuai dengan kondisi lapangan dan 25% untuk kategori tidak sesuai
dengan kondisi lapangan. Nilai akurasi secara keseluruhan adalah sebesar 100%, dan
untuk nilai Kappa (K) sebesar 1,00 sehingga dapat dikatakan bahwa proses validasi
penghitungan limpasan permukaan dengan model Cook,s dalam penelitian ini dapat
menghindarkan 1,00 atau setara dengan 100% kesalahan secara acak. Kesimpulan yang
dapat diambil adalah penerapan model Cook,s dalam menghitung limpasan permukaan
mampu menghasilkan tingkat kebenaran yang baik, dan terbukti yaitu dengan kelas nilai
Kappa = 0,81 < K < 1,00.
Hasil penelitian tahun 1 menunjukkan potensi air permukaan yang didasarkan atas
analisis Co, dari 4 sub sub DAS yang diteliti mempunyai kisaran antara 47,428% sampai
165
Prosiding Seminar Nasional Pendidikan Geografi FKIP UMP 2017
ISBN 978-602-6697-18-9
Purwokerto, 19 Agustus 2017
dengan 53,109%. Adapun potensi air permukaan terbesar terjadi di sub sub DAS Samin,
sedangkan yang terkecil di sub sub DAS Bambang. Besarnya potensi air permukaan di
sub sub DAS Samin banyak disumbang oleh kondisi topografi yang mempunyai
kemiringan lereng 10%-<30%.
Setiap model hidrologi limpasan permukaan yang ada tentu terdapat kelebihan dan
kekurangannya, sehingga pemilihan model hidrologi yang tepat perlu dilakukan karena
akan berpengaruh terhadap keluaran, dalam hal ini adalah debit (Q). Pemilihan model
hidrologi dapat dikatakan tepat apabila terdapat kesesuaian dengan kondisi biofisik pada
wilayah yang dikaji. Untuk itu diperlukan sebuah validasi model terhadap model yang
telah dihasilkan sebelumnya.
TINJAUAN PUSTAKA
Evaluasi terhadap hasil model perlu dilakukan agar dapat diketahui tingkat akurasi
dari model yang dihasilkan. Prinsip dasar evaluasi dalam penelitian ini adalah
membandingkan antara hasil model simulasi dengan keadaan aktual di lapangan.
166
Prosiding Seminar Nasional Pendidikan Geografi FKIP UMP 2017
ISBN 978-602-6697-18-9
Purwokerto, 19 Agustus 2017
Penilaian evaluasi dilakukan menggunakan uji matriks kontigency atau lebih sering
disebut dengan matriks kesalahan. (confusion/error,s matrix) dan analisis kappa. Teknik
ini sangat berguna untuk menguji keakurasian suatu model yang mempunyai parameter
yang berbeda-beda atau beragam. Kappa dapat digunakan untuk mengukur besar
kebenaran suatu model dengan kondisi kenyataan di lapangan. Adapun bentuk matrik
kesalahan dapat dilihat pada Tabel 1.
Data Kelas pada Model Data Kelas di Lapangan Total Baris User,s Accuracy
A B C
A Xk X+k Xkk/X+k
B
C Xkk
Total Kolom Xk+ N
Producer,s Accuracy Xkk/Xk+
Sumber: Jensen, 1996, dalam Priyana, 2012
Penilaian akurasi yang dapat dihitung dari matriks di atas antara lain yaitu: (1)
akurasi pembuat (producer,s accuracy), (2) akurasi pengguna (user,s accuracy), (3)
akurasi keseluruhan (overall accuracy), dan (4) koefisien kappa (cohen,s kappa). Adapun
secara detail mengenai persamaan matematisnya adalah sebagai berikut:
1. Usser,s Accuracy :
2. Producer,s Accuracy :
3. Overall Accuracy :
4. Koefisien Kappa :
Koreksi penilaian data terhadap tingkat keakurasian, dapat diinterpretasikan dari nilai
Kappa (K) yang dihasilkan. Adapun kriterian nilai kappa berdasarkan Fleiss (2003) tersaji
dalam Tabel 2.
167
Prosiding Seminar Nasional Pendidikan Geografi FKIP UMP 2017
ISBN 978-602-6697-18-9
Purwokerto, 19 Agustus 2017
METODE PENELITIAN
Metode yang digunakan dalam penelitian ini adalah analisis data sekunder dengan
teknik komparatif. Adapun data yang dikomparasikan adalah data hasil potensi limpasan
model Cook,s dengan data debit. Data yang digunakan dalam penelitian ini diantaranya
adalah data debit yang bisa diambil dari Balai Penelitian Kehutanan DAS Bengawan
Solo, data potensi limpasan yang diperoleh dari hasil penelitian sebelumnya.
Evaluasi terhadap hasil model perlu dilakukan agar dapat diketahui tingkat akurasi
dari model yang dihasilkan. Prinsip dasar evaluasi dalam penelitian ini adalah
membandingkan antara hasil potensi limpasan permukaan model Cook,s dengan keadaan
aktual di lapangan yang diwakili data debit. Pengambilan sampel dalam penelitian ini
menggunakan metode purposif random sampling.
Penilaian evaluasi dilakukan menggunakan uji matriks kontigency atau lebih sering
disebut dengan matriks kesalahan. (confusion/error,s matrix) dan analisis kappa. Teknik
ini sangat berguna untuk menguji keakurasian suatu model yang mempunyai parameter
yang berbeda-beda atau beragam. Kappa dapat digunakan untuk mengukur besar
kebenaran suatu model dengan kondisi kenyataan di lapangan.
Daerah penelitian masuk dalam Wilayah Pengairan sub DAS Solo Hulu
Tengah. sub DAS Solo Hulu Tengah yaitu sub sub DAS Pepe, Bambang,
Mungkung, dan Samin. Secara astronomis, daerah penelitian terletak diantara
110º13’7,16”BT-110º26’57,10”BT dan 7º26’33,15”LS-8º6’13,81”LS. Berdasarkan
hasil perhitungan daerah penelitia beriklim sedang dengan nilai Q berkisar antara
62,86 sampai 85,29 %.
Pada tahun 2002, di daerah penelitian terdapat 6 jenis penggunaan lahan yang
meliputi: hutan, kebun, lahan kering, permukiman, sawah, dan daerah berair/waduk.
Penggunaan lahan didominasi penggunaan lahan sawah dan kebun dengan luas
masing-masing sebesar 445,74 km2 dan 372,98 km².
168
Prosiding Seminar Nasional Pendidikan Geografi FKIP UMP 2017
ISBN 978-602-6697-18-9
Purwokerto, 19 Agustus 2017
Sebagian curah hujan yang jatuh di permukaan lahan yang berupa air
permukaan akan menjadi aliran permukaan setelah dikurangi dengan kehilangan air
berupa infiltrasi dan penguapan. Aliran permukaan ini bergerak secara grafitatif,
selanjutnya air permukaan akan tertampung dalam lembah-lembah sungai dan
mengalir sesuai dengan kemiringannya.
Berdasarkan Tabel 3. dapat kita ketahui bahwa potensi air permukaan di daerah
penelitian cukup tinggi. Semua Sub sub DAS hampir lebih dari 50%. Potensi air
permukaan tertinggi terdapat di Sub sub DAS Samin dengan nilai Co sebesar
53,109% dan terendah terdapat di Sub sub DAS Bambang dengan total Co sebesar
47,428%. Berdasarkan Tabel 4.15. dapat diambil kesimpulan bahwa yang paling
berpengaruh terhadap kondisi Co di daerah penelitian adalah faktor topografi.
Setelah hasil Co pada tiap Sub DAS didapat, langkah selanjutnya adalah
mengkonversi ke perhitungan debit puncak dengan persamaan:
Q p = 0,0028 C ip A
169
Prosiding Seminar Nasional Pendidikan Geografi FKIP UMP 2017
ISBN 978-602-6697-18-9
Purwokerto, 19 Agustus 2017
Tabel 5. Perbandingan Hasil Model dengan data debit puncak di daerah penelitian
Berdasarkan Tabel 5. dapat kita ketahui bahwa terdapat perbedaan antara hasil
debit dari model Coks dengan data debit pengukuran dilapangan yang didapatkan
dengan wawancara. Perbedaan ini disebabkan karena adanya tingkat validitas data
yang diolah karena data pada model yang digunakan hanya mencakup 4 parameter
saja. Walaupun demikian model ini, dapat diuji tingkat keakurasiannya secara
empirik. Adapun uraian untuk uji akurasi hasil model dapat dijelaskan sebagaimana
tersaji dalam Gambar 1.
Data Lapangan ∑1
TS HS
Data Model TS 1 0 1
HS 0 3 3
∑2 1 3 4
Keterangan:
TS : Tidak sesuai
HS : Hampir sesuai
∑1 : Jumlah Baris
170
Prosiding Seminar Nasional Pendidikan Geografi FKIP UMP 2017
ISBN 978-602-6697-18-9
Purwokerto, 19 Agustus 2017
∑2 : Jumlah Kolom
Penilaian akurasi yang dapat dihitung dari matrik kesalahan di atas antara lain
adalah (1) UA: akurasi pengguna (user,s accuracy), (2) PA: akurasi pembuat
(producer,s accuracy), (3) OA: akurasi keseluruhan (overall accuracy), dan (4) K:
koefisien kappa (cohen,s kappa). Adapun hasil perhitungannya adalah sebagai
berikut:
4x4-(3x3)+(1x1)
11. Koefisien Kappa (K) :
(4)2-(3x3)+(1x1)
6
:
6
: 1,00
Berdasarkan Tabel 6 dapat kita ketahui bahwa nilai hasil perhitungan usser
accuracy dan producer,s accuracy 75% untuk kategori hampir sesuai dan 25% untuk
kategori tidak sesuai. Nilai nilai akurasi secara keseluruhan adalah sebesar 100%,
dan untuk nilai Kappa (K) sebesar 1,00, sehingga dapat dikatakan bahwa proses
klasifikasi dalam model penelitian ini dapat menghindarkan 1,00 atau setara dengan
100% kesalahan secara acak. Berdasarkan teori Fleis (2003), maka kesimpulan yang
dapat diambil dari hasil evaluasi model Cook,s ini adalah kajian potensi run off
dengan model Cook,s dalam penelitian ini mampu menghasilkan tingkat kebenaran
yang sangat baik, yaitu dengan kelas nilai Kappa = 0,81 < K < 1,00.
parameter seperti: kondisi topografi, kondisi tanah, vegetasi penutup, dan simpanan
permukaan tentu mengalami kekurangan.
Salah satu faktor utama dan merupakan faktor penting dilupakan dalam model
Cook,s, yakni adalah input dari curah run off itu sendiri, yakni curah hujan. Curah
hujan sebagai penentu utama kondisi atau potensi limpasan permukaan, seharusnya
dimasukkan dalam penentuan potensi limpasan permukaan. Selain curah hujan
faktor lain yang bisa dimasukkan dalam penentuan potensi limpasan permukaan
adalah evapotranspirasi. Hal ini bisa dipahami karena setiap tetes air hujan yang
jatuh ke permukaan tanah tidaklah langsung mengalami proses limpasan, melainkan
juga mengalami intersepsi, dan evapotranspirasi.
KESIMPULAN
Berdasarkan tujuan dan analisis dalam penelitian ini, maka dapat diambil
kesimpulan-kesimpulan sebagai berikut:
1. Berdasarkan hasil perhitungan dapat kita ketahui bahwa nilai hasil perhitungan usser
accuracy dan producer,s accuracy 75% untuk kategori hampir sesuai dan 25% untuk
kategori tidak sesuai. Nilai nilai akurasi secara keseluruhan adalah sebesar 100%,
dan untuk nilai Kappa (K) sebesar 1,00, sehingga dapat dikatakan bahwa proses
klasifikasi dalam model penelitian ini dapat menghindarkan 1,00 atau setara dengan
100% kesalahan secara acak. Berdasarkan teori Fleis (2003), maka kesimpulan yang
dapat diambil dari hasil evaluasi model Cook,s ini adalah kajian potensi run off
dengan model Cook,s dalam penelitian ini mampu menghasilkan tingkat kebenaran
yang sangat baik, yaitu dengan kelas nilai Kappa = 0,81 < K < 1,00.
2. Penentuan potensi limpasan sebaiknya memperhitungkan faktor input, yakni curah
hujan dan juga faktor pengaruh terhadap limpasan itu sendiri, sehingga setiap
parameter yang berpengaruh mempunyai nilai yang berbeda-beda. Semakin
berpengaruh nilai harkat akan semakin tinggi, dan sebaliknya.
DAFTAR PUSTAKA
Anna, Alif Noor. 2010. Analisis Karakteristik Parameter Hidrologi Akibat Alih Fungsi
Lahan di Daerah Sukoharjo Melalui Citra Landsat Tahun 1997 dengan Tahun 2002,
Jurnal Geografi UMS: Forum Geografi, volume 14, Nomor 1, Juli 2010. Surakarta:
Fakultas Geografi UMS.
Fleiss JL, Levin; B, Paik MC. 2003. Statistical Methods for Rates and Proportions, 3red
ed. Hoboken: John Wiley & Sons.
Hydrograph (SCS) and Rational Methods in Peak Flow Estimation (Case Study:
Khoshehaye Zarrin Watershed, Iran). International Journal of Hydraulic
Engineering 2012, 1(5): 43-47 DOI: 10.5923/j.ijhe.20120105.03. Iran: Natural
Resources Faculty, Hormozgan Agricultural Sciences & Natural Resources
University.
Setyowati, Dewi Liesnoor. 2010. Hubungan Hujan dan Limpasan pada Sub DAS Kecil
Penggunaan Lahan Hutan, Sawah, Kebun Campuran di DAS Kreo, Jurnal Geografi
UMS: Forum Geografi, volume 14, Nomor 1, Juli 2010. Surakarta: Fakultas
Geografi UMS.
Soewarno. 2000. Hidrologi Operasional. Bandung: Citra Aditya Bakti.
Ugro Hari Murtiono, dkk (2001). Laporan Penelitian. Studi Karakteristik Hujan Dan
Regim Sungai DAS. Surakarta: Balai Teknologi Pengelolaan DAS Departemen
Kehutan.
173