Skripsi
Pembimbing :
1. Dr. Ir. Feri Arlius, M.Sc
2. Ashadi Hasan, S.TP, M.Tech
Skripsi
Saya menyatakan bahwa skripsi Validasi Model SWAT di DAS Air Dingin
Padang yang saya susun, sebagai syarat memperoleh gelar sarjana Teknologi
Pertanian merupakan hasil karya tulis sendiri, kecuali kutipan dan rujukan yang
masing-masing telah dijelaskan sumbernya, sesuai dengan norma, kaedah dan
etika penulisan ilmiah. Saya bersedia menerima sanksi pencabutan gelar akademik
yang saya peroleh dan sanksi-sanksi lainnya dengan peraturan yang berlaku,
apabila dikemudian hari adanya plagiat dalam skripsi ini.
Wassalam.
Teguh Mizwarni Anugrah
i
KATA PENGANTAR
T.M.A
ii
DAFTAR ISI
Halaman
KATA PENGANTAR.............................................................................................i
DAFTAR ISI..........................................................................................................ii
DAFTAR GAMBAR.............................................................................................iv
DAFTAR TABEL..................................................................................................v
DAFTAR LAMPIRAN.........................................................................................vi
ABSTRAK............................................................................................................vii
I. PENDAHULUAN...........................................................................................1
1.1 Latar Belakang..........................................................................................1
1.2 Tujuan Penelitian.......................................................................................3
1.3 Manfaat Penelitian.....................................................................................3
II. TINJAUAN PUSTAKA..................................................................................4
2.1 Daerah Aliran Sungai (DAS)....................................................................4
2.2 Neraca Air.................................................................................................5
2.3 SWAT........................................................................................................6
2.4 Validasi dan Kalibrasi...............................................................................7
III. BAHAN DAN METODE...........................................................................10
3.1 Waktu dan Tempat..................................................................................10
3.2 Bahan dan Alat........................................................................................10
3.3 Metode Penelitian....................................................................................11
3.3.1 Pengumpulan Data...........................................................................11
3.3.2 Penginputan Data.............................................................................11
3.3.3 Pengolahan Data..............................................................................12
3.3.4 Analisis SWAT................................................................................13
3.4 Diagram Alir Penelitian...........................................................................19
IV. HASIL DAN PEMBAHASAN.....................................................................20
4.1 Gambaran Umum Daerah Penelitian.......................................................20
4.1.1 Penggunaan Lahan...........................................................................21
4.1.2 Kondisi Tanah..................................................................................22
4.1.3 Kemiringan Lereng..........................................................................24
4.2 Analisis Menggunakan Model SWAT....................................................25
4.2.1 Simulasi SWAT...............................................................................25
4.2.2 Deliniasi DAS..................................................................................26
4.2.3 Pembentukan HRU (Hydrologic Response Unit)............................27
4.2.4 Pengolahan Data Iklim.....................................................................28
4.2.5 Simulasi SWAT...............................................................................29
4.2.6 Kalibrasi...........................................................................................30
V. KESIMPULAN DAN SARAN.....................................................................37
iii
5.1 Kesimpulan.............................................................................................37
5.2 Saran........................................................................................................37
DAFTAR PUSTAKA...........................................................................................38
LAMPIRAN.........................................................................................................41
iv
DAFTAR GAMBAR
Gambar
Halaman
DAFTAR TABEL
Tabel
Halaman
DAFTAR LAMPIRAN
Lampiran
Halaman
ABSTRAK
vii
ABSTRAK
I. PENDAHULUAN
suatu wilayah DAS. Oleh karena itu, penulis tertarik untuk melakukan penelitian
yang berjudul Validasi Model SWAT di DAS Air Dingin Kota Padang.
Tujuan penelitian ini ialah untuk mendapatkan model SWAT yang dapat
merepresentasikan keadaan real DAS Air Dingin, sehingga dapat digunakan untuk
evaluasi dan perencanaan DAS Air Dingin Kota Padang.
Manfaat penelitian ini ialah tersedianya aplikasi model untuk DAS Air
Dingin Kota Padang yang dapat digunakan sebagai alat dalam menyusun
perancangan pengelolaan DAS, khususnya di DAS Air Dingin Kota Padang.
4
Neraca Air adalah suatu model ikatan kuantitatif antara jumlah air yang ada
di dalam dan di atas tanah dengan jumlah curah hujan yang jatuh pada kurun
waktu dan luasan tertentu (Noah dkk., 2010). Sumberdaya air yang tersedia sangat
dipengaruhi oleh topografi, keadaan iklim, struktur geologi, jenis tanah serta
tutupan lahan suatu wilayah (Soldevilla-Martineza dkk., 2013). Analisa data
kandungan air dilakukan untuk memperoleh tingkat ketersediaan air tanah dimana
ketersediaan kandungan air tanah dapat dipengaruhi oleh perbedaan jenis tanah
(Zappa dan Gurtz, 2003).
Permodelan neraca air termasuk salah satu metode yang banyak dipakai untuk
memprediksi dinamika kadar air tanah dalam periode pertumbuhan tanaman,
sehingga dapat ditentukan jumlah kebutuhan air tanaman untuk dapat berproduksi,
terutama pada periode kritis yaitu saat kadar air tanah normal maupun dalam
kondisi sangat rendah. Thornthwaite Mather (1957) berpendapat bahwa
kemampuan tanah menahan air sangat tergantung oleh jenis vegetasinya dan jenis
tanah (tekstur terutama). Vegetasi yang jenisnya sama akan memiliki kedalaman
zona perakaran yang berbeda, apabila tumbuh pada jenis tanah yang berbeda,
sehingga kapasitas lengas tanahnya atau nilai Water Holding Capacity (WHC)
juga berbeda (Zappa dan Gurtz, 2003).
Pemanfaatan permodelan tanaman sudah banyak dipakai pada berbagai
bidang keilmuan seperti ilmu tanah, pemuliaan tanaman, antisipasi serangan hama
dan penyakit tanaman, fisiologi tanaman, penentuan jadwal tanam termasuk studi
neraca air untuk melihat bagaimana pengaruh iklim yang berubah terhadap
ketersediaan air pada suatu kawasan (Rafi et al., 2005; Kumanbala et al., 2010;
Bari et al., 2006).
Teknologi permodelan telah banyak membantu menerangkan dan
mendeskripsikan kegiatan yang terjadi dalam pergerakan air dari tanah ke
tanaman serta dinamika kadar air tanah. Permodelan yang dikerjakan tidak hanya
memperkirakan gejala sistem, melainkan juga ditujukan untuk meningkatkan
pengertian terhadap fenomena yang diamati (Grant et al., 1997).
6
II.3 SWAT
Soil Water Assessment Tools (SWAT) merupakan suatu model hidrologi yang
digunakan untuk pengembangan Agricultural Research Service (ARS) dari USDA
yang dikembangkan oleh Dr. Jeff Arnold pada tahun awal 1990-an. Dimana
model ini dikembangkan guna membantu dalam memprediksi dampak atau
pengaruh dari manajemen lahan pertanian terhadap air, sedimentasi dan jumlah
bahan kimia pada suatu kawasan DAS yang lengkap dengan memperhitungkan
variasi tata guna lahan, jenis tanahnya, serta keadaan manajemen suatu DAS
ketika telah melewati jangka waktu yang lama (Nugroho, 2015).
waktu harian dan dirancang untuk memperkirakan akibat jangka panjang dari
suatu praktek pengelolaan lahan terhadap sedimen, hasil agrochemical dan sumber
daya air pada DAS besar dan kompleks dengan berbagai pengelolaan, penggunaan
lahan dan skenario tanah berbeda. Sejumlah kegiatan fisik yang berbeda untuk
disimulasikan pada suatu DAS memungkinkan dengan SWAT. Melakukan
pengidentifikasian, penilaian, pengevaluasian tingkat permasalahan suatu DAS
dan sebagai alat untuk menentukan tindakan pengelolaan dalam mengendalikan
permasalahan tersebut juga dapat dilakukan dengan penggunaan model SWAT.
Dengan penggunaan model SWAT diharapkan dapat dilakukan pengembangan
beberapa skenario untuk menentukan keadaan perencanaan pengelolaan DAS
terbaik. Beberapa fase pengelolaan DAS juga dapat digunakan dengan
penggunaan model SWAT (Naibaho, 2017).
Sebuah DAS dapat dikelompokkan menjadi beberapa Sub DAS yang
mempunyai karakteristik penggunaan lahan, jenis tanah, dan pengelolaan yang
dominan. Salah satu fungsi SWAT ialah untuk melakukan analisa debit sungai
suatu DAS pada suatu kawasan. Perlu dilakukan kalibrasi dan validasi dalam
penggunaan model SWAT dengan data yang tersedia, agar didapatkan hasil sama
dengan keadaan sebenarnya di lapangan. Proses kalibrasi dan validasi diperlukan
karena setiap DAS mempunyai karakteristik atau sifat yang tidak sama. Evaluasi
keadaan yang sebenarnya dengan relevansi model dilakukan dengan
memperhatikan efisiensi model dan standar deviasi (Naibaho, 2017).
model dalam memperkirakan luaran proses yang dilakukan terhadap luaran yang
diamati menggunakan kriteria grafis dan statistik.
Neitsch et al. (2004) berpendapat bahwa untuk melihat kedekatan nilai debit
simulasi dan debit observasi (debit terukur) dilakukan dengan kalibrasi. Ketentuan
nilai yang dipakai dalam melakukan validasi dan kalibrasi ialah koefisien
determinasi (R2) dan Nash-Sutclife Index (NSI). Validasi dilakukan dengan
mempertimbangkan nilai NS. Suatu model dianggap valid jika keadaan nilai
NS>0,36. Jika nilai NS yang didapatkan kecil dari 0,36 maka perlu dilakukan
kalibrasi. Kalibrasi dilakukan dengan mengubah beberapa nilai parameter
rekomendasi ArcSWAT yang akan mempengaruhi nilai dari debit hasil simulasi.
Debit ialah suatu laju dari aliran air (dalam bentuk volume air) yang melalui
suatu melintang sungai per satuan waktu. Dalam sistem satuan SI besarnya debit
dinyatakan dalam bentuk satuan meter kubik per detik (m3/dt). Dalam laporan-
laporan teknis, debit aliran dinyatakan dalam bentuk hidrograf aliran. Hidrograf
aliran yaitu suatu sikap debit selaku respon adanya perubahan karakteristik
biogeofisik yang berlangsung dalam suatu DAS (oleh adanya kegiatan
pengelolaan DAS) dan atau adanya suatu perubahan iklim lokal (fluktuasi
musiman atau tahunan) (Asdak, 2007).
Data debit atau aliran sungai bagi pengelola sumberdaya air termasuk
informasi yang sangat penting. Banjir (debit puncak) dibutuhkan untuk
perancangan bangunan pengendali banjir. Sementara pada perencanaan alokasi
(pemanfaatan) air untuk berbagai macam keperluan, terutama pada musim
kemarau panjang dibutuhkan data debit aliran kecil. Debit aliran rata-rata tahunan
bisa memberikan deskripsi kemampuan sumberdaya air yang dapat dimanfaatkan
dari suatu kawasan aliran sungai (Naibaho, 2017). Perhitungan debit air dilakukan
untuk mengetahui kemampuan DAS pada suatu wilayah atau kawasan terutama
kawasan utama untuk melakukan analisis sistem drainase pada saluran drainase
primer dan sekunder (Wismarini, 2011). Menurut Lee (1990), hal-hal yang
menjadi faktor penentu debit dikelompokkan sebagai faktor-faktor parameter
daerah tangkapan, pengaruh hutan dan atmosfer.
Validasi harus dilakukan karena hasil Run model SWAT yang didapatkan pada
aplikasi masih jauh atau tidak sama dengan data real, sehingga perlu dilakukan
9
validasi untuk melihat kedekatan nilai debit simulasi (Neitsch et al., 2004). Ketika
validasi telah dilakukan, hasil yang didapatkan masih belum mendekati data real
maka perlu dilakukannya kalibrasi. Dimana kalibrasi dilakukan dengan mengubah
beberapa parameter yang ada sehingga hasil yang di dapatkan nantinya mendekati
data real. Kalibrasi suatu model, apapun model yang digunakan, penting
dilakukan. Hal ini terhubung pada ketepatan model dalam memberikan deskripsi
pada kegiatan dilapangan yang nyatanya. Ketika hasil model telah memberikan
deskripsi yang baik terhadap hasil observasi maka hasil model tersebut dapat
digunakan untuk analisis berikutnya dan untuk simulasi perencanaan yang
dibutuhkan. Model telah cukup baik apabila debit hasil model mempunyai
kesamaan dengan debit hasil model. Kalibrasi pada umumnya dilaksanakan
terhadap masukan model baik parameter, struktur maupun variabel. Proses untuk
menguji parameter yang telah dikalibrasi dengan suatu set data tanpa perubahan
terhadap parameter-parameter yang ada dilakukan dengan validasi model kembali
(Juknis BPDASHL Agam Kuantan, 2015).
10
Alat yang akan digunakan ialah komputer dengan software ArcSWAT, ArcGIS
10.2, dan Microsoft Office 2016.
Bahan yang dibutuhkan dalam penelitian ini ialah berupa sekunder 2 tahun
terakhir, yang meliputi :
Informasi lain yang dibutuhkan adalah daftar stasiun iklim yang di dalamnya
terdiri dari nama stasiun, titik koordinat dan elevasi setiap stasiun yang ada
dilokasi kajian.
4. Tanah
Informasi umum dan data perlapisan tanah disiapkan pada format
Microsoft Database Access atau langsung diinput nilai-nilai tersebut kedalam
ArcSWAT. Selain itu, perlu juga disiapkan peta spasialnya dimana atributnya
hanya terdiri dari identitas (Value) dan nama tanah (Name) saja. Setiap ID dan
nama tanah akan terhubung secara otomatis dengan database access pada saat
model SWAT dijalankan.
5. Tutupan dan Pengelolaan Lahan
Peta penggunaan lahan disesuaikan dengan tutupan lahan pada wilayah
penelitian begitupun dengan database SWAT juga diseuaikan kode penggunaan
lahannya agar dapat dibaca SWAT ketika pengolahan dilakukan.
a. Validasi
Validasi adalah suatu proses yang terdapat dalam model dan digunakan untuk
melakukan kegiatan uji tingkat keberlakuan model terhadap luarannya atau
disebut validasi output. Kalibrasi dan verifikasi terhadap data debit (m3/dt)
sebagai luaran model merupakan cara yang dilakukan untuk kegiatan validasi.
Validasi output melalui kalibrasi dan verifikasi ialah kegiatan interaktif dimana
nilai parameter model optimal dapat diperoleh, sehingga beberapa variabel
pengontrol model yang telah diverifikasi menghasilkan luaran sesuai kriteria yang
ditetapkan. Dalam proses tersebut menggunakan kriteria statistik dan grafis yang
digunakan untuk menetapkan tingkat keakuratan dan ketelitian model dalam
memperkirakan luaran proses yang dilakukan terhadap luaran yang diamati.
Kriteria statistik yang digunakan, yaitu,
n 2
R= 2
2
n
Keterangan :
NS=1−
[ ∑ ( Q obs, i−Q́cal ,i ) 2
i=1
n
Keterangan :
Dalam simulasi, lebih dari 500 parameter yang digunakan pada model SWAT.
Tetapi, karena adanya keterbatasan waktu dan data, tidak seluruhnya parameter
tersebut dapat digunakan. Pemilihan parameter yang dominan dilaksanakan
hingga didapatkan output yang mendekati keadaan sebenarnya.
3. Pesentase Perbandingan
Persentase nilai observasi dengan nilai simulasi sangat penting dilakukan
untuk menentukan kelayakan dari data yang didapat, dimana rumusnya sebagai
berikut :
NilaiObservasi
% Perbandingan= x 100% ………… (3)
Nilai Simulasi
Keterangan :
Nilai Observasi : Nilai debit data lapangan
Nilai Simulasi : Nilai debit yang didapatkan dari pengolahan
Adapun grafik pola aliran debit observasi dapat dilihat pada Gambar.1
16
Observasi
18.00
16.00
14.00
12.00
Debit m3/detik
10.00
8.00 Observasi
6.00
4.00
2.00
0.00
17 r-17 -17 l-17 -17 -17 -18 r-18 -18 l-18 -18 -18
n- y Ju p v an ay Ju Sep Nov
Ja Ma Ma Se No J a
M M
berbeda-beda tetapi pada umumnya bisa saja terdiri dari beberapa parameter
seperti pada tabel 2.
Tabel 2. Parameter Data Akhir Sesuai Model SWAT
Parameter Simbol general management
Bilangan kurva aliran permukaan CN2
Konduktivitas hidrolik efektif CH_K(1)
Kadar air tersedia AWC
Konstanta aliran dasar ɑBF
Kekasaran saluran utama CH_N(2)
Kekasaran permukaan OV_N
Surfaces runoff lag koefficient Surlag
Waktu tunda terjadinya Recharge akuifer gw_delay
Maksimum potensial LAI
Faktor kompensasi serapan tanaman ET/SW
Faktor kompensasi dan evaporasi tanah ESCO
Sumber: Juknis BPDASHL Agam Kuantan (2015)
Σ ( Q−Q 1 )2
2
¿
ŷ Σ ( Q−Q 2 )
Dimana y adalah debit aktual yang terukur (mm), ŷ adalah debit hasil
simulasi (mm), dan ȳ adalah rata-rata debit terukur. Efisiensi model Nash-
Sutcliffe dikelompokkan atas 3 kelas yaitu baik jika NS > 0.75,
memuaskan jika 0.75 > NS > 0.36, dan kurang memuaskan jika NS< 0.36.
3. Apabila belum terlihat kemiripan maka proses kalibrasi dilakukan
berdasarkan pada debit yang dihasilkan model.
4. Melalui pola tersebut bisa dijustifikasi parameter yang sangat
mempengaruhi hasil model.
18
Mulai
Pembentukan
HRU Penggabungan HRU dan
data Hidrologi DAS
Output Model
Validasi
Tidak Kalibrasi
dengan
Ya
Model SWAT yang
Valid
Selesai
Gambar 2. Diagram Alir Penelitian
20
Dilihat dari sumbernya, DAS Air Dingin bersumber dari beberapa Sub DAS
yang berada di bagian hulu sungai di antaranya Sungai Latung, Batang Sako,
Sungai Abu, Sungai Kacepong, Sungai Air Tiris, dan DAS Air Dingin merupakan
sungai utama, dimana pertemuan dari beberapa anak sungai tersebut terdapat pada
wilayah Lubuk Minturun Kecamatan Koto Tangah Kota Padang.
21
Pada proses hidrologi, jenis penggunaan lahan yang terjadi pada suatu DAS
sangat berpengaruh di wilayah DAS tersebut. Menurut Asdak (2002) dan
Triatmodjo (2009) kegiatan tata guna lahan yang bersifat mengubah bentang lahan
dalam suatu DAS seringkali dapat mempengaruhi hasil air, terutama pengelolaan
vegetasi dimana hutan sebagai regulator mempengaruhi waktu dan penyebaran
aliran air.
Pada DAS Air Dingin, penggunaan lahan tahun 2018 terdiri dari lima jenis
tutupan lahan, diantaranya ialah hutan hijau (62,74%), semak/ belukar (15,85%),
Pemukiman (8,45%), lahan pertanian (7,92%), dan tegalan (5,04%). Berdasarkan
hasil analisa yang didapatkan, penggunaan lahan pada DAS Air Dingin
didominasi oleh hutan hijau sebesar 62,74% (7.139,61 ha) dari total luas lahan
11.379,69 ha. Perbandingan penggunaan lahan disajikan pada Tabel 4 dan
Gambar 4. berikut.
Tabel 4. Penggunaan Lahan DAS Air Dingin
No Kode Penggunaan Lahan Luas (ha) Luas (%)
22
Pada Gambar 5 dapat dilihat bahwa di wilayah DAS Air Dingin terdapat 5
jenis tanah berdasarkan data HWSD. Sistem klasifikasi tanah FAO atau yang
lebih dikenal dengan satuan tanah FAO dibangun pada tahun 1974 dalam rangka
penyusunan peta tanah dunia skala 1:5.000.000 oleh FAO/UNESCO (Subardja
dkk., 2014). Data tekstur tanah berdasarkan persen pasir, liat, lempung, karbon
23
organik tanah, dan PH tanah tersedia dalam database HWSD. Data tanah akan
sempurna apabila dilengkapi dengan SPAW model dengan menginputkan data
tekstur tanah sehingga akan keluar hasil output field capacity, saturation,
available water, saturated hydraulic conductivity dan bulk density.
Tabel 5. Klasifikasi Jenis Tanah DAS Air Dingin
No Jenis Tanah Luas (ha) Luas
Presentase
dari DAS
(%)
1 Aluvial 1832.96 16.10
2 Andosol 1296.99 11.39
3 Latosol 5599.06 49.20
4 Organosol 1309.20 11.50
5 Regosol 1341.46 11.78
Total 11.379,69 100
Sumber: Hasil Analisis (2019)
Adapun peta jenis tanah DAS Air Dingin bisa dilihat pada Gambar 5.
Pada aliran permukaan dan laju infiltrasi suatu DAS, hal yang sangat
berperan ialah jenis tanah. Tinggi rendahnya aliran permukaan dan laju infiltrasi
pada suatu DAS sangat dipengaruhi oleh kualitas sifat fisik atau jenis tanahnya.
24
Laju infiltrasi yang terjadi akan lambat apabila tanah yang terdapat pada lahan
yang bentuk kenampakannya berupa tanah padat, karena partikel – partikel tanah
sangat rapat sehingga pori – pori tanah akan tertutup serta mengakibatkan air yang
masuk ke pori – pori tanah menjadi lambat sehingga nilai laju infiltrasi yang di
timbulkan tidak terlalu besar. Hal ini tentu berkaitan dengan proses hidrologi yang
terjadi sehingga nilai dari infiltrasi mempengaruhi waktu atau proses dari siklus
hidrologi.
IV.1.3 Kemiringan Lereng
Pada saat terjadi hujan sangat besar, daerah dengan tingkat kemiringan yang
sedikit curam bisa mengakibatkan air akan mengalami potensi runoff. Air yang
berada pada tingkat kemiringan lahan yang semakin curam akan diteruskan
ketempat yang lebih landai dan berlanjut ketempat yang rendah lebih cepat
dibandingkan dengan lahan yang tingkat kemiringannya sedang sampai lahan
yang tingkat kemiringannya datar (kecil). Dengan demikian, dapat diartikan
bahwa faktor kemiringan lereng sangat mempengaruhi besarnya debit yang
keluar pada outlet sungai.
Peta DEM (Digital Elevation Model) digunakan untuk membuat peta
kemiringan lereng pada DAS Air Dingin. Sehingga, kemiringan lahan yang ada
pada DAS Air Dingin dapat dikelompokan menjadi 5 kelas lereng diantaranya
ialah datar, landai, curam, agak curam dan sangat curam. Kondisi kemiringan
lereng pada DAS Air Dingin sendiri dapat dilihat pada Tabel 6, serta peta
kemiringan lereng pada Gambar 6.
Tabel 6. Kemiringan lereng DAS Air Dingin
Kemiringan (%) Kelas Luas (ha) Luas Presentase
dari DAS (%)
0-8 Datar 256.17 2.25
8 - 15 Landai 861.51 7.57
15 - 25 Agak Curam 1820.77 16.00
25 - 45 Curam 4165.54 36.61
> 45 Sangat Curam 4275.67 37.57
Total 11.379,69 100
Sumber: Hasil Analisis (2019)
Berdasarkan Tabel 6. dapat dilihat kemiringan lereng DAS Air Dingin pada
persentase 2,25% terdapat pada kelas datar, 7,57% terdapat pada kelas landai,
16% terdapat pada kelas agak curam, 36,61% terdapat pada kelas Curam, 37,57%
25
terdapat pada kelas sangat curam. Dengan demikian, dapat diambil kesimpulan
bahwa secara umum DAS Air Dingin memiliki kemiringan lereng yang
didominasi oleh kelas lereng curam dan sangat curam yang jika dijumlahkan
mencapai 74,18 % dari luas DAS Air Dingin. Hal ini menunjukkan bahwa DAS
Air Dingin berada pada kawasan agak tinggi diatas permukaan laut dan DAS Air
Dingin sendiri mempunyai outlet langsung ke laut.
Adapun Peta kemiringan lereng DAS Air Dingin dapat dilihat pada Gambar 6.
SWAT yang digunakan dalam penelitian ini adalah SWAT 1.4, simulasi
SWAT 1.4 terdiri dari 4 tahap yaitu, pembentukan batas deliniasi, pembentukan
hidrogical respone unit (HRU), SWAT mengolah data dan mensimulasikannya
serta menampilkannya.
Adapun hasil proses dari Deliniasi DAS Air Dingin menggunakan aplikasi
ArcSWAT bisa dilihat pada Gambar 7.
Pada keluaran gambar hasil pembagian Sub DAS Air Dingin terlihat ada
beberapa Sub DAS yang terbentuk dengan satu aliran sungai, yang berwarna
hijau menunjukan batas DAS Air Dingin hasil Delineasi sedangkan yang
berwarna ungu menunjukkan batas Sub DAS Air Dingin. Aliran sungai
ditunjukan oleh garis berwarna biru.
Data penggunaan lahan yang digunakan terdapat pada Tabel 5. Adapun data
jenis tanah dan data kemiringan lereng dapat dilihat pada Tabel 6 dan 7. Informasi
dari penggunaan lahan, jenis tanah, kemiringan lahan, luas area dan presentase
luas HRU pada setiap sub DAS dapat dilihat dari hasil pembentukan HRU yang
memberikan informasi mengenai hal tersebut. Pada deliniasi DAS Air Dingin,
sebanyak 72 HRU dalam 11 sub DAS jumlah HRU terbentuk. HRU yang
terbentuk dalam setiap sub DAS disajikan dalam Lampiran 1.
curah hujan, nilai curah hujan rata-rata, nilai standar deviasi curah hujan, Jumlah
hari hujan, nilai curah hujan maksimum, nilai probabilitas hari kering ke hari
basah dan hari basah ke hari kering, nilai kelembaban relatif serta nilai kecepatan
angin.
Setelah data iklim selesai dimasukan, kemudian dikondisikan data keluaran
yang diinginkan. Pada penelitian ini data keluaran berupa data bulanan dan
pembacaan semua file. Data yang telah diinputkan dan dikondisikan sesuai yang
diinginkan, kemudian dilakukan pembacaan file dengan write file, setelah dibaca
kemudian disimulasikan dengan run SWAT hingga hasil simulasi didapatkan.
18
16
14
Debit m3/detik 12
10
8
6
Simulasi
4
Observasi
2
0
17 r-17 -17 l-17 -17 -17 -18 r-18 -18 l-18 -18 -18
n- y Ju p v n y Ju p v
Ja Ma Ma Se No Ja Ma Ma Se No
NSE 0.1213
Gambar 8. Grafik fluktasi debit nilai NSE sebelum kalibrasi dan validasi.
Sumber : Hasil Analisis (2019).
18.00
16.00
Debit Simulasi m3/detik
IV.2.5 Kalibrasi
Pada model SWAT yang dilakukan pada penelitian ini, kalibrasi dan
validasi menggunakan Manual Calibration Helper yang berada di SWAT
Simulation. Pada debit hasil simulasi dan debit terukur dilapangan pada kawasan
DAS Air Dingin data yang digunakan ialah tahun 2017 dan 2018 serta dilakukan
perbandingan pada kalibrasi manual.
Pentingnya proses kalibrasi ini dilakukan terhadap model ialah untuk
menentukan parameter-parameter yang berpengaruh dalam permodelan. Adapun
perubahan yang dilakukan pada flow out atau debit simulasi bertujuan untuk
31
melihat nilai perubahan apakah mendekati atau menjauhi hasil debit observasi.
Nilai yang muncul bisa besar atau kecil. Perubahan pada hasil debit model dapat
memperkecil perbedaan antara debit simulasi dan debit observasi. Pada penelitian
ini parameter yang digunakan ialah 14 parameter masukan kalibrasi yang
diperkirakan dapat mempengaruhi hasil simulasi yang signifikan, namun
parameter yang ada dalam SWAT sangatlah banyak. Parameter yang berkaitan
dengan aliran dasar (*.gw), parameter aliran sungai (*.bsn), tanah (*.sol), saluran
utama (*.rte) dan respon hidrologi (*.hru) digunakan untuk melakukan proses
kalibrasi. Parameter dan masukan nilai akhir yang mempengaruhi hasil simulasi
yang signifikan, ialah :
1. V_Gw_Delay
Diartikan sebagai masa jeda air dalam tanah untuk kemudian kembali ke
sungai dalam beberapa hari. Gw_Delay merupakan lama waktu perjalanan air
mengalir lalu terserap ke tanah melalui profil tanah sampai kelapisan jenuh
(akuifer) kemudian keluar kembali menjadi debit dan mengalir ke sungai.
Gw_Delay sangat berpengaruh terhadap debit sungai, dimana air hujan yang
jatuh ke tanah dan kemudian sampai ke sungai dalam beberapa hari, jika jarak
atau masa jeda air hujan lambat, makan debit air di sungai pastinya rendah,
sebaliknya jika jarak atau masa jeda air hujan cepat, maka debit air sungai akan
tinggi.
Pada penelitian ini, V_Gw_Delay nilai awalnya 31 dimana nilai minimalnya 0
dan nilai maksimalnya 5000 sehingga dilakukan penurunan dari 31 menjadi 16,4
agar masa jeda air dalam tanah menjadi cepat serta nilai debit air sungai menjadi
tinggi. Nilai 16,4 dapat diartikan bahwa air yang mengalir kedalam tanah akan
mengalir kembali ke sungai menjadi debit selama 16,4 hari.
2. V_Alpha_Bf
Diartikan sebagai faktor alpha aliran dasar (hari) yang merupakan suatu
respon indek aliran bawah tanah terhadap perubahan aliran. Nilai alpha_Bf pada
awalnya bernilai 0,048 dimana nilai minimumnya 0 dan nilai maksimumnya 1.
Pada kalibrasi nilai yang dimasukan ialah 0,15 hari setara dengan 3 jam 36 menit.
32
Dimana semakin tinggi nilai aliran dasar, maka semakin rendah nilai perubahan
aliran, sehingga berpengaruh terhadap debit sungai yang menyebabkan aliran
menjadi lambat dan begitu sebaliknya.
4. R_Rchrg_Dp
Diartikan sebagai fraksi/pecahan perkolasi air tanah. Pada kalibrasi nilai
awalnya ialah 0,05 dan diubah menjadi 0,25 dimana nilai minimumnya 0 dan nilai
maksimumnya 1.
5. R_Sol_Awc
Diartikan sebagai kapasitas air tanah tersedia (mm/jam) atau kapasitas tanah
dalam menampung air. Parameter ini digunakan untuk input data tanah yang mana
nilai awalnya ialah 0,1 dan nilai kalibrasi yang didapatkan ialah 0,85 mm/jam.
Dimana nilai minimumnya 0 dan nilai maksimumnya ialah 2000. Semakin tinggi
kapasitas air tanah tersedia semakin tinggi pengaruhnya terhadap infiltrasi dan
semakin tinggi pengaruhnya terhadap aliran permukaan serta semakin tinggi
pengaruhya terhadap debit sungai (memperbesar nilai debit sungai).
33
6. R_Revapmn
R_Revapmn merupakan kedalaman ambang air pada akuifer dangkal agar
perkolasi mencapai akuifer dalam (mm) dengan nilai kalibrasi sebesar 250 mm.
Dimana nilai awalnya ialah 750 mm dengan nilai minimum 0 dan nilai maksimum
1000 mm.
7. R_Gwqmn
R_Gwqmn merupakan batas kedalaman minimal dari akuifer dangkal untuk
memungkinkan terjadinya aliran bawah tanah dan terjadinya arus balik. Nilai
R_Gwqmn hasil kalibrasi yang didapatkan ialah 1250 mm dengan nilai awalnya
ialah 1000 mm serta nilai minimalnya 0 dan nilai maksimalnya 5000 mm
8. R_Ch_K2
Parameter ini digunakan untuk input data saluran utama yang merupakan
konduktifitas hidrolik pada saluran utama. Dimana nilai kalibrasi yang didapatkan
ialah 30 mm/jam dengan nilai awalnya ialah 0 serta nilai minimum parameter ini
ialah -0,01 mm/jam dan nilai maximumnya ialah 500 mm/jam.
9. R_Ch_N2
Parameter ini digunakan untuk input data saluran utama yang merupakan nilai
manning sungai yang berpengaruh terhadap nilai kalibrasi. Nilai R_Ch_N2 setelah
dikalibrasi didapatkan 0,1 dengan nilai awalnya ialah 0,014. Nilai minimum dari
parameter ini ialah 0 dan nilai maximumnya ialah 0,3.
10. R_Slsubbsn
Parameter slsubbsn digunakan untuk data input tanah yang merupakan
panjang lereng rata-rata dari DAS dan diperoleh nilai kalibrasi sebesar 65,50 m.
Dimana, nilai awalnya ialah 50 m dengan nilai minimumnya 10 m dan nilai
maksimumnya 150 m.
34
11. R_Surlag
Parameter surlag digunakan untuk input basin yang merupakan lama limpasan
permukaan. Nilai hasil kalibrasi surlag yang didapatkan ialah 0,5 hari yang artinya
waktu yang dibutuhkan hujan untuk terjadinya puncak aliran permukaan adalah
12 jam. Dimana, nilai awalnya ialah 20 hari dengan nilai minimum 0 dan nilai
maksimumnya ialah 24 hari.
12. R_Ch_Erod
Parameter Ch_Erod digunakan untuk input data saluran utama yang
merupakan faktor erobilitas tanah. Dimana nilai yang didapatkan setelah kalibrasi
ialah 0,5 cm/jam dengan nilai awalnya 0 serta nilai minimumnya 0 dan nilai
maksimumnya 1.
13. R_Cn2
Diartikan sebagai SCS Curve Number/bilangan kurva limpasan atau disebut
limpasan permukaan. Dimana, limpasan terjadi karena penuhnya kapasitas
infiltrasi tanah. Semakin tinggi nilai limpasan permukaan tanah, maka debit air
sungai juga semakin tinggi, begitu sebaliknya.
Nilai R_Cn2 disini awalnya bernilai -999 dimana nilai minimumnya 35 dan
nilai maksimumnya 98 sehingga nilainya dinaikan dari -999 menjadi 40 agar nilai
debit sungai menjadi tinggi dan grafiknya mendekati real.
Parameter Cn2 digunakan untuk input data pengolahan dan penutupan lahan
yang merupakan nilai koefisien limpasan. Parameter Cn2 berdampak langsung
terhadap nilai debit simulasi. Koefisien limpasan memperlihatkan persentase air
hujan yang menjadi limpasan. Semakin besar nilai koefisien limpasan, maka
limpasan yang terjadi akan semakin besar. Nilai limpasan terbaik hasil kalibrasi
model yang didapatkan adalah sebesar 40 (Arius, 2007). Hasil simulasi debit
dengan pendugaan model SWAT setelah kalibrasi dan validasi disajikan pada
Gambar 10 dan Gambar 11.
35
20
18
16
14
12
Debit m3/detik
10
8
6 Simulasi
4 Observa
2 si
0
1 7 r - 17 17 l-17 17 17 1 8 r -1 8 18 l-18 18 18
an- a ay- Ju ep- o v- an- a ay- Ju ep- ov-
J M M S N J M M S N
NSE 0.6789
Gambar 10. Grafik fluktasi debit nilai NSE setelah kalibrasi dan validasi.
Sumber : Hasil Analisis (2019).
18.00
16.00
Debit Simulasi m3/detik
Gambar 11. Grafik fluktasi debit nilai R2 setelah kalibrasi dan validasi.
Sumber : Hasil Analisis (2019)
Kurang sesuainya data debit observasi dan simulasi menyebabkan
rendahnya nilai R2 dan nilai NSE. Dimana nilai koefesien determinansi (R 2)
sebelum dilakukan kalibrasi menghasilkan nilai R2 sebesar 0.402 dan nilai Nash-
Sutcliffe Efficiency (NSE) sebesar 0.1213 yang artinya nilai tidak mencapai yang
seharusnya, sehingga kalibrasi dapat dikategorikan kurang memuaskan.
Seharusnya, data dari debit observasi dengan debit simulasi memiliki sebaran
yang sama.
36
Kalibrasi dan validasi perlu dilakukan untuk mendapatkan nilai yang bisa diterima
dan memiliki sebaran yang sama serta memuaskan. Setelah beberapa parameter
yang berpengaruh terhadap besar debit simulasi model dilakukan kalibrasi,
diperoleh nilai koefesien determinansi (R2) menjadi 0.663 dan nilai Nash-Scutliffe
Efficiency (NSE) menjadi 0.6789. Berdasarkan pendapat Nash-Scutliffe (1970)
jika nilai NS>0.75 maka simulasi bisa dikatakan baik, jika 0.36 < NS < 0.65 maka
simulasi dikatakan memuaskan, serta dikatakan kurang memuaskan jika NS
<0.36. Sehingga, kalibrasi dan validasi model SWAT pada penelitian ini bisa
dikatakan masuk dalam kategori memuaskan dan bisa diterima serta memiliki
nilai sebaran yang sama sekaligus bisa dikategorikan baik sebagai pedoman model
hidrologi untuk pengelolaan DAS Air Dingin.
37
V.1 Kesimpulan
V.2 Saran
DAFTAR PUSTAKA
Arlius F. 2007. Analisis Spatio-Temporal Tutupan Lahan dan Neraca Air di Sub
DAS Cisangkuy-Citarum hulu, Jawa Barat [Disertasi]. Bandung (ID):
Universitas Padjajaran.
Grant, R.F., P. Rochette, R.L. Desjardins. 1993. Energy Exchange and Water Use
Efficiency of Field Crops: Validation of a Simulation Model. Agron. J.,
85:916 – 928
Hendri Sosiawan. 2010. Balai Penelitian Agroklimat dan Hidrologi. Diakses pada
15 November 2010 di: www.litbang.deptan.go.id.
Kumambala, P.G and Ervine, A. 2010. Water Balance Model of Lake Malawi and
Its Sensitivity to Climate Change. The Open Hydrology Journal4: 152-162
Neitsch SL, Arnold JG, Luzio MD, Srinivasan R. 2004. ArcView Interface For
SWAT2000 : User’s Guide. Texas Water Resources Institute, College
Station : Texas.
Nugroho, P. 2015. Model Soil Water Assesment Tool (SWAT) Untuk Prediksi
Laju Erosi dan Sedimentasi Di Sub DAS Keduang Kabupaten Wonogiri.
(Skripsi). Fakultas Geografi, Universitas Muhammadiyah Surakarta.
Paimin, Sukresno, dan Purwanto. 2006. Sidik Cepat Degradasi Sub-DAS. Bogor:
Badan Penelitian dan Pengembangan Kehutanan Departemen Kehutanan
Ward, A.D., and Elliot, W.I. (1995). Environmental hydrology. Lewis Publishers,
CRC Press Inc., New York.
Wismarini. Th. D. (2011). Metode Perkiraan Laju Aliran Puncak (Debit Air)
sebagai Dasar Analisis Sistem Drainase di Daerah Aliran Sungai Wilayah
Semarang Berbantuan SIG. (Jurnal) Teknologi Informasi DINAMIK
Volume 16, No.2, Juli 2011 : 124-13.2
Rafi, Z., and Ahmad, R. 2005. Wheat Crop Model Based on Water Balance for
Agrometeorological Crop Monitoring. Pakistan Journal of Meteorology
2:23-33
40
Thornthwaite, C.W. dan Matter, J.P. (1957). Instruction and tables for computing
potensial evapotranspiration and te water balance. Drexel Institute of
Climatology. New Jersey. 401p.
Lampiran 3. Lanjutan
Area [ha] SWAT Sub
Area Area
[%] [%]
HRUs
1 Forest-Evergreen-->FRSE /Andosol/25- 13.5877 0.12 1.57
45
2 Forest-Evergreen --> FRSE/Andosol/45- 19.7301 0.17 2.29
9999
3 Forest-Evergreen --> FRSE/Andosol/15- 10.6096 0.09 1.23
25
4 Forest-Evergreen --> FRSE/Andosol/8- 3.0712 0.03 0.36
15
5 Forest-Evergreen --> FRSE/Latosol/45- 277.6255 2.44 32.1
9999
6 Forest-Evergreen --> FRSE/Latosol/8-15 56.8060 0.50 6.58
7 Forest-Evergreen --> FRSE/Latosol/25- 339.6294 2.98 39.3
45
8 Forest-Evergreen --> FRSE/Latosol/15- 141.2725 1.24 16.3
25
Lampiran 3. Lanjutan
Area [ha] SWAT Sub
Area Area
[%] [%]
SUBBASIN 3 1142.550 10.04
LANDUSE Forest-Evergreen --> FRSE 1142.876 10.04 100.0
: Latosol 1142.876 10.04 100.0
SOILS: 0-8 12.6534 0.11 1.11
SLOPE: 8-15 31.0913 0.27 2.72
15-25 73.2092 0.64 6.41
25-45 271.7778 2.39 23.79
45-9999 754.1450 6.63 66.01
HRUs
13 Forest-Evergreen --> FRSE/Latosol/15- 76.1229 0.67 6.66
25
14 Forest-Evergreen --> FRSE/Latosol/25- 282.5944 2.48 24.7
45
15 Forest-Mixed --> FRST/Latosol/45-9999 84.1595 6.89 68.6
Lampiran 3. Lanjutan
46
Lampiran 3. Lanjutan
Area [ha] SWAT Sub
47
Area Area
[%] [%]
SUBBASIN 7 86.4900 0.76
LANDUSE Forest-Evergreen --> FRSE 86.8568 0.76 100.4
: Latosol 86.8568 0.76 100.4
SOILS: 0-8 2.3499 0.02 2.72
SLOPE: 8-15 5.0614 0.04 5.85
15-25 12.1111 0.11 14.00
25-45 33.1701 0.29 38.35
45-9999 34.1643 0.30 39.50
HRUs
28 Forest-Evergreen --> FRSE/Latosol/15- 12.4479 0.11 14.3
25
29 Forest-Evergreen --> FRSE/Latosol/8-15 5.2021 0.05 6.01
30 Forest-Evergreen --> FRSE/Latosol/25- 34.0925 0.30 39.4
45
31 Wetland-Mixed --> WETL/Latosol/45- 22.1143 0.31 40.6
9999
Lampiran 3. Lanjutan
Area [ha] SWAT Sub
Area Area
48
[%] [%]
SUBBASIN 9 1907.640 16.76
LANDUSE Residential-Medium Density --> 0.3615 0.00 0.02
: URMD
Forest-Mixed --> FRST 15.0034 0.13 0.79
Wetlands-Mixed --> WETL 0.6327 0.01 0.03
Forest-Evergreen --> FRSE 1891.870 16.62 99.17
Aluvial 53.4156 0.47 2.80
SOILS: Latosol 1854.451 16.30 97.21
0-8 86.6761 0.76 4.54
SLOPE: 8-15 188.9882 1.66 9.91
15-25 365.4133 3.21 19.16
25-45 677.0494 5.95 35.49
45-9999 589.7407 5.18 30.91
HRUs
36 Forest-Evergreen --> FRSE/Aluvial/15- 373.5046 3.28 19.5
25
37 Wetland-mixed --> WETL/Aluvial/45- 34.3912 5.56 33.1
9999
38 Forest-Mixed --> FRST/Latosol/8-15 92.4880 1.69 10.0
39 Agriculturaland-Generic--> 72.6177 6.23 37.1
AGRL/Latosol/25-45
Lampiran 3. Lanjutan
Area [ha] SWAT Sub
Area Area
49
[%] [%]
HRUs
40 Forest-Decidous --> FRSD/Aluvial/15-25 27.8640 0.24 1.34
41 Agriculturaland-Generic--> AGRL 13.5555 0.12 0.65
42 /Aluvial/8-15
43 Forest-Decidous --> FRSD /Aluvial/45- 17.3601 0.40 2.16
9999
44 Forest-Mixed --> FRST/Aluvial/25-45 57.1401 0.50 2.74
45 Forest-Mixed --> FRST/Latosol/25-45 65.1249 0.57 3.12
46 Forest-Mixed --> FRST/Latosol/45-9999 39.3954 0.35 1.89
47 Forest-Mixed --> FRST/Latosol/15-25 32.6096 0.29 1.56
48 Wetland-Mixed --> WETL/Latosol/8-15 13.9486 0.12 0.67
49 Forest-Evergreen --> FRSE/Latosol/45- 93.7337 0.82 4.50
9999
50 Forest-Evergreen --> FRSE/Latosol/25- 743.7442 6.54 35.6
45
51 Forest-Evergreen --> FRSE/Latosol/15- 283.3356 2.49 13.5
25
Lampiran 3. Lanjutan
Area [ha] SWAT Sub
Area Area
50
[%] [%]
HRUs
52 Residential-Medium Density --> 45.1107 0.40 8.49
URMD/Aluvial/8-15
53 Residential-Medium Density --> 24.3485 0.21 4.58
URMD/Aluvial/15-25
54 Residential-Medium Density --> 45.4882 0.40 8.56
URMD/Aluvial/0-8
55 Residential-Medium Density --> 9.0599 0.08 1.71
URMD/Aluvial/25-45
56 Residential-Medium Density --> 36.7464 0.32 6.92
URMD/Regosol/0-8
57 Residential-Medium Density --> 6.0148 0.05 1.13
URMD/Regosol/8-15
58 Agriculturaland-Generic--> AGRL 38.4697 0.34 7.24
/Aluvial/0-8
59 Forest-Mixed --> FRST/Aluvial/8-15 38.3736 0.34 7.22
60 Forest-Mixed --> FRST/Aluvial/15-25 25.8709 0.23 4.87
61 Wetland-mixed --> WETL /Aluvial/25- 12.4096 0.20 4.22
45
62 Forest-Mixed --> FRST/Regosol/0-8 6.7682 0.06 1.27
63 Forest-Mixed --> FRST/Regosol/8-15 1.5981 0.01 0.30
64 Wetland-Mixed --> WETL /Aluvial/8-15 44.5330 0.39 8.29
65 Rice --> RICE/Aluvial/0-8 50.2963 0.44 9.47
66 Rice --> RICE/Aluvial/25-45 6.3582 0.06 1.20
67 Rice --> RICE/Aluvial/15-25 17.5563 0.15 3.31
68 Forest-Decidous --> FRSD /Aluvial/45- 13.8509 0.12 2.61
9999/
69 Rice --> RICE/Organosol/0-8 43.9696 0.39 8.28
70 Rice --> RICE/Organosol/15-25 3.0676 0.03 0.58
71 Rice --> RICE/Regosol/0-8 34.4365 0.30 6.48
72 Rice --> RICE/Regosol/8-15 7.7669 0.07 1.46
Lampiran 4. Data Debit Hasil Simulasi DAS Air Dingin 2017 - 2018
No. SubDAS Tahun Bulan Debit No. SubDAS Tahun Bulan Debit
(m3/s) (m3/s)
51
Lampiran 4. Lanjutan
No. SubDAS Tahun Bulan Debit No. SubDAS Tahun Bulan Debit
(m3/s) (m3/s)
45 1 2017 5 0.2776 177 1 2018 5 0.1113
46 2 2017 5 1 178 2 2018 5 0.3441
47 3 2017 5 0.5351 179 3 2018 5 0.7674
48 4 2017 5 0.1156 180 4 2018 5 1.474222
49 5 2017 5 0.3371 181 5 2018 5 0.3247
50 6 2017 5 1.5773 182 6 2018 5 1.437
51 7 2017 5 0.43772 183 7 2018 5 1
52
Lampiran 4. Lanjutan
No. SubDAS Tahun Bulan Debit No. SubDAS Tahun Bulan Debit
(m3/s) (m3/s)
89 1 2017 9 1.76272 221 1 2018 9 0.4525
90 2 2017 9 1.6322 222 2 2018 9 1
91 3 2017 9 2.0324 223 3 2018 9 0.5663
92 4 2017 9 1.7475 224 4 2018 9 1.6834
93 5 2017 9 0.6322 225 5 2018 9 0.577
94 6 2017 9 0.983 226 6 2018 9 0.2353
95 7 2017 9 0.3938 227 7 2018 9 1.183
96 8 2017 9 0.3143 228 8 2018 9 1
97 9 2017 9 0.7574 229 9 2018 9 0.7281
98 10 2017 9 0.9112 230 10 2018 9 1.4372
99 11 2017 9 0.25577 231 11 2018 9 0.4445
100 1 2017 10 0.9884 232 1 2018 10 0.6362
101 2 2017 10 1.43332 233 2 2018 10 1.63332
102 3 2017 10 0.11244 234 3 2018 10 0.8785
53
17 7.6 5.9 6.7 9.9 6.1 4.3 5.2 9.1 9.5 9.9 11.7 16.9
18 7.2 5.7 6.3 10.8 7 6.3 5 6.8 8.5 8.9 13.1 8.9
19 6.8 5.5 6.1 8.9 7 4.4 4.6 6.7 7.6 8 17.4 9.1
20 6.5 10.4 6.3 9.1 7.2 4.1 4.4 5.7 19.7 7.2 12.2 8.5
21 6.1 6.3 5.9 8.9 23.7 3.9 4.4 10.6 14.5 6.8 14.7 7.6
22 6.7 6.3 5.5 8 9.9 3.9 4.3 8.5 10.8 6.7 13.3 7.2
23 10.4 6.1 5.3 7.4 8.3 3.8 4.1 6.5 9.7 6.3 15.5 7
24 6.8 6.3 5 8.3 7.2 3,9 3.9 6.1 8.5 6.1 16.2 23.7
25 6.1 6.1 4.8 6.7 7 3.8 3.8 5.3 7.6 5.9 26.8 16.4
26 5.9 6.3 4.8 12.2 7.8 4.1 3.9 5.2 11.3 5.7 27.9 20.2
27 5.7 6.1 13.3 13.1 6.5 6.1 3.9 5.2 9.1 5.3 24.8 16.4
28 6.5 14 20 23.7 7.2 6.8 3.8 9.9 12.8 5.2 21 13.1
29 6.8 9.3 12.6 6.7 15 5 6.8 11.3 5.3 28.8 11.5
30 6.1 7.6 10.2 6.1 6.1 4.3 5.9 10.6 7.6 21.8 10.2
31 22.4 6.8 17.9 3.9 5.9 8 9.9
Max 34.7 16.7 21.8 24.8 23.7 15 11 14.5 24.5 19.2 28.8 23.7
Rerata
11.2 8.1 8.9 10.7 9.4 5.5 5.6 6.7 10.1 9.3 16.8 13.1
Bulanan
Min 5.7 5.5 4.8 6.5 6.1 3.8 3.8 4.4 4.6 5.2 10.2 7
17 7.2 9.9 8.8 8.8 7.2 5.7 7.5 6.8 8.6 12.6 12.3 13.2
18 7.2 14.6 8.3 10.9 12.6 8.8 7.2 7.5 10.1 11 12.1 12.3
19 7 21 9 16.9 9.7 6.4 8.8 6.8 9.4 11 14.4 11.4
20 6.8 14.2 11 17.3 9 5.9 7.9 7 9 10.6 20.6 10.6
21 9 12.1 9.9 11.9 7.2 7.5 9.2 8.8 8.8 12.8 15.7 9.7
22 7.2 13 10.8 11.2 14.4 7.5 7.9 9.2 8.6 10.3 19.4 11.4
23 6.8 12.1 10.6 11.9 8.1 7 7.2 7.9 14.4 19.6 19 10.6
24 13.7 10.6 9 15.5 7.7 13 7.9 10.1 14.4 11.9 18.3 9.7
25 10.1 10.6 15.3 10.8 7.2 11.4 7.9 8.6 12.3 12.3 14.6 9.7
26 8.1 9.2 13 9.9 7.2 10.1 7.5 7.5 11.9 15.3 13.2 9.4
27 7.7 11.9 10.8 9.7 13.9 10.1 10.6 6.6 11.2 18 12.1 9.4
28 7.2 13.7 9.7 9.7 9.4 9.4 9.2 8.6 10.1 18.7 15.5 9
29 6.8 8.8 8.8 11.7 10.1 7.7 7 9.2 14.2 17.6 8.8
30 6.8 16.2 8.3 9 8.8 7.5 9 8.8 18 15.1 8.6
31 6.6 13.2 7.5 7.2 14.4 22.7 8.3
Max 14.4 21 18.5 17.3 14.4 13 17.1 19 17.3 22.7 21.5 24.3
Rerata
8.9 10.4 12.1 10.5 9.1 7.7 8.8 8.9 10.2 13.9 16.4 14.5
Bulanan
Min 6.6 5.9 8.3 7.7 7.2 5.7 7 6.6 7.2 8.6 12.1 8.3
18 0 0 0 0 35.6 59.8 0 0 0 0 0 0
19 0 0 0 42.8 76.4 0 0 0 0 0 71.4 8.4
20 0 0 5.8 0 102.6 0 0 0 97.2 0 0 0
21 0 44.8 0 0 0 0 0 0 104.2 0 14.2 0
22 0 0 0 0 0 0 0 96.8 0 0 0 0
23 16.4 10.1 0 0 0 0 0 0 0 0 118.2 55.2
24 0 14.25 0 0 0 0 0 8.2 0 0 11.4 61.2
25 0 0 0 13.8 0 0 0 0 0 0 21.2 20.4
26 0 0 0 42.6 0 37.4 0 0 0 0 62.4 71.2
27 0 0 112.4 0 0 0 6.4 0 7.1 20.2 34.4 35.6
28 0 9.2 84.2 15.4 0 28.2 0 0 0 0 135.1 0
29 33.1 0 61.6 0 59.6 52.4 92.4 28.1 0 42.2 0
30 0 0 0 0 0 0 0 0 7.8 25.4 0
31 0 0 48.2 0 0 4.2 5.6
18 0 31 0 4 0 0 0 18 0 24 29 0
19 0 0 0 0 63 16 13 0 18 0 10 0
20 0 79 62 21 6 0 0 0 15 0 9 0
21 7 0 34 0 0 0 0 0 0 0 10 0
22 0 0 0 8 12 0 0 15 0 25 43 0
23 7 18 7 27 71 4 0 8 38 16 21 80
24 9 0 0 26 0 98 0 10 18 43 10 0
25 38 0 0 4 0 0 0 25 11 0 10 11
26 0 7 15 0 13 21 0 0 0 12 80 0
27 0 0 21 0 41 0 1 0 73 0 0 0
28 0 38 0 0 12 0 0 5 0 93 0 0
29 0 0 0 22 7 1 0 0 15 0 0
30 0 0 0 12 0 9 0 0 0 48 0
31 0 28 0 0 27 18 8
18 0 0 0 0 21 0 0 0 0 0 31 10
19 0 4 0 0 0 0 0 0 13 0 0 0
20 0 4 10 0 150 0 0 0 100 0 11 0
21 0 0 0 0 97 0 0 162 0 0 13 40
22 20 3 0 0 0 0 0 0 0 0 35 60
23 0 0 0 0 0 0 0 0 71 0 0 53
24 14 0 0 0 0 0 0 36 0 0 0 20
25 0 0 0 22 0 0 0 0 0 0 0 27
26 0 25 145 20 0 5 0 0 21 0 103 0
27 0 20 107 0 0 0 23 0 0 0 23 0
28 15 0 0 62 0 0 0 45 0 0 70 0
29 0 0 0 0 52 60 0 13 0 20 0
30 12 0 0 0 0 0 0 0 0 18 30
31 0 0 0 0 0 2 51
17 0 0 0 0 0 60 0 0 0 0 11 17
18 0 0 0 0 21 0 0 0 0 0 31 10
19 0 4 0 0 0 0 0 0 13 0 0 0
20 0 4 10 0 150 0 0 0 100 0 11 0
21 0 0 0 0 97 0 0 162 0 0 13 40
22 20 3 0 0 0 0 0 0 0 0 35 60
23 0 0 0 0 0 0 0 0 71 0 0 53
24 14 0 0 0 0 0 0 36 0 0 0 20
25 0 0 0 22 0 0 0 0 0 0 0 27
26 0 25 145 20 0 5 0 0 21 0 103 0
27 0 20 107 0 0 0 23 0 0 0 23 0
28 15 0 0 62 0 0 0 45 0 0 70 0
29 0 0 0 0 52 60 0 13 0 20 0
30 12 0 0 0 0 0 0 0 0 18 30
31 0 0 0 0 0 2 51
Lampiran 12. Data Curah Hujan Harian Stasiun Koto Tuo 2017
Lampiran 13. Data Curah Hujan Harian Stasiun Koto Tuo 2018
15 0 0 3 47 26 0 0 0 0 14 0 0
16 0 7 0 0 32 0 0 0 0 31 0 0
17 0 18 0 6 0 0 17 13 0 20 3 0
18 0 5 4 24 76 0 0 0 58 1 27 0
19 0 37 77 14 4 0 5 0 8 0 0 0
20 26 13 35 0 0 7 14 0 0 0 6 0
21 0 43 0 0 7 0 0 13 15 59 37 0
22 0 0 0 6 39 8 0 0 3 0 16 97
23 9 0 0 31 1 151 57 8 5 5 0 0
24 57 33 0 0 0 0 0 18 0 0 0 0
25 0 0 14 0 0 6 18 0 0 0 3 0
26 0 2 27 10 40 6 0 0 63 12 0 0
27 0 0 0 0 31 0 26 66 56 35 0 0
28 0 0 0 0 47 3 4 0 0 0 0 0
29 0 13 0 0 0 0 2 0 10 34 0
30 0 30 6 0 0 0 32 0 28 19 0
31 0 2 0 0 0 15 16
12 48.9 25.6 23.3 25.9 88.5 93.9 46.0 15.8 3.8 10.2 10.2 0.3
13 48.3 52.3 105 26.1 17.5 38.8 17.5 60.7 8.7 12.9 6.1 1.1
14 43.4 170 21.6 43.0 82.5 49.4 48.4 67.9 1.9 9.1 2.7 1.8
15 66.2 34.8 93.6 30.1 17.5 18.0 73.7 8.3 3.5 8.0 3.9 1.1
16 49.9 132 28.9 75.2 81.3 57.5 72.7 62.8 3.3 10.6 8.6 1.7
17 42.6 57.6 127 50.8 15.8 50.4 25.2 53.8 4.3 7.2 0.9 1.4
18 90.4 25.7 43.5 56.9 80.1 13.5 50.1 36.5 3.5 6.2 1.9 2.1
19 10.2 37.1 44.5 63.6 29.2 116 82.3 54.9 2.7 3.6 5.3 1.6
20 79.2 61.1 168 16.8 44.2 63.8 106 52.2 8.7 5.2 5.8 2.7
21 17.0 29.6 54.1 42.2 122 54.6 49.6 74.4 0.9 3.8 2.2 2.1
22 49.1 23.9 66.7 44.3 16.8 63.8 61.9 1.8 1.7 2.8 4.0 3.0
23 113 110 36.1 37.2 36.2 20.8 85.1 10.6 2.5 3.4 3.7 1.1
24 32.5 48.7 107 8.5 74.4 17.2 63.7 1.4 4.9 3.9 2.1 1.1
25 38.8 31.1 61.1 62.2 26.6 49.6 2.7 3.1 7.1 5.5 9.8 0.7
26 0.5 33.3 41.8 25.8 33.9 13.3 7.3 5.2 6.1 4.6 0.5 0.5
27 85.9 38.5 29.0 21.7 10.9 45.4 32.9 2.8 7.9 2.7 0.6 2.2
28 45.8 33.4 32.9 62.3 47.3 45.6 66.1 17.9 6.8 0.7 1.0 1.4
29 51.3 77.4 65.4 77.9 20.6 152 2.2 13.4 3.4 1.6 3.2
30 50.6 22.9 51.4 1.5 31.5 26.6 8.0 12.1 1.5 2.4 1.5
31 54.1 62.1 68.3 26.1 2.6 3.1 6.1
Max 205 170 168 76.9 168 152 152 127 13.4 13 10 7.2
Rerata
Bulanan 49.9 53.5 54.5 44.7 44.6 50.2 49.9 53.5 54.5 44.7 45 50.2
Min 0.5 8.1 8.5 8.5 1.5 13.3 2.7 1.4 0.9 0.4 1 0.1
11 15.3 23.2 23.5 19.8 13.1 10.9 40.5 57.6 64.7 7.1 19.5 19.9
12 69.5 121 59.1 19.9 13.9 2.9 34.9 38.8 35.4 13.0 24.0 26.5
13 84.5 21.6 24.1 16.3 10.3 10.3 55.7 62.2 22.7 29.9 26.8 44.3
14 39.6 112 21.2 31.0 18.7 18.0 24.0 87.3 31.2 17.0 45.0 29.0
15 36.2 44.3 64.9 21.8 30.9 51.5 2.7 38.0 49.2 14.0 32.0 10.4
16 20.6 87.8 36.4 23.9 23.0 57.6 1.4 62.4 28.5 9.9 22.2 50.5
17 30.2 56.7 21.4 14.7 26.3 21.4 38.6 42.4 25.6 29.6 24.9 54.5
18 135 19.2 73.1 32.3 15.2 26.8 14.9 94.9 46.7 27.7 25.1 29.5
19 31.4 70.9 30.2 22.1 15.8 28.9 54.1 58.5 19.2 32.3 31.9 44.8
20 47.3 36.4 39.3 21.4 24.6 21.8 58.7 17.5 50.5 24.7 16.7 32.3
21 55.8 40.9 54.6 43.3 15.3 60.5 60.8 29.7 4.7 4.9 34.4 62.9
22 112 43.0 40.7 16.2 23.5 49.0 52.1 36.3 90.7 14.1 15.7 34.9
23 31.2 37.1 25.9 14.8 30.8 29.8 50.4 27.0 37.6 32.0 24.3 34.4
24 70.6 64.1 30.8 10.4 31.8 29.9 56.7 27.3 39.4 41.5 21.3 35.4
25 21.1 25.8 22.1 39.3 16.0 91.7 61.5 66.4 25.6 48.3 14.6 15.8
26 117 107 8.2 30.4 11.7 38.4 30.8 53.4 14.5 24.5 40.4 30.3
27 59.0 9.9 12.5 78.5 9.2 40.8 37.9 29.3 37.4 27.8 38.7 82.7
28 33.6 5.8 39.2 24.4 11.9 45.9 16.6 40.5 35.5 26.9 19.9 30.4
29 49.1 23.5 29.1 41.3 25.9 31.7 49.2 34.6 17.8 11.2 14.7
30 58.8 45.6 31.2 35.6 23.4 52.7 42.9 54.1 43.7 15.4 25.2
31 36.4 61.2 15.4 31.2 51.8 62.4 15.4
Max 135 121 73 78.5 55.5 92 96.1 94.9 91 62.4 45 83
Rerata
Bulanan 38.5 48.8 38 24.7 22.1 32 36.3 44.9 40 25.7 24.2 33
Min 0.4 4.3 8 6.2 1.5 3 1.4 17.5 5 4.9 11.2 8
Tgl Temperatur ( ͦ C)
Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des
1 27.0 27.0 26.5 27.3 26.8 27.3 26.3 27.5 27.5 27.5 27.0 27.5
2 27.3 27.8 27.3 26.5 26.5 26.5 27.5 26.8 27.3 27.3 26.5 26.0
3 26.0 26.5 27.5 26.8 27.0 27.5 27.3 27.0 26.5 26.5 27.3 27.0
4 27.0 27.3 27.3 27.0 27.0 27.5 26.8 27.0 27.5 27.3 26.0 26.0
5 26.3 27.5 26.5 27.8 27.0 27.3 26.0 27.8 26.0 27.3 27.3 28.0
6 26.8 27.3 26.5 27.3 27.5 26.5 27.8 26.0 27.0 26.5 26.3 27.0
7 27.3 28.0 27.3 27.0 26.8 27.0 27.0 27.8 27.8 27.8 27.0 26.3
8 27.3 26.8 26.5 27.8 27.0 27.8 27.3 27.0 27.0 26.0 27.3 27.5
9 26.5 27.0 27.5 26.3 26.0 27.0 27.3 27.8 27.8 27.3 26.5 26.8
10 27.3 27.8 27.3 27.3 27.3 27.3 27.5 26.5 26.0 27.3 27.0 26.0
11 27.5 27.3 26.8 27.3 27.5 27.0 26.5 26.8 27.3 27.3 27.0 26.8
12 27.8 27.5 27.5 26.5 26.5 27.3 27.5 27.8 26.5 26.3 26.0 27.3
65
13 26.8 27.3 26.0 27.8 27.3 27.8 26.0 27.0 27.8 26.5 27.0 26.8
14 27.0 27.3 27.5 26.8 26.0 27.0 26.8 27.0 26.5 27.8 26.5 26.8
15 26.8 27.0 26.5 26.5 26.8 26.8 27.0 26.0 27.3 27.0 27.8 26.5
16 27.3 26.8 26.8 27.3 26.0 27.8 27.3 27.3 26.5 27.3 27.0 27.8
17 26.5 27.5 26.5 27.3 27.5 27.0 26.8 27.3 27.3 27.3 27.3 26.8
18 27.3 26.5 27.8 27.3 26.8 27.3 26.0 27.3 26.0 27.0 26.5 27.8
19 27.3 27.3 27.0 26.5 27.8 26.8 27.3 26.5 26.8 26.8 27.3 26.5
20 27.3 27.5 28.0 27.3 26.8 28.0 27.5 27.0 27.0 26.5 26.8 26.5
21 27.0 27.0 27.3 27.0 26.5 26.8 26.5 27.8 27.5 27.3 27.3 27.5
22 26.0 27.3 27.0 26.0 27.3 26.5 27.3 27.5 26.5 26.8 27.0 26.0
23 27.5 27.5 26.3 27.3 26.5 26.3 26.5 26.0 27.3 26.5 26.0 26.8
24 27.3 27.0 27.3 27.3 27.3 28.0 27.3 27.0 27.5 27.0 27.8 27.3
25 27.3 27.3 27.5 26.0 27.5 26.3 27.3 26.3 27.5 27.8 27.0 27.0
26 27.0 27.0 26.0 26.8 26.8 26.5 27.0 27.3 26.0 27.0 26.0 27.8
27 27.3 27.8 27.8 27.8 27.0 27.5 26.5 26.3 27.5 26.0 26.5 27.0
28 26.3 26.5 27.0 26.3 27.8 27.5 27.8 26.5 26.8 27.0 27.8 26.0
29 27.8 27.8 27.0 27.0 26.8 27.5 27.5 27.3 27.3 27.0 27.5
30 27.5 26.3 27.3 27.3 27.8 27.0 26.8 26.3 27.8 27.0 27.3
31 27.5 27.0 26.5 27.8 27.0 27.0 27.5
Tgl Temperatur ( ͦ C)
Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des
1 26.0 27.0 27.0 27.3 27.3 26.8 27.5 27.3 27.3 26.8 27.0 27.3
2 27.5 27.3 27.3 27.0 27.5 27.3 27.3 26.5 27.3 26.5 26.0 27.0
3 26.5 27.8 27.8 26.3 27.3 27.3 26.8 27.8 26.5 27.8 27.3 27.3
4 27.5 27.3 26.5 28.0 27.3 26.5 26.0 26.8 26.3 27.0 27.0 27.8
5 27.3 27.0 26.5 27.3 26.8 26.5 27.5 27.5 28.0 26.0 26.3 27.0
6 27.8 27.3 27.3 27.5 27.5 27.5 27.5 26.0 27.0 27.5 26.5 27.8
7 27.5 27.0 27.3 26.3 26.8 27.8 26.5 26.8 27.8 26.8 27.3 26.5
8 27.0 27.8 27.0 27.0 27.8 27.0 27.3 27.5 26.8 27.3 26.5 27.8
9 26.5 27.5 27.8 27.5 27.5 28.0 26.5 26.5 27.8 26.8 26.0 26.5
10 27.5 26.8 27.0 27.3 26.5 27.5 27.3 27.3 27.3 27.3 27.3 27.5
11 26.3 27.3 27.8 27.0 27.3 27.3 27.5 27.5 26.0 26.5 27.3 26.5
66
12 27.3 27.0 26.8 27.3 27.3 27.0 26.3 27.0 27.0 27.3 27.8 27.3
13 27.5 27.5 26.0 27.3 27.5 27.5 27.5 26.3 27.3 26.8 26.5 26.5
14 26.8 26.8 27.5 27.0 26.8 27.8 26.8 27.5 26.5 26.5 27.5 27.3
15 27.3 27.0 27.0 27.8 26.5 27.5 26.5 26.8 27.8 27.8 26.8 27.8
16 27.0 27.3 27.8 26.8 27.5 26.5 26.3 27.8 26.0 26.5 27.3 27.0
17 26.0 27.5 27.0 27.3 26.5 26.8 27.0 27.5 27.0 27.3 26.5 26.3
18 27.0 27.5 27.3 27.0 27.3 27.3 27.8 27.0 26.0 26.5 27.3 27.3
19 27.8 27.0 27.5 27.3 27.3 26.5 26.5 27.0 26.8 27.5 27.3 27.0
20 27.0 27.8 26.5 26.5 27.8 26.3 27.5 26.8 27.3 27.8 27.0 27.8
21 26.0 26.5 27.3 27.3 27.5 28.0 26.6 27.8 27.3 27.0 27.3 27.0
22 27.3 26.5 27.3 27.8 26.8 27.0 26.5 26.8 26.5 26.5 27.5 27.8
23 27.8 26.8 27.0 27.1 27.5 27.3 27.8 27.5 27.5 27.5 27.3 27.0
24 27.0 26.5 27.3 27.3 26.8 27.3 27.0 26.0 26.5 27.3 27.3 27.0
25 27.3 27.3 26.5 27.3 27.3 27.5 26.0 27.5 27.5 26.5 27.0 27.5
26 27.3 27.3 27.3 27.0 26.8 26.3 27.3 26.5 26.8 27.3 27.0 26.8
27 26.5 27.3 27.3 27.8 27.3 27.0 27.3 27.3 27.3 27.8 27.0 27.3
28 27.3 26.9 26.5 27.0 27.8 26.8 27.0 27.3 27.5 26.8 27.3 27.8
29 26.0 27.5 27.8 27.0 27.5 27.3 27.0 26.5 27.3 26.8 27.0
30 27.0 27.3 27.0 26.3 27.5 26.3 26.5 27.3 27.8 27.3 27.3
31 27.3 27.0 27.0 27.5 27.3 27.0 26.4
11 90 90 90 90 78 90 90 90 90 95 90 90
12 90 90 90 90 90 90 90 90 90 90 90 90
13 90 90 90 90 90 90 90 90 90 90 90 90
14 90 90 90 90 90 90 90 90 90 90 90 90
15 90 90 90 90 90 90 90 90 90 90 90 90
16 90 90 90 90 90 90 90 90 90 90 95 90
17 90 90 90 90 90 90 90 90 90 90 90 90
18 90 90 90 90 90 90 90 90 90 90 90 90
19 90 90 90 90 90 90 90 90 90 90 90 90
20 90 90 90 90 90 90 90 90 90 90 90 90
21 90 90 90 90 90 90 90 90 90 90 90 90
22 90 90 90 90 90 90 90 90 90 90 90 90
23 90 90 90 90 90 90 90 90 90 90 95 90
24 90 90 90 90 90 90 90 90 90 90 90 90
25 90 90 90 90 90 90 90 90 90 90 90 90
26 90 90 90 90 90 90 90 90 90 90 90 90
27 90 90 90 90 95 90 90 90 90 90 90 90
28 90 90 90 90 90 90 90 90 90 90 90 90
29 90 90 90 90 90 90 90 90 90 90 90
30 95 90 90 90 90 90 90 90 90 95 90
31 90 90 90 90 90 90 90
10 90.0 90.0 95.0 95.0 90.0 90.0 90.0 90.0 86.0 90.0 90.0 90.0
11 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
12 90.0 90.0 90.0 90.0 90.0 90.0 95.0 90.0 90.0 90.0 90.0 90.0
13 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
14 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
15 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
16 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
17 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
18 90.0 90.0 90.0 90.0 90.0 95.0 90.0 95.0 90.0 90.0 90.0 90.0
19 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
20 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
21 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
22 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
23 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
24 95.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
25 90.0 90.0 90.0 90.0 90.0 90.0 90.0 95.0 90.0 90.0 90.0 90.0
26 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
27 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
28 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
29 90.0 90.0 90.0 95.0 90.0 90.0 90.0 95.0 90.0 90.0 90.0
30 95.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0 90.0
31 90.0 90.0 90.0 90.0 90.0 90.0 95.0
7 5.3 7 7.1 4.5 12 9.1 12.8 2.3 7.4 8.1 7.1 1.5
8 5.9 12.5 9 7.4 9.1 8.3 11.8 7.4 4.8 2.2 1.8 4.9
9 3.7 14 9.8 11.3 13.7 9.7 8.7 8.2 4.1 5.6 0.3 5.2
10 0.6 9.5 7.1 7.7 6.9 9.7 0 14 13.3 6.7 10.6 1.3
11 2.2 11.4 7.1 0 10.2 15.1 3 16 0.4 0 6.6 0.2
12 3.3 10.5 9 12.1 3.8 8.3 14.1 15.9 10.5 0 0.3 2.2
13 6 12.1 6 13 15.4 3.4 15.5 15.7 4.5 8.1 0 4.4
14 3.3 8.1 9.7 0 5.2 6.1 8.6 12.1 3.7 2.2 1.3 0.3
15 12 4.7 14.3 5.2 3.4 1.5 9.8 13.6 8.2 4.1 3 2.3
16 11.3 14.1 6.8 1.3 0.3 8.3 14.2 13.8 5.5 2.2 14.9 4.5
17 10.1 9.8 11.5 9.7 8.7 9.3 12 9.2 9.3 4.4 6.7 0.5
18 8.4 9.4 8.8 11.3 7.1 3.7 12.8 13.8 4.4 9.2 4.4 3.8
19 10.9 9.7 9.6 6.7 6.7 3.2 2.7 15.8 4.9 15.5 1.3 0.3
20 9 0.8 0 0.5 1.5 12.7 13.7 12.8 3.4 8.2 12 9.1
21 4.2 5.7 8 7.5 6 9.7 9 5.1 1.9 8 10.7 1.2
22 6.4 8.5 12.8 8.1 6.7 9.5 12.5 0.2 7.5 8.8 1.8 1.5
23 6 0 5.2 7.5 0.3 3 14.7 1.3 9.4 5.2 9.8 3.7
24 0 4 3.7 0 6.7 0.7 9.7 9.6 3.4 6.6 14.6 4.7
25 9.2 1.5 6.8 11.3 8.7 6.7 5.8 8.3 11 9.6 9 3.7
26 9.1 9.1 0 12.1 1 3 11.3 16 3.1 5.9 7.5 4.5
27 12.1 9.2 4.5 2.3 0 9 2.1 9.9 10.4 1.5 15 3
28 8 8.3 14.3 7.7 6.7 8.2 14.1 1.5 10.4 5.9 10.6 11.9
29 6 9.4 15.9 3 10 3.7 10.8 9.2 9.2 3.6 11.2
30 6 0 16.7 2.7 4.8 9 5.9 5.7 6.1 3.7 12.6
31 12.8 10.7 3 9.6 3.3 6.6 12.6