APLIKASI MODEL HIDROLOGI F J MOCK UNTUK MENGHITUNG

DEBIT BULANAN SUB DAS SEI PETANI

SKRIPSI

OLEH :

FRISKA VERONIKA ULINA SIMANJUNTAK

150308068

PROGRAM STUDI KETEKNIKAN PERTANIAN

FAKULTAS PERTANIAN
UNIVERSITAS SUMATERA UTARA
2021

Universitas Sumatera Utara

APLIKASI MODEL HIDROLOGI F J MOCK UNTUK MENGHITUNG
DEBIT BULANAN SUB DAS SEI PETANI

SKRIPSI

OLEH :

FRISKA VERONIKA ULINA SIMANJUNTAK

150308068/ KETEKNIKAN PERTANIAN

Skripsi sebagai salah satu syarat untuk dapat memperoleh gelar sarjana
di Program Studi Keteknikan Pertanian Fakultas Pertanian
Universitas Sumatera Utara

PROGRAM STUDI KETEKNIKAN PERTANIAN

FAKULTAS PERTANIAN
UNIVERSITAS SUMATERA UTARA
2021

Universitas Sumatera Utara

Universitas Sumatera Utara
Panitia Penguji Skripsi

Delima Lailan Sari Nasution, STP, M.Sc

Prof. Dr. Ir. Sumono MS
Nazif Ichwan, STP, M.Si
Sulastri Panggabean, S.TP, M.Si

Universitas Sumatera Utara

 ABSTRAK

Friska Veronika Ulina Simanjuntak : Aplikasi Model Hidrologi F J Mock Untuk

Menghitung Debit Bulanan Sub DAS Sei Petani, dibimbing oleh
Delima Lailan Sari Nasution.
Perencanaan hidrologi selalu berkaitan dengan karakteristik daerah aliran sungai
(DAS). Dimana karakteristik DAS tersebut sangat berpengaruh terhadap kondisi
debit aliran sungai. Dalam upaya untuk pengembangan sumber daya air
diperlukan data debit sungai dengan jangkauan data yang panjang dan lengkap.
Dalam kaitan ini diperlukan suatu sistem model hidrologi untuk
mengalihragamkan suatu masukan karakteristik daerah pengaliran sungai tertentu
menjadi keluaran debit. Tujuan dari penelitian ini adalah untuk mendapatkan nilai
debit Sub DAS Sei Petani menggunakan model Mock. Uji ketelitian model Mock
dilakukan dengan cara proses kalibrasi dan verifikasi yang menunjukkan bahwa
model tersebut layak diaplikasikan pada Sub DAS Sei Petani yang ditandai
dengan hasil keluaran nilai koefisien korelasi (r) dan volumen error (VE). Hasil
penelitian model Mock memprediksikan bahwa indikator kesehatan DAS
(Q maks, Q min, dan koefisien regim sungai) Sub DAS Sei Petani dalam kondisi
yang baik. Rataan debit simulasi tertinngi ialah 3,416 m 3/s , sedangkan debit
terendah ialah 0,770 m3/s dengan nilai KRS sebesar 4,468.

Kata kunci : hidrologi model FJ Mock, indikator kesehatan DAS, debit, tinggi
muka air.

ABSTRACT

Friska Veronika Ulina Simanjuntak: Hydrological Application of F J Mock Model

to Calculate Monthly Sei Petani Sub Watershed Discharge, guided by Delima
Lailan Sari Nasution.
Hydrological planning is always related to watershed characteristicof river
discharge data with a hydrological model system to deversity an input of a
particular watershed characteristic into a discharge output. The purpose of this
study is to estimate the discharge value of Sei Petani Sub Watershed using Mock
hydrology. The Mock model accuary test was carried out by means of a
colaboration and verification process which showed that the model was feasible
to be applied to the Sei Petani Sub – watershed which was marked by the output
walues of coefficient correlation (r) and volumen error (VE). Hasil penelitian
model Mock memprediksikan bahwa indikator kesehatan DAS (Q max, Q min,
river regim condition) Sub DAS Sei Petani dalam kondisi yang baik. Rataan debit
simulasi tertinngi ialah 3,416 m3/s , sedangkan debit terendah ialah 0,770 m3/s
dengan nilai KRS sebesar 4,468.

Keywords: FJ Mock model hydrology, watershed health indicators, discharge,

water level.

Universitas Sumatera Utara

 RIWAYAT HIDUP

Penulis dilahirkan di Binjai pada tanggal 04 Juli 1997 dari Ayah Sahala

Simanjuntak dan Ibu Delila Simbolon. Penulis merupakan anak pertama dari dua

bersaudara.

Tahun 2015 penulis lulus dari SMA Swasta Methodist Tanjung Morawa

dan pada tahun yang sama masuk ke Fakultas Pertanian USU melalui jalur

SBMPTN dan lulus di Program Studi Keteknikan Pertanian.

Selama mengikuti perkuliahan, penulis bergabung dalam organisasi Ikatan

Mahasiswa Teknik Pertanian (IMATETA) sebagai anggota. Kemudia penulis juga

bergabung dalam organisasi Gerakan Mahasiswa Kristen Indonesia (GMKI)

sebagai anggota. Pada bulan Januari 2019 penulis melaksanakan Praktek Kerja

Lapangan (PKL) di Pabrik Kelapa Sawit PTPN II Pagar Merbau.

ii

Universitas Sumatera Utara

 KATA PENGANTAR

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa atas berkat

dan anugerah-Nya sehingga penulis dapat menyelesaikan usulan penelitian

dengan judul “APLIKASI MODEL HIDROLOGI F J MOCK UNTUK

MENGHITUNG DEBIT BULANAN SUB DAS SEI PETANI” yang

merupakan salah satu syarat untuk memperoleh gelar sarjana di Program Studi

Keteknikan Pertanian Fakultas Pertanian Universitas Sumatera Utara, Medan.

Pada kesempatan ini penulis mengucapkan terima kasih kepada

Ibu Delima Lailan Sari Nasution, STP, M.Sc, selaku ketua komisi

pembimbing yang banyak membimbing penulis sehingga dapat menyelesaikan

skripsi dengan baik. Ucapan terima kasih juga penulis ucapkan kepada orang tua

penulis yang telah memberikan perhatian, doa dan dukungan. Penulis juga

menucapkan terima kasih kepada staf pengajar dan pegawai di program Studi

Keteknikan Pertanian, kepada teman-teman TEP 2015 yang telah memberi

dukungan dan semangat kepada penulis.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh

karena itu penulis mengharapkan kritik dan saran dari para pembaca yang bersifat

membangun untuk kesempurnaan pada masa yang akan datang.

Medan, Januari 2021

Penulis

iii

Universitas Sumatera Utara

 DAFTAR ISI

Hal
ABSTRAK ............................................................................................................... i
ABSTRACT....................................................................................................... ……i
RIWAYAT HIDUP ................................................................................................. ii
KATA PENGANTAR ........................................................................................... iii
DAFTAR TABEL ................................................................................................... v
DAFTAR GAMBAR ............................................................................................ vii
DAFTAR LAMPIRAN ........................................................................................ viii
PENDAHULUAN
Latar Belakang ............................................................................................... 1
Tujuan Penelitian ........................................................................................... 3
Manfaat Penelitian ......................................................................................... 4
TINJAUAN PUSTAKA
Daerah Aliran Sungai .................................................................................... 5
Siklus Hidrologi ............................................................................................. 5
Curah Hujan .................................................................................................. 6
Evapotranspirasi ............................................................................................ 7
Debit .............................................................................................................. 8
Tinggi Muka Air .......................................................................................... 10
Liku Kalibrasi .............................................................................................. 11
Koefisien Regim Sungai dan Koefisien Run Off ........................................ 11
Model Hidrologi .......................................................................................... 12
Model Mock ................................................................................................ 13
Kalibrasi dan Validasi ................................................................................ 16
Pengukuran Keandalan Model..................................................................... 17
METODOLOGI PENELITIAN
Waktu dan Tempat....................................................................................... 19
Bahan dan Alat ............................................................................................ 19
Prosedur Penelitian ...................................................................................... 20
Analisa Data ................................................................................................ 21
Analisa Indikator Hidrologi DAS ................................................................ 23
HASIL DAN PEMBAHASAN
Kondisi Umum Lokasi Penelitian................................................................ 25
Perhitungan Rata-rata Curah Hujan Wilayah .............................................. 26
Perhitungan Evapotranspirasi dengan Metode Radiasi ............................... 27
Analisa Debit Pengamatan........................................................................... 29
Aplikasi Model Hidrologi Mock ................................................................. 28
Kalibrasi Model Mock ................................................................................. 30
Tahap Verifikasi dan Simulasi Model Mock ............................................... 33
Debit Maksimum, Debit Minimum, KRS ................................................... 37
KESIMPULAN DAN SARAN
Kesimpulan .................................................................................................. 39
Saran ............................................................................................................ 39
DAFTAR PUSTAKA
LAMPIRAN

iv

Universitas Sumatera Utara

 DAFTAR TABEL

No. Hal.

1. Penilaian Indikator Hidrologi DAS ................................................................... 19

2. Hasil Optimasi Parameter Model Mock Sub DAS Sei Petani .......................... 31
3. Debit Hail Kalibrasi Model Mock .................................................................... 33
4. Debit Hasil Verifikasi Model Mock .................................................................. 35
5. Debit Simulasi Model Mock Tahun 2019 .................................................... ….36

Universitas Sumatera Utara

 DAFTAR GAMBAR

No Hal

1. Skema Tangki Model Mock ............................................................................. 15

2. Peta Sub DAS Sei Petani.................................................................................. 19
3. Peta Penutupan Lahan Sub DAS Sei Petani..................................................... 25
4. Grafik Curah Hujan ......................................................................................... 26
5. Grafik Evapotranspirasi ................................................................................... 27
6. Grafik Kalibrasi Model Mock .......................................................................... 32
7. Grafik Hubungan Korelasi Qsim dan Qobs Proses Kalibrasi .......................... 32
8. Grafik Verifikasi Model Mock Sub DAS Sei Petani ....................................... 34
9. Hubungan Korelasi Qsim dan Qobs Proses Kalibrasi.................................... .34
10. Hubungan Curah Hujan dan Debit Simulasi . ................................................. 36

vi

Universitas Sumatera Utara

 DAFTAR LAMPIRAN

No Hal

1. Flowchart Diagram Alir Penelitian ................................................................. 42

2. Nilai Radiasi Ekstrateristerial (Ra) ................................................................. 43
4. Data Curah Hujan Sub DAS Sei Petani .......................................................... 44
3. Data Iklim Bulanan Sub DAS Sei Petani ........................................................ 45
5. Data Evapotranspirasi Potensial Setengah Bulanan ........................................ 46
6. Perhitungan Evapotranspirasi.......................................................................... 47
7. Debit Observasi Setengah Bulanan Sub DAS Sei Petani................................ 51
8. Dokumentasi Kegiatan Penelitian. .................................................................. 52

vii

Universitas Sumatera Utara

 PENDAHULUAN

Latar Belakang

Daur hidrologi, yaitu perjalanan air dari permukaan laut ke atmosfer

kemudian ke permukaan tanah dan kembali lagi ke laut yang tidak pernah

berhenti, air tersebut akan tertahan (sementara) di sungai, danau atau waduk, dan

dalam tanah sehingga dapat dimanfaatkan oleh manusia atau mahluk hidup

lainnya. Asdak (2007) menjelaskan siklus hidrologi diawali dengan terjadinya

penguapan air yang berada di permukaan tanah, sungai, danau serta laut. Uap air

tersebut menuju atmosfir akan berubah menjadi titik air sehingga terbentuk awan

akibat dari proses kondensasi, kemudian titik-titik air tersebut akan turun menjadi

hujan di daratan maupun lautan. Hujan yang jatuh sebagian ditahan oleh tanaman

dan sebagian lagi jatuh ke permukaan tanah. Air hujan yang jatuh ke permukaan

tanah akan meresap ke dalam tanah (infiltrasi) dan akan mengalir menjadi aliran

permukaan (surface runoff) sebagai pengisi danau, sungai dan cekungan tanah.

Air dari proses infiltrasi akan mengalir di dalam tanah (perkolasi) dan mengisi air

tanah yang nantinya akan keluar sebagai mata air atau akan mengalir ke sungai

yang pada akhirnya akan mengalir menuju ke laut.

Daerah Aliran Sungai (DAS) adalah suatu wilayah daratan yang secara

topografik dibatasi oleh punggung-punggung gunung yang menampung dan

menyimpan air hujan untuk kemudian menyalurkannya ke laut melalui sungai

utama.Wilayah daratan tersebut dinamakn daerah tangkapan air (DTA) yang

merupakan suatu ekosistem dengan unsur utamanya terdiri atas sumber daya alam

dan sumber daya manusia (Asdak, 2007).

Universitas Sumatera Utara

 2

Perencanaan hidrologi selalu berkaitan dengan karakteristik daerah aliran

sungai (DAS). Di dalam sistem DAS dijumpai beragam komponen antara lain

karakteristik DAS, vegetasi, jenis tanah, aliran air dan hujan yang berinteraksi

secara dinamis, dimana karakteristik DAS tersebut sangat berpengaruh terhadap

kondisi debit aliran sungai. Kegiatan analisis hidrologi untuk berbagai

kepentingan pengembangan sumber daya air, dalam banyak kasus diperlukan data

debit sungai dengan jangkauan data yang jauh lebih panjang (dalam batas tertentu)

dibanding dengan jangkauan data yang tersedia. Dalam kaitan ini diperlukan suatu

sistem yang dapat mengalihragamkan suatu masukan karakteristik daerah

pengaliran sungai tertentu menjadi keluaran debit yang disebut model hidrologi.

Menurut Setiawan (2019) kurangnya data debit juga terjadi pada daerah

aliran sungai (DAS) Deli, hal ini dikarenakan adanya beberapa faktor seperti

faktor waktu pengamatan data yang relatif sedikit, faktor biaya yang mahal, faktor

alat yang tidak terkalibrasi dengan baik serta resiko dalam pengambilan data.

Oleh karena itu untuk melengkapi data yang tidak tersedia maka dilakukan

pengambilan data secara langsung di stasiun pengukuran arus sungai (SPAS)

sehingga data tersebut dapat mewakili data debit air pada musim hujan maupun

kemarau pada DAS Deli.

Kompleksitas kawasan DAS membutuhkan suatu inovasi, pendekatan

untuk melestarikan sumber daya air. Dalam menduga besar aliran suatu DAS

dibutuhkan suatu instrumentasi pendukung. Biasanya digunakan suatu

perencanaan Matematika yang menggambarkan proses yang terjadi pada suatu

DAS.

Universitas Sumatera Utara

 3

Model Mock merupakan model simulasi yang relatif sederhana dan cukup

baik dalam penaksiran debit sungai dengan interval waktu bulanan. Dalam

pengembangan model ini banyak digunakan aplikasi pengembangan sumber daya

air seperti irigasi dan penyedian air baku. Model ini bertujuan menggambarkan

tanggapan suatu DAS terhadap proses hidrologi yang terjadi jika diberi masukan-

masukan tertentu.

Parameter-parameter Model Mock yang dapat mempengaruhi debit di

sungai antara lain luas DAS (A), curah hujan (P), evapotransipirasi (ETo),

panjang sungai (L), koefisien infiltrasi (i), initial soil moisture (ISM), soil

moistuer capacity (SMC), groundwater resesi constant (K) dan initial

groundwater storage (IGWS atau SS).

Keuntungan metode Mock menurut Habibi (2010) hasil analisis dengan

metode Mock lebih akurat karena lebih banyak mempertimbangkan keadaan alam

yang mempengaruhi ketersediaan air. Kekurangan metode Mock adalah

banyaknya parameter yang harus dicari sehingga apabila salah satu data tidak

tersedia maka metode ini tidak akan digunakan.

Berdasarkan uraian di atas diaplikasikan model hidrologi Mock untuk

menghitung debit bulanan Sub DAS Sei Petani.

Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk mendapatkan nilai debit

Sub DAS Sei Petani menggunakan Model Hirologi FJ Mock.

Universitas Sumatera Utara

 4

Manfaat Penelitian

1. Bagi penulis, yaitu sebagai bahan untuk menyusun skripsi yang merupakan

syarat untuk menyelesaikan pendidikan di Progaram Studi Keteknikan

Pertanian Fakultas Pertanian Universitas Sumatera Utara.

2. Bagi mahasiswa, sebagai informasi pendukung untuk melakukan penelitian

lebih lanjut mengenai Model Mock.

3. Bagi masyarakat, sebagai bahan informasi bagi pihak yang membutuhkan

Universitas Sumatera Utara

 TINJAUAN PUSTAKA

Daerah Aliran Sungai (DAS)

Daerah Aliran Sungai (DAS) merupakan daerah dimana semua airnya

mengalir kedalam satu sungai yang dimaksudkan. Daerah ini umumnya dibatasi

oleh batas topografi, yang berarti ditetapkan berdasar aliran air permukaan. Batas

ini tidak ditetapkan berdasar air bawah tanah karena permukaan air tanah selalu

berubah sesuai dengan musim dan tingkat kegiatan pemakaian (Sri Harto , 1993).

Dalam mempelajari ekosistem DAS, daerah alira sungai biasanya dibagi

menjadi daerah hulu, tengah, dan hilir. Secara biogeofisika adanya keterkaitan

antara daerah hulu hilir suatu DAS. Kegiatan reboisasi (penanaman pohon) dalam

luasan tertentu misalnya, dapat menurunkan hasil air (water yield), akan tetapi

kegiatan tersebut dapat meningkatkan kualitas air permukaan, dan terutama air

tanah. Sedangkan aktivitas pembalakan hutan (logging) atau deforestasi

(pengurangan areal tegakan hutan) yang dilakukan di daerah hulu DAS, dalam

luasan tertentu juga dapat memberi dampak dalam bentuk meningkatnya hasil air.

Kegiatan pembakalan juga meningkatkan terjadinya erosi karena terjadinya

pembukaan permukaan tanah, terutama oleh aktivitas-aktivitas pendukungnya

seperti pembuatan jalan. Oleh adanya keterkaitan tersebut kemudian dijadikan

landasan untuk memanfaatkan DAS sebagai suatu perencanaan dan evaluasi yang

logis terhadap pelaksanaan program pengelolaan DAS (Asdak, 2010).

Siklus Hidrologi

Menurut Sri Harto (1993) , hidrologi merupakan ilmu yang mempelajari

seluk-beluk air, kejadian dan distribusinya, sifat alami dan sifat kimianya, serta

reaksinya terhadap kebutuhan makhluk hidup.

Universitas Sumatera Utara

 6

Daur hidrologi adalah serangkaian peristiwa yang terjadi pada air saat ia

jatuh ke bumi hingga menguap ke atmosfer untuk kemudian jatuh kembali ke

bumi. Air di sungai mungkin berevaporasi secara langsung ke atmosfer atau

mengalir kembali ke dalam laut dan selanjutnya berevaporasi. Kemudian, air ini

kembali pada permukaan bumi sebagai presipitasi (Seyhan, 1977).

Hujan
Hujan merupakan komponen masukan yang paling penting dalam proses

hidrologi, karena jumlah kedalaman hujan (rainfall depth) ini yang

dialihragamkan menjadi aliran di sungai, baik melalui limpasan permukaan

(surface runoff), aliran antara (interflow, sub surface flow) maupun sebagai aliran

air tanah (ground water flow) (Sri Harto, 1993).

Menurut Indarto (2012) ada tiga macam cara yang umum digunakan dalam

menghitung hujan rata-rata kawasan yaitu :

1. Rata-rata Aritmetik

Nilai curah hujan wilayah dapat ditentukan dari beberapa data curah hujan

stasiun penakar/klimatologi dengan menggunakan nilai rata-rata curah hujan

stasiun yang terdapat di dalam DAS dengan Persamaan 1:

1 2 3 n
R= ................................................................................. (1)
n

Dimana:

R = curah hujan rata-rata wilayah (mm)

Rn = curah hujan pada stasiun n

n = jumlah stasiun penakar hujan

2. Metode Polygon Thiessen

Metode Polygon Thiessen adalah cara penentuan hujan wilayah dengan

rata-rata tertimbang. Masing-masing pos penakar hujan mempunyai daerah

Universitas Sumatera Utara

 7

pengaruh sendiri-sendiri . Nilai curah hujan wilayah dapat ditentukan dengan

menggunakan Persamaan 2:

1 1 2 2 n n
R= ........................................................................... (2)
1 2 n

Dimana:

R = curah hujan rata-rata (mm)

A1,A2,An = luas daerah polygon 1,2, … n (km2)

R1,R2,Rn = curah hujan maksimum pada stasiun 1,2,…n (mm)

3. Metode Isohyet

Metode Isohyet adalah metode penentuan curah hujan wilayah

berdasarkan kontur curah hujan berdasarkan data curah hujan yang ada di dalam

DAS dan di sekitar wilayah.

Evapotranspirasi

Evapotranspirasi adalah jumlah air total yang dikembalikan lagi ke

atmosfer dari permukaan tanah, badan air, dan vegetasi oleh adanya pengaruh

faktor-faktor iklim dan fisiologis vegetasi. Evaporasi adalah proses penguapan,

yaitu perubahan dari zat cair menjadi uap air atau gas dari semua bentuk

permukaan kecuali vegetasi. Sedangkan transpirasi adalah perjalanan air dalam

jaringan vegetasi (proses fisiologis) dari akar tanaman ke permukaan daun dan

akhirnya menguap ke atmosfer (Asdak, 2007).

Selain sebagai parameter untuk menghitung neraca air, informasi tentang

evapotranspirasi juga penting untuk memahami interaksi daratan-tumbuhan-

atmosfer. Evapotranspirasi dibedakan menjadi dua jenis yaitu evapotranspirasi

potensial (ETP) dan evapotranspirasi aktual (ETA). ETP adalah evapotranspirasi

maksimal yang dapat terjadi pada kondisi cukup air dan semua tanaman dianggap

Universitas Sumatera Utara

 8

seragam yaitu rumput hijau setinggi 5 cm. ETP lebih dipengaruhi oleh faktor-

faktor iklim seperti suhu, kelembapan, dan radiasi matahari. Sedangkan ETA lebih

dipengaruhi oleh faktor fisiologi tanaman dan unsur tanah. Nilai evapotranspirasi

dapat ditentukan melalui pengukuran langsung maupun perhitungan

(Asdak, 2010).

Menurut Ginting (2014) metode radiasi matahari atau sering disebut

metode Makkink, merupakan metode yang diterapkan oleh Makkink pada tahun

1957, metode ini dianjurkan untuk digunakan pada lahan atau daerah yang

memiliki data iklim (berupa data temperatur, penyinaran matahari, data awan dan

radiasi) dan metode ini tidak memerlukan data angim serta data lengas tanah,

adapun bentuk dari Persamaan 3:

ETo = c (W × Rs) mm/hari .................................................................................(3)

Dimana: ETo = Evapotranspirasi acuan (mm/hari)

Rs = Solar radiasi ekivalen (mm/hari)

W = Faktor koreksi temperatur dan ketinggian

c = Faktor koreksi kelembaban dan angin

Debit

Debit adalah laju aliran air (dalam bentuk volume air) yang melewati suatu

penampang melintang sungai per satuan waktu. Dalam sistem satuan SI besarnya

debit dinyatakan dalam satuan meter kubik per detik (m 3/dt). Dalam laporan

laporan teknis, debit aliran biasanya ditunjukkan dalam bentuk hidrograf

aliran.Hidrograf aliran adalah suatu perilaku debit sebagai respon adanya

perubahan karakteristik biogeofisik yang berlangsung dalam suatu DAS (oleh

Universitas Sumatera Utara

 9

adanya kegiatan pengelolaan DAS) dan atau adanya perubahan (fluktuasi

musiman atau tahunan) iklim lokal (Asdak, 1995).

Menurut Nugroho (2015), Debit aliran adalah jumlah air yang mengalir

pada suatu titik keluaran (outlet) tertentu dalam satuan volume per waktu. Debit

aliran dihasilkan dari data tinggi muka air (TMA) dan data kecepatan arus sungai

pada suatu penampang di titik keluaran pada suatu daerah tangkapan air. Pada

penelitian ini, TMA dan kecepatan arus diukur di Stasiun Pengamat Arus Sungai

(SPAS) yang merupakan bangunan di badan sungai dengan penampang permanen

di suatu titik keluaran. TMA diukur dengan menggunakan satu set alat ukur TMA

otomatis (Automatic Water Level Recorder). Dari data TMA ini akan dihasilkan

data luas penampang basah secara periodik. Untuk mengukur kecepatan arus

sungai, alat yang digunakan adalah alat ukur kecepatan arus (current meter).

Besarnya debit ditentukan oleh luas penampang air dan kecepatan

alirannya, yang dapat dinyatakan dengan Persamaan 4 :

Q = A. V .......................................................................................... (4)

Dimana:

Q =debit aliran (m/s);

A = luas penampang (m);

V = volume aliran (m/s).

(Arsyad, 1989).

Dengan mengukur debit sungai, maka kondisi hidrologis suatu daerah

aliran sungai (DAS) akan dapat diketahui. Informasi yang diperoleh dari

pengukuran debit adalah (1) perbedaan debit tertinggi dan terendah, dan

(2) perubahan debit harian. Informasi tersebut dapat menggambarkan kemampuan

Universitas Sumatera Utara

 10

DAS dalam menyangga kejadian hujan deras.DAS yang baik mampu menampung

curah hujan di atas rata-rata sekaligus menyediakan air saat kemarau panjang.

Pengukuran debit dilakukan dengan memantau tinggi muka air secara harian.

Pencatatan muka air dapat melibatkan masyarakat yang tinggal di pinggir sungai

dalam suatu wilayah DAS (Tanika, 2016).

Tinggi Muka Air

Tinggi muka air (stage height, gauge height) sungai adalah elevasi

permukaan air (water level) pada suatu penampang melintang sungai terhadap

suatu titik tetap yang elevasinya telah diketahui. Tinggi muka air biasanya

dinyatakan dalam satuan meter (m) atau sentimeter (cm). Pengukuran tinggi muka

air merupakan langkah awal dalam pengumpulan data aliran sungai sebagai data

dasar hidrologi.Data tinggi muka air dapat digunakan langsung untuk berbagai

keperluan pengelolaan sumberdaya air, misalnya penentuan perubahan kedalaman

aliran dari waktu ke waktu untuk keperluan transfortasi air. Bagi keperluan analisa

hidrologi, data tinggi muka air digunakan sebagai dasar perhitungan debit

(Soewarno, 2013).

Pengukuran tinggi muka air dapat dilakukan dengan menggunakan alat

ukur tinngi muka air yaitu papan duga (staff gauge). Hubungan keeratan antara

debit air dan tinggi muka air dianalisis menggunakan Persamaan 5:

= a(h)2 - (h) c ....................................................................................... (5)

Keterangan :

Q = Debit air sungai (m³/detik)

h = Tinggi muka air (m)

a, b dan c = Nilai kontanta (Linsley dan Franzini, 1991 ; Neno dkk, 2016).

Universitas Sumatera Utara

 11

Liku Kalibrasi (Rating Curve)

Liku kalibrasi (rating curve) adalah hubungan grafis antara tinggi muka air

dan debit. Dibuat berdasarkan data pengukuran debit dari berbagai ketinggian

muka air, yang mencakup keadaan tinggi muka air rendah sampai tinggi. Jumlah

dan sebaran data pengukuran debit yang dapat menggambarkan hubungan antara

tinggi muka air dan debit dari muka air terendah sampai tertinggi harus cukup

mewakili keadaan sebenarnya kejadian di lapangan (Togatorop dkk, 2016).

Menurut Hatta (2018) persamaan rating curve pada musim kemarau yang

digunakan adalah model polinomial karena memiliki nilai koefisien korelasi (r)

tertinggi, yaitu 0,936 dengan Persamaan 6 dan persamaan 7 :

Q = 37,58(h)2 – 8,019(h) + 0,869 ................................................................ (6)

Menurut Setiawan (2019) persamaan rating curve pada musim hujan yang

digunakan adalah model polinomial karena memiliki nilai koefisien korelasi (r)

tertinggi, yaitu 0,986 dengan Persamaan :

Q = 18,97(h)2 + 1,372(h) – 0,190 ................................................................ (7)

Koefisisen Regim Sungai dan Koefisien Run Off

Koefisien regim Sungai (KRS) adalah bilangan yang menunjukkan

perbandingan antara nilai debit maksimum (Q maks) dengan debit minimum

(Q min) pada suatu DAS. Nilai KRS yang tinggi menunjukkan kisaran nilai

Q maks dan Q min sangat besar, atau dapat dikatakan bahwa kisaran nilai

limpasan pada musim penghujan (air banjir) yang terjadi besar, sedang pada

musim kemarau aliran air yang terjadi sangat kecil atau menunjukkan kekeringan.

Secara tidak langsung, kondisi ini ini menunjukkan bahwa daya resap lahan di

DAS/Sub DAS kurang mampu menahan dan menyimpan air hujan yang jatuh dan

Universitas Sumatera Utara

 12

limpasan yang banyak yang terus masuk ke sungai dan terbuang ke laut sehingga

ketersediaan air di DAS/Sub DAS saat musim kemarau sedikit (Dephut, 2009).

Tabel 1. Penilaian indikator hidrologi DAS

Parameter Satuan Nilai Kuantitatif Nilai Kualitatif
<0,58 Baik
Debit Maksimum Spesifik m3/s/km2 0,58 – 1,5 Sedang
>1,5 Buruk
>0,035 Baik
Debit Miimum Spesifik m3/s/km2 0,001 – 0,035 Sedang
<0,001 Buruk
<50 Baik
Koefisien Regim Sungai - 50 – 120 Sedang
>120 Buruk
Sumnber: Elkagian, 2013.

Koefisien air larian (C) adalah bilangan yang menunjukkan perbandingan

anatara besarnya air larian terhadap besarnya curah hujan. Angka koefisien air

larian ini merupakan salah satu indikator untuk menetukan apakah suatu DAS

terlalu mengalami gangguan (fisik). Nilai C yang besar menunjukkan bahwa lebih

banyak air hujan yang menjadi air larian. Angka C berkisar dari 0 hingga 1.

Angka 0 menunjukkan bahwa semua air hujan terdistribusi menjadi air intersepsi

dan infiltrasi. Sedangkan C = 1 menunjukkan bahwa semua air hujan mengalir

sebagai air larian. Di lapangan, angka koefisien larian biasanya lebih besar dari 0

dan lebih kecil dari 1 (Asdak, 2010).

Model Hidrologi

Rauf (1994) menjelaskan bahwa model hidrologi adalah sebuah gambaran

sederhana dari suatu sistem hidrologi yang aktual. Dooge dalam Harto (1993)

menyatakan pengertian sistem sebagai suatu struktur, alat, skema atau prosedur,

baik riil maupun abstrak, yang dikaitkan dalam satu referensi waktu tertentu

sebuah masukan atau sebab, tenaga atau informasi dengan keluaran pengaruh atau

tanggapan secara menyeluruh.

Universitas Sumatera Utara

 13

Model Hidrologi terdiri dari persamaan yang digunakan untuk menghitung

keluaran berupa hidrograf limpasan dari masukan yang berupa hujan efektif.

Dalam persamaan tersebut terdapat tetapan dan parameter model yang dapat

menggambarkan watak suatu sumber air. Dengan membangun suatu model, watak

dari bagian siklus hidrologi dapat dicirikan dengan lebih mudah, murah, cepat,

serta mendapat ketelitian yang tinggi (Sri Harto,1993).

Model Mock

Mock (1973) telah memperkenalkan model hujan aliran untuk diterapkan

di Indonesia. Model tersebut mempunyai metode perhitungan yang relatif

sederhana dan mudah penerapannya. Perhitungan dilakukan berdasarkan data

curah hujan, evapotranspirasi, dan karakteristik hidrologi daerah tinjauan.Model

Mock dapat menghasilkan besaran ketersediaan air di sumber air.

Dalam makalahnya, “Land Capability Appraisal Indonesia & Water

Availability Appraisal”, F.J Mock memperkenalkan model sederhana simulai

keseimbangan air untuk menghitung aliran sungai dari data curah hujan,

evapotranspirasi dan karakteristik hidrologi Daerah Aliran Sungai (DAS) untuk

memperkirakan ketersediaan air di sungai. Di Indonesia, metode ini lebih dikenal

dengan sebutan Metode F.J Mock. Metode ini sangat dianjurkan untuk

memperkirakan debit andalan sungai-sungai yang ada di Indonesia oleh Dirjen

ESDM pada tahun 2009 (Wirasembada, 2012). Metode ini sudah digunakan untuk

menghitung ketersediaan air di beberapa DAS di Indonesia, antara lain DAS

Cidanau di provinsi Banten, DAS Cimanuk di provinsi Jawa Barat oleh Bakhtiar

pada tahun 2010 (Wirasembada, 2012) DAS Marmoyo di Jawa Timur oleh

Marsudi pada tahun 2011 (Wirasembada, 2012) dan lain-lain. Pada prinsipmya,

Universitas Sumatera Utara

 14

metode F J mock memperhitungkan volume air yang masuk, keluar dan yang

disimpan di dalam tanah (soil storage). Volume air yang masuk adalah hujan,

volume air yang keluar adalah infiltrasi, perkolasi dan yang paling dominan

adalah evapotranspirasi. Secara keseluruhan, perhitungan debit andalan dengan

Metode F.J Mock ini mengacu pada water balance, dimana volume air total yang

ada di bumi adalah tetap, hanya sirkulasi dan distribusinya yang bervariasi.

Perhitungan debit andalan F.J Mock dibagi ke dalam lima perhitungan utama.

Kelima perhitungan tersebut yaitu perhitungan evapotranspirasi aktual, water

balance atau keseimbangan air, run off dan air tanah, total volume tersimpan dan

aliran permukaan (Wirasembada, 2012).

Mock (1973) menggambarkan secara singkat dan sederhana model hujan

aliran dalam bentuk model tangki

Universitas Sumatera Utara

 15

AET

ER

SMC WS DRO = WS - I

ISM 𝑆𝑀

GWS
𝑆
IGWS
𝑄𝐵𝐴𝑆 𝐼− 𝑆

Gambar 1. Skema model tangki metode Mock

......................................................................................... (8)

- .............................................................................................. (9)

- ........................................................................................... (10)

= ......................................................................................... (11)

- .......................................................................................... (12)

Universitas Sumatera Utara

 16

= .................................................................................... (13)

X X WS ........................................................................... (14)

( ) ....................................................... (15)

- ............................................................................................... (16)

= - -( - )

= .................................................................................... (17)

Dengan:

P = hujan (mm)

AET = nilai evapotranspirasi aktual (mm)

ER = excess rainfall (mm)

DRO = direct rainfall (mm)

WS = water surplus (mm)

ASM = perubahan nilai kelembaban tanah (mm)

SMC = soil moisture capacity (mm)

ISM = initial soil moisture (mm)

AS = perubahan volume tanah

IGWS = initial ground water storage

QBAS = Debit base flow

Kalibrasi dan Validasi Model

Menurut Vase (2011) bahwa 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.

Universitas Sumatera Utara

 17

Menurut Soemarno (2003), validasi model pada hakekatnya merupakan usaha

untuk menyimpulkan apakah model sistem tersebut di atas merupakan perwakilan

yang sah dari realitas yang dikaji sehingga dapat dihasilkan kesimpulan yang

meyakinkan.

Pada prinsipnya, Metode Kalibrasi yang ada dapat dibedakan menjadi 3,

yaitu,(Sri Harto 1993) :

a. Coba dan ralat (trial and error)

Dalam hal ini nilai parameter dicocokkan secara manual dengan cara coba

dan ralat. Metode ini paling banyak digunakan dan direkomendasikan. Khususnya

untuk sebuah model yang kompleks. Dimana sebuah grafik yang bagus sudah

dianggap mewakili hasil simulasi.

b. Otomatis

Dalam hal ini, sebuah algoritma dipakai untuk menilai sebuah fungsi

objektif dan digunakan untuk mencari kombinasi dan permutasi parameter

sebanyak mungkin untuk menentukan tingkat keakuratan yang optimum.

c. Kombinasi

Dalam hal ini, kalibrasi secara otomatis dilakukan untuk melakukan

kisaran (range) nilai suatu parameter, selanjutnya digunakan trial and error

untuk menentukan suatu kombinasi yang optimal.

Pengukuran Keandalan Model

Koefisien korelasi (r) adalah harga yang menunjukkan besarnya

keterikatan antara nilai observasi dengan nilai simulasi. Jika harga koefisien

korelasi 0,7 hingga 1 menunjukkan adanya derajat asosiasi yang tinggi, sedangkan

koefisien korelasi lebih tinggi dari 0,4 hingga dibawah 0,7 menunjukkan

Universitas Sumatera Utara

 18

hubungan substansial, koefisiennya antara 0,2 hingga 0,4 menunjukkan adanya

korelasi yag rendah, dan apabila kurang dari 0,2 dapat diabaikan

(Damandjaja,1998).

Kesalahan volume adalah nilai yang menunjukkan perbedaan volume

hasil simulasi dan observasi selama periode simulasi. Jika nilai kesalahan volume

sangat kecil berarti nilai simulasi dan observasi hampir sama. Sebaliknya jika

nilai kesalahan volume sangat besar maka terjadi penyimpangan hasil simulasi

dan observasi (Damandjaja,1998).

Model dapat dikatakan teliti jika terdapat hubungan yang tinggi antara

debit terukur dengan debit simulasi, parameter yang digunakan untuk menguji

ketelitian adalah koefisien korelasi (R) dan volume error (VE). Adapun

persamaan 16 (r) dan persamaan 17 (VE) adalah

√(Dt2 -D2
R= ................................................................................................ (16)
Dt2

Dimana :

R = Koefisien korelasi

D2 = Total (Qobs – Qsim)

Dt2 = Total (Qobs – Qobs rerata)2

∑N o s- ∑N sim
VE = ∑N
.......................................................................... (17)
o s

Dimana:

VE = Volume Error (%)

Qobs = Debit observasi (m3/det)

Qsim = Debit simulasi (m3/det)

N = Jumlah data (Indarto, 2010)

Universitas Sumatera Utara

 19

METODOLOGI PENELITIAN

Waktu dan Tempat

Penelitian ini dilaksanakan pada bulan Februari sampai dengan Mei

2020. Lokasi penelitian terletak pada 3012’30”N – 3015’0”N dan 98029’0”

98032’30”E (Gambar 2) yang merupakan bagian hulu sub DAS Sei Petani

(DAS Deli) Kabupaten Karo, Provinsi Sumatera Utara.

Gambar 2. Sub DAS Sei Petani

Bahan dan Alat

Bahan yang diperlukan dalam penelitian ini adalah data curah hujan,

data klimatologi, data tinggi muka air, data persamaan hubungan tinggi

muka air dan debit, data luas DAS dan data kondisi umum lokasi

penelitian.

Universitas Sumatera Utara

 20

Alat yang diperlukan dalam penelitian ini adalah seperangkat komputer

dengan software Microsoft Excel, software Microsoft Word, dan

seperangkat alat tulis.

Prosedur Penelitian

1. Melakukan studi literatur dari buku – buku dan penelitian sebelumnya

serta mencari berbagai informasi terkait dengan penelitian yang sedang

dilakukan.

2. Mengumpulkan data – data yang dibutuhkan terkait dengan tahapan

penelitian yang akan dilakukan.

3. Mempelajari peta – peta yang ada kaitannya dengan DAS yang sedang

dikaji

4. Aplikasi model hidrologi dengan tahapan/langkah kerja yang telah

ditetapkan.

i. Menghitung curah hujan rerata

ii. Menghitung dan menganalisa data klimatologi untuk menghitung

nilai evapotranspirasi potensial menggunakan Persamaan Radiasi

iii. Menganalisa data tinggi muka air pada titik outlet Sei Petani untuk

mengetahui nilai debit pengamatan.

iv. Menghitung debit pengamatan dengan menggunakan persamaan 6

musim kemarau dan persamaan 7 musim hujan.

v. Menentukan nilai masing – masing parameter dengan metode trial

and error , untuk wilayah Indonesia, dimana nilai ISM antara 10 -

100, SMC antara 300 - 500, IGWS antara 1000 - 3000, WIC dan

DIC antara 0,5 - 1. , DIC harus lebih besar dari WIC, dan K antara

Universitas Sumatera Utara

 21

0,50 dan 0,99 (Sukirno dan Susanto, 2014).

vi. Menghitung debit hasil keluaran model hidrologi Mock (debit

hitung)

vii. Melakukan kalibrasi dengan membandingkan nilai debit keluaran

dengan debit pengamatan yang ditandai dengan nilai r dan VE

yang diperoleh dari hasil coba dan ralat (trial and error) nilai

parameter model FJ Mock.

viii. Setelah mendapatkan nilai parameter dari hasil kalibrasi

selanjutnya dilakukan tahap validasi dengan cara memasukkan

nilai parameter yang diperoleh pada tahap kalibrasi dengan

menggunakan data pada tahun yang berbeda. Jika hasil yang

diperoleh memiliki nilai keterikatan yang baik maka model FJ

Mock dapat digunakan untuk menduga debit setengah bulanan

pada Sub DAS Sei Petani.

Analisa Data

1. Perhitungan Curah Hujan Wilayah (Metode Aritmatika)

Data hujan harian yang diperoleh dari stasiun pengukur curah hujan

dan diakumulasi menjadi data curah hujan rerata dan dianalisa dengan

menggunakan metode rata-rata untuk mendapatkan curah hujan rata-rata

wilayah. Curah hujan rata-rata wilayah dapat dihitung dengan

Persamaan 1.

2. Perhitungan Evapotranspirasi

Perhitungan evapotranspirasi dapat dihitung dengan metode Radiasi

pada Persamaan 3.

Universitas Sumatera Utara

 22

3. Perhitungan Debit Sungai Pengamatan

Data dasar yang digunakan dalam perhitungan debit sungai diproleh

dari perhitungan tinggi muka air sungai otomatis yang tercatat dalam

AWLR (Automatic Water Level Recorder) dan persamaan hubungan antara

tinggi muka air di Stasiun Pengamat Arus Sungai (SPAS) dengan debit

(rating curve). Hubungan antara debit dan tinggi muka air sungai pada suatu

tempat dapat digambarkan dalam persamaan garis liku kalibrasi yang pada

umumnya berbentuk garis lengkung. Perhitungan dapat dihitung dengan

persamaan

Persamaan musim kemarau

Q = 37,58(h)2 – 8,019(h) + 0,869 (Hatta,2018)

Persamaan musim hujan

Q = 18,97(h)2 + 1,372(h) – 0,190 (Setiawan, 2019)

Beberapa tahapan yang dilakukan dalam perhitungan debit pada

model FJ Mock adalah:

1. Tahap Kalibrasi

Tahap kalibrasi dilakukan untuk menyesuaikan nilai parameter

model dengan kondisi DAS lokasi penelitian agar dapat merepresentasikan

kondisi DAS mendekati yang sebenarnya sehingga perhitungan debit model

dapat mendekati nilai debit pengamatan. Parameter yang digunakan dalam

model Mock ini ialah initial soil moisture (ISM), soil moisture capacity

(SMC), initial ground water storenge (IGWS), koefisien infiltrasi, dan

koefisien resesi. Kalibrasi parameter dilakukan dengan cara coba-coba

hingga mendapatkan parameter optimum. Parameter optimum didapatkan

Universitas Sumatera Utara

 23

ketika koefisien korelasi > 0,75 dan VE < 0,1. Pada tahap kalibrasi data

yang digunakan ialah data masukan tahun 2017.

2. Tahap Verifikasi

Tahap verifikasi bertujuan untuk memastikan bahwa parameter hasil

kalibrasi dapat mewakili karakteristik DAS sebenarnya. Verifikasi

dilakukan dengan cara memasukkan nilai-nilai parameter sebagai data

masukan yang telah digunakan pada tahap kalibrasi. Kemudian dari data

yang digunakan pada tahap verifikasi dibandingkan dengan data observasi.

Verifikasi keabsahan parameter dilakukan hingga koefisien >0,75 dan

VE<0,1 sehingga parameter optimum sudah dapat digunakan untuk

melakukan simulasi untuk menduga nilai debit Sub DAS Sei Petani. Pada

tahap verivikasi data yang digunakan ialah data masukan tahun 2018.

3. Simulasi

Tahap simulasi bertujuan untuk menduga nilai debit Sub DAS Sei

Petani.

Analisa Indikator Hidrologi Daerah Aliran Sungai

Indikator dasar DAS merupakan parameter – parameter yang

digunakan untuk menilai kondisi suatu DAS apakah dalam keadaan baik

atau buruk terkait dengan usaha yang dilakukan di dalam

sistemnya.Indikator dasar DAS atau disebut indikator kesehatan DAS dapat

dilihat berdasarkan nilai yang ditunjukkan oleh parameter – parameternya,

yaitu debit maksimum, debit minimum, dan koefisien regim sungai (KRS):

a. Debit Maksimum

Perhitungan debit maksimum (m3/s) dilakukan dengan menghitung

Universitas Sumatera Utara

 24

debit puncak atau debit tertinggi aliran sungai dalam kurun waktu

satu tahun.

b. Debit Minimum

Perhitungan debit minimum (m3/s) dilakukan dengan menghitung

debit terendah di aliran sungai dalam kurun waktu satu tahun.

c. Koefisien Regim Sungai

Koefisien regim sungai merupakan rasio antara debit maksimum

dengan debit minimum tahunan hasil simulasi model Mock yang

dapat dituliskan dengan Persamaan 20:

KRS = Qmax / Qmin ............................................................................ (20)

Universitas Sumatera Utara

 25

HASIL DAN PEMBAHASAN

Kondisi Umum Lokasi Penelitian

Lokasi penelitian terletak pada 030 12’ 52,81” s/d 030 47’06,11” LU

dan 980 29’ 23,32” s/d 980 42’ 49,79” BT yang merupakan SPAS Doulu

bagian di Sub DAS Sei Petani (DAS Deli). Luas Sub DAS Sei Petani

1191 Ha sehingga termasuk kedalam kategori DAS sangat kecil

(Permenhut, 2013) dengan panjang aliran sungai utama 5,7 km. Penggunaan

lahan yang ada pada Sub DAS Sei Petani meliputi pemukiman, pertanian

lahan kering, sawah, tanah terbuka, semak belukar dan hutan. Pada daerah –

daerah dengan kerapatan vegetasi tinggi (hutan, kebun campur) akan

mempunyai tingkat koefisien aliran yang relative kecil apabila dibandingkan

dengan daerah – daerah dengan kerapatan vegetasi rendah atau bahkan tanpa

vegetasi (permukiman di daerah perkantoran).

Sumber gambar : Setiawan, 2018

Gambar 3. Peta penutupan lahan Sub DAS Sei Petani

Universitas Sumatera Utara

 26

Perhitungan Rata - Rata Curah Hujan Wilayah

Analisis rata – rata curah hujan Sub DAS Sei Petani diperoleh dari

stasiun Tuntungan di kawasan DAS Deli. Curah hujan yang digunakan ialah

data curah hujan yang diambil dari tahun 2017-2019. Dalam penelitian ini

data curah hujan sangat berpengaruh dan menjadi kelemahan terhadap nilai

parameter optimal yang diperoleh, dikarenakan hanya satu stasiun yang

memiliki data curah hujan yang lengkap sehingga nilai parameter

optimalnya cukup sulit diperoleh. Analisis perhitungan dilakukan dengan

menggunakan software Microsoft Excel.

300

250

200
mm

150

100

50

0
Agt I

Okt I
Feb I

Sep I

Nov I
Jun II
Juli I
Mei II

Des II
Jan II

Mar I

Apr II

Jun I

Okt II
Mei I

Agt II
Jan I

Apr I

Nov II
Des I
Feb II

Sep II
Mar II

Juli II

Gambar 4 : Grafik curah hujan

Pada grafik curah hujan diatas dapat dilihat bahwa setiap tahunnya

selalu ada perubahan terhadap curah hujan yang jatuh kepermukaan bumi.

Pada curah hujan tahun 2017 sampai tahun 2019 memiliki perubahan yang

cukup signifikan dikarenakan adanya tengah bulanan yang sama sekali tidak

terjadinya hujan. Dalam hal tersebut dapat terjadi kesulitan dalam

melakukan optimasi parameter terhadap model Mock. Data masukan curah

Universitas Sumatera Utara

 27

hujan sangat berpengaruh untuk melakukan optimasi parameter dan data

curah hujan ini sangat sensitif terhadap nilai keluaran model.

Nilai curah hujan yang diperoleh dapat digunakan sebagai data

masukan model Mock untuk menghitung ketersediaan air disumber air.

Perhitungan Evapotranspirasi dengan Metode Radiasi

Berdasarkan analisa data klimatologi yang mencakup data

temperatur (0C), data kelembaban udara (%), penguapan (mm), penyinaran

matahari (%) dan kecepatan angin (km/jam), maka dapat dihitung nilai

evapotranspirasi setengah bulanan dengan menggunakan persamaan Radiasi

Persamaan 3 sehingga diperoleh hasil besarnya evapotranspirasi seperti pada

tabel lampiran 5.

60
50
40
30
mm

20
10
0
Sep I
Feb I

Jul II
Agt I

Okt I
Mei II

Jun II

Nov I
Jan II

Mar I

Apr II
Mei I

Jun I

Jul I

Des II
Jan I

Agt II

Okt II
Feb II

Apr I

Sep II

Nov II
Des I
Mar II

Gambar 5: Grafik evapotranspirasi

Berdasarkan grafik diatas dapat dilihat besarnya penguapan yang

terjadi pada Sub DAS Sei Petani mengalami perubahan dari bulan ke bulan,

yang masih relatif stabil. Penguapan paling besar terjadi di Bulan April dan

penguapan paling terendah terjadi pada bulan Desember. Hasil dari

evapotranspirasi akan menjadi masukan untuk menghitung ketersediaan air

pada suatu aliran air dengan menggunakan Microsoft Solver.

Universitas Sumatera Utara

 28

Pada proses evapotranspirasi tinggi dan rendahnya evapotranspirasi

disebabkan oleh beberapa faktor, di antaranya kelembaban, lama penyinaran

matahari, suhu udara, dan kecepatan angin. Menurut (Asdak, 2010) ETP

adalah evapotranspirasi maksimal yang dapat terjadi pada kondisi cukup air

dan semua tanaman dianggap seragam yaitu rumput hijau setinggi 5 cm.

ETP lebih dipengaruhi oleh faktor-faktor iklim seperti suhu, kelembapan,

dan radiasi matahari. Sedangkan ETA lebih dipengaruhi oleh faktor fisiologi

tanaman dan unsur tanah. Nilai evapotranspirasi dapat ditentukan melalui

pengukuran langsung maupun perhitungan.

Pada penelitian ini tinggi rendahnya nilai evapotranspirasi sangatlah

berpengaruh terhadap hasil keluaran model Mock. Dalam hal ini nilai

evapotranspirasi sangat berpengaruh terhadap sensivitas parameter model

Mock (luasan DAS , WIC, DIC, ISM, SMC, IGWS dan Koefisien

konstanta), jika terdapat nilai evapotranspirasi yang sangat

berkesinambungan maka sensivitas terhadap nilai parameter model

sangatlah berpengaruh untuk menghasilkan keluaran model. Nilai

evapotranspirasi dan curah hujan inilah yang menjadi parameter utama

dalam model FJ Mock ini, maka dari itu jika data masukan evapotranspirasi

dan curah hujan sedikit saja salah maka sensivitas terhadap keluaran model

sangatlah berpengaruh besar.

Analisa Debit Pengamatan

Kondisi hidrologi suatu DAS dapat diketahui dari nilai pengamatan

debit air yang terukur disuatu outlet (titik pengamatan). Debit aliran

dihasilkan dari data tinggi muka air (TMA) dan data kecepatan arus sungai

Universitas Sumatera Utara

 29

pada suatu penampang di titik keluaran pada suatu daerah tangkapan air.

Pada penelitian ini, TMA dan kecepatan arus diukur di Stasiun Pengamat

Arus Sungai (SPAS) yang merupakan bangunan di badan sungai dengan

penampang permanen di suatu titik keluaran. TMA diukur dengan

menggunakan satu set alat ukur TMA otomatis (Automatic Water Level

Recorder).

Debit pengamatan dihitung dengan menggunakan persamaan dari

penelitian sebelumnya, yaitu (Setiawan, 2019). Pengamatan debit air terukur

pada kawassan Sub DAS Sei Petani dapat dilihat pada tabel lampiran 7.

Selain data debit pengamatan secara terukur dilakukan perhitungan data

debit simulasi untuk memperoleh nilai – nilai parameter model hidrologi

guna untuk mengetahui kondisi hidrologi suatu DAS. Perhitungan debit

hitung dilakukan dengan simulasi Model Hidrologi Mock, untuk

menghitung debit simulasi tersebut diperlukan data masukan seperti curah

hujan, evapotranspirasi, dan faktor tanaman. Pada proses model hidrologi

Mock dilakukan dengan tahap kalibrasi dan verifikasi. Hasil nilai

keakuratan debit simulasi ditentukan berdasarkan nilai koefisien korelasi

antara debit terukur (observasi) dan debit simulasi.

Aplikasi Model Hidrologi Mock

Model Mock merupakan model sederhana yang digunakan untuk

mengetahui banyaknya ketersediaan air di sumber air. Model Mock juga

telah teruji dan dapat diterima dilihat dari penelitian – penelitian yang

pernah dilakukan di wilayah lain, namun masing – masing model juga

memiliki keterbatasan dan keunggulan. Parameter masukan utama untuk

Universitas Sumatera Utara

 30

Model Mock yaitu rerata curah hujan wilayah setengah bulanan serta nilai

evapotranspirasi setengah bulanan, panjang sungai (L), koefisien infiltrasi

(i), initial soil moisture (ISM), soil moistuer capacity (SMC), groundwater

resesi constant (K) dan initial groundwater storage (IGWS atau SS).

Keuntungan metode Mock menurut Habibi (2010) hasil analisis

dengan metode Mock lebih akurat karena lebih banyak mempertimbangkan

keadaan alam yang mempengaruhi ketersediaan air. Kelemahan metode

Mock adalah banyaknya parameter yang harus dicari sehingga apabila salah

satu data tidak tersedia maka metode ini tidak akan digunakan.

Kalibrasi Model Hidrologi Mock

Tahap kalibrasi model hidrologi Mock dilakukan dengan cara trial

and error (coba dan ralat) dengan program Microsotf Excel. Tahap kalibrasi

menggunakan data curah hujan, dan evapotranspirasi pada tahun 2017. Pada

tahap kalibrasi model hidrologi Mock dilakukan perubahan nilai parameter,

yaitu WIC, DIC, ISM, SMC, IGWS, dan K dengan menggunakan Microsoft

Solver. kalibrasi bertujuan untuk mencari korelasi antara debit simulasi dan

debit terukur. Menurut (Vase, 2011) bahwa 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.

Pada pengujian Model Mock hampir semua parameternya sensitif

terhadap hasil keluaran model. Parameter yang paling sensitif adalah

Groundwater Recession Constant (K) dimana pergeseran nilai sedikit saja

Universitas Sumatera Utara

 31

dapat mengubah hasil keluaran dengan sangat besar. Dibutuhkan ketelitian

yang lebih dalam melakukan kalibrasi pada Model Mock .

Tabel 2. Hasil optimasi parameter dengan microsoft solver model Mock

Sub DAS Sei Petani
Parameter DAS Satuan Simbol Hasil Optimasi
Luas DAS Km2 A 11,91
Koefision Infiltrasi Musim Basah - WIC 0,1
Koefisien Infiltrasi Musim Kering - DIC 0,4
Initial Soil Moisture (mm) ISM 155
Soil Moisture Capacity (mm) SMC 200
Initial Groundwater Storage (mm) IGWS 1600
Groundwater Recession Constant - K 0,889

Parameter IGWS (tampungan kelengasan tanah) merupakan

cadangan air yang besarnya ditentukan oleh selisih dari tampungan akhir

dan tampungan awal. Besar tampungan ini ditentukan oleh hujan,

evapotranspirasi dan kelebihan kelengasan yang menjadi limpasan langsung

dan imbuhan air tanah. Pada parameter SMC (kapasitas kelembaban tanah)

nilainya ditentukan dari tipe penutupan lahan suatu daerah.

Berdasarkan hasil kalibrasi diperoleh nilai r sebesar 0,8769 dan VE

sebebsar 0,1334% . Nilai tersebut menunjukkan hubungan yang sangat baik

antara debit simulasi dan debit terukur, dimana rataan nilai dabit terukur

dengan debit terhitung tidak berbeda jauh. Menurut (Damandjaja, 1998) jika

harga koefisien korelasi 0,7 hingga 1 menunjukkan adanya derajat asosiasi

yang tinggi, sedangkan koefisien korelasi lebih tinggi dari 0,4 hingga

dibawah 0,7 menunjukkan hubungan substansial, koefisiennya antara 0,2

hingga 0,4 menunjukkan adanya korelasi yag rendah, dan apabila kurang

dari 0,2 dapat diabaikan.

Universitas Sumatera Utara

 32

Untuk menilai hasil dari model hidrologi selain dengan

menggunakan perhitungan statistik, juga disertakan kriteria visual yaitu

grafik time series dan scatter diagram

3.5 500
450
3
400
2.5 350

hujan (mm)
Debit (mm)

2 300
250
1.5 200
1 150
100
0.5
50
0 0
Feb I

Jul II
Agt I

Sep I

Okt I
Jun II

Nov I
Mei II
Jan II

Mar I

Jul I
Apr II

Jun I

Des II
Jan I

Agt II
Feb II

Mei I

Sep II

Okt II
Apr I

Nov II
Des I
Mar II

hujan debit hitung debit pengamatan

Gambar 6 : Grafik kalibrasi model Mock Sub DAS Sei Petani

Pada grafik diatas menggambarkan pergerakan debit terhitung

dengan debit pengamatan dan selisih diantara keduanya. Pada grafik

tersebut menggambarkan curah hujan yang besar menghasilkan debit yang

besar dan curah hujan yang relatif kecil menghasilkan debit yang kecil,

tetapi korelasi antara curah hujan dengan debit tidak selalu positif.

3.5
3
Q sim (m3/s)

2.5
2
1.5 y = 0,8504x + 0,0284
1 R² = 0,7727
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5
3
Q obs (m /s)

Gambar 7: Grafik hubungan korelasi Qsim dan Qobs proses kalibrasi

Universitas Sumatera Utara

 33

Dari diagram scatter diatas diperoleh nilai R 2 0,7727 yang berarti

memiliki korelasi yang sangat baik antara debit simulasi dan debit

observasi.

Tabel 3. Debit hasil kalibrasi model Mock

Bulan Q Pengamatan Q Hitung
Jan I 1,954 1,834
Jan II 2,643 2,160
Feb I 1,986 1,764
Feb II 1,410 1,281
Mar I 1,914 1,582
Mar II 1,557 1,393
Apr I 1,985 1,495
Apr II 1,326 0,781
Mei I 2,816 2,290
Mei II 3,292 3,001
Jun I 1,567 1,186
Jun II 1,167 1,354
Jul I 1,805 1,685
Jul II 1,077 0,761
Ags I 1,913 1,524
Ags II 0,869 0,634
Sep I 2,274 2,058
Sep II 0,914 1,733
Okt I 1,496 1,515
Okt II 1,149 0,739
Nov I 2,188 2,266
Nov II 1,047 0,496
Des I 1,845 1,387
Des II 1,946 1,599

Tahap Verifikasi Model Mock

Tahap selanjutnya yang perlu dilakukan agar parameter tersebut

dapat dikatakan valid atau dapat digunakan untuk mensimulasi hujan aliran

adalah dengan melakukan verifikasi, yaitu menguji keberlakuan parameter

yang telah dikalibrasi tersebut dengan memasukkan parameter masukan

utama (curah hujan rata – rata wilayah dan evapotranspirasi) pada tahun

Universitas Sumatera Utara

 34

yang berbeda, dan kemudian diverifikasi dengan membandingkan debit

hasil perhitungan model dengan debit pengamatan melalui uji statistik dan

visual. Adapun data yang dipakai untuk melakukan verifikasi ialah data

tahun 2018. Menurut (Soemarno, 2003), validasi model pada hakekatnya

merupakan usaha untuk menyimpulkan apakah model sistem tersebut di atas

merupakan perwakilan yang sah dari realitas yang dikaji sehingga dapat

dihasilkan kesimpulan yang meyakinkan.

Dalam tahap verifikasi diperoleh nilai evaluasi kemiripan nilai debit

terhitung dengan debit terukur ialah koefisien korelasi (r) sebesar 0,8135

dan volume error (VE) sebesar 0,213%. Hasil uji verifikasi debit hasil

perhitungan dengan debit pengukuran disajikan dalam bentuk tabel, time

serries dan scatter diagram

3 300
2.5 250

hujan (mm)
Debit (mm)

2 200
1.5 150
1 100
0.5 50
0 0
Feb I

Jul II

Okt I
Sep I

Nov I
Jun II

Agst II
Mei II

Jul I

Des II
Jan II

Mar I

Apr II

Jun I

Agst I
Jan I

Okt II
Feb II

Mei I

Sep II
Apr I

Nov II
Des I
Mar II

hujan debit hitung debit pengamatan

Grafik 8. Verifikasi model Mock Sub DAS Sei Petani

2.5
Q sim (m3/s)

2
1.5
1
0.5 y = 0,7126x + 0,0631
R² = 0,7522
0
0 0.5 1 1.5 2 2.5 3
Q obs (m3/s)

Gambar 9 : Hubungan kolerasi Qsim dan Qobs verifikasi model Mock

Sub DAS Sei Petani

Universitas Sumatera Utara

 35

Pada tahap kalibrasi Nilai R2 = 0,772 berarti sebesar 77% dari nilai

debit terhitung memiliki kemiripan dengan debit pengamatan, tahap

verifikasi dengan nilai R2 = 0,752 dapat dikatakan bahwa pertambahan dan

penurunan nilai debit hitung memiliki kemiripan 75% dengan debit

pengamatan.

Tabel 4. Debit hasil verifikasi model Mock

Bulan Q Pengamatan Q Hitung
Jan I 2,704 2,285
Jan II 1,867 1,805
Feb I 1,196 1,300
Feb II 1,110 1,156
Mar I 1,162 1,027
Mar II 2,388 1,532
Apr I 1,077 1,039
Apr II 1,539 1,261
Mei I 1,243 0,963
Mei II 1,429 0,784
Jun I 0,964 0,600
Jun II 1,585 1,373
Jul I 1,923 1,605
Jul II 1,300 1,036
Ags I 0,953 0,574
Ags II 0,953 0,454
Sep I 0,953 0,695
Sep II 1,956 1,611
Okt I 1,166 1,069
Okt II 1,175 1,464
Nov I 1,270 0,761
Nov II 1,898 1,428
Des I 1,954 1,048
Des II 2,109 1,455

Setelah dilakukan verifikasi model, yaitu dengan menggunakan

parameter yang telah dioptimasi untuk melakukan uji dengan masukan data

dengan tahun yang berbeda, maka dilakukan uji statistik untuk mengetahui

performance model agar parameter tersebut dapat digunakan untuk simulasi.

Universitas Sumatera Utara

 36

Tabel 5. Debit hasil simulasi model Mock Sub DAS Sei Petani
Bulan Q Simulasi
Jan I 1,920
Jan II 2,815
Feb I 1,588
Feb II 2,042
Mar I 1,325
Mar II 1,519
Apr I 1,197
Apr II 0,839
Mei I 1,872
Mei II 1,348
Jun I 1,372
Jun II 1,916
Jul I 0,992
Jul II 1,105
Ags I 0,770
Ags II 1,333
Sep I 1,596
Sep II 1,956
Okt I 1,880
Okt II 1,837
Nov I 3,416
Nov II 1,876
Des I 2,324
Des II 2,629

400 4

350 3.5

300 3

250 2.5

200 2
curah hujan
150 1.5 debit simulasi
100 1

50 0.5

0 0
Agt I
Feb I

Jul II

Sep I

Okt I
Jun II

Nov I
Mar I

Mei II
Jan II

Jul I
Apr II

Des II
Mei I

Jun I
Jan I

Feb II

Agt II
Apr I

Sep II

Okt II

Nov II
Des I
Mar II

Gambar 10 : Hubungan curah hujan dan debit simulasi

Universitas Sumatera Utara

 37

Pada grafik diatas merupakan grafik hubungan curah hujan dengan

debit simulasi, dimana besarnya curah hujan tidak selamanya berpengaruh

terhadap besarmya debit pada aliran air. Hal ini tidak selalu berkaitan

dikarenakan adanya faktor-faktor lain yang dapat mempengaruhi besarnya

debit pada aliran sumber air. Menurut (Nugroho, 2015), Debit aliran adalah

jumlah air yang mengalir pada suatu titik keluaran (outlet) tertentu dalam

satuan volume per waktu. Debit aliran dihasilkan dari data tinggi muka air

(TMA) dan data kecepatan arus sungai pada suatu penampang di titik

keluaran pada suatu daerah tangkapan air.

Debit Maksimum, Debit Minimum dan Koefisien Regim Sungai (KRS)

Debit maksimum, debit minimum dan KRS merupakan parameter

kondisi suatu DAS berdasarkan karakteristik hidrologinya. Pada Sub DAS

Sei Petani nilai debit maksimum, debit minimum dan KRS rata – rata tengah

bulanan diperoleh berdasarkan hasil simulasi model Mock dengan

menggunakan data masukan tahun 2019. Nilai debit maksimum rata - rata

tengah bulanan adalah 3,416 m3/s. Jika debit maksimum tersebut

dibandingkan dengan luasan Sub DAS Sei Petani, maka nilainya adalah

0,286 m3/s/km2 dari hasil nilai tersebut Sub DAS Sei Petani masuk kategori

sebagai DAS yang baik.

Nilai debit minimum rata – rata tengah bulanan adalah 0,770 m3/s.

Jika debit minimum tersebut dibandingkan dengan luasan Sub DAS Sei

Petani, maka nilainya adalah 0,064 m 3/s/km2 dari hasil nilai tersebut Sub

DAS Sei Petani masuk kategori sebagai DAS yang baik.

Universitas Sumatera Utara

 38

Nilai koefisien regim sungai (KRS) dapat dihitung melalui

perbandingan antara besarnya nilai debit maksimum dengan debit minimum.

Sama halnya dengan nilai debit maksimum, dan debit minimum, koefisien

regim sungai juga merupakan salah satu indikator dalam menilai kesehatan.

Perhitungan nilai KRS Sub DAS Sei Petani berdasarkan nilai debit

maksimum dan debit minimum hasil simulasi Model Mock tahun 2019.

Berdasarkan hasil perhitungan tersebut nilai KRS yang diperoleh adalah

4,468. Nilai tersebut menunjukkan bahwa Sub DAS Sei Petani dalam

kategori baik. Dasar pengkategorian debit maksimum, debit minimum, dan

koefisien regim sungai dapat dilihat pada tabel 1.

Universitas Sumatera Utara

 KESIMPULAN DAN SARAN

Kesimpulan

Berdasarkan hasil penelitian Aplikasi Model Hidrologi Mock Untuk

Menghitung Debit Bulanan Sub DAS Sei Petani, maka dapat disimpulkan sebagai

berikut :

1. Pada proses kalibrasi hasil uji statistik model Mock diperoleh nilai

r = 0,8769 dan VE = 0,1334, pada proses verifikasi model Mock diperoleh

nilai r = 0,8135 dan VE = 0,2132.

2. Debit simulasi pada model Mock diperoleh debit maksimum sebesar

3,416 m3/s , nilai debit minimum sebesar 0,770 m 3/s dengan nilai KRS

4,468 . Dari hasil simulasi model Mock tersebut dapat diketahui bahwa

kondisi Sub DAS Sei Petani dalam keadaan baik.

3. Pada proses simulasi model Mock diperoleh nilai pada tiap-tiap parameter,

yaitu WIC 0,1 ; DIC 0,4 ; ISM 155 ; SMC 200 ; IGWS 1600 ; K 0,889.

Saran

Dalam melakukan pengukuran akan ada kekurangannya, maka dari itu

diperlukan adanya pengukuran secara berkala agar dapat mempermudah

penggunaan model hidrologi.

Universitas Sumatera Utara

 40

DAFTAR PUSTAKA

Asdak C. 1995. Hidrologi dan Pengelolaan Daerah Aliran Sungai. Gadjah Mada
University Press,Yogyakarta.

Asdak C. 2007. Hidrologi dan Pengelolaan Daerah Aliran Sungai.UGM – Press,

Yogyakarta.

Asdak C. 2010.Hidrologi dan Pengelolaan Daerah Aliran Sungai.UGM – Press,

Yogyakarta.

Bambang Triatmodjo. 2008. Hidrologi Terapan. Beta Offset, Yogyakarta.

Brooks KN., Folliot PF., Gregesen HM., and Thames JL. 1987. Hydrology and
The Management of Watershed, USA.

Sri Harto Br. 1993. Analisis Hidrologi. PT Gramedia Pustaka Utama. Jakarta.

Indarto. 2010. Hidrologi Dasar Teori Dan Contoh Aplikasi Model Hidrologi.
BUMI AKSARA, Jakarta.

Mock F. J. 1973. Land Capability Apprasial Indonesia Water Avability

Apprasial. Report Prepared for the Land Capability Apparasial Project.
Bogor-Indonesia.

Nugroho H. Y. S. H. 2015. Analisis Debit Aliran Das Mikro dan Potensi

Pemanfaatannya. Jurnal Penelitian Kehutanan Wallacea. 4: 23-34.

[Permenhut] Peraturan Menteri Kehutanan. 2013. Pedoman Identifikasi

Karakteristik Daerah Aliran Sungai. [diunduh 2018 September 10] tersedia
dari www.dephut.go.id

Rauf A. 1994. Aplikasi Model Hidrologi ANSWERS untuk Analisis Respon

Hidrologi Sub DAS Palu Timur Sulawesi Tengah [tesis]. Bogor. Program
Pascasarjana. Institut Pertanian Bogor.

Setiawan A., Susanto E. 2019. Penentuan Liku Kalibrasi Debit (Rating Curve)
Pada Musim Hujan di Daerah Aliran Sungai DAS Deli. Jurnal Ilmiah
Rekayasa Pertanian dan Biosistem. 7 (2): 157-165

Seyhan E. 1977. Fundamentals of Hydrology. Terjemahan. S. Subagyo. 1993.

Dasar-Dasar Hidrologi. Cetakan kedua. Gajah Mada Univ.
Press,Yogyakarta.

Soewarno. 1991. Hidrologi Pengukuran dan Pengelolaan Data Aliran Sungai

(Hidrometri). Penerbit Nova, Bandung.

Universitas Sumatera Utara

 41

Sukirno and S. Susanto. 2014. Application of Simple Hydrologic Model for

Recalculating Water Balance of Cacaban Dam Irrigation System,
Proceeding of International Symposium on Dams in Global
Environmental Challenges, ICOLD, Bali, Indonesia.

Suripin. 2004. Sistem Drainase Yang Berkelanjutan. Andi Offset, Yogyakarta.

Susanto E., Hatta N., Sumono. 2018. A Rating Curve Method For Determining
Debit For Dry Season In Micro Scale Watersheads. Journal of Earth
and Environmental Science, 260: 1-6.
doi : 10.1088/1755-1315/260/1/012029

Tanika L. 2016. Panduan Teknis Pengukuran Debit Sungai. World Agroforestry

Centre (ICRAF), Bogor.

Vase J., Jordan P., Beecham R., Frost A & Summerell G. 2011. Guidelines for
Rainfall-Runoff Modelling : Towards Best Practice Model Application.
Australia : eWater Cooprative Research Centre.

Wirasembada. Y. C. 2012. Pendugaan Reliability Waduk Nadra Krentang P.T.

Karakatau Tirta Industri. SKRIPSI S-1. Fakultas Teknologi
Pertanian Institut pertanian Bogor. Bogor.

Universitas Sumatera Utara

 42
Lampiran 1. Diagram alir penelitian

Mulai

Penentuan lokasi
penelitian

Pengumpulan data

Pengolahan data

Analisa debit Data Curah hujan

Klimatologi wilayah

Analisa Model
Mock

Kalibrasi Verifikasi

Debit terhitung

Hidrologi

Selesai

Universitas Sumatera Utara

 43

Lampiran 2. Nilai radiasi ekstrateristerial (Ra)

Utara
Lat Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des
50 3,8 6,1 9,4 12,7 15,8 17,1 16,4 14,1 10,9 7,4 4,5 3,2
48 4,3 6,6 9,8 13,0 15,9 17,2 16,5 14,3 11,2 7,8 5,0 3,7
46 4,9 7,1 10,2 13,3 16,0 17,2 16,6 14,5 11,5 9,3 5,5 4,3
44 5,3 7,6 10,6 13,7 16,1 17,2 16,6 14,7 11,9 8,7 6,0 4,7
42 5,9 8,1 11,0 14,0 16,2 17,3 16,7 15,0 12,2 9,1 6,5 5,2

40 6,4 8,6 11,4 14,3 16,4 17,3 16,7 15,2 12,5 9,6 7,0 5,7
38 6,9 9,0 11,8 14,5 16,4 17,2 16,7 15,3 12,8 10,0 7,5 6,1
36 7,4 9,4 12,1 14,7 16,4 1,2 16,7 15,4 13,1 10,6 8,0 6,6
34 7,9 9,8 12,4 14,8 16,5 17,1 16,8 15,5 13,4 10,8 8,5 7,2
32 8,3 10,2 12,8 15,0 16,5 17,0 16,8 15,6 13,6 11,2 9,0 7,8

30 8,8 10,7 13,1 15,2 16,5 17,0 16,8 15,7 13,9 11,6 9,5 8,3
28 9,3 11,1 13,4 15,3 16,5 16,8 16,7 15,7 14,1 12,0 9,9 8,8
26 9,8 11,5 13,7 15,3 16,4 16,7 16,6 15,7 14,3 12,3 10,3 9,3
24 10,2 11,9 13,9 15,4 16,4 16,6 16,5 15,8 14,5 12,6 10,7 9,7
22 10,7 12,3 14,2 15,5 16,3 16,4 16,4 15,8 14,6 13,0 11,1 10,2

20 11,2 12,7 14,4 15,6 16,3 16,4 16,3 15,9 14,8 13,3 11,6 10,7
18 11,6 13,0 14,6 15,6 16,1 16,1 16,1 15,8 14,9 13,6 12,0 11,1
16 12,0 13,3 14,7 15,6 16,0 15,9 15,9 15,7 15,0 13,9 12,4 11,6
14 12,4 13,6 14,9 15,7 15,8 15,7 15,7 15,7 15,1 14,1 12,8 12,0
12 12,8 13,9 15,1 15,7 15,7 15,5 15,5 15,2 15,2 14,4 13,3 12,5

10 13,2 14,2 15,3 15,7 15,5 15,3 15,3 15,5 15,3 14,7 13,6 12,9
8 13,6 14,5 15,3 15,6 15,3 15,4 15,1 15,4 15,3 14,8 13,9 13,3
6 13,9 14,8 15,4 15,4 15,1 15,2 14,9 15,2 15,3 15,0 14,2 13,7
4 14,3 15,0 15,5 15,5 14,9 15,1 14,6 15,1 15,3 15,1 14,5 14,1
2 14,7 15,3 15,6 15,3 14,6 14,9 14,3 14,9 15,3 15,3 14,8 14,4
0 15,0 15,5 15,7 15,3 14,4 14,8 14,1 14,8 15,3 15,4 15,1 14,8

Universitas Sumatera Utara

 44

Lampiran 3. Data curah hujan tahun 2017-2019 Sub DAS Sei Petani

Curah Hujan (mm)

Bulan
2017 2018 2019 Rerata
Jan I 101 153 91 115
Jan II 113 70 164 115,66
Feb I 81 4 51 54,66
Feb II 47 0 114 54,33
Mar I 92 32 51 66
Mar II 89 164 92 42,46
Apr I 152 72 84 102,66
Apr II 2 124 33 53
Mei I 344 81 211 212
Mei II 432 61 131 208
Jun I 104 40 139 94,33
Jun II 143 183 235 187
Jul I 208 223 82 171
Jul II 44 124 107 91,66
Ags I 194 43 56 97,66
Ags II 37 17 151 68,33
Sep I 300 93 194 195,66
Sep II 237 250 246 244,33
Okt I 195 148 246 191,66
Okt II 60 219 229 169,33
Nov I 239 68 335 214
Nov II 29 151 160 113,33
Des I 149 115 211 158,33
Des II 174 164 258 198,66

Universitas Sumatera Utara

 45

Lampiran 4. Data iklim bulanan tahun 2017-2019 Sub DAS Sei Petani
Kecepatan Sinar
RH
Bulan angin matahari
(%)
(m/s) (%)
Januari 87,77 4,07 69,42
Februari 86,08 4,49 72,25
Maret 83,82 4,20 79,18
April 86,1 3,93 79,36
Mei 85,53 3,72 83,50
Juni 78,98 4,84 81,66
Juli 79,33 4,80 81,66
Agustus 80,59 4,88 75,66
September 82,88 4,06 79,66
Oktober 82,5 3,72 83,83
November 86,73 3,99 66,86
Desember 87,96 4.19 73,69
Rata-rata 84,02 4,24 77,23

Universitas Sumatera Utara

 46

Lampiran 5. Data evapotranspirasi potensial setengah bulanan (mm)

Evapotranspirasi (mm)
Bulan
2017 2018 2019 Rerata
Jan I 47,916 44,676 38,773 43,789
Jan II 42,367 42,838 32,019 39,075
Feb I 38,735 45,275 43,683 42,565
Feb II 49,338 45,614 35,507 43,486
Mar I 39,487 50,046 40,641 43,391
Mar II 49,598 49,441 48,918 51,329
Apr I 53,324 50,764 49,918 51,329
Apr II 49,502 50,533 42,516 47,517
Mei I 51,731 51,857 33,562 45,717
Mei II 51,416 53,253 41,922 48,864
Jun I 54, 488 54,079 38,677 49,081
Jun II 52,645 49,504 41,832 42,994
Jul I 52,947 48,671 42,989 48,202
Jul II 46,478 54,039 39,659 46,726
Ags I 52,801 46,962 37,147 45,637
Ags II 48,891 50,182 28,451 42,508
Sep I 52,570 48,755 27,105 42,810
Sep II 54,372 51,438 19,899 41,903
Okt I 51,983 51,605 26,633 43,407
Okt II 52,010 53,882 38,765 48,219
Nov I 47,204 44,415 29,090 40,236
Nov II 51,545 40,627 20,791 37,655
Des I 45,984 49,467 13,157 36,204
Des II 45,943 43,604 25,719 38,422

Universitas Sumatera Utara

 47

Lampiran 6. Perhitungan ETo = c (W x RS)

Ket : ETo = Evapotranspirasi acuan (mm/hari)

Rs = Solar radiasi ekivalen (mm/hari)
W = Faktor koreksi temperatur dan ketinggian
c = Faktor koreksi kelembaban dan angin
RS = (0,25+0,50 n/N) x Ra

Pada setengah bulanan Januari I

Trata-rata =

26,9 25,9
=
26,9

= 26,4

Interpolasi nilai Ra

30 12’

12
3+ = 3,2
60

1 y y1
2 1 y2 y1

3,2 2 y 14,3
4 2 14,7 14,3

1,2 y 14,3
2 0,4

y = 14,6

Perhitungan nilai N

5 11,8

3,03 X

0 12,1

( )
X = x 12,1 – 11,8) + 12,1
( )

Universitas Sumatera Utara

 48

= 13,06

Perhitungan Faktor koreksi temperatur dan ketinggian (W)

W 24 24,8 26

500 0,74 X 0,76

1000 0,75 Y 0,77

2000 0,77 Z 0,79

( )
X = x (0,76 – 0,74) + 0,74
( )

= x 0,02 + 0,74

= 0,74

( )
Y = x (0,77 – 0,75) + 0,75
( )

= x 0,02 + 0,75

= 0,75

( )
Z = x (0,74 – 0,77) + 0,77
( )

= x (-0,03) + 0,77

= 0,75

RS = (0,25 + 0,50 x n/N) x Ra

= (0,25 + 0,50 x ) x 14,6

= 63,88

ETo = W x RS

= 0,75 x 63,88

= 47,916 mm

Universitas Sumatera Utara

 49

Pada setengah bulanan Januari II

Trata-rata =

25,9 22,8
=
25,9

= 24,35

Interpolasi nilai Ra

30 12’

12
3+ = 3,2
60

1 y y1
2 1 y2 y1

3,2 2 y 14,3
4 2 14,7 14,3

1,2 y 14,3
2 0,4

y = 14,6

Perhitungan nilai N

5 11,8

3,03 X

0 12,1

( )
X = x 12,1 – 11,8) + 12,1
( )

= 13,06

Universitas Sumatera Utara

 50

Perhitungan Faktor koreksi temperatur dan ketinggian (W)

W 24 24,35 26

500 0,74 X 0,76

1000 0,75 Y 0,77

2000 0,77 Z 0,79

( )
X = x (0,76 – 0,74) + 0,74
( )

= x 0,02 + 0,74

= 0,74

( )
Y = x (0,77 – 0,75) + 0,75
( )

= x 0,02 + 0,75

= 0,75

( )
Z = x (0,74 – 0,77) + 0,77
( )

= x (-0,03) + 0,77

= 0,75

RS = (0,25 + 0,50 x n/N) x Ra

= (0,25 + 0,50 x ) x 14,6

= 56,48

ETo = W x RS

= 0,75 x 63,88

= 42,367 mm

Universitas Sumatera Utara

 51

Lampiran 7. Debit observasi setengah bulanan Sub DAS Sei Petani (m3/s) tahun
2017-2018
Debit Observasi (m3/s)
Bulan
2017 2018
Jan I 1,954 2,704
Jan II 2,643 1,867
Feb I 1,986 1,196
Feb II 1,410 1,110
Mar I 1,914 1,162
Mar II 1,557 2,388
Apr I 1,985 1,077
Apr II 1,326 1,539
Mei I 2,816 1,243
Mei II 3,292 1,429
Jun I 1,567 0,964
Jun II 1,167 1,585
Jul I 1,805 1,923
Jul II 1,077 1,300
Ags I 1,913 0,953
Ags II 0,869 0,953
Sep I 2,274 0,953
Sep II 0,914 1,956
Okt I 1,496 1,166
Okt II 1,149 1,175
Nov I 2,188 1,270
Nov II 1,047 1,898
Des I 1,845 1,954
Des II 1,946 2,109

Universitas Sumatera Utara

 52

Lampiran 8. Dokumentasi kegiatan penelitian

a. Sub DAS Sei Petani pada kondisi normal

b. Sub DAS Sei Petani pada kondisi setelah hujan

c. Rumah water level logger

Universitas Sumatera Utara

Universitas Sumatera Utara