MODEL PENDUGAAN EROSI DALAM SUATU

SISTEM DAERAH ALIRAN SUNGAI (DAS)

Sistem adalah proses yang kompleks dan ditandai oleh
adanya hubungan timbal balik yang saling mempengaruhi
(Mise and Cox 1968).
Menurut Hillel (1977), suatu bentuk komposisi interaksi
yang dapat dibedakan dari lingkungan sekitarnya melalui
batasan fisik atau konseptual disebut sistem.
Sistem dibedakan berdasarkan bentuk interaksinya.
Jika interkasi yang terjadi dalam suatu sistem mempunyai
hubungan dengan lingkungan sekitarnya, maka sistem
tersebut digolongkan pada sistem yang terbuka.
Sebaliknya pada sistem yang tertutup hanya terjadi interaksi
di dalam sistem itu sendiri (Hal and Dracup 1970).
Sesuai dengan pengertian tersebut, menurut Hillel (1977),
analisis sistem merupakan bentuk terapan dalam
pengorganisasi data dan teori secara logis ke dalam model
dengan memperhatikan kemungkinan-kemungkinan dari
sistem-sistem yang ada.
Selanjutnya model tersebut diuji kesahihannya sebagai
dasar dalam memperbaiki atau menyesuaikan model untuk
menduga perilaku dari sistem.
Model merupakan representasi atau gambaran tentang
sistem (systems), obyek atau benda (objects) dan kejadian
(events).
Representasi tersebut dinyatakan dalam bentuk
sederhana yang dapat dipergunakan untuk berbagai
macam tujuan penelitian.
Penyederhanaan dilakukan secara representatif terhadap
perilaku proses yang relevan dari keadaan sebenarnya.
Pembentukan model dan menerapkan model dalam
percobaan merupakan bentukan dari simulasi (Dent and
Anderson 1971).
Menurut Hillel (1977), model simulasi merupakan teknik
numerik dari percobaan hipotetik dari suatu gejala atau
sistem dinamis dan dinyatakan secara kuantitatif.
Penggunaan model sebagai usaha untuk memahami suatu
sistem yang rumit merupakan teknik pengkajian yang lebih
sederhana dibandingkan jika melalui keadaan sebenarnya.
Model ini dapat digunakan untuk menduga dan
menerangkan gejala-gejala dalam suatu sistem secara
tepat (Nasution dan Barizi 1980).
Model yang dibentuk berdasarkan peramalan terhadap
sistem belum dapat dipastikan akan menghasilkan
peramalan yang tepat terhadap perilaku sistem yang
sejenis.
Model simulasi hidrologi dapat diklasifikasikan
berdasarkan luas kisaran karakteristiknya.
Untuk analisis DAS, model hidrologi diklasifikasikan ke
dalam lumped parameter versus distributed parameter,
event versus continous, dan stochastic versus
deterministic.
Brooks et al. (1987), Model hidrologi merupakan gambaran
sederhana dari suatu sistem hidrologi yang aktual.
Model hidrologi biasanya dibuat untuk mempelajari fungsi
dan respon suatu DAS dari berbagai masukan DAS.
Melalui model hidrologi dapat dipelajari kejadian-kejadian
hidrologi yang pada gilirannya dapat digunakan untuk
memprediksi kejadian hidrologi yang akan terjadi.
Harto (1993), model hidrologi adalah sebuah sajian
sederhana (simple representation) dari sebuah sistem
hidrologi yang kompleks.
Pendekatan sistem dalam dalam analisis hidrologi
merupakan suatu teknik penyederhanaan dari sistem
prototipe ke dalam suatu sistem model, sehingga perilaku
sistem yang kompleks dapat ditelusuri secara kuantitatif.
Hal ini menyangkut sistem dengan mengidentifikasikan
adanya aliran massa/energi berupa masukan dan keluaran
serta suatu sistem simpanan (Pawitan 1995).
Harto (1993) mengemukakan bahwa konsep dasar yang
digunakan dalam setiap sistem hidrologi adalah siklus
hidrologi.

Persamaan dasar yang menjadi landasan bagi semua

analisis hidrologi adalah persamaan neraca air (water
balanced equation).

Persamaan neraca air dari suatu DAS untuk suatu periode

dapat dinyatakan dengan persamaan berikut :

∆ S = Input – Output

Di mana : ∆ S = perubahan tampungan (storage change),

Input = masukan (inflow), dan Output = keluaran (outflow).
Harto (1993) mengemukakan bahwa tujuan penggunaan
suatu model dalam hidrologi, antara lain sebagai berikut:
a) peramalan (forecasting) menunjukkan besaran maupun
waktu kejadian yang dianalisis berdasar cara probabilistik;
b) perkiraan (predicting) yang mengandung pengertian
besaran kejadian dan waktu hipotetik (hipotetical future
time);
c) sebagai alat deteksi dalam masalah pengendalian;
d) sebagai alat pengenal (identification) dalam masalah
perencanaan;
e) ekstrapolasi data/informasi;
f) perkiraan lingkungan akibat tingkat perilaku manusia yang
berubah/meningkat; dan
g) penelitian dasar dalam proses hidrologi.
Harto (1993) mengemukakan bahwa secara umum model
dapat dibagi dalam tiga kategori, yaitu :
1) model fisik yang menerangkan model dengan skala
tertentu untuk menirukan prototipenya;
2) model analog yang disusun dengan menggunakan
rangkaian resistor-kapasitor untuk memecah
persamaan-persamaan diferensial yang mewakili proses
hidrologi;
3) model matematik yang menyajikan sistem dalam
rangkaian persamaan dan kadang-kadang dengan
ungkapan-ungkapan yang menyajikan hubungan antar
variabel dan parameter.
Model juga dapat diklasifikasikan menjadi:
1) model stokastik, di mana hubungan antara masukan
dan keluarannya didasarkan atas kesempatan kejadian
dan probabilitas;
2) model deterministik, di mana setiap masukan dengan
sifat-sifat tertentu, selalu akan menghasilkan keluaran
yang tertentu pula.
Di samping itu, model dapat digolongkan menjadi :
1) model empirik, yaitu model yang semata-mata
mendasarkan pada percobaan dan pengamatan;
2) model konseptual, yaitu model yang menyajikan proses-
proses hidrologi dalam persamaan matematik dan
membedakan antara fungsi produksi (production) dan
fungsi penelusuran (routing).
Sinukaban (1995) mengemukakan bahwa sebagai suatu
sistem hidrologi, DAS meliputi jasad hidup, lingkungan fisik
dan kimia yang berinteraksi secara dinamik, yang di
dalamnya terjadi kesetimbangan dinamik antara energi dan
material yang masuk dengan energi dan material yang
keluar.
Dalam keadaan alami, energi matahari, iklim di atas DAS
dan unsur-unsur endogenik di bawah permukaan DAS
merupakan masukan (input).
Sedangkan air dan sedimen yang keluar dari muara DAS
serta air yang kembali ke udara melalui evapotranspirasi
adalah keluaran (output) DAS.
Model USLE (universal soil loss equation), MUSLE (modified
USLE), RUSLE (revised USLE), CREAMS (chemical runoff
and erosion from agricultural management system) dan
GLEAMS (groundwater loading effect of agricultural
management system), tergolong dalam lumped parameter,
yaitu model yang mentransformasi curah hujan (input) ke
dalam aliran permukaan (output) dengan konsep bahwa
semua proses dalam DAS terjadi pada satu titik spasial.
WEPP (water erosion predicting project), KINEROS
(kinematic erosion simulation), EUROSEM (european soils
erosion model), TOP MODEL (topografically and physically
based, variable contributing area model of basin hidrology)
dan ANSWERS (areal nonpoint source watershed
environmental response simulation) tergolong distributed
parameter, yaitu model yang berusaha menggambarkan
proses dan mekanisme fisik dan keruangan, memperlakukan
masing komponen DAS atau proses sebagai komponen
mandiri dengan sifatnya masing-masing.
Model tersebut secara teori sangat memuaskan, tetapi data
lapangan sering terbatas untuk mengkalibrasi dan
memverifikasi hasil simulasi.
Model HEC-1 adalah event model yang mensimulasikan
respon hujan tunggal sebagai input data.
Sedangkan SWM-IV (stanford watershed model) dan
SWMM (storm water management model) merupakan
continous model yang didasarkan pada persamaan
kesetimbangan air dalam jangka yang lebih panjang.
Model tersebut cocok untuk digunakan pada DAS yang
memiliki ukuran yang lebih luas.
Model AGNPS (agricultural non point source pollution
model) merupakan gabungan antara model distribusi dan
model sekuensial.
Sebagai model distribusi, penyelesaian persamaan
keseimbangan massa dilakukan serempak untuk semua sel.

Sedangkan sebagai model sekuensial, air dan cemaran

ditelusuri dalam rangkaian aliran dipermukaan lahan dan di
saluran secara berurutan (Pawitan 1999)
Model SWAT (soil and water assessment toll) adalah model
yang dikembangkan untuk memprediksi dampak pengelolaan
lahan (land management practices) terhadap air, sedimen
dan bahan kimia pertanian yang masuk ke sungai atau badan
air pada suatu DAS yang kompleks, dengan tanah,
penggunaan tanah dan pengelolaannya yang bermacam-
macam sepanjang waktu yang lama (Arsyad 2006).
Model penduga erosi USLE (universal soil loss equation)
merupakan model empiris yang dikembangkan di Pusat Data
Aliran Permukaan dan Erosi Nasional, Dinas Penelitian
Pertanian, Departemen Pertanian Amerika Serikat (USDA)
bekerja sama dengan Universitas Purdue pada tahun 1954
(Kurnia 1997). Model tersebut dikembangkan berdasarkan
hasil penelitian erosi pada petak kecil (Wischmeier plot) dalam
jangka panjang yang dikumpulkan dari 49 lokasi penelitian.
Berdasarkan data dan informasi yang diperoleh dibuat model
penduga erosi dengan menggunakan data curah hujan, tanah,
topografi dan pengelolaan lahan.
Secara deskriptif model tersebut diformulasikan sebagai
(Arsyad 2006) :

A = RKLSCP

Di mana:
A : jumlah tanah yang tererosi (ton/ha/tahun)
R : faktor erosivitas hujan
K : faktor erodibilitas tanah
L : faktor panjang lereng
S : faktor kemiringan lereng
C : faktor penutupan dan pengelolaan tanaman
P : faktor tindakan konservasi tanah
Pada awalnya model penduga erosi USLE dikembangkan
sebagai alat bantu para ahli konservasi tanah untuk
merencanakan kegiatan usahatani pada suatu landscape
(skala usahatani).
Akan tetapi mulai tahun 1970, model ini menjadi sangat
populer sebagai model penduga erosi lembar (sheet erosion)
dan erosi alur (rill erosion) dalam rangka mengaplikasikan
kebijakan konservasi tanah.
Model ini juga pada awalnya digunakan untuk menduga erosi
dari lahan-lahan pertanian, tetapi kemudian digunakan pada
daerah-daerah penggembalaan, hutan, pemukiman, tempat
rekreasi, erosi tebing jalan tol, daerah pertambangan dan
lain-lain (Wischmeier 1976).
Model penduga erosi USLE juga telah secara luas digunakan
di Indonesia.
Disamping digunakan sebagai model penduga erosi wilayah
(DAS), model tersebut juga digunakan sebagai landasan
pengambilan kebijakan pemilihan teknik konservasi tanah
dan air yang akan diterapkan, walaupun ketepatan
penggunaan model tersebut dalam memprediksi erosi DAS
masih diragukan (Kurnia 1997).
Hal ini disebabkan karena model USLE hanya dapat
memprediksi rata-rata kehilangan tanah dari erosi lembar
dan erosi alur, tidak mampu memprediksi pengendapan
sedimen pada suatu landscape dan tidak menghitung hasil
sedimen dari erosi parit, tebing sungai dan dasar sungai
(Wischmeier 1976).
Berdasarkan hasil pembandingan besaran erosi hasil pengukuran pada
petak erosi standar (Wischmeier plot) dan erosi hasil pendugaan
diketahui bahwa model USLE memberikan dugaan yang lebih tinggi
untuk tanah dengan laju erosi rendah, dan erosi dugaan yang lebih
rendah untuk tanah dengan laju erosi tinggi.
Dengan kata lain kekurang-akuratan hasil pendugaan erosi pada skala
plot, mencerminkan hasil dugaan model ini pada skala DAS akan
mempunyai keakuratan yang kurang baik.
Disamping itu, model USLE tidak menggambarkan proses-proses
penting dalam proses hidrologi (Risse et al.1993).
Berdasarkan beberapa kelemahan tersebut, model erosi USLE
disempurnakan menjadi RUSLE (Revised USLE) dan MUSLE (Modified
USLE) dengan menggunakan teori erosi modern dan data-data terbaru
(Renard 1992 dalam Risse et al. 1993), tetapi masih tetap berbasis plot.
Hasil-hasil penelitian pengujian model penduga erosi USLE
baik yang dilakukan di Indonesia maupun di luar negeri
seperti Afrika, Eropa, negara-negara Asia dan di Amerika
Serikat itu sendiri, menunjukkan bahwa model penduga
erosi USLE tidak dapat digunakan secara universal (Kurnia
1997) dan memberikan hasil pendugaan yang bias jika
digunakan untuk memprediksi erosi DAS.
Hal tersebut disebabkan karena ekstrapolasi hasil penelitian
dari areal yang sempit ke areal yang lebih luas (DAS) akan
memberikan hasil yang keliru (Lal 1988).
Model ANSWERS (areal nonpoint source watershed
environmental response simulation) merupakan sebuah
model hidrologi dengan parameter terdistribusi yang
mensimulasikan hubungan hujan-limpasan dan
memberikan dugaan hasil sedimen. Model hidrologi
ANSWERS dikembangkan dari US-EPA (United States
Environment Protection Agency) oleh Purdue Agricultural
Enviroment Station (Beasley and Huggins 1991).
alah satu sifat mendasar dari model ANSWERS adalah
termasuk kategori model deterministik dengan pendekatan
parameter distribusi.
Model distribusi parameter DAS dipengaruhi oleh variabel
keruangan (spatial), sedangkan parameter-parameter
pengendalinya, antara lain : topografi, tanah, penggunaan
lahan dan sifat hujan.
Model ANSWERS adalah model deterministik yang
didasarkan pada hipotesis bahwa setiap titik di dalam DAS
mempunyai hubungan fungsional antara laju aliran
permukaan dan beberapa parameter hidrologi yang
mempengaruhi aliran, seperti intensitas hujan, infiltrasi,
topografi, jenis tanah dan beberapa faktor lainnya. Laju
aliran yang terjadi dapat digunakan untuk memodelkan
fenomena pindah massa, seperti erosi dan polusi dalam
wilayah DAS.
Dalam model ini suatu DAS yang akan dianalisis responnya
dibagi menjadi satuan elemen yang berukuran bujursangkar,
sehingga derajat variabilitas spasial dalam DAS dapat
terakomodasi.
Konsep distribusi disefinisikan melalui hubungan
matematika untuk semua proses simulasi, model ini
mengasumsikan bahwa suatu DAS merupakan gabungan
dari banyak elemen yang diartikan sebagai suatu areal yang
memiliki paramater hidrologi yang sama.
Setiap elemen akan memberikan kontribusi sesuai dengan
karakteristik yang dimiliki.
Model ini juga mengikut sertakan semua parameter kontrol
secara spasial.
Oleh karena itu model ANSWERS melakukan analisis pada
setiap satuan elemen.
Data masukan model ANSWERS dikelompokkan dalam lima bagian (de
Roo 1993), yaitu :

1) Data curah hujan, yaitu : jumlah dan intensitas hujan pada suatu
kejadian hujan.
2) Data tanah, yaitu : porositas total (TP), kapasitas lapang (FP), laju
infiltrasi konstan (FC), selisih laju infiltrasi maksimum dengan laju
infiltrasi konstan (A), eksponen infiltrasi (P), kedalaman zona kontrol
iniltrasi (DF), kandungan air tanah awal (ASM), dan erodibilitas tanah
(K).
3) Data penggunaan dan kondisi permukaan lahan, meliputi : volume
intersepsi potensial (PIT), persentase penutupan lahan (PER),
koefisien kekasaran permukaan (RC), tinggi kekasaran maksimum
(HU), nilai koefisien manning untuk permukaan lahan (N), faktor
tanaman dan pengelolaannya (C).
4) Data karakteristik saluran, yaitu lebar saluran (CW) dan koefisien
manning (N).
5) Data satuan individu elemen, yaitu : kemiringan lereng, arah lereng,
jenis tanah, jenis penggunaan lahan, liputan penakar hujan,
kemiringan saluran, dan elevasi elemen rata-rata.
Mekanisme model ANSWERS dapat dijelaskan sebagai berikut (de Roo 1993) :

1) Hujan yang jatuh pada suatu DAS dengan vegetasi tertentu, sebagian akan
diintersepsi oleh tajuk vegetasi (PER) sampai potensial simpanan intersepsi
(PIT) tercapai.
2) Apabila laju hujan lebih kecil dari laju intersepsi, maka air hujan tidak akan
mencapai permukaan tanah. Sebaliknya jika laju hujan lebih besar dari laju
intersepsi, maka terjadi infiltrasi.
3) Laju infiltrasi awal tersebut dipengaruhi oleh kandungan air tanah awal (ASM =
anticedent soil moisture), porositas tanah total (TP), kandungan air tanah pada
kapasitas lapang (FP), laju infiltrasi pada saat konstan (FC), laju infiltrasi
maksimum (FC+A), dan kedalaman zona kontrol infiltrasi (DF). Laju infiltrasi
akan menurun secara eksponensial dengan bertambahnya kelembaban tanah.
4) Jika hujan terus berlanjut, maka laju hujan menjadi lebih besar dari laju infiltrasi
dan intersepsi. Pada kondisi ini air mulai mengumpul dipermukaan tanah dalam
depresi mikro (retention storage) yang dipengaruhi oleh kekasaran permukaan
tanah, yaitu RC dan HU.
5) Jika retensi permukaan melebihi kapasitas depresi mikro, maka akan terjadi
limpasan permukaan, di mana besarnya limpasan permukaan tersebut
dipengaruhi oleh kekasaran permukaan (N), kelerengan dan arah aliran.
6) Bila hujan terus berlanjut, maka akan tercapai laju infiltrasi konstan (FC).
7) Pada saat hujan reda, proses infiltrasi masih terus berlangsung sampai
simpanan depresi sudah tidak tersedia lagi.
Keluaran model berupa hasil prediksi, yaitu : ketebalan
aliran permukaan, debit puncak, waktu puncak, rata-rata
kehilangan tanah, laju erosi maksimum tiap elemen, laju
deposisi maksimum tiap elemen dan pengurangan jumlah
sedimen akibat tindakan konservasi tanah.
Model ANSWERS juga menampilkan grafik yang berisi
hyetograf hujan terpilih, hidrograf aliran permukaan, dan
sedimentasi.
Dari setiap kajadian hujan dapat dianalisis debit puncak dan
waktu puncak.
Debit puncak adalah nilai puncak (tertinggi) dari suatu
hidrograf aliran, dan waktu puncak adalah selang waktu
mulai dari awal terjadinya aliran permukaan sampai
terjadinya debit puncak (Beasley and Huggin 1991).
Asumsi yang digunakan untuk memprediksi erosi dengan
model ini adalah :
1) erosi tidak terjadi di lapisan bawah permukaan;
2) sedimen dari suatu elemen ke elemen lain akan
meningkatkan lapisan permukaan elemen tempat
pengendapan; dan
3) pada segmen saluran tidak terjadi erosi akibat hempasan
butir hujan (Beasley and Huggin 1991).
Penghancuran dan pengangkutan partikel tanah disebabkan
oleh pukulan butir hujan (DTR) dan energi limpasan
permukaan.
Jumlah partikel tanah yang dapat dipindahkan tergantung
dari besarnya sedimen yang dihasilkan dan kapasitas
transpornya (TC).
Air limpasan dan sedimen yang dapat mencapai elemen
yang memiliki saluran, akan bergerak menuju outlet DAS, di
mana sedimentasi yang terjadi dalam saluran akan terjadi
ketika besarnya kapasitas transpor telah terlewati (de Roo
1993).
Beasley dan Huggins (1991), mengemukakan bahwa model ANSWERS sebagai
sebuah model hidrologi mempunyai kelebihan, antara lain :

1) Dapat mendeteksi sumber-sumber erosi di dalam DAS serta memiliki

kemampuan sebagai alat untuk strategi perencanaan dan evaluasi kegiatan
RLKT DAS.
2) Dapat mengetahui tanggapan DAS terhadap mekanisme pengangkutan
sedimen ke jaringan aliran yang ditimbulkan oleh kejadian hujan.
3) Sebagai suatu paket program komputer yang ditulis dalam bahasa fortran,
mempunyai kemampuan untuk melakukan simulasi hujan-limpasan dari
berbagai perubahan kondisi penggunaan lahan dalam DAS.
4) Untuk melakukan inputing data base (topografi, tanah, penggunaan lahan,
sistem saluran) ke dalam model dapat diintegrasikan dengan data dari remote
sensing maupun SIG.
5) Adanya variasi pemilihan parameter input dan output dari model disesuaikan
dengan kebutuhan pengguna.
6) Sesuai untuk diterapkan pada lahan pertanian, hutan, maupun perkotaan.
7) Satuan pengukuran dapat berupa metrik ataupun British unit.
8) Dapat diterapkan pada DAS dengan ukuran lebih kecil dari 10.000 ha.
Sedangkan kekurangan nodel ANSWERS antara lain :

1) Semakin kompleks, terutama pada data perlukan dan waktu

penghitungan, dimana besarnya tergantung dari berbagai faktor,
seperti luas DAS dan jumlah grid.
2) Model terdistribusi relatif masih bari dibanding lumped parameter,
sehingga masih perlu pengembangan dan penyesuaian.
3) Karena hanya untuk tiap kejadian hujan (individual event), maka
model ini tidak memiliki sub model untuk evapotranspirasi.
4) Erosi dari saluran belum diperhitungkan ke dalam model.
5) Batas grid kemugkinan tidak menggambarkan batas yang
sebenarnya.
6) Untuk sebuah grid dalam kenyataan dapat lebih besar dari luas sub-
sub DAS.
Hipotesis yang dikembangkan dalam model ini adalah
bahwa setiap bagian dalam DAS terjadi hubungan antara
laju aliran dan parameter-parameter hidrologi, serta tipe
tanah, topografi, infiltrasi, penggunaan lahan dan sifat
hujan.
Laju aliran yang terjadi dapat digunakan untuk mengkaji
hubungan antara komponen hidrologi yang menjadi dasar
dalam pemodelan fenomena transport, seperti erosi tanah
dan pengangkutan serta pergerakan bahan kimia tanah.
Model ANSWERS ini telah diaplikasikan penggunaannya
pada beberapa DAS di Indonesia melalui beberapa riset, di
antaranya :
Irianto (1993) mempelajari model ANSWERS untuk memprediksi erosi
dan aliran permukaan pada areal waduk Batujai Nusa Tenggara Timur
agar dapat memanfaatkan sumberdaya air dan lahan secara lestari.
Kesimpulan: Model ANSWERS cukup informatif dalam menampilkan
arah lereng, kelas lereng dan areal penyuplai sedimen.
Di samping itu, dapat menampilkan hasil prediksi aliran permukaan per
satuan waktu pada tiap elemen.
Informasi yang diberikan berupa: hasil sedimen maksimum, hasil
sedimen rata-rata, hasil sedimen tiap elemen, total hasil sedimen; dan
aliran permukaan dari suatu DAS, sehingga akan meningkatkan akurasi
penanganannya.
Rauf (1994) melakukan penelitian di DAS Palu Timur dengan tujuan: a)
memprediksi limpasan dan sedimen di DAS Palu Timur dengan
menggunakan model ANSWERS; b) menentukan kawasan yang memiliki
potensi erosi tinggi melalui simulasi; dan c) mempelajari pengaruh
penggunaan lahan terhadap respon hidrologi DAS.
Kesimpulan: Penggunaan model ANSWERS dalam analisis respon
Hidrologi DAS, dapat diperoleh informasi berupa limpasan dan sedimen
rata-rata, pengurangan sedimen akibat tindakan konservasi tanah, serta
dapat diidentifikasi daerah pemasok sedimen.
Akan tetapi model ini lebih sesuai untuk DAS yang berukuran kecil
karena model ini hanya mampu mensimulasi satu liputan penakar hujan.
Rompas (1996) melakukan penelitian di daerah tangkapan Citere, DAS
Citarik, Pangalengan, Jawa Barat.
Tujuan penelitian adalah memprediksi aliran permukaan dan sedimen
dengan model ANSWERS, serta melakukan simulasi dengan model
ANSWERS untuk digunakan dalam perencanaan pengelolaan daerah
tangkapan Citere pangalengan.
Kesimpulan: Uji statistik menunjukkan bahwa aliran permukaan dan
sedimen hasil prediksi model ANSWERS tidak berbeda dengan hasil
observasi.
Model ANSWERS cukup baik digunakan untuk memprediksi aliran
permukaan dan sedimen di dalam DAS.
Tikno (1996) melakukan penelitian di DAS Cibarengkok, Cimuntur, Jawa
Barat.
Tujuan penelitian adalah: a) memprediksi aliran permukaan dan hasil
sedimen di DAS Cibarengkok dengan menggunakan model ANSWERS;
b) membandingkan hasil prediksi model dengan hasil pengukuran
(pengujian model); dan c) aplikasi model untuk perencanaan pengelolaan
DAS.
Kesimpulan: Model ANSWERS cukup peka terhadap perubahan nilai
parameter kekasaran permukaan lahan (N) dalam memprediksi aliran
langsung, khususnya pada debit puncak (Qp).
Selain itu model ANSWERS juga sangat peka terhadap parameter faktor
tanaman dan pengelolaan tanah (C) dalam memprediksi kehilangan
tanah (Sy).
Aswandi (1996) melakukan penelitian di DAS Cikapundung,
Jawa Barat.
Tujuan penelitian ini adalah mengevaluasi dan menentukan
perencanaan pengelolaan DAS dengan menggunakan
model ANSWERS.
Kesimpulan: Perubahan vegetasi (hutan) paling
berpengaruh terhadap fluktuasi debit aliran dan
penambahan kebun campuran menimbulkan ersoi paling
besar dalam DAS.
Ramdan (1999) melakukan penelitian di DTA Cikumutuk DAS Cimanuk
Hulu.
Tujuan penelitian ini adalah: a) memprediksi besarnya erosi dan aliran
permukaan yang terjadi di DAS Cimanuk menggunakan model
ANSWERS; dan b) menentukan alternatif penggunaan lahan yang
dapat mengendalikan erosi dan aliran permukaan yang terjadi di DAS
Cimanuk.
Hasil simulasi model ANSWERS menunjukkan bahwa penggunaan
lahan yang seluruhnya berupa hutan paling efektif menurunkan erosi,
yaitu sebesar 91,8%.
Sedangkan penggunaan lahan yang paling besar meningkatkan erosi
adalah penggunaan lahan yang seluruhnya berupa tegalan dengan
kenaikan erosi mencapai 328% dari erosi pada saat penelitian.
Hidayat (2002) melakukan penelitian di DTA Bodong Jaya dan DAS
Way Besay Hulu, Lampung Barat.
Penelitian bertujuan untuk memprediksi erosi dan aliran permukaan di
DTA Bodong Jaya dan DAS Way Besay Hulu, Lampung Barat dengan
menggunakan model ANSWERS dan menentukan alternatif
pengelolaan lahan yang efektif mengendalikan erosi dan aliran
permukaan di DTA Bodong Jaya dan DAS Way Besay Hulu.
Kesimpulan: Model ANSWERS memprediksi erosi dan aliran
permukaan secara baik pada curah hujan dengan jumlah dan intensitas
yang cukup tinggi.
Pada curah hujan yang rendah, hasil prediksi model mengalami deviasi
yang cukup besar, walaupun secara keseluruhan hasil prediksi model
tersebut tidak berbeda nyata dengan hasil pengukuran.
Utami (2002) melakukan penelitian di DAS Padas.
Tujuan penelitian ini adalah: a) memprediksi aliran permukaan dan eosi
menggunakan model ANSWERS; dan 2) mengkaji pengaruh teknik
RLKT terhadap hidrologi DAS Padas.
Kesimpulan: Parameter hidrologi-erosi hasil pengukuran dan keluaran
model ANSWERS tidak berbeda nyata dengan nilai koefisien korelasi
yang cukup tinggi.
Dengan demikian model ANSWERS cukup baik untuk memprediksi
erosi tanah rata-rata, jumlah aliran permukaan, dan debit puncak aliran
permukaan di daerah penelitian.
Model AGNPS (agricultural non point source pollution
model) dikembangkan oleh USDA-ARS, North Central Soil
Consrvation Service, Morris, Minnesota yang bekerjasama
dengan USDA-SCS, MPCA (Minnesota Pollution Control
Agency), LCMR (Legeslative Commission in Minnesota
Resources) dan EPA (Environmental Protection Agency)
(Young et al. 1994).
Model ini terus berkembang dan telah diterapkan di
beberapa negara untuk menentukan langkah-langkah
kebijakan dan evaluasi dalam kegiatan konservasi, seperti
di Amerika, Canada dan negara-negara di Eropa (Yoon
1996).
Model AGNPS bekerja pada basis sel geografis (dirichlet
tesselation) yang digunakan untuk menggambarkan kondisi
daratan (upland) dan saluran (channel).
Dirichlet tesselation adalah proses pembagian dan
pengelompokan DAS menjadi sel (tiles) yang juga dikenal
dengan nama polygon Thiessen atau Voronoi.
Setiap sel berbentuk bujur sangkar seragam yang membagi
DAS secara merata, di mana memungkinkan analisis pada
titik dalam suatu DAS.
Polutan potensial ditelusuri melalui sel-sel dari awal hingga
outlet secara bertahap, sehingga aliran pada setiap titik antar
sel dapat diperhitungkan.
Seluruh karakteristik DAS dan masukan digambarkan pada
tingkatan sel. Setiap sel mempunyai resolusi 2,5 akre (1,01
ha) hingga 40 akre (16,19 ha).
Ukuran sel yang lebih kecil dari 10 akre direkomendasikan
untuk DAS dengan luas kurang dari 2000 akre (809,36 ha).
Untuk DAS yang luasnya lebih dari 2000 akre, maka ukuran
seladapat berukuran 40 akre (Yoon 1996).
Setiap sel utama dapat dibagi lagi menjadi sel-sel yang
lebih kecil untuk memperoleh resolusi yang lebih rinci dari
kondisi topografi yang komplek.
Ketelitian hasil dapat ditingkatkan dengan mengurangi
ukuran sel, tetapi hal ini akan membutuhkan waktu dan
tenaga yang lebih banyak untuk menjalankan model.
Nilai-nilai parameter model untuk skala sel ditetapkan
berdasarkan kondisi biofisik aktual pada masing-masing sel.
Oleh sebab itu, untuk mendapatkan satu nilai parameter
yang seragam pada masing-masing sel, perlu ditetapkan
nilai tunggal parameter sel dengan menghitung nilai rata-
rata tertimbang dari berbagai kondisi bergam yang ada
(Yoon 1996).
Ada dua parameter masukan dalam model AGNPS, yaitu inisial data dan data
per sel (spreadseheet data entry) (Yoon 1996).
Parameter masukan inisial data, meliputi :
1) identifikasi DAS;
2) deskripsi DAS;
3) luas sel (akre);
4) jumlah sel;
5) curah hujan (inci);
6) konsentrasi N dalam curah hujan (ppm);
7) energi intensitas hujan maksimum 30 menit (EI30);
8) durasi hujan (jam);
9) perhitungan debit puncak aliran;
10) perhitungan geomorfik; dan
11) faktor bentuk hidrograf.
Sedangkan parameter masukan per sel dalam model AGNPS
terdiri dari 22 parameter, yaitu :
1) nomor sel;
2) nomor sel penerima;
3) divisi sel;
4) divisi sel penerima;
5) arah aliran;
6) bilangan kurva aliran permukaan;
7) kemiringan lereng (%);
8) faktor bentuk lereng;
9) panjang lereng;
10) koefisien aliran Manning;
11) faktor erosibilitas tanah;
12) faktor pengelolaan tanaman;
13) faktor pengelolaan tanah;
14) konstanta kondisi permukaan;
15) faktor COD;
16) tekstur tanah;
17) indikator pemupukan;
18) indikator pestisida;
19) indikator point source;
20) indikator tambahan erosi;
21) faktor genangan; dan
22) indikator saluran.
Young et al. (1989), hasil keluaran (output) dari model AGNPS dapat
berupa grafik dan tabular dengan informasi yang sangat lengkap, baik
keluaran DAS (watershed summary) maupun keluaran per sel.
Keluaran DAS, meliputi :
1) volume aliran permukaan;
2) laju puncak aliran permukaan;
3) total hasil sedimen;
4) total N dalam sedimen;
5) total N terlarut dalam aliran permukaan;
6) konsentrasi N terlarut dalam aliran permukaan;
7) total P dalam sedimen;
8) total p terlarut dalam aliran permukaan;
9) konsentrasi P terlarut dalam aliran permukaan;
10) total COD terlarut dan konsentrasi COD terlarut dalam aliran
permukaan.
Sedangkan keluaran per sel dari masing-masing sel yang terdapat
dalam DAS dapat berupa :

1) Hidrologi, meliputi : a) volume aliran permukaan; b) laju puncak

aliran permukaan; dan c) bagian aliran permukaan yang
dihasilkan di dalam sel.
2) Sedimen, meliputi : a) hasil sedimen; b) konsentrasi sedimen; c)
distribusi ukuran partikel sedimen; d) erosi yang dipasok dari sel
sebelah atasnya; e) jumlah deposisi; f) sedimen di dalam sel; g)
rasio pengkayaan oleh ukuran partikel; dan h) rasio
pengangkutan oleh ukuran partikel.
3) Kimiawi, meliputi : a) nitrogen (massa N per satuan luas di dalam
sedimen, konsentrasi material terlarut, dan massa dari material
terlarut); b) fosfor (massa P per satuan luas di dalam sedimen,
konsentrasi dari material terlarut, dan massa dari material
terlarut); dan c) COD (konsentrasi COD dan massa COD terlarut
per satuan luas).
Kelebihan model ini terletak pada parameter-parameter
model yang terdistribusi di seluruh areal DAS, sehingga
nilai-nilai parameter model benar-benar mencerminkan
kondisi biofisik DAS pada setiap satuan luas di dalam DAS.
Selain erosi, model ini mampu menghasilkan keluaran-
keluaran seperti : volume dan laju puncak aliran permukaan,
hasil sedimen, kehilangan N, P dan COD (Young et al.
1994).
Model AGNPS ini juga telah diaplikasikan penggunaannya
pada beberapa DAS di Indonesia melalui beberapa
penelitian, di antaranya :
Muhlis (1999) melakukan penelitian integrasi parsial penginderaan jauh
dan sistem informasi geografi dalam pembangkitan masukan model
AGNPS.
Tujuan penelitian ini adalah : a) mengekstraksi bilangan kurva SCS
(SCS curve number) sebagai salah satu masukan dalam model dari
data penginderaan jauh; b) mengintegrasikan SIG ke dalam model,
baik sebagai pre-prosesor (masukan data) maupun sebagai sarana
tampilan grafis dan tabel keluaran model; dan c) menilai sensitivitas
parameter masukan model yang berhubungan dengan aliran
permukaan.
Kesimpulan : Data penginderaan jauh dapat menurunkan beberapa
parameter masukan AGNPS, meliputi faktor pengelolaan tanaman,
koefisien kekasaran permukaan Manning, koefisien kondisi
permukaan, dan bilangan kurva aliran permukaan.
Rahayu (2000) melakukan studi ancaman erosi DAS Kelara di Sulawesi
Selatan.
DAS seluas 37.175 ha dibagi dalam 1.487 sel dengan luas masing-
masing 25 ha.
Prediksi erosi setiap sel menggunakan metode MUSLE.
Kesimpulan : Laju erosi DAS Kelara berkisar antara 0 – 577 ton/ha/bulan,
dengan rata-rata 12,65 ton/ha/bulan pada musim hujan.
Nugroho (2000) melakukan penelitian di DAS Dumpul yang bertujuan :
a) melakukan analisis aliran permukaan, sedimen dan kehilangan hara
nitrogen, fosfor dan kebutuhan oksigen kimiawi dengan menggunakan
model AGNPS; dan b) melakukan simulasi model sesuai dengan kondisi
biogeofisik DAS untuk perencanaan pengelolaan DAS.
Kesimpulan : Volume dan laju aliran permukaan, hasil sedimen, dan
kehilangan hara nitrogen, fosfor dan konsentrasi COD terlarut tidak
berbeda antara hasil pengamatan dan model.
Hal ini menunjukkan bahwa nilai-nilai parameter yang digunakan dalam
model AGNPS cukup akurat untuk memprediksi aliran permukaan, hasil
sedimen, dan kehilangan hara nitrogen, fosfor dan konsentrasi COD
terlarut, sehingga dapat digunakan sebagai alat bantu dalam
perencanaan pengelolaan DAS.
Tarigan (2000) melakukan studi perencanaan pengelolaan
daerah tangkapan untuk pelestarian situ Cibuntu Cibinong
menggunakan model AGNPS.
Tujuannya adalah membuat perencanaan pengelolaan
daerah tangkapan tersebut menggunakan model AGNPS.
Kesimpulan yang diperoleh adalah pengelolaan lahan di
daerah tangkapan Cibuntu dengan cara menanam tanaman
campuran di lereng agak curam dan landai dengan
membuat guludan searah kontur harus diterapkan.
Salwati (2004) mengkaji dampak perubahan penggunaan
lahan terhadap respons hidrologi di DAS Cilalawi Sub DAS
Citarum Jawa Barat menggunakan model AGNPS.
Hasil analisis menggambarkan bahwa perubahan
penggunaan lahan mengakibatkan perubahan respons
hidrologi, di mana pada tahun 2003 volume aliran
permukaan meningkat 6,1 %, debit puncak aliran
permukaan meningkat 6,8 %, hal ini mengakibatkan hasil
sedimen meningkat sampai 45,6 % dibanding tahun 1997.
Penggunaan model erosi skala DAS dengan parameter
terdistribusi masih terbatas pada skala penelitian.
Disamping memerlukan input parameter yang relatif banyak
dan kompleks, input parameter model tersebut juga sering
tidak tersedia di lapangan.
Penggunaan model ANSWERS mulai dirintis pada
beberapa DAS seperti DAS Solo bagian hulu dan Brantas
bagian hulu di bawah pengelolaan Balai Teknologi
Pengelolaan DAS (Priyono dan Mulyadi, 2000).
Penggunaannya pada DAS-DAS yang lain dihadapkan
pada kendala penyediaan parameter input yang tidak dapat
dipenuhi, karena instrumentasi pengukur debit aliran air dan
sedimen biasanya tidak tersedia di sebagian besar DAS di
Indonesia.
Model ANSWERS (areal non-point source watershed environmental
response simulation) dan model AGNPS (agricultural non point source
pollutioan model) merupakan model penduga erosi skala DAS yang telah
mulai banyak digunakan di Indonesia.
Walaupun masih mempunyai beberapa kelemahan, model tersebut
memberikan hasil pendugaan erosi yang cukup baik.
Sinukaban (1997) telah menggunakan model AGNPS untuk memprediksi
aliran permukaan, erosi, kehilangan nitrogen dan fosfor dan COD dari
DAS seluas 10,4 hektar di wilayah perbukitan.
Hasilnya menunjukkan bahwa hasil prediksi model tidak berbeda secara
stastistik dengan hasil pengukuran.
Sedangkan Ginting dan Ilyas (1997) yang melakukan simulasi berbagai
penggunaan lahan dengan menggunakan model ANSWERS di DAS
Siluak, menyimpulkan bahwa model ANSWERS memerlukan validasi
lebih lanjut.
Disamping disebabkan adanya perbedaan ukuran raster sel dan DAS
yang digunakan, bervariasinya hasil dugaan model ANSWERS diduga
terkait dengan dinamika proses erosi pada suatu bentang lahan.
Dinamika erosi terjadi akibat bervariasinya jumlah dan intensitas hujan
serta karakteristik permukaan lahan yang mempengaruhi proses
deposisi sedimen (barrier/filter).
Sinukaban et al. (2000) dan Susswein et al. (2001) menunjukkan bahwa
jenis dan konfigurasi barier/filter sangat mempengaruhi jumlah erosi dan
volume aliran permukaan yang dihasilkan dari suatu bentang lahan dan
wilayah DAS.