OPTIMASI PARAMETER MODEL DR.MOCK UNTUK PENGELOLAAN DAERAH ALIRAN SUNGAI

Transkripsi

1 ISSN Pages pp OPTIMASI PARAMETER MODEL DR.MOCK UNTUK PENGELOLAAN DAERAH ALIRAN SUNGAI Meri Gustian 1, Azmeri 2, Alfiansyah Yulianur 2 1) Magister TeknikSipil Program Banda Aceh 2) Fakultas Teknik Universitas Syiah Kuala Abstract:Planning and management of water resources are often having problemssuch as lack of required data like a stream flow. A model that follows the principle of water balance introduced the method of calculatingthe stream flow using the data of rainfall, potential evapotranspiration, and hydrological characteristics of watershed. This model known as Dr. Mock model ands pecifically used for rivers in Indonesia. Model assign specific valuesfor parameters related to hydrological characteristics of watershed, however, this affects of error between the modeling results and observations. This research aims to obtain the optimal values of model parameters so that the value of error can be minimized. To achieving that goal, performed optimization of Dr. Mock model parameters related to hydrological characteristics of water shed by using solver in MicrosoftExcel 2010 spreadsheet. This research resulted the optimal values of Dr. Mock parameters model as follows, them factor ranges from30,00% -33,76%, SMC value 400mm, Pfvalue 0,10, RC value 0,60-0,68, and Ifvalue 0,50-0,70.The error value in the optimal conditionis 0,288 with ar 2 0,60. Related to value of m factor, granted astrategy to watershed management in active and preventive action plan for watershed studied. Keywords : streamflow, parameters of Dr. Mock model, optimization, watershed management Abstrak: Perencanaan dan pengelolaan sumberdaya air sering mengalami kendala berupa terbatasnya data-data yang dibutuhkan seperti data debit di sungai. Sebuah model yang mengikuti prinsip neraca air memperkenalkan metode penghitungan debit di sungai dengan menggunakan data curah hujan, evapotranspirasi potensial, dan karakteristik hidrologi daerah aliran sungai (DAS). Model ini dikenal sebagai model Dr. Mock dan khusus digunakan untuk sungai-sungai yang ada di Indonesia. Model ini menetapkan nilai tertentu untuk parameter yang berhubungan dengan karakteristik hidrologi DAS, namun hal ini berdampak pada terjadinya error antara debit sungai hasil pemodelan dan observasi. Penelitian ini bertujuan untuk mendapatkan nilai parameter model yang optimal sehingga besarnya error dapat diminimalkan. Untuk pencapaian tujuan tersebut maka dilakukan optimasi terhadap parameter model Dr. Mock yang berhubungan dengan karakteristik hidrologi DAS dengan menggunakan fasilitas solver pada Microsoft Excel2010spreadsheet. Melalui penelitian ini diperoleh nilai optimal parameter model Dr. Mock yaitu faktor mberkisar 30,00% - 33,76%, nilai SMC sebesar 400 mm, nilai PF sebesar 0,10, nilai RC sebesar 0,60-0,68, serta nilai IF sebesar 0,50-0,70. Besarnya error pada kondisi optimal ini adalah 0,288 dengan R 2 sebesar 0,60. Melihat nilai faktor m yang relatif besar, maka diberikan suatu strategi untuk pengelolaan DAS dalam bentuk rencana aksi yang aktif dan preventif untuk DAS yang ditinjau. Kata kunci : debit sungai, parameter model Dr. Mock, optimasi, pengelolaan DAS PENDAHULUAN Perencanaan dan pengelolaan sumberdaya air sering mengalami kendala berupa terbatasnya data-data yang dibutuhkan seperti data debit di sungai. Model Dr. Mock merupakan model simulasi yang relatif sederhana dan cukup baik dalam memprediksi besarnya debit sungai dengan interval waktu bulanan. Model ini menetapkan nilai-nilai tertentu untuk parameter yang berhubungan dengan karakteristik hidrologi DAS, Volume 3, No. 1, Februari

2 namun hal ini berdampak pada sering terjadinya error antara debit sungai hasil pemodelan dan observasi. Tujuan penelitian ini adalah melakukan optimasi terhadap parameter model Dr. Mock yang berhubungan dengan karakteristik hidrologi DAS untuk mendapatkan nilai parameter model yang optimal sehingga besarnya erroryang terjadi dapat diminimalkan. Berdasarkan hasil optimasi, disusun suatu rencana pengelolaan DAS untuk DAS yang ditinjau. Penelitian dilakukan di DAS Krueng Keumireu yang terletak di Kabupaten Aceh Besar. Lingkup dan data-data yang digunakan pada penelitian ini terbatas pada DAS Krueng Keumireu sehingga hasil penelitian ini tidak dapat digunakan pada DAS yang lain. KAJIAN KEPUSTAKAAN Evapotranspirasi Potensial Besarnya evapotranspirasi potensial (ET 0 ) yang terjadi dipengaruhi oleh faktor-faktor meteorologi yaitu temperatur udara, kelembapan udara, kecepatan angin, dan penyinaran matahari. Salah satu metode yang digunakan untuk menghitung besaran ET 0 adalah metode Modifikasi Penman (FAO) yang dirumuskan sebagai berikut(sudjarwadi, 1979 : 22): ET 0 = c (W.Rn + (1 - W) f(u) (ea ed))...(1) ET 0 : evapotranspirasi potensial (mm/hari) c : faktor penyesuaian W : faktor temperatur dan ketinggian Rn : radiasi netto (mm/hari) f(u) : faktor kecepatan angin ea : tekanan uap udara (mbar) ed : tekanan uap jenuh (mbar) Hujan Areal Metode Thiessen (Soemarto, 1995 : 10): merupakan salah satu cara untuk menghitung besarnya curah hujan areal, yaitu: d = n i=1 A i d i n i=1 A i... (2) d : tinggi curah hujan rata-rata areal (mm) A i : luas daerah pengaruh pos hujan 1, 2,3,... n (km 2 ) d i : tinggi curah hujan di pos hujan 1, 2, 3,... n (mm) Model Dr. Mock Pada tahun 1973, Dr. F.J. Mock memperkenalkan metode penghitungan aliran sungai dengan menggunakan data curah hujan, evapotranspirasi potensial, dan karakteristik hidrologi DAS untuk memprediksi besar debit sungai dengan interval waktu bulanan. Cara ini dikenal dengan nama model Dr. Mock. Langkahlangkah penghitungan aliran sungai metode Dr. Mock (Direktorat Jenderal Pengairan, 1985 : 79) adalah sebagai berikut: a. Evapotranspirasi aktual (E) m ΔE = ET 0 (18 - n)...(3) 20 E = ET 0 - ΔE...(4) ΔE : selisih antara evapotranspirasi potensial dan aktual (mm) ET 0 : evapotranspirasi potensial (mm) m n : proporsi permukaan lahan yang tidak tertutup olehvegetasi (%) : jumlah hari hujan b. Penyimpanan kelembapan tanah (SMS) 37 - Volume 3, No. 1, Februari 2014

3 SMS = ISM + R E... (5) ISM : kelembapan tanah awal (mm) R E : curah hujan areal (mm) : evapotranspirasi aktual (mm) c. Kelebihan air (WS) WS = ISM + R E SMC... (6) SMC : kapasitaskelembapan tanah (mm) d. Infiltrasi (INFIL) INFIL = WS IF... (7) IF : faktor infiltrasi e. Penyimpanan air tanah pada akhir bulan (G.STOR t ) G.STOR t =G.STOR (t-1) RC + 1+RC 2 INFIL... (8) G.STOR (t-1) : penyimpanan air tanah pada RC awal bulan (mm) f. Limpasan dasar (Q BASE ) : konstanta resesi limpasan Q BASE = INFIL - G.STOR t +G.STOR (t-1) (9) g. Limpasan permukaan (Q DIRECT ) Q DIRECT = WS (1 - IF)... (10) h. Limpasan hujan (Q STORM ) Q STORM = R PF... (11) PF :faktor persentase i. Total limpasan (Q TOTAL ) Q TOTAL = Q BASE + Q DIRECT (+Q STORM )... (12) Nilai parameter model yang terkait dengan karakteristik hidrologi DAS (Mock, 1973 : 37) disarankan seperti terlihat pada Tabel. 1. Nilai tersebut merupakan nilai yang digunakan oleh Dr. F.J. Mock dalam penelitian yang dilakukannya. Tabel 1. Nilai parameter model Dr. Mock Parameter Faktor m SMC Nilai 0% - 50% 200 mm Parameter PF RC IF Sumber: Mock (1973 : 37) Optimasi Nilai 0,05-0,10 0,60 0,40 Optimasi (Rao, 2009 : 1) adalah tindakan untuk memperoleh hasil terbaik dengan keadaan yang ditentukan. Dalam desain, konstruksi, dan pemeliharaan sistem rekayasa, pengambil keputusan harus mengambil berbagai teknologi dan keputusan manajerial melalui beberapa tahap. Tujuan akhir dari semua keputusan itu adalah meminimalkan upaya yang diperlukan atau untuk memaksimalkan manfaat yang diinginkan. Karena upaya yang diperlukan atau manfaat yang diinginkan dalam prakteknya dapat dinyatakan sebagai fungsi dari variabel keputusan tertentu, maka optimasi dapat didefinisikan sebagai proses menemukan kondisi yang memberikan nilai maksimum atau minimum dari suatu fungsi. Nilai yang diperoleh dari optimasi perlu diketahui besarnya error yang terjadi. Penilaian error digunakan untuk mengetahui ketepatan pemodelan atau metode tertentu pada suatu kumpulan data. Error dapat dihitung dengan beberapa metode statistik, diantaranya adalah Mean Absolute Percentage Error (MAPE) yangdirumuskan sebagai berikut (Safitri, 2013 : 6): MAPE = 1 n n n : jumlah periode Y t Y t Y t t= (13) Y t : nilai aktual pada periode t Y t : nilai perkiraan pada periode t Volume 3, No. 1, Februari

4 Pengelolaan DAS Pengelolaan DAS (Departemen Kehutanan Republik Indonesia, 2008 : 1) pada prinsipnya adalah pengaturan tata guna lahan atau optimalisasi penggunaan lahan untuk berbagai kepentingan secara rasional serta praktek lainnya yang ramah lingkungan sehingga dapat dinilai dengan indikator kunci (ultimate indicator) kuantitas, kualitas, dan kontinuitas aliran sungai pada titik pengeluaran (outlet) DAS. Dalam model Dr. Mock, terdapat faktor m yang merupakan proporsi permukaan lahan yang tidak tertutup oleh vegetasi. Hal ini erat kaitannya dengan tata guna lahan dan tutupan lahan sehingga diperlukan suatu pengelolaan dalam rangka konservasi sumber daya air. Penelitian Terdahulu Terkait Parameter Model Dr. Mock Beberapa penelitian tentang parameter model Dr. Mock yang berkaitan dengan karakteristik hidrologi DAS pernah dilakukan di F.J. Mock. Hal ini mengindikasikan bahwa parameter model Dr. Mock akan sangat tergantung dengan karakteristik hidrologi DAS yang ditinjau. METODE PENELITIAN Data yang dikumpulkan dan digunakan pada penelitian ini merupakan data sekunder. Data tersebut berupa data debit sungai hasil observasi tahun , peta Rupa Bumi Indonesia (RBI) tahun 2006, data curah hujan dan meteorologi tahun , peta tutupan lahan, jenis tanah, dan kondisi lahan tahun 2012.Bagan alir penelitian dapat dilihat pada Gambar 1. Analisis data yang dilakukan adalah menetapkan dan menghitung luas DAS, penghitungan evapotranspirasi potensial, hujan areal, menentukan nilai batas parameter model, model Dr. Mock, dan optimasi parameter model Dr. Mock yang berhubungan dengan karakteristik hidrologi DAS. Upaya pengelolaan DAS dilakukan sesuai dengan hasil optimasi. beberapa tempat di Indonesia antara lain oleh Tunas (2007) di Sulawesi Tengah dan Setiawan (2010) di Nusa Tenggara Barat dengan hasil sebagai berikut: Tabel 2. Perbandingan nilai parameter model Parameter SMC RC IF DAS Miu 200,000 mm 0,850 0,215-0,325 Nilai DAS Sekotong Pelangan 292,494 mm 0,878 0,500-0,750 Sumber: Tunas (2007 : 45) dan Setiawan (2010 : 78) Berdasarkan hasil penelitian tersebut maka terdapat sejumlah perbedaan nilai parameter jika dibandingkan dengan nilai yang disarankan oleh Dr. Luas DAS Peta digital RBI yang dikumpulkan untuk penentuan batas DAS yaitu Lembar Lamno, Indrapuri, Cot Basuet, dan Seulimuem.Penentuan batas DAS dapat dilakukan dengan memperhatikan topografi, sungai, serta letak outlet DAS yang dalam hal ini adalah stasiun AWLR Siron. Luas DAS dihitung setelah batas DAS diketahui. Evapotranspirasi Potensial ET 0 dihitung dengan metode Modifikasi Penman (FAO) menggunakan persamaan (1) 39 - Volume 3, No. 1, Februari 2014

5 berdasarkan data meteorologi. Mulai Studi: Evapotranspirasi Potensial; Hujan Areal; Model Dr. Mock; Optimasi; Pengelolaan DAS Data Debit Sungai dari AWLR (QObs) Peta RBI; Data Curah Hujan; Data Meteorologi; Data Tutupan Lahan DAS; Data Jenis Tanah DAS, Data Kondisi Lahan DAS Analisis Data Luas DAS; Evapotranspirasi Potensial; Hujan Areal; Parameter Model Dr. Mock Analisis Model Dr. Mock (Hubungan Hujan-Aliran) dan Optimasi Parameter Model Dr. Mock dan Debit (QModel) QModel QObs? Tidak Ya Nilai Parameter Optimal Upaya Pengelolaan DAS Pembahasan, Kesimpulan, dan Rekomendasi Selesai Gambar 1. Bagan alir penelitian Hujan Areal Hujan areal dihitung dengan menggunakan weighting method dengan memberikan proporsi luasan daerah pengaruh pos hujan sesuai dengan persamaan (2). Karakteristik Hidrologi DAS untuk Pemodelan Karakteristik hidrologi DAS diketahui dengan menganalisis secara umum data tutupan lahan, jenis tanah, dan kemiringan lahan. Nilai yang diperoleh digunakan sebagai nilai batas (fungsi kendala) parameter untuk pemodelan Dr. Mock dengan ikutmemperhatikan manual model Dr. Mock. Model Dr. Mock Debit di sungai dihitung dengan mentransformasi hujan-aliran mengikuti prinsip neraca air (water balance). Metode yang digunakan adalah model Dr. Mock. Tahapan penghitungan menggunakan persamaan (3) sampai dengan (12). Parameter yang berhubungan dengan karakteristik hidrologi DAS diberikan nilai awal tertentu sebelum melakukan tahapan penghitungan. Parameter tersebut yaitu mfactor, PF, ISM, SMC, IF, Volume 3, No. 1, Februari

6 RC, dan G.STOR (t). Optimasi Proses optimasi dilakukan dengan menggunakan sebuah model matematika. Tahap I adalah dengan mendefinisikan fungsi tujuan (objective function) yaitu mendapatkan nilai parameter yang optimal sehingga besarnya error antara nilai debit sungai hasil pemodelan (Q Model ) dan observasi (Q Obs ) dapat diminimalkan. Fungsi tujuan menggunakan tingkat error yang dihitung dengan menggunakan persamaan (13). Untuk mengetahui hubungan Q Model dengan Q Obs, dihitung koefisien korelasi (R) dan koefisien determinasi (R 2 ). Tahap II adalah menentukan fungsi kendala yaitu nilai parameter yang berada pada range tertentu. Besarnya nilai yang berada pada range tersebut akan disesuaikan dengan karakteristik hidrologi dari masing-masing parameter. Fungsi kendala tersebut diuraikan sebagai berikut: m 1 m m 2 PF 1 PF PF 2 ISM 1 ISM ISM 2 SMC 1 SMC SMC 2 IF 1 IF IF 2 RC 1 RC RC 2 G.STOR (t)1 G.STOR (t) G.STOR (t)2 Tahap III adalah mendefiniskan variabel keputusan untuk memenuhi tujuan dan kendala pada optimasi yang dilakukan. Variabel keputusan tersebut adalah parameter model Dr. Mock yang berhubungan dengan karakteristik hidrologi DAS. Proses optimasi dilakukan dengan menggunakan bantuan komputer berupa fasilitas solver yang terdapat pada Microsoft Excel 2010spreadsheet dengan mendefiniskan semua tahap dan proses sebelumnya. Ketika solver dieksekusi, komputer akan melakukan iterasi sampai diperoleh kondisi yang optimal. Berdasarkan output dari komputer, permasalahan dapat diinterpretasikan dan dapat diambil suatu keputusan. Pengelolaan DAS Pengelolaan DAS dilakukan dengan memperhatikan nilai faktor m sesuai hasil optimasi. Pengelolaan tersebut dilakukan dalam bentuk rencana aksi aktif dan preventif dalam rangka konservasi lahan dan air yang berkelanjutan. HASIL PEMBAHASAN Data Input Model Dr. Mock Hasil analisis data digunakan sebagai input pada model Dr. Mock. Data inputtersebut antara lain adalah luas DAS, ET 0 dan curah hujan areal selama 23 bulan, serta karakteristik hidrologi DAS. Optimasi Parameter Model Dr. Mock Berdasarkan proses optimasi yang dilakukan, diperoleh nilai optimal parameter model yang berhubungan dengan karakteristik hidrologi DAS. Nilai optimal parameter diperlihatkan pada Tabel 3. Tabel 3. Nilai optimal parameter berdasarkan hasil optimasi Cell Name Original Final Value Value $C$4 $C$5 $C$6 $C$7 $C$8 $C$9 $C$10 $C$11 $C$12 $C$13 m factor SMC ISM PF RC IF G.STOR(t-1) m factor(dry/moist) RC (dry/moist) IF (dry/moist) 0, , ,1526 0,1000 0,6849 0, ,6389 0,3376 0,6000 0,7000 0, , ,1526 0,1000 0,6849 0, ,6389 0,3376 0,6000 0,7000 Original Value dan Final Value pada Tabel Volume 3, No. 1, Februari 2014

7 Q Model (m 3 /d) Jurnal Teknik Sipil menunjukkan nilai yang sama sehingga Final Value yang diperoleh merupakan kondisi yang optimal pada optimasi yang dilakukan.nilai-nilai yang optimal tersebut terintegrasi pada model Dr. Mock. Besarnya debit di sungai hasil pemodelan dan hasil observasi diperlihatkan pada Gambar 2. rendah. Berdasarkan hasil penelitian dapat diketahui hubungan output model (Q Model ) dengan data observasi (Q Obs ). Pada Gambar 3 terlihat bahwa scatter plot umumnya berdekatan dengan garis kemiringan (slope = 1) yang menjelaskan output model memiliki hubungan yang kuat terhadap data observasi. Berdasarkan metode PearsonProduct Moment diperoleh nilai koefisien korelasi (R) sebesar 0,77 dan koefisien determinasi (R 2 ) sebesar 0, Gambar 2. Perbandingan Q model terhadapq observasi Dengan memperhatikan Gambar 2 terlihat bahwa kesalahan atau error terjadi pada beberapa periode. Pada kondisi optimal ini, pemodelan yang dilakukan memiliki nilai error sebesar 0,288. Error ini dapat terjadi karena curah hujan areal tidak terwakili secara baik oleh stasiun hujan yang digunakan mengingat curah hujan areal yang dihitung hanya dari dua stasiun hujan untuk DAS seluas 216,18 km 2. Data masukan lainnya yang dinilai memberikan kontribusi terhadap error adalah nilai parameter yang berhubungan dengan karakteristik hidrologi DAS. Nilai tersebut ditentukan secara umum berdasarkan kondisi fisik DAS dengan memperhatikan manual model Dr. Mock. Data debit sungai hasil observasi juga berpotensi memiliki kesalahan sebagai dasar pembanding data debit hasil pemodelan. Hal ini diketahui bahwa pada masa alat AWLR tidak berfungsi, penjaga pos mencatat tinggi muka air hanya dengan melakukan perkiraan tinggi muka air sehingga tingkat akurasi data yang dihasilkan Q Observasi (m 3 /d) Gambar 3. Korelasi model terhadap observasi Pengelolaan DAS Berdasarkan hasil optimasi diketahui bahwa proporsi permukaan lahan yang tidak tertutup oleh vegetasi (m) relatif besar, yaitu berkisar 30,00% - 33,76% dari luas DAS yang menggambarkan daerah dengan lahan tererosi dan lahan pertanian yang diolah. Hal ini perlu mendapat perhatian khusus untuk mengatasinya karena berdasarkan data yang diperoleh diketahui bahwa DAS Krueng Keumireu memiliki kondisi lahan yang beragam dengan sebagian besar lahan potensial kritis. Gambar 4 memperlihatkan kondisi lahan DAS Krueng Keumireu. Volume 3, No. 1, Februari

8 Gambar 4. Kondisi lahan DAS Krueng Keumireu Sumber: UPTB PDGA (2012), dengan pengolahan Strategi pengelolaan DAS secara aktif dan preventif yang dapat dilakukan terhadap kondisi tersebut diuraikan sebagai berikut: a. Aktif Melakukan rehabilitasi lahan kritis. Menjaga dan melestarikan kawasan yang dilindungi. Pengendalian penggunaan lahan dengan menjaga luasan minimum tutupan lahan yang berfungsi hutan di dalam DAS. Pemanfaatan lahan sesuai dengan b. Preventif fungsinya/ peruntukannya. Membentuk/merevitalisasi forum pengelola DAS tingkat daerah. Menyusun dan menetapkan pedoman koordinasi antar instansi terkait dan antar forum pengelola DAS serta swasta dan masyarakat. Melakukan koordinasi secara berkala antar pihak pengelola DAS. Meninjau kembali izin pemanfaatan hutan atau pengusahaan hutan. Memecahkan masalah kemiskinan masayarakat daerah hulu DAS Volume 3, No. 1, Februari 2014 Memberikan penyuluhan secara berkelanjutan kepada masyarakat akan pentingnya pengelolaan DAS dan dampak yang ditimbulkan apabila DAS menjadi kritis dan meningkatkan partisipasinya dalam rangka konservasi lahan dan air. Menyusun peraturan tentang pengelolaan DAS dan memberikan sistem reward and punishmentkepada individu maupun kelompok yang melakukan konservasi dan melakukan pelanggaran. Strategi pengelolaan DAS secara aktif dan preventif ini penting dilakukan karena secara perlahan DAS mengalami degradasi kualitas sehingga dikhawatirkan lahan potensial kritis semakin meluas atau bahkan menjadi lahan agak kritis bahkan lahan kritis/sangat kritis yang dapat menimbulkan dampak negatif lebih besar terhadap kehidupan sosial-ekonomi masayarakat dan keseimbangan ekosistem. KESIMPULAN DAN SARAN Kesimpulan a. Optimasi terhadap parameter model yang berhubungan dengan karakteristik hidrologi DAS mampu memberikan nilai yang optimal terhadap parameter tersebut sehingga error antara nilai debit sungai hasil pemodelan dan observasi dapat diminimalkan. b. Besarnya error pada kondisi optimal adalah 0,288 dengan R 2 sebesar 0,60. c. Nilai optimal parameter model yang berhubungan dengan karakteristik hidrologi DAS adalah sebagai berikut: Faktor m berkisar 30,00% - 33,76%, hal ini menggambarkan proporsi permukaan

9 lahan yang tidak tertutup oleh vegetasi relatif besar. Kapasitas kelembapan tanah (SMC) yang mencapai 400 mm menunjukkan bahwa tanah memiliki kemampuan menyerap air yang tinggi. Faktor kontribusi curah hujan areal bulanan terhadap limpasan (PF) adalah sebesar 0,10. Konstanta resesi air tanah (proporsi air tanah bulan t-1 yang masih ada pada bulan t, RC) adalah sebesar 0,60-0,68. Kemiringan lereng yang relatif landai dan tanah yang memiliki kemampuan menyerap air tinggi memberikan nilai faktor infiltrasi (IF) berkisar 0,50-0,70. d. Nilai-nilai parameter model yang disarankan oleh Dr. F.J. Mock tidak sepenuhnya dapat diterapkan pada DAS Krueng Keumireu dengan perbandingan sebagai berikut: Tabel 4.Perbandingan nilai parameter model Nilai Parameter Faktor m SMC PF RC IF Saran Dr. Mock (Default) 0% - 50% 200 mm 0,05-0,10 0,60 0,40 Optimasi (HasilPenelitian) 30,00% - 33,76% 400 mm 0,10 0,60-0,68 0,50-0,70 a. Model Dr. Mock perlu dioptimasi pada parameter yang berhubungan dengan karakteristik hidologi DAS yang ditinjau karena mampu untuk mendapatkan hasil pemodelan yang lebih mendekati kondisi sebenarnya. b. Parameter yang berhubungan dengan karakteristik hidologi DAS perlu dicoba untuk diukur secara langsung di lapangan dengan harapan memberikan output model yang lebih baik. c. Perlu dicoba untuk menggunakan data curah hujan lebih dari dua stasiun yang memberikan konstribusi terhadap DAS sehingga data yang dihasilkan representatif terhadap luas DAS. d. Agar menggunakan deret data curah hujan dan data meteorologi yang lebih panjang sebagai data input model dengan harapan memberikan hasil pemodelan yang lebih baik. e. Pengelolaan DAS secara aktif perlu segera dilakukan karena secara umum DAS sudah termasuk dalam kategori lahan potensial kritis. f. Diperlukan suatu tindakan yang diprakarsai oleh stakeholder untuk menjalankan aksi preventif dalam pengelolaan DAS. DAFTAR KEPUSTAKAAN Departemen Kehutanan Republik Indonesia, Kerangka Kerja Pengelolaan Daerah Aliran Sungai Di Indonesia.Amanah Instruksi Presiden No. 5 Tahun 2008 Tentang Fokus Program Ekonomi Tahun framework_das_09.pdf Direktorat Jenderal Pengairan, 1985.Pedoman Perkiraan Tersedianya Air.Keputusan Direktur Jenderal Pengairan No. 71/KPTS/A/1985 Tanggal 5 Maret Jakarta: Departemen Pekerjaan Umum. Mock, F.J., 1973.Land Capability Appraisal Indonesia : Water Availability Appraisal.Basic Study Prepared for the FAO/UNDP Land Capability Appraisal Project, AGL : SF/INS/72/011 Basic Study I. Bogor: UNDP-FAO Of The United Nations. Rao, S.S., Engineering Optimization : Theory and Practice. Fourth Edition /name/Engineering+Optimisation+_T heory+and+practice.pdf Safitri, E., 2013.Pengukuran Kesalahan Peramalan. Volume 3, No. 1, Februari

10 pptx Setiawan, E., 2010.Penggunaan Solver Sebagai Alat Bantu Kalibrasi Parameter Model Hujan Aliran. Spektrum Sipil, Vol. 1, No. 1 Hal: ejournal.ftunram.ac.id/FullPaper/ery _2.pdf Soemarto, C.D., 1995.Hidrologi Teknik. EdisiKedua. Jakarta: Erlangga. Sudjarwadi, 1979.Pengantar Teknik Irigasi. Yogyakarta: Universitas Gajah Mada. Tunas, I.G., Optimasi Parameter Model Mock Untuk Menghitung Debit Andalan Sungai Miu.Jurnal SMARTek, Vol. 5, No. 1, Hal: EK/article/view/452/ Volume 3, No. 1, Februari 2014