III. METODOLOGI 3.1 WAKTU DAN TEMPAT Penelitian dilakukan di Sub DAS Cisadane hulu dengan menggunakan outlet sungai daerah Batubeulah. Sub DAS Cisadane Hulu secara geografis terletak pada 106 28 53.61-106 56 42.32 BT dan 06 31 21.54-06 47 16.87 LS. Outlet sungai pada Batubeulah terletak pada 106 41 211 BT dan 06 31 21 LS. Letak Sub DAS Cisadane Hulu dapat dilihat pada Gambar 3. Gambar 3. Wilayah Sub DAS Cisadane Hulu (BPDAS Citarum-Ciliwung, 2007) Sub DAS Cisadane Hulu yang terletak pada Propinsi Jawa Barat memiliki DAS yang berbentuk radial, dengan bentuk DAS melebar dan anak-anak sungai mengalir dengan arah yang terkonsentrasi di satu titik yaitu outlet Batubeulah. Penelitian dilaksanakan pada bulan maret 2010 sampai dengan Januari 2011. 3.2 ALAT DAN BAHAN 1. Alat penelitian ini dilaksanakan dengan alat bantu berupa perangkat komputer dengan menggunakan open souce software MapWindow GIS 4.6 SR, MWSWAT, dan SWAT Ploth and Graph, SWATCUP. 9
2. Bahan-bahan yangyang digunakan antara lain : a. Data global. berupa peta DEM (Digital Elevation Mode) dengan resolusi 90 m x 90 m yang berasal dari STRM (Shuttle Radar Thopography Mission) International Centre for tropical Agricultutre (CIAT) tahun 2004. Kemudian peta digital Australasia drainage basin. b. Data Lokal 1. Data debit outlet sungai Cisadane Batubeulah tahun 2009 dari Balai PSDA Bogor. 2. Peta tanah Sub DAS Cisadane Hulu skala 1 : 250000 dan peta batas Sub DAS Cisadane Hulu dari BPDAS Ciliwung Cisadane Bogor dan Limnologi Lipi Bogor. 3. Peta landuse olahan citra satelit Sub DAS Cisadane Hulu tahun 2008 skala 1: 250000 dari BPDAS Ciliwung Cisadane Bogor. 4. Data iklim harian stasiun iklim Darmaga tahun 2004-2009 dari BKMG Jakarta. 5. Data curah hujan harian tahun 2004-2009 dari pos hujan Sub DAS Cisadane Hulu dari Balai PSDA Bogor. 6. Daftar stasiun iklim (stsnlist.txt) yang berisi nomor dan nama stasiun dan pos hujan yang digunakan. 3.3 METODOLOGI PENELITIAN Tahapan penelitian terdiri dari lima tahap kegiatan. Kegiatan tersebut, antara lain: 1) pengumpulan data, 2) pengolahan data, 3) analisis MWSWAT, 4) kalibrasi data 5) validasi. Adapun diagram alir proses penelitian dapat dilihat pada gambar 4. 1. Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data sekunder. Data didapat dari penelitian sebelumnya atau dari instansi terkait. Data data tersebut terdiri dari dua jenis data yaitu data spasial dan data teks (atribut). Data hidrologi DAS Cisadane Hulu berupa data debit harian di SPAS (Stasiun Pencatat Aliran Sungai) Batubeulah dan data curah hujan dari pos hujan yang berada di Sub DAS Cisadane Hulu. Peta penggunaan lahan (land use), peta jenis tanah, dan peta batas Sub DAS Cisadane Hulu, peta au basin, peta DEM dan daftar stasiun iklim (stnlist.txt). 2. Pengolahan Data a. Data spasial Beberapa data masukan yang diperlukan untuk menjalankan model hidrologi SWAT berupa data spatial (peta peta). Peta peta yang diperlukan seperti peta penggunaan lahan dan peta jenis tanah diperoleh dari BPDAS masih dalam bentuk vektor. Sedangkan SWAT hanya bisa mengolah data spasial dalam bentuk raster sehingga peta peta tersebut perlu diolah terlebih dahulu menggunakan tool yang ada di Map Window yaitu tool convert a shapefile a grid dengan ukuran cell 30x30, tipe data grid long interger, dan disimpan dalam bentuk TIF, kemudian peta tersebut di reprojected dengan bantuan gistool raster (reprojected grid). b. Data teks (atribut) Data atribut yang diperlukan sebagai masukan SWAT adalah data tanah, data iklim, dan data debit sungai Cisadane. Data tanah dalam SWAT dimasukkan dalam filesol yang terdapat di database MWSWAT. Data iklim yang merupakan masukkan dalam SWAT 10
adalah curah hujan, temperatur udara maksimum dan minimum harian ( 0 C), radiasi sinar matahari harian (MJ/m 2 /hari), kelembaban udara harian (%). Data data tersebut dikumpulkan file PCP, TMP, SLR, HMD, WGN. 3. Analisis MWSWAT Analisis dilakukan dengan membandingkan keluaran output debit hasil simulasi SWAT dengan debit outlet Batubeulah yang ada dilapangan (observasi) dengan menggunakan parameter p-value dan r-factor. Nilai p-value > 0.8 langsung ke proses validasi sedangkan Nilai p-value < 0.8 harus melalui proses kalibrasi dan r-factor < 1 langsung ke proses validasi sedangkan Nilai - r-factor > 1 harus melalui proses kalibrasi. 4. Kalibrasi Pada proses kalibrasi dimasukkan nilai parameter-parameter yang dalam bentuk range atau ketidakpastian, nilai parameter-parameter tersebut akan disimulasikan oleh SUFI2.SWATCUP. Nilai p-value > 0.8 langsung ke proses validasi sedangkan Nilai p-value < 0.8 harus melalui proses kalibrasi kembali dan r-factor < 1 langsung ke proses validasi sedangkan Nilai - r-factor > 1 harus melalui proses kalibrasi. Pada proses kalibrasi data mengenai iklim dan data debit sungai yang digunakan adalah data dari tahun 2004 sampai dengan 2006, sedangkan data mengenai peta tanah dan peta penggunaan lahan yang digunakan adalah tahun 2008. 5. Validasi Pada proses validasi dimasukan nilai parameter-parameter hasil kalibrasi disimulasikan kembali untuk di pastikan bahwa hasil kalibrasi dapat valid digunakan. Model dianggap valid jika lebih dari 80% data hasil observasi perpotongan dengan luasan grafik 95PPU (p-value > 0.8). Selain itu, rata rata selisih nilai antara batas bawah (pada level 2.5%) dan batas atas (pada level 97.5%) grafik 95PPU lebih kecil dari standar deviasi data hasil observasi (r-fator < 1). Pada proses validasi data mengenai iklim dan debit yang digunakan adalah data dari tahun 2007 sampai dengan 2009, sedangkan data untuk peta tanah dan penggunaan lahan adalah tahun 2008. 3.3.1 Map Window Soil and Water Assessment Tool (MWSWAT) 1. Pengumpulan data. Data yang diperoleh berupa data sekunder yang diperoleh dari Balai Pengolahan Sumber Daya Air (PSDA) Bogor, Balai Pengolahan Daerah Aliran Sungai (BPDAS) Ciliwung-Cisadane, Limnologi LIPI Bogor, dan BMKG Jakarta. 2. Pengolahan data. a. Pengolahan data peta digital dilakukan dengan menggunakan software Global Mapper v7, arc view 3.3 dan Mapwindow 4.6SR. 1. Memotong peta DEM, basin, landuse, dan tanah sesuai dengan daerah penelitian. 2. Memberi ID tambahan pada Tabel atribut peta tanah (SOIL_ID) dan landuse (LANDUSE_ID) sesuai dengan ID yang terdapat pada dabase mwswat.mdb. 3. Menyamakan sisten koordinat pada peta agar dapat digunakan bersama 11
Mulai Data iklim Data spatial 2004-2006 Pengolahan Data : Pengolahan data peta dan iklim Analisis MWSWAT Kalibrasi p-value > 0.8 Tidak r-factor < 1 ya Validasi Menggunakan data 2007-2009 Ya p-value > 0.8 r-factor < 1 Tidak selesai Gambar 4. Diagram Alir Validasi dan Kalibrasi model MWSWAT 12
3. Menyiapkan data iklim 1. Menyiapkan data stasiun (stnlist.txt) dengan kordinat, elevasi, serta nama dan pos yang digunakan. 2. Menyiapkan data hujan harian (.pcp) tahun 2009 dalam satuan mm yang berasal dari stasiun iklim Darmaga, pos hujan Empang serta PLTA Karacak. 3. Menyiapkan data temperatur harian dalam satuan C dari stasiun iklim Darmaga 2009. 4. Menyiapkan data iklim tahun 2003-2009 didalam file generator (.wgn). Untuk membentuk weather generator, data iklim yang ada diolah menjadi beberapa tahapan yang meliputi : a. TITTLE : judul pada baris pertama file. Wgn b. WLATITUDE : koordinat lintang pada stasiun iklim. c. WLONGITUDE : koordinat bujur pada stasiun iklim. d. WLEV : elevasi stasiun iklim (m). e. RAIN_YRS : jumlah tahun data iklim yang digunakan. f. Temperatur maksimum (TMPMX) Temperatur ini merupakan suhu maksimum rata rata harian pada satu bulan tertentu selama n tahun, untuk contoh suhu maksimum rata rata pada bulan Januari 10 tahun. Tmx,bulan = temperatur maksimum harian selama pencatatan pada bulantersebut ( 0 C). N = jumlah hari perhitungan temparatur maksimum pada bulan tersebut. g. Temperatur Minimum (TMPMN) Temperatur ini merupakan suhu minimum rata rata pada satu bulan tertentu selama n tahun. Contoh suhu minimum rata rata pada bulan Januari selama 10 tahun. Tmn,bulan = temperatur minimum harian selama pencatatan pada bulan itu ( 0 C). N = jumlah hari perhitungan temperatur minimum pada bulan tersebut. h. Standar Deviasi Suhu Maksimum Harian (TMPSTMTDMN) Standar deviasi ini dapat dihitung dengan menggunakan persamaan. 13
σmx Tmx bulan N = standar deviasi suhu maksimum. = suhu maksimum harian pada bulan tertentu. = periode waktu (tahun). i. Standar Deviasi Suhu Minimum Harian (TMPSTMTDMN) Standar deviasi ini dapat dihitung dengan menggunakan persamaan. Dimana: σmx Tmx bulan N = standar deviasi suhu minimum. = suhu minimum harian pada bulan tertentu. = periode waktu (tahun). j. Curah Hujan Rata rata (PCPMM) Curah hujan rata rata pada satu bulan selama n tertentu Dimana: R hari,bulan = curah hujan harian selama pencatatan pada bulan tersebut (mmh 2 O) N = total hari pencatatan selama bulan tersebut yang digunakan untuk menghitung rata rata. Tahun = jumlah tahun dari hujan harian dicatat. k. Standar Deviasi Untuk Curah Hujan Harian (PCPSTD) Standar deviasi ini dapat dihitung dengan menggunakan persamaan. σbulan n Rhari Rbulan N = standar deviasi suhu maksimum = curah hujan harian pada bulan tertentu. = rata rata curah hujan dalam satu bulan. = total bulan (jumlah tahun) l. Koefisien skew untuk curah hujan harian dalam satu bulan (PCP Skew) ģ bulan Rhari.bulan N σbulan n = koefisien Skew. = curah hujan harian pada bulan tertentu selama N tahun. = total tahun. = standar deviasi. 14
m. Perbandingan kemungkinan hari basah ke hari kering dalam satu bulan dengan jumlah hari kering dalam satu bulan (PR-Wl). hari W/D,i hari kering,i = jumlah hari basah yang diikuti hari kering. = jumlah hari kering selama hari pencatatan. n. Perbandingan jumlah hari kering ke hari kering dengan jumlah hari kering selama satu bulan (PR-W2). hari W/W,i Hari basah,i = jumlah hari basah yang diikuti hari basah. = jumlah hari basah selama periode pencatatan. o. Jumlah hujan rata rata pada bulan tertentu selama n tahun (PCPD) p. Jumlah curah hujan maksimum selama pencatatan (PCP mak) q. Radiasi Surya (SOLARAV) Rata rata radiasi surya pada satu bulan tertentu selama n tahun r. DEW point (titik beku) s. Kecepatan angin (WNDAV) Kecepatan angin rata rata (m/s) pada satu bulan tertentu selama N tahun. Perincian data input file yang diperlukan dalam SWAT dapat dilihat pada Tabel 1. 4. Operasi software SWAT a. Langkah pertama input data yang akan digunakan yaitu DEM, Sub DAS, dan penentuan outlet dari reach. b. Pembentukan Hidrologic Respons Unit (HRU), input data yang dimasukan adalah interval slope, peta raster landuse dan peta raster tanah. c. Simulasi. Setelah unit atau kelompok lahan terbentuk maka langkah selanjutnya adalah menjalankan model SWAT. d. Visualisasi hasil. Pada tahap ini, visualisai hasil diinginkan dapat dilihat. Misalnya dengan memilih parameter output debit aliran sungai harian. Visualisasi digambarkan dengan perubahan warna menurut nilai output parameter yang dipilih. 15
Tabel 1. File data input dalam SWAT untuk analisis hidrologi Nama File RTE CROP URBAN PCP TMP SLR HMD WGN SOL MGT CIO COD FIG BSN SUB HRU GW Fungsi File pergerakan air, sedimen, hara dan pestisida File parameter tumbuh tanaman File data terbangun atau urban area File data curah hujan harian File temperature udara maksimum dan minimum harian File radiasi matahari harian File kelembaban udara harian File data generator iklim File data tanah File scenario pengelolaan dan penutupan lahan File untuk mengontrol data input dan output Mengontrol file input dan output Mengidentifikasi jaringan hidrologi sungai Mengontrol keragaman parameter di tingkat DAS Mengontrol keragaman parameter di tingkat Sub DAS Mengontrol keragaman parameter di tingkat HRU File air bawah tanah 5. Analisis Hasil Simulasi Analisis dilakukan dengan membandingkan keluaran output debit hasil simulasi SWAT dengan debit outlet Batubeulah yang ada dilapangan (observasi) dengan menggunakan SWAT plot and graph. Pada SWAT plot and graph digunakan koefisien determinasi (R 2 ) dan Nash-Sutcliffe (NSI). Koefisien determinan menunjukkan seberapa besar kedekatan hasil nilai observasi dengan nilai simulasi. Sedangkan Nash-Sutcliffe (NSI) digunakan untuk mengevaluasi model pada SWAT plot and graph. Range NSI antara samapai dengan 1, dengan katagori layak (NSI > 0.75), memuaskan (0.7 >NSI>0.36), dan kurang memuaskan(nsi<0.36) (Van Liew et al, 2005 dalam Sethr, 2009). 6. Validasi dan kalibrasi Kalibrasi dan pengujian bertujuan agar output dari model yang digunakan hasilnya mendekati output dari DAS yang sebenarnya. Validasi dilakukan secara visual dengan membandingkan kurva debit hasil simulasi dengan kurva debit hasil pengukuran langsung di stasiun pengamat. Menurut Heuvelmans et al. (2004), kalibrasi dilakukan dengan cara merubah beberapa nilai parameter sensitif yang berpengaruh terhadap nilai debit hasil simulasi. Parameter tersebut antara lain CN2, SOL_K, SOL_AWC, GW_REVAP, REVAPMN, GW_DELAY, dan ALFA_BF. Proses kalibrasi dilakukan dengan menggunakan software SWAT-CUP. Langkah langkah dalam mengoperasikan SWAT- CUP dapat dilihat di bawah ini : 1. Install program SWAT-CUP dan operasikan progam tersebut. 2. Untuk proyek baru : a) Masukan SWAT TxtInOut directory sebagai sumber data masukan untuk membuat proyek baru. 16
b) Kemudian pilih salah satu program kalibrasi yang tersedia untuk proyek baru tersebut (SUFI2, GLUE, ParaSol, MCMC). c) Beri nama proyek baru tersebut. d) Tentukan lokasi untuk menyimpan file proyek tersebut. Ketika file proyek tersebut disimpan program akan membuat project directory yang diinginkan dan menyalin semua TxtInOut files di Backup directory. Parameter parameter yang ada pada file file tersebut merupakan parameter standar yang belum dikalibrasi. 3. Pada Project Explorer window terdapat Calibration Inputs yang berisi data parameter parameter yang akan dikalibrasi. Parameter parameter ini harus diteliti dan diubah secara hati hati. 4. Setelah nilai parameter parameter tersebut diubah langkah 5. selanjutnya adalah menjalankan proses kalibrasi dengan menekan tombol Execute pada Tool Bar. 6. Untuk suatu proyek yang baru pastikan anda mulai dari proses paling atas yang ada pada Tool Bar Execute. 7. Lihat hasil dari proses kalibrasi tersebut. 8. Jika diperlukan, ganti parameter-parameter di dalam Par_infsf2 dengan parameter parameter yang ada pada New_parssf2 dan lakukan iterasi lain. Parameter pada Par_infsf2 yang digunakan untuk mengganti parameter New_parssf2 harus memiliki interval yang lebih kecil. 9. Semua iterasi-iterasi disimpan dalam iteration history sehingga kita dapat melihat kemajuan dari proses kalibrasi. Pada proses kalibrasi dimasukan nilai parameter-parameter yang dalam bentuk range atau ketidakpastian, nilai parameter-parameter tersebut akan disimulasikan oleh SUFI2.SWATCUP dengan mensimulasikan setiap nilai parameter ( mulai dari range minumum sampai range maksimum) yang terdapat pada nilai absolut pada SWATCUP, kemudian hasil simulasi dengan parameter-parameter tersebut dibandingakan dengan data observasi dan dilihat seberapa besar nilai perpotongan antara hasil simulasi (dalam bentuk grafik 95PPU) dengan data observasi. Menurut Abbaspour (2007), model dianggap valid jika lebih dari 80% data hasil observasi perpotongan dengan luasan grafik 95PPU (Pvalue > 0.8). Selain itu, rata rata selisih nilai antara batas bawah (pada level 2.5%) dan batas atas (pada level 97.5%) grafik 95PPU lebih kecil dari stadar deviasi data hasil observasi (R-fator < 1). 17