evaluasi debit metode tangki

167Rahman, Penerapan Model Tangki Dengan Tiga Tangki Susunan Paralel Untuk TransformasiData Hujan Menjadi Data Debit (Studi Kasus Pada Inflow Waduk Selorejo Dan Waduk Lahor)

166 Media Teknik Sipil, Volume 9, Nomor 2, Agustus 2011: 166 - 171

pada waduk Selorejo dan waduk Lahor yang secarakedinasan termasuk dalam wilayah kerja DinasPengairan Umum (DPU) Kabupaten Malang, PropinsiJawa Timur.

Pada masing-masing DAS dikumpulkan datacurah hujan, data iklim dan debit inflow waduk dalamperiode 3 tahun yaitu tahun 2005 sampai dengan 2007.Untuk memulai proses optimasi terlebih dahulu telahdihitung curah hujan wilayah dan evapotranspirasi padamasing-masing DAS. Tahap kegiatan penelitiandisajikan pada gambar 2 berikut ini.

Teknik optimasi ini tidaklah perlu mengetahuiinformasi detail dalam setiap Model Tangki tetapicukup mendapatkan informasi mengenai hasilperhitungan dan komparasinya serta berapa banyakparameter yang ada dalam suatu struktur Model

Tangki. Model Tangki diasumsikan sebagai suatuBlack-Box saja yang diamati tingkah lakunya bilamendapatkan perubahan parameter. Pengamatan inidilakukan oleh suatu sistem optimasi yang di sinimenggunakan algoritma genetik.

Dengan Model Tangki yang mempunyai 3 (tiga)reservoir, di sini dibuat suatu algoritma genetik denganmempertimbangkan hal-hal sebagai berikut:

1. Mempunyai input argument untuk menerimacurah hujan

2. Mempunyai input argument untuk menerimaevapotranspirasi

3. Mempunyai input argument untuk menerimadata debit amatan

4. Mempuyai output argument untukmengeluarkan hasil perhitungan model tangki

Running program (Algoritma Genetik)

Indikator kinerja

Parameter Optimal dan Indikator kinerja

tidak

ya

Input Model

Running Program

Mulai

Pengumpulan Data

Perhitungan Evapotranspirasi

menggunakan metode penman

Hujan Wilayah

Data Curah hujan Data debit & Luas DAS

Data iklim

1

Running dengan berbagai nilai parameter (manual)

Parameter optimal

Indikator kinerja model

RMSE

Kontrol kesesuaian

Analisa Sensitivitas

Parameter

tidak

ya

Pembahasan

Kesimpulan

Selesai

2

Gambar 1. Bagan Alir Tahapan Kegiatan Penelitan

PENERAPAN MODEL TANGKIDENGAN TIGA TANGKI SUSUNAN PARALEL

UNTUK TRANSFORMASI DATA HUJAN MENJADI DATA DEBIT(STUDI KASUS PADA INFLOW WADUK SELOREJO DAN WADUK

LAHOR)

Rahman

PT. Smart. Tbk (Sinar Mas Group)

ABSTRACT

An inspiriting factor in making a hydrology model especially rain water transformation datamodel to become debit data is debit accumulation handicap. Sugawara cube model is one of conceptualmodels which has concept rain water stream process become a river stream is analogized as astream through the parallel cube. The approach of cube model can be done in seri, parallel, or themixed.

Modeling simulation processes will produce parameters or coefficients of cube model makethe cube model and its parameters can show the condition of river stream area.

Three parallel cubes have 14 chosen parameters. The solution is optimizing it to get optimalparameter that can represent a DAS modeled. Algoritma Genetik can be used in the optimizationprocess; it shows the effectiveness and the capacity to determine parameter. The result of theanalysis of 2 DAS shows that the cube model with 3parallel cube represents the correlation ofclimate data and water debit with good process., model gives good trend in fluctuate debit of water.This optimizing technique is covered in Mantlab programming language which is ready to be developedin another DAS.

Key word : Hydrology model, 3 Parallel cube model, Parameter, Optimize, Algoritma Genetik

PENDAHULUAN

Salah satu faktor yang menjadi inspirasi untukmembuat model hidrologi khususnya modeltransformasi data hujan menjadi data debit adalahadanya keterbatasan data pengukuran debit. Dalamsituasi ideal seharusnya tersedia data jangka panjangyang mencakup beberapa dasa warsa pada sejumlahpos pencatat sepanjang sungai induk maupun anak-anak sungainya. Metode-metode statistik dapatditerapkan dalam menganalisis data tersebut. Namunbiasanya hanya tersedia data yang terbatas, sehinggadiperlukan cara-cara untuk merentang periodepencatatnya (Soemarto, 1995 : 51).

Model Tangki Sugawara merupakan salah satumodel konseptual dengan konsep bahwa proses aliranair hujan menjadi aliran sungai dianologikan sebagaisuatu aliran melalui rangkaian tangki-tangki.Kelemahan mendasar penerapan model tangki tersebutadalah banyaknya parameter yang harus ditentukan

terlebih dulu secara simultan sebelum model tersebutdiimplementasikan.

Algoritma Genetik (AG) merupakan salah satumetode yang cukup handal untuk pencarianparameter-parameter optimal. Keuntungan utamapenggunaan AG adalah kemudahan implementasinyadan kemampuannya untuk menemukan solusi secaracepat terutama untuk masalah-masalah yangberdimensi tinggi. Dengan memanfaatkan kelebihanpada AG diharapkan dapat mempermudah aplikasiModel Tangki, sehingga secara efektif dapatmembantu memecahkan masalah keterbatasan dataaliran sungai.

METODELOGI PENELITIAN

Teknik optimasi dengan algoritma genetikdiujicobakan untuk menentukan parameter modeltangki yang optimal pada dua DAS, yaitu DAS Kontodan DAS Lahor masing-masing mewakili debit inflow



Gambar 3. Perbandingan Debit Amatan, Debit Model dan Curah Hujan pada Waduk Lahorth. 2005 s.d 2007

Dispersi ini hampir tidak terlihat lagi pada tahun2007 seiring dengan terjadinya penurunan RMSE.Untuk ke dua DAS juga terlihat dispersi debit rendahtiap tahunnya terutama pada DAS Konto (Gembar 3)yang menunjukkan bahwa ada kecenderungan debitmodel selalu dibawah debit amatannya. Hal inidisebabkan karena model dengan susunan paralelbelum cukup baik dalam mempresentasikan base flow(aliran bawah tanah) pada masing-masing DAS.

Tabel 2 dan 3 diperlihatkan perbandingan nilaiRMSE dan RR (Squared Relatif Error) input data 1tahun dan input data 3 tahun sekaligus. Ditinjau darinilai indikator RMSE didapatkan bahawa RMSEdengan input data 3 tahun sekaligus memberikanperforma model yang lebih baik dibandingkan dengandata input 1 tahun.

Tabel 3. Rekapitulasi RR (%)

Tabel 2.Rekapitulasi RMSE (m3/detik)

RMSE Selorejo Lahor

2005 0.32 0.46

2006 0.53 0.37

2007 0.55 0.33

rata-rata 0.467 0.387

2005 - 2007 0.351 0.325

RMSE Selorejo Lahor

2005 6.65 14.42

2006 19.11 20.93

2007 15.2 11.23

rata-rata 13.652 15.527

2005 - 2007 25.00 27.47

Dari tabel 2 juga dapat disimpulkan bahwa

simpangan yang diberikan model pada debit inflowwaduk Lahor lebih baik dari pada model yang diberikanpada debit inflow waduk Selerjo yaitu sebesar 0,325m3/detik. Hal ini menunjukkan bahwa performancemodel tangki susunan paralel lebih tepat digunakanpada DAS Lahor. Hal ini membuktikan bahwa modeltangki dengan susunan paralel tidak bisamemperkirakan base flow pada suatu DAS.

Untuk mengetahui sampai berapa jauh ketetapanatau kecocokan garis regresi yang terbentuk dalammewakili kelompok data hasil observasi, maka perludilihat sampai seberapa jauh model yang terbentukdapat menerangkan kondisi yang sebenarnya. Dalammempresentasikan suatu karakteristik suatu DAS,hasil model berupa debit model akan dilihathubungannya dengan debit amatan yang telah terukursebelumnya. Korelasi ini ditunjukkan dalam lampiran.

HASIL DAN PEMBAHASAN

Model Tangki paralel dianggap mempunyaidaerah tampungan yang lebih luas, sehinggadimungkinkan akan terjadi hujan yang berbeda antarahulu, tengah dan hilir sungai. Dalam Model 3 TangkiSusunan Paralel penentuan parameter koefisien hujanA, B dan C dilakukan dengan cara coba-cobadimana akumulasi dari ke tiga koefiseien akan bernilai1 (A+B+C=1). Setiap kombinasi nilai koefisienhujan () yang diberikan akan memberikan tingkatanparameter yang berbeda berikut dengan indikatortingkat kinerjanya berupa Root Mean Squared Error(RMSE).

Hasil running dilakukan terlebih dahulu untukmendapatkan nilai koefisien hujan yang sesuai untukmasing-masing DAS sehingga dapat diketahuikombinasi-kombinasi koefisien hujan yang dipakaiuntuk masing-masing DAS:

- DAS Konto : A=0,1; B=0,3 danC=0,6

- DAS Lahor : A=0,2; B=0,2 danC=0,6

Tabel. 1 Parameter dan Indikator KinerjaModel tahun 2005 s.d 2007

Parameter Konto Lahor

HA1 (mm) 283.862 0.010

HA2 (mm) 334.164 498.027

CA1 26.778 0.023

CA2 402.118 186.096

HB (mm) 0.006 0.031

CB 0.044 0.041

HC (mm) 130.691 291.000

CC 0.366 0.397

SA0 (mm) 96.527 497.910

SB0 (mm) 499.511 498.950

SC0 (mm) 45.375 34.664

RMSE (m3/dtk) 0.351 0.325

MAE (m3/dtk) 3.056 2.656

X (m3/dtk) 1.090 1.026

X^2 (m3/dtk) 1.768 1.386

RE 0.397 0.443

RR 0.250 0.275

Secara grafis hasil debit model yang diperolehdari parameter dengan input data 3 tahun sekaligusyang ditunjukkan pada gambar 3 dan 4.

Pada gambar dapat dilihat bahwa secarakeselurahan fluktuasi debit model sudah memiliki trendyang baik dalam mengikuti debit amatannya, padaDAS Lahor terlihat dispersi debit tinggi pada awal-awal tahun 2005 dan 2006.

Gambar 2. Perbandingan Debit Amatan, Debit Model dan Curah Hujan pada Waduk Selorejoth. 2005 s.d 2007



Setiawan, B.I., T. Fakuda, dan Nakano. 2003,Develoving Procedures for Optimization ofTank Model Parameter. AgricultureEngineering International: the CIGR Journal ofScientific Research and Development,Manuscript LW 01 006. June, 2003.

Soemarto, C.D. 1995, Hidrologi Teknik. Erlangga,Jakarta.

Sri Harto, B.R. 1993, Analisis Hidrologi. GramediaPustaka Utama, Jakarta,

Sukmadi, Tedjo. 2006. Estimasi parameter adaptifmotor DC Dengan metode algoritmagenetic. www.elektro.undip.ac.id/transmisi/jun06/6_tejo.pdf. Diakses tanggal 4 Juni 2009pukul 20.03 WIB.

Sulianto, 2009, Pengembangan ProsedurOptimasi Parameter Untuk MeningkatkanKinerja Model Konseptual-DeterministikSebagai UpayaMengatasi MasalahKeterbatasan Data Aliran Sungai, LaporanHasil Penelitian.

Suyanto. 2005, Algoritma Genetik dalamMATLAB. ANDI, Yogyakarta.

Syahbuddin, H. dan Wihendar, N. 2007. AnomaliCurah Hujan Periode 2010- 2040 diIndonesia.

http://balitklimat.litbang.deptan.go.id/index.php?option=com_ content &task=view&id=129&Itemid=9. Diaksestanggal 14 Juni 2009 pukul 13.14 WIB.

SITUS:

Hoong, Chong Chew. 2007. Development ofFlood Forcasting Model for SungaiKelantan. www.efka.utm.my/thesis/.../chongchewhoongaa020072d07thp. pdf.Diakses Tanggal 13 Juni 2009 pukul 10.23WIB.

Syahbuddin, H. dan Wihendar, N. 2007. AnomaliCurah Hujan Periode 2010-

2040 di Indonesia. http://balitklimat.litbang.deptan.go.id/index.php?option=com_ content &task=view&id=129&Itemid=9. Diaksestanggal 14 Juni 2009 pukul 13.14 WIB.

Sukmadi, Tedjo. 2006. Estimasi parameter adaptifmotor DC Dengan metode algoritmagenetic. www.elektro.undip.ac.id/transmisi/jun06/6_tejo.pdf. Diakses tanggal 4 Juni 2009pukul 20.03 WIB.

Dari grafik tersebut terlihat adanya korelasiyang deberikan sudah cukup tinggi pada ke dua model,yaitu 79,2% untuk model pada inflow waduk Selorejodan 76,4% pada inflow waduk lahor.

KESIMPULAN DAN SARAN

Kesimpulan

1. Model 3 tangki susunan paralel dapatmempresentasikan hubungan antara data iklimdengan data aliran inflow di waduk Selorejo danWaduk Lahor dengan baik. Besarnya RootMean Square Error (RMSE) diperoleh antara0,32 s.d. 0,35 m3/dtk.

2. Algoritma Genetik dapat digunakan untukmencari parameter model tangki dengan nilaisimpangan yang relatif kecil (Tabel 4.11 hingga4.13 halaman 69 dan tabel 4.20 halaman 74).Nilai RMSE input data 1 tahun model padawaduk Selorejo sebesar 0,47 m3/dtk dengansimpangan sebesar 13,65 % dari dataamatannya, untuk waduk Lahor sebesar 0,38m3/dtk dengan simpangan sebesar 15,65% daridata amatannya. Sedangankan nilai RMSE inputdata 3 tahun sekaligus pada waduk Selorejosebesar 0,35 m3/dtk dengan simpangan sebesar25,05 % dari data amatannya, untuk wadukLahor sebesar 0,33 m3/dtk dengan simpangansebesar 27,47 % dari data amatannya.

3. Hasil model input data 3 tahun sekaligusmemberikan performance model yang baikdibandingkan dengan model input data 1 tahun.Hal ini dibuktikan dengan nilai RMSE yang lebihkecil pada input model 3 tahun sekaligus. Dalammempresentasikan suatu DAS, Model tangkisusunan paralel ternyata lebih tepat digunakanpada DAS Lahor ini juga dibuktikan dengan nilaiRMSE yang diperoleh lebih kecil dari pada nilaiRMSE pada DAS Konto.

4. Korelasi antara debit amatan dan debit modeldalam mempresentasikan suatu DAS sudahcukup baik, ditinjau dari koefisiendeterminasinya debit model pada inflow wadukselorejo memberikan nilai korelasi sebesar79,2% dan untuk waduk lahor sebesar 76,4%.

Saran1. Penerapan model tangki secara sederhana

sebaiknya dihindari, penentuan parametersebaiknya dilakukan melalui optimasi.

2. Untuk mencapai parameter optimal denganbanyak iterasi, penerapan optimasi berbasisalgoritma genetik cukup rumit dilakukan makaalgoritma genetik akan mudah dilakaukan jika kitasudah mengimplementasikan dalam bahasapemograman.

3. Perlu dilakukan penelitian lebih lanjut dalampemisahan base flow agar penerapan modeltangki susunan paralel dapat menghasilkan output debit yang optimal. Hal ini dikarenakan modeltangki paralel tidak bisa memperkirakan base flowdengan baik.

4. Perlu dilakukan penelitian lebih lanjut dalamanalisis perubahan pengguanan lahan secaradinamis agar pemodelan dapat benar-benarakurat dengan keadaan lapang saat ini dan masayang akan datang. Sebagai pembanding perludilakuka penelitian tambahan pada DAS laindengan karakter DAS yang berbeda.

DAFTAR PUSTAKA

Chay Asdak. 1995, Hidrologi dan PenglolaanDaerah Aliran Sungai. UGM PRESS,Yogyakarta.

Hoong, Chong Chew. 2007. Development ofFlood Forcasting Model for Sungai Kelantan.w w w . e f k a . u t m . m y / t h e s i s / . . . /chongchewhoongaa020072d07thp. pdf.Diakses Tanggal 13 Juni 2009 pukul 10.23 WIB.

Kustamar. 2008, Konsep, Strategi, dan ContohPemodelan Hidrologi Daerah Aliran Sungai.UM PRESS, Malang.

Linsley, Franzini dan Sasongko. 1985, TeknikSumber Daya Air Jilid 1, edisi ke tiga, Erlangga,Jakarta.

Rayk Linsley, Jr, Max A Kohler, Joseph L H Paulhus,Edisi 3, 1996, Hidrologi Untuk Insinyur,Penerbit Erlangga.

evaluasi debit metode tangki

Documents