Jurnal Teknik Sipil ISSN 2302-0253

Pascasarjana Universitas Syiah Kuala 10 Pages pp. 36- 45

Volume 3, No. 1, Februari 2014 - 36

OPTIMASI PARAMETER MODEL DR.MOCK
UNTUK PENGELOLAAN DAERAH ALIRAN SUNGAI
Meri Gustian
1
, Azmeri
2
, Alfiansyah Yulianur
2
1)
Magister TeknikSipil ProgramPascasarjana Universitas Syiah Kuala 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,

Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

37 - Volume 3, No. 1, Februari 2014

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 =

=1

=1
...................................................... (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. Langkah-
langkah penghitungan aliran sungai metode Dr.
Mock (Direktorat Jenderal Pengairan, 1985 : 79)
adalah sebagai berikut:
a. Evapotranspirasi aktual (E)
E = ET
0

20
(18 - n) ...................................(3)
E = ET
0
- E ............................................(4)
E : selisih antara evapotranspirasi
potensial dan aktual (mm)
ET
0
: evapotranspirasi potensial (mm)
m : proporsi permukaan lahan yang
tidak tertutup olehvegetasi (%)
n : jumlah hari hujan
b. Penyimpanan kelembapan tanah (SMS)
Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

Volume 3, No. 1, Februari 2014 - 38

SMS = ISM + R E ................................... (5)
ISM : kelembapan tanah awal (mm)
R : curah hujan areal (mm)
E : 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+
2

INFIL ........................................ (8)
G.STOR
(t-1)
: penyimpanan air tanah pada
awal bulan (mm)
RC : konstanta resesi limpasan
f. Limpasan dasar (Q
BASE
)
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 Nilai
Faktor m
SMC
0% - 50%
200 mm
Parameter Nilai
PF
RC
IF
0,05 - 0,10
0,60
0,40
Sumber: Mock (1973 : 37)
Optimasi
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

=1
100 ................ (13)
n : jumlah periode
Y
t
: nilai aktual pada periode t

: nilai perkiraan pada periode t

Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

39 - Volume 3, No. 1, Februari 2014

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
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
Nilai
DAS Miu
DAS Sekotong
Pelangan
SMC
RC
IF
200,000 mm
0,850
0,215 - 0,325
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.
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 2011 - 2012, peta Rupa Bumi Indonesia
(RBI) tahun 2006, data curah hujan dan
meteorologi tahun 2011 - 2012, 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.

Luas DAS
Peta digital RBI yang dikumpulkan untuk
penentuan batas DAS yaitu Lembar 0421-22
Lamno, 0421-24 Indrapuri, 0421-31 Cot Basuet,
dan 0421-33 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)
Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

Volume 3, No. 1, Februari 2014 - 40

berdasarkan data meteorologi.
Mulai
Selesai
QModel QObs?
Tidak
Ya
Pembahasan, Kesimpulan, dan Rekomendasi
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
Studi:
Evapotranspirasi Potensial; Hujan Areal;
Model Dr. Mock; Optimasi; Pengelolaan DAS
Parameter Model Dr. Mock
dan Debit (QModel)
Nilai Parameter Optimal
Upaya Pengelolaan DAS

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,

Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

41 - Volume 3, No. 1, Februari 2014

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 I nput 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
Value
Final
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)
0,3000
400,0000
12,1526
0,1000
0,6849
0,5000
166,6389
0,3376
0,6000
0,7000
0,3000
400,0000
12,1526
0,1000
0,6849
0,5000
166,6389
0,3376
0,6000
0,7000

Original Value dan Final Value pada Tabel 3
Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

Volume 3, No. 1, Februari 2014 - 42

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.

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
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
0,60.

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.
0.00
2.00
4.00
6.00
8.00
10.00
12.00
0.00 2.00 4.00 6.00 8.00 10.00 12.00
Q
M
o
d
e
l

(
m
3
/
d
)
Q Observasi (m
3
/d)

Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

43 - Volume 3, No. 1, Februari 2014


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
fungsinya/ peruntukannya.
b. Preventif
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.
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
Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

Volume 3, No. 1, Februari 2014 - 44

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
Parameter
Nilai
Dr. Mock
(Default)
Optimasi
(HasilPenelitian)
Faktor m
SMC
PF
RC
IF
0% - 50%
200 mm
0,05 - 0,10
0,60
0,40
30,00% - 33,76%
400 mm
0,10
0,60 - 0,68
0,50 - 0,70
Saran
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, 2008.
Kerangka Kerja Pengelolaan Daerah Aliran
Sungai Di Indonesia.Amanah Instruksi Presiden
No. 5 Tahun 2008 Tentang Fokus Program
Ekonomi Tahun 2008-
2009.http://www.dephut.go.id/files/
framework_das_09.pdf
Direktorat Jenderal Pengairan, 1985.Pedoman Perkiraan
Tersedianya Air.Keputusan Direktur Jenderal
Pengairan No. 71/KPTS/A/1985 Tanggal 5 Maret
1985. 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., 2009. Engineering Optimization : Theory and
Practice. Fourth
Edition.http://xa.yimg.com/kq/groups/22199541/1
157563073/name/Engineering+Optimisation+_T
heory+and+Practice.pdf
Safitri, E., 2013.Pengukuran Kesalahan Peramalan.
www.mdp.ac.id/materi/2012-2013-1/.../MJ304-

Jurnal Teknik Sipil
Pascasarjana Universitas Syiah Kuala

45 - Volume 3, No. 1, Februari 2014

112200-762-2.pptx
Setiawan, E., 2010.Penggunaan Solver Sebagai Alat
Bantu Kalibrasi Parameter Model Hujan Aliran.
Spektrum Sipil, Vol. 1, No. 1 Hal: 72-
79.ejournal.ftunram.ac.id/FullPaper/ery-9-
2010_2.pdf
Soemarto, C.D., 1995.Hidrologi Teknik. EdisiKedua.
Jakarta: Erlangga.
Sudjarwadi, 1979.Pengantar Teknik Irigasi. Yogyakarta:
Universitas Gajah Mada.
Tunas, I.G., 2007. Optimasi Parameter Model Mock
Untuk Menghitung Debit Andalan Sungai
Miu.Jurnal SMARTek, Vol. 5, No. 1, Hal: 40-48.
http://jurnal.untad.ac.id/jurnal/index.php/SMART
EK/article/view/452/389