Journal homepage: https://jtresda.ub.ac.id/
*Penulis Korespendensi: [email protected]
Analisis Hujan TRMM (Tropical Rainfall Measuring Mission) menjadi Debit dengan Metode NRECA pada Das Bango
Nugraha Faiz Alnino1*, Ery Suhartanto1, Jadfan Sidqi Fidari1
1Jurusan Teknik Pengairan, Fakultan Teknik, Universitas Brawijaya Jl. MT. Haryono No. 167, Malang, 65145, Indonesia
*Korespondensi Email: [email protected]
Abstract: Hydrological planning is always related to watershed characteristics. The availability of data to obtain flow rates is often incomplete, so water construction planners find it difficult to obtain data.
Therefore, it is necessary to convert rain to discharge which aims to convert rain data into discharge. This study aims to analyze TRMM rainfall into river discharge located in the Bango watershed, Malang Regency. The method used in this study was the NRECA method. In using TRMM data, it is necessary to carry out a validation stage first. Validation analysis was carried out to see the suitability of the TRMM rainfall data with regional rainfall.
From these results, it can be continued to make the river discharge using the NRECA method. From the test, the best value was obtained, NSE value = 0.773 and the R value = 0.934. From the overall analysis, it can be concluded that the NRECA model discharge data from TRMM rain can be used because it is almost close to the discharge data.
Keywords: Discharge, NRECA, Rainfall, TRMM, Validation
Abstrak: Perencanaan Hidrologi selalu berkaitan dengan karakteristik DAS.
Kenyataanya ketersediaan data untuk mendapatkan debit aliran sering kali tidak lengkap, sehingga perencana bangunan air kesulitan untuk mendapatkan data. Oleh karena itu diperlukan pengalihragaman hujan ke debit yang bertujuan untuk merubah data hujan menjadi debit. Studi ini bertujuan untuk menganalisis Hujan TRMM menjadi debit sungai yang terletak di DAS Bango, Kabupaten Malang. Metode yang digunakan dalam studi ini yaitu Metode NRECA. Dalam penggunaan data TRMM perlu dilakukan tahap validasi terlebih dahulu. Analisis validasi dilakukan untuk melihat kesesuaian data curah hujan TRMM dengan curah hujan wilayah.
Dari hasil tersebut bisa dilanjutkan untuk menjadikan debit sungai dengan Metode NRECA. Dari Uji tersebut, didapatkan nilai terbaik yaitu, nilai NSE
= 0,773 dan nilai R = 0,934. Dari keseluruhan analisis, mendapatkan kesimpulan yaitu data debit model NRECA dari hujan TRMM dapat diunakan karena hampir mendektai dari data debit.
Kata kunci: Curah Hujan, Debit, NRECA, TRMM, Validasi
562
1. Pendahuluan
Hidrologi merupakan informasi sangat penting dalam pelaksanaan inventarisasi sumber air yang tepat dan rehabilitasi sumber alam seperti air, tanah, dan hutan rusak.
Dalam data hidrologi, hal yang sangat berpengaruh seperti curah hujan, penguapan, temperature, penyinaran lamanya matahari. Namun, ketersediaan serta akses data seringkali tidak lengkap dan tidak terjangkau[1]. Dengan membutuhkan berbagai data seperti TRMM yang juga bisa mempermudah dalam proses pengerjaanya[2]. Namun juga, letak stasiun penakar hujan memiliki pengaruh besar dalam ketelitian pengukuran hujan pada suatu DAS, sehingga dapat menjelaskan kondisi DAS tersebut[3].Keterbatasan stasiun penakar hujan pada DAS, terlebih pada daerah terpencil, kajian atau analisis sumber daya air berdasarkan data curah hujan akan sulit dilakukan.
Adanya satelit meteorologi TRMM (Tropical Rainfall Measuring Mission) dapat menjadi alternatif untuk memberikan informasi data hujan spasial pada lokasi studi yaitu di DAS Bango Malang dan daerah tropis lainnya. Resolusi spasial TRMM sebesar 0,25°×0,25°, tidak sebesar satelit lain yang telah ada, namun unggul secara resolusi temporal yang menyediakan data 3 jam-an dan harian [4]. Dalam memastikan hal ini dapat dilakukan pengalih ragaman data curah hujan, dimana yang digunakan ialah data curah hujan TRMM (Tropical Rainfall Measuring Mission) yang telah melalui uji validasi, menjadi data debit aliran[5]. Metode pengalih ragaman yang digunakan ialah simulasi NRECA. Dari hasil simulasi alih ragam curah hujan ke debit tersebut dapat bermanfaat untuk pengelolaan sumber daya air DAS Bango dan sekitarnya[6].
2. Lokasi dan Metode 2.1 Bahan
2.1.1 Lokasi Studi
Lokasi studi yang digunakan yaitu DAS Bango yang berlokasi di daerah Kabupaten Malang yang merupakan sebuah kabupaten di daerah Jawa Timur bagian selatan, sebagaimana terlihat pada gambar 1. Kabupaten Malang berada di koordinat 7°45'52" - 7°59'40" LS dan 112°33'5" - 112°46'55" BT, dengan luas Kabupaten Malang 3.535 km2 Kondisi topografi DAS Bango cukup beragam, mulai dari dataran rendah, dataran bergelombang, hingga dataran tinggi/pegunungan. Elevasi tertinggi berada pada puncak Gunung Arjuno dan Gunung Welirang yang terletak di bagian hulu DAS Bango. Elevasi terendah berada pada ±305m dpl dan elevasi tertinggi ±2900m dpl. Batas wilayah dari kabupaten malang, yaitu sebelah utara = Gunung Arjuno, sebelah selatan = sub DAS Sumber Brantas, sebelah barat = Sub DAS Sumber Brantas, Sebelah Timur = Sub Das Amprong[7].
DAS Bango memiliki luas 245,25 km2 dengan 6 stasiun hujan yang tersebar dibeberapa kecamatan di Kabupaten Malang dan juga terdapat alat pengukur tinggi muka air sungai atau AWLR. Lokasi stasiun pencatat debit dan pos hujan di DAS Bango seperti berikut: Kali Bango, Singosari, Blimbing, dan Tumpang.
563 Gambar 1: Peta Lokasi Studi Das Bango
2.1.2 Data yang Dibutuhkan
Pelaksanaan studi ini akan memanfaatkan data sekunder, antara lain yaitu data koordinat stasiun curah hujan dan AWLR, DEM, peta jaringan sungai dan topografi, data curah hujan bulanan pada stasiun hujan DAS Bango selama 10 tahun (2010 – 2019, data curah hujan harian TRMM selama 10 tahun tipe TRMM_3B42RT_v7 (2010-2019), data debit AWLR bulanan pada DAS Bango (2010 – 2018), data klimatologi selama 10 tahun (2010 – 2019), data peta tata guna lahan.
2.2 Langkah Langkah Studi
Untuk mencapai tujuan yang diharapkan maka diperlukan suatu langkah pengerjaan secara sistematis. Berikut merupakan langkah - langkah pengerjaan studi:
1. Mengumpulkan data curah hujan dan data TRMM yang diperlukan untuk kajian ini dari berbagai sumber.
2. Uji statistik data curah hujan, TRMM, dan AWLR digunakan untuk mengetahui kualitas dan keandalan data yang akan digunakan dalam perhitungan selanjutnya.
Uji yang digunakan adalah Uji Konsistensi (Analisa Kurva Masa Ganda dan RAPS), Uji Ketiadakadaan Trend (korelasi peringkat metode Spearman, Uji Mann dan Whitney, dan Uji tanda dari Cox dan Stuart), Uji Outlier, Uji Stasioner, Uji Persistensi.
3. Melakukan uji validasi data curah hujan dengan menggunakan metode yaitu metode terkoreksi dan tidak terkoreksi.
4. Perhitungan simulasi alih ragam hujan metode NRECA
a. Mempersiapkan data-data yang dibutuhkan, antara lain: jumlah hari hujan, data curah hujan (P) dalam 1 periode, evapotranspirasi (PET = Penguapan Peluh Potensial), tampungan awal W0 (SMC).
564
b. Menentukan tampungan kelengasan (Wi).
c. Menentukan rasio Rb/PET dan rasio AET/PET.
d. Menentukan evapotranspirasi aktual.
e. Menentukan neraca air.
f. Menentukan rasio dan nilai kelebihan kelengasan . g. Menentukan perubahan tampungan.
h. Menentukan nilai GWF.
i. Menentukan tampungan air tanah awal dan akhir.
j. Menentukan aliran air tanah dan aliran langsung.
k. Menentukan debit aliran sungai.
5. Melakukan uji validasi data debit hasil metode NRECA. Uji yang digunakan adalah Uji efisiensi Nash-Sutcliffe, Uji Mean Absolute Error (MAE), Uji koefisien Korelasi, dan Uji kesalahan relatif.
3. Hasil dan Pembahasan
Data hujan dan debit pengamatan yang diperlukan dalam studi ini dilakukan analisis kualitas data terlebih dahulu dengan uji RAPS dan Uji Stasioner (Uji F dan Uji t). Hal ini sangat diperlukan karena untuk mengetahui kelayakan kualitas data yang diperoleh. Dari uji RAPS yang dilakukan, didapatkan hasil yang konsisten baik data hujan maupun data debit pengamatan[8].
Berdasarkan hasil Uji Stasioner (Uji F dan Uji t) diperoleh bahwa dengan menggunakan derajat kepercayaan 5% dari 120 data yang di kumpulkan selama 10 tahun (2010-2019) dengan periode bulanan diterima semua. Sehingga dapat disimpulkan bahwa data hujan tersebut berdasarkan Uji Stasioner bersifat homogen dan berasal dari populasi yang sama.
a. Analisis Curah Hujan Wilayah
Perhitungan hujan wilayah dengan metode Poligon Thiessen menggunakan data curah hujan selama 10 tahun (2010-2019). Setiap Pos Stasiun Hujan mempunyai daerah pengaruh yang dibentuk dengan menggambarkan garisi tegak lurus terhadap garis penghubung antara dua atau lebih Pos Stasiun Hujan yang ada.
Tabel 1. Nilai Kr Setiap Stasiun
St. Ha Km2 Kr
Blimbing 4914,598 49,146 0,199 Singosari 11044,654 110,447 0,448 Karangploso 8675,618 86,756 0,352
Jumlah 24634,870 246,349 1
Pada tabel 1 terdapat beberapa pos stasiun hujan di DAS Bango, yaitu Pos Stasiun Hujan Blimbing, Singosari, dan Karangploso. Masing – masing pos stasiun hujan memiliki luas pengaruh yang berbeda-beda. Nilai koefisien Kr tersebut sangat berpengaruh dalam analisis perhitungan hujan wilayah dengan metode Polygon Thiessen. Pos Stasiun Hujan pujon memiliki luas pengaruh paling besar, hal tersebut bisa dilihat dari nilai Kr yang dihasilkan.
565 Tabel 2. Hasil Curah Hujan Wilayah Tahunan Setiap Pos Hujan
No. Tahun Pos Hujan
Blimbing (mm)
Pos Hujan Singosari (mm)
Pos Hujan Karangploso (mm)
1 2019 2142 1780 1469
2 2018 1847 2182 1707
3 2017 2272 2740 2234
4 2016 2535 3249 2209
5 2015 1667 1625 1020
6 2014 3197 2039 1609
7 2013 2458 2683 1983
8 2012 1547 2053.3 1955
9 2011 2074 2631 2469
10 2010 3846 4776 3407
Rata-rata 2358,500 2575,830 2006,200
Berdasarkan hasil perhitungan pada tabel 2, didapatkan Curah hujan wilayah rerata tahunan. Hasil perhitungan curah hujan wilayah rerata tahunan berfungsi untuk analisis simulasi hujan menjadi debit menggunakan metode NRECA. Dalam tabel 3, bisa dilihat rekapitulasi hasil perhitungan hujan debit NRECA yang telah dianalisis.
Tabel 3. Rekapitulasi Perhitungan Hujan Debit Metode NRECA 2010 – 2018
Tahun Bulan
Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des 2010 22,571 29,607 27,707 29,177 15,790 16,613 8,079 8,594 16,540 10,957 13,232 20,168 2011 16,851 8,760 16,471 16,764 22,517 4,208 3,787 3,408 3,068 2,761 16,601 15,582 2012 10,457 12,961 12,332 8,489 6,791 5,433 4,346 3,477 2,782 2,225 4,450 20,786 2013 15,456 18,498 16,369 16,418 10,101 15,223 5,203 3,917 3,134 2,507 7,326 18,967 2014 12,093 6,034 5,842 7,849 6,962 5,069 4,055 3,244 2,596 2,076 4,218 15,176 2015 14,256 11,387 17,699 24,291 5,996 2,399 2,159 1,943 1,749 4,721 3,370 8,330 2016 5,326 30,547 8,521 20,546 12,323 10,837 6,346 0,516 0,052 4,663 27,911 20,307 2017 14,129 11,197 14,619 21,635 8,050 6,508 5,176 4,141 3,313 2,650 25,217 11,940 2018 9,337 12,364 8,610 7,097 5,414 4,331 3,465 2,772 2,218 1,774 1,725 8,412
b. Validasi TRMM (Debit Hujan)
Analisis ini dilakukan dengan validasi data terkoreksi. Validasi data terkoreksi pada tahapannya dilakukan kalibrasi parameter terlebih dahulu sesuai data stasiun hujan (groundstation), baru kemudian dilakukan validasi untuk evaluasi setting parameter diluar rentang data kalibrasi. Rentang data yang dipakai untuk analisis validasi data terkoreksi ini adalah 4 tahun, 3 tahun, 2 tahun, dan 1 tahun. Berikut merupakan hasil proses kalibrasi menggunakan persamaan regresi sederhana untuk menentukan faktor koreksi sesuai Koefisien Korelasi (R) terbesar dari masing-masing persamaan regresi yang bisa dilihat di tabel 4 dan tabel 5.
566
Tabel 4. Rekapitulasi Hasil PerhitunganValidasi Data tidak Terkoreksi
Periode RMSE NSE
KR R
Nilai Interpretasi Nilai Interpretasi 10 Tahun 90,040 0,632 Memuaskan -0,052 0,841 Sangat Kuat
Tabel 5. Rekapitulasi Hasil PerhitunganValidasi Data Terkoreksi
Periode RMSE NSE
KR R
Nilai Interpretasi Nilai Interpretasi
Bulanan
4 Tahun 63,543 0,817 Sangat Memuaskan 0,033 0,905 Sangat Kuat 3 Tahun 64,933 0,809 Sangat Memuaskan 0,067 0,904 Sangat Kuat 2 Tahun 63,870 0,811 Sangat Memuaskan 0,135 0,923 Sangat Kuat 1 Tahun 68,408 0,754 Sangat Memuaskan 0,064 0,874 Sangat Kuat
c. Metode NRECA
Model NRECA merupakan model konsepsi yang bersifat deterministik, dapat digunakan untuk menghitung debit bulanan dari hujan bulanan berdasarkan keseimbangan air di DAS[9].
Tabel 6. Rekapitulasi Hasil Perhitungan Komponen Uji Kalibrasi Data Debit NRECA tahun 2010 - 2018
Periode RMSE NSE
KR R
Nilai Interpretasi Nilai Interpretasi
Bulanan
2010 4,539 0,7349 Baik 0,072 0,873 Sangat Kuat 2011 3,181 0,8261 Sangat Baik 0,105 0,925 Sangat Kuat 2012 4,431 0,7062 Baik 0,015 0,872 Sangat Kuat 2013 3,363 0,7423 Baik 0,021 0,864 Sangat Kuat 2014 3,990 0,6721 Baik 0,060 0,898 Sangat Kuat 2015 3,051 0,7287 Baik 0,046 0,904 Sangat Kuat 2016 5,721 0,6229 Memuaskan 0,064 0,826 Sangat Kuat 2017 5,501 0,7454 Memuaskan 0,176 0,939 Sangat Kuat 2018 3,111 0,6692 Memuaskan 0,023 0,851 Sangat Kuat
d. Validasi Data Debit (Debit Hujan)
Analisa kesesuaian metode dilakukan untuk mengetahui seberapa besar perbedaan yang terjadi antara hasil perhitungan metode alih ragam hujan menjadi debit terhadap hasil pengamatan di lapangan[10].
567 Validasi data debit dilakukan dengan membagi data 9 tahun periode bulanan menjadi kelompok data 5:4, 6:3, 7:2, dan 8:1. Maksud dari perbandingan tersebut ialah 5 tahun data digunakan untuk kalibrasi sedangkan 4 tahun data digunakan untuk validasi, sama halnya dengan perbandingan 6:3, 7:2, dan 8:1. Kalibrasi pada tahap ini dilakukan ulang dalam pembagian kelompok data untuk mengetahui tingkat koherensi antara data debit model dan debit lapangan. Dalam tabel 7 merupakan rekapitulasi hasil uji validasi debit.
Tabel 7. Rekapitulasi Uji Validasi Debit
Periode RMSE NSE
KR R
Nilai Interpretasi Nilai Interpretasi Kalibrasi 5 Tahun 4,154 0,784 Sangat Memuaskan 3% 0,889 Sangat Kuat
Validasi 4 Tahun 4,527 0,738 Memuaskan 7% 0,862 Sangat Kuat Kalibrasi 6 Tahun 3,991 0,784 Sangat Memuaskan 2% 0,886 Sangat Kuat Validasi 3 Tahun 4,922 0,734 Memuaskan 9% 0,865 Sangat Kuat Kalibrasi 7 Tahun 4,281 0,760 Sangat Memuaskan 3% 0,872 Sangat Kuat Validasi 2 Tahun 4,469 0,773 Kurang Memuaskan 12% 0,934 Sangat Kuat Kalibrasi 8 Tahun 4.452 0,759 Sangat Memuaskan 5% 0,874 Sangat Kuat Validasi 1 Tahun 3,111 0,669 Memuaskan 2% 0,851 Sangat Kuat
Gambar 2 Grafik Perbandingan Debit AWLR dan Debit Model NRECA Seluruh Periode
4. Kesimpulan
Dalam pembahasan ini didapatkan kesimpulan:
a. Untuk data hujan TRMM periode bulanan terkoreksi memperoleh nilai yang maksimal untuk data hujan pos stasiun hujan. Sehingga memperoleh nilai kalibrasi terbaik pada data tahun ke 9, dengan mendapatkan nilai pada regresi polinomial berdasarkan R (Koefisien Korelasi) terbesar yaitu 0,847. Sedangkan hasil nilai validasi terbaik
0 5 10 15 20 25 30 35 40
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105
Debit Aliran Sungai (Model NRECA) Debit Aliran Sungai (AWLR)
568
didapatkan NSE (Nash-Sutcliffe Efficiency) pada data tahun ke 4, dengan nilai 0,817.
Untuk nilai Koefisien Korelasi (R) terbaik menunjukkan nilai pada data tahun ke 2, dengan nilai 0,923. Seluruh periode uji validasi data menunjukkan interpretasi Koefisien Korelasi (R) “Sangat Kuat” dan untuk NSE mendapatkan interpretasi
“Sangat Baik”.
b. Analisis data curah hujan TRMM menjadi debit dengan metode NRECA telah mendapatkan nilai parameter yaitu, nilai PSUB dengan berkisar antara 0,6 hingga 0,8, dan nilai parameter GWF yang berkisar antara 0,2 hingga 0,5.
c. Hasil perhitungan kalibrasi debit model NRECA dengan debit AWLR pada DAS Bango mendapatkan periode bulanan terbaik berada pada data tahun ke 5. Sedangkan hasil nilai validasi terbaik yang dilihat dari nilai NSE dan R pada data tahun ke 2 dengan nilai 0,773 dan 0,934. Keseluruhan periode uji validasi data debit mendapatkan interpretasi NSE “Baik” sampai “Sangat Baik” dan Koefisien Korelasi (R) “Sangat Kuat”.
Ucapan Terima Kasih
Terima Kasih kepada Balai Besar Wilayah Sungai (BBWS) Brantas dan atas bantuan serta pemberian akses data peta , Data curah Hujan dan Data AWLR sebanyak 10 data (2010 – 2019) yang ada pada DAS Bango, Malang.
Daftar Pustaka
[1] Soewarno, Hidrologi Aplikasi Metode Statistik untuk Analisa Data (Jilid I), vol.
148. Bandung: NOVA, 1995.
[2] A. Nomleni, E. Suhartanto, and D. Harisuseno, “Estimation of Flow Discharge Model at Temef Watershed - East Nusa Tenggara Using TRMM Satellite Data,”
Civ. Environ. Sci., 2021, doi: 10.21776/ub.license.2021.00402.2.
[3] M. D. Syaifullah, “VALIDASI DATA TRMM TERHADAP DATA CURAH HUJAN AKTUAL DI TIGA DAS DI INDONESIA,” J. Meteorol. dan Geofis., 2014, doi: 10.31172/jmg.v15i2.180.
[4] N. Hadisusanto, Aplikasi HIDROLOGI. 2010.
[5] J. Wang and D. B. Wolff, “Evaluation of TRMM rain estimates using ground measurements over central Florida,” J. Appl. Meteorol. Climatol., 2012, doi:
10.1175/JAMC-D-11-080.1.
[6] S. Lufi, S. Ery, and R. Rispiningtati, “Hydrological Analysis of TRMM (Tropical Rainfall Measuring Mission) Data in Lesti Sub Watershed,” Civ. Environ. Sci., 2020, doi: 10.21776/ub.civense.2020.00301.3.
[7] W. Warsito and A. Rachmawati, “Model Penataan Ruang Kawasan DAS Berbasis KonservasI (Studi Kasus Sub DAS Bango Kota Malang),” J. Rekayasa Sipil, 2018.
[8] N. F. Rahma, E. Suhartanto, and D. Harisuseno, “Validasi Data Curah Hujan TRMM (Tropical Rainfall Measuring Mission) dengan Pos Stasiun Hujan di Sub DAS Sumber Brantas,” J. Mhs. Tek. Pengair. Univ. Brawijaya, 2019.
569 [9] B. Triatmojo, Hidrologi Terapan. Yogyakarta: Beta Offset Yogyakarta, 2008.
[10] D. Windatiningsih, “Uji Validasi Data Debit,” J. SUMBER DAYA AIR, 2019, doi:
10.32679/jsda.v15i2.600.
