Optimasi Parameter Model Hujan-Debit GR4J dengan Particle Swarm Optimization pada Kalender Tanam Terpadu
View/ Open
Date
2019Author
Aufar, Yazid
Sitanggang, Imas Sukaesih
Annisa
Metadata
Show full item recordAbstract
Selama beberapa dekade mendatang, para petani di dunia akan menghadapi
tugas yang menantang dalam meningkatkan produksi pangan untuk bersaing
dengan pertumbuhan populasi, pertumbuhan konsumsi per kapita dan penggunaan
produk pertanian sebagai bahan bakar hayati. Tantangan dalam produksi pangan di
masa depan tentunya menjadi lebih kompleks pada negara berkembang seperti
Indonesia. Variabilitas iklim dan perubahan iklim merupakan faktor yang
mempengaruhi produksi pangan. Untuk menyesuaikan dampak perubahan iklim,
Balai Penelitian Agroklimat dan Hidrologi (Balitklimat) mengembangkan sistem
informasi Kalender Tanam (Katam) Terpadu. Katam Terpadu memberi informasi
tentang potensi pola tanam, waktu tanam, luas areal tanam potensial dan
rekokmendasi teknologi adaptif pada level provinsi sampai dengan tingkat
kecamatan, di seluruh Indonesia. Meski telah diluncurkan secara resmi sejak tahun
2011, penentuan debit air menggunakan model hujan debit GR4J (Genie Rural a 4
parametres Journalier) masih perlu ditingkatkan akurasinya.
Penelitian ini bertujuan untuk meningkatkan hasil akurasi model GR4J untuk
penentuan debit air pada suatu daerah. Area studi dalam penelitian ini adalah
Daerah Aliran Sungai (DAS) Progo (Provinsi Daerah Istimewa Yogyakarta), sub
DAS Wuryantoro (Provinsi Jawa Tengah), dan DAS Cimanuk (Provinsi Jawa
Barat). Model GR4J diukur berdasarkan 4 parameter bebas berupa kapasitas
maksimum simpanan produksi (X1), koefisien tukar air (X2), kapasitas maksimum
simpanan pengalihan (X3), dan waktu dasar hidrograf satuan (X4). Keempat
parameter tersebut dioptimasi menggunakan Particle Swarm Optimization (PSO).
Penelitian ini menunjukan bahwa optimasi parameter model GR4J dengan
PSO berhasil dilakukan. Sebagai penentu keberhasilan model, digunakanlah
persamaan Nash-Sutcliffe Efficiency (NSE) dan Root Mean Square Error (RMSE).
Ini bisa dilihat dari meningkatnya NSE dan menurunnya RMSE pada masingmasing
DAS setelah menggunakan optimasi PSO. Luas wilayah berpengaruh
terhadap akurasi model GR4J, semakin kecil luas wilayah maka semakin dapat
menunjukan karakteristik suatu DAS. Data curah hujan dan data meteorologi yang
memiliki rentang waktu cukup lama memiliki akurasi model sangat rendah
dibandingkan dengan rentang waktu satu tahun, sehingga tidak dapat menunjukan
karakteristik suatu DAS. Algoritme PSO yang digunakan dalam model GR4J akan
lebih efektif dari pada menggunakan cara manual atau coba-coba atas dasar
pengetahuan pakar karena dapat mencapai optimisasi dengan waktu yang cukup
singkat. Optimasi parameter model GR4J dengan PSO dapat digunakan oleh Badan
Penelitian dan Pengembangan Pertanian untuk mengembangkan sistem informasi
Kalender Tanam (Katam) Terpadu.