Optimasi Parameter Model Hujan-Debit GR4J dengan Particle Swarm Optimization pada Kalender Tanam Terpadu

Abstract

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.