Techno, ISSN 1410 - 8607

Volume 13 No. 1, April 2012
Hal. 01 – 11

MODEL GR4J (Ge’nie Rural a’ 4 Parame’tres Journalier ) UNTUK
MENDUKUNG ANALISIS KETERSEDIAAN AIR DI DAS TAJUM

GR4J (Ge’nie Rural a’ 4 Parame’tres Journalier ) MODEL TO SUPPORT
ANALYSIS OF WATER AVAILABILITY IN TAJUM WATERSHED
Nur Azizah 1, Purwanto Bekti Santoso11,2 dan Nastain 1
1
Program Studi Teknik Sipil, Fakultas Sains dan Teknik,
Universitas Jenderal Soedirman
Jl. Mayjen Sungkono Km 5, Blater Purbalingga 53371
Telp. (0281) 6596700
2
Email: purwanto250@yahoo.com

Abstract
This study aims to apply the GR4J model as rainfall -runoff modeling in Tajum
watershed to get four free parameters obtained from daily rainfall data. In this
study, input data is in the form of daily rainfall data and potential
evapotranspiration data. The output of calculated discharged is calibrated using
observations of daily discharge data. This modeling optimizes four free
parameters of the Maximum Capacity of Production Store (X 1), Groundwater
Coefficient (X 2), Maximum Capacity of Routing Store (X 3), and Peak Time of
Ordinate Unit Hydrograph (X 4). The optimum values of the modeling parameters
of GR4J are obtained from the criterion of the smallest discrepancies between
calculated and observed data, which are Nash-Sutcliffe Coefficient (NS), the
correlation coefficient values and methods of Relative Volume Error (RVE).
There are three stages in this model ing, namely: model calibration, model
verification and model validation. Model calibration is carried out by using the first
five years of data and verification of models uses the second five years of data.
Comparisons of GR4J with other two rainfall-runoff models, Mock and SAC-SMA
Models, were also carried. Results of this study indicate that GR4J model shows
better performance than the Mock models and SAC-SMA models in terms of the
criterion evaluated.

Keywords: Tajum watershed, water availability, rainfall-runoff, GR4J models

1. Pendahuluan terjadi penurunan ketersediaan air
Fenomena kelebihan air pada sungai terutama pada musim kemarau
musim penghujan dan kekurangan air dan terjadi kenaikan debit pada musim
pada musim kemarau, sangat mengakar penghujan, hal tersebut mendorong
pada DAS-DAS di Indonesia. Menurut perlu adanya penelitian analisis
Suroso, dkk (2004; 2005) dan Nastain, ketersediaan air pada Daerah Aliran
dkk (2003) yang telah melakukan Sungai Tajum.
penelitian ketersedian air di Daerah Menemukan model simulasi
Aliran Sungai Logawa dan Banjaran aliran sungai dengan pemodelan
yang lokasinya berdekatan dengan DAS rainfall-runoff merupakan tujuan
Tajum menyimpulkan bahwa telah kebanyakan ahli hidrologi. Salah satu

1

DAS yang mempunyai karakteristik biasanya disuatu daerah terutama di yang khas. Volume 13 No 1. dalam kalibrasi menggunakan Model Jatilawang dan Rawalo.2009) tingkat 2.1. DAS Tajum ini mengairi areal penerapan Model Mock pada DAS pertanian di empat Kecamatan yaitu Tajum dibandingkan dengan optimasi Kecamatan Ajibarang. disempurnakan oleh Nascimen to (1995) Pemodelan rainfall-runoff ini sering dan Edijatno (1999). DAS Tajum Mock. yang merupakan Sub DAS dari Sungai Beberapa pendekatan digunakan Serayu dan hulu dari Sungai Tajum untuk membangun suatu pemodelan adalah Gunung Slamet sebelah barat curah hujan menjadi debit aliran sungai. April 2012 .ketersediaan data debit perlu diuji untuk diterapkan pada suatu dari aliran sungai yang ditinjau. DAS yang sama dalam hal ini Model Contoh model hujan aliran yang relatif Mock dan Model Soil Moisture sederhana dan telah dikembangkan di Accounting (SMA) yang terdapat dalam Indonesia adalah Model Mock.berdasarkan hasil penelitia n sebelumnya (Botti. Kondisi gunung inilah suatu pemodelan adalah yang menyebabkan pote nsi hujan mengembangkan model dari suatu orografis dan curah hujan tinggi saat pemodelan yang telah ada kemudian musim penghujan dan memungkinkan memodifikasinya. Namun. Namun. tingkat digunakan karena keterbatasan kehandalan Model GR4J tersebut masih ketersediaan . Lokasi Penelitian kehandalan Model Mock tersebut Lokasi penelitian dilaku kan di kurang tepat diterapkan pada DAS DAS Tajum yang berada di Kabupaten Tajum karena memiliki nilai kesalahan Banyumas dengan luas DAS kira -kira volume yang besar pada tahap verifikasi 252 km 2. paket program HEC-HMS . terjadinya banjir. Salah satu cara ya ng umum dari sebelah barat. Pemodelan GR4J ini dekade terakhir adalah pengembangan merupakan pengembangan dari model model rainfall-runoff yang sebelumnya yaitu GR3J yang pertama memungkinkan menggunakan data kali dikenalkan oleh Edijatno dan curah hujan secara komprehensif untuk Mitchel (1989) kemudian memperkirakan besarnya debit. Pada lokasi tersebut Salah satu jenis pemodelan juga terdapat bangunan Bendung rainfall-runoff harian adalah GR4J Tajum. DAS Tajum merupakan tujuan utama si pemodel dalam induk dari pertemuan beberapa anak menentukan parameter yang akan sungai kecil di sekitar Gunung Slamet dicari. Penelitian ini dilakukan Indonesia. belum terpasang AWLR untuk menguji kehandalan Model GR4J (Automatic Water Level Re cording) untuk diterapkan pada DAS Ta jum dan sehingga data debit yang diperlukan dibandingkan dengan model rainfall- untuk menganalisa kondisi sumber daya runoff harian lainnya yang di teliti pada air di suatu sungai tidak tersedia. Wangon. Nur Azizah. semenjak beroperasi Bendung (Genie Rural a 4 parametres Journalier ) Tajum ini telah banyak memberikan yang dikembangkan oleh Perrin (2003) kontribusi terhadap masyarakat sesu ai dan sudah terbukti memiliki dasar yang dengan fungsinya yaitu penyedia air kuat dan terbukti efisien dalam 2 Techno. Kecamatan Ajibarang seperti pada pendekatan ini sangat dipengaruhi oleh Gambar 3. Nastain penemuan terbesar sepanjang tiga pemodelan. Purwanto Bekti Santoso.

... April 2012 .(1) Model GR4J merupakan model rainfall-runoff dimana pemodelan ini Sebaliknya mengoptimasi empat parameter bebas Pn = 0 maka En = E – P. Data debit aliran sungai Tajum diperoleh dari catatan stasiun duga air otomatik (automatic water level recorder )........ Untuk penelitian ini data debit yang digunakan adalah data debit tahun 200 0 . 4........... Model Gr4j (Ge’nie Rural A’ 4 Parame’tres Journalier) untuk Mendukung Analisis Ketersediaan Air di Das Tajum irigasi untuk daerah DAS Tajum (Edi persamaan untuk memperoleh Pn dan Santoso.... Jika 3.2009. Data tersebut diperoleh dari Balai Pengembangan Sumber Daya Air di wilayah Kabupaten Banyumas.. Konsep Model GR4J P ≥ E maka Pn = P – E dan En = 0. dirumuskan sebagai berikut : Ordinat Unit Hidrograf ( X4). evapotranspirasi potensial (E). 2003)....... dan Waktu Puncak mengisi production store.. Parameter   S 2   Pn  waktu puncak ordinat unit hidrograf ( X4) X 1 1    tanh    X 1       X1  digunakan untuk keperluan studi banjir Ps  S  Pn  berupa analisa unit hidrograf yang 1 tanh   menggunakan metode linear reservoir X1  X1  cascade.. 2010)..(3) pemodelan ini. yaitu: kalibrasi model dan validasi model... Data klimatologi digunakan sebagai input model meteorologi untuk menghitung evapotranspirasi potensial. Langkah pertama kita masukan data Gambar 1 Diagram model rainfall- curah hujan harian (P) dan runoff GR4J (Perrin... En... Kapasitas Maksimum nilai Ps dari Pn yaitu nilai Pn yang Routing Store (X3). Penggunaan model GR4J bertujuan untuk mengetahui ketersediaan air pada suatu DAS tertentu.. Metode Penelitian Data hujan yang di gunakan adalah data hujan harian yang tercatat dari stasiun di daerah sekitar DAS Tajum. Berikut adalah 3 Techno. Volume 13 No 1. Kemudian definisikan P menjadi Net Kasus lain jika P < E maka Es rainfall Pn dan E menjadi Net dirumuskan sebagai berikut : evapotransirasi En.(2) berupa Kapasitas Maksimum Production Store (X1).. Ada dua tahapan dalam ... Koefisien Perubahan Air Langkah selanjutnya adalah mencari Tanah (X2).

.(19) Untuk t ≤ 0.. Perubahan groundwater.. SH1 (t) =   …………(10)  X1     Es  ......(16) S = S – Perc ………………………… ..(7) UH2 = SH2 J  SH2 J 1 ………………(17) Perhitungan routing store Sebagian Pn – Ps dari Pn dan sebagian perkolasi dari production store Perhitungan groundwater bergabung dan mencapai routing store..(12) production store dirumuskan sebagai untuk 5 berikut :  t 2 1   (13) 0 <t < X 4 . sehingga dapat dirumuskan routing dengan UH2.... Volume 13 No 1....(11)  X 1   X1  En mengurangi jumlah production store. SH2 dicari sebagai berikut: Dalam pemodelan ini production store S untuk tidak pernah melebihi x1. SH2(t) = 0 …………………. Aliran cepat di routing dengan store.... SH2(t) = 1…………... t sebagai berikut: R = max(0... Nur Azizah.. SH2 (t) = 1- 1 2  t   dirumuskan sebagai berikut : 2  X 4  …………….. Seperti SH1. sehingga t ≤ 0...(4)  X 4  S   En  1  1   tanh  untuk t ≥ X4.. sebagai berikut : UH1 didefinisikan berdasarkan waktu.....(15)  Perc dianggap selalu lebih rendah dari UH1 dan UH2 dirumuskan sebagai berikut : S....... April 2012 ... Purwanto Bekti Santoso......(6) Untuk    9 X 1    t ≥ X4. Nastain  S   En  5 S  2   tanh   t 2 X 1  0< t < X 4 ......R+Q9+F) …………………... 90% dari Pr dirouting oleh berubah seiring bertambahnya Q9 dari unit hidrograf UH1 dan sisanya di UH1 dan F. perkolasi  2 0< t < 2X 4 .... SH2 (t) =   S = S –Es +Ps …………………………… (5) 2  X 4 Untuk Perhitungan perkolasi 5 Di dalam production store........ SH1(t) = 0………………...... SH1(t) = 1……………….......... ketinggian routing store dengan UH2..... F dirumuskan sebagai berikut : 7 Pr = Perc + (Pn – Ps) ……………………(8)  R 2 F  X2  …………………………(18) Perhitungan UH1 dan UH2 X 2 Jumlah air yang mencapai routing store dibagi menjadi aliran cepat dan aliran Dimana R adalah ketinggian dari routing lambat. Sehingga nilai tampungan bisa dirumuskan sebagai berikut : UH1 = SH1 J  SH1 J 1 ………………......(9) Perhitungan debit dari tampungan 4 Techno.(14)   4 4 1  4 S    Perc  S 1  1      . dengan catatan R tidak pernah unit hidrograf UH1 dan aliran lambat melebihi X3...

. kriteria nilai yang memenuhi adalah coba dengan mengkalibrasi dengan apabila dari nilai-nilai keempat data debit harian sehingga didapat nilai parameter bebas sudah didapat nilai parameter yang optimal yang Nash-Sutcliffe Coefficient (NS) yang menghasilkan penyimpangan atau error digunakan untuk menghitung perbedaan yang paling kecil....... Volume 13 No 1. Q1+F) ……………………… ... dimana nilai ini pengolahan data hujan ini didapat dari penelitian -penelitian menggunakan Program Excel. Persamaan dengan persamaan sebagai berikut: umum Nash-Sutcliffe Coefficient :  4 4  1 MSE (Q ) NS  1    R   ... Ketinggian tampungan kemudian dapat RVE   Qsim  Qobs  ………….. jumlah kuadrat dari data observasi Perhitungan penyimpangan yang terjadi dengan data hasil pemodelan dengan menggunakan metode Nash- 5 Techno.... (21) Dalam pemodelan ini nilai kalibrasi dari Nash-Sutcliffe coefficient (NS) harus Air yang berasal dari routing mendekati 1 (satu) dan nilai kalib rasi (penelusuran) disebut Qd dan dihitung dari Relative Volume Error (RVE) harus dengan persamaan : mendekati 0 (nol)....... dengan kata lain yang paling mendekati yang paling baik. maka dilakukan cara coba -coba Untuk mengkalibrasi model (trial error) dengan menggunakan solver diperlukan data debit harian dari sungai sampai di dapat nilai yang memenuhi. Kalibrasi Model kecil... Q bisa dihitung dengan persamaan : Kalibrasi untuk mendapatkan nilai Q = Qr + Qd …………………………… (23) empat parameter bebas yang menghasilkan simpangan yang paling 5.... Hasil Pemodelan Debit total.. Model Gr4j (Ge’nie Rural A’ 4 Parame’tres Journalier) untuk Mendukung Analisis Ketersediaan Air di Das Tajum Debit Qr dari tampungan dapat dihi tung Sutcliffe Coefficient (NS).. Qd = max (0...(25) dihitung dengan persamaan:  Qobs  R = R – Qr ……………………….........(24) Qr  R 1  1      …………….. menghasilkan parameter -parameter Jika telah didapatkan hasil kalibrasi. tersebut maka dilakukan cara coba .. Tajum di daerah outlet selama 5 tahun Dalam perhitungan digunakan nilai untuk memperoleh keempat parameter batas antara tiap parameter dengan bebas dari pemodelan GR4J dimana kepercayaan 80%..(20) VAR (Qobs )    x3    Persamaan umum Relative Volume   Error : Dimana Qr selalu lebih rendah dari R.(22) 6... April 2012 ... Untuk terdahulu.

Berdasarkan Tabel 2.03 jika NS ≤ 0. simpangan dengan menggunakan metode akhirnya didapat nilai parameter-parameter Nash Sutchliffe coefficient diperoleh nilai kalibrasi DAS Tajum disajikan pada Tabel 1. dan tingkat akurasi tinggi x4: waktu puncak unit 0.) tingkat akurasi rendah x3: Kapasitas routing store 114.41 pada Gambar 3.7 0.66 store (mm) 5431.66 Sutchliffe.00 tiga kelompok : 1.7.Untuk nilai koefisien dan terukur disajikan pada Gambar 2.41 bisa diterima karena jumlah melihat perbedaan debit terukur dan debit data yang cukup banyak (1827 buah) dan simulasi Model GR4J. Purwanto Bekti Santoso. dengan 5%.7.al . Besarnya nilai NS berdasarkan x2: Koefisien perubahan air -2. dapat dilihat bahwa Berdasarkan proses kalibrasi tersebut. Volume 13 No 1.00 metode Nash dan Sutchliffe terbagi dalam tanah (mm) -2. Kriteria uji akurasi model untuk mengetahui kemam puan model Tabel 1 Parameter Hasil Kalibrasi DAS Tajum di dalam memprediksi didasarkan dengan Parameter Real membandingkan debit simulasi dan debit Model value Real Value pengukuran menurut persamaan Nash dan x1: Kapasitas production 5431. korelasi pada tahap kalibrasi dengan periode harian memberikan hasil unjuk kerja yang cukup baik. Hal ini dapat dilihat dari Tabel 2 Unjuk Kerja Model Hasil Kalibrasi hasil kalibrasi nilai koefisien korelasi sebesar 0.41 pada tahap kalibrasi.5 < NS < 0.50 hidrogaf (hari) 0.50 jika NS ≥ 0. disajikan pada Tabel proses perhitungan yang cukup komplek 2.03 0. Memperhatikan Gambar 3 terlihat bahwa penyebaran dari hubungan 6 Techno. 0. Nastain Gambar 2 Grafik debit pengam atan vs debit hasil pemodelan (2000 -2004).5 . 2. 2008) .41 yaitu termasuk Berdasarkan data kalibrasi tersebut model dengan tingkat akurasi rendah. April 2012 . Pada penelitian ini didapat nilai Nash sebesar 0. Nur Azizah. Nilai dapat diamati unjuk k erja model dengan simpangan 0.7 disajikan pada Tabel Kesalahan Koekoefsien Kriteria Nash Gambar hubungan debit simulasi dengan volume (RVE) korekkorelasi Suthcliffe debit observasi tahap kalibrasi disajikan 2.89% 0.) tingkat akurasi sedang jika (mm) 114. mendekati 1 (satu) dan metode Relative Volume Error (RVE) untuk menghitung Memperhatikan Gambar 2 terlihat bahwa volume dari data observasi dengan data debit aliran hasil simulasi dengan debit hasil pemodelan lebih kecil atau sama aliaran observasi memiliki kemiripan pola. Perbandingan hidrograf debit simulasi (Dhemi et.

Verifikasi Model korelasi sebesar 0. 2. Hal ini dapat dilihat dari hasil verifikasi nilai koefisien 7.41 pada tahap verifikasi. Garis bantu representatif untuk DAS yang ditinjau. Gambar 4. Berdasarkan input model yang telah dikalibrasi. tahapan yang telah dilakukan yang menunjukkan nilai debit prediksi sama adalah melakukan hitungan ulang dengan dengan debit observasi. baik apabila dapat menunjukkan angka tidak tahapan verifikasi. sebaran data hasil verikasi mendekati garis bantu representative (Gambar 5). Selisih volume (RVE) aliran dikatakan Sebagaimana pada tahapa n kalibrasi.7. April 2012 .Model Gr4j (Ge’nie Rural A’ 4 Parame’tres Journalier) untuk Mendukung Analisis Ketersediaan Air di Das Tajum antara debit prediksi dengan de bit observasi yang telah didapat pada tahap kalibrasi sebagian besar tersebar mendekati garis sudah merupakan nilai yang cukup bantu representatif. unjuk kerja yang cukup baik. dapat dilihat bahwa simpangan dengan menggunakan metode Nash Sutchliffe coefficient diperoleh nilai 0.89 % disajikan pada Tabel parameter kalibrasi. memberikan lebih dari│5%│. tanpa proses iterasi perbaikan nilai model sebesar 2. Untuk nilai Gambar 3 Hubungan debit simulasi koefisien korelasi pada taha p verifikasi dengan debit observasi pada tahap dengan periode harian memberikan hasil kalibrasi. Besarnya selisih volume hasil perhitungan yang memiliki kemiripan tersebut masih dibawah batas toleransi pola dengan hasil pengamatan walaupun yang telah ditetapkan dalam arti memenuhi tampak bahwa nilai-nilai ekstrim pengukuran kriteria analisis. hitungan pada tahap verifikasi hasilnya ditunjukkan pada Tabel 3 berikut ini: Tabel 3 Unjuk Kerja Model Hasil Verifikasi Kesalahan Koefisien Kriteria volume Korelasi (r) Nash (RVE) Suthcliffe 1.41 Berdasarkan Tabel 3. Begitu pun. Verifikasi model dimaksudkan untuk menguji apakah nilai-nilai parameter DAS 7 Techno. Pada representatif ini sebagai bantuan visual penelitian ini. tidak cukup baik diwakili oleh hasil pemodelan.35% 0.7 0. Volume 13 No 1. Sedangkan nilai data tahun 2005-2009 sesuai ketersediaan selisih volume aliran pada tahap kalibrasi data.

April 2012 . Debit volume Korelasi (r) (RVE) setengah bulanan dan debit bulanan 11. Nilai RVE sebesar 11. Purwanto Bekti Santoso. Tabel 4 dan Tabel 5 didapat nilai simpangan dengan menggunakan metode Nash Sutchliffe coefficient untuk periode bulanan dan setengah bulanan tahun 2009 masing - masing sebesar 0.72% 0. Volume 13 No 1.99% 0.8 0. Nastain Gambar 4 Grafik debit pengamatan vs debit hasil pemodelan (2005 -2009). Kesalahan Koefisien Kriteria Nash Suthcliffe volume Korelasi Perhitungan kebutuhan air untuk irigasi (RVE) (r) atau pun air minimum umumnya 5. Jika nilainya mendekati satu maka debit pemodelan memiliki pola yang mirip dengan debit pengamatan (Dhemi et. Berdasarkan 8 Techno. Gambar 5 Hubungan debit simulasi Tabel 4 Unjuk Kerja Model Hasil Verifikasi Tahun dengan debit observasi pada tahap 2009 Periode Bulanan verifikasi periode harian.al.77 didapatkan dengan cara membuat rata -rata debit harian hasil perhitungan. 2008).72 % disajikan pada Tabel 4 dan Tabel 5.77.al.75 menggunakan data debit setengah bulanan atau data debit bulanan. Nur Azizah.72 % pada periode setengah bulanan tahun 2009 bisa dianggap baik karena di bawah 15 % (Dhemi et.99 % dan 11. kemampuan model GR4J p erlu diuji dalam Tabel 5 Unjuk Kerja Model Hasil Verifikasi Tahun melakukan perhitungan debit setengah 2009 Periode Setengah Bulanan bulanan dan debit bulanan berdasarkan Kesalahan Koefisien Kriteria Nash Suthcliffe hasil perhitungan debit harian. Hal ini menunjukan bahwa model mempunyai kemampuan yang tinggi untuk me mprediksi. 2008).95 0.75 dan 0. Oleh karena itu. Nilai selisih volume tahun 2009 periode bulanan dan setengah bulanan masing -masing sebesar 5.

Mei 10.77 Sept 1.68 Agust 1.66 NS dan nilai RVE dari masing-masing model Okt 1. Tabel 7 dan Juli 2.66 Mei 10. maka dilakukan perbandingan Tabel 7 Perbandingan Nilai RVE antara Model GR4J. Perbandingan Dengan Model Lain Des 15. nilai RVE dan nilai bulanan (Thiessen) koefisien Nash dengan menggunakan data Janu 9.00 Verifikasi Tahun 2009 Periode Bulanan Mar 12.55 Juni 9.17 0.55 nilai RVE yang dihasilkan pada model GR4J Des 15.66 dimana nilai koefisien korelasi. Dalam penelitian ini dilakukan perbandingan dengan Model Bulan Q obs RVE SAC-SMA dan Model Mock dilihat dari nilai rata- GR4J SMA Mock rata koefisien korelasi. dan SMA Hasil Feb 17.67 Juli 2.90 Bulan Q obs rata-rata Koefisien bulanan korelasi Apr 16. Volume 13 No 1.73 Juli 2. April 2012 .76 Setelah dilakukan semua tahapan yang diperlukan dalam pemodelan rainfall runoff GR4J.00 bulanan pada tahun 2009.59 Tabel 8. Mock. Mock.29 0.-0.80 0.77 memperlihatkan nilai koefisien korelasi.71 SMA hasil verifikasi tahun 2009 periode Juni 9.94 bulanan disajikan pada Tabel 6.75 menunjukkan Tabel 8 Perbandingan Nilai NS antara Model bahwa Model GR4J memiliki tingkat akurasi GR4J.90 Nilai koefisien korelasi. nilai NS dan Nov 22. Mock.90 Sept 1.54 RVE antara Model GR4J. Tabel 7 dan Tabel 8 Agust 1. dan SMA Hasil Verifikasi Tahun 2009 Bulanan dengan model lain.77 Mar 12.71 Nov 22. nilai Nash dan nilai Apr 16.66 Okt 1. bulanan GR4J SMA Mock (Thiessen) Tabel 6 Perbandingan Debit Observasi dan Debit Janu 9.54 total Mei 10.00 Agust 1.17 0. dan SMA Hasil Verifikasi Tahun 2009 Periode Bulanan yang tinggi dan lebih tepat diterapkan di Bulan Q obs rata-rata NS DAS Tajum.68 -0. Mar 12.17 0.54 Okt 1.73 debit rata-rata bulanan dan setengah Feb 17.59 0. dan SAC.94 Des 15.73 Simulasi Model GR4J.06 0. nilai Sept 1.Model Gr4j (Ge’nie Rural A’ 4 Parame’tres Journalier) untuk Mendukung Analisis Ketersediaan Air di Das Tajum Nov 22.59 Feb 17. Mock.75 .70 0.66 Apr 16. Tabel 6.71 lebih baik dibandingkan dengan Model SMA dan Model Mock untuk periode bulanan Nilai koefisien Nash sebesar 0.94 Janu 9.71 GR4J SMASSMA Mock (Thiessen) A Juni 9.55 8.66 9 Techno.

00 mm. Nur Azizah.Waktu puncak ordinat unit hidrograf menggunakan satu DAS saja tetapi adalah 0.7. GR3J: a daily watershed kualitas data yang tersedia dan model with three free parameters . menunjukan bahwa Menggunakan Pemodelan Rainfall Model GR4J lebih baik. Laporan Tugas Akhir .al.0599. 1989. menggunakan periode kalibrasi yang 2.0289 pada tahap kalibrasi dan nilai r = 0. Oleh karena itu untuk 5431. 0. Saran Bandung. 2010.66 mm. penelitian selanjutnya disarankan untuk .. 1. Volume 13 No 1. Jurusan Teknik Sipil. ada Edijatno. nilai koefisien Nash. Kesimpulan dari setiap model yang digunakan.. maka dapat disimpulkan berdasarkan data-data maupun beberapa hal sebagai berikut ini: metode pengolahan data yang 1.41 dan RVE = 0. 2008. April 2012 .Koefisien groundwater (x2) adalah . sehingga Model GR4J hujan thiessen pada input kesulitan untuk mendapatkan pemodelannya yaitu : parameter-parameter DAS yang lebih .0135 pada 11. Hasil validasi Model GR4J terhadap Jurusan Teknik Sipil. C. 10. Referensi DAS yang digunakan dalam 114. .8. Fakultas Sains Model Mock dan Model SMA terhadap dan Teknik. Ha l lebih luas tentang penerapan Model ini dapat ditunjukan dengan nilai r = GR4J di DAS yang lain. NS = 0. penelitian sebaiknya tidak hanya . 2010. Michel. 3. Parameter DAS Tajum yang diperoleh digunakan. parameter akhir yang digunakan. Laporan ketelitian dan pemahaman yang cukup Tugas Akhir. Untuk periode bulanan tahun Botti. 10 Techno. S.Kapasitas routing store (x3) adalah 3.. Purwanto Bekti Santoso. koefisien korelasi Dhemi et. Prediksi Debit Banjir Daerah masa yang akan datang hendaknya Aliran Sungai Tajum Menggunakan proses kalibrasi dilakukan dengan Perangkat Lunak HEC-HMS. Hasil kalibrasi model yang telah 113 – 121.50 hari.75 Untuk Analisis Ketersediaan Air di dan RVE = 0. Runoff GR4J Untuk A nalisa Unit Hidrograf Pada DAS Citarum Hulu. Departemen Teknik Sipil ITB. Nastain 9. UNSOED. dilakukan untuk beberapa kasus DAS 2. Daftar Pustaka tahap verifikasi periode harian rata - rata. Un Modele beberapa saran yang dapa t penulis Pluie-Debit Journalier a Trois sampaikan antara lain : Parameters. Uji Kehandalan Model Mock 2009 diperoleh nilai r = 0. lebih panjang. Berdasarkan dari hasil analisis yang Selain itu hasil kalibrasi juga ditentukan telah dilakukan. Ada kemungkinan data untuk kalibrasi menggunakan perhitungan curah kurang panjang. masukan parameter awal hingga Journal of Hydrology. NS = 0. DAS Tajum.41 dan RVE = 0.7. Penentuan Debit Harian dan nilai RVE. Berdasarkan hasil penelitian ini. Di Edy.Kapasitas production store (x1) adalah mewakili. 1999. N. Purwokerto. NS = 0. dari hasil kalibrasi dengan 2.03 mm. dilakukan sangat dipengaruhi oleh Edijatno. Kehandalan Model GR4J sangat baik hingga diperoleh pengetahuan yang bila diterapkan pada DAS Tajum. La Houille Blanche (2).

Model Gr4j (Ge’nie Rural A’ 4 Parame’tres Journalier) untuk Mendukung Analisis Ketersediaan Air di Das Tajum Fakultas Sains dan Teknik. Lembaga Penelitian. Lembaga Penelitian Unsoed. UNSOED. Pengaruh Nastain dan Purwanto. V. 279:275 –289. CERGRENE/ENPC. UNSOED. Purwokerto. Perrin C. Suroso dan Hery. Purwokerto. PhD Thesis. Jurnal Ilmiah Unsoed. Prakiraan Banjir L’aide D’un Modele Emirique Des Sungai Logawa Hilir Untuk Peringatan Effets D’action Anthropiques Sur La Dini Bahaya Banjir di Purwokerto Relation Pluie-Debit a L’echelle Du Bagian Selatan. France. Journal of Hydrology. dan Andréassian. 1995. Paris. Penelitian. Pengaruh Alih Perubahan Tata Guna Laha n Fungsi Lahan Kawasan Ba turaden Terhadap Debit Banjir Studi Kasus Terhadap Debit Alir Sungai Banjaran . 550 pp. 2004. model for streamflow simulation . C. Purwokerto. Appreciation a Suroso dan Hery. N.O.. Volume 13 No 1. Penelitian. April 2012 . Purwokerto. 2005. Lembaga Laporan Hasil Penelitian. Michel. Daerah Aliran Sungai Banjaran . UNSOED. Nascimento.. Laporan Hasil Bassin Versant... Improvement of a parsimonious 11 Techno. 2003. 2003.