Soil and Water Assessment Tool (SWAT) merupakan model hidrologi yang sangat berpotensi digunakan untuk memodelkan daerah aliran sungai yang didominasi lahan pertanian. Namun demikian, struktur model ini dapat menyebabkan ketidakpastian khususnya apabila diaplikasikan untuk lahan sawah beririgasi. Hal ini dikarenakan SWAT pada awalnya dikembangkan untuk memodelkan lahan pertanian yang tidak memiliki genangan sehingga asumsi ataupun struktur modelnya berbeda dibandingkan dengan konsep pemodelan yang biasa digunakan di lahan sawah. Namun demikian, tingkat pengaruh ketidakpastian ini terhadap performa model secara keseluruhan belum teridentifikasi secara detail. Penelitian ini bertujuan untuk menganalisa performa, kesesuaian aplikasi dan ketidakpastian SWAT (model awal dan modifikasinya) untuk memodelkan daerah aliran sungai berlahan sawah irigasi. Analisa dilakukan dengan mengevaluasi struktur model dan menganalisa ketidakpastian menggunakan metode Sequential Uncertainty Fitting (SUFI-2) pada beberapa tipe model, yaitu model orisinil dan termodifikasi. Berdasarkan hasil penelitian, dapat disimpulkan bahwa struktur model pada SWAT tidak mengakomodir proses genangan, rembesan, dan irigasi di lahan sawah. Pengaruh dari ketidaktepatan struktur model ini dapat dikurangi dengan melakukan kalibrasi sehingga menghasilkan indeks performa yang baik. Namun demikian, perbedaan performa secara signifikan dapat diamati setelah dianalisa lebih lanjut dengan memperhatikan ketidakpastian. Reliabilitas model termodifikasi lebih baik karena menghasilkan rentang ketidakpastian yang lebih sempit khususnya pada periode debit rendah. Hasil ini juga menunjukkan bahwa genangan, rembesan, dan irigasi merupakan proses yang sangat penting untuk pemodelan hidrologi di daerah aliran sungai berlahan sawah irigasi.
CITATION STYLE
Sofiyuddin, H. A., Kato, T., & Tsuchiya, R. (2016). Uncertainties of SWAT Model in Irrigated Paddy Field Watershed. Jurnal Irigasi, 11(1), 11. https://doi.org/10.31028/ji.v11.i1.11-22
Mendeley helps you to discover research relevant for your work.