digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Axel Widjanarko Sibarani
PUBLIC Open In Flipbook Rita Nurainni, S.I.Pus

Kejadian banjir besar pada 6 September 2022 di Daerah Aliran Sungai (DAS) Palu, dengan debit puncak mencapai 454 m³/s dan memengaruhi lebih dari 1300 kepala keluarga, menegaskan perlunya model prediksi banjir yang andal. Pekerjaan ini bertujuan mengembangkan, menyesuaikan parameter, dan menguji model hidrologi HEC-HMS berbasis kejadian banjir aktual di DAS Palu. Metode pekerjaan meliputi dua tahapan utama: (1) analisis frekuensi hujan ekstrem menggunakan distribusi Generalized Extreme Value (GEV) untuk menentukan hujan rancangan periode ulang 2–100 tahun; dan (2) pembangunan model HEC HMS versi 4.12 secara event-based, dengan input data curah hujan harian dan per jam dari BMKG dan BBWS, data karakteristik fisik DAS (DEM, jenis tanah, tata guna lahan), serta data debit sungai. Penyesuaian parameter dilakukan terhadap lima kelompok parameter (canopy, Curve Number, unit hydrograph, baseflow recession, Muskingum routing) dengan pendekatan parsial dan gabungan, sedangkan model diuji pada tujuh kejadian banjir selama 2022–2023. Hasil penyesuaian parameter keseluruhan untuk kejadian 6 September 2022 menunjukkan performa terbaik dengan nilai Nash–Sutcliffe Efficiency (NSE) 0,810, Root Mean Square Error (RMSE) 33,82 m³/s, dan Percent Bias (PBIAS) 0,20%. Pengujian pada enam kejadian lainnya menghasilkan NSE berkisar –0,739 hingga 0,670 (rata-rata 0,417), RMSE rata-rata 53,06 m³/s, dan PBIAS rata-rata 15,6 %, mengindikasikan variasi akurasi model tergantung karakteristik hujan dan distribusi spasial aliran. Analisis spasial hujan menunjukkan konsentrasi intensitas tinggi di hulu DAS, menegaskan pentingnya data hujan multistasiun dalam pemodelan banjir. Pola hidrograf keluaran model konsisten pada beberapa kasus (misalnya kasus 5 dan 7) namun menyimpang signifikan pada kasus 1 dan 6. Secara keseluruhan, model HEC-HMS event-based terbukti andal dalam memodelkan debit banjir dengan data terbatas, namun perlu penguatan parameterisasi spasial dan adaptif agar dapat diimplementasikan sebagai alat prediksi operasional yang lebih general.