Ulasan Aplikasi DSS

Ulasan mengenai aplikasi DSS ini diambil dari jurnal Georgakakos, Aris. “Decision Support Systems For Integrated Water Resources Management With An Aplication To The Nile Basin” . FAO: 2004.Matthies, M. et al. “Decision Support Systems For The Elbe River Water Quality Management”. University of Osnabrueck.

Decision Support Systems For Integrated Water Resources Management With An Aplication To The Nile Basin

Rangkuman :Prof. Georgakakos membahas implementasi Decision Support System (DSS) yang diterapkan di sungai Nil, Afrika. Sungai Nil merupakan sungai besar di Afrika yang melewati 10 negara (Burundi, Kongo, Mesir, Eritria, Ethiopia, Kenya, Sudan, Tanzania, Uganda, dan Rwanda) . Keberadaannya sangat penting karena industri agrikultur 10 negara tersebut sangat bergantung pada sungai Nil. Keseluruh Negara tersebut sangat bergantung pada keberadaan sungai nil. Kompleksitas penanganan sungai Nil semakin rumit karena kondisi pada saat itu hampir kesepuluh negara tersebut berada pada kondisi water stress, dimana kebutuhan dan persediaan air berada diambang batas minimum (1000 m3 per penduduk per tahun).Penerapaan DSS untuk sungai Nil dilakukan oleh Prof. Georgakakos sekitar tahun 1990an akhir hingga 2000an awal. Kerumitan dalam pengelolaan sungai Nil menjadi batasan penting dalam menemukan DSS yang sesuai. Sehingga dibentuklah prinsip umum untuk mendukung pengembangan DSS sungai Nil, prinsip-prinsip tersebut adalah sebagai berikut :

Data dari DSS sungai Nil harus dibagikan dan disetujui oleh negara-negara sungai Nil. DSS sungai Nil harus didasarkan pada ilmu dan rekayasa yang sedang berkembang dan actual

yang mampu menangani Daerah Aliran Sungai (DAS) Nil yang besar, kompleks, dan berbagai pengembangan dan manejemen yang diberlakukan. Juga harus memiliki fungsi yang dapat digunakan oleh penggunanya dari berbagai latar belakang dan pengalaman dari pemula hingga utama.

DSS sungai Nil haruslah netral sebagai alat sistem penunjang keputuan. Hal ini membuatnya harus mampu menggambarkan keuntungan serta pertukaran (kompromi) yang berhubungan dengan pengembangan dan strategi berbagi yang mungkin menghubungan antar individu maupun negara.

DSS sungai Nil haruslah berkelanjutan dan adaptif terhadap kebutuhan mendatang. Sehingga DSS sungai Nil haruslah menggunakan teknologi komputasi yang umum digunakan dan mampu mengabungkan data serta aplikasi dikemudian hari. Selain itu, sistem ini, haruslah efektif dan ada transfer ilmu semasa pengembangan dan penggunaan dikemudian hari.

Prof. Georgakakos juga menerangkan pemahaman mengenai suatu DSS yang holistik. DSS yang holistik harus mampu memberikan gambaran mengenai bagaimana pengembangan dan pengelolaan sumber daya air dari resolusi terkecil hingga resolusi terbesar. Hal ini diperlukan agar pengembangan sumber daya air sungai Nil dari tingkat lokal dan global dapat dilakukan dengan baik. Pertama-tama DSS sungai Nil secara global harus mampu memberikan gambaran mengenai penggunaan sumber daya air sungai Nil untuk seluruh DAS sungai Nil dan dalam jangka waktu yang panjang. DSS ini juga harus mampu memberikan gambaran yang lebih rinci bagi setiap sub-basin dengan data temporal yang lebih rinci (bulanan). Gambaran lebih khusus juga harus tersedia bagi lingkup geospasial yang lebih kecil seperti pada reservoir, danau, sumber mata air, dan sebagainya, resolusi temporalnya juga harus dalam bentuk harian. Ketiga bagian DSS ini harus menjadi satu kesatuan, sehingga operasi pada tingkat bawahnya

tidak melampaui batasan di tingkat atasnya. Secara umum gambaran mengenai DSS yang holistik, seperti dipaparkannya didalam jurnal, adalah seperti gambar berikut.

Gambar 1 Struktur DSS Umum

DSS Sungai Nil :DSS sungai Nil selanjutnya dikembangkan berdasarkan pemahaman-pemahaman yang telah dibahas diatas. Bagian-bagian yang harus ada dalam suatu DSS adalah sebagai berikut :

Data Acquisition System : merupakan seluruh metode dan alat yang digunakan untuk mendapatkan data umum, selanjutnya data tersebut digunakan sebagai dasar pengembangan sumber daya air. Contohnya secara konvensional adalah stasiun hujan dan stasiun debit. Sementara pengumpulan data yang lebih aktual menggunakan pengindaraan jauh seperti satelit dan radar. Data juga dapat dihasilkan dari survey, wawancara, dan studi literature.

User-Data-Model Interfarce : merupakan alat yang mampu menyimpan data-data hasil pengolahan dan pengembangan DSS. Selain itu memberikan tampilan yang efesien dan efektif dari hasil-hasil pengolahan data didalamnya.

Database : merupakan ruang penyimpanan seluruh data yang ada pada DSS. Data Analysis Tools : merupakan alat utama untuk mengolah data-data pada DSS. Alat yang

paling sering digunakan dan penting dalam DSS sumber daya air adalah GIS (Geographical Information System) dan spreadsheet.

Models : merupakan alat analisis data-data dalam DSS. Anilisis ini harus mampu memberikan gambaran menyeluruh mengenai kuantifikasi pengembangan dan pengelolaan serta alternatif yang mungkin dijalankan.

Gambar 2 Bagian Umum Suatu DSS

Bagian-bagian yang terdapat pada DSS sungai Nil adalah sebagai berikut : Database

Database DSS sungai Nil merupakan data gabungan dari berbagai negara. Tambahan data penginderanan jauh selama 10 tahun dengan resolusi 5 km x 5km. Keseluruhan data mencakup sekitar 30 parameter hidro-klimatologi dengan besar mencapai 37 GB.

Data VisualizationMerupakan alat yang digunakan untuk ‘mengarungi’ database dengan jumlah yang begitu besar. Dibuat menggunakan diagram pohon, data-data telah disusun berdasarkan jenisnya. Keseluruhan data juga telah dikondisikan agar sesuai dengan pengembangan komputasi aktual.

Data AnalysisMerupakan alat untuk mengolah database menjadi sumber informasi yang berharga dalam pengambilan suatu keputusan. Data-data hidro-klimatologi diolah disini dan dikeluarkan dalam bentuk grafis serta mampu mempertahankan pengolahan data yang ditunda.

ModelsSecara umum model yang dibuat dalam DSS ini mampu mengeluarkan prakiraan debit pada sub-basin sungai Nil serta melakukan analisis hidrologi pada seluruh bagian sungai Nil. Selain itu tersedia model agrikultur dan penginderanan jauh dalam DSS ini. Model ini pun sudah menyertakan kesepuluh negara yang berhubungan langsung dengan sungai Nil. Sehingga untuk hasil-hasil tertentu yang menyangkut beberapa negara, dapat ditunjukan secara holistik.

Beberapa hasil model DSS sungai Nil adalah sebagai berikut :o Modul Hidrologi

Gambar 3 Skenario Pengembangan Energi Ethiopia

Modul ini memberikan gambaran mengenai kondisi energy Ethiopia saat ini serta komparasinya setelah dilakukan pengembangan. Terlihat bahwa Ethiopia mengalami pengurangan debit puncak serta mempunyai jaminan lebih besar dari kekeringan, ditunjukan pada grafik pertama, jika Ethiopia membangun reservoir untuk energi. Pengembangan ini juga memberikan dampak yang positif bagi negara-negara yang terpengaruh, terlihat energi yang mampu dihasilkan Mesir, Sudan, dan Uganda meningkat akibat pembangunan reservoir ini.

o Modul Agrikultur

Gambar 4 Distribusi Hujan di Sekitar DAS Danau Victoria

Modul ini dapat memberikan alternatif-alternatif pengelolaan agrikultur mencakup 10 komoditi agrikultur serta mampu memberikan gambaran spasial mengenai musim tanam. Pada gambar terlihat bahwa modul dapat menunjukan daerah-daerah dengan berbagai

distribusi hujan dalam berbagai musim dan tahun. Sehingga dapat dijadikan acuan dalam pemilihan tanaman pertanian serta pola tanamnya.

o Modul Penginderaan Jauh

Gambar 5 Perkiraan Distribusi Hujan Menggunakan Stasiun Hujan dan Data Satelit

Merupakan modul tambahan yang memberikan gambaran mengenai perbandingan pengumpulan data menggunakan cara konvensional dengan aktual. Dengan banyaknya data yang tersedia, modul ini mampu memberikan korelasi yang cukup tinggi untuk setiap data dan resolusinya. Korelasi terendah yang mampu diberikan, dari hasil pengumpulan data menggunakan satelit, adalah 0,7.

Manfaat DSS :Tidak dijelaskan secara eksplisit manfaat yang telah dihasilkan dari DSS sungai Nil ini di aplikasinya pada pengambilan keputusan yang nyata. Berikut adalah beberapa manfaat DSS sungai Nil secara umum : DSS ini melingkupi seluruh DAS sungai Nil tanpa terkecuali, sehingga pengambilan

keputusan didasarkan pada pemahaman yang holistik. DSS ini mempunyai resolusi spasial dan temporal yang beragam. Sangat membantu pada

berbagai tingkatan analisis, mulai dari lokal hingga global. Database yang dimiliki oleh DSS ini sangat kaya dan dapat dikatakan sangat lengkap

karena merupakan kompilasi dari berbagai negara yang berkepentingan dengan Sungai Nil.

Modul yang dimiliki DSS ini juga sudah mempertimbangkan kondisi yang terjadi pada daerah terpengaruh lainnya. Sehingga tidak diperlukan analisis yang berulang untuk suatu kasus.

Decision Support Systems For The Elbe River Water Quality Management

Rangkuman :Penelitian yang dilakukan University of Osnabrueck ini dilakukan oleh M Matthies dan kawan-kawan membahasa pengembangan model DSS untuk Sungai Elbe bagian Jerman. DAS Elbe sangat besar yaitu 148.000 km2 dengan sungai terpanjang mencapai 1.100 km. 2/3 dari DAS Elbe masuk kedalam wilayah administrasi Jerman. Didalam DAS Elbe hidup sekitar 25 juta penduduk selain itu terdapat banyak pabrik yang merupakan peninggalan Jerman Barat dan Jerman Timur setelah perang dunia kedua. Pabrik-pabrik yang kembali beroperasi ini kemudian baik secara langsung maupun tidak menjadi pembangkit bagi sungai Elbe. Sungai Elbe juga sangat vital bagi negara Jerman karena banyak industri agrikultur bergantung kepadanya selain dampak buruk seperti banjir besar yang pernah terjadi pada 2002. Banjir besar membawa dampak yang sangat buruk pasca kejadian, hal itu disebabkan oleh angkutan polutan dari daerah sekitar industri yang terbawa oleh aliran limpasan.

Gambar 6 DAS Sungai Elbe

Kesadaran akan pentingnya kualitas air menjadi dasar pengembangan DSS untuk sungai Elbe. DSS sungai Elbe ini dikembangan terbatas untuk sungai Elbe bagian Jerman saja. DSS yang masih dalam pengembangan ini dibagi kedalam 4 modul yang hierarkis untuk mempermudah pengelolaan dan pengolahan data. Modul ini juga akan mempermudah pengambilan keputusan untuk setiap tingkatannya.

Gambar 7 Pendekatan Hierarkis DSS sungai Elbe

DSS sungai Elbe :DSS sungai Elbe bekerja sesuai dengan kerangka berpikir yang sama dengan DSS sejenis lainnya, perbedaan hanya terjadi pada penyebutan setiap bagiannya. Berikut adalah bagian-bagian dari DSS sungai Elbe :

Data SupportBagian ini berisi seluruh bank data bagi DSS sungai Elbe yang berasal dari berbagai sumber. Terdapat dapat tata guna lahan, digital terrain model, karakteristik tanah, hidro-meteorologi, data sensus, pengolahan limbah cair, debit, dan lain sebagainya. Seluruh data spasialnya sudah terintegrasi kedalam GIS (ArcGis, ArcInfo, ArcView).

Data VisualizationBagian DSS ini menggunakan bantuan program Geonamica yang dikembangkan oleh RIKS (Belanda). Program ini sudah terintegrasi dengan GIS dan sangat mudah digunakan.

Models Selection and CouplingDSS sungai Elbe terintegrasi dengan banyak modul perhitungan yang telah dikembangan sebelumnya. Hanya modul-modul teruji yang digunakan didalamnya. Berikut adalah modul-modul tersebut :

o Modul simulasi hujan-limpasan menggunakan HBV-D (Krysanova et al., 1999)o Modul angkutan unsur hara menggunakan MONERIS (Behrendt et al, 1999)o Modul jaringan sungai menggunakan GREAT-ER (Matthies et al., 2001, Matthies et al.,

2003)o Modul kualitas air menggunakan ATV-DVWK (2003)

DSS ini menggunakan 2 sistem diagram untuk mempermudah pemahaman pembagian dan penggunaan tiap bagian dari DSS ini.

Gambar 8 Sistem Diagram dari Modul DAS

Gambar 9 Sistem Diagram dari Modul Jaringan Sungai

Manfaat DSS :DSS sungai Elbe masih dalam tahap pengembangan dan belum mencapai titik optimalnya. Berikut adalah manfaat, serta beberapa kelemahannya, secara umum dari DSS sungai Elbe : Modul yang ada didalam DSS sungai Elbe sudah cukup banyak dan sudah valid secara ilmiah serta

dikalibrasi terhadap kondisi sungai-sungai di Jerman. Database yang terdapat didalam DSS sangat baik karena didapat dari badan-badan pemerintahan

dan penelitian yang sesuai. Lingkup DSS sungai Elbe sudah cukup besar, seluruh DAS Elbe di Jerman atau sekitar 2/3 luas total

DAS. DSS ini akan lebih baik jika mencakup seluruh DAS Elbe sehingga seluruh parameter dapat dimodelkan dengan baik.