This article presents a new model of the DISPRIN Model combination with two different level optimization methods. The new model of DISPRIN Model combination and Differential Evolution (DE) algorithm is called DISPRIN25-DE Models and its incorporation with Monte Carlo Simulation method called DISPRIN25-MC Models. The case study is Lesti Watershed (319.14 Km 2) in East Java. The model test uses a 10-year daily data set, from January 1, 2007 to December 31, 2016. Data series Year 2007 ~ 2013 as a set of training data for calibration and data Year 2014 ~ 2016 as testing data set for model validation. Running program DISPRIN25-DE Models with input parameter value C_min = 0, C_max = 1, H_min = 0, H_max = 600 mm obtained best fitness 0.044 m 3 /sec, NSE = 0.762 and PME =-0.059. The DISPRIN25-MC Models analysis generates a minimum RMSE of 0.056 m 3 /sec, NSE = 0.779, PME =-0.70. From the RMSE and NSE indicators it appears that both models can show an equivalent level of performance, but in terms of the PME indicator and iteration time is apparent The DISPRIN25-MC model has worse performance than the two DISPRIN25-DE models.

AbSTRAk Kelemahan mendasar dari penerapan Model PENDAHULUANSemua model konseptual untuk transformasi data hujan menjadi data aliran sungai pada dasarnya dikembangkan dari konsep dasar yang sama, yaitu daur hidrologi. Hal yang membedakan antara model satu dengan lainnya terletak pada cara melakukan interpretasi terhadap proses mulai terjadinya hujan sampai menjadi aliran. Model tangki oleh SUGAWARA merupakan salah satu model yang dianggap cukup representatif untuk mempresentasikan hubungan data curah hujan dengan aliran sungai (Setiawan, Fukuda and Nakano, 2003). Kelemahan dari penerapan model ini adalah pada banyaknya parameter yang nilainya harus ditentukan terlebih dulu secara simultan sebelum model tersebut diaplikasikan. Penentuan nilai parameter dalam jumlah yang besar (lebih dari 10 parameter) secara simultan bukanlah pekerjaan yang mudah. Bila nilai setiap parameter bersifat kontinu dan penentuannya dilakukan dengan cara emunerasi tentu akan memerlukan proses yang panjang dan melelahkan. Kondisi ini menjadikan model tangki tidak populer untuk diterapkan pada keperluan-keperluan praktis (Sulianto, 2011).Tulisan ini difokuskan pada upaya menyelesaikan sistim persamaan model tangki dengan memasukkan proses optimasi pada tahap penentuan nilai optimal dari parameter-parameternya. Hasil yang dicapai