analisis hidrologi
DESCRIPTION
HidroTRANSCRIPT
ANALISA HIDROLOGI
1. MELENGKAPI DATA CURAH HUJAN YANG HILANG
Menghadapi keadaan kurangnya data hujan yang diperoleh di lapangan,
terdapat dua langkah yang dapat dilakukan, yaitu :
- membiarkan saja data yang hilang tersebut, karena dengan cara apapun
data tersebut tidak akan dapat diketahui dengan tepat.
- Bila dipertimbangkan bahwa data tersebut mutlak diperlukan maka
sebelum perhitungan dilakukan terlebih dahulu melengkapi data curah
hujan yang hilang tersebut, yaitu dengan cara :
Regresi Linear
Persamaan :
dimana :
dengan : n = banyaknya data hujan
x = variable tahun (waktu)
y = variable curah hujan
apabila :
Maka persamaan regresi linear menjadi :
2. CURAH HUJAN HARIAN MAKSIMUM
Penentuan curah hujan rerata daerah dilakukan dengan cara rata-rata Aljabar.
Persamaan umum yang digunakan adalah sebagai berikut :
dimana :d = tinggi curah hujan rerata daerah (mm)dn = tinggi curah hujan pada pos penakar (mm)n = jumlah stasiun penakar
3. ANALISIS FREKUENSI
A. Penetapan Seri Data untuk Analisis
1. Annual Maximum Series
Dengan menggambil 1 data maksimum setiap tahun, yang berarti jumlah
data dalam seri akan sama dengan panjang data yang tersedia.
2. Peak Over Threshold (POT)
Dengan menentapkan suatu batas bawah tertentu (Threshold) dengan
pertimbangan-pertimbangan tertentu. Semua besaran hujan/debit yang
lebih besar daripada batas bawah tersebut diambil dan dijadikan bagian
dari seri data.
Hubungan antara kala ulang hasil analisis frekuensi dengan data “annual
Maximum series” dan “Peak Over Threshold/Partial Series” adalah
Dengan : TM = Kala ulang dengan Maximum Annual Series
X1 X3X2
31 2 nTahun ke -
Seri Data X1, X2, X3, …, Xn
X1 X5X2
31 2Tahun ke -
Seri Data X1, X2, X3, X4, X5, …, Xn
Ambang
X4X3
TE = Kala ulang dengan Partial Series
B. Penentuan Parameter Statistik
Parameter statistik series data perlu diperkirakan untuk memilih distribusi
yang sesuai dengan sebaran data.
1. Mean/nilai tengah/rerata
2. Simpangan Baku/Standard Deviasi
3. Koefisien Variansi/Variation Coefficient
4. Asimetri/Kemencengan/Skewness
5. Kurtosis
Dengan : n = jumlah data yang dianalisis
Xi = data hujan/debit
C. Perkiraan Jenis Distribusi
1. Distribusi Normal
Ciri khas distribusi normal adalah
- Cs 0,00
- Ck = 3,00
- Prob X (X - S) = 15,87 %
- Prob X (X) = 50,00 %
- Prob X (X + S) = 84,14 %
2. Distribusi Log Normal
Ciri khas distribusi Log Normal adalah :
- Cs 3 Cv
- Cs > 0,00
3. Distribusi Gumbel
Sifat statistik distribusi Gumbel adalah :
- Cs 1,1396
- Ck 5,4002
4. Distribusi Log Pearson III
Sifat statistik distribusi ini adalah :
- Jika tidak menunjukkan sifat-sifat seperti pada ketiga distribusi di
atas.
- Garis teoritik probabilitasnya berupa garis lengkung.
D. Fungsi Distribusi Teoritik
Apabila seluruh data telah dugambarkan dalam kertas probabilitas yang
dipilih, maka dibandingkan dengan fungsi distribusi teoritik untuk kemudian
dilakukan pengujian. Penggambaran garis tersebut dapat dilakukan dengan
menggunakan persamaan umum Garis Teoritik Probabilitas untuk Analisis
Frekuensi:
dengan :
XT = besaran (hujan/debit) kala ulang T tahun
K = faktor frekuensi untuk kala ulang T tahun
S = simpangan baku
Apabila nantinya dalam pengujian diperoleh bukti bahwa distribusi teoritik
yang dipilih sesuai dengan distribusi empirik yang dimiliki, maka persamaan
ini pula dapat digunakan untuk menetapkan besaran-besaran rancangan
yang diperlukan.
Tabel 1. Faktor Frekuensi K dan ‘Standar Error’ untuk distribusi normal
Probabilitas Terlampaui
0,5 0,20 0,10 0,05 0,02 0,01
Kala Ulang 2 5 10 20 50 100
Faktor Frekuensi K 0 0,842 1,282 1,645 2,054 2,326
1 1,164 1,350 1,534 1,763 1,925
Tabel 2. Faktor Frekuensi K untuk distribusi log-normal
Cv
()
Kala Ulang
1,053 1,111 1,25 2 5 10 20 50 100
0,050 -1,601
-1,264
-0,848
-0,025 0,833 1,296 1,686 2,134 2,437
0,100 -1,555
-1,244
-0,851
-0,050 0,822 1,307 1,725 2,213 2,549
0,150 -1,508
-1,221
-0,852
-0,074 0,808 1,316 1,760 2,290 2,661
0,200 -1,460
-1,196
-0,850
-0,097 0,793 1,320 1,791 2,364 2,772
0,250 -1,412
-1,170
-0,846
-0,119 0,775 1,321 1,818 2,435 2,880
0,300 -1,363
-1,142
-0,840
-0,141 0,755 1,318 1,841 2,502 2,987
0,350 -1,315
-1,113
-0,831
-0,160 0,733 1,313 1,860 2,564 3,089
0,400 -1,268
-1,083
-0,822
-0,179 0,711 1,304 1,875 2,621 3,187
0,450 -1,222
-1,053
-0,810
-0,196 0,687 1,292 1,885 2,673 3,220
0,500 -1,178
-1,024
-0,798
-0,211 0,663 1,278 1,891 2,720 3,367
0,550 -1,134
-0,994
-0,785
-0,225 0,638 1,261 1,893 2,761 3,449
0,600 -1,093
-0,964
-0,770
-0,237 0,613 1,243 1,891 2,797 3,524
0,650 -1,053
-0,936
-0,756
-0,248 0,588 1,223 1,887 2,828 3,593
0,700 -1,014
-0,908
-0,741
-0,258 0,563 1,201 1,879 2,853 3,656
0,750 -0,978
-0,880
-0,725
-0,267 0,539 1,178 1,868 2,873 3,712
0,800 -0,943
-0,854
-0,710
-0,274 0,515 1,155 1,845 2,889 3,762
0,850 -0,910
-0,828
-0,695
-0,280 0,491 1,131 1,830 2,900 3,806
0,900 -0,878
-0,803
-0,679
-0,285 0,469 1,106 1,829 2,907 3,844
0,950 -0,849
-0,780
-0,664
-0,289 0,447 1,081 1,802 2,910 3,876
1,000 -0,820
-0,757
-0,649
-0,293 0,425 1,056 1,781 2,910 3,903
Tabel 3. Faktor Frekuensi K untuk distribusi Gumbel EV I
n Kala Ulang
1,053 1,111 1,25 2 5 10 20 50 1005 -
1,963-
1,631-
1,179-0,116 1,313 2,260 3,168 4,343 5,224
10 -1,677
-1,400
-1,023
-0,136 1,058 1,848 2,606 3,587 4,323
15 -1,578
-1,320
-0,969
-0,143 0,967 1,703 2,408 3,321 4,005
20 -1,252
-1,277
-0,940
-0,148 0,919 1,625 2,302 3,197 3,836
25 -1,492
-1,251
-0,922
-0,151 0,888 1,575 2,235 3,089 3,728
30 -1,468
-1,232
-0,910
-0,153 0,866 1,541 2,188 3,026 3,653
35 -1,451
-1,218
-0,901
-0,154 0,850 1,515 2,153 2,979 3,598
40 -1,438
-1,207
-0,893
-0,155 0,838 1,495 2,126 2,943 3,554
45 -1,427
-1,198
-0,887
-0,156 0,828 1,479 2,104 2,913 3,519
50 -1,418
-1,191
-0,833
-0,157 0,820 1,466 2,086 2,889 3,491
55 -1,410
-1,185
-0,879
-0,157 0,813 1,455 2,071 2,869 3,467
60 -1,404
-1,180
-0,875
-0,158 0,807 1,446 2,059 2,852 3,446
65 -1,398
-1,176
-0,872
-0,158 0,802 1,438 2,047 2,837 3,428
70 -1,394
-1,172
-0,869
-0,159 0,797 1,430 2,038 2,824 3,413
75 -1,389
-1,168
-0,867
-0,159 0,793 1,424 2,029 2,812 3,399
80 -1,386
-1,165
-0,865
-0,159 0,790 1,419 2,021 2,802 3,387
85 -1,382
-1,162
-0,863
-0,160 0,787 1,413 2,015 2,793 3,376
90 -1,379
-1,160
-0,862
-0,160 0,784 1,409 2,008 2,784 3,366
95 -1,376
-1,158
-0,860
-0,160 0,781 1,405 2,003 2,777 3,357
100 -1,374
-1,155
-0,859
-0,160 0,779 1,401 1,998 2,770 3,349
Tabel 4. Faktor Frekuensi K untuk distribusi Pearson III
Cs()
Kala Ulang1,053 1,111 1,25 2 5 10 20 50 100
0,0 - - - 0,000 0,842 1,282 1,645 2,054 2,3260,1 - - - -0,017 0,836 1,292 1,673 2,107 2,4000,2 -1,586 -1,258 -0,850 -0,033 0,830 1,301 1,700 2,159 2,4720,3 -1,555 -1,245 -0,853 -0,050 0,834 1,309 1,726 2,211 2,5440,4 -1,524 -1,231 -0,855 -0,067 0,816 1,317 1,750 2,261 2,6150,5 -1,491 -1,216 -0,857 -0,083 0,808 1,323 1,774 2,331 2,6860,6 -1,458 -1,200 -0,857 -0,099 0,800 1,329 1,797 2,359 2,7550,7 -1,423 -1,183 -0,857 -0,116 0,790 1,333 1,819 2,407 2,8240,8 -1,389 -1,166 -0,856 -0,132 0,780 1,336 1,839 2,453 2,8910,9 -1,353 -1,147 -0,854 -0,148 0,769 1,339 1,859 2,498 2,9571,0 -1,317 -1,128 -0,852 -0,164 0,758 1,340 1,877 2,542 3,0231,1 -1,280 -1,107 -0,848 -0,180 0,745 1,341 1,894 2,585 3,0871,2 -1,243 -1,086 -0,844 -0,195 0,733 1,340 1,910 2,626 3,1491,3 -1,206 -1,064 -0,838 -0,210 0,719 1,339 1,925 2,667 3,2111,4 -1,168 -1,041 -0,832 -0,225 0,705 1,337 1,938 2,706 3,2711,5 -1,131 -1,018 -0,825 -0,240 0,691 1,333 1,951 2,743 3,3301,6 -1,093 -0,994 -0,817 -0,254 0,675 1,329 1,962 2,780 3,388
1,7 -1,056 -0,970 -0,808 -0,268 0,660 1,324 1,972 2,815 3,4441,8 -1,020 -0,945 -0,799 -0,281 0,643 1,318 1,981 2,848 3,4991,9 -0,984 -0,920 -0,788 -0,294 0,627 1,311 1,989 2,881 3,5532,0 -0,949 -0,895 -0,777 -0,307 0,609 1,303 1,996 2,912 3,6052,1 -0,915 -0,869 -0,765 -0,319 0,592 1,294 2,001 2,942 3,6562,2 -0,882 -0,844 -0,752 -0,330 0,574 1,284 2,006 2,970 3,7052,3 -0,850 -0,819 -0,739 -0,341 0,555 1,274 2,009 2,997 3,7532,4 -0,819 -0,795 -0,725 -0,351 0,537 1,262 2,011 3,023 3,8002,5 -0,790 -0,771 -0,711 -0,360 0,518 1,250 2,012 3,048 3,845
E. Posisi Penggambaran (Plotting Position)
Posisi penggambaran pada kertas probabilitas yang sesuai untuk distribusi
terpilih.
dengan :
m = urutan data dari kecil ke besar
n = jumlah data
F. Uji Kesesuaian Distribusi Frekuaensi
Pengujian kesesuaian terhadap curah hujan ini dimaksudkan untuk
mengetahui kebenaran akan distribusi yang digunakan, sehingga diketahui :
a. Kebenaran antara hasil pengamatan dengan model distribusi yang
diharapkan atau yang di dapatkan secara teoritis.
b. Kebenaran hipotesis (hasil model distribusi diterima atau ditolak).
Untuk keperluan analisis uji kesesuaian distribusi dipakai dua metode
statistik, yaitu Uji Chi Kuadrat dan Uji Smirnov Kolmogorov.
a. Uji Smirnov – Kolmogorov
Uji ini digunakan untuk menguji simpangan secara horisontal antara
distribusi empiris dan distribusi teoritis. Dari plotting data hujan pada
kertas distribusi dapat dihitung besarnya penyimpangan secara horizontal
antara data teoritis dan data pengamatan (Sri Harto, 1993 : 252 ) :
dimana :
P(T) = peluang teoritis
P(E) = peluang empiris, dengan metode Weibull
di mana : m = no. urut dan n = jumlah data
Δcr = simpangan kritis
Penyimpangan tersebut kemudian dibandingkan dengan penyimpangan
kritis yang masih diijinkan (cr) yang mana pada studi ini digunakan nilai
kritis (significant level) = 5 %. Apabila Δmax < Δcr berarti distribusi
frekuensi tersebut dapat diterapkan untuk semua data yang ada.
Tabel 5. Nilai Kritis Smirnov Kolmogorov
α n 0,20 0,10 0,05 0,01
5 0,45 0,51 0,56 0,6710 0,32 0,37 0,41 0,4915 0,27 0,30 0,34 0,4020 0,23 0,26 0,29 0,3625 0,21 0,24 0,27 0,3230 0,19 0,22 0,24 0,2935 0,18 0,20 0,23 0,2740 0,17 0,19 0,21 0,2545 0,16 0,18 0,20 0,2450 0,15 0,17 0,19 0,23
n>50
b. Uji Chi Kuadrat
Pengujian ini sama dengan pengujian Smirnov-Kolmogorov, tetapi
dilakukan untuk menguji simpangan secara vertikal dan untuk menguji
apakah distribusi pengamatan dapat disamai dengan baik oleh distribusi
teoritis. Perhitungan dengan menggunakan persamaan (Sri Harto, 1993 :
252 ) :
Jumlah kelas distribusi dihitung dengan rumus :
k = 1 + 3,22 log n
Dk = k - ( P + 1)
dimana:
x2 = harga chi kuadrat
Ef = nilai yang diharapkan untuk kelas i( expected frequency)
Of = nilai yang diamati untuk kelas i (observed frequency)
k = jumlah kelas distribusi
n = banyaknya data
Dk = derajat kebebasan
P = banyaknya parameter sebaran Chi-Square (ditetapkan = 2)
Tabel 6. Nilai Kritis Chi Square
α n 0,20 0,10 0,05 0,01 0,001
1 1,642 2,706 3,841 6,635 10,2872 3,219 4,605 5,991 9,210 13,8153 4,642 6,251 7,815 11,345 16,2684 5,989 7,779 9,448 13,277 18,4655 7,289 9,236 11,070 15,086 20,5166 8,558 10,645 12,592 16,812 22,4577 9,803 12,017 14,067 18,475 24,3228 11,030 13,362 15,507 20,090 26,1259 12,242 14,684 16,919 21,666 27,877
10 13.442 15,987 18,307 23,209 29,58811 14,631 17,275 19,675 24,725 31,26412 15,812 18,549 21,026 26,217 32,90913 16,958 19,812 22,362 27,688 34,52814 18,151 21,064 23,635 29,141 36,12315 19,311 22,307 24,996 30,578 37,29716 20,465 23,542 26,296 32,000 39,25217 21,615 24,769 27,587 33,409 40,79018 22,760 25,989 28,869 34,805 42,312
19 23,900 27,204 30,144 36,191 43,82020 25,038 28,412 31,410 37,566 45,315
Agar distribusi frekuensi yang dipilih dapat diterima, maka harga X2<
X2cr. Harga X2cr dapat diperoleh dengan menentukan taraf significant
dengan derajat kebebasannya (level of significant ).
G. Tentukan Besaran Rancangan
Bila syarat uji terpenuhi, tentukan besaran rancangan yang dicari untuk kala
ulang yang ditetapkan (QT atau RT/PT)
4. INTENSITAS HUJAN JAM-JAMAN
Mengingat kebanyakan data curah hujan adalah data curah hujan harian (24
jam), untuk kasus dimana data hujan jam-jaman tidak tersedia (hanya
tersedia data hujan harian), dapat pula digunakan rumus empiris seperti
rumus Mononobe dari DR. Mononobe untuk menentukan Intensitas curah
hujan untuk waktu kurang dari 24 jam.
Rumus empiris tersebut digunakan untuk mengubah intensitas hujan harian
ke intensitas hujan dengan lama hujan yang lebih pendek, yang dapat ditulis
dalam persamaan berikut :
dimana :
It = intensitas hujan untuk lama hujan t (mm/jam)
R24 = I24 = intensitas hujan harian (mm/hari)
t = lama hujan (jam)
5. CARA RASIONAL
Cara rasional dapat dipandang sebagai cara perkiraan limpasan yang paling
populer, karena kesederhanaannya. Sifat kesederhanaan, mengandung arti
penyederhanaan berbagai proses alami, menjadi proses sederhana, dengan
demikian cara ini mempunyai banyak kendala dan keterbatasan pemakaian.
Metode rasional hanya digunakan pada DAS dengan ukuran kecil, yaitu
kurang dari 300 ha.
Cara rasional ini bertujuan untuk memperkirakan debit puncak dengan
persamaan :
Q = 0,278 CIA
dengan :
Q = debit puncak, dalam m3/dt
C = koefisien limpasan (runoff coefficient) dengan range 0 C 1
I = intensitas hujan, dalam mm/jam
A = luas DAS, dalam km2
Debit maksimum suatu DAS dapat dicapai pada saat seluruh bagian DAS
telah memberikan kontribusinya. Hal ini berarti, bahwa air hujan yang jatuh
di tempat dalam DAS yang terjauh dari titik kontrol (titik yang
ditinjau/stasiun hidrometri) telah sampai di titik tersebut. Dengan demikian,
hal ini berarti pula, bahwa debit maksimum tersebut tercapai apabila hujan
dengan intensitas tetap terjadi selama waktu kritik yang memungkinkan
seluruh DAS telah menyumbangkan limpasan ke titik kontrol. Dengan kata
lain telah terjadi konsentrasi aliran di titik kontrol tersebut. Waktu tersebut
disebut waktu konsentrasi (tc atau time of concentration). Secara konseptual
waktu konsentrasi ditakrifkan sebagai waktu yang diperlukan oleh setetes air
hujan yang jatuh di tempat yang terjauh dalam DAS untuk mengalir sampai
di titik kontrol.
Gambar 3. Hubungan Curah Hujan dengan Aliran Permukaan untukDurasi yang berbeda
Berdasarkan Gambar 2.6, terdapat tiga kemungkinan, yaitu :
Intensitas Hujan I
D = tc
tc Waktu
Q
Aliran akibat hujan dengan durasi D < tc
Aliran akibat hujan dengan durasi D = tc
Aliran akibat hujan dengan durasi D > tc
1. apabila lama hujan (rainfall duration) lebih pendek daripada tc maka debit
belum mencapai maksimum,
2. apabila lama hujan sama dengan tc, maka debit maksimum tercapai pada
waktu tc dan waktu resesi sama dengan tc, dan
3. apabila lama hujan lebih besar daripada tc maka debit maksimum
tercapai pada waktu tc dan debit tetap sebesar debit maksimum terjadi
selama selisih waktu antara lama hujan dan tc dan waktu resesi sama
dengan tc.
Untuk persamaan waktu konsentrasi dikenal persamaan Kirpich :
dengan :
tc = waktu konsentrasi dalam jamL = panjang sungai dalam kmS = landai sungai dalam m/m
Koefisien aliran permukaan (C) didefinisikan sebagai nisbah antara puncak
aliran permukaan terhadap intensitas hujan. Faktor ini merupakan variabel
yang paling menentukan hasil perhitungan debit banjir. Faktor utama yang
mempengaruhi C adalah laju infiltrasi tanah atau prosentase lahan kedap air,
kemiringan lahan, tanaman penutup tanah dan intensitas hujan.
Tabel 7. Koefisien Limpasan untuk Metode Rasional
Jenis Penutup Lahan/Karakteristik Permukaan Nilai Koefisien c
BusinessPerkotaanPinggiran
0,70 – 0,950,50 – 0,70
PerumahanRumah tunggalMultiunit, terpisahMultiunit tergabungPerkampunganApartemen
0,30 – 0,500,40 – 0,600,60 – 0,750,25 – 0,400,50 – 0,70
IndustriRinganBerat
0,50 – 0,800,60 – 0,90
PerkerasanAspal dan betonBatu bata, paving
0,70 – 0,950,50 – 0,70
Atap 0,75 – 0,95Halaman tanah berpasir
Datar 2%Rata-rata 2 – 7%
0,05 – 0,100,10 – 0,15
Curam 7% 0,15 – 0,20Halaman tanah berat
Datar 2%Rata-rata 2 – 7%Curam 7%
0,13 – 0,170,18 – 0,22 0,25 – 0,35
Halaman kereta api 0,10 – 0,35Taman tempat bermain 0,20 – 0,35Taman, pekuburan 0,10 – 0,25Hutan
Datar 0 – 5%Bergelombang 5 – 10%Berbukit 10 – 30%
0,10 – 0,400,25 – 0,50 0,30 – 0,60