Anda di halaman 1dari 29

12

BAB II
TINJAUAN PUSTAKA
2.1. Umum
Banjir adalah aliran air yang relatif tinggi, dimana air tersebut melimpah
terhadap beberapa bagian sungai. Ketika sungai melimpah, air menyebar pada
dataran banjir dan pada umumnya mendatangkan masalah pada manusia.
Yang dimaksud banjir dalam penulisan ini adalah terjadinya limpahan
aliran air akibat kapasitas penampang Sungai Indragiri Hulu yang tidak dapat
menampung debit air yang mengalir di atasnya. Selanjutnya aliran yang melimpah
tersebut menyebar pada bantaran banjir yang pada umumnya sudah dihuni atau
diberdayakan oleh manusia.
2.2. Konsep Perhitungan
Debit banjir air sungai yang besar mengakibatkan tergerusnya tebing
Sungai Indragiri Hulu. Debit banjir yang dihitung adalah debit banjir maksimum
dengan periode ulang 5, 10, 25, 50, 100 tahun di Sungai Indragiri.
Konsep perhitungan didasarkan dari data yang ada, pengalaman, dan
kepentingan daerah sekitar Sungai Indragiri. Maka, langkah-langkah dalam
perhitungan debit banjir yang harus dilakukan adalah:
1. Analisis distribusi frekuensi curah hujan :
a. Distribusi Normal
b. Distribusi Log Normal
c. Distribusi Log Pearson Type III
d. Distribusi Gumbel

Universitas Sumatera Utara
13


2. Uji Kecocokan (Goodnes of fittest test):
a. Metode Smirnov-Kolmogorov
b. Metode Chi-kuadrat
3. Pemilihan Disribusi frekuensi curah hujan yang tepat
4. Debit banjir rencana
Debit banjir rencana adalah debit maksimum dari suatu sungai, yang
besarnya didasarkan kala ulang atau periode yang telah ditentukan. Probabilitas
atau kejadian banjir untuk masa mendatang dapat diramalkan melalui analisis
hidrologi dengan menerapkan metode statistik sesuai parameter hidrologi.
Pemilihan banjir rencana untuk bangunan air sangat tergantung pada analisis
stastistik dari urutan kejadian banjir, baik berupa debit air dari sungai, maupun
curah hujan maksimum.
Dalam hal ini penentuan debit banjir dianalisis melalui metode Hidrograf
Satuan Sintetik Nakayasu dan Hidfrograf Satuan Sintetik Snyder.
5. Setelah didapat debit banjir maka dilakukan pemodelan sungai dengan
menggunakan HEC-RAS 4.0 Beta. Pemodelan sungai dipakai untuk mengetahui
tinggi muka air banjir, yang berguna sebagai acuan untuk menentukan elevasi
puncak krib.
2.3. Analisis Distribusi Frekuensi Curah Hujan
Frekuensi hujan adalah besarnya kemungkinan suatu besaran hujan
disamai atau dilampaui. Sebaliknya, kala ulang (return period) adalah waktu
perkiraan di mana hujan dengan suatu besaran tertentu akan disamai atau
dilampaui. Dalam hal ini kejadian tersebut tidak akan berulang secara teratur
setiap kala ulang tersebut. Misalnya, hujan dengan kala-ulang 10-tahunan, tidak
Universitas Sumatera Utara
14


berarti akan terjadi sekali setiap 10 tahun, akan tetapi ada kemungkinan dalam
jangka 1000 tahun akan terjadi 100 kali kejadian hujan 10-tahunan. Ada
kemungkinan selama kurun waktu 10 tahun terjadi hujan 10-tahunan lebih dari
satu kali, atau sebaliknya tidak terjadi sama sekali.
Data hujan yang digunakan adalah data curah hujan harian maksimum.
Pada penulisan ini digunakan beberapa metode distribusi yang umum dipakai
untuk memperkirakan curah hujan dengan tahun periode ulang tertentu. Metode
yang dipakai nantinya harus ditentukan dengan melihat karakteristik distribusi
hujan daerah setempat. Periode ulang yang akan dihitung pada masing masing
metode adalah untuk periode ulang 5, 10, 25, 50, dan 100 tahun.
Dalam tugas akhir ini akan digunakan beberapa distribusi frekuensi yang
banyak digunakan dalam bidang hidrologi, yaitu:
1). Distribusi Normal
2). Distribusi Log Normal
3). Distribusi Log Pearson Type III
4). Distribusi Gumbel
Data curah hujan yang tersebut diatas dianalisa dengan menggunakan
bantuan sofware SMADA 2.1 Distrib dan perhitungan manual dengan
menggunakan Excel.



Universitas Sumatera Utara
15


2.3.1. Metode Distribusi Normal
Distribusi normal atau kurva normal disebut pula distribusi Gauss. Fungsi
densitas peluang normal (PDF = Probability Density Function) yang paling
dikenal adalah bentuk bell dan dikenal sebagai distribusi normal. PDF distribusi
normal dapat dituliskan dalam bentuk rata rata dan simpangan bakunya, sebagai
berikut:
( )
( )
s s
(


= x
x
Exp X P
2
2
2 2
1


...................................(2.1)
Dimana :
P(X) =Fungsi densitas peluang normal
X =Variabel acak kontinu
=Rata rata nilai X
=Simpangan baku dari nilai X

dimana dan adalah parameter statistik, yang masing masing adalah nilai
ratarata dan standar deviasi dari variant. Analisa kurva normal cukup
menggunakan parameter statistik dan . Bentuk kurvanya simetris terhadap
X = dan grafiknya selalu di atas sumbu datar X, serta mendekati sumbu datar X,
dan dimulai dari X = + 3 dan X = - 3. Nilai mean = median = modus. Nilai
X mempunyai batas - < x < +.

T T
K X + = .....................................(2.2)
Yang dapat didekati dengan :
S K X X
T T
+ = ....................................(2.3)

S
X X
K
T
T

= .....................................(2.4)
Standart deviasi (S) = ...................................(2.5)


( )
1
1
2

=
n
X X
n
i
i
Universitas Sumatera Utara
16


Dimana :
T
X

= Perkiraan nilai yang diharapkan terjadi dengan periode ulang T-tahunan
X

= Nilai rata rata hitung variat
S = Deviasi standar nilai variat
T
K

= Faktor frekuensi, merupakan fungsi dari peluang atau periode ulang dan
tipe model matematik distribusi peluang yang digunakan untuk analisis
peluang.

Adapun faktor frekuensi, K
T
di atas dapat dilihat pada tabel 2.1 di bawah ini.
Tabel 2.1 Nilai Variabel Reduksi Gauss
No Periode ulang, T (tahun) Peluang
T
K
1 1,001 0,999 -3,05
2 1,005 0,995 -2,58
3 1,01 0,990 -2,33
4 1,05 0,950 -1,64
5 1,11 0,900 -1,28
6 1,25 0,800 -0,84
7 1,33 0,750 -0,67
8 1,43 0,700 -0,52
9 1,67 0,600 -0,25
10 2 0,500 0
11 2,50 0,400 0,25
12 3,33 0,300 0,52
13 4 0,250 0,67
14 5 0,200 0,84
15 10 0,100 1,28
16 20 0,050 1,64
17 50 0,020 2,05
18 100 0,010 2,33
19 200 0,005 2,58
20 500 0,002 2,88
21 1000 0,001 3,09
(Sumber : Suripin, 2004, Sistem Drainase Perkotaan yang Berkelanjutan :37)

Universitas Sumatera Utara
17


2.3.2. Metode Distribusi Log Normal
J ika variabel acak Y = Log X terdistribusi secara normal, maka X
dikatakan mengikuti distribusi Log normal. PDF (Probability Density Function)
untuk distribusi Log normal dapat dituliskan sebagai berikut :
( )
( )
0
2 2
1
2
2
>
(


= x
Y
Exp
X
X P
Y
Y


.........(2.6)
Y = Log X .............(2.7)
Dimana :
P(X) =Peluang log normal
X =Nilai variat pengamatan
=Rata rata nilai populasi Y
=Standar deviasi dari nilai variat Y

Apabila nilai P(X) digambarkan pada kertas, maka peluang logaritmik
akan merupakan persamaan garis lurus, sehingga dapat menyatakan sebagai
model matematik dengan persamaan :

T T
K Y + = .......(2.8)
Yang dapat didekati dengan :
S K Y Y
T T
+ = ...........(2.9)

S
Y Y
K
T
T

= .........(2.10)


.................................(2.11)

Dimana :
T
Y

=Perkiraan nilai yang diharapkan terjadi dengan periode ulang T tahun
Y

=Nilai rata rata hitung variat
S =Standar deviasi nilai variat
T
K

=Faktor frekuensi, merupakan fungsi dari peluang atau periode
ulang dan tipe model matematik distribusi peluang digunakan untuk
analisis peluang
( )
2
1

=
n
x Log x Log
S
i
Y

Universitas Sumatera Utara


18


2.3.3. Metode Distribusi Log Pearson III
Secara sederhana fungsi kerapatan peluang distribusi Pearson Type III ini
mempunyai persamaan sbagai berikut :
i T i
S K X Log Xt Log . + = .....(2.12)
n
x Log
X Log
i
= .............(2.13)
( )
2
1

=
n
x Log x Log
S
i
i
.....(2.14)
( )
( )( )
3
3
2 1
i
i
s
S n n
x Log x Log n
skewness koefisien C


= =

...............................(2.15)
Dimana :
=
T
K Koefisien frekuensi yang diperoleh dari tabel 2.1
i
S =Standar deviasi nilai variat
C
s
=Koefisien kemencengan

Berikut ini langkah langkah penggunaan distribusi Log-Pearson Tipe III.
- Ubah data ke dalam bentuk logaritmis, X =Log X
- Hitung harga rata rata :
n
X
X
n
i
i
=
=
1
log
log .......(2.16)
- Hitung harga simpangan baku :
......(2.17)


- Hitung koefisien kemencengan
..............(2.18)

( )
( )( )
3
1
3
2 1
log log
s n n
X X n
G
n
i
i

=

=
5 , 0
1
2
1
) log (log
(
(
(
(

=

=
n
X X
s
n
i
i
Universitas Sumatera Utara
19


- Hitung logaritma hujan atau banjir dengan periode ulang T dengan rumus :
s K X X
T
. log log + = ........(2.19)
Dimana:
K =variabel standard (standardized variable) untuk X, yang besarnya tergantung
koefisien kemencengan G.

Tabel 2.2 memperlihatkan harga K untuk berbagai nilai kemencengan G.

Universitas Sumatera Utara
20


(Sumber : Suripin, 2004, Sistem Drainase Perkotaan yang Berkelanjutan :43)



Tabel 2.2 Nilai K Untuk Distribusi Log Pearson III
Interval kejadian, tahun (periode ulang)
Koef. G
1.0101 1.2500 2 5 10 25 50 100
Persentase peluang terlampaui
99 80 50 20 10 4 2 1
3.0 -0.667 -0.636 -0.396 0.420 1.18 2.278 3.152 4.051
2.8 -0.714 -0.666 -0.384 0.46 1.21 2.275 3.114 3.973
2.6 -0.769 -0.696 -0.368 0.499 1.238 2.267 3.071 2.889
2.4 -0.832 -0.725 -0.351 0.537 1.262 2.256 3.023 3.8
2.2 -0.905 -0.752 -0.330 0.574 1.284 2.24 2.97 3.705
2.0 -0.99 -0.777 -0.307 0.609 1.302 2.219 2.192 3.605
1.8 -1.087 -0.799 -0.282 0.643 1.318 2.193 2.848 3.499
1.6 -1.197 -0.817 -0.254 0.675 1.329 2.163 2.78 3.388
1.4 -1.318 -0.832 -0.225 0.705 1.337 2.128 2.706 3.271
1.2 -1449 -0.844 -0.195 0.732 1.34 2.087 2.97 3.149
1.0 -1.588 -0.852 -0.164 0.758 1.34 2.043 2.542 3.022
0.8 -1.733 -0.856 -0.132 0.78 1.336 1.993 2.453 2.891
0.6 -1880 -0.857 -0.099 0.8 1.328 1.939 2.359 2.755
0.4 -2.029 -0.855 -0.066 0.816 1.317 1.88 2.261 2.615
0.2 -2.178 -0.850 -0.033 0.83 1.301 1.818 2.159 2.472
0.0 -2.326 -0.842 0 0.842 1.282 1.751 2.051 2.326
-0.2 -2.472 -0.830 0.033 0.85 1.258 1.68 1.945 2.178
-0.4 -2.615 -0.816 0.066 0.855 1.231 1.606 1.834 2.029
-0.6 -2.755 -0.800 0.099 0.857 1.2 1.528 1.72 1.88
-0.8 -2.891 -0.780 0.132 0.856 1.166 1.448 1.606 1.733
-1.0 -3.022 -0.758 0.164 0.852 1.128 1.366 1.492 1.588
-1.2 -2.149 -0.732 0.195 0.844 1.086 1.282 1.379 1.449
-1.4 -2.271 -0.705 0.225 0.832 1.041 1.198 1.27 1.318
-1.6 -2.388 -0.675 0.254 0.817 0.994 1.116 1.166 1.197
-1.8 -3.499 -0.643 0.282 0.799 0.945 1.035 1.069 1.087
-2.0 -3.605 -0.609 0.307 0.777 0.895 0.959 0.98 0.99
-2.2 -3.705 -0.574 0.330 0.752 0.844 0.888 0.9 0.905
-2.4 -3.800 -0.537 0.351 0.725 0.795 0.823 0.83 0.832
-2.6 -3.889 -0.490 0.368 0.696 0.747 0.764 0.768 0.769
-2.8 -3.973 -0.469 0.384 0.666 0.702 0.712 0.714 0.714
-3.0 -7.051 -0.420 0.396 0.636 0.66 0.666 0.666 0.667
Universitas Sumatera Utara
21


2.3.4. Metode Distribusi Gumbel Type I Eksternal
Metode distribusi Gumbel banyak digunakan dalam analisis frekuensi
hujan yang mempunyai rumus :
.....................................(2.20)
.....................................(2.21)
.....................................(2.22)

Faktor probabilitas K untuk harga harga ekstrim Gumbel dapat dinyatakan
dalam persamaan :

n
n T
S
Y Y
K
r

= ..........(2.23)
Reduce variate =
)
`


=
r
r
T
T
T
Y
r
1
ln ln ..........(2.24)

Standart deviasi (S
x
) = ......................................(2.25)


Dimana :
t
R =Curah hujan untuk periode ulang T tahun (mm)
R =Curah hujan harian maksimum rata rata
x
S =Standar deviasi
K =Faktor frekuensi
n n
Y S , =Faktor pengurangan deviasi standar rata rata sebagai
fungsi dari jumlah data

Nilai nilai Yn, Sn dan Ytr masing masing dapat ditentukan berdasarkan pada
tabel 2.3, tabel 2.4, dan tabel 2.5 berikut.


( )
( )
|
|
.
|

\
|

+ =

=
+ =
1
303 , 2 834 , 0
.
t
t
Log Y
S
y y
K
S K R R
t
n
n t
x t
( )
1
1
2

=
n
X X
n
i
i
Universitas Sumatera Utara
22


Tabel 2.3 Reduced Mean, Yn
N 0 1 2 3 4 5 6 7 8 9
10 0.4952 0.4996 0.5035 0.507 0.51 0.5128 0.5157 0.5181 0.5202 0.522
20 0.5236 0.5252 0.5268 0.5283 0.5296 0.5309 0.532 0.5332 0.5343 0.5353
30 0.5362 0.5371 0.538 0.5388 0.8396 0.5403 0.541 0.5418 0.5424 0.5436
40 0.5436 0.5442 0.5448 0.5453 0.5458 0.5463 0.5468 0.5473 0.5477 0.5481
50 0.5485 0.5489 0.5493 0.5497 0.5501 0.5504 0.5508 0.5511 0.5515 0.5518
60 0.5521 0.5524 0.5527 0.553 0.5533 0.5535 0.5538 0.554 0.5543 0.5545
70 0.5548 0.555 0.5552 0.5555 0.5557 0.5559 0.5561 0.5563 0.5565 0.5567
80 0.5569 0.557 0.5572 0.5574 0.5576 0.5578 0.558 0.5581 0.5583 0.5585
90 0.5586 0.5587 0.5589 0.5591 0.5592 0.5593 0.5595 0.5596 0.5598 0.5599
100 0.56 0.5602 0.5603 0.5604 0.5606 0.5607 0.5608 0.5609 0.561 0.5611
(Sumber : Suripin, 2004, Sistem Drainase Perkotaan yang Berkelanjutan : 51)
Tabel 2.4 Reduced Standard Deviation, Sn
N 0 1 2 3 4 5 6 7 8 9
10 0.9496 0.9676 0.9833 0.9971 1.0095 1.0206 1.0316 1.0411 1.0493 1.0565
20 1.0628 1.0696 1.0754 1.0811 1.0864 1.0915 1.0961 1.1004 1.1047 1.108
30 1.1124 1.1159 1.1193 1.1226 1.1255 1.1285 1.1313 1.1339 1.1363 1.1388
40 1.1413 1.1436 1.1458 1.148 1.1499 1.1519 1.1538 1.1557 1.1574 1.159
50 1.1607 1.1623 1.1638 1.1658 1.1667 1.1681 1.1696 1.1708 1.1721 1.1734
60 1.1747 1.1759 1.177 1.1782 1.1793 1.1803 1.1814 1.1824 1.1834 1.1844
70 1.1854 1.1863 1.1873 1.1881 1.189 1.1898 1.1906 1.1915 1.1923 1.193
80 1.1938 1.1945 1.1953 1.1959 1.1967 1.1973 1.198 1.1987 1.1994 1.2001
90 1.2007 1.2013 1.202 1.2026 1.2032 1.2038 1.2044 1.2049 1.2055 1.206
100 1.2065 1.2069 1.2073 1.2077 1.2081 1.2084 1.2087 1.209 1.2093 1.2096
(Sumber : Suripin, 2004, Sistem Drainase Perkotaan yang Berkelanjutan : 52)
Tabel 2.5 Reduced Variate, Ytr sebagai fungsi periode ulang
Periode ulang, Reduced variate, Periode ulang, Reduced variate,
Tr (tahun) Ytr Tr (tahun) Ytr
2 0.3668 100 4.6012
5 1.5004 200 5.2969
10 2.2510 250 5.5206
20 2.9709 500 6.2149
25 3.1993 1000 6.9087
50 3.9028 5000 8.5188
75 4.3117 10000 9.2121
(Sumber : Suripin, 2004, Sistem Drainase Perkotaan yang Berkelanjutan : 52)


Universitas Sumatera Utara
23


Untuk menentukan jenis sebaran yang akan digunakan, maka parameter
statistik data curah hujan wilayah diperiksa terhadap beberapa jenis sebaran
sebagai berikut :
Tabel 2.6 Persyaratan Parameter Statistik Suatu Distribusi
No Distribusi Persyaratan
1 Gumbel
C
s
=1,14
C
k
=5,4
2 Normal
C
s
0
C
k
3
3 Log Normal
C
s
=C
v
3
+3C
v
C
k
=C
v
8
+6C
v
6
+15C
v
4
+16C
v
2
+3
4 Log Pearson III Selain dari nilai diatas
Sumber : Kamiana, I Made (2011)
Dimana:
- Koefisien kemencengan (C
s
) =
( )
( )( )( )
3
1
3
2 1 S n n
X X n
i
i
i

=
. (2.23)
- Koefisien kurtosis (C
k
) =
( )
( )( )( )( )
4
1
4
2
3 2 1 S n n n
X X n
i
i
i

=
.. (2.24)
- X =nilai rata rata dari X =
n
X
n
i
i
=1
...(2.25)
- Standar deviasi (S) =
( )
1
1
2

=
n
X X
n
i
i
(2.26)
- Koefisien variasi (Cv) =
X
S
. (2.26)
- X
i
=Data hujan atau debit ke-i
- n =J umlah data

Universitas Sumatera Utara
24


2.3.5. SMADA (Storm Management and Design Aid)
Program SMADA (Storm Management and Design Aid) adalah suatu
program yang berfungsi untuk mengelola aliran sungai melalui analisa hidrologi
yang lengkap, untuk memperoleh debit dari curah hujan yang turun pada DAS
alur sungai pengamatan. Program ini dilengkapi pula dengan analisa hidrograf,
routing sungai, analisa alur sungai, analisa statistik distribusi dan regresi,
perhitungan matrix dan sebagainya. Program ini dikembangkan oleh Dr. R.D.
Eaglin dari Departemen Teknik Sipil dan Lingkungan, University of Central
Florida.
Dalam penulisan ini program SMADA digunakan untuk membandingkan
hasil perhitungan distribusi curah hujan yang diperoleh dengan hasil statistik dan
yang diperoleh dengan mengunakan program SMADA.

Gambar 2.1 Pemasukan Data Smada Perhitungan Curah Hujan (Rainfall)



Universitas Sumatera Utara
25


Distribution Analysis: Normal Distribution
---------------Summary of Data---------------
First Moment (mean) 97.55
Second Moment 313.20
Skew 0.059
Point Weibull Actual Predicted Standard D
value

Number Probability Value Value Deviation
[abs(AV-
PV)]
1 0.0909 70.29 73.92 9.337 3.626
2 0.1818 72.33 81.47 7.561 9.144
3 0.2727 81.18 86.86 6.539 5.676
4 0.3636 89.5 91.39 5.926 1.885
5 0.4545 103.4 95.53 5.633 7.866
6 0.5455 105.6 99.57 5.633 6.034
7 0.6364 110.38 103.71 5.926 6.665
8 0.7273 112.64 108.24 6.539 4.396
9 0.8182 114.68 113.63 7.561 1.054
10 0.9091 115.5 121.18 9.337 5.684

D
max
9.144


---------------Predictions---------------

Exceedence Return Calculated Standard
Probability Period Value Deviation
0.995 200 143.144 15.466
0.990 100 138.729 14.174
0.980 50 133.905 12.786
0.960 25 128.540 11.286
0.900 10 120.234 9.098
0.800 5 112.442 7.314
0.667 3 105.182 6.095
0.500 2 97.550 5.597

Gambar 2.2 Keluaran Smada Perhitungan Curah Hujan (Rainfall)
Universitas Sumatera Utara
26


2.4. Uji Kecocokan (Goodnes of fittest test)
Uji kesesuaian (the goodness of fittes test) dimaksudkan untuk mengetahui
kebenaran analisis curah hujan, terhadap simpangan data vertikal maupun
simpangan data horizontal. Maka, diketahui apakah pemilihan metode distribusi
frekuensi yang digunakan, dalam perhitungan curah hujan dapat diterima atau
ditolak. Pengujian parameter yang sering dipakai adalah:
1). Uji Chi-kuadrat
2). Uji Smirnov-Kolmogorov
2.4.1. Uji Chi-kuadrat
Uji chi-kuadrat dimaksudkan untuk menentukan, apakah persamaan
distribusi peluang yang telah dipilih dapat mewakili dari distribusi statistik sampel
data yang dianalisis. Pengambilan keputusan uji ini menggunakan parameter x
2
,
oleh karena itu disebut dengan uji Chi-Kuadrat.
Rumus yang digunakan dalam perhitungan dengan Uji Chi-Kuadrat adalah
sebagai berikut :

2
=
( )

n
i f
f f
E
E O
1
2
....................(2.26)
Keterangan rumus :

2
=Parameter Chi-Kuadrat terhitung
E
f
=Frekuensi yang diharapkan sesuai dengan pembagian kelasnya
O
f
=Frekuensi yang diamati pada kelas yang sama
n =J umlah sub kelompok
Derajat nyata atau derajat kepercayaan () tertentu yang sering diambil
adalah 5%. Derajat kebebasan (Dk) dihitung dengan rumus :
Dk =K (p +1) ......(2.27)
Universitas Sumatera Utara
27


K =1 +3,3 Log n ............(2.28)
Dimana :
Dk =Derajat kebebasan
p =Banyaknya parameter, untuk uji Chi-Kuadrat adalah 2
K =J umlah kelas data distribusi
n =Banyaknya data

Selanjutnya, distribusi probabilitas yang dipakai untuk menentukan curah
hujan rencana adalah distribusi probabilitas yang mempunyai simpangan
maksimum terkecil dan lebih kecil dari simpangan kritis, atau dirumuskan sebagai
berikut :

2
<
2
cr
......(2.29)
Dimana:

2
=Parameter Chi-Kuadrat

2
cr
=Parameter Chi-Kuadrat krtitis (lihat lampiran E)

Prosedur perhitungan dengan menggunakan metode Uji Chi-Kuadrat
adalah sebagai berikut :
1. Urutkan data dari besar ke kecil atau sebaliknya
2. Menghitung jumlah kelas
3. Menghitung derajat kebebasan (Dk) dan
2
cr

4. Menghitung kelas distribusi
5. Menghitung interval kelas
6. Perhitungan nilai
2
cr

7. Bandingkan nilai
2
terhadap
2
cr.





Universitas Sumatera Utara
28


Nilai parameter Chi-Kuadrat kritis dapat dilihat pada tabel 2.6 di bawah ini.
Tabel 2.7 Nilai Parameter Chi-Kuadrat Kritis,
2
cr
(Uji Satu Sisi)
dk

derajat kepercayaan
0,995 0,99 0,975 0,95 0,05 0,025 0,01 0,005
1
2
3
4
5
0,0000393
0,0100
0,0717
0,207
0,412
0,000157
0,0201
0,115
0,297
0,554
0,000982
0,0506
0,216
0,484
0,831
0,00393
0,103
0,352
0,711
1,145
3,841
5,991
7,815
9,488
11,070
5,024
7,378
9,348
11,143
12,832
6,635
9,210
11,345
13,277
15,086
7,879
10,597
12,838
14,860
16,750
6
7
8
9
10
0,676
0,989
1,344
1,735
2,156
0,872
1,239
1,646
2,088
2,558
1,237
1,690
2,180
2,700
3,247
1,635
2,167
2,733
3,325
3,940
12,592
14,067
15,507
16,919
18,307
14,449
16,013
17,535
19,023
20,483
16,812
18,475
20,090
21,666
23,209
18,548
20,278
21,955
23,589
25,188
11
12
13
14
15
2,603
3,074
3,565
4,075
4,601
3,053
3,571
4,107
4,660
5,229
3,816
4,404
5,009
5,629
6,262
4,575
5,226
5,892
6,571
7,261
19,675
21,026
22,362
23,685
24,996
21,920
23,337
24,736
26,119
27,448
24,725
26,217
27,388
29,141
30,578
26,757
28,300
29,819
31,319
32,801
16
17
18
19
20
5,142
5,697
6,625
6,844
7,434
5,812
6,408
7,015
7,633
8,260
6,908
7,564
8,231
8,907
9,591
7,962
8,672
9,390
10,117
10,851
26,296
27,587
28,869
30,114
31,410
28,845
30,191
31,526
32,852
34,170
32,000
33,409
34,805
36,191
37,566
34,267
35,718
37,156
38,582
39,997
dk

derajat kepercayaan
0,995 0,99 0,975 0,95 0,05 0,025 0,01 0,005
21
22
23
24
25
8,034
8,643
9,260
9,886
10,520
8,897
9,542
10,196
10,856
11,524
10,283
10,982
11,689
12,401
13,120
11,591
12,338
13,091
13,848
14,611
32,671
33,924
36,172
36,415
37,652
35,479
36,781
38,076
39,364
40,646
38,932
40,289
41,638
42,980
44,314
41,401
42,796
44,181
45,558
46,928
26
27
28
29
30
11,160
11,808
12,461
13,121
13,787
12,198
12,879
13,565
14,256
14,953
13,844
14,573
15,308
16,047
16,791
15,379
16,151
16,928
17,708
18,493
38,885
40,113
41,337
42,557
43,733
41,923
43,194
44,461
45,722
46,979
45,642
46,963
48,278
49,588
50,892
48,290
49,645
50,993
52,336
53,672
(Sumber : Soewarno : 1995)
Agar distribusi frekuensi yang dipilih dapat diterima, maka harga X
2
<X
2
cr
,
Harga X
2
cr
(nilai kritis parameter chi-kuadrat) dapat diperoleh dengan menentukan
taraf signifikasi dengan derajat kebebasannya.


Universitas Sumatera Utara
29


Adapun kriteria penilaian hasilnya adalah sebagai berikut:
1) Apabila peluang lebih dari 5 % maka persamaan distribusi teoritis yang
digunakan dapat diterima.
2) Apabila peluang lebih kecil dari 1 % maka persamaan distribusi teoritis
yang digunakan dapat diterima.
3) Apabila peluang berada diantara 1 % - 5 %, maka tidak mungkin
mengambil keputusan, perlu penambahan data.
2.4.2. Uji Smirnov- Kolmogorov
Uji kecocokan Smirnov Kolgomorov sering disebut juga uji kecocokan
non parametrik, karena pengujiannya tidak menggunakan fungsi disribusi tertentu.
Prosedur pelaksanaannya adalah sebagai berikut:
1) Urutkan data (dari besar ke kecil atau sebaliknya) dan tentukan besarnya
peluang dari masing-masing data tersebut

% 100
1
x
n
m
P
+
= ...................................(2.30)
Dimana:
P =Peluang (%)
m =Nomor urut data
n =J umlah data

X
1
=P(X
1
) ................................(2.31)
X
2
=P(X
2
) ................................(2.32)
X
3
=P(X
3
), dan seterusnya ................................(2.33)

2) Urutkan nilai masing-masing peliuang teoritis dari hasil penggambaran data
(persamaan distribusinya)

Universitas Sumatera Utara
30


X
1
=P(X
1
) ...................................(2.34)
X
2
=P(X
2
) ...................................(2.35)
X
3
=P(X
3
), dan seterusnya ...................................(2.36)
3) Dari kedua nilai peluang tersebut ditentukan selisih terbesar antara peluang
pengamatan dengan peluang teoritis.
D =maksimum ( ) ( ) | |
m m
X P X P '

.......(2.37)
4) Berdasarkan tabel nilai kritis (Smirnov Kolgomorov test) tentukan harga D
o
.
5) Apabila nilai D lebih kecil dari nilai Do maka distribusi teoritis yang
digunakan untuk menentukan persamaan distribusi dapat diterima, tetapi
apabila nilai D lebih besar dari nilai Do, maka distribusi teoritis yang
digunakan untuk menentukan distribusi tidak dapat diterima.
Nilai kritis, Do dapat dilihat pada tabel 2.8berikut ini.
Tabel 2.8 Nilai Kritis Do Untuk Uji Smirnov Kolmogorov
N

0,20 0,10 0,05 0,01
5
10
15
20
25
30
35
40
45
50
0,45
0,32
0,27
0,23
0,21
0,19
0,18
0,17
0,16
0,15
0,51
0,37
0,30
0,26
0,24
0,22
0,20
0,19
0,18
0,17
0,56
0,41
0,34
0,29
0,27
0,24
0,23
0,21
0,20
0,19
0,67
0,49
0,40
0,36
0,32
0,29
0,27
0,25
0,24
0,23
n >50 1,07 / n
0,5
1,22 / n
0,5
1,36 / n
0,5
1,63 / n
0,5
(Sumber : Suripin, 2004, Sistem Drainase Perkotaan yang Berkelanjutan : 59)


Universitas Sumatera Utara
31


2.5. Debit Banjir Rencana
Banjir terjadi karena volume air yang mengalir di sungai per satuan waktu
melebihi kapasitas pengaliran alur sungai, sehingga menimbulkan luapan. Debit
banjir adalah besarnya aliran sungai yang diukur dalam satuan (m
3
/dtk) pada
waktu banjir. Debit banjir rencana adalah debit maksimum dari suatu sungai yang
besarnya didasarkan kala ulang atau periode tertentu.
Probabilitas atau kejadian banjir untuk masa mendatang dapat diramalkan
melalui analisis hidrologi dengan menerapkan metode statistik sesuai parameter
hidrologi. Dalam pemilihan banjir rencana untuk bangunan air sangat tergantung
pada analisis stastistik dari urutan kejadian banjir baik berupa debit air dari sungai
maupun curah hujan maksimum. Beberapa pertimbangan antara lain : besarnya
kerugian yang akan diderita jika bangunan mengalami kerusakan dan sering
tidaknya kerusakan terjadi, umur ekonomis bangunan dan biaya pembangunan.
Analisis debit banjir yang biasa dipakai yaitu Rasional dan Empiris.
Formula yang berdasarkan rumus Rasional adalah Melchior, Haspers dan
Rasional J epang. Perhitungan debit banjir metode ini hanya untuk mengetahui
besarnya debit maksimum (puncak), tanpa menunjukan kronologis penaikan serta
penurunan debit yang terjadi. Sementara itu metode empiris yang dikenal seperti,
Hidrograf satuan sintetis Nakayasu, Hidrograf satuan sintetis Snyder dan
Hidrograf Satuan Gama I, disamping dapat menunjukan besarnya debit puncak,
cara ini juga dapat menggambarkan kronologis peningkatan dan penurunan debit
seperti kondisi kenyataan. Dalam tugas akhir ini akan digunakan Hidrograf satuan
sintetis Nakayasu dan Hidrograf satuan sintetis Snyder.
Universitas Sumatera Utara
32


2.5.1. Hidrograf Satuan Sintetis Nakayasu
Untuk memprediksi unit hidrograf dari suatu DAS berdasarkan data-data
karakteristik fisik DAS sungai yang bersangkutan, dapat digunakan metode unit
hidrograf sintetik. Salah satu metode yang umum dipakai adalah metode
Nakayasu.
Rumus dari hidrograf satuan sintetik Nakayasu adalah sebagai berikut:
) (0,3 3,6
0,3 p
o
p
T T
C.A.R
Q
+
= ..............................(2.38)
Dimana:
Q
p
=debit puncak banjir (m
3
/det)
R
o
=hujan satuan (mm)
T
p
=tenggang waktu dari permulaan hujan sampai puncak banjir (jam)
T
0,3
= waktu yang diperlukan oleh penurunan debit, dari puncak sampai 30% dari
debit puncak
A =luas daerah pengaliran sampai outlet
C =koefisien pengaliran

Untuk menentukan T
p
dan T
0,3
digunakan pendekatan rumus sebagai berikut :
T
p
=tg+0,8 t
r
................................ (2.39)
T
0,3
= tg ................................(2.40)
t
r
=0,5 tg sampai tg ................................(2.41)
tg adalah time lag yaitu waktu antara hujan sampai debit puncak banjir dimana tg
dihitung dengan ketentuan sebagai berikut:
- Sungai dengan panjang alur L >15 km : tg =0,4 +0,058 L .......................(2.42)
- Sungai dengan panjang alur L <15 km : tg =0,21 L
0,7
.......................(2.43)
Dimana:
tr = satuan waktu hujan (jam)
= parameter hidrograf, untuk :
=2 pada daerah pengaliran biasa
=1,5 pada bagian naik hidrograf lambat dan turun cepat
=3 pada bagian naik hidrograf cepat, dan turun lambat

Universitas Sumatera Utara
33


- Pada waktu kurva naik : 0 <t <Tp
p
2,4
p
t
Q
T
t
Q
|
|
.
|

\
|
= .......................................(2.44)
Dimana :
Q
t
= limpasan sebelum mencari debit puncak (m
3
)
t = waktu (jam)

- Pada waktu kurva turun
a. Selang nilai : t ( T
p
+ T
0,3
)

( )
8 , 0
3 , 0 .
T
T t
P t
p
Q Q

= ........................................(2.45)
b. Selang nilai : ( T
p
+ T
0,3
) t ( T
p
+ T
0,3
+ 1,5T
0,3
)

( )
8 , 0
3 , 0
5 , 0
3 , 0 .
T
T Tp t
P t
Q Q
+
= ........................................(2.46)
c. Selang nilai : t >( T
p
+ T
0,3
+ 1,5T
0,3
)
........................................(2.47)

2.5.1.1. Intensitas Curah Hujan dan Hujan Efektif
Karena data hujan yang ada hanya data hujan harian, maka untuk
memperoleh debit banjir rencana harus melaluitahapan penentuan distribusi hujan
harian dalam bentuk jam-jaman. Dengan anggapan hujan yang terjadi berlangsung
6 jam sehari, maka distribusi tersebut adalah sebagai berikut :
a. Rata-rata hujan dari awal hingga jam ke-T

Dimana:
R
t
=rerata hujan dari awal sampai jam ke t (mm/jam)
t
c
=waktu hujan sampai jam ke t
R
24
=curah hujan maksimum dalam 24 jam
( )
8 , 0
3 , 0
2
5 , 0
3 , 0 .
T
T Tp t
P t
Q Q
+
=
3
2
24
6
6
|
|
.
|

\
|
=
c
t
t
R
R
Universitas Sumatera Utara
34


b. Distribusi hujan pada jam ke-T
( )
( ) 1
). 1 ( .

=
t t T
R t R t R

Dimana:
R
T
=intensitas curah hujan pada jam t (mm/jam)
t =waktu (jam)
t
R
=rerata hujan dari awal sampai jam ke t (mm/jam)
R
(t-1)
=rerata curah hujan dari awal sampai jam ke (t 1)

c. Hujan Efektif
R
e
= f . R
T
Dimana:
Re =hujan efektif
f =koefisien pengaliran sungai
R
T
=intensitas curah hujan pada jam t (mm/jam)

Tabel 2.9. Nilai Koefisien Limpasan (Koefisien Pengaliran)
Kondisi DAS Harga f
Daerah pegunungan yang curam 0.75 0.90
Daerah pegunungan tersier 0.70 0.80
Tanah bergelombang dan hutan 0.50 0.75
Tanah dataran yang ditanami 0.45 0.60
Persawahan yang diairi 0.70 0.80
Sungai di daerah pegunungan 0.75 0.85
Sungai kecil di dataran 0.45 0.75
Sungai besar yang lebih dari setengah DAS
terdiri dari dataran
0.50 0.75

Sumber : Sosrodarsono, S. Kensaku, T. 2006







Gambar 2.3 Hidrograf satuan sintetis Nakayasu
Universitas Sumatera Utara
35


2.5.2. Hidrograf Satuan Sintetis Snyder
Dalam permulaan tahun 1938, F.F Snyder dari Amerika Serikat, telah
mengembangkan rumus dengan koefisien-koefisien empirik yang
menghubungkan unsur-unsur hidrograf satuan dengan karakteristik DAS.
Hidrograf satuan tersebut ditentukan dengan cukup baik pada tinggi d =1
cm, dan dengan ketiga unsur lain, yaitu Q
p
(m
3
/ detik), Tp, serta tr (jam).
Unsur unsur hidrograf tersebut dihubungkan dengan:
A =luas daerah pengaliran (km
2
)
L =panjang aliran utama (km)
L
c
=jarak antara titik berat daerah pengaliran dengan pelepasan (outlet) yang
diukur sepanjang aliran utama.
Dengan unsur unsur tersebut diatas SNYDER membuat rumus -
rumusnya sebagai berikut:
.....................................(2.48)
......................................(2.49)
....................................(2.50)

Dimana:
q
p
= puncak hidrograf satuan (m
3
/det/mm/km
2
)
Q
p
= debit puncak (m
3
/det/mm)
t
p
= waktu antara titik berat curah hujan dengan puncak (jam)
T
p
= waktu yang diperlukan antara permulaan hujan hingga mencapai puncak
hidrograf

Koefisien koefisien C
t
dan C
p
harus ditentukan secara empirik, karena
besarnya berubah-ubah antara daerah yang satu dengan daerah yang lain. Dalam
sistem metrik besarnya C
t
antara 0,75 dan 3,00, sedangkan C
p
berada antara 0,90
5 , 5
p
r
T
t =
p
p
p
T
A C
Q
.
278 , 0 =
( )
3 , 0
.
c t p
L L C T =
Universitas Sumatera Utara
36


hingga 1,40, dimana bila nilai Cp mendekati nilai terbesar maka nilai Ct akan
mendekati nilai terkecil, demikianpula sebaliknya.
Snyder hanya membuat model untuk untuk menghitung debit puncak dan
waktu yang diperlukan untuk mencapai puncak dari suatu hidrograf saja, sehingga
untuk mendapatkan lengkung hidrografnya memerlukan waktu untuk menghitung
parameter-parameternya.
Untuk mempercepat pekerjaan tersebut diberikan rumus Alexejev, yang
memberikan bentuk hidrograf satuannya. Persamaan Alexejev adalah sebagai
berikut: 1. .....................................(2.51)

2. .....................................(2.52)

3. .....................................(2.53)

dengan a diperoleh dari persamaan berikut:
.....................................(2.54)

.....................................(2.55)
i


t
p

Q
p



t
T
p

T
b

Gambar 2.4 Hidrograf satuan sintetis Snyder
Tr
T
Universitas Sumatera Utara
37


2.6. Pemodelan Sungai dengan Menggunakan HEC-RAS
Dalam perencanaan sungai digunakan program HEC-RAS (Hydrologic
Engineering System-River Analysis System). HEC-RAS adalah sebuah sistem
yang didesain untuk penggunaan yang interaktif dalam lingkungan yang
bermacam-macam. Ruang lingkup HEC-RAS adalah menghitung profil muka air
dengan pemodelan aliran steady dan unsteady, serta penghitungan pengangkutan
sedimen. Element yang paling penting dalam HEC-RAS adalah tersedianya
geometri saluran, baik memanjang maupun melintang.
Dengan adanya HEC-RAS maka tinggi muka air diketahui, yang berguna
sebagai acuan untuk menentukan elevasi puncak krib.
2.6.1. Profil Muka Air Pada Aliran Steady
Dalam bagian ini HEC-RAS memodelkan suatu sungai dengan aliran
steady berubah lambat laun. Sistem ini dapat mensimulasikan aliran pada seluruh
jaringan saluran ataupun pada saluran tunggal tanpa percabangan, baik itu aliran
kritis, subkritis, superkritis ataupun campuran sehingga didapat profil muka air
yang diinginkan. Konsep dasar dari perhitungan adalah menggunakan persamaan
energi dan persamaan momentum. Kehilangan energi juga di perhitungkan dalam
simulasi ini dengan menggunakan prinsip gesekan pada saluran, belokan serta
perubahan penampang, baik akibat adanya jembatan, gorong-gorong ataupun
bendung pada saluran atau sungai yang ditinjau.
2.6.2. Profil Muka Air Pada Aliran Unsteady
Pada sistem pemodelan ini, HEC-RAS mensimulasikan aliran unsteady
pada jaringan saluran terbuka. Awalnya aliran unsteady hanya di disain untuk
memodelkan aliran subkritis, tetapi versi tebaru dari HEC-RAS yaitu versi 4.0
Universitas Sumatera Utara
38


Beta dapat juga untuk memodelkan aliran superkritis, kritis, subkritis ataupun
campuran, serta loncatan hidrolik. Selain itu penghitungan kehilangan energi pada
gesekan saluran, belokan serta perubahan penampang juga diperhitungkan.
2.6.3. Konsep Penghitungan Profil muka air dalam HEC-RAS
Dalam HEC-RAS penampang sungai atau saluran ditentukan terlebih
dahulu, kemudian luas penampang akan dihitung. Untuk mendukung fungsi
saluran sebagai penghantar aliran maka penampang saluran di bagi atas beberapa
bagian. Pendekatan yang dilakukan HEC-RAS adalah membagi area penampang
berdasarkan dari nilai n (koefisien kekasaran manning) sebagai dasar bagi
pembagian penampang.
Setiap aliran yang terjadi pada bagian dihitung dengan menggunakan
persamaan Manning :

2
1
.
f
S K Q = ....................................(2.56)

3
2
.
486 , 1
R A
n
K = ....................................(2.57)
Dimana :
K =nilai pengantar aliran pada unit
n =koefisien kekasaran manning
A =luas bagian penampang
R =jari-jari hidrolik

Perhitungan nilai K dapat dihitung berdasarkan kekasaran manning yang
dimiliki oleh bagian penampang tersebut seperti terlihat pada Gambar 2.5.




Universitas Sumatera Utara
39








Gambar 2.5 Gambar Penampang Melintang Sungai
Setelah penampang ditentukan maka HEC-RAS akan menghitung profil
muka air. Konsep penghitungan profil permukaan air berdasarkan persamaan
energi yaitu:
..................................(2.58)
Dimana :
Y
1
, Y
2
=tinggi kedalaman pada cross-section 1 dan 2 ( m )
z
1
, z
2
=elevasi dasar saluran pada cross-section 1 dan 2 ( m )
V =kecepatan aliran
= koefisien kecepatan
h
e
=energy head loss

Tinggi energi yang hilang (h
e
) diantara 2 cross-section disebabkan oleh
kehilangan akibat gesekan dan kehilangan akibat penyempitan atau pelebaran.
Persamaan tinggi energi yang hilang tersebut adalah sebagai berikut:

e
h
g
V
Z Y
g
V
Z Y + + + = + +
2 2
2
1 1
1 1
2
2 2
2 2

Universitas Sumatera Utara
40



Gambar 2.6 Masukan Data Cross Section Sungai


Gambar 2.7 Keluaran Data Cross Section Sungai


Universitas Sumatera Utara