semakintinggikerapatanjaringan,
data
yang
diperolehsemakinbaikdanmewakili,
tetapipadaprakteknyaakanmembutuhkanbiayadanwaktu
yang
besar.
Kerapatan
jaringan dinyatakan dalam satu stasiun tiap luas tertentu, misalnya 1 stasiun 200 km 2.
Dalam merencanakan jaringan, terdapat dua hal penting yang perlu dipertimbangkan,
yaitu jumlah dan lokasi stasiun yang akan dipasang. Kerapatan jaringan adalah
jumlah stasiun tiap satuan luas di dalam WS. Semakin besar variasi hujan semakin
banyak jumlah stasiun yangdiperlukan, seperti misalnya di daerah pegunungan.
Badan Meteorologi Dunia (WMO) memberikan sarannya mengenai kerapatan
minimum jaringan stasiun hujan adalah satu stasiun, digunakan untuk melayani
daerah seluas 100-250 km2 bagi daerah yang mempunyai topografi pegunungan di
daerah tropis, dan satu stasiun untuk melayani daerah seluas 600-900 km2 untuk
daerah daratan.Untuk pengukuran kerapatan jaringan untuk tiap-tiap DAS digunakan
metode Kagan dikarenakan jumlah stasiun hujan yang optimal dan pola
penempatannya dapat diperoleh. Dari berbagai cara penetapan jaringan pengukuran
hujan/pengukuran kerapatan jaringan, terdapat cara yang relatif sederhana, baik
dalam hal kebutuhan data maupun prosedur hitungannya, yaitu cara Kagan.
Persamaan-persamaan yang dipergunakan adalah sebagai berikut :
r(d) = r(0)
Z1 = Cv
Z2 = Cv
L=
dengan:
r(d)
Z2
jarak d km,
r(0)
Cv
= Koefisien variasi,
stasiun diekstrapolasi,
d(0)
di
mana
korelasi
dalam km,
A
Selanjutnya, digambar jaring-jaring segitiga sama sisi dengan panjang sisi sama dengan
jarak antar stasiun hujan (L).
C. Perkiraan Data Curah Hujan yang Hilang
Dalam pencatatan curah hujan kadang dijumpai adanya pencatatan data hujan yang
hilang atau tidak tercatat karena sesuatu sebab, oleh karena itu untuk dapat
menghasilkan hasil analisa yang baik atau dengan hasil yang tidak bias, maka sangat
diperlukan perkiraan untuk pengisian data hujan yang hilang. Kekosongan data dapat
terjadi akibat ketidakhadiran pengamat atau kerusakan alat. Jumlah hujan dihitung
dari pengamatan di ketiga stasiun terdekat dan sedapat mungkin berjarak sama
terhadap stasiun yang kehilangan data.
a.
dengan :
Px =
Nilai
data
hujan
yang
tahunan stasiun A
tahunan stasiun B
tahunan stasiun C
n
dengan :
Px =
Nilai
data
hujan
yang
= Koefisien regresi
adalah yang berada didalam DAS, tetapi stasiun diluar DAS yang masih berdekatan
juga bias diperhitungkan.
dimana :
= curah hujan rata-rata (mm)
n
R1, R2, ....Rn = besarnya curah hujan pada masing-masing stasiun hujan (mm)
b. Metode Poligon Thiessen
Metode ini dilakukan dengan menganggapbahwa setiap stasiun hujan dalam suatu
daerahmempunyai luas pengaruh tertentu dan luastersebut merupakan faktor koreksi
bagi hujanstasiun menjadi hujan daerah yangbersangkutan. Caranya adalah dengan
memplot letak stasiun-stasiun curah hujan ke dalamgambar DAS yang bersangkutan.
Kemudian dibuatgaris penghubung di antara masing-masingstasiun dan ditarik garis
sumbu tegak lurus.Cara ini merupakan cara terbaik danpaling banyak digunakan
walau masih memilikikekurangan karena tidak memasukkan pengaruhtopografi.
Metode ini dapat digunakan apabilapos hujan tidak banyak. Curah hujan
daerahmetode poligon Thiessen dihitung denganpersamaan berikut :
dimana :
= Rata-rata curah hujan (mm).
= curah hujan dimasing-masing stasiun dan n adalah jumlah
stasiun hujan
A
(km2).
dimana :
= curah hujan rata-rata (mm),
= garis isohiet ke 1,2,3,...,n+1
= luas daerah yang dibatasi oleh garis isohiet ke 1 dan 2, 2 dan
3,...,n dan n+1.
E. Analisa Frekuensi
Analisis frekuensi dapat diartikan sebagai suatu cara untuk memprediksi suatu
besaran curah hujan di masa yang akan datang dengan menggunakan data curah
hujan di masa yang lalu berdasarkan suatu pemakaian distribusi frekuensi. Dalam
melakukan sebuah analisis frekuensi diperlukan data curah hujan, yaitu curah hujan
maksimum. Teori distribusi dapat digunakan untuk menyelesaikan persamaan umum tinggi
hujan untuk analisis frekuensi, seperti:
- Distribusi Normal
dimana :
XT = Perkiraannilai yang diharapkanterjadidenganperiodeulang T
= Nilai rata-rata hitungvariat
S
dimana :
= Nilai variat X yang diharapkan terjadi pada peluang atau periode ulang
t tahun
log
= Logaritma rata-rata
c. Koefisienkemencengan
d. Logaritmahujanperiodeulangt
dimana :
Cs
= koefisien kemencengan
log
= logaritma rata-rata
Xt
= jumlah data
- Distribusi Gumbel
dimana:
Xt
Xt
= standar deviasi
Sn
= Nilai reduksi variat dari variabel yang diharapkan terjadi pada periode
ulang tertentu
Yn