Anda di halaman 1dari 16

METODE INTENSITAS CURAH HUJAN

Posted on April 2, 2009

Bagi anda yang saat ini sedang mencari suatu perumusan bagaimana cara mendapatkan data intensitas curah hujan dari curah hujan harian baik maksimum maupun yang biasa-biasa aja, anda dapat menemukan solusinya dengan membaca post ini (mudah2an !!!!). Perhitungan intensitas curah hujan biasanya diperlukan sebagai bagian perumusan dalam perhitungan debit rencana menggunakan Metode Rasional. Naon sih eta Metode Rasional teh! check this out : Salah satu metode yang umum digunakan untuk memperkirakan laju aliran puncak (debit banjir atau debit rencana) yaitu Metode Rasional USSCS (1973). Metode ini digunakan untuk daerah yang luas pengalirannya kurang dari 300 ha (Goldman et.al., 1986, dalam Suripin, 2004). Metode Rasional dikembangkan berdasarkan asumsi bahwa curah hujan yang terjadi mempunyai intensitas seragam dan merata di seluruh daerah pengaliran selama paling sedikit sama dengan waktu konsentrasi (t c). Persamaan matematik Metode Rasional adalah sebagai berikut :

Q=0,278.C.I.A
dimana : Q : 0,278 : C : I : A : Debit (m3/detik) Konstanta, digunakan jika satuan luas daerah menggunakan km2 Koefisien aliran Intensitas curah hujan selama waktu konsentrasi (mm/jam) Luas daerah aliran (km2)

Di wilayah perkotaan, luas daerah pengaliran pada umumnya terdiri dari beberapa daerah yang mempunyai karakteristik permukaan tanah yang berbeda (subarea), sehingga koefisien pengaliran untuk masing-masing subarea nilainya berbeda, dan untuk menentukan koefisien pengaliran pada wilayah tersebut dilakukan penggabungan dari masing-masing subarea. Variabel luas subarea dinyatakan dengan Aj dan koefisien pengaliran dari tiap subarea dinyatakan dengan Cj, maka untuk menentukan debit digunakan rumus sebagai berikut : _ dimana : Q : Debit (m3/detik) Cj : Koefisien aliran subarea I : Intensitas curah hujan selama waktu konsentrasi (mm/jam) Aj : Luas daerah subarea (km2)

Biasanya dalam perencanaan bangunan pengairan (misalnya drainase), debit rencana sangat diperlukan untuk mengetahui kapasitas yang seharusnya dapat ditampung oleh sebuah drainase, agar semua debit air dapat ditampung dan teralirkan. Oke kita masuk ke intinya, metode yang biasa digunakan dalam perhitungan intensitas curah hujan adalah sebagai berikut: Metode Mononobe

dimana : I t

: :

Intensitas curah hujan (mm/jam) Lamanya curah hujan / durasi curah hujan (jam) Curah hujan rencana dalam suatu periode ulang, yang nilainya didapat dari tahapan sebelumnya (tahapan analisis frekuensi)

R24 :

Keterangan : R24 , dapat diartikan sebagai curah hujan dalam 24 jam (mm/hari) Contoh kasusnya seperti ini, jika anda ingin mengetahui intensitas curah hujan dari data curah hujan harian selama 5 menit, pengerjaannya adalah sebagai berikut (jika diketahui curah hujan selama satu hari bernilai 56 mm/hari) :

Keterangan : Ubah satuan waktu dari menit menjadi jam. Contoh durasi selama 5 menit menjadi durasi selama 5/60 atau selama 0,833 jam. Gampang kan bagaimana cara mendapatkan intensitas curah hujan dari curah hujan harian. Sekarang kita masuk ke metode kedua, yaitu : Metode Van Breen

Berdasarkan penelitian Ir. Van Breen di Indonesia, khususnya di Pulau Jawa, curah hujan terkonsentrasi selama 4 jam dengan jumlah curah hujan sebesar 90% dari jumlah curah hujan selama 24 jam (Anonim dalam Melinda, 2007). Perhitungan intensitas curah hujan dengan menggunakan Metode Van Breen adalah sebagai berikut :

dimana : IT : Intensitas curah hujan pada suatu periode ulang (T tahun) RT : Tinggi curah hujan pada periode ulang T tahun (mm/hari)

Oke, dengan nilai yang sama dengan nilai yang digunakan dalam Metode Mononobe, maka perhitungan intensitas curah hujan dengan Metode Van Breen, menghasilkan nilai sebagai berikut :

Udah liat kan, ternyata nilai intensitas curah hujan selama 5 menit dengan nilai curah hujan harian mencapai 56 mm/hari dengan menggunakan Metode Van Breen, nilainya lebih besar dibandingkan dengan perhitungan intensitas curah hujan menggunakan Metode Mononobe. Oke, metode ketiga adalah sebagai berikut : Metode Haspers dan Der Weduwen

Metode ini berasal dari kecenderungan curah hujan harian yang dikelompokkan atas dasar anggapan bahwa curah hujan memiliki distribusi yang simetris dengan durasi curah hujan lebih kecil dari 1 jam dan durasi curah hujan lebih kecil dari 1 sampai 24 jam (Melinda, 2007). Perhitungan intensitas curah hujan dengan menggunakan Metode Haspers & der Weduwen adalah sebagai berikut:

dimana : I : Intensitas curah hujan (mm/jam) R, Rt : Curah hujan menurut Haspers dan Der Weduwen t Xt : Durasi curah hujan (jam) : Curah hujan harian maksimum yang terpilih (mm/hari)

Dengan nilai contoh yang sama, akan tetapi dengan ditambah dengan durasi 60 menit :

Yups, yang terakhir ini agak ribet dikarenakan metode ini mempunyai dua persamaan yang berbeda tergantung durasi yang akan dicari. Oh, iya intensitas curah hujan sendiri dapat diartikan sebagai berikut : Intensitas curah hujan adalah jumlah curah hujan yang dinyatakan dalam tinggi hujan atau volume hujan tiap satuan waktu, yang terjadi pada satu kurun waktu air hujan terkonsentrasi (Wesli, 2008). Besarnya intensitas curah hujan berbeda-beda tergantung dari lamanya curah hujan dan frekuensi kejadiannya. Intensitas curah hujan yang tinggi pada umumnya berlangsung dengan durasi pendek dan meliputi daerah yang tidak luas. Hujan yang meliputi daerah luas, jarang sekali dengan intensitas tinggi, tetapi dapat berlangsung dengan durasi cukup panjang. Kombinasi dari intensitas hujan yang tinggi dengan durasi panjang jarang terjadi, tetapi apabila terjadi berarti sejumlah besar volume air bagaikan ditumpahkan dari langit. (Suroso, 2006). Oke degh , segitu dulu post mengenai intensitas curah hujan, post berikutnya saya akan memberikan suatu cara memilih metode perhitungan intensitas curah hujan yang cocok terhadap sebaran data curah hujan di wilayah tersebut. See You .

KRITERIA PERIODE ULANG


Diposkan oleh abs.m.arsjaddi 10:06 SENIN, 16 FEBRUARI 2009

Bisakah banjir Jakarta diatasi dalam waktu dekat?

Setiap tahun kita selalu di suguhi berita tentang banjir, terutama banjir Jakarta. Tahun 2002 terjadi banjr yang cukup besar sehingga menggenangi sebagian besar kota Jakarta. Tahun 2007 terjadi lagi banjir yang lebih dahsyad dari banjir 2002. Kala itu orang-prang dengan mudah mengatakan itu adalah banir lima tahunan, maksudnya banjir dengan periode ulang tiap lima tahun. Waktu itu terjadi polelmik mengenai banjir lima tahunan tersebut. Ada yang mengatakan itu hanya kebetulan, tapi ada pula yang mengatakan bahwa banjir Jakarta yang sebesar itu akan terjadi lima tahun sekali. Apakah memang demikian? Secara statistik curah hujan dapat dihitung probabilitasnya, demikian juga banjir. Akan tetapi kalau terjadi banjir yang sama atau hampir sama antara peristiwa tahun 2002 dengan tahun 2007 bukan berarti itu sama dengan periode ulang lima tahun. Periode ulang 2 tahun, 5 tahun, 10 tahun, 25 tahun dan seterusnya hanya bisa diperkirakan berdasarkan data seri yang panjang (longterm serial data). Periode ulang merupakan suatu nilai rata-rata dari suatu kejadian dalam pengamatan yang panjang. Misalnya curah hujan harian maksimum selama 18 tahun data di stasiun Tg. Periuk. Grafik periode ulang curah hujan. Secara teoritis dalam hidrologi kalau data serial x tahun hanya bisa digunakan untuk memprediksi x tahun kedepan. Kalau data seri selama 18 tahun hanya bisa digunakan untuk prediksi 18 tahun ke depan. Dari contoh ini kita dapat memprediksi curah hujan periode ulang 10 thun kira-kira = 200 mm, dan curah hujan periode ulang 20 tahu kira-kira 225 mm, demikian juga curah hujan periode ulang 5

tahun kira-kira 165 mm. Data ini adalah data cuarah hujan harian maksimum yang dicatat setiap tahun selama 18 tahun. Apa hubungan dengan banjir ? Curah hujan tinggi yang merata di suatu Daerah Aliran Sungai (DAS) akan menyebabkan banjir besar. Kalau curah hujan maksimum diatas terjadi merata di dalam DAS maka akan menyebabkan bnjir besar. Hujan periode ulang 5 tahun akan menghasilkan banjir 5 tahunan, dengan syarat kondisi lingkungan tidak berubah sepanjang tahun. Kenyataan dalam kurun waktu 5 tahun kondisi lingkungan bisa sangat berubah, bahkan setiap tahun terjadi perubahan. Oleh sebab itu banjir prediksi 5 tahunan bisa sama dengan banjir prediksi 10 tahunan. Banjir Jakarta apakah bisa diatasi dalam waktu dekat. Sangat sulit karena banyak factor yang berperan, terutama saluran drainase. Kota Jakarta sangat datar topografinya, oleh sebab itu kecepatan aliran di saluran drainase sangat lambat, ditambah lagi dengan kondisi yang buruk sehingga kapasitas pengalirannya kecil. Oleh sebab itu yang sangat penting artinya sekarang ini adalah perbaikan saluran drainase sehingga kapasitas pengalirannya memadai. Banjir Kanal Timur tentu amatlah vital, namun saluran drainase tidak kalah pentingnnya Karena sebebelum ke BKT aleiran permukaan (surface runoff) harus melalui saluran-saluran drainase. Kalau aliran permukaan lebih besar dari kapasitas pengaliran system drainase yang ada maka banjir tetap akan terjadi walaupun dengan waktu (durasi) yang lebih pendek. Dapat disimpulkan sebenarnya banjir Jakarta bisa diatasi dalam waktu yang tidak terlalu lama. Caranya petakan kembali system drainse, ukur kapasitas pengalirannya, dan tingkatkan sebanding dengan aliran permukaan. Peta jaringan drainase tentu ada pada Dinas Pekerjaan Umum Provinsi. Peta ini merupakan peta dasar untuk memetakan kapasitas drainase. Peta kapasitas drainase digunakan sebagai dasar perhitungan untuk meningkatkan kapasitas drainase. Disini juga perlu dihitung probabilitas curah hujan maksimum, kalau dimungkinkan untuk periode ulang 50 tahun atau lebih.

ANALISA FREKUENSI
Posted on June 18, 2010 by Muhammad Baitullah Al Amin Tujuan analisis frekuensi data hidrologi adalah berkaitan dengan besaran peristiwa-peristiwa ekstrim yang berkaitan dengan frekuensi kejadiannya melalui penerapan distribusi kemungkinan. Data hidrologi yang dianalisis diasumsikan tidak bergantung (independent) dan terdistribusi secara acak dan bersifat stokastik. Frekuensi hujan adalah besarnya kemungkinan suatu besaran hujan disamai atau dilampaui. Sebaliknya, periode ulang/kala ulang adalah waktu hipotetik dimana hujan dengan suatu besaran tertentu akan disamai atau dilampaui. Dalam hal ini tidak terkandung pengertian bahwa kejadian tsb akan berulang secara teratur setiap periode ulang tsb. Misal, hujan dengan periode ulang 10 thn, tidak

berarti akan terjadi setiap 10 thn, akan tetapi ada kemungkinan dalam jangka waktu 1000 thn akan terjadi 100 kali kejadian hujan 10 tahunan. Ada kemungkinan selama kurun waktu 10 thn terjadi hujan 10 tahunan lebih dari satu kali, atau sebaliknya tidak terjadi sama sekali. Analisis frekuensi memerlukan seri data hujan yg diperoleh dari pos penakar hujan, baik yg manual maupun yg otomatis. Analisis frekuensi ini didasarkan pada sifat statistik data kejadian yang telah lalu untuk memperoleh probabilitas besaran hujan di masa yg akan datang. Dengan anggapan bahwa sifat statistik kejadian hujan yang akan datang masih sama dengan sifat statistik kejadian hujan masa lalu. Ada dua macam seri data yang dipergunakan dalam analisis frekuensi, yaitu: 1. Data maksimum tahunan 2. Seri parsial Dalam analisis frekuensi, hasil yg diperoleh tergantung pada kualitas dan panjang data. Makin pendek data yg tersedia, makin besar penyimpangan yang terjadi. Dalam ilmu statistik dikenal beberapa macam distribusi frekuensi dan empat jenis distribusi yg banyak digunakan dalam bidang hidrologi adalah: 1. Distribusi Normal, 2. Distribusi Log Normal, 3. Distribusi Log-Pearson III, 4. Distribusi Gumbel. Prosedur umum hitungan analisis frekuensi dapat dilaksanakan dengan urutan sbb: 1. Hitung parameter statistik data yg dianalisis, meliputi: X, S, Cv, Cs, dan Ck. 2. Berdasarkan nilai-nilai parameter statistik terhitung, perkirakan distribusi yang cocok dengan sebaran data. 3. Urutkan data dari kecil ke besar (atau sebaliknya). 4. Dengan kertas probabilitas yang sesuai untuk distribusi terpilih, plotkan data dengan nilai probabilitas variat Xi, sbb; prob (Xi <= X) = m / (n + 1), dengan m adalah urutan data dari kecil ke besar (1 s.d. n). Sedangkan n adalah jumlah data. 5. Tarik garis teoritik dan lakukan uji Chi-Kuadrat dan Smirnov-Kolmogorov. 6. Apabila syarat uji dipenuhi, tentukan besaran rancangan yang dicari untuk periode ulang yg ditetapkan. 7. Jika syarat uji tidak dipenuhi, pilih distribusi yg lain dan analisis dapat dilakukan seperti pada langkah (1) sampai dengan (6).

8.1. Analisa Frekuensi 8.1.1. Probalibilitas Distribusi Banjir yang terjadi disungai pada suatu daerah aliran biasanya disebabkan oleh hujan yang jatuh di daerah tersebut, kejadian ini merupakan salah satu peristiwa hidrologi. Banjir terbesar akan disebabkan oleh hujan terbesar pula dengan melihat pola, sifat dan karakteristik alirannya. Hujan-hujan terbesar yang menyebabkan banjir-banjir maksimum kalau diperhatikan kejadiannya dalam rangkaian peristiwa hidrologi akan mempunyai kejadian yang berulang. Melihat seri waktu peristiwa hidrologi jarang sekali didapatkan data pengamatan dalam waktu yang cukup panjang, sedang dalam perencanaan yang memerlukan analisa hidrologi biasanya diperlukan data peristiwa hidrologi yang mempunyai kejadian ulang yang cukup panjang (1000 sampai 10000 tahun). Untuk extrapolasi data yang cukup pendek guna keperluan perencanaan seperti yang tersebut diatas digunakan metode-metode perhitungan untuk meramal peristiwa hidrologi dengan waktu ulang kejadian yang cukup panjang. Dalam seri waktu data peristiwa hidrologi akan dijumpai besaran (harga) suatu peristiwa yang mempunyai harga sama atau lebih besar beberapa kejadiannya dalam seri waktu tersebut. Misal dalam waktu pengamatan 100 tahun terjadi rata-rata 4 kali peristiwa hidrologi yang mempunyai harga sama atau lebih besar maka masa ulang (T) dari peristiwa hidrologi tersebut adalah 25 tahun. Artinya peristiwa tersebut akan terjadi rata-rata satu kali dalam 25 tahun, bukan setiap 25 tahun sekali. Jadi untuk masa 100 tahun, peristiwa hidrologi 25 tahunan terjadi 4 kali dan tidak harus berurutan 25 tahun sekali. Dari uraian diatas dapat ditulis bahwa interval waktu rata-rata dari suatu peristiwa akan dimulai atau dilampaui satu kali disebut masa ulang (return period), juga disebut sebagai periodicity atau recurrence interval. Kemungkinan dari suatu kejadian yang besarnya sama atau dilampaui dalam peristiwa hidrologi dapat dinyatakan dalam persamaan :

dan peristiwa tidak disamai atau tidak dilampaui dapat dituliskan sebagai berikut :

dimana : p = peristiwa disamai atau dilampaui

p = peristiwa tidak disamai atau tidak dilampaui T = masa ulang Bila p (X < x) menyatakan suatu kemungkinan bahwa harga x tidak akan disamai atau tidak dilampaui dalam suatu periode tertentu, maka p(X < x)n akan menyatakan suatu kemungkinan bahwa harga x tidak disamai atau tidak dilampaui dalam n periode (tahun). Untuk independent series dan dari hukum multiple probability didapat bahwa :

persamaan 8.4 menyatakan suatu kemungkinan bahwa harga x akan disamai atau dilampaui dalam n tahun. Substitusi persamaan (8.1) dalam persamaan (8.4) didapat :

Contoh 8.1. Misal untuk p(X x) dimana x adalah harga dari suatu banjir yang mempunyai masa ulang 20 tahun (Q20). Berapa peluang akan terjadi dalam periode 3 tahun ? Penyelesaian :

Contoh 8.2. Terjadi berapa tahun akan datang untuk kans 1 % dari banjir 200 tahunan ? Penyelesaian :

Contoh 8.3. Untuk kans 8 % dari banjir 200 tahunan tidak akan terjadi dalam beberapa tahun akan datang ? p(X < Q200)n = 0,08 Penyelesaian :

Untuk menghitung periode kejadian yang diharapkan (n) untuk suatu kejadian dengan masa ulang T dapat ditulis sebagai berikut :

sebaliknya untuk menghitung masa ulang T dari suatu peristiwa hidrologi untuk suatu peride kejadian yang diharapkan (n) juga dapat ditulis sebagai berikut :

8.1.2. Frekwensi Distribusi Dari suatu data peristiwa hidrologi dapat ditentukan besarnya masing-masing periode ulang untuk satu harga dari data. Data seri dirangking harganya dari yang tertinggi sampai yang terendah dimulai dengan m = 1 untuk yang peling tinggi dan m = 2 untuk yang tertinggi berikutnya, dimana m adalah nomor urut rangking. Masa ulang dari setiap kejadian (harga) dapat dihitung dari :

dimana : n = jumlah kejadian (data) Persamaan 8.8 adalah dari Weibull. Sebenarnya untuk menentukan harga T dari suatu data seri masih banyak perumusan yang dipakai, tetapi yang paling sering dipakai bisa dituliskan sebagai berikut :

Untuk mendapatkan extrapolasi data dari data seri salah satu cara dipakai adalah metode yang disebut sebagai metode Gumbel. Data peristiwa hidrologi yang disusun menurut rangkingnya akan didapatkan distribusi frekwensi kejadiannya menurut kelas interval tertentu. Gumbel beranggapan bahwa distribusi variable-variabel hidrologi tak terbatas sehingga digunakan harga-harga extrim maximum. Kalau samplenya terdiri dari harga-harga extrim dari banyak seri maka kemungkinan terjadinya suatu harga sama dengan atau kurang dari x ditentukan oleh persamaan :

Persamaan 8.12 disebut juga sebagai persamaan distribusi Gumbel, dimana y adalah reduced variate dan e bilangan alam (=2,71828.) Dengan memperhatikan persamaan 8.2 maka persamaan 8.12 dapat ditulis sebagai berikut :

atau

Harga T menurut Gumbel sama dengan yang dikemukakan oleh Weibull seperti pada persamaan 8.8. Untuk menghitung extrapolasi dari seri harga-harga extrim digunakan cara yang dikemukakan oleh V.T. Chow dengan memakai factor frekwensi K, yaitu :

Faktor K untuk harga extrim distribusi Gumbel dinyatakan dalam persamaan :

Untuk harga extrapolasi dengan masa ulang T adalah XT , maka dari persamaan (8.14) dan (8.15) dapat ditulis :

Persamaan (8.18) sering dikenal sebagai persamaan extrapolasi dari Gumbel. Harga Yn dan Sn yang merupakan fungsi dari n dapat dihitung dengan menggunakan persamaan distribusi Gumbel. Contoh 8.4. Hitunglah harga reduced variate Yn dan standar deviasi dari reduced variate Sn dari 15 buah data. Penyelesaian: Jumlah data adalah sebanyak data n = 15 maka jumlah rangking dalam data juga m = 15. Nomor rangking dihitung kemungkinan kejadiannya (kolom 2 dalam tabel ) dan kemudian dihitung reduced variatenya (kolom 3 dalam tabel). Harga rata-rata (mean) dari reduced variate ini merupakan harga Yn yang dicari (untuk n = 15). Sedang harga standard deviasi dari reduced variate ini merupakan harga Sn yang dicari.

Contoh 8.5.

Pada tabel 8.2 dibawah ini diberikan data pencatatan hujan harian maksimum selama 11 tahun. Diminta untuk menghitung hujan harian maksimum dengan masa ulang 100 tahun dengan metode Gumbel. Penyelesaian: Langkah pertama adalah memberi rangking pada data sehingga data terbesar memiliki rangking 1 kemudian data terbesar kedua adalah rangking 2 sampai pada data terkecil yang memiliki rangking terakhir ( berdasarkan datmengurutkan data mulai yang paling besar sampai paling kecil (kolom 1 adalah rangking dan kolom 2 adalah datanya). Data-data hujan harian maksimum yang ada di kolom 2 dijumlahkan kemudian dibagi dengan banyaknya data diperoleh harga hujan harian maksimum ratarata. Kolom 3 menghitung kuadrat dari selisih data dan data rata-ratanya dan kemudian dijumlahkan yang akan digunakan untuk mengitung standar deviasi. Standar deviasi dihitung dengan akar kuadrat dari jumlah kuadrat dari selisih data hujan dan rata-ratanya dibagi dengan banyaknya data kurang satu. Kolom 4 menghitung peluang dari rangking data. Kolom 5 menghitung harga y dan y, y rata-rata atau Yn (reduced variate) dihitung dari y dibagi dengan banyaknya datay. Kolom 6 mengitung kuadrat dari selisih antara y dan Yn dan dikemudian dijumlahkan untuk mengitung standar deviasi dari reduced variate dengan membaginya dengan banyaknya data dan kemudian mengakar kuadratkannya.