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:

P X

x 2
Exp

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 < +.

X T KT

.....................................(2.2)

Yang dapat didekati dengan :

X T X KT S
KT

....................................(2.3)

XT X
S

.....................................(2.4)
n

Standart deviasi (S) =

...................................(2.5)

i 1

n 1

Universitas Sumatera Utara

16

Dimana :
X T = Perkiraan nilai yang diharapkan terjadi dengan periode ulang T-tahunan
X
S
KT

= Nilai rata rata hitung variat

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

Adapun faktor frekuensi, KT di atas dapat dilihat pada tabel 2.1 di bawah ini.
Tabel 2.1 Nilai Variabel Reduksi Gauss
No

Periode ulang, T (tahun)

Peluang

KT

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

1,001
1,005
1,01
1,05
1,11
1,25
1,33
1,43
1,67
2
2,50
3,33
4
5
10
20
50
100
200
500
1000

0,999
0,995
0,990
0,950
0,900
0,800
0,750
0,700
0,600
0,500
0,400
0,300
0,250
0,200
0,100
0,050
0,020
0,010
0,005
0,002
0,001

-3,05
-2,58
-2,33
-1,64
-1,28
-0,84
-0,67
-0,52
-0,25
0
0,25
0,52
0,67
0,84
1,28
1,64
2,05
2,33
2,58
2,88
3,09

(Sumber : Suripin, 2004, Sistem Drainase Perkotaan yang Berkelanjutan :37)

Universitas Sumatera Utara

17

2.3.2. Metode Distribusi Log Normal

Jika 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 :

P X

Y Y 2
Exp

2
X 2
2 Y

x0

Y = Log X

.........(2.6)

.............(2.7)

Dimana :
P(X) = Peluang log normal
X
= Nilai variat pengamatan
= Rata rata nilai populasi Y
Y
= Standar deviasi dari nilai variat Y
Y
Apabila nilai P(X) digambarkan pada kertas, maka peluang logaritmik
akan merupakan persamaan garis lurus, sehingga dapat menyatakan sebagai
model matematik dengan persamaan :

YT K T

.......(2.8)

Yang dapat didekati dengan :

YT Y K T S
KT

YT Y
S

Log xi Log x 2
n 1

...........(2.9)
.........(2.10)

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

Dimana :
YT = Perkiraan nilai yang diharapkan terjadi dengan periode ulang T tahun
Y = Nilai rata rata hitung variat
S = Standar deviasi nilai variat
K T = Faktor frekuensi, merupakan fungsi dari peluang atau periode
ulang dan tipe model matematik distribusi peluang digunakan untuk
analisis peluang

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 :

Log Xt Log X i K T . S i

Log x

Log X

Si

.....(2.12)

.............(2.13)

Log xi Log x 2

.....(2.14)

n 1

C s koefisien skewness

n Log x i Log x

n 1n 2 S i 3

...............................(2.15)

Dimana :
K T Koefisien frekuensi yang diperoleh dari tabel 2.1
S i = Standar deviasi nilai variat
Cs = 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

log X
-

i 1

log X

.......(2.16)

Hitung harga simpangan baku :

n
2
(log X i log X )

s i 1
n 1

0,5

......(2.17)

Hitung koefisien kemencengan

n

n log X i log X
G

..............(2.18)

i 1

n 1n 2s 3

Universitas Sumatera Utara

19

Hitung logaritma hujan atau banjir dengan periode ulang T dengan rumus :

log X T log X K .s

........(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

Tabel 2.2 Nilai K Untuk Distribusi Log Pearson III

Interval kejadian, tahun (periode ulang)
Koef. G

1.0101

1.2500

10

25

50

100

Persentase peluang terlampaui

99

80

50

20

10

3.0

-0.667

-0.636

-0.396

0.420

1.18

2.278

3.152

4.051

2.8
2.6

-0.714
-0.769

-0.666
-0.696

-0.384
-0.368

0.46
0.499

1.21
1.238

2.275
2.267

3.114
3.071

3.973
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
1.6

-1.087
-1.197

-0.799
-0.817

-0.282
-0.254

0.643
0.675

1.318
1.329

2.193
2.163

2.848
2.78

3.499
3.388

1.4
1.2

-1.318
-1449

-0.832
-0.844

-0.225
-0.195

0.705
0.732

1.337
1.34

2.128
2.087

2.706
2.97

3.271
3.149

1.0
0.8

-1.588
-1.733

-0.852
-0.856

-0.164
-0.132

0.758
0.78

1.34
1.336

2.043
1.993

2.542
2.453

3.022
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

0.842

1.282

1.751

2.051

2.326

-0.2
-0.4

-2.472
-2.615

-0.830
-0.816

0.033
0.066

0.85
0.855

1.258
1.231

1.68
1.606

1.945
1.834

2.178
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
-1.4

-2.149
-2.271

-0.732
-0.705

0.195
0.225

0.844
0.832

1.086
1.041

1.282
1.198

1.379
1.27

1.449
1.318

-1.6
-1.8

-2.388
-3.499

-0.675
-0.643

0.254
0.282

0.817
0.799

0.994
0.945

1.116
1.035

1.166
1.069

1.197
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
-2.6

-3.800
-3.889

-0.537
-0.490

0.351
0.368

0.725
0.696

0.795
0.747

0.823
0.764

0.83
0.768

0.832
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

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

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 :

Rt R K .S x

.....................................(2.20)

yt y n

.....................................(2.21)

Sn

.....................................(2.22)

Yt 0,834 2,303 Log

t 1

Faktor probabilitas K untuk harga harga ekstrim Gumbel dapat dinyatakan

dalam persamaan :
K

YTr Yn

..........(2.23)

Sn

T 1
Reduce variate = YTr ln ln r
Tr

Standart deviasi (Sx) =

..........(2.24)

i 1

......................................(2.25)

n 1
Dimana :
Rt
= Curah hujan untuk periode ulang T tahun (mm)
R
= Curah hujan harian maksimum rata rata
Sx
= Standar deviasi
K
= Faktor frekuensi
S n , Yn = 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.

Universitas Sumatera Utara

22

Tabel 2.3 Reduced Mean, Yn

N

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

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

Gumbel

Normal

Log Normal

Log Pearson III

Persyaratan
Cs = 1,14
Ck = 5,4
Cs 0
Ck 3
Cs = Cv3 + 3Cv
Ck = Cv8 + 6Cv6 + 15Cv4 + 16Cv2 + 3
Selain dari nilai diatas

Sumber : Kamiana, I Made (2011)

Dimana:
i

n Xi X

Koefisien kemencengan (Cs) =

i 1

n 1n 2S 3
i

n2 X i X

i 1

Koefisien kurtosis (Ck) =

. (2.23)

n 1n 2n 3S 4

.. (2.24)

...(2.25)

i 1

X = nilai rata rata dari X =

i 1

Standar deviasi (S) =

Koefisien variasi (Cv) =

Xi = Data hujan atau debit ke-i

n = Jumlah data

n 1
S
X

(2.26)
. (2.26)

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

Dvalue
[abs(AV-

Number

Probability

Value

Value

Deviation

PV)]

0.0909

70.29

73.92

9.337

3.626

0.1818

72.33

81.47

7.561

9.144

0.2727

81.18

86.86

6.539

5.676

0.3636

89.5

91.39

5.926

1.885

0.4545

103.4

95.53

5.633

7.866

0.5455

105.6

99.57

5.633

6.034

0.6364

110.38

103.71

5.926

6.665

0.7273

112.64

108.24

6.539

4.396

0.8182

114.68

113.63

7.561

1.054

10

0.9091

115.5

121.18

9.337

5.684

Dmax

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

112.442

7.314

0.667

105.182

6.095

0.500

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 x2,
oleh karena itu disebut dengan uji Chi-Kuadrat.
Rumus yang digunakan dalam perhitungan dengan Uji Chi-Kuadrat adalah
sebagai berikut :
2

i 1

Ef

Ef

....................(2.26)

Keterangan rumus :
2 = Parameter Chi-Kuadrat terhitung
Ef = Frekuensi yang diharapkan sesuai dengan pembagian kelasnya
Of = Frekuensi yang diamati pada kelas yang sama
n = Jumlah 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 = Jumlah 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 < 2cr

......(2.29)

Dimana:
2 = Parameter Chi-Kuadrat
2cr = 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 2cr
4. Menghitung kelas distribusi
5. Menghitung interval kelas
6. Perhitungan nilai 2cr
7. Bandingkan nilai 2 terhadap 2cr.

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, 2cr (Uji Satu Sisi)
dk
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
dk
21
22
23
24
25
26
27
28
29
30

derajat kepercayaan
0,995
0,99
0,975
0,95
0,05
0,0000393 0,000157 0,000982 0,00393 3,841
0,0100
0,0201
0,0506
0,103
5,991
0,0717
0,115
0,216
0,352
7,815
0,207
0,297
0,484
0,711
9,488
0,412
0,554
0,831
1,145 11,070
0,676
0,872
1,237
1,635 12,592
0,989
1,239
1,690
2,167 14,067
1,344
1,646
2,180
2,733 15,507
1,735
2,088
2,700
3,325 16,919
2,156
2,558
3,247
3,940 18,307
2,603
3,053
3,816
4,575 19,675
3,074
3,571
4,404
5,226 21,026
3,565
4,107
5,009
5,892 22,362
4,075
4,660
5,629
6,571 23,685
4,601
5,229
6,262
7,261 24,996
5,142
5,812
6,908
7,962 26,296
5,697
6,408
7,564
8,672 27,587
6,625
7,015
8,231
9,390 28,869
6,844
7,633
8,907
10,117 30,114
7,434
8,260
9,591
10,851 31,410

derajat kepercayaan
0,995
0,99
0,975
0,95
0,05
8,034
8,897
10,283
11,591 32,671
8,643
9,542
10,982
12,338 33,924
9,260
10,196
11,689
13,091 36,172
9,886
10,856
12,401
13,848 36,415
10,520
11,524
13,120
14,611 37,652
11,160
12,198
13,844
15,379 38,885
11,808
12,879
14,573
16,151 40,113
12,461
13,565
15,308
16,928 41,337
13,121
14,256
16,047
17,708 42,557
13,787
14,953
16,791
18,493 43,733

0,025
5,024
7,378
9,348
11,143
12,832
14,449
16,013
17,535
19,023
20,483
21,920
23,337
24,736
26,119
27,448
28,845
30,191
31,526
32,852
34,170

0,01
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,388
29,141
30,578
32,000
33,409
34,805
36,191
37,566

0,005
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
26,757
28,300
29,819
31,319
32,801
34,267
35,718
37,156
38,582
39,997

0,025
35,479
36,781
38,076
39,364
40,646
41,923
43,194
44,461
45,722
46,979

0,01
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
49,588
50,892

0,005
41,401
42,796
44,181
45,558
46,928
48,290
49,645
50,993
52,336
53,672

(Sumber : Soewarno : 1995)

Agar distribusi frekuensi yang dipilih dapat diterima, maka harga X2 <X2cr,
Harga X2cr (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

m
x 100%
n 1

...................................(2.30)

Dimana:
P = Peluang (%)
m = Nomor urut data
n = Jumlah data
X1 = P(X1)

................................(2.31)

X2 = P(X2)

................................(2.32)

X3 = P(X3), dan seterusnya

................................(2.33)

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

(persamaan distribusinya)

Universitas Sumatera Utara

30

X1 = P(X1)

...................................(2.34)

X2 = P(X2)

...................................(2.35)

X3 = P(X3), dan seterusnya

...................................(2.36)

3) Dari kedua nilai peluang tersebut ditentukan selisih terbesar antara peluang
pengamatan dengan peluang teoritis.
D = maksimum P X m P' X m

.......(2.37)

4) Berdasarkan tabel nilai kritis (Smirnov Kolgomorov test) tentukan harga Do.
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
5
10
15
20
25
30
35
40
45
50
n > 50

0,20
0,45
0,32
0,27
0,23
0,21
0,19
0,18
0,17
0,16
0,15
1,07 / n0,5

0,10
0,51
0,37
0,30
0,26
0,24
0,22
0,20
0,19
0,18
0,17
1,22 / n0,5

0,05
0,56
0,41
0,34
0,29
0,27
0,24
0,23
0,21
0,20
0,19
1,36 / n0,5

0,01
0,67
0,49
0,40
0,36
0,32
0,29
0,27
0,25
0,24
0,23
1,63 / n0,5

(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 (m3/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 Jepang. 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:

Qp

C.A.Ro
3,6 (0,3 T p T0,3 )

..............................(2.38)

Dimana:
Qp = debit puncak banjir (m3/det)
Ro = hujan satuan (mm)
Tp = tenggang waktu dari permulaan hujan sampai puncak banjir (jam)
T0,3 = waktu yang diperlukan oleh penurunan debit, dari puncak sampai 30% dari
debit puncak
A = luas daerah pengaliran sampai outlet
C = koefisien pengaliran
Untuk menentukan Tp dan T0,3 digunakan pendekatan rumus sebagai berikut :
Tp = tg+ 0,8 tr

................................ (2.39)

T0,3 = tg

................................(2.40)

tr = 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 L0,7

.......................(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

2,4

t
Qt Q p
T
p

.......................................(2.44)

Dimana :
Qt = limpasan sebelum mencari debit puncak (m3)
t = waktu (jam)
Pada waktu kurva turun
Selang nilai : t ( Tp + T0,3)

a.
t T p

Qt QP .0,3

T0 , 8

........................................(2.45)
Selang nilai : ( Tp + T0,3) t ( Tp + T0,3 + 1,5T0,3)

b.

t Tp0,5T0 ,3
T0 , 8

Qt QP .0,3
c.

........................................(2.46)
Selang nilai : t > ( Tp + T0,3 + 1,5T0,3)

t Tp 0,5T0 , 3

Qt QP .0,3

2.5.1.1.

2T0 , 8

........................................(2.47)

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
2

R 6 3
Rt 24
6 tc
Dimana:
Rt = rerata hujan dari awal sampai jam ke t (mm/jam)
tc = waktu hujan sampai jam ke t
R24 = curah hujan maksimum dalam 24 jam

Universitas Sumatera Utara

34

b. Distribusi hujan pada jam ke-T

RT t.Rt (t 1).Rt 1
Dimana:
RT = 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
Re = f . R T
Dimana:
Re = hujan efektif
f = koefisien pengaliran sungai
RT = intensitas curah hujan pada jam t (mm/jam)
Tabel 2.9. Nilai Koefisien Limpasan (Koefisien Pengaliran)
Kondisi DAS
Daerah pegunungan yang curam
Daerah pegunungan tersier
Tanah bergelombang dan hutan
Tanah dataran yang ditanami
Persawahan yang diairi
Sungai di daerah pegunungan
Sungai kecil di dataran
Sungai besar yang lebih dari setengah DAS
terdiri dari dataran

Harga f
0.75 0.90
0.70 0.80
0.50 0.75
0.45 0.60
0.70 0.80
0.75 0.85
0.45 0.75
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 Qp (m3/ detik), Tp, serta tr (jam).
Unsur unsur hidrograf tersebut dihubungkan dengan:
A = luas daerah pengaliran (km2)
L = panjang aliran utama (km)
Lc = 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:

T p Ct L.Lc

.....................................(2.48)

Tp

......................................(2.49)

0 ,3

tr

5,5

Q p 0,278

C p .A

....................................(2.50)

Tp

Dimana:
qp = puncak hidrograf satuan (m3/det/mm/km2)
Qp = debit puncak (m3/det/mm)
tp = waktu antara titik berat curah hujan dengan puncak (jam)
Tp = waktu yang diperlukan antara permulaan hujan hingga mencapai puncak
hidrograf
Koefisien koefisien Ct dan Cp harus ditentukan secara empirik, karena
besarnya berubah-ubah antara daerah yang satu dengan daerah yang lain. Dalam
sistem metrik besarnya Ct antara 0,75 dan 3,00, sedangkan Cp berada antara 0,90

Universitas Sumatera Utara

36

hingga 1,40, dimana bila nilai Cp mendekati nilai terbesar maka nilai Ct akan
mendekati nilai terkecil, demikian pula 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
Tr

tp
Qp

t
Tp
Tb

Gambar 2.4 Hidrograf satuan sintetis Snyder

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 :

Q K .S f

2
1,486
A.R 3
n

....................................(2.56)
....................................(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:

2V2 2
1V12
Y2 Z 2
Y1 Z1
he
2g
2g

..................................(2.58)

Dimana :
Y1, Y2 = tinggi kedalaman pada cross-section 1 dan 2 ( m )
z1, z2 = elevasi dasar saluran pada cross-section 1 dan 2 ( m )
V = kecepatan aliran
= koefisien kecepatan
he = energy head loss
Tinggi energi yang hilang (he) diantara 2 cross-section disebabkan oleh
kehilangan akibat gesekan dan kehilangan akibat penyempitan atau pelebaran.
Persamaan tinggi energi yang hilang tersebut adalah sebagai berikut:

Universitas Sumatera Utara

40

Gambar 2.6 Masukan Data Cross Section Sungai

Gambar 2.7 Keluaran Data Cross Section Sungai

Universitas Sumatera Utara