Analisis hidrologi adalah kumpulan keterangan atau fakta mengenai fenomena hidrologi.
Fenomena hidrologi sebagai mana telah dijelaskan di bagian sebelumnya adalah
kumpulan keterangan atau fakta mengenai fenomena hidrologi. Fenomena hirologi
seperti besarnya curah hujan, temperatur, penguapan, lama penyinaran matahari,
kecepatan angin, debit sungai, tinggi muka air, akan selalu berubah menurut waktu.
Untuk suatu tujuan tertentu data-data hidrologi dapat dikumpulkan, dihitung, disajikan,
dan ditafsirkan dengan menggunkan prosedur tertentu (Yuliana., 2002). Analisa curah
hujan diperlukan untuk menentukan besarnya intensitas yang digunakan sebagai
prediksi timbulnya aliran permukaan wilayah. Curah hujan yang digunakan dalam
analisis adalah curah hujan harian maksimum dalam satu tahun yang telah dihitung oleh
badan meteorology.
Penyiapan data curah hujan diperlukan sebagai dasar dan acuan untuk perhitungan
serta analisa-analisa yang akan dilakukan. Selain itu, penyiapan data curah hujan juga
dibutuhkan untuk mengetahui debit limpasan air hujan dalam perencanaan dan
pembangunan saluran drainase, sehingga lahan dan biaya yang telah dipersiapkan dapat
dipergunakan se-optimal mungkin dan tidak menyebabkan kerugian. Berikut data curah
hujan dari 5 stasiun yang berbeda.
2 1989 45 69 60 91 90 72
3 1990 70 47 80 80 98 44
4 1991 47.0 56 52 64 75 27
5 1992 59.1 72 77 80 90 29
9 1996 68.5 38 74 85 82 89
Test konsistensi dilakukan untuk memperbaiki kesalahan pengamatan yang dapat terjadi
akibat perubahan posisi atau cara pemasangan alat ukur curah hujan yang tidak baik.
Kesalahan yang mungkin terjadi tersebut tidak dapat diamati untuk setiap data, tetapi
hanya untuk data jangka panjang.
Test uji konsistensi dapat dilakukan dengan cara membandingkan data kumulasi rata-
rata curah hujan pada stasiun yang diuji dengan data kumulasi rata-rata curah hujan
pada stasiun-stasiun pembanding dalam periode yang sama.
Data-data hujan yang dipakai untuk keperluan perencanaan drainase adalah data curah
hujan harian maksimum dan memenuhi persyaratan kualitas serta kuantitasnya. Hal
tersebut diperlukan agar data hasil analisa dapat mendekati kenyataan, sehingga jika
terjadi kesalahan, masih dalam batas toleransi yang diijinkan. Adapun persyaratan-
persyaratan tersebut adalah :
a. Kuantitas
Jika ada data yang perlu dilengkapi maka data hujan tersebut kontinu setiap
data pendataannya.
Jumlah data hujan harian maksimum (=N) dari setiap stasiun pengukur hujan 20
data, agar diperoleh tinggi hujan harian rata-rata yang normal.
b. Kualitas
Ada data-data hujan dari SPH sekitarnya dengan M > (5-10) SPH diluar data-data
hujan, diperhitungkan drainase (sebagai pembanding).
Mencari Xbar
Curah Hujan Stasiun B+C+D+E+F
Xbar = Jumlah Stasiun
Persamaan 4.1
116.8+290+81+115+64
= = 133.35
5
=Akumulasi Stasiun Utama Tahun 1989 + Curah Hujan Stasiun Dasar(Persamaan 4.2)
Mencari Tan I
= 1,4128
1,4128
= 1.4128 = 1
= 113.9 x 1 = 113.9
= 1.6068
1,4128
= 1,6068 = 0,879
1 1988 116.8 290 81 115 64 133.3571 1913.212 1358.0 1.4128 1.4128 1 113.9243
7 1994 77 78.0 81 88.5 28 70.49731 1527.719 1105.0 1.4128 1.6068 0.879263 52.70446
8 1995 52.3 66.3 57 75.3 40 58.1732 1467.777 1077.0 1.4128 1.6068 0.879263 44.8271
12 1999 55.7 70.7 74 59.7 45 61.0369 1225.79 838.0 1.4128 1.2085 1.169053 63.57574
13 2000 90.1 114.4 80 195 48 105.5058 1171.407 793.0 1.4128 1.2085 1.169053 102.8039
14 2001 102.2 129.7 90 231 50 120.5755 1083.469 745.0 1.4128 1.4128 1 99.69622
15 2002 54.7 69.5 68.5 64 44 60.14064 983.7733 695.0 1.4128 1.4128 1 53.40144
16 2003 63.3 98 92 100 21 74.85703 930.3718 651.0 1.4128 1.4128 1 61.73469
17 2004 61.8 95 64.5 61.7 53 67.19154 868.6371 630.0 1.4128 1.4128 1 60.24466
19 2006 56.0 89 69.2 58 39.2 62.27464 762.9974 544.4 1.4128 1.4128 1 54.60869
20 2007 59.9 72 81 79.9 41.9 66.93117 708.3887 505.2 1.4128 1.4128 1 58.3857
21 2008 66.6 90 105 60 46.6 73.65507 650.003 463.3 1.4128 1.4128 1 64.99539
22 2009 67.5 70 87 108.2 47.3 76.00454 585.0076 416.6 1.4128 1.4128 1 65.88324
24 2011 62.3 50 98 51.6 40.5 60.47693 461.1 327.7 1.4128 1.4128 1 68.4
26 2013 64 84 82.4 290 70.1 118.1017 350.7 251.9 1.4128 1.4128 1 98.2
30 2017 53.9 68 94.3 108 43.5 73.53794 48.5 43.5 1.4128 1.4128 1 48.5
0
0.0 200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0 1600.0
Dari grafik hasil uji konsistensi diketahui bahwa data Stasiun Hujan yang diperoleh sudah
konsisten, hal ini ditandai dengan nilai R2 = 0,9982, R2 = 1 dan R2 = 0,782 yang mendekati
nilai 1.
4.3 Uji Homogenitas
Uji homogenitas dilakukan agar data-data curah hujan yang disebabkan oleh hujan
buatan tidak diikutsertakan dalam perhitungan analisa frekuensi, karena akan
menimbulkan ketidakhomogenan data curah hujan. Ketidakhomogenan data curah
hujan dapat terjadi karena:
Perubahan cara pengukuran suatu array data hujan yang dikatakan homogen jika hasil
ploting titik H dengan nilai (N,Tr) pada kertas grafik homogenitas berada pada bagian
dalam grafik tersebut.
𝐑𝟏𝟎 𝐱 𝐍
Tr = 𝐑
Persamaan
4.11
Dimana :
Persamaan 4.12
Untuk mendapatkan R10 dan Tr, digunakan persamaan linier dari Gumbel modifikasi
karena distr ibusi curah hujan harian maksimum merupakan urutan yang dihipotesakan
memenuhi distribusi Gumbel adalah:
Dimana :
σx = Standar deviasi
Persamaan
4.13
N = Jumlah stasiun pengamat
Yn = Expected mean
Tahun
No. Curah Hujan Baru
Data
1 1988 113.92
2 1989 45
3 1990 70
4 1991 46.98
5 1992 59.13
6 1993 50.45
7 1994 52.70
8 1995 44.83
9 1996 60.22
10 1997 63.03
11 1998 59.49
12 1999 63.58
13 2000 102.80
14 2001 99.70
15 2002 53.40
16 2003 61.73
17 2004 60.24
18 2005 45.40
19 2006 54.61
20 2007 58.39
21 2008 65.00
22 2009 65.88
23 2010 58.02
24 2011 68.4
25 2012 42
26 2013 98.2
27 2014 67
28 2015 56
29 2016 81
30 2017 48.5
Jumlah 1915.610124
Rata2 63.8536708
N 30
Yn 0.5362
rn 1.1124
1/α 16.36399809
μ 55.07929502
R 54.38 + 15.33 Yt
R10 91.91465471
R 54.38 + 15.33 Yt
62.6 = 54.38+15.33 Yt
Yt 0.5362
Tr Ytr
2 0.3668
5 1.5004
x 0.5362
Tr 3.524233198
̅ - 𝟏 . 𝒀𝒏
µ=𝑹 Persamaan
𝜶
4.16
Maka:
𝑹𝟏𝟎
𝑻𝑹 = x 𝑻𝑹 Persamaan 4.20
𝑹
91.91
= 63.85 x 2.44
= 3.52 ≈ 3.5
Langkah selanjutnya adalah dengan memplotkan kedua titik yang dihasilkan dari
perhitungan di atas ke dalam Grafik Homogenitas. Hal ini dimaksudkan agar dapat
menentukan apakah data yang dihitung tersebut termasuk data yang homogen atau
tidak homogen. Berikut gambarnya.
n 0 1 2 3 4 5 6 7 8 9
10 0,4952 0,4996 0,5034 0,507 0,51 0,5128 0,5157 0,5181 0,5202 0,522
20 0,5236 0,5252 0,5268 0,5268 0,5283 0,5309 0,532 0,5332 0,5343 0,5353
30 0,5362 0,5271 0,538 0,5388 0,5396 0,5402 0,541 0,541 0,5424 0,5481
40 0,5436 0,5442 0,5448 0,5453 0,5456 0,5463 0,5468 0,5473 0,5477 0,5545
50 0,5436 0,5489 0,5493 0,5493 0,5501 0,5504 0,5508 0,5511 0,5515 0,5545
n 0 1 2 3 4 5 6 7 8 9
10 0,9496 0,9833 0,9833 0,9971 10,095 10,208 10,316 11,411 10,493 10,565
20 10,682 10,696 10,754 10,811 10,864 10,916 10,961 11,044 11,044 11,056
30 11,124 11,159 11,193 11,226 1,225 11,286 11,313 11,339 11,363 1,138
40 11,413 11,458 11,458 1,148 1,149 11,516 11,538 11,557 11,574 1,159
50 11,607 11,623 11,638 11,658 11,667 11,681 11,696 11,708 11,721 11,734
Analisa frekuensi dilakukan dengan ujuan agar mendapatkan regression linier yang
merupakan tempat kedudukan dari nilai ekstrim dari hujan harian. Waktu terjadinya
peristiwa itu sebenarnya tidak ditentukan. Dalam merencanakan sistem penyaluran air
hujan pada suatu daerah perencanaan, perlu dilakukan prediksi besarnya curah hujan
maksimum yang terjadi dalam suatu periode. Periode ulang adalah periode (tahun)
dimana suatu hujan dengan jangka waktu dan intensitas yang dianggap bisa terjasi,
dengan kemungkinan terjadinya adalah satu kali dalam batas waktu yang ditetapkan .
untuk memperkirakan besarnya curah hujan harian maksimum yang akan terjadi selama
periode ulang, maka dapat digunakan beberapa metode diantaranya adalah metode EJ.
Gumbel, metode log Person III dan metode Distrubusi Normal.
Metode EJ.Gumbel didasarkan pada distribusi harga ekstrim atau distribusi normal yang
banyak digunakan di indonesia. Dengan garis energi secara grafis, maka hujan
maksimum (HHM) rencana dapat diperoleh, demikina pula PUH nya. Namun dengan
cara tersebut kemungkinan adanya kesalahan yang besar, untuk itu diperlukan secara
matematis dengan menggunakan persamaan gumbel berikut :
R = 42,720
SD = 17,264
n = 30
Yn = 0,5362
Sn = 11,124
N = 34,398
1/α = 15,519
Tabel 4.4 Metode Gumbel
T HHM Xt Rata-
yt yn yt-yn St Dev Sn Xt K b Se t(a) RK
(PUH) ± RK rata
-
2 66.1566 0.3668 0.53 0.1632 61.18307 -0.14671 0.912663 3.032642 1.64 4.973532
5 89.12367 1.5004 0.53 0.9704 79.73041 0.872348 1.7237 5.727598 1.64 9.393261
10 104.9575 2.251 0.53 1.721 63.85 18.2 1.1124 92.01099 1.547105 2.375737 7.894218 1.64 12.94652
25 125.1451 3.1993 0.53 2.6693 107.5261 2.399586 3.233153 10.74328 1.64 17.61898
50 140.1798 3.9028 0.53 3.3728 119.0361 3.032003 3.879942 12.89247 1.64 21.14364
100 155.1312 4.6012 0.53 4.0712 130.4627 3.659835 4.526766 15.04177 1.64 24.6685
HHM Xt
T (PUH)
± RK
2 66.1566
5 89.12367
10 104.9575
25 125.1451
50 140.1798
100 155.1312
4.4.2 Metode Log Pearson III
Metoda ini didasarkan pada perubahan data yang ada kedalam bentuk logaritma. Adapun
langkah-langkah perhitungannya adalah sebagai berikut :
-Menyusun data hujan mulai dari harga yang terbesar sampai yang terkecil.
- Merubah jumlah n data hujan kedalam besaran logaritma, sehingga menjadi log R1, log
R2…log Rn. Lalu dinyatakan Xi = log Ri
``
n–1
persamaan 4.22
(n-1)(n-2)( σx)3
- Berdasarkan harga Cs yang diperoleh dan harga periode ulang (T) tang ditentukan,
hitung nilai Kx dengan menggunakan tabel karakteristik nilai Kx distribusi log
pearson type III.
Xt = Xr + Kx . σx Persamaan 4.24
Rt = antilog Xt atau
Rt = 10 Xt (mm/24 jam)
Tabel 4.5 Hasil Metode Log Pearson III
T (PUH) Kx S Kx.S Xr Xt Rt
5 71.24723
10 81.02891
25 94.65161
50 105.6895
100 117.5201
Gambar 4.3 Skew Curve Factor (K) dalam distribusi peluang Log Pearson Type III
Persamaan 4.25
Dimana :
KT = Faktor frekuensi, merupakan fungsi dari peluang atau periode ualng dan tipr model
matematik distibusi peluang yang digunakan untuk analisi peluang. Nilai faktir frekuensi
dapat dilihat pada tabel Reduksi Gauss.
PUH Kt XT
2 0 63.85
5 0.84 79.14
10 1.28 87.15
25 1.654 93.96
50 2.05 101.17
T (PUH) XT
2 63.85
5 79.14
10 87.15
25 93.96
50 101.17
100 106.27
Tabel 4.7 Rekapitulasi Nilai Curah Hujan Maksimum
RT dan XT
T (PUH) Distribusi
Gumble Log Pearson
Normal
Dengan membandingkan hasil dari ketiga metode tersebut, ternyata hasil perhitungan
metode Pearson type III dan Distribusi Normal berada dalam interval hasil perhitungan
metode Gumbel. Berarti hasil perhitungan metode Gumbel tetap masih paling besar
diantara kedua metode lainnya.
Dilihat dari cara pendistribusiannya, cara Distribusi Normal dengan merubah variable
distribusi asimetris dari kurva kemungkinan kerapatan. Sedangkan Gumbel
menggunakan secara langsung kurva asimetris kemungkinan kerapatan dengan jenis
distribusi harga ekstrim, sehingga harga yang didapat kemungkinan lebih besar dari
harga distribusi normal.
Untuk perhitungan selanjutnya harga curah hujan yang dipilih adalah hasil perhitungan
metode Gumbel, mengingat hasilnya yang paling kecil serta merupakan metode untuk
keperluan perencanaan bangunan air yang sudah sering digunakan di Indonesia.
Uji ini mengkaji ukuran perbedaan yang terdapat di antara frekuensi yang diobservasi
dengan yang diharapkan dan digunakan untuk menguji simpangan secara vertikal, yang
ditentukan dengan persamaan :
𝟐
((𝐎𝐢 − 𝐄𝐢 ))
𝐗 𝟐 = ∑𝐤𝐢−𝐟 𝐄𝐢
Persamaan 4.26
Dimana:
Dimana:
𝐃𝐤 = 𝐊 − (𝐏 + 𝟏) Persamaan 4.28
Dimana:
Dk = Derajat kebebasan
= 1 + (3.322 . log n)
Gambar 4.4 Distribusi Chi-Kuadrat
Tabel 4.8 Hasil Chi-Kuadrat
No Xi Log Xi P=m/(N+1)
Peluang, N Peluang Nilai X Nilai X Nilai Peluang
1 113.92 2.057 1.033
6 70 1.845 1.2
8 67 1.826 1.267
20 56 1.748 1.667
28 45 1.653 1.933
30 42 1.623 2
X 63.85+18.2*K 1.79+0.11*K
Tabel 4.9 Hasil Uji Chi Kuadrat Untuk Metode Gumble
1 <48.56 6 6 0 0 0
2 48.56-59.30 8 6 2 4 0.667
3 59.30-68.40 10 6 4 16 2.667
4 68.40-79.14 1 6 -5 25 4.167
5 >79.14 5 6 -1 1 0.167
Tabel 4.10 Hasil Uji Chi Kuadrat Untuk Metode Log Person III
1 <1.70 6 6 0 0 0
2 1.70-1.76 5 6 -1 1 0.167
3 1.76-1.82 11 6 5 25 4.167
4 1.82-1.88 3 6 -3 9 1.500
5 >1.88 5 6 -1 1 0.167
Tabel 4.11 Hasil Uji Chi Kuadrat Untuk Metode Distribusi Normal
1 <48.56 6 6 0 0 0
2 48.56-59.30 8 6 2 4 0.667
3 59.30-68.40 10 6 4 16 2.667
4 68.40-79.14 1 6 -5 25 4.167
5 >79.14 5 6 -1 1 0.167
2 66.1566 61.18307
5 89.12367 79.73041
10 104.9575 92.01099
25 125.1451 107.5261
50 140.1798 119.0361
N 2
Dipilih karena
memiliki nilai
7.67 > 5.991 paling besar dari 3
metode dari
1 Gumbel analisa frekuensi
Karena nilai kesimpulan pada uji chi kuadrat diatas yang menyatakan diterima, maka pemilihan metode
terbaik berdasarkan
Tabel Rekapitulasi Curah Hujan Maksimum pada Analisa Intensitas Curah Hujan yang memiliki nilai yang
paling besar, yaitu Metode GUMBLE
Intensitas curah hujan adalah ketinggian curah hujan yang terjadi pada suatu kurun
waktu dimana air tersebut terkonsentrasi (Joesron Loebis, 1992). Intensitas curah hujan
dinotasikan dengan huruf I dengan satuan mm/jam. Besarnya intensitas curah hujan
sangat diperlukan dalam perhitungan debit banjir rencana berdasar metode Rasional.
Durasi adalah lamanya suatu kejadian hujan (Sudjarwadi, 1987). Intensitas hujan yang
tinggi pada umumnya berlangsung dengan /durasi pendek dan meliputi daerah yang
tidak sangat luas (Sudjarwadi, 1987). 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.
Sri Harto (1993) menyebutkan bahwa analisis IDF memerlukan analisis frekuensi dengan
menggunakan seri data yang diperoleh dari rekaman data hujan. Jik tidak tersedia waktu
untuk mengamati besarnya intensitas hujan ata disebabkan oleh karena alatnya tidak
ada, dapat ditempuh cara-cara empiris denga mempergunakan rumus-rumus
eksperimentil seperti rumus Talbot, Sherman dan Ishigura (Suyono dan Takeda, 1999).
Apabila di lapangan terdapat data hujan jam-jaman, maka intensitas curah hujan
dihitung menggunakan metode Talbot (Joesron Loebis, 1992). Seandainya data curah
hujan yang ada adalah data curah hujan harian, maka untuk menghitung intensitas
hujan dapat digunakan metode Mononobe (Joesron Loebis, 1992) sebagai berikut :
𝟐
𝐑 𝟑𝟒 𝟐𝟒 𝟑
𝐑𝐓 = ( ) Persamaan
𝟐𝟒 𝐓
4.29
Dimana:
RT = intensitas hujan pada durasi T jam (mm/jam), R24 adalah curah hujan harian
maksimum (mm)
Terdapat beberapa metode dalam mengolah besarnya curah hujan dalam periode
tertentu menjadi intensitas curah hujan dalam durasi yang berbeda-beda.
Metode ini beranggapan bahwa besarnya atau lama durasi hujan harian adalah terpusat
selama 4 jam dengan hujan efektif sebesar 90% dari hujan selama 24 jam. Hubungan
dalam bentuk rumus adalah sebagai berikut:
4
Dimana:
Dengan menggunakan rumus diatas, maka intensitas hujan sebelum dilakukan koreksi
dapat dihitung.
Berdasarkan rumus I diatas, maka dapat dibuat suatu kurva durasi intensitas hujan,
dimana Van Breen mengambil bentuk kurva kota Jakarta sebagai kurva basis. Berikut ini
adalah intensitas hujan untuk kota Jakarta sebagai acuan:
Tabel 4.14 Hasil Perhitungan Intensitas Hujan Menggunakan Metode Van Breen
2 5 10 25 50 100
Durasi (Menit)
R1 R2 R3 R4 R5 R6
Tabel 4.15 Hasil Perhitungan Intensitas Hujan Menggunakan Metode Bell Tanimoto
PUH (Tahun) Durasi (Menit) Xt (mm/24jam) R (60,10) R (r,T) I (t,T)
10 15.256 91.538
20 19.552 58.655
40 24.660 36.990
2
60 28.085 28.085
80 30.735 23.051
10 26.495 158.968
20 33.954 101.863
40 42.826 64.239
5
60 48.774 48.774
80 53.375 40.032
10 36.495 218.972
20 46.771 140.313
40 58.991 88.486
10
60 67.184 67.184
80 73.522 55.142
20 66.460 199.379
40 83.823 125.735
60 95.466 95.466
80 104.473 78.354
10 65.159 390.952
20 83.505 250.514
40 105.322 157.982
50
60 119.950 119.950
80 131.267 98.450
10 79.932 479.594
20 102.438 307.314
40 129.202 193.803
100
60 147.147 147.147
80 161.029 120.772
Tabel 4.16 Rekapitulasi Hasil Perhitungan Intensitas Hujan Menggunakan Metode Bell
Tanimoto
T (PUH) (mm/24jam)
Durasi
(Menit) 2 5 10 25 50 100
Metode ini merupakan hasil penyelidikan di Indonesia yang dilakukan oleh Hasper der
Weduwen. Penurunan rumusnya diperoleh berdasarkan kecenderungan curah hujan
harian dikelompokan atas dasar anggapan bahwa hujan mempunyai distribusi simetris
dengan durasi hujan (t) lebih kecil dari 1 jam dan durasi hujan dari 1 jam sampai 24 jam.
Persamaan 4.31
Durasi Durasi Xt
PUH (Tahun) Ri R I
(Menit) (Jam) (mm/24jam)
Berikut ini adalah hasil perhitungan uji kecocokan menggunakan metode Van Breen dengan PUH 10. Table perhitungan uji kecocokan yang
ditampilkan hanya tabel uji kecocokan dengan PUH yang digunakan yaitu PUH 10 tahun.
No t (menit) I I*t I^2 (I^2)*t Log t Log I (Log t)*(Log I) (Log t)^2 (t)^0.5 I*(t^0.5) (I^2)*(t^0.5)
1 5 171.53 857.67 29423.81 147119.05 0.70 2.23 1.56 0.49 2.24 383.56 65793.64
2 10 151.37 1513.71 22913.10 229131.00 1.00 2.18 2.18 1.00 3.16 478.68 72457.58
3 20 122.56 2451.17 15020.57 300411.35 1.30 2.09 2.72 1.69 4.47 548.10 67174.02
4 40 88.77 3550.65 7879.47 315178.73 1.60 1.95 3.12 2.57 6.32 561.41 49834.13
5 60 69.58 4174.88 4841.55 290493.26 1.78 1.84 3.28 3.16 7.75 538.97 37502.52
6 80 57.22 4577.23 3273.59 261887.44 1.90 1.76 3.34 3.62 8.94 511.75 29279.91
7 120 42.21 5065.40 1781.82 213818.78 2.08 1.63 3.38 4.32 10.95 462.41 19518.89
8 240 23.63 5670.13 558.17 133959.92 2.38 1.37 3.27 5.67 15.49 366.01 8647.08
Jumlah 726.86 27860.83 85692.08 1891999.53 12.74 15.05 22.85 22.52 59.33 3850.88 350207.77
B 32.54 -0.02
N 0.94
Berikut ini adalah hasil perhitungan uji kecocokan menggunakan metode Bell Tanimoto dengan PUH 10 tahun.
No t (menit) I I*t I^2 (I^2)*t Log t Log I (Log t)*(Log I) (Log t)^2 (t)^0.5 I*(t^0.5) (I^2)*(t^0.5)
1 5 334.26 1671.28 111727.05 558635.23 0.70 2.52 1.76 0.49 2.24 747.42 249829.27
2 10 218.97 2189.72 47948.70 479487.02 1.00 2.34 2.34 1.00 3.16 692.45 151627.11
3 20 140.31 2806.25 19687.61 393752.24 1.30 2.15 2.79 1.69 4.47 627.50 88045.68
4 40 88.49 3539.44 7829.75 313190.02 1.60 1.95 3.12 2.57 6.32 559.63 49519.69
5 60 67.18 4031.05 4513.71 270822.55 1.78 1.83 3.25 3.16 7.75 520.41 34963.04
6 80 55.14 4411.34 3040.62 243249.31 1.90 1.74 3.31 3.62 8.94 493.20 27196.10
7 120 41.63 4995.97 1733.32 207997.89 2.08 1.62 3.37 4.32 10.95 456.07 18987.52
8 240 25.60 6143.47 655.25 157259.17 2.38 1.41 3.35 5.67 15.49 396.56 10151.04
Jumlah 971.58 29788.52 197136.00 2624393.44 12.74 15.55 23.30 22.52 59.33 4493.24 630319.45
B 12.55 -1.07
N 0.96
Tabel 4.25 Uji Kecocokan Metode Hasper Dan Der Weduwen PUH 10 Tahun
No t (menit) I I*t I^2 (I^2)*t Log t Log I (Log t)*(Log I) (Log t)^2 (t)^0.5 I*(t^0.5) (I^2)*(t^0.5)
1 5 575.25 2876.26 330915.29 1654576.45 0.70 2.76 1.93 0.49 2.24 1286.30 739949.08
2 10 316.89 3168.94 100421.70 1004217.03 1.00 2.50 2.50 1.00 3.16 1002.11 317561.31
3 20 167.73 3354.60 28133.32 562666.45 1.30 2.22 2.89 1.69 4.47 750.11 125816.04
4 40 84.35 3373.96 7114.74 284589.70 1.60 1.93 3.09 2.57 6.32 533.47 44997.58
5 60 54.97 3298.04 3021.40 181284.00 1.78 1.74 3.09 3.16 7.75 425.77 23403.66
6 80 45.79 3662.95 2096.44 167714.84 1.90 1.66 3.16 3.62 8.94 409.53 18751.09
7 120 34.87 4183.93 1215.64 145876.97 2.08 1.54 3.21 4.32 10.95 381.94 13316.68
8 240 20.91 5017.58 437.08 104900.29 2.38 1.32 3.14 5.67 15.49 323.88 6771.28
Jumlah 1300.75 28936.24 473355.62 4105825.73 12.74 15.67 23.01 22.52 59.33 5113.12 1290566.74
B 2.29 -1.75
N 0.98
6 100 0.00 705.26 135.63 207.73 1271.82 169.62 107.60 605.59 321.71
Jumlah 0.00 1489.86 601.80 877.25 4011.33 637.91 472.47 2002.98 1702.78
dan hasilnya metode yang dipilih adalah metode Van Breen dengan Talbot
4.7 Kurva IDF
Kurva IDF (Intensity Duration Frequency) digunakan untuk perencanaan drainase perkotaan
karena dengan menggunakan kurva IDF dinyatakan mampu memperkirakan debit puncak di
daerah tangkapan kecil. Kurva IDF adalah grafik yang memberikan hubungan antara
intensitas hujan di sumbu y, durasi di sumbu x, dan beberapa grafik yang menunjukkan
frekuensi atau periode berulang. Berikut adalah contoh kurva IDF :
Kurva IDF
200.00
180.00
160.00
140.00
120.00
100.00
80.00
60.00
40.00
20.00
0.00
0 50 100 150 200 250 300