Pada daerah aliran sungai Way Anof dan sekitarnya terdapat jaringan Pos
Hidrometeorologi yang terdiri dari Stasiun Hujan dan Stasiun Klimatologi. Lokasi Pos
Hidrometeorologi tersebut dapat dilihat pada Gambar 1.
STA. SUBAIM
Rencana Lokasi As
STAMET TERNATE
STA. BUNAGARA
Berdasarkan gambar diatas, telah diperoleh data dari Stasiun hujan Subaim dan
Bunagara serta Stasiun Meteorologi Ternate.
Panjang
No Nama Stasiun Koordinat Interval Data
Data
Stasiun Curah Hujan
1 Sta. Subaim 10o 13’ 123o 39’ 00”BT 1996 - 2015 20
59”LU
2 Sta. Bunagara 10o 18’ 123o 43’ 00”BT 1996 - 2015 20
00”LU
Stasiun Meteorologi
Sta. Ternate 10o 10’ 123o 40’ 01”BT 2014 - 2017 4
59”LU
Sumber :Puslitbang SDA dan Data Online BMKG
1
2.1.1 Ketersediaan Data Stasiun Hujan dan Stasiun Meteorologi
Data yang diperoleh dari Stasiun hujan adalah berupa data hujan harian, sedangkan
dari stasiun meteorologi berupa data iklim bulanan. Secara ringkas ketersediaan data
pada masing-masing stasiun disajikan pada Tabel 2, berupa curah hujan tahunan
rerata dan hujan maksimum untuk Stasiun Hujan Subaim dan Bunagara, sedangkan
pada Tabel 3 disajikan data klimatologi rerata yang diperoleh dari Stamet Ternate.
2
Kelembapan Penyinaran Kecepatan
Suhu
Bulan Udara Matahari angin
(0C) (%) (%) (m/dt)
Oktober 27.00 84.00 55.00 4.63
November 28.00 84.00 62.00 2.06
Desember 27.00 85.00 54.00 2.57
Sumber : Stasiun klimatologi Ternate (Data Online BMKG)
Data TRMM adalah data hujan berbasis satelit. TRRM sendiri adalah Tropical Rainfall
Measuring Mission (TRMM), yaitu satelit yang dirancang untuk memantau curah
hujan tropis.
Berdasarkan gambar diatas, DAS Wayanof terletak pada 2 Grid yang berbeda,
sehingga data hujan pada satelit TRMM juga diambil pada kedua grid tersebut.
Pengambilan data hujan pada Grid 1 diambil pada koordinat (128.125E,
0.875N,128.375E, 1.125N) sedangkan pada Grid 2 diambil pada koordinat (128.125E,
0.625N ,128.375E, 0.875N).
3
Gambar 3. Koordinat Boundary Box untuk Pengambilan
Data Hujan dari TRMM
Data hujan yang diperoleh dari TRMM adalah data hujan harian yang akan disajikan
pada lampiran dari laporan analisa hidrologi ini. Namun secara ringkas, data hujan
disajikan pada Tabel 4
Tabel 4. Hujan Tahunan Rerata dan Hujan Maksimum Data dari TRMM
4
Hujan Tahunan (mm) Hujan Maksimum (mm)
No Tahun
Grid 1 Grid 2 Grid 1 Grid 2
16 2013 2495.96 2679.12 52.75 56.99
17 2014 1777.00 1926.86 74.66 94.72
18 2015 1254.74 1297.72 75.00 67.15
19 2016 2116.53 2169.43 46.46 63.42
20 2017 2734.20 2873.58 76.56 104.01
Sumber : https://giovanni.gsfc.nasa.gov/giovanni/ dan hasil analisa
2.2.1 Umum
Jarak stasiun Subaim ke titik berat As DAS Way Anof adalah 27.88 Km sedangkan
Jarak stasiun Bunagara ke titik berat As DAS Way Anof adalah 48.19 Km.
27.88 Km
48.19 Km
Berdasarkan Pedoman kriteria desain embung kecil untuk daerah semi kering di
Indonesia yang diterbitkan oleh Departemen Pekerjaan Umum tahun 1997, data
hujan dapat diperoleh dari stasiun hujan dengan kriteria sebagai berikut:
5
Sesuai dengan kriteria pemiihan pos hujan di atas, maka data dari stasiun hujan
Subaim dan Bunagara kurang mewakili apabila digunakan untuk analisa hujan karena
memiliki jarak lebih besar dari 20 Km.
Namun berdasarkan Gambar 2, lokasi Stasiun Hujan Subaim masih dalam satu grid
pada grid TRMM, yaitu Grid 1, sehingga data hujan dari Stasiun Hujan Subaim masih
bisa digunakan, baik sebagai pembanding data TRMM ataupun untuk analisa hidrologi
selanjutnya.
Pada bagian ini evaluasi dilakukan dengan melakukan analisa uji T dengan basis data
bulanan, serta analisa korelasi sederhana dengan basis data tahunan.
Stabilitas nilai rata-rata data deret berkala diuji dengan uji-t (student test)
dengan persamaan sebagai berikut :
X1 X 2
t 1 (1)
1 1 2
N1 N 2
1
N S 2 N 2 S 22 2
1 1 (2)
N1 N 2 2
dengan :
t = nilai hitung uji t
N1 = jumlah data kelompok 1
N2 = jumlah data kelompok 2
X 1 = nilai rata-rata data kelompok 1
X 2 = nilai rata-rata data kelompok 2
S1 = standar deviasi data kelompok 1
S2 = standar deviasi data kelompok 2
Dengan derajat bebas dk = N1 + N2 – 2
6
Gambar 5. Grafik Nilai tc
Dalam uji ini data dibagi menjadi dua kelompok, yaitu Kelompok I untuk data
hujan bulanan dari TRMM dan Kelompok II untuk data hujan bulanan dari stasiun
hujan Subaim.
Data hujan yang dianalisa adalah data hujan sesuai dengan ketersediaan data
dari Stasiun Subaim. Tahun data yang digunakan adalah tahun-tahun dengan
data yang lengkap, yaitu tahun 1998-1999,2001-2003, 2005-2007, 2009-2012,
2014-2015 (14 tahun data). Data hujan Bulanan disajikan pada Tabel 5 dan
Tabel 6.
Berdasarkan deret data yang disajikan pada Tabel 5 dan Tabel 6. serta
persamaan (1) – (3) diperoleh hasil sebagai berikut:
Data Stasiun
Keterangan Data TRMM Hujan
Jumlah data(N) 168.0 168.0
Rerata (Ch) 178.3 246.5
Standart Deviasi (S) 80.2 141.5
dk 167.0 167.0
Thitung -0.599
Ttabel 0.963
Berdasarkan analisa diatas diperoleh kondisi t kritis (0.963) > t hitung (-0.381)
maka hipotesa H0 diterima.
7
Tabel 5. Hujan Bulan Data dari TRMM GRID 1
Tahun Jan Feb Maret April Mei Jun Jul Ags Sep Okt Nov Des
1998 21.7 25.7 102.0 212.9 261.1 270.6 223.1 195.6 176.2 207.3 272.1 241.8
1999 270.7 145.1 305.9 355.4 270.5 264.2 284.8 256.4 164.5 196.3 266.2 251.8
2000 334.7 342.1 138.3 213.4 208.6 307.2 185.8 152.9 142.9 221.1 180.9 165.1
2001 226.3 233.0 272.5 229.3 263.7 151.2 168.9 99.8 195.7 149.1 139.4 264.3
2002 219.4 121.1 179.8 162.0 200.7 264.0 22.8 71.3 21.5 41.1 106.0 70.8
2003 113.0 135.5 225.4 214.7 156.8 114.7 148.1 112.1 106.8 202.0 121.9 193.5
2004 213.5 82.1 155.8 130.7 173.8 86.6 200.4 8.1 168.0 90.6 92.5 135.8
2005 141.6 124.2 142.4 141.0 190.8 199.6 186.5 123.1 76.5 234.0 192.1 207.3
2006 134.2 206.0 143.7 176.4 123.2 282.6 56.8 73.8 169.5 6.9 53.1 96.5
2007 149.1 130.6 165.3 186.2 232.1 194.4 256.8 209.2 139.7 263.5 236.4 249.3
2008 171.6 180.3 181.8 236.6 188.2 317.0 232.6 316.0 223.7 298.9 224.6 242.3
2009 163.9 196.0 263.6 151.4 285.4 132.3 101.9 129.0 48.4 103.1 155.4 108.1
2010 199.8 89.5 102.1 338.0 264.4 212.0 301.2 231.5 197.4 171.4 151.6 263.0
2011 190.4 239.6 359.3 247.2 331.8 220.3 116.0 177.2 257.2 241.3 184.3 374.2
2012 328.6 156.7 305.8 262.8 288.2 215.0 299.6 252.5 87.1 117.8 249.9 200.6
2013 167.8 162.3 147.7 345.0 234.0 304.1 286.8 234.0 140.3 92.5 180.8 200.5
2014 211.5 128.5 76.3 125.7 179.4 161.0 69.3 327.2 58.2 84.5 168.2 187.1
2015 197.5 121.7 66.2 89.7 113.5 253.5 95.5 27.7 11.0 18.2 195.0 65.1
2016 59.4 31.5 23.6 179.6 171.5 248.4 303.7 93.1 323.7 213.3 155.0 313.8
2017 231.2 122.2 255.0 142.2 336.0 332.7 241.7 286.4 272.2 144.9 219.3 150.6
Tahun Jan Feb Maret April Mei Jun Jul Ags Sep Okt Nov Des
1996 661.0 323.0 212.0 275.0 411.0 343.0 130.0 316.0 156.0 531.0 231.0 376.0
1997 280.0 433.0 152.0 394.0 346.0 0.0 230.0 0.0 24.0 45.0 65.0 111.0
1998 66.0 105.0 162.0 292.0 338.0 275.0 203.0 175.0 132.0 356.0 649.0 485.0
1999 436.0 188.0 362.0 352.0 492.0 205.0 191.0 125.0 80.0 334.0 418.0 366.0
2000 373.0 320.0 348.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2001 425.0 573.0 309.0 312.0 280.0 371.0 59.0 27.0 179.0 275.0 320.0 607.0
2002 396.0 205.0 293.0 159.0 260.0 264.0 0.0 80.0 3.0 39.0 188.0 203.0
2003 114.0 204.0 261.0 285.0 325.0 83.0 307.0 149.0 78.0 219.0 185.0 528.0
2004 196.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2005 383.0 134.0 280.0 278.0 333.0 212.0 292.0 128.0 26.0 322.0 428.0 409.0
2006 166.0 278.0 294.0 215.0 219.0 438.0 38.0 82.0 152.0 0.0 0.0 0.0
2007 277.0 252.0 267.0 165.0 274.0 309.0 204.0 68.0 140.0 183.0 580.0 237.0
2008 286.0 209.0 317.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2009 258.0 260.0 438.0 416.0 274.0 131.0 123.0 57.0 28.0 41.0 343.0 116.0
2010 351.0 140.0 92.0 366.0 481.0 223.0 293.0 282.0 256.0 349.0 191.0 517.0
2011 428.0 409.0 507.0 294.0 576.0 278.0 47.0 129.0 162.0 101.0 227.0 599.0
2012 341.0 259.0 291.0 227.0 438.0 290.0 392.0 110.0 27.0 216.0 296.0 292.0
2013 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 88.0 97.0 259.0 238.0
2014 452.0 154.0 42.0 145.0 329.0 235.0 67.0 216.0 160.0 44.0 202.0 188.0
2015 192.0 64.0 330.0 242.0 250.0 136.0 264.0 364.0 163.0 396.0 259.0 146.0
8
B. Analisa Korelasi Sederhana dengan Basis Data Tahunan
Dengan:
n = Banyaknya Pasangan data X dan Y
Σx = Total Jumlah dari Variabel X
Σy = Total Jumlah dari Variabel Y
Σx2 = Kuadrat dari Total Jumlah Variabel X
Σy2 = Kuadrat dari Total Jumlah Variabel Y
Σxy = Hasil Perkalian dari Total Jumlah Variabel X dan Variabel Y
Perbandingan data hujan tahunan data stasiun Subaim dan data TRMM serta
nilai koefisiein korelasi yang diperoleh disajikan pada gambar dibawah ini.
9
Gambar 6. Grafik Korelasi Data Hujan
Jika data hujan cukup baik maka koefisien korelasi antara TRMM dan data
pembanding bernilai 0.60 atau lebih (Mamenun,2014,dalam Juknis perhitungan
debit banjir hal. 48).
Sebaran data hujan harian dari data TRMM adalah sebagai berikut.
10
Gambar 7. Frekuensi Hujan Data TRMM
Berdasarkan rumusan panduan koreksi dan sebaran frekuensi data hujan dari TRMM,
maka data hujan setelah dilakukan koreksi tidak mengalami perubahan secara
signifikan, dikarenakan frekuensi hujan terbesar yaitu 79.71% berada pada nilai
hujan 0 – 10 mm sehingga tidak perlu dikalikan dengan konstanta. Sedangkan untuk
data hujan dengan nilai 50 – 100 mm dikalikan dengan konstanta sebesar 1.00. dan
untuk data hujan dengan nilai > 100 mm dikalikan dengan konstanta sebesar 1.25.
frekuensi hujan dengan nilai > 100 mm sebesar 0.02%.
Dengan data hujan dari TRMM yang telah dikoreksi seperti yang telah diuraikan
diatas, diperoleh nilai korelasi yang sama dengan sebelum dilakukan koreksi, yaitu
besar 0.6388.
Berdasarkan analisa yang telah diuraikan pada sub bab 2.2.1-2.2.2 maka akan
digunakan data hujan dari TRMM dan Stasiun Subaim untuk analisa selanjutnya,
karena:
1. Data yang diperoleh dari Stasiun hujan Subaim masih bisa digunakan karena
masih didalam batas grid TRMM
2. Data yang diperoleh dari TRMM dinilai cukup baik dengan memiliki nilai korelasi
0.6338 terhadap stasiun hujan pembanding.
3. Pada uji t, hipotesa diterima hal ini menunjukkan bahwa data estimasi curah
hujan dari TRMM identik dengan data stasiun pembanding.
11
2.3 HUJAN KAWASAN
Hujan kawasan pada DAS Wayanof akan diperhitungkan berdasarkan data hujan dari
Stasiun hujan Subaim sebagaimana yang disajikan pada Tabel 2. Selain itu, juga
akan diperhitungkan berdasarkan data hujan dari TRMM. Untuk data hujan dari
TRMM, karena bersal dari 2 Grid, maka untuk memperoleh besaran hujan, akan
diperlukan koefisien pengali berdasarkan luas DAS dari masing-masing grid tersebut.
GRID 1
8.02 Km2
8.15 Km2
GRID 2
Berdasarkan koefisien pengali diatas, maka diperoleh hujan tahunan dan hujan
maksimum tahunan DAS Wayanof berdasarkan data TRMM seperti yang disajikan
pada Tabel 9.
12
Curah Hujan (mm)
No Tahun
Tahunan Rerata Maksimum Tahunan
6 2003 1849.34 49.46
7 2004 1545.00 52.42
8 2005 2020.82 55.39
9 2006 1584.57 101.84
10 2007 2452.21 73.93
11 2008 2883.86 57.37
12 2009 1925.92 49.42
13 2010 2577.73 63.24
14 2011 2984.55 89.08
15 2012 2839.56 127.28
16 2013 2588.29 54.89
17 2014 1852.55 84.78
18 2015 1276.41 71.05
19 2016 2143.20 55.01
20 2017 2253.45 90.40
Sumber : hasil analisa
Data hujan sebelum digunakan untuk analisis hidrologi harus dilakukan pengujian
yang sering disebut dengan penyaringan data (data screening). Sehingga hujan
maksimum tahunan DAS Wayanof akan dilakukan uji statistik terlebih dahulu,
sebelum digunakan untuk analisa selanjutnya.
13