Curah Hujan
Curah Hujan
Secara teoritis, semakin tinggi kerapatan jaringan, data yang diperoleh semakin baik
dan mewakili, tetapi pada prakteknya akan membutuhkan biaya dan waktu yang
besar. Kerapatan jaringan dinyatakan dalam satu stasiun tiap luas tertentu, misalnya 1
stasiun 200 km2. 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 yang diperlukan, 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 :
−𝑑
r(d) = r(0)𝑒 𝑑(0)
√𝐴
[1−𝑟(0)+( )]
Z1 = Cv√
(𝑑(0)√𝑛)
𝑛
1 𝑟(0) 𝐴
Z2 = Cv √3 [1 − 𝑟(0)] + 0.52 𝑑(0) √𝑛
𝐴
L = 1.07√𝑛
dengan:
r(d) = Koefisien korelasi dengan Z2 = Kesalahan interpolasi, dalam
jarak d km, %,
r(0) = Koefisien korelasi hujan antar Cv = Koefisien variasi,
stasiun diekstrapolasi, N = Jumlah stasiun hujan,
d = Jarak antar stasiun, dalam km, L = Jarak antar stasiun hujan,
d(0) = Radius korelasi (jarak antar dalam km,
stasiun di mana korelasi A = Luas Wilayah Sungai (WS),
berkurang dengan faktor e), dalam km2,
Z1 = Kesalahan perataan, dalam %,
Selanjutnya, digambar jaring-jaring segitiga sama sisi dengan panjang sisi sama dengan
jarak antar stasiun hujan (L).
1
𝑅̅ = (𝑅 + 𝑅2 + ⋯ + 𝑅𝑛 )
𝑛 1
dimana :
𝑅̅ = curah hujan rata-rata (mm)
n = jumlah stasiun hujan
R1, R2, ....Rn = besarnya curah hujan pada masing-masing stasiun hujan (mm)
c. Metode Isohyet
Isohyet adalah garis lengkung yang menghubungkan tempat-tempat kedudukan yang
mempunyai curah hujan yang sama. Isohyet diperoleh dengan cara menggambar
kontur tinggi hujan yang sama, lalu luas area antara garis ishoyet yang berdekatan
diukur dan dihitung nilai rata-ratanya. Curah hujan daerah metode Isohyet dihitung
dengan persamaan berikut :
𝐼𝐼 𝐼𝐼 𝐼 𝐼
𝐴1 12 2 + 𝐴2 22 3 + ⋯ + 𝐴𝑛 𝑛 2𝑛+1
𝑅̅ =
𝐴1 + 𝐴2 + ⋯ + 𝐴𝑛
dimana :
𝑅̅ = curah hujan rata-rata (mm),
𝐼1 , 𝐼2 , … , 𝐼𝑛 = garis isohiet ke 1,2,3,...,n+1
𝐴1 + 𝐴2 + ⋯ + 𝐴𝑛 = 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
𝑋𝑇 = 𝑋̅ + 𝑘. 𝑆
dimana :
XT = Perkiraan nilai yang diharapkan terjadi dengan periode ulang T
𝑋̅ = Nilai rata-rata hitung variat
S = Standar deviasi nilai variat
k = faktor frekuensi/ nilai variabel reduksi Gauss
- Distribusi Log Normal
log 𝑋𝑡 = log 𝑋̅ + 𝑘. 𝑆log 𝑥
∑(log 𝑋𝑖 −log 𝑋̅ )2
b. Harga standar deviasi :𝑆 = √ 𝑛−1
𝑛 ∑(log 𝑋−log 𝑋̅ )3
c. Koefisien kemencengan :𝐶𝑠 = (𝑛−1)(𝑛−2)𝑆 3
dimana :
Cs = koefisien kemencengan
log 𝑋̅ = logaritma rata-rata
Xt = tinggi hujan dengan kala ulang t tahun
𝑘 = Faktor frekuensi
𝑆 = Standart deviasi
n = jumlah data
- Distribusi Gumbel
𝑆
𝑋𝑡 = 𝑋̅ + × (𝑌𝑡 − 𝑌𝑛 )
𝑆𝑛
dimana:
Xt = curah hujan rencana dengan periode ulang t tahun (mm),
Xt = curah hujan rencana dengan periode ulang t tahun (mm),
S = standar deviasi
Sn = standar deviasi dari reduksi variat, nilainya tergantung dari jumlah
data (n)
Y = Nilai reduksi variat dari variabel yang diharapkan terjadi pada periode
ulang tertentu
Yn = Nilai rata-rata dari reduksi variat, nilainya
tergantung dari jumlah data (n).