REKAYASA HIDROLOGI I

PERENCANAAN
BANJIR RANCANGAN

Novitasari,ST.,MT.

TIK
 Pengenalan dan pemahaman analisis
frekuensi dari data hujan
 Pengenalan dan pemahaman analisis
banjir rancangan dari data hujan

1
 ANALISIS HIDROLOGI
Dalam kaitannya dengan rencana pembuatan
bangunan air, besaran rancangan yang harus
didapatkan melalui kegiatan analisis hidrologi
secara umum dapat berupa:

 Penelusuran elemen even flow

debit banjir rancangan (design
(design flood)
flood)
 Penelusuran elemen continuous flow
debit andalan (dependable
(dependable flow)
flow)

BANJIR RANCANGAN

Banjir rancangan adalah besarnya debit

banjir yang ditetapkan sebagai dasar
penentuan kapasitas dan mendimensi
bangunan--bangunan hidraulik (termasuk
bangunan
bangunan di sungai), sedemikian hingga
kerusakan yang dapat ditimbulkan baik
langsung maupun tidak langsung oleh
banjir tidak boleh terjadi selama besaran
banjir tidak terlampaui.

2
 TAHAPAN ANALISIS HIDROLOGI UNTUK
BANJIR RANCANGAN
Kasus Output Data tersedia Tahapan analisis

1 Debit puncak Debit banjir maks

maks.. tahunan
2 Debit puncak Hujan harian dan karakteris
karakteris--
tik daerah tangkapan hujan
3 Debit puncak Hujan jam
jam--jaman, hidrograf
banjir dan karakteristik DAS
4 Hidrograf Hujan jam
jam--jaman, karakteris
karakteris--
banjir tik DAS, tidak ada data
hidrograf banjir
5 Hidrograf Hujan jam
jam--jaman dan hidro
hidro--
banjir graf banjir
6 Hidrograf Hujan jam
jam-- jaman, hidrograf Analisis frekuensi data hujan dan
banjir banjir dan karakteristik DAS
Analisis frekuensi data debit
Analisis frekuensi data hujan dan
pengalihragaman hujan
hujan--aliran
(Rational method
method))
Analisis frekuensi data hujan dan
pengalihragaman hujan
hujan--aliran
(Unit hydrograph atau Rainfall
-runoff model
model))
Analisis frekuensi data hujan dan
pengalihragaman hujan
hujan--aliran
(Synthetic unit hydrograph
hydrograph))
Analisis frekuensi data hujan dan
pengalihragaman hujan
hujan--aliran
(Unit hydrograph
hydrograph))
pengalihragaman hujan
hujan--aliran
(Unit hydrograph atau Rainfall
-runoff model
model))

KALA ULANG
Besarnya banjir rancangan dinyatakan
dalam debit banjir sungai dengan kala
ulang tertentu. Kala ulang debit adalah
suatu kurun waktu berulang dimana
debit yang terjadi menyamai atau
melampaui besarnya debit banjir yang
ditetapkan (banjir rancangan).

3
 Contoh Kala Ulang
Q5 thn = X m3/dt atau P5 thn = X mm
Bisa terjadi kapanpun dalam range waktu 0 – 5 tahun
tersebut 1 kali hujan sebesar X mm atau debit sebesar
X m3/dt atau X mm akan disamai atau dilampaui.

m3
1
Pr ob ( Q  X dt )  %
n
Probabilitas terjadinya :
- Bisa terjadi 1 kali
- Bisa tidak pernah terjadi dalam 5 tahun tersebut
- Bisa banyak (berkali-
(berkali-kali) terlampaui

Resiko Kegagalan
Apabila dikaitkan dengan faktor resiko
kegagalan, maka dapat digunakan rumus
sederhana berikut ini

R  1  1  1 / T L
dengan :R= resiko kegagalan,
T= kala ulang (tahun),
L= umur bangunan/proyek (tahun).

4
 PENETAPAN KALA ULANG
Debit banjir rancangan ditetapkan
berdasarkan beberapa pertimbangan:
 ukuran dan jenis proyek
 ketersediaan data
 ketersediaan dana
 kepentingan daerah yang dilindungi
 resiko kegagalan yang dapat
ditimbulkan
 kadang bahkan juga kebijaksanaan
politik

KALA ULANG BANJIR RANCANGAN

UNTUK BANGUNAN DI SUNGAI
Kala Ulang
Jenis Bangunan Banjir Rancangan
(tahun)
Bendung sungai besar sekali 100
Bendung sungai sedang 50
Bendung sungai kecil 25
Tanggul sungai besar/daerah 25
penting
Tanggul sungai kecil/daerah 10
kurang penting
Jembatan jalan penting 25
Jembatan jalan tidak penting 10

5
 ANALISIS FREKUENSI
PENETAPAN SERI DATA UNTUK ANALISIS

1. Annual Maximum Series

Dengan menggambil 1 data maksimum

setiap tahun, yang berarti jumlah data
dalam seri akan sama dengan panjang
data yang tersedia.
X1 X2 X3

1 2 3 n
Tahun ke -

Seri Data X1, X2, X3, …, Xn

2. Peak Over Threshold (POT POT))

dengan menentapkan suatu batas bawah
tertentu (Threshold
(Threshold)) dengan pertimbangan-
pertimbangan-
pertimbangan tertentu. Semua besaran
hujan/debit yang lebih besar daripada batas
bawah tersebut diambil dan dijadikan bagian
dari seri data.
X1 X2 X3 X4 X5
Ambang

1 2 3
Tahun ke -

Seri Data X1, X2, X3, X4, X5, …, Xn

6
 Hubungan antara kala ulang hasil analisis
frekuensi dengan data “annual
“annual
Maximum series”
series” dan “Peak
“Peak
Over Threshold/
Threshold/Partial Series”
Series”
1
  T 
TE  ln M 
  TM  1 

dengan : TM = Kala ulang dengan Maximum Annual

Series
TE = Kala ulang dengan Partial Series

PENENTUAN PARAMETER
STATISTIK
Parameter statistik seri data perlu diperkirakan untuk
memilih distribusi yang sesuai dengan sebaran data
1. Mean/nilai tengah/rerata n
1
X 
n i1
Xi

2. Simpangan Baku/Standard Deviasi n

( X i  X )2
i 1
S
n  1)
3. Koefisien Variansi/
Variansi/Variation
Variation Coefficient
S
Cv 
X

7
 PENENTUAN PARAMETER
STATISTIK
4. Asimetri/Kemencengan/Skewness
Asimetri/Kemencengan/Skewness
n
n
Cs  . ( Xi  X )3
3 
(n 1)(n  2).S i1
5. Kurtosis
n2 n
4
Ck  .
(n 1)(n  2)(n 3).S4 i1
( Xi  X )
dengan : n = jumlah data yang dianalisis
Xi = data hujan/debit

PERKIRAAN JENIS DISTRIBUSI

1. Distribusi Normal
Ciri khas distribusi normal adalah
Cs  0,00
Ck = 3,00
Prob X  (X - S) = 15,87 %
Prob X  (X) = 50,00 %
Prob X  (X + S) = 84,14 %
Tabel 1

Probabilitas
Terlampaui 0,5 0,20 0,10 0,05 0,02 0,01

Kala Ulang 2 5 10 20 50 100

Faktor Frekuensi K 0 0,842 1,282 1,645 2,054 2,326

 1 1,164 1,350 1,534 1,763 1,925

8
 PERKIRAAN JENIS DISTRIBUSI
2. Distribusi Log Normal
Ciri khas distribusi Log Normal adalah :
Cs  3 Cv
Cs > 0,00
Tabel 2
3. Distribusi Gumbel
Sifat statistik distribusi Gumbel adalah :
Cs  1,1396
Ck  5,4002
Tabel 3

Tabel 2. Faktor Frekuensi K untuk distribusi log-normal

Cv Kala Ulang
()
1,053 1,111 1,25 2 5 10 20 50 100
0,050 -1,601 -1,264 -0,848 -0,025 0,833 1,296 1,686 2,134 2,437
0,100 -1,555 -1,244 -0,851 -0,050 0,822 1,307 1,725 2,213 2,549
0,150 -1,508 -1,221 -0,852 -0,074 0,808 1,316 1,760 2,290 2,661
0,200 -1,460 -1,196 -0,850 -0,097 0,793 1,320 1,791 2,364 2,772
0,250 -1,412 -1,170 -0,846 -0,119 0,775 1,321 1,818 2,435 2,880
0,300 -1,363 -1,142 -0,840 -0,141 0,755 1,318 1,841 2,502 2,987
0,350 -1,315 -1,113 -0,831 -0,160 0,733 1,313 1,860 2,564 3,089
0,400 -1,268 -1,083 -0,822 -0,179 0,711 1,304 1,875 2,621 3,187
0,450 -1,222 -1,053 -0,810 -0,196 0,687 1,292 1,885 2,673 3,220
0,500 -1,178 -1,024 -0,798 -0,211 0,663 1,278 1,891 2,720 3,367
0,550 -1,134 -0,994 -0,785 -0,225 0,638 1,261 1,893 2,761 3,449
0,600 -1,093 -0,964 -0,770 -0,237 0,613 1,243 1,891 2,797 3,524
0,650 -1,053 -0,936 -0,756 -0,248 0,588 1,223 1,887 2,828 3,593
0,700 -1,014 -0,908 -0,741 -0,258 0,563 1,201 1,879 2,853 3,656
0,750 -0,978 -0,880 -0,725 -0,267 0,539 1,178 1,868 2,873 3,712
0,800 -0,943 -0,854 -0,710 -0,274 0,515 1,155 1,845 2,889 3,762
0,850 -0,910 -0,828 -0,695 -0,280 0,491 1,131 1,830 2,900 3,806
0,900 -0,878 -0,803 -0,679 -0,285 0,469 1,106 1,829 2,907 3,844
0,950 -0,849 -0,780 -0,664 -0,289 0,447 1,081 1,802 2,910 3,876
1,000 -0,820 -0,757 -0,649 -0,293 0,425 1,056 1,781 2,910 3,903

9
 Tabel 3. Faktor Frekuensi K untuk distribusi Gumbel EV I

Kala Ulang
n
1,053 1,111 1,25 2 5 10 20 50 100
5 -1,963 -1,631 -1,179 -0,116 1,313 2,260 3,168 4,343 5,224
10 -1,677 -1,400 -1,023 -0,136 1,058 1,848 2,606 3,587 4,323
15 -1,578 -1,320 -0,969 -0,143 0,967 1,703 2,408 3,321 4,005
20 -1,252 -1,277 -0,940 -0,148 0,919 1,625 2,302 3,197 3,836
25 -1,492 -1,251 -0,922 -0,151 0,888 1,575 2,235 3,089 3,728
30 -1,468 -1,232 -0,910 -0,153 0,866 1,541 2,188 3,026 3,653
35 -1,451 -1,218 -0,901 -0,154 0,850 1,515 2,153 2,979 3,598
40 -1,438 -1,207 -0,893 -0,155 0,838 1,495 2,126 2,943 3,554
45 -1,427 -1,198 -0,887 -0,156 0,828 1,479 2,104 2,913 3,519
50 -1,418 -1,191 -0,833 -0,157 0,820 1,466 2,086 2,889 3,491
55 -1,410 -1,185 -0,879 -0,157 0,813 1,455 2,071 2,869 3,467
60 -1,404 -1,180 -0,875 -0,158 0,807 1,446 2,059 2,852 3,446
65 -1,398 -1,176 -0,872 -0,158 0,802 1,438 2,047 2,837 3,428
70 -1,394 -1,172 -0,869 -0,159 0,797 1,430 2,038 2,824 3,413
75 -1,389 -1,168 -0,867 -0,159 0,793 1,424 2,029 2,812 3,399
80 -1,386 -1,165 -0,865 -0,159 0,790 1,419 2,021 2,802 3,387
85 -1,382 -1,162 -0,863 -0,160 0,787 1,413 2,015 2,793 3,376
90 -1,379 -1,160 -0,862 -0,160 0,784 1,409 2,008 2,784 3,366
95 -1,376 -1,158 -0,860 -0,160 0,781 1,405 2,003 2,777 3,357
100 -1,374 -1,155 -0,859 -0,160 0,779 1,401 1,998 2,770 3,349

PERKIRAAN JENIS DISTRIBUSI

4. Distribusi Log Pearson III

Sifat statistik distribusi ini adalah :
 Jika tidak menunjukkan sifat-
sifat-sifat
seperti pada ketiga distribusi di
atas.
 Garis teoritik probabilitasnya
berupa garis lengkung.
Tabel 4
Tabel 5

10
FUNGSI DISTRIBUSI TEORITIK
Apabila seluruh data telah digambarkan dalam
kertas probabilitas yang dipilih, maka
dibandingkan dengan fungsi distribusi teoritik
untuk kemudian dilakukan pengujian.
Penggambaran garis tersebut dilakukan dengan
menggunakan persamaan umum Garis Teoritik
Probabilitas untuk Analisis Frekuensi:
Frekuensi:

X T  X  K T .S
dengan :
XT = besaran (hujan/debit) kala ulang T tahun
X = besaran (hujan/debit) rerata
K = faktor frekuensi untuk kala ulang T tahun
S = simpangan baku

POSISI PENGGAMBARAN
(PLOTTING POSITION)
POSITION)
Posisi penggambaran pada kertas
probabilitasyang sesuai untuk distribusi
terpilih cara Weibull (1939)
m
PROB ( x i  x ) 
( n  1)
dengan :
m = urutan data dari kecil ke besar
n = jumlah data

11
 UJI KESESUAIAN DISTRIBUSI
FREKUAENSI
Pengujian kesesuaian terhadap curah
hujan ini dimaksudkan untuk mengetahui
kebenaran akan distribusi yang digunakan,
sehingga diketahui :
1. Kebenaran antara hasil pengamatan
dengan model distribusi yang diharapkan
atau yang di dapatkan secara teoritis
2. Kebenaran hipotesis (hasil model distribusi
diterima atau ditolak)

UJI KESESUAIAN DISTRIBUSI

FREKUAENSI
Untuk keperluan analisis uji kesesuaian
distribusi dipakai dua metode statistik, yaitu

1. Uji Chi Kuadrat dan

2. Uji Smirnov Kolmogorov

12
 UJI CHI KUADRAT
Menguji simpangan secara vertikal dan untuk menguji apakah
distribusi pengamatan dapat disamai dengan baik oleh distribusi
teoritis, dengan persamaan:

2 
 Ef  Of ) 2 
   
Ef
 Tabel 6
 
Jumlah kelas distribusi dihitung dengan rumus :
k = 1 + 3,22 log n
Dk = k - ( P + 1)
dimana:
2 = harga chi kuadrat
Ef = nilai yang diharapkan untuk kelas i(
i( expected frequency)
Of = nilai yang diamati untuk kelas i (observed frequency)
k = jumlah kelas distribusi
n = banyaknya data
Dk = derajat kebebasan
P = banyaknya parameter sebaran Chi- Chi-Square (ditetapkan = 2)

UJI SMIRNOV KORMOGOROV

Uji ini digunakan untuk menguji simpangan secara horisontal
antara distribusi empiris dan distribusi teoritis. Dari plotting data
pada kertas distribusi dapat dihitung besarnya penyimpangan
antara data teoritis dan data pengamatan :

PT   P E    cr Tabel 7

dimana : P(T) = peluang teoritis

P(E) = peluang empiris, dengan metode Weibull
Δcr = simpangan kritis

Penyimpangan tersebut kemudian dibandingkan dengan

penyimpangan
penyim pangan kritis yang masih diijinkan (cr (cr)) yang mana pada
studi ini digunakan nilai kritis (significant level) = 5 %. Apabila
Δmax < Δcr berarti distribusi frekuensi tersebut dapat diterapkan
untuk semua data yang ada.

13
 PROSEDUR HITUNGAN
ANALISIS FREKUENSI
1. hitung parameter statistik data yang dianalisis,
meliputi: X , S, Cv
Cv,, Cs
Cs,, dan Ck
Ck,,
2. berdasarkan nilai-
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 sebagai berikut:
prob (Xi
(Xi  X) = m/(n+1)
dengan: m = urutan data dari kecil ke besar (1 s.d. n),
n = jumlah data,

PROSEDUR HITUNGAN
ANALISIS FREKUENSI
 tarik garis teoritik dan lakukan uji Chi-
Chi-kuadrat
dan Smirnov-
Smirnov-Kolmogorov,
 apabila syarat uji dipenuhi, tentukan besaran
hujan rancangan yang dicari untuk kala ulang
yang ditetapkan (R (RT),
 jika syarat uji tidak dipenuhi, pilih distribusi
yang lain dan analisis dapat dilakukan seperti
pada langkah awal.

14
 LENGKUNG HUJAN
Jika diketahui Data Hujan maka dicari
Hujan Rancangan dengan Analisis
Frekuensi.
Hujan Rancangan sebagai masukan model
hujan aliran untuk perancangan drainasi
dapat dipergunakan dengan : kurva/grafik
intensitas–
intensitas–frekuensi
frekuensi––lama hujan (IFD)
atau Intensity
Intensity–
–Duration
Duration––Frequency (IDF
IDF).
).
Yang sering disebut pula sebagai
Lengkung Hujan

Intensitas Hujan Jam-

Jam-jaman
 Untuk kasus data hujan jam-
jam-jaman tidak tersedia
(tersedia data hujan harian), digunakan rumus
empiris seperti rumus Mononobe
 Rumus empiris tersebut digunakan untuk
mengubah intensitas hujan harian ke intensitas
hujan dengan lama hujan yang lebih pendek,
yang dapat ditulis dalam persamaan:
2
3
 I   24 
It   24  .  
 24   t 
It = intensitas hujan untuk lama hujan t (mm/jam)
R24 = I24 = curah hujan selama 24 jam (mm)
t = lama hujan (jam)

15
 Debit Rancangan
Debit/Banjir Rancangan adalah besarnya
debit banjir yang ditetapkan sebagai dasar
penentuan kapasitas dalam mendimensi
bangunan--bangunan hidraulik (termasuk
bangunan
bangunan di sungai), sedemikian hingga
kerusakan yang dapat ditimbulkan baik
langsung maupun tidak langsung oleh
banjir tidak boleh terjadi selama besaran
banjir tidak terlampaui.

Metode Rasional
Metode rasional dapat dipandang sebagai cara
perkiraan limpasan yang paling populer,
karena kesederhanaannya.
Mengandung arti penyederhanaan berbagai
proses alami, menjadi proses sederhana,
dengan demikian cara ini mempunyai banyak
kendala dan keterbatasan pemakaian.
Hanya digunakan pada DAS dengan ukuran
kecil, kurang dari 300 ha.
ha.

16
 Metode Rasional
Cara rasional ini bertujuan untuk
memperkirakan debit puncak dengan
persamaan :
Q = 0,278 CIA
dengan :
Q = debit puncak, dalam m3/dt
C = koefisien limpasan (runoff
(runoff coefficient)
coefficient) dgn
range 0  C  1
I = intensitas hujan, dalam mm/jam
A = luas DAS, dalam km2

Hidrograf Aliran
Q Intensitas Hujan
I

D = tc Aliran akibat hujan dengan

durasi D < tc
Aliran akibat hujan dengan
durasi D = tc
Aliran akibat hujan dengan
durasi D > tc

tc Waktu

17
 Waktu Konsentrasi
Untuk persamaan waktu konsentrasi dikenal
persamaan Kirpich :

tc  3,97 L0 , 77 S 0.385
dengan :
tc = waktu konsentrasi dalam menit
L = panjang sungai dalam km
S = landai sungai dalam m/m

Koefisien Limpasan
Jenis Penutup Lahan/Karakteristik Permukaan
Nilai Koefisien c
Business
Perkotaan 0,70 – 0,95
Pinggiran 0,50 – 0,70
Perumahan
Rumah tunggal 0,30 – 0,50
Multiunit, terpisah 0,40 – 0,60
Multiunit tergabung 0,60 – 0,75
Perkampungan 0,25 – 0,40
Apartemen 0,50 – 0,70
Industri
Ringan 0,50 – 0,80
Berat 0,60 – 0,90
Perkerasan
Aspal dan beton 0,70 – 0,95
Batu bata, paving 0,50 – 0,70
Atap 0,75 – 0,95
Halaman tanah berpasir
Datar 2% 0,05 – 0,10
Rata-rata 2 – 7% 0,10 – 0,15
Curam 7% 0,15 – 0,20
Halaman tanah berat
Datar 2% 0,13 – 0,17
Rata-rata 2 – 7% 0,18 – 0,22
Curam 7% 0,25 – 0,35
Halaman kereta api 0,10 – 0,35
Taman, tempat bermain 0,20 – 0,35
Taman, pekuburan 0,10 – 0,25
Hutan
Datar 0 – 5% 0,10 – 0,40
Bergelombang 5 – 10% 0,25 – 0,50
Berbukit 10 – 30% 0,30 – 0,60

18
SELAMAT BELAJAR

19