Hidrologi Terapan

Pertemuan 12, 13, dan 14

Pradipta Nandi Wardhana (Didid)

Bagan Alir Perhitungan Banjir
Rancangan
Banjir Rancangan
BANJIR RANCANGAN adalah besaran debit yang
dipakai sebagai dasar perancangan bangunan air
(bendung, bendungan, pengendali banjir,
pelimpah, drainasi, dan bangunan sipil yang
terkait dengan aliran air) atau untuk mengontrol
bangunan sipil terhadap banjir.
Banjir rancangan dapat diperoleh melalui kegiatan
analisis hidrologi yang secara umum hasilnya
dapat berupa debit banjir maksimum, volume
banjir, atau hidrograf banjir.
Pertimbangan Umum
Penetapan Banjir Rancangan
 Urgensi bangunan air terkait dengan resiko kegagalan
fungsi bangunan.
 Ekonomi, dengan memperhatikan kemampuan
penyediaan dana untuk pembuatan bangunan air
yang dirancang.
L
 1
R  1  1  
 T
R = resiko kegagalan
T = kala ulang (tahun)
L = umur efektif bangunan/proyek (tahun)
Kala Ulang
Kala ulang, T (return period) adalah waktu hipotetik
dimana hujan/debit dengan besaran tertentu akan disamai
atau dilampaui sekali dalam jangka waktu tersebut.

1 2 3
Kala Ulang Banjir Rancangan
Untuk Bangunan di Sungai

Bangunan T (tahun)

Bendung sungai besar sekali 100

Bendung sungai sedang 50
Bendung sungai kecil 25
Tanggul sungai besar/daerah penting 25
Tanggul sungai kecil/daerah kurang penting 10
Jembatan jalan penting 25
Jembatan jalan tidak penting 10
Pertimbangan Perhitungan
Banjir Rancangan
Pertimbangan umum prosedur analisis
banjir rancangan
• Ketersediaan data
• Tingkat ketelitian hasil yang dikehendaki
• Kesesuaian cara dengan DAS yang ditinjau

Pemilihan metode analisis

• Output yang dikehendaki
• Ketersediaan data
Bagan Alir Perhitungan Banjir
Rancangan
Analisa Frekuensi
Menetapkan besaran rancangan (hujan
atau debit) dengan kala ulang tertentu.
Kala ulang ditakrifkan sebagai waktu
hipotetik di mana hujan atau debit dengan
suatu besaran tertentu akan disamai atau
dilampaui sekali dalam jangka waktu
tersebut.
Penetapan Seri Data
Annual Maximun series
mengambil satu data maksimum setiap tahun (maximum
annual series). Ini berarti bahwa besaran maximum kedua
dalam suatu tahun mungkin lebih besar dari maksimum data
tahun yang lain tidak diperhitungkan pengaruhnya. (Cocok
untuk data yang panjang)

Partial Series
Menetapkan suatu batas bawah tertentu dengan
pertimbangan-pertimbangan tertentu. Ini berarti dalam satu
tahun dapat diambil beberapa data dengan catatan besaran
tersebut menunjukkan nilai yang lebih besar daripada
besaran maksimum pada tahun lainnya. (Cocok untuk data
yang pendek).
 Penetapan Seri Data
Annual Maximum series Partial Series
Hujan Tahu Hujan Hujan Hujan
No Tahun No No Tahun No Tahun
(mm) n (mm) (mm) (mm)
1 1984 167.0 13 1996 84.1 1 1990 125.00 11 1993 89.00
2 1985 70.6 14 1997 80.3 2 1990 104.00 12 1993 65.00
3 1986 194.0 15 1998 148.2 3 1990 105.00 13 1994 65.00
4 1987 326.0 16 1999 98.7 4 1991 105.00 14 1994 61.00
5 1988 100.0 17 2000 141.7 5 1991 66.00 15 1994 61.00
6 1989 243.0 18 2001 127.4 6 1991 51.00 16 1995 86.00
7 1990 94.4 19 2002 228.0 7 1992 85.00 17 1995 56.00
8 1991 65.0 20 2003 254.3 8 1992 84.00 18 1995 51.00
9 1992 151.2 21 2004 239.0 9 1992 62.00 19 1996 56.00
10 1993 90.6 22 2005 145.8 10 1993 135.00 20 2002 69.00
11 1994 125.0 23 2006 246.3
12 1995 230.7
 Pengurutan Data
Besar ke Kecil Kecil ke Besar
Hujan Hujan Hujan Hujan
No Tahun No Tahun No Tahun No Tahun
(mm) (mm) (mm) (mm)
1 1987 326.0 13 2000 141.7 1 1991 65.0 13 1998 148.2
2 2003 254.3 14 2001 127.4 2 1985 70.6 14 1992 151.2
3 2006 246.3 15 1994 125.0 3 1997 80.3 15 1984 167.0
4 1989 243.0 16 1988 100.0 4 1996 84.1 16 1986 194.0
5 2004 239.0 17 1999 98.7 5 1993 90.6 17 2002 228.0
6 1995 230.7 18 1990 94.4 6 1990 94.4 18 1995 230.7
7 2002 228.0 19 1993 90.6 7 1999 98.7 19 2004 239.0
8 1986 194.0 20 1996 84.1 8 1988 100.0 20 1989 243.0
9 1984 167.0 21 1997 80.3 9 1994 125.0 21 2006 246.3
10 1992 151.2 22 1985 70.6 10 2001 127.4 22 2003 254.3
11 1998 148.2 23 1991 65.0 11 2000 141.7 23 1987 326.0
12 2005 145.8 12 2005 145.8
 Hujan Prob (%)
No

Probabilitas Data
(mm) (100%*m/(n+1))
1 135 4.8
2 125 9.5
3 105 14.3
4 104 19.0
5 102 23.8
6 89 28.6
7 86 33.3
8 85 38.1
9 84 42.9
10 69 47.6
11 66 52.4
12 65 57.1
13 65 61.9
14 62 66.7
15 61 71.4
16 61 76.2
17 57 81.0
18 56 85.7
19 51 90.5
20 51 95.2
Analisa Data Statistik
Mean atau harga tengah Koefisien Asimetri (Skewness),

 
1 n
X   Xi
n
n 3
Cs   Xi  X
n i 1
n  1n  2S 3 i 1
Simpangan baku Koefisien Kurtosis

 
1/ 2
 2 n2 n

 x 
4
Ck   Xi  X
n
1
S  x  n  1n  2n  3S 4
 n  1
i 1
i 1
i

 

Koefisien Variansi
S
Cv 
X
Penentuan Jenis Distribusi
No Distribusi Syarat
1. Distribusi Normal Skewness Cs  0,00
Kurtosis Ck = 3,00
Prob X  (X – S ) = 15,87 %
Prob X  X = 50,00 %
Prob X  (X + S ) = 84,14 %
2. Distribusi Log Normal Cs  3 Cv
Cs > 0
3. Distribusi Gumbel Cs  1,396
Ck  5,4002
4. Distribusi Log Pearson III Selain dari nilai di atas
Kertas plotting dapat diunduh di laman berikut :
http://www.humboldt.edu/geology/courses/geology531/graph_paper_index
.html
Penentuan
Jenis
Distribusi

Cs
 No Xi Xi-Xrerata (Xi-Xrerata)2 (Xi-Xrerata)3 (Xi-Xrerata)4

1 135 56.05 3141.6025 176086.8201 9869666.268

Contoh 2
3
125
105
46.05
26.05
2120.6025
678.6025
97653.74513
17677.59512
4496954.963
460501.353
4 104 25.05 627.5025 15718.93763 393759.3875
5 102 23.05 531.3025 12246.52263 282282.3465
6 89 10.05 101.0025 1015.075125 10201.50501
7 86 7.05 49.7025 350.402625 2470.338506
8 85 6.05 36.6025 221.445125 1339.743006
9 84 5.05 25.5025 128.787625 650.3775062
10 69 -9.95 99.0025 -985.074875 9801.495006
11 66 -12.95 167.7025 -2171.747375 28124.12851
12 65 -13.95 194.6025 -2714.704875 37870.13301
13 65 -13.95 194.6025 -2714.704875 37870.13301
14 62 -16.95 287.3025 -4869.777375 82542.72651
15 61 -17.95 322.2025 -5783.534875 103814.451
16 61 -17.95 322.2025 -5783.534875 103814.451
17 57 -21.95 481.8025 -10575.56488 232133.649
18 56 -22.95 526.7025 -12087.82238 277415.5235
19 51 -27.95 781.2025 -21834.60988 610277.346
20 51 -27.95 781.2025 -21834.60988 610277.346
S 1579 8.527E-14 11470.95 229743.645 17651767.66
Contoh
Mean atau harga tengah Koefisien Asimetri (Skewness),
1579 20
X  78.95 Cs 
20  120  2(24.571) 3
229743.645  0.906
20

Simpangan baku Koefisien Kurtosis

11470.95 
1/ 2
C k   0.041
S   24.571
 20  1 
Koefisien Variansi Berdasarkan sifat parameter
statistik, maka dapat
24.571 ditentukan distribusinya adalah
Cv   0.311
78.95 Log Normal (Cs ≈ 3Cv)
Distribusi Normal
Kertas Distribusi Log Normal dan Log Pearson
Distribusi Gumbel
Plotting
Uji Chi Kuadrat
Syarat: Harga Chi Kuadrat (2) harus lebih kecil dari harga
Chi kuadrat kritik (2kritik)
Jumlah data : 20
Ef : Jumlah data yang (Ef-
Kelas Prob Ef Of Ef-Of
Of)2/Ef
diharapkan
1 0 <P< 0.2 4 4 0.000 0.00
Of : Jumlah data yang
terjadi 2 0.2 <P< 0.4 4 5 -1.000 0.25

a : 0.05 3 0.4 <P< 0.6 4 4 0.000 0.00

DK : DK = K - (P+1)=2 4 0.6 <P< 0.8 4 3 1.000 0.25
K : Jumlah Kelas 5 0.8 <P< 1.0 4 4 0.000 0.00
P : Jumlah Parameter N 20 20 Sx2 0.50
 kritik : 5.991
2

Kesimpulan : Jenis Distribusi Diterima

 Distribusi 2
DK
0.99 0.95 0.90 0.80 0.70 0.50 0.30 0.20 0.10 0.05 0.01 0.001

Tabel Chi
1 .0016 .004 .0158 .0642 .148 0.455 1.074 1.642 2.706 3.841 6.635 10.827

2 .0201 .103 .211 .446 .713 1.386 2.408 3.219 4.604 5.991 9.210 13.815

3 .115 .352 .584 1.005 1.424 2.366 3.665 4.642 6.251 7.815 11.345 16.268

Kuadrat 4
5
.297

.554
.711

1.145
1.084

1.610
1.649

2.343
2.195

3.000
3.357

4.351
4.878

6.064
5.989

7.289
7.779

9.236
9.488

11.070
13.277

15.089
18.465

20.517

6 .872 1.635 2.204 3.070 3.828 5.348 7.231 8.558 10.645 12.592 16.812 22.457

7 1.239 2.167 2.833 3.822 4.671 6.346 8.383 9.803 12.017 14.067 18.475 24.322

8 1.646 2.733 3.290 4.594 5.527 7.344 9.524 11.030 13.362 15.507 20.090 26.425

9 2.038 3.325 4.168 5.380 6.393 8.343 10.656 12.242 14.684 16.919 21.666 27.877

10 2.558 3.940 4.791 6.179 7.267 9.342 11.781 13.442 15.987 18.307 23.209 29.588

11 3.053 4.575 5.578 6.989 8.148 10.341 12.899 14.641 17.275 19.675 24.725 31.264

12 3.571 5.226 6.304 7.807 9.034 11.340 14.011 15.812 18.549 21.026 26.217 32.909

13 4.107 5.892 7.042 8.634 9.926 12.340 15.119 16.985 19.812 22.362 27.688 34.528

14 4.660 6.571 7.790 9.467 10.821 13.339 16.222 18.151 21.064 23.685 29.141 36.123

15 5.229 7.261 8.547 10.307 11.721 14.339 17.322 19.311 22.307 24.996 30.578 37.697

16 5.812 7.962 9.312 11.152 12.624 15.338 18.418 20.465 23.542 26.296 32.000 39.252

17 6.408 8.672 10.085 12.002 13.531 16.338 19.511 21.615 24.769 27.587 33.409 40.790

18 7.005 9.390 10.865 12.857 14.440 17.338 20.601 22.760 25.989 28.869 34.809 42.312

19 7.635 10.117 11.651 13.716 15.352 18.338 21.689 23.900 27.204 30.141 36.191 43.820

20 8.260 10.851 12.443 14.578 16.266 19.337 22.775 25.038 28.412 31.410 37.566 45.315

21 8.897 11.501 13.240 15.445 17.182 20.337 23.858 26.171 29.615 32.671 38.932 46.797

22 9.542 12.338 14.041 16.314 18.101 21.337 24.939 27.301 30.823 33.924 40.289 48.268

23 10.196 13.091 14.848 17.187 19.021 22.337 26.018 28.429 32.007 35.175 41.638 49.728

24 10.856 13.848 15.659 18.062 19.943 23.337 27.096 29.553 33.196 36.415 42.980 51.179

25 11.524 14.611 16.473 18.940 20.867 24.337 28.172 30.675 34.382 37.652 44.314 52.620

26 12.198 15.379 17.292 19.820 21.792 25.336 19.246 31.795 35.563 38.885 45.642 54.052

27 12.879 16.151 18.114 20.703 22.719 26.336 30.319 32.912 36.741 40.113 46.963 55.476

28 13.565 16.928 18.939 21.588 23.647 27.336 31.391 34.027 37.916 41.337 48.278 56.893

29 14.256 17.708 19.768 22.457 14.577 28.336 32.461 35.139 39.087 42.557 49.588 58.302

30 15.953 18.493 20.599 23.364 25.508 29.336 33.530 36.250 40.256 43.773 50.892 59.703
Uji Smirnov No
Hujan Prob (%) Prob teoritis Selisih ()

Kolmogorov 1
(mm)
135
(100%*m/(n+1))
4.8%
(%)
2.5% 0.023
2 125 9.5% 4.0% 0.055

Syarat: 3 105 14.3% 16.0% 0.017

4 104 19.0% 17.0% 0.020
i maksimum harus 5 102 23.8% 17.0% 0.068
lebih kecil dari kritik 6 89 28.6% 28.6% 0.000
7 86 33.3% 33.3% 0.000
8 85 38.1% 33.0% 0.051
9 84 42.9% 36.0% 0.069
10 69 47.6% 61.0% 0.134
11 66 52.4% 67.0% 0.146
12 65 57.1% 67.0% 0.099
13 65 61.9% 67.0% 0.051
14 62 66.7% 74.0% 0.073
max 0.146 15 61 71.4% 76.0% 0.046
kritik 0.29 16 61 76.2% 76.0% 0.002
17 57 81.0% 81.0% 0.000
56
Distribusi Diterima 18 85.7% 83.0% 0.027
19 51 90.5% 90.5% 0.000
20 51 95.2% 90.5% 0.047
Nilai kritik untuk Uji Smirnov
Kolmogorov
n a 0.20 0.10 0.05 0.01

5 0.45 0.51 0.56 0.67

10 0.32 0.37 0.41 0.49
15 0.27 0.30 0.34 0.40
20 0.23 0.26 0.29 0.36
25 0.21 0.24 0.27 0.32
30 0.19 0.22 0.24 0.29
35 0.18 0.20 0.23 0.27
40 0.17 0.19 0.21 0.25
45 0.16 0.18 0.20 0.24
50 0.15 0.17 0.19 0.23
1,07 1.22 1.36 1.63
n > 50
n n n n
Intensitas Hujan/Debit Rancangan
dengan Kala Ulang Tertentu
Plotting Garis Teoritis
X T  X  K T .S

dengan:
XT = intensitas hujan/debit maksimum dengan kala
ulang T tahun,
KT = faktor frekuensi,
S = simpangan baku.
T KT XT Prob
2 -0.145 75.4 50%
10 1.097 105.9 10%
100 3.009 152.9 1%
Nilai faktor frekuensi (kT)
Nilai faktor frekuensi (kT) dipengaruhi oleh Jenis Sebaran
(cv, cs, ck) dan kala ulang (T)  dibaca pada Tabel yang
sesuai jenis sebarannya atau dihitung dengan rumus.
Rumus untuk beberapa jenis sebaran sbb:
1. Sebaran Normal 1
1  2/3
1  c s  ( c s  4) 2
2
k  z cv2  1 / 3   [
 2 1
Nilai z (standar deviasi sebaran normal) dihitung
berdasarkan Tabel: Comulative Probability of The
Standard Normal Distribution.  nilai z tergantung T
(return period) yang dipilih.
Ex: T = 100 tahun,  p = 1- 1/100 = 0,99,  nilai 0,99
diamati dalam tubuh tabel. Dari nilai tersebut ditarik kekiri
dibaca (nilai -,-), kemudian ditarik keatas dibaca (nilai 0,0-).
9/11/2017 untuk keperluan kuliah saja 30
Nilai faktor frekuensi (kT)
2. Sebaran Log Normal 2 Paramater
1
[ ln(1 cv2 ) . z  ln(1 cv2 )]
e 2 1
k
cv
3. Sebaran Log Normal 3 Paramater:
1
[ ln(1cv22 ) . z  ln(1cv22 )]
e 2 1
k
cv 2
4. Pearson Type III
c 1 c c c 1 c
k  z  ( z 2  1) s  ( z 3  6 z )( s ) 2  ( z 2  1)( s ) 3  z ( s ) 4  ( s ) 5
6 3 2 6 6 3 6
Nilai faktor frekuensi (kT)
5. Log Pearson Type III
cs2 1 3 cs2 2 cs2 3 cs2 4 1 cs2 5
k  z  ( z  1)
2
 ( z  6 z )( )  ( z  1)( )  z( )  ( )
2
6 3 2 6 6 3 6
cs2 = koef kemencengan dari logaritma data.
6. Extreme Value Type I (Gumbel’s)
6 T
k  [0,5772  ln{ln }]
 T 1
9/11/2017 untuk keperluan kuliah saja 33
9/11/2017 untuk keperluan kuliah saja 34
 Kz = f (cs, T) for Use in Log-Pearson Type III Distribution

9/11/2017 untuk keperluan kuliah saja 35

 Frequency Factor of LPT III for cs negative value

Sumber: Subramannya, 1986

9/11/2017 untuk keperluan kuliah saja 36

Tugas
Koding 0 9 5 1 1 X X X = H G F E D C B A
Data banjir tahunan maksimum Kali Kulon
terukur di Prapatan sepanjang 20 tahun
berturutan sebagai berikut: 3A1; 1B5;
1C8; 1D7; 2E8;4F9; 4G5; 2H5; 3A1; 1B2;
5C5; 1D5; 2E5; 98; 2F5; 3G6; 6H5; 1A2;
4B5; dan 5C5 m3/detik. Hitung banjir
rancangan kala ulang 25 dan 100 tahun
dengan cara analitis dan grafis. Ploting
data dilakukan di kertas A3.
Bagan Alir Perhitungan Banjir
Rancangan
Hujan Rancangan ABM
 Alternating Block Method (ABM) adalah cara sederhana untuk
membuat hyetograph rencana dari kurva IDF (Chow et al.,
1988). Intensitas hujan harian akan di alihragamkan menjadi
intensitas hujan jam-jaman dengan menggunakan rumus
Mononobe.
 Pendekatan durasi hujan dilakukan menggunakan waktu
konsentrasi.
 Pertambahan hujan (blok-blok), diurutkan ke dalam rangkaian
waktu dengan intensitas hujan maksimum berada pada tengah-
tengah durasi hujan Td dan blok-blok sisanya disusun dalam
urutan menurun secara bolak-balik pada kanan dan kiri dari
blok tengah. Bentuk tipikal hyetograph hujan rancangan dengan
Alternating Block Method ditunjukkan seperti gambar di bawah
ini.
Persamaan Waktu Konsentrasi (Tc)
 Rumus Kirpich (untuk catchment area < 80 hektar):
tc  0.0663 L0.77 S 0.385 ( jam )
 Rumus Australian rainfall-runoff (ARR) :
tc 0,76 A0 ,38
 Rumus Hathway :
0.606( Ln) 0, 467
tc 
S 0.234
Dengan
tc = Waktu tiba banjir atau waktu konsentrasi (jam)
L = Panjang sungai utama (km)
S = Landai sungai utama
A = Luas DAS (km2)
Kurva Intensitas Durasi
Frekuensi
Persamaan Intensitas Hujan menurut Manonobe
0 , 67
R  24 
I  
24  t 
Dengan :
I = Intensitas curah hujan untuk hujan dengan durasi T
R = Hujan maksimal harian kala ulang tertentu
t = Lama hujan (jam)
Dalam penentuan lama hujan (T) yang terjadi pada
catchment tertentu dapat didekati dengan menggunakan
persamaan-persamaan waktu konsentrasi (Tc)
Hujan Rancangan ABM

35

30
Intensitas hujan (mm)

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10
Jam ke
Hujan Rancangan ABM
Pe = 61.28 mm
Tc = 3 jam
T t It It T p Pt hyetograph
(jam) (jam) (mm/jam) (mm) (mm) (%) (%) (mm)
1 0-1 21.245 21.25 21.25 69.34 12.64 7.747
2 1-2 13.384 26.77 5.522 18.02 69.34 42.49
3 2-3 10.214 30.64 3.874 12.64 18.02 11.04
30.64 100 61.28

Distribusi Hujan
Intensitas Hujan

50
40
30
20
10
0
1 2 3
Jam
 Model Tadashi Tanimoto
Metode ini dikembangkan di Indonesia dengan
memanfaatkan data hujan jam-jaman yang ada di pulau
Jawa. Menurut Tanimoto, hujan ditetapkan berlansung
selama 8 jam dengan persentase tertentu.
100
30
Distribusi hujan kumulatif (%)

Distribusi hujan tiap jam (%)

90 26
24
80 25

70
20
60 17

50 15 13
40
30 10
7
5.5
20 4
5 3.5
10
0 0
0 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8

Jam ke Jam ke
 Model Tadashi Tanimoto
P50 = 368.44 mm

Jam ke 1 2 3 4 5 6 7 8
distribusi hujan tiap
26 24 17 13 7 5.5 4 3.5
jam (%)
distribusi hujan tiap
95.79 88.43 62.63 47.90 25.79 20.26 14.74 12.90
jam (mm)
Bagan Alir Perhitungan Banjir
Rancangan
Cara-cara untuk menghitung
Banjir Rancangan
1. Cara Rasional,
2. Cara Hidrograf Satuan,
Cara Rasional
 Untuk memperkirakan debit puncak pada
catchment area kecil.
 Catchment area disebut kecil apabila distribusi
hujan dapat dianggap seragam dalam ruang
dan waktu, dan biasanya durasi hujan melebihi
waktu konsentrasi. Beberapa ahli menyatakan
bahwa luas catchment area kurang dar 2.5
km2.
 Biasanya digunakan untuk perencanaan
drainase kota.
Cara Rasional
Persamaan rasional
Q  0.278CIA
Dengan
Q = Debit puncak yanng ditimbulkan oleh hujan dengan
intensitas durasi dan frekuensi tertentu (m3/s)
I = Intensitas hujan (mm/jam)
A = Luas daerah tangkapan (km2)
C = Koefisien aliran yang bergantung pada jenis
permukaan lahan.
Koefisien
Aliran (C)
Koefisien Aliran (C)
Diskripsi Lahan/Karakter Permukaan Koefisien Aliran (C)
Bisnis
 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
Koefisien Aliran (C) (lanjutan)
Diskripsi Lahan/Karakter Permukaan Koefisien Aliran (C)
Atap 0,70 – 0,95
Halaman, tanah berat
 Datar, 2% 0,05 – 0,10
 rata-rata, 2 – 7% 0,10 – 0,15
 Curam, 7% 0,15 – 0,20
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
Koefisien Aliran (n)
Pengaliran dan sungai Kondisi daerah Harga dari n
• Daerah pegunungan tersier 0,75 - 0,90
• Daerah Pegunungan kwarter 0,70 - 0,80
• Tanah bergelombang dan hutan 0,50 - 0,75
• Tanah dataran yang ditanami 0,45 - 0,60
• Persawahan yang dialiri 0,70 - 0,80
• Sungai di daerah pegunungan 0,75 - 0,85
• Sungai Kecil di dataran 0,45 - 0,75
• Sungai besar yang lebih dari setengah daerah 0,50 - 0,75
pengalirannya terdiri dari dataran
Persamaan Waktu Konsentrasi (Tc)
 Rumus Kirpich (untuk catchment area < 80 hektar):
tc  0.0663 L0.77 S 0.385 (jam)
 Rumus Australian rainfall-runoff (ARR) :
tc 0,76 A0 ,38
 Rumus Hathway :
0.606( Ln) 0, 467
tc 
S 0.234
Dengan
tc = Waktu tiba banjir atau waktu konsentrasi (jam)
L = Panjang sungai utama (km)
S = Landai sungai utama
A = Luas DAS (km2)
Kurva Intensitas Durasi
Frekuensi
Persamaan Intensitas Hujan menurut Manonobe
0 , 67
R  24 
I  
24  t 
Dengan :
I = Intensitas curah hujan untuk hujan dengan durasi T
R = Hujan maksimal harian kala ulang tertentu
t = Lama hujan (jam)
Dalam penentuan lama hujan (T) yang terjadi pada
catchment tertentu dapat didekati dengan menggunakan
persamaan-persamaan waktu konsentrasi (Tc)
Kurva Intensitas Durasi
Frekuensi
Contoh Soal
Sebuah catchment area memiliki lahan berupa hutan
berbukit, 10 – 30% (c=0.30–0.60 ) dengan luas 2 km2,
perumahan suburban (c=0.25-0.4) dengan luas 1.2 km2 dan
tanah yang dilindungi oleh rerumputan curam, 7% dengan
luas 1 km2 (c = 0.15-0.2). Hitung debit banjir maksimal bila
intensitas hujan harian maksimum dengan kala ulang 25
tahun sebesar 211 mm/jam.
Jawab :
Q=0.278 CIA
Nilai CxA merupakan nilai komposit karena lahan tidak
terdiri dari lahan yang memiliki karakter yang sama.
CxA = (2x0,6)+(1.2x0.4)+(1x0.2)= 1.88
Contoh Soal
Nilai I diperoleh dengan menggunakan persamaan
Mononobe. Nilai T didekati dengan menggunakan waktu
konsentrasi tc.
t c  0,76 A  0,764,2  1.31 jam
0,38 0, 38

0, 67 0.67
R  24  211  24 
I       61.65 mm
24  T  24  1.31 
Qmaks = 0.278 x 61.65 x 1,88 = 32.22 m3/s
Cara Hidrograf Satuan
Hidrograf banjir ditentukan dengan rumus:

H T  UH  Peff  BF
Dengan
HT = Hidrograf banjir rencana
UH = Unit Hidrograf
Peff = Hujan rencana dengan kala ulang tertentu yang sudah
dikurangi dengan losses
BF = Baseflow, aliran dasar
Cara Hidrograf Satuan
Jam Hidrograf Pe1 Pe2 Pe3
HLL BF Q50
ke- Satuan 10.51811 57.688 14.994
0 0.000 0.00000 0.000 10.000 10.000
1 1.000 10.51811 0.000 10.518 10.000 20.518
2 2.327 24.47563 57.688 0.000 82.163 10.000 92.163
3 1.536 16.15581 134.239 14.994 165.389 10.000 175.389
4 0.744 7.82547 88.608 34.892 131.325 10.000 141.325
5 0.356 3.74445 42.920 23.031 69.695 10.000 79.695
6 0.174 1.83015 20.537 11.156 33.523 10.000 43.523
7 10.038 5.338 15.376 10.000 25.376
8 2.609 2.609 10.000 12.609
Cara Hidrograf Satuan

Hidrograf Banjir

200
180
160
140
Qt (m3/s)

120
100
80
60
40
20
0
0 1 2 3 4 5 6 7 8
t ( jam )