Dalam HEC-HMS, proses hujan-limpasan
Curah hujan yang jatuh
yang terjadi dalam suatu DAS dibagi menjadi
enam komponen utama (Gambar 2.3):
• Komponen meteorologi
• Komponen loss
• Komponen direct runoff (limpasan
langsung)
• Komponen baseflow (aliran dasar)
• Komponen routing (penelusuran banjir)
• Komponen reservoir
Perhitungan pertama dilakukan pada
komponen meteorologi. Pada komponen ini,
analisis meteorologi dilakukan terhadap data
presipitasi, dimana diupayakan agar curah
hujan terdistribusi ke seluruh DAS secara
spasial (dengan cara interpolasi, ekstrapolasi)
dan temporal (pengisian data yang tidak
terukur, pembangkit data presipitasi hipotesis).
Curah hujan yang terdistribusi spasial dan
temporal akan jatuh baik pada pemukaan
pervious maupun impervious. Sebagian hujan
yang jatuh pada permukaan pervious akan
hilang akibat intersepsi, infiltrasi, evaporasi
dan transpirasi, yang dimodelkan dalam
komponen loss. Curah hujan efektif yang
berasal dari komponen loss akan berkontribusi
terhadap aliran limpasan langsung dan aliran
Komponen Meteorologi
Curah Hujan
Komponen
Loss Permukaan Pervious
Losses
Komponen
Baseflow Akuifer
Baseflow
Gambar 2.3 Komponen hujan-limpasan yang direpresentasikan model HEC-HMS (Cunderlik & Simonovic 2004)
airbumi dalam akuifer.
pada permukaan impervious akan langsung
menjadi limpasan tanpa mengalami berbagai
bentuk kehilangan (losses), yang ditransformasi
menjadi aliran permukaan (overland flow)
dalam komponen direct runoff.
Pergerakan air dalam akuifer dimodelkan
dalam komponen baseflow. Baik baselow
maupun overland flow akan mengalir pada
saluran sungai. Proses translation dan
attenuation aliran sungai akan disimulasi pada
komponen routing. Terakhir, efek dari fasilitas
hidrolik (bendungan) dan cekungan alami
(danau, kolam, lahan basah) akan dimodelkan
dalam komponen reservoir.
III. METODOLOGI
3.1 Waktu dan Tempat Penelitian
Penelitian dilakukan pada bulan Desember
2005 sampai dengan Januari 2007, di
Laboratorium Klimatologi, Departemen
Geofisika dan Meteorologi IPB, Bogor.
Daerah kajian penelitian adalah DAS
Ciliwung bagian hulu dengan luasan sekitar
148 km2, yang terletak antara 06o05’–06o50’
LS dan 106o40’–107o00’ BT. Secara
administratif terletak di wilayah Kabupaten dan
Kotamadya Bogor, Jawa Barat.
Komponen
Permukaan Impervious Direct Runoff
Direct Runoff
Komponen
Routing
Saluran Sungai
Komponen
Reservoir Operator Reservoir
Outlet DAS
5
3.2 Alat dan Bahan Penelitian
Bahan dan alat yang digunakan dalam
penelitian adalah sebagai berikut:
• Data curah hujan harian sesaat (per 30
menit) tahun 2004 dari Stasiun Gadog dan
Gunung Mas.
• Data curah hujan kumulatif harian tahun
2004 dari Stasiun Cilember dan Citeko.
• Data curah hujan harian tahun 1985-2002
dari Stasiun Katulampa, Citeko dan
Gunung Mas.
• Data tinggi muka air harian sesaat (per
jam) tahun 2004 dari Stasiun Pengamat
Arus Sungai (SPAS) Katulampa.
• Peta penggunaan lahan DAS Ciliwung
bagian hulu tahun 2004.
• Peta digital elevation model DAS
Ciliwung bagian hulu (90 x 90 m).
• Peta tanah semi detail DAS Ciliwung
bagian hulu tahun 1992.
• Seperangkat komputer dengan program
HEC-HMS, HEC-DSS, ArcView GIS, ER
Mapper serta Microsoft Office Excel.
Hidrograf Tinggi
Muka Air
Rating Curve
Hidrograf Debit
Pengamatan
Kalibrasi
Satisfactory?
(Pengujian Model)
Yes
- Analisis Sensitivitas
- Simulasi Hidrograf Aliran
Gambar 3.1 Diagram alir metode penelitian
3.3 Metode Penelitian
Secara umum, diagram alir metode
penelitian ditunjukkan seperti pada Gambar
3.1. Analisis data presipitasi dan penentuan
parameter fisik DAS diperlukan sebagai
masukan model HEC-HMS. Selanjutnya hasil
model berupa hidrograf aliran, akan
disesuaikan dengan hidrograf pengamatan.
Proses kalibrasi terhadap parameter-parameter
model dilakukan agar hidrograf hasil model
mendekati nilai pengamatannya. Untuk itu
diperlukan tahap pengujian model, sehingga
kemiripan hidograf hasil model dengan
pengamatan dapat terukur.
Analisis sensitivitas dapat berguna unuk
melihat pengaruh perubahan nilai-nilai
parameter masukan terhadap parameter hasil
model. Pada penelitian ini, analisis sensitivitas
HEC-HMS dilakukan terhadap parameter
bilangan kurva, dengan pertimbangan bahwa
bilangan kurva memiliki pengaruh yang cukup
besar terhadap hidrograf yang dihasilkan suatu
DAS. Simulasi hidrograf aliran dilakukan
untuk mendapatkan perkiraan debit banjir di
masa mendatang berdasarkan pola perubahan
penggunaan lahan dan curah hujan maksimum.
Analisis Parameter
Presipitasi DAS
HEC-HMS
Hidrograf Debit
Model
No
6
3.3.1 Analisis Presipitasi SCS telah mengembangkan sistem
Analisis presipitasi diperlukan sebagai klasifikasi tanah menjadi empat kelompok
salah satu masukan dalam model HEC-HMS, hidrologi tanah (Hydrologic Soil Group =
yaitu menentukan metode perhitungan hujan HSG). Sifat-sifat tanah berdasarkan
wilayah. Dalam penelitian ini, curah hujan pengelompokan HSG tertera pada Tabel 3.1.
wilayah ditentukan berdasarkan bobot setiap Kelompok tanah tersebut dapat ditentukan
stasiun hujan yang dihitung menggunakan dengan menggunakan salah satu dari ketiga
metode poligon Thiessen. cara berikut: (a) berdasarkan sifat-sifat tanah,
(b) peta tanah detail, (c) laju infiltrasi
minimum. Tabel 3.2 menyajikan hubungan laju
infiltrasi minimum dengan masing-masing
kelompok tanah.
Tabel 3.1 Kelompok hidrologi tanah menurut SCS dan
sifat-sifatnya.
HSG Sifat-Sifat Tanah
Pasir dalam, loess dalam, debu
A
yang beragregat
B Loess dangkal, lempung berpasir
Lempung berliat, lempung
berpasir dangkal, tanah berkadar
C
bahan organik rendah dan tanah
berkadar liat tinggi
Tanah- tanah yang mengembang
Gambar 3.2 Konstruksi curah hujan wilayah metode secara nyata jika basah, liat
D
poligon Thiessen berat, plastis dan tanah-tanah
tertentu
Poligon Thiessen diperoleh dengan cara
Richard H McCuen (1982)
menarik garis bagi tegak lurus pada sisi-sisi
segitiga yang menghubungkan titik-titik Tabel 3.2 Hubungan laju infiltrasi minimum dengan
pengamatan. Gambar 3.2 menyajikan poligon kelompok tanah menurut SCS
Thiessen dari 4 stasiun hujan yang ada di DAS Kelompok Laju Infiltrasi Minimum
Ciliwung bagian hulu. Tanah (mm/ jam)
Dalam menentukan perkiraan debit banjir, A 203,2 – 304,8
analisis frekuensi berguna untuk meghitung
B 101,6 – 203,2
hujan harian maksimum pada berbagai periode
ulang (T). Persamaan analisis frekuensi yang C 25,4 – 101,6
dikemukakan Chow (1964) memerlukan faktor D 0,0 – 25,4
frekuensi (KT) yang nilainya tergantung tipe Richard H McCuen (1982)
distribusi. Pada penelitian ini hujan harian
maksimum dianggap mengikuti distribusi nilai Dalam menentukan keadaan kandungan air
ekstrim Gumbel tipe I, dengan persamaan tanah (KAT) sebelumnya seringkali
faktor frekuensi sebagai berikut (Haan 1977): dipergunakan keadaan rata-rata daerah aliran
pada keadaan tempat dan waktu tertentu
⎡ ⎛ T ⎞⎤ (McCuen 1982). SCS menyusun tiga keadaan
K T = −0,7797 ⎢0,5772 + ln⎜ ln ⎟⎥
⎣ ⎝ T − 1 ⎠⎦ KAT sebelumnya sebagai berikut:
Kondisi I : Tanah dalam keadaan
3.3.2 Penentuan Bilangan Kurva dan kering tetapi tidak sampai
Impervious Area pada titik layu, telah pernah
Besarnya bilangan kurva ditentukan ditanami dengan hasil
berdasarkan metode yang telah dikembangkan memuaskan.
oleh Soil Consrvation Service (SCS). McCuen Kondisi II : Keadaan rata-rata.
(1982) menyebutkan bahwa bilangan kurva Kondisi III : Hujan lebat atau ringan dan
menyatakan pengaruh hidrologi bersama antara temperatur rendah telah
tanah, penggunaan lahan, keadaan hidrologi, terjadi dalam lima hari
dan kandungan air tanah sebelumnya. terakhir, tanah jenuh air.

7
 SCS memberikan batas jumlah curah hujan Penentuan impervious area diperkirakan
untuk setiap kondisi KAT sebelumnya seperti berdasarkan tipe penggunaan lahan dan faktor
pada Tabel 3.3. Pada penelitian ini, perhitungan imperviousness (Tabel 3.4).
proses hujan-limpasan dianggap berlangsung
Tabel 3.4 Faktor imperviousness berdasarkan tipe
pada musim tumbuh. penggunaan lahan.
Tabel 3.3 Batasan jumlah curah hujan pada setiap kondisi Faktor
KAT sebelumnya. Penggunaan Lahan
Imperviousness (%)
Total curah hujan lima hari Hutan 0
Kondisi sebelumnya (mm)
Tanah Terbuka 5
Musim Dorman Musim Tumbuh
Agrikultur 5
I < 13 < 35
Residensial 30
II 13 – 28 35 – 53
Komersial 80
III > 28 > 53
USACE (2000)
Richard H McCuen (1982)

Nilai bilangan kurva untuk keadaan KAT
sebelumnya pada kondisi II mengikuti tabel
yang disajikan SCS (Lampiran 1). Nilai
bilangan kurva untuk keadaan KAT
sebelumnya pada kondisi I dan III dihitung
menggunakan persamaan yang dikemukakan
oleh Chow dkk (1988), sebagai berikut:
4,2CN ( II )
CN ( I ) =
10 − 0,058CN ( II )
dan,
23CN ( II )
CN ( III ) =
10 + 0,13CN ( II )
Untuk DAS yang terdiri dari beberapa
macam tipe tanah dan penggunaan lahan, nilai
bilangan kurva ditetapkan sebagai nilai
composite (gabungan). Bilangan kurva
composite ditentukan berdasarkan bobot luas
bentuk penggunaan lahan yang ada di dalam
DAS (USACE 2001).
n
∑ A CN i i
CN composite = i =1
n model).
∑Ai =1
i
dimana, CNcomposite ialah bilangan kurva
gabungan untuk seluruh DAS, i menyatakan
indeks untuk subdivisi dari DAS dengan tipe
penggunaan dan jenis tanah yang sama, dan Ai
adalah luas subdivisi ke-i.
Selain bilangan kurva, parameter yang
juga berpengaruh terhadap volume limpasan
suatu DAS adalah luas daerah impervious.
Impervious area dari suatu DAS adalah luasan
dari DAS dimana semua kontribusi dari
presipitasi akan menjadi limpasan langsung
tanpa mengalami infiltrasi, evaporasi ataupun
bentuk kehilangan air lainnya (USACE 2001).
3.3.3 Penyusunan Basin Model
Representasi dari kondisi fisik suatu DAS
dikonfigurasi dalam basin model. Sistem yang
terdiri dari elemen-elemen hidrologi
dihubungkan dalam suatu jaringan untuk
mensimulasi proses limpasan. Terdapat tujuh
elemen hidrologi yang tersedia dalam HEC-
HMS, dimana masing-masing elemen mewakili
bagian dari total respon suatu DAS terhadap
presipitasi dengan menggunakan sebuah model
matematika, yaitu:
• Subbasin
Subbasin atau subDAS merupakan elemen
yang hanya memiliki satu outflow yang
diperoleh berdasarkan data meteorologi (curah
hujan dan evaporasi) dengan memperhitungkan
loss, curah hujan efektif, serta aliran dasar.
• Reach
Elemen reach yang memiliki satu atau
lebih inflow dan hanya satu outflow,
merupakan elemen dimana proses routing
terjadi. Outflow dihitung menggunakan salah
satu dari beberapa metode yang tersedia dalam
model saluran terbuka (open channel flow
• Reservoir
Reservoir memiliki satu atau lebih inflow
dan satu outflow terhitung. Elemen ini dapat
digunakan pada model reservoir, danau dan
kolam.
• Source
Source merupakan elemen yang tidak
memiliki inflow dan hanya memiliki satu
outflow. Source digunakan untuk
merepresentasikan kondisi batas terhadap basin
model, misalnya outflow terukur dari reservoir
atau tinggi muka air tanah regional yang tidak
termodelkan.

8
• Junction
Junction dapat memiliki lebih dari satu
inflow dan lebih dari satu outflow. Biasanya
digunakan untuk merepresentasikan sebuah
pertemuan sungai atau aliran.
• Diversion
Diversion memiliki dua outflow dengan
satu atau lebih inflow. Elemen ini dapat
digunakan untuk merepresentasikan bendungan
yang mengalihkan aliran kedalam kanal-kanal
atau saluran.
• Sink
Sink dapat memiliki lebih dari satu inflow,
tetapi tidak ada outflow. Sinks digunakan untuk
merepresentasikan titik terendah dari suatu area
drainase atau outlet dari suatu basin model.
Penyusunan basin model juga mencakup
perhitungan pada 4 submodel utama:
1) Loss Model
Bagian dari presipitasi yang hilang akibat
infiltrasi, intersepsi, evaporasi dan bentuk
kehilangan lainnya sebelum menjadi limpasan
(precipitation loss) dianalisis dalam loss model.
Pada dasarnya perhitungan loss model
bertujuan untuk mencari curah hujan efektif,
yaitu curah hujan yang menyebabkan
terjadinya limpasan. Pada penelitian ini,
perhitungan dilakukan menggunakan metode
SCS curve number.
Perhitungan curah hujan efektif dengan
metode SCS mempertimbangkan faktor
penggunaan dan penutupan lahan. Curah hujan
efektif Pe, dihitung menggunakan persamaan:
Pe =
(P − Ia )2
P − Ia + S
dimana P adalah volum total curah hujan, Ia
adalah kehilangan air awal atau initial
abstraction (initial loss), dan S merupakan
potential maximum retention. Nilai Ia dapat
ditentukan berdasarkan persamaan:
Ia = 0,2 S
Potential maximum retention ditentukan
berdasarkan parameter bilangan kurva (CN)
yang ditentukan berdasarkan tabel bilangan
kurva yang disusun oleh SCS untuk berbagai
tipe penggunaan dan penutupan lahan.
Persamaan empiris untuk menentukan nilai S
adalah:
25400 − 254CN
S=
CN (SI)
2) Direct Runoff Model
Perhitungan limpasan langsung yang
berasal dari curah hujan efektif dianalisis
dalam direct runoff model. Dalam penelitian
ini, analisis limpasan langsung dilakukan
menggunakan tiga metode hidrograf satuan
sintetik, yaitu: Snyder, SCS, dan Clark.
• Hidrograf Satuan Snyder
Snyder (1938) mengembangkan hidrograf
satuan sintetik berdasarkan studinya di daerah
pengaliran Appalachian Highlands. Parameter
masukan yang diperlukan untuk metode Snyder
meliputi time lag dan koefisien puncak.
Persamaan time lag yang diperoleh Snyder
untuk DAS yang berukuran 10-10.000 mil2
adalah:
t l = C t (Lms Lc )
0,3
dimana,
tl = time lag (jam), merupakan
interval waktu antara saat terjadi
curah hujan maksimum sampai
dengan saat terjadinya debit
puncak,
Ct = koefisien yang menggambarkan
variasi kemiringan dan simpanan
DAS,
Lms = panjang sungai utama (km),
Lc = panjang saluran utama dari titik
terdekat ke pusat DAS (km).
Koefisien Ct memiliki nilai yang bervariasi
menurut topografi, dari daerah dataran sampai
pegunungan. Nilai Ct hasil penelitian Snyder
diperoleh berkisar antara 1,8–2,2 dengan rata-
rata 2. Semakin curam kemiringan DAS maka
akan semakin kecil nilai Ct yang dihasilkan.
(Viessman et al 1977).
Debit puncak, Qp (cfs), ditentukan
berdasarkan fungsi dari time lag, koefisien
simpanan Cp, dan luas daerah pengaliran A
(mil2), sebagai berikut:
640C p A
Qp =
tl
Nilai koefisien simpanan Cp bervariasi
antara 0,4 sampai 0,8. Nilai Cp yang besar
menunjukkan time lag yang kecil dan
berkorelasi dengan nilai Ct yang kecil pula.
• Hidrograf Satuan SCS
Metode yang dikembangkan oleh Soil
Conservation Service untuk pembuatan
hidrograf satuan sintetik didasarkan atas
hidrograf tak berdimensi (dimensionless), yang
9
merupakan hasil analisis pada sejumlah besar Clark menunjukkan bahwa nilai parameter
hidrograf satuan alami dari berbagai DAS koefisien simpanan (storage coefficient, R).
dengan luas dan kondisi geografis yang dapat dihitung sebagai aliran di titik inflection
beragam. Metode SCS hanya memerlukan point pada sisi menurun (falling limb) dari
penentuan nilai waktu puncak (time to peak suatu hidrograf dibagi dengan fungsi waktu
atau time of rise, tp) dan debit puncak, Qp. terhadap aliran (dt/dQ).
Persamaannya adalah sebagai berikut: Diagram luas-waktu menentukan jumlah
D luasan simpanan DAS yang memberikan
tp = + tl kontribusi pada debit luaran DAS sebagai
2 fungsi waktu yang dinyatakan sebagai bagian
dimana, dari waktu konsentrasi (USACE 2000).
tp = waktu puncak (jam), merupakan Persamaan yang digunakan HEC-HMS untuk
selang waktu antara mulai kurva luas-waktu adalah:
terjadinya hujan sampai debit
⎧ ⎛t⎞
1, 5
t ⎫
puncak, ⎪1,414⎜⎜ ⎟⎟ , untuk : t ≤ c ⎪
D = durasi hujan (jam), ditentukan At ⎪ ⎝ tc ⎠ 2 ⎪
=⎨ ⎬
dengan persamaan D = 0,133 tc, A ⎪ ⎛ t⎞
1, 5
tc ⎪
dengan tc adalah waktu ⎜ ⎟
⎪1 − 1,414⎜1 − ⎟ , untuk : t ≥ ⎪
⎩ ⎝ tc ⎠ 2⎭
konsentrasi,
tl = time lag (jam). dimana, At adalah luas kumulatif yang
terkontribusi pada waktu t, dan A adalah luas
Dan persamaan debit puncak: total DAS.
A
Qp = C 3) Baseflow Model
tp
Aliran dasar terjadi akibat limpasan yang
dimana, C merupakan konstanta konversi, berasal dari kejadian presipitasi terdahulu yang
bernilai 2,08 dalam SI, atau 484 dalam foot- tersimpan secara temporer dalam suatu DAS,
pound system, dan A merupakan luas DAS. ditambah dengan limpasan subpermukaan yang
Persamaan empiris yang digunakan SCS tertunda dari suatu kejadian hujan. Pada
untuk menentukan parameter time lag, adalah: penelitian ini, metode perhitungan aliran dasar
yang digunakan adalah exponential recession
0 ,8
Lms ( S + 1) 0, 7 model. Hubungan antara aliran dasar pada
tl = periode t (Qt) dan aliran dasar awal/pada t=0
1900aws 0,5
(Qo) adalah (USACE 2000):
dimana,
Lms = panjang sungai utama (ft), Qt = Qo k t
aws = kemiringan rata-rata DAS (%),
dengan k merupakan konstanta resesi.
S = potential maximum retention (in.)
= 1000/CN -10, Parameter baseflow model yang diperlukan
HEC-HMS sebagai masukan meliputi aliran
CN = Bilangan kurva untuk berbagai dasar awal, konstanta resesi dan aliran
tipe penggunaan lahan. threshold (aliran saat dimulainya kurva resesi
• Hidrograf Satuan Clark pada sisi yang menurun dari sebuah hidrograf).
Ketiga parameter tersebut ditetapkan
Bentuk hidrograf satuan sintetik model berdasarkan analisis terhadap hidrograf
Clark pada dasarnya ditentukan berdasarkan pengamatan.
parameter waktu konsentrasi (tc), koefisien
simpanan DAS (R) dan diagram luas-waktu. 4) Routing Model
Johnstone and Cross (1949, dalam USACE Routing model didasarkan atas konsep
2000) mengenalkan salah satu persamaan untuk penelusuran banjir yang digunakan untuk
mencari waktu konsentrasi (jam): mensimulasi rambatan gelombang aliran air
0,5 melalui sungai dan waduk. Penelitian ini
⎛ L ⎞ menggunakan metode Muskingum yang
t c = 5,0⎜⎜ ms ⎟⎟
⎝ ars ⎠ didasarkan pada persamaan kontinuitas dan
hubungannya dengan simpanan yang
dengan Lms adalah panjang sungai utama (mil), bergantung pada inflow dan outflow.
dan ars adalah kemiringan saluran atau slope
channel (ft/mil).

10
 Parameter yang diperlukan adalah travel Objective functions merupakan ukuran
time (k) dan faktor pembobot (x). Travel time kuantitatif bagi goodnes-of-fit yang
atau waktu tempuh aliran dari titik inlet sampai menunjukkan derajat keragaman antara
outlet, ditentukan melalui hubungan antara hidrograf hasil perhitungan dengan data
kecepatan aliran (Vw) dengan panjang sungai pengamatan (Tabel 3.5). Search methods
(L) melalui persamaan: digunakan untuk meminimalkan objective
function dan mendapatkan nilai parameter yang
L paling sesuai. Pencarian nilai parameter
K=
Vw dilakukan dengan cara iterasi melaui proses
trial and error. Dua algoritma search methods
Berdasarkan Hukum Seldon, kecepatan yang tersedia dalam HEC-HMS adalah
gelombang banjir ditetapkan sebagai berikut: univariate-gradient search algorithm dan
1 dQ Nelder and Mead simplex search algorithm.
Vw =
B dy
IV. KEADAAN UMUM DAS CILIWUNG
dimana B adalah lebar atas permukaan saluran, BAGIAN HULU
dan dQ/dy adalah slope rating curve pada titik 4.1 Letak dan Luas Daerah
representatif saluran.
Secara umum sungai Ciliwung mengalir
Faktor pembobot (x) dalam metode dari arah Selatan ke Utara, melalui wilayah
Muskingum berkisar antara 0 sampai 0,5 Kabupaten Bogor, Kotamadya Bogor, Kotip
dengan rata-rata 0,2 untuk aliran alami. Pada Depok dan DKI Jakarta. DAS Ciliwung di
penelitian, penentuan nilai x diperoleh dari sebelah Barat dibatasi oleh DAS Cisadane dan
hasil trial-error pada saat kalibrasi, dengan di sebelah Timur dibatasi DAS Citarum,
menggunakan nilai rata-rata sebagai nilai dengan hulunya di sebelah Selatan yaitu berada
masukan awal. di Gunung Gede–Pangrango dan bermuara di
3.3.4 Kalibrasi Teluk Jakarta.
Kalibrasi model merupakan proses DAS Ciliwung dapat dibagi menjadi tiga
penyesuaian nilai-nilai parameter model bagian, yaitu hulu, tengah dan hilir. Pada
sampai didapat hasil model yang sama atau Penelitian ini akan dibahas mengenai DAS
mendekati hasil pengamatan. Metode yang Ciliwung bagian hulu, meliputi wilayah
digunakan dalam HEC-HMS adalah objective Kecamatan Cisarua, Ciawi dan Kedunghalang,
functions dan search methods. mulai dari Desa Tugu sampai SPAS
Katulampa, yaitu di sekitar Desa Katulampa,
Tabel 3.5 Metode perhitungan objective function Ciawi, Bogor. Secara geografis DAS Ciliwung
bagian Hulu terletak di daerah antara 06o02’
Kriteria Persamaan*) sampai 06o55’ LS dan 106o35’ sampai 107o00’
NQ BT dengan luas wilayah sekitar 148 km2.
Sum of
Z = ∑ q0 (i ) − qs (i )
absolute errors i =1
4.2 Iklim
Sum of
squared
NQ
Z = ∑ [q0 (i ) − qs (i)]
2 Iklim di Daerah Aliran Sungai Ciliwung
residuals i =1 pada umumnya adalah iklim tropis, dengan
suhu udara rata-rata berkisar antara 19-25oC.
Percent error qs ( peak ) − q0 ( peak ) Menurut sistem klasifikasi Schmidt–Ferguson,
in peak Z = 100
q0 ( peak ) berdasarkan perbandingan jumlah rata-rata
Peak weighted bulan basah dengan bulan kering, DAS
root mean ⎧⎪ 1 ⎡ NQ 2
1/
⎛ q0 (i ) + q 0 ( mean) ⎞⎤ ⎫⎪ Ciliwung bagian hulu termasuk ke dalam tipe
square error Z =⎨ ⎢∑ (q0 (i ) − qs (i ) ) ⎜⎜ ⎟⎟⎥ ⎬
⎪⎩ NQ ⎣⎢ i =1 ⎝ 2q0 ( mean) ⎠⎦⎥ ⎪⎭ iklim A.
objective
function Rata-rata curah hujan wilayah di DAS
USACE (2000) Ciliwung bagian hulu berkisar antara 122-564
*)
mm/bulan. Bulan basah terjadi selama 8-10
Z = objective function; NQ = jumlah ordinat hidrograf
hasil perhitungan; qO(i) = debit observasi; qS(i) = debit
bulan (Agustus–Mei) dengan bulan terbasah
hasil perhitungan; qO(peak) = debit puncak observasi; Januari, dan bulan lembab 2-4 bulan (Juni–
qO(mean) = rata-rata debit observasi; dan qS(peak) = debit September) dengan bulan terkering adalah
puncak hasil perhitungan. Agustus.

11