BANJIR
(FLOOD)
Hujan
Tingginya curah hujan menjadi salah satu
faktor penyebab banjir. Hal ini dapat dilihat
dari statistik terjadinya bencana alam banjir
umumnya terjadi pada setiap musim
penghujan. Ketika intensitas hujan meningkat
maka akan terjadi pula peningkatan debit air.
Apabila suatu daerah tidak memiliki sistem
pengairan atau resapan air yang baik, maka
potensi terjadinya banjir di tempat tersebut
lebih besar.
Pembuangan sampah yang tidak pada
tempatnya
Di daerah perkotaan, inilah salah satu kontributor
terbesar dalam hal penyumbatan saluran air
seperti gorong-gorong atau got membuat aliran
air terhambat sehingga tidak dapat mengalir ke
tempat lain. Kesadaran masyarakat sekitar untuk
tidak membuang sampah ke sungai atau selokan
diperlukan untuk mengurangi banjir yang
disebabkan oleh hal seperti ini
Kurangnya daerah resapan air
Tata ruang buruk seperti tidak adanya
taman kota atau pembangunan pada
tanah olahan kosong mengakibatkan
hilangnya daerah yang seharusnya
menjadi daerah untuk resapan air .
Pengaturan tempat pemukiman sebaiknya
berada pada tanah yang memang
memiliki resapan air rendah bukan pada
tanah terbuka berdaya serap tinggi.
Akibat banjir
Terganggunya mobilisasi
Ketika jalan tertutup banjir maka
ruang gerak menjadi terbatas. Sarana
transportasi tidak dapat melintas
karena dapat membuat kendaraan
mogok atau rusak
Kerugianmateri hingga nyawa
Banjir yang bisa terjadi kapan saja
bahkan di malam hari tidak memberikan
kesempatan bagi masyarakat untuk
bersiap. Akibatnya harta benda bisa
hilang atau rusak akibat terkena
terjangan banjir. Tidak jarang juga terjadi
hilangnya nyawa akibat terseret arus
dan tenggelam akibat bencana ini
Terganggunya roda perekonomian
Melihat bencana banjir di ibukota tahun lalu
membuktikan bahwa banjir besar dapat
membuat sistem perekonomian di suatu
tempat lumpuh total yang berujung pada
kerugian materi. Barang tidak bisa dikirim,
pembeli tidak bisa pergi ke tempat
perdagangan. Di pedesaan, bencana ini
beberapa kali menyerang hasil tanah yang
siap panen sehingga mengakibatkan
kelangkaan barang. Proses distribusi juga
terganggu akibat jalan yang terhalang banjir
atau dikarenakan rusaknya sarana transportasi
Langkah-langkah mengatasi
banjir
Tidak membangun pemukiman di daerah sekitar sungai
Kepadatan penduduk di kota besar selalu diimbangi
dengan rendahnya ketersediaan lahan untuk rumah
tinggal. Rendahnya tingkat ekonomi masyarakat ikut
memberikan andil dalam hal ini. Ketika daerah
pinggiran sungai dijadikan tempat tinggal maka tentu
saja daerah resapan air akan semakin berkurang. Selain
itu kala banjir, korban pertama adalah mereka yang
tidak di daerah pinggiran sungai. Diperlukan kebijakan
pemerintah dalam merelokasikan warga yang sudah
bermukim disana sekaligus menekan laju urbanisasi
Perbanyak ruang terbuka hijau (RTH)
RTH di kota besar seharusnya sekitar 30%
dari luas kota. Sayangnya di lapangan,
ruang terbuka hijau hanya sekitar 10%
padahal ini adalah salah satu sarana
untuk mengatasi banjir karena ketika
hujan turun, air dapat diserap secara
maksimal. Di luar itu, RTH berguna untuk
mengurangi polusi, menjadi tempat
olahraga, bermain, dan bersantai warga
Menanam pohon
Hal ini bisa dilakukan di pekarangan rumah,
kantor, sekolah dan tempat umum lainnya.
Keberadaan pohom dapat menciptakan kota
yang hijau, membantu mengurangi polusi udara,
memperbanyak resapan air
Membuat Lubang Resapan Biopori (LRB)
Banyak masyarakat kita belum mengerti seperti apa dan
gunanya biopori. Hal seperti ini bisa ditangani dengan
sosialisasi oleh pemerintah atau lembaga masyarakat
setempat. Di Bandung, Walikotanya sengaja membuat
program sejuta biopori dengan mengajak warga. Cara ini
cukup berhasil karena di tiap RT minimal mempunyai 1
biopori dan banyak dari masyarakat yang kemudian
mengerti tentang LRB. Biopori berguna untuk mengurangi
jumlah air hujan atau air dari saluran pembuangan di
permukaan tanah. Biopori sendiri merupakan sebuah
lubang berdiameter 10 – 30 cm dengan kedalaman
vertikal 80cm -100 cm. Setelah dibuat lubangnya, diisi
dengan batu kerikil pada dasarnya lalu ditutupi dengan
sampah organik seperti dedaunan.
Penanganan sampah yang baik
Merubah kebiasaan masyarakat tentunya
bukan hal mudah oleh karena itu diperlukan
penanganan tepat sasaran dalam menangani
masalah ini oleh pemerintah setempat.
Kesadaran pribadi masyarakat perlu
ditingkatkan demi kebaikan bersama. Salah
satu cara penanganan sampah yang baik
adalah selain membuang sampah pada
tempatnya yaitu memisahkan antara sampah
organik dengan non organik demi
mempercepat proses pengolahan sampah
Meluapnya aliran air sungai karena melampaui kapasitasnya disebut
banjir. Aliran banjir yang berfluktuasi bisa digambarkan sebagai
hydrograph banjir dan bisa dipisahkan antaran aliran dasar dengan
aliran dampak langsung dari hujan atau sering disebut Direct Run Off
(DRH)
Sehubungan dengan perencanaan Bangunan Air, sering dibutuhkan
data atau perhitungan banjir maksimum yang bisa terjadi dari suatu
sungai.
Perhitungan besar banjir maksimum (Flood Peak) bisa menggunakan
beberapa cara antara lain :
1. Rasional
2. Empiris
3. Cara Unit Hidrograph
4. Cara Statistik atau Analisa Frequency
Dari empat metode tersebut bisa dipilih metode yang sesuai dengan
data yang tersedia serta kondisi daerah dengan mempertimbangkan
tingkat kebutuhan pembangunan serta resiko yang bisa terjadi.
Pertimbangan itu antara lain :
Kebutuhan Objective
Ketersediaan data
Tingkat kepentingan Proyek
Tingkat resiko yang bisa diterima
Rational Method
Hujan dengan intensitas tertentu yang merata di suatu DAS akan
menimbulkan banjir maksimum apabila lama hujan berlangsung
selama tc atau time of concentration .
Qp = C . i . A → untuk t tc
A = luas catchment area
i = intensitas hujan
C = koefisien run off
Qp = banjir maksimum
Dengan satuan metrik perumusan di atas menjadi :
Qp = banjir maksimum (m3/dt)
C = koefisien run off
i = intensitas hujan (mm/jam) dengan durasi selama tc dan kejadian ulang
(probability) P.
A = luas DAS (km2)
Dari suatu DAS harga C dan A tetap, sehingga harga yang
menentukan tinggal intensitas hujan i, dengan durasi tc dan probability
P.
Harga i(tc,P) bisa dihitung dengan frequency hujan dengan probability
yang dikehendaki. Sedangkan tc bisa diprediksi dengan rumus
praktis/empiris.
U.S. Practice of tc
Apabila dari sejumlah data seri tersebut kita susun berurutan dari besar
ke data terkecil atau sebaliknya, dan kita hitung probability P
setiap atau masing-masing kejadian data dengan formula
maka akan kita dapatkan plotting data untuk semua data hidrologi.
Dimana :
m = order number m
P=
N = total data (kejadian) N +1
Frekuensi kejadian setiap data atau disebut return periode T = 1/P
Apabila m adalah rangking data dari terkecil ke terbesar maka
probability x adalah P (X x) dan bila m adalah rangking dari
besar ke kecil maka P (X x)
m
Selain formula plotting Weibull P = di atas, ada beberapa
N +1
formula plotting lain diantaranya :
m
California Formula P: =
n
Hazen Formula ( m − 1)
P= :
2m
1/n
Beard Formula : P = 1 – 0,5
m − 0,3
P=
Chegadayev Formula n + 0,4 :
m − 3/ 8
Blon Formula P =:
n + 1/ 4
3m − 1
Tukey Formula P =:
3n + 1
Hubungan antara recurrence interval T dan probability P dengan r
kali kejadian dalam n data adalah :
r n-p
Pr.n = Cr . P . q
dimana : q = 1 - P
i − X Xi
X 2 YT − Yn
K=
S= i =1 i =1
Sn
n −1
T − 1
YT = −ln− ln
T
Tabel 7-1 Reduced Variate ( YT), Metode Gumbel
Periode Ulang (tahun) Reduced variate (YT)
2 0.3665
5 1.4999
10 2.2502
25 3.1985
50 3.9019
100 4.6001
Tabel 7-2. Reduced Mean (Yn), Metode Gumbel
n 0 1 2 3 4 5 6 7 8 9
10 0.4952 0.4996 0.5035 0.5070 0.5100 0.5128 0.5157 0.5181 0.5202 0.5220
20 0.5236 0.5252 0.5268 0.5282 0.5296 0.5309 0 5320 0.5332 0.5343 0.5353
30 0.5362 0.5371 0.5380 0.5388 0.5396 0.5403 0.5410 0.5418 0.5424 0.5430
40 0.5436 0.5442 0.5548 0.5453 0.5458 0 5463 0 5468 0.5473 0.5477 0.5481
50 0.5485 0.5489 0.5493 0.5497 0.5501 0.5504 0.5508 0.5511 0.5515 0.5518
60 0.5521 0.5524 0 5527 0.5530 0.5533 0.5535 0.5538 0.5540 0.5543 0.5545
70 0.5548 0 5550 0.5552 0.5555 0.5557 0.5559 0.5561 0.5563 0.5565 0.5567
80 0.5569 0.5570 0.5572 0.5574 0.5576 0.5578 0.5580 0.5581 0.5583 0.5585
90 0.5586 0 5587 0.5589 0.5591 0.5592 0.5593 0.5595 0.5596 0.5598 0.5599
100 0.5600
Tabel 7-3. Reduced Standard Deviation (Sn), Metode Gumbel
n 0 1 2 3 4 5 6 7 8 9
10 0.9496 0.9697 0.9833 0.9971 1.0095 1.0206 1.0316 1 0411 1.0494 1 0565
20 1.0628 1.0695 1.0755 1.0812 1.0865 1.0915 1.0961 1.1004 1.1047 1.1086
30 1.1124 1.1159 1.1193 1.1226 1.1255 1.1285 1.1313 1.1339 1.1363 1.1388
40 1.1413 1.1436 1.1458 1.1480 1.1499 1.1519 1.1538 1.1557 1.1574 1.1590
50 1.1607 1.1623 1.1638 1.1653 1.1667 1.1681 1.1696 1.1708 1.1721 1.1734
60 1.1747 11759 1.1770 1.1782 1.1793 1.1803 1.1814 1.1824 1.1834 1.1844
70 1.1854 1.1863 11873 1.1881 1.1890 1.1898 1.1906 1.1915 1.1923 1.1930
80 1.1938 1.1945 1.1953 1.1960 1.1967 1.1973 1.1980 1.1987 1.1994 1.2001
90 1.2007 1.2013 1.2020 1.2026 1.2032 1.2038 1.2044 1.2049 1.2055 1 2060
100 1.2065
Metode Haspers
RT = Ra + S U T
R1 − R a R 2 − R a
S = ½ +
U1 U2
Tabel 7-4 Standar Variabel (U) untuk Return Periode (T)
T U T U T U T U T U T U
1.00 -1.85 2.00 -0.22 10.00 1.26 30.00 2.27 50.00 2.75 90.00 3.33
1.01 -1.35 2.20 -0.13 11.00 1.35 31.00 2.30 52.00 2.79 92.00 3.35
1.02 -1.28 2.40 -0.04 12.00 1.43 32.00 2.33 54.00 2.83 94.00 3.37
1.03 -1.23 2.60 0.04 13.00 1.50 33.00 2.36 56.00 2.86 96.00 3.39
1.04 -1.19 2.80 0.11 14.00 1.57 34.00 2.39 58.00 2.90 98.00 3.41
1.05 -1.15 3.00 0.17 15.00 1.68 35.00 2.41 60.00 2.93 100 3.43
1.06 -1.12 3.20 0.24 16.00 1.69 36.00 2.44 62.00 2.96 110 3.53
1.08 -1.07 3.40 0.29 17.00 1.74 37.00 2.47 64.00 2.99 120 3.63
1.10 -1.02 3.60 0.34 18.00 1.80 38.00 2.49 66.00 3.02 130 3.70
1.15 -0.93 6.80 0.39 19.00 1.85 39.00 2.51 68.00 3.05 140 3.71
1.20 -0.85 4.00 0.44 20.00 1.89 40.00 2.54 70.00 3.08
1.25 -0.79 4.50 0.55 21.00 1.94 41.00 2.56 72.00 3.11
1.30 -0.73 5.00 0.64 22.00 1.98 42.00 2.59 74.00 3.13
1.35 -0.68 5.50 0.73 23.00 2.02 43.00 2.61 76.00 3.16
1.40 -0.63 6.00 0.81 24.00 2.06 44.00 2.63 78.00 3.18
1.50 -0.54 6.50 0.88 25.00 2.10 45.00 2.65 80.00 3.21
1.60 -0.46 7.00 0.95 26.00 2.13 46.00 2.67 82.00 3.23
1.70 -0.40 7.50 1.01 27.00 2.17 47.00 2.69 84.00 3.26
1.80 -0.33 8.00 1.06 28.00 2.19 48.00 2.71 86.00 3.28
1.90 -0.28 9.00 1.17 29.00 2.24 49.00 2.73 88.00 3.29
Metode Log Pearson Tipe III
Rumus yang digunakan:
n
(LogXi − LogX)2
(Xt) = antilog Log Xt
i =1
Sx =
n −1
n
(LogXi − LogX)3
Cs = i =1