D I R E K T O R A T J E N D E R A L S U M B E R D A Y A A IR
SATUAN KERJA BALAI BENDUNGAN
Gedung Balai Bendungan, Jl. Sapta Taruna Raya Komplek PU Pasar Jumat Jakarta Selatan 12310
BAB 1 PENDAHULUAN..................................................................................................4
1.1 Latar Belakang.....................................................................................................4
1.2 Maksud dan Tujuan..............................................................................................5
1.3 Ruang Lingkup.....................................................................................................5
1.4 Validitas dan keterbatasan...................................................................................5
1.5 Metodologi Analisis Debit Banjir Rencana............................................................5
BAB 2 KETERSEDIAAN DATA.......................................................................................9
2.1 Umum.................................................................................................................. 9
2.2 Data Hujan........................................................................................................... 9
2.2.1 Data Pos Hujan.............................................................................................9
2.2.2 Data Satelit...................................................................................................9
2.3 Data Debit.......................................................................................................... 14
2.4 Data Tinggi Muka Air..........................................................................................14
2.5 Data Teknis Bendungan.....................................................................................15
2.6 Penyaringan Data...............................................................................................15
2.6.1 Uji Outlier....................................................................................................15
2.6.2 Uji Trend.....................................................................................................16
2.6.3 Uji Stabilitas (mean dan variance)...............................................................17
2.6.4 Uji Independensi.........................................................................................18
BAB 3 ANALISIS CURAH HUJAN RENCANA..............................................................19
3.1 Umum................................................................................................................19
3.2 Analisis Frekuensi..............................................................................................19
3.3 Uji Kecocokan Distribusi.....................................................................................33
3.3.1 Uji Chi-Square.............................................................................................34
3.3.2 Kolmogorov-Smirnov...................................................................................34
3.4 Koreksi Hujan Tropical Rainfall Measuring Mission (TRMM)..............................35
3.4.1 Pemeriksaan Data Hujan Bulanan pos hujan dan TRMM...........................35
3.4.2 Koreksi Data Hujan Harian TRMM..............................................................36
3.5 Curah Hujan Wilayah.........................................................................................37
1
3.5.1 Poligon Thiessen.........................................................................................37
3.5.2 Isohiet.........................................................................................................38
3.6 Faktor Reduksi Luas / Areal Reduction Factor (ARF).........................................38
3.6.1 Perbandingan ARF......................................................................................39
3.6.2 Penerapan ARF Jawa dibandingkan dengan nilai ARF sesungguhnya.......40
3.6.3 Penentuan Nilai ARF...................................................................................42
3.7 Durasi dan Distribusi Curah Hujan.....................................................................43
3.7.1 Durasi Hujan...............................................................................................43
3.7.2 Distribusi Hujan...........................................................................................43
3.8 Curah Hujan Maksimum Boleh Jadi (CMB)........................................................52
3.9 Pemilihan distribusi hujan...................................................................................55
BAB 4 ANALISIS DEBIT BANJIR RENCANA................................................................60
4.1 Uraian Umum.....................................................................................................60
4.2 Kehilangan Air....................................................................................................60
4.2.1 Metode NRCS/SCS.....................................................................................60
4.2.2 Penentuan Nilai Curve Number (CN)..........................................................61
4.2.3 Metode Deficit Constant..............................................................................67
4.2.4. Kalibrasi Parameter dan Debit Bangkitan.......................................................68
4.3 Hidrograf Satuan Sintetik...................................................................................69
4.3.1 Metode NRCS/SCS.....................................................................................69
4.3.2 Metode Clark...............................................................................................70
4.4 Aliran Dasar.......................................................................................................70
4.4.1 Linear Reservoir..........................................................................................70
4.4.2 Recession...................................................................................................71
4.5 Penelusuran Banjir.............................................................................................71
4.5.1 Penelusuran Banjir Sungai (Metode Muskingum Cunge)............................71
4.5.2 Penelusuran Banjir Waduk (Metode Storage Indication).............................72
4.6 Evaluasi Debit Banjir Maksimum Boleh Jadi.......................................................73
BAB 5 PEMODELAN HIDROLOGI................................................................................75
5.1 Model Matematik................................................................................................75
5.2 Fungsi Objektif...................................................................................................75
5.2.1 Root Mean Square Error (RMSE)................................................................75
2
5.2.2 Nash Sutcliffe (NS)......................................................................................75
5.2.3 Beda Puncak...............................................................................................76
5.2.4 Prosen Beda Rata Rata..............................................................................77
5.2.5 Nilai Korelasi...............................................................................................77
5.3 Kalibrasi Model...................................................................................................77
5.4 Verifikasi Model..................................................................................................77
BAB 6 STUDI KASUS...................................................................................................79
6.1 Analisis DEbit Banjir Rencana Kasus 1..............................................................79
6.1.1 Pemodelan DAS Bendungan Sutami..........................................................82
6.1.2 Analisis Sensitivitas Parameter Model Hidrologi DAS Bendungan Sutami. .83
6.1.3 Kalibrasi dan Verifikasi Model Hidrologi DAS Bendungan Sutami...............84
6.2 Analisis Debit Banjir Rencana Kasus 2..............................................................85
6.3 Analisis Debit Banjir Rencana Kasus 3..............................................................86
6.3.1 Pemodelan DAS Nanjung...........................................................................90
6.3.2 Analisis Sensitivitas Parameter Model Hidrologi DAS Nanjung...................92
6.3.3 Kalibrasi dan Verifikasi Model Hidrologi DAS Nanjung................................93
6.3.4 Prediksi Debit Banjir Rencana dengan Hujan Rencana 100, 1000 tahun,
CMB, dan 0,5 CMB...................................................................................................94
6.4 Analisis Debit Banjir Rencana Kasus 4..............................................................98
6.5 Analisis Debit Banjir Rencana Kasus 5..............................................................99
6.5.1 Koreksi Hujan TRMM..................................................................................99
6.5.2 Penentuan Nilai CN Berdasarkan Harmonized World Soil Database (HWSD)
113
6.5.3 Prediksi Debit Banjir Berdasarkan Data Kejadian Banjir...........................117
6.6 Analisis Debit Banjir Rencana Kasus...............................................................118
3
BAB 1 PENDAHULUAN
4
wilayah Indonesia ini menjadi sangat penting untuk mendukung analisis debit banjir yang
dapat dipertanggungjawabkan.
Pendekatan yang digunakan dalam Petunjuk Teknis ini adalah model matematik
hubungan hujan-limpasan yang memperhatikan proses kalibrasi parameternya dan diikuti
dengan verifikasi bilamana memungkinkan. Agar proses perhitungan banjir rencana lebih
mudah, disarankan menggunakan perangkat lunak yang ada seperti MIKE-11, HEC-HMS,
SOBEK, dan lain-lain.
5
Tabel 1. Metode perhitungan debit banjir berdasarkan ketersediaan data hidrologi
Kasus Kehilangan air Transformasi Aliran dasar Ketersediaan data
hidrograf Hujan Debit
1 1 atau 2 1 atau 2 1 1 1
2 1 atau 2 1 atau 2 1 2 1
3 1 atau 2 1 atau 2 1 2 2
4 2 1 2 2 -
5 2 1 2 - -
Keterangan 1) Deficit constant 1) SCS 1) Linear 1) Jam-jaman 1) Jam-jaman
reservoir
2) SCS 2) Clark 2) Recession 2) Harian 2) Harian
Kasus 1: Tersedia data hujan jam-jaman dan debit jam-jaman.
Kasus 2: Tersedia data hujan harian dan debit jam-jaman.
Kasus 3: Tersedia data hujan harian dan debit harian.
Kasus 4: Tersedia data hujan harian dan tidak ada pencatatan debit
Kasus 5: Tidak tersedia data hujan dan data debit. (menggunakan data hujan
TRMM)
Secara umum perhitungan debit banjir pada bendungan dapat diklasifikasikan menjadi 2
macam, yaitu (1) perhitungan debit banjir dimana tersedia data debit banjir atau muka air
banjir yang dapat digunakan untuk mengkalibrasi model matematik dan (2) perhitungan
debit banjir dimana tidak tersedia data debit banjir maupun data muka air debit banjir
sehingga hidrograf debit banjir yang diperoleh merupakan hasil prediksi berdasarkan
kondisi fisik daerah aliran sungai. Kerangka pikir perhitungan debit banjir sesuai dengan
klasifikasi di atas disajikan pada Gambar 1 dan 2.
6
Gambar 1. Kerangka pikir perhitungan debit banjir rencana berdasarkan model
matematik terkalibrasi
7
Gambar 2. Kerangka pikir perhitungan debit banjir rencana berdasarkan model
matematik tidak terkalibrasi
Beberapa metode yang dapat digunakan sebagai rujukan dalam pemodelan hidrologi di
dalam Petunjuk Teknis ini mencakup metode untuk perhitungan kehilangan air,
transformasi hidrograf, dan aliran dasar. Untuk menentukan besarnya kehilangan air,
Petunjuk Teknis ini merekomendasikan 2 metode yaitu deficit constant dan SCS / NRCS.
Metode SCS / NRCS juga digunakan sebagai metode transformasi hidrograf. Sedangkan
untuk menentukan besarnya aliran dasar, digunakan metode linear reservoir dan
recession. Sebagaimana diuraikan di atas, bahwa Petunjuk Teknis ini membagi
pemodelan hidrologi dalam 5 studi kasus berdasarkan variasi ketersediaan data hujan
dan debit.
8
BAB 2 KETERSEDIAAN DATA
2.1 UMUM
Ketersediaan data hidrologi dalam suatu DAS sangat mempengaruhi pemilihan
metode/pendekatan analisis debit banjir rencana yang akan digunakan untuk
perencanaan maupun review study bendungan. Data hidrologi yang dimaksud meliputi:
1. Data hujan jam-jam-an dan atau harian,
2. Data debit jam-jam-an dan atau harian,
3. Data tinggi muka air jam-jam-an dan atau harian,
4. Data evaporasi,
5. Data evapotranspirasi
Disamping data hidrologi, diperlukan juga data penunjang lainnya seperti:
1. Peta DEM (Digital Elevation Model),
2. Peta tata guna lahan, tanah, topografi / RBI (Rupa Bumi Indonesia),
3. Data bendungan berupa hubungan elevasi-tampungan, elevasi dan lebar
pelimpah, dimensi outlet, dan sistem pengoperasian (jika menggunakan pintu air).
9
dan baris 4 sebagai Lintang dengan jumlah data ada 6.940 nilai untuk harian dan empat
kalinya untuk 3 jam-an, format data ada pada satu kolom untuk 1 grid.
Secara umum prosedur pemilihan grid untuk sebuah pos hujan atau DAS adalah sebagai
berikut:
1. Gunakan aplikasi Google Earth untuk mencari koordinat pos hujan atau DAS yang
akan dimodelkan.
2. Pilih koordinat TRMM yang mendekati dengan nilai koordinat pos hujan atau DAS
3. Gunakan aplikasi Autocad untuk membuat grid TRMM.
4. Masukkan titik koordinat pos hujan atau DAS dengan cara:
a. Buat lingkaran dengan titik pusatnya adalah titik koordinat pos hujan atau DAS.
b. Ketik circle, kemudian klik sembarang titik untuk memasukkan nilai koordinat
sebagai titik pusat pos hujan atau TRMM.
c. Lakukan prosedur yang sama untuk setiap kordinat TRMM dengan interval
jarak vertikal 0.25° dan interval jarak horizontal 0.25°
d. Hubungkan setiap titik pusat TRMM hingga membentuk grid.
e. Tarik garis di tengah garis hubung antar titik hingga terbentuk grid baru dengan
titik pusatnya adalah kordinat TRMM
Kerangka pikir dari pembuatan grid TRMM disajikan pada gambar di bawah.
Selesai
10
Berikut di bawah ini adalah contoh pemilihan grid untuk DAS Sutami:
1. Buka aplikasi Google Earth
2. Masukkan nama lokasi stasiun hujan atau DAS pada kolom search.
11
3. Secara otomatis Google Earth akan menunjukkan lokasi yang kita masukkan dalam
kolom search.
4. Untuk mendapatkan titik koordinat lokasi yang kita inginkan klik tanda pin (Add
Placemark) pada toolbar di atas, seperti pada gambar di bawah ini.
12
5. Klik add placemark kemudian klik lokasi yang kita ingin ketahui koordinatnya. Nilai
Koordinat akan muncul pada toolbox seperti di bawah ini.
6. Sesuai dengan gambar diatas diperoleh nilai latitude = 8°9'34.89"S , dan longitude =
112°26'49.57"E
7. Pilih koordinat TRMM yang mendekati dengan nilai tersebut yaitu -8.125 , 112.375
8. Buka aplikasi Autocad.
9. Buka file DAS Sutami.
10. Masukkan titik koordinat pos hujan atau DAS dengan cara:
13
a. Buat lingkaran dengan titik pusatnya adalah titik koordinat DAS.
b. Ketik circle, kemudian klik sembarang titik untuk memasukkan nilai koordinat
sebagai titik pusat TRMM.
c. Lakukan prosedur yang sama untuk setiap koordinat TRMM dengan interval jarak
vertikal 0.25° dan interval jarak horizontal 0.25°
d. Hubungkan setiap titik pusat TRMM hingga membentuk grid.
e. Tarik garis di tengah garis hubung antar titik hingga terbentuk grid baru dengan
titik pusatnya adalah koordinat TRMM
11. Hasil akhir dari pembuatan grid tersaji pada gambar dibawah ini.
14
2.5 DATA TEKNIS BENDUNGAN
Data teknis bendungan yang harus disediakan dalam analisis penulusuran banjir di
bendungan, baik bendungan lama maupun bendungan baru, adalah:
1. Hubungan elevasi-tampungan-luas bendungan,
2. Elevasi puncak pelimpah, elevasi tampungan mati,
3. Rating Curve pelimpah dan outlet.
15
Keterangan:
YH,L : Batas (threshold) dari outlier atas dan bawah, dalam logaritma
ý : Nilai rata-rata dari data dalam bentuk logaritma
Kn : Konstanta uji outlier, merupakan fungsi dari jumlah data sampel
sY : Simpangan baku dari data dalam bentuk logaritma
Nilai dari konstanta uji outlier dapat dilihat pada tabel di bawah.
Tabel 2. Nilai konstanta uji outlier
Sample Sample Sample Sample
Kn Kn Kn Kn
size n size n size n size n
10 2,036 24 2,467 38 2,661 60 2,837
11 2,088 25 2,486 39 2,671 65 2,866
12 2,134 26 2,502 40 2,682 70 2,893
13 2,175 27 2,519 41 2,692 75 2,917
14 2,213 28 2,534 42 2,700 80 2,940
15 2,247 29 2,549 43 2,710 85 2,961
16 2,279 30 2,563 44 2,719 90 2,981
17 2,309 31 2,577 45 2,727 95 3,000
18 2,335 32 2,591 46 2,736 100 3,017
19 2,361 33 2,604 47 2,744 110 3,049
20 2,385 34 2,616 48 2,753 120 3,078
21 2,408 35 2,628 49 2,760 130 3,104
22 2,429 36 2,639 50 2,768 140 3,129
23 2,448 37 2,650 55 2,804
16
Uji eksistensi trend dilakukan dengan menggunakan formulasi berikut:
n−2
tt=R sp
√ 1−R2sp
Dimana tt mempunyai distribusi Student’s t dengan derajat kebebasan = n – 2. Distribusi
Student’s t dengan significance level 5% dapat dilihat pada lampiran. Seri data yang diuji
tidak mengandung trend bila memenuhi:
t {v , 2,5 % }< tt< t {v ,97,5 % }
n n 0.5
s= [ ∑ ( xi 2)−( ∑ ( X i ))2/n
i=1 i=1
n−1
0 .5
]
n
s=
Keterangan:
[ ∑ ( xi 2)−n× X 2
i=1
n−1
]
Xi : data pengamatan
n : jumlah total data sampel
x́ : rata-rata nilai data
Data menunjukkan kestabilan varian dengan tingkat kesalahan 5% apabila Ft < F{
v1 , v2 ,97.5%}
17
Pemeriksaan stabilitas mean dilakukan dengan menggunakan uji T (distribusi Student’s t).
Dalam uji ini, seperti halnya uji stabilitas variance, maka data dibagi dua atau tiga sama
besar, kemudian dihitung nilai rata-rata (mean) dari masing-masing sub-sampel tersebut
dan dibandingkan. Kesamaan nilai mean ini diuji secara statistik sebagai berikut:
x´1− x́ 2
t t=
(n¿¿ 1−1) s 12+(n2−1)s 22
√ n1 +n 2−2
×
1 1
( +
n 1 n2)¿
Keterangan:
n : banyaknya data
x́ : nilai rata-rata sub sampel
s : variance
Nilai mean dari sampel dikatakan stabil bila:
∑ ( x i− x́ )2
i=1
18
BAB 3 ANALISIS CURAH HUJAN RENCANA
3.1 UMUM
Banjir merupakan sebuah kejadian ekstrem yang terjadi dalam suatu siklus hidrologi yang
besarnya berbanding terbalik dengan frekuensi kejadiannya. Analisis frekuensi bertujuan
untuk mencari hubungan antara besaran peristiwa-peristiwa ekstrem baik curah hujan
rencana maupun debit banjir rencana dan frekuensi kejadiannya dengan menggunakan
distribusi probabilitas. Beberapa distribusi probabilitas yang umum digunakan dalam
analisis frekuensi adalah distribusi normal, distribusi log normal 2 parameter, distribusi log
normal 3 parameter, distribusi Pearson III, distribusi log Pearson III, distribusi gumbel tipe
I, dan distribusi Generalized Extreme Value (GEV).
Keterangan:
P( x ) : probabilitas terjadinya kejadian yang sama besar atau lebih besar dari x
T : periode ulang rencana (tahun)
Dalam aplikasinya, analisis frekeuensi dapat diterapkan untuk data debit sungai atau data
hujan. Data yang digunakan umumnya adalah data debit atau hujan maksimum tahunan,
yaitu data terbesar yang terjadi selama satu tahun, yang terukur selama beberapa tahun.
Secara umum, analisis frekuensi suatu seri data curah hujan harian maksimum tahunan
memiliki persamaan:
x T =x+k⋅s
Keterangan:
xT : tinggi curah hujan rencana dengan periode ulang T tahun (mm)
x : rata-rata tinggi curah hujan dari seri data yang dimiliki (mm)
19
k : koefisien yang bergantung dari jenis distribusi seri data
s : standar deviasi tinggi curah hujan dari seri data yang dimiliki
Oleh karena rumus umum seperti di atas, maka akurasi dari hasil analisis frekuensi amat
bergantung pada jenis distribusi data yang dimiliki. Pada bagian berikut dibahas
mengenai jenis-jenis distribusi yang umum digunakan dalam analisis frekuensi, yaitu:
Distribusi Normal
Distribusi normal atau distribusi Gauss adalah distribusi yang sering digunakan untuk
analisis frekuensi hujan harian maksimum. Kemungkinan fungsi kerapatannya (probability
density function) ditunjukkan pada persamaan berikut:
−1
1 2
¿¿
P ( x) = e
σ √2 π
Keterangan:
P(x) : peluang terjadinya x
x : variabel acak kontinyu
µ : nilai x rata-rata
σ : standar deviasi nilai x
Nilai dari koefisien distribusi normal yang ditetapkan berdasarkan fungsi periode ulang
dan probabilitasnya dapat dilihat pada tabel di bawah.
Tabel 3. Faktor frekuensi distribusi normal
2 0,500 0,00
5 0,200 0,84
10 0,100 1,28
20 0,050 1,64
50 0,020 2,05
100 0,010 2,33
200 0,005 2,58
500 0,002 2,88
1.000 0,001 3,09
20
2
−1 ln x−μn
P ( x) =
1
e
2( σn )
x σn √ 2 π
Keterangan:
P(x) : peluang terjadinya x
σn : standar deviasi nilai x
μn : nilai x rata-rata
Variasi nilai koefisien distribusi log normal dua parameter, bergantung pada peluang
kumulatif, periode ulang rencana dan koefisien variasi dari data yang dimiliki, dapat dilihat
pada tabel di bawah ini.
Tabel 4. Faktor frekuensi distribusi log normal 2 parameter
Koefisien
Peluang Kumulatif P(%):P(X)
Variasi
50 80 90 95 98 99
(Cv) Periode Ulang (Tahun)
2 5 10 20 50 100
0,05 -0,0250 0,8334 1,2965 1,6863 2,1341 2,4570
0,10 -0,0496 0,8222 1,3078 1,7247 2,2130 2,5489
0,15 -0,0738 0,8085 1,3156 1,7598 2,2899 2,2607
0,20 -0,0971 0,7926 1,3200 1,7911 2,3640 2,7716
0,25 -0,1194 0,7746 1,3209 1,8183 2,4318 2,8805
0,30 -0,1406 0,7647 1,3183 1,8414 2,5015 2,9866
0,35 -0,1604 0,7333 1,3126 1,8602 2,5638 3,0890
0,40 -0,1788 0,7200 1,3037 1,8746 2,6212 3,1870
0,45 -0,1957 0,6870 1,2920 1,8848 2,6731 3,2799
0,50 -0,2111 0,6626 1,2778 1,8909 2,7202 3,3673
0,55 -0,2251 0,6379 1,2613 1,8931 2,7613 3,4488
0,60 -0,2357 0,6129 1,2428 1,8915 2,7971 3,5211
0,65 -0,2185 0,5879 1,2226 1,8866 2,8279 3,3930
0,70 -0,2582 0,5631 1,2011 1,8786 2,8532 3,3663
0,75 -0,2667 0,5387 1,1784 1,8677 2,8735 3,7118
0,80 -0,2739 0,5118 1,1548 1,8543 2,8891 3,7617
0,85 -0,2801 0,4914 1,1306 1,8388 2,9002 3,8056
0,90 -0,2852 0,4686 1,1060 1,8212 2,9071 3,8140
0,95 -0,2895 0,4466 1,0810 1,8021 2,9103 3,8762
1,00 -0,2929 0,4254 1,0560 1,7815 2,9098 3,9035
21
Distribusi Log Normal 3 Parameter
Distribusi log normal tiga parameter merupakan distribusi yang hampir sama dengan log
normal dua parameter, akan tetapi batas bawahnya tidak selalu sama dengan nol
sehingga diperlukan modifikasi parameter dengan batas bawah β. Kemungkinan fungsi
kerapatannya (probability density function) ditunjukkan pada persamaan berikut.
2
−1 ln( x−β )−μn
P ( x) =
1
e
2 ( σn )
ln (x−β ) √ 2 π
Keterangan:
P(x) : peluang terjadinya x
σn : standar deviasi nilai x
μn : nilai x rata-rata
Variasi nilai koefisien distribusi log normal tiga parameter, bergantung pada peluang
kumulatif, periode ulang rencana dan koefisien variasi dari data yang dimiliki, dapat dilihat
pada tabel di bawah ini.
Tabel 5. Faktor frekuensi distribusi log normal 3 parameter
Koefisien
Peluang Kumulatif P(%):P(X&X)
Variasi
50 80 90 95 98 99
(Cv) Periode Ulang (Tahun)
2 5 10 20 50 100
-2,0 0,2366 -0,6144 -1,2437 -1,8916 -2,7943 -3,5196
-1,8 0,2240 -0,6395 -1,2621 -1,8928 -2,7578 -3,4433
-1,6 0,2092 -0,6654 -1,2792 -1,8901 -2,7138 -3,3570
-1,4 0,1920 -0,6920 -1,2943 -1,8827 -2,6615 -3,2601
-1,2 0,1722 -0,7186 -1,3067 -1,8696 -2,6002 -3,1521
-1,0 0,1495 -0,7449 -1,3156 -1,8501 -2,5294 -3,0333
-0,8 0,1241 -0,7700 -1,3201 -1,8235 -2,4492 -2,9043
-0,6 0,0959 -0,7930 -0,3194 -1,7894 -2,3600 -2,7665
-0,4 0,0654 -0,8131 -0,3128 -1,7478 -2,2631 -2,6223
-0,2 0,0332 -0,8296 -0,3002 -1,6993 -2,1602 -2,4745
0,0 0 0 0 0 0 0
0,2 -0,0332 0,8296 0,3002 1,6993 2,1602 2,4745
0,4 -0,0654 0,8131 0,3128 1,7478 2,2631 2,6223
0,6 -0,0959 0,793 0,3194 1,7894 2,3600 2,7665
0,8 -0,1241 0,77 1,3201 1,8235 2,4492 2,9043
1,0 -0,1495 0,7449 1,3156 1,8501 2,5294 3,0333
1,2 -0,1722 0,7186 1,3067 1,8696 2,6002 3,1521
1,4 -0,192 0,692 1,2943 1,8827 2,6615 3,2601
1,6 -0,2092 0,6654 1,2792 1,8901 2,7138 3,3570
22
1,8 -0,224 0,6395 1,2621 1,8928 2,7578 3,4433
2,0 -0,2366 0,6144 1,2437 1,8916 2,7943 3,5196
(Y −Yn)
k=
Sn
Keterangan:
Yn : nilai rata-rata dari reduced variant
Sn : deviasi standar nilai variant
Nilai dari Yn dan Sn, bergantung dari panjang data yang dimiliki, dapat dilihat pada tabel
di bawah ini.
Tabel 6. Reduced mean, Yn
N 0 1 2 3 4 5 6 7 8 9
0,499 0,503 0,515 0,518
10 0,4952 0,507 0,51 0,5128 0,5202 0,522
6 5 7 1
0,525 0,526 0,529 0,533
20 0,5236 0,5283 0,5309 0,532 0,5343 0,5353
2 8 6 2
0,537 0,839 0,541
30 0,5326 0,538 0,5388 0,5403 0,541 0,5424 0,5436
1 6 8
0,544 0,544 0,545 0,546 0,547
40 0,5436 0,5453 0,5463 0,5477 0,5481
2 8 8 8 3
0,548 0,549 0,550 0,550 0,551
50 0,5485 0,5497 0,5504 0,5515 0,5518
9 3 1 8 1
0,552 0,552 0,553 0,553
60 0,5521 0,553 0,5535 0,554 0,5543 0,5545
4 7 3 8
0,555 0,555 0,556 0,556
70 0,5548 0,555 0,5555 0,5559 0,5565 0,5567
2 7 1 3
0,557 0,557 0,558
80 0,5569 0,557 0,5574 0,5578 0,558 0,5583 0,5585
2 6 1
0,558 0,558 0,559 0,559 0,559
90 0,5586 0,5591 0,5593 0,5598 0,5599
7 9 2 5 6
23
10 0,560 0,560 0,560 0,560 0,560
0,56 0,5604 0,5607 0,561 0,5611
0 2 3 6 8 9
24
Keterangan:
P(x) : peluang terjadinya x
a,b,c : parameter
Γ : fungsi gamma
Nilai koefisien distribusi kedua metode ini ditentukan tidak hanya dari derajat kepercayaan
dan periode ulang rencana, tetapi juga koefisien kecondongan dari seri data yang ada,
seperti dapat dilihat pada tabel di bawah ini.
2 5 10 25 50 100 200
Koef. G Presentase Peluang Terlampaui
50 20 10 4 2 1 0.5
1,18 4,05
3,0 -0,396 0,420 2,278 3,152 4,970
0 1
1,21 3,97
2,8 -0,384 0,460 2,275 3,114 4,847
0 3
1,23 3,88
2,6 -0,368 0,499 2,267 3,071 4,718
8 9
1,26 3,80
2,4 -0,351 0,537 2,256 3,023 4,584
2 0
1,28 3,70
2,2 -0,330 0,574 2,240 2,970 4,444
4 5
1,30 3,60
2,0 -0,307 0,609 2,219 2,912 4,298
2 5
1,31 3,49
1,8 -0,282 0,643 2,193 2,848 4,147
8 9
1,32 3,38
1,6 -0,254 0,675 2,163 2,780 3,990
9 8
1,33 3,27
1,4 -0,225 0,705 2,128 2,706 3,828
7 1
1,2 -0,195 0,732 1,34 2,087 2,626 3,14 3,661
25
0 9
1,34 3,02
1,0 -0,164 0,758 2,043 2,542 3,489
0 2
1,33 2,89
0,8 -0,132 0,780 1,993 2,453 3,312
6 1
1,32 2,75
0,6 -0,099 0,800 1,939 2,359 3,132
8 5
1,31 2,61
0,4 -0,066 0,816 1,880 2,261 2,949
7 5
1,30 2,47
0,2 -0,033 0,830 1,818 2,159 2,763
1 2
1,28 2,32
0,0 0,000 0,842 1,751 2,054 2,576
2 6
1,25 2,17
-0,2 0,033 0,850 1,680 1,945 2,388
8 8
1,23 2,02
-0,4 0,066 0,855 1,606 1,834 2,201
1 9
1,20 1,88
-0,6 0,099 0,857 1,528 1,720 2,016
0 0
1,16 1,73
-0,8 0,132 0,856 1,448 1,606 1,837
6 3
1,12 1,58
-1,0 0,164 0,852 1,366 1,492 1,664
8 8
1,08 1,44
-1,2 0,195 0,844 1,282 1,379 1,501
6 9
1,04 1,31
-1,4 0,225 0,832 1,198 1,270 1,351
1 8
0,99 1,19
-1,6 0,254 0,817 1,116 1,166 1,216
4 7
0,94 1,08
-1,8 0,282 0,799 1,035 1,069 1,097
5 7
0,89 0,99
-2,0 0,307 0,777 0,959 0,980 0,995
5 0
0,84 0,90
-2,2 0,330 0,752 0,888 0,900 0,907
4 5
0,79 0,83
-2,4 0,351 0,725 0,823 0,830 0,833
5 2
0,74 0,76
-2,6 0,376 0,696 0,764 0,768 0,769
7 9
0,70 0,71
-2,8 0,384 0,666 0,712 0,714 0,714
2 4
0,66 0,66
-3,0 0,396 0,636 0,666 0,666 0,667
6 7
26
Tabel 9. Nilai koefisien distribusi Log Pearson III
Interval kejadian tahun (periode ulang)
2 5 10 25 50 100 200
Koef. G Presentase Peluang Terlampaui
50 20 10 4 2 1 0.5
3,15
3,0 -0,396 0,42 1,18 2,278 4,051 -0,396
2
3,11
2,8 -0,384 0,46 1,21 2,275 3,973 -0,384
4
3,07
2,6 -0,368 0,499 1,238 2,267 2,889 -0,368
1
3,02
2,4 -0,351 0,537 1,262 2,256 3,8 -0,351
3
2,2 -0,33 0,574 1,284 2,24 2,97 3,705 -0,33
2,19
2,0 -0,307 0,609 1,302 2,219 3,605 -0,307
2
2,84
1,8 -0,282 0,643 1,318 2,193 3,499 -0,282
8
1,6 -0,254 0,675 1,329 2,163 2,78 3,388 -0,254
2,70
1,4 -0,225 0,705 1,337 2,128 3,271 -0,225
6
2,62
1,2 -0,195 0,732 1,34 2,087 3,149 -0,195
6
2,54
1,0 -0,164 0,758 1,34 2,043 3,022 -0,164
2
2,45
0,8 -0,132 0,78 1,336 1,993 2,891 -0,132
3
2,35
0,6 -0,099 0,8 1,328 1,939 2,755 -0,099
9
2,26
0,4 -0,066 0,816 1,317 1,88 2,615 -0,066
1
2,15
0,2 -0,033 0,83 1,301 1,818 2,472 -0,033
9
2,05
0,0 0 0,842 1,282 1,751 2,326 0
1
1,94
-0,2 0,033 0,85 1,258 1,68 2,178 0,033
5
1,84
-0,4 0,066 0,855 1,231 1,606 2,029 0,066
3
-0,6 0,099 0,857 1,2 1,528 1,72 1,88 0,099
1,60
-0,8 0,132 0,856 1,166 1,448 1,733 0,132
6
1,49
-1,0 0,164 0,852 1,128 1,366 1,588 0,164
2
27
1,37
-1,2 0,195 0,844 1,086 1,282 1,449 0,195
9
-1,4 0,225 0,832 1,041 1,198 1,27 1,318 0,225
1,16
-1,6 0,254 0,817 0,994 1,116 1,197 0,254
6
1,06
-1,8 0,282 0,799 0,945 1,035 1,087 0,282
9
-2,0 0,307 0,777 0,895 0,959 0,98 0,99 0,307
-2,2 0,33 0,752 0,844 0,888 0,9 0,905 0,33
-2,4 0,351 0,725 0,795 0,823 0,83 0,832 0,351
0,76
-2,6 0,368 0,696 0,747 0,764 0,769 0,368
8
0,71
-2,8 0,384 0,666 0,702 0,712 0,714 0,384
4
0,66
-3,0 0,396 0,636 0,66 0,666 0,667 0,396
6
Untuk
( x−μ )
1+k >0
σ
Untuk k = 0, maka
28
Distribusi probabilitas GEV ini telah banyak digunakan di berbagai negara baik di benua
Asia, Eropa, Amerika, maupun Australia dan diakui sebagai distribusi probabilitas yang
paling akurat dalam memprediksi nilai ekstrem. Untuk memudahkan perhitungan nilai
ekstrem berdasarkan distribusi GEV, direkomendasikan digunakan perangkat lunak
seperti dilampirkan dalam Petunjuk Teknis ini.
Secara umum prosedur memperoleh data curah hujan maksimum harian tahunan.
1. Buka data hujan harian pada pos hujan terpilih.
2. Gunakan formula =max(seluruh data hujan pada tahun yang ditinjau) untuk
memperoleh nilai hujan harian maksimum tahunan.
3. Baca nilai curah hujan harian maksimum tahunan.
BULAN
TANGGAL TAHUNAN
Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des
21 11 1 10 44 0 0 19 0 31 9 0 10 135
22 5 0 41 1 0 0 0 0 0 2 6 74 129
23 0 23 62 5 0 0 0 0 54 5 3 0 152
24 1 0 7 0 7 0 48 23 1 1 0 0 88
25 0 3 0 0 46 5 5 1 5 2 22 0 89
26 1 1 3 0 0 0 0 0 38 49 45 18 155
27 0 46 0 0 0 0 2 0 15 0 9 25 97
28 0 17 34 0 0 1 21 0 7 36 13 14 143
29 0 0 11 0 16 0 0 27 20 0 1 75
30 0 0 0 3 0 0 0 16 47 0 7 73
31 0 2 0 0 0 31 9 42
Hujan Max 52 46 79 55 52 61 48 67 54 49 45 74 79
4. Ulangi langkah 2 untuk mencari nilai hujan harian maksimum tahunan pada tahun
selanjutnya sampai pada jangka waktu yang diinginkan, minimal 10 tahun panjang
data.
5. Rangkum data hujan harian maksimum tahunan.
29
30
Secara umum prosedur menghitung curah hujan rencana menggunakan aplikasi SMADA-
DISTRIB adalah sebagai berikut.
1. Buka aplikasi Distrib 2.20.exe dalam folder SMADA
2. Masukkan data curah hujan harian maksimum tahunan pada kolom data.
31
3. Tentukan periode ulang yang diinginkan dengan mengubah nilai probabilitas
kejadian pada kolom prob menggunakan rumus dibawah ini.
1
Probabilitas=1−
periode ulang
4. Pilih pola distribusi yang diinginkan (Normal, Log Normal 2 Parameter, Log Normal
3 Parameter, Pearson III, Log Pearson 3, Gumbel, Generalized Extreme Value)
5. Curah hujan rencana dengan periode ulang tertentu akan tersaji pada kolom
prediction bagian bawah.
32
Contoh perhitungan curah hujan rencana dengan aplikasi SMADA-DISTRIB.
Berikut ini terlampir data curah hujan harian maksimum tahunan dari Stasiun Chinchona.
33
2. Masukkan data curah hujan harian maksimum tahunan pada kolom data.
4. Pilih pola distribusi yang diinginkan (normal, log normal 2 parameter, log normal 3
parameter, pearson III, log pearson 3, gumbel, Generalized Extreme Value).
5. Curah hujan rencana dengan periode ulang tertentu akan tersaji pada kolom
prediction bagian bawah.
34
6. Copy hasil curah hujan rencana yang tampil pada kolom Prediction dengan
periode ulang tertera pada kolom R Period ke dalam excel
7. Ulangi langkah nomor 4 untuk mendapatkan curah hujan rencana dengan pola
distribusi lain.
8. Rangkum data curah hujan rencana dari berbagai pola distribusi.
35
3.3.1 Uji Chi-Square
Metode ini menganggap pengamatan membentuk variabel acak dan dilakukan secara
statistik dengan mengikuti kurva distribusi chi square dengan derajat kebebasan k-p-1,
dengan p merupakan jumlah parameter yang diestimasi dari daya. Uji statistik ini
berdasarkan pada bobot jumlah kuadrat perbedaan antara pengamatan dan teoritisnya
yang dibagi dalam kelompok kelas. Uji kecocokan ini dapat dilihat pada persamaan di
bawah ini.
(Oi −Ei )2
X
k
i=1 Ei
Keterangan:
X : parameter chi square terhitung
K : jumlah sub kelompok
Oi : jumlah nilai pengamatan pada sub kelompok ke i
Ei : jumlah nilai teoritis pada sub kelompok ke i
Jika hasil X besar menunjukkan bahwa distribusi yang dipilih tidak cocok, tetapi uji ini
dapat memberikan hasil yang baik jika mempunyai data yang panjang. Akan lebih baik
jika jumlah data n lebih besar atau sama dengan 50 tahun dengan jumlah kelas interval
lebih besar sama dengan 5.
3.3.2 Kolmogorov-Smirnov
Untuk menghindarkan hilangnya informasi data pada uji Chi-Square akibat
pengelompokan data dalam kelas-kelas interval, ada beberapa metode lain yang telah
dikembangkan. Salah satu metode yang sering digunakan adalah metode Kolmogorov-
Smirnov (1993). Uji kecocokan ini adalah uji kecocokan non-parametric karena tidak
mengikuti distribusi tertentu. Uji ini menghitung besarnya jarak maksimum secara vertikal
antara pengamatan dan teoritisnya dari distribusi sampelnya. Perbedaan jarak maksimum
untuk Kolmogorov-Smirnov tertera pada persamaan di bawah ini.
Dn=max|P( x)−P o( x )|
Keterangan:
Dn : jarak vertikal maksimum antara pengamatan dan teoritisnya
P(x) : probabilitas dari sampel data
Po(x) : probabilitas dari teoritisnya
Distribusi dikatakan cocok jika nilai Dn< D kritisnya pada derajat kepercayaan yang
diinginkan. Jika Δ < Δkritis sesuai harga kritis uji Kolmogorov-Smirnov seperti tabel di
bawah maka distribusi teoritisnya dapat diterima dan sebaliknya.
36
Tabel 10. Harga kritis Kolmogorov-Smirnov
α
n
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
>5 1,07 1,22 1,36 1,63
0 √n √n √n √n
Keterangan: :
α : significant level.
n : jumlah data.
37
5. Hitung nilai koefisien korelasi hujan bulanan pos hujan terhadap hujan TRMM
(nilai koefisien korelasi > 0,6).
6. Jika nilai koefisien korelasi < 0,6 maka pos hujan tersebut tidak dapat digunakan
untuk perhitungan debit banjir pada bendungan.
Secara umum prosedur pemilihan pos hujan dan koreksi data hujan harian TRMM
disajikan pada Gambar 5.
38
Gambar 5. Prosedur koreksi data hujan harian TRMM
39
Metode ini memberikan proporsi luasan daerah pengaruh pos penakar hujan untuk
mengakomodasi ketidakseragaman jarak. Meskipun belum dapat memberikan bobot yang
tepat sebagai sumbangan satu pos untuk hujan wilayah, metode ini telah memberikan
bobot tertentu kepada masing-masing pos sebagai fungsi jarak pos hujan. Hujan rata-rata
daerah untuk poligon Thiessen dihitung dengan persamaan berikut:
n
∑ Pi A i
P= i=1n
∑ Ai
i=1
Keterangan:
P : curah hujan wilayah (mm)
Pi : curah hujan di titik pos hujan (mm)
Ai : luas daerah pengaruh masing-masing data hujan (km2)
n : jumlah pos curah hujan
3.5.2 Isohiet
Selain poligon Thiessen juga dapat digunakan metode Isohiet untuk memperkirakan hujan
rata-rata, tertutama pada waktu menerapkan hujan dengan berbagai periode ulang 100,
1000 tahun, dan PMP (Probable Maximum Precipitation) yang dikeluarkan oleh Balai
Bendungan
40
negara yang berada di iklim subtropis dan sangat minim sekali untuk wilayah yang berada
di negara tropis seperti Indonesia. Beberapa negara seperti USA, Australia, dan beberapa
negara di Eropa membuat ARF dengan berbagai pendekatan tergantung dari
ketersediaan data yang dimiliki.
Secara umum, ARF menunjukkan rasio antara hujan wilayah dan hujan titik yang
diperoleh pada periode waktu yang sama. Besaran ARF sebanding dengan luas area,
semakin besar luas area semakin kecil faktor reduksi. Semakin luas area semakin jarang
terjadinya hujan homogen atau merata, tetapi semakin kecil area akan semakin merata
hujan yang terjadi. Oleh karena itu luas area yang kecil akan mempunyai faktor reduksi
mendekati 1 (satu). Khusus dalam Petunjuk Teknis ini, besarnya nilai ARF yang
digunakan adalah nilai ARF yang merupakan hasil studi yang dilakukan di Pulau Jawa
seperti tersaji pada Gambar 8 di bawah ini.
1.000
0.950
0.900
0.850
0.800
ARF
0.750
0.700
0.650
0.600
0.550
0.500
0 1000 2000 3000 4000 5000
Luas (km2)
1 harian 2 harian 3 harian
41
1
0.9
0.8
ARF
0.7
0.6
0.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Luas Wilayah (km2)
1
0.95
0.9
0.85
0.8
ARF
0.75
0.7
0.65
0.6
0.55
0.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Luas (km2)
42
1
0.95
0.9
0.85
0.8
ARF
0.75
0.7
0.65
0.6
0.55
0.5
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Luas (km2)
Dari hasil perhitungan didapat bahwa ARF Jawa memiliki nilai yang lebih besar daripada
ARF sesungguhnya, maka ARF Jawa aman untuk digunakan.
43
3.6.3 Penentuan Nilai ARF
Mulai
Selesai
Contoh: DAS Sutami dengan luas 2214,044 km2 memiliki nilai ARF sebesar 0,604.
0.95
0.9
0.85
0.8
ARF
0.75
0.7
0.65
0.6
0.55
0.5
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Luas (km2)
ARF Jawa
44
3.7 DURASI DAN DISTRIBUSI CURAH HUJAN
Penentuan distribusi hujan rencana merupakan hal yang sangat bervariasi dan sensitif
pada lokasi studi. Distribusi yang dimaksud di sini merupakan distribusi secara temporal
(besaran hujan setiap waktu pada ketelitian harian, jam-jaman atau bahkan menitan),
bukan distribusi secara spasial. Oleh sebab itu perlu dilakukan proses verifikasi pada
suatu daerah sebelum dapat menggunakan pola-pola distribusi yang ada. Perbedaan pola
distribusi curah hujan rencana dapat menghasilkan distribusi debit banjir yang berbeda
juga. Jika pada sebuah daerah studi / pekerjaan tidak tersedia data curah hujan dengan
durasi pendek, maka dapat digunakan data curah hujan berdurasi pendek pada lokasi
terdekat dengan lokasi studi. Terdapat tiga jenis distribusi hujan yang dapat digunakan:
distribusi hujan PSA 007, distribusi hujan NRCS / SCS, dan distribusi hujan Huff-1.
45
PSA 007 juga dianjurkan dalam dokumen ‘Petunjuk Teknis Perhitungan Banjir Desain
Bendungan’ dan ‘Panduan Perencanaan Bendungan Urugan, Volume II Analisis Hidrologi
Bab 3’. Terdapat beberapa versi dari distribusi curah hujan berdasarkan PSA 007, namun
secara umum distribusinya terjadi sesuai tabel di bawah ini.
Tabel 12. Distribusi curah hujan 24 jam pada berbagai periode ulang
Periode Ulang Durasi Hujan [Jam]
Tahun 1/2 3/4 1 2 3 6 12 24
5 32 41 48 59 66 78 88 100
10 30 38 45 57 64 76 88 100
25 28 36 43 55 63 75 88 100
50 27 35 42 53 61 73 88 100
100 26 34 41 52 60 72 88 100
1000 25 32 39 49 57 69 88 100
CMB 20 27 34 45 52 64 88 100
Curah Hujan
Kumulatif (%) 33 45 54 60 65 69 76 86 92 97 100
Bentuk distribusi curah hujan PSA 007 biasanya didistribusikan dengan bentuk lonceng
(bell shaped) dan dapat diterjemahkan terhadap durasi hujan yang lain, dengan contoh
sebagai berikut:
46
4. Pada jam keempat di distribusi 6 jam, rasio waktu tersebut terhadap
panjang waktu total adalah 4/6. Pada rasio yang sama di distribusi 24 jam,
waktu tersebut dapat diterjemahkan menjadi jam keenam belas. Melalui
rasio tersebut, diketahui bahwa pada jam keempat distribusi 6 jam, telah
turun hujan sebanyak 92% dari hujan total, atau 6% antara jam ketiga dan
jam keempat. Proporsi 6% ini kemudian didistribusikan pada jam kelima
dengan tujuan untuk memberikan efek resesi dari hujan jam keempat.
5. Pada jam kelima di distribusi 6 jam, rasio waktu tersebut terhadap panjang
waktu total adalah 5/6. Pada rasio yang sama di distribusi 24 jam, waktu
tersebut dapat diterjemahkan menjadi jam kedua puluh. Melalui rasio
tersebut, diketahui bahwa pada jam kelima distribusi 6 jam, telah turun
hujan sebanyak 97% dari hujan total, atau 5% antara jam keempat dan jam
kelima. Proporsi 5% ini kemudian didistribusikan pada jam pertama, di
sebelah jam kedua untuk memberikan efek naik menuju hujan jam kedua.
6. Pada jam keenam di distribusi 6 jam, rasio waktu tersebut terhadap
panjang waktu total adalah 6/6. Pada rasio yang sama di distribusi 24 jam,
waktu tersebut dapat diterjemahkan menjadi jam kedua puluh empat.
Melalui rasio tersebut, diketahui bahwa pada jam keenam distribusi 6 jam,
telah turun hujan sebanyak 100% dari hujan total, atau 3% antara jam
kelima dan jam keenam. Proporsi 3% ini kemudian didistribusikan pada
jam keenam, di sebelah jam kelima untuk memberikan efek resesi dari
hujan jam kelima.
Dari uraian di atas, didapatkan hujan tiap jam pada durasi 6 jam sebagai
berikut:
Tabel 14. Distribusi curah hujan 6 jam
Durasi Hujan (jam) 1 2 3 4 5 6
Curah Hujan
Kumulatif (%) 5 15 75 91 97 100
47
Gambar 15. Distribusi hujan kumulatif PSA007
48
Tabel 15. Distribusi hujan kumulatif PSA 007
Distribusi PSA 007
R/Rt
Jam ke-
6 jam 12 jam 24 jam
0 0.0000 0.0000 0.0000
1 0.0500 0.0200 0.0075
2 0.1500 0.0400 0.0150
3 0.7500 0.0700 0.0275
4 0.9100 0.1200 0.0400
5 0.9700 0.2100 0.0550
6 1.0000 0.6600 0.0700
7 0.8100 0.0950
8 0.8800 0.1200
9 0.9300 0.1550
10 0.9600 0.2050
11 0.9900 0.2950
12 1.0000 0.6250
13 0.7450
14 0.8050
15 0.8450
16 0.8800
17 0.9050
18 0.9300
19 0.9450
20 0.9600
21 0.9725
22 0.9850
23 0.9925
24 1.0000
49
Gambar 16. Distribusi curah hujan 6 Jam
50
3.7.2.2 Distribusi Hujan NRCS/SCS
Distribusi hujan NRCS/SCS merupakan distribusi hujan yang diturunkan di seluruh daerah
di Amerika Serikat oleh The U.S. Department of Agriculture, Soil Conservation Service
pada tahun 1986. Pada awalnya, pola distribusi curah hujan SCS dikembangkan terhadap
dua buah durasi hujan, yaitu 6 jam dan 24 jam. Terdapat empat jenis distribusi
NRCS/SCS yang secara umum disebut distribusi NRCS/SCS tipe I, distribusi NRCS/SCS
tipe IA, distribusi NRCS/SCS tipe II, dan distribusi NRCS/SCS tipe III. Berdasarkan buku
Applied Hydrology karangan Ven Te Chow, berikut distribusi SCS masing-masing tipe.
51
Tabel 16. Distribusi Hujan Kumulatif NRCS/SCS
R/Rt
t/24
SCS I SCS IA SCS II SCS III
0.0000 0 0 0 0
0.0833 3.5 5 2.2 2
0.1667 7.6 11.6 4.8 4.3
0.2500 12.5 20.6 8 7.2
0.2917 15.6 26.8 9.8 8.9
0.3333 19.4 42.5 12 11.5
0.3542 21.9 48 13.3 13
0.3750 25.4 52 14.7 14.8
0.3958 30.3 55 16.3 16.7
0.4063 36.2 56.4 17.2 17.8
0.4167 51.5 57.7 18.1 18.9
0.4375 58.3 60.1 20.4 21.6
0.4583 62.4 62.4 23.5 25
0.4792 65.4 64.5 28.3 29.8
0.4896 66.9 65.5 35.7 33.9
0.5000 68.2 66.4 66.3 50
0.5208 70.6 68.3 73.5 70.2
0.5417 72.7 70.1 77.2 75.1
0.5625 74.8 71.9 79.9 78.5
0.5833 76.7 73.6 82 81.1
0.6667 83 80 88 88.6
0.8333 92.6 90.6 95.2 95.7
1.0000 100 100 100 100
52
Gambar 20. Distribusi hujan kumulatif Huff-1
53
3.8 CURAH HUJAN MAKSIMUM BOLEH JADI (CMB)
Curah hujan maksimum boleh jadi didefinisikan sebagai tinggi terbesar hujan dengan
durasi tertentu yang secara meteorologis dimungkinkan bagi suatu daerah pengaliran
dalam suatu waktu dalam tahun, tanpa adanya kelonggaran yang dibuat untuk trend
klimatologis jangka panjang.
Rumus yang digunakan oleh HERSHFIELD didasarkan atas persamaan frekuensi umum,
yaitu:
X m= X́ n+ K m Sn
Dengan
XT = curah hujan maksimum yang tercatat
Hujan yang jarang terjadi (outlier) dapat mempengaruhi X́ ndan sn deret data tahunan
(annual series). Besarnya pengaruh tersebut menjadi berkurang untuk data panjang,
54
tetapi menjadi besar pada data yang pendek. Gambar di bawah ini dibuat oleh
HERSHFIELD untuk menyesuaikan besarnya X́ n dan sn sebagai kompensasi dengan
adanya outlier tersebut.
55
Gambar 24. Lengkung reduksi luas
56
3.9 PEMILIHAN DISTRIBUSI HUJAN
1. Pilih pos hujan yang memiliki data hujan jam-jaman. Dalam hal ini pos hujan DAS Sutami yang
dapat digunakan adalah pos hujan Pujon, Dampit, Poncokusumo, dan Sengguruh.
2. Rangkum nilai hujan jam jaman yang memiliki nilai kumulatif terbesar untuk durasi hujan yang
sama.
3. Kumulatifkan data hujan jam-jaman.
57
4. Ubah tinggi hujan kumulatif menjadi persentase hujan kumulatif.
Jam ke-
Pos Hujan
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Tinggi Hujan (mm) 0 3 16 14 13 6 6 2 13 21 5 6 3 2 3 4
Pujon Kumulatif (mm) 0 3 19 33 46 52 58 60 73 94 99 105 108 110 113 117
Bobot (%) 0 2.6 16.2 28.2 39.3 44.4 49.6 51.3 62.4 80.3 84.6 89.7 92.3 94.0 96.6 100.0
Tinggi Hujan (mm) 0 34 16 20 34 38 22 20 14 2 2 8
Dampit Kumulatif (mm) 0 34 50 70 104 142 164 184 198 200 202 210
Bobot (%) 0 16.2 23.8 33.3 49.5 67.6 78.1 87.6 94.3 95.2 96.2 100.0
Tinggi Hujan (mm) 0 19 10 7 10 15 8 7 4
Poncokusumo Kumulatif (mm) 0 19 29 36 46 61 69 76 80
Bobot (%) 0 23.8 36.3 45.0 57.5 76.3 86.3 95.0 100.0
Tinggi Hujan (mm) 0 51 18 23 28 21 11 12 6
Sengguruh Kumulatif (mm) 0 51 69 92 120 141 152 164 170
Bobot (%) 0 30.0 40.6 54.1 70.6 82.9 89.4 96.5 100.0
6. Lakukan dengan prosedur yang sama untuk data TRMM 3 jam-an DAS Sutami.
7. Plot distribusi hujan pada DAS Sutami pada masing masing grafik distribusi hujan PSA 007,
Huff-1, dan SCS.
58
59
60
8. Diketehui bahwa curah hujan DAS Sutami mengikuti pola distribusi SCS tipe 1A dengan durasi
12 jam.
61
BAB 4 ANALISIS DEBIT BANJIR RENCANA
( P− I a )2
Pe =
{ P −I a + S }
I a= λ . S
25400−254 CN
S= { CN }
Keterangan :
Pe : kelebihan hujan kumulatif (mm)
P : hujan kumulatif (mm)
Ia : kehilangan awal air (mm)
S : potensi tampungan di dalam DAS (mm)
λ : koefisien
62
CN : Curve Number
Hubungan Ia dan S diturunkan secara empiris dimana nilai λ diambil sebesar 0,2.
Sehingga pada DAS yang berbeda nilai λ dapat berbeda-beda.
Untuk DAS dengan sub-DASyang memiliki jenis tanah dan tutupan lahan yang berbeda,
maka nilai komposit CN ditentukan berdasarkan :
CN 1 A1 +CN 2 A 2+ …+CN i Ai …+CN n A n
CN c = n
∑ Ai
i=1
Keterangan :
CNi : nilai CN pada sub-DAS i,
Ai : luas pada sub-DAS i, dan
n : jumlah sub-DAS.
Penentuan nilai CN dimulai dengan pengumpulan data. Untuk menentukan jenis tanah,
peta yang diperlukan adalah peta tanah. Peta tanah yang digunakan adalah Peta
Harmonized World Soil Database (HWSD).
63
2. Pada tautan Download Data Only unduh data raster.
3. Buka data pada aplikasi berbasis GIS, data tersebut memuat peta global HWSD.
4. Masukkan DAS terpilih pada peta HWSD dalam aplikasi berbasis GIS.
5. Lihat informasi jenis tanah dengan kode GRIDCODE pada DAS terpilih dalam
aplikasi berbasis GIS.
6. Buka aplikasi Harmonized World Soil Database v 1.2.
7. Cari informasi Soil Mapping Unit yang sesuai dengan GRIDCODE pada lokasi
DAS terpilih.
8. Gunakan informasi tekstur tanah Dominant Soil pada baris Topsoil USDA Texture
Classification.
9. Ubah informasi tekstur tanah menjadi HSG dari tabel klasifikasi tanah USDA (lihat
Tabel 18).
10. Pilih kondisi vegetasi dan penggunaan lahan dari peta tutupan lahan yang
tersedia, lalu sesuaikan dengan HSG yang telah ditentukan.
11. Gunakan nilai CN yang didapat dari Tabel 19.
12. Untuk DAS dengan sub-DAS yang memiliki jenis tanah dan tutupan lahan yang
berbeda, maka hitung nilai komposit CN.
64
Mulai
Penentuan Nilai CN
Selesai
Hydrologic Soil Group (HSG) menurut NRCS dibagi menjadi empat kelas, yaitu A,
B, C, dan D. Kriteria pengelompokan HSG menurut USDA adalah sebagai berikut :
Tabel 18. Nilai HSG Berdasarkan Klasifikasi Tanah USDA
HS
Tekstur Tanah
G
A Sand, loamy sand or sandy loam
B Silt or loam
C Sandy clay loam
D Clay loam, silt clay loam, sandy clay or clay
Nilai CN diambil dari tabel Klasifikasi Nilai CN Berdasarkan HSG. Kondisi vegetasi
(Hydrologic Conditions/% impervious area) dan penggunaan lahan diambil dari peta
tutupan lahan yang tersedia, lalu sesuaikan dengan HSG yang telah ditentukan (lihat
Tabel 18).
65
Tabel 19. Klasifikasi Nilai CN Berdasarkan HSG
Hydrologic Hydrologic Soil Groups
Conditions/%
No Land Use Description/Treatment
impervious A B C D
area
Urban
1 Residential:
Average lot size 1/8 acre or less 65 77 85 90 92
1/4 acre 38 61 75 83 87
1/3 acre 30 57 72 81 86
1/2 acre 25 54 70 80 85
1 acre 20 51 68 79 84
2 acre 12 46 65 77 8
Paved parking lots, roofs,
driveways, etc. (excluding ri_ght- 98 98 98 98
2 of-way)
3 Streets and roads:
Paved with crurbs and storm
98 98 98 98
sewers (excluding right-of-way)
Paven, open ditch
82 89 92 93
(including right-of-way)
Gravel (including right-of-way) 76 85 89 91
Dirt (including (right-of-way) 72 82 87 89
4 Western desert areas:
Natural desert landscaping
63 77 85 88
(pervious areas only)
Artificial desert landscaping
(impervious weed barrier, desert
96 96 96 96
shrub with 1-2 inch sand or gravel
mulch and basin borders)
5 Urban districts:
Commercial and business areas 85 89 92 94 95
Industrial districts 72 81 88 91 93
6 Developing areas:
Newly graded areas
(pervious areas only, no 77 86 91 94
vegetation)
Idle lands
Open spaces, lawns, parks, gold
7 courses, cemetries, etc.
Grass cover on 75% or more of the
Good 36 61 74 80
area
Grass cover on 50% to 75% of the
Fair 49 69 79 84
area
66
Tabel 20. Klasifikasi Nilai CN Berdasarkan HSG (Lanjutan)
Hydrologic Hydrologic Soil Groups
Conditions/%
No Land Use Description/Treatment
impervious A B C D
area
Agricultural
Cultivated lands:
8 Fallow:
Bare soil Straight row 77 86 91 94
Crop residue cover Poor 76 85 90 93
9 Row crops
Straight row Poor 72 81 88 91
Straight row Good 67 78 85 89
Crop residue cover Straight row Poor 71 80 87 90
Crop residue cover Straight row Good 64 75 82 85
Contoured Poor 70 79 84 88
Contoured Good 65 75 82 86
Crop residue cover Contoured Poor 69 78 83 87
Crop residue cover Contoured Good 64 74 81 85
Contoured & terraced Poor 66 74 80 82
Contoured & terraced Good 62 71 78 81
Crop residue cover Contoured &
Poor 65 73 79 81
terraced
Crop residue cover Contoured &
Good 61 70 77 80
terraced
10 Small grain:
Straight row Poor 65 76 84 88
Straight row Good 63 75 83 87
Crop residue cover Straight row Poor 64 75 83 86
Crop residue cover Straight row Good 60 72 80 84
Contoured Poor 63 74 82 85
Contoured Good 61 73 81 84
Crop residue cover Contoured Poor 62 73 81 84
Crop residue cover Contoured Good 60 72 80 83
Contoured & terraced Poor 61 72 79 82
Contoured & terraced Good 59 70 78 81
Crop residue cover Contoured &
Poor 60 71 78 81
terraced
Crop residue cover Contoured &
Good 58 69 77 80
terraced
67
Hydrologic Hydrologic Soil Groups
Conditions/%
No Land Use Description/Treatment
impervious A B C D
area
Close-seeded legumes or rotation
11 meadow
Straight row Poor 66 77 85 89
Straight row Good 58 72 81 85
Contoured Poor 64 75 83 85
Contoured Good 55 69 78 83
Contoured & terraced Poor 63 73 80 83
Contoured & terraced Good 51 67 76 80
Uncultivated lands:
12 Pasture or range: Poor 68 79 86 89
Fair 49 69 79 84
Good 39 61 74 80
Contoured Poor 47 67 81 88
Contoured Fair 25 59 75 83
Contoured Good 6 35 70 79
Meadow-continuous grass,
protected from grazing, and Good 30 58 71 78
13 generally mowed for hay
Brush-brush weed grass mixture
with brush being the major Poor 48 67 77 83
element
Fair 35 56 70 77
Good 30 48 65 73
Farmsteads-buildings, lanes,
59 74 82 86
14 driveways, and surrounding lots
68
Hydrologic Hydrologic Soil Groups
Conditions/%
No Land Use Description/Treatment
impervious A B C D
area
Woods and Forest
15 Woods or forest land Poor 45 66 77 83
Fair 36 60 73 79
Good 25 55 70 77
Woods-grass combination (orchard
57 73 82 86
16 or tree farm) Poor
Fair 43 65 76 82
Good 32 58 72 79
Arid and Semiarid rangelands :
17 Herbaceous Poor 80 87 93
Fair 71 81 89
Good 62 74 85
18 Oak-aspen Poor 66 74 79
Fair 48 57 63
Good 30 41 48
19 Pinyon-juniper Poor 75 85 89
Fair 58 73 80
Good 41 61 71
20 Sagebrush with grass understory Poor 67 80 85
Fair 51 63 70
Good 35 47 55
21 Desert shrub Poor 63 77 85 88
Fair 55 72 81 86
Good 49 68 79 84
69
Defisit maksimum didefinisikan sebagai jumlah air dari lapisan tanah yang dapat tertahan
dan dinyatakan dalam ketebalan. Batas atas adalah ketebalan lapisan tanah aktif
dikalikan dengan porositas didekati dengan Soil Storage dari CN SCS. Namun, dalam
banyak hal harus dikurangi oleh titik layu permanen dan untuk kondisi lainnya yang
mengurangi kapasitas air tertahan. Laju infiltrasi akan mencapai nilai konstan pada saat
tanah mengalami kondisi jenuh yang dapat diperkirakan dari saturated hydraulic
conductivity (konduktivitas hidraulik jenuh).
Dimana rumus yang dapat digunakan adalah
p t −f c jika , pt > f c
pet =
{ 0 lainnya }
Sampai dengan akumulasi hujan pada daerah yang lolos air melebihi volume defisit awal,
maka tidak ada limpasan yang terjadi.
0 jika ∑ pt < I a
{
pet = p t −f c
0
jika ∑ pt > I a
jika ∑ pt > I a
dan , pt > f c
dan , pt < f c }
Keterangan:
pet : curah hujan efektif pada waktu t (mm)
pt : curah hujan pada waktu t (mm)
Ia : defisit awal (mm)
fc : potensi laju kehilangan curah hujan maksimum (mm)
Untuk kajian ketersediaan air yang kontinu maupun banjir, infiltrasi dapat diperkirakan
berdasarkan metode Deficit Constant menggunakan parameter Initial Deficit dalam mm,
Maximum Deficit atau Maximum Storage dalam mm, Constant Rate dalam mm/jam dan
persentase impervious. Maximum storage diperkirakan dari soil storage menggunakan
rumus Curve Number dan Constant Rate diperkirakan dari permeabilitas atau
konduktivitas hidraulik yang tergantung dari HSG. Perkiraan soil storage diperoleh dari
rumus SCS 254*{(100/CN)-1} dalam mm. Berdasarkan SCS (NRCS,2007, Chapter 7:
Hydrologic Soil Groups) nilai saturated hydraulic conductivity bagi setiap jenis HSG: HSG
jenis B saturated hydraulic conductivity 0,57-1.42 inchi/jam, HSG C 0,06-0,57 inchi/jam
dan HSG D lebih kecil dari 0,06 inchi/jam. Batasan dari parameter nilai constant rate
tertera pada Tabel 23.
Nilai constant rate seharusnya diperoleh melalui proses kalibrasi dengan tetap
memperhatikan besaran nilai sesuai rentang yang tersaji pada Tabel 23.
70
Tabel 23. Dasar Penentuan Parameter Laju Infiltrasi Konstan
(Constant Rate)
Hydrologic Soil Group
Kelompok A Kelompok B Kelompok C Kelompok D
Saturated Hydraulic
Conductivity
inchi/jam >1.42 0.57-1.42 0.06-0.57 <0.06
mm/jam >36.1 14.5-36.1 1.5-14.5 <1.5
terpilih (mm/jam) 2
L0. 8 ( 2540−22. 86 CN )0 .7 10 Q p=
2.08 A
tl = t p= t
14104 CN 0 . 7 Y 0. 5 9 l tp
Keterangan:
tl : waktu keterlambatan (jam)
L : panjang DAS (km)
Y : kemiringan rata-rata DAS (m/m)
Qp : debit puncak setiap 1 cm hujan efektif (m3/s)
71
4.3.2 Metode Clark
Metode clark menurunkan unit hidrograf sebuah DAS dengan memperhatikan 2 faktor
penting. Faktor pertama adalah Translation, merupakan pergerakan limpasan dari
sumbernya menuju outlet DAS melalui saluran. Faktor kedua adalah Attenuation atau
pengurangan dari besarnya debit limpasan dikarenakan kemampuan DAS dalam
menampung kelebihan limpasan.
Secara garis besar, metode Clark didasarkan pada persamaan kontinuitas St.Venant.
ΔS
I−O=
Δt
Keterangan:
I : Aliran masuk (m3/s)
O : Aliran keluar (m3/s)
ΔS : Perubahan volume tampungan (m3)
Δt : Selang waktu (s)
S t =RO t
, dengan R adalah parameter konstant linear. Dengan menggabungkan
kedua persamaan tersebut maka:
O t =C A I t +C B O t −1
dimana CA dan CB merupakan koefisien routing dan dapat
dihitung menggunakan persamaan
Δt
CA=
R +0 .5 Δt
C B =1−C A
72
Kondisi awal menggambarkan kontribusi aliran dasar yang berasal dari lapisan air tanah
pertama dan kedua. Koefisien tampungan waduk adalah waktu dari simpanan air di
waduk dalam setiap lapisan karena diperhitungkan dalam jam maka akan memberi
makna tentang waktu respons dari sub-DAS. Jumlah waduk air tanah menggambarkan
penelusuran aliran dasar melalui beberapa seri waduk. Pengurangan debit aliran dasar
disetiap waduk berarti makin banyak waduk pengurangan makin banyak terjadi
pengurangan debit atau attenuation.
S = kQn
4.4.2 Recession
Metode ini sering digunakan untuk menjelaskan aliran air dari tampungan alami pada
sebuah DAS. Hubungan antara aliran dasar untuk setiap waktu t adalah
Qt =Q o k t
Dimana Q0 adalah aliran dasar pada saat t = 0, dan Q t adalah aliran dasar pada saat
waktu t dan k adalah konstanta eksponensial degradasi.
73
Persamaan difusi dari persamaan momentum
∂y
S f =S 0 −
∂x
Dengan menggabungkan kedua persamaan tersebut dan menggunakan pendekatan
linear menghasilkan persamaan difusi konfeksi.
2
∂Q ∂Q ∂ Q
+c =μ 2 +cq L
∂t ∂x ∂x
Dimana c = cepat rambat gelombang, dan μ = difusitas hidraulik. Dimana cepat rambat
gelombang dan difusitas hidraulik dapat diekspresikan melalui persamaan berikut.
∂Q Q
c= μ=
∂A , dan
2 BS o
Dimana B adalah lebar atas permukaan air. Untuk menyelesaikan persamaan tersebut,
pendeketan beda hingga maka persamaannya menjadi
C1 =
Δt
K
+2 X
C2 =
Δt
K
−2 X
C1 =
Δt
K
+2 X
C1 =
2 ( ΔtK )
Δt Δt Δt Δt
+2(1− X ) +2(1− X ) +2(1− X ) +2(1− X )
K ; K ; K ; K
1 Q
K=
Δx
c ;
2(
X = 1−
BSo cΔx )
Karena pemilihan Δt dan Δx sangat penting untuk menjamin keakuratan dan kestabilan
hasil, maka perlu dilakukan kalibrasi. Setelah Δt ditentukan Δx dapat ditentukan dengan:
1 Q
Δx=cΔt ; dan nilai Δx dibatasi oleh
Δx<
2(cΔt + 0
BS o c )
1
Q0 =QB + (Q peak −Q B )
Dimana Q0 adalah debit acuan dan dihitung berdasarkan 2 ; QB=
debit aliran dasar dan Qpeak= debit puncak.
74
persamaan tersebut tidak dapat diselesaikan secara langsung maka untuk dapat
diselesaikan maka persamaan tersebut harus didiskritasi menjadi persamaan beda
hingga. Sehingga persamaan tersebut menjadi seperti:
ΔS
I −O=
Δt
Keterangan:
I : aliran masuk (m3/s)
O : aliran keluar (m3/s)
ΔS : perubahan volume tampungan (m3)
Δt : selang waktu (s)
75
“Fourth Congress on Large Dams”, 1951. Berdasarkan makalah oleh Hunter dan Widmot,
rumus tersebut dapat ditulis sebagai berikut:
−0,048
Q=46 C 0,894 A
Keterangan :
Q : debit banjir (ft3/hari)
A : luas DAS (mil2)
C : koefisien banjir
100000.0
C100
C60
C50
C40
10000.0
C30
Debit Max(m 3/det)
C20
C150
1000.0
100.0
10.0
1 10 100 1000 10000
L. DAS (Km2)
76
BAB 5 PEMODELAN HIDROLOGI
77
tersedia di Indonesia, petunjuk teknis ini merekomendasikan nilai NS minimum yang
disyaratkan adalah 0.375.
Secara matematik persamaan NS disajikan seperti di bawah ini:
n
∑ ( Qobsi −Qsimi )2
i−1
NS= n
∑ ( Q obsi− RQ obs )2
i −1
Keterangan:
NS : Nash-Sutcliffe Efficiency
Qsim : Debit simulasi (m3/s)
Qobs : Debit Pencatatan (m3/s)
RQobs : Rata-rata debit pencatatan (m3/s)
N : Jumlah data
NS dapat digunakan untuk mengkalibrasi debit.
|( MAX QF −MAX Q∅ )|
BP = ×100 %
MAX Q ∅
Keterangan:
Bp : beda puncak debit
MAX QF : maksimum hidrograf debit simulasi
MAX Q∅ : maksimum hidrograf debit pengamatan
|( MAX EF −MAX E∅ )|
BEp = × 100 %
∆E
Keterangan:
BEp : beda puncak muka air waduk
MAX EF : maksimum hidrograf muka air hasil simulasi
78
MAX E∅ : maksimum hidrograf muka air hasil pengamatan
∆E : selisih muka air terendah dan tertinggi pengamatan
79
5.4 VERIFIKASI MODEL
Karena hasil kalibrasi pada satu periode seri data pengamatan bersifat kondisional, untuk
mengetahui kesesuaian parameter tersebut perlu dilakukan verifikasi model. Dalam
pemodelan hidrologi umumnya seri data dibagi menjadi dua bagian dimana seri data
pertama digunakan untuk kalibrasi dan seri data ke dua digunakan untuk verifikasi.
Verifikasi model ini pada dasarnya diperlukan untuk mengetahui bias nilai parameter yang
diperoleh dalam proses kalibrasi.
80
BAB 6 STUDI KASUS
Gambar 30. Poligon Thiessen DAS Waduk Sutami dengan Stasiun Tangkil
Faktor Bobot
Nama Stasiun
Luas (km2) Persentase (%)
81
Poncokusumo 448,16 20,48%
Gambar 31. Poligon Thiessen DAS Waduk Sutami tanpa Stasiun Tangkil
Tabel 26. Faktor bobot DAS Waduk Sutami tanpa Dua Stasiun
Faktor Bobot
Nama Stasiun
Luas (km2) Persentase (%)
82
Sengguruh 294,86 13,47%
Pada DAS Waduk Sutami, kejadian hujan jam-jaman yang tercatat diplotkan ke dalam
grafik untuk dilihat kesesuaiannya dengan pola distribusi PSA 007. Hasil plotting dapat
dilihat pada gambar berikut.
Gambar 32. Plotting distribusi data hujan jam-jaman DAS Waduk Sutami dan
PSA 007
Berdasarkan gambar di atas, dapat disimpulkan bahwa sesuai dengan distribusi PSA 007,
karakteristik distribusi curah hujan rencana DAS Waduk Sutami berada antara durasi 6
jam dan 12 jam.
Kesesuaian pola tersebut diplotkan kembali pada DAS lokasi studi dengan distribusi Huff,
seperti yang dilakukan sebelumnya. Hasil plotting dapat dilihat di bawah ini.
83
Gambar 33. Plotting distribusi data hujan jam-jaman DAS Waduk Sutami &Huff
90.00
80.00
70.00
Tinggi Hujan (%)
60.00
50.00
40.00
30.00
20.00
10.00
0.00
0 3 6 9 12 15 18 21 24
Jam ke-
84
Distribusi Hujan Sutami
100.00
90.00
80.00
70.00
60.00
Tinggi Hujan (%)
50.00
40.00
30.00
20.00
10.00
0.00
0 3 6 9 12 15 18 21 24
Jam ke-
90.00
80.00
70.00
Tinggi Hujan (%)
60.00
50.00
40.00
30.00
20.00
10.00
0.00
0 5 10 15 20
Jam ke-
Gambar 34. Plotting distribusi data hujan jam-jaman DAS Waduk Sutami &
NRCS/SCS Tipe I-III
85
Empiris dari
Concentration Time
Bedient
Trial and
Initial GW 1
Error
Trial and
Initial GW 2
Error
GW 1 Coefficient Trial and
Linear (jam) Error
Baseflow
Reservoir GW 2 Coefficient Trial and
(jam) Error
Trial and
GW 1 Reservoir
Error
Trial and
GW 2 Reservoir
Error
Panjang dan Dapat
Kemiringan diabaikan
River Muskingu Tergantung
Routing m-Cunge kondisi
Manning n
Routing dasar
saluran
Elevasi-Storage Data
Reservoir Storage
Elevasi-Discharge Data
Routing Indication
Release Data
86
274
272
270
Elevasi (m)
268
266
264
262
260
7/3/2007 8/3/2007 8/3/2007 9/3/2007 9/3/2007 10/3/2007 10/3/2007 11/3/2007
Tanggal
Gambar 35. Hasil Simulasi Tanpa Tangkil & Tunggorono (Maret 2007)
Kejadian Banjir 25-31 Desember 2007
274
272
270
Elevasi (m)
268
266
264
262
260
25/12/2007 26/12/2007 27/12/2007 28/12/2007 29/12/2007 30/12/2007
Tanggal
Gambar 36. Hasil Simulasi Tanpa Tangkil & Tunggorono (Desember 2007)
Kejadian Banjir 9-13 April 2010
274
272
270
Elevasi (m)
268
266
264
262
260
10/4/2010 10/4/2010 11/4/2010 11/4/2010 12/4/2010 12/4/2010 13/4/2010
Tanggal
Gambar 37. Hasil Simulasi Tanpa Tangkil & Tunggorono (April 2010)
87
6.2 ANALISIS DEBIT BANJIR RENCANA KASUS 2
Untuk kasus 2, masih digunakan DAS Waduk Sutami. Data hujan yang digunakan
merupakan data hujan harian dari pos pencatatan hujan, namun tidak didistribusikan
terhadap waktu selama 24 jam kejadian. Simulasi kasus 2 memberikan hasil sebagai
berikut.
Kejadian Banjir 21-25 Maret 2007
274
272
270
Elevasi (m)
268
266
264
262
260
7/3/2007 8/3/2007 8/3/2007 9/3/2007 9/3/2007 10/3/2007 10/3/2007 11/3/2007
Tanggal
Gambar 38. Hasil Simulasi Tanpa Tangkil & Tunggorono (Maret 2007)
Kejadian Banjir 25-31 Desember 2007
274
272
270
Elevasi (m)
268
266
264
262
260
25/12/2007 26/12/2007 27/12/2007 28/12/2007 29/12/2007 30/12/2007
Tanggal
Gambar 39. Hasil Simulasi Tanpa Tangkil & Tunggorono (Desember 2007)
Kejadian Banjir 9-13 April 2010
88
274
272
270
Elevasi (m)
268
266
264
262
260
10/4/2010 10/4/2010 11/4/2010 11/4/2010 12/4/2010 12/4/2010 13/4/2010
Tanggal
Gambar 40. Hasil Simulasi Tanpa Tangkil & Tunggorono (April 2010)
89
Gambar 41. DAS PDA Nanjung
Tabel 28. Resume uji validitas data Bendungan Saguling
Stasiun Bandung Stasiun Cililin Stasiun Montaya
Independensi Independen Independensi Independen Independensi Independen
Outlier Tidak ada Outlier Outlier Tidak ada Outlier Outlier Tidak ada Outlier
Trend Data Tidak ada Trend Trend Data Tidak ada Trend Trend Data Tidak ada Trend
Trend Variance Tidak ada Trend Trend Variance Tidak ada Trend Trend Variance Tidak ada Trend
Trend rata-rata Tidak ada Trend Trend rata-rata Ada Trend Trend rata-rata Tidak ada Trend
90
Gambar 42. Curah hujan rencana Bendungan Saguling
Setelah dilakukan analisis frekuensi, berikutnya dilakukan analisis uji kecocokan distribusi
frekuensi. Hasil analisis yang telah dilakukan tidak mengikutsertakan distribusi GEV
dikarenakan metode GEV merupakan metode yang sedikit berbeda jika dibandingkan
dengen metode distribusi lainnya. Walaupun demikian, metode GEV sudah sering
digunakan dalam perencanaan-perencanaan di negara-negara lain. Metode ini sering
digunakan dikarenakan adanya beberapa keunggulan jika dibandingkan dengan metode
lainnya, salah satunya adalah kemudahan dan memberikan hasil yang stabil dan akurat.
91
Tabel 29. Resume hasil uji kecocokan pemilihan distribusi curah hujan rencana
Bendungan Saguling
Simpangan
No Stasiun Distribusi
Baku
1 Bandung Pearson III 6,78
2 Chincona Gumbel I 6,93
3 Cicalengka Pearson III 6,91
4 Cililin Gumbel I 9,68
5 Ciparay Gumbel I 10,37
Lognormal 2
6 Cisondari 5,51
Parm.
7 Montaya Gumbel I 5,07
8 Paseh Normal 5,67
Saguling Lognormal 3
9 4,75
DAM Parm.
Lognormal 3
10 Sukawana 7,14
Parm.
Ujung
11 Pearson III 10,51
Berung
Tabel 30. Resume hasil curah hujan rencana Bendungan Saguling
Periode Curah Hujan Rencana (mm)
Ulang T Saguling Ujung
Bandung Chincona Cicalengka Cililin Ciparay Cisondari Montaya Paseh Sukawana
(tahun) DAM Berung
2 72.5 70.1 72.4 67.7 80.1 76.5 70.6 83.3 83.1 55.3 75.8
5 89.8 91.6 99.7 88.5 101.9 95.7 85.2 103.2 104.8 76.6 87.6
10 100.3 105.8 118 102.2 116.4 107.5 94.8 113.6 116.9 89.3 93.6
20 109.6 119.4 135.5 115.4 130.2 118.4 104.1 122.1 127.3 100.6 98.4
25 112.5 123.8 141 119.6 134.6 121.7 107 124.6 130.4 104.1 99.8
50 121 137.1 157.9 132.5 148.1 131.9 116.1 131.8 139.5 114.4 103.7
100 129.1 150.3 174.5 145.2 161.6 141.8 125 138.2 147.9 124.3 107.1
500 146.9 180.8 212.6 174.8 192.6 164.2 145.8 151.2 165.6 145.9 113.9
1000 154.2 194 228.9 187.5 206 173.6 154.7 156.2 172.7 154.9 116.5
Data yang berhasil diperoleh adalah data curah hujan harian dari tahun 1986-2015 untuk
11 pos hujan. Ke-11 pos hujan adalah Cicalengka, Paseh, Chincona, Ciparay,
Ujungberung, Bandung, Cililin, Montaya, Sukawana, Saguling, dan Cisondari. Dengan
menggunakan metode Poligon Thiessen bobot hujan per masing-masing stasiun dapat
dilihat pada gambar di bawah.
92
Gambar 43. Poligon Thiessen DAS Nanjung
93
Error
Prosentasi Dapat
Kedap Air diabaikan
Lag Time TR55 (SCS)
Transformasi HSS-SCS
(menit)
Initial GW 1 Trial and
Error
Initial GW 2 Trial and
Error
GW 1 Trial and
Coefficient Error
Linear (jam)
Baseflow
Reservoir GW 2 Trial and
Coefficient Error
(jam)
GW 1 Trial and
Reservoir Error
GW 2 Trial and
Reservoir Error
Total luas DAS Nanjung adalah sebesar 1.743,9 ha. Untuk mendapatkan hasil yang
akurat, maka dalam pemodelan ini dibantu dengan menggunakan model matematik.
Model matematik ini sendiri memiliki 4 sub model yang harus dimodelkan secara terpisah.
Model pertama yaitu basin model. Pada basin model ini, karakteristik fisik dari DAS
dimodelkan. DAS Nanjung dibagi menjadi 83 sub-DAS dengan masing-masing
karakteristik fisik dimodelkan pada masing-masing sub-DAS. Selain karakteristik fisik,
pada masing-masing DAS juga dimodelkan 3 sub-model yang telah disebutkan di atas,
yaitu sub-model transformasi, sub-model kehilangan (loss model), dan sub-model aliran
dasar. Sedangkan untuk sub-model penulusuran banjir saluran digunakan untuk
menghubungkan masing-masing sub-DAS.
Model kedua adalah meteorologic model . Pada model ini data hujan dimasukkan beserta
dengan bobot hujan untuk masing-masing sub-das yang telah dimodelkan pada basin
model. Model ketiga adalah control specification model. Model ini berfungsi untuk
menentukan time-step perhitungan dan keluaran yang akan digunakan. Selain itu juga
model ini untuk menentukan kestabilan daripada model. Model terakhir adalah time-
series-data model. Model ini berfungsi untuk mendistribusikan hujan terhadap waktu yang
telah dimodelkan pada meteorologic model.
94
Gambar 44. Basin Model DAS PDA Nanjung
95
ROOT MEAN SQUARE ERROR NS
Parameter Relative Value Parameter Relative Value
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
91.0 0.00
-0.02
90.0
-0.04
-0.06
89.0
-0.08
NSE
88.0 -0.10
RE
-0.12
87.0 -0.14
-0.16
86.0
-0.18
-0.20
85.0
ID GW 2 GW 1 ID GW 2 GW 1
Gambar 46. Hasil analisis hidrologi DAS Nanjung 09 Januari – 31 Maret 2005
96
6.3.4 Prediksi Debit Banjir Rencana dengan Hujan Rencana 100, 1000 tahun, CMB,
dan 0,5 CMB
Berdasarkan model yang sudah terkalibrasi maka prediksi debit banjir rencana dapat
dilakukan. Dengan menggunakan model yang terkalibrasi, hujan yang digunakan adalah
curah hujan rencana, yaitu curah hujan dengan periode ulang 100, 1000 tahun, CMB,
dan 0,5 CMB.
800 646
645.5
750 645
644.5
Tampungan (m3)
700
644
Elevasi (m)
650 643.5
643
600 642.5
550 642
641.5
500 641
7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 1:00 3:00 5:00 7:00
Waktu
Tampungan Elevasi
7000
6000
5000
Debit (m3/s)
4000
3000
2000
1000
0
7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 1:00 3:00 5:00 7:00
Waktu
Inflow Outflow
Gambar 47. Debit Banjir Rencana DAS Saguling Periode Ulang 100 Tahun
Berdasarkan pengolahan data hujan R100 didapatkan hasil sebagai berikut
Puncak Inflow : 5.915,4 (m3/s) pada jam 14:30
Puncak Discharge : 960,1 (m3/s) pada jam 01:00
Puncak Storage : 692.833,2 (1000 m3)
97
Puncak Elevasi Muka Air : 645,4 (m)
800 647
750 646
Tampungan (x1000 m3)
645
700
Elevasi (m)
644
650
643
600
642
550 641
500 640
7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 1:00 3:00 5:00 7:00
Waktu
Tampungan Elevasi
8000
7000
6000
5000
Debit (m3/s)
4000
3000
2000
1000
0
7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 1:00 3:00 5:00 7:00
Waktu
Inflow Outflow
Gambar 48. Debit Banjir Rencana DAS Saguling Periode Ulang 1000 Tahun
Berdasarkan pengolahan data hujan R1000 didapatkan hasil sebagai berikut:
Puncak Inflow : 7.186,5 (m3/s)
Puncak Discharge : 1.287,4 (m3/s)
Puncak Storage : 721.711,7 (1000m3)
Puncak Elevasi Muka Air : 645,9 (m)
98
800 644.5
750 644
Tampungan (x1000 m3)
700 643.5
Elevasi (m)
650 643
600 642.5
550 642
500 641.5
7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 1:00 3:00 5:00 7:00
Waktu
Tampungan Elevasi
3000
2500
2000
Debit (m3/s)
1500
1000
500
0
7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 1:00 3:00 5:00 7:00
Waktu
Inflow Outflow
Gambar 49. Debit Banjir Rencana DAS Saguling dengan 0,5 CMB
Berdasarkan pengolahan data hujan 0.5 CMB didapatkan hasil sebagai berikut
Puncak Inflow : 2.476,3 (m3/s) pada jam 17:15
Puncak Discharge : 501,4 (m3/s) pada jam 02:15
Puncak Storage : 61.001,.7 (1000m3)
Puncak Elevasi Muka Air : 644 (m)
99
900 649
850 648
647
800
646
Tampungan (m3)
750 645
Elevasi (m)
700 644
650 643
642
600
641
550 640
500 639
7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 1:00 3:00 5:00 7:00
Waktu
Tampungan Elevasi
14000
12000
10000
Debit (m3/s)
8000
6000
4000
2000
0
7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 1:00 3:00 5:00 7:00
Waktu
Inflow Outflow
100
100000.0 C100
C60
C50
C40
C30
C20
10000.0
C150
PM F Sagu ling
Debit Max(m 3 /det)
PM F Mangg ar
PM F Sutami
1000.0
100.0
10.0
1 10 100 1000 10000
L. DAS (Km2 )
Gambar 51. Hasil plotting debit banjir maksimum boleh jadi untuk ketiga DAS
274
272
270
Elevasi (m)
268
266
264
262
260
25/12/2007 26/12/2007 27/12/2007 28/12/2007 29/12/2007 30/12/2007
Tanggal
Gambar 52. Hasil Simulasi Tanpa Tangkil & Tunggorono (Desember 2007)
101
Kejadian Banjir 9-13 April 2010
274
272
270
Elevasi (m)
268
266
264
262
260
10/4/2010 10/4/2010 11/4/2010 11/4/2010 12/4/2010 12/4/2010 13/4/2010
Tanggal
Gambar 53. Hasil Simulasi Tanpa Tangkil & Tunggorono (April 2010)
102
perbandingan data pos hujan. Hal ini dilakukan hanya sebagai studi. Pada kasus tidak
terdapat data pos hujan, data TRMM tidak perlu diperbandingkan.
Gambar 54. Sebaran grid TRMM DAS Waduk Sutami (28 km x 28 km)
Tabel 32. Faktor bobot DAS Waduk Sutami dengan metode TRMM
Faktor Bobot
Titik berat grid
Luas (km2) Persentase (%)
103
7037’50’’ LS
1.319.834,7 0.06%
112022’50’’ BT
7052’50’’ LS
52.624.774,1 2.40%
112022’50’’ BT
7052’50’’ LS
585.849.692,0 26.77%
112037’50’’ BT
7052’50’’ LS
162.486.937,6 7.42%
112052’50’’ BT
807’50’’ LS
168.486.834,9 7.70%
112022’50’’ BT
807’50’’ LS
754.017.560,2 34.45%
112037’50’’ BT
807’50’’ LS
395.640.428,7 18.08%
112052’50’’ BT
8022’50’’ LS
157.172,5 0.01%
112022’50’’ BT
8022’50’’ LS
35.692.626,4 1.63%
112037’50’’ BT
8022’50’’ LS
32.250.538,8 1.47%
112052’50’’ BT
Sebelum digunakan dalam pemodelan hidrologi, data hujan yang didapatkan melalui
metode TRMM perlu diuji terlebih dahulu kualitasnya, dengan parameter kesesuaian dan
kecocokan dengan data yang tercatat di pos stasiun hujan (pada bagian ini disebut
dengan pos hujan). Pada bagian ini, evaluasi dilakukan dengan basis bulanan. Data
TRMM dan pos hujan dikategorikan baik bila terdapat kesesuaian pola hujan dan besaran
dengan nilai serupa.
Sebagai studi kasus, evaluasi hujan TRMM bulanan dilakukan dengan acuan delapan pos
hujan di DAS Waduk Sutami, yaitu Stasiun Pujon, Stasiun Poncokusumo, Stasiun Dampit,
Stasiun Wagir, Stasiun Tangkil, Stasiun Sengguruh, Stasiun Tunggorono, dan Stasiun
Sutami. Kedelapan stasiun hujan tersebut memiliki pencatatan hujan harian dari tahun
1998 hingga tahun 2013. Data TRMM yang tersedia untuk diuji terletak pada sistem grid
dengan titik berat pada koordinat 7037’30’’ LS hingga 8022’30’’ LS dan 112022’30’’ BT
hingga 112052’30’’ BT. Hasil plotting data hujan TRMM dan pos hujan pada masing-
masing stasiun dapat dilihat pada gambar berikut.
104
Gambar 55. Plotting hujan bulanan TRMM vs pos hujan
105
Dari gambar di atas, dapat dilihat bahwa pada basis bulanan, data TRMM memberikan
pola yang cukup mirip dengan data pos hujan, meskipun seringkali ditemukan besaran
tinggi curah hujan dengan nilai yang cukup berbeda. Hanya Stasiun Tunggorono yang
tidak memiliki kesesuaian dengan data TRMM, bahkan dengan pos hujan lainnya. Namun
demikian, mengingat pekerjaan ini terkait dengan banjir dan curah hujan besar, data
Stasiun Tunggorono tetap dimasukkan ke dalam perhitungan. Berdasarkan hasil plotting,
data hujan TRMM dianggap teruji untuk digunakan dalam analisis tahap berikutnya, yaitu
perhitungan debit banjir rencana.
Setelah disimpulkan kualitas data bulanan TRMM cukup baik, proses validasi hujan
TRMM berikutnya dilakukan dengan basis yang lebih kecil, yaitu harian. Pada tiga periode
di mana terdapat pencatatan hujan jam-jaman (21 – 25 Maret 2007, 25 – 31 Desember
2007 dan 9 – 13 April 2010), terdapat tiga data yang diplot, yaitu 1) total dari data hujan
jam-jaman selama satu hari, 2) data hujan harian pos hujan, dan 3) data hujan harian
TRMM. Hasil plotting ketiga data tersebut dapat dilihat pada gambar di bawah ini.
Kejadian Banjir 21-25 Maret 2007
106
Gambar 56. Kesesuaian data hujan pada kejadian banjir 21-25 Maret 2007
Pada kejadian banjir periode ini, data hujan jam-jaman dan harian dari keenam pos
stasiun hujan memberikan konsistensi pola, di mana kecenderungan naik turun dari
kedua ini terlihat serupa, meskipun terdapat sedikit perbedaan besaran. Pos stasiun hujan
Tungorono tidak dimasukkan, karena inkonsistensi data yang terlalu jauh dengan besaran
hujan yang sangat besar. Kebalikan dari data hujan harian dan jam-jaman, data hujan
TRMM memberikan hasil yang cukup berbeda, di mana tidak hanya besaran, tetapi pola
dari hujan harian pun teridentifikasi tidak sesuai. Dapat disimpulkan, pada periode ini
kualitas data TRMM kurang memuaskan.
Kejadian Banjir 25-31 Desember 2007
Gambar 57. Kesesuaian data hujan pada kejadian banjir 25-31 Desember 2007
Kejadian hujan tercatat pada periode ini memberikan kesesuaian pola antar seluruh data
yang diplot pada grafik. Trend naik turun hujan harian memberikan kesesuaian yang
cukup memuaskan, cenderung naik pada tanggal 26 Desember 2017 dan konstan pada
hari lainnya. Meskipun begitu, terdapat perbedaan besaran hujan yang cukup besar pada
107
data TRMM, seperti dapat dilihat pada pos hujan Dampit dan Sengguruh. Secara
keseluruhan, data TRMM pada periode ini masih dapat dikategorikan baik.
Kejadian Banjir 9-13 April 2010
Gambar 58. Kesesuaian data hujan pada kejadian banjir 9-13 April 2010
Pada periode ini, tidak terdapat kecocokan dari seluruh data yang diplot, kecuali pada
Stasiun Pujon. Secara keseluruhan, melalui tiga kejadian banjir yang dikompilasi pada
grafik-grafik di atas, disimpulkan bahwa data TRMM pada basis harian memberikan nilai
yang kurang baik.
Untuk melakukan validasi lebih jauh, dilakukan plotting lebih panjang. Dalam kasus ini,
plotting dipilih selama satu hari sepanjang tahun 2007, pada basis harian antara data
TRMM dan data pos hujan. Hasil plotting dapat dilihat di bawah ini.
108
120.0
100.0
Tinggi Hujan (mm)
80.0
60.0
40.0
20.0
0.0
01-Jan 01-Feb 01-Mar 01-Apr 01-May 01-Jun 01-Jul 01-Aug 01-Sep 01-Oct 01-Nov 01-Dec
Tanggal
TRMM Groundstation
Gambar 59. Data TRMM vs pos hujan harian tahun 2007, Stasiun Pujon
Gambar 60. Data TRMM vs pos hujan harian tahun 2007, Stasiun Cicalengka
Hasil plotting di atas memberikan nilai harian yang berbeda, baik dari besaran maupun
polanya. Secara umum, data TRMM pada basis bulanan memberikan kesesuaian yang
cukup baik dengan data yang tercatat di pos hujan. Namun, pada basis harian yang lebih
sempit, data TRMM memberikan hasil yang kurang baik.
109
Gambar 62. TRMM Harian Waduk Saguling
110
Koreksi Data TRMM DAS Bendungan Sutami
700
600
Tinggi Curah Hujan (mm)
500
400
300
200
100
0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Tahun
TRM M Pos Hujan St. Outlet Sutami TRMM Koreksi bulanan TRMM Koreksi Harian
Gambar 67. Koreksi Data TRMM terhadap Data Pos Hujan Outlet Sutami
Gambar 68. Koreksi Data TRMM terhadap Data Pos Hujan Wagir
Gambar 69. Koreksi Data TRMM terhadap Data Pos Hujan Sengguruh
111
Gambar 70. Koreksi Data TRMM terhadap Data Pos Hujan Poncokusumo
Gambar 71. Koreksi Data TRMM terhadap Data Pos Hujan Dampit
Gambar 72. Koreksi Data TRMM terhadap Data Pos Hujan Sukawana
112
Gambar 73. Koreksi Data TRMM terhadap Data Pos Hujan Saguling
Gambar 74. Koreksi Data TRMM terhadap Data Pos Hujan Montaya
Gambar 75. Koreksi Data TRMM terhadap Data Pos Hujan Bandung
113
Gambar 76. Koreksi Data TRMM terhadap Data Pos Hujan Cililin
Gambar 77. Koreksi Data TRMM terhadap Data Pos Hujan Cisondari
Gambar 78. Koreksi Data TRMM terhadap Data Pos Hujan Ujung Berung
114
Gambar 79. Koreksi Data TRMM terhadap Data Pos Hujan Ciparay
Gambar 80. Koreksi Data TRMM terhadap Data Pos Hujan Cicalengka
Gambar 81. Koreksi Data TRMM terhadap Data Pos Hujan Paseh
115
Gambar 82. Koreksi Data TRMM terhadap Data Pos Hujan Chincona
116
Gambar 83. Peta Jenis Tanah DAS Sutami
Dari legenda tersebut diklasifikasikan tanah dominan di tanah teratas (topsoil) sesuai
dengan gridcode pada lokasi DAS Sutami, lalu ditransormasikan tanah tersebut sesuai
dengan kelas tekstur tanah menurut USDA. Berikut hasil klasifikasi tanahnya :
Tabel 33. Klasifikasi Tanah DAS Sutami
No
Gridcode Tanah Dominan HSG
.
1 4509 clay (light) D
2 4518 loam B
3 4538 clay (light) D
4 4570 loamy sand A
5 4573 loam B
6 4575 loam B
7 4576 loam B
8 4580 loamy sand A
Untuk DAS dengan sub-DASyang memiliki jenis tanah dan tutupan lahan yang berbeda,
Nilai Curve Number diambil dari Penentuan jenis tutupan lahan untuk DAS Sutami diambil
dari Peta Rupabumi Indonesia Tahun 2006.
117
Gambar 84. Peta Hydrologic Soil Group DAS Sutami
Nilai CN yang digunakan untuk DAS Sutami sesuai dengan tabel nilai penentuan CN
pada bab sebelumnya adalah
118
Tabel 34. Nilai Curve Number DAS Sutami
Hydrologic Soil Group (HSG)
No
. Jenis Tutupan Lahan A B C D
1 Air Tawar 98 98 98 98
2 Hutan 57 73 82 86
3 Kebun 57 73 82 86
4 Padang Rumput\Tanah Kosong 72 82 87 89
5 Pemukiman 61 75 83 87
6 Rawa 98 98 98 98
7 Sawah Irigasi 62 71 78 81
8 Sawah Tadah Hujan 72 81 88 91
9 Semak Belukar 48 67 77 83
10 Tanah Ladang 66 77 85 89
Dengan menggabungkan informasi HSG yang telah didapat sebelumnya maka dapat
ditentukan nilai CN komposit untuk masing-masing sub-DAS pada DAS Sutami.
Tabel 35. Nilai Curve Number Sub-DAS Sutami
No SubDAS CNkomposit
1 R640W640 77,890
2 R660W660 74,493
3 R670W670 67,771
4 R680W680 81,343
5 R690W690 76,067
6 R700W700 70,983
7 R710W710 72,025
8 R720W720 63,160
9 R740W740 65,216
10 R750W750 62,445
11 R760W760 79,135
12 R770W770 70,906
13 R780W780 72,964
14 R790W790 78,192
15 R800W800 71,855
16 R810W810 70,162
17 R820W820 67,278
18 R830W830 76,636
19 R840W840 71,232
20 R850W850 75,521
21 R870W870 67,047
22 R890W890 73,990
23 R910W910 76,441
24 R930W930 69,852
25 R960W960 79,752
119
No SubDAS CNkomposit
26 R970W970 63,445
27 R980W980 76,394
28 R990W990 84,463
29 R1000W1000 84,980
30 R1030W1030 71,045
31 R1050W1050 86,162
32 R1060W1060 70,475
33 R1070W1070 71,999
34 R1080W1080 86,000
35 R1130W1130 72,768
36 R1140W1140 83,557
37 R1150W1150 71,517
38 R1160W1160 95,446
39 R1180W1180 75,704
40 R1210W1210 88,626
41 R1220W1220 84,321
42 R1230W1230 78,579
43 R1240W1240 88,068
44 R1250W1250 87,396
45 R1260W1260 82,251
46 R1270W1270 88,848
47 R1280W1280 88,132
48 R1290W1290 93,152
274
272
270
Elevasi (m)
268
266
264
262
260
7/3/2007 8/3/2007 8/3/2007 9/3/2007 9/3/2007 10/3/2007 10/3/2007 11/3/2007
Tanggal
Gambar 86. Hasil Simulasi Banjir Menggunakan Data TRMM (Maret 2007)
120
274
272
270
Elevasi (m)
268
266
264
262
260
25/12/2007 26/12/2007 27/12/2007 28/12/2007 29/12/2007 30/12/2007
Tanggal
274
272
270
Elevasi (m)
268
266
264
262
260
10/4/2010 10/4/2010 11/4/2010 11/4/2010 12/4/2010 12/4/2010 13/4/2010
Tanggal
121
274
272
270
Elevasi (m)
268
266
264
262
260
7/3/2007 8/3/2007 8/3/2007 9/3/2007 9/3/2007 10/3/2007 10/3/2007 11/3/2007
Tanggal
274
272
270
Elevasi (m)
268
266
264
262
260
25/12/2007 26/12/2007 27/12/2007 28/12/2007 29/12/2007 30/12/2007
Tanggal
274
272
270
Elevasi (m)
268
266
264
262
260
10/4/2010 10/4/2010 11/4/2010 11/4/2010 12/4/2010 12/4/2010 13/4/2010
Tanggal
122