i

Tesis

KETELITIAN PERKIRAAN DEBIT BANJIR RANCANGAN DENGAN

PERBEDAAN KERAPATAN JARINGAN STASIUN HUJAN

dipersiapkan dan disusun oleh

Igel Malen Puspa

13132/PS/MPSA/03

telah dipertahankan di depan Dewan Penguji

pada tanggal Januari 2006

Susunan Dewan Penguji

Pembimbing Utama, Anggota DewanPenguji

Prof. Dr. Ir. Sri Harto Br., Dip.H. Ir. Joko Sujono, M.Eng., Ph.D.
Pembimbing Pendamping,

Dr. Ir. Rachmad Jayadi, M. Eng.

Tesis ini telah diterima sebagai salah satu persyaratan

untuk memperoleh gelar Magister
Tanggal Januari 2006

Ir. H. Morisco, Ph.D.

Pengelola Program Studi Teknik Sipil

ii
 PERSEMBAHAN :

YANG TERCINTA DAN TERSAYANG

MAMA, PAPA

ADIK-ADIKKU : ULFA + ROMEY DAN CALON

KEPONAKAN, EKO, INDAH, ONIEK

NYAI, OMBAI

TANTE2, OM2 DAN SEPUPU2 KU

YANG SELALU BERDOA DAN MEMBERI SPIRIT

iii
 PERNYATAAN

Dengan ini saya menyatakan bahwa dalam Tesis ini tidak terdapat karya

yang pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan

Tinggi, dan sepanjang pengetahuan saya, juga tidak terdapat karya atau pendapat

yang pernah ditulis atau diterbitkan oleh orang lain, kecuali diacu dalam naskah

ini dan disebutkan dalam daftar pustaka

Yogyakarta, Januari 2006

Penulis

Igel Malen Puspa

iv
 KATA PENGANTAR

Puji dan Syukur kami panjatkan ke hadirat Allah SWT karena berkat

rahmad Nya maka penulis dapat menyelesaikan tesis dengan judul “ Ketelitian

Perkiraan Debit Banjir Rancangan dengan Perbedaan Kerapatan Jaringan

Stasiun Hujan ” ini dengan baik.

Penulis menyadari bahwa selama penyusunan tesis ini telah banyak pihak

yang membantu, Oleh karena itu pada kesempatan ini dengan segenap hati dan

ketulusan penulis mengucapkan terima kasih kepada Bapak Prof. Dr. Ir. Sri Harto

Br., Dip.H. selaku Pembimbing Utama dan Bapak Dr. Ir. Rachmad Jayadi, M.Eng

selaku Pembimbing Pendamping yang telah banyak meluangkan waktu, tenaga

dan pikiran dalam memberikan bimbingan penyusunan tesis ini dari awal sampai

akhir.

Selain itu pada kesempatan ini juga penulis mengucapkan terima kasih

kepada pihak-pihak lain, ditujukan kepada :

1. Bapak Dr. Ir. Joko Sujono, M. Eng., Ph.D. selaku Anggota Dewan Penguji

dan Ketua Pengelola Program Magister Pengelolaan Sumberdaya Air (MPSA),

2. Bapak Ir. H. Morisco, Ph.D., selaku Pengelola Program S-2 Teknik Sipil,

Universitas Gadjah Mada,

3. Seluruh dosen pengajar dan staf sekretariat Program Magister Pengelolaan

Sumberdaya Air (MPSA) Universitas Gadjah Mada,

v
 vi

4. Rekan-rekan S-2 Teknik Sipil, khususnya rekan-rekan karya mahasiswa

Program Magister Pengelolaan Sumberdaya Air : b’Dzu, mas Jaka, b’Evan,

k’Adi, b’Rizaldi, p’Saryadi, Azh, mb’erin, b’ Arief,

5. Temen-temen m’erni, tuti, dan m”tri, thanks untuk supportnya. Untuk zainuri,

endang trimakasih untuk bantuannya.

6. Bapak Ir. Surya Dewanto, Sp1, Pemimpin Proyek Pengendalian Banjir dan

Pengamanan Pantai Sumatera Selatan,

7. Bapak Ir. Mawardi, MT, Pemimpin Bagian Proyek Pengelolaan Sumberdaya

Air Sumatera Selatan, beserta stafnya,

8. Bapak Zainal Arsi, BE selaku Asisten Teknik Proyek Pengelolaan

Sumberdaya Air Sumatera Selatan yang telah membuka pintu hati penulis

untuk segera melanjutkan studi,

Kami menyadari bahwa penelitian ini masih banyak kekurangan dan jauh

dari sempurna, untuk itu kritik dan saran yang bersifat membangun dari para

pembaca sangat penulis harapkan.

Akhirnya, semoga penelitian ini dapat bermanfaat bagi penulis khususnya

dan para pembaca pada umumnya.

Yogyakarta, Januari 2006

Penulis
 DAFTAR ISI

Halaman

HALAMAN JUDUL........................................................................................... i

HALAMAN PENGESAHAN............................................................................. ii

PERSEMBAHAN ............................................................................................... iii

PERNYATAAN.................................................................................................. iv

KATA PENGANTAR ........................................................................................ v

DAFTAR ISI....................................................................................................... vii

DAFTAR TABEL............................................................................................... x

DAFTAR GAMBAR .......................................................................................... xii

DAFTAR LAMPIRAN....................................................................................... xiv

INTISARI............................................................................................................ xv

ABSTRACT........................................................................................................ xvi

BAB I PENDAHULUAN ...................................................................................... 1

A. Latar Belakang .................................................................................................. 1

B. Perumusan Masalah .......................................................................................... 3

C. Tujuan dan Manfaat Penelitian ......................................................................... 3

D. Keaslian Penelitian............................................................................................ 4

E. Batasan Penelitian ............................................................................................. 5

BAB II TINJAUAN PUSTAKA............................................................................ 7

A. Umum ......................................................................................................... 7

vii
 viii

B. Jaringan Pengukuran Hujan .............................................................................. 8

1. Prinsip Umum Pendistribusian Stasiun Pengukuran Hujan........................11

2. Kriteria WMO (World Meteorological Organization)................................13
3. Cara Kagan..................................................................................................15
C. Hujan DAS ...................................................................................................... 17

1. Metode Thiessen ..........................................................................................18

D. Analisis Frekuensi........................................................................................... 20

E. Distribusi Curah Hujan ................................................................................... 25

F. Hidrograf Satuan ............................................................................................. 28

G. Debit Banjir Rancangan .................................................................................. 32

BAB III LANDASAN TEORI............................................................................. 35

A. Kerapatan Stasiun Hujan................................................................................. 35

B. Analisis Data Hujan ........................................................................................ 36

C. Analisis frekuensi............................................................................................ 37

D. Analisis Hidrograf Satuan ............................................................................... 38

E. Pemilihan Kala Ulang Banjir Rancangan ....................................................... 39

BAB IV HIPOTESIS ............................................................................................ 41

BAB V METODOLOGI PENELITIAN.............................................................. 42

A. Tahapan Penelitian .......................................................................................... 42

B. Deskripsi Lokasi Penelitian ............................................................................ 44

C. Pengumpulan Data .......................................................................................... 46

D. Pemilihan Data ................................................................................................ 46

E. Jaringan Pengukuran Hujan Kagan................................................................. 52

F. Jaringan Pengukuran Hujan Acak (Random).................................................. 53

 ix

G. Analisis Hujan Rancangan .............................................................................. 54

H. Analisis Banjir Rancangan dengan Analisis Frekuensi .................................. 55

I. Analisis Banjir Rancangan dengan Metode Hidrograf Satuan ....................... 57

BAB VI HASIL PENELITIAN DAN PEMBAHASAN ..................................... 60

A. Hasil Analisis Jaringan Pengukuran Hujan Kagan ......................................... 60

B. Hasil Analisis Banjir Rancangan dengan Metode Hidrograf.......................... 70

C. Hasil Analisis Banjir Rancangan dengan Analisis Frekuensi ......................... 71

D. Hasil Evaluasi Pengaruh Kerapatan Jaringan Hujan Terhadap Ketelitian Banjir

Rancangan ....................................................................................................... 73

1. Penyimpangan Nilai Banjir Rancangan .....................................................73

2. Stasiun Hujan Optimal ...............................................................................73
BAB VII KESIMPULAN DAN SARAN ............................................................ 74

A. Kesimpulan ..................................................................................................... 74

B. Saran ....................................................................................................... 75

DAFTAR PUSTAKA ........................................................................................... 77

LAMPIRAN
 DAFTAR TABEL

Halaman

Tabel 2.1 Pengaruh kecepatan angin terhadap pengurangan tangkapan hujan..... 10

Tabel 2.2 Kerapatan minimum Stasiun Hujan ..................................................... 14

Tabel 5.1 Kerapatan Jaringan Stasiun Hujan ........................................................ 45

Tabel 5.2 Jaringan Stasiun Hujan DAS Opak....................................................... 47

Tabel 5.3 Jaringan Stasiun Hujan DAS Progo ...................................................... 48

Tabel 5.4 Jaringan Stasiun Hujan DAS Opak (kondisi upstream)........................ 49

Tabel 5.5 Jaringan Stasiun Hujan DAS Opak (kondisi downstream)................... 49

Tabel 5.6 Jaringan Stasiun Hujan DAS Progo (kondisi upstream)....................... 50

Tabel 5.7 Jaringan Stasiun Hujan DAS Progo (kondisi downstream) .................. 50

Tabel 5.8 Stasiun AWLR DAS Opak dan DAS Progo ......................................... 51

Tabel 6.1 Koefisien variasi DAS Opak................................................................. 60

Tabel 6.2 Koefisien variasi DAS Progo................................................................ 60

Tabel 6.3 Jumlah stasiun hujan eksisting DAS OPAK ........................................ 63

Tabel 6.4 Jumlah stasiun hujan eksisting DAS Progo ......................................... 64

Tabel 6.5 Jumlah stasiun hujan Kagan DAS OPAK dengan tingkat kesalahan 5%

............................................................................................................. 64

Tabel 6.6 Jumlah stasiun hujan Kagan DAS Progo dengan tingkat kesalahan 5%

............................................................................................................. 64

Tabel 6.7 Tingkat kerapatan eksisting stasiun hujan DAS Opak.......................... 65

Tabel 6.8 Tingkat kerapatan eksisting stasiun hujan DAS Progo......................... 65

x
 xi

Tabel 6.9 Tingkat kerapatan stasiun hujan Kagan DAS Opak dengan besar

kesalahan perataan 5% ..................................................................... 65

Tabel 6.10 Tingkat kerapatan stasiun hujan Kagan DAS Progo dengan besar

kesalahan perataan 5% ..................................................................... 65

Tabel 6.11 Hasil analisa Kagan DAS Opak (kondisi upstream)........................... 67

Tabel 6.12 Hasil analisa Kagan DAS Opak (kondisi downstream) ...................... 68

Tabel 6.13 Hasil analisa Kagan DAS Opak .......................................................... 68

Tabel 6.14 Hasil analisa Kagan DAS Progo (kondisi upstream) .......................... 68

Tabel 6.15 Hasil analisa Kagan DAS Progo (kondisi downstream) ..................... 69

Tabel 6.16 Hasil analisa Kagan DAS Progo (kondisi downstream) ..................... 69
 DAFTAR GAMBAR

Halaman

Gambar 1.1 Peta DAS Progo dan DAS Opak ......................................................... 6

Gambar 2.1 Metode Poligon Thiessen .................................................................. 19

Gambar 2.2 Agihan hujan Tadashi Animoto ........................................................ 26

Gambar 2.3 Agihan hujan dengan alternating block method (ABM)................... 27

Gambar 2.4 Ilustrasi prinsip linier system dan time invariant pada teori hidrograf

satuan ............................................................................................... 29

Gambar 5.1 Bagan Alir Penelitian ........................................................................ 43

Gambar 5.2 Peta DAS Opak dengan pemisahan upstream dan downstream. Error!

Bookmark not defined.

Gambar 5.3 Peta DAS Progo dengan pemisahan upstream dan downstream Error!

Bookmark not defined.

Gambar 5.4 Peta polygon Thiessen DAS Opak eksisitingError! Bookmark not

defined.

Gambar 5.5 Peta polygon Thiessen DAS Progo eksistingError! Bookmark not

defined.

Gambar 5.6 Peta polygon Thiessen DAS Opak kondisi upstream dan downstream

...........................................................Error! Bookmark not defined.

Gambar 5.7 Peta polygon Thiessen DAS Progo kondisi upstream dan downstream

...........................................................Error! Bookmark not defined.

Gambar 6.1 Korelasi antar stasiun DAS Opak secara keseluruhan, DAS Opak

(kondisi upstream), dan DAS Opak (kondisi downstream) ............. 61

xii
 xiii

Gambar 6.2 Korelasi antar stasiun DAS Progo secara keseluruhan, DAS Progo

(kondisi upstream), dan DAS Progo (kondisi downstream) ............ 61

Gambar 6.2 Gambar lanjutan ................................................................................ 62

Gambar 6.3 Hubungan antara jumlah stasiun dan kesalahan perataan dan

kesalahan interpolasi DAS Opak secara keseluruhan, DAS Opak

(kondisi upstream), dan DAS Opak (kondisi downstream) .......... 62

Gambar 6.4 Hubungan antara jumlah stasiun dan kesalahan perataan dan

kesalahan interpolasi DAS Progo secara keseluruhan, DAS Progo

(kondisi upstream), dan DAS Progo (kondisi downstream) ......... 63

Gambar 6.5 Pola penyebaran jaringan Kagan DAS OpakError! Bookmark not

defined.

Gambar 6.6 Pola penyebaran jaringan Kagan DAS Opak (kondisi upstream)

............................................................Error! Bookmark not defined.

Gambar 6.7 Pola penyebaran jaringan Kagan DAS Opak (kondisi downstream)

............................................................Error! Bookmark not defined.

Gambar 6.8 Pola penyebaran jaringan Kagan DAS ProgoError! Bookmark not

defined.

Gambar 6.9 Pola penyebaran jaringan Kagan DAS Progo (kondisi upstream)

............................................................Error! Bookmark not defined.

Gambar 6.10 Pola penyebaran jaringan Kagan DAS Progo (kondisi downstream)

........................................................Error! Bookmark not defined.

 DAFTAR LAMPIRAN

Halaman

Lampiran 1 Peta poligon Thiessen eksisting.......................................................

Lampiran 2 Peta polygon Thiessen Kagan..........................................................

Lampiran 3 Perhitungan Kagan .........................................................................

Lampiran 4 Peta pola jaringan hujan Kagan .......................................................

xiv
 KETELITIAN PERKIRAAN DEBIT BANJIR RANCANGAN DENGAN
PERBEDAAN KERAPATAN JARINGAN STASIUN HUJAN

INTISARI
Igel malen Puspa1) Sri Harto2) Rachmad Jayadi3)

Kerapatan stasiun hujan dengan jumlah dan pola penyebaran berbeda

dalam suatu DAS dapat mempengaruhi tingkat ketelitian hasil analisis hidrologi,
terutama dalam perhitungan debit banjir rancangan. Variabilitas hujan termasuk
tinggi hujan, penyebaran dan intensitasnya akan berbeda untuk dataran rendah dan
dataran tinggi. Selama ini belum terdapat pedoman baku tentang jumlah stasiun
hujan yang dipandang cukup mewakili variabilitas curah hujan di suatu DAS,
terkait dengan masalah zonifikasi upstream, downstream dan ketelitian hasil
hitungan debit banjir rancangan. Analisis ini dikaji untuk mengetahui tingkat
ketelitian debit banjir rancangan dengan perbedaan kerapatan jaringan stasiun
hujan agar dapat diketahui jumlah stasiun yang optimal.
Beberapa cara telah dikembangan untuk mengevaluasi jaringan
pengukuran hujan dengan tahap dan analisis yang berbeda. Kajian pengaruh
variasi kerapatan jaringan stasiun hujan dilakukan dengan menerapkan cara acak
(random network) dan cara Kagan pada DAS Opak dan DAS Progo. Dalam hal ini
sebagai acuan adalah debit banjir rancangan yang dihitung menggunakan cara
analisis frekuensi. Pengaruh variasi kerapatan jaringan hujan akan dievaluasi
untuk daerah hulu dan daerah hilir suatu DAS.
Dari kedua DAS yang ditinjau, penyimpangan terbesar

Kata kunci : Kerapatan Jaringan stasiun hujan, Zonifikasi hulu-hilir, Debit

banjir rancangan

1)
Mahasiswa Angkatan VII MPSA UGM
2)
Dosen Fakultas Teknik Universitas Gadjah Mada Yogyakarta
3)
Dosen Fakultas Teknik Universitas Gadjah Mada Yogyakarta

xv
 KETELITIAN PERKIRAAN DEBIT BANJIR RANCANGAN DENGAN
PERBEDAAN KERAPATAN JARINGAN STASIUN HUJAN

ABSTRACT

Igel malen Puspa1) Sri Harto2) Rachmad Jayadi3)

1)
Student, Magister of Water Resources Management, Gadjah Mada University,
Yogyakarta
2)
Lecturer, faculty of Engineering Gadjah Mada University, Yogyakarta
3)
Lecturer, faculty of Engineering Gadjah Mada University, Yogyakarta

xvi
 BAB I

PENDAHULUAN

A. Latar Belakang

Indonesia adalah negara tropis yang mempunyai dua musim yang berbeda,

yaitu musim hujan atau musim basah dan musim kemarau atau musim kering.

Musim hujan sering terjadi hujan lebat sedangkan di musim kemarau terdapat

periode dua bulan yang sangat kering yang biasanya terjadi antara bulan Juli dan

September. Sungai sebagai salah satu sumberdaya air juga dipengaruhi oleh

kondisi iklim seperti tersebut di atas. Variasi debit air sungai sepanjang tahun

secara alamiah sering sangat merugikan, yaitu debit air sungai terlalu kecil saat

musim kemarau dan sebaliknya terjadi banjir pada waktu musim hujan.

Telah banyak usaha untuk mencegah terjadinya kerugian besar yang

diakibatkan oleh bencana banjir tersebut, salah satu diantaranya adalah kegiatan

pengelolaan sumberdaya air berupa perencanaan dan perancangan (design)

bangunan hidraulik yang diperhitungkan berdasarkan debit banjir rancangan

tertentu. Namun penetapan debit banjir rancangan tidak selalu dapat dilakukan

dengan mudah, terutama pada lokasi dimana data aliran sangat minim atau bahkan

data pencatatan atau pemantauan aliran sungai tidak tersedia sama sekali. Dengan

demikian penetapan debit banjir rancangan ditetapkan melalui prosedur analisis

hidrologi yang didasarkan pada hasil kajian terhadap data curah hujan dan

beberapa sifat fisik DAS yang mempengaruhi proses pengalihragaman hujan

menjadi aliran.

1
 2

Agar besaran hujan benar-benar mewakili kedalaman hujan sebenarnya

yang terjadi di seluruh DAS diperlukan stasiun hujan dengan jumlah dan

kerapatan tertentu sehingga dapat mewakili besaran hujan di DAS tersebut.

Jaringan stasiun hujan harus direncanakan sesuai dengan keperluan kemanfaatan

data curah hujan yang akan dikumpulkan. Di wilayah yang telah berkembang

dengan tingkat kepadatan yang tinggi, jumlah alat penakar hujan yang diperlukan

juga seharusnya lebih banyak. Hal ini disebabkan karena tingkat perkembangan

pembangunan yang berlangsung di tempat tersebut menuntut informasi tentang

curah hujan yang lebih akurat dibandingkan dengan wilayah kurang atau belum

berkembang dengan tingkat kepadatan penduduk rendah. Sebaliknya, wilayah

dengan tingkat kepadatan penduduk rendah tetapi memiliki proyek pembangunan

yang strategis, misalnya proyek pembangkit listrik tenaga air (PLTA), maka

akurasi data hujan yang diperlukan juga tinggi karena kelangsungan operasi

proyek tersebut sangat tergantung dari ketersediaan (supply) airnya. Dengan

demikian dapat dikatakan bahwa perencanaan jaringan pengukur hujan juga

dipengaruhi oleh kondisi ekonomi dan kepadatan penduduk.

Ketelitian pengukuran hujan dipengaruhi oleh jumlah stasiun hujan

(rainfall networks) dan pola penyebarannya di dalam DAS. Penempatan stasiun

hujan yang tepat baik lokasi, jumlah stasiun hujan, pola penyebarannya akan dapat

diperoleh data yang akurat mengenai kedalaman, penyebaran dan intensitas

hujannya. Penyebaran dan kerapatan stasiun hujan dalam suatu DAS dapat

mempengaruhi ketelitian terutama dalam perhitungan analisis debit banjir

rancangan. Selama ini belum terdapat pedoman baku tentang jumlah stasiun hujan
 3

yang dipandang cukup mewakili variabilitas curah hujan di suatu DAS, terkait

dengan masalah ketelitian hasil hitungan debit banjir rancangan.

B. Perumusan Masalah

Rumusan masalah yang akan dikaji dalam penelitian ini adalah pengaruh

kerapatan jaringan pengukuran hujan yang mewakili luasan DAS terhadap

ketelitian debit banjir rancangan. Dari penelitian sebelumnya diketahui bahwa

makin banyak jumlah stasiun hujan yang digunakan dalam perkiraan hujan, akan

diperoleh hasil perkiraan hujan yang lebih baik. Namun hal ini bukan satu-satunya

unsur yang berpengaruh, karena ketelitian yang dapat dicapai sangat ditentukan

oleh dua hal yaitu jumlah stasiun hujan dan pola penempatan stasiun. Dalam

penelitian ini akan dilakukan kajian pengaruh variasi kerapatan jaringan stasiun

hujan yang ditetapkan dengan cara acak (random network) dan cara Kagan. Dalam

hal ini sebagai acuan adalah debit banjir rancangan yang dihitung menggunakan

cara analisis frekuensi. Penelitian akan dilakukan pada DAS Progo dan DAS

Opak, Yogyakarta.

C. Tujuan dan Manfaat Penelitian

Tujuan dari penelitian ini adalah untuk mengetahui tingkat ketelitian dari

penggunaan metode Kagan dan metode acak (random network) pada jaringan

stasiun pengukuran hujan terhadap ketelitian perhitungan debit banjir rancangan

dibandingkan dengan debit banjir rancangan dari data debit terukur (observed).

Dari hasil penelitian ini diharapkan dapat diperoleh informasi antara lain sebagai

berikut ini.
 4

1. Jumlah stasiun curah hujan yang optimal pada DAS Progo dan DAS Opak

terkait dengan ketelitian hitungan banjir rancangan.

2. Pola penempatan stasiun pengukuran hujan yang tepat, sehingga hasil

analisa lebih teliti, akurat dan berguna dalam kegiatan pengelolaan

sumberdaya air. Terkait dengan debit banjir rancangan dapat mengurangi

resiko overestimated maupun underestimated.

3. Masukan untuk saran kepada pihak yang berhubungan dengan kegiatan

pengembangan jaringan stasiun hujan, sehingga diperoleh keseimbangan

antara biaya dengan tingkat ketelitian yang dicapai.

D. Keaslian Penelitian

Penggunaan analisis kerapatan jaringan stasiun hujan dengan

menggunakan cara acak (random network) dan cara Kagan selama ini telah

banyak digunakan terutama untuk menghitung jumlah stasiun hujan yang

optimum, pola penyebarannya di dalam suatu Daerah Aliran Sungai serta hujan

reratanya. Namun sejauh ini belum pernah dilakukan penelitian untuk mengetahui

seberapa besar pengaruh kerapatan jaringan stasiun hujan tersebut terhadap

perhitungan ketelitian debit rancangannya, utamanya dikaitkan dengan zonifikasi

wilayah DAS hulu dan hilir.

Sri Harto (1987) telah meneliti keadaan DAS Opak untuk melihat

pengaruh pola penempatan stasiun hujan terhadap ketelitian perkiraan hujan DAS

dan hasilnya menunjukkan perilaku yang berbeda untuk setiap pola penempatan

stasiun hujan yang berbeda.

 5

E. Batasan Penelitian

Dalam penelitian ini perlu dilakukan batasan penelitian untuk mengetahui

seberapa jauh cakupan penelitian mengenai jaringan stasiun hujan ini sehingga

akan dapat memudahkan dalam pembahasan penelitian. Batasan penelitian

mencakup hal-hal ini.

1. Variasi kerapatan jaringan pengukuran hujan dalam suatu DAS dilakukan

dengan Kagan dan cara acak (random network) pada tingkat kerapatan

jaringan yang tinggi.

2. Evaluasi jaringan pengukuran hujan dengan cara Kagan dan cara acak

(random network) dilakukan dengan membagi Daerah Aliran Sungai pada

zona atas (upstream), zona bawah (down stream) dan DAS secara

menyeluruh mengingat variabilitas hujan yang terjadi akan berbeda karena

perbedaan kondisi setempat.

3. Hujan DAS dari beberapa variasi kerapatan jaringan stasiun hujan akan

digunakan sebagai masukan hitungan debit banjir rancangan

4. Data hujan yang digunakan untuk analisa jaringan adalah data hujan

bulanan baik dari ARR maupun manual raingauge .

5. Data debit aliran yang digunakan adalah data debit jam-jaman dan debit

maksimum tahunan (annual series)/partial series).

 6

LokasiPenelitian

Gambar 1.1 Peta DAS Progo dan DAS Opak

 BAB II

TINJAUAN PUSTAKA

A. Umum

Air yang ada di daratan, baik yang ada di permukaan maupun yang berada

di bawah permukaan, pada dasarnya berasal dari air hujan. Oleh karena itu hujan

merupakan komponen masukan yang penting dalam proses hidrologi. Pada proses

hidrologi, air hujan yang diukur dalam bentuk kedalaman air (mm, inci) kemudian

dialihragamkan menjadi aliran di sungai baik secara langsung yang jatuh ke

badan/alur sungai maupun tidak langsung jatuh ke dalam alur sungai tetapi

melalui media lain sebelum masuk ke dalam sungai, dimana semua diukur dalam

bentuk debit (discharge).

Curah hujan sebagai masukan proses hidrologi yang utama menjadikan

data curah hujan sangat penting untuk perkiraan debit aliran yang terjadi pada

suatu rentang periode waktu tertentu. Informasi tersebut sangat berguna bagi

perencanaan dan pengelolaan sumberdaya air. T. A. Buishand (Van Der Made,

1986) mengatakan penggunaan data hujan oleh setiap pengguna (users) akan

memiliki tujuan yang berbeda. Kegunaan tersebut berbeda-beda aplikasinya untuk

setiap kelompok users yakni sebagai berikut.

a. Peramalan hidrologi.

b. Studi kasus kejadian hujan ekstrim yang menyebabkan banjir atau kerusakan
lain.

c. Pengelolaan sumberdaya air.

7
 8

d. Pengaturan keseimbangan air.

e. Perencanaan dan design proyek-proyek keairan.

f. Studi jangka panjang terhadap perubahan iklim.

Untuk mendapatkan perkiraan besarnya kedalaman hujan digunakan alat

penakar/pencatat hujan baik secara manual maupun pencatatan secara otomatis.

Mengingat besarnya curah hujan merupakan fungsi ruang dan waktu, yang di

suatu tempat dengan tempat yang lain selalu tidak sama, maka luasan daerah yang

diwakili oleh stasiun hujan tersebut akan lebih baik jika memiliki luasan yang

kecil. Untuk mendapatkan besaran hujan yang dapat dipakai sebagai masukan ke

dalam analisis debit dari wilayah sungai yang ditinjau diperlukan stasiun

pengukur curah hujan (rainfall networks) yang memenuhi persyaratan baik jumlah

maupun penyebarannya.

B. Jaringan Pengukuran Hujan

Sri Harto (1993) menjelaskan bahwa dalam mempersiapkan data untuk

analisis hidrologi untuk berbagai kepentingan pengembangan sumberdaya air,

seorang hydrologist dihadapkan pada dua masalah pokok, yaitu; pertama, tentang

ketetapan jumlah stasiun (rainfall networks) hidrologi; kedua, tentang berapa

besar ketelitian yang dapat dicapai oleh suatu jaringan pengamatan dengan

kerapatan tertentu (network rainfall density). Kerapatan jaringan stasiun hujan

dapat dinyatakan sebagai luasan DAS yang diwakili oleh satu stasiun hujan.

Tinggi kerapatan ini sangat menentukan ketelitian perkiraan hujan (Sri Harto,

1987). Tingkat ketelitian hasil pengukuran curah hujan dalam suatu sistem
 9

jaringan kerja tergantung tidak hanya pada keseluruhan kerapatan alat-alat

penakar hujan tetapi juga pada penyebaran alat penakar hujan.

Dalam hal ini dapat dimengerti, bahwa makin banyak stasiun hujan dalam

suatu daerah aliran sungai, akan makin menguntungkan ditinjau dari informasi

yang diperoleh, tetapi akan merugikan ditinjau dari segi operasional serta

pembiayaan (Sri Harto, 1994). Schilperoort (Van Der Made, 1986) mengatakan

umumnya, permasalahan dasar yang harus dipecahkan adalah bagaimana jaringan

yang dibangun tersebut dapat memberikan informasi yang cukup dengan cost

yang minimal. Ketelitian pengukuran curah hujan tersebut di atas dapat

ditingkatkan dengan cara mempertimbangkan pola variabilitas spasial curah hujan

di tempat tersebut dan menggunakan pola variabilitas tersebut sebagai dasar

penentuan jumlah dan kedudukan alat-alat penakar hujan (Chay Asdak, 2001).

Hal ini dapat dilakukan dengan beberapa cara, antara lain, alat-alat penakar hujan

ditempatkan berdasarkan klasifikasi karakteristik topografi, ketinggian tempat,

kemiringan lereng, dan kedudukan/arah terhadap angin (aspect) (Clarke et al.,

1973).

Pengaruh angin sangat besar dalam ketelitian pengukuran hujan, maka

pemilihan lokasi yang terbaik perlu dipikirkan dengan matang. Pengaruh ini dapat

dikurangi dengan memilih lokasi yang sedemikian sehingga kecepatan angin di

tempat tersebut sekecil mungkin akan tetapi jangan sampai jumlah hujan

terkurangi oleh penangkapan air hujan oleh benda lain (Sri Harto, 1994).

Pengaruh turbulensi angin dapat berupa pengurangan jumlah hujan yang

terkumpul, seperti ditunjukkan dalam tabel 2.1.

 10

Tabel 2.1 Pengaruh kecepatan angin terhadap pengurangan tangkapan hujan

Kecepatan angin
% pengurangan
(km/jam)
0 0
10 8
20 21
30 32
40 41
60 47
80 50

Masih terdapat pendapat yang berbeda dalam pola penyebaran stasiun

hujan, yaitu di satu pihak mengemukakan bahwa penyebaran yang merata di

seluruh DAS akan memberikan besar perkiraan hujan yang lebih baik, akan tetapi

di pihak lain berpendapat bahwa penyebaran stasiun hujan hendaknya dilakukan

dengan memberikan kerapatan yang yang makin tinggi pada bagian DAS yang

mempunyai variasi hujan yang lebih besar.

Sri Harto (1986) mendapatkan hubungan yang sangat jelas antara tinggi

kerapatan stasiun hujan dengan penyimpangan yang didapat dalam hitungan hujan

rata-rata DAS. Demikian pula masalah penyebaran stasiun hujan yang berbeda

relatif terhadap DAS ternyata menunjukkan penyimpangan yang berbeda-beda

besarnya. Pulau Jawa memiliki tingkat kerapatan yang lebih tinggi dibandingkan

dengan pedoman kerapatan jaringan minimum yang dikeluarkan WMO (World

Meteorological Organisation). Akan tetapi besaran tersebut tidak dapat digunakan

sebagai pegangan karena ternyata dari hitungan masih memberikan kesalahan

yang cukup besar.

 11

1. Prinsip Umum Pendistribusian Stasiun Pengukuran Hujan

Walaupun beberapa pendekatan yang digunakan dalam penentuan design

jaringan hidrometri telah diusulkan, namun semua teori itu tidak cukup

memberikan semua jawaban untuk aplikasinya di lapangan. Karena jaringan

hidrometri yang diterapkan di hampir seluruh dunia dengan beberapa

pertimbangan teoritik dan pengalaman praktis dari para ahli hidrologi belum tentu

penerapannya akan sama karena faktor kondisi lokal (local condition). Sehingga

di dalam perencanaan jaringan hidrologi di suatu wilayah, pertanyaan pokok yang

akan muncul adalah : berapa banyak stasiun yang akan dioperasikan? dimana

stasiun tersebut diletakkan? berapa lama stasiun dioperasikan? dan kemudian

sistim observasinya seperti apa ? (Silviu dkk dalam David, 1973).

Menurut Kupriianov dalam WMO (1976) suatu jaringan hidrologi

seharusnya terdiri dari.

a. Jaringan hidrologi dasar yang pengamatannya dilakukan secara continue

mengikuti sistem standar (dengan peralatan pengukuran muka air, debit air

dan temperatur),

b. Jaringan khusus, dengan design yang pengamatannya khusus dilakukan untuk

penelitian atau keperluan proyek tertentu, terdiri dari stasiun imbangan air,

percobaan basin, dan pekerjaan pengamatan lainnya,

Jaringan stasiun hidrologi seharusnya diupayakan kombinasinya sejauh

mungkin dengan stasiun meteorologi, kombinasinya sangat penting dilakukan

dengan beberapa titik pengamatan lain seperti titik-titik yang digunakan untuk

evaporasi, soil moisture dan untuk pengamatan groundwater. Sebaiknya jaringan

 12

dasar yang direncanakan dan dibangun untuk menyediakan data terutama untuk

kegiatan penelitian sedapat mungkin memiliki tingkat perkiraan yang akurat

(accurate estimates).

Pemilihan lokasi untuk jaringan stasiun yang berbasis dasar dapat

dilaksanakan dengan cara berikut. Pertama-tama stasiun direncanakan pada bagian

sungai yang berada di sungai utama (induk) dengan debit rata-rata yang besar dan

untuk sungai yang mengalir di lokasi dataran rendah maka stasiun diletakkan di

bagian downstream sungai, atau di bagian upstream yang lokasinya menjadi

tempat inflow air, atau di bagian sungai yang bercabang. Untuk kondisi sungai

yang berada di wilayah pegunungan, maka diletakkan pada sungai yang berada

dihilir pengunungan atau di lokasi wilayah upstream yang alirannya dialihkan

untuk kebutuhan air irigasi.

Stasiun juga dibangun pada lokasi terjadinya perubahan volume aliran

yang signifikan seperti pada sungai primer atau pada outflow dari danau atau

reservoir. Pada sungai besar, perlu direncanakan beberapa stasiun di zona transit

antara upstream dan downstream. Stasiun-stasiun tersebut dimaksudkan untuk

mengetahui besarnya kehilangan air pada saluran karena evaporasi, infiltrasi dan

kehilangan air efektif untuk irigasi dan kebutuhan air lainnya. Jarak antar stasiun

dasar akan berbeda antar 30-50 km sampai dengan ratusan kilometer tergantung

dari besarnya volume inflow.

Kerapatan Jaringan dasar tergantung dari variabilitas kondisi fisiographi

(topografi, tanah, iklim) dan kerapatan dari sungai sehingga hujan DAS benar-

benar mewakili (representative). Daerah dengan topografi seragam dan kurang

 13

baik kondisi sungainya bisa mungkin lebih jarang jaringan hidrologinya. Di

wilayah pegunungan kerapatan jaringan seharusnya lebih besar dari wilayah

dataran, oleh karena perubahan faktor fisiographi dengan ketinggian. Kerapatan

optimum jaringan dasar di wilayah pegunungan menurut USSR direkomendasikan

satu stasiun rata-rata per 500-1000 km2 dan satu stasiun 300-500 km2 untuk

wilayah pegunungan dengan kondisi topografi ekstrim.

2. Kriteria WMO (World Meteorological Organization)

Silviu dkk dalam David (1973) mengemukakan untuk mengukur

kebutuhan stasiun hidrologi untuk keperluan jaringan suatu negara, WMO pada

awalnya mencoba untuk menghubungkan tingkat kepadatan penduduk dengan

jumlah stasiun per unit area sehingga hasilnya akan berbeda bagi setiap negara.

Saat itu, pendekatan metoda ini cukup bermanfaat meskipun kondisi fisik wilayah

dianggap sama. Lalu metoda diganti dimana kriteria WMO dibangun atas dasar

perhitungan luas wilayah. WMO memberikan kriteria kerapatan jaringan

dinyatakan dalam km2 per stasiun yang memiliki tingkat kerapatan minimum bagi

jaringan hidrologi. Kerapatan minimum yang diperlukan suatu wilayah tergantung

dari karakteristik fisik dan karakteristik demography.

Didasari dari pengalaman yang ada, WMO (1975) merekomendasikan

kerapatan minimum pengukur curah hujan yang bisa dilihat pada tabel 2.2.
 14

Tabel 2.2 Kerapatan minimum Stasiun Hujan

Jangkauan kerapatan
Wilayah
minimum (km2/stasiun)
Zona Temperate, mediterranian dan zona tropic

1. Wilayah dataran rendah 600-900

2. Wilayah pegunungan
100-250

3. Pulau kecil yang bergunung (20.000

25
km2)

4. Zona kering (arid) dan kutub 1.500 – 10.000

Sumber: WMO Guide to Hydrological Practices, N0. 168-T.P.82

Untuk daerah tropik seperti Indonesia, WMO mengeluarkan pedoman

yang menyebutkan bahwa diperlukan kerapatan minimum sebesar 250-1000 km2

tiap stasiun. Pada dasarnya makin tinggi kerapatan jaringan akan diperoleh

kesalahan yang makin kecil, akan tetapi patokan demikian menyebabkan

pembiayaan yang makin tinggi, sehingga perlu diupayakan keseimbangan antara

bertambahnya biaya dalam mengembangkan jaringan dengan ketelitian yang

dapat dicapai. Hal ini berhubungan dengan “cost and benefit”, sehingga peran

beberapa unsur lain perlu diperhatikan antara lain (Sri Harto, 1987):

1. biaya pembelian dan pemasangan;

2. biaya pengamat;
3. biaya pengoperasian dan pemeliharaan;
4. biaya pengumpulan dan penyimpanan data;
5. nilai sosial ekonomi data;
6. variabilitas data;
7. ketergantungan data terhadap ruang dan waktu.
 15

3. Cara Kagan

Dari beberapa cara penetapan jaringan pengukuran hujan yang ada,

terdapat cara yang relatif sederhana dalam pemakaian, baik dalam pengertian data

yang dibutuhkan maupun prosedur hitungannya. Cara ini dikemukan oleh Kagan

(1967), selain dapat dipakai untuk mendapatkan jumlah stasiun yang dibutuhkan

dengan tingkat ketelitian tertentu, dapat juga dipergunakan untuk membuat pola

penempatan stasiun hujan dengan jelas. Metode pola jaringan Kagan juga

memberikan hasil yang baik dari hasil penelitian I Wayan Yasa (2001) di pulau

Lombok yang ditunjukkan dengan penyimpangan rerata hujan tidak menunjukkan

perbedaan yang signifikan dengan jaringan tersedia. Demikan juga penelitian

yang dilakukan Ery (1998) pada stasiun hujan yang ada di pulau Jawa dimana

kondisi yang ada masih sesuai dengan metode Kagan hanya saja dari penyebaran

dan tata letaknya belum menunjukkan kerapatan yang memadai.

Cara ini pada dasarnya mempergunakan analisis statistik dan mengaitkan

kerapatan jaringan pengukur hujan dengan kesalahan interpolasi dan kesalahan

perataan (interpolation error and averaging error). Persamaan-persamaan yang

digunakan adalah :

r( d ) = r( o ) e − d / d ( o ) (2.1)

z 1 = c ( v ) {1 − r( 0 ) + ( 0,23 A ) / d ( 0 ) n / n} (2.2)

z 2 = c ( v ) {1 − r( 0 ) / 3 + 0,52 r( 0 ) / d ( 0 ) A / n} (2.3)
 16

A
l = 1,07 (2.4)
n
dengan :
r(d) = koefisien korelasi untuk jarak d,
r(o) = koefisien korelasi untuk jarak sangat dekat,
Cv = koefisien variasi,
d = jarak antar stasiun, dalam km,
d(o) = radius korelasi, yaitu jarak antar stasiun dimana korelasi berkurang
dengan faktor e,
A = luas DAS, dalam km2,
n = jumlah stasiun,
Z1 = kesalahan perataan, dalam %,
Z2 = kesalahan interpolasi, dalam %,
l = jarak antar stasiun.

Langkah-langkah yang ditempuh dalam pentepan jaringan pengukuran hujan

dengan cara Kagan secara garis besar adalah sebagai berikut.

1. Menghitung nilai koefisien variasi (Cv) dari jaringan stasiun hujan yang

tersedia, baik harian atau bulanan (sesuai dengan keperluan).

2. Mencari hubungan antara jarak antar stasiun dan koefisien korelasi dari

jaringan stasiun hujan yang tersedia, baik untuk hujan bulanan maupun hujan

harian.

3. Hubungan yang diperoleh diplot pada grafik lengkung eksponensial. Sehingga

dari grafik ini akan diperoleh besaran d(o) dengan menggunakan nilai rata-rata

d dan r(d) dan persamaan 2.1.

4. Dengan besaran tersebut maka persamaan 2.2 dan 2.3 dapat dihitung setelah

tinggi ketelitian ditetapkan. Atau sebaliknya, dapat dicari grafik hubungan

antara jumlah stasiun dengan ketelitian yang diperoleh, baik untuk hujan

bulanan maupun hujan harian.

 17

5. Setelah jumlah stasiun ditetapkan untuk DAS tersebut, maka penempatan

stasiun hujan dapat dilakukan dengan persamaan 2.4 dan menggambarkan

jaring-jaring segitiga sama sisi. Gambar dibuat di atas kertas transparan, yang

selanjutnya ditumpangkan di atas peta DAS, dan dilakukan penggeseran-

penggeseran sedemikian rupa sehingga jumlah simpul segitiga yang berada di

dalam DAS sama dengan jumlah stasiun yang dihitung. Simpul-simpul

tersebut adalah lokasi stasiun hujan.

C. Hujan DAS

Hujan adalah faktor utama yang mengendalikan berlangsungnya daur

hidrologi dalam suatu wilayah. Lima unsur yang terkait dengan hujan, yaitu

intensitas hujan, durasi hujan, tinggi hujan, frekuensi (dinyatakan dengan kala

ulang), dan luas geografis curah hujan (CD. Soemarto, 1987). Besarnya curah

hujan ini diukur dengan menggunakan alat penakar curah hujan yang umumnya

terdiri atas dua jenis yaitu alat penakar curah hujan manual (manual raingauge)

dan alat penakar curah hujan otomatis (ARR/Automatic rainfall recorder). E. M.

Shaw dan P. E. O’Connel (WMO, 1976) mengatakan untuk penentuan areal curah

hujan, diperlukan pengamatan catchment area yang benar-benar mewakili

(representative). Pengukuran kedalaman hujan yang diperoleh dari masing-

masing pengukur hujan merupakan data hujan lokal (point rainfall) sedangkan

yang dibutuhkan dalam analisis adalah data hujan daerah (areal rainfall) yang

benar-benar mewakili hujan DAS. Kedalaman hujan (rainfall depth) pada suatu

titik tertentu dapat diperoleh dengan mudah, namun luasan berlakunya kedalaman

hujan itu (representativeness) tidak dapat diketahui secara pasti (Sri Harto, 1993).
 18

Masukan hujan yang digunakan dalam analisis adalah besaran hujan DAS

(catchment rainfall) yang dianggap dapat mewakili seluruh hujan yang terjadi

dalam DAS. Besaran hujan ini dapat diperoleh dengan merata-ratakan hujan titik

(point rainfall). Umumnya untuk menghitung curah hujan daerah dapat

dipergunakan standar luas daerah sebagai berikut (Suyono dan Takeda, 1977).

1. Daerah dengan luas 250 ha yang mempunyai variasi topografi yang kecil,

dapat diwakili oleh sebuah alat ukur curah hujan.

2. Untuk daerah antara 250 ha – 50.000 ha dengan 2 atau 3 titik pengamatan,

dapat digunakan cara rata-rata.

3. Untuk daerah antara 120.000 ha – 500.000 ha yang mempunyai titik-titik

pengamatan yang tersebar cukup merata dan dimana curah hujannya tidak

terlalu dipengaruhi oleh kondisi topografi, dapat digunakan cara aljabar rata-

rata. Jika titik-titik pengamatan itu tidak tersebar merata maka digunakan cara

thiessen.

4. Untuk daerah yang lebih besar dari 500.000 ha, dapat digunakan cara isohiet.

Cara-cara yang lazim digunakan, yaitu dengan rata-rata aljabar, poligon

thiessen, dan isohiet. Ketiganya banyak digunakan dalam analisis meskipun cara

poligon Thiessen sampai saat ini yang dianggap paling menguntungkan (Sri Harto,

1993).

1. Metode Thiessen

Metode ini dikenal juga sebagai metode rata-rata imbang (weighted mean).

Cara ini memberikan proporsi luasan daerah pengaruh pos penakar hujan untuk

mengakomodasi ketidakseragaman jarak. Daerah pengaruh dibentuk dengan

 19

menggambarkan garis-garis sumbu tegak lurus terhadap garis penghubung antara

dua pos penakar terdekat. Metode ini diasumsikan bahwa variasi hujan antara pos

yang satu dengan lainnya adalah linier dan bahwa sembarang pos dianggap dapat

mewakili kawasan terdekat. Cara poligon Thiessen ini digunakan karena dianggap

paling baik dan relatif lebih teliti diantara cara-cara yang ada saat ini. Urutan

hitungan dengan poligon thiessen sebagai berikut.

1. Semua stasiun hujan dihubungkan dengan garis lurus, sehingga terbentuk

beberapa segitiga.

2. Dalam masing-masing segitga ditarik garis sumbu dimasing-masing sisinya.

3. Poligon thiessen adalah luasan yang dibatasi oleh masing-masing garis sumbu,

atau yang dibatasi oleh garis sumbu dan batas DAS.

Gambar 2.1 Metode Poligon Thiessen

n
P = ∑ α i Pi
i =1
= α A PA + α B PB + α C PC
(2.5)
 20

dengan :

N = jumlah stasiun,
Pi = kedalaman hujan di stasiun I,
αi = bobot stasiun I =Ai / Atotal,
Ai = luas daerah pengaruh sta. I,
Atotal = luas total.

D. Analisis Frekuensi

Analisis frekuensi digunakan untuk menetapkan besaran hujan atau debit

dengan kala ulang (return period) tertentu. Besaran ini merupakan besaran banjir

(atau hujan/design rainfall) yang rata-rata akan disamai atau dilampaui sekali

dalam T tahun. T (tahun) ini disebut sebagai kala ulang (return period). Analisis

frekuensi dapat dilakukan untuk seri data yang diperoleh dari rekaman data baik

data hujan/debit.

Analisis frekuensi didasarkan pada sifat statistik data yang tersedia untuk

memperoleh probabilitas besaran hujan/debit di masa yang akan datang

(diandaikan bahwa sifat statistik tidak berubah/sama). Probabilitas kejadian suatu

peristiwa ditentukan oleh perbandingan antara banyaknya kejadian terhadap

jumlah kejadian yang mungkin dan kejadian yang tidak mungkin (berpeluang dan

yang tidak berpeluang atau yang occurance dan yang non occurance). Parameter

–parameter statistik yang perlu diperkirakan untuk pemilihan distribusi yang

sesuai dengan sebaran data adalah sebagai berikut ini.

1 n
1. Nilai rata-rata, x = ∑ xi
n i =1
(2.6)

1
⎡ 1 n
( )2⎤ 2
2. Standard deviation, s = ⎢ ∑
⎣ n − 1 i =1
xi − x ⎥
⎦
(2.7)
 21

s
3. Koefisien Variasi, Cv = (2.8)
x

( )
n
n∑ xi − x
3

4. Koefisien skewness, Cs = i =1
(2.9)
(n − 1)(n − 2)s 3
⎛ n ⎞ ⎛ n ⎞⎛ n ⎞ ⎛ n ⎞
n 2 ⎜ ∑ x3 ⎟ − 3n⎜ ∑ x ⎟⎜ ∑ x 2 ⎟ + 2⎜ ∑ x3 ⎟
5. Koefisien kurtosis : Ck = ⎝ i =1 ⎠ ⎝ i =1 ⎠⎝ i =1 ⎠ ⎝ i =1 ⎠ (2.10)
n(n − 1)(n − 2) s 3

dengan :
x = variat,
x = rerata,
S = simpangan baku,
Cs = koefisien asimetri,
Cv = koefisien variasi,
Ck = koefisien kurtosis, dan
n = jumlah data.

Untuk dapat memperoleh perkiraan debit (hujan) rancangan, diperlukan

jenis distribusi yang sesuai dengan sifat statistik data. Pemilihan agihan yang tidak

benar dapat mengundang kesalahan yang cukup besar, baik ‘overestimated’

maupun ‘underestimated’. Beberapa jenis distribusi yang dilakukan dalam

hidrologi yaitu; agihan normal, agihan log-normal, agihan log-Pearson tipe III dan

agihan Gumbel (Sri Harto, 1993).

1. Agihan Normal

Agihan ini mempunyai probability density function sebagai berikut.

P ' ( x) =
1
e
[
− (x − μ )
2
] (2.11)
σ 2η 2σ 2

dengan :
σ = varian,
 22

μ = rata-rata.

Sifat khas lain adalah nilai asimetrisnya (skewness) hampir sama dengan nol dan

dengan kurtosis 3. Selain itu, kemungkinan:

P( x - σ ) = 15.87%

P( x ) = 50%

P( x + σ ) = 84,14%

Dengan demikian kemungkinan variat berada pada daerah ( x - σ ) dan ( x - σ )

adalah 68,27%. Sejalan dengan itu maka yang berada antara ( x - 2 σ ) dan ( x +

2 σ ) adalah 95,44%.

2. Agihan log-normal

Probability density function agihan ini sebagai berikut :

⎛ ⎛ − μ ⎞
2
⎞
eksp⎜ − 1 ⎜⎜ ⎟⎟ ⎟ (μ > 0)
1 ln x
P ' ( x) = n
(2.12)
xσ n 2η ⎜ 2
⎝ σ n ⎠ ⎟⎠
⎝

⎛ μ4 ⎞
dengan : μ n = 1 2 ln⎜⎜ 2 ⎟
2 ⎟
(2.13)
⎝ μ +σ ⎠

⎛σ 2 + μ ⎞
2

σ = ln⎜⎜
2 ⎟ (2.14)
⎟
⎝ μ
n 2
⎠

Besarnya asimetri adalah :

γ = ηv3 + 3ηv (2.15)

dengan :

ηv =
σ −σ
μ
(
e −1
0,5 2
n
) (2.16)
 23

Kurtosis

k = ηv8 + 6ηv6 + 15ηv4 + 16ηv2 + 3 (2.17)

Dengan persamaan (3.3), dapat didekati dengan nilai asimetri 3 dan selalu

bertanda positif. Atau nilai ‘skewness’ Cs kira –kira sama dengan tiga kali nilai

koefisien variasi Cv.

3. Agihan log-Pearson tipe III

Terdapat 12 buah agihan Pearson. Namun, hanya agihan log-Pearson tipe

III yang digunakan dalam analisis hidrologi. Probability density function agihan

ini sebagai berikut :

P ' ( x) = Po' ( x)(1 + x )c e − cx a

(2.18)
a

dengan parameter :
c = 4 β −1 (2.19)

a = (cμ3c ) / (2μ 2 c ) (2.20)

Po' ( x) = (nc c +1 ) /(aec r (c +1) ) (2.21)

( )( )
sedangkan β 1 = μ32c / μ 23c

harga rata-rata (mean) = mode +( (μ3c ) / (2μ 2c ) dan

standard deviation σ + μ 2 c serta asimetri γ = 1 β1

2

4. Agihan Gumbel

Gumbel menggunakan teori harga ektstrim, dimana harga-harga ekstrim

dating dari persoalan banjir. Tujuan dari teori statistik harga-harga ekstrim adalah

untuk menganalisa hasil pengamatan harga-harga ekstrim tersebut untuk meramal

 24

harga-harga ekstrim berikutnya. Agihan ini mempunyai fungsi agihan

eksponensial ganda:

⎡ ⎛ C − X ⎞A ⎤
P ( x) = e ⎢− ⎜ ⎟ ⎥ (2.22)
⎣⎢ ⎝ C − B ⎠ ⎦⎥

Dengan parameter A dan B.

Dengan substitusi nilai Y=A(x-B), dengan Y sebagai reduced variate maka :

P(Y ) = e − y (2.23)

Fisher dan Tippet memperoleh nilai ;

A = 1,281 / σ (2.24)
B = μ − 0,45σ (2.25)
Selanjutnya diperoleh nilai asimetri =1,1396 sedangkan kurtosis = 5,4002

Selanjutnya perlu diperhatikan bahwa agihan log normal dan log Pearson

III memberikan hasil yang baik mengacu pada penelitian yang dilakukan oleh

Benson dan Beard (Sri Harto, 1993). Kemudian didukung dalam disertasinya Sri

Harto (1985) yang menemukan keadaan serupa, baik untuk data hujan maupun

data debit untuk 30 buah DAS di pulau Jawa. Analisis frekuensi hujan yang

dilakukan terhadap DAS-DAS tersebut menunjukkan bahwa 66,4% agihannya

mengikuti agihan log-Pearson tipe III, log normal dan normal masing-masing

30,3% dan 3,3%, sedangkan untuk analisis frekuensi data debit terhadap DAS-

DAS yang sama menunjukkan bahwa agihan log-Pearson III dan log normal

masing-masing 66,7% dan 33,3%, dan tidak ada yang mengikuti agihan normal

maupun agihan Gumbel.

 25

E. Distribusi Curah Hujan

Dalam kaitannya dengan analisis banjir, pengagihan hujan menjadi hujan

jam-jaman merupakan keharusan. Sampai saat ini belum ada hasil penelitian yang

sangat seragam tentang hujan-hujan yang menimbulkan banjir-banjir tertentu di

Indonesia, meskipun dengan besaran persen yang berbeda. Hal yang penting

dalam pembuatan rancangan dan rencana adalah distribusi curah hujan. Distribusi

curah hujan berbeda-beda menurut waktu dan ruang.

Distribusi curah hujan berbeda-beda di setiap daerah, hal ini disebabkan

oleh lokasi DAS berdasarkan tinggi rendahnya elevasi dari muka air laut,

koordinat garis lintang dan garis bujur, serta jauh dekatnya dari pantai (Rachmad

Jayadi, 2004). Dalam hal ini cara yang digunakan untuk mendistribusikan hujan

harian (hujan rancangan) adalah sesuai dengan pola kejadian hujan di daerah yang

ditinjau. Untuk daerah dataran tinggi umumnya mempunyai intensitas rendah dan

berlangsung lama. Di daerah tidak jauh dari pantai atau sangat besar dipengaruhi

oleh angin laut dan merupakan dataran rendah maka kejadian hujan sangat singkat

dan intensitas tinggi.

Distribusi hujan dapat diperoleh dengan menganalisis data hujan otomatik.

Pola tipical distribusi hujan dapat ditentukan, misalnya dengan agihan Tadashi

Animoto (Joko Sujono, 2004). Apabila data otomatik tidak tersedia maka distrbusi

hujan dapat ditentukan dengan model distribusi hipotetik (Chow et all., 1988

dalam Joko Sujono, 2004) seperti uniform, segitiga, bell shape ataupun

alternating block method (ABM). Pola alternating block method berdasarkan data
 26

harian dengan rumus pendekatan misalnya Mononobe (Sosrodarsono dan Takeda,

1983).

30

25

20
%p

15

10

0
1 2 3 4 5 6 7 8

waktu (jam )
Gambar 2.2 Agihan hujan Tadashi Animoto

Rumus Mononobe merupakan variasi dari rumus yang dikembangkan Prof.

Sherman (1905). Rumus Mononobe digunakan apabila data hujan jangka pendek

tidak tersedia, yang ada hanya data hujan harian, maka intensitas hujan dapat

dihitung dengan rumus Mononobe :

⎛ R24 ⎞⎛ 24 ⎞
T n

I = ⎜⎜
t
T
⎟⎜ ⎟
⎟⎝ t ⎠ (2.26)
⎝ 24 ⎠

dengan :
I Tt : intensitas hujan pada durasi t dengan kala ulang T tahun (mm/jam),
T
R24 : intensitas hujan harian maksimum pada T yang ditinjau (mm/hari),
t : durasi hujan (jam),
n : konstanta.
 27

Alternating Block Method

50
46.4
45
Kedalaman Hujan (mm)
40
35
30
25
20
15 12.1
8.5
10 5.7 6.7
3.7 4.4 5.0 4.0 3.5
5
0
1 2 3 4 5 6 7 8 9 10
waktu (jam - ke)
Gambar 2.3 Agihan hujan dengan alternating block method (ABM)

Lama hujannya dapat didekati dengan waktu konsentrasi (tc), dalam hal ini

diasumsikan bahwa jika durasi hujan sama dengan waktu konsentrasi, maka setiap

bagian DAS secara serentak telah menyumbangkan aliran terhadap titik kontrol.

Salah satu metode untuk memperkirakan waktu konsentrasi adalah rumus yang

dikembangkan oleh Kirpich (1940) yang dapat ditulis sebagai berikut (Suripin,

2003).

0 , 385
⎛ 0,87 xL2 ⎞
tc = ⎜⎜ ⎟⎟ (2.27)
⎝ 1000 xS ⎠

dengan :
tc : waktu konsentrasi (jam),
L : panjang sungai utama (km),
S : landai sungai utama.

Selain rumus Kirpich, ada beberapa rumus waktu konsentrasi yang lain

yang telah dikembangkan, seperti rumus Bransby-Williams, dan Australian

rainfall-runoff (Joko Sujono, 2004).

 28

F. Hidrograf Satuan

Hidrograf satuan (HS) merupakan hidrograf khas untuk suatu DAS

tertentu. Konsep hidrograf satuan dikemukakan pertama kali oleh Sherman (1932)

yang dipergunakan untuk prakiraan banjir yang terjadi akibat hujan dengan

kedalaman dan agihan (distribusi) tertentu (Sujono, 2004). Keunggulan metode ini

tidak hanya dapat memberikan besarnya debit banjir maksimum tetapi dapat juga

memberikan durasi hujan. Keunggulan lainnya adalah dari metode hidrograf ini

adalah kemampuannya untuk melakukan analisis terhadap sungai yang memiliki

waduk karena dapat dilakukan analisis terhadap routing banjir sampai ke hilir

sungai tersebut (Hindarko, 2002).

Hidrograf satuan (unit hydrograph) adalah hidrograf limpasan langsung

yang dihasilkan oleh hujan mangkus (efektif) yang terjadi merata di seluruh DAS

(spatialy evenly distributed) dengan intensitas tetap dalam satu satuan waktu yang

ditetapkan (constant intencity). Selain itu ada tiga buah postulat hidrograf-satuan

antara lain sebagai berikut :

1. ordinat hidrograf satuan sebanding dengan volum hujan yang terjadi (linier

system),

2. tanggapan DAS tidak tergantung dari waktu terjadinya hujan (time invariant),

3. waktu yang dihitung dari berhentinya hujan sampai akhir hidrograf limpasan

langsung selalu tetap (waktu dari saat berakhirnya hujan sampai akhir

hidrograf limpasan langsung selalu tetap).

 29

i Hujan efektif dengan

durasi sama
I2=ni1
i1
Hidrograf i2 mm/jam
untuk t jam
Q
Hidrograf i1 mm/jam
untuk t jam

nQt Q2 t i 2
=
Q Qt i1

TB t t
(a) Waktu dasar sama (b) Prinsip proporsional antara
aliran/hujan efektif
i2
i3
i1
i

Hidrograf yang diperoleh dari

penjumlahan ordinat-ordinat
Q ketiga hidrograf komponen

(c) Prinsip superposisi

Gambar 2.4 Ilustrasi prinsip linier system dan time invariant pada teori hidrograf
satuan

Cara yang banyak digunakan dalam analisis untuk penurunan hidrograf

satuan terukur ada dua yaitu persamaan polinomial dan dengan cara Collins. Oleh

karena persamaan polinomial kadang-kadang tidak selalu dapat diselesaikan dan

memungkinkan untuk terjadinya perambatan kesalahan, maka dipergunakan cara

Collins. Urutan cara polinomial adalah sebagai berikut. (Sri Harto, 2000).
 30

a. Dipilih kasus hujan dan rekaman AWLR (hidrograf tinggi muka air tunggal).

Selanjutnya ditetapkan hidrografnya dengan menggunakan liku kalibrasi

yang berlaku.

b. Hidrograf limpasan langsung diperoleh dengan memisahkan aliran dasar dari

hidrograf tersebut. Selanjutnya hujan efektif ditetapkan dengan Φindeks,

sehingga volume hujan efektif sama dengan volume hidrograf limpasan

langsung.

c. Hidrograf satuan hipotetik ditetapkan dengan masing-masing ordinatnya

adalah q1, q2 … qn. Jumlah ordinat hidrograf satuan (n) = jumlah ordinat

hidrograf terukur (nq) – jumlah periode hujan jam-jaman (np) + 1.

d. Hidrograf limpasan langsung yang dihitung (computed) diperoleh dengan

mengalikan hujan efektif dengan hidrograf satuan hipotetik dengan prinsip

superposisi.

e. Hasil hitungan selanjutnya dibandingkan dengan hidrograf limpasan

langsung terukur (observed) untuk mendapatkan besaran-besaran q1, q2 … qn.

Bila diketahui hujan selama 3 jam dengan agihan waktu masing-masing R1,

R2, dan R3, dan hidrograf satuan hipotetik dengan ordinat q1, q2, ……… qn, maka

hitungan hidrograf limpasan langsung dapat dilakukan sebagai berikut ini.

Hujan R1 menghasilkan hidrograf R1 q1 R1 q2 R1 q3 ….…. R1 qn

Hujan R2 menghasilkan hidrograf ..…. R2 q1 R2 q2 R2 q3 …… R2 qn
Hujan R3 menghasilkan hidrograf …… …… R3 q1 R3 q2 R3 q3 ……. R3 qn
A B C D E
Membandingkan hidrograf hipotetik dengan hidrograf terukur diperoleh:
A = R1 q1 = X1............................................. ⇒ q1 = ..........
 31

B = R1 q2 + R2 q1= X2.................................. ⇒ q2 = ..........

C = R1 q3 + R2 q2 + R3 q1= X3...................... ⇒ q3 = .........
dan seterusnya ……..
Prosedur penurunan hidrograf satuan terukur cara Collins adalah sebagai

berikut ini (Sri Harto, 2000).

1. Dipilih kasus hujan dan rekaman AWLR (hidrograf tinggi muka air tunggal).

Selanjutnya ditetapkan hidrografnya dengan menggunakan liku kalibrasi

yang berlaku.

2. Hidrograf limpasan langsung diperoleh dengan memisahkan aliran dasar dari

hidrograf tersebut. Selanjutnya hujan efektif ditetapkan dengan Φindeks,

sedemikian sehingga volume hujan efektif sama dengan volume hidrograf

limpasan langsung.

3. Hidrograf satuan hipotetik ditetapkan tidak dengan ordinat-ordinat yang

belum diketahui, akan tetapi ditetapkan dengan ordinat-ordinatnya.

4. Semua hujan yang terjadi, kecuali bagian hujan maksimum,

ditransformasikan dengan hidrograf satuan hipotetik tersebut, maka akan

diperoleh sebuah hidrograf.

5. Apabila hidrograf terukur dikurangi dengan hidrograf yang diperoleh dari

butir (4), maka hasilnya adalah hidrograf akibat hujan maksimum. Maka

hidrograf satuan baru dapat diperoleh dengan membagi semua ordinat

hidrograf ini dengan intensitas hujan maksimum. Hidrograf satuan yang

diperoleh terahir ini dibandingkan dengan hidrograf satuan hipotetik. Bila

perbedaan keduanya telah lebih kecil dari patokan yang ditetapkan, maka

hidrograf satuan ini dianggap sudah benar. Tetapi bila perbedaannya masih
 32

lebih besar, prosedur pada butir (4) diulangi lagi menggunakan hidrograf

satuan yang diperoleh dari butir (5) ini.

6. Prosedur ini diulang-ulang terus sampai ahirnya diperoleh hidrograf satuan

terahir yang tidak berbeda banyak (tidak melebihi patokan perbedaan yang

ditetapkan).

G. Debit Banjir Rancangan

Banjir rancangan adalah besarnya debit banjir yang ditetapkan sebagai

dasar penentuan kapasitas dan mendimensi bangunan-bangunan hidraulik

(termasuk bangunan di sungai), sedemikan hingga kerusakan yang dapat

ditimbulkan baik langsung maupun tidak langsung oleh banjir tidak boleh terjadi

selama besaran banjir tidak terlampaui (Sri Harto, 1993). Rachmad Jayadi (2000)

menyatakan besarnya banjir rancangan dinyatakan dalam debit banjir sungai

dengan kala ulang tertentu. Kala ulang debit ditakrifkan sebagai suatu kurun

waktu berulang dimana debit yang terjadi menyamai atau melampaui besarnya

debit banjir yang ditetapkan (banjir rancangan).

Didalam praktek memang tidak pernah dijumpai pedoman yang jelas yang

dapat digunakan sebagai pegangan dalam penetapan kala ulang. Faktor teknis

umumnya tidak bersifat paling menentukan dibanding faktor ekonomi, social dan

politik yang lebih memiliki peranan lebih penting (Sri Harto, 2000). Banjir

rancangan dapat berupa debit puncak, volume banjir, ataupun hidrograf banjir.

Metode-metode dikembangkan karena tidak tersedianya data debit saat

terjadi banjir sehingga berkembang metode-metode yang semua metode

memerlukan informasi dasar dari DAS untuk memprediksi debit banjir (George
 33

dan Halasi dalam David, 1973). Dalam praktek analisis hidrologi terdapat

beberapa cara yang ditempuh untuk menetapkan debit banjir rancangan. Cara

analisis dapat dikelompokkan menjadi tiga metode (Gupta, 1967 dalam Sri Harto

2000) yaitu cara empirik, cara statistik, dan analisis dengan model hidrologi.

1. Penentuan Debit Banjir Rancangan dengan Cara Empirik

Salah satu cara empirik adalah metode pendekatan dengan rumus rasional.

Cara ini dilakukan apabila tidak tersedia data debit yang cukup panjang. Terdapat

empat metode perhitungan banjir rancangan yang dikembangkan berdasarkan

prinsip pendekatan rasional (Muhadi, 1987 dalam Rachmad Jayadi, 2000) yaitu :

metode Rasional, metode Der Weduwen, dan metode Melchior.

Selain itu juga digunakan cara hidrograf satuan terukur dan cara hidrograf

satuan sintetik. Cara yang disebutkan terakhir yaitu cara hidrograf satuan sintetik

dilakukan jika tidak tersedia data debit aliran maupun data curah hujan, sehingga

karakteristik sungai seperti kemiringan dan panjang sungai, luas DAS dan

kondisinya, diamati dengan cermat, dan dituangkan dalam bentuk angka. Adapun

pengaruhnya terhadap hidrograf ditetapkan secara analitis (Hindarko, 2002). Ada

beberapa cara contohnya seperti hidrograf sintetik GAMA I, hidrograf satuan

sintetik GAMA II, hidrograf satuan sintetik Snyder dan hidrograf satuan sintetik

Nakayasu (Joko Sujono, 2004).

2. Penentuan Debit Banjir Rancangan dengan Model Hidrologi

Model hujan aliran (rainfall-runoff model) ini pada prinsipnya merupakan

suatu tiruan dari sistem hidrologi (sistem DAS yang kompleks), yakni hubungan
 34

antara masukan (input), sistem DAS, dan keluaran (ouput) debit sungai yang

dinyatakan dalam debit banjir atau hidrograf banjir (Rachmad Jayadi, 2000).

Setiap model hujan aliran memiliki konsep dasar yang sama, yaitu perumusan

neraca air (water balance) pada zona hidrologi yang ditinjau dengan merinci

besarnya setiap unsur aliran. Beberapa model yang sering digunakan di Indonesia

adalah SSARR, Tank model, SWM-IV dan lain-lain.

 BAB III

LANDASAN TEORI

A. Kerapatan Stasiun Hujan

Jaringan Kagan dilakukan dengan menentukan koefisien korelasi antar

stasiun hujan baik untuk masukan (input) hujan harian maupun hujan bulanan,

dalam melakukan ini dihindarkan adanya “complete dry days”, jadi hanya untuk

hari-hari atau bulan-bulan yang mempunyai hujan yang dikorelasikan. Evaluasi

jaringan kagan menunjukkan keluaran (output) yaitu pertama hubungan antara

jumlah stasiun hujan yang dibutuhkan dengan tingkat kesalahan tertentu

(kesalahan perataan dan kesalahan interpolasi), dan kedua lokasi stasiun hujan

sesuai dengan pola jaringan tertentu.

Dengan membandingkan kerapatan jaringan yang ada (existing) dengan

kerapatan jaringan yang diperoleh dengan cara Kagan nantinya akan diperoleh

jumlah stasiun yang optimum. Apabila jumlah stasiun hujan yang telah ada dalam

DAS ternyata lebih besar dari jumlah stasiun hujan yang diperoleh dari cara

Kagan, maka tidak semua stasiun dalam dalam DAS diperlukan dalam analisis

selanjutnya dan stasiun yang ada dapat dikurangi. Pemilihan dilakukan dengan

memilih hanya stasiun-stasiun yang paling dekat dengan simpul-simpul Kagan

saja sebagai stasiun yang dianggap mewakili jaringan Kagan, dan yang

selanjutnya akan digunakan dalam analisis. Sebaliknya apabila jumlah stasiun

hujan yang tersedia dalam DAS ternyata lebih kecil dibandingkan dengan jumlah

yang didapat dari Kagan, maka perlu ditambah stasiun-stasiun baru di simpul-

35
 36

simpul jaringan Kagan dan semua stasiun hujan yang ada harus digunakan dalam

analisis. Namun kesalahan dengan besaran tertentu akan terbawa ke dalam analisis

yang dilakukan selanjutnya.

B. Analisis Data Hujan

Data hujan yang akan digunakan untuk analisis dalam menentukan

besarnya hujan rancangan dengan kala ulang tertentu didasarkan pada data yang

tersedia, yang selanjutnya diperlukan untuk pengalihragaman data hujan menjadi

aliran debit banjir (flood hydrograh). Ketersediaan data hujan untuk menentukan

tinggi hujan rancangan mempertimbangkan jumlah data, kualitas data, validitas

data dan kelengkapan data. Kualitas data terpilih sangat berpengaruh terhadap

hasil analisis, sehingga perlu hati-hati dalam menentukan data. Ketersediaan data

hujan yang cukup panjang tetapi banyak data yang rusak atau hilang sehingga

kehilangan tersebut harus diabaikan, namun jika kehilangan data tidak panjang

maka dilakukan koreksi data atau mengisi data tersebut. Satu seri data hujan

dimungkinkan diragukan kepanggahannya, baik karena alat ukur diganti dengan

spesifikasi yang berbeda atau karena alat ukur dipindahkan. (Sri Harto, 2000) Dari

penelitian yang dilakukan untuk kurang lebih 600 stasiun hujan di pulau Jawa,

ternyata 15% data hujannya tidak panggah. Cara koreksi yang paling mudah dan

telah lama digunakan adalah cara grafis, dengan analisis kurva ganda (double

mass analysis).

Variabilitas data yang diperoleh dari satu stasiun pengamatan pada

umumnya demikian besar, sehingga dengan makin banyaknya stasiun pengamatan

 37

yang dapat berfungsi sebagai jaringan pengamatan yang utuh, tingkat variabilitas

ini akan menurun. Fungsi jaringan dalam pengamatan besaran variable adalah

penurunan variabilitas besaran variable yang diukur. Variabilitas variable

umumnya ditunjukkan sebagai besaran simpangan baku (standard deviation) dan

variabilitas hasil pengukuran dengan jaringan pengukuran dinyatakan dengan”

standard error”.

C. Analisis frekuensi

Analisis hidrologi untuk menentukan debit banjir rancangan dengan cara

statistik dianggap paling baik, karena didasarkan pada data terukur di sungai, yaitu

catatan debit banjir yang pernah terjadi. Sehingga bisa dipahami bahwa analisis

dilakukan secara lansung pada data debit, tidak melalui hubungan empiris antar

beberapa parameter DAS dan hujan seperti halnya dengan cara empirik. Oleh

karena itu sampai saat ini masih dianggap cukup diandalkan. Walaupun ketelitian

hasil juga akan sangat dipengaruhi oleh data yang tersedia, baik tentang kuantitas

(panjang data), kualitas atau ketelitiannya.

Analisis frekuensi dilakukan dengan mengambil satu seri data debit banjir

maksimum tahunan (maximum annual series). Analisis dengan rumus distribusi

teoritik dapat diterapkan dan memberi hasil yang teliti apabila data yang tersedia

relative panjang. Batasan umum adalah 20 tahun, akan tetapi apabila ketersediaan

data kurang, maka dapat ditempuh dengan cara menetapkan nilai debit banjir

ambang (treshold). Hal ini dikarenakan besaran maksimum kedua dalam suatu

tahun mungkin lebih besar dari maksimum data tahun yang lain, sehingga dipakai
 38

cara “partial series”. Partial series (peak over threshold) dengan menetapkan

suatu batas bawah tertentu dengan pertimbangan-pertimbangan tertentu. Dengan

penerapan cara ini data debit banjir akan bertambah, karena kemungkinan dalam

satu tahun akan terdapat lebih dari satu data debit banjir yang lebih besar dari nilai

debit banjir ambang. Hubungan antara kala ulang hasil analisis frekuensi dengan

data “annual series” dan dengan data “partial series” tersaji dalam rumus di

bawah ini.

1
Tp = (3.1)
[ln Ta − ln(Ta − 1)]
dengan :
Tp = kala ulang untuk data “partial series”,
Ta = kala ulang untuk data “annual series”.

D. Analisis Hidrograf Satuan

Teori hidrograf satuan merupakan penerapan pertama teori sistem linier

dalam hidrologi. Inputnya berupa hujan merata yaitu hujan dengan intensitas

konstan sebesar i dan durasi tertentu T yang terbagi rata di atas DAS. DAS

dipandang sebagai blackbox dan sistemnya ditandai oleh response Q terhadap

input tertentu. Analisis hidrograf satuan terukur (observed pattern) dengan

penurunan cara polinomial atau cara collins menghasilkan keluaran analisis dalam

bentuk hidrograf banjir sehingga dapat diketahui debit banjir puncaknya sebagai

debit banjir rancangan yang ditentukan dengan penggunaan pola distribusi hujan.

Sri Harto dan Sujono (1987) dalam penelitiannya mengatakan metode

hidrograf satuan sampai saat ini masih dipandang cukup baik. Namun dalam

pemakaian cara ini harus sangat diperhatikan dan hendaknya masih perlu
 39

penerapan dengan sangat hati-hati, karena pemakaian konsep hidrograf satuan

sangat peka terhadap masukan hujan yang diperlukan dalam perancangan,

karenanya “performance” jaringan pos pengamatan hujan hendaknya diperhatikan

dengan teliti. Ketidaktersediaan data (data hujan dan data debit) yang memadai

masih dapat dilakukan analisa dengan menggunakan hidrograf satuan sintetik

(synthetic unit hydrograf), dengan memanfaatkan peta DAS dimana terdapat

banyak rumus empiris seperti: cara snyder, rumus SCS, dan Hidrograf Satuan

Sintetik Gama I (Sri Harto 1985). Cara ini dilakukan dengan harapan dapat

diperoleh hidrograf-satuan yang dipandang dapat mewakili DAS yang

bersangkutan.

E. Pemilihan Kala Ulang Banjir Rancangan

Pengambilan keputusan dalam menetapkan kala ulang banjir rancangan

paling tidak harus didasarkan pada hasil analisis ekonomi (benefit cost analysis)

sebagai salah satu pertimbangan non teknis. Meski tidak terdapat kriteria dan

pedoman yang definitif dalam pemilihan besarnya kala ulang banjir rancangan

untuk setiap kegiatan perencanaan dan pengelolaan sumberdaya air. Namun

penetapan besaran rancangan harus dilakukan dengan hati-hati, karena dalam

kenyataannya besaran tersebut masih memungkinkan terlampaui. Debit banjir

rancangan dapat ditetapkan berdasarkan beberapa pertimbangan antara lain

sebagai berikut (Rachmad Jayadi, 2000).

1. ukuran dan jenis proyek,

2. ketersediaan data,
 40

3. ketersediaan dana (financial),

4. kepentingan daerah yang dilindungi,

5. resiko kegagalan yang dapat ditimbulkan,

6. kebijaksanaan politik.

Debit banjir yang ditetapkan dari besarnya hujan rancangan memunculkan

anggapan kala ulang hujan sama dengan kala ulang debit banjir yang terjadi akibat

adanya hujan yang besarnya sama dengan hujan rancangan yang ditetapkan.

Meski tidak selalu benar, namun dalam praktek cara ini masih digunakan. Analisis

ini menjadi salah satu sumber kesalahan yang dapat membawa pada besaran

rancangan yang tidak benar. Masalah yang akan dihadapi nantinya apabila biaya

konstruksi yang dikehendaki relatif kecil dan dengan besaran yang lebih kecil

ditetapkan sebagai patokan rancangan maka akan membawa resiko yang lebih

besar karena kemungkinan besaran akan terlampaui sebelum jangka waktu yang

ditetapkan (underestimated). Apabila patokan rancangan yang ditetapkan lebih

besar, resiko menjadi kecil karena perancangan aman, namun biaya konstruksi

menjadi lebih besar (overestimated).

Apabila dikaitkan dengan resiko kegagalan kegagalan, maka dapat

digunakan rumus sederhana berikut.

R = 1 – (1-1/T0L (3.2)

dengan :
R = resiko kegagalan,
T = kala ulang (tahun),
L = umur bangunan/proyek (tahun).
 BAB IV

HIPOTESIS

Hipotesis yang bisa diambil dari penelitian ini adalah.

1. Perbedaan jumlah stasiun hujan, kerapatan jaringan pengukuran dan pola

penempatan stasiun hujan baik dengan cara Kagan maupun dengan cara acak

(random) terkait dengan zonifikasi wilayah DAS hulu dan hilir serta DAS

secara keseluruhan akan memberikan hasil dengan jumlah stasiun dan pola

kerapatan yang berbeda. Sehingga jaringan stasiun hujan pada DAS yang

ditinjau memberikan kemungkinan untuk ditambah maupun dikurangi jumlah

stasiunnya, atau pola penempatannya disesuaikan sesuai dengan hasil

perhitungan yaitu jumlah stasiun hujan dan pola kerapatan yang optimal.

Demikian juga dengan hasil ketelitiannya akan berbeda terhadap analisis debit

banjir rancangan.

2. Besarnya kecilnya ketelitian hasil analisis perhitungan debit banjir rancangan

dapat menyebabkan kesalahan dalam analisis selanjutnya termasuk resiko

terhadap overestimated dan underestimated.

41
 BAB V

METODOLOGI PENELITIAN

A. Tahapan Penelitian

Dalam penelitian ini, secara garis besar urutan tahap atau alur kegiatan

yang akan dilakukan adalah sebagai berikut.

1. Melakukan persiapan,

2. Pengumpulan data, pemilihan data dan penyusunan data,

3. Melakukan pemisahan DAS untuk kondisi upstream dan kondisi

downstream,

4. Melakukan analisis kerapatan jaringan stasiun hujan dengan cara acak

(random network) dan cara Kagan,

5. Analisis hujan DAS dari setiap cara Kagan dan random pada kondisi
upstream, downstream dan DAS secara keseluruhan,

6. Analisis hujan rancangan dengan analisis frekuensi,

7. Perhitungan debit banjir rancangan dengan hidrograf satuan,

8. Perhitungan debit banjir rancangan dari data debit terukur dengan analisis
frekuensi,

9. Membuat laporan.

Keseluruhan tahapan kegiatan yang dilakukan pada penelitian ini dapat

dilihat pada bagan alir penelitian (flow chart) gambar 5.1.

42
 43

Mulai

Persiapan : 1. Studi Pustaka

2. Menentukan data yang diperlukan

Stasiun hujan
Existing

Analisis Jaringan Random network

Kagan Data Debit Max
tahunan/partial
Zona upstream Zona downstream DAS series terukur

Setting error
Data Hujan
Jaringan /Hujan titik Analisis
existing frekuensi
Kagan network
terpakai Hujan DAS

Analisis Frekuensi
Data Hujan
/Hujan titik
Hujan
Rancangan Debit banjir
Hujan DAS Rancangan
Distribusi Hujan
Analisis Frekuensi jam-jaman

Hujan
Rancangan

Distribusi Hujan
jam-jaman
Debit Banjir
Rancangan

Ei

Ei min

Stasiun Hujan Optimal

Selesai

Gambar 5.1 Bagan Alir Penelitian

 44

B. Deskripsi Lokasi Penelitian

Wilayah studi dilakukan di Daerah Istimewa Yogyakarta dengan obyek

penelitian pada dua DAS yaitu DAS Opak dan DAS Progo, yang letaknya berada

di beberapa wliayah administrasi, baik di Provinsi DIY maupun di Provinsi Jawa

Tengah.

1. Daerah Aliran Sungai Progo

Secara administratif hulu DAS Progo terletak di Provinsi Jawa Tengah

yang meliputi Kabupaten Temanggung, Kabupaten Magelang dan Kota Magelang.

Sedangkan di Provinsi DIY secara administratif yang termasuk dalam DAS Progo

adalah Kabupaten Sleman, Kabupaten Kulon Progo dan Kabupaten Bantul dan

beberapa wilayah administratif lain di Provinsi Jawa Tengah yang prosentase

luasannya relatif kecil. Luas DAS Progo ± 2.535,25 km2 dengan panjang sungai

utama ± 138 km. Sungai ini berhulu di empat gunung, yaitu Gunung Sumbing (±

3.240 m), Gunung Sindoro (± 3.136 m), Gunung Merbabu (± 3.142 m) dan

Gunung Merapi (± 2.986 m). Sungai ini bermuara di sungai utama (Sungai Progo)

yang memanjang dari utara ke selatan. Debit sungai progo tercatat dibeberapa

tempat yaitu di Kali Bawang, Duwet dan Pendowo (Sungai Bedog).

2. Daerah Aliran Sungai Opak

Luas DAS Opak ± 643.15 km2, dengan panjang sungai utama ± 65 km.

Secara administratif wilayah-wilayah yang termasuk dalam DAS Opak ini yaitu

Kabupaten klaten yang termasuk Provinsi Jawa Tengah dan beberapa

Kabupaten/Kota di Provinsi DIY yaitu Kabupaten Bantul, Kabupaten Sleman,

 45

Kabupaten Gunungkidul dan Kota Yogyakarta. DAS Opak berhulu di Gunung

Merapi. Sungai Opak memiliki anak sungai yang besar yaitu Sungai Oyo, dimana

dalam pengembangan sumberdaya airnya diperhitungkan sebagai DAS tersendiri .

Sungai Opak memiliki beberapa anak sungai utama di Provinsi DIY, yaitu Kali

Gajahwong, Kali Code, Kali Winongo, Kali Kuning, Kali Gendol dan Kali Ngijo.

Dalam hal pengembangan jaringan stasiun curah hujan di provinsi DIY

pengelolaannya menjadi satu dengan provinsi Jawa tengah.

Tabel 5.1 Kerapatan Jaringan Stasiun Hujan

Jumlah Stasiun Kerapatan Stasiun

No. DAS Luas (km2)
Hujan (buah) Hujan (km2/sta)
1 Progo 2535.25 50 50.705
2 Opak 643.15 24 26.798

3. Topografi

Secara umum kondisi topografi wilayah di DAS Progo dan DAS Opak

terdiri dari wilayah-wilayah perbukitan pegunungan, pegunungan dan dataran

rendah baik yang berada di Provinsi Jawa Tengah maupun yang berada di

Provinsi DIY. DAS Progo yang berada di Provinsi Jawa Tengah sebagian besar

atau dua pertiganya merupakan wilayah dengan topografi sedang sampai sangat

curam (kemiringan diatas 8%) terutama pada Kabupaten Temanggung dan

Kabupaten Magelang. Sedang DAS Opak sendiri berada pada kemiringan 0%

sampai lebih dari 40%.

 46

C. Pengumpulan Data

Pengumpulan data dalam penelitian ini meliputi data sekunder yang

berhubungan dengan kajian yang dilakukan. Data sekunder dikumpulkan beberapa

sumber antara lain Balai Sumber Daya Air Progo–Opak–Oyo, Dinas Pengairan,

dan lain-lain. Data-data yang dikumpulkan sebagai berikut :

1. Peta lokasi stasiun hujan diperlukan dalam menentukan lokasi dan identifikasi

stasiun hujan, dan membuat polygon thiessen.

2. Peta topografi DAS, untuk mengetahui luasan DAS, batas DAS (kondisi

upstream dan kondisi downstream), kemiringan lahan.

3. Data hujan harian maksimum, digunakan untuk menghitung besaran hujan

rancangan dengan kala ulang yang ditetapkan.

2. Data hujan jam-jaman, digunakan untuk menentukan lama hujan dan pola

distribusi hujannya.

3. Data hujan–aliran beberapa kasus banjir, digunakan untuk menurunkan

hidrograf satuan.

4. Data debit sungai maksimum, digunakan untuk menghitung debit rancangan

dengan kala ulang yang ditetapkan.

D. Pemilihan Data

Setelah penulis melakukan pengumpulan data, tidak semua data terkumpul

dengan lengkap dan memenuhi syarat untuk digunakan didalam analisis, baik data

stasiun hujan, data hujan dan data aliran (debit). Sehingga ada beberapa data yang

harus dihilangkan atau tidak digunakan dalam penelitian ini.

 47

1. Stasiun Pengamatan Hujan

Dengan pertimbangan kelengkapan data maka stasiun hujan yang dapat

dipilih untuk digunakan dalam analisis meliputi 24 buah stasiun curah hujan DAS

Opak dan 50 buah stasiun curah hujan DAS Progo. Panjang data rata-rata berkisar

lebih dari 10 tahun. Dari data hujan terpilih ini ternyata data hujannya juga ada

yang kosong untuk data hariannya sehingga berpengaruh terhadap data bulanan.

Stasiun hujan yang dipergunakan dalam penelitian di DAS Opak dan DAS

Progo antara lain bisa dilihat pada tabel 5.2 di bawah ini.

Tabel 5.2 Jaringan Stasiun Hujan DAS Opak

Nama stasiun Luas Pengaruh

No. Luas DAS Bobot
Hujan (KM2)
1 Gandok 26.19996 0.040734
2 Ngipiksari 36.01291 0.055991
3 Pakem 20.71710 0.032210
4 Jangkang 22.97734 0.035724
5 Banjarharjo 22.81899 0.035478
6 Bronggang 24.01267 0.037334
7 Gondangan 11.76598 0.018293
8 Prumpung 7.43473 0.011559
9 Dolo 12.48086 0.019405
10 Barongan 79.02763 0.122868
11 Kemput 6.78723 0.010552
12 Tanjung Tirto 11.32224 0.017603
643.19
13 Santan 27.06193 0.042075
14 Berbah 13.65430 0.021229
15 Juwangen 8.65330 0.013454
16 Sambiroto 5.74152 0.008927
17 Krajan 13.36054 0.020772
18 Klombo 24.87271 0.038671
19 Pundong 88.57972 0.137719
20 Prambanan 26.25089 0.040814
21 Trukan 53.01639 0.082427
22 Karang Ploso 44.83351 0.069705
23 Mrican 30.10593 0.046807
24 Nyemengan 25.50177 0.039649
 48

Tabel 5.3 Jaringan Stasiun Hujan DAS Progo

No. Nama stasiun Hujan Luas DAS Luas Pengaruh (KM2) Bobot
1 Jumo 50.78053 0.020030
2 Ngadirejo 24.99023 0.009857
3 Jumprit 48.22171 0.019020
4 Parakan 72.98417 0.028788
5 Kebraman 96.47917 0.038055
6 Kandangan 131.13328 0.051724
7 Pleret 76.39213 0.030132
8 Pakisdadu 119.56306 0.047160
9 Kaliloro 50.43674 0.019894
10 Salaman 62.10177 0.024495
11 Magelang 44.18984 0.017430
12 Borobudur 66.79518 0.026347
13 Muntilan 58.14608 0.022935
14 Kaliangkrik 88.10236 0.034751
15 Grabag 76.71742 0.030260
16 Ngablak 40.21140 0.015861
17 Kintelan 85.18007 0.033598
18 Salam 22.51073 0.008879
19 Dukun 35.80441 0.014123
20 Mendut 42.85115 0.016902
21 Badran 98.29364 0.038771
22 Kalijoho 67.00920 0.026431
23 Sapon 60.48707 0.023858
24 Gembongan 73.52300 0.029000
25 Kalibawang 36.73167 0.014488
2535.25
26 Brosot 55.24128 0.021789
27 Seneng 65.43312 0.025809
28 Kalegen 67.69636 0.026702
29 Sawangan 71.41662 0.028169
30 Srumbung 42.70723 0.016845
31 Babadan 65.29404 0.025754
32 Sayegan 20.76259 0.008190
33 Tempel 18.27746 0.007209
34 Ledok nongko 19.13405 0.007547
35 Angin-angin 15.82303 0.006241
36 Dadapan 30.30735 0.011954
37 Jetis Medari 18.29286 0.007215
38 Cebongan 11.83874 0.004670
39 Ngepos 15.90127 0.006272
40 Beran 12.19105 0.004809
41 Jambon Demakijo 16.81347 0.006632
42 Patukan 62.55215 0.024673
43 Godean 37.09116 0.014630
44 Sendangpitu 24.06055 0.009490
45 Minggir 40.93427 0.016146
46 Sanden Pandak 33.78294 0.013325
47 Singkung 53.98296 0.021293
48 Kenteng 27.65340 0.010908
49 Tegal 29.94948 0.011813
50 Tempuran 48.48054 0.019123
 49

2. Pembagian DAS Kondisi Upstream dan Kondisi Downstream

Dengan melihat hasil peta topografi dan data kemiringan DAS selanjutnya

dilakukan pemisahan DAS untuk kondisi upstream dan kondisi downmstream

DAS Opak dan DAS Progo, baru kemudian dilakukan analisa jaringan stasiun

hujan untuk cara Kagan dan cara random. Berikut disajikan tabel stasiun hujan

setelah dilakukan pembagian untuk kondisi upstream dan kondisi downstream

DAS Opak dan DAS Progo.

Tabel 5.4 Jaringan Stasiun Hujan DAS Opak (kondisi upstream)

Nama stasiun
No. Hujan Luas DAS Luas Pengaruh (Km2) Bobot
1 Ngipiksari 36.01291 0.320086
2 Pakem 23.39332 0.207922
3 Banjarharjo 112.51 22.30162 0.198219
4 Bronggang 24.01267 0.213427
5 Kemput 6.78723 0.060326

Tabel 5.5 Jaringan Stasiun Hujan DAS Opak (kondisi downstream)

No. Nama stasiun Hujan Luas DAS Luas Pengaruh (Km2) Bobot
1 Gandok 26.19996 0.049371
2 Jangkang 22.06656 0.041582
3 Gondangan 11.76598 0.022172
4 Prumpung 5.55248 0.010463
5 Dolo 12.48086 0.023519
6 Barongan 79.02763 0.148918
7 Tanjung Tirto 11.32224 0.021335
8 Santan 27.06193 0.050995
9 Krikilan / Berbah 530.68 13.65430 0.025730
10 Juwangen 8.65330 0.016306
11 Sambiroto 5.74152 0.010819
12 Krajan / Kalasan 13.36054 0.025176
13 Klombo / Depok 24.87271 0.046870
14 Pundong 88.57972 0.166917
15 Prambanan 26.88507 0.050662
16 Trukan Sorogedug 53.01639 0.099903
17 Karang Ploso 44.83351 0.084483
18 Mrican 30.10593 0.056731
19 Nyemengan 25.50177 0.048055
 50

Tabel 5.6 Jaringan Stasiun Hujan DAS Progo (kondisi upstream)

Nama stasiun Luas Pengaruh

No. Hujan Luas DAS (Km2) Bobot
1 Jumo 50.78053 0.028050
2 Ngadirejo 24.99023 0.013804
3 Jumprit 48.22171 0.026636
4 Parakan 72.98417 0.040315
5 Kebraman 96.47917 0.053293
6 Kandangan 131.13328 0.072435
7 Pleret 76.39213 0.042197
8 Pakisdadu 119.56306 0.066043
9 Kaliloro 50.43674 0.027860
10 Salaman 41.83039 0.023106
11 Magelang 44.18984 0.024409
12 Borobudur 32.84509 0.018143
13 Muntilan 58.59731 0.032368
14 Kaliangkrik 88.10236 0.048665
15 Grabag 76.71742 0.042377
16 Ngablak 40.21140 0.022212
1810.37
17 Kintelan 85.18007 0.047051
18 Salam 32.24360 0.017811
19 Dukun 35.80441 0.019777
20 Mendut 51.07396 0.028212
21 Badran 98.29364 0.054295
22 Seneng 65.43312 0.036144
23 Kalegen 67.69636 0.037394
24 Sawangan 71.41662 0.039449
25 Srumbung 42.70723 0.023590
26 Babadan 65.29404 0.036067
27 Tempel 19.88319 0.010983
28 Ledok nongko 19.13405 0.010569
29 Angin-angin 16.69233 0.009220
30 Dadapan 30.30735 0.016741
31 Jetis Medari 7.25694 0.004009
32 tempuran 48.48054 0.026779

Tabel 5.7 Jaringan Stasiun Hujan DAS Progo (kondisi downstream)

Nama stasiun Luas Luas Pengaruh

No. Bobot
Hujan DAS (Km2)
1 Kalijoho 67.00920 0.092442
2 Sapon 60.48707 0.083444
3 Gembongan 73.52300 0.101428
724.88
4 Kalibawang 35.11517 0.048443
5 Brosot 55.24128 0.076207
6 Sayegan 27.84661 0.038415
 51

7 Cebongan 11.84543 0.016341

8 Ngepos 19.29199 0.026614
9 Beran 12.19105 0.016818
724.88
10 Jambon 16.81347 0.023195
11 Patukan 62.55215 0.086293
12 Godean 37.09116 0.051169
13 Sendangpitu 24.06055 0.033192
14 Minggir 46.61627 0.064309
15 Sanden Pandak 33.78294 0.046605
16 Singkung 68.13079 0.093989
17 Kenteng 27.65340 0.038149
18 Tegal 45.63016 0.062949

3. Pengamatan Tinggi Muka Air

Di wilayah studi terdapat 19 stasiun pengamatan tinggi muka air (debit). 8

buah stasiun AWLR di DAS Opak dan 11 buah stasiun AWLR di DAS Progo.

Namun hanya 4 buah stasiun AWLR yang akan digunakan didalam penelitian ini

yaitu stasiun AWLR yang berada di titik outlet DAS Opak dan DAS Progo pada

kondisi uptsream dan kondisi downstreams, sedangkan untuk DAS secara

keseluruhan dikarenakan titik outletnya sama maka stasiun AWLR yang

digunakan sama dengan stasiun AWLR yang digunakan untuk kondisi

downstream. Data debit yang tersedia dari tahun 1993 sampai tahun 2004.

Sebagaimana diberikan pada tabel 5.8 di bawah ini.

Tabel 5.8 Stasiun AWLR DAS Opak dan DAS Progo

Nama Stasiun DAS

No.
AWLR
1 Opak pulo Opak
2 Karangsemut Opak
3 Kalibawang Progo
4 Duwet Progo
Sumber : Balai PSDA Progo Opak Oyo
 52

E. Jaringan Pengukuran Hujan Kagan

Metode Kagan dilakukan pada DAS yang ditinjau yaitu DAS Opak dan

DAS Progo, yang evaluasinya terdiri dari DAS hulu (step slope), DAS hilir (mild

slope) dan seluruh DAS itu sendiri. Cara kagan dimulai dengan memilih data

curah hujan bulanan yang benar-benar terjadi hujan, yaitu dengan menghilangkan

bulan kering april sampai dengan bulan september untuk setiap tahun yang

tersedia data. Data hujan bulanan juga dihilangkan jika kedua/salah satu stasiun

hujan tidak ada datanya atau besar data sama dengan nol. Cara Kagan telah

dijelaskan sebelumnya dengan memakai persamaan – persamaan (2.1), (2.2), (2.3)

dan (2.4).

Koefisien korelasi ditetapkan dari data hujan bulanan satu stasiun hujan

dengan satu stasiun hujan lainnya (antar stasiun). Dengan persamaan (2.1) dapat

diketahui nilai r(o) dan do tiap DAS. Besaran koefisien variasi Cv diperoleh dari

rekaman data hujan bulanan. Koefisien variasi dihitung dari rata-rata hujan

bulanan tiap tahun dari hasil kali bobot tiap stasiun dengan data hujan bulanan

yang ada, Cv didapat setelah rata-rata dan standar deviasi diketahui. Untuk r(d)

dihitung dari r(d) rata-rata tiap jarak dan korelasi antar stasiun, dengan

memasukkan hasil persamaan interpolasi hubungan jarak antar stasiun hujan

dengan koefisien korelasi antar stasiun hujan. Untuk r(0) diambil jarak minimum

antar stasiun yaitu nol km. Persamaan (2.2) dan (2.3) dengan coba ulang dapat

diketahui jumlah stasiun yang dibutuhkan. Jumlah jaringan eksisting dapat

diketahui besar kesalahannya dengan melihat hubungan antara jumlah stasiun

hujan dengan besar kesalahan perataan pada masing-masing DAS tiap-tiap zona.
 53

Jaringan stasiun cara Kagan tersebut dapat digambarkan dengan besar kesalahan

yang ditetapkan. Dengan menetapkan tingkat kesalahan perataan sebesar 5% akan

diketahui jumlah stasiun Kagan tiap zona pada masing-masing DAS. Jarak antar

stasiun dihitung memakai persamaan (2.4), lalu jaring segitiga sama sisi

digambarkan di atas peta DAS dengan jumlah simpul yang menjadi lokasi stasiun

hujan sama dengan jumlah stasiun hujan hitungan.

F. Jaringan Pengukuran Hujan Acak (Random)

Analisis jaringan pengukuran hujan dengan cara acak (random) dilakukan

dengan memisahkan catchment area menjadi tiga zona yaitu untuk zona upstream,

zona downstream dan zona DAS itu sendiri. Hal ini mengingat tingkat variabilitas

hujan akan berbeda-beda di masing-masing zona. Setiap zona akan diteliti

jaringan hujannya dengan cara acak. Cara acak ini dibuat dengan menghilangkan

satu persatu jaringan stasiun hujan untuk setiap zona, yang setiap pengurangan

dianalisis data hujannya sehingga diperoleh hujan DAS. Selanjutnya dengan

analisis frekuensi ditetapkan hujan rancangan untuk setiap pengurangan jumlah

stasiun.

Meskipun ada pendapat yang mengatakan bahwa penempatan stasiun

hujan yang terbagi rata dengan pola tertentu akan menghasilkan perkiraan hujan

yang lebih baik dibandingkan dengan penempatan stasiun hujan secara acak, dan

atau pendapat yang mengatakan wilayah dengan vasiasi hujan tinggi memerlukan

kerapatan yang lebih tinggi dibanding dengan wilayah dengan variasi hujan

rendah, namun masih perlu dikaji lebih lanjut pendapat tersebut untuk wilayah

Indonesia (Sri Harto, 1988).

 54

G. Analisis Hujan Rancangan

Untuk metode jaringan hujan Kagan, hujan DAS dihitung dari stasiun

hujan terpilih sesuai dengan perhitungan jaringan Kagan yang terpakai dengan

pembagian tiga zona yaitu zona upstream, zona downstream dan zona DAS itu

sendiri, sedangkan untuk jaringan pengukuran hujan acak juga terpisah menjadi

tiga zona yaitu zona upstream, zona downstream dan zona DAS itu sendiri, hujan

DAS diambil dari data hujan eksisting dengan variasi jaringan acak setiap zona.

Hujan DAS dihitung dengan menggunakan rangkaian data hujan maksimum

tahunan (maximum annual series). Data hujan maksimum tahunan dimulai dengan

mengambil satu data hujan maksimum tahunan di salah satu stasiun hujan,

kemudian besar curah hujan maksimum diambil juga untuk stasiun hujan yang

lain pada tanggal, bulan dan tahun yang sama. Lalu hujan DAS dihitung dengan

memakai cara poligon Thiessen. Cara yang sama diulangi untuk stasiun hujan

yang lain. Sehingga nanti akan diperoleh n buah hujan maksimum harian rata-rata

tiap tahunnya, yang jumlahnya sesuai dengan jumlah stasiun hujan yang dihitung.

Dari hitungan hujan DAS yang diperoleh tiap tanggal, bulan dan tahun yang sama

tersebut akan dipilih yang terbesar sebagai hujan maksimum harian rata-rata pada

tahun tersebut.

Hujan DAS setiap stasiun hujan diberikan bobot tertentu dan dianggap

mewakili hujan dalam suatu daerah dengan luas tertentu, dan luasnya merupakan

faktor koreksi (weighing factor). Dan dengan seri data hujan maksimum tersebut,

hujan rancangan dengan kala ulang yang diinginkan dapat ditetapkan dengan
 55

analisis frekuensi. Data hujan yang digunakan dalam analisis frekuensi untuk

penetapan hujan rancangan ini adalah data hujan rata-rata DAS.

H. Analisis Banjir Rancangan dengan Analisis Frekuensi

Perhitungan debit banjir rancangan dengan analisis frekuensi ditetapkan

menggunakan kala ulang 25 dan kala ulang 50 tahun. Ketersediaan data debit

dalam jangka waktu yang cukup panjang kurang lebih 20 tahun. Dari satu

rangkaian data (data series) debit yang tersedia, akan dipilih satu angka debit

maksimum setiap tahun, sehingga akan diperoleh satu seri data yang baru. Data

debit yang tidak tersedia akan dilakukan pengumpulan data tinggi muka air dari

jaringan hidrometri dengan membaca alat AWLR (autoamatic water level

recording), data debit akan diperoleh dengan persamaan liku kalibrasi (rating

curve).

Besaran-besaran statistik dihitung seperti rata-rata, standard deviation,

variation coefficient, skewness, dan kurtosis. Urutan yang lazim dilakukan dalam

analisis frekuensi.

1. Menghitung parameter statistik data yang bersangkutan.

Berdasar nilai statistik tersebut, diperkirakan distribusi yang cocok dengan

sebaran data. Untuk pemilihan awal distribusi (agihan) frekuensi diperkirakan

yang paling sesuai dengan statistic data tersedia.

a. nilai rata-rata,
b. standard deviation,
c. koefisien Variasi,
d. koefisien skewness,
 56

e. koefisien kurtosis,

2. Data diurutkan dari kecil ke besar (atau sebaliknya).

Data digambarkan pada kertas probabilitas yang sesuai untuk distribusi

terpilih. Penggambaran data pada kertas probabilitas (probability paper)

dengan persamaan umum.

X T = X + KS (4.1)
dengan :
XT : variat dengan kala ulang T,
X : rata-rata sampel,
K : faktor frekuensi (frequensi factor),
S : standard deviation.

3. Tarik garis teoritik pada gambar tersebut, selanjutnya dilakukan pengujian

dengan Chi-kuadrat dan Smirnov-Kolmogorov.

4. Apabila syarat ujinya terpenuhi, ditentukan besar rancangan yang dicari untuk

kala ulang yang ditetapkan (RT).

5. Jika syarat uji tidak terpenuhi, dipilih distribusi yang lain dan analisis dapat

dilakukan seperti langkah 1 s/d 6.

Pengujian statisitik untuk menetapkan kebenaran pemilihan distribusi

dengan pengujian chi quadrat dan smirnov kolmogorov. Jika kedua syarat uji

distribusi terpenuhi, maka dapat ditentukan besarnya debit banjir untuk beberapa

nilai kala ulang.

 57

I. Analisis Banjir Rancangan dengan Metode Hidrograf Satuan

Telah dikemukakan sebelumnya pada bab II.6 bahwa analisis dengan

metode hidrograf satuan untuk memperoleh debit banjir rancangan,

penyelesaiannya dilakukan baik dengan cara penyelesaian persamaan polinomial

dan atau dengan. Pada penelitian ini yang digunakan adalah dengan persamaan

cara Collins karena memberikan hasil yang lebih baik. Hidrograf yang benar

benar mewakili DAS memerlukan perata-rataan hidrograf-satuan yang diperoleh

dari beberapa kasus banjir. Perataan dilakukan dengan merata-ratakan baik debit

puncak maupun waktu-capai puncak. Sisi resesi dilakukan dengan menarik liku

resesi rata-rata dengan memperhatikan agar volume hidrograf satuan sama dengan

satuan volume yang ditetapkan. Nantinya didapat hidrograf satuan khas untuk

DAS ditinjau. Pola distribusi hujan diterapkan dalam menganalisis banjir

rancangan dengan metode hidrograf satuan.

Debit puncak yang diperoleh dari hasil metode hidrograf satuan cara

Collins dengan masing-masing kala ulang yang ditetapkan dan jumlah setiap

stasiun hujan tertentu dibandingkan hasilnya dengan debit puncak hasil analisis

frekuensi data debit terukur dengan masing-masing kala ulang yang ditetapkan

dan jumlah setiap stasiun hujan tertentu pula. Sehingga diketahui penyimpangan

minimum dari masing – masing debit banjir rancangan. Dari kesalahan terkecil itu

didapatkan jumlah jaringan pengukuran hujan yang optimal untuk DAS Progo dan

Opak.
 58

Gambar 5.2 Peta Ketinggian DAS Opak dan DAS Progo dengan kondisi upstream
dan kondisi downstream
 59

Gambar 5.3 Peta stasiun curah hujan dan stasiun AWLR DAS Opak dan DAS
Progo dengan kondisi upstream dan kondisi downstream
 BAB VI

HASIL PENELITIAN DAN PEMBAHASAN

A. Hasil Analisis Jaringan Pengukuran Hujan Kagan

Setelah melakukan analisis data curah hujan bulanan pada DAS Opak dan

DAS Progo dan memperhatikan persamaan-persamaan pada bab II serta cara

penelitian yang telah disebutkan pada bab V diperoleh hasil penelitian berikut ini.

1. Besaran koefisien variasi hujan bulanan untuk DAS Opak dan DAS Progo

yang dihitung dari data yang tersedia disajikan dalam table 6.1 berikut ini.

Tabel 6.1 Koefisien variasi DAS Opak

DAS Cv
Opak 0.5179
Opak (Kondisi upstream) 0.5028
Opak (Kondisi downstream) 0.5623

Tabel 6.2 Koefisien variasi DAS Progo

DAS Cv
Progo 0.5815
Progo (Kondisi upstream) 0.6751
Progo (Kondisi downstream) 0.5650

2. Korelasi antar stasiun DAS Opak, DAS Opak (kondisi upstream), DAS

Opak (kondisi downstream) dan DAS Progo, DAS Progo (kondisi

upstream), DAS Progo (kondisi downstream)untuk hujan bulanan yang

korelasinya dihitung dari satu stasiun terhadap satu stasiun lainnya

disajikan dalam gambar berikut.

60
 61

1.00 0.90
Grafik Korelasi - Jarak Antar Stasiun DAS OPAK Grafik Korelasi - Jarak Antar Stasiun DAS OPAK ( Upstream )
0.90
0.85

0.80
0.80

k o efisien k o relasi (r)

koefisien korelasi (r)

0.70
0.75
0.60
0.70
0.50 r(d) = 0.8014e-0.0257d
0.65
0.40

0.60
0.30

0.20 -0.0107d 0.55

r(d) = 0.6601e
0.10 0.50
0 5 10 15 20 25 30 35 40 45 0 2 4 6 8 10 12
jarak (km)
jarak (km)
1.20
Grafik Kore lasi - Jarak antar stasiun DAS OPAK
- Downstream
1.00

0.80
koefisien korelasi (r)

0.60

0.40

0.20

r(d) = 0.6459e-0.0103d
0.00
0 3 6 9 12 15 18 21 24 27 30
jarak (km)

Gambar 6.1 Korelasi antar stasiun DAS Opak secara keseluruhan, DAS Opak
(kondisi upstream), dan DAS Opak (kondisi downstream)

1.00 1.00
0.90 Grafik Jarak - korelasi antar stasiun Grafik Jarak - korelasi antar stasiun DAS Progo
0.90
koefisien ko relasi (r)

DAS Progo (Kondisi Upstream)

koefisien korelasi (r)

0.80 0.80
-0.0071d
0.70 r(d)= 0.4757e 0.70
0.60 0.60
0.50 0.50
0.40 0.40
0.30 0.30
0.20 0.20
0.10 0.10 -0.0067d
r(d) = 0.4617e
0.00 0.00
0 20 40 60 80 0 10 20 30 40 50 60 70
jarak (km) jarak (km)

Gambar 6.2 Korelasi antar stasiun DAS Progo secara keseluruhan, DAS Progo
(kondisi upstream), dan DAS Progo (kondisi downstream)
 62

1.00
Grafik Jarak - korelasi antar stasiun
0.90
DAS Progo (Kondisi downstream)
0.80

koefisien korelasi (r)

0.70

0.60

0.50

0.40

0.30

0.20
-0.0157d
0.10
r(d)= 0.5972e

0.00
0 5 10 15 20 25 30 35 40
jarak (km)

Gambar 6.2 Gambar lanjutan

3. Besar kesalahan perataan (Z1) dan kesalahan interpolasi (Z2) dihitung

dengan persamaan (2.2.) dan (2.3), sehingga diperoleh.

24 24
Grafik Hubungan Jumlah Stasiun dan Kesalahan Rata-
22 Grafik Hubungan Jumlah Stasiun dan Kesalahan Rata-rata 22 rata DAS OPAK
20 DAS OPAK (Upstream) 20
18 18
-0.0619
16 Z2 = 18.566N 16 -0.036
Z2 = 21.312N
Z(%)

14 14

12 12

10 10
Z (% )

8 8

6 6 -0.5092
-0.5148 Z1 = 31.754N
Z1 = 24.341N
4 4

2 2

0 0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
Jumlah Stasiun (N)
Jumlah Stasiun (N)
27
Grafik Hubungan Jumlah Stasiun dan Kesalahan Rata-
24 rata DAS OPAK - Downstream
21

18 -0.025
Z2 = 22.321N
15
Z(%)

12

-0.5063
6 Z1 = 34.679N
3

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200

Jumlah Stasiun (N)

Gambar 6.3 Hubungan antara jumlah stasiun dan kesalahan perataan dan
kesalahan interpolasi DAS Opak secara keseluruhan, DAS Opak (kondisi
upstream), dan DAS Opak (kondisi downstream)
 63

35 45
Grafik Hubungan Jumlah Stasiun dan Grafik Hubungan Jumlah Stasiun dan Kesalahan Rata-
40
30 Kesalahan Rata-rata DAS PROGO
35
rata DAS PROGO (Kondisi Upstream)

Z (% )
25
30
-0.0215
20 Z2 = 27.513N
25
-0.0168
Z2 = 31.492N
Z(%)

15 20

15
10
-0.5072
Z1 = 43.859N 10 -0.5057
Z1 = 51.156N
5
5

0 0
0 25 50 75 100 125 150 175 200 225 0 25 50 75 100 125 150 175 200 225
Jumlah Stasiun (N)
Jumlah Stasiun (N)
35
Grafik Hubungan Jumlah Stasiun dan Kesalahan Rata-rata DAS
30 PROGO (Kondisi downstream)
Z (% )

25

20
-0.038
Z2 = 25.851N
15

10
-0.5109
Z1 = 38.151N
5

0
0 25 50 75 100 125 150 175 200 225
Jumlah Stasiun (N)

Gambar 6.4 Hubungan antara jumlah stasiun dan kesalahan perataan dan
kesalahan interpolasi DAS Progo secara keseluruhan, DAS Progo (kondisi
upstream), dan DAS Progo (kondisi downstream)

4. Selanjutnya untuk memenuhi patokan Kagan ditetapkan kesalahan sebesar 5%

dari persamaan kesalahan perataan (Z1). Di bawah ini tabel jumlah stasiun

eksisting dan jumlah stasiun dengan kesalahan perataan 5%.

1. Kondisi eksisiting Stasiun Hujan

Tabel 6.3 Jumlah stasiun hujan eksisting DAS OPAK

Jumlah stasiun Besar kesalahan

No. DAS
Eksisting (buah) perataan (%)
1. DAS Opak 24 6.275
2. DAS Opak (Kondisi upstream) 5 10.690
3. DAS Opak (Kondisi downstream) 19 7.792
 64

Tabel 6.4 Jumlah stasiun hujan eksisting DAS Progo

Jumlah stasiun Besar kesalahan

No. DAS
Eksisting (buah) perataan (%)
1. DAS Progo 52 5.900
2. DAS Progo (Kondisi upstream) 32 8.847
3. DAS Progo (Kondisi downstream) 18 8.681

2. Stasiun hujan hasil perhitungan Kagan

Kondisi stasiun hujan setelah dilakukan perhitungan Kagan adalah :

Tabel 6.5 Jumlah stasiun hujan Kagan DAS OPAK dengan tingkat kesalahan 5%

Luas DAS Jumlah stasiun Jarak antar

No. DAS
(km2) Kagan (buah) simpul (km)
1. DAS Opak 643.19 38 4.42
DAS Opak (Kondisi
2. 112.51 22 2.44
upstream)
DAS Opak (Kondisi
3. 530.68 46 3.64
downstream)

Tabel 6.6 Jumlah stasiun hujan Kagan DAS Progo dengan tingkat kesalahan 5%

Luas DAS Jumlah stasiun Jarak antar

No. DAS
(km2) Kagan (buah) simpul (km)
1. DAS Progo 2535.25 72 6.33
DAS Progo (Kondisi
2. 1810.37 99 4.57
upstream)
DAS Progo (Kondisi
3. 724.88 53 3.94
downstream)

3. Tingkat kerapatan stasiun hujan

Tingkat kerapatan stasiun hujan yang tersedia dengan tingkat kerapatan

stasiun Kagan adalah sebagai berikut.

 65

Tabel 6.7 Tingkat kerapatan eksisting stasiun hujan DAS Opak

Luas DAS Jumlah stasiun Kerapatan Stasiun

No. DAS
(km2) (buah) Hujan (km2/sta)
1. DAS Opak 643.19 24 26.800
DAS Opak (Kondisi
2. 112.51 5 22.502
upstream)
DAS Opak (Kondisi
3. 530.68 19 27.931
downstream)

Tabel 6.8 Tingkat kerapatan eksisting stasiun hujan DAS Progo

Luas DAS Jumlah stasiun Kerapatan Stasiun

No. DAS
(km2) (buah) Hujan (km2/sta)
1. DAS Progo 2535.25 52 48.755
DAS Progo (Kondisi
2. 1810.37 32 56.574
upstream)
DAS Progo (Kondisi
3. 724.88 18 40.271
downstream)

Tabel 6.9 Tingkat kerapatan stasiun hujan Kagan DAS Opak dengan besar
kesalahan perataan 5%

Luas DAS Jumlah stasiun Kerapatan Stasiun

No. DAS
(km2) Kagan (buah) Hujan (km2/sta)
1. DAS Opak 643.19 38 16.926
DAS Opak (Kondisi
2. 112.51 22 5.114
upstream)
DAS Opak (Kondisi
3. 530.68 46 11.536
downstream)

Tabel 6.10 Tingkat kerapatan stasiun hujan Kagan DAS Progo dengan besar
kesalahan perataan 5%

Luas DAS Jumlah stasiun Kerapatan Stasiun

No. DAS
(km2) Kagan (buah) Hujan (km2/sta)
1. DAS Progo 2535.25 72 35.212
DAS Progo (Kondisi
2. 1810.37 99 18.287
upstream)
DAS Progo (Kondisi
3. 724.88 53 13.677
downstream)
 66

Berdasarkan hasil yang diperoleh dari perhitungan jaringan stasiun hujan

eksisiting tabel 6.3 dan tabel 6.4 dengan perhitungan jaringan stasiun hujan Kagan

pada tabel 6.5 dan tabel 6.6 menampakkan perbedaan jumlah stasiun hujan yang

berbeda dan dengan pola kerapatan yang berbeda. Jumlah stasiun hujan yang

tersedia saat ini belum cukup memenuhi persyaratan hasil perhitungan jaringan

stasiun hujan Kagan. Jumlah stasiun yang diperlukan lebih banyak dari stasiun

hujan yang tersedia sehingga perlu adanya penambahan jumlah stasiun pada DAS

baik untuk kondisi upstream, kondisi downstream dan DAS itu sendiri. Terutama

stasiun hujan untuk kondisi upstream perlu ditambah mengingat jumlah stasiun

hujan yang tersedia pada DAS Opak dan DAS Progo untuk kondisi upstream

menunjukkan tingkat kesalahan perataan yang lebih besar.

Dengan melihat hasil perhitungan Kagan DAS Opak terlihat bahwa jumlah

stasiun hujan dengan luas DAS yang lebih besar tidak memberikan hasil jumlah

stasiun hujan yang lebih besar juga. Kondisi downstream DAS Opak dengan luas

DAS yang lebih kecil dibanding DAS opak itu sendiri memerlukan stasiun hujan

dengan jumlah yang lebih banyak. Begitu juga untuk kondisi DAS Progo, dimana

dengan luas DAS Progo yang lebih besar dari kondisi upstreamnya belum tentu

membutuhkan jumlah stasiun hujan yang lebih banyak.

Tingkat kerapatan stasiun hujan (tabel 6.7 s/d tabel 6.10) menunjukkan

tingkat perubahan kerapatan yang lebih tinggi dengan menggunakan jumlah

stasiun hujan dengan cara Kagan dibanding dengan kondisi stasiun hujan yang

tersedia. Walaupun tingkat kerapatan eksisting baik untuk wilayah dataran rendah

dan wilayah pegunungan sudah memenuhi kriteria WMO untuk daerah tropis
 67

(600-900 km2/stasiun untuk wilayah dataran rendah dan 100-250 km2/stasiun

untuk wilayah pegunungan). Namum dari hasil parhitungan jaringan Kagan

dengan memberikan hasil kesalahan perataan 5% maka dibutuhkan tingkat

kerapatan stasiun hujan yang lebih tinggi dibanding dengan stasiun hujan yang

tersedia.

Selanjutnya dengan pola penyebaran stasiun hujan hasil perhitungan

Kagan pada DAS Opak dan DAS Progo dengan kondisi upstream, kondisi

downstream dan DAS secara keseluruhan yang ada pada gambar 6.5 sampai

gambar 6.10 dengan jarak stasiun yang telah di plot ke dalam peta, diperoleh

bahwa pola penyebaran stasiun hujan saat ini belum memenuhi jumlah dan pola

penyebaran stasiun hujan yang sesuai dengan perhitungan Kagan. Dilihat dari pola

penyebaran Kagan tidak semua stasiun hujan dipakai didalam analisis selanjutnya,

hanya beberapa stasiun hujan saja yang digunakan yaitu yang berada di titik

simpul atau yang mendekati titik simpul, sehingga dalam analisis selanjutnya ada

pengurangan jumlah stasiun hujan.

Di bawah ini adalah tabel stasiun hujan yang akan digunakan untuk

analisis selanjutnya, baik untuk kondisi upstream, kondisi downstream dan DAS

secara keseluruhan.

Tabel 6.11 Hasil analisa Kagan DAS Opak (kondisi upstream)

No. Nama stasiun Hujan Luas DAS Luas Pengaruh (KM2) Bobot
1 Pakem 24.66061 0.219186
2 Bronggang 112.51 52.98570 0.470942
3 Kemput 34.86145 0.309852
 68

Tabel 6.12 Hasil analisa Kagan DAS Opak (kondisi downstream)

No. Nama stasiun Hujan Luas DAS Luas Pengaruh (KM2) Bobot
1 Gandok 85.50957 0.161132
2 Jangkang 42.15550 0.079437
3 Gondangan 41.84394 0.078850
4 Krikilan / Berbah 530.68 99.12744 0.186793
5 Juwangen 63.34113 0.119358
6 Pundong 130.27278 0.245483
7 Mrican 68.43202 0.128952

Tabel 6.13 Hasil analisa Kagan DAS Opak

No. Nama stasiun Hujan Luas DAS Luas Pengaruh (KM2) Bobot
1 Ngipiksari 39.83625 0.061935
2 Banjarharjo 63.86851 0.099300
3 Gondangan 55.93640 0.086967
4 Dolo 38.74936 0.060246
643.19
5 Barongan 239.81166 0.372847
6 Kemput 18.54874 0.028839
7 Tanjung Tirto 141.28238 0.219659
8 Krajan 45.15685 0.070208

Tabel 6.14 Hasil analisa Kagan DAS Progo (kondisi upstream)

Luas
No. Nama stasiun Hujan DAS Luas Pengaruh (Km2) Bobot
1 Jumo 102.18251 0.447082
2 Ngadirejo 24.99023 0.109340
3 Jumprit 48.22171 0.210986
4 Parakan 178.81650 0.782381
5 Pakisdadu 277.39854 1.213710
6 Kaliloro 121.67798 0.532381
1810.37
7 Borobudur 105.05241 0.459639
8 Muntilan 119.18035 0.521453
9 Grabag 217.64732 0.952279
10 Seneng 154.45277 0.675782
11 Kalegen 191.03548 0.835843
12 Srumbung 269.71651 1.180099
 69

Tabel 6.15 Hasil analisa Kagan DAS Progo (kondisi

downstream)

Luas
No. Nama stasiun Hujan DAS Luas Pengaruh (Km2) Bobot
1 Kalijoho 143.40710 0.056565
2 Gembongan 81.65450 0.032208
3 Kalibawang 65.39804 0.025795
4 Brosot 724.88 132.94927 0.052440
5 Sayegan 117.86307 0.046490
6 Sendangpitu 41.73575 0.016462
7 Minggir 141.87396 0.055961

Tabel 6.16 Hasil analisa Kagan DAS Progo (kondisi

downstream)

Luas
No. Nama stasiun Hujan DAS Luas Pengaruh (Km2) Bobot
1 Ngadirejo 228.55422 0.090151
2 Kandangan 234.84645 0.092632
3 Pleret 223.87042 0.088303
4 Kaliloro 157.42110 0.062093
5 Grabag 249.22682 0.098305
6 Salam 82.17632 0.032413
7 Kalijoho 150.91170 0.059525
8 Sapon 168.08455 0.066299
9 Kalibawang 2535.25 147.62355 0.058228
10 Seneng 124.45546 0.049090
11 Sawangan 239.84519 0.094604
12 Ledok nongko 86.21198 0.034005
13 Cebongan 45.41487 0.017913
14 Ngepos 42.89195 0.016918
15 Patukan 83.65429 0.032996
16 Sendangpitu 125.88288 0.049653
17 tempuran 144.18221 0.056871
 70

B. Hasil Analisis Banjir Rancangan dengan Metode Hidrograf

 71

C. Hasil Analisis Banjir Rancangan dengan Analisis Frekuensi

Perhitungan analisis frekuensi hujan dan debit rancangan dengan kala

ulang yang telah ditetapkan yaitu 20 tahun dan 50 tahun. Data debit yang

digunakan hanya 11 tahun.

Tabel 6.17 Data debit maksimum DAS Opak

DAS Opak DAS Opak

3
No. Tahun Q (m /dt) Tahun Q (m3/dt)
1 2001 334.00 1995 23.90
2 2000 334.00 2003 23.40
3 1994 282.00 2003 22.10
4 2003 263.00 2003 21.40
5 1999 244.30 1998 20.00
6 1998 226.00 1994 19.10
7 2001 223.00 2000 18.80
8 1994 204.00 2002 18.50
9 1995 194.00 1998 18.03
10 1993 161.80 1998 17.99
11 2002 160.00 1999 17.82
12 1993 128.50 1994 17.70
13 1999 96.80 2001 17.50
14 1996 77.20 1997 15.10
15 1998 77.00 1996 14.90
16 1997 77.00 1995 14.90
17 2004 73.70 2002 14.20
18 2003 73.70 1999 13.99
19 1997 63.10 1997 13.80
20 2002 62.00 1994 13.80
21 2001 61.00 1998 13.70
22 2001 59.20 1998 13.50
23 2004 56.20 1998 13.10
24 2001 55.60 2001 12.60
25 1998 54.70 1994 12.20
26 2004 53.30 1996 11.50
27 2000 50.10 1997 11.20
28 2004 50.00 1995 10.90
29 1998 48.70 2000 10.40
30 2002 42.00 1995 9.80
31 1996 41.40 2001 9.40
32 1999 37.39 2000 9.20
33 1996 35.40 2004 8.32
34 2004 34.00 1997 8.00
35 1996 32.90 1993 6.21
 72

36 1994 32.50 1998 4.54

37 1995 29.30 2003 3.80
38 2002 27.50 2002 3.80
39 2004 26.70 1993 2.86
40 2003 26.70 1997 1.40
41 1997 25.89 2003 0.85

Tabel 6.18 Data debit maksimum DAS Progo

DAS Progo
No. Tahun Q (m3/dt)
1 1997 1377.60
2 1994 1122.60
3 2004 1115.00
4 2003 940.00
5 1998 752.56
6 2002 648.00
7 1997 580.45
8 1995 559.90
9 2003 504.00
10 1997 497.80
11 2002 492.00
12 2000 488.70
13 1996 435.00
14 1998 412.12
15 1999 411.44
16 2001 384.00
17 2000 317.00
18 1995 312.50
19 2001 280.00
20 2004 275.00
21 1996 274.40
22 1999 261.60
23 1994 170.30
24 1994 152.70
25 1993 128.50
26 2001 103.00
27 2004 94.80
28 2002 79.40
29 2003 64.70
30 2004 32.90
31 2003 18.00
 73

D. Hasil Evaluasi Pengaruh Kerapatan Jaringan Hujan Terhadap Ketelitian

Banjir Rancangan

Besaran debit puncak hasil penerapan jumlah dan pola stasiun hujan yang

berbeda ditampilkan pada tabel……. di bawah ini.

1. Penyimpangan Nilai Banjir Rancangan

Dan dengan memakai persamaan…….dapat diketahui besarnya kesalahan

relatif (penyimpangan) debit rancangan dari hasil penerapan analisis frekuensi

debit terukur dengan hasil analisis pola dan jumlah stasiun yang berbeda yang

disajikan pada tabel…….

2. Stasiun Hujan Optimal

Dengan membandingkan hasil analisis debit rancangan masing-masing

pola, tingkat kesalahan relatif (penyimpangan) yang terkecil menunjukkan jumlah

stasiun yang optimal.

 BAB VII

KESIMPULAN DAN SARAN

A. Kesimpulan

Setelah melakukan penelitian tentang pengaruh jumlah stasiun hujan

dengan jumlah dan pola stasiun hujan yang berbeda dan memperhatikan

pembahasan yang telah diuraikan pada bab sebelumnya, maka penulis mengambil

kesimpulan sebagai berikut.

1. Hasil analisis jaringan pengukuran hujan Kagan dipengaruhi oleh

kondisi topografi

74
 75

B. Saran

Sumbang saran yang dapat penulis sampaikan kaitannya dengan hasil

penelitian yang telah penulis lakukan adalah.

1. Perlunya penetapan keseragaman tingkat kesalahan yang diinginkan agar bisa

mendapatkan jumlah dan pola stasiun yang optimal pada tiap DAS mengingat

dari hasil analisis yang dilakukan dengan cara Kagan……

2. Perlu perhatian dan kehati-hatian dalam penetapan jumlah dan pola stasiun

hujan kondisi upstream atau yang memiliki tingkat variabilitas yang tinggi

mengingat tingkat ketelitian yang dilakukan sangat mempengaruhi hasil

analisis debit banjir rancangan.

3. Dari kesimpulan di atas penulis merasa perlu adanya perhatian untuk

kepentingan bersama khususnya pihak-pihak yang berkompeten dengan

masalah hidrologi dan pengambil kebijakan terkait pengelolaan sumberdaya

air agar pertimbangan dalam penetapan jaringan stasiun hujan ke depan dapat

diperbaiki.
 DAFTAR PUSTAKA

Bambang Kuncoro Hari, 2003, Pengaruh Jumlah Stasiun Hujan Terhadap Unjuk
Kerja Metode Storage Function dalam Penentuan Debit Rancangan,
Tesis, Program Studi Teknik Sipil Jurusan Ilmu-Ilmu Teknik, Universitas
Gadjah Mada, Yogyakarta.

CD. Sumarto, 1987, Hidrologi Teknik, Usaha Nasional, Surabaya.

David A. Woolhiser, 1973, Decisions with Inadequate Hydrologic Data,

Proceedings, Water resources Publications, Ford Collins, Colorado, USA.

Ery Setiawan, 1988, Analisis Kerapatan Jaringan Pengukur Curah Hujan, Tugas
Akhir, Jurusan Teknik Sipil Fakultas Teknik Universitas Gadjah Mada,
Yogyakarta.

I Wayan Yasa, 2001, Beberapa Metode Pola Jaringan Stasiun Hujan dan
Implikasinya pada Ketelitian Analisis, Tesis, Program Studi Teknik Sipil
Jurusan Ilmu-Ilmu Teknik, Universitas Gadjah Mada, Yogyakarta.

Hindarko, 2002, Drainase Kawasan Daerah, Penerbit ESHA (Seri Lingkungan

Hidup), Jakarta.

Joko Sujono, 2004, Bahan Kuliah Ketersediaan Air - MPSA, Universitas Gadjah
Mada, Yogyakarta.

J. W. Van Der Made, 1986, Design Aspects of Hydrological Networks, Proceeding

and Information, TNO Committee on Hydrological Research - The
Hague, The Netherlands.

Kagan, R.L., 1972a, Precipitation Statistical Principles, WMO Bulletin, N0. 324.
III.1.2-1-8.

Linsley, Kohler, dan Paulhus, 1996, Hidrologi Untuk Insinyur, Edisi ketiga,
Erlangga, Bandung

Rachmad Jayadi, 2000, Hidrologi I-Pengenalan Hidrologi, Universitas Gadjah

Mada, Yogyakarta.

77
 78

Rachmad Jayadi, 2004, Bahan Kuliah Statistika - MPSA, Universitas Gadjah

Mada, Yogyakarta.

Sri Harto, 1987, Optimasi Kerapatan Jaringan Stasiun Hidrologi, PAU Ilmu
Teknik Universitas Gadjah Mada, Yogyakarta.

Sri Harto, 1987, Pengaruh Kerapatan Jaringan Stasiun Hujan Terhadap

ketelitian Perkiraan Hujan Rata-Rata, Proceeding Seminar Tinjauan
Sistem Hidrologi dan hidrolika, PAU, Universitas Gadjah Mada,
Yogyakarta.

Sri Harto, 1993, Analisis Hidrologi, PT. Gramedia Pustaka Utama, Jakarta.

Sri Harto, 1994, Hidrologi Terapan, Biro Penerbit Keluarga Mahasiswa Teknik
Sipil Fakultas Teknik Universitas Gadjah Mada, Yogyakarta.

Sri Harto, 2000, Hidrologi – Teori, Masalah, Penyelesaian, Nafiri Offset,

Yogyakarta.

Sri Harto dan Joko Sujono, 1987, Karakteristik Hidrograf Satuan dengan
Beberapa Cara Pendekatan, Jurnal Teknik Hidraulik No. 2 TH II 1987
Jurusan Teknik Sipil Fakultas Teknik Universitas Gadjah Mada,
Yogyakarta.

Suripin, 2003, Sistem Drainase Perkotaan yang Berkelanjutan, Penerbit ANDI,

Yogyakarta.

Suyono Sosrodarsono, 1977, Hidrologi untuk Pengairan, Pradyna Paramita,

Jakarta.

Ven Te Chow, David R. Maidment, Larry W. Mays, 1988, Applied Hidrology,

McGraw-Hill International Edition, New York.

World Meteorological Organization, 1976, Hydrological Networks Design and

Information Transfer, Proceeding of the International Seminar Organized,
Secretariat of the World Meteorological Organization, Geneva -
Switzerland.
 79

W. Kuprianov, 1976, General Principles of hydrological network design,

Proceeding of the International Seminar Organized, Secretariat of the
World Meteorological Organization, Geneva - Switzerland.