BAB III

ANALISA HIDROLOGI

3.1. HIDROLOGI
Dalam analisa hidrologi dibutuhkan data-data hidrologi dan klimatologi yang memenuhi syarat. Dari data
tersebut dapat dianalisa tipe iklim, tipe curah hujan dan beberapa parameter hidrologi lainnya. Keadaan
iklim suatu daerah dipengaruhi oleh letak secara regional dan kondisi geografis daerah tersebut.

Analisa hidrologi pada pekerjaan ini dilaksanakan dengan tujuan untuk memahami karakteristik hidrologi
dan klimatologi, untuk mendapatkan besaran curah hujan rencana dan debit andalan. Data curah hujan
yang di perlukan adalah curah hujan harian dan jumlah hari hujan. Pada kegiatan ini, data yang di
kumpulkan di peroleh dari data curah hujan di sekitar lokasi studi yang dianggap mewakili, demikian pula
dengan data klimatologi juga di dapat dari stasiun meteorologi terdekat.

Faktor penting dari letak dan kondisi regional ini meliputi letak lintang, yang berpengaruh terhadap
sistem perpindahan angin. Sedangkan kondisi geografi daerah setempat terutama menyangkut
keadaan topografi dan jarak terhadap lautan. Data-data hidrologi yang dibutuhkan dalam analisa
hidrologi antara lain meliputi curah hujan, klimatologi, peta rupa bumi, data aliran, data dps dan data
lain yang dibutuhkan.
Guna mendapatkan debit banjir rancangan pada daerah studi, menggunakan metode
pengalihragaman dari hujan ke debit. Hal ini dilakukan karena tidak tersedianya data debit aliran
sungai pada lokasi yang ditinjau. Hasil akhir dari analisa hidrologi ini adalah besaran debit banjir
rencana dengan berbagai periode ulang. Secara garis besar perhitungan debit banjir rencana meliputi
tiga tahapan sebagai berikut:
- Perhitungan curah hujan maksimum rencana
- Perhitungan debit banjir rencana
- Pengujian hasil perhitungan

Banjir rencana untuk berbagai kala ulang diperoleh karakteristik hubungan curah hujan dan debit aliran
yang dihasilkannya pada masing-masing DAS yang ditinjau.
Metode yang digunakan dalam mencari karakteristik hubungan curah hujan dan debit untuk lokasi
tersebut di atas tergantung dari jenis dan jumlah data yang diperoleh. Metode - metode yang dapat
digunakan mulai dari metode sintetik atau aktual unit hidrograf sampai metode yang kompleks dimana
 proses terjadinya debit aliran di sungai yang dimulai dari hujan yang jatuh di DAS nya ditelusuri secara
black box atau konseptual (deterministik maupun distributed) dengan bantuan model matematik yang
mensimulasi proses tersebut.
Salah satu metode empiris untuk menghitung banjir rencana dan yang umum digunakan adalah
dengan menggunakan model hidrograf satuan sintetis. Metode ini digunakan untuk mengatasi
permasalahan keterbatasan data banjir yang tercatat dalam periode tertentu. Hidrograf satuan sintetis
dikembangkan dengan mempertimbangkan karakteristik fisik DAS dan hujan rencana. Parameter
utama DAS yang diperhitungkan adalah panjang sungai, luas DAS, dan hujan daerah rencana.
Keterbatasan model hidrograf satuan adalah cakupan areal DAS yang dianalisis diutamakan tidak lebih
dari 1500 Km2.
Dalam perhitungan analisis banjir diperlukan data DAS antara lain seperti berikut.
- Luas daerah Aliran Sungai (DAS)
- Panjang sungai
- Kemiringan rata-rata sungai
- Koefisien pengaliran

3.1.1. Data Hidrologi

A. Penetapan Luas DAS
Penetapan luas Daerah Aliran Sungai (DAS) berdasarkan elevasi tertinggi (bukit) di hulu aliran
sungai yang akan membentuk suatu luasan yang dibatasi oleh punggungan bukit tersebut. Untuk
perencanaan Embung Pokai – Muara Sikabalaun ditetapkan DAS Surantih.
Luas DAS :
Luas Catchment Area : 0,087 km2
Panjang Sungai : 0,440 km
Elevasi dasar sungai
- Hulu : 88 m
- Hilir : 73 m
Pada perhitungan debit banjir rancangan dalam studi ini digunakan model hujan-limpasan. Untuk
itu diperlukan data curah hujan. Dalam analisa hujan rancangan, data yang diperlukan adalah
 data hujan maksimum tahunan. Data curah hujan didapat dari Balai Wilayah Sungai (BWS) V
Sumbar, diambil dari stasiun terdekat yang dianggap mewakili.
DAS Surantih, stasiun hujan yang berpengaruh
- Nama stasiun : STA Surantih
- Lokasi : 01º 34’ 62,90” LS dan 100º 40’ 34,70” BT

B. Data Klimatologi
Data klimatologi di dapat dari Badan Meteorologi dan Geofisika, diambil dari stasiun terdekat
yang dianggap mewakili. Data klimatologi yang di pakai sebagai dasar perhitungan di peroleh dari
pengamatan .
Dari parameter hidrologi yang ada, hujan merupakan parameter yang paling banyak mendapatkan
perhatian untuk diamati, karena sebagian besar aktifitas manusia sangat bergantung pada kondisi
hujan (pertanian, perikanan, perkebunan, dll). Pada kenyataannya hujan dan angin merupakan
parameter hidrologi yang bersifat random, baik terhadap waktu maupun ruang, sehingga paling
sulit untuk diprediksi.
DAS Surantih, stasiun klimatologi yang berpengaruh
- Nama stasiun : STA Surantih
- Lokasi : 01º 34’ 62,90” LS dan 100º 40’ 34,70” BT
1. Data Kecepatan Angin (U)
Tabel 3.1. Data Kecepatan Angin (U)
2. Data Temperatur (ºC)
Tabel 3.2. Data Temperatur (ºC)

3. Data kelembaban Udara (RH)

Tabel 3.3. Data Kelembaban (RH)

4. Data Penyinaran Matahari (Z)

Tabel 3.4. Data Penyinaran Matahari (Z)
3.3. ANALISA CURAH HUJAN RERATA
Data hujan yang didapat dari stasiun-stasiun pengukuran berupa data hujan di suatu titik tertentu
(point rainfall), sedangkan untuk keperluan analisis, yang diperlukan adalah data curah hujan daerah
aliran (areal rainfall/ catchmaent rainfall ). Untuk mendapatkan data curah hujan daerah adalah dengan
mengambil data curah hujan rata-ratanya. Ada 3 cara yang telah banyak digunakan yaitu, cara rata-
rata aljabar (arithmatic Mean Method), Poligon Thiessen (Thiessen Polygon Method) dan Isohiet
(Isohyetal Method).
Penentuan atau pemilihan metode curah hujan daerah dapat dihitung dengan parameter luas daerah
tinjauan sebagai berikut (Sosrodarsono, 2003: 51):
1. Untuk daerah tinjauan dengan luas 250 ha dengan variasi topografi kecil diwakili oleh sebuah
stasiun pengamatan.
2. Untuk daerah tinjauan dengan luas 250 - 50.000 ha yang memiliki 2 atau 3 stasiun pengamatan
dapat menggunakan metode rata-rata aljabar.
3. Untuk daerah tinjauan dengan luas 120.000 - 500.000 ha yang memiliki beberapa stasiun
pengamatan tersebar cukup merata dan dimana curah hujannya tidak terlalu dipengaruhi oleh
kondisi topografi dapat menggunakan metode rata-rata aljabar, tetapi jika stasiun pengamatan
tersebar tidak merata dapat menggunakan metode Thiessen.
4. Untuk daerah tinjauan dengan luas lebih dari 500.000 ha menggunakan metode Isohiet atau
metode potongan antara.

Pada DAS Surantih digunakan metode Aritmatika.

Hasil perhitungan curah hujan rerata pada daerah pekerjaan adalah sebagai berikut:
Tabel 3.5. Curah Hujan Rerata Harian Maksimum Tahunan DAS Surantih

Tabel 3.6. Jumlah Curah Hujan Setengah Bulanan

 Tabel 3.7. Hari Hujan Setengah Bulanan

3.1.1. Analisa Curah Hujan Rancangan

A. Analisis Frekuensi
Curah hujan rancangan adalah curah hujan terbesar tahunan dengan suatu kemungkinan tertentu
atau hujan dengan suatu kemungkinan periode ulang tertentu.
Untuk mendapatkan curah hujan rancangan (Rt) dilakukan melalui analisa frekuensi terhadap
data curah hujan harian maksimum rata–rata daerah pada daerah studi. Pada analisis ini
digunakan beberapa metoda untuk memperkirakan curah hujan dengan periode ulang tertentu,
yaitu:
a. Metoda Distribusi Log Pearson Type III
b. Metoda Distribusi Gumbel
c. Metoda Distribusi Normal
d. Metoda Distribusi Log Normal 2 parameter
 Metoda yang dipakai nantinya harus ditentukan dengan melihat karakteristik distribusi hujan
daerah setempat. Periode ulang yang akan dihitung pada masing-masing metoda adalah untuk
periode ulang 25 tahun.
Hasil perhitungan curah hujan rancangan untuk masing-masing metoda yang dipakai adalah
sebagai berikut :
1. Metoda Distribusi Log Pearson Tipe III
Distribusi Log Pearson Type III banyak digunakan dalam analisis hidrologi, terutama dalam
analisis data maksimum (banjir) dan minimum (debit minimum) dengan nilai ekstrem.
(Soewarno, 1995:141)
Parameter-parameter statistik yang diperlukan oleh distribusi Log Pearson Type III adalah :
(CD. Soemarto, 1987:243)
 Harga rata-rata.
 Standart deviasi.
 Koefisien kemencengan.

Distribusi frekuensi komulatif akan tergambar sebagai garis lurus pada kertas log-normal jika
koefisien asimetri Cs = 0.

Prosedur untuk menentukan kurva distribusi Log Pearson Type III, adalah :
a. Mengubah data debit banjir tahunan sebanyak n buah X 1, X2, X3, ………., Xn menjadi log
X1, log X2, log X3, ………….., log Xn.
b. Menghitung nilai rata-rata dengan rumus :

log X =
∑ log X
n
Keterangan :
n = jumlah data.
c. Menghitung nilai Deviasi standar dari log X, dengan rumus sebagai berikut :

d.
S log X=
√ ∑ ( log X −log X )2
( n−1 )
Menghitung nilai koefisien kemencengan, dengan rumus sebagai berikut:
n ∑ ( log X−log X )3
CS=
( n−1 ) ( n−2 )( Slog X )3
e. Menghitung logaritma debit dengan waktu balik yang dikehendaki dengan rumus sebagai
berikut :

log X =log X +G S log X

Harga-harga G dapat dilihat dari berikut dengan tingkat peluang atau periode tertentu
sesuai dengan nilai CS nya.

f. Mencari anti log X untuk mendapatkan debit banjir dengan waktu balik yang dikehendaki.

Tabel 3.8. Faktor Frekuensi untuk Distribusi Log Pearson Tipe III
 Probabilitas Terjadi (%)
99 95 90 80 50 20 10 5 4 2 1 0.5 0.2 0.1
Cs
Kala Ulang (Tahun)
1.01 1.05 1.11 1.25 2 5 10 20 25 50 100 200 500 1000

3.00 -0.667 -0.665 -0.660 -0.636 -0.396 0.420 1.180 1.912 2.278 3.152 4.051 4.970 5.825 7.250
2.90 -0.690 -0.688 -0.681 -0.651 -0.390 0.440 1.195 1.916 2.277 3.134 4.013 4.909 5.740 7.125
2.80 -0.714 -0.711 -0.702 -0.666 -0.384 0.460 1.210 1.920 2.275 3.114 3.973 4.847 5.654 6.999
2.70 -0.740 -0.736 -0.724 -0.681 -0.376 0.479 1.224 1.923 2.272 3.093 3.932 4.783 5.565 6.868
2.60 -0.769 -0.762 -0.747 -0.696 -0.368 0.499 1.238 1.924 2.267 3.071 3.889 4.718 5.474 6.735
2.50 -0.799 -0.790 -0.771 -0.711 -0.360 0.518 1.250 1.925 2.262 3.048 3.845 4.652 5.383 6.600
2.40 -0.832 -0.819 -0.795 -0.725 -0.351 0.537 1.262 1.925 2.256 3.023 3.800 4.584 5.291 6.469
2.30 -0.867 -0.850 -0.819 -0.739 -0.341 0.555 1.274 1.923 2.248 2.997 3.753 4.515 5.198 6.337
2.20 -0.905 -0.882 -0.844 -0.752 -0.330 0.574 1.284 1.921 2.240 2.970 3.705 4.444 5.103 6.200
2.10 -0.946 -0.914 -0.869 -0.765 -0.319 0.592 1.294 1.918 2.230 2.942 3.656 4.372 4.887 5.746
2.00 -0.990 -0.949 -0.895 -0.777 -0.307 0.609 1.302 1.913 2.219 2.912 3.605 4.398 4.965 5.910
1.90 -1.037 -0.984 -0.920 -0.788 -0.294 0.627 1.310 1.908 2.207 2.881 3.553 4.223 4.790 5.736
1.80 -1.087 -1.020 -0.945 -0.799 -0.282 0.643 1.318 1.901 2.193 2.848 3.499 4.147 4.714 5.660
1.70 -1.140 -1.056 -0.970 -0.808 -0.268 0.660 1.324 1.894 2.179 2.815 3.444 4.069 4.615 5.526
1.60 -1.197 -1.093 -0.994 -0.817 -0.254 0.675 1.329 1.885 2.163 2.780 3.388 3.990 4.515 5.390
1.50 -1.256 -1.131 -1.018 -0.825 -0.240 0.690 1.333 1.875 2.146 2.743 3.330 3.910 4.413 5.252
1.40 -1.318 -1.168 -1.041 -0.832 -0.225 0.705 1.337 1.864 2.128 2.706 3.271 3.828 4.309 5.110
1.30 -1.383 -1.206 -1.064 -0.838 -0.210 0.719 1.339 1.852 2.108 2.666 3.211 3.745 4.203 4.966
1.20 -1.449 -1.243 -1.086 -0.844 -0.195 0.732 1.340 1.838 2.087 2.626 3.149 3.661 4.096 4.820
1.10 -1.518 -1.280 -1.107 -0.848 -0.180 0.745 1.341 1.824 2.066 2.585 3.087 3.575 3.989 4.680
1.00 -1.588 -1.317 -1.128 -0.852 -0.164 0.758 1.340 1.809 2.043 2.542 3.022 3.489 3.883 4.540
0.90 -1.660 -1.353 -1.147 -0.854 -0.148 0.769 1.339 1.792 2.018 2.498 2.957 3.401 3.774 4.395
0.80 -1.733 -1.388 -1.166 -0.856 -0.132 0.780 1.336 1.774 1.993 2.453 2.891 3.312 3.664 4.250
0.70 -1.806 -1.423 -1.183 -0.857 -0.116 0.790 1.333 1.756 1.967 2.407 2.824 3.232 3.559 4.105
0.60 -1.880 -1.458 -1.200 -0.857 -0.099 0.800 1.328 1.735 1.939 2.359 2.755 3.132 3.443 3.960
0.50 -1.955 -1.491 -1.216 -0.856 -0.083 0.808 1.323 1.714 1.910 2.311 2.686 3.041 3.331 3.815
0.40 -2.029 -1.524 -1.231 -0.855 -0.066 0.816 1.317 1.692 1.880 2.261 2.615 2.949 3.219 3.670
0.30 -2.104 -1.555 -1.245 -0.853 -0.050 0.824 1.309 1.669 1.849 2.211 2.544 2.856 3.107 3.525
0.20 -2.178 -1.586 -1.258 -0.850 -0.033 0.830 1.301 1.646 1.818 2.159 2.472 2.763 2.994 3.380
0.10 -2.252 -1.616 -1.270 -0.846 -0.017 0.836 1.292 1.621 1.785 2.107 2.400 2.670 2.882 3.235
0.00 -2.326 -1.645 -1.282 -0.842 0.000 0.842 1.282 1.595 1.751 2.054 2.326 2.576 2.769 3.090
-0.10 -2.400 -1.673 -1.292 -0.836 0.017 0.846 1.270 1.567 1.716 2.000 2.252 2.482 3.033 3.950
-0.20 -2.472 -1.700 -1.301 -0.830 0.033 0.850 1.258 1.539 1.680 1.945 2.178 2.388 2.546 2.810
-0.30 -2.544 -1.726 -1.309 -0.824 0.050 0.853 1.245 1.510 1.643 1.890 2.104 2.294 2.437 2.675
-0.40 -2.615 -1.750 -1.317 -0.816 0.066 0.855 1.231 1.481 1.606 1.834 2.029 2.201 2.328 2.540
-0.50 -2.686 -1.774 -1.323 -0.808 0.083 0.856 1.216 1.450 1.567 1.777 1.955 2.108 2.218 2.400
-0.60 -2.755 -1.797 -1.328 -0.800 0.099 0.857 1.200 1.419 1.528 1.720 1.880 2.016 2.113 2.275
-0.70 -2.824 -1.819 -1.333 -0.790 0.116 0.857 1.183 1.386 1.488 1.663 1.806 1.926 2.010 2.150
-0.80 -2.891 -1.839 -1.336 -0.780 0.132 0.856 1.166 1.354 1.448 1.606 1.733 1.837 1.911 2.035
-0.90 -2.957 -1.858 -1.339 -0.769 0.148 0.854 1.147 1.320 1.407 1.549 1.660 1.749 1.809 1.910
-1.00 -3.022 -1.877 -1.340 -0.758 0.164 0.852 1.128 1.287 1.366 1.492 1.588 1.664 1.715 1.800
-1.10 -3.087 -1.894 -1.341 -0.745 0.180 0.848 1.107 1.252 1.324 1.435 1.518 1.581 1.630 1.711
-1.20 -3.149 -1.910 -1.340 -0.732 0.195 0.844 1.086 1.217 1.282 1.379 1.449 1.501 1.548 1.625
-1.30 -3.211 -1.925 -1.339 -0.719 0.210 0.838 1.064 1.181 1.240 1.324 1.383 1.424 1.469 1.543
-1.40 -3.271 -1.938 -1.337 -0.705 0.225 0.832 1.041 1.146 1.198 1.270 1.318 1.351 1.394 1.465
-1.50 -3.330 -1.951 -1.333 -0.690 0.240 0.825 1.018 1.111 1.157 1.217 1.256 1.282 1.315 1.370
-1.60 -3.388 -1.962 -1.329 -0.675 0.254 0.817 0.994 1.075 1.116 1.166 1.197 1.216 1.240 1.280
-1.70 -3.444 -1.972 -1.324 -0.660 0.268 0.808 0.970 1.040 1.075 1.116 1.140 1.155 1.173 1.203
-1.80 -3.499 -1.981 -1.318 -0.643 0.282 0.799 0.945 1.005 1.035 1.069 1.087 1.097 1.109 1.130
-1.90 -3.553 -1.989 -1.310 -0.620 0.294 0.788 0.920 0.971 0.996 1.023 1.037 1.044 1.051 1.062
-2.00 -3.605 -1.996 -1.302 -0.609 0.307 0.777 0.895 0.938 0.959 0.980 0.990 0.995 0.997 1.000
-2.10 -3.656 -2.001 -1.294 -0.592 0.319 0.765 0.869 0.905 0.923 0.939 0.946 0.949 0.951 0.953
-2.20 -3.705 -2.006 -1.284 -0.574 0.330 0.752 0.844 0.873 0.888 0.900 0.905 0.907 0.908 0.910
-2.30 -3.753 -2.009 -1.274 -0.555 0.341 0.739 0.819 0.843 0.855 0.864 0.867 0.869 0.870 0.872
-2.40 -3.800 -2.011 -1.262 -0.537 0.351 0.725 0.795 0.814 0.823 0.830 0.832 0.833 0.834 0.835
-2.50 -3.845 -2.012 -1.250 -0.518 0.360 0.711 0.771 0.786 0.793 0.798 0.799 0.800 0.801 0.802
-2.60 -3.889 -2.013 -1.238 -0.499 0.368 0.696 0.747 0.758 0.764 0.768 0.769 0.769 0.770 0.771
-2.70 -3.932 -2.012 -1.224 -0.479 0.376 0.681 0.724 0.733 0.738 0.740 0.740 0.741 0.742 0.743
-2.80 -3.973 -2.010 -1.210 -0.460 0.384 0.666 0.702 0.709 0.712 0.714 0.714 0.714 0.714 0.715
-2.90 -4.013 -2.007 -1.195 -0.440 0.390 0.651 0.681 0.682 0.683 0.689 0.690 0.690 0.690 0.691
-3.00 -4.051 -2.003 -1.180 -0.420 0.396 0.636 0.660 0.664 0.666 0.666 0.667 0.667 0.667 0.668
2. Metoda Distribusi Gumbel
Untuk analisa frekuensi curah hujan menggunakan metode E.J. Gumbel, dengan persamaan
sebagai berikut :
XT = X + K.Sx
Keterangan :
XT = Variate yang diekstrapolasikan, yaitu besarnya curah hujan rencana untuk periode
ulang T tahun.
n
∑ Xi
1

X = Harga rata – rata dari data = n

√
n n
∑ X 2i − ∑ X i
1 1

Sx = Standard Deviasi = n −1

K = Faktor frekuensi yang merupakan fungsi dari periode ulang ( return period) dan
tipe frekuensi.
Untuk menghitung faktor frekuensi E.J. Gumbel mengambil harga :
YT − Y n
K= Sn
Keterangan :
YT = Reduced variate sebagai fungsi dari periode ulang T (lihat Lampiran).
Yn = Reduced mean sebagai fungsi dari banyak data (N), lihat Lampiran.
Sn = Reduced standard deviation sebagai fungsi dari banyak data N
 Tabel 3.8. Nilai Reduced Mean dan Reduced Standard Deviation Distribusi Gumbel
TABEL REDUCED MEAN, Yn
n 0 1 2 3 4 5 6 7 8 9
10 0.4952 0.4996 0.5035 0.5070 0.5100 0.5128 0.5157 0.5181 0.5202 0.5220
20 0.5236 0.5252 0.5268 0.5283 0.5296 0.5309 0.5320 0.5332 0.5343 0.5353
30 0.5362 0.5371 0.5380 0.5388 0.5396 0.5402 0.5410 0.5418 0.5424 0.5430
40 0.5436 0.5442 0.5448 0.5453 0.5458 0.5463 0.5468 0.5473 0.5477 0.5481
50 0.5485 0.5489 0.5493 0.5497 0.5501 0.5504 0.5508 0.5511 0.5515 0.5518
60 0.5521 0.5524 0.5527 0.5530 0.5533 0.5535 0.5538 0.5540 0.5543 0.5545
70 0.5548 0.5550 0.5552 0.5555 0.5557 0.5559 0.5561 0.5563 0.5565 0.5567
80 0.5569 0.5570 0.5572 0.5574 0.5576 0.5578 0.5580 0.5581 0.5583 0.5585
90 0.5586 0.5587 0.5589 0.5591 0.5592 0.5593 0.5595 0.5596 0.5598 0.5599
100 0.5600
Sumber : Soewarno, 1995

TABEL REDUCED STANDART DEVIATION, Sn

n 0 1 2 3 4 5 6 7 8 9
10 0.9496 0.9676 0.9833 0.9971 1.0095 1.0206 1.0316 1.0411 1.0493 1.0565
20 1.0628 1.0696 1.0754 1.0811 1.0864 1.0915 1.0961 1.1004 1.1047 1.1086
30 1.1124 1.1159 1.1193 1.1226 1.1255 1.1285 1.1313 1.1339 1.1363 1.1388
40 1.1413 1.1436 1.1458 1.1480 1.1499 1.1519 1.1538 1.1557 1.1574 1.1590
50 1.1607 1.1623 1.1638 1.1658 1.1667 1.1681 1.1696 1.1708 1.1721 1.1734
60 1.1747 1.1759 1.1770 1.1782 1.1793 1.1803 1.1814 1.1824 1.1834 1.1844
70 1.1854 1.1863 1.1873 1.1881 1.1890 1.1898 1.1906 1.1915 1.1923 1.1930
80 1.1938 1.1945 1.1953 1.1959 1.1967 1.1973 1.1980 1.1987 1.1994 1.2001
90 1.2007 1.2013 1.2020 1.2026 1.2032 1.2038 1.2044 1.2049 1.2055 1.2060
100 1.2065
Sumber : Soewarno, 1995

3. Metoda Distribusi Normal

Dapat dihitung analisis frekuensi dengan distribusi normal untuk periode ulang 2 tahun,
dengan data yang telah didapat sebagai berikut:
Jumlah data (n) = 25
Nilai rata-rata (Xrt)
Simpangan Baku (S)
Rumus :
XT = Xrt + Kt . S
4. Metoda Distribusi Log Normal
Distribusi Log–normal dua parameter mempunyai persamaan transformasi sebagai berikut:

Log Xt = Log X+ ( k⋅S Log X )

Keterangan,
Xt = Besarnya curah hujan dengan periode t (mm)
Log X = Rata-rata nilai logaritma data X hasil pengamatan (mm)
S Log X = Standar Deviasi nilai logaritma data X hasil pengamatan
 √
n
∑ ( Log X t − Log X ) 2
t=1

= n−1
k = faktor frekuensi, sebagai fungsi dari koefisien variasi (cv) dengan periode ulang t. Nilai k
dapat diperoleh dari tabel yang merupakan fungsi peluang kumulatif dan periode ulang
Tabel 3.10. Nilai Faktor Frekuensi (k) Sebagao Fungsi dari Nilai Cv
Koefisien Peluang Kumulatif P(%) : P(X<=X)
Variasi 50 80 90 95 98 99
(CV) Periode Ulang (Tahun)
2 5 10 20 50 100
0.05 -0.0250 0.8334 1.2965 1.6863 2.1341 2.4570
0.10 -0.0496 0.8222 1.3078 1.7247 2.2130 2.5489
0.15 -0.0738 0.8085 1.3156 1.7598 2.2899 2.2607
0.20 -0.0971 0.7926 1.3200 1.7911 2.3640 2.7716
0.25 -0.1194 0.7746 1.3209 1.8183 2.4318 2.8805
0.30 -0.1406 0.7647 1.3183 1.8414 2.5015 2.9866
0.35 -0.1604 0.7333 1.3126 1.8602 2.5638 3.0890
0.40 -0.1788 0.7100 1.3037 1.8746 2.6212 3.1870
0.45 -0.1957 0.6870 1.2920 1.8848 2.6731 3.2799
0.50 -0.2111 0.6626 1.2778 1.8909 2.7202 3.3673
0.55 -0.2251 0.6379 1.2613 1.8931 2.7613 3.4488
0.60 -0.2375 0.6129 1.2428 1.8915 2.7971 3.5211
0.65 -0.2185 0.5879 1.2226 1.8866 2.8279 3.3930
0.70 -0.2582 0.5631 1.2011 1.8786 2.8532 3.3663
0.75 -0.2667 0.5387 1.1784 1.8677 2.8735 3.7118
0.80 -0.2739 0.5118 1.1548 1.8543 2.8891 3.7617
0.85 -0.2801 0.4914 1.1306 1.8388 2.9002 3.8056
0.90 -0.2852 0.4686 1.1060 1.8212 2.9071 3.8137
0.95 -0.2895 0.4466 1.0810 1.8021 2.9103 3.8762
1.00 -0.2929 0.4254 1.0560 1.7815 2.9098 3.9035

Sumber : Soewarno, 1995

B. Pemilihan Distribusi Dengan Uji Kecocokan

Untuk menentukan kecocokan (the goodness of fit test) distribusi frekuensi dari sampel data
terhadap fungsi distribusi peluang yang diperkirakan maka terhadap distribusi frekuensi tersebut
perlu di lakukan pengujian parameter yang digunakan yaitu menggunakan metode sebagai
berikut:
1) Chi - Kuadrat (chi-square)
Uji chi-kuadrat dimaksudkan untuk menentukan apakah persamaan distribusi peluang yang
telah dipilih dapat mewakili dari distribusi statistik sampel data yang dianalisis. Pengambilan
keputusan uji ini menggunakan parameter Χ2.
Parameter Χ2 dapat dihitung dengan menggunakan persamaan berikut :
k
( EF−OF ) 2
∑
Χ2hitung = i = 1 EF
Keterangan :
Χ2hitung = Parameter chi-kuadrat terhitung.
OF = Frekuensi pengamatan (Observed Frequency).
EF = Frekuensi teoritis (Expected Frequency).
Harga curah hujan harian maksimum X t diplot dengan harga probabilitas Weibull (Soetopo,
1996:12) :
n
⋅100%
Sn (x) = N +1
Keterangan :
Sn (x) = Probabilitas (%).
n= Nomor urut data dari seri yang telah diurutkan.
N= Jumlah total data.
Hitung harga Χcr dengan menentukan taraf signifikan α = 5% dan dengan derajat kebebasan
yang dihitung dengan menggunakan persamaan :
Dk = K – (P + 1)
keterangan :
Dk = Derajat kebebasan.
P= Parameter yang terikat dalam agihan frekuensi.
K= Jumlah kelas distribusi.
= 1 + (3.22 . log n)
Proses dan hasil perhitungan uji kecocokan dengan menggunakan metode Chi Kuadrat
disajikan berikut :
Pembagian Kelas (K) :
N= 25
K= 1+ 3.22*Log N = ~ 5 kelas
 Peluang kelas batas (P) :
P= 100%/k = 100%/5 = 20%
Jadi sebaran peluang yang dipakai adalah 80%, 60%, 40% dan 20%
Derajat Bebas ( v ) = K-m-1;m=2
= 5-2-1 = 2
Signifikan (a, %) = 5 %
Expected Frequency = 2,00
2) Smirnov – Kolmogorof
Uji kecocokan Smirnov-Kolmogorof, sering disebut juga uji kecocokan non parametrik,
karena pengujiannya tidak menggunakan fungsi distribusi tertentu. Uji ini digunakan untuk
menguji simpangan/selisih terbesar antara peluang pengamatan (empiris) dengan peluang
teoritis, atau dalam bentuk persamaan dapat di tulis seperti berikut:

maks =
| Pe −PT |
Keterangan :
maks = Selisih terbesar antara peluang empiris dengan teoritis.
Pe = Peluang empiris, dengan menggunakan persamaan dari Weibull:
m
P = N +1
m = Nomor urut kejadian, atau peringkat kejadian.
N= Jumlah data pengamatan.
PT = Peluang teoritis dari hasil penggambaran data pada kertas distribusi
(persamaan distribusinya) secara grafis, atau menggunakan fasilitas perhitungan peluang
menurut wilayah luas dibawah kurva normal.
Tabel 3.11. Nilai Simpangan Kritis (Cr) Untuk Smirnov-Kolmogorof
 A
N
20% 10% 5% 1%
5 0.479 0.546 0.608 0.729
10 0.338 0.386 0.430 0.515
15 0.276 0.315 0.351 0.421
20 0.239 0.273 0.304 0.364
25 0.214 0.244 0.272 0.326
30 0.195 0.223 0.248 0.298
35 0.181 0.206 0.230 0.276
40 0.169 0.193 0.215 0.258
45 0.160 0.182 0.203 0.243
50 0.151 0.173 0.192 0.231
1.07/n0.5 1.22/n0.5 1.36/n0.6 1.63/n0.7

Berikut adalah rekapitulasi hasil perhitungan uji kecocokan dengan menggunakan metode
Smirnov-Kolmogorof.
Dari hasil pengujian dapat dilhat pada tabel berikut.
Tabel 3.12. Rekapitulasi Hasil Pengujian Distribusi Probabilitas

Dari rekap hasil perhitungan tabel di atas dapat ditentukan analisis frekuensi terpilih yaitu yang
mempunyai nilai Dx terbesar. Analisis frekuensi terpilih yaitu Log Pearson Type III untuk DAS
Surantih.
Tabel 3.13. Nilah Curah Hujan Rancangan

3.3. ANALISA BANJIR RANCANGAN

3.3.1. Koefisien Pengaliran
Pada saat hujan turun sebagian akan meresap ke dalam tanah dan sebagian lagi akan menjadi
limpasan permukaan. Koefisien limpasan/ pengaliran adalah variabel untuk menentukan besarnya
limpasan permukaan tersebut dimana penentuannnya didasarkan pada kondisi daerah pengaliran dan
karakteristik hujan yang jatuh di daerah tersebut. Besarnya koefisien pengaliran suatu daerah
dipengaruhi oleh kondisi karakteristik, sebagai berikut:
 Keadaan hujan.
 Luas dan bentuk daerah pengaliran.
 Kemiringan daerah pengaliran dan kemiringan dasar pegunungan.
 Daya infiltrasi tanah dan perkolasi tanah.
 Kebasahan tanah.
 Suhu, udara, angin dan evaporasi.
  Letak daerah aliran terhadap arah angin.
 Daya tampung palung sungai dan daerah sekitarnya.
 Tata guna lahan
Koefisien pengaliran seperti yang disajikan pada tabel berikut, didasarkan pada suatu pertimbangan
bahwa koefisien pengaliran sangat tergantung pada faktor-faktor fisik .
Koefisien pengaliran tersebut adalah sebagai berikut :

Tabel 3.14. Koefisien Pengaliran

Kondisi Daerah Koefisien Pengaliran

Daerah pegunungan berlereng terjal 0,75 – 0,90

Daerah perbukitan 0,70 – 0,80

Daerah bergelombang yang bersemak-semak 0,50 – 0,75

Daerah dataran yang digarap 0,45 – 0,60

Daerah persawahan irigasi 0,70 – 0,80

Sungai di daerah pegunungan 0,75 – 0,85

Sungai kecil di daerah dataran 0,45 – 0,75

Sungai besar dengan wilayah pengaliran yang lebih dari seperduanya 0,50 – 0,75
terdiri dari dataran

Sumber : Sosrodarsono, 1978: 145

Dengan memperhatikan tabel di atas dan disesuaikan dengan kondisi lokasi sungai kemudian
ditentukan harga koefisien pengaliran yaitu sebesar 0,24.

3.3.2. Debit Banjir

Analisa debit banjir rancangan akan memberikan hasil yang akurat bila didukung dengan data amatan
debit, yaitu berupa AWLR (automatic water level record) dan data ARR (automatic rainguage record)
sebagai data masukannya.
Apabila debit banjir tersedia cukup panjang (>20 tahun), debit banjir dapat langsung dihitung dengan
metode E.J Gumbel Type I atau Log Pearson Type III. Mengingat pada wilayah perencanaan tidak
ada data debit ,maka untuk analisis debit banjir rancangan digunakan cara transformasi data hujan
menjadi data debit (unit hydrograph syntetic) .
Tujuan utama analisis debit banjir adalah untuk memperoleh debit puncak dan hidrograf banjir, yang
akan digunakan sebagai data penting dalam menentukan dimensi bangunan yang direncanakan. Ada
beberapa metode perhitungan debit banjir rencana yang bisa digunakan dalam perencanaan
bangunan air antara lain adalah :
 Metode Rasional
 Metode Hasper
1. Metode Rasional
Debit rencana metode rasional dihitung dengan menggunakan formula sebagai berikut
Q=0,278.C .I . A

( )( )
R24 24 2/ 3
I=
24 tc
0, 77 −0 ,385
t c=0 , 0195 . L S
Keterangan :
Q = Debit rencana puncak banjir (m3/dt)
C = Koefisien aliran (diperkirakan dengan tabel mononobe)
I = Intensitas hujan selama waktu tiba banjir (mm/jam)
A = Luas DPS, diukur dari peta topografi (km 2)
tc = Waktu konsentrasi (jam)
L = Panjang sungai (m)
S = Kemiringan sungai (m/m)
Untuk hasil perhitungan debit banjir rencana dapat dilihat pada tabel berikut.
- Luas Catchment area : 0,087 km2
- panjang teoritis sungai : 0,44 km
- C : 0,24 (tabel koefisien)
- ∆H : 0,015 km
Tabel 3.15. Analisa Perhitungan Debit Banjir Rencana Metode Rasional

2. Metode Hasper
 Rumus umum dari Metode Haspers adalah :

Q=α x β x q x A
Dimana :
Q = debit banjir rencana (m3/dt)
α = koesfisien pengairan
β = koefisien reduksi
A = luas daerah pengaliran (km2)
I = intensitas curah hujan (mm/jam)
Koefisien pengaliran (α) ditentukan dengan rumus :
0,7
1+0,012 x A
α= xI
1+0,075 x A0,7
Koefisien reduksi (tc) ditentukan dengan rumus :

1 1+3,7x 100,4xt A3/4

=1+ 2 x
β t +15 12

Besarnya curah hujan (r dalam satuan mm) untuk lama hujan tertentu (t=tc dalam satuan jam)
dan (hujan harian maksimum R24 dalam satuan mm) Untuk 2 jam < t < 19 jam dirumuskan :

t x R 24
r=
t+1
Besarnya intensitas hujan (I dalam satuan m 3/dt/km2) ditentukan berdasarkan hubungan antara r
(mm) dan t (jam) dengan rumus :
r
I=
3,6xt
Tabel 3.16. Hasil Perhitungan Debit Banjir Rencana Metode Hasper

Dari hasil perhitungan Debit banjir rencana (Qbanjir rencana) dari 2 (dua) metode yang digunakan
adalah metode Debit Banjir Rencana Rasional. Hal ini dikarenakan nilai Q rencana tersebut yang paling
besar dari kedua metode tersebut.
3.4. EVAPOTRANSPIRASI
Besarnya nilai evaporasi dipengaruhi oleh iklim, sedangkan untuk transpirasi dipengaruhi oleh iklim,
varietas, jenis tanaman serta umur tanaman.
Dalam studi ini untuk menghitung besarnya evapotranspirasi digunakan metode Penman Modifikasi
yang telah disesuaikan dengan keadaan daerah Indonesia (Suhardjono, 1990: 54).
Eto = c x Eto*
Eto* = W (0.75.Rs – Rn1) + (1 – W). f(u). (ea – ed)
Rumus penyederhanaan Penman ini mempunyai ciri khusus sebagai berikut :
W = faktor yang berhubungan dengan suhu (t) dan elevasi daerah
Rs = radiasi gelombang pendek (mm/hari)
= (0,25 + 0,54. n/N). Ra
Ra = radiasi gelombang pendek yang memenuhi batas luar atmosfir (angka angot)
Rn1 = radiasi bersih gelombang panjang (mm/hari)
= f(t) . f(ed) . f(n/N)
f(T) = fungsi suhu = . Ta4
f(ed) = fungsi tekanan uap
= 0,34 – 0,044 . (ed)1/2
f(n/N) = fungsi kecerahan
= 0,1 + 0,9 . n/N
f(u) = fungsi kecepatan angin angin pada ketinggian 2 meter (m/det)
= 0,27 (1 + 0,864 .u)
(ea–ed) = perbedaan tekanan uap jenuh dengan uap sebenarnya
ed = ea . RH
RH = kelembaban udara relatif (%)
C = angka koreksi Penman yang besarnya melihat kondisi siang dan malam
Tabel 3.17. Hubungan Suhu (t) dengan Nilai ea (mbar), w, (1-w), dan f(t)
 Suhu (t) ea w w w (1 - w) (1 - w) (1 - w) f (t)
(o C) (mbar) 0.00 3.00 250.00 0.00 3.00 250.00
(1) (2) (3) (4) (5) (6) (7) (8) (9)
24.00 29.85 0.730 0.730 0.735 0.270 0.270 0.265 15.400
24.20 30.21 0.732 0.732 0.737 0.268 0.268 0.263 15.450
24.40 30.57 0.734 0.734 0.739 0.266 0.266 0.261 15.500
24.60 30.94 0.736 0.736 0.741 0.264 0.264 0.259 15.550
24.80 31.31 0.738 0.738 0.743 0.262 0.262 0.257 15.600
25.00 31.69 0.740 0.740 0.745 0.260 0.260 0.255 15.650
25.20 32.06 0.742 0.742 0.747 0.258 0.258 0.253 15.700
25.40 32.45 0.744 0.744 0.749 0.256 0.256 0.251 15.750
25.60 32.83 0.746 0.746 0.751 0.254 0.254 0.249 15.800
25.80 33.22 0.748 0.748 0.753 0.252 0.252 0.247 15.850
26.00 33.62 0.750 0.750 0.755 0.250 0.250 0.245 15.900
26.20 34.02 0.752 0.752 0.757 0.248 0.248 0.243 15.940
26.40 34.42 0.754 0.754 0.759 0.246 0.246 0.241 15.980
26.60 34.83 0.756 0.756 0.761 0.244 0.244 0.239 16.020
26.80 35.25 0.758 0.758 0.763 0.242 0.242 0.237 16.060
27.00 35.66 0.760 0.760 0.765 0.240 0.240 0.235 16.100
27.20 36.09 0.762 0.762 0.767 0.238 0.238 0.233 16.140
27.40 36.50 0.764 0.764 0.769 0.236 0.236 0.231 16.180
27.60 36.94 0.766 0.766 0.771 0.234 0.234 0.229 16.220
27.80 37.37 0.768 0.768 0.773 0.232 0.232 0.227 16.260
28.00 37.81 0.770 0.770 0.775 0.230 0.230 0.225 16.300
28.20 38.25 0.771 0.771 0.777 0.229 0.229 0.223 16.340
28.40 38.70 0.772 0.772 0.779 0.228 0.228 0.221 16.380
28.60 39.14 0.773 0.773 0.781 0.227 0.227 0.219 16.420
28.80 39.61 0.774 0.774 0.783 0.226 0.226 0.217 16.460
29.00 40.06 0.775 0.775 0.785 0.225 0.225 0.215 16.500
Sumber : Suhardjono

Tabel 3.18. Nilai Koreksi Bulanan (c) Untuk Rumus Penmann

Bulan c
(1) (2)
Jan 1.10
Feb 1.10
Mrt 1.00
Apr 0.90
Mei 0.90
Jun 0.90
Jul 0.90
Agt 1.00
Sept 1.10
Okt 1.10
Nov 1.10
Des 1.10
Sumber : Suhardjono

Berdasarkan rumus tersebut diatas, maka rekapan perhitungan besarnya evapotraspirasi disajikan
pada Tabel berikut ini.
Tabel 3.19. Rekapitulasi Evapotranspirasi Potensial Metode Penmann
3.5. DEBIT ANDALAN
Metode Fj.Mock
Dr. F.J. Mock (1973) memperkenalkan model sedehana simulasi keseimbangan air bulanan untuk
aliran dari data hujan, evapotranspirasi dan karakteristik hidrologi daerah pengaliran.
Kriteria perhitungan dan asumsi yang digunakan dalam analisis diuraikan sebagai berikut :
3.5.1. Evapotranspirasi Aktual (Ea)
Evapotranspirasi aktual dihitung dari Evapotranspirasi potensial metode Penman (ETo). Hubungan
antara Evapotranspirasi potensial dengan Evapotranspirasi aktual dihitung dengan rumus :
Ea = ETo -  E
E = ETo x (m/20) x (1 – n)
Keterangan :
m = Persentase lahan yang tidak tertutup tanaman, ditaksir dari peta tata guna lahan
m = 0 untuk lahan dengan hutan lebat
m = 0 untuk lahan dengan hutan sekunder pada akhir musim hujan dan bertambah 10 % setiap bulan
kering berikutnya.
m = 10 – 40 % untuk lahan yang tererosi
m = 30 – 50 % untuk lahan pertanian yang diolah (misal : sawah, ladang)
Dalam bulan basah (5 – 8 hari hujan dalam sebulan) faktor m dianggap konstan, sementara
dalam musim hujan (lebih dari 8 hari hujan) setelah musim kemarau, dianggap faktor ini
berkurang 10 – 20 % per bulan.
n = jumlah hari hujan dalam sebulan
3.5.2. Keseimbangan Air di Permukaan Tanah
- Air hujan yang mencapai permukaan tanah dapat dirumuskan sebagai berikut :
 S = R – Ea
Bila harga  S positif (R > Ea) maka air akan masuk ke dalam tanah bila kapasitas kelembaban
tanah belum terpenuhi, dan sebaliknya kan melimpas bila kondisi tanah jenuh. Bila harga  S
negatif (R < Ea), sebagian air tanah akan keluar dan terjadi kekurangan ( defisit). R = curah hujan
- Perubahan kandungan air tanah (soil storage) tergantung dari harga  S. Bila harga  S negatif
maka kapasitas kelembaban tanah akan berkurang dan bila  S positif akan menambah
kekurangan kapasitas kelembaban tanah bulan sebelumnya.
- Kapasitas Kelembaban tanah (Soil Moisture Capacity)
 Perkiraan kapasitas kelembaban tanah awal diperlukan pada saat dimulainya simulasi dan
besarnya tergantung dari kondisi porositas lapisan tanah atas dari daerah pengaliran. Biasanya
diambil 50 s/d 250 mm, yaitu kapasitas kandungan air dalam tanah per m 3. Jika porositas tanah
lapisan atas tersebut makin besar, maka kapasitas kelembaban tanah akan makin besar pula.
Bilamana untuk pemakaian model dimulai bulan Januari, yaitu pertengahan musim hujan, maka
tanah dapat dianggap berada pada kapasitas lapangan ( field capacity).
Bilamana untuk pemakaian model dimulai dalam musim kemarau, akan terdapat kekurangan, dan
kelembaban tanah awal mestinya dibawah kapasitas lapangan.

3.5.3. Limpasan dan Penyimpanan Air Tanah ( Run Off & Groundwater Storage)
- Koefisien Infiltrasi (i)
Koefisien infiltrasi ditaksir berdasarkan kondisi porositas tanah dan kemiringan daerah pengaliran.
Lahan yang porous misalnya pasir halus mempunyai iniltrasi lebih tinggi dibandingkan tanah
lempung berat. Lahan yang terjal dimana air tidak sempat infiltrasi ke dalam tanah maka koefisien
infiltrasi akan kecil. Batasan koefisien infiltrasi adalah 0 – 1.0.
- Penyimpanan Air Tanah (Groundwater Storage)
Pada permulaan simulasi harus ditentukan penyimpanan awal ( initial storage) yang besarnya
tergantung dari kondisi geologi setempat dan waktu, sebagai contoh dalam daerah pengaliran
kecildimana kondisi geologi lapisan bawah adalah tidak tembus air dan mungkin tidak ada air di
sungai pada musim kemarau, maka penyimpanan air tanah menjadi nol.
Rumus-rumus yang dipergunakan :
Vn = k . Vn-1 + ½ (1 + k) . In
Keterangan :
Vn = volume air tanah bukan ke n
Vn-1 = Volume air tanah ulan ke (n - 1)
K = qt/qo = faktor resesi aliran air tanah (catchment area recession factor)
qt = Aliran air tanah pada waktu t (bulan ke t)
qo = Aliran air tanah pada awal (bulan ke 0)
In = Infiltasi bulan ke n
 Vn = Vn – Vn-1
 Vn-1 = perubahan volume aliran air tanah
 Faktor resesi air tanah (k) adalah 0 – 1.0. Harga k yang tinggi akan memberikan resesi yang
lambat seperti pada kondisi geologi lapisan bawah yang sangat lulus air ( permeable).
- Limpasan (Run Off)
Aliran dasar : infiltrasi dikurangi perubahan volume alian air dalam tanah
Limpasan langsung : kelebihan air (water surplus) – infiltrasi
Limpasan : aliran dasar + limpasan langsung
Debit andalan : aliran sungai dinyatakan dalam m3/bulan.
Tabel 3.20. Rekapitulasi Perhitungan Debit Andalan metode F.J. Mock