Artikel Ilmiah
Untuk memenuhi sebagai persyaratan
mencapai derajat Sarjana S-1 Jurusan Teknik Sipil
Oleh :
DEVILIA HARDIANTI
F1A013043
i
2
3
ANALISIS POLA DISTRIBUSI HUJAN JAM-JAMAN DI DAERAH
ALIRAN SUNGAI (DAS) REAK DI KABUPATEN LOMBOK UTARA
, ,
1
Mahasiswa Jurusan Teknik Sipil,Fakultas Teknik, Universitas Mataram
2
Dosen Jurusan Teknik Sipil Fakultas Teknik, Universitas Mataram
Jurusan Teknik Sipil, Fakultas Teknik, Universitas Mataram
ABSTRAK
Dalam ilmu hidrologi hujan merupakan salah satu unsur yang paling penting untuk dipelajari dan dikaji.
Terutama dalam perencanaan suatu bangunan air seperti bendungan dan bendung, data hujan harus
diperhitungkan dengan baik dan tepat untuk mendapatkan nilai debit banjir rancangan yang tepat. Untuk
mendapatkan nilai debit banjir rancangan terlebih dahulu perlu dilakukan analisis pola distribusi hujan, dimana
pada perhitungan pola distribusi hujan diperlukan data hujan baik itu data hujan menit-menitan ataupun jam-
jaman. Namun ketersediaan data hujan menit-menitan dan jam-jaman di Indonesia rata-rata belum memadai
karena masih banyak menggunakan alat ukur hujan manual harian. Jika data hujan jam-jaman tidak tersedia,
untuk membentuk pola distribusi hujan dapat digunakan metode empiris seperti Alternating Block Method
(ABM), Metode Tadashi Tanimoto, Triangular Hyetograph Method (THM), ataupun Modified Mononobe
Method.
Pada penelitian ini, pola distribusi hujan yang ingin dikaji melalui hasil observasi dengan menggunakan
data hujan yang terjadi di Daerah Aliran Sungai (DAS) Reak dari tahun 2014-2017. Selain itu, pola distribusi
hujan juga akan dikaji dengan metode empiris untuk mencari pola distribusi yang dapat mendekati hasil metode
observasi, dalam penilitian ini metode empiris yang digunakan adalah Alternating Block Method (ABM) dan
Modified Mononobe Method. Tujuan dari penelitian ini adalah untuk mengetahui pola distribusi hujan jam-
jaman yang terjadi di DAS Reak dan membandingkan pola distribusi hujan empiris (ABM dan Modified
Mononobe) terhadap pola distribusi hujan observasi untuk didapatkan pola distribusi hujan empiris yang paling
tepat.
Hasil penelitian ini menunjukkan bahwa pada pola distribusi hujan dengan durasi hujan 2 dan 3 jam metode
ABM memiliki kesesuaian yang lebih baik terhadap metode observasi karena memiliki nilai penyimpangan
yang lebih kecil dibandingkan dengan metode Modified Mononobe terhadap metode observasi. Sedangkan
pada pola distribusi hujan dengan durasi hujan 5, 6, 7, dan 8 jam pola distribusi hujan tidak bisa menggunakan
pendekatan metode empiris karena nilai penyimpangan yang terjadi terlalu besar.
4
1. PENDAHULUAN perbandingan antara metode empiris terhadap data
yang di hasilkan dengan metode observasi.
1.1 Latar Belakang
Dalam ilmu hidrologi hujan merupakan salah satu 1.2 Tujuan Penelitian
unsur yang paling penting untuk dipelajari dan dikaji.
Tujuan dari penelitian ini adalah:
Dalam perencanaan suatu bangunan air seperti
1. Mengetahui karakteristik hujan yang terjadi di
bendungan dan bendung, data hujan harus
DAS Reak.
diperhitungkan dengan baik dan tepat untuk
2. Mengetahui pola distribusi hujan di DAS Reak
mendapatkan nilai debit banjir rancangan yang tepat.
dengan dua metode empiris tersebut, yaitu
Adapun yang dimaksud dengan debit banjir
Alternating Block Method (ABM) dan Modified
rancangan adalah debit banjir yang digunakan
Mononobe Method.
sebagai dasar untuk merencanakan tingkat
3. Mengetahui kesesuaian metode empiris terhadap
pengamanan bahaya banjir pada suatu kawasan
metode observasi sehingga didapatkan pola
dengan penerapan angka-angka kemungkinan
distribusi hujan yang paling tepat di DAS Reak.
terjadinya banjir terbesar. Banjir rancangan ini secara
teoritis hanya berlaku pada suatu titik di suatu ruas
sungai, sehingga pada sepanjang ruas sungai akan2. 2. METODE PENELITIAN
terdapat besaran banjir rencana yang berbeda-beda. Lokasi penelitian terletak pada catchment area
Untuk melakukan analisis banjir rancangan AWLR (Automatic Water Level Recorder) Sopak
terdapat beberapa metode yang dapat dilakukan yaitu (nomor DAS 041) yang terletak pada DAS Reak.
metode rasional, pemodelan, dan simulasi, seta Catchment area AWLR Sopak memiliki luas 23,66
metode hidrograf satuan. Pada perhitungan debit km2 dengan sungai utama yaitu Sungai Reak yang
banjir rancangan dibutuhkan data hujan titik, yang secara administrative berada di Kabupaten Lombok
kemudian data hujan tersebut diolah dengan Utara. Secara geografis letak Stasiun AWLR Sopak
melakukan analisis frekuensi curah hujan yang terjadi berada pada 8o 16’ 29” LS dan 116o 25’ 12” BT.
di daerah aliran sungai yang diteliti sehingga
didapatkan nilai dari hujan rancangannya. Kemudian
dilanjutkan dengan menganalisis pola distribusi
hujan, dimana pada perhitungannya pola distribusi
hujan dapat dianalisis dengan metode observasi
ataupun dengan metode empiris.
Ketersediaan data hujan menit–menitan dan jam-
jaman di Indonesia rata-rata belum memadai karena
masih banyak menggunakan alat ukur hujan manual
Gambar 1 Peta catchment area AWLR Sopak (DAS
harian. Jika data hujan jam-jaman tidak tersedia,
Reak) (Sumber: Balai Wilayah Sungai, BWS)
untuk membentuk pola distribusi hujan dapat
Adapun langkah-langkah yang dilakukan dalam
digunakan metode empiris seperti Alternating Block
penelitian ini adalah sebagai berikut:
Method (ABM), Metode Tadashi Tanimoto,
a. Melakukan studi pustaka dengan meninjau
Triangular Hyetograph Method (THM), ataupun
beberapa buku refrensi dan penelitian
Modified Mononobe Method. Dalam penelitian ini,
terdahulu.
metode empiris yang digunakan adalah Alternating
b. Melakukan pengambilan data hujan yang
Block Method (ABM) dan Modified Mononobe
ada di DAS Reak, adapun data hujan yang
Method. Melalui kedua metode tersebut ingin dikaji
5
digunakan diambil dari Balai Informasi Mulai
terbanyak.
Selesai
f. Menganalisis pola distribusi hujan dengan
menggunakan metode observasi, yaitu3. 3. HASIL DAN PEMBAHASAN
dengan mengambil nilai rata-rata Dari hasil rekapitulasi secara manual
presentase kedalaman kejadian hujan dari menggunakan software Microsoft Excel yang didapat
setiap kelompok durasi hujan. dari stasiun hujan Sopak tercatat 29 kejadian hujan
g. Membuat pola distribusi hujan jam-jaman yang memilliki kedalaman >50 mm , dimana
DAS Reak menggunakan metode empiris sebarannya dapat dilihat pada Gambar 1 berikut.
untuk mendapatkan pola distribusi yang
Kejadian Hujan Dengan Kedalaman > 50
sesuai. mm
h. Membandingkan pola distribusi hujan 10
FREKUENSI
6
Distribusi Hujan 2 Jam Distribusi Hujan 2 Jam
Waktu Keterangan 1 Jam 2 Jam 150
% Kedalaman Hujan
Kejadian 100
Komulatif
Kedalaman 25,1 26,6
50
(mm) Kejadian 1
0 dan Rerata
30-Des- Persentase 48,549 51,451 1 2
17 (%) Jam Ke
10-Jan- Persentase 39,286 56,391 4,323 Pola distribusi hujan hasil observasi ditunjukkan olah
15 (%) nilai rata-rata persentase kedalaman hujan dari setiap
kelompok durasi hujan yang dianalisis, dimana dari
Komulatif 39,286 95,677 100,000
grafik diatas dapat diketahui bahwa pola distribusi
(%)
hujan dengan nilai rata-rata ditunjukkan oleh garis
Kedalaman 9,500 60,000 7,400
berwarna hitam. Adapun untuk mempermudah
(mm)
pembacaan nilai rata-rata tersebut disajikan dalam
05-Mei- Persentase 12,354 78,023 9,623
bentuk histogram pada Gambar 5 dan Gambar 6
17 (%)
berikut.
Komulatif 12,354 90,377 100,000
(%) Distribusi Hujan 2 Jam
Persentase 25,820 67,207 6,973
55
Kedalaman Hujan
(%) 50
Rerata 45
Komulatif 25,820 93,027 100,000
1 2
%
(%)
Jam Ke
Untuk mempermudah pembacaan data hasil
perhitungan dapat dilihat pada grafik distribusi yang Gambar 5 Pola Distribusi Hujan 2 Jam
ditunjukkan Gambar 3 dan Gambar 4 berikut.
7
dengan luas DAS yang ditinjau adapun luas DAS
Distribusi Hujan 3 Jam yang ditinjau adalah sebesar 38,03 km2 (BWS,
80 2018). Berikut adalah perhitungan nilai waktu
Kedalaman Hujan % 60
konsentrasi yang dilakukan.
40
,!"
20 = 0,76 38,03
= 3,029 Jam
0
1 2 3
Sehingga didapat hasil dari harga waktu
Jam Ke
konsentrasi sebesar 3,029 Jam. Selanjutnya dilakukan
perhitungan untuk mencari pola distribusi hujan
Gambar 6 Pola Distribusi Hujan 3 Jam
dengan metode Modified Mononobe, langkah
pertama yang dilakukan adalah menghitung intensitas
Sebagai pendekatan juga dilakukan analisis
hujan yang terjadi, dan untuk lebih lengkapnya dapat
pola distribusi dengan menggunakan metode empiris
dilihat pada contoh perhitungan untuk pola distribusi
Modified Mononobe Method dan Alternating Block
hujan 2 jam untuk jam pertama dengan hujan
Method. Dimana terlebih dahulu dilakukan
rancangan kala ulang 2 tahun.
perhitungan hujan rancangan, untuk mendapatkan
RT24 = 128,556 mm
pola distribusi yang sesuai dimana dalam penelitian
Tc = 3,029
ini pola distribusi yang didapat adalah distribusi Log
T = 1 jam (jam pertama)
Pearson Tipe III dan kemudian dilanjutkan dengan
& 24
menghitung harga dari intensitas hujan dengan kala #$% = ( ),
*
ulang tertentu, adapun hasil perhitungan dapat dilihat -",../ !, -0
#$% = 1 20,667
!, -0
pada Tabel 3 berikut
#$% = 88,883 mm
Tabel 3 Ringkasan Hujan Rancangan Metode Log
P = It x t
Pearson III
P = 88,883 x 1
Perhitungan Hujan Rancangan
Log Log
P = 88,883 mm
8
durasi 2 jam menggunakan metode Alternating Block
100,000
Kedalaman Hujan
dapat dilihat pada Tabel 5 berikut
50,000
%
Tabel 5 Perhitungan Pola Distribusi Hujan 2 Jam
0,000 Metode ABM
1 2
Distribusi Hujan 2 Jam Kala Ulang 2 Tahun
Jam Ke
Td It It Td Δp Hyetograph
Pt (%)
(jam) (mm/jam) (mm) (mm) (%)
Gambar 7 Pola Distribusi Hujan 2 Jam Metode 1 88,883 88,883 88,883 79,388 20,612
Modified Mononobe 2 55,980 111,960 23,077 20,612 79,388
Jumlah 200,843 Jumlah 100,000 100,000
Dalam Triatmodjo (2008) menjelaskan
metode ABM memiliki sedikit perbedaan dengan Data hasil perhitungan juga disajikan dalam
metode Modified Mononobe dimana pada langkah bentuk histogram atau hyetograph untuk
pertama hal yang dilakukan adalah dengan mempermudah pembacaan, berikut histogram data
menghitung intensitas hujan yang terjadi dan pola distribusi hujan metode ABM dengan durasi
selanjutnya mencari ketebalan hujan diperoleh dari hujan 3 jam ditunjukkan pada Gambar 8.
perkalian antara intensitas hujan dan durasi waktu 100,000
Kedalaman
9
Tabel 7 Rekapitukasi distribusi hujan semua durasi Tabel 8 rekapitulasi distribusi hujan semua durasi
antara metode Modified Mononobe dengan antara metode ABM dengan hasil Observasi
hasil Observasi Rekapitulasi Semua Durasi
Observasi Kesesuaian (%)
Rekapitulasi Semua Durasi Jam ABM (%)
Observasi Mononobe (%) RE RMSE
Kesesuaian (%)
Durasi 48,549 20,612 -0,575 5,286
(%) (%) RE RMSE 2
48,549 79,388 0,635 5,553 100,000 100,000 0,000 0,000
2
100,000 100,000 0,000 0,000 25,82 12,630 -0,511 3,632
25,82 69,362 1,686 6,599 3 93,027 81,992 -0,119 2,349
3 93,027 87,370 -0,061 1,682 100,000 100,000 0,000 0,000
100,000 100,000 0,000 0,000 10,594 9,135 -0,138 1,208
10,594 63,025 4,949 7,241 35,658 72,160 1,024 4,272
35,658 79,388 1,226 4,676 4
4 80,044 88,524 0,106 1,681
80,044 90,865 0,135 1,899
100,000 100,000 0,000 0,000
100,000 100,000 0,000 0,000
16,176 7,161 -0,557 3,002
16,176 58,512 2,617 6,507
48,291 73,703 0,526 3,565
48,291 17,816 -0,631 3,904
5 78,586 84,358 0,073 1,387 5 78,586 76,328 -0,029 0,868
92,172 92,839 0,007 0,408 92,172 91,519 -0,007 0,404
100,000 100,000 0,000 0,000 100,000 100,000 0,000 0,000
5,868 55,065 8,384 7,014 5,868 6,739 0,149 0,934
30,776 69,362 1,254 4,392 30,776 16,766 -0,455 2,647
57,862 79,389 0,372 2,679 57,862 71,831 0,241 2,158
6 6
81,482 87,370 0,072 1,213 81,482 86,128 0,057 1,078
93,652 94,109 0,005 0,302
93,652 94,109 0,005 0,302
100,000 100,000 0,000 0,000
100,000 100,000 0,000 0,000
3,903 52,310 12,402 6,957
31,797 65,891 1,072 4,129
3,903 5,004 0,282 1,049
56,246 75,416 0,341 2,528 31,797 11,406 -0,641 3,193
7 73,457 82,998 0,130 1,544 56,246 20,931 -0,628 3,431
76,508 89,400 0,169 1,606 7 73,457 73,241 -0,003 0,232
83,824 94,996 0,133 1,365 76,508 86,822 0,135 1,436
100,000 100,000 0,000 0,000 83,824 94,404 0,126 1,328
14,066 50,035 2,557 5,997 100,000 100,000 0,000 0,000
41,261 63,026 0,527 3,299 14,066 4,786 -0,660 3,046
64,792 72,137 0,113 1,565
41,261 10,910 -0,736 3,896
76,932 79,389 0,032 0,784
8 64,792 20,021 -0,691 3,863
89,731 85,513 -0,047 0,919
76,932 70,055 -0,089 1,311
94,345 90,866 -0,037 0,762 8
98,304 95,652 -0,027 0,616 89,731 83,046 -0,075 1,156
100,000 100,000 0,000 0,000 94,345 90,298 -0,043 0,821
98,304 95,651 -0,027 0,616
Berdasarkan hasil perhitungan pada tabel 100,000 100,000 0,000 0,000
diatas, dapat diketahui bahwa nilai penyimpangan Berdasarkan hasil perhitungan pada tabel
yang terjadi antara metode Modified Mononobe diatas, dapat diketahui bahwa nilai penyimpangan
terhadap hasil observasi berbeda-beda dan yang terjadi antara metode ABM terhadap hasil
penyimpangan terbesar terjadi pada durasi 7 jam yaitu observasi berbeda-beda dan penyimpangan terbesar
pada jam pertama sebesar 12,402 % untuk RE dan terjadi durasi 4 jam yaitu pada jam kedua sebesar
untuk RMSE sebesar 6,957 % . Sedangkan untuk 1,024 % untuk RE dan untuk RMSE sebesar 4,272 %.
kesesuaian antara metode observasi terhadap metode
Alternating Block dapat dilihat pada Tabel 8 berikut.
Kesesuaian antara hasil perhitungan hasil
observasi dan metode empiris (ABM & Modifiied
Mononobe) disajikan dalam bentuk histogram untuk
memudahkan melakukan pembacaan dan melakukan
perbandingan hasil, adapun histogram hasil
perhitungan untuk durasi hujan 2 jam dapat dilihat
pada Gambar 9 berikut.
10
distribusi ABM memiliki kesesuaian yang lebih baik
100,000
80,000 terhadap hasil Observasi dibandingkan dengan
60,000
Kedalaman Hujan % metode Modified Mononobe terhadap metode
40,000
observasi adalah tepat, dilihat dari kesesuaian pola
20,000
0,000 yang terjadi. Untuk grafik pola distribusi durasi
1 2
hujan 3, 4, 5, 6, 7, dan 8 jam berturut-turut dapat
dilihat pada Gambar 11-16 berikut.
Jam Ke
Observasi Modified mononobe ABM
120
Gambar 9 Kesesuaian Observasi, Modified
Kedalaman Hujan
100
Kumulatif %
Mononobe, dan ABM Hujan Durasi 80
2 Jam 60 Observasi
40 Mononobe
Pada pola distribusi hujan dengan durasi 2 20
jam, distribusi hujan dengan metode ABM memiliki 0 ABM
1 2 3
kesesuaian yang lebih baik terhadap hasil observasi
Jam Ke
dibandingkan dengan metode Modified Mononobe
terhadap hasil observasi hal ini dapat terlihat dengan
Gambar 11 Grafik Pola Distribusi Hujan Durasi
jelas pada histogram, selain itu nilai penyimpangan
3 Jam
yang terjadi antara metode ABM terhadap metode
observasi pada jam pertama menunjukkan angka -
Pada pola distribusi hujan dengan durasi 3
27,937%, pada jam kedua sebesar 0 % lebih kecil
jam yang dapat dilihat pada gambar 11, distribusi
dibandingkan dengan nilai penyimpangan antara
hujan dengan metode ABM memiliki kesesuaian
metode Modified Mononobe terhadap metode
yang lebih baik terhadap hasil observasi
observasi dimana pada jam pertama menunjukkan
dibandingkan dengan metode Modified Mononobe
penyimpangan sebsesar 30,839 % pada jam kedua
terhadap hasil observasi hal ini dapat terlihat dengan
sebesar 0 % dengan demikian dapat disimpulkan pada
jelas pada grafik, selain itu nilai penyimpangan yang
pola distribusi dengan durasi hujan 2 jam metode
terjadi antara metode ABM terhadap hasil observasi
ABM memiliki kesesuaian yang lebih baik terhadap
pada jam pertama menunjukkan angka -13,190 % dan
hasil observasi. Hasil perbandingan juga ditunjukkan
pada jam kedua sebesar -11,034 % lebih kecil
dalam bentuk grafik distribusi yang dapat dilihat pada
dibandingkan dengan nilai penyimpangan antara
Gambar 10 berikut.
metode Modified Mononobe terhadap hasil observasi
120 dimana pada jam pertama menunjukkan
Kedalaman Hujan
100
Kumulatif %
80
penyimpangan sebsesar 43,542 % dan pada jam
60 Observasi kedua sebesar 5,657 % dengan demikian dapat
40 Mononobe disimpulkan pada pola distribusi dengan durasi hujan
20
0 ABM 3 jam metode ABM memiliki kesesuaian yang lebih
1 2 baik terhadap hasil observasi. Untuk grafik hasil
Jam Ke
perhitungan hujan dengan durasi 4 jam dapat dilihat
pada gambar 12.
Gambar 10 Grafik Pola Distribusi Hujan Durasi
2 Jam
11
120
150
Kedalaman Hujan
100
Kedalaman Hujan
Kumulatif %
Kumulatif %
100 80
Observasi 60 Observasi
50 40
Mononobe Mononobe
20
0 ABM ABM
1 2 3 4 0
1 2 3 4 5 6
Jam Ke
Jam Ke
120 120
Kedalaman Hujan
Kedalaman Hujan
100 100
Kumulatif %
Kumulatif %
80 Observasi 80
60 60 Observasi
Mononobe 40
40 Mononobe
ABM 20
20 ABM
0
0
12 34567
1 2 3 4 5
Jam Ke Jam Ke
12
Adapun perbandingan pola distribusi hujan
120
Kedalaman Hujan
100 dari hasil Observasi terhadap metode Empiris
Kumulatif %
80 (Modified Mononobe dan ABM) dapat disimpulakan
60 Observasi
40 bahwa metode ABM terhadap observasi lebih
Mononobe
20 mendekati dari pada metode Modified Mononobe.
ABM
0
1 2 3 4 5 6 7 8 Untuk pola distribusi hujan dengan durasi 2 jam, 3
Jam Ke jam dan 6 jam pola distribusi hujan metode ABM
memiliki tingkat kesesuaian yang lebih baik terhadap
Gambar 16 Grafik Pola Distribusi Hujan Durasi metode observasi dibandingkan dengan metode
8 Jam Modified Mononobe, dimana nilai pola distribusi
Dapat dilihat pada grafik 16 bahwa hujan diperoleh dari nilai kumulatif persentase rata-
kesimpulan yang diambil sebelumnya bahwa pola rata kedalaman hujan untuk setiap durasi. Pada pola
distribusi hasil Observasi tidak dapat didekati distribusi hujan dengan durasi hujan 4 jam, 5 jam, 7
menggunakan metode Modified Mononobe ataupun jam, dan 8 jam sebaiknya tidak dilakukan dengan
metode ABM, karena dapat dilihat jelas pada grafik pendekatan metode empiris karena penyimpangan
distribusi bahwa pola yang ditunjukkan oleh setiap yang terjadi terhadap metode observasi yang terlalu
metode menunjukkan perbedaan yang signifikan. besar.
Pembahasan Kesimpulan
Berdasarkan analisis yang dilakukan dapat
Berdasarkan hasil analisis perbandingan pola
diambil kesimpulan sebagai berikut.
distribusi hujan yang dilakukan maka diperoleh data
1. Pada hujan dengan kedalaman > 50 mm durasi
hujan yang memiliki kedalaman hujan >50 mm
hujan yang kejadian paling banyak terjadi pada
sebanyak 29 data, yang diambil data dari empat tahun
durasi 6 jam.
yaitu 2014-2017. Dengan memperhatikan durasi
2. Pada pola distribusi hujan dengan durasi hujan 2
waktu kejadian antara 2 jam sampai 8 jam tanpa jeda.
jam, 3 jam, dan 6 jam pola distribusi hujan
Adapun kejadian hujan dengan kedalaman > 50 mm
metode ABM memiliki tingkat kesesuaian yang
memiliki jumlah kejadian terbanyak dapat dilihat
lebih baik terhadap hasil observasi dibandingkan
pada tabel 9.
dengan metode Modified Mononobe, dimana nilai
Tabel 9 Kejadian Hujan Dengan Kedalaman > 50
pola distribusi hujan diperoleh dari nilai
mm
kumulatif persentase rata-rata kedalaman hujan
Kejadian Hujan Dengan Kedalaman > 50 mm
untuk setiap durasi.
Durasi 2 3 4 5 6 7 8 3. Pada pola distribusi hujan dengan durasi hujan 4
(Jam) jam, 5 jam, 7 jam, dan 8 jam. Pola distribusi hujan
Frekuensi 1 2 5 4 8 4 5 sebaiknya tidak dilakukan dengan pendekatan
metode empiris karena penyimpangan yang
terjadi terhadap hasil observasi terlalu besar.
Dari tabel 9 dapat diketahui bahwa hujan dengan 4. Pada analisis ini metode Empiris yang dapat
kedalaman > 50 mm memiliki jumlah kejadian dilakukan pendekatan terhadap hasil Observasi
terbanyak pada hujan dengan durasi 6 jam dengan yaitu metode ABM.
jumlah 8 kejadian dan jumlah kejadian paling sedikit
terjadi pada hujan dengan durasi 2 jam dengan jumlah Saran
1 kejadian.
13
Berdasarkan hasil analisis yang dilakukan, Handayani, Yohanna Lilis, 2018, Bentuk Distribusi
berikut beberapa saran yang berkaitan dengan Hujan Jam-Jaman Pada Stasiun Hujan Pasar
penelitian ini : Kampar, Fakultas Teknik Universitas Riau.
1. Pada penelitian selanjutnya agar menggunakan Agustini, Lidya, 2019, Analisis Distribusi Curah
data-data hujan terbaru dari stasiun hujan Hujan Menggunakan Metode ABM,
otomatis yang ada. Pada penelitian selanjutnya Mononobe, Van Breen Terhadap Distirbusi
agar dpat dicoba metode empiris lainnya untuk Hujan Aktual Di Muara Enim, Fakultas
sebagai pembanding terhadap metode empiris Teknik Universitas Sriwijaya.
yang dianalisis pada penelitian ini Tunas, dan Tanga, 2011, Penyimpangan Debit
2. Pada penelitian selanjutnya perlu menggunakan Puncak HSS Nakayasu Berdasarkan
data yang lebih banyak dari stasiun hujan yang Beberapa Pola Distribusi Hujan (Mononobe,
ada. ABM, Tadashi Tanimoto) Dengan
3. Pada penelitian selanjutnya hendaknya terus Menggunakan DAS Bangga. Jurusan Teknik
dilakukan dan dikembangkan untuk mendapatkan Sipil Fakultas Teknik Universitas Sebelas
suatu perbandingan yang lebih baik. Maret Surakarta.
DAFTAR PUSTAKA
14