ANALISIS KARAKTERISTIK HIDROLOGI SUNGAI MOLIBAGU DI

KABUPATEN BOLAANG MONGONDOW SELATAN

Faiz Mahbubi
Balai Wilayah Sungai Sulawesi I
email: mahbubifaiz@pu.go.id

Abstrak. Sungai Molibagu secara administrasi melintasi di 4 Desa yaitu Desa

Molibagu, Desa Toluaya, Desa Soguo, dan Desa Popodu. Penataan dan perencanaan teknis bagi
pengembangan suatu Daerah Aliran Sungai (DAS) memerlukan analisis karakteristik
hidrologi. Karena di Indonesia ada dua musim, musim hujan dan musim kemarau, maka
analisis karakteristik hidrologi atau keberadaan air dilakukan berdasarkan tinjauan peak
flowlaliran puncak dan low flowlaliran rendah. Peak flow pada waktu musim hujan dikaji
dengan lebih menekankan pada kelebihan air yang bisa menjadi bencana banjir. Artinya peak
flow dilakukanuntuk pengelolaan banjir/flood management. Low flow lebih dominan untuk
tinjauan ketersediaan air pada waktu musim kemarau (RJ. Kodoatie & Roestam S, 2010).
Tahapan analisis hidrologi diawali dengan menganalisis data hujan dari beberapa stasiun
penakar hujan untuk menentukan hujan harian maksimum rerata yang selanjutnya dianalisis
frekuensi untuk menentukan besar hujan rancangan. Menggunakan metode hidrograf
satuan, data hujan rancangan selanjutnya dianalisis sehingga didapatkan hidrograf banjir DAS
Molibagu untuk kala ulang tertentu. Berdasarkan analisis aliran puncak didapatkan debit banjir
rencana berbagai tahun metode hidrograf Snyder dengan debit yang paling besar yang terjadi
pada jam ke-4, sementara analisis aliran puncak didapatkan debit banjir rencana berbagai tahun
pemodelan hidrograf HEC-HMS paling besar terjadi pada jam ke-7.

Kata kunci: hidrologi, banjir, hidrograf

I. PENDAHULUAN dukung lingkungan serta sesuai dengan asas

1.1. Umum
Sungai merupakan salah satu sumber
daya alam yang keberadaannya sering
dimanfaatkan oleh manusia untuk berbagai
keperluan, antara lain untuk penyediaan air
irigasi, air baku, industri, transportasi dll.
Namun demikian sungai juga sering
menimbulkan masalah bagi manusia, antara
lain meluap air sungai/banjir pada lahan di
sekitar sungai serta membawa material dan juga
gerusan tebing sungai terutama di lokasi-lokasi
tikungan sungai akibat arus sungai.
Permasalahan tersebut akan semakin terasa jika
terjadi pada lokasi yang berdekatan dengan
pemukiman padat penduduk.
Oleh karena itu untuk mengatasi
kondisi dan permasalahan di atas maka perlu
penanganan secara komprehensif dan
menyeluruh (dari hulu sampai ke hilir) guna
mendapatkan suatu perencanaan detail
bangunan pengendalian daya rusak air sesuai
dengan kebutuhan dan kemampuan daya
pengelolaan sumber daya air, kebijaksanaan
pembangunan nasional dan daerah yang
berkelanjutan.
Sungai Molibagu merupakan satu
sungai besar yang membelah Kabupaten
Bolaang Mongondow Selatan. Secara
umum permasalahan yang ada di setiap
sungai adalah sama yaitu permukiman ilegal
yang mempersempit badan sungai. Sungai
Molibagu secara administrasi melintasi di 4
Desa yaitu Desa Molibagu, Desa Toluaya,
Desa Soguo, dan Desa Popodu. Berdasarkan
hasil inventarisasi prasarana sungai terdapat
8 ruas bronjong, 1 ruas Tanggul, 1 Pos
AWLR, 1 Bendung dan 2 Jembatan yang
terdiri dari 1 Jembatan Gantung dan 1
Jembatan Trans Sulawesi
Penataan dan perencanaan teknis
bagi pengembangan suatu DAS memerlukan
analisis karakteristik hidrologi. Karena di
Indonesia ada dua musim, musim hujan
dan musim kemarau, maka analisis

1
karakteristik hidrologi atau keberadaan air
dilakukan berdasarkan tinjauan peak
flowlaliran puncak dan low flowlaliran
rendah. Peak flow pada waktu musim hujan
dikaji dengan lebih menekankan pada
kelebihan air yang bisa menjadi bencana
banjir. Artinya peak flow dilakukan untuk
pengelolaan banjir/flood management. Low
flow lebih dominan untuk tinjauan
ketersediaan air pada waktu musim
kemarau (RJ. Kodoatie & Roestam S,
2010).
1.2. Lingkup Pekerjaan
Lingkup pekerjaan meliputi
perhitungan debit banjir rencana dan pemodelan
pada DAS Molibagu.
1.3. Lokasi Pekerjaan
Penelitian dilakukan di Sungai Molibagu
yang berada di wilayah administratif Kabupaten
Bolaang Mongondow Selatan.
Gambar 1.1. Peta Penggunaan Lahan DAS
Molibagu
II. METODE PENELITIAN
2.1. Analisa Hidrologi
Di dalam analisis hidrologi, masukan
hujan yang digunakan adalah curah hujan
rerata DAS. Metode yang digunakan
adalah metode Poligon Thiessen. Cara ini
mengandaikan bobot tertentu kepada
masing -masing setasiun hujan sebagai
fungsi jarak antar setasiun (Rahmat, J.,
2000).
Analisis frekuensi bertujuan
memperkirakan besaran tinggi hujan
dengan kala ulang tertentu dari hujan
terukur dengan menggunakan cara statistik.
Penyiapan data dilakukan dengan
mengumpulkan data hujan DAS yang
diperoleh dari stasiun yang ada, lalu dihitung
hujan rata-rata harian sepanjang data tahunan
yang tersedia. Setelah hujan rata-rata
dihitung, kemudian dilakukan pemilihan seri
data untuk analisis frekuensi dengan metode
maximum annual series.
Analisa hidrologi yang dilakukan dalam
pekerjaan ini, antara lain: pengumpulan data
lokasi stasiun hujan dan data hujan yang
valid; analisa hujan dengan metode Thiessen;
perhitungan hujan rencana dengan berbagai
metode dan dipilih salah satu; perhitungan
distribusi hujan dari salah satu stasiun hujan
otomatis (ARR); perhitungan intensitas
hujan sebagai data input untuk running
program hidroogi; pemodelan hidrologi
dengan menggunakan HEC-HMS; hasil
analisa dengan metode Snyder. Menentukan
batas catchmen area atau batas DAS
menggunakan peta DEM (Digital Elevation
Model) yang bersumber dari BIG (Badan
Informasi Geospasial) dibantu oleh software
Global Mapper untuk membuat batas DAS
dari peta DEM.
2.2. Analisis Hidrograf Banjir Menggunakan
Hidrograf Satuan
Untuk menyusun masukan model HEC-
1 metode Snyder, beberapa tahapan yang
harus dilakukan antara lain (SP Nugroho,
2001):
a. Menghitung luas DAS (km2).
b. Menentukan bobot luas DAS yang
diwakili oleh stasiun hujan.
c. Menentukan intensitas hujan dari data
curah hujan tunggal (mm/jam).
d. Menentukan nilai bilangan kurva rata-
rata dari DAS.
e. Menentukan waktu tenggang baku dari
Snyder (tp) = ALAG dengan persamaan
:
dimana :
2
 Pos Hujan Yang Panjang Luas Pengaruh
No Nama DAS Luas DAS
Berpengaruh Data (%)
1 DAS Molibagu 50,948 Km2 • Kosinggolan • 12 • 39 %
ALAG : waktu tenggang dari pusat hujan Matayangan
• Bolangaso • 12 • 61 %
lebih sampai debit puncak (jam); Molibagu

TPEAK : waktu mencapai debit puncak

(jam) Gambar berikut ini menginformasikan
dt : lama hujan lebih (jam) posisi pos pemantauan curah hujan dan garis
polygon thiessen.
f. Menentukan koefisien Snyder (Cp) =
CPTMP dengan persamaan :

CPTMP : koefisien Snyder Cp

QMAXUH : debit puncak hidrograf satuan Gambar 2.1. Sebaran pos pemantauan curah hujan
dan garis polygon thiessen
(m3/det)
TPEAK : waktu mencapai debit puncak
(jam) 2.4. Pos Pemantauan Muka Air
dt : lama hujan lebih (jam) A : Untuk keperluan kalibrasi analisis
luas DAS (km2) hidrologi dibutuhkan pos pengamatan
C : bilangan konversi yang debit/tinggi muka air, pos debit/tinggi muka
besarnya 0,278 air yang terdekat dengan daerah studi
diambil dari unit hidrologi Balai Wilayah
Metode Snyder pada dasarnya menentukan Sungai Sulawesi 1 dengan nama pos
hidrograf satuan sintetik yang Molibagu-Bolangaso yang terletak di
dihitung berdasarkan rumus empiris dan pertengahan DAS Bolangaso seperti
koefisien empiris yang menghubungkan terlampir pada gambar dibawah ini.
komponen hidrograf satuan dengan
karakteristik DAS. Parameter yang
menentukan bentuk hidrograf satuan adalah
luas DAS, panjang sungai utama, dan
panjang sungai utama yang diukur dari
tempat pengamatan sampai dengan titik
pada sungai utama yang berjarak paling
dekat dengan titik berat DAS. Hidrograf
satuan sintetik metode Snyder Gambar 2.2. Lokasi Pos Pengamatan
mempertimbangkan karakteristik DAS Debit/Tinggi Muka air
yang mempengaruhi bentuk hidrograf
satuan, seperti luas dan bentuk DAS, 2.5. Data Hidrologi
topografi, kemiringan sungai, kerapatan Data hidrologi yang dibutuhkan untuk
sungai dan simpanan air (Wilson, 1993 analisis banjir adalah data curah hujan harian
dalam SP Nugroho, 2001). maksimum tahunan dan data debit banjir
2.3 Pos Curah Hujan jam-jaman di saat kejadian curah hujan
Dalam DAS yang menjadi fokus kajian maksimum tersebut.
studi terdapat 3 (tiga) pos curah hujan yang
berpengaruh berdasarkan pembagian 2.5.1 Data Curah Hujan Harian Maksimum
polygon thiessen yang operasionalnya Tahunan
dilakukan oleh unit hidrologi Balai Wilayah Berdasarkan peta polygon thiessen di atas
Sungai Sulawesi 1, seperti dijabarkan dalam maka dapat diketahui pos-pos curah hujan
table dibawah ini. yang akan dikumpulkan data hujan harian
maksimum tahunan, Adapun data dari pos-
Tabel 2.1. Pos Curah Hujan

3
pos hujan tersebut di jabarkan dalam table-
tabel dibawah ini
Tabel 2.2. Curah Hujan Harian
Maksimum Tahunan Pos Kosinggolan
Matayangan
Unit Hidrologi Balai Wilayah Sungai
Sulawesi 1 sudah melakukan pengukuran
debit di pos pengamatan Bolangaso-
Molibagu sebanyak 6-8 kali dalam setahun
selama lebih dari sepuluh (10) Tahun
sehingga dapat dibuat lengkung debitnya
untuk mempermudah konversi dari tinggi
muka air ke debit aliran. Akan tetapi sebagai
catatan pengukuran yang dilakukan secara
terus menerus selama sepuluh tahun tersebut
hanyalah pada aliran rendah yang akan bisa
sangat berbeda apabila terjadi debit aliran
tinggi/banjir. Gambar-gambar dibawah ini
adalah rekaman tinggi muka air yang diambil
pada saat terjadi banjir.

No Tahun Bulan Tanggal HHTM (mm)

1 2008 Agustus 18 95,5 24 Juli 2020 - 25 Juli 2020
2 2009 November 8 71
3 2010 Agustus 6 175,5 4
4 2011 Juni 15 237,8 3
5 2012 Agustus 24 157,5
6 2013 September 14 215 2
7 2014 Maret 29 119,4 1
8 2015 Mei 16 53 0
9 2016 Oktober 25 98,5
0 1 2 3 4 5 6 7 8 9101112131415161718192021222324
10 2017 September 9 92
11 2018 Agustus 12 143,3 Gambar 2.3 Tinggi Muka Air Banjir 24 – 25 Juli 2020
12 2019 Juli 10 89 Sumber : Unit Hidrologi BWS-Sulawesi 1

Tabel 2.3. Curah Hujan Harian Maksimum Tercatat pada pos pemantauan debit bahwa
Tahunan Pos Bolangaso Molibagu banjir terbesar yang terjadi adalah di tanggal
24-25 juli Tahun 2020 dari pukul 23:00 –
No Tahun Bulan Tanggal HHTM (mm) 11:00 WITA.
1 2008 Agustus 15 74
2 2009 Mei 31 52
3 2010 Agustus 7 179
III. HASIL PENELITIAN DAN
4 2011 Juni 15 292 PEMBAHASAN
5 2012 Agustus 25 121
6 2013 Agustus 28 128
7 2014 Agustus 15 81 3.1. Uji Data Hujan Harian Maksimum
8 2015 Juni 15 78 Tahunan
9 2016 Juli 27 84 Data hujan harian maksimum tahunan
10 2017 September 17 151
11 2018 Agustus 13 184 sebelum di buatkan distribusi kala
12 2019 Agustus 19 95 ulangnya haruslah diperiksa kesesuaian
data terhadap uji trend, uji outlier, uji
2.5.2 Data Tinggi Muka Air Jam-Jaman konsistensi data dan uji keseragaman.
Data-data yang akan diuji tersebut diambil
Data tinggi muka air dan debit observasi dari 3 (tiga) pos pemantauan curah hujan
dibutuhkan dalam melakukan kalibrasi yang mempunyai pengaruh terhadap DAS-
analisis hidrologi. Data tinggi muka air dapat DAS tinjauan yaitu :
dikonversi menjadi data debit observasi 3.1.1 Uji Data Hujan Harian Maksimum
dengan memakai lengkung debit. Lengkung Pos Kosinggolan – Matayangan
debit terdiri dari data-data pengukuran aliran
sesaat yang dilakukan terus menerus dititik
pengamatan tinggi muka air dengan syarat
setiap tinggi muka air harus berbeda-beda.

4
 Gambar 3.1. Grafik Hujan Harian Maksimum Tahunan
Pos Kosinggolan-Matayangan

Tabel 3.2. Hasil Uji Validasi Data

Outlier Test
Tabel 3.1. Hasil Uji Validasi Data Low 40.05
Outlier Test High 319.19
Low 44.84 KN 2.13
High 308.52 Hasil Tidak Ada Outlier
KN 2.13
Hasil Tidak Ada Outlier Test Homogenity (Mann Whitney)
p 6
Test Homogenity (Mann Whitney) q 6
p 6 z -0.16
q 6 alpha 0.05
z -1.60 Hasil Homogen
alpha 0.05
Hasil Homogen Test Independence (Wald Wolfowitz)
U -0.008
Test Independence (Wald Wolfowitz) alpha 0.025
U -0.019 Hasil Tidak Ada Ketergantungan (Random)
alpha 0.025
Hasil Tidak Ada Ketergantungan (Random) Test Konsistensi Varian (Uji F)
N1-1 5
Test Konsistensi Varian (Uji F) N2-1 5
N1-1 5 F hitung 3.762
N2-1 5 Alpha 0.05
F hitung 4.608 F kritis 5.0503
Alpha 0.05 Hasil Konsisten
F kritis 5.0503
Hasil Konsisten Test Konsistensi rata-rata (Uji t)
dk= degree of freedom 10
Test Konsistensi rata-rata (Uji t) t hitung 0.664
dk= degree of freedom 10 Alpha 0.05
t hitung 1.844 t stat 2.2281
Alpha 0.05 Hasil Konsisten
t stat 2.2281
Hasil Konsisten
3.2. Analisis Distribusi Kala Ulang Curah
3.1.2 Uji Data Hujan Harian Maksimum Hujan
Pos Bolangaso-Molibagu
Berdasarkan hasil uji validasi data diketahui
bahwa ketiga pos pemantauan curah hujan
lolos terhadap uji validasi data sehingga
layak digunakan untuk analisis distribusi
kala ulang curah hujan. Analisis distribusi
kala ulang curah hujan dilakukan di ketiga
pos hujan yang berpengaruh di daerah studi
atau di daerah aliran sungai.
Gambar 3.2. Grafik Hujan Harian Maksimum Tahunan Pos Seiring perkembangan ilmu statistika sudah
Bolangaso-Molibagu terdapat sangat banyak jenis-jenis distribusi
yang dipakai untuk memperpanjang data,
meramalkan besaran data atau keberulangan
data di suatu kurun waktu tertentu. Dengan
adanya metode-metode distribusi yang baru
maka dalam kajian/analisis ini akan
memakai software Hydrognomon dari

5
http://www.hydrognomon.org/ yang dapat 3.2.2. Distribusi Kala Ulang Curah Hujan
melakukan analisis distribusi kala ulang Pos Bolangaso-Molibagu
curah dengan berbagai metode serta
melakukan uji distribusi dengan smirnov- Gambar grafik dan table berikut ini
kolmogorov dan chi-square. menginformasikan besaran curah hujan di
titik pengamatan pos curah hujan
3.2.1. Distribusi Kala Ulang Curah Hujan Bolangaso-Molibagu dengan berbagai kala
Pos Kosinggolan-Matayangan ulangnya serta jenis-jenis distribusi statistik
Gambar grafik dan table dibawah ini yang digunakan.
menginformasikan besaran curah hujan di Weibull Blom Cunnane Gringorten Normal

titik pengamatan pos curah hujan L-Moments Normal

Gamma
Gumbel Min
L-Moments GEV Max
L-Moments EV3-Min
LogNormal
PearsonIII
Weibull
L-Moments GEV Min
L-Moments Pareto
Galton
LogPearsonIII
GEV Max
L-Moments EV1-Max
GEV-Max (k spec.)
Exponential
Gumbel Max
GEV Min
L-Moments EV2-Max
GEV-Min (k spec.)
L-Moments Exponential
EV2-Max
Pareto
L-Moments EV1-Min
L-Moments GEV-Max (k. spec.)
L-Moments GEV-Min (k. spec.)

kosinggolan-matayangan dengan berbagai Return period (T) f or Maximum v alues in y ears - scale: Linear

1.01

1.05

1.11

1.25

1.43

1.67

3.33
2.5

10

20

50
2

5
380

kala ulangnya serta jenis-jenis distribusi 360

340
320

statistik yang digunakan.

300
280
260
240
220
200

mm
180
Weibull Blom Cunnane Gringorten Normal
L-Moments Normal LogNormal Galton Exponential L-Moments Exponential 160
Gamma PearsonIII LogPearsonIII Gumbel Max EV2-Max 140
Gumbel Min Weibull GEV Max GEV Min Pareto
L-Moments GEV Max L-Moments GEV Min L-Moments EV1-Max L-Moments EV2-Max L-Moments EV1-Min 120
L-Moments EV3-Min L-Moments Pareto GEV-Max (k spec.) GEV-Min (k spec.) L-Moments GEV-Max (k. spec.)
100
L-Moments GEV-Min (k. spec.)
80
Exceedance probability (%) - scale: Linear 60
99%

95%

90%

80%

70%

60%

50%

40%

30%

20%

10%

5%

2%

40
20
300
0
280

260

240
Gambar 3.5. Grafik Jenis Distribusi Pos Curah Hujan
220

200
Bolangaso Molibagu Probability Density Functions (PDF) - Histogram
180
Normal L-Moments Normal LogNormal Galton Exponential
L-Moments Exponential Gamma PearsonIII LogPearsonIII Gumbel Max
mm

160
EV2-Max Gumbel Min Weibull GEV Max GEV Min
140 Pareto L-Moments GEV Max L-Moments GEV Min L-Moments EV1-Max L-Moments EV2-Max
L-Moments EV1-Min L-Moments EV3-Min L-Moments Pareto GEV-Max (k spec.) GEV-Min (k spec.)
120 L-Moments GEV-Max (k. spec.) L-Moments GEV-Min (k. spec.)

100

80

60

40

20

Gambar 3.3. Grafik Jenis Distribusi Pos

Curah Hujan Kosinggolan Matayangan
Probability Density Functions (PDF) - Histogram

Normal L-Moments Normal LogNormal Galton Exponential

L-Moments Exponential Gamma PearsonIII LogPearsonIII Gumbel Max
EV2-Max Gumbel Min Weibull GEV Max GEV Min
Pareto L-Moments GEV Max L-Moments GEV Min L-Moments EV1-Max L-Moments EV2-Max
L-Moments EV1-Min L-Moments EV3-Min L-Moments Pareto GEV-Max (k spec.) GEV-Min (k spec.)
L-Moments GEV-Max (k. spec.) L-Moments GEV-Min (k. spec.)
-40 -30 -20 -10 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 310 320 330 340 350 360 370 380 390 400 410 420 430

Gambar 3.6. Grafik Jenis Distribusi Pos Curah Hujan

Bolangaso Molibagu

Tabel 3.4. Besaran Hujan Kala Ulang Curah

Hujan Pos Bolangaso Molibagu Dengan
Berbagai Metode Distribusi dan Kala Ulang
-20 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340
KALA ULANG CURAH HUJAN (mm)
DISTRIBUSI 2 Thn 3 Thn 5 Thn 7 Thn 10 Thn 15 Thn 20 Thn 25 Thn 50 Thn 100 Thn 1000 Thn
Gambar 3.4. Grafik Jenis Distribusi Pos Normal
Normal (L-Moments)
126.583 155.51 183.105 198.28
126.583 154.605 181.337 196.036 209.957
212.65 227.394 237.049 244.157 264.51 282.817 334.119
224.24 233.593 240.478 260.194 277.929 327.625
LogNormal 111.82 138.573 170.039 190.291 211.69 236.146 253.674 267.403 310.966 356.182 521.061

Curah Hujan Kosinggolan Matayangan Galton

Exponential
113.451 141.109 172.707 192.608 213.318 236.637 253.142 265.958 306.049 346.843 490.168
105.976 133.206 167.512 190.109 214.063 241.293 260.614 275.6 322.15 368.701 523.339
Exponential (L-Moments) 104.058 133.822 171.322 196.022 222.205 251.97 273.088 289.469 340.352 391.236 560.266
Gamma 114.925 144.473 176.964 196.694 216.631 238.378 253.34 264.722 299.068 332.211 436.732
Pearson III 111.064 140.024 173.56 194.594 216.271 240.327 257.097 269.962 309.282 347.838 472.395
Log Pearson III 109.409 135.514 168.144 190.257 214.571 243.557 265.116 282.461 340.168 404.356 675.62

Tabel 3.3. Besaran Hujan Kala Ulang Curah EV1-Max (Gumbel)

EV2-Max
EV1-Min (Gumbel)
115.547 143.635 174.92 194.296 214.23 236.408 251.937 263.898 300.745
109.81 128.254 152.465 169.701 189.469 214.181 233.377 249.329 305.652 374.135
337.32 458.175

137.62 161.746 181.748 191.693 200.509 209.005 214.294 218.057 228.273 236.818 258.058
729.71

Hujan Pos Kosinggolan Matayangan EV3-Min (Weibull)

GEV-Max
GEV-Min
118.467 149.785 181.939 200.409 218.346 237.149 249.661 258.966 286.009 310.785 382.071
114.074 141.198 172.197 191.821 212.358 235.628
109.883 139.61 174.12 195.645 217.675
252.19 265.099 305.72 347.344 494.66
241.92 258.687 271.474 310.148 347.492 464.567
Pareto 107.52 138.044 174.43 197.198 220.344 245.472 262.569 275.427 313.225 347.986 444.622
Dengan Berbagai Metode Distribusi dan GEV-Max (L-Moments)
GEV-Min (L-Moments)
106.655 131.854 163.907 186.129
104.424
211.09 241.604 264.843 283.876 349.332 425.888 789.511
134.29 171.686 196.217 222.153 251.564 272.392 288.526 338.544 388.429 553.422
EV1-Max (Gumbel, L-Moments) 115.427 143.821 175.446 195.032 215.183 237.603 253.301 265.392 302.64 339.612 461.782

Kala Ulang KALA ULANG CURAH HUJAN (mm)

EV2-Max (L-Momments)
EV1-Min (Gumbel, L-Moments)
EV3-Min (Weibull, L-Moments)
102.079 124.302 154.793 177.32 203.923 238.237 265.644 288.886 374.059 483.421 1128.18
137.74 162.128 182.348 192.401 201.313 209.902 215.248 219.052 229.379 238.018 259.488
119.201 149.657 180.727 198.498 215.708 233.704 245.656 254.532 280.276 303.798 371.177
DISTRIBUSI 2 Thn 3 Thn 5 Thn 7 Thn 10 Thn 15 Thn 20 Thn 25 Thn 50 Thn 100 Thn 1000 Thn Pareto (L-Moments) 104.263 134.194 171.742 196.377 222.407 251.893 272.746 288.882 338.793 388.383 550.836
Normal 128.958 153.826 177.549 190.594 202.948 215.623 223.923 230.033 247.531 263.269 307.372 GEV-Max (kappa specified) 111.294 135.467 164.782 184.3 205.543 230.647 249.197 264.059 313.176 367.334 592.551
Normal (L-Moments) 128.958 154.557 178.978 192.406 205.124 218.171 226.716 233.006 251.017 267.218 312.618 GEV-Min (kappa specified) 132.097 159.815 184.293 196.995 208.562 219.99 227.244 232.474 246.958 259.402 291.686
LogNormal 117.701 141.493 168.657 185.758 203.548 223.572 237.741 248.742 283.143 318.131 440.962 GEV-Max (kappa specified, L-Moments) 109.731 136.376 168.688 190.201 213.616 241.287 261.735 278.117 332.256 391.951 640.196
Galton 122.567 147.699 174.078 189.668 205.189 221.916 233.331 241.976 267.912 292.817 371.413 GEV-Min (kappa specified, L-Moments) 131.948 158.917 182.734 195.092 206.347 217.465 224.524 229.612 243.705 255.813 287.225
Exponential 111.242 134.652 164.144 183.57 204.163 227.572 244.181 257.064 297.083 337.101 470.04
Exponential (L-Moments) 108.38 135.571 169.829 192.393 216.312 243.504 262.796 277.761 324.245 370.729 525.145
Gamma 120.452 145.956 173.387 189.807 206.253 224.046 236.211 245.429 273.067 299.525 381.92
Pearson III 122.249 147.782 174.555 190.31 205.921 222.645 233.989 242.541 267.981 292.082 365.905
Log Pearson III
EV1-Max (Gumbel)
EV2-Max
117.616 142.895 172.058 190.559 209.91 231.807 247.371 259.491 297.586 336.607 475.414
119.47 143.617 170.512 187.169 204.306 223.372 236.722 247.005 278.681 310.124 414.019
114.554 131.641 153.689 169.158 186.7 208.363 225.01 238.734 286.499 343.357 624.513
3.3. Uji Distribusi Kala Ulang Curah Hujan
EV1-Min (Gumbel) 138.446 159.187 176.382 184.931 192.51 199.814 204.361 207.596 216.379 223.725 241.984
EV3-Min (Weibull) 124.669 151.388 177.831 192.65 206.817 221.455 231.085 238.192 258.605 277.016 328.661
GEV-Max 122.092 147.339 174.136 190.061 205.931 222.993 234.579 243.306 269.147 293.312 363.674
GEV-Min
Pareto
GEV-Max (L-Moments)
121.486 148.367 176.166 192.213 207.844 224.277 235.238 243.4 267.179 289.033 352.228
117.452 148.401 180.642 198.425 214.744 230.578 240.297 247.073 264.521 277.594 301.688
116.693 142.116 171.397 190.058 209.688 232.053 248.049 260.563 300.193 341.195 489.379
Distribusi kala ulang curah hujan
GEV-Min (L-Moments) 115.958 144.212 175.649 194.707 213.862 234.591 248.738 259.432 291.334 321.584 413.634
EV1-Max (Gumbel, L-Moments)
EV2-Max (L-Momments)
118.766 144.705 173.596 191.489 209.898 230.379
107.599 128.664 157.015 177.625 201.656 232.232
244.72 255.766 289.793 323.569 435.175
256.36 276.64 349.765 441.454 952.754
harus di lakukan uji/test kesesuaiannya
EV1-Min (Gumbel, L-Moments) 139.15 161.43 179.901 189.085 197.227 205.073 209.957 213.432 222.867 230.758 250.372
EV3-Min (Weibull, L-Moments)
Pareto (L-Moments)
124.138 151.634 178.994 194.383 209.128 224.395 234.456 241.889 263.276
114.786 145.969 180.071 199.76 218.507 237.448 249.515 258.162 281.509 300.345
282.61 337.045
340.45
dengan memakai metode Kolmogorov-
GEV-Max (kappa specified) 115.814 136.596 161.797 178.576 196.838 218.419 234.367 247.143 289.368 335.926 529.539
GEV-Min (kappa specified)
GEV-Max (kappa specified, L-Moments)
133.698 157.527 178.57 189.49 199.434 209.258 215.494
113.563 137.904 167.423 187.076 208.466 233.745 252.425
219.99 232.441 243.14 270.893
267.39 316.848 371.383 598.164
Smirnov dan X-Square test yang terdapat
GEV-Min (kappa specified, L-Moments) 133.859 158.497 180.254 191.544 201.826 211.983 218.431 223.079 235.953 247.015 275.71

dalam software Hydrognomon. Adapun

hasil dari test tersebut beserta perankingan
metode yang paling tinggi nilainya
6
berdasarkan kedua uji tersebut terlampir di
table berikut.
3.3.1. Uji Distribusi Kala Ulang Curah
Hujan Pos Kosinggolan-Matayangan
Setiap jenis-jenis distribusi yang dihasilkan
dari data hujan harian maksimum tahunan 3. Perangkingan Distribusi Hujan Pos
pos kosinggolan matayangan dilakukan Kosinggolan-Matayangan
uji/test dengan hasil tertera di table table Perangkingan distribusi dilakukan dengan
dibawah ini. mengurutkan angka terbesar dari hasil uji
distribusi dengan motode smirnov
1. Uji Kolmogorov-Smirnov Distribusi Kolmogorov dan x-square terhadap metode-
Hujan Pos Kosinggolan-Matayangan metode distribusi yang dilakukan dengan
data curah hujan maksimum tahunan pada
Tabel 3.5. Hasil Uji Distribusi Metode pos hujan Kosinggolan Matayangan,
Kolmogorov-Smirnov Pos Hujan dijabarkan pada table dibawah ini.
Kosinggolan Matayangan
Tabel 3.7. Hasil Perangkingan Distribusi
Kolmogorov-Smirnov test for:All data a=1% a=5% a=10% Attained a DMax
Normal
Normal (L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
80.83%
83.50%
0.16264
0.15738
Pos Hujan Kosinggolan-Matayangan
LogNormal ACCEPT ACCEPT ACCEPT 96.24% 0.12308
Galton ACCEPT ACCEPT ACCEPT 92.08% 0.13741
Exponential
Exponential (L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
99.54%
99.30%
0.09765
0.10169
Ranking Distribusi
Gamma ACCEPT ACCEPT ACCEPT 95.69% 0.12539
Pearson III ACCEPT ACCEPT ACCEPT 93.45% 0.13333 1 EV1-Max (Gumbel, L-Moments)
Log Pearson III ACCEPT ACCEPT ACCEPT 97.93% 0.11416
EV1-Max (Gumbel) ACCEPT ACCEPT ACCEPT 94.44% 0.13008 2 GEV-Max (kappa specified)
EV2-Max ACCEPT ACCEPT ACCEPT 75.52% 0.17241
EV1-Min (Gumbel)
EV3-Min (Weibull)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
52.07%
93.14%
0.21319
0.13428
3 GEV-Max (kappa specified, L-Moments)
GEV-Max
GEV-Min
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
92.82%
96.80%
0.13526
0.1205
4 Exponential
Pareto ACCEPT ACCEPT ACCEPT 99.93% 0.08349
GEV-Max (L-Moments) ACCEPT ACCEPT ACCEPT 99.13% 0.10393 5 Exponential (L-Moments)
GEV-Min (L-Moments) ACCEPT ACCEPT ACCEPT 99.92% 0.08495
EV1-Max (Gumbel, L-Moments) ACCEPT ACCEPT ACCEPT 98.12% 0.11294 6 Normal
EV2-Max (L-Momments) ACCEPT ACCEPT ACCEPT 94.38% 0.13025
EV1-Min (Gumbel, L-Moments)
EV3-Min (Weibull, L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
57.84%
95.23%
0.20299
0.1272
7 LogNormal
Pareto (L-Moments)
GEV-Max (kappa specified)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
99.71%
92.52%
0.09387
0.13613
8 EV2-Max (L-Momments)
GEV-Min (kappa specified) ACCEPT ACCEPT ACCEPT 70.63% 0.181
GEV-Max (kappa specified, L-Moments) ACCEPT ACCEPT ACCEPT 99.84% 0.08935 9 GEV-Min (kappa specified, L-Moments)
GEV-Min (kappa specified, L-Moments) ACCEPT ACCEPT ACCEPT 73.68% 0.17567
10 GEV-Min (kappa specified)
11 Gamma
2. Uji X-Square Distribusi Hujan Pos
12 EV3-Min (Weibull, L-Moments)
Kosinggolan-Matayangan
13 EV1-Max (Gumbel)
14 EV3-Min (Weibull)
Tabel 3.6. Hasil Uji Distribusi Metode X-
15 Pareto
Square Pos Hujan Kosinggolan Matayangan
X-Square test for All data a=1% a=5% a=10% Attained a Pearson Param. 16 GEV-Min (L-Moments)
Normal ACCEPT ACCEPT ACCEPT 41.42% 0.66667
Normal (L-Moments) ACCEPT ACCEPT ACCEPT 15.73% 2 17 Pareto (L-Moments)
LogNormal ACCEPT ACCEPT ACCEPT 24.82% 1.33333
Galton
Exponential ACCEPT ACCEPT ACCEPT 24.82% 1.33333
18 Normal (L-Moments)
Exponential (L-Moments)
Gamma
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
24.82%
15.73%
1.33333
2
19 GEV-Max (L-Moments)
Pearson III
Log Pearson III
20 Log Pearson III
EV1-Max (Gumbel) ACCEPT ACCEPT ACCEPT 15.73% 2
EV2-Max ACCEPT ACCEPT REJECT 6.79% 3.33333 21 GEV-Min
EV1-Min (Gumbel) ACCEPT REJECT REJECT 3.08% 4.66667
EV3-Min (Weibull) ACCEPT ACCEPT ACCEPT 15.73% 2 22 Pearson III
GEV-Max
GEV-Min
Pareto
23 GEV-Max
GEV-Max (L-Moments)
GEV-Min (L-Moments)
24 Galton
EV1-Max (Gumbel, L-Moments)
EV2-Max (L-Momments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
41.42%
24.82%
0.66667
1.33333
25 EV2-Max
EV1-Min (Gumbel, L-Moments) ACCEPT ACCEPT ACCEPT 15.73% 2
EV3-Min (Weibull, L-Moments) ACCEPT ACCEPT ACCEPT 15.73% 2 26 EV1-Min (Gumbel, L-Moments)
Pareto (L-Moments)
GEV-Max (kappa specified) ACCEPT ACCEPT ACCEPT 41.42% 0.66667 27 EV1-Min (Gumbel)
GEV-Min (kappa specified) ACCEPT ACCEPT ACCEPT 41.42% 0.66667
GEV-Max (kappa specified, L-Moments) ACCEPT ACCEPT ACCEPT 24.82% 1.33333
GEV-Min (kappa specified, L-Moments) ACCEPT ACCEPT ACCEPT 41.42% 0.66667

3.3.2. Uji Distribusi Kala Ulang Curah

Hujan Pos Bolangaso-Molibagu

Setiap jenis-jenis distribusi yang dihasilkan

dari data hujan harian maksimum tahunan
7
pos bolangaso-molibagu dilakukan uji/test
dengan hasil tertera di table table berikut ini. Tabel 3.10. Hasil Perangkingan Distribusi
Pos Hujan Bolangaso Molibagu
1. Uji Kolmogorov-Smirnov Distribusi Ranking Distribusi
Hujan Pos Bolangaso-Molibagu 1 Exponential
Tabel 3.8. Hasil Uji Distribusi Metode 2 GEV-Max (kappa specified, L-Moments)
Kolmogorov-Smirnov Pos Hujan 3 EV1-Max (Gumbel, L-Moments)
Bolangaso Molibagu 4 LogNormal
Kolmogorov-Smirnov test for:All data a=1% a=5% a=10% Attained a DMax
Normal ACCEPT ACCEPT ACCEPT 90.19% 0.14246 5 EV1-Max (Gumbel)
Normal (L-Moments) ACCEPT ACCEPT ACCEPT 87.95% 0.14787
LogNormal ACCEPT ACCEPT ACCEPT 99.29% 0.10178 6 Gamma
Galton ACCEPT ACCEPT ACCEPT 99.44% 0.09945
Exponential
Exponential (L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
99.97%
99.73%
0.07817
0.09316
7 Exponential (L-Moments)
Gamma
Pearson III
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
99.75%
99.95%
0.09257
0.082
8 EV3-Min (Weibull)
Log Pearson III ACCEPT ACCEPT ACCEPT 99.40% 0.10014
EV1-Max (Gumbel) ACCEPT ACCEPT ACCEPT 99.19% 0.10312 9 EV3-Min (Weibull, L-Moments)
EV2-Max ACCEPT ACCEPT ACCEPT 53.52% 0.2106
EV1-Min (Gumbel) ACCEPT ACCEPT ACCEPT 61.29% 0.19701 10 EV2-Max (L-Momments)
EV3-Min (Weibull) ACCEPT ACCEPT ACCEPT 99.44% 0.09959
GEV-Max ACCEPT ACCEPT ACCEPT 98.99% 0.10545 11 GEV-Max (kappa specified)
GEV-Min ACCEPT ACCEPT ACCEPT 99.98% 0.07764
Pareto
GEV-Max (L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
99.94%
99.94%
0.0825
0.08285
12 Normal
GEV-Min (L-Moments)
EV1-Max (Gumbel, L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
99.73%
99.36%
0.09335
0.10073
13 Normal (L-Moments)
EV2-Max (L-Momments) ACCEPT ACCEPT ACCEPT 98.74% 0.10797
EV1-Min (Gumbel, L-Moments) ACCEPT ACCEPT ACCEPT 62.15% 0.19554 14 GEV-Min
EV3-Min (Weibull, L-Moments) ACCEPT ACCEPT ACCEPT 98.85% 0.10696
Pareto (L-Moments) ACCEPT ACCEPT ACCEPT 99.70% 0.09395 15 Pearson III
GEV-Max (kappa specified) ACCEPT ACCEPT ACCEPT 96.06% 0.12385
GEV-Min (kappa specified)
GEV-Max (kappa specified, L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
80.56%
99.86%
0.16313
0.08826
16 Pareto
GEV-Min (kappa specified, L-Moments) ACCEPT ACCEPT ACCEPT 78.36% 0.16727
17 GEV-Max (L-Moments)
2. Uji X-Square Distribusi Hujan Pos 18 GEV-Min (L-Moments)
Bolangaso-Molibagu 19 Pareto (L-Moments)
20 Galton
Tabel 3.9. Hasil Uji Distribusi Metode X- 21 Log Pearson III
Square Pos Hujan Bolangaso Molibagu 22 GEV-Max
X-Square test for All data a=1% a=5% a=10% Attained a Pearson Param.
23 GEV-Min (kappa specified)
Normal
Normal (L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
41.42%
41.42%
0.66667
0.66667
24 GEV-Min (kappa specified, L-Moments)
LogNormal
Galton
ACCEPT ACCEPT ACCEPT 100.00%
25 EV1-Min (Gumbel, L-Moments)
Exponential ACCEPT ACCEPT ACCEPT 100.00%
Exponential (L-Moments) ACCEPT ACCEPT ACCEPT 41.42% 0.66667 26 EV1-Min (Gumbel)
Gamma ACCEPT ACCEPT ACCEPT 41.42% 0.66667
Pearson III 27 EV2-Max
Log Pearson III
EV1-Max (Gumbel) ACCEPT ACCEPT ACCEPT 100.00%
EV2-Max ACCEPT ACCEPT REJECT 6.79% 3.33333
EV1-Min (Gumbel) ACCEPT ACCEPT ACCEPT 10.25% 2.66667
EV3-Min (Weibull) ACCEPT ACCEPT ACCEPT 41.42% 0.66667 3.4. Distribusi Curah Hujan Terpilih
GEV-Max
GEV-Min
Pareto
Berdasarkan perangkingan di uji
GEV-Max (L-Moments)
GEV-Min (L-Moments)
Kolmogorov-Smirnov dan X-Square test di
EV1-Max (Gumbel, L-Moments)
EV2-Max (L-Momments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
100.00%
41.42% 0.66667
ketiga pos curah hujan mka dipilihlah
EV1-Min (Gumbel, L-Moments) ACCEPT ACCEPT ACCEPT 10.25% 2.66667
EV3-Min (Weibull, L-Moments) ACCEPT ACCEPT ACCEPT 41.42% 0.66667 distribusi yang mempunyai peringkat
Pareto (L-Moments)
GEV-Max (kappa specified)
GEV-Min (kappa specified)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
41.42%
10.25%
0.66667
2.66667
tertinggi sebagai berikut:
GEV-Max (kappa specified, L-Moments)
GEV-Min (kappa specified, L-Moments)
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
ACCEPT
100.00%
10.25% 2.66667
1. Pos curah hujan kosinggolan-
matayangan memakai distribusi EV1-
3. Perangkingan Distribusi Hujan Pos Max (Gumbel, L-Moments)
Bolangaso-Molibagu 2. Pos curah hujan bolangaso-molibagu
Perangkingan distribusi dilakukan dengan memakai distribusi LogNormal
mengurutkan angka terbesar dari hasil uji
distribusi dengan motode smirnov Tabel berikut menjabarkan besaran kala
Kolmogorov dan x-square terhadap metode- ulang di tiap pos hujan dengan distribusi
metode distribusi yang dilakukan dengan yang terpilih.
data curah hujan maksimum tahunan pada
pos hujan Bolangaso-Molibagu, dijabarkan
pada table dibawah ini.
Tabel 3.11. Kala Ulang Curah Hujan
Terpilih
8
 Curah Hujan (mm) berbagai kala ulang di tiap DAS tinjauan
Kala Ulang Kosinggolan Matayangan Bolangaso Molibagu Pinolosian Pinolosian
2 Thn 118.766 111.82
dapat
105.51
dijabarkan dalam table-tabel di bawah
3 Thn 144.705 138.573 ini
114.538
5 Thn 173.596 170.039 122.606Tabel 3.12. Hujan Harian Maksimum
7 Thn 191.489 190.291 126.826
10 Thn 209.898 211.69 130.689
Tahunan Rerata Area DAS Molibagu
15 Thn 230.379 236.146 134.523
Pos Hujan Yang Berpengaruh Kosinggolan Matayangan Bolangaso Molibagu Pinolosian Pinolosian Jumlah
20 Thn 244.72 253.674 136.966Luas Terhadap DAS
Persentase Hujan DAS
Molibagu 39% 61% 0% (mm)
25 Thn 255.766 267.403 138.731
2 Thn 46.32 68.21 - 114.53
50 Thn 289.793 310.966 3143.639
Thn 56.43 84.53 - 140.96
5 Thn 67.70 103.72 - 171.43
100 Thn 323.569 356.182 7147.877
Thn 74.68 116.08 - 190.76
10 Thn 81.86 129.13 - 210.99
1000 Thn 435.175 521.061 158.962
15 Thn 89.85 144.05 - 233.90
20 Thn 95.44 154.74 - 250.18
25 Thn 99.75 163.12 - 262.86
50 Thn 113.02 189.69 - 302.71
3.5. Hujan Jam-Jaman 100 Thn
1000 Thn
126.19
169.72
217.27
317.85
-
-
343.46
487.57

Metode analisis hidrologi yang digunakan

untuk mendapatkan debit banjir dalam studi 3.7. Unit Hydrograph Snyder Kalibrasi Pos
ini memakai metode unit hydrograph sintetis Debit Bolangaso Molibagu
yang terkalibrasi dengan data debit
pengamatan langsung/observasi. Dalam Analisis hidrologi untuk menentukan debit
menggunakan unit hydrograph banjir dengan berbagai kala ulang sangatlah
membutuhkan data curah hujan jam-jaman penting untuk dilakukan kalibrasi dengan
sedangkan data yang tersedia adalah data kejadian yang sebenarnya untuk
hujan harian. Untuk menjabarkan data hujan mendapatkan parameter-parameter yang
harian ke jam-jaman menggunakan data lebih akurat terhadap kejadian yang
hujan jam-jaman yang ada di pos-pos sebenarnya. Tabel dan grafik dibawah ini
pengamatan curah hujan otomatis dan di menjelaskan hasil debit banjir dengan
konversi ke dalam persentasi distribusi curah menggunakan hydrograph sintetis Snyder
hujan di tiap jam. Dalam kajian ini data dengan data debit observasi atau
hujan jam-jaman diambil dari pos Moayat- pengamatan langsung.
poyowa yang mempunyai data pencatatan
otomatis per jam dan panjang datanya sudah 3.7.1. Kalibrasi Kejadian Banjir 12 Juni
lebih dari 10 (sepuluh) Tahun. Pemilihan 2020
data curah hujan yang akan dipakai untuk Pada table berikut ini dibuat perbandingan
metode bobot massa adalah curah hujan antara kejadian banjir pada tanggal 12 Juni
yang terjadi dengan intensitas lebih dari 50 2020 dengan dengan debit hasil dari analisis
mm per hari untuk dijadikan data awal dalam memakai metode Snyder
megelola menjadi persentasi jam-jaman
curah hujan. Tabel dibawah ini adalah
persentasi curah hujan jam-jaman di pos
pengamatan curah hujan Moayat-poyowa.

Gambar 3. 7. Grafik Hujan Jam-Jaman

3.6. Rata-Rata Curah Hujan Harian
Maksimum Tahunan DAS
Dengan bobot polygon thiessen pada kajian
di atas sebelumnya maka hujan area dengan

9
Tabel 3.13. Debit Analisis Snyder dan Debit Tabel 3. 14. Debit Analisis Snyder dan Debit
Observasi 12 Juni 2020 Observasi 04 Juli 2020
Rainfall Q Rainfall Q
Time UH Q Direct Q Net Time UH Q Direct Q Net
(mm) Obs (mm) Obs
1 0.18 12.34 2.26 4.32 2.06
1 0.00 23.39 0.06 4.01 3.95
2 1.56 13.33 21.74 23.80 2.86
3 2.07 5.93 47.45 49.51 14.51 2 0.44 25.27 10.32 14.27 10.43
4 1.72 1.44 58.29 60.35 60.02 3 1.49 11.24 45.87 49.82 48.22
5 1.18 0.91 52.15 54.21 37.02 4 1.91 2.73 87.08 91.03 76.32
6 0.74 0.13 39.51 41.57 19.13 5 1.66 1.72 104.86 108.81 108.98
7 0.44 0.00 26.90 28.96 13.47 6 1.19 0.25 95.90 99.85 88.53
8 0.25 0.00 16.94 19.00 11.54 7 0.76 0.00 74.29 78.24 61.29
9 0.14 0.00 10.13 12.19 10.43
8 0.45 0.00 51.37 55.32 34.27
10 0.08 0.00 5.85 7.91 9.38
9 0.26 0.00 32.67 36.62 28.36
11 0.04 0.00 3.30 5.36 8.21
12 0.02 0.00 1.83 3.89 6.80
10 0.14 0.00 19.55 23.50 21.73
13 0.01 0.00 1.00 3.06 6.00 11 0.08 0.00 11.19 15.14 15.59
14 0.01 0.00 0.55 2.61 5.26 12 0.04 0.00 6.20 10.15 12.01
15 0.00 0.00 0.30 2.36 4.58 13 0.02 0.00 3.36 7.31 9.79
16 0.00 0.00 0.16 2.22 4.19 14 0.01 0.00 1.78 5.73 8.03
17 0.00 0.00 0.08 2.14 3.83 15 0.01 0.00 0.94 4.89 6.64
18 0.00 0.00 0.05 2.11 3.49
16 0.00 0.00 0.48 4.43 5.85
19 0.00 0.00 0.02 2.08 3.27
17 0.00 0.00 0.25 4.20 4.84
20 0.00 0.00 0.01 2.07 3.07
21 0.00 0.00 0.01 2.07 2.86
18 0.00 0.00 0.13 4.08 4.19
22 0.00 0.00 0.00 2.06 2.77 19 0.00 0.00 0.06 4.01 3.83
23 0.00 0.00 0.00 2.06 2.67 20 0.00 0.00 0.03 3.98 3.27
24 0.00 0.00 0.00 2.06 2.58 21 0.00 0.00 0.02 3.97 3.07
25 0.00 0.00 0.00 2.06 2.49 22 0.00 0.00 0.01 3.96 2.77
23 0.00 0.00 0.00 3.95 2.58
24 0.00 0.00 0.00 3.95 2.31
25 0.00 0.00 0.00 3.95 2.23

Gambar 3.8. Debit Analisis Snyder dan Debit Observasi 12

Juni 2020 Gambar 3. 9.Debit Analisis Snyder dan Debit Observasi 04
Sumber : Hasil Analisis Juli 2020

3.7.2. Kalibrasi Kejadian Banjir 04 Juli
2020
Pada table dibawah ini dibuat perbandingan
antara kejadian banjir pada tanggal 04 Juli
2020 dengan dengan debit hasil dari analisis
memakai metode Snyder.
3.8. Debit Banjir Berbagai Kala Ulang
(Metode Snyder)
Dengan didapatkan parameter-parameter
Hydrograph Snyder yang sudah
dikalibrasikan dengan data observasi maka
selanjutnya dapat dilakukan penghitungan
debit banjir dengan berbagai kala ulang
dengan memakai parameter-parameter
kalibrasi tersebut. Hasil dari perhitungan
analisis debit banjir dengan berbagai kala
ulang di tiap DAS terjabarkan pada table dan
gambar grafik dibawah ini:

10
3.8.1 Daerah Aliran Sungai (DAS)
Molibagu

Tabel 3.15. Debit Kala Ulang DAS

Molibagu
Kala Ulang Debit (M3/S)
Jam 2 Thn 3 Thn 5 Thn 7 Thn 10 Thn 15 Thn 20 Thn 25 Thn 50 Thn 100 Thn 1000 Thn
1 3.95 3.95 3.95 3.95 3.95 3.95 3.95 3.95 3.95 3.95 3.95
2 5.25 5.56 5.90 6.12 6.35 6.61 6.80 6.94 7.40 7.86 9.50
3
4
15.70
38.70
18.41
46.72
21.53
55.96
23.52
61.82
25.59
67.96
27.94
74.91
29.61
79.85
30.91
83.70
35.00
95.79
39.18
108.15
53.96
151.87
Gambar 3. 12.Resume Hasil Kalibrasi HEC-HMS
5 64.48 78.45 94.55 104.77 115.46 127.57 136.18 142.88 163.94 185.48 261.64
6 81.01 98.80 119.30 132.30 145.92 161.33 172.29 180.82 207.63 235.05 332.01
7 84.61 103.23 124.68 138.30 152.55 168.68 180.15 189.08 217.15 245.85 347.34
8
9
78.20
66.43
95.34
80.85
115.09
97.47
127.62
108.02
140.74
119.06
155.59
131.55
166.15
140.44
174.37
147.35
200.20
169.09
226.62
191.32
320.04
269.94
Tabel 3.16. Perbedaan Debit Analisis dan
10
11
12
53.23
41.02
30.87
64.61
49.58
37.09
77.72
59.44
44.25
86.03
65.70
48.79
94.74
72.25
53.55
104.60
79.66
58.93
111.60
84.93
62.76
117.06
89.04
65.74
134.21
101.94
75.11
151.74
115.13
84.69
213.75
161.77
118.56
Observasi
13 22.99 27.38 32.44 35.66 39.02 42.83 45.53 47.64 54.27 61.04 84.99 Measure Simulated Observed Difference Percent Difference
14 17.14 20.18 23.69 25.91 28.24 30.88 32.76 34.22 38.80 43.50 60.09 Volume (MM) 68.21 66.86 1.35 2.01
15 12.94 15.01 17.41 18.92 20.51 22.31 23.59 24.58 27.71 30.91 42.22
16 10.00 11.40 13.00 14.03 15.09 16.30 17.16 17.83 19.94 22.09 29.70 Peak Flow (M3/S) 116.4 109 7.4 6.8
17 7.98 8.91 9.98 10.66 11.37 12.18 12.75 13.20 14.60 16.03 21.10
Time of Peak 01Jan2000, 04:00 01Jan2000, 04:00
18 6.61 7.23 7.93 8.38 8.85 9.38 9.76 10.06 10.98 11.93 15.28
19 5.69 6.10 6.56 6.86 7.16 7.51 7.76 7.96 8.56 9.18 11.38
20 5.09 5.35 5.65 5.84 6.05 6.27 6.44 6.56 6.96 7.36 8.79
21 4.69 4.86 5.05 5.18 5.31 5.46 5.56 5.64 5.90 6.16 7.09
22
23
4.43
4.26
4.54
4.33
4.66
4.41
4.74
4.46
4.83
4.52
4.92
4.58
4.99
4.62
5.04
4.65
5.21
4.76
5.38
4.87
5.98
5.26 Tabel 3.17. Debit Analisis dan Debit
24 4.15 4.19 4.24 4.28 4.31 4.35 4.38 4.40 4.47 4.54 4.79

Sumber : Hasil Analisis Observasi

Jam Hujan (mm) Loss (mm) Excess (mm) Limpasan (M3/s) Base Flow (M3/s) Total Debit (M3/s) Debit Pengamatan (M3/s)
0:00 0 4 4 4
1:00 65.89 63.06 2.83 2.2 3.4 5.6 10.4
2:00 71.18 44.33 26.85 27.4 2.9 30.3 48.2
3:00 31.67 13.77 17.9 81.7 2.5 84.3 76.3
4:00 7.7 2.97 4.73 114.2 2.2 116.4 109
5:00 4.84 1.8 3.04 98.3 1.9 100.2 88.5
6:00 0.69 0.25 0.44 66.2 1.6 67.8 61.3
7:00 0 0 0 39.6 1.4 41 34.3
8:00 0 0 0 21.5 1.2 22.7 28.4
9:00 0 0 0 11.1 5.2 16.3 21.7
10:00 0 0 0 5.7 8.4 14 15.6
11:00 0 0 0 2.9 9.3 12.1 12
12:00 0 0 0 1.1 9.4 10.5 9.8
13:00 0 0 0 0.3 8.7 9.1 8
14:00 0 0 0 0.1 7.7 7.8 6.6
15:00 0 0 0 0 6.8 6.8 5.8
16:00 0 0 0 0 5.8 5.8 4.8
17:00 0 0 0 0 5 5 4.2
18:00 0 0 0 0 4.4 4.4 3.8
19:00 0 0 0 0 3.8 3.8 3.3
20:00 0 0 0 0 3.3 3.3 3.1
Gambar 3.10. Hydrograph Banjir DAS Molibagu 21:00
22:00
0
0
0
0
0
0
0
0
2.8
2.4
2.8
2.4
2.8
2.6
23:00 0 0 0 0 2.1 2.1 2.3
0:00 0 0 0 0 1.8 1.8 2.2

Berdasarkan analisis aliran puncak (debit

banjir) menggunakan Hydrograph Snyder Tabel 3.18. Parameter-Parameter Yang
yang sudah dikalibrasikan dengan data Berubah Setelah Dikalibrasi
Element Parameter Units Initial Value Optimized Value
observasi didapatkan debit banjir rencana Molibagu kalibrasi
Molibagu kalibrasi
Snyder Unit Hydrograph - Peaking Coefficient
Snyder Unit Hydrograph - Standard lag HR
0.5
2
0.60356
1.8699

dengan berbagai kala ulang. Molibagu kalibrasi

Molibagu kalibrasi
SCS Curve Number - Curve Number
Recession - Recession Constant
60
0.03
51.277

Molibagu kalibrasi Recession - Ratio to Peak 0.2 0.19513

3.9. HEC HMS Kalibrasi Pos Debit

3.10. Debit Banjir Berbagai Kala Ulang
Molibagu Bolangaso
(Metode HEC-HMS)
Dalam sub bab ini memberikan informasi
Dengan didapatkan parameter-parameter
tentang hasil kalibrasi hydrograph banjir
Hydrograph HEC-HMS yang sudah
analisis sintetis dan debit observasi dengan
dikalibrasikan dengan data observasi maka
memakai software HEC-HMS.
selanjutnya dapat dilakukan penghitungan
debit banjir dengan berbagai kala ulang
dengan memakai parameter-parameter
kalibrasi tersebut. Hasil dari perhitungan
analisis debit banjir dengan berbagai kala
ulang di tiap DAS terjabarkan pada table dan
gambar grafik berikut ini:

Gambar 3.11. Hasil Kalibrasi Debit Analisis Terhadap Debit

Observasi Tanggal 04 Juli 2020

11
310.1. Daerah Aliran Sungai (DAS) di hulu, tengah maupun hilir. Untuk itu
Molibagu diperlukan observasi yang detail dan
mendalam. Mengingat terbatasnya waktu
dalam penelitian ini, tahapan analisis
Tabel 3. 18.Debit Kala Ulang DAS Molibagu
Jam
0
2 Thn
4.00
3 Thn
4.00
5 Thn
4.00
7 Thn
4.00
10 Thn
4.00
15 Thn
4.00
20 Thn
4.00
25 Thn
4.00
50 Thn 100 Thn
4.00 4.00
hidrolika tersebut belum dapat dilakukan.
1
2
4.00
12.80
4.20
22.10
5.40
37.70
6.80
50.20
8.80
65.20
11.50
84.20
13.80
99.00
15.80
111.10
23.00
152.50
31.60
199.40
Akan lebih bermanfaat apabila
3
4
36.20
54.60
67.00
97.20
111.90
155.70
144.70
196.90
182.00
242.60
227.30
297.10
261.40
337.40
289.00
369.60
380.10
474.50
479.30
586.50
penelitian ini kemudian dilanjutkan
5 50.30 85.10 131.40 163.40 198.60 240.10 270.60 294.70 372.90 455.60
6 34.80 57.00 86.00 105.80 127.50 152.90 171.50 186.30 233.70 283.50 dengan penelitian berikutnya.
7 21.00 33.50 49.80 60.90 73.00 87.10 97.40 105.60 131.70 159.20
8 11.30 18.70 29.60 37.10 45.50 55.40 62.70 68.50 87.40 107.50
9 9.40 16.20 25.50 32.10 39.30 47.90 54.20 59.20 75.50 92.90
10 8.10 14.00 22.10 27.70 33.90 41.30 46.80 51.20 65.30 80.30
11 7.00 12.10 19.10 23.90 29.30 35.70 40.40 44.20 56.40 69.40
12
13
6.00
5.20
10.40
9.00
16.50
14.20
20.70
17.90
25.30
21.90
30.90
26.70
34.90
30.20
38.20
33.00
48.70
42.10
59.90
51.80 DAFTAR PUSTAKA
14 4.50 7.80 12.30 15.40 18.90 23.00 26.10 28.50 36.40 44.70
15 3.90 6.70 10.60 13.30 16.30 19.90 22.50 24.60 31.40 38.60
16 3.40 5.80 9.20 11.50 14.10 17.20 19.50 21.30 27.10 33.40
17
18
2.90
2.50
5.00
4.30
7.90
6.80
9.90
8.60
12.20
10.50
14.80
12.80
16.80
14.50
18.40
15.90
23.40
20.30
28.80
24.90
RJ. Kodoatie & Roestam S, 2010, Tata Ruang
19
20
2.20
1.90
3.70
3.20
5.90
5.10
7.40
6.40
9.10
7.90
11.10
9.60
12.50
10.80
13.70
11.80
17.50
15.10
21.50
18.60
Air, Penerbit Andi, Yogyakarta.
21 1.60 2.80 4.40 5.50 6.80 8.30 9.40 10.20 13.10 16.10
22 1.40 2.40 3.80 4.80 5.90 7.20 8.10 8.80 11.30 13.90
23 1.20 2.10 3.30 4.10 5.10 6.20 7.00 7.60 9.80 12.00
24 1.00 1.80 2.80 3.60 4.40 5.30 6.00 6.60 8.40 10.40 Rahmat Jayadi, 2000, Hidrologi I, Pengenalan
Hidrologi, UGM, Yogyakarta

Sutopo Purwo Nugroho., 2001, Analisis

Hidrograf Satuan Sintetik Metode Snyder,
Clark Dan SCS Dengan menggunakan
model HEC-1 di DASs Ciliwung Hulu,
Jurnal Sains & Teknologi Modofikasi
Cuaca, Jakarta.
Gambar 3. 13. Hydrograph Banjir DAS Molibagu

Berdasarkan analisis aliran puncak (debit

banjir) menggunakan Hydrograph HEC-
HMS yang sudah dikalibrasikan dengan data
observasi didapatkan debit banjir rencana
dengan berbagai kala ulang.

IV. KESIMPULAN

4.1 Kesimpulan
Dari hasil analisa hidrologi, dapat diambil
simpulan sebagai berikut:
• Berdasarkan analisis aliran puncak
didapatkan debit banjir rencana berbagai
tahun metode hidrograf Snyder dengan
berbagai kala ulang 2 tahun s.d. 100 tahun
debit yang paling besar yang terjadi pada
jam ke-4, sementara analisis aliran
puncak didapatkan debit banjir rencana
berbagai tahun pemodelan hidrograf
HEC-HMS kala ulang 2 tahun s.d. 100
tahun paling besar terjadi pada jam ke-7.
• Nilai besaran debit banjir tersebut dapat
menjadi informasi awal bagi perencanaan
bangunan-bangunan hidrolik. Akan
tetapi perlu diketahui terlebih dahulu
kondisi eksisting penampang Sungai
Molibagu pada beberapa titik, misalnya
12