Oleh:
Puji syukur penulis panjatkan kehadirat Allah SWT atas limpahan Rahmat,
karunia, dan hidayah-Nya, sehingga penulis dapat menyelesaikan penyusunan tugas akhir
ini dengan judul “Analisis Intensity Duration Frequency (IDF) dan Depth Area
Duration (DAD) Di DAS Meninting”.
Penyusunan tugas akhir merupakan persyaratan untuk memperoleh gelar sarjana
S-1 pada Program Studi Teknik Sipil, Fakultas Teknik, Universitas Mataram. Dalam
penulisan tugas akhir ini tidak lepas dari berbagai kesulitan, namun atas bimbingan,
bantuan, dan dorongan baik secara moril maupun materil dari berbagai pihak akhirnya
penulis dapat menyelesaikan tugas akhir ini.
Mengingat keterbatasan penulis, penulis menyadari sepenuhnya bahwa tugas
akhir ini masih jauh dari kata sempurna. Oleh karena itu, kritik dan saran yang bersifat
membangun sangat penulis butuhkan dan berharap agar karya ini dapat bermanfaat bagi
pembaca.
Penulis
v
UCAPAN TERIMA KASIH
Tugas akhir ini dapat diselesaikan berkat rahmat dan karunia Allah SWT serta
bantuan dan dorongan baik moril maupun materil berbagai pihak. Oleh karena itu, dengan
segala ketulusan dan kerendahan hati, pada kesempatan ini penulis menyampaikan
ucapan terima kasih yang sebesar-besarnya terutama kepada :
1. Orang tua tercinta, Ayah Ir. Ma’sum Sarnyoto dan Ibu Ir. Hj. Susi Sukwati yang tiada
henti memberikan segala dukungan, kasih sayang, pengertian, pengorbanan, motivasi
serta do’a dan menjadi alasan penulis menyelesaikan tugas akhir ini. Semoga Ayah
dan Ibu selalu sehat dan bisa menemani penulis disetiap perjalanan dan pencapaian
hidup.
2. Amalia Sharfina Sarnyoto, selaku kakak tercinta penulis yang selalu menguatkan,
memberikan do’a, perhatian, serta motivasi selama penulisan tugas akhir ini.
3. Bapak Muhamad Syamsu Iqbal, ST.,MT.,Ph.D., selaku Dekan Fakultas Teknik
Universitas Mataram.
4. Bapak Hariyadi, ST.,MSc(Eng).,Ph.D., selaku Ketua Jurusan Teknik Sipil Fakultas
Teknik Universitas Mataram.
5. Bapak Dr. Eng. Hartana, ST.,MT., selaku Sekretaris Jurusan Teknik Sipil Fakultas
Teknik Universitas Mataram.
6. Bapak Dr. Ir. I Wayan Yasa, ST.,MT.,IPM., selaku Dosen Pembimbing Utama yang
dengan bijaksana selalu membimbing serta memberi arahan penulis dalam penyusunan
tugas akhir ini.
7. Ibu Humairo Saidah, ST.,MT., selaku Dosen Pembimbing Pendamping yang juga
dengan bijaksana selalu membimbing serta memberi arahan penulis dalam penyusunan
tugas akhir ini.
8. Bapak Ir. Heri Sulistiyono, M.Eng.,Ph.D; Bapak Atas Pracoyo, ST.,MT.,Ph.D; dan Ibu
Ir. Lilik Hanifah, MT selaku Dosen Penguji I, II, dan III yang telah memberikan kritik
dan saran selama peyusunan tugas akhir ini.
9. Teman-teman dekat penulis (Ilham Husain, Naya Roro, Baiq Dara, Baiq Fakhira,
Elsya Saranga, Putu Yana, Septia Fadila, Yaumi Tasu’a, Farah Najwasyah, Khaidatul
Jannah, Sulthon Fanani, dan Mirna Adenia) yang selalu membantu, mendukung, dan
menghibur penulis selama menempuh perkuliahan di Teknik Sipil.
vi
10. Teman-teman Jurusan Teknik Sipil Angkatan 2019 yang selalu menyemangati dan
mendukung satu sama lain dalam penyusunan tugas akhir ini.
11. Semua pihak yang terlibat dan tidak dapat penulis sebutkan satu persatu yang telah
membantu dan memberi masukan kepada penulis dalam menyelesaikan tugas akhir
ini.
Sekali lagi, terima kasih atas do’a dan bantuan yang telah diberikan, mohon maaf
jika ada kekeliruan. Semoga Allah SWT membalas segala kebaikan, bantuan, dan
dukungan yang diberikan kepada penulis.
Aamiin.
vii
DAFTAR ISI
HALAMAN JUDUL
PRAKATA ....................................................................................................................... v
viii
2.2.4 Penentuan Hujan Wilayah .............................................................................. 8
ix
BAB III METODOLOGI PENELITIAN ................................................................... 30
4.2.1 Uji Rescaled Adjusted Partial Sums (RAPS) Hujan Jam-Jaman ................. 37
4.2.2 Uji Rescaled Adjusted Partial Sums (RAPS) Hujan Harian ........................ 43
4.3 Penentuan Hujan Wilayah dan Penetapan Seri Data Hujan .......................... 51
x
4.7 Analisis Intensity Duration Frequency (IDF)..................................................... 82
4.7.5 Pemilihan Metode Intensitas Hujan yang Sesuai di DAS Meninting ........ 115
xi
DAFTAR GAMBAR
4.2 Grafik Distribution Plot Log Normal Minitab Statistical Software ...................... 67
4.4 Kurva Intensity Duration Frequency Terukur Dalam Berbagai Periode Ulang.... 83
4.5 Kurva Intensity Duration Frequency Metode Talbot Dalam Berbagai Periode Ulang
............................................................................................................................... 86
4.6 Kurva Intensity Duration Frequency Metode Sherman Dalam Berbagai Periode
Ulang ..................................................................................................................... 89
4.7 Kurva Intensity Duration Frequency Metode Mononobe Dalam Berbagai Periode
Ulang ..................................................................................................................... 91
4.8 Kurva Intensity Duration Frequency Metode Van Breen Dalam Berbagai Periode
Ulang ..................................................................................................................... 93
4.9 Kurva Perbandingan Intensitas Hujan Terukur Dengan Intensitas Hujan Metode
Empiris Periode Ulang 2 Tahun ............................................................................ 95
4.10 Perbandingan Nilai Deviasi Rata-Rata Intensitas Hujan Metode Empiris Dalam
Berbagai Periode Ulang....................................................................................... 102
4.11 Perbandingan Nilai Kesalahan Relatif Intensitas Hujan Metode Empiris Dalam
Berbagai Periode Ulang....................................................................................... 108
xii
4.13 Kurva Massa Hujan ............................................................................................. 120
xiii
DAFTAR TABEL
2.3 Hubungan Faktor Frekuensi Distribusi Normal (k) Periode Ulang ...................... 15
4.1 Data Hujan Otomatis Jam-Jaman Tahunan Stasiun Gunung Sari ......................... 37
4.3 Ekstrapolasi Nilai Kritis Kritis Q/√N dan R/√N Untuk N = 3 ............................ 39
4.8 Data Hujan Otomatis Harian Tahunan Stasiun Gunung Sari ................................ 43
xiv
4.16 Curah Hujan Rata-Rata Durasi 1 Jam Stasiun Gunung Sari Tahun 2016 ............. 52
4.17 Curah Hujan Rata-Rata Durasi 1 Jam Stasiun Sesaot Tahun 2016 ....................... 53
4.18 Curah Hujan Rata-Rata Durasi 1 Jam Stasiun Bertais Tahun 2016 ...................... 54
4.19 Curah Hujan Rata-Rata Maksimum Durasi 1 Jam Tahun 2016 ............................ 55
4.24 Analisis Parameter Statistik Curah Hujan Dengan Durasi 1 Jam ......................... 61
4.25 Persyaratan Pemilihan Jenis Agihan Curah Hujan Durasi 1 Jam .......................... 62
4.36 Nilai k agihan Log Normal Untuk Tiap Periode Ulang ........................................ 78
xv
4.42 Rekapitulasi Intensitas Hujan Terukur Dalam Berbagai Durasi dan Periode Ulang
............................................................................................................................... 82
4.43 Analisis Intensitas Hujan Metode Talbot Periode Ulang 2 Tahun ........................ 83
4.45 Analisis Intensitas Hujan Metode Sherman Periode Ulang 2 Tahun .................... 87
4.49 Rekapitulasi Intensitas Hujan Dalam Berbagai Metode Periode Ulang 2 Tahun .94
4.50 Nilai Deviasi Rata-Rata Metode Talbot Periode Ulang 2 Tahun .......................... 96
4.51 Nilai Deviasi Rata-Rata Metode Sherman Periode Ulang 2 Tahun ...................... 98
4.52 Nilai Deviasi Rata-Rata Metode Mononobe Periode Ulang 2 Tahun ................... 99
4.53 Nilai Deviasi Rata-Rata Metode Van Breen Periode Ulang 2 Tahun ................. 100
4.54 Rekapitulasi Deviasi Rata-Rata Dalam Berbagai Metode dan Periode Ulang .... 101
4.55 Kesalahan Relatif Metode Talbot Periode Ulang 2 Tahun .................................. 103
4.56 Kesalahan Relatif Metode Sherman Periode Ulang 2 Tahun .............................. 104
4.57 Kesalahan Relatif Metode Mononobe Periode Ulang 2 Tahun ........................... 106
4.58 Kesalahan Relatif Metode Van Breen Periode Ulang 2 Tahun ........................... 107
4.59 Rekapitulasi Kesalahan Relatif Dalam Berbagai Metode dan Periode Ulang .... 108
4.60 Nash-Sutcliffe Efficiency Metode Talbot Periode Ulang 2 Tahun ...................... 109
4.61 Nash-Sutcliffe Efficiency Metode Sherman Periode Ulang 2 Tahun ................... 110
4.63 Nash-Sutcliffe Efficiency Metode Van Breen Periode Ulang 2 Tahun ................ 113
4.65 Rekapitulasi Uji Kesesuaian Metode Empiris Dalam Berbagai Periode Ulang .. 115
xvi
4.67 Hasil Ekstrapolasi Intensitas Hujan Metode Talbot ............................................ 117
4.70 Data Hujan Kumulatif Maksimum Periode Per 6 Jam ........................................ 120
4.71 Analisis Luas-Kedalaman Dari Peta Isohyet Periode 6 Jam ............................... 122
4.72 Analisis Luas-Kedalaman Dari Peta Isohyet Periode 12 Jam ............................. 123
4.73 Analisis Luas-Kedalaman Dari Peta Isohyet Periode 18 Jam ............................. 125
4.74 Analisis Luas-Kedalaman Dari Peta Isohyet Periode 24 Jam ............................. 126
4.80 Rekapitulasi Analisis Depth Area Duration Periode 6 Jam ................................ 130
xvii
DAFTAR LAMPIRAN
xviii
DAFTAR LAMBANG DAN SINGKATAN
xix
t = Durasi
T = Frekuensi
Xi = Data curah hujan
XT = Curah hujan rancangan
α = Banyaknya parameter
xx
ABSTRAK
Kawasan DAS Meninting, Kabupaten Lombok Barat merupakan lokasi titik rawan
banjir dan genangan, berkurangnya wilayah resapan air akibat alih fungsi lahan dan
intensitas hujan yang tinggi menyebabkan beberapa ruas saluran drainase meluap karena
tidak mampu menampung debit limpasan air hujan. Oleh karena itu, diperlukan upaya
untuk merencanakan saluran drainase yang memiliki kapasitas memadai sesuai
karakteristik curah hujan di kawasan DAS Meninting. Penelitian ini bertujuan untuk
memberi gambaran mengenai hubungan antara Intensitas-Durasi-Frekuensi (IDF) dan
Kedalaman-Luas-Durasi (DAD) di DAS Meninting yang dapat digunakan sebagai dasar
dalam perencanaan drainase dan bangunan pengendali banjir lainnya. Dalam analisis
Intensity Duration Frequency (IDF), menunjukkan bahwa metode Talbot merupakan
metode intensitas hujan yang paling sesuai dengan karakteristik hujan di DAS Meninting
karena menunjukkan akurasi yang paling baik dengan intensitas hujan terukur dan
memenuhi kriteria dari ketiga uji kesesuaian metode tersebut dengan nilai deviasi rata-
rata dan kesalahan relatif terkecil berturut-turut sebesar 0,5062 dan 1,7790%, serta rata-
rata Nash-Sutcliffe Efficiency (NSE) sebesar 0,9977. Sedangkan dalam analisis Depth
Area Duration (DAD), pada setiap periode memiliki bentuk kurva yang berbeda, namun
pola kedalaman hujan yang dihasilkan pada setiap durasi untuk semua periode tidak
terdapat perbedaan yang signifikan, sehingga kurva yang terbentuk pun cenderung sangat
rapat.
Kata Kunci : Intensity Duration Frequency, Depth Area Duration, DAS Meninting
xxi
ABSTRACT
xxii
BAB I
PENDAHULUAN
1
wilayah tertentu (Solaimani et al., 2006). Kedalaman hujan maksimum dan luas area
tangkapan hujan yang diperoleh dari kurva DAD dapat memberikan informasi mengenai
luas genangan yang terjadi dalam berbagai durasi sehingga dapat digunakan untuk
menentukan kapasitas saluran drainase yang diperlukan.
Berdasarkan permasalahan yang terjadi, maka diperlukan metode intensitas hujan
yang sesuai dengan karakteristik curah hujan di DAS Meninting. Dalam analisis ini akan
dicoba membuat perbandingan perhitungan metode intensitas hujan yang tepat dan sesuai
dengan lokasi penelitian yang diambil. Hasil analisis perbandingan metode intensitas
hujan tersebut akan menghasilkan metode yang sesuai kemudian metode tersebut
digunakan untuk menggambarkan kurva Intensity Duration Frequency (IDF) dan kurva
Depth Area Duration (DAD) untuk mengetahui kedalaman hujan dalam durasi untuk luas
daerah tertentu di DAS Meninting, sehingga nantinya mendapatkan hasil rancangan
besaran yang optimal dan akan bermanfaat dalam pengelolaan aliran air hujan dan
perencanaan drainase di kawasan DAS Meninting.
2
3. Penelitian ini hanya melakukan perhitungan Intensity Duration Frequency (IDF) dan
Depth Area Duration (DAD) untuk beberapa periode.
4. Analisis Depth Area Duration (DAD) untuk membuat peta Isohyet menggunakan
software ArcGis 10.8.2.
3
BAB II
DASAR TEORI
4
perhitungan intensitas hujan akan dibandingkan dengan hasil pengukuran intensitas hujan
dari alat ukur otomatis. Hasil penelitian menunjukkan bahwa metode Talbot merupakan
metode yang paling sesuai di Stasiun Jabung Kabupaten Malang jika dibandingkan
dengan intensitas hujan rancangan. Metode terpilih tersebut memiliki Deviasi Rata-Rata
yaitu 1,488; Kesalahan Relatif (Kr) rata-rata sebesar 8,638%; dan Nash-Sutcliffe
Efficiency (NSE) rata-rata sebesar 0,975. Kemudian dilakukan validasi metode terpilih
menggunakan periode ulang 2 tahun dan 5 tahun dengan membandingkan intensitas hujan
metode empiris dan intensitas hujan pengamatan berdasarkan peluang dari periode ulang
dengan hasil Deviasi Rata-Rata yaitu 2,217; Kesalahan Relatif (Kr) rata-rata sebesar
15,111%; dan Nash-Sutcliffe Efficiency (NSE) rata-rata sebesar 0,934.
(Dana et al., 2019) melakukan penelitian mengenai analisis Kurva Intensity
Duration Frequency (IDF) dan Depth Area Duration (DAD) Pada DAS Babak. Hasil
analisis kurva Intensity Duration Frequency (IDF) DAS Babak menunjukkan bahwa
intensitas hujan berbanding terbalik dengan durasi hujan. Berdasarkan bentuk lengkung
kurva IDF periode ulang 2, 5, 10, 25, 50 dan 100 tahun yang tergambar terlihat bahwa
semakin lama waktu hujan yang terjadi maka intensitas hujan yang terjadi semakin kecil
dan begitu juga sebaliknya semakin pendek durasi hujan yang terjadi maka intensitas
hujan semakin besar. Berdasarkan analisis Depth Area Duration (DAD) periode 24 jam
menunjukkan bahwa luas area berbanding terbalik dengan kedalaman hujan. Berdasarkan
bentuk lengkung kurva DAD yang tergambar dapat diambil kesimpulan bahwa semakin
besar luas area tangkapan hujannya maka kedalaman hujan yang terjadi semakin kecil,
dan begitu juga sebaliknya semakin kecil luas area tangkapan hujannya maka kedalaman
hujan yang terjadi semakin besar.
5
permukaan sehingga semakin besar pula aliran permukaan atau debit sungai (Triatmodjo,
2008).
DAS merupakan tempat berlangsungnya daur hidrologi, yang terdiri dari masukan
(input) → proses → keluaran (output). Selain itu, DAS dapat dipandang sebagai bagian
dari permukaan bumi tempat air hujan menjadi aliran permukaan dan mengumpul ke
sungai menjadi aliran sungai menuju ke suatu titik di sebelah hilir (down stream point)
sebagai titik pengeluaran (catchment outlet). Setiap DAS besar yang bermuara ke laut
merupakan gabungan dari beberapa DAS sedangkan sub DAS adalah gabungan dari sub
DAS kecil-kecil (Soewarno, 1995).
2.2.2 Hujan
Hujan merupakan komponen masukan yang paling penting dalam proses hidrologi,
karena jumlah kedalaman hujan (rainfall depth) ini yang akan dialihragamkan menjadi
aliran sungai, baik melalui limpasan permukaan (surface runoff), aliran antara (interflow
sub surface flow) maupun sebagai aliran tanah (groundwater flow). Untuk mendapatkan
perkiraan besar hujan yang terjadi di seluruh DAS, diperlukan data kedalaman hujan dari
banyaknya stasiun hujan yang tersebar di seluruh DAS. Kerapatan data hujan dan jumlah
stasiun pencatat hujan dalam suatu DAS akan memberikan perbedaan dalam besaran
hujan yang didapatkan (Harto Br, 1993).
Jika membicarakan data hujan ada lima unsur yang harus ditinjau, yaitu (Soemarto,
CD, 1987):
1. Intensitas (I), adalah laju hujan = tinggi air per satuan waktu (mm/menit,
mm/jam, mm/hari),
2. Lama waktu (t), adalah lamanya curah hujan (durasi) dalam menit atau jam,
3. Kedalaman hujan (d), adalah jumlah atau banyaknya hujan dinyatakan dalam
ketebalan air diatas permukaan datar dalam mm,
4. Frekuensi biasanya dinyatakan dengan periode ulang (return period) (T),
misalnya sekali dama T tahun,
5. Luas (A), adalah luas geografi curah hujan (m2)
6
data (inconsistent). Oleh karena itu, sifat data ini perlu diberikan perhatian untuk
memperoleh hasil analisis yang baik. Data hujan yang tidak panggah (inconsistent) dapat
disebabkan oleh beberapa hal, diantaranya (Harto Br, 1993) :
1. Alat yang digunakan diganti dengan alat berspesifikasi lain.
2. Perubahan lingkungan yang mendadak.
3. Lokasi alat dipindahkan.
Data hujan harus dilakukan pengujian konsistensi terlebih dahulu untuk mendeteksi
penyimpangan dan mendapatkan hasil analisis yang baik. Adapun cara untuk melakukan
uji konsistensi data hujan dapat dilakukan dengan Rescaled Adjusted Partial Sums
(RAPS).
Metode RAPS (Rescaled Adjusted Partial Sums) digunakan untuk menguji
ketidakpanggahan antar data dalam stasiun itu sendiri dengan mendeteksi pergeseran nilai
rata-rata (mean). Dalam metode RAPS, konsistensi data hujan ditunjukkan dengan nilai
kumulatif penyimpangannya terhadap nilai rata-rata. Adapun langkah-langkah dalam
metode RAPS adalah sebagai berikut :
1. Data hujan diurutkan berdasarkan tahun, kemudian menghitung nilai rerata
∑ n
Yᵢ
̅
Y = i=1 (2-1)
n
Dy = √Dy² (2-4)
5. Menghitung nilai Sk**
Sk∗
Sk**= , k = 1, … . , n (2-5)
Dy
7
9. Menghitung nilai R, kemudian menghitung nilai R/√N
R = Sk**maks ̶ Sk**min (2-7)
10. Hasil perhitungan Q/√N dan R/√N dibandingkan dengan nilai Q/√N dan
R/√N yang diperoleh dari Tabel 2.2. Apabila nilai Q/√N hitung dan R/√N hitung
kurang dari Q/√N kristis dan R/√N kritis maka data masih berada pada batas
konsisten.
8
Apabila terdapat perubahan jaringan stasiun hujan, seperti pemindahan atau penambahan
stasiun, maka harus dibuat lagi polygon yang baru (Triatmodjo, 2008). Pada suatu luasan
di dalam DAS dianggap bahwa hujan adalah sama dengan yang terjadi pada stasiun
terdekat, sehingga hujan yang tercatat pada suatu stasiun mewakili luasan tersebut.
Metode ini digunakan apabila penyebaran stasiun hujan di daerah yang ditinjau tidak
merata. Hitungan curah hujan rerata dilakukan dengan memperhitungkan daerah
pengaruh dari tiap stasiun.
Langkah-langkah pembuatan polygon Thiessen adalah sebagai berikut :
1. Stasiun pencatat hujan digambarkan pada peta DAS yang ditinjau, termasuk
stasiun hujan di luar DAS yang berdekatan.
2. Stasiun-stasiun tersebut dihubungkan dengan garis lurus (garis terputus)
sehingga membentuk segitiga-segitiga, sebaiknya mempunyai sisi dengan
panjang yang kira-kira sama.
3. Buat garis berat pada sisi-sisi segitiga dengan garis penuh.
4. Garis-garis berat tersebut membentuk polygon yang mengelilingi tiap stasiun.
Tiap stasiun mewakili luasan yang dibentuk oleh polygon. Untuk stasiun yang
berada di dekat batas DAS, garis batas DAS membentuk batas tertutup dari
polygon.
5. Luas tiap polygon diukur dan kemudian dikalikan dengan kedalaman hujan di
stasiun yang berada di dalam polygon.
6. Jumlah dari hitungan pada langkah 5 untuk semua stasiun dibagi dengan luas
daerah yang ditinjau menghasilkan hujan rerata daerah tersebut, secara
matematis hujan rerata daerah tersebut dapat dihitung dengan persamaan
berikut :
A₁R₁+A₂R₂+A₃R₃+...+AnRn
̅=
R (2-8)
A₁+A₂+A₃+...+An
dengan :
̅
R = curah hujan rerata kawasan
R₁, R₂, R₃, … Rn = curah hujan di stasiun 1, 2, 3, …, n
A₁, A₂, A₃, … An = luas daerah yang mewakili stasiun
9
Gambar 2.1 Polygon Thiessen
(Sumber : Triatmodjo, 2008)
10
I₁+I₂ I₂+I₃ (In−1)+In
A₁+ 2 A₂+...+ An
̅= 2 2
R (2-9)
A₁+A₂+...+An
dengan :
̅
R = curah hujan rerata kawasan
I₁, I₂, I₃, … In = garis Isohyet ke 1, 2, 3, …,n, n + 1
A₁, A₂, A₃, … An = luas daerah yang dibatasi oleh garis Isohyet ke 1 dan 2, 2
dan 3,…,n dan n + 1
11
2.2.5.2 Annual Maximum Series
Metode ini digunakan apabila tersedia data debit atau hujan minimal 10 tahun data
runtut waktu. Tipe ini adalah dengan memilih satu data maksimum setiap tahun. Dalam
satu tahun hanya ada satu data. Dengan cara ini, data terbesar kedua dalam suatu tahun
yang mungkin lebih besar dari data maksimum pada tahun yang lain tidak diperhitungkan
(Triatmodjo, 2008).
12
nilai standar deviasi (S) akan besar pula, akan tetapi apabila penyebaran data
sangat kecil terhadap nilai rata-rata maka nilai S akan kecil.
n
∑ ̅ )²
(Xi−X
S= √ i=1
(2-11)
n−1
dengan :
S = simpangan baku dari sampel
Xi = data curah hujan
̅
X = rerata curah hujan
n = jumlah data
dengan :
S = simpangan baku dari sampel
̅
X = rerata curah hujan
dengan :
Xi = data curah hujan
̅
X = rerata curah hujan
n = jumlah data
S = simpangan baku dari sampel
13
n 4
̅)
n² ∑i=1(Xi−X
Ck = (n−1)(n−2)(n−3) S4
(2-14)
dengan :
Xi = data curah hujan
̅
X = rerata curah hujan
n = jumlah data
S = simpangan baku dari sampel
Berdasarkan hasil analisis parameter statistik, maka dapat ditentukan jenis agihan
yang dapat digunakan berdasarkan syarat dari masing-masing jenis agihan. Pemilihan
agihan yang tidak benar dapat mengakibatkan kesalahan perkiraan yang cukup besar.
Oleh karena itu, pengambilan salah satu agihan secara sembarang untuk analisis tanpa
pengujian data hidrologi sangat tidak dianjurkan (Harto Br, 1993).
14
Xr = curah hujan rerata
k = faktor frekuensi
Sx = deviasi standar
Tabel 2.3 Hubungan Faktor Frekuensi Distribusi Normal dan Log Normal (k) dengan
Periode Ulang
Periode Ulang
Peluang k
T (Tahun)
1,001 0,999 -3,05
1,005 0,995 -2,58
1,010 0,990 -2,33
1,050 0,950 -1,64
1,110 0,900 -1,28
1,250 0,800 -0,84
1,330 0,750 -0,67
1,430 0,700 -0,52
1,670 0,600 -0,25
2,000 0,500 0
2,500 0,400 0,25
3,330 0,300 0,52
4,000 0,250 0,67
5,000 0,200 0,84
10,000 0,100 1,28
15
Periode Ulang
Peluang k
T (Tahun)
20,000 0,050 1,64
50,000 0,020 2,05
100,000 0,010 2,33
200,000 0,005 2,58
500,000 0,002 2,88
1000,000 0,001 3,09
Sumber : (Bonnier, 1980)
dengan :
Cs = koefisien kemencengan (skewness)
Ck = koefisien kurtosis
S = simpangan baku
n = jumlah data
Rumus distribusi gumbel adalah :
Yt− Yn
̅+
X= X σn (2-18)
Sn
dengan :
X = nilai ekstrim (m3/dt)
̅
X = nilai rata-rata (m3/dt)
16
Yt = nilai reduksi varian (reduced variate)
Tr
= −ln [ln (T )] (2-19)
r− 1
17
n Yn Sn n Yn Sn n Yn Sn
32 0,5380 1,1193 63 0,5530 1,1782 94 0,5592 1,2023
33 0,5388 1,1226 64 0,5533 1,1793 95 0,5593 1,2038
34 0,5396 1,1255 65 0,5535 1,1803 96 0,5595 1,2044
35 0,5402 1,1285 66 0,5538 1,1814 97 0,5596 1,2049
36 0,5410 1,1313 67 0,5540 1,1824 98 0,5598 1,2055
37 0,5418 1,1339 68 0,5543 1,1834 99 0,5599 1,2060
38 0,5424 1,1363 69 0,5545 1,1844 100 0,5600 1,2065
Sumber : (Soewarno, 1995)
18
3. Menghitung nilai simpangan baku
̅̅̅̅̅̅̅̅
∑(log − log X)²
S= √ (2-21)
n−1
5. Menghitung nilai K
6. Menghitung nilai ekstrim
log X = ̅̅̅̅̅̅
log X + K. S (2-23)
7. Menghitung nilai anti log dari log X untuk menentukan nilai curah hujan
rancangan (m3/dt).
19
Koef. Periode Ulang (Tahun)
Kemencengan
(CS)
2 5 10 25 50 100 200 1000
0,0 0,000 0,842 1,282 1,751 2,054 2,326 2,576 3,090
-0,1 0,017 0,836 1,270 1,716 2,000 2,252 2,482 2,950
-0,2 0,033 0,850 1,258 1,680 1,945 2,178 2,388 2,810
-0,3 0,050 0,853 1,245 1,643 1,890 2,104 2,294 2,675
-0,4 0,066 0,855 1,231 1,606 1,834 2,029 2,201 2,540
-0,5 0,083 0,856 1,216 1,567 1,777 1,955 2,108 2,400
-0,6 0,099 0,857 1,200 1,528 1,720 1,880 2,016 2,275
-0,7 0,116 0,857 1,183 1,488 1,663 1,806 1,926 2,150
-0,8 0,132 0,856 1,166 1,448 1,606 1,733 1,837 2,035
-0,9 0,148 0,854 1,147 1,407 1,549 1,660 1,749 1,910
-1,0 0,164 0,852 1,128 1,366 1,492 1,588 1,664 1,800
-1,2 0,195 0,844 1,086 1,282 1,379 1,449 1,501 1,625
-1,4 0,225 0,832 1,041 1,198 1,270 1,318 1,351 1,465
-1,6 0,254 0,817 0,995 1,116 1,166 1,197 1,216 1,280
-1,8 0,282 0,799 0,945 1,035 1,069 1,087 1,097 1,130
-2,0 0,307 0,777 0,895 0,959 0,980 0,990 0,995 1,000
-2,2 0,330 0,752 0,844 0,888 0,900 0,905 0,907 0,910
-2,5 0,360 0,711 0,771 0,793 0,798 0,799 0,800 0,802
-3,0 0,396 0,636 0,666 0,666 0,666 0,667 0,667 0,668
Sumber : (Soewarno, 1995)
20
dengan :
X² = nilai Chi Kuadrat terhitung
N = jumlah sub kelompok dalam satu grup
Oi = jumlah nilai pengamatan pada sub kelompok ke i
Ei = jumlah nilai teoritis pada sub kelompok ke i
Berikut langkah-langkah perhitungan dengan uji Chi Kuadrat :
1. Mengurutkan data dari nilai terbesar sampai nilai terkecil.
2. Mengelompokkan data menjadi sub kelompok sesuai dengan setiap sub
kelompok, tiap-tiap sub kelompok minimal 4 data pengamatan.
3. Menghitung nilai Oi dengan menjumlahkan data dari tiap kelompok.
4. Menghitung nilai Ei dari persamaan distribusi yang digunakan.
(Oi− Ei )²
5. Menghitung nilai (Oi − Ei )² dan Ei
pada tiap-tiap sub kelompok.
(Oi− Ei )²
6. Jumlahkan seluruh nilai Ei
untuk mendapatkan nilai X ² , nilai X² < X²cr
21
Derajat Kepercayaan
Dk
0,995 0,99 0,975 0,95 0,05 0,025 0,01 0,005
10 2,156 2,558 3,247 3,940 18,307 20,483 23,209 25,188
11 2,603 3,053 3,816 4,575 19,675 21,920 24,725 26,757
12 3,074 3,571 4,404 5,226 21,026 23,337 26,217 28,300
13 3,565 4,107 5,009 5,892 22,362 24,736 27,688 29,819
14 4,075 4,660 5,629 6,571 23,685 26,119 29,141 31,319
15 4,601 5,229 6,262 7,261 24,996 27,488 30,578 32,801
16 5,142 5,812 6,908 7,962 26,296 28,845 32,000 34,267
17 5,697 6,408 7,564 8,672 27,578 30,191 33,409 35,718
18 6,265 7,015 8,231 9,390 28,869 31,526 34,805 37,156
19 6,844 7,633 8,907 10,117 30,144 32,852 36,191 38,582
20 7,434 8,260 9,591 10,851 31,410 34,170 37,566 39,997
21 8,034 8,897 10,283 11,591 32,671 35,479 38,932 41,401
22 8,643 9,542 10,982 12,338 33,924 36,781 40,289 42,796
23 9,260 10,196 11,689 13,091 35,172 38,076 41,638 44,181
24 9,886 10,856 12,401 13,848 36,415 39,364 42,980 45,558
25 10,520 11,524 13,12 14,611 37,652 40,646 44,314 46,928
26 11,160 12,198 13,844 15,379 38,885 41,923 45,642 48,290
27 11,808 12,879 14,573 16,151 40,113 43,194 46,963 49,645
28 12,461 13,121 15,308 16,928 41,337 44,461 48,278 50,993
29 13,121 14,256 16,047 17,708 42,557 45,722 49,588 52,336
30 13,787 14,953 16,791 18,493 43,773 46,979 50,892 53,672
Sumber : (Soewarno, 1995)
22
2. Menentukan masing-masing peluang dari data hujan yang telah diurutkan
dengan rumus Weibull
m
P (Xi) = n+1 (2-26)
23
hujan, makin besar intensitasnya (Sosrodarsono & Takeda, 2003). Intensitas hujan
merupakan hasil turunan dari tiga variabel umum dari hujan yaitu kedalaman hujan (R),
durasi hujan (t), dan periode ulang kejadian hujan (T). Nilai intensitas hujan diperolah
dari alat penakar hujan otomatis yang mampu mencatat besarnya volume hujan dan waktu
berlangsungnya hujan sampai hujan tersebut berhenti. Intensitas hujan diperoleh dengan
cara melakukan analisis data hujan baik secara statistik maupun empiris. Biasanya
intensitas hujan dihubungkan dengan durasi hujan jangka pendek seperti 5 menit, 30
menit, 60 menit, dan jam-jaman (Yulius, 2014). Berikut beberapa metode yang dapat
digunakan untuk menghitung intensitas hujan :
2.2.9.1 Metode Pengamatan
Intensitas curah hujan rata-rata dalam t jam (It ) dinyatakan dengan rumus sebagai
berikut (Sosrodarsono & Takeda, 2003) :
Rt
It = (2-28)
t
dengan :
It = intensitas curah hujan (mm/jam)
Rt = curah hujan maksimum selama t jam (mm)
t = lamanya curah hujan (jam)
2 2
(∑ I.t)(∑ I ) − (∑ I .t) (∑ I)
a = (2-30)
N (∑ I2 )− (∑ I)(∑ I)
2
(∑ I)(∑ I.t) − N (∑ I .t)
b = (2-31)
N (∑ I2 )− (∑ I)(∑ I)
dengan :
I = intensitas curah hujan (mm/jam)
t = lamanya curah hujan (jam)
24
a,b = konstanta yang tergantung pada lamanya curah hujan
N = banyaknya data hujan
dengan :
I = intensitas curah hujan (mm/jam)
t = lamanya curah hujan (jam)
a = konstanta yang tergantung pada lamanya curah hujan
N = banyaknya data hujan
dengan :
I = intensitas curah hujan (mm/jam)
R24 = curah hujan harian maksimum dalam 24 jam (mm)
25
t = lamanya curah hujan (jam)
m = konstanta (0,6667)
dengan :
It = intensitas curah hujan pada suatu periode ulang (mm/jam)
Rt = curah hujan harian maksimum pada suatu periode ulang
(mm/hari)
tc = waktu konsentrasi (menit)
dengan :
D = deviasi rata-rata
Xa = nilai pengamatan
Xb = nilai hasil pemodelan
n = jumlah data
26
2.2.10.2 Kesalahan Relatif (𝐊𝐫)
Kesalahan relatif bertujuan untuk menghitung persentase kesalahan relatif
intensitas hujan metode empiris terhadap intensitas hujan pengamatan. Apabila intensitas
hujan metode empiris menghasilkan nilai kesalahan relatif lebih kecil dibandingkan
intensitas hujan pengamatan maka metode tersebut sudah dapat dikatakan menjadi
metode yang tepat.
Xa − Xb
Kr = | |. 100% (2-38)
Xa
dengan :
Kr = kesalahan relatif
Xa = nilai pengamatan
Xb = nilai hasil pemodelan
dengan :
Q si = nilai simulasi model
Q mi = nilai pengamatan
Qm = nilai rata-rata pengamatan
n = jumlah data
27
2.2.11 Intensity Duration Frequency (IDF)
Analisis dan desain hidrologi tidak hanya memerlukan volume atau ketinggian
hujan, tetapi juga memerlukan distribusi hujan terhadap tempat dan waktu. Intensity
Duration Frequency (IDF) merupakan hubungan empiris antara intensitas hujan, durasi
hujan, dan frekuensi atau periode ulang. kurva Intensitas Durasi Frekuensi (IDF) terdiri
dari tiga parameter, dimana durasi hujan sebagai absis (sumbu x), intensitas hujan sebagai
ordinat (sumbu y), dan periode ulang sebagai parameter ketiga (Dar et al., 2016).
Analisis Intensity Duration Frequency (IDF) dilakukan untuk memperkirakan
debit puncak di daerah tangkapan kecil, seperti perencaan sistem drainase, gorong-
gorong, dan jembatan. Pada daerah tangkapan yang kecil, hujan deras dengan durasi
singkat (intensitas hujan dengan durasi singkat adalah sangat tinggi) yang jatuh di
berbagai titik pada seluruh daerah tangkapan hujan dapat terkonsentrasi di titik kontrol
yang ditinjau dalam waktu yang bersamaan dan dapat menghasilkan debit puncak. Hujan
deras dengan durasi singkat (5, 10, atau 15 menit) dapat diperoleh dari kruva IDF yang
berlaku untuk daerah yang ditinjau (Triatmodjo, 2008).
Selain itu, analisis intensitas durasi frekuensi juga dilakukan untuk
memperkirakan debit aliran puncak berdasarkan data hujan titik (satu stasiun pencatat
hujan). Data yang digunakan adalah data hujan dengan intensitas tinggi yang terjadi
dalam waktu singkat, seperti 5, 10, 15,…,120 menit atau lebih, untuk itu diperlukan data
hujan dari stasiun pencatat hujan otomatis (Triatmodjo, 2008).
28
2.2.12 Depth Area Duration (DAD)
Analisis Depth Area Duration (DAD) dirancang untuk menentukan jumlah hujan
terbesar untuk wilayah dengan ukuran dan durasi yang beragam pada wilayah yang
berbeda. analisis ini dibuat untuk memilih beberapa wilayah atau pusat badai (storm)
yang mempunyai nilai DAD lebih besar dari wilayah-wilayah yang mendekati nilai
tersebut, untuk membandingkan nilai dari beberapa wilayah dan menentukan mana yang
terbesar untuk masing-masing ukuran wilayah dan durasi (Chow et al., 1988).
Teknik menghubungkan kedalaman curah hujan areal terhadap luas dengan
menganalisis beberapa hujan badai memberikan hubungan kedalaman – luas untuk durasi
khusus yang berbeda. Dalam suatu wilayah tipe badai yang khusus dialami, curah hujan
areal yang diharapkan dari area penangkapan tersebut untuk suatu durasi dalam rangka
mencocokkan respon penangkapan dapat diambil hubungan area kedalaman daerah
tersebut. Untuk menganalisis hujan badai, beberapa prosedur harus diikuti dan dianjurkan
untuk memilih pola hujan badai terpusat yang tunggal (Shaw, E.M, 1988).
Suatu kurva massa merupakan hasil penggambaran besaran hujan yang
terakumulasi dalam suatu waktu dibuat dengan menggunakan data dari awal hingga akhir
dari hujan. Pembuatan kurva massa dengan periode per 6 jam dalam analisis ini
merupakan unit waktu paling praktis untuk kebanyakan analisis-analisi badai. Suatu
hujan lebat dengan pusat utama tunggal, Isohyetnya diambil sebagai batas dari luas
masing-masing, kemudian nilai rata-rata yang ada didalam masing-masing Isohyet
dihitung. Jumlah total hujan didistribusikan melalui penambahan waktu yang berurutan
(biasanya 6 jam) sesuai dengan pembagian yang tercatat di stasiun yang berdekatan. Data
curah hujan maksimum untuk berbagai durasi (6, 12, 18, dan 24 jam) dapat dipilih untuk
masing-masing ukuran luas (Linsley, JR et al., 1996).
29
BAB III
METODOLOGI PENELITIAN
30
3.2 Pelaksanaan Penelitian
3.2.1 Pengumpulan Data
Data yang digunakan dalam penelitian ini menggunakan data sekunder. Data
sekunder merupakan data yang didapatkan secara tidak langsung atau tidak dilakukan
pengukuran oleh peneliti, melainkan diperoleh dari instansi-instansi terkait dimana dalam
hal ini peneliti memperoleh data dari Balai Wilayah Sungai Nusa Tenggara I (BWS NT
I). Adapun data sekunder yang diperlukan adalah sebagai berikut :
1. Peta stasiun hujan DAS Meninting.
2. Data hujan jam-jaman selama 3 tahun (2016-2018) dan data hujan harian selama 15
tahun (2008-2022) yang didapatkan dari Automatic Rainfall Recorder (ARR) stasiun
Gunung Sari, stasiun Sesaot, dan stasiun Bertais.
31
8) Membuat kurva IDF intensitas hujan terukur dan intensitas hujan
metode empiris (Talbot dan Sherman) dengan menghubungkan durasi
atau lama waktu hujan sebagai absis (sumbu x) dan intensitas hujan
sebagai ordinat (sumbu y).
32
2. Langkah-langkah yang akan dilakukan untuk analisis data dalam pembuatan
kurva Depth Area Duration (DAD) di DAS Meninting :
a. Mengumpulkan data hujan jam-jaman dari stasiun hujan Gunung Sari,
Seasot, dan Bertais.
b. Menentukan curah hujan badai terbesar pada setiap stasiun.
c. Distribusi hujan jam-jaman masing-masing stasiun ditabelkan dan
dikumulatifkan.
d. Menentukan curah hujan kumulatif maksimum masing-masing stasiun
periode per 6 jam.
e. Plotting data hujan kumulatif periode per 6 jam pada peta untuk masing-
masing stasiun.
f. Membuat garis Isohyet dengan menghubungkan titik-titik yang mempunyai
tinggi hujan yang sama.
g. Melakukan analisis luas-kedalaman setiap periode dari peta Isohyet.
h. Melakukan analisis Depth Area Duration (DAD) untuk setiap periode
dengan Isohyet terkecil hingga terbesar.
i. Membuat kurva Depth Area Duration (DAD) dengan menghubungkan
kedalaman hujan sebagai ordinat (sumbu y) dan luas area hujan sebagai
absis (sumbu x).
33
3.3 Bagan Alir Penelitian
34
Gambar 3.2 Bagan Alir Penelitian
35
BAB IV
36
4.2 Pengujian Data Hujan
Uji kepanggahan atau uji konsistensi data digunakan data curah hujan tahunan yang
didapatkan dengan cara menjumlahkan nilai curah hujan bulanan lalu dijumlahkan untuk
dijadikan nilai curah hujan tahunan. Pada penelitian ini metode yang digunakan adalah
metode Rescaled Adjusted Partial Sums (RAPS).
4.2.1 Uji Rescaled Adjusted Partial Sums (RAPS) Hujan Jam-Jaman
Tabel 4.1 Data Hujan Otomatis Jam-Jaman Tahunan Stasiun Gunung Sari
Tahun Curah Hujan Terukur Tahunan Stasiun Gunung Sari (mm)
2016 2553,50
2017 2251,20
2018 994,10
Sumber : (Hasil Perhitungan, 2023)
Analisis uji konsistensi metode RAPS pada stasiun Gunung Sari untuk tahun 2016
adalah sebagai berikut :
1. Curah hujan tahun 2016 (Yi) = 2553,50 mm
2. Jumlah data hujan (n) = 3 tahun
3. ̅)
Nilai rata-rata keseluruhan hujan (Y = 1932,93 mm
4. Nilai statistik Sk* = (Yi − ̅
Y) + Sk* sebelumnya
= (2553,50 – 1932,93) + 0
= 620,57 mm
5. Nilai statistik Dy² ̅ )2 / n
= (Yi − Y
= (2553,50 – 1932,93)2 / 3
= 128367,66 mm2
6. Nilai statistik Dy = √Dy²
= √455934,90
= 675,23
7. Nilai statistik Sk** = Sk* / Dy
= 620,57 / 675,23
= 0,92
8. Nilai statistik |Sk ∗∗| = |0,92|
= 0,92
37
Tabel 4.2 Uji RAPS Hujan Jam-Jaman Stasiun Gunung Sari
Berdasarkan Tabel 2.1 Nilai Kritis Q/√N dan R/√N untuk memperoleh N = 3 maka
dilakukan ekstrapolasi menggunakan rumus persamaan garis jika diketahui dua buah titik
yang segaris yaitu sebagai berikut :
38
−7 (x− 1,29)
=
10 0,13
-0,91 = 10x – 12,9
x = 1,199
R/√N dengan tingkat kepercayaan 99% untuk N = 3
(y− y1 ) (x− x1)
=
(y2 − y1) (x2 − x1)
(3− 10) (x− 1,38)
=
(20− 10) (1,60− 1,38)
−7 (x− 1,38)
=
10 0,22
-1,54 = 10x – 13,8
x = 1,226
Tabel 4.3 Ekstrapolasi Nilai Kritis Kritis Q/√N dan R/√N Untuk N = 3
Q/√n R/√n
N
90% 95% 99% 90% 95% 99%
3 1,015 1,154 1,199 1,119 1,175 1,226
10 1,05 1,14 1,29 1,21 1,28 1,38
20 1,10 1,12 1,42 1,34 1,43 1,60
Sehingga hasil analisis Rescaled Adjusted Partial Sums (RAPS) pada stasiun
Gunung Sari dengan tingkat kepercayaan 99% adalah :
Q / √N perhitungan < Q / √N tabel (0,80 < 1,199) Konsisten
R / √N perhitungan < R / √N tabel (0,80 < 1,226) Konsisten
39
Analisis uji konsistensi metode RAPS pada stasiun Sesaot untuk tahun 2016 adalah
sebagai berikut :
1. Curah hujan tahun 2016 (Yi) = 3806,80 mm
2. Jumlah data hujan (n) = 3 tahun
3. ̅)
Nilai rata-rata keseluruhan hujan (Y = 3257,00 mm
4. Nilai statistik Sk* = (Yi − ̅
Y) + Sk* sebelumnya
= (3806,8 – 3257,00) + 0
= 549,80 mm
5. Nilai statistik Dy² = (Yi − ̅
Y )2 / n
= (3806,8 – 3257,00)2 / 3
= 100760,01 mm2
6. Nilai statistik Dy = √Dy²
= √151797,33
= 389,61
7. Nilai statistik Sk** = Sk* / Dy
= 549,80 / 389,61
= 1,41
8. Nilai statistik |Sk ∗∗| = |1,41|
= 1,41
40
12. Nilai R = maksimum Sk** - minimum Sk**
= 1,41 – 0,00
= 1,41
13. Nilai Q / √N perhitungan = Q / √N
= 1,41 / √3
= 0,81
14. Nilai R / √N perhitungan = R / √N
= 1,41 / √3
= 0,81
Sehingga hasil analisis Rescaled Adjusted Partial Sums (RAPS) pada stasiun Sesaot
dengan tingkat kepercayaan 99% adalah :
Q / √N perhitungan < Q / √N tabel (0,81 < 1,199) Konsisten
R / √N perhitungan < R / √N tabel (0,81 < 1,226) Konsisten
Analisis uji konsistensi metode RAPS pada stasiun Bertais untuk tahun 2016 adalah
sebagai berikut :
1. Curah hujan tahun 2016 (Yi) = 2720,0 mm
2. Jumlah data hujan (n) = 3 tahun
3. ̅)
Nilai rata-rata keseluruhan hujan (Y = 2249,37 mm
4. Nilai statistik Sk* = (Yi − ̅
Y) + Sk* sebelumnya
= (2720,0 – 2249,37) + 0
= 470,63 mm
5. Nilai statistik Dy² ̅ )2 / n
= (Yi − Y
= (2720,0 – 2249,37)2 / 3
= 73831,91 mm2
41
6. Nilai statistik Dy = √Dy²
= √132168,24
= 363,55
7. Nilai statistik Sk** = Sk* / Dy
= 470,63 / 363,55
= 1,29
8. Nilai statistik |Sk ∗∗| = |1,29|
= 1,29
42
Sehingga hasil analisis Rescaled Adjusted Partial Sums (RAPS) pada stasiun Sesaot
dengan tingkat kepercayaan 99% adalah :
Q / √N perhitungan < Q / √N tabel (0,75 < 1,199) Konsisten
R / √N perhitungan < R / √N tabel (0,75 < 1,226) Konsisten
Tabel 4.8 Data Hujan Otomatis Harian Tahunan Stasiun Gunung Sari
Tahun Curah Hujan Terukur Tahunan Stasiun Gunung Sari (mm)
2008 1199,9
2009 1218,0
2010 1903,6
2011 1284,4
2012 1623,9
2013 1926,3
2014 1178,1
2015 1236,7
2016 2556,5
2017 2213,9
2018 994,1
2019 948,3
2020 1781,3
2021 2506,3
2022 2066,0
Sumber : (Hasil Perhitungan, 2023)
Analisis uji konsistensi metode RAPS pada stasiun Gunung Sari untuk tahun 2008
adalah sebagai berikut :
1. Curah hujan tahun 2008 (Yi) = 1199,9 mm
2. Jumlah data hujan (n) = 15 tahun
3. ̅)
Nilai rata-rata keseluruhan hujan (Y = 1642,91 mm
4. Nilai statistik Sk* = (Yi − ̅
Y) + Sk* sebelumnya
= (1199,9 – 1642,91) + 0
= -442,59 mm
43
5. Nilai statistik Dy² = (Yi − ̅
Y )2 / n
= (1199,9 – 1642,91)2 / 15
= 13058,86 mm2
6. Nilai statistik Dy = √Dy²
= √269515,43
= 519,15
7. Nilai statistik Sk** = Sk* / Dy
= -442,59 / 519,15
= -0,85
8. Nilai statistik |Sk ∗∗| = |−0,85|
= 0,85
44
12. Nilai R = maksimum Sk** - minimum Sk**
= 0,00 – (-3,02)
= 3,02
13. Nilai Q / √N perhitungan = Q / √N
= 3,02 / √15
= 0,78
14. Nilai R / √N perhitungan = R / √N
= 3,02 / √15
= 0,78
Berdasarkan Tabel 2.1 Nilai Kritis Q/√N dan R/√N untuk memperoleh N = 15 maka
dilakukan interpolasi menggunakan rumus berikut :
Sehingga hasil analisis Rescaled Adjusted Partial Sums (RAPS) pada stasiun
Gunung Sari dengan tingkat kepercayaan 99% adalah :
Q / √N perhitungan < Q / √N tabel (0,78 < 1,36) Konsisten
R / √N perhitungan < R / √N tabel (0,78 < 1,49) Konsisten
45
Tabel 4.11 Data Hujan Otomatis Harian Tahunan Stasiun Sesaot
Tahun Curah Hujan Terukur Tahunan Stasiun Sesaot (mm)
2008 2096,10
2009 2256,80
2010 2095,50
2011 2533,90
2012 3427,50
2013 3177,90
2014 2252,40
2015 2229,20
2016 3806,80
2017 3013,50
2018 2950,70
2019 1714,00
2020 3128,10
2021 3899,20
2022 3634,80
Sumber : (Hasil Perhitungan, 2023)
Analisis uji konsistensi metode RAPS pada stasiun Sesaot untuk tahun 2008 adalah
sebagai berikut :
1. Curah hujan tahun 2008 (Yi) = 2096,10 mm
2. Jumlah data hujan (n) = 15 tahun
3. ̅)
Nilai rata-rata keseluruhan hujan (Y = 2814,43 mm
4. Nilai statistik Sk* ̅) + Sk* sebelumnya
= (Yi − Y
= (2096,10 – 2814,43) + 0
= -718,33 mm
5. Nilai statistik Dy² = (Yi − ̅
Y )2 / n
= (2096,10 – 2814,43)2 / 15
= 13717,67 mm2
46
7. Nilai statistik Sk** = Sk* / Dy
= --718,33 / 1351,36
= -0,53
8. Nilai statistik |Sk ∗∗| = |−0,53|
= 0,53
47
14. Nilai R / √N perhitungan = R / √N
= 1,81 / √15
= 0,47
Sehingga hasil analisis Rescaled Adjusted Partial Sums (RAPS) pada stasiun Sesaot
dengan tingkat kepercayaan 99% adalah :
Q / √N perhitungan < Q / √N tabel (0,47 < 1,36) Konsisten
R / √N perhitungan < R / √N tabel (0,47 < 1,49) Konsisten
Analisis uji konsistensi metode RAPS pada stasiun Bertais untuk tahun 2008 adalah
sebagai berikut :
1. Curah hujan tahun 2008 (Yi) = 268,30 mm
2. Jumlah data hujan (n) = 15 tahun
3. ̅)
Nilai rata-rata keseluruhan hujan (Y = 1392,42 mm
48
4. Nilai statistik Sk* = (Yi − ̅
Y) + Sk* sebelumnya
= (268,30 – 1392,42) + 0
= -1124,12 mm
5. Nilai statistik Dy² ̅ )2 / n
= (Yi − Y
= (268,30 – 1392,42)2 / 15
= 125892,60 mm2
49
9. Nilai maksimum Sk** = 0,00
10. Nilai minimum Sk** = -5,00
11. Nilai Q = maksimum |Sk ∗∗|
= 5,00
12. Nilai R = maksimum Sk** - minimum Sk**
= 0,00 – (-5,00)
= 5,00
13. Nilai Q / √N perhitungan = Q / √N
= 5,00 / √15
= 1,29
14. Nilai R / √N perhitungan = R / √N
= 5,00 / √15
= 1,29
Sehingga hasil analisis Rescaled Adjusted Partial Sums (RAPS) pada stasiun Sesaot
dengan tingkat kepercayaan 99% adalah :
Q / √N perhitungan < Q / √N tabel (1,29 < 1,36) Konsisten
R / √N perhitungan < R / √N tabel (1,29 < 1,49) Konsisten
50
4.3 Penentuan Hujan Wilayah dan Penetapan Seri Data Hujan
Penentuan hujan wilayah dengan menggunakan metode polygon Thiessen
dilakukan untuk menentukan curah hujan rata-rata maksimum.
Setelah dilakukan analisis polygon Thiessen seperti Gambar 4.1, maka dapat diketahui
luasan wilayah untuk tiap stasiun hujan yang telah ditentukan. Nilai luasan tiap stasiun
tersebut akan digunakan untuk menghitung curah hujan rata-rata maksimum. Luas
wilayah setiap stasiun dapat dilihat pada Tabel 4.15.
Selanjutnya penetapan seri data yang digunakan dalam analisis Intensity Duration
Frequency (IDF) di DAS Meninting untuk hujan jam-jaman adalah dengan cara Partial
Duration Series yaitu dengan mengambil lima data hujan maksimum dalam satu tahun
51
karena jumlah data kurang dari 10 tahun (Triatmodjo, 2008). Sedangkan, penetapan seri
data yang digunakan dalam analisis Intensity Duration Frequency (IDF) di DAS
Meninting untuk hujan harian adalah dengan cara Annual Maximum Series yaitu dengan
mengambil satu data maksimum dalam satu tahun (Triatmodjo, 2008).
4.3.1 Curah Hujan Rata-Rata Maksimum Jam-Jaman
Data hujan jam-jaman diperoleh dari tiga stasiun hujan yang berpengaruh terhadap
DAS Meninting yaitu stasiun hujan Gunung Sari, Sesaot, dan Bertais. Panjang data hujan
yang digunakan dalam analisis ini selama 3 tahun (2016 – 2018). Adapun analisis untuk
curah hujan rata-rata maksimum durasi 1 jam dapat dilihat pada Tabel 4.16 sampai Tabel
4.20.
Tabel 4.16 Curah Hujan Rata-Rata Durasi 1 Jam Stasiun Gunung Sari Tahun 2016
2016
Stasiun Curah Hujan
Tanggal Bulan Jam Ke
Gunung Sari Sesaot Bertais Rata-Rata
0-1 0,0 0,0 0,0 0,0
1-2 0,0 0,0 0,0 0,0
2-3 0,0 0,0 0,0 0,0
3-4 0,0 0,0 0,0 0,0
4-5 0,0 0,0 0,0 0,0
5-6 0,0 0,0 0,0 0,0
6-7 0,0 6,6 0,0 0,8
7-8 6,6 46,9 0,0 11,2
8-9 101,2 23,1 0,0 88,3
9-10 0,0 20,3 0,0 2,5
10-11 0,0 0,1 0,0 0,0
11-12 0,0 0,0 0,0 0,0
16 Juni
12-13 0,0 0,0 0,0 0,0
13-14 0,0 0,0 0,0 0,0
14-15 0,0 0,0 0,0 0,0
15-16 0,0 0,0 0,0 0,0
16-17 0,0 0,0 0,0 0,0
17-18 0,0 0,0 1,2 0,0
18-19 0,0 0,0 3,4 0,1
19-20 0,0 0,0 7,0 0,2
20-21 0,0 0,0 3,0 0,1
21-22 0,0 0,0 0,5 0,0
22-23 0,0 0,0 0,0 0,0
23-24 0,0 0,0 0,0 0,0
Sumber : (Hasil Perhitungan, 2023)
52
Berikut contoh perhitungan untuk mendapatkan curah hujan rata-rata durasi 1 jam
menggunakan polygon Thiessen (Persamaan 2-8) :
Gunung Sari = 96,82 km2
Bertais = 13,84 km2
Sesaot = 3,90 km2
Luas Total DAS = 114,56 km2
(101,2 x 96,82)+(23,1 x 13,84)+(0,0 x 3,90)
̅
R =
114,56
= 88,3 mm
Tabel 4.17 Curah Hujan Rata-Rata Durasi 1 Jam Stasiun Sesaot Tahun 2016
2016
Stasiun Curah Hujan
Tanggal Bulan Jam Ke
Gunung Sari Sesaot Bertais Rata-Rata
0-1 0,0 0,0 0,0 0,0
1-2 0,0 0,0 0,0 0,0
2-3 0,0 0,0 0,0 0,0
3-4 0,0 0,0 0,0 0,0
4-5 0,0 74,0 0,0 8,9
5-6 24,0 2,6 0,0 20,6
6-7 0,0 0,0 0,0 0,0
7-8 0,0 0,0 0,0 0,0
8-9 4,5 12,7 0,0 5,3
9-10 0,0 0,1 2,4 0,1
10-11 0,0 0,0 0,0 0,0
11-12 0,0 0,0 0,0 0,0
9 Oktober
12-13 0,0 0,0 6,6 0,2
13-14 0,0 0,1 7,0 0,3
14-15 0,0 0,1 0,0 0,0
15-16 0,0 0,0 0,0 0,0
16-17 0,0 0,0 0,0 0,0
17-18 0,0 0,0 0,0 0,0
18-19 0,0 0,0 0,0 0,0
19-20 0,0 0,0 0,0 0,0
20-21 0,0 0,0 0,0 0,0
21-22 0,0 0,0 0,0 0,0
22-23 0,0 0,0 0,0 0,0
23-24 0,0 0,0 0,0 0,0
Sumber : (Hasil Perhitungan, 2023)
53
Tabel 4.18 Curah Hujan Rata-Rata Durasi 1 Jam Stasiun Bertais Tahun 2016
2016
Stasiun Curah Hujan
Tanggal Bulan Jam Ke
Gunung Sari Sesaot Bertais Rata-Rata
0-1 0,0 0,0 0,0 0,0
1-2 0,0 0,0 3,5 0,1
2-3 0,0 0,0 1,5 0,1
3-4 0,0 0,0 0,0 0,0
4-5 0,0 0,0 0,0 0,0
5-6 0,0 0,0 0,0 0,0
6-7 0,0 0,0 0,0 0,0
7-8 0,0 12,5 0,0 1,5
8-9 0,0 48,6 0,0 5,9
9-10 5,0 60,0 0,0 11,5
10-11 24,2 11,5 0,0 21,8
11-12 0,0 0,0 0,0 0,0
16 Januari
12-13 0,0 0,0 0,0 0,0
13-14 0,0 0,0 0,0 0,0
14-15 0,0 0,0 0,0 0,0
15-16 0,0 0,0 0,0 0,0
16-17 0,0 0,0 0,0 0,0
17-18 0,0 0,0 3 0,1
18-19 0,0 0,0 80 2,7
19-20 0,0 0,0 0,0 0,0
20-21 0,0 0,0 0,5 0,0
21-22 0,0 0,0 0,0 0,0
22-23 0,0 0,0 0,0 0,0
23-24 0,0 0,0 0,0 0,0
Sumber : (Hasil Perhitungan, 2023)
54
Tabel 4.19 Curah Hujan Rata-Rata Maksimum Durasi 1 Jam Tahun 2016
2016
0-1 0,0
1-2 0,1
2-3 0,1
3-4 0,0
4-5 8,9
5-6 20,6
6-7 0,8
7-8 11,2
8-9 88,3
9-10 11,5
10-11 21,8
11-12 0,0
12-13 0,2
13-14 0,3
14-15 0,0
15-16 0,0
16-17 0,0
17-18 0,1
18-19 2,7
19-20 0,2
20-21 0,1
21-22 0,0
22-23 0,0
23-24 0,0
Max 88,3
Sumber : (Hasil Perhitungan, 2023)
55
Tabel 4.20 Curah Hujan Rata-Rata Maksimum Durasi 1 Jam
Curah Hujan Rata-Rata Maksimum (mm/jam)
Tahun
0-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24 Max
0,0 0,1 0,1 0,0 8,9 20,6 0,8 11,2 88,3 11,5 21,8 0,0 0,2 0,3 0,0 0,0 0,0 0,1 2,7 0,2 0,1 0,0 0,0 0,0 88,3
0,0 0,0 0,0 0,0 0,0 0,2 1,7 66,1 5,9 11,5 28,8 5,3 1,3 0,1 0,0 0,0 0,0 0,1 2,7 0,0 0,0 0,0 0,3 0,2 66,1
2016 0,0 0,0 0,0 0,0 0,2 2,2 10,9 1,4 0,5 0,8 4,1 65,2 0,6 2,3 0,0 0,0 0,0 0,0 1,7 0,1 0,0 0,0 0,0 0,0 65,2
0,0 0,0 0,0 0,0 0,0 0,0 0,5 48,5 17,5 9,7 4,1 1,8 0,7 0,7 0,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 48,5
0,0 0,0 0,0 0,0 0,0 0,0 0,3 5,3 2,9 5,2 1,0 0,1 44,8 0,7 0,4 0,0 0,0 0,3 1,1 0,0 0,0 0,0 0,0 0,1 44,8
0,0 0,0 0,0 0,0 0,0 0,0 6,6 1,6 26,4 23,6 5,4 1,8 0,0 0,0 0,1 0,0 135,2 0,0 0,0 0,0 0,8 0,0 0,0 0,0 135,2
0,5 0,0 0,0 0,1 0,0 0,3 7,8 0,3 0,0 1,8 0,4 0,7 2,4 0,2 69,6 0,2 0,2 2,8 5,7 1,9 0,2 2,0 8,5 2,3 69,6
2017 3,4 0,5 2,1 1,5 1,0 0,8 0,3 0,4 7,2 0,5 41,8 29,2 8,4 3,0 6,2 0,2 0,0 0,1 0,6 0,0 0,0 5,7 3,0 1,7 41,8
0,0 11,0 38,9 2,5 0,0 0,2 0,0 0,0 0,1 4,0 6,3 5,3 1,9 0,0 0,0 0,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 38,9
0,0 0,0 0,0 0,0 0,1 1,5 0,0 33,9 5,0 10,6 0,9 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,9 0,0 33,9
0,0 0,0 1,1 0,0 0,0 0,0 0,9 9,7 39,0 14,7 20,6 13,3 3,5 0,3 0,0 0,0 0,2 0,2 0,0 0,0 1,6 1,5 0,0 0,0 39,0
0,0 0,0 0,0 0,0 0,0 0,0 2,3 28,3 8,5 0,8 0,0 0,7 1,0 0,3 0,5 0,5 0,0 0,0 0,0 0,0 1,4 1,4 0,0 0,0 28,3
2018 0,0 0,1 0,2 0,0 0,2 0,1 0,0 1,6 1,6 6,2 3,8 20,9 2,7 0,2 0,0 0,0 0,0 24,8 0,0 0,1 0,4 0,0 0,1 0,0 24,8
0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,4 0,0 0,1 5,2 0,2 0,1 0,1 0,0 0,0 0,0 24,8 0,0 0,0 0,0 0,0 0,0 0,0 24,8
0,0 0,0 0,0 0,7 0,9 0,0 0,0 1,1 1,4 24,3 3,0 0,0 0,0 0,6 4,8 0,6 0,0 0,0 0,0 0,0 0,0 1,1 0,3 0,0 24,3
Sumber : (Hasil Perhitungan, 2023)
56
Tabel 4.21 Curah Hujan Rata-Rata Maksimum Durasi 2 Jam
Curah Hujan Rata-Rata Maksimum (mm/jam)
Tahun
0-2 1-3 2-4 3-5 4-6 5-7 6-8 7-9 8-10 9-11 10-12 11-13 12-14 13-15 14-16 15-17 16-18 17-19 18-20 19-21 20-22 21-23 22-24 23-1 Max
0,1 0,2 0,1 0,0 0,2 0,8 12,0 99,6 90,8 33,3 34,1 6,2 0,9 0,0 0,0 0,0 0,1 2,8 2,7 0,3 0,1 0,3 0,5 0,2 99,6
0,1 0,2 0,1 8,9 29,5 20,6 67,8 70,9 17,3 33,3 21,8 2,8 1,4 0,3 0,0 0,0 0,1 2,8 2,7 0,0 0,0 0,0 0,0 0,0 70,9
2016 0,0 0,0 0,0 0,2 0,2 0,5 4,7 8,6 45,7 41,7 68,4 65,2 2,3 2,3 0,0 0,0 0,0 1,7 1,8 0,1 0,0 0,0 0,0 0,0 68,4
0,0 0,0 0,1 0,1 2,2 13,1 48,5 50,4 11,7 13,8 5,6 2,1 0,6 0,4 0,4 0,0 0,0 0,0 0,0 0,6 1,6 0,9 0,0 0,0 50,4
0,0 0,0 0,0 0,0 0,0 0,5 4,7 19,0 45,7 41,7 2,0 2,5 1,4 0,8 0,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 45,7
0,1 0,1 0,0 0,0 0,0 6,6 7,6 28,0 50,0 29,0 7,2 1,8 0,1 0,1 0,1 135,2 135,2 5,2 2,6 0,8 0,8 0,0 0,1 0,2 135,2
0,2 0,0 0,1 0,1 0,4 6,0 7,6 28,0 50,0 29,0 11,6 5,4 2,7 69,8 69,8 0,4 1,0 6,5 7,7 2,1 2,2 10,5 10,8 2,5 69,8
2017 3,9 2,6 3,6 2,5 1,8 38,1 42,8 9,8 5,1 41,8 70,9 37,6 11,4 6,2 6,4 0,2 0,1 0,6 0,6 0,1 5,7 8,7 4,7 5,2 70,9
0,0 0,0 0,0 0,3 5,5 31,3 52,0 28,7 7,7 2,8 2,6 2,1 1,9 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 52,0
11,0 49,9 41,4 2,5 0,1 3,2 6,8 4,3 5,7 9,0 7,5 3,6 0,6 0,6 0,3 0,1 0,0 0,0 0,0 0,0 0,4 1,1 1,1 0,4 49,9
0,0 1,1 1,1 0,0 0,0 0,9 10,5 39,0 50,0 11,3 0,7 1,7 1,3 0,3 0,0 0,0 0,0 0,0 0,0 1,6 3,1 1,5 0,0 0,0 50,0
0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,3 14,7 35,3 33,9 23,6 3,8 0,3 0,0 0,2 0,4 0,2 0,0 0,0 0,0 0,0 0,0 0,0 35,3
2018 0,0 0,0 0,0 0,0 0,0 0,3 2,2 10,6 20,6 32,4 41,9 28,8 7,5 0,1 1,2 3,5 3,1 1,3 0,7 1,0 1,8 0,9 0,0 0,0 41,9
3,5 0,7 0,2 0,9 0,9 0,0 1,7 4,5 24,5 27,2 3,0 1,2 1,5 0,4 0,5 3,7 3,3 0,9 1,3 1,3 2,2 5,7 6,5 5,1 27,2
0,0 0,0 0,7 0,7 0,0 0,0 1,1 3,6 6,6 6,8 31,0 30,9 5,1 1,7 0,4 0,1 0,0 0,0 0,0 0,0 1,1 1,4 0,3 0,0 31,0
Sumber : (Hasil Perhitungan, 2023)
Tabel curah hujan rata-rata maksimum jam-jaman durasi 3 jam dan seterusnya dapat dilihat pada Lampiran 1.
57
Tabel 4.22 Rekapitulasi Curah Hujan Rata-Rata Maksimum Jam-Jaman
Rekapitulasi Curah Hujan Rata-Rata Maksimum Jam-Jaman (mm/jam)
Tahun
1 jam 2 jam 3 jam 4 jam 5 jam 6 jam 7 jam 8 jam 9 jam 10 jam 11 jam 12 jam 13 jam 14 jam 15 jam 16 jam 17 jam 18 jam 19 jam 20 jam 21 jam 22 jam 23 jam 24 jam
88,3 99,6 102,0 102,8 102,8 102,1 104,0 106,7 107,2 107,2 107,2 107,6 107,6 107,6 107,6 107,6 107,6 107,6 107,6 107,6 107,6 107,6 107,6 107,6
66,1 70,9 72,6 74,3 77,6 102,8 102,8 102,8 102,8 102,8 102,8 102,9 103,0 103,2 103,3 103,3 103,3 103,3 103,3 103,3 103,3 103,3 103,3 103,3
2016 65,2 68,4 69,1 70,6 71,4 71,9 72,1 72,6 72,6 72,8 72,8 72,8 72,8 72,8 72,8 72,8 72,8 72,8 72,8 72,8 72,8 72,8 72,8 72,8
48,5 50,4 60,1 64,3 64,7 64,7 64,7 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1 65,1
44,8 45,7 50,3 50,4 50,8 51,2 51,2 51,5 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9 51,9
135,2 135,2 135,2 135,2 136,0 136,0 136,0 136,5 136,7 136,7 143,3 143,3 143,3 143,3 144,0 144,0 144,0 144,0 144,0 144,0 144,0 144,0 144,0 144,0
69,6 69,8 79,3 82,3 76,5 78,5 79,2 81,2 89,1 91,4 91,8 94,1 94,9 95,3 97,1 97,2 97,2 97,3 97,5 97,7 97,7 97,8 97,8 97,8
2017 41,8 70,9 72,3 73,0 82,4 82,4 82,4 82,4 82,4 82,5 82,5 82,5 82,5 82,5 82,5 82,5 82,5 82,5 82,5 82,5 82,5 82,5 82,5 82,5
38,9 52,0 57,4 60,0 54,9 55,0 57,6 58,6 58,8 58,9 59,3 59,6 59,6 59,6 59,6 59,6 59,6 59,6 59,6 59,6 59,6 59,6 59,6 59,6
33,9 49,9 53,6 54,6 63,1 64,9 64,9 64,9 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0 65,0
39,0 50,0 50,4 50,4 69,9 71,9 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2 72,2
28,3 35,3 48,6 62,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4 50,4
2018 24,8 41,9 53,7 52,1 52,4 52,4 52,4 52,6 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8 52,8
24,8 27,2 34,7 37,7 41,3 42,7 43,0 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1 43,1
24,3 31,0 30,9 33,6 33,9 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1 34,1
Sumber : (Hasil Perhitungan, 2023)
58
4.3.2 Curah Hujan Rata-Rata Maksimum
Data hujan harian diperoleh dari tiga stasiun hujan yang berpengaruh terhadap DAS
Meninting yaitu stasiun hujan Gunung Sari, Sesaot, dan Bertais. Panjang data hujan yang
digunakan dalam analisis ini selama 15 tahun (2008 – 2022). Adapun analisis untuk curah
hujan rata-rata maksimum dapat dilihat pada Tabel 4.23.
59
Stasiun
Stasiun Stasiun Rerata Rerata Hujan
Tahun Tanggal Gunung
Sesaot Bertais Hujan Maksimum
Sari
19 Jun 64,6 124,9 72,8 72,16
2018 1 Feb 0 141,8 19 17,78 72,16
11 Nov 0 124,0 141,5 19,80
21 Jan 85 40,2 13 77,14
2019 22 Jjan 3 127,5 106 21,55 77,14
22 Jan 3 127,5 106 21,55
1 Mar 110 162 0 112,54
2020 1 Mar 110 162 0 112,54 112,54
1 Feb 10,5 0 99,4 12,26
5 Des 146,4 85,8 0 134,09
2021 28 Mei 12,7 125 68,5 28,17 134,09
10 Okt 12,7 0 96,3 14,01
21 Sept 126,5 45,8 0 112,44
2022 23 Des 65 103,9 0 67,49 112,44
22 Feb 0 16,8 55,5 3,92
Sumber : (Hasil Perhitungan, 2023)
Contoh perhitungan untuk mendapatkan curah hujan rata-rata tahun 2008 menggunakan
polygon Thiessen (Persamaan 2-8) :
Gunung Sari = 96,82 km2
Bertais = 13,84 km2
Sesaot = 3,90 km2
Luas Total DAS = 114,56 km2
(64,3 𝑥 96,82)+(49,5 𝑥 13,84)+(00,0 𝑥 3,90)
̅
R =
114,56
= 60,32 mm
60
4.4 Perhitungan Parameter Statistik dan Jenis Agihan
Berdasarkan data curah hujan rata-rata maksimum jam-jaman dan harian
selanjutnya diurutkan data hujan dari nilai yang terkecil sampai nilai yang terbesar lalu
dihitung parameter statistik untuk memilih sebaran yang cocok.
4.4.1 Perhitungan Parameter Statistik dan Jenis Agihan Jam-Jaman
Pada perhitungan ini data (Xi) yang digunakan dari data curah hujan rata-rata
maksimum jam-jaman diurutkan dari nilai curah hujan terkecil hingga nilai curah hujan
terbesar dimulai dari durasi 1 sampai 24 jam. Analisis parameter statistik hujan jam-
jaman di DAS Meninting dimulai dari hujan dengan durasi 1 jam seperti terlihat pada
Tabel 4.24.
Tabel 4.24 Analisis Parameter Statistik Curah Hujan Dengan Durasi 1 Jam
61
2. Standar deviasi (Sd)
n
̅ )²
∑i=1(Xi−X 12576,31
Sd = √ =√ = 29,97
n−1 15−1
Tabel 4.25 Persyaratan Pemilihan Jenis Agihan Curah Hujan Durasi 1 Jam
No Agihan Syarat Perhitungan
Cs ≈ 0
1 Normal
Ck ≈ 3
Cv = 0,58
Cs ≈ 3Cv Cs = 1,73
2 Log Normal
Ck > 0 Ck = 6,77
Cs ≈ 1.14
3 Gumbel
Ck ≈ 5.4
4 Log Pearson Type III Tidak ada syarat
Hasil analisis pemilihan jenis agihan hujan pada Tabel 4.25 menunjukkan bahwa
jenis agihan mengikuti agihan Log Normal, dengan cara yang sama rekapitulasi hasil
parameter statistik dan analisis pemilihan jenis agihan untuk hujan dengan durasi 1 jam
sampai 24 jam dapat dilihat pada Tabel 4.26.
62
Tabel 4.26 Rekapitulasi Hasil Parameter Statistik Jam-Jaman
Parameter Statistik
Durasi (Jam) Jenis Agihan
X S Cv Cs Ck
1 51,5517 29,9718 0,5814 1,7290 6,7743 Log Normal
2 59,8755 29,9718 0,5814 1,7290 6,1465 Log Normal
3 64,6830 26,3937 0,4080 1,4722 6,1676 Log Normal
4 66,9143 25,7105 0,3842 1,4198 6,0546 Log Normal
5 68,5384 25,5657 0,3730 1,3356 5,8896 Log Normal
6 70,7133 26,7936 0,3789 1,0562 4,6206 Log Normal
7 73,4285 26,8513 0,3775 1,0324 4,5395 Log Normal
8 71,6471 27,1574 0,3790 1,0068 4,4282 Log Normal
9 72,2790 27,4696 0,3801 0,9296 4,1787 Log Normal
10 72,4551 27,5725 0,3805 0,9062 4,0967 Log Normal
11 72,9468 28,7021 0,3935 1,0608 4,6313 Log Normal
12 73,1393 28,8411 0,3943 1,0368 4,5273 Log Normal
13 73,1970 28,8891 0,3947 1,0293 4,4931 Log Normal
14 73,2410 28,9295 0,3950 1,0240 4,4665 Log Normal
15 73,4169 29,1682 0,3973 1,0259 4,4558 Log Normal
16 73,4277 29,1779 0,3974 1,0246 4,4493 Log Normal
17 73,4285 29,1786 0,3974 1,0245 4,4489 Log Normal
18 73,4308 29,1806 0,3974 1,0242 4,4475 Log Normal
19 73,4486 29,1963 0,3975 1,0220 4,4369 Log Normal
20 73,4583 29,2048 0,3976 1,0208 4,4312 Log Normal
21 73,4605 29,2069 0,3976 1,0205 4,4298 Log Normal
22 73,4686 29,2140 0,3976 1,0195 4,4251 Log Normal
23 73,4686 29,2140 0,3976 1,0195 4,4251 Log Normal
24 73,4686 29,2140 0,3976 1,0195 4,4251 Log Normal
Sumber : (Hasil Perhitungan, 2023)
63
No Xi Xi - X (Xi - X)2 (Xi - X)3 (Xi - X)4
4 72,16 -19,65 386,13 -7587,38 149092,60
5 73,58 -18,24 332,54 -6064,15 110584,16
6 77,14 -14,68 215,43 -3161,94 46409,35
7 77,71 -14,11 199,00 -2807,23 39600,80
8 79,71 -12,11 146,59 -1774,90 21489,85
9 87,56 -4,26 18,11 -77,05 327,87
10 103,61 11,80 139,21 1642,54 19380,11
11 107,58 15,76 248,45 3916,14 61727,36
12 112,44 20,63 425,60 8780,17 181135,66
13 112,54 20,72 429,45 8899,72 184431,47
14 134,09 42,28 1787,67 75584,51 3195781,44
15 144,03 52,21 2726,08 142333,89 7431521,51
Jumlah 1377,21 0,00 9240,79 159249,32 13138834,44
Rata-Rata 91,81 0,00 616,05 10616,62 875922,30
Sumber : (Hasil Perhitungan, 2023)
64
Berdasarkan hasil perhitungan diperoleh nilai Cv = 0,28 ; Cs = 0,77 ; Ck = 3,11
maka jenis agihan dipilih berdasarkan syarat-syarat yang tercantum pada Tabel 4.28.
Hasil analisis pemilihan jenis agihan hujan pada Tabel 4.28 menunjukkan bahwa
jenis agihan mengikuti agihan Normal.
65
3. Menentukan range atau jumlah kelas (R)
Curah hujan maksimum (Xi maks) = 135,22 mm
Curah hujan minimum (Xi min) = 24,26 mm
R = Xi maks – Xi min
= 135,22 – 24,26
= 110,97 mm
Selanjutnya, menentukan nilai Oi dan Ei. Nilai Oi adalah nilai jumlah nilai
pengamatan berdasarkan kelas yang sama. Sedangkan, untuk mendapatkan nilai Ei dicari
dengan menggunakan bantuan Minitab Statistical Software. Minitab Statistical Software
merupakan program komputer yang dirancang untuk melakukan pengolahan statistik.
Pada pengolahan dengan software ini, untuk distribusi Log Normal akan diperoleh grafik
seperti Gambar 4.2 berikut.
66
Gambar 4.2 Grafik Distribution Plot Log Normal Minitab Statistical Software
6. Menentukan nilai Ei
Dengan jumlah data (n) = 15, maka untuk nilai Ei tiap kelas data adalah :
4,6
Ei kelas 1 = 6,15 𝑥 15 = 11
1,1
Ei kelas 2 = 6,15 𝑥 15 = 3
0,03
Ei kelas 3 = 6,15 𝑥 15 = 1
67
0,1
Ei kelas 4 = 6,15 𝑥 15 = 0
0,05
Ei kelas 5 = 6,15 𝑥 15 = 0
Untuk lebih jelasnya, hasil uji kecocokan Chi-Kuadrat dapat dilihat pada Tabel 4.29
8. Uji kecocokan
Untuk derajat kepercayaan (α) = 5%
Σ(Oi− Ei )² Σ(Oi− Ei )² 7
X2 = = = 15 = 0,50
Ei Ei
68
Tabel 4.30 Rekapitulasi Uji Chi-Kuadrat Jam-Jaman
69
Tabel 4.31 Uji Smirnov-Kolmogorov Durasi 1 Jam
Urutan Xi max
m Xi (mm) Log Xi P (X) = m/(n+1) f (t) = (Log Xi - Log X)/S Luas Grafik Tabel z P' (X) ΔP
- Xi min
1 88,32 135,22 2,13 0,06 0,28 0,6103 0,39 0,3272
2 66,09 88,32 1,95 0,13 0,16 0,5636 0,44 0,3114
3 65,17 69,59 1,84 0,19 0,09 0,5359 0,46 0,2766
4 48,45 66,09 1,82 0,25 0,07 0,5279 0,47 0,2221
5 44,77 65,17 1,81 0,31 0,07 0,5279 0,47 0,1596
6 135,22 48,45 1,69 0,38 -0,02 0,4920 0,51 0,1330
7 69,59 44,77 1,65 0,44 -0,04 0,4840 0,52 0,0785
8 41,75 41,75 1,62 0,50 -0,06 0,4761 0,52 0,0239
9 38,88 39,05 1,59 0,56 -0,08 0,4681 0,53 0,0306
10 33,89 38,88 1,59 0,63 -0,08 0,4681 0,53 0,0931
11 39,05 33,89 1,53 0,69 -0,12 0,4522 0,55 0,1397
12 28,31 28,31 1,45 0,75 -0,18 0,4325 0,57 0,1825
13 24,76 24,76 1,39 0,81 -0,22 0,4129 0,59 0,2254
14 24,76 24,76 1,39 0,88 -0,22 0,4129 0,59 0,2879
15 24,26 24,26 1,38 0,94 -0,22 0,4129 0,59 0,3504
X 51,55 1,71
Dmaks 0,3504
Sd 29,97 1,48
Sumber : (Hasil Perhitungan, 2023)
Selanjutnya, nilai Dmaks dibandingkan dengan nilai Dkritis (Tabel 2.8), yakni untuk jumlah
data (n) =15 dengan derajat kebebasan (α) 1% adalah 0,40. Dengan demikian dapat
diketahui bahwa Dmaks < Dkritis (0,3504 < 0,40) sehingga data hujan dengan menggunakan
uji Smirnov-Kolmogorov dapat Diterima.
70
Tabel 4.32 Rekapitulasi Uji Smirnov-Kolmogorov Jam-Jaman
71
4.5.3 Uji Chi-Kuadrat
Dalam melakukan uji Chi-Kuadrat terlebih dahulu menentukan parameter-
parameter yang diperlukan dalam analisis.
1. Jumlah data (n) = 15
2. Menentukan jumlah kelas (k)
k = 1 + 3,322 log n
= 1 + 3,322 log 15
= 4,91 ≈ 5 kelas
72
Interval kelas V = 121,40 + 15,27
= 136,67
Selanjutnya, menentukan nilai Oi dan Ei. Nilai Oi adalah nilai jumlah nilai
pengamatan berdasarkan kelas yang sama. Sedangkan, untuk mendapatkan nilai Ei dicari
dengan menggunakan bantuan Minitab Statistical Software. Minitab Statistical Software
merupakan program komputer yang dirancang untuk melakukan pengolahan statistik.
Pada pengolahan dengan software ini, untuk distribusi Normal akan diperoleh grafik
seperti Gambar 4.3 berikut.
73
ΣKelas = Kelas 1 + Kelas 2 + Kelas 3 + Kelas 4 + Kelas 5
= 0,05 + 0,9 + 1,9 + 0,49 + 0,01
= 3,35
6. Menentukan nilai Ei
Dengan jumlah data (n) = 15, maka untuk nilai Ei tiap kelas data adalah :
0,05
Ei kelas 1 = 3,35 𝑥 15 = 0
0,9
Ei kelas 2 = 3,35 𝑥 15 = 4
1,9
Ei kelas 3 =3,35 𝑥 15 = 9
0,49
Ei kelas 4 = 3,35 𝑥 15 = 2
0,01
Ei kelas 5 = 3,35 𝑥 15 = 0
Untuk lebih jelasnya, hasil uji kecocokan Chi-Kuadrat dapat dilihat pada Tabel 4.33.
74
8. Uji kecocokan
Untuk derajat kepercayaan (α) = 5%
Σ(Oi− Ei )² Σ(Oi− Ei )² 69
X2 = = = 15 = 4,60
Ei Ei
Urutan Xi
m Xi (mm) P (X) = m/(n+1) f (t) = (Xi - X)/S Luas Grafik Tabel z P' (X) ΔP
max - Xi min
1 60,32 144,03 0,06 2,03 0,9788 0,02 0,0413
2 67,23 134,09 0,13 1,65 0,9505 0,05 0,0755
3 67,51 112,54 0,19 0,81 0,7910 0,21 0,0215
4 72,16 112,44 0,25 0,80 0,7881 0,21 0,0381
5 73,58 107,58 0,31 0,61 0,7291 0,27 0,0416
6 77,14 103,61 0,38 0,46 0,6772 0,32 0,0522
7 77,71 87,56 0,44 -0,17 0,4325 0,57 0,1300
8 79,71 79,71 0,50 -0,47 0,3192 0,68 0,1808
9 87,56 77,71 0,56 -0,55 0,2912 0,71 0,1463
10 103,61 77,14 0,63 -0,57 0,2843 0,72 0,0907
11 107,58 73,58 0,69 -0,71 0,2389 0,76 0,0736
12 112,44 72,16 0,75 -0,76 0,2236 0,78 0,0264
13 112,54 67,51 0,81 -0,95 0,1711 0,83 0,0164
14 134,09 67,23 0,88 -0,96 0,1685 0,83 0,0435
15 144,03 60,32 0,94 -1,23 0,1093 0,89 0,0468
X 91,81
Dmaks 0,1808
Sd 25,69
Sumber : (Hasil Perhitungan, 2023)
75
Selanjutnya, nilai Dmaks dibandingkan dengan nilai Dkritis (Tabel 2.8), yakni untuk jumlah
data (n) =15 dengan derajat kebebasan (α) 1% adalah 0,40. Dengan demikian dapat
diketahui bahwa Dmaks < Dkritis (0,1808 < 0,40) sehingga data hujan dengan menggunakan
uji Smirnov-Kolmogorov dapat Diterima.
76
4.6 Kedalaman Hujan Rencana
Dalam perhitungan kedalaman hujan rencana digunakan agihan Log Normal untuk
data curah hujan jam-jaman dan agihan Normal untuk data curah hujan harian dengan
periode ulang 2, 5, 10, 20, 25, 50, dan 100 tahun Adapun perhitungan kedalaman hujan
rencana sebagai berikut :
4.6.1 Kedalaman Hujan Rencana Jam-Jaman
Pada perhitungan ini data (Xi) yang digunakan dari data curah hujan rata-rata
maksimum jam-jaman diurutkan dari nilai curah hujan terkecil hingga nilai curah hujan
terbesar dimulai dari durasi 1 sampai 24 jam. Pada Tabel 4.35 adalah perhitungan
kedalaman hujan rencana untuk durasi 1 jam dengan agihan Log Normal.
77
2. Standar deviasi (Sd)
n
̅ )²
∑i=1(Log Xi−Log X 0,68
Sd (Log) = √ = √15−1 = 0,22
n−1
Selanjutnya, untuk mendapatkan nilai k agihan Log Normal untuk tiap periode
ulang dapat dilihat pada Tabel 2.3.
Tabel 4.36 Nilai k agihan Log Normal Untuk Tiap Periode Ulang
Periode Ulang (Tahun) ̅̅̅̅̅̅̅̅
Log Xi Sd (Log) k
2 0
5 0,84
10 1,28
20 1,66 0,22 1,64
25 1,71
50 2,05
100 2,33
Sumber : (Hasil Perhitungan,2023)
Adapun perhitungan kedalaman hujan rencana untuk durasi 1 jam sebagai berikut :
Periode Ulang 2 Tahun
Log XT = ̅̅̅̅̅̅̅̅
Log Xi + (Sd (Log) x k)
= 1,66 + (0,22 x 0)
= 1,66
XT = 45,34 mm
78
Tabel 4.38 Rekapitulasi Kedalaman Hujan Rencana Jam-Jaman
Kedalaman Hujan Rencana (XT) (mm)
Periode Ulang (Tahun)
1 jam 2 jam 3 jam 4 jam 5 jam 6 jam 7 jam 8 jam 9 jam 10 jam 11 jam 12 jam 13 jam 14 jam 15 jam 16 jam 17 jam 18 jam 19 jam 20 jam 21 jam 22 jam 23 jam 24 jam
2 45,34 54,79 60,41 62,94 64,64 66,42 66,82 67,26 67,77 67,91 68,18 68,32 68,36 68,39 68,51 68,51 68,51 68,51 68,53 68,53 68,54 68,54 68,54 68,54
5 69,34 78,42 82,87 84,89 86,72 90,17 90,71 91,50 92,52 92,82 93,69 94,02 94,12 94,20 94,51 94,53 94,53 94,54 94,57 94,58 94,59 94,60 94,60 94,60
10 86,63 94,63 97,80 99,29 101,16 105,83 106,46 107,50 108,91 109,32 110,66 111,13 111,28 111,40 111,86 111,89 111,89 111,90 111,95 111,97 111,98 112,00 112,00 112,00
20 103,93 110,35 112,00 112,88 114,74 120,65 121,36 122,66 124,45 124,98 126,82 127,43 127,63 127,78 128,41 128,44 128,45 128,45 128,52 128,55 128,56 128,58 128,58 128,58
25 107,59 113,62 114,92 115,66 117,51 123,69 124,41 125,77 127,64 128,20 130,14 130,78 130,99 131,15 131,81 131,85 131,85 131,86 131,93 131,96 131,97 132,00 132,00 132,00
50 127,88 131,46 130,69 130,62 132,43 140,06 140,88 142,54 144,87 145,57 148,10 148,92 149,18 149,39 150,24 150,30 150,30 150,31 150,39 150,44 150,45 150,49 150,49 150,49
100 147,34 148,15 145,22 144,32 146,07 155,09 155,99 157,94 160,71 161,55 164,66 165,64 165,96 166,21 167,26 167,32 167,32 167,34 167,44 167,49 167,50 167,55 167,55 167,55
Sumber : (Hasil Perhitungan, 2023)
79
4.6.2 Kedalaman Hujan Rencana
Pada perhitungan ini data (Xi) yang digunakan dari data curah hujan rata-rata
maksimum yang diperoleh dari data hujan harian diurutkan dari nilai curah hujan terkecil
hingga nilai curah hujan terbesar. Pada Tabel 4.39 adalah analisis agihan Normal hujan
harian.
80
Untuk mendapatkan nilai k agihan Normal untuk tiap periode ulang dapat dilihat
pada Tabel 2.3.
81
4.7 Analisis Intensity Duration Frequency (IDF)
4.7.1 Intensitas Hujan Terukur
Intensitas hujan terukur diperoleh dari nilai kedalaman hujan rencana tiap periode
ulang kemudian diubah menjadi intensitas hujan dalam berbagai durasi yang nantinya
akan digunakan sebagai pembanding dan acuan dalam penentuan selisih perhitungan
dengan intensitas hujan metode empiris untuk menentukan intensitas hujan metode
empiris yang sesuai di DAS Meninting.
Tabel 4.42 Rekapitulasi Intensitas Hujan Terukur Dalam Berbagai Durasi dan Periode Ulang
Periode Ulang (Tahun)
t (jam) 2 5 10 20 25 50 100
Intensitas Hujan Terukur (mm/jam)
1 45,3353 69,3398 86,6262 103,9299 107,5854 127,8841 147,3438
2 27,3949 39,2118 47,3150 55,1757 56,8090 65,7305 74,0768
3 20,1356 27,6247 32,6013 37,3329 38,3057 43,5636 48,4062
4 15,7362 21,2233 24,8235 28,2190 28,9141 32,6552 36,0792
5 12,9274 17,3444 20,2312 22,9471 23,5024 26,4870 29,2134
6 11,0698 15,0284 17,6385 20,1079 20,6142 23,3439 25,8483
7 9,5463 12,9587 15,2084 17,3366 17,7730 20,1255 22,2838
8 8,4071 11,4369 13,4376 15,3323 15,7210 17,8175 19,7425
9 7,5304 10,2802 12,1007 13,8275 14,1821 16,0963 17,8561
10 6,7912 9,2818 10,9321 12,4983 12,8201 14,5572 16,1550
11 6,1978 8,5172 10,0603 11,5287 11,8307 13,4638 14,9688
12 5,6934 7,8348 9,2611 10,6192 10,8986 12,4100 13,8036
13 5,2586 7,2400 8,5601 9,8174 10,0761 11,4756 12,7663
14 4,8852 6,7284 7,9569 9,1270 9,3678 10,6706 11,8723
15 4,5670 6,3007 7,4576 8,5604 8,7874 10,0163 11,1505
16 4,2820 5,9081 6,9932 8,0277 8,2407 9,3935 10,4574
17 4,0302 5,5607 6,5820 7,5556 7,7561 8,8411 9,8426
18 3,8064 5,2520 6,2166 7,1363 7,3257 8,3505 9,2965
19 3,6067 4,9772 5,8919 6,7640 6,9435 7,9154 8,8125
20 3,4267 4,7292 5,5985 6,4274 6,5981 7,5219 8,3746
21 3,2636 4,5042 5,3322 6,1217 6,2843 7,1642 7,9764
22 3,1155 4,3001 5,0908 5,8447 6,0000 6,8403 7,6159
23 2,9801 4,1132 4,8695 5,5906 5,7391 6,5429 7,2848
24 2,8559 3,9418 4,6666 5,3577 5,5000 6,2702 6,9813
Sumber : (Hasil Perhitungan, 2023)
82
Kurva Intensity Duration Frequency Hujan Terukur
160
Intensitas Hujan Terukur (mm/jam)
140
120
100
80
60
40
20
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
2 Tahun 5 Tahun 10 Tahun 20 Tahun
Durasi (jam)
Gambar 4.4 Kurva Intensity Duration Frequency Terukur Dalam Berbagai Periode Ulang
Tabel 4.43 Analisis Intensitas Hujan Metode Talbot Periode Ulang 2 Tahun
t (jam) I I.t I2 I2.t
1 45,3353 45,3353 2055,2875 2055,2875
2 27,3949 54,7899 750,4831 1500,9662
3 20,1356 60,4068 405,4423 1216,3269
4 15,7362 62,9447 247,6276 990,5104
5 12,9274 64,6368 167,1166 835,5830
6 11,0698 66,4185 122,5395 735,2371
7 9,5463 66,8241 91,1318 637,9229
8 8,4071 67,2567 70,6792 565,4337
9 7,5304 67,7737 56,7070 510,3634
10 6,7912 67,9121 46,1206 461,2056
83
t (jam) I I.t I2 I2.t
11 6,1978 68,1757 38,4126 422,5383
12 5,6934 68,3203 32,4143 388,9717
13 5,2586 68,3615 27,6526 359,4843
14 4,8852 68,3923 23,8648 334,1077
15 4,5670 68,5052 20,8576 312,8641
16 4,2820 68,5128 18,3359 293,3749
17 4,0302 68,5133 16,2425 276,1221
18 3,8064 68,5149 14,4886 260,7942
19 3,6067 68,5275 13,0084 247,1588
20 3,4267 68,5343 11,7424 234,8473
21 3,2636 68,5359 10,6512 223,6745
22 3,1155 68,5415 9,7065 213,5427
23 2,9801 68,5415 8,8808 204,2582
24 2,8559 68,5415 8,1561 195,7475
Jumlah 222,8432 1582,8168 4267,5495 13476,3229
Sumber : (Hasil Perhitungan, 2023)
= 71,1049
(222,8432)(1582,8168) − 15 (13476,3229)
=
15 (4267,5495)− (222,8432)(222,8432)
= 0,5551
Perhitungan Intensitas Hujan Metode Talbot Durasi 1 Jam Periode Ulang 2 Tahun
a
I = t+b
71,1049
=
1 + 0,5551
= 45,7237 mm/jam
84
Dengan cara yang sama perhitungan untuk periode ulang 5 tahun dan selanjutnya
serta durasi 2 jam dan selanjutnya dapat dilihat Tabel 4.50.
85
Kurva Intensity Duration Frequency Metode Talbot
Intensitas Hujan Metode Talbot (mm/jam) 160
140
120
100
80
60
40
20
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Durasi (jam)
Gambar 4.5 Kurva Intensity Duration Frequency Metode Talbot Dalam Berbagai
Periode Ulang
Nilai tetapan a berbanding lurus dengan besarnya periode ulang sedangkan nilai
tetapan b berbanding terbalik dengan besarnya periode ulang. Berdasarkan hasil analisis
intensitas hujan metode Talbot yang ditampilkan pada Tabel 4.44 dan Gambar 4.5
menunjukkan bahwa intensitas hujan terbesar yang dihasilkan adalah 134,5400 mm/jam
pada periode ulang 100 tahun durasi 1 jam, sedangkan intensitas hujan terkecil yang
dihasilkan adalah 2,8957 mm/jam pada periode ulang 2 tahun durasi 24 jam. Jika dilihat
dari segi periode ulang bahwa semakin besar periode ulang yang digunakan maka
semakin besar nilai intensitas hujan yang dihasilkan pada setiap durasinya. Sedangkan
jika dilihat dari segi durasi bahwa semakin lama durasi yang ditentukan maka nilai
intensitas hujan yang dihasilkan akan semakin kecil.
86
4.7.2.2 Metode Sherman
Dalam analisis intensitas hujan metode Sherman digunakan data hujan maksimum
jam-jaman. Nilai tetapan a dan n dihitung berdasarkan masukan dari intensitas hujan
terukur kemudian hasil tetapan tersebut digunakan untuk menghitung intensitas hujan
sesuai dengan rumus Sherman durasi 1 – 24 jam dengan periode ulang 2, 5, 10, 20, 25,
50, dan 100 tahun.
Tabel 4.45 Analisis Intensitas Hujan Metode Sherman Periode Ulang 2 Tahun
87
Perhitungan Tetapan a dan n Metode Sherman Periode Ulang 2 Tahun
2
(∑ log I)(∑ log t ) − (∑ log t . log I) (∑ log t)
Log a =
N (∑ log t2 )− (∑ log t)(∑ log t)
= 1,7182
a = 52,2594
(∑ log I)(∑ log t) − N (∑ log t . log I)
n =
N (∑ log t2 )− (∑ log t)(∑ log t)
(19,8275)(23,7927) − 15 (16,9642)
=
15 (26,5791) − (23,7927)(23,7927)
= 1,6692
Perhitungan Intensitas Hujan Metode Sherman Durasi 1 Jam Periode Ulang 2 Tahun
a
I = n
t
52,2594
= 6692
1
= 52,2594 mm/jam
Dengan cara yang sama perhitungan untuk periode ulang 5 tahun dan selanjutnya
serta durasi 2 jam dan selanjutnya dapat dilihat dilihat Tabel 4.52.
88
Metode Sherman
t (jam) t (menit) Periode Ulang (Tahun)
2 5 10 20 25 50 100
a 52,2594 74,5708 89,8353 104,6213 107,6914 124,4469 140,1045
n 1,6692 1,8141 1,8900 1,9521 1,9639 2,0229 2,0712
11 660 0,9547 0,9624 0,9665 0,9698 0,9705 0,9736 0,9762
12 720 0,8257 0,8219 0,8199 0,8183 0,8180 0,8165 0,8152
13 780 0,7224 0,7108 0,7048 0,6999 0,6990 0,6944 0,6907
14 840 0,6383 0,6214 0,6127 0,6057 0,6043 0,5978 0,5924
15 900 0,5689 0,5483 0,5378 0,5293 0,5278 0,5199 0,5135
16 960 0,5108 0,4877 0,4760 0,4667 0,4649 0,4563 0,4493
17 1020 0,4616 0,4369 0,4245 0,4146 0,4127 0,4036 0,3963
18 1080 0,4196 0,3939 0,3810 0,3708 0,3689 0,3595 0,3520
19 1140 0,3834 0,3571 0,3440 0,3337 0,3318 0,3223 0,3147
20 1200 0,3520 0,3254 0,3122 0,3019 0,3000 0,2905 0,2830
21 1260 0,3244 0,2978 0,2847 0,2745 0,2726 0,2632 0,2558
22 1320 0,3002 0,2737 0,2608 0,2506 0,2488 0,2396 0,2323
23 1380 0,2787 0,2525 0,2397 0,2298 0,2280 0,2190 0,2119
24 1440 0,2596 0,2337 0,2212 0,2115 0,2097 0,2009 0,1940
Sumber : (Hasil Perhitungan, 2023)
140
120
100
80
60
40
20
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
2 Tahun 5 Tahun 10 Tahun 20 Tahun
Gambar 4.6 Kurva Intensity Duration Frequency Metode Sherman Dalam Berbagai
Periode Ulang
Nilai tetapan a dan n yang dihasilkan metode Sherman berbanding lurus dengan
besarnya periode ulang. Berdasarkan hasil analisis intensitas hujan metode Sherman yang
89
ditampilkan pada Tabel 4.46 dan Gambar 4.6 menunjukkan bahwa intensitas hujan
terbesar yang dihasilkan adalah 140,1045 mm/jam pada periode ulang 100 tahun durasi 1
jam, sedangkan intensitas hujan terkecil yang dihasilkan adalah 0,1940 mm/jam pada
periode ulang 100 tahun durasi 24 jam. Pada durasi 1 – 11 jam intensitas hujan yang
terjadi semakin besar seiring dengan semakin besarnya periode ulang yang digunakan,
namun pada durasi 12 – 24 jam intensitas hujan yang terjadi semakin kecil seiring dengan
semakin besarnya periode ulang yang digunakan.
90
Metode Mononobe
t (jam) t (menit) Periode Ulang (Tahun)
2 5 10 20 25 50 100
XT 91,8141 113,3950 124,6993 133,9482 135,7038 144,4818 151,6754
22 1320 4,0541 5,0070 5,5061 5,9145 5,9920 6,3796 6,6972
23 1380 3,9357 4,8608 5,3453 5,7418 5,8171 6,1933 6,5017
24 1440 3,8256 4,7248 5,1958 5,5812 5,6543 6,0201 6,3198
Sumber : (Hasil Perhitungan, 2023)
Perhitungan Intensitas Hujan Metode Mononobe Durasi 1 Jam Periode Ulang 2 Tahun
R24 24 m
I = ( )
24 t
91,8141 24 m
= (1)
24
= 31,8302 mm/jam
50
40
30
20
10
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
2 Tahun 5 Tahun 10 Tahun 20 Tahun
Durasi (jam)
Gambar 4.7 Kurva Intensity Duration Frequency Metode Mononobe Dalam Berbagai
Periode Ulang
91
ulang yang digunakan maka semakin besar nilai intensitas hujan yang dihasilkan pada
setiap durasinya. Sedangkan jika dilihat dari segi durasi bahwa semakin lama durasi yang
ditentukan maka nilai intensitas hujan yang dihasilkan akan semakin kecil.
92
Perhitungan Intensitas Hujan Metode Van Breen Durasi 1 Jam Periode Ulang 2 Tahun
54Rt +0,007Rt 2
It = tc+0,31Rt
54 (91,8141)+0,007 (91,8141)2
=
1+0,31 (91,8141)
= 56,7130 mm/jam
100
80
60
40
20
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
2 Tahun 5 Tahun 10 Tahun 20 Tahun
Durasi (jam)
Gambar 4.8 Kurva Intensity Duration Frequency Metode Van Breen Dalam Berbagai
Periode Ulang
Berdasarkan hasil analisis intensitas hujan metode Van Breen yang ditampilkan
pada Tabel 4.48 dan Gambar 4.8 menunjukkan bahwa intensitas hujan terbesar yang
dihasilkan adalah 78,0374 mm/jam pada periode ulang 100 tahun durasi 1 jam, sedangkan
intensitas hujan terkecil yang dihasilkan adalah 3,4165 mm/jam pada periode ulang 2
tahun durasi 24 jam. Jika dilihat dari segi periode ulang bahwa semakin besar periode
ulang yang digunakan maka semakin besar nilai intensitas hujan yang dihasilkan pada
setiap durasinya. Sedangkan jika dilihat dari segi durasi bahwa semakin lama durasi yang
ditentukan maka nilai intensitas hujan yang dihasilkan akan semakin kecil.
93
4.7.3 Perbandingan Intensitas Hujan Terukur dengan Intensitas Hujan Metode
Empiris (Talbot, Sherman, Mononobe, dan Van Breen)
Perbandingan intensitas hujan terukur dengan hasil analisis intensitas hujan metode
empiris (Talbot, Sherman, Mononobe, Van Breen) disajikan dalam bentuk tabel
rekapitulasi dan dalam bentuk kurva Intensity Duration Frequency (IDF) dalam berbagai
periode ulang sehingga akan terlihat jelas perbedaan dari setiap metode yang digunakan.
Tabel 4.49 Rekapitulasi Intensitas Hujan Dalam Berbagai Metode Periode Ulang 2 Tahun
Tabel 4.49 merupakan keseluruhan nilai intensitas hujan dalam berbagai durasi dan
periode ulang 2 tahun. Intensitas hujan terukur dijadikan sebagai sebagai pembanding dan
acuan dalam penentuan selisih perhitungan dengan intensitas hujan metode empiris untuk
94
menentukan intensitas hujan metode empiris yang sesuai di DAS Meninting. Adapun
kurva IDF yang memperlihatkan perbandingan intensitas hujan terukur dengan intensitas
hujan metode empiris periode ulang 2 tahun adalah sebagai berikut :
50
Intensitas Hujan (mm/jam)
40
30
20
10
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Durasi (Jam)
Gambar 4.9 Kurva Perbandingan Intensitas Hujan Terukur Dengan Intensitas Hujan Metode
Empiris Periode Ulang 2 Tahun
Berdasarkan Gambar 4.9 metode empiris yang paling mendekati intensitas hujan
terukur adalah metode Talbot, jika dilihat pada Tabel 4.49 dapat diketahui juga bahwa
intensitas hujan metode Talbot memiliki selisih nilai yang kecil dengan intensitas hujan
terukur pada setiap durasinya. Selain itu, intensitas hujan metode Mononobe dan metode
Van Breen memiliki kerapatan yang lebih renggang dari metode Talbot, namun pada
durasi 8 – 24 jam intensitas hujan kedua metode tersebut memiliki kerapatan yang
mendekati intensitas hujan terukur. Sedangkan untuk metode Sherman merupakan
metode yang memiliki selisih nilai yang besar dengan intensitas hujan terukur sehingga
terlihat pada Gambar 4.11 bahwa nilai intensitas hujan metode Sherman tidak ada yang
mendekati intensitas hujan terukur dan memiliki pola yang lebih landai dari metode
lainnya.
95
Rekapitulasi dan kurva perbandingan intensitas hujan terukur dengan intensitas
hujan metode empiris periode ulang 5 tahun dan selanjutnya dapat dilihat pada Lampiran
2.
= 0,0904
Tabel 4.50 Nilai Deviasi Rata-Rata Metode Talbot Periode Ulang 2 Tahun
96
t (jam) Iterukur Italbot Deviasi Rata-Rata
5 12,9274 12,7999 0,1274
6 11,0698 10,8473 0,2225
7 9,5463 9,4115 0,1348
8 8,4071 8,3114 0,0957
9 7,5304 7,4416 0,0888
10 6,7912 6,7365 0,0547
11 6,1978 6,1535 0,0442
12 5,6934 5,6634 0,0299
13 5,2586 5,2456 0,0130
14 4,8852 4,8852 0,0001
15 4,5670 4,5712 0,0041
16 4,2820 4,2950 0,0130
17 4,0302 4,0504 0,0202
18 3,8064 3,8321 0,0257
19 3,6067 3,6361 0,0294
20 3,4267 3,4592 0,0325
21 3,2636 3,2987 0,0351
22 3,1155 3,1525 0,0370
23 2,9801 3,0187 0,0386
24 2,8559 2,8957 0,0398
Jumlah 2,1697
Rata-Rata 0,0904
Sumber : (Hasil Perhitungan, 2023)
D = |Isherman − Iterukur |
= |52,2594 − 45,3353|
= 6,9242
135,1870
=
24
= 5,6328
97
Berdasarkan perhitungan diatas diperoleh deviasi rata-rata antara intensitas hujan
terukur dengan metode Sherman durasi 1 jam sebesar 6,9242, sedangkan deviasi rata-rata
periode ulang 2 tahun sebesar 5,6328.
Tabel 4.51 Nilai Deviasi Rata-Rata Metode Sherman Periode Ulang 2 Tahun
D = |Imononobe − Iterukur |
= |31,8302 − 45,3353|
= 13,5051
98
Perhitungan Deviasi Rata-Rata Metode Mononobe Periode Ulang 2 Tahun
1
Drerata = ∑ni=1|Imononobe − Iterukur |
n
44,0534
=
24
= 1,8356
Tabel 4.52 Nilai Deviasi Rata-Rata Metode Mononobe Periode Ulang 2 Tahun
99
Perhitungan Deviasi Rata-Rata Metode Van Breen Durasi 1 Jam
D = |Ivanbreen − Iterukur |
= |56,7130 − 45,3353|
= 11,3778
= 1,8834
Tabel 4.53 Nilai Deviasi Rata-Rata Metode Van Breen Periode Ulang 2 Tahun
100
t (jam) Iterukur Ivanbreen Deviasi Rata-Rata
21 3,2636 3,8938 0,6302
22 3,1155 3,7205 0,6050
23 2,9801 3,5620 0,5820
24 2,8559 3,4165 0,5606
Jumlah 45,2017
Rata-Rata 1,8834
Sumber : (Hasil Perhitungan, 2023)
Tabel 4.54 Rekapitulasi Deviasi Rata-Rata Dalam Berbagai Metode dan Periode Ulang
101
Deviasi Rata-Rata
Talbot Sherman Mononobe Van Breen
16
14
NILAI DEVIASI
12
10
0
2 5 10 20 25 50 100
PERIODE ULANG
Gambar 4.10 Perbandingan Nilai Deviasi Rata-Rata Intensitas Hujan Metode Empiris Dalam
Berbagai Periode Ulang
Berdasarkan Tabel 4.54 dan Gambar 4.10 bahwa nilai deviasi rata-rata terkecil
terdapat pada metode Talbot periode ulang 2 tahun yaitu sebesar 0,0904 mm/jam
sedangkan nilai deviasi rata-rata terbesar terdapat pada metode Sherman periode ulang
100 tahun yaitu sebesar 15,0286 mm/jam. Apabila dilihat secara keseluruhan dari setiap
periode ulang bahwa metode Talbot memiliki deviasi rata-rata paling kecil dan memiliki
nilai yang paling konstan dibandingkan dengan metode empiris lainnya, maka semakin
kecil nilai deviasi dari hasil perhitungan yang telah dilakukan maka semakin kecil pula
tingkat kesalahannya.
102
4.7.4.2 Kesalahan Relatif (Kr)
Perhitungan Kesalahan Relatif Metode Talbot Durasi 1 Jam
Xa − Xb
Kr =| |. 100%
Xa
45,3353− 45,7237
=| |. 100%
45,3353
= 0,8568%
103
t (jam) Iterukur (Xa) Italbot (Xb) Kr
18 3,8064 3,8321 0,6754%
19 3,6067 3,6361 0,8157%
20 3,4267 3,4592 0,9490%
21 3,2636 3,2987 1,0766%
22 3,1155 3,1525 1,1867%
23 2,9801 3,0187 1,2951%
24 2,8559 2,8957 1,3947%
Jumlah 21,2176%
Rata-Rata 0,8841%
Sumber : (Hasil Perhitungan, 2023)
= 15,2732%
104
t (jam) Iterukur (Xa) Isherman (Xb) Kr
7 9,5463 2,0302 78,7333%
8 8,4071 1,6246 80,6764%
9 7,5304 1,3346 82,2772%
10 6,7912 1,1194 83,5174%
11 6,1978 0,9547 84,5956%
12 5,6934 0,8257 85,4977%
13 5,2586 0,7224 86,2624%
14 4,8852 0,6383 86,9329%
15 4,5670 0,5689 87,5431%
16 4,2820 0,5108 88,0709%
17 4,0302 0,4616 88,5453%
18 3,8064 0,4196 88,9754%
19 3,6067 0,3834 89,3691%
20 3,4267 0,3520 89,7289%
21 3,2636 0,3244 90,0590%
22 3,1155 0,3002 90,3645%
23 2,9801 0,2787 90,6469%
24 2,8559 0,2596 90,9095%
Jumlah 1892,4285%
Rata-Rata 78,8512%
Sumber : (Hasil Perhitungan, 2023)
= 29,7894%
105
Berdasarkan perhitungan diatas diperoleh nilai kesalahan relatif antara intensitas
hujan terukur dengan metode Mononobe durasi 1 jam sebesar 29,7894%, sedangkan
kesalahan relatif periode ulang 2 tahun sebesar 17,7441%.
= 25,0969%
106
Perhitungan Kesalahan Relatif Metode Van Breen Periode Ulang 2 Tahun
X −X
∑| a b |.100%
X
a
Krrerata =
n
453,0174%
=
15
= 18,8757%
Tabel 4.58 Kesalahan Relatif Metode Van Breen Periode Ulang 2 Tahun
107
Tabel 4.59 Rekapitulasi Kesalahan Relatif Dalam Berbagai Metode dan Periode Ulang
Kesalahan Relatif
Talbot Sherman Mononobe Van Breen
100%
KESALAHAN RELATIF
80%
60%
40%
20%
0%
2 5 10 20 25 50 100
PERIODE ULANG
Gambar 4.11 Perbandingan Nilai Kesalahan Relatif Intensitas Hujan Metode Empiris Dalam
Berbagai Periode Ulang
Berdasarkan Tabel 4.59 dan Gambar 4.11 bahwa nilai kesalahan relatif rata-rata
terkecil terdapat pada metode Talbot periode ulang 5 tahun yaitu sebesar 0,7631%
sedangkan nilai kesalahan relatif rata-rata terbesar terdapat pada metode Sherman periode
ulang 100 tahun yaitu sebesar 86,7914%. Apabila dilihat secara keseluruhan dari setiap
periode ulang bahwa metode Talbot memiliki kesalahan relatif rata-rata yang paling kecil
dan memiliki nilai yang paling konstan dibandingkan metode empiris lainnya, maka
108
semakin kecil nilai kesalahan relatif rata-rata yang dihasilkan maka semakin akurat
metode yang digunakan.
0,4889
=1–
2234,3632
= 0,9998
109
Iterukur (Qmi) Italbot (Qsi)
t (jam) (Qsi - Qmi) (Qsi - Qmi)2 (Qsi - Qm) (Qsi - Qm)2 NSE
(mm/jam)
20 3,4267 3,4592 0,0325 0,0011 -5,8259 33,9411
21 3,2636 3,2987 0,0351 0,0012 -5,9864 35,8368
22 3,1155 3,1525 0,0370 0,0014 -6,1326 37,6092
23 2,9801 3,0187 0,0386 0,0015 -6,2665 39,2687
24 2,8559 2,8957 0,0398 0,0016 -6,3894 40,8245
Jumlah 222,8432 0,4889 2234,3632
Rata-Rata (Qm) 9,2851
Sumber : (Hasil Perhitungan, 2023)
945,4675
=1–
3315,1310
= 0,7148
110
Iterukur (Qmi) Isherman (Qsi)
t (jam) (Qsi - Qmi) (Qsi - Qmi)2 (Qsi - Qm) (Qsi - Qm)2 NSE
(mm/jam)
13 5,2586 0,7224 -4,5362 20,5769 -8,5627 73,3203
14 4,8852 0,6383 -4,2468 18,0354 -8,6468 74,7669
15 4,5670 0,5689 -3,9981 15,9848 -8,7162 75,9725
16 4,2820 0,5108 -3,7712 14,2222 -8,7743 76,9888
17 4,0302 0,4616 -3,5685 12,7345 -8,8235 77,8539
18 3,8064 0,4196 -3,3867 11,4701 -8,8655 78,5970
19 3,6067 0,3834 -3,2233 10,3896 -8,9017 79,2404
20 3,4267 0,3520 -3,0748 9,4541 -8,9332 79,8015
21 3,2636 0,3244 -2,9392 8,6388 -8,9607 80,2941
22 3,1155 0,3002 -2,8153 7,9261 -8,9849 80,7291
23 2,9801 0,2787 -2,7013 7,2972 -9,0064 81,1153
24 2,8559 0,2596 -2,5963 6,7407 -9,0255 81,4600
Jumlah 222,8432 945,4675 3315,1310
Rata-Rata (Qm) 9,2851
Sumber : (Hasil Perhitungan, 2023)
284,6789
=1–
967,3332
= 0,7057
111
Iterukur (Qmi) Imononobe (Qsi)
t (jam) (Qsi - Qmi) (Qsi - Qmi)2 (Qsi - Qm) (Qsi - Qm)2 NSE
(mm/jam)
5 12,9274 10,8858 -2,0416 4,1681 1,6006 2,5620
6 11,0698 9,6399 -1,4299 2,0446 0,3547 0,1258
7 9,5463 8,6984 -0,8479 0,7189 -0,5867 0,3442
8 8,4071 7,9575 -0,4496 0,2021 -1,3276 1,7625
9 7,5304 7,3566 -0,1738 0,0302 -1,9285 3,7192
10 6,7912 6,8576 0,0664 0,0044 -2,4275 5,8929
11 6,1978 6,4354 0,2376 0,0565 -2,8497 8,1209
12 5,6934 6,0727 0,3794 0,1439 -3,2124 10,3195
13 5,2586 5,7572 0,4986 0,2486 -3,5280 12,4464
14 4,8852 5,4797 0,5945 0,3534 -3,8055 14,4816
15 4,5670 5,2333 0,6663 0,4440 -4,0518 16,4171
16 4,2820 5,0129 0,7309 0,5342 -4,2722 18,2517
17 4,0302 4,8144 0,7842 0,6149 -4,4708 19,9877
18 3,8064 4,6344 0,8280 0,6856 -4,6508 21,6296
19 3,6067 4,4703 0,8636 0,7458 -4,8148 23,1826
20 3,4267 4,3200 0,8933 0,7980 -4,9651 24,6524
21 3,2636 4,1818 0,9181 0,8430 -5,1034 26,0444
22 3,1155 4,0541 0,9385 0,8809 -5,2311 27,3641
23 2,9801 3,9357 0,9556 0,9132 -5,3494 28,6166
24 2,8559 3,8256 0,9697 0,9403 -5,4595 29,8066
Jumlah 222,8432 284,6789 967,3332
Rata-Rata (Qm) 9,2851
Sumber : (Hasil Perhitungan, 2023)
220,0816
=1–
3499,1724
= 0,9371
Berdasarkan perhitungan diatas diperoleh nilai NSE dengan metode Van Breen
periode ulang 2 tahun sebesar 0,9371 dimana menurut kriteria nilai NSE pada Tabel 2.9
bahwa nilai tersebut termasuk dalam kriteria sangat baik karena memiliki NSE
mendekati 1.
112
Tabel 4.63 Nash-Sutcliffe Efficiency Metode Van Breen Periode Ulang 2 Tahun
113
Periode Ulang Nash-Sutcliffe Efficiency (NSE)
(Tahun) Italbot Isherman Imononobe Ivanbreen
50 0,9963 0,6227 -2,0034 0,5738
100 0,9956 0,6166 -2,8950 0,2913
Rata-Rata 0,9977 0,6459 -0,9466 0,7672
Sumber : (Hasil Perhitungan, 2023)
Nash-Sutcliffe Efficiency
Talbot Sherman Mononobe Van Breen
2
NASH-SUTCLIFFE EFFICIENCY
0
2 5 10 20 25 50 100
-1
-2
-3
-4
PERIODE ULANG
Gambar 4.12 Perbandingan Nash-Sutcliffe Efficiency Intensitas Hujan Metode Empiris Dalam
Berbagai Periode Ulang
Berdasarkan Tabel 2.9, Tabel 4.64, dan Gambar 4.12 bahwa NSE metode Talbot
pada setiap periode ulang termasuk dalam kriteria sangat baik karena memiliki NSE
mendekati 1. Hal yang sama juga terdapat pada metode Van Breen pada periode ulang 2,
5, 10, 20, dan 25 tahun memiliki NSE yang termasuk dalam kriteria sangat baik seiring
dengan semakin besarnya periode ulang, NSE yang dihasilkan metode Van Breen pada
periode ulang 50 tahun termasuk dalam kriteria memenuhi dan pada periode ulang 100
tahun termasuk dalam kriteria tidak memenuhi. Sedangkan NSE metode Sherman
periode ulang 2 dan 5 tahun termasuk dalam kriteria baik dan periode ulang 10, 20, 25,
50, dan 100 tahun termasuk dalam kriteria memenuhi serta untuk NSE metode
Mononobe hanya pada periode ulang 2 tahun yang termasuk dalam kriteria baik dan
untuk periode ulang lainnya termasuk dalam kriteria tidak memenuhi.
114
4.7.5 Pemilihan Metode Intensitas Hujan yang Sesuai di DAS Meninting
Penilaian kesesuaian metode intensitas hujan yang dihasilkan oleh metode empiris
dilakukan dengan menganalisis perbandingan antara intensitas hujan terukur dengan
intensitas hujan metode empiris. Selanjutnya, dilakukan perhitungan uji kesesuain
metode dengan menggunakan deviasi rata-rata, kesalahan relatif (kr), dan Nash-Sutcliffe
Efficiency (NSE). Rekapitulasi perhitungan uji kesesuain metode dapat dilihat pada Tabel
4.69.
Tabel 4.65 Rekapitulasi Uji Kesesuaian Metode Empiris Dalam Berbagai Periode Ulang
Periode Ulang Italbot Isherman Imononobe Ivanbreen
(Tahun) Drerata Kr NSE Drerata Kr NSE Drerata Kr NSE Drerata Kr NSE
2 0,0904 0,8841% 0,9998 5,6328 78,8512% 0,7148 1,8356 17,7441% 0,7057 1,8834 18,8757% 0,9371
5 0,1785 0,7631% 0,9993 8,0026 82,3300% 0,6608 3,2542 15,1052% 0,1416 0,6812 5,6207% 0,9949
10 0,3473 1,3619% 0,9983 9,5615 83,7626% 0,6432 4,5486 15,7728% -0,3954 1,0970 2,8727% 0,9455
20 0,5317 1,9084% 0,9974 11,0314 84,7747% 0,6325 6,0463 18,3081% -1,0189 2,6774 9,5038% 0,8300
25 0,5719 2,0145% 0,9972 11,3321 84,9523% 0,6307 6,3860 19,0501% -1,1605 3,0231 10,7577% 0,7979
50 0,7998 2,5441% 0,9963 13,2354 86,0014% 0,6227 8,3872 24,0182% -2,0034 4,9939 16,9623% 0,5738
100 1,0239 2,9765% 0,9956 15,0286 86,7914% 0,6166 10,3641 28,3102% -2,8950 6,9404 21,9289% 0,2913
Rata-Rata 0,5062 1,7790% 0,9977 10,5463 83,9234% 0,6459 5,8317 19,7584% -0,9466 3,0424 12,3602% 0,7672
Sumber : (Hasil Perhitungan, 2023)
115
yang dihasilkan metode Van Breen berturut-turut sebesar 3,0424 ; 12,3602% ; dan
0,7672.
Dengan demikian, bahwa hasil perbandingan tersebut menunjukkan bahwa metode
Talbot memiliki hasil perhitungan yang konstan di setiap periode ulangnya dan
menunjukkan akurasi yang paling baik serta memenuhi kriteria dari ketiga uji kesesuaian
metode tersebut, sehingga metode Talbot merupakan metode yang paling sesuai dengan
karakteristik hujan di DAS Meninting dan dapat dijadikan sebagai dasar dalam
perhitungan intensitas hujan dalam perencanaan drainase dan bangunan pengendali banjir
di DAS Meninting.
Berdasarkan metode empiris yang terpilih yaitu metode Talbot maka untuk
penyajian kurva Intensity Duration Frequency (IDF) dilakukan pendekatan model
persamaan matematis yang mewakilinya untuk memudahkan melakukan pendugaan dan
ekstrapolasi pada durasi kurang dari 1 jam. Pendekatan persamaan matematis lengkung
IDF dilakukan dengan bantuan Microsoft Excel menggunakan menu trendline. Adapun
hasil pendekatan persamaan matematis untuk masing-masing periode ulang dapat dilihat
pada Tabel 4.72.
Periode Ulang
Persamaan R²
(Tahun)
2 I = 51,853t-0,896 R² = 0,9928
5 I = 75,136t-0,198 R² = 0,9953
-0,93
10 I = 91,402t R² = 0,9965
20 I = 107,37t-0,94 R² = 0,9974
25 I = 110,71t-0,941 R² = 0,9975
-0,951
50 I = 129,07t R² = 0,9983
100 I = 146,41t-0,959 R² = 0,9988
Sehingga untuk menentukan intensitas hujan metode Talbot dengan durasi kurang
dari 1 jam dapat mengganti t (durasi) pada persamaan Tabel 4.66 dengan durasi yang
diinginkan. Adapun hasil ekstrapolasi intensitas hujan metode Talbot dapat dilihat pada
Tabel 4.67.
116
Tabel 4.67 Hasil Ekstrapolasi Intensitas Hujan Metode Talbot
Metode Talbot
t (jam) t (menit) Periode Ulang (Tahun)
2 5 10 20 25 50 100
a 71,1049 96,4431 113,1153 128,8742 132,1046 149,5144 165,4842
b 0,5551 0,4240 0,3551 0,2992 0,2887 0,2365 0,1945
0,08 5 480,5298 122,8927 921,7099 1109,975 1147,351 1371,282 1586,739
0,17 10 258,2245 107,1327 483,7671 578,5556 597,6228 709,3281 816,2398
0,25 15 179,5642 98,86805 331,7963 395,2022 408,0612 482,3745 553,2817
0,33 20 138,7633 93,39381 253,9092 301,5622 311,2848 366,9168 419,8847
0,42 25 113,6170 89,35727 206,3251 244,5015 252,3281 296,7606 338,995
0,50 30 96,4932 86,18903 174,146 205,9924 212,5475 249,5197 284,6155
1 60 45,7237 67,7263 83,4727 99,1919 102,5089 120,9128 138,5400
2 120 27,8286 39,7866 48,0296 56,0507 57,7200 66,8505 75,4091
3 180 20,0008 28,1667 33,7143 39,0618 40,1691 46,1956 51,8031
4 240 15,6100 21,7999 25,9730 29,9760 30,8028 35,2916 39,4528
5 300 12,7999 17,7808 21,1228 24,3194 24,9786 28,5521 31,8577
6 360 10,8473 15,0129 17,7991 20,4587 21,0066 23,9739 26,7148
7 420 9,4115 12,9907 15,3791 17,6558 18,1245 20,6610 23,0015
8 480 8,3114 11,4486 13,5384 15,5284 15,9379 18,1526 20,1946
9 540 7,4416 10,2338 12,0913 13,8586 14,2221 16,1873 17,9982
10 600 6,7365 9,2520 10,9236 12,5130 12,8398 14,6059 16,2327
11 660 6,1535 8,4421 9,9616 11,4056 11,7024 13,3061 14,7826
12 720 5,6634 7,7626 9,1553 10,4782 10,7501 12,2187 13,5704
13 780 5,2456 7,1844 8,4698 9,6903 9,9411 11,2956 12,5419
14 840 4,8852 6,6863 7,8798 9,0127 9,2454 10,5022 11,6583
15 900 4,5712 6,2528 7,3666 8,4236 8,6407 9,8129 10,8911
16 960 4,2950 5,8721 6,9162 7,9068 8,1102 9,2085 10,2185
17 1020 4,0504 5,5351 6,5177 7,4497 7,6411 8,6743 9,6243
18 1080 3,8321 5,2346 6,1626 7,0426 7,2233 8,1986 9,0953
19 1140 3,6361 4,9651 5,8442 6,6777 6,8488 7,7724 8,6214
20 1200 3,4592 4,7220 5,5571 6,3487 6,5112 7,3883 8,1945
21 1260 3,2987 4,5016 5,2969 6,0506 6,2054 7,0404 7,8079
22 1320 3,1525 4,3009 5,0599 5,7793 5,9270 6,7238 7,4561
23 1380 3,0187 4,1173 4,8433 5,5313 5,6725 6,4345 7,1346
24 1440 2,8957 3,9487 4,6444 5,3036 5,4389 6,1690 6,8397
Sumber : (Hasil Perhitungan, 2023)
117
4.8 Analisis Depth Area Duration (DAD)
4.8.1 Pemilihan Data Hujan Maksimum
Pencatatan data hujan jam-jaman 3 stasiun selama 1 tahun ditabelkan, kemudian
dipilih hujan dengan kedalaman terbesar dan tersebar merata di seluruh stasiun.
Kejadian hujan terbesar yang dipilih dalam analisis Depth Area Duration (DAD)
DAS Meninting pada stasiun Gunung Sari tanggal 10 Oktober 2017, stasiun Sesaot
tanggal 11 November 2018, dan stasiun Bertais tanggal 16 Januari 2016. Hujan kumulatif
masing-masing stasiun akan dibuatkan kurva massa untuk mengetahui gambaran hujan
yang terakumulasi dalam suatu waktu, kemudian untuk analisis DAD data hujan
kumulatif masing-masing stasiun dibagi menjadi 4 periode per 6 jam. Hasil pemilihan
dan perhitungan data hujan maksimum dapat dilihat pada Tabel 4.69.
118
Tabel 4.69 Kumulatif Hujan Jam-Jaman Tiap Stasiun
Jumlah Hujan Tiap Jam (mm)
6 Jam 12 Jam 18 Jam 24 Jam
Stasiun
0-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Gunung Sari 0,0 0,0 0,0 0,0 0,0 0,0 7,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 160,0 0,0 0,0 0,0 0,9 0,0 0,0 0,0
Kumulatif 0,0 0,0 0,0 0,0 0,0 0,0 7,8 7,8 7,8 7,8 7,8 7,8 7,8 7,8 7,8 7,8 167,8 167,8 167,8 167,8 168,7 168,7 168,7 168,7
Sesaot 0,0 0,1 8,9 0,0 0,0 0,0 7,2 80,0 22,8 2,5 0,0 0,0 0,0 0,0 0,0 0,0 0,1 0,0 0,0 0,0 1,3 1,1 0,0 0,0
Kumulatif 0,0 0,1 9,0 9,0 9,0 9,0 16,2 96,2 119,0 121,5 121,5 121,5 121,5 121,5 121,5 121,5 121,6 121,6 121,6 121,6 122,9 124,0 124,0 124,0
Bertais 0,0 3,5 1,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 3,0 80,0 0,0 0,5 0,0 0,0 0,0
Kumulatif 0,0 3,5 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 8,0 88,0 88,0 88,5 88,5 88,5 88,5
Sumber : (Hasil Perhitungan, 2023
119
Untuk analisis DAD, data hujan kumulatif masing-masing stasiun dibagi menjadi
4 periode per 6 jam kemudian diambil nilai maksimum untuk setiap periodenya. Hasil
rekapitulasi hujan kumulatif maksimum periode per 6 jam dapat dilihat pada Tabel 4.70.
160
140
120
100
80
60
40
20
0
0 5 10 15 20 25 30
Gunung Sari Sesaot Bertais
Durasi (Jam)
120
4.8.2 Analisis-Luas Kedalaman
Berdasarkan data hujan pada Tabel 4.76 selanjutnya dibuat peta Isohyet untuk
mendapatkan luas area hujan masing-masing periode menggunakan software ArcGis
10.8.2. Nilai hujan kumulatif masing-masing stasiun diplotkan pada peta, penggambaran
garis Isohyet dengan jarak antar stasiun yang cukup jauh akan mengakibatkan beberapa
hasil yang berbeda dengan asumsi bahwa hujan yang jatuh antar stasiun terbagi dengan
jarak yang merata maka garis Isohyet dengan beda kedalaman hujan 1 mm untuk periode
6 jam dan 5 mm untuk periode 12, 18, dan 24 jam digambar pada peta. Polygon Thiessen
selanjutnya dibuat dengan cara menghubungkan masing-masing stasiun hujan, hal ini
bertujuan untuk mengetahui pembobotan luas areal dalam analisis DAD.
Hasil penggambaran Isohyet masing-masing periode dapat dilihat pada Gambar
4.14 sampai Gambar 4.17 dan hasil analisis luas-kedalaman masing-masing periode dapat
dilihat pada Tabel 4.71 sampai Tabel 4.74.
121
Tabel 4.71 Analisis Luas-Kedalaman Dari Peta Isohyet Periode 6 Jam
Rata-
Luas Luas Volume Hujan (mm-km2) Hujan Rata-
Isohyet Rata
Bersih Kumulatif Rata Areal
(mm) Hujan
(km2) (km2) (mm)
(mm) Kenaikan Kumulatif
1 2 3 4 5 6 7
7 16,1776 16,1776 6,5 105,1541 105,1541 6,5000
6 21,8988 38,0764 5,5 120,4436 225,5977 5,9249
5 21,3413 59,4177 4,5 96,0359 321,6336 5,4131
4 20,8060 80,2237 3,5 72,8211 394,4548 4,9169
3 29,3550 109,5787 2,5 73,3875 467,8423 4,2695
2 29,9727 139,5514 1,5 44,9590 512,8013 3,6746
1 39,9456 179,4970 1,0 39,9456 552,7469 3,0794
Sumber : (Hasil Perhitungan, 2023)
Analisis luas-kedalaman hujan dari peta Isohyet dilakukan dengan cara sebagai
berikut : kolom 1 merupakan nilai kedalaman hujan dari peta Isohyet, kolom 2
merupakan luas bersih yang diperoleh dari luas yang diapit oleh 2 garis Isohyet, kolom 3
merupakan nilai kumulatif hujan kolom 2, kolom 4 merupakan rata-rata hujan antara 2
garis Isohyet yang berurutan. Peningkatan volume hujan pada kolom 5 hujan merupakan
hasil perkalian antara luas bersih (kolom 2) dengan rata-rata hujan (kolom 4) kemudian
dilanjutkan dengan nilai kumulatif hujan pada kolom 6 serta hasil analisis hujan rata-rata
areal pada kolom 7 diperolah dengan cara membagi kumulatif hujan (kolom 6) dengan
luas kumulatif (kolom 3) dan hasilnya akan digunakan untuk analisis DAD selanjutnya.
122
Gambar 4.15 Peta Isohyet Periode 12 Jam
Rata-
Luas Luas Volume Hujan (mm-km2) Hujan Rata-
Isohyet Rata
Bersih Kumulatif Rata Areal
(mm) Hujan
(km2) (km2) (mm)
(mm) Kenaikan Kumulatif
1 2 3 4 5 6 7
90 1,9221 1,9221 87,5 168,1799 168,1799 87,5000
85 2,8775 4,7996 82,5 237,3971 405,5770 84,5023
80 4,1563 8,9559 77,5 322,1167 727,6937 81,2526
75 5,7291 14,6850 72,5 415,3603 1143,0539 77,8379
70 6,3143 20,9993 67,5 426,2153 1569,2693 74,7294
65 6,4292 27,4286 62,5 401,8259 1971,0952 71,8629
60 6,6937 34,1223 57,5 384,8900 2355,9852 69,0453
55 7,0468 41,1691 52,5 369,9583 2725,9435 66,2133
50 7,5572 48,7263 47,5 358,9657 3084,9092 63,3110
45 8,3047 57,0310 42,5 352,9489 3437,8581 60,2805
40 9,5262 66,5571 37,5 357,2310 3795,0891 57,0200
35 11,4343 77,9915 32,5 371,6155 4166,7046 53,4251
30 16,1977 94,1891 27,5 445,4354 4612,1400 48,9668
25 21,9549 116,1440 22,5 493,9842 5106,1243 43,9637
123
Rata-
Luas Luas Volume Hujan (mm-km2) Hujan Rata-
Isohyet Rata
Bersih Kumulatif Rata Areal
(mm) Hujan
(km2) (km2) (mm)
(mm) Kenaikan Kumulatif
1 2 3 4 5 6 7
20 21,2802 137,4242 17,5 372,4037 5478,5280 39,8658
15 28,3423 165,7665 12,5 354,2787 5832,8067 35,1869
10 16,9991 182,7656 10,0 169,9911 6002,7978 32,8442
Sumber : (Hasil Perhitungan, 2023)
124
Tabel 4.73 Analisis Luas-Kedalaman Dari Peta Isohyet Periode 18 Jam
Rata-
Luas Luas Volume Hujan (mm-km2) Hujan Rata-
Isohyet Rata
Bersih Kumulatif Rata Areal
(mm) Hujan
(km2) (km2) (mm)
(mm) Kenaikan Kumulatif
1 2 3 4 5 6 7
165 5,1384 5,1384 165 847,8439 847,8439 165,0000
160 10,5897 15,7281 162,5 1720,8206 2568,6645 163,3168
155 12,9171 28,6452 157,5 2034,4428 4603,1073 160,6938
150 10,4651 39,1103 152,5 1595,9313 6199,0385 158,5013
145 8,9253 48,0356 147,5 1316,4828 7515,5213 156,4572
140 10,0155 58,0512 142,5 1427,2147 8942,7360 154,0492
135 11,8286 69,8798 137,5 1626,4318 10569,1678 151,2479
130 13,6497 83,5295 132,5 1808,5851 12377,7530 148,1843
125 9,7763 93,3058 127,5 1246,4807 13624,2336 146,0170
120 9,1663 102,4721 122,5 1122,8754 14747,1091 143,9134
115 9,9310 112,4031 117,5 1166,8931 15914,0022 141,5797
110 14,1277 126,5309 112,5 1589,3691 17503,3712 138,3328
105 23,1452 149,6760 107,5 2488,1038 19991,4751 133,5650
100 7,7869 157,4629 102,5 798,1535 20789,6285 132,0288
95 5,0995 162,5624 97,5 497,2016 21286,8302 130,9456
90 3,8964 166,4588 92,5 360,4206 21647,2508 130,0457
85 3,2181 169,6769 87,5 281,5843 21928,8350 129,2388
80 2,7508 172,4277 82,5 226,9405 22155,7755 128,4931
75 2,3898 174,8175 77,5 185,2096 22340,9851 127,7960
70 2,1477 176,9652 72,5 155,7082 22496,6933 127,1249
65 1,8223 178,7875 67,5 123,0070 22619,7003 126,5172
60 1,5290 180,3166 62,5 95,5651 22715,2654 125,9744
55 1,2738 181,5904 57,5 73,2452 22788,5106 125,4940
50 1,0019 182,5923 52,5 52,5991 22841,1097 125,0935
45 0,6482 183,2405 47,5 30,7914 22871,9011 124,8190
Sumber : (Hasil Perhitungan, 2023)
125
Gambar 4.17 Peta Isohyet Periode 24 Jam
126
4.8.3 Analisis Depth Area Duration (DAD)
Analisis DAD dimulai dari periode 6 jam dengan garis Isohyet 10 mm sampai 30
mm ditampilkan dalam bentuk tabel seperti yang dapat dilihat dibawah ini.
Bagian pertama analisis membahas nilai-nilai yang terdapat pada kolom 1 sampai
dengan kolom 10. Isohyet 1 mm memiliki luas kumulatif (A) sebesar 179,4970 km2 dan
hujan rata-rata areal sebesar 3,0794 mm (Tabel 4.75). Kolom 1 merupakan stasiun yang
dipengaruhi oleh Isohyet 1 mm, sedangkan pada kolom 2 bobot luas areal (%) masing-
masing stasiun yang diperoleh dari polygon Thiessen. Nilai pada kolom 3, 5, 7, dan 9
merupakan nilai hujan kumulatif masing-masing stasiun (Tabel 4.74), sedangkan nilai
pada kolom 4, 6, 8, dan 10 merupakan hasil perkalian nilai hujan kumulatif dengan bobot
masing-masing stasiun pada kolom 2.
Bagian kedua analisis adalah menghitung jumlah dari nilai pembobotan untuk
setiap durasi pada baris (a). Nilai pada baris (b) adalah hasil perkalian jumlah hujan pada
baris (a) dengan koefisien hujan rata-rata areal yang disesuaikan. Untuk mendapatkan
koefisien penyesuaian sebesar 0,02 dilakukan dengan membagi hujan rata-rata areal
sebesar 3,0794 mm dengan jumlah hujan durasi 24 jam pada baris (a) sebesar 168,70 mm.
Kenaikan nilai hujan untuk setiap durasi pada baris (c) diperoleh dengan mengurangi nilai
kedalaman hujan durasi selanjutnya dengan durasi sebelumnya. Kedalaman hujan
127
maksimum 6 jam pada baris (d) diperoleh dari nilai maksimum pada baris (c), kedalaman
hujan maksimum 12 jam diperoleh dari penjumlahan nilai maksimum dengan nilai durasi
sebelumnya, kedalaman hujan maksimum 18 jam diperoleh dari penjumlahan nilai
kenaikan hujan 3 durasi terakhir, dan kedalaman hujan maksimum 24 jam diperoleh dari
penjumlahan nilai kenaikan hujan setiap durasi.
128
Tabel 4.78 Analisis DAD Dengan Isohyet 4 mm Periode 6 Jam
(A = 80,2237 km2 ; Hujan Rata-Rata Areal = 4,9169 mm)
Analisis DAD dengan Isohyet 4 mm Periode 6 Jam
Bobot Luas Area Durasi Hujan
Stasiun
(%) 6 Jam 12 Jam 18 Jam 24 Jam
1 2 3 4 5 6 7 8 9 10
0,00 7,80 167,80 168,70
Gunung Sari 96,13%
0,00 7,50 161,30 162,17
9,00 121,50 121,60 124,00
Sesaot 0,00%
0,00 0,00 0,00 0,00
5,00 5,00 8,00 88,50
Bertais 3,87%
0,19 0,19 0,31 3,43
Perhitungan untuk analisis Depth Area Duration (DAD) periode 12, 18, dan 24 jam dapat
dilihat pada Lampiran 3.
129
Tabel 4.80 Rekapitulasi Analisis Depth Area Duration Periode 6 Jam
Durasi Hujan
Isohyet (mm) Luas Areal (km²) 6 jam 12 jam 18 jam 24 jam
Kedalaman Hujan Maksimum (mm)
1 179,4970 2,9206 3,0630 3,0794 3,0794
2 139,5514 3,4851 3,6550 3,6746 3,6746
3 109,5787 4,0493 4,2467 4,2695 4,2695
4 80,2237 4,5703 4,7929 4,9112 4,9169
5 59,4177 4,0888 4,4671 5,0348 5,4131
Sumber : (Hasil Perhitungan, 2023)
0
0 25 50 75 100 125 150 175 200
6 Jam 12 Jam 18 Jam 24 Jam
Berdasarkan hasil analisis Depth Area Duration periode 6 jam yang ditampilkan
pada Tabel 4.80 dan Gambar 4.18 menunjukkan bahwa kedalaman hujan terkecil terjadi
pada durasi 6 jam sebesar 2,9206 mm dengan luas areal sebesar 179,4970 km2, sedangkan
kedalaman hujan terbesar terjadi pada durasi 24 jam sebesar 5,4131 mm dengan luas areal
sebesar 59,4177 km2. Pada durasi 18 dan 24 jam kedalaman hujan yang terjadi semakin
besar pada luas areal yang lebih kecil, namun pada durasi 6 dan 12 jam terjadi penurunan
kedalaman hujan pada luas areal 59,4177 km2.
Pada periode 12 jam kedalaman hujan terkecil terjadi pada durasi 6 jam sebesar
45,5148 mm dengan luas areal sebesar 94,1891 km2, sedangkan kedalaman hujan terbesar
terjadi pada durasi 24 jam sebesar 87,5000 mm dengan luas areal sebesar 1,9921 km2,
130
pada luas areal 34,1223 km2, 14,6850 km2, dan 1,9221 km2 kedalaman hujan pada durasi
12 jam lebih besar dibandingkan durasi 18 jam.
Kedalaman hujan terkecil pada periode 18 jam terjadi pada durasi 6 jam sebesar
96,5301 mm dengan luas areal 174,8175 km2 sedangkan kedalaman hujan terbesar terjadi
pada durasi 24 jam sebesar 165,0000 mm dengan luas areal 5,1384 km 2. Pada periode 24
jam kedalaman hujan terkecil terjadi pada durasi 6 jam sebesar 107,4144 mm dengan luas
areal 174,5906 km2 sedangkan kedalaman hujan terbesar terjadi pada durasi 24 jam
sebesar 165,0000 mm dengan luas areal 13,1456 km2. Hal tersebut menunjukkan bahwa
semakin besar luas areal maka kedalaman hujan yang terjadi semakin kecil sedangkan
semakin kecil luas areal maka kedalaman hujan yang terjadi semakin besar. Jika ditinjau
berdasarkan kurva yang terbentuk untuk setiap periode, pola kedalaman hujan yang
dihasilkan setiap durasi tidak terdapat perbedaan yang signifikan, sehingga kurva yang
terbentuk pun cenderung sangat rapat.
131
BAB V
5.1 Kesimpulan
Berdasarkan hasil analisis yang telah dilakukan, sesuai dengan rumusan masalah
dapat ditarik kesimpulan sebagai berikut :
1. Berdasarkan hasil perbandingan intensitas hujan terukur dengan intensitas
hujan metode empiris dapat disimpulkan bahwa metode Talbot merupakan
metode yang paling sesuai dengan karakteristik hujan di DAS Meninting karena
pola kurva IDF yang dihasilkan sangat rapat dengan pola kurva IDF intensitas
hujan terukur serta memiliki tingkat akurasi yang paling baik dan memenuhi
seluruh kriteria ketiga uji kesesuaian metode.
2. Kurva Intensity Duration Frequency (IDF) metode Talbot menunjukkan bahwa
intensitas hujan terbesar yang dihasilkan metode Talbot sebesar 134,5400
mm/jam pada periode ulang 100 tahun durasi 1 jam, sedangkan intensitas hujan
terkecil yang dihasilkan adalah 2,8957 mm/jam pada periode ulang 2 tahun
durasi 24 jam. Sehingga dapat disimpulkan bahwa karakteristik intensitas hujan
yang terjadi di DAS Meninting yaitu memiliki intensitas hujan yang tinggi
untuk hujan dengan durasi singkat pada periode ulang yang besar.
3. Kurva Depth Area Duration (DAD) yang dihasilkan setiap periode memiliki
bentuk kurva yang berbeda, namun pola kedalaman hujan yang dihasilkan pada
setiap durasi untuk semua periode tidak terdapat perbedaan yang signifikan,
sehingga kurva yang terbentuk pun cenderung sangat rapat.
132
5.2 Saran
Adapun saran yang dapat diberikan berdasarkan hasil analisis pada pengerjaan
tugas akhir ini antara lain :
1. Sebelum melakukan analisis sebaiknya diperhatikan terlebih dahulu
kelengkapan dan keakuratan data yang dibutuhkan sehingga dapat
memudahkan dalam proses analisis.
2. Untuk mendapatkan hasil analisis Intensity Duration Frequency (IDF) dan
Depth Area Duration (DAD) yang lebih optimal sebaiknya menggunakan data
hujan jam-jaman yang lebih panjang dan stasiun hujan yang lebih banyak.
133
DAFTAR PUSTAKA
134
Soemarto, CD. (1987). Hidrologi Teknik. Usaha Nasional.Surabaya
Soewarno. (1995). Hidrologi Aplikasi Metode Statistik Untuk Analisa Data Jilid 1.
Nova.Bandung
Solaimani, K., Akbar, A., Habibnejad, M., & Ahmadi, M. Z. (2006). Analysis of Depth-
Area-Duration Curves of Rainfall in Semi-arid and Arid Regions Using
Geostatistical Methods (Case Study: Sirjan Kafeh Namak Watershed).
Sosrodarsono, Ir. S., & Takeda, K. (2003). Hidrologi Untuk Pengairan. Paradnya
Paramita.Jakarta
Triatmodjo, Prof. Dr. Ir. B. (2008). Hidrologi Terapan. Beta Offset.Yogyakarta
Yulius, E. (2014). Analisa Curah Hujan Dalam Mebuat Kurva Intensity Duration
Frequency (Idf) Pada Das Bekasi. 2(1).
135
LAMPIRAN
136