Tugas Akhir-Farah Dhiyah Alfini Sarnyoto-Analisis Intensity Duration Frequency (IDF) Dan Depth Area Duration (DAD) Di DAS Meninting

TUGAS AKHIR
ANALISIS INTENSITY DURATION FREQUENCY (IDF) DAN

DEPTH AREA DURATION (DAD) DI DAS MENINTING
Oleh:
FARAH DHIYAH ALFINI SARNYOTO

F1A 019 052
JURUSAN TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS MATARAM
2023
ii
iii
iv
PRAKATA
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.
Mataram, 1 Juli 2023
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
HALAMAN PENGESAHAN ......................................................................................... ii
HALAMAN PENGESAHAN TIM PENGUJI ............................................................ iii
SURAT KEASLIAN TUGAS AKHIR ......................................................................... iv
PRAKATA ....................................................................................................................... v
UCAPAN TERIMA KASIH ......................................................................................... vi
DAFTAR ISI ................................................................................................................ viii
DAFTAR GAMBAR ..................................................................................................... xii
DAFTAR TABEL ........................................................................................................ xiv
DAFTAR LAMPIRAN .............................................................................................. xviii
DAFTAR LAMBANG DAN SINGKATAN .............................................................. xix
ABSTRAK .................................................................................................................... xxi
BAB I PENDAHULUAN ................................................................................................ 1
1.1 Latar Belakang ...................................................................................................... 1
1.2 Rumusan Masalah ................................................................................................. 2
1.3 Batasan Masalah.................................................................................................... 2
1.4 Tujuan Penelitian .................................................................................................. 3
1.5 Manfaat Penelitian ................................................................................................ 3
BAB II DASAR TEORI ................................................................................................. 4
2.1 Tinjauan Pustaka .................................................................................................. 4
2.2 Dasar Teori ............................................................................................................ 5
2.2.1 DAS (Daerah Aliran Sungai) ......................................................................... 5
2.2.2 Hujan .............................................................................................................. 6
2.2.3 Uji Konsistensi Data Hujan ............................................................................ 6
viii
2.2.4 Penentuan Hujan Wilayah .............................................................................. 8
2.2.4.1 Metode Polygon Thiessen .................................................................. 8
2.2.4.2 Metode Isohyet ................................................................................. 10
2.2.5 Pemilihan Seri Data Hujan ........................................................................... 11
2.2.5.1 Partial Duration Series .................................................................... 11
2.2.5.2 Annual Maximum Series .................................................................. 12
2.2.6 Analisis Frekuensi ........................................................................................ 12
2.2.7 Distribusi Curah Hujan................................................................................. 14
2.2.7.1 Distribusi Normal............................................................................. 14
2.2.7.2 Distribusi Log Normal ..................................................................... 15
2.2.7.3 Distribusi Gumbel ............................................................................ 16
2.2.7.4 Distribusi Log Pearson Type III ...................................................... 18
2.2.8 Uji Kesesuaian Distribusi ............................................................................. 20
2.2.8.1 Uji Chi-Kuadrat ............................................................................... 20
2.2.8.2 Uji Smirnov-Kolmogorov ................................................................. 22
2.2.9 Intensitas Hujan ............................................................................................ 23
2.2.9.1 Metode Pengamatan ......................................................................... 24
2.2.9.2 Metode Talbot .................................................................................. 24
2.2.9.3 Metode Sherman .............................................................................. 25
2.2.9.4 Metode Mononobe ........................................................................... 25
2.2.9.5 Metode Van Breen ........................................................................... 26
2.2.10 Uji Kesesuaian Metode .............................................................................. 26
2.2.10.1 Deviasi Rata-Rata .......................................................................... 26
2.2.10.2 Kesalahan Relatif (Kr) ................................................................... 27
2.2.10.3 Nash-Sutcliffe Efficiency (NSE) ..................................................... 27
2.2.11 Intensity Duration Frequency (IDF) .......................................................... 28
2.2.12 Depth Area Duration (DAD) ..................................................................... 29
ix
BAB III METODOLOGI PENELITIAN ................................................................... 30
3.1 Lokasi Penelitian ................................................................................................. 30
3.2 Pelaksanaan Penelitian ....................................................................................... 31
3.2.1 Pengumpulan Data ....................................................................................... 31
3.2.2 Analisis Data ................................................................................................ 31
3.3 Bagan Alir Penelitian .......................................................................................... 34
BAB IV HASIL DAN PEMBAHASAN ...................................................................... 36
4.1 Pengumpulan Data Awal .................................................................................... 36
4.1.1 Peta Stasiun Hujan ....................................................................................... 36
4.1.2 Data Hujan ................................................................................................... 36
4.2 Pengujian Data Hujan......................................................................................... 37
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
4.3.1 Curah Hujan Rata-Rata Maksimum Jam-Jaman .......................................... 52
4.3.2 Curah Hujan Rata-Rata Maksimum ............................................................. 59
4.4 Perhitungan Parameter Statistik dan Jenis Agihan ......................................... 61
4.4.1 Perhitungan Parameter Statistik dan Jenis Agihan Jam-Jaman ................... 61
4.4.2 Perhitungan Parameter Statistik dan Jenis Agihan ...................................... 63
4.5 Uji Kecocokan Distribusi .................................................................................... 65
4.5.1 Uji Chi-Kuadrat Jam-Jaman ........................................................................ 65
4.5.2 Uji Smirnov-Kolmogorov Jam-Jaman .......................................................... 69
4.5.3 Uji Chi-Kuadrat ........................................................................................... 72
4.5.4 Uji Smirnov-Kolmogorov ............................................................................. 75
4.6 Kedalaman Hujan Rencana ............................................................................... 77
4.6.1 Kedalaman Hujan Rencana Jam-Jaman ....................................................... 77
4.6.2 Kedalaman Hujan Rencana .......................................................................... 80
x
4.7 Analisis Intensity Duration Frequency (IDF)..................................................... 82
4.7.1 Intensitas Hujan Terukur.............................................................................. 82
4.7.2 Perhitungan Intensitas Hujan Metode Empiris (Talbot, Sherman, Mononobe,

dan Van Breen) ............................................................................................ 83
4.7.2.1 Metode Talbot .................................................................................. 83
4.7.2.2 Metode Sherman .............................................................................. 87
4.7.2.3 Metode Mononobe ........................................................................... 90
4.7.2.4 Metode Van Breen ........................................................................... 92
4.7.3 Perbandingan Intensitas Hujan Terukur dengan Intensitas Hujan Metode

Empiris (Talbot, Sherman, Mononobe, dan Van Breen) ............................. 94
4.7.4 Uji Kesesuaian Metode ................................................................................ 96
4.7.4.1 Deviasi Rata-Rata ............................................................................ 96
4.7.4.2 Kesalahan Relatif (Kr) ................................................................... 103
4.7.4.3 Nash-Sutcliffe Efficiency (NSE) ..................................................... 109
4.7.5 Pemilihan Metode Intensitas Hujan yang Sesuai di DAS Meninting ........ 115
4.8 Analisis Depth Area Duration (DAD) ............................................................... 118
4.8.1 Pemilihan Data Hujan Maksimum ............................................................. 118
4.8.2 Analisis-Luas Kedalaman .......................................................................... 121
4.8.3 Analisis Depth Area Duration (DAD) ....................................................... 127
BAB V KESIMPULAN DAN SARAN ...................................................................... 132
5.1 Kesimpulan ........................................................................................................ 132
5.2 Saran ................................................................................................................... 133
DAFTAR PUSTAKA .................................................................................................. 134
LAMPIRAN ................................................................................................................ 136
xi
DAFTAR GAMBAR
2.1 Polygon Thiessen................................................................................................... 10
2.2 Isohyet ................................................................................................................... 11
2.3 Kurva Intensity Duration Frequency .................................................................... 28
2.4 Kurva Depth Area Duration .................................................................................. 29
3.1 Peta DAS Meninting ............................................................................................. 30
3.2 Bagan Alir Penelitian ............................................................................................ 34
4.1 Polygon Thiessen DAS Meninting ........................................................................ 51
4.2 Grafik Distribution Plot Log Normal Minitab Statistical Software ...................... 67
4.3 Grafik Distribution Plot Normal Minitab Statistical Software .............................. 73
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
4.12 Perbandingan Nash-Sutcliffe Efficiency Intensitas Hujan Metode Empiris Dalam

xii
4.13 Kurva Massa Hujan ............................................................................................. 120
4.14 Peta Isohyet Periode 6 Jam .................................................................................. 121
4.15 Peta Isohyet Periode 12 Jam ................................................................................ 123
4.18 Kurva Depth Area Duration Periode 6 Jam ........................................................ 130
xiii
DAFTAR TABEL
2.1 Nilai Kritis Q / √N dan R / √N ............................................................................. 8
2.2 Syarat Pemilihan Agihan ....................................................................................... 14
2.3 Hubungan Faktor Frekuensi Distribusi Normal (k) Periode Ulang ...................... 15
2.4 Hubungan Nilai n dengan Nilai Sn dan Yn Gumbel ............................................. 17
2.5 Hubungan nilai Tr dengan Nilai Yt ....................................................................... 18
2.6 Nilai K Untuk Distribusi Log Pearson Type III ................................................... 19
2.7 Nilai Kritis Untuk Uji Chi-Kuadrat ...................................................................... 21
2.8 Nilai Dkritis Untuk Uji Smirnov-Kolmogorov ....................................................... 23
2.9 Kriteria Nilai Nash-Sutcliffe Efficiency .................................................................... 27
4.1 Data Hujan Otomatis Jam-Jaman Tahunan Stasiun Gunung Sari ......................... 37
4.2 Uji RAPS Hujan Jam-Jaman Stasiun Gunung Sari ............................................... 38
4.3 Ekstrapolasi Nilai Kritis Kritis Q/√N dan R/√N Untuk N = 3 ............................ 39
4.4 Data Hujan Otomatis Jam-Jaman Tahunan Stasiun Sesaot ................................... 39
4.5 Uji RAPS Hujan Jam-Jaman Stasiun Sesaot ......................................................... 40
4.6 Data Hujan Otomatis Jam-Jaman Tahunan Stasiun Bertais .................................. 41
4.7 Uji RAPS Hujan Jam-Jaman Stasiun Bertais ........................................................ 42
4.8 Data Hujan Otomatis Harian Tahunan Stasiun Gunung Sari ................................ 43
4.9 Uji RAPS Hujan Harian Stasiun Gunung Sari ...................................................... 44
4.10 Interpolasi Nilai Kritis Q/√N dan R/√N Untuk N = 15 ....................................... 45
4.11 Data Hujan Otomatis Harian Tahunan Stasiun Sesaot .......................................... 46
4.12 Uji RAPS Hujan Harian Stasiun Sesaot ................................................................ 47
4.13 Data Hujan Otomatis Harian Tahunan Stasiun Bertais ......................................... 48
4.14 Uji RAPS Hujan Harian Stasiun Bertais ............................................................... 49
4.15 Luas Wilayah Masing-Masing Stasiun Hujan di DAS Meninting ........................ 51
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
4.20 Curah Hujan Rata-Rata Maksimum Durasi 1 Jam ................................................ 56
4.21 Curah Hujan Rata-Rata Maksimum Durasi 2 Jam ................................................ 57
4.22 Rekapitulasi Curah Hujan Rata-Rata Maksimum Jam-Jaman .............................. 58
4.23 Curah Hujan Rata-Rata Maksimum ...................................................................... 59
4.24 Analisis Parameter Statistik Curah Hujan Dengan Durasi 1 Jam ......................... 61
4.25 Persyaratan Pemilihan Jenis Agihan Curah Hujan Durasi 1 Jam .......................... 62
4.26 Rekapitulasi Hasil Parameter Statistik Hujan Jam-Jaman .................................... 63
4.27 Analisis Parameter Statistik Harian ....................................................................... 64
4.28 Persyaratan Pemilihan Jenis Agihan Harian ......................................................... 65
4.29 Hasil Uji Chi-Kuadrat Durasi 1 Jam ..................................................................... 68
4.30 Rekapitulasi Uji Chi-Kuadrat Jam-Jaman ............................................................ 69
4.31 Uji Smirnov-Kolmogorov Durasi 1 Jam ................................................................ 70
4.32 Rekapitulasi Uji Smirnov-Kolmogorov Jam-Jaman .............................................. 71
4.33 Hasil Uji Chi-Kuadrat ........................................................................................... 74
4.34 Uji Smirnov-Kolmogorov ...................................................................................... 75
4.35 Analisis Agihan Log Normal Durasi 1 Jam .......................................................... 77
4.36 Nilai k agihan Log Normal Untuk Tiap Periode Ulang ........................................ 78
4.37 Kedalaman Hujan Rencana Durasi 1 Jam ............................................................. 78
4.38 Rekapitulasi Kedalaman Hujan Rencana Jam-Jaman ............................................. 79
4.39 Analisis Agihan Normal Harian ............................................................................ 80
4.40 Nilai k agihan Normal Untuk Tiap Periode Ulang ................................................ 81
4.41 Kedalaman Hujan Rencana ................................................................................... 81
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
4.44 Hasil Perhitungan Intensitas Hujan Metode Talbot .............................................. 85
4.45 Analisis Intensitas Hujan Metode Sherman Periode Ulang 2 Tahun .................... 87
4.46 Hasil Perhitungan Intensitas Hujan Metode Sherman........................................... 88
4.47 Hasil Perhitungan Intensitas Hujan Metode Mononobe........................................ 90
4.48 Hasil Perhitungan Intensitas Hujan Metode Van Breen........................................ 92
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
4.62 Nash-Sutcliffe Efficiency Metode Mononobe Periode Ulang 2 Tahun................ 111
4.63 Nash-Sutcliffe Efficiency Metode Van Breen Periode Ulang 2 Tahun ................ 113
4.64 Rekapitulasi Nash-Sutcliffe Efficiency Metode Empiris Dalam Berbagai Periode

Ulang ................................................................................................................... 113
4.65 Rekapitulasi Uji Kesesuaian Metode Empiris Dalam Berbagai Periode Ulang .. 115
4.66 Persamaan Matematis Lengkung IDF Metode Talbot ........................................ 116
xvi
4.67 Hasil Ekstrapolasi Intensitas Hujan Metode Talbot ............................................ 117
4.68 Rekapitulasi Pemilihan Data Hujan Maksimum ................................................. 118
4.69 Kumulatif Hujan Jam-Jaman Tiap Stasiun.......................................................... 119
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
4.75 Analisis DAD Dengan Isohyet 1 mm Periode 6 Jam .......................................... 127
4.80 Rekapitulasi Analisis Depth Area Duration Periode 6 Jam ................................ 130
xvii
DAFTAR LAMPIRAN
1 Tabel Curah Hujan Rata-Rata Maksimum Jam-Jaman ....................................... 137
2 Tabel Rekapitulasi dan Kurva Perbandingan Intensitas Hujan Terukur Dengan

Intensitas Hujan Metode Empiris ....................................................................... .161
3 Tabel Analisis Depth Area Duration Masing-Masing Periode ........................... 172
xviii
DAFTAR LAMBANG DAN SINGKATAN
Ei = Jumlah nilai teoritis pada sub kelompok ke i

Kr = Kesalahan relatif
Oi = Jumlah nilai pengamatan pada sub kelompok ke i
Qm = Nilai rata-rata pengamatan
Q mi = Nilai pengamatan
Q si = Nilai simulasi model
̅
X = Rerata curah hujan
X² = Nilai Chi-Kuadrat terhitung
Xa = Nilai pengamatan
Xb = Nilai hasil pemodelan
A = Luas
a,b = Konstanta yang tergantung pada lamanya curah hujan
ARR = Automatic Rainfall Recorder
Ck = Koefisien kurtosis
Cs = Koefisien kepencengan
Cv = Koefisien variasi
D = Deviasi rata-rata
d = Kedalaman hujan
DAD = Depth Area Duration
DAS = Daerah Aliran Sungai
Dk = Derajat kebebasan
I = Intensitas hujan
IDF = Intensity Duration Frequency
k = Banyaknya kelas
N = Banyaknya data hujan
n = Jumlah data
NSE = Nash-Sutcliffe Efficiency
R = Curah hujan
RAPS = Rescaled Adjusted Partial Sums
S = Simpangan baku dari sampel
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
The Meninting Watershed, located in West Lombok Regency, is a vulnerable area

prone to floods and inundation. The reduction of water infiltration due to land use
changes and high rainfall intensity causes several drainage channels to overflow as they
are unable to accommodate the runoff from heavy rainfall. Therefore, efforts are needed
to plan drainage systems that have adequate capacity according to the rainfall
characteristics in the Meninting Watershed. This study aims to provide an overview of
the relationship between Intensity-Duration-Frequency (IDF) and Depth-Area-Duration
(DAD) in the Meninting Watershed, which can be used as a basis for planning drainage
systems and other flood control structures. In the Intensity-Duration-Frequency (IDF)
analysis, it is shown that the Talbot method is the most suitable rainfall intensity method
for the characteristics of rainfall in the Meninting Watershed. It demonstrates the best
accuracy with measured rainfall intensities and meets the criteria of the three tests for
method suitability, with respective values of the average deviation and relative error
being 0.5062 and 1.7790%. The average Nash-Sutcliffe Efficiency (NSE) is 0.9977. On
the other hand, in the Depth-Area-Duration (DAD) analysis, each period has a different
curve shape, but the rainfall depth pattern generated for each duration in all periods does
not show significant differences. Therefore, the resulting curves tend to be very close
together.
Keywords : Intensity Duration Frequency, Depth Area Duration, Meninting Watershed
xxii
BAB I
PENDAHULUAN
1.1 Latar Belakang

Kawasan DAS Meninting yang terletak di Kabupaten Lombok Barat merupakan
kawasan yang termasuk dalam lokasi titik rawan bencana banjir dan genangan (Pola
Pengelolaan Sumber Daya Air Wilayah Sungai Lombok, 2015). Kawasan DAS
Meninting saat ini sedang berkembang pesat yang ditandai dengan tingginya intensitas
pembangunan infrastruktur yang menunjukkan adanya peningkatan kebutuhan
masyarakat akan sarana dan prasarana. Namun, hal tersebut menyebabkan berkurangnya
wilayah resapan air akibat alih fungsi lahan sehingga ketika musim penghujan datang
beberapa ruas saluran drainase meluap karena tidak mampu menampung debit limpasan
air hujan. Selain itu, intensitas hujan yang tinggi juga turut menambah tingginya resiko
genangan yang terjadi. Oleh karena itu, diperlukan upaya untuk merencanakan saluran
drainase yang memiliki kapasitas memadai sesuai karakteristik curah hujan di kawasan
DAS Meninting.
Dalam perencanaan saluran drainase membutuhkan masukan data hujan yang
akurat, utamanya hujan berintensitas tinggi dalam durasi pendek yang seringkali
menyebabkan permasalahan seperti genangan hingga banjir. Sehingga, diperlukan
pembuatan kurva Intensity Duration Frequency (IDF) yang memberikan gambaran
hubungan antara intensitas, durasi, dan frekuensi hujan yang dapat digunakan untuk
mendapatkan besaran intensitas hujan dalam durasi dan periode ulang yang diinginkan.
Besarnya intensitas hujan yang mungkin terjadi dalam berbagai durasi dan periode ulang
dapat digunakan untuk menghitung debit aliran air yang masuk ke sistem drainase.
Selain itu, dalam perencanaan saluran drainase juga membutuhkan gambaran
hubungan antara kedalaman, luas, dan durasi hujan yang ditampilkan dalam bentuk kurva
Depth Area Duration (DAD). Analisis hubungan antara Depth Area Duration (DAD)
yang menggunakan curah hujan maksimum ini merupakan salah satu instrumen dasar
dalam investigasi variasi spasial curah hujan dan perhitungan analisis terkait banjir,
dimana dalam menggunakan kurva ini dapat membantu dalam mengubah titik curah
hujan yang tercatat di stasiun pengukur hujan menjadi curah hujan rata-rata di luas
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.
1.2 Rumusan Masalah

Berdasarkan latar belakang, maka rumusan masalah dengan judul “Analisis
Intensity Duration Frequency (IDF) dan Depth Area Duration (DAD) di DAS
Meninting” adalah sebagai berikut :
1. Bagaimana perbandingan antara intensitas hujan terukur dengan intensitas hujan
metode empiris (Talbot, Sherman, Mononobe, dan Van Breen) di DAS Meninting?
2. Bagaimana kurva Intensity Duration Frequency (IDF) untuk metode terpilih di DAS
Meninting?
3. Bagaimana kurva Depth Area Duration (DAD) di DAS Meninting?
1.3 Batasan Masalah

Agar penelitian ini tidak terlampaui luas dan lebih terarah, maka diberikan batasan
dengan memfokuskan pada batasan masalah sebagai berikut :
1. Daerah Aliran Sungai (DAS) yang dianalisis adalah DAS Meninting.
2. Data hujan yang digunakan adalah data hujan jam-jaman selama 3 tahun (2016 – 2018)
dan data hujan harian selama 15 tahun (2008 – 2022) stasiun Gunung Sari, Sesaot, dan
Bertais.
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.
1.4 Tujuan Penelitian

1. Memperoleh hasil perbandingan antara intensitas hujan terukur dengan intensitas
hujan metode empiris (Talbot, Sherman, Mononobe, dan Van Breen) di DAS
Meninting dalam berbagai periode ulang.
2. Memperoleh bentuk kurva Intensity Duration Frequency (IDF) dari metode intensitas
hujan terpilih di DAS Meninting.
3. Memperoleh bentuk kurva Depth Area Duration (DAD) di DAS Meninting.
1.5 Manfaat Penelitian

1. Memberikan keakuratan dalam memprediksi intensitas hujan yang sesuai di DAS
Meninting.
2. Memberi masukan dan bahan pertimbangan bagi instansi terkait sebagai dasar
perencanaan bangunan air tentang cara analisis IDF dan DAD yang terkait dengan
karakteristik hujan DAS Meninting.
3. Dapat memahami secara mendalam hubungan sifat-sifat hujan terkait dengan
karakteristik hujan di DAS Meninting sehingga hasil analisis menjadi semakin teliti
dan dapat dimanfaatkan secara optimal.
3
BAB II
DASAR TEORI
2.1 Tinjauan Pustaka

Saidah et al, (2021) melakukan penelitian mengenai Kurva Intensity Duration
Frequency (IDF) dan Depth Area Duration (DAD) Untuk Kabupaten Lombok Timur.
Dalam penyusunan kurva IDF, besaran intensitas hujan dihitung dari data hujan harian
dan didistribusikan ke dalam hujan jam-jaman menggunakan cara Mononobe sedangkan
besaran rancangan diperoleh melalui analisis frekuensi. Sementara pembuatan kurva
DAD menggunakan data hujan jam-jaman. Berdasarkan bentuk lengkung kurva IDF
periode ulang 2,5, 10, 25, 50, 100, dan 200 tahun yang tergambar dapat diambil
kesimpulan 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. Sedangkan, berdasarkan bentuk lengkung kurva
DAD yang tergambar dapat diambil kesimpulan bahwa semakin besar luas area
tangkapan hujan maka kedalaman hujan yang terjadi semakin kecil, dan begitu juga
sebaliknya semakin kecil luas area tangkapan hujan maka kedalaman hujan yang terjadi
semakin besar.
Sampelan et al, (2019) melakukan penelitian mengenai analisis Intensitas Hujan
dengan Metode Talbot, Sherman, Ishiguro Pada DAS Meninting. Penelitian dilakukan di
DAS Meninting Kabupaten Lombok Barat dengan menggunakan satu stasiun hujan yaitu
stasiun hujan Gunung Sari. Untuk menganalisis data yang digunakan adalah data hujan
jam-jaman dengan lama pencatatan 5 tahun yaitu dari tahun 2013 sampai tahun 2017.
Metode yang digunakan untuk menghitung nilai intensitas hujan yaitu metode Talbot,
Sherman, dan Ishiguro. Hasil penelitian berdasarkan nilai deviasi rerata terkecil, koefisien
korelasi dan koefisien NSE terbesar, menunjukkan bahwa sebaran intensitas hujan
terukur pada periode ulang 2, 5, dan 10 tahun sesuai dengan metode Talbot, sedangkan
pada periode ulang 25, 50, dan 100 tahun sesuai dengan metode Sherman.
Dwirani, (2019) melakukan penelitian mengenai Studi Penerapan Metode Talbot,
Mononobe, Hasper Der Weduwen, dan Van Breen Untuk Menentukan Kurva Intensitas
Durasi Frekuensi (IDF) di Stasiun Jabung, Kabupaten Malang. Perhitungan intensitas
hujan dilakukan dengan metode Talbot, Mononobe, Hasper, dan Van Breen. Hasil
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.
2.2 Dasar Teori

2.2.1 DAS (Daerah Aliran Sungai)
Daerah Aliran Sungai (DAS) adalah daerah yang dibatasi oleh punggung gunung
atau pegunungan dimana air hujan yang jatuh di daerah tersebut akan mengalir menuju
sungai utama pada suatu titik atau stasiun yang ditinjau. Air hujan yang jatuh di dalam
DAS akan mengalir menuju sungai utama yang ditinjau, sedangkan yang jatuh diluar
DAS akan mengalir ke sungai lain disebelahnya. Luas DAS diperkirakan dengan
mengkur daerah tersebut dengan peta topografi. Luas DAS sangat berpengaruh terhadap
debit sungai. Pada umumnya semakin besar DAS semakin besar jumlah limpasan
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)
2.2.3 Uji Konsistensi Data Hujan

Data hujan yang yang diperoleh dan dikumpulkan dari pengelolanya dapat terjadi
kemungkinan kesalahan (kekurangan), misalnya kesalahan berupa ketidakpanggahan
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
2. Menghitung nilai Sk*

k
Sk* = ∑i+1(Yᵢ − ̅
Y), k = 1, … . , n (2-2)
3. Menghitung nilai Dy²
n
̅ )²
∑i=1(Yᵢ−Y
Dy² = (2-3)
n
4. Menghitung nilai Dy
Dy = √Dy² (2-4)
5. Menghitung nilai Sk**
Sk∗
Sk**= , k = 1, … . , n (2-5)
Dy
6. Menghitung nilai Sk**maksimum

7. Menghitung nilai Sk** minimum
8. Menghitung nilai Q, kemudian menghitung nilai Q/√N
Q = maks |Sk ∗∗| (2-6)
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.
Tabel 2.1 Nilai Kritis Q/√N dan R/√N

Q/√N R/√N
N
90% 95% 99% 90% 95% 99%
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
30 1,12 1,24 1,46 1,40 1,50 1,70
40 1,13 1,26 1,50 1,42 1,53 1,74
50 1,14 1,57 1,52 1,44 1,55 1,78
100 1,17 1,29 1,55 1,50 1,62 1,86
~ 1,22 1,36 1,63 1,62 1,75 2,00
Sumber : (Harto Br, 1993)
2.2.4 Penentuan Hujan Wilayah

Curah hujan yang dibutuhkan untuk penyusunan suatu rancangan pemanfaatan air
dan rancangan pengendalian banjir adalah curah hujan rata-rata di seluruh daerah aliran
sungai, bukan hanya curah hujan pada satu titik tertentu saja. Apabila pada suatu daerah
terdapat lebih dari satu stasiun pengukuran yang ditempatkan secara terpencar, hujan
yang tercatat di masing-masing stasiun dapat tidak sama (Triatmodjo, 2008). Nilai curah
hujan rata-rata yang jatuh di suatu kawasan tertentu disebut curah hujan wilayah.
Untuk menghitung hujan wilayah diperlukan data curah hujan dari stasiun yang
ditinjau, data koordinat stasiun hujan atau peta stasiun hujan. Perhitungan curah hujan
dapat dilakukan dengan beberapa metode, yaitu :
2.2.4.1 Metode Polygon Thiessen
Metode ini memperhitungkan bobot dari masing-masing stasiun yang mewakili
luasan disekitarnya. Polygon Thiessen banyak digunakan untuk menghitung hujan rerata
kawasan, dimana metode ini adalah tetap untuk suatu jaringan stasiun hujan tertentu.
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)
2.2.4.2 Metode Isohyet

Isohyet adalah garis yang menghubungkan titik-titik dengan kedalaman hujan
yang sama. Pada metode Isohyet, dianggap bahwa hujan pada suatu daerah diantara dua
garis Isohyet adalah merata dan sama dengan nilai rerata dari kedua garis Isohyet tersebut.
Metode Isohyet merupakan cara paling teliti untuk menghitung kedalaman hujan rerata di
suatu daerah, tetapi cara ini membutuhkan pekerjaan dan perhatian yang lebih banyak
dibanding metode sebelumnya (Triatmodjo, 2008).
Langkah-langkah pembuatan garis Isohyet dilakukan dengan prosedur sebagai
berikut :
1. Lokasi stasiun hujan dan kedalaman hujan digambarkan pada peta daerah yang
ditinjau.
2. Nilai kedalaman hujan di stasiun yang berdampingan dibuat interpolasi
dengan pertambahan nilai yang ditetapkan.
3. Membuat kurva yang menghubungkan titik-titik interpolasi yang mempunyai
kedalaman hujan yang sama. Ketelitian tergantung pada pembuatan garis
Isohyet dan intervalnya.
4. Mengukur luas daerah antara dua Isohyet yang berurutan dan kemudian
dikalikan dengan nilai rerata dari nilai kedua garis Isohyet.
5. Jumlah dari hitungan pada langkah 4 untuk seluruh garis Isohyet dibagi
dengan luas daerah yang ditinjau menghasilkan kedalaman hujan rerata daerah
tersebut. Secara matematis, hujan rerata tersebut dapat dihitung dengan
persamaan berikut :
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
Gambar 2.2 Isohyet

2.2.5 Pemilihan Seri Data Hujan

Data curah hujan dapat berupa curah hujan jam-jaman atau curah hujan harian.
Penentuan debit banjir rancangan dapat dilakukan dengan menentukan hujan rancangan
dengan analisis frekuensi dari seri kumpulan data hujan harian beberapa tahun. Penetapan
seri data yang dipergunakan dalam analisis frekuensi dapat dilakukan dengan cara-cara
sebagai berikut :
2.2.5.1 Partial Duration Series
Metode ini dilakukan apabila jumlah data kurang dari 10 tahun data runtut waktu.
Partial Duration Series yang juga disebut dengan Peaks Over Threshold (POT) adalah
rangkaian data debit atau hujan yang besarnya diatas suatu nilai batas bawah tertentu.
Dengan demikian dalam satu tahun bisa terdapat lebih dari satu data yang digunakan
dalam analisis, dari setiap tahun data dipilih dua sampai lima data (Triatmodjo, 2008).
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).
2.2.6 Analisis Frekuensi

Analisis frekuensi data hidrologi bertujuan untuk mencari hubungan antara
besarnya kejadian ekstrim terhadap frekuensi kejadian dengan menggunakan distribusi
probabilitas. Besarnya kejadian ekstrim mempunyai hubungan terbalik dengan
probabilitas kejadian, misalnya frekuensi debit-debit sedang atau kecil, dengan analisis
frekuensi dapat diperkirakan besarnya banjir dengan interval kejadian tertentu seperti 10
tahunan, 100 tahunan atau 1000 tahun. Selain itu juga dapat mengetahui nilai frekuensi
banjir besar tertentu yang mungkin terjadi selama suatu periode waktu, misalnya 100
tahun (Triatmodjo, 2008).
Dalam statistik dikenal beberapa parameter yang berkaitan dengan analisis data
yang meliputi (Triatmodjo, 2008) :
1. Nilai rerata curah hujan (average)
Nilai rerata merupakan nilai yang dianggap cukup representatif dalam suatu
distribusi. Nilai rata-rata tersebut dianggap sebagai nilai sentral dan dapat
dipergunakan untuk pengukuran sebuah distribusi.
∑n
i=1 Xi
x̅ = (2-10)
n
dengan :
̅
X = rerata curah hujan
Xi = data curah hujan
n = jumlah data
2. Standar deviasi (S)

Umumnya ukuran dispersi yang paling banyak digunakan adalah standar
deviasi. Apabila penyebaran data sangat besar terhadap nilai rata-rata maka
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
̅
n = jumlah data
3. Koefisien variasi (Cv)

Koefisien variasi (variation coefficient) adalah nilai perbandingan antara
standar deviasi dengan nilai rata-rata hitung dari suatu distribusi.
S
Cv = ̅ (2-12)
X
dengan :
̅
4. Koefisien kepencengan (skewness) (Cs)

Koefisien kepencengan adalah suatu nilai yang menunjukkan derajat
ketidaksimetrisan (asymmetry) dari suatu bentuk distribusi.
n
̅ )³
n ∑i=1(Xi−X
Cs = (n−1)(n−2) S³
(2-13)
dengan :
̅
n = jumlah data
5. Koefisien kurtosis (Ck)

Pengukuran kurtosis dimaksudkan untuk mengukur keruncingan dari bentuk
kurva distribusi, yang umunya dibandingkan dengan distribusi normal.
13
n 4
̅)
n² ∑i=1(Xi−X
Ck = (n−1)(n−2)(n−3) S4
(2-14)
dengan :
̅
n = jumlah data
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).
Tabel 2.2 Syarat Pemilihan Agihan

No Agihan Syarat
Cs ≈ 0
1 Agihan Normal
Ck ≈ 3
Cs ≈ 3Cv
2 Agihan Log Normal
Ck > 0
Cs ≈ 1,14
3 Agihan Gumbel
Ck ≈ 5,4
4 Agihan Log Pearson Type III Tidak ada syarat (seluruh nilai diluar agihan 1, 2, dan 3)
Sumber : (Triatmodjo, 2008)
2.2.7 Distribusi Curah Hujan

2.2.7.1 Distribusi Normal
Dalam analisis hidrologi distribusi normal banyak digunakan untuk menganalisis
frekuensi curah hujan, analisi statistik dari distribusi curah hujan tahunan, dan debit rata-
rata tahunan. Distribusi normal atau kurva normal disebut pula distribusi Gauss.
Persamaan umum yang digunakan adalah :
Xt = Xr + k. Sx (2-15)
dengan :
Xt = curah hujan rancangan
14
Xr = curah hujan rerata
k = faktor frekuensi
Sx = deviasi standar
2.2.7.2 Distribusi Log Normal

Distribusi Log Normal merupakan hasil transformasi dari distribusi Normal, yaitu
dengan mengubah varian X menjadi nilai logaritmik varian X. Rumus yang digunakan
dalam perhitungan distribusi ini adalah :
Log Xt = ̅̅̅̅̅̅̅̅̅
Log Xr + k. Slog x (2-16)
dengan :
Log Xt = nilai logaritmik curah hujan rancangan
̅̅̅̅̅̅̅̅
LogXr = nilai logaritmik curah hujan rerata
k = faktor frekuensi
Slog x = nilai logaritmik 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)
2.2.7.3 Distribusi Gumbel

Distribusi Gumbel digunakan untuk analisis data maksimum, misalnya untuk
analisis frekuensi banjir. Terdapat tiga parameter statistik yang digunakan dalam
distribusi Gumbel, yaitu :
1. Menghitung nilai rata-rata (mean)
2. Menghitung simpangan baku (standard deviation)
3. Menghitung koefisien kemencengan (skewness)
Untuk menghitung curah hujan rencana dengan metode sebaran digunakan
persamaan distribusi frekuensi empiris sebagai berikut :
n
̅ )³
n ∑i=1(Xi−X
Cs = (n−1)(n−2) S³
(2-16)
n 4
̅)
n² ∑i=1(Xi−X
Ck = (n−1)(n−2)(n−3) S4
(2-17)
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
Yn = nilai rata-rata reduksi varian (reduce mean)

Sn = reduksi variat (reduced variate standard deviation)
σn = simpangan baku
̅ )²
∑(Xi−X
=√ (2-20)
n−1
Tabel 2.4 Hubungan Nilai n dengan Nilai Sn dan Yn Gumbel

n Yn Sn n Yn Sn n Yn Sn
8 0,4843 0,9043 39 0,543 1,1388 70 0,5548 1,1854
9 0,4902 0,9288 40 0,5436 1,1413 71 0,5550 1,1863
10 0,4592 0,9497 41 0,5442 1,1436 72 0,5552 1,1873
11 0,4996 0,9676 42 0,5448 1,1458 73 0,5555 1,1881
12 0,5035 0,9833 43 0,5453 1,1480 74 0,5557 1,1890
13 0,5070 0,9972 44 0,5458 1,1499 75 0,5559 1,1898
14 0,5100 1,0095 45 0,5463 1,1519 76 0,5561 1,1906
15 0,5128 1,0205 46 0,5468 1,1538 77 0,5563 1,1915
16 0,5157 1,0316 47 0,5473 1,1557 78 0,5565 1,1923
17 0,5181 1,0411 48 0,5477 1,1574 79 0,5567 1,1930
18 0,5202 1,0493 49 0,5481 1,1590 80 0,5569 1,1938
19 0,5220 1,0566 50 0,5485 1,1607 81 0,5570 1,1945
20 0,5235 1,0628 51 0,5489 1,1623 82 0,5572 1,1953
21 0,5252 1,0696 52 0,5493 1,1638 83 0,5574 1,1959
22 0,5268 1,0754 53 0,4597 1,1658 84 0,5576 1,1967
23 0,5283 1,0811 54 0,5501 1,1667 85 0,5578 1,1973
24 0,5296 1,0864 55 0,5504 1,1681 86 0,5580 1,1980
25 0,5309 1,0915 56 0,5508 1,1696 87 0,5581 1,1987
26 0,5320 1,0961 57 0,5511 1,1708 88 0,5583 1,1994
27 0,5332 1,1004 58 0,5515 1,1721 89 0,5585 1,2001
28 0,5343 1,1047 59 0,5518 1,1734 90 0,5586 1,2007
29 0,5353 1,1086 60 0,5521 1,1747 91 0,5587 1,2013
30 0,5362 1,1124 61 0,5524 1,1759 92 0,5589 1,2020
31 0,5371 1,1159 62 0,5527 1,1770 93 0,5591 1,2026
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)
Tabel 2.5 Hubungan Nilai Tr dengan Nilai Yt

Tr Tr
Yt Yt
(Tahun) (Tahun)
2 0,3665 45 3,7954
5 1,4999 50 3,9019
10 2,2504 100 4,6001
15 2,6738 200 5,2958
20 2,9702 500 6,2136
25 3,1985 1000 6,9073
30 3,3843 2500 7,8238
35 3,5409 5000 8,5171
40 3,6762 10000 9,2103
2.2.7.4 Distribusi Log Pearson Type III

Distribusi ini yang paling sering digunakan dalam analisis hidrologi. Terdapat tiga
parameter statistik yang digunakan dalam distribusi Log Pearson Type III, yaitu :
1. Nilai rata-rata (mean)
2. Simpangan baku (standard deviation)
3. Koefisien kemencengan (skewness)
Berikut langkah-langkah perhitungan dengan distribusi Log Pearson Type III :
1. Mengubah data (X) ke bentuk logaritma
̅̅̅̅̅̅
2. Menghitung nilai rata-rata (log X)
18
3. Menghitung nilai simpangan baku
̅̅̅̅̅̅̅̅
∑(log − log X)²
S= √ (2-21)
n−1
4. Menghitung nilai koefisien kemencengan (skewness)

̅̅̅̅̅̅̅̅
n ∑(log − log X)³
Cs = (n−1)(n−2) S³
(2-22)
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).
Tabel 2.6 Nilai k Untuk Distribusi Log Pearson Type III
Koef. Periode Ulang (Tahun)

Kemencengan
(CS)
2 5 10 25 50 100 200 1000
3,0 -0,396 0,420 1,180 2,278 3,152 4,051 4,970 7,250
2,5 -0,360 0,518 1,250 2,262 3,048 3,845 4,652 6,600
2,2 -0,330 0,574 1,284 2,240 2,970 3,705 4,444 6,200
2,0 -0,307 0,609 1,302 2,219 2,912 3,605 4,298 5,910
1,8 -0,282 0,643 1,318 2,193 2,848 3,499 4,147 5,660
1,6 -0,254 0,675 1,329 2,163 2,780 3,388 3,990 5,390
1,4 -0,225 0,705 1,337 2,128 2,706 3,271 3,828 5,110
1,2 -0,195 0,732 1,340 2,087 2,626 3,149 3,661 4,820
1,0 -0,164 0,758 1,340 2,043 2,542 3,022 3,489 4,540
0,9 -0,148 0,769 1,339 2,018 2,498 2,957 3,401 4,395
0,8 -0,132 0,780 1,336 1,998 2,453 2,891 3,312 4,250
0,7 -0,116 0,790 1,333 1,967 2,407 2,824 3,223 4,105
0,6 -0,099 0,800 1,328 1,939 2,359 2,755 3,132 3,960
0,5 -0,083 0,808 1,323 1,910 2,311 2,686 3,041 3,815
0,4 -0,066 0,816 1,317 1,880 2,261 2,615 2,949 3,670
0,3 -0,050 0,824 1,309 1,849 2,211 2,544 2,856 3,525
0,2 -0,033 0,830 1,301 1,818 2,159 2,472 2,763 3,330
0,1 -0,017 0,836 1,292 1,785 2,107 2,400 2,670 3,235
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
2.2.8 Uji Kesesuaian Distribusi

Uji kesesuaian distribusi bertujuan untuk menetapkan apakah persamaan distribusi
yang telah dipilih dapat mewakili dari distribusi sampel data yang akan dianalisis.
Terdapat dua jenis kesesuaian distribusi, yaitu :
2.2.8.1 Uji Chi-Kuadrat
Dalam uji Chi-Kuadrat ini menggunakan parameter X². Adapun rumus yang
digunakan dalam uji ini adalah :
(Oi− Ei )²
X ² = ∑N
i=1 (2-24)
Ei
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
7. Menghitung nilai derajat kebebasan

Dk = k – (P + 1) (2-25)
dengan :
Dk = derajat kebebasan
k = banyaknya kelas
P = banyaknya parameter
Tabel 2.7 Nilai Kritis Untuk Uji Chi-Kuadrat

Derajat Kepercayaan
Dk
0,995 0,99 0,975 0,95 0,05 0,025 0,01 0,005
1 0,04393 0,03157 0,03982 0,02393 3,841 5,024 6,635 7,879
2 0,010 0,0201 0,0506 0,103 5,991 7,378 9,210 10,597
3 0,072 0,115 0,216 0,352 7,815 9,348 11,345 12,838
4 0,207 0,297 0,484 0,711 9,488 11,143 13,277 14,860
5 0,412 0,554 0,831 1,145 11,070 12,832 15,086 16,750
6 0,676 0,872 1,237 1,635 12,592 14,449 16,812 18,548
7 0,989 1,239 1,690 2,167 14,067 16,013 18,475 20,278
8 1,344 1,646 2,180 2,733 15,507 17,535 20,090 21,955
9 1,735 2,088 2,700 3,325 16,919 19,023 21,666 23,589
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
2.2.8.2 Uji Smirnov-Kolmogorov

Uji Smirnov-Kolmogorov sering juga disebut dengan uji kecocokan non
parametric, karena pengujiannya tidak menggunakan fungsi distribusi tertentu. Dalam
pengujian ini, distribusi dianggap sesuai apabila Dmaks < Dkritis. Dmaks merupakan
simpangan maksimum dari data, sedangkan Dkritis merupakan simpangan yang diperoleh
dari tabel dengan tingkat kepercayaan (α) tertentu. Adapun langkah-langkah dalam uji
Smirnov-Kolmogorov adalah sebagai berikut :
1. Mengurutkan data hujan dari nilai terbesar sampai nilai terkecil.
22
2. Menentukan masing-masing peluang dari data hujan yang telah diurutkan
dengan rumus Weibull
m
P (Xi) = n+1 (2-26)
3. Menentukan peluang teoritis P’(Xi) melalui berdasarkan persamaan distribusi

probabilitas yang dipilih.
4. Menentukan selisih tersbesar antara peluang pengamatan dengan peluang
teoritis
Dmaks = |P (Xi) − P’(Xi)| (2-27)
5. Berdasarkan tabel nilai kritis, tentukan harga Dkritis
a. Apabila Dmaks < Dkritis maka distribusi teoritis yang digunakan untuk
menentukan persmaan tersebut dapat diterima.
b. Apabila Dmaks > Dkritis maka distribusi teoritis yang digunakan untuk
menentukan persmaan tersebut tidak dapat diterima.
Tabel 2.8 Nilai Dkritis Untuk Uji Smirnov-Kolmogorov

α
Jumlah Data (n)
0,2 0,1 0,05 0,01
5 0,45 0,51 0,56 0,67
10 0,32 0,37 0,41 0,49
15 0,27 0,3 0,34 0,4
20 0,23 0,26 0,29 0,36
25 0,21 0,24 0,27 0,32
30 0,19 0,22 0,29 0,36
35 0,18 0,2 0,23 0,27
40 0,17 0,19 0,21 0,25
45 0,16 0,18 0,2 0,24
50 0,15 0,17 0,19 0,23
1,07 1,22 1,36 1,693
n > 50
n0,5 n0,5 n0,5 n0,5
2.2.9 Intensitas Hujan

Intensitas hujan adalah jumlah hujan per satuan waktu yang dinyatakan dalam
mm/jam (Hadisusanto, 2010). Pada umumnya, semakin pendek jangka waktu curah
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)
2.2.9.2 Metode Talbot

Rumus ini ditemukan oleh Prof. Talbot pada tahun 1881. Rumus ini banyak
digunakan karena mudah diterapkan dan memiliki tetapan-tetapan a dan b yang sudah
ditentukan dengan harga-harga terukur (Sosrodarsono & Takeda, 2003) :
a
I = t+b (2-29)
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)
24
a,b = konstanta yang tergantung pada lamanya curah hujan
N = banyaknya data hujan
2.2.9.3 Metode Sherman

Rumus ini dikemukakan oleh Prof. Sherman pada tahun 1905. Rumus ini cocok
digunakan untuk jangka waktu curah hujan yang lamanya lebih dari 2 jam (Sosrodarsono
& Takeda, 2003) :
a
I = n (2-32)
t
(∑ log I)(∑ logt²) − (∑ log t .log I) (∑ log t)

log a = (2-33)
N (∑ logt2 )− (∑ log t)(∑ log t)
(∑ log I)(∑ logt²) − N (∑ log t .log I)

N = (2-34)
N (∑ log t2 )− (∑ log t)(∑ log t)
dengan :
a = konstanta yang tergantung pada lamanya curah hujan
N = banyaknya data hujan
2.2.9.4 Metode Mononobe

Rumus Mononobe merupakan sebuah variasi dari rumus Talbot, Sherman,
Ishiguro yang merupakan rumus-rumus intensitas curah hujan jangka pendek. Rumus
Mononobe sering digunakan dalam metode rasional dan digunakan untuk menghitung
intensitas curah hujan setiap waktu berdasarkan data curah hujan harian. Intensitas curah
hujan Mononobe dinyatakan dengan rumus sebagai berikut (Sosrodarsono & Takeda,
2003) :
24 R 24 m
I = 24 (t) (2-35)
dengan :
R24 = curah hujan harian maksimum dalam 24 jam (mm)
25
m = konstanta (0,6667)
2.2.9.5 Metode Van Breen

Penurunan rumus yang dilakukan oleh Van Breen didasarkan atas anggapan
bahwa lamanya durasi hujan yang ada di Pulau Jawa terkonsentrasi selama 4 jam, dengan
hujan efektif sebesar 90% hujan total selama 24 jam. Persamaan tersebut adalah (Asy’ari
& Nirmala, 2008) :
54Rt +0,007Rt 2
It = (2-36)
tc+0,31Rt
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)
2.2.10 Uji Kesesuaian Metode

2.2.10.1 Deviasi Rata-Rata
Deviasi rata-rata merupakan nilai rata-rata penyimpangan mutlak dari selisih
nilai intensitasi hujan metode empiris dikurangi dengan intensitas hujan pengamatan.
Deviasi ini dapat menunjukkan tingkat kesalahan dalam perhitungan antara intensitas
hujan metode empiris dengan intensitas hujan pengamatan. Semakin kecil nilai deviasi
dari hasil perhitungan yang telah dilakukan maka akan semakin kecil pula tingkat
kesalahannya.
1
D = ∑ni=1|Xb − Xa | (2-37)
n
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
2.2.10.3 Nash-Sutcliffe Efficiency (NSE)

Nash-Sutcliffe Efficiency bertujuan untuk menunjukkan tingkat ketelitian dari
korelasi hubungan antara data yang terukur dengan data yang terhitung. Kalibrasi dan
pengujian model bertujuan agar hasil output model mendekati output dari DAS yang diuji
(Indarto, 2012).
∑n
i=1(Qsi − Qmi )²
NSE = 1 - (2-39)
∑n
i=1(Qsi − Qm )²
dengan :
Q si = nilai simulasi model
Q mi = nilai pengamatan
Qm = nilai rata-rata pengamatan
n = jumlah data
Tabel 2.9 Kriteria Nash-Sutcliffe Efficiency

NSE INTERPRETASI
0,75 < NSE ≤ 1,00 Sangat Baik
0,65 < NSE ≤ 0,75 Baik
0,50 < NSE ≤ 0,65 Memenuhi
NSE ≤ 0,50 Tidak Memenuhi
Sumber : (Jarwanti et al., 2021)
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).
Gambar 2.3 Kurva Intensity Duration Frequency

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).
Gambar 2.4 Kurva Depth Area Duration
29
BAB III
METODOLOGI PENELITIAN
3.1 Lokasi Penelitian

Lokasi yang dipilih pada penelitian ini terletak di kawasan Daerah Aliran Sungai
(DAS) Meninting, Kabupaten Lombok Barat, Provinsi Nusa Tenggara Barat. DAS
Meninting terletak di Wilayah Sungai (WS) Pulau Lombok yang memiliki luas sebesar
114,56 km2. DAS Meninting memiliki 3 stasiun hujan berpengaruh yaitu stasiun hujan
Gunung Sari yang secara geografis terletak pada koordinat 8˚32'25'' LS dan 116˚05'52''
BT, stasiun hujan Sesaot yang secara geografis terletak pada koordinat 8˚32'06'' LS dan
116˚14'12'' BT, serta stasiun hujan Bertais yang secara geografis terletak pada koordinat
8°35'42,1" LS dan 116°10'11,64" (Balai Wilayah Sungai Nusa Tenggara I, 2023).
Gambar 3.1 Peta DAS Meninting

(Sumber : Balai Wilayah Sungai Nusa Tenggara I, 2023)
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.
3.2.2 Analisis Data

Analisis data dapat dilakukan setelah keseluruhan data yang diperlukan terkumpul.
Adapun tahapan analisis data pada penelitian ini sebagai berikut :
1. Langkah-langkah yang akan dilakukan untuk analisis data dalam pembuatan
kurva Intensity Duration Frequency di DAS Meninting :
a. Menentukan Intensitas Hujan Terukur dan Intensitas Hujan Metode Empiris
(Talbot dan Sherman)
1) Mengumpulkan data hujan jam-jaman (ARR) selama 3 tahun (2016-
2018) dari stasiun hujan Gunung Sari, Sesaot, Bertais.
2) Melakukan uji konsistensi data hujan di masing-masing stasiun hujan
dengan metode Rescaled Adjusted Partial Sums (RAPS).
3) Menentukan curah hujan rerata wilayah dan menentukan seri data hujan
dengan Partial Duration Series.
4) Menentukan jenis agihan atau distribusi hujan yang akan digunakan.
5) Melakukan uji kesesuaian distribusi terpilih dengan metode Chi-
Kuadrat dan Smirnov-Kolomogorov.
6) Menghitung kedalaman hujan rencana dalam berbagai durasi dan
periode ulang.
Rt
7) Menghitung intensitas hujan terukur dengan rumus It = dalam
t
berbagai periode ulang dan durasi.
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).
b. Menentukan Intensitas Hujan Metode Empiris (Mononobe dan Van Breen)

1) Mengumpulkan data hujan harian (ARR) selama 15 tahun (2008-2022)
dari stasiun hujan Gunung Sari, Seasot, dan Bertais.
2) Melakukan uji konsistensi data hujan di masing-masing stasiun hujan
dengan metode Rescaled Adjusted Partial Sums (RAPS).
3) Menentukan curah hujan rerata wilayah dan menentukan seri data hujan
menggunakan Annual Maximum Series.
4) Menentukan jenis agihan atau distribusi hujan yang akan digunakan.
5) Melakukan uji kesesuaian distribusi terpilih dengan metode Chi-
Kuadrat dan Smirnov-Kolmogorov.
6) Menghitung kedalaman hujan rencana dalam berbagai periode ulang
dan durasi.
7) Menghitung intensitas hujan dengan metode empiris (Talbot, Sherman,
Mononobe, dan Van Breen) dalam berbagai periode ulang untuk setiap
durasi, khusus untuk perhitungan metode Talbot dan Sherman
digunakan data hujan jam-jaman.
8) Membuat kurva IDF setiap metode empiris dalam berbagai periode
ulang untuk setiap durasi.
9) Membandingkan kurva IDF intensitas hujan terukur dengan kurva IDF
metode empiris.
10) Melakukan uji kesesuaian metode untuk membandingkan hasil dan
validasi perhitungan intensitas hujan terukur dengan intensitas hujan
metode empiris dalam berbagai periode ulang dengan mencari deviasi
rata-rata terkecil, kesalahan relatif terkecil (Kr), dan Nash-Sutcliffe
Efficiency (NSE) terbaik, metode empiris yang memenuhi persyaratan
tersebut akan menjadi metode terpilih untuk pembuatan kurva IDF di
DAS Meninting.
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
HASIL DAN PEMBAHASAN
4.1 Pengumpulan Data Awal

4.1.1 Peta Stasiun Hujan
Peta lokasi penyebaran stasiun hujan diperoleh dari Balai Wilayah Sungai Nusa
Tengga I (BWS NT I) digunakan untuk mengetahui letak stasiun hujan yang terdekat dan
berpengaruh terhadap curah hujan di DAS Meninting. Terdapat 3 stasiun hujan yang
terdekat dan berpengaruh terhadap curah hujan di DAS Meninting yaitu stasiun hujan
Gunung Sari, Sesaot, dan Bertais.
4.1.2 Data Hujan
Data hujan yang digunakan dalam penelitian adalah data sekunder berupa data
hujan jam-jaman dan harian terukur yang diperoleh dari Automatic Rainfall Recorder
(ARR) stasiun hujan Gunung Sari, Sesaot, dan Bertais.
Data hujan jam-jaman di stasiun hujan Gunung Sari dan Sesaot tercatat selama 10
tahun (2010 – 2018 dan 2020) sedangkan stasiun hujan Bertais tercatat selama 4 tahun
(2016 – 2018 dan 2020). Berdasarkan informasi yang diperoleh dari Balai Wilayah
Sungai Nusa Tenggara I (BWS NT I) bahwa data hujan jam-jaman pada tahun 2019 dari
ketiga stasiun tersebut tidak tersedia karena alat pengukur hujan otomatis rusak. Peneliti
hanya menggunakan data hujan jam-jaman dari ketiga stasiun tersebut selama 3 tahun
(2016 – 2018), maka dalam penentuan seri data karena data hujan kurang dari 10 tahun
digunakan Partial Duration Series dimana dalam satu tahun dapat dipilih dua sampai
lima data maksimum yang digunakan dalam analisis.
Data hujan harian di stasiun hujan Gunung Sari dan Sesaot tercatat selama 23 tahun
(2000 – 2022) sedangkan stasiun hujan Bertais tercatat selama 15 tahun (2008 – 2022).
Sehingga, peneliti hanya menggunakan data hujan harian dari ketiga stasiun tersebut
selama 15 tahun (2008 – 2022), maka dalam penentuan seri data digunakan Annual
Maximum Series dimana dalam satu tahun hanya dipilih satu data maksimum yang
digunakan dalam analisis.
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
No Tahun Yi (Yi-Ῡ)2 Sk* Dy2 Dy Sk** ǀSk**ǀ

1 2016 2553,50 385102,99 620,57 128367,66 0,92 0,92
2 2017 2251,20 101293,67 938,83 33764,56 675,23 1,39 1,39
3 2018 994,10 881408,03 0,00 293802,68 0,00 0,00
Jumlah 5798,80 1367804,69 455934,90
Rata-Rata (Ῡ) 1932,93 455934,90
9. Nilai maksimum Sk** = 1,39

10. Nilai minimum Sk** = 0,00
11. Nilai Q = maksimum |Sk ∗∗|
= 1,39
12. Nilai R = maksimum Sk** - minimum Sk**
= 1,39 – 0,00
= 1,39
13. Nilai Q / √N perhitungan = Q / √N
= 1,39 / √3
= 0,80
14. Nilai R / √N perhitungan = R / √N
= 1,39 / √3
= 0,80
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 :
Q/√N dengan tingkat kepercayaan 99% untuk N = 3

(y− y1 ) (x− x1)
=
(y2 − y1) (x2 − x1)
(3− 10) (x− 1,29)
=
(20− 10) (1,42− 1,29)
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
Tabel 4.4 Data Hujan Otomatis Jam-Jaman Tahunan Stasiun Sesaot

Tahun Curah Hujan Terukur Tahunan Stasiun Sesaot (mm)
2016 3806,80
2017 3013,50
2018 2950,70
39
Analisis uji konsistensi metode RAPS pada stasiun Sesaot untuk tahun 2016 adalah
sebagai berikut :
3. ̅)
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
= √151797,33
= 389,61
= 549,80 / 389,61
= 1,41
= 1,41
Tabel 4.5 Uji RAPS Hujan Jam-Jaman Stasiun Sesaot

1 2016 3806,80 302280,04 549,80 100760,01 1,41 1,41
2 2017 3013,50 59292,25 306,30 19764,083 389,61 0,79 0,79
3 2018 2950,70 93819,69 0,00 31273,23 0,00 0,00
Jumlah 9771,00 455391,98 151797,33
Rata-Rata (Ῡ) 3257,00 151797,33

= 1,41
40
= 1,41 – 0,00
= 1,41
= 1,41 / √3
= 0,81
= 1,41 / √3
= 0,81
Sehingga hasil analisis Rescaled Adjusted Partial Sums (RAPS) pada stasiun Sesaot
dengan tingkat kepercayaan 99% adalah :
Tabel 4.6 Data Hujan Otomatis Jam-Jaman Tahunan Stasiun Bertais

Tahun Curah Hujan Terukur Tahunan Stasiun Bertais (mm)
2016 2720,00
2017 2193,30
2018 1834,80
Analisis uji konsistensi metode RAPS pada stasiun Bertais untuk tahun 2016 adalah
sebagai berikut :
3. ̅)
Y) + Sk* sebelumnya
= (2720,0 – 2249,37) + 0
= 470,63 mm
= (Yi − Y
= (2720,0 – 2249,37)2 / 3
= 73831,91 mm2
41
= √132168,24
= 363,55
= 470,63 / 363,55
= 1,29
= 1,29
Tabel 4.7 Uji RAPS Hujan Jam-Jaman Stasiun Bertais

1 2016 2720,00 221495,73 470,63 73831,91 1,29 1,29
2 2017 2193,30 3143,47 414,57 1047,82 363,55 1,14 1,14
3 2018 1834,80 171865,52 0,00 57288,51 0,00 0,00
Jumlah 6748,10 396504,73 132168,24
Rata-Rata (Ῡ) 2249,37 132168,24

= 1,29
= 1,29 – 0,00
= 1,29
= 1,29 / √3
= 0,75
= 1,29 / √3
= 0,75
42
4.2.2 Uji Rescaled Adjusted Partial Sums (RAPS) Hujan Harian
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
Analisis uji konsistensi metode RAPS pada stasiun Gunung Sari untuk tahun 2008
adalah sebagai berikut :
3. ̅)
Y) + Sk* sebelumnya
= (1199,9 – 1642,91) + 0
= -442,59 mm
43
Y )2 / n
= (1199,9 – 1642,91)2 / 15
= 13058,86 mm2
= √269515,43
= 519,15
= -442,59 / 519,15
= -0,85
8. Nilai statistik |Sk ∗∗| = |−0,85|
= 0,85
Tabel 4.9 Uji RAPS Hujan Harian Stasiun Gunung Sari

1 2008 1199,90 195882,96 -442,59 13058,86 -0,85 0,85
2 2009 1218,00 180188,93 -867,07 12012,60 -1,67 1,67
3 2010 1903,60 68180,17 -605,96 4545,34 -1,17 1,17
4 2011 1284,40 128226,06 -964,05 8548,40 -1,86 1,86
5 2012 1623,90 345,46 -982,63 23,03 -1,89 1,89
6 2013 1926,30 80550,01 -698,82 5370,00 -1,35 1,35
7 2014 1178,10 215654,98 -1163,21 14377,00 -2,24 2,24
8 2015 1236,70 164662,82 -1568,99 10977,52 519,15 -3,02 3,02
9 2016 2556,50 835420,37 -654,98 55694,69 -1,26 1,26
10 2017 2213,90 326513,20 -83,57 21767,55 -0,16 0,16
11 2018 994,10 420405,27 -731,95 28027,02 -1,41 1,41
12 2019 948,30 481895,13 -1426,14 32126,34 -2,75 2,75
13 2020 1781,30 19269,14 -1287,33 1284,61 -2,48 2,48
14 2021 2506,30 746173,47 -423,51 49744,90 -0,82 0,82
15 2022 2066,00 179363,54 0,00 11957,57 0,00 0,00
Jumlah 24637,30 4042731,52 269515,43
Rata-Rata (Ῡ) 1642,49 269515,43

10. Nilai minimum Sk** = -3,02
= 3,02
44
= 0,00 – (-3,02)
= 3,02
= 3,02 / √15
= 0,78
= 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 :
Q/√N dengan tingkat kepercayaan 99% untuk N = 3

1,42−1,29
( ) x (15 - 10) + 1,29 = 1,36
20−10
R/√N dengan tingkat kepercayaan 99% untuk N = 3

1,60−1,38
( ) x (15 - 10) + 1,38 = 1,49
20−10
Tabel 4.10 Interpolasi Nilai Kritis Q/√N dan R/√N Untuk N = 15

Q/√n R/√n
N
90% 95% 99% 90% 95% 99%
10 1,05 1,14 1,29 1,21 1,28 1,38
15 1,08 1,14 1,36 1,28 1,36 1,49
20 1,10 1,14 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 :
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
Analisis uji konsistensi metode RAPS pada stasiun Sesaot untuk tahun 2008 adalah
sebagai berikut :
3. ̅)
4. Nilai statistik Sk* ̅) + Sk* sebelumnya
= (Yi − Y
= (2096,10 – 2814,43) + 0
= -718,33 mm
Y )2 / n
= (2096,10 – 2814,43)2 / 15
= 13717,67 mm2

= √1826170,58
= 1351,36
46
= --718,33 / 1351,36
= -0,53
= 0,53
Tabel 4.12 Uji RAPS Hujan Harian Stasiun Sesaot

1 2008 2096,10 205765,06 -718,33 13717,67 -0,53 0,53
2 2009 2256,80 377380,87 -1275,95 25158,72 -0,94 0,94
3 2010 2095,50 205221,08 -1994,88 13681,41 -1,48 1,48
4 2011 2533,90 794617,73 -2275,41 52974,52 -1,68 1,68
5 2012 3427,50 3186272,60 -1662,33 212418,17 -1,23 1,23
6 2013 3177,90 2357494,10 -1298,86 157166,27 -0,96 0,96
7 2014 2252,40 371994,27 -1860,89 24799,62 -1,38 1,38
8 2015 2229,20 344232,54 -2446,11 22948,84 1351,36 -1,81 1,81
9 2016 3806,80 4684252,20 -1453,74 312283,48 -1,08 1,08
10 2017 3013,50 1879677,56 -1254,67 125311,84 -0,93 0,93
11 2018 2950,70 1711422,13 -1118,39 114094,81 -0,83 0,83
12 2019 1714,00 5114,16 -2218,82 340,94 -1,64 1,64
13 2020 3128,10 2207046,98 -1905,15 147136,47 -1,41 1,41
14 2021 3899,20 5092755,07 -820,37 339517,00 -0,61 0,61
15 2022 3634,80 3969312,42 0,00 264620,83 0,00 0,00
Jumlah 42216,40 27392558,76 1826170,58
Rata-Rata (Ῡ) 2814,43 1826170,58

= 1,81
= 0,00 – (-1,81)
= 1,81
= 1,81 / √15
= 0,47
47
= 1,81 / √15
= 0,47
Tabel 4.13 Data Hujan Otomatis Harian Tahunan Stasiun Bertais

Tahun Curah Hujan Terukur Tahunan Stasiun Bertais (mm)
2008 268,30
2009 199,10
2010 833,30
2011 719,10
2012 1503,20
2013 1646,70
2014 1123,80
2015 1721,70
2016 2267,30
2017 2267,30
2018 1886,30
2019 1518,70
2020 1511,10
2021 1306,80
2022 1645,10
Analisis uji konsistensi metode RAPS pada stasiun Bertais untuk tahun 2008 adalah
sebagai berikut :
3. ̅)
48
Y) + Sk* sebelumnya
= (268,30 – 1392,42) + 0
= -1124,12 mm
= (Yi − Y
= (268,30 – 1392,42)2 / 15
= 125892,60 mm2

= √504290,52
= 710,13
= -1124,12 / 710,13
= -1,58
= 1,58
Tabel 4.14 Uji RAPS Hujan Harian Stasiun Bertais

1 2008 268,30 1888388,99 -1124,12 125892,60 -1,58 1,58
2 2009 199,10 2083365,07 -2317,44 138891,00 -3,26 3,26
3 2010 833,30 654783,06 -2876,56 43652,20 -4,05 4,05
4 2011 719,10 852642,94 -3549,88 56842,86 -5,00 5,00
5 2012 1503,20 19400,78 -3439,10 1293,39 -4,84 4,84
6 2013 1646,70 17,75 -3184,82 1,18 -4,48 4,48
7 2014 1123,80 269035,86 -3453,44 17935,72 -4,86 4,86
8 2015 1721,70 6274,75 -3124,16 418,32 710,13 -4,40 4,40
9 2016 2735,80 1195334,04 -1780,78 79688,94 -2,51 2,51
10 2017 2267,30 390391,70 -905,90 26026,11 -1,28 1,28
11 2018 1886,30 59444,94 -412,02 3963,00 -0,58 0,58
12 2019 1518,70 15323,14 -285,74 1021,54 -0,40 0,40
13 2020 1511,10 17262,46 -167,06 1150,83 -0,24 0,24
14 2021 1306,80 112685,54 -252,68 7512,37 -0,36 0,36
15 2022 1645,10 6,83 0,00 0,46 0,00 0,00
Jumlah 20886,30 7564357,85 504290,52
Rata-Rata (Ῡ) 1392,42 504290,52
49
= 5,00
= 0,00 – (-5,00)
= 5,00
= 5,00 / √15
= 1,29
= 5,00 / √15
= 1,29
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.
Gambar 4.1 Polygon Thiessen DAS Meninting
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.
Tabel 4.15 Luas Wilayah Masing-Masing Stasiun Hujan di DAS Meninting

No Stasiun Hujan Luas (km²) Koefiesien Thiessen (%)
1 Gunung Sari 96,82 84,52
2 Sesaot 13,84 12,08
3 Bertais 3,90 3,40
Jumlah 114,56 100
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
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
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
53
Tabel 4.18 Curah Hujan Rata-Rata Durasi 1 Jam Stasiun Bertais Tahun 2016
2016
Stasiun Curah Hujan
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
54
Tabel 4.19 Curah Hujan Rata-Rata Maksimum Durasi 1 Jam Tahun 2016
2016
Jam Ke Curah Hujan Rata-Rata Maksimum
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
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
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
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
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.
Tabel 4.23 Curah Hujan Rata-Rata Maksimum

Stasiun
Stasiun Stasiun Rerata Rerata Hujan
Tahun Tanggal Gunung
Sesaot Bertais Hujan Maksimum
Sari
30 Apr 64,3 49,5 0 60,32
2008 25 Sept 6 93 0 16,31 60,32
21 Mei 14,8 2,4 42,6 14,25
15 Jan 62,1 18,4 0 54,71
2009 10 Jan 53,8 283,4 0 79,71 79,71
7 Mar 0 1,2 42,8 1,60
24 Sept 103,5 133,6 0 103,61
2010 24 Sept 103,5 133,6 0 103,61 103,61
27 Jul 0 38 82,9 7,41
23 Nov 76,8 17,9 4,7 67,23
2011 15 Apr 0 116,5 0 14,07 67,23
1 Jan 27,5 14,9 37 26,30
9 Des 75,4 30,9 1,7 67,51
2012 8 Jan 25,2 92,9 5,6 32,71 67,51
29 Okt 4,7 30 105 11,17
29 Jun 83,5 52,6 23 77,71
2013 4 Des 11,2 102,3 25,6 22,70 77,71
25 Feb 2 2,2 96,2 5,23
9 Feb 94,8 59,8 6,3 87,56
2014 26 Des 53 79,5 0 54,40 87,56
24 Okt 0,5 8,1 61,3 3,49
1 Jun 82,7 30,5 0 73,58
2015 4 Mei 21,1 119,9 94 35,52 73,58
2 Mei 0 81,4 127,2 14,16
10 Des 122,5 30,7 9,9 107,58
2016 16 Jan 29,2 132,6 88,5 43,71 107,58
14 Des 30,4 81,7 208,8 42,67
10 Okt 168,7 12 0 144,03
2017 12 Jun 47,3 173,1 121,5 65,02 144,03
12 Jun 47,3 173,1 121,5 65,02
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
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
Durasi (Jam) n Xi X Xi-X (Xi-X)² (Xi-X)3 (Xi-X)4

1 24,3 -27,30 745,07 -20337,44 555130,46
2 24,8 -26,79 717,64 -19224,92 515014,32
3 24,8 -26,79 717,64 -19224,92 515014,32
4 28,3 -23,24 540,06 -12550,70 291669,31
5 33,9 -17,66 311,92 -5508,95 97295,32
6 38,9 -12,67 160,65 -2036,28 25809,80
7 39,0 -12,51 156,40 -1955,90 24460,33
1 8 41,8 51,55 -9,80 96,07 -941,61 9229,14
9 44,8 -6,78 46,01 -312,07 2116,74
10 48,5 -3,10 9,61 -29,81 92,43
11 65,2 13,62 185,54 2527,23 34423,95
12 66,1 14,54 211,38 3073,28 44682,37
13 69,6 18,04 325,46 5871,39 105922,40
14 88,3 36,77 1351,88 49705,57 1827567,37
15 135,2 83,67 7000,97 585783,15 49013512,85
Jumlah 773,28 51,55 0,00 12576,31 564838,02 53061941,13

∑n
i=1 Xi 773,38
x̅ = = = 51,55
n 15
61
2. Standar deviasi (Sd)
n
̅ )²
∑i=1(Xi−X 12576,31
Sd = √ =√ = 29,97
n−1 15−1

S 29,97
Cv = ̅
= = 0,58
X 51,55

n 3
̅)
n ∑i=1(Xi−X 15 𝑥 564838,02
Cs = (n−1)(n−2)S3
= (15−1)(15−2) 29,973
= 1,73

n 4
̅)
n² ∑i=1(Xi−X 15² 𝑥 53061941,13
Ck = (n−1)(n−2)(n−3) S4
= (15−1)(15−2)(15−3) 29,974
= 6,77
Berdasarkan hasil perhitungan diperoleh nilai Cv = 0,58 ; Cs = 1,73 ; Ck = 6,77

maka jenis agihan dipilih berdasarkan syarat-syarat yang tercantum pada Tabel 4.24.
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
4.4.2 Perhitungan Parameter Statistik dan Jenis Agihan

Pada pengujian ini data (Xi) yang digunakan dari data curah hujan rata-rata
maksimum harian diurutkan dari nilai curah hujan terkecil hingga nilai curah hujan
terbesar. Analisis parameter statistik hujan harian di DAS Meninting seperti terlihat pada
Tabel 4.27.
Tabel 4.27 Analisis Parameter Statistik
No Xi Xi - X (Xi - X)2 (Xi - X)3 (Xi - X)4

1 60,32 -31,49 991,69 -31229,21 983440,39
2 67,23 -24,58 604,39 -14858,45 365284,72
3 67,51 -24,30 590,45 -14347,32 348627,14
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

∑n
i=1 Xi 1377,21
x̅ = = = 91,81
n 15

n
̅ )²
∑i=1(Xi−X 9240,79
Sd = √ =√ = 25,69
n−1 15−1

S 25,69
Cv = ̅
= = 0,28
X 91,81

n 3
̅)
n ∑i=1(Xi−X 15 𝑥 159249,32
Cs = (n−1)(n−2)S3
= (15−1)(15−2) 25,693
= 0,77

n 4
̅)
n² ∑i=1(Xi−X 15² 𝑥 13138834,44
Ck = (n−1)(n−2)(n−3) S4
= (15−1)(15−2)(15−3) 25,694
= 3,11
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.
Tabel 4.28 Persyaratan Pemilihan Jenis Agihan Harian

No Agihan Syarat Perhitungan
Cs ≈ 0
1 Normal
Ck ≈ 3
Cv = 0,28
Cs ≈ 3Cv Cs = 0,77
2 Log Normal
Ck > 0 Ck = 3,11
Cs ≈ 1.14
3 Gumbel
Ck ≈ 5.4
4 Log Pearson Type III Tidak ada syarat
Hasil analisis pemilihan jenis agihan hujan pada Tabel 4.28 menunjukkan bahwa
jenis agihan mengikuti agihan Normal.
4.5 Uji Kecocokan Distribusi

Uji kecocokan distribusi dimaksudkan untuk mengetahui apakah persamaan
distribusi probabilitas yang dipilih dapat mewakili distribusi statistik sampel data dan
apakah distribusi pengamatan dapat diterima secara teoritis. Terdapat dua jenis
kesesuaian distribusi yaitu uji Chi-Kuadrat dan uji Smirnov-Kolmogorov.
4.5.1 Uji Chi-Kuadrat Jam-Jaman
Analisis uji Chi-Kuadrat ini dimulai dari hujan jam-jaman dengan durasi 1 jam.
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
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
4. Menentukan interval kelas (I)

R
I =
k
110,97
=
5
= 22,19
5. Pembagian interval kelas

Interval kelas I = Xi min + I
= 24,26 + 22,19
= 46,45
Interval kelas II = 46,45 + 22,19
= 68,64
Interval kelas III = 68,64 + 22,19
= 90,84
Interval kelas IV = 90,84 + 22,19
= 113,03
Interval kelas V = 113,03 + 22,19
= 135,22
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
Berdasarkan grafik diatas maka diperoleh data sebagai berikut :

Kelas 1 = 0,46 = 4,6
Kelas 2 = 0,11 = 1,1
Kelas 3 = 0,03 = 0,3
Kelas 4 = 0,01 = 0,1
Kelas 5 = 0,005 = 0,05
ΣKelas = Kelas 1 + Kelas 2 + Kelas 3 + Kelas 4 + Kelas 5
= 4,6 + 1,1 + 0,3 + 0,1 + 0,05
= 6,15
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
Tabel 4.29 Hasil Uji Chi-Kuadrat Durasi 1 Jam

Kelas Interval Oi Ei (Oi - Ei) (Oi - Ei)2
1 0 < P < 46,45 9 11 -2 5
2 46,45 < P < 68,64 3 3 0 0
3 68,64 < P < 90,84 2 1 1 2
4 90,84 < P < 113,03 0 0 0 0
5 113,03 < P < 135,22 1 0 1 1
Jumlah 15 15 0 7
7. Menecari derajat kebebasan (Dk)

Dk = k – (P + 1)
= 5 – (2 + 1)
=2
Dengan menggunakan derajat kepercayaan (α) = 5% dan nilai Dk = 2 sehingga
berdasarkan Tabel 2.7 nilai kritis untuk uji Chi-Kuadrat (uji satu sisi) diperoleh nilai
derajat kepercayaan (α) sebesar 5,991.
8. Uji kecocokan
Untuk derajat kepercayaan (α) = 5%
Σ(Oi− Ei )² Σ(Oi− Ei )² 7
X2 = = = 15 = 0,50
Ei Ei
maka, X2 (perhitungan) < X2 (tabel)

0,50 < 5,991 Diterima
Berdasarkan hasil uji kecocokan Chi-Kuadrat menunjukkan bahwa jenis agihan

Log Normal untuk hujan durasi 1 jam dianggap benar dan dapat diterima. Rekapitulasi
hasil pengujian Chi-Kuadrat untuk hujan durasi 1 jam sampai 24 jam dapat dilihat pada
Tabel 4.30.
68
Tabel 4.30 Rekapitulasi Uji Chi-Kuadrat Jam-Jaman
Hasil Uji Kecocokan Chi-

Durasi (Jam) X² perhitungan X² tabel
Kuadrat
1 0,50 5,991 Diterima
2 4,59 5,991 Diterima
3 3,92 5,991 Diterima
4 3,92 5,991 Diterima
5 3,37 5,991 Diterima
6 3,30 5,991 Diterima
7 3,30 5,991 Diterima
8 3,30 5,991 Diterima
9 3,30 5,991 Diterima
10 3,30 5,991 Diterima
11 3,30 5,991 Diterima
12 3,30 5,991 Diterima
13 3,30 5,991 Diterima
14 3,30 5,991 Diterima
15 3,30 5,991 Diterima
16 3,30 5,991 Diterima
17 3,30 5,991 Diterima
18 3,30 5,991 Diterima
19 3,30 5,991 Diterima
20 3,30 5,991 Diterima
21 3,30 5,991 Diterima
22 3,30 5,991 Diterima
23 3,30 5,991 Diterima
24 3,30 5,991 Diterima
4.5.2 Uji Smirnov-Kolmogorov Jam-Jaman

Untuk mengantisipasi hilangnya informasi data pada uji Chi-Kuadrat akibat
pengelompokan data dalam kelas-kelas interval, maka dilakukan uji Smirnov-
Kolmogorov. Perhitungan uji Smirnov-Kolmogorov hujan jam-jaman dengan durasi 1
jam dapat dilihat pada Tabel 4.31 berikut.
Data teknis :
n = 15
̅
X = 51,55
Sd = 29,97
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
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
Hasil Uji Kecocokan

Durasi (Jam) Dmaks Dkritis
Smirnov-Kolmogorov
1 0,3504 0,4 Diterima
2 0,3465 0,4 Diterima
3 0,3465 0,4 Diterima
4 0,3543 0,4 Diterima
5 0,3543 0,4 Diterima
6 0,3582 0,4 Diterima
7 0,3640 0,4 Diterima
8 0,3582 0,4 Diterima
9 0,3640 0,4 Diterima
10 0,3640 0,4 Diterima
11 0,3582 0,4 Diterima
12 0,3582 0,4 Diterima
13 0,3582 0,4 Diterima
14 0,3582 0,4 Diterima
15 0,3582 0,4 Diterima
16 0,3582 0,4 Diterima
17 0,3582 0,4 Diterima
18 0,3582 0,4 Diterima
19 0,3582 0,4 Diterima
20 0,3582 0,4 Diterima
21 0,3582 0,4 Diterima
22 0,3582 0,4 Diterima
23 0,3582 0,4 Diterima
24 0,3582 0,4 Diterima
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
3. Menentukan range atau jumlah kelas (R)

Curah hujan maksimum (Xi maks) = 136,67 mm
Curah hujan minimum (Xi min) = 60,32 mm
R = Xi maks – Xi min
= 136,67 – 60,32
= 76,35 mm
4. Menentukan interval kelas (I)

R
I =
k
76,35
=
5
= 15,27
5. Pembagian interval kelas

Interval kelas I = Xi min + I
= 60,32 + 15,27
= 75,59
Interval kelas II = 75,59 + 15,27
= 90,86
Interval kelas III = 90,86 + 15,27
= 106,13
Interval kelas IV = 106,13 + 15,27
= 121,40
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.
Gambar 4.3 Grafik Distribution Plot Normal Minitab Statistical Software
Berdasarkan grafik diatas maka diperoleh data sebagai berikut :

Kelas 1 = 0,005 = 0,05
Kelas 2 = 0,09 = 0,9
Kelas 3 = 0,19 = 1,9
Kelas 4 = 0,049 = 0,49
Kelas 5 = 0,001 = 0,01
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.
Tabel 4.33 Hasil Uji Chi-Kuadrat

Kelas Interval Oi Ei (Oi - Ei) (Oi - Ei)2
1 0 < P < 77,06 5 0 5 23
2 77,06 < P < 93,80 4 4 0 0
3 93,80 < P < 110,54 2 9 -7 42
4 110,54 < P < 127,29 2 2 0 0
5 127,29 < P < 144,03 2 0 2 4
Jumlah 15 15 0 69
7. Menecari derajat kebebasan (Dk)

Dk = k – (P + 1)
= 5 – (2 + 1)
=2
Dengan menggunakan derajat kepercayaan (α) = 5% dan nilai Dk = 2 sehingga
berdasarkan Tabel 2.7 nilai kritis untuk uji Chi-Kuadrat (uji satu sisi) diperoleh nilai
derajat kepercayaan (α) sebesar 5,991.
74
8. Uji kecocokan
Untuk derajat kepercayaan (α) = 5%
Σ(Oi− Ei )² Σ(Oi− Ei )² 69
X2 = = = 15 = 4,60
Ei Ei
maka, X2 (perhitungan) < X2 (tabel)

4,60 < 5,991 Diterima
4.5.4 Uji Smirnov-Kolmogorov

Untuk mengantisipasi hilangnya informasi data pada uji Chi-Kuadrat akibat
pengelompokan data dalam kelas-kelas interval, maka dilakukan uji Smirnov-
Kolmogorov. Perhitungan uji Smirnov-Kolmogorov dapat dilihat pada Tabel 4.34 berikut.
Data teknis :
n = 15
̅
X = 91,32
Sd = 24,67
Tabel 4.34 Uji Smirnov-Kolmogorov
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
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
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.
Tabel 4.35 Analisis Agihan Log Normal Durasi 1 Jam

Durasi (Jam) n Xi Log Xi (Log Xi - Log ̅
X) (Log Xi - Log ̅
X)²
1 24,26 1,38 -0,27 0,07
2 24,76 1,39 -0,26 0,07
3 24,76 1,39 -0,26 0,07
4 28,31 1,45 -0,20 0,04
5 33,89 1,53 -0,13 0,02
6 38,88 1,59 -0,07 0,00
7 39,05 1,59 -0,06 0,00
1 8 41,75 1,62 -0,04 0,00
9 44,77 1,65 -0,01 0,00
10 48,45 1,69 0,03 0,00
11 65,17 1,81 0,16 0,02
12 66,09 1,82 0,16 0,03
13 69,59 1,84 0,19 0,03
14 88,32 1,95 0,29 0,08
15 135,22 2,13 0,47 0,23
Jumlah 773,28 24,85 0,00 0,68
Rata-Rata 51,55 1,66 0,00 0,05
Perhitungan parameter statistik agihan Log Normal

∑n
i=1 Log Xi 24,85
̅̅̅̅̅̅̅̅
Log Xi = = = 1,66
n 15
77
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
Tabel 4.37 Kedalaman Hujan Rencana Durasi 1 Jam

Periode Ulang (Tahun) Log Xi Sd (Log) k Log XT XT (mm)
2 0 1,66 45,34
5 0,84 1,84 69,34
10 1,28 1,94 86,63
20 1,66 0,22 1,64 2,02 103,93
25 1,71 2,03 107,59
50 2,05 2,11 127,88
100 2,33 2,17 147,34
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
79
4.6.2 Kedalaman Hujan Rencana
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.
Tabel 4.39 Analisis Agihan Normal

No Xi (Xi - X̅) ̅)²
(Xi - X
1 60,32 -31,49 991,69
2 67,23 -24,58 604,39
3 67,51 -24,30 590,45
4 72,16 -19,65 386,13
5 73,58 -18,24 332,54
6 77,14 -14,68 215,43
7 77,71 -14,11 199,00
8 79,71 -12,11 146,59
9 87,56 -4,26 18,11
10 103,61 11,80 139,21
11 107,58 15,76 248,45
12 112,44 20,63 425,60
13 112,54 20,72 429,45
14 134,09 42,28 1787,67
15 144,03 52,21 2726,08
Jumlah 1377,21 0,00 9240,79
Rata-Rata 91,81 0,00 616,05
Perhitungan parameter statistik agihan Normal

∑n
i=1 Xi 1377,21
̅=
X = = 91,81
n 15

n
̅ )²
∑i=1(Xi−X 9240,79
Sd = √ =√ = 25,69
n−1 15−1
80
Untuk mendapatkan nilai k agihan Normal untuk tiap periode ulang dapat dilihat
pada Tabel 2.3.
Tabel 4.40 Nilai k agihan Normal Untuk Tiap Periode Ulang

Periode Ulang (Tahun) ̅
X Sd k
2 0,00
5 0,84
10 1,28
20 91,81 25,69 1,64
25 1,71
50 2,05
100 2,33
Adapun perhitungan kedalaman hujan rencana sebagai berikut :

Periode Ulang 2 Tahun
XT =̅
X + (Sd x k)
= 91,32 + (25,69 x 0)
= 91,81 mm
Tabel 4.41 Kedalaman Hujan Rencana

Periode Ulang (Tahun) ̅
X S k XT (mm)
2 0,00 91,81
5 0,84 113,39
10 1,28 124,70
20 91,81 25,69 1,64 133,95
25 1,71 135,70
50 2,05 144,48
100 2,33 151,68
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
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
25 Tahun 50 Tahun 100 Tahun
Durasi (jam)
Gambar 4.4 Kurva Intensity Duration Frequency Terukur Dalam Berbagai Periode Ulang
4.7.2 Perhitungan Intensitas Hujan Metode Empiris (Talbot, Sherman, Mononobe,

dan Van Breen)
4.7.2.1 Metode Talbot
Dalam analisis intensitas hujan metode Talbot digunakan data hujan maksimum
jam-jaman. Nilai tetapan a dan b dihitung berdasarkan masukan dari intensitas hujan
terukur kemudian hasil tetapan tersebut digunakan untuk menghitung intensitas hujan
sesuai dengan rumus Talbot durasi 1 – 24 jam dengan periode ulang 2, 5, 10, 20, 25, 50,
dan 100 tahun.
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
Selanjutnya menghitung tetapan-tetapan untuk persamaan intensitas hujan dengan

metode Talbot sebagai berikut :
Perhitungan Tetapan a dan b Metode Talbot Periode Ulang 2 Tahun
(∑ I.t)(∑ I2 ) − (∑ I2 .t) (∑ I)
a =
N (∑ I2 )− (∑ I)(∑ I)
(1582,8168)(4267,5495) − (13476,3229) (222,8432)

=
15 (4267,5495)− (222,8432)(222,8432)
= 71,1049
(∑ I)(∑ I.t) − N (∑ I2 .t)

b =
N (∑ I2 )− (∑ I)(∑ I)
(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.
Tabel 4.44 Hasil Perhitungan 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
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
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
t (jam) I Log t Log I Log t.Log I Log t2

1 45,3353 0,0000 1,6564 0,0000 0,0000
2 27,3949 0,3010 1,4377 0,4328 0,0906
3 20,1356 0,4771 1,3040 0,6221 0,2276
4 15,7362 0,6021 1,1969 0,7206 0,3625
5 12,9274 0,6990 1,1115 0,7769 0,4886
6 11,0698 0,7782 1,0441 0,8125 0,6055
7 9,5463 0,8451 0,9798 0,8281 0,7142
8 8,4071 0,9031 0,9246 0,8350 0,8156
9 7,5304 0,9542 0,8768 0,8367 0,9106
10 6,7912 1,0000 0,8319 0,8319 1,0000
11 6,1978 1,0414 0,7922 0,8250 1,0845
12 5,6934 1,0792 0,7554 0,8152 1,1646
13 5,2586 1,1139 0,7209 0,8030 1,2409
14 4,8852 1,1461 0,6889 0,7895 1,3136
15 4,5670 1,1761 0,6596 0,7758 1,3832
16 4,2820 1,2041 0,6317 0,7606 1,4499
17 4,0302 1,2304 0,6053 0,7448 1,5140
18 3,8064 1,2553 0,5805 0,7287 1,5757
19 3,6067 1,2788 0,5571 0,7124 1,6352
20 3,4267 1,3010 0,5349 0,6959 1,6927
21 3,2636 1,3222 0,5137 0,6792 1,7483
22 3,1155 1,3424 0,4935 0,6625 1,8021
23 2,9801 1,3617 0,4742 0,6458 1,8543
24 2,8559 1,3802 0,4557 0,6290 1,9050
Jumlah 222,8432 23,7927 19,8275 16,9642 26,5791
Selanjutnya menghitung tetapan-tetapan untuk persamaan intensitas hujan dengan

metode Sherman sebagai berikut :
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)
(19,8275)(26,5791) − (16,9642) (23,7927)

=
15 (26,5791)− (23,7927)(23,7927)
= 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.
Tabel 4.46 Hasil Perhitungan Intensitas Hujan Metode Sherman

Metode Sherman
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
1 60 52,2594 74,5708 89,8353 104,6213 107,6914 124,4469 140,1045
2 120 16,4319 21,2064 24,2379 27,0378 27,6047 30,6226 33,3402
3 180 8,3514 10,1629 11,2636 12,2523 12,4496 13,4845 14,3964
4 240 5,1667 6,0307 6,5395 6,9875 7,0760 7,5353 7,9339
5 300 3,5600 4,0231 4,2892 4,5200 4,5652 4,7981 4,9977
6 360 2,6259 2,8901 3,0390 3,1664 3,1912 3,3181 3,4259
7 420 2,0302 2,1851 2,2709 2,3436 2,3577 2,4292 2,4895
8 480 1,6246 1,7150 1,7644 1,8058 1,8138 1,8542 1,8880
9 540 1,3346 1,3851 1,4122 1,4349 1,4392 1,4611 1,4793
10 600 1,1194 1,1441 1,1573 1,1681 1,1702 1,1807 1,1893
88
Metode Sherman
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
Kurva Intensity Duration Frequency Metode Sherman

160
Intensitas Hujan Metode Sherman (mm/jam)
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 4.6 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.
4.7.2.3 Metode Mononobe

Dalam analisis intensitas hujan metode Mononobe digunakan data hujan
maksimum harian. Intensitas hujan metode Mononobe dihitung berdasarkan masukan
kedalaman hujan rencana periode ulang 2, 5, 10, 20, 25, 50, dan 100 tahun.
Tabel 4.47 Hasil Perhitungan Intensitas Hujan Metode Mononobe

Metode Mononobe
2 5 10 20 25 50 100
XT 91,8141 113,3950 124,6993 133,9482 135,7038 144,4818 151,6754
1 60 31,8302 39,3118 43,2308 46,4373 47,0459 50,0890 52,5829
2 120 20,0517 24,7649 27,2337 29,2536 29,6371 31,5541 33,1252
3 180 15,3023 18,8992 20,7832 22,3247 22,6173 24,0803 25,2792
4 240 12,6318 15,6009 17,1562 18,4286 18,6702 19,8778 20,8675
5 300 10,8858 13,4445 14,7847 15,8813 16,0895 17,1302 17,9831
6 360 9,6399 11,9057 13,0926 14,0637 14,2480 15,1696 15,9249
7 420 8,6984 10,7430 11,8139 12,6902 12,8565 13,6881 14,3696
8 480 7,9575 9,8280 10,8077 11,6093 11,7615 12,5223 13,1457
9 540 7,3566 9,0858 9,9915 10,7326 10,8733 11,5766 12,1530
10 600 6,8576 8,4695 9,3138 10,0046 10,1357 10,7914 11,3286
11 660 6,4354 7,9481 8,7404 9,3887 9,5117 10,1270 10,6312
12 720 6,0727 7,5001 8,2478 8,8596 8,9757 9,5563 10,0321
13 780 5,7572 7,1104 7,8192 8,3992 8,5093 9,0597 9,5108
14 840 5,4797 6,7677 7,4423 7,9943 8,0991 8,6230 9,0523
15 900 5,2333 6,4634 7,1078 7,6349 7,7350 8,2353 8,6454
16 960 5,0129 6,1912 6,8084 7,3134 7,4093 7,8885 8,2813
17 1020 4,8144 5,9460 6,5387 7,0237 7,1158 7,5761 7,9533
18 1080 4,6344 5,7237 6,2943 6,7611 6,8497 7,2928 7,6559
19 1140 4,4703 5,5210 6,0714 6,5218 6,6072 7,0346 7,3849
20 1200 4,3200 5,3354 5,8673 6,3025 6,3851 6,7981 7,1366
21 1260 4,1818 5,1647 5,6796 6,1008 6,1808 6,5806 6,9082
90
Metode Mononobe
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
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
Kurva Intensity Duration Frequency Metode Mononobe

60
Intnesitas Hujan Metode Mononobe (mm/jam)
50
40
30
20
10
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Durasi (jam)
Gambar 4.7 Kurva Intensity Duration Frequency Metode Mononobe Dalam Berbagai
Periode Ulang
Berdasarkan hasil analisis intensitas hujan metode Mononobe yang ditampilkan

pada Tabel 4.47 dan Gambar 4.7 menunjukkan bahwa intensitas hujan terbesar yang
dihasilkan adalah 52,5829 mm/jam pada periode ulang 100 tahun durasi 1 jam, sedangkan
intensitas hujan terkecil yang dihasilkan adalah 3,8256 mm/jam pada periode ulang 2
tahun durasi 24 jam. Jika dilihat dari segi periode ulang bahwa semakin besar periode
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.
4.7.2.4 Metode Van Breen

Dalam analisis intensitas hujan metode Van Breen digunakan data hujan
maksimum harian. Intensitas hujan metode Van Breen dihitung berdasarkan masukan
kedalaman hujan rencana periode ulang 2, 5, 10, 20, 25, 50, dan 100 tahun.
Tabel 4.48 Hasil Perhitungan Intensitas Hujan Metode Van Breen

Metode Van Breen
2 5 10 20 25 50 100
XT 91,8141 113,3950 124,6993 133,9482 135,7038 144,4818 151,6754
1 60 56,7130 65,2988 69,3577 72,4834 73,0582 75,8487 78,0374
2 120 33,7929 40,0467 43,1284 45,5586 46,0110 48,2321 50,0032
3 180 24,0665 28,8788 31,2938 33,2190 33,5794 35,3582 36,7877
4 240 18,6878 22,5814 24,5557 26,1392 26,4366 27,9088 29,0974
5 300 15,2741 18,5388 20,2051 21,5469 21,7995 23,0522 24,0664
6 360 12,9149 15,7239 17,1642 18,3272 18,5464 19,6353 20,5187
7 420 11,1870 13,6511 14,9188 15,9446 16,1381 17,1005 17,8826
8 480 9,8669 12,0612 13,1929 14,1102 14,2834 15,1454 15,8467
9 540 8,8255 10,8029 11,8250 12,6543 12,8111 13,5915 14,2270
10 600 7,9829 9,7824 10,7141 11,4708 11,6139 12,3267 12,9077
11 660 7,2872 8,9381 9,7940 10,4897 10,6214 11,2773 11,8123
12 720 6,7030 8,2279 9,0194 9,6633 9,7851 10,3926 10,8883
13 780 6,2056 7,6223 8,3583 8,9575 9,0709 9,6366 10,0983
14 840 5,7768 7,0997 7,7876 8,3478 8,4539 8,9831 9,4153
15 900 5,4035 6,6442 7,2898 7,8158 7,9155 8,4126 8,8187
16 960 5,0755 6,2436 6,8518 7,3476 7,4415 7,9103 8,2933
17 1020 4,7851 5,8886 6,4635 6,9323 7,0211 7,4645 7,8270
18 1080 4,5261 5,5717 6,1168 6,5614 6,6457 7,0663 7,4103
19 1140 4,2937 5,2873 5,8054 6,2282 6,3084 6,7085 7,0357
20 1200 4,0839 5,0304 5,5242 5,9272 6,0036 6,3851 6,6972
21 1260 3,8938 4,7974 5,2690 5,6540 5,7270 6,0915 6,3897
22 1320 3,7205 4,5850 5,0363 5,4048 5,4747 5,8237 6,1093
23 1380 3,5620 4,3906 4,8233 5,1767 5,2437 5,5785 5,8524
24 1440 3,4165 4,2120 4,6276 4,9670 5,0314 5,3530 5,6163
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
Kurva Intensity Duration Frequency Metode Van Breen

Intensitas Hujan Metode Van Breen (mm/jam)
100
80
60
40
20
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
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
Iterukur Italbot Isherman Imononobe Ivanbreen

t (jam) t (menit)
(mm/jam)
1 60 45,3477 45,8366 52,3636 31,6602 56,5038
2 120 27,3949 27,8305 16,4538 19,9447 33,6448
3 180 20,1351 19,9813 8,3593 15,2206 23,9540
4 240 15,7362 15,5855 5,1701 12,5644 18,5974
5 300 12,9225 12,7751 3,5616 10,8276 15,1986
6 360 11,0595 10,8234 2,6267 9,5884 12,8502
7 420 9,5413 9,3890 2,0305 8,6520 11,1304
8 480 8,4060 8,2903 1,6246 7,9151 9,8166
9 540 7,5261 7,4218 1,3345 7,3173 8,7802
10 600 6,7874 6,7180 1,1191 6,8210 7,9417
11 660 6,1761 6,1362 0,9544 6,4011 7,2494
12 720 5,6723 5,6471 0,8254 6,0403 6,6682
13 780 5,2391 5,2302 0,7221 5,7264 6,1732
14 840 4,8671 4,8706 0,6380 5,4504 5,7466
15 900 4,5485 4,5573 0,5686 5,2054 5,3752
16 960 4,2647 4,2819 0,5105 4,9862 5,0489
17 1020 4,0139 4,0378 0,4613 4,7887 4,7599
18 1080 3,7910 3,8201 0,4193 4,6096 4,5022
19 1140 3,5921 3,6246 0,3831 4,4464 4,2710
20 1200 3,4128 3,4482 0,3517 4,2970 4,0624
21 1260 3,2504 3,2882 0,3241 4,1594 3,8732
22 1320 3,1029 3,1423 0,2999 4,0324 3,7008
23 1380 2,9680 3,0089 0,2784 3,9147 3,5432
24 1440 2,8443 2,8863 0,2593 3,8052 3,3984
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 :
Kurva Intensity Duration Frequency Periode Ulang 2 Tahun

60
50
Intensitas Hujan (mm/jam)
40
30
20
10
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Iterukur Italbot Isherman Imononobe Ivanbreen
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.
4.7.4 Uji Kesesuaian Metode

4.7.4.1 Deviasi Rata-Rata
Deviasi rata-rata merupakan nilai rata-rata penyimpangan mutlak dari selisih nilai
intensitas hujan metode empiris dikurangi dengan intensitas hujan terukur. Deviasi ini
dapat menunjukkan tingkat kesalahan dalam perhitungan antara intensitas hujan metode
empiris dengan intensitas hujan terukur, semakin kecil deviasi dari hasil perhitugan yang
telah dilakukan akan semakin kecil tingkat kesalahannya,
Perhitungan Deviasi Rata-Rata Metode Talbot Durasi 1 Jam

D = |Italbot − Iterukur |
= |45,7237 − 45,3353 |
= 0,3884
Perhitungan Deviasi Rata-Rata Metode Talbot Periode Ulang 2 Tahun

1
Drerata = ∑ni=1|Italbot − Iterukur |
n
2,1697
=
24
= 0,0904
Berdasarkan perhitungan diatas diperoleh deviasi rata-rata antara intensitas hujan

terukur dengan metode Talbot durasi 1 jam sebesar 0,3885, sedangkan deviasi rata-rata
periode ulang 2 tahun sebesar 0,0904.
Tabel 4.50 Nilai Deviasi Rata-Rata Metode Talbot Periode Ulang 2 Tahun
t (jam) Iterukur Italbot Deviasi Rata-Rata

1 45,3353 45,7237 0,3884
2 27,3949 27,8286 0,4337
3 20,1356 20,0008 0,1348
4 15,7362 15,6100 0,1262
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
Perhitungan Deviasi Rata-Rata Metode Sherman Durasi 1 Jam
D = |Isherman − Iterukur |
= |52,2594 − 45,3353|
= 6,9242
Perhitungan Deviasi Rata-Rata Metode Sherman Periode Ulang 2 Tahun

1
Drerata = ∑ni=1|Isherman − Iterukur |
n
135,1870
=
24
= 5,6328
97
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
t (jam) Iterukur Isherman Deviasi Rata-Rata

1 45,3353 52,2594 6,9242
2 27,3949 16,4319 10,9630
3 20,1356 8,3514 11,7842
4 15,7362 5,1667 10,5695
5 12,9274 3,5600 9,3674
6 11,0698 2,6259 8,4438
7 9,5463 2,0302 7,5161
8 8,4071 1,6246 6,7825
9 7,5304 1,3346 6,1958
10 6,7912 1,1194 5,6718
11 6,1978 0,9547 5,2431
12 5,6934 0,8257 4,8677
13 5,2586 0,7224 4,5362
14 4,8852 0,6383 4,2468
15 4,5670 0,5689 3,9981
16 4,2820 0,5108 3,7712
17 4,0302 0,4616 3,5685
18 3,8064 0,4196 3,3867
19 3,6067 0,3834 3,2233
20 3,4267 0,3520 3,0748
21 3,2636 0,3244 2,9392
22 3,1155 0,3002 2,8153
23 2,9801 0,2787 2,7013
24 2,8559 0,2596 2,5963
Jumlah 135,1870
Rata-Rata 5,6328
Perhitungan Deviasi Rata-Rata Metode Mononobe Durasi 1 Jam
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

terukur dengan metode Mononobe durasi 1 jam sebesar 13,5051, sedangkan deviasi rata-
rata periode ulang 2 tahun sebesar 1,8356.
Tabel 4.52 Nilai Deviasi Rata-Rata Metode Mononobe Periode Ulang 2 Tahun
t (jam) Iterukur Imononobe Deviasi Rata-Rata

1 45,3353 31,8302 13,5051
2 27,3949 20,0517 7,3432
3 20,1356 15,3023 4,8333
4 15,7362 12,6318 3,1044
5 12,9274 10,8858 2,0416
6 11,0698 9,6399 1,4299
7 9,5463 8,6984 0,8479
8 8,4071 7,9575 0,4496
9 7,5304 7,3566 0,1738
10 6,7912 6,8576 0,0664
11 6,1978 6,4354 0,2376
12 5,6934 6,0727 0,3794
13 5,2586 5,7572 0,4986
14 4,8852 5,4797 0,5945
15 4,5670 5,2333 0,6663
16 4,2820 5,0129 0,7309
17 4,0302 4,8144 0,7842
18 3,8064 4,6344 0,8280
19 3,6067 4,4703 0,8636
20 3,4267 4,3200 0,8933
21 3,2636 4,1818 0,9181
22 3,1155 4,0541 0,9385
23 2,9801 3,9357 0,9556
24 2,8559 3,8256 0,9697
Jumlah 44,0534
Rata-Rata 1,8356
99
Perhitungan Deviasi Rata-Rata Metode Van Breen Durasi 1 Jam
D = |Ivanbreen − Iterukur |
= |56,7130 − 45,3353|
= 11,3778
Perhitungan Deviasi Rata-Rata Metode Van Breen Periode Ulang 2 Tahun

1
Drerata = ∑ni=1|Ivanbreen − Iterukur |
n
44,2017
=
24
= 1,8834

terukur dengan metode Van Breen durasi 1 jam sebesar 11,3778, sedangkan deviasi rata-
rata periode ulang 2 tahun sebesar 1,8834.
Tabel 4.53 Nilai Deviasi Rata-Rata Metode Van Breen Periode Ulang 2 Tahun
t (jam) Iterukur Ivanbreen Deviasi Rata-Rata

1 45,3353 56,7130 11,3778
2 27,3949 33,7929 6,3979
3 20,1356 24,0665 3,9309
4 15,7362 18,6878 2,9516
5 12,9274 15,2741 2,3467
6 11,0698 12,9149 1,8452
7 9,5463 11,1870 1,6407
8 8,4071 9,8669 1,4598
9 7,5304 8,8255 1,2951
10 6,7912 7,9829 1,1917
11 6,1978 7,2872 1,0894
12 5,6934 6,7030 1,0097
13 5,2586 6,2056 0,9470
14 4,8852 5,7768 0,8917
15 4,5670 5,4035 0,8365
16 4,2820 5,0755 0,7935
17 4,0302 4,7851 0,7549
18 3,8064 4,5261 0,7197
19 3,6067 4,2937 0,6869
20 3,4267 4,0839 0,6572
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
Tabel 4.54 Rekapitulasi Deviasi Rata-Rata Dalam Berbagai Metode dan Periode Ulang
Periode Ulang Deviasi Rata-Rata (D)

(Tahun) Italbot Isherman Imononobe Ivanbreen
2 0,0904 5,6328 1,8356 1,8834
5 0,1785 8,0026 3,2542 0,6812
10 0,3473 9,5615 4,5486 1,0970
20 0,5317 11,0314 6,0463 2,6774
25 0,5719 11,3321 6,3860 3,0231
50 0,7998 13,2354 8,3872 4,9939
100 1,0239 15,0286 10,3641 6,9404
Rata-Rata 0,5062 10,5463 5,8317 3,0424
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%
Perhitungan Kesalahan Relatif Metode Talbot Periode Ulang 2 Tahun

X −X
∑| a b |.100%
X a
Krrerata =
n
21,2176%
=
15
= 0,8841%
Berdasarkan perhitungan diatas diperoleh nilai kesalahan relatif antara intensitas

hujan terukur dengan metode Talbot durasi 1 jam sebesar 0,8568%, sedangkan kesalahan
relatif periode ulang 2 tahun sebesar 0,8841%.
Tabel 4.55 Kesalahan Relatif Metode Talbot Periode Ulang 2 Tahun
t (jam) Iterukur (Xa) Italbot (Xb) Kr

1 45,3353 45,7237 0,8568%
2 27,3949 27,8286 1,5830%
3 20,1356 20,0008 0,6694%
4 15,7362 15,6100 0,8022%
5 12,9274 12,7999 0,9857%
6 11,0698 10,8473 2,0099%
7 9,5463 9,4115 1,4120%
8 8,4071 8,3114 1,1382%
9 7,5304 7,4416 1,1798%
10 6,7912 6,7365 0,8050%
11 6,1978 6,1535 0,7138%
12 5,6934 5,6634 0,5257%
13 5,2586 5,2456 0,2464%
14 4,8852 4,8852 0,0011%
15 4,5670 4,5712 0,0908%
16 4,2820 4,2950 0,3035%
17 4,0302 4,0504 0,5009%
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%
Perhitungan Kesalahan Relatif Metode Sherman Durasi 1 Jam

Xa − Xb
Kr =| |. 100%
Xa
45,3353− 52,2594
=| |. 100%
45,3353
= 15,2732%
Perhitungan Kesalahan Relatif Metode Talbot Periode Ulang 2 Tahun

X −X
∑| a b |.100%
X a
Krrerata =
n
1892,4285%
=
15
= 78,812%

hujan terukur dengan metode Sherman durasi 1 jam sebesar 15,2732%, sedangkan
kesalahan relatif periode ulang 2 tahun sebesar 78,812%.
Tabel 4.56 Kesalahan Relatif Metode Sherman Periode Ulang 2 Tahun
t (jam) Iterukur (Xa) Isherman (Xb) Kr

1 45,3353 52,2594 15,2732%
2 27,3949 16,4319 40,0185%
3 20,1356 8,3514 58,5243%
4 15,7362 5,1667 67,1669%
5 12,9274 3,5600 72,4615%
6 11,0698 2,6259 76,2784%
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%
Perhitungan Kesalahan Relatif Metode Mononobe Durasi 1 Jam

Xa − Xb
Kr =| |. 100%
Xa
45,3353− 31,8302
=| |. 100%
45,3353
= 29,7894%
Perhitungan Kesalahan Relatif Metode Mononobe Periode Ulang 2 Tahun

X −X
∑| a b |.100%
X a
Krrerata =
n
425,8586%
=
15
= 17,7441%
105
hujan terukur dengan metode Mononobe durasi 1 jam sebesar 29,7894%, sedangkan
Tabel 4.57 Kesalahan Relatif Metode Mononobe Periode Ulang 2 Tahun
t (jam) Iterukur (Xa) Imononobe (Xb) Kr

1 45,3353 31,8302 29,7894%
2 27,3949 20,0517 26,8050%
3 20,1356 15,3023 24,0035%
4 15,7362 12,6318 19,7277%
5 12,9274 10,8858 15,7928%
6 11,0698 9,6399 12,9170%
7 9,5463 8,6984 8,8818%
8 8,4071 7,9575 5,3473%
9 7,5304 7,3566 2,3081%
10 6,7912 6,8576 0,9776%
11 6,1978 6,4354 3,8342%
12 5,6934 6,0727 6,6636%
13 5,2586 5,7572 9,4817%
14 4,8852 5,4797 12,1694%
15 4,5670 5,2333 14,5897%
16 4,2820 5,0129 17,0687%
17 4,0302 4,8144 19,4575%
18 3,8064 4,6344 21,7525%
19 3,6067 4,4703 23,9439%
20 3,4267 4,3200 26,0688%
21 3,2636 4,1818 28,1329%
22 3,1155 4,0541 30,1246%
23 2,9801 3,9357 32,0670%
24 2,8559 3,8256 33,9540%
Jumlah 425,8586%
Rata-Rata 17,7441%
Perhitungan Kesalahan Relatif Metode Van Breen Durasi 1 Jam

Xa − Xb
Kr =| |. 100%
Xa
45,3353− 56,7130
=| |. 100%
45,3353
= 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%

hujan terukur dengan metode Van Breen durasi 1 jam sebesar 25,0969%, sedangkan
Tabel 4.58 Kesalahan Relatif Metode Van Breen Periode Ulang 2 Tahun
t (jam) Iterukur (Xa) Ivanbreen (Xb) Kr

1 45,3353 56,7130 25,0969%
2 27,3949 33,7929 23,3544%
3 20,1356 24,0665 19,5224%
4 15,7362 18,6878 18,7568%
5 12,9274 15,2741 18,1533%
6 11,0698 12,9149 16,6687%
7 9,5463 11,1870 17,1872%
8 8,4071 9,8669 17,3645%
9 7,5304 8,8255 17,1983%
10 6,7912 7,9829 17,5479%
11 6,1978 7,2872 17,5776%
12 5,6934 6,7030 17,7343%
13 5,2586 6,2056 18,0085%
14 4,8852 5,7768 18,2527%
15 4,5670 5,4035 18,3164%
16 4,2820 5,0755 18,5304%
17 4,0302 4,7851 18,7305%
18 3,8064 4,5261 18,9071%
19 3,6067 4,2937 19,0462%
20 3,4267 4,0839 19,1795%
21 3,2636 3,8938 19,3084%
22 3,1155 3,7205 19,4185%
23 2,9801 3,5620 19,5282%
24 2,8559 3,4165 19,6289%
Jumlah 453,0174%
Rata-Rata 18,8757%
107
Tabel 4.59 Rekapitulasi Kesalahan Relatif Dalam Berbagai Metode dan Periode Ulang
Periode Ulang Kesalahan Relatif (Kr)

2 0,8841% 78,8512% 17,7441% 18,8757%
5 0,7631% 82,3300% 15,1052% 5,6207%
10 1,3619% 83,7626% 15,7728% 2,8727%
20 1,9084% 84,7747% 18,3081% 9,5038%
25 2,0145% 84,9523% 19,0501% 10,7577%
50 2,5441% 86,0014% 24,0182% 16,9623%
100 2,9765% 86,7914% 28,3102% 21,9289%
Rata-Rata 1,7790% 83,9234% 19,7584% 12,3602%
Kesalahan Relatif
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
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.
4.7.4.3 Nash-Sutcliffe Efficiency (NSE)

Perhitungan Nash-Sutcliffe Efficiency Metode Talbot Periode Ulang 2 Tahun
∑n
i=1(Qsi − Qmi )
2
NSE =1–
∑n
i=1(Qsi −Qm )
2
0,4889
=1–
2234,3632
= 0,9998
Berdasarkan perhitungan diatas diperoleh nilai NSE dengan metode Talbot

periode ulang 2 tahun sebesar 0,9998 dimana menurut kriteria nilai NSE pada Tabel 2.9
bahwa niali tersebut termasuk dalam kriteria sangat baik karena memiliki NSE
mendekati 1.
Tabel 4.60 Nash-Sutcliffe Efficiency Metode Talbot Periode Ulang 2 Tahun
Iterukur (Qmi) Italbot (Qsi)

t (jam) (Qsi - Qmi) (Qsi - Qmi)2 (Qsi - Qm) (Qsi - Qm)2 NSE
(mm/jam)
1 45,3353 45,7237 0,3884 0,1509 36,4386 1327,7684
2 27,3949 27,8286 0,4337 0,1881 18,5435 343,8607
3 20,1356 20,0008 -0,1348 0,0182 10,7157 114,8258
4 15,7362 15,6100 -0,1262 0,0159 6,3248 40,0033
5 12,9274 12,7999 -0,1274 0,0162 3,5148 12,3538
6 11,0698 10,8473 -0,2225 0,0495 1,5621 2,4402
7 9,5463 9,4115 -0,1348 0,0182 0,1264 0,0160
8 8,4071 8,3114 -0,0957 0,0092 -0,9737 0,9482
9 7,5304 7,4416 -0,0888 0,0079 -1,8436 3,3988
10 6,7912 6,7365 -0,0547 0,0030 -2,5486 6,4953 0,9998
11 6,1978 6,1535 -0,0442 0,0020 -3,1316 9,8068
12 5,6934 5,6634 -0,0299 0,0009 -3,6217 13,1168
13 5,2586 5,2456 -0,0130 0,0002 -4,0395 16,3177
14 4,8852 4,8852 0,0001 0,0000 -4,3999 19,3592
15 4,5670 4,5712 0,0041 0,0000 -4,7140 22,2215
16 4,2820 4,2950 0,0130 0,0002 -4,9901 24,9010
17 4,0302 4,0504 0,0202 0,0004 -5,2348 27,4026
18 3,8064 3,8321 0,0257 0,0007 -5,4530 29,7356
19 3,6067 3,6361 0,0294 0,0009 -5,6490 31,9112
109
Iterukur (Qmi) Italbot (Qsi)
(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
Perhitungan Nash-Sutcliffe Efficiency Metode Sherman Periode Ulang 2 Tahun

∑n
i=1(Qsi − Qmi )
2
NSE =1–
∑n
i=1(Qsi −Qm )
2
945,4675
=1–
3315,1310
= 0,7148
Berdasarkan perhitungan diatas diperoleh nilai NSE dengan metode Sherman

bahwa nilai tersebut termasuk dalam kriteria baik karena memiliki NSE diantara 0,65 –
0,75.
Tabel 4.61 Nash-Sutcliffe Efficiency Metode Sherman Periode Ulang 2 Tahun
Iterukur (Qmi) Isherman (Qsi)

(mm/jam)
1 45,3353 52,2594 6,9242 47,9440 42,9743 1846,7913
2 27,3949 16,4319 -10,9630 120,1881 7,1468 51,0764
3 20,1356 8,3514 -11,7842 138,8679 -0,9338 0,8719
4 15,7362 5,1667 -10,5695 111,7145 -4,1185 16,9617
5 12,9274 3,5600 -9,3674 87,7474 -5,7251 32,7771
6 11,0698 2,6259 -8,4438 71,2984 -6,6592 44,3451
0,7148
7 9,5463 2,0302 -7,5161 56,4921 -7,2550 52,6344
8 8,4071 1,6246 -6,7825 46,0028 -7,6606 58,6844
9 7,5304 1,3346 -6,1958 38,3880 -7,9505 63,2110
10 6,7912 1,1194 -5,6718 32,1698 -8,1658 66,6797
11 6,1978 0,9547 -5,2431 27,4896 -8,3304 69,3956
12 5,6934 0,8257 -4,8677 23,6944 -8,4595 71,5626
110
Iterukur (Qmi) Isherman (Qsi)
(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
Perhitungan Nash-Sutcliffe Efficiency Metode Mononobe Periode Ulang 2 Tahun

∑n
i=1(Qsi − Qmi )
2
NSE =1–
∑n
i=1(Qsi −Qm )
2
284,6789
=1–
967,3332
= 0,7057
Berdasarkan perhitungan diatas diperoleh nilai NSE dengan metode Mononobe

bahwa nilai tersebut termasuk dalam kriteria baik karena memiliki NSE diantara 0,65 –
0,75.
Tabel 4.62 Nash-Sutcliffe Efficiency Metode Mononobe Periode Ulang 2 Tahun
Iterukur (Qmi) Imononobe (Qsi)

(mm/jam)
1 45,3353 31,8302 -13,5051 182,3882 22,5450 508,2782
2 27,3949 20,0517 -7,3432 53,9226 10,7666 115,9199
0,7057
3 20,1356 15,3023 -4,8333 23,3603 6,0172 36,2068
4 15,7362 12,6318 -3,1044 9,6372 3,3467 11,2002
111
Iterukur (Qmi) Imononobe (Qsi)
(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
Perhitungan Nash-Sutcliffe Efficiency Metode Van Breen Periode Ulang 2 Tahun

∑n
i=1(Qsi − Qmi )
2
NSE =1–
∑n
i=1(Qsi −Qm )
2
220,0816
=1–
3499,1724
= 0,9371
Berdasarkan perhitungan diatas diperoleh nilai NSE dengan metode Van Breen
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
Iterukur (Qmi) Ivanbreen (Qsi)

(mm/jam)
1 45,3353 56,7130 11,3778 129,4532 47,4279 2249,4053
2 27,3949 33,7929 6,3979 40,9334 24,5077 600,6289
3 20,1356 24,0665 3,9309 15,4523 14,7814 218,4901
4 15,7362 18,6878 2,9516 8,7120 9,4027 88,4100
5 12,9274 15,2741 2,3467 5,5072 5,9890 35,8678
6 11,0698 12,9149 1,8452 3,4047 3,6298 13,1755
7 9,5463 11,1870 1,6407 2,6920 1,9019 3,6173
8 8,4071 9,8669 1,4598 2,1312 0,5818 0,3385
9 7,5304 8,8255 1,2951 1,6773 -0,4596 0,2113
10 6,7912 7,9829 1,1917 1,4202 -1,3022 1,6957
11 6,1978 7,2872 1,0894 1,1868 -1,9979 3,9917
12 5,6934 6,7030 1,0097 1,0194 -2,5821 6,6672
0,9371
13 5,2586 6,2056 0,9470 0,8968 -3,0796 9,4837
14 4,8852 5,7768 0,8917 0,7951 -3,5083 12,3081
15 4,5670 5,4035 0,8365 0,6998 -3,8816 15,0669
16 4,2820 5,0755 0,7935 0,6296 -4,2096 17,7208
17 4,0302 4,7851 0,7549 0,5698 -4,5001 20,2505
18 3,8064 4,5261 0,7197 0,5179 -4,7591 22,6488
19 3,6067 4,2937 0,6869 0,4719 -4,9915 24,9149
20 3,4267 4,0839 0,6572 0,4319 -5,2012 27,0524
21 3,2636 3,8938 0,6302 0,3971 -5,3914 29,0669
22 3,1155 3,7205 0,6050 0,3660 -5,5646 30,9650
23 2,9801 3,5620 0,5820 0,3387 -5,7231 32,7540
24 2,8559 3,4165 0,5606 0,3143 -5,8687 34,4411
Jumlah 222,8432 220,0186 3499,1724

Tabel 4.64 Rekapitulasi Nash-Sutcliffe Efficiency Metode Empiris Dalam Berbagai

Periode Ulang
Periode Ulang Nash-Sutcliffe Efficiency (NSE)
2 0,9998 0,7148 0,7057 0,9371
5 0,9993 0,6608 0,1416 0,9949
10 0,9983 0,6432 -0,3954 0,9455
20 0,9974 0,6325 -1,0189 0,8300
25 0,9972 0,6307 -1,1605 0,7979
113
Periode Ulang Nash-Sutcliffe Efficiency (NSE)
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
Nash-Sutcliffe Efficiency
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
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
Analisis untuk mengetahui perbandingan intensitas hujan terukur dengan intensitas

hujan metode empiris melalui penggambaran kurva Intensity Duration Frequency (IDF)
dan uji kesesuaian metode. Berdasarkan hasil perbandingan kurva pada Gambar 4.11
bahwa metode Talbot terlihat memiliki pola kurva IDF yang sangat mendekati pola kurva
IDF intensitas hujan terukur sedangkan untuk nilai deviasi rata-rata, kesalahan relatif, dan
NSE yang dihasilkan berturut-turut sebesar 0,5062 ; 1,7790% ; dan 0,9977. Pola kurva
IDF yang dihasilkan oleh metode Sherman memiliki pola yang lebih landai diantara
metode empiris lainnya sehingga tidak terdapat nilai intensitas hujan yang mendekati pola
kurva IDF intensitas hujan terukur sedangkan untuk nilai deviasi rata-rata, kesalahan
relatif, dan NSE yang dihasilkan berturut-turut sebesar 10,5463 ; 83,9234% ; dan 0,6459.
Metode Mononobe dan Van Breen memiliki pola kurva IDF yang lebih renggang namun
pada durasi 8 – 24 jam pada setiap periode ulangnya pola kurva IDF kedua metode
tersebut mendekati pola kurva IDF intensitas hujan terukur sedangkan untuk nilai deviasi
rata-rata, kesalahan relatif, dan NSE metode Mononobe sebesar berturut-turut sebesar
5,8317 ; 19,5784% ; dan -0,9466 serta nilai deviasi rata-rata, kesalahan relatif, dan NSE
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.
Tabel 4.66 Persamaan Matematis Lengkung IDF Metode Talbot
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
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
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.
Tabel 4.68 Rekapitulasi Pemilihan Data Hujan Maksimum

Stasiun Hujan Stasiun Hujan Stasiun Hujan
Tanggal Tanggal Tanggal
Gunung Sari Sesaot Bertais
16 Jun 2016 101,2 9 Okt 2016 74 16 Jan 2016 80
10 Okt 2017 160 12 Jun 2017 70 12 Jun 2017 70
13 Mei 2018 46,2 11 Nov 2018 80 30 Jan 2018 66,5
Sumber : (Balai Wilayah Sungai Nusa Tenggara I, 2023)
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.
Tabel 4.70 Data Hujan Kumulatif Maksimum Periode Per 6 Jam

Hujan Kumulatif
Stasiun
Gunung Sari 0,00 7,80 167,80 168,70
Sesaot 9,00 121,50 121,60 124,00
Bertais 5,00 5,00 8,00 88,50
Kurva Massa Stasiun Hujan

200
180
Kedalaman Hujan (mm)
160
140
120
100
80
60
40
20
0
0 5 10 15 20 25 30
Gunung Sari Sesaot Bertais
Durasi (Jam)
Gambar 4.13 Kurva Massa Hujan
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.
Gambar 4.14 Peta Isohyet Periode 6 Jam
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
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
Rata-
Isohyet Rata
(mm) Hujan
(km2) (km2) (mm)
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-
Isohyet Rata
(mm) Hujan
(km2) (km2) (mm)
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
124
Rata-
Isohyet Rata
(mm) Hujan
(km2) (km2) (mm)
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
125

Rata- Volume Hujan (mm-km2)
Luas Luas Hujan Rata-
Isohyet Rata
(mm) Hujan Kenaikan Kumulatif
(km2) (km2) (mm)
(mm)
1 2 3 4 5 6 7
165 13,1456 13,1456 165 2169,0224 2169,0224 165,0000
160 21,3246 34,4701 162,5 3465,2402 5634,2625 163,4534
155 14,9861 49,4563 157,5 2360,3171 7994,5796 161,6494
150 17,5730 67,0292 152,5 2679,8767 10674,4563 159,2507
145 20,0981 87,1274 147,5 2964,4761 13638,9324 156,5401
140 14,0556 101,1830 142,5 2002,9280 15641,8604 154,5898
135 13,6741 114,8571 137,5 1880,1893 17522,0497 152,5552
130 16,1103 130,9674 132,5 2134,6163 19656,6660 150,0882
125 22,3896 153,3571 127,5 2854,6802 22511,3463 146,7904
120 14,1077 167,4648 122,5 1728,1935 24239,5398 144,7441
115 7,1258 174,5906 117,5 837,2833 25076,8230 143,6321
110 4,9421 179,5327 112,5 555,9888 25632,8119 142,7751
105 2,9457 182,4784 107,5 316,6636 25949,4755 142,2057
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.
Tabel 4.75 Analisis DAD Dengan Isohyet 1 mm Periode 6 Jam

(A = 179,4970 km2 ; Hujan Rata-Rata Areal = 3,0794 mm)
Analisis DAD dengan Isohyet 1 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 100,00%
0,00 7,80 167,80 168,70
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 0,00%
0,00 0,00 0,00 0,00
a) Jumlah 100% 0,00 7,80 167,80 168,70
b) Koefisien Penyesuaian 0,02 0,00 0,14 3,06 3,08
c) Nilai Kenaikan Hujan 0,00 0,14 2,92 0,02
d) Kedalaman Hujan Maksimum 2,92 3,06 3,08 3,08

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.

Stasiun
1 2 3 4 5 6 7 8 9 10
0,00 7,80 167,80 168,70
Gunung Sari 100,00%
0,00 7,80 167,80 168,70
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 0,00%
0,00 0,00 0,00 0,00
a) Jumlah 100% 0,00 7,80 167,80 168,70


Stasiun
1 2 3 4 5 6 7 8 9 10
0,00 7,80 167,80 168,70
Gunung Sari 100%
0,00 7,80 167,80 168,70
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 0,00%
0,00 0,00 0,00 0,00
a) Jumlah 100% 0,00 7,80 167,80 168,70

128
Stasiun
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
a) Jumlah 100% 0,19 7,69 161,61 165,59


Stasiun
1 2 3 4 5 6 7 8 9 10
0,00 7,80 167,80 168,70
Gunung Sari 0,0%
0,00 0,00 0,00 0,00
9,00 121,50 121,60 124,00
Sesaot 78,02%
7,02 94,79 94,87 96,74
5,00 5,00 8,00 88,50
Bertais 21,98%
1,10 1,10 1,76 19,46
a) Jumlah 100% 8,12 95,89 96,63 116,20

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
Kurva Depth Area Duration Periode 6 Jam

10
Kedalaman Hujan (mm)
0
0 25 50 75 100 125 150 175 200
Luas Areal (km²)
Gambar 4.18 Kurva Depth Area Duration Periode 6 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
KESIMPULAN DAN SARAN
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
Asy’ari, A. Z., & Nirmala, I. (2008). Identifikasi Fenomena Banjir Tahunan

Menggunakan SIG dan Perencanaan Drainase di Kecamatan Panjaitan,
Kulonprogo.
Bonnier. (1980). Probability Distribution and Probability Analysis. DPMA.Bandung
Chow, V. T., Maidment, D. R., & Mays, L. W. (1988). Applied hydrology. McGraw-
Hill.New York
Dana, I. P. E. N., Sulistiyono, H., & Yasa, I. W. (2019). Analisis Intensity Duration
Frequency (IDF) dan Depth Area Duration Pada DAS Babak.
Dar, A. Q., Maqbool, H., & Raazia, S. (2016). An empirical formula to estimate rainfall
intensity in Kupwara region of Kashmir valley, J and K, India. MATEC Web of
Conferences, 57, 03010. https://doi.org/10.1051/matecconf/20165703010
Dwirani, Y. (2019). Studi Penerapan Metode Talbot, Mononobe, Hasper Der Weduwen,
dan Van Breen Untuk Menentukan Kurva Intensitas Durasi Frekuensi (IDF) di
Stasiun Jabung, Kabupaten Malang.
Hadisusanto, N. (2010). Aplikasi Hidrologi. Jogja Mediautama.Malang
Harto Br, S. (1993). Analisis Hidrologi. Gramedia Pustaka Utama.Jakarta
Indarto. (2012). Hidrologi: Dasar Teori dan Contoh Aplikasi Model Hidrologi. Bumi
Aksara.Jakarta
Jarwanti, D. P., Suhartanto, E., & Fidari, J. S. (2021). (Tropical Rainfall Measuring
Mission). 1(2).
Linsley, JR, R. K., Kohler, M. A., & Paulhus, J. L. H. (1996). Hidrologi Untuk Insiyur.
Penerbit Erlangga.Jakarta
Pola Pengelolaan Sumber Daya Air Wilayah Sungai Lombok. (2015). BWS Nusa
Tenggara I Direktorat Jenderal Sumber Daya Air Kementerian Pekerjaan Umum
dan Perumahan Rakyat.
Saidah, H., Hanifah, L., Supriyadi, A., & Jayadi. (2021). Kurva Intensity-Duration-
Frequency Dan Depth-Area- Duration Untuk Kabupaten Lombok Timur. Jurnal
Teknik Sipil, 1(1).
Sampelan, D., Budianto, M. B., & Hanifah, L. (2019). Analisis Kesesuaian Intensitas
Hujan dengan Metode Talbot, Sherman, Ishiguro Pada DAS Meninting.
Shaw, E.M. (1988). Hydrology in Practice. Chapman and Hall.London
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

Tugas Akhir-Farah Dhiyah Alfini Sarnyoto-Analisis Intensity Duration Frequency (IDF) Dan Depth Area Duration (DAD) Di DAS Meninting

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tugas Akhir-Farah Dhiyah Alfini Sarnyoto-Analisis Intensity Duration Frequency (IDF) Dan Depth Area Duration (DAD) Di DAS Meninting

Diunggah oleh

Hak Cipta:

Format Tersedia

TUGAS AKHIR

ANALISIS INTENSITY DURATION FREQUENCY (IDF) DAN

FARAH DHIYAH ALFINI SARNYOTO

JURUSAN TEKNIK SIPIL

Mataram, 1 Juli 2023

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

HALAMAN PENGESAHAN TIM PENGUJI ............................................................ iii

SURAT KEASLIAN TUGAS AKHIR ......................................................................... iv

UCAPAN TERIMA KASIH ......................................................................................... vi

DAFTAR ISI ................................................................................................................ viii

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

DAFTAR TABEL ........................................................................................................ xiv

DAFTAR LAMPIRAN .............................................................................................. xviii

DAFTAR LAMBANG DAN SINGKATAN .............................................................. xix

ABSTRAK .................................................................................................................... xxi

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

1.1 Latar Belakang ...................................................................................................... 1

1.2 Rumusan Masalah ................................................................................................. 2

1.3 Batasan Masalah.................................................................................................... 2

1.4 Tujuan Penelitian .................................................................................................. 3

1.5 Manfaat Penelitian ................................................................................................ 3

BAB II DASAR TEORI ................................................................................................. 4

2.1 Tinjauan Pustaka .................................................................................................. 4

2.2 Dasar Teori ............................................................................................................ 5

2.2.1 DAS (Daerah Aliran Sungai) ......................................................................... 5

2.2.2 Hujan .............................................................................................................. 6

2.2.3 Uji Konsistensi Data Hujan ............................................................................ 6

2.2.4.1 Metode Polygon Thiessen .................................................................. 8

2.2.4.2 Metode Isohyet ................................................................................. 10

2.2.5 Pemilihan Seri Data Hujan ........................................................................... 11

2.2.5.1 Partial Duration Series .................................................................... 11

2.2.5.2 Annual Maximum Series .................................................................. 12

2.2.6 Analisis Frekuensi ........................................................................................ 12

2.2.7 Distribusi Curah Hujan................................................................................. 14

2.2.7.1 Distribusi Normal............................................................................. 14

2.2.7.2 Distribusi Log Normal ..................................................................... 15

2.2.7.3 Distribusi Gumbel ............................................................................ 16

2.2.7.4 Distribusi Log Pearson Type III ...................................................... 18

2.2.8 Uji Kesesuaian Distribusi ............................................................................. 20

2.2.8.1 Uji Chi-Kuadrat ............................................................................... 20

2.2.8.2 Uji Smirnov-Kolmogorov ................................................................. 22

2.2.9 Intensitas Hujan ............................................................................................ 23

2.2.9.1 Metode Pengamatan ......................................................................... 24

2.2.9.2 Metode Talbot .................................................................................. 24

2.2.9.3 Metode Sherman .............................................................................. 25

2.2.9.4 Metode Mononobe ........................................................................... 25

2.2.9.5 Metode Van Breen ........................................................................... 26

2.2.10 Uji Kesesuaian Metode .............................................................................. 26

2.2.10.1 Deviasi Rata-Rata .......................................................................... 26

2.2.10.2 Kesalahan Relatif (Kr) ................................................................... 27

2.2.10.3 Nash-Sutcliffe Efficiency (NSE) ..................................................... 27

2.2.11 Intensity Duration Frequency (IDF) .......................................................... 28

2.2.12 Depth Area Duration (DAD) ..................................................................... 29

3.1 Lokasi Penelitian ................................................................................................. 30

3.2 Pelaksanaan Penelitian ....................................................................................... 31

3.2.1 Pengumpulan Data ....................................................................................... 31

3.2.2 Analisis Data ................................................................................................ 31

3.3 Bagan Alir Penelitian .......................................................................................... 34

BAB IV HASIL DAN PEMBAHASAN ...................................................................... 36

4.1 Pengumpulan Data Awal .................................................................................... 36

4.1.1 Peta Stasiun Hujan ....................................................................................... 36

4.1.2 Data Hujan ................................................................................................... 36

4.2 Pengujian Data Hujan......................................................................................... 37