(
) (
) . (
2
x x
x
y x
y y
=
ANALISA HIDROLOGI
1. MELENGKAPI DATA CURAH HUJAN YANG HILANG
Menghadapi keadaan kurangnya data hujan yang diperoleh di lapangan, terdapat dua
langkah yang dapat dilakukan, yaitu :
- membiarkan saja data yang hilang tersebut, karena dengan cara apapun data
tersebut tidak akan dapat diketahui dengan tepat.
- Bila dipertimbangkan bahwa data tersebut mutlak diperlukan maka sebelum
perhitungan dilakukan terlebih dahulu melengkapi data curah hujan yang hilang
tersebut, yaitu dengan cara :
Regresi Linear
Persamaan :
dimana :
dengan : n = banyaknya data hujan
x = variable tahun (waktu)
y = variable curah hujan
apabila :
Maka persamaan regresi linear menjadi :
b x a y + = .
n
y
n
x
x
x a y b
x x
y y x x
a
=
=
=
.
) (
) )( (
2
x x x = ) (
y y y = ) (
2
) (
) . (
x
y x
a
=
x
x
y x
y b .
) (
) . (
2
=
2. CURAH HUJAN HARIAN MAKSIMUM
Penentuan curah hujan rerata daerah dilakukan dengan cara rata-rata Aljabar. Persamaan
umum yang digunakan adalah sebagai berikut :
dimana :
d = tinggi curah hujan rerata daerah (mm)
dn = tinggi curah hujan pada pos penakar (mm)
n = jumlah stasiun penakar
3. ANALISIS FREKUENSI
A. Penetapan Seri Data untuk Analisis
1. Annual Maximum Series
Dengan menggambil 1 data maksimum setiap tahun, yang berarti jumlah data
dalam seri akan sama dengan panjang data yang tersedia.
2. Peak Over Threshold (POT)
Dengan menentapkan suatu batas bawah tertentu (Threshold) dengan
pertimbangan-pertimbangan tertentu. Semua besaran hujan/debit yang lebih besar
daripada batas bawah tersebut diambil dan dijadikan bagian dari seri data.
X
1
X
3
X
2
3 1 2 n
Tahun ke -
Seri Data X
1
, X
2
, X
3
, , X
n
X
1
X
5
X
2
3 1 2
Tahun ke -
Seri Data X
1
, X
2
, X
3
, X
4,
X
5,
, X
n
Ambang
X
4
X
3
n
d d d
d
n
+ + +
=
...
2 1
=
n
i
i k
X X
S n n n
n
C
1
4
4
2
) ( .
). 3 )( 2 )( 1 (
Hubungan antara kala ulang hasil analisis frekuensi dengan data annual Maximum
series dan Peak Over Threshold/Partial Series adalah
Dengan : T
M
= Kala ulang dengan Maximum Annual Series
T
E
= Kala ulang dengan Partial Series
B. Penentuan Parameter Statistik
Parameter statistik series data perlu diperkirakan untuk memilih distribusi yang sesuai
dengan sebaran data.
1. Mean/nilai tengah/rerata
2. Simpangan Baku/Standard Deviasi
3. Koefisien Variansi/Variation Coefficient
4. Asimetri/Kemencengan/Skewness
5. Kurtosis
Dengan : n = jumlah data yang dianalisis
X
i
= data hujan/debit
C. Perkiraan Jenis Distribusi
1
1
ln
|
|
\
|
=
M
M
E
T
T
T
=
=
n
i
i
X
n
X
1
1
( ) ) 1
) (
2
1
=
n
X X
S
n
i
i
X
S
C
v
=
=
n
i
i s
X X
S n n
n
C
1
3
3
) ( .
). 2 )( 1 (
1. Distribusi Normal
Ciri khas distribusi normal adalah
- Cs 0,00
- Ck = 3,00
- Prob X (X - S) = 15,87 %
- Prob X (X) = 50,00 %
- Prob X (X + S) = 84,14 %
2. Distribusi Log Normal
Ciri khas distribusi Log Normal adalah :
- Cs 3 Cv
- Cs > 0,00
3. Distribusi Gumbel
Sifat statistik distribusi Gumbel adalah :
- Cs 1,1396
- Ck 5,4002
4. Distribusi Log Pearson III
Sifat statistik distribusi ini adalah :
- Jika tidak menunjukkan sifat-sifat seperti pada ketiga distribusi di atas.
- Garis teoritik probabilitasnya berupa garis lengkung.
D. Fungsi Distribusi Teoritik
Apabila seluruh data telah dugambarkan dalam kertas probabilitas yang dipilih, maka
dibandingkan dengan fungsi distribusi teoritik untuk kemudian dilakukan pengujian.
Penggambaran garis tersebut dapat dilakukan dengan menggunakan persamaan umum
Garis Teoritik Probabilitas untuk Analisis Frekuensi:
dengan :
X
T
= besaran (hujan/debit) kala ulang T tahun
K = faktor frekuensi untuk kala ulang T tahun
S = simpangan baku
Apabila nantinya dalam pengujian diperoleh bukti bahwa distribusi teoritik yang dipilih
sesuai dengan distribusi empirik yang dimiliki, maka persamaan ini pula dapat
digunakan untuk menetapkan besaran-besaran rancangan yang diperlukan.
S K X X
T
. + =
sampel rata - rata X =
Tabel 1. Faktor Frekuensi K dan Standar Error untuk distribusi normal
Probabilitas Terlampaui 0,5 0,20 0,10 0,05 0,02 0,01
Kala Ulang 2 5 10 20 50 100
Faktor Frekuensi K 0 0,842 1,282 1,645 2,054 2,326
1 1,164 1,350 1,534 1,763 1,925
Tabel 2. Faktor Frekuensi K untuk distribusi log-normal
Cv
( )
Kala Ulang
1,053 1,111 1,25 2 5 10 20 50 100
0,050 -1,601 -1,264 -0,848 -0,025 0,833 1,296 1,686 2,134 2,437
0,100 -1,555 -1,244 -0,851 -0,050 0,822 1,307 1,725 2,213 2,549
0,150 -1,508 -1,221 -0,852 -0,074 0,808 1,316 1,760 2,290 2,661
0,200 -1,460 -1,196 -0,850 -0,097 0,793 1,320 1,791 2,364 2,772
0,250 -1,412 -1,170 -0,846 -0,119 0,775 1,321 1,818 2,435 2,880
0,300 -1,363 -1,142 -0,840 -0,141 0,755 1,318 1,841 2,502 2,987
0,350 -1,315 -1,113 -0,831 -0,160 0,733 1,313 1,860 2,564 3,089
0,400 -1,268 -1,083 -0,822 -0,179 0,711 1,304 1,875 2,621 3,187
0,450 -1,222 -1,053 -0,810 -0,196 0,687 1,292 1,885 2,673 3,220
0,500 -1,178 -1,024 -0,798 -0,211 0,663 1,278 1,891 2,720 3,367
0,550 -1,134 -0,994 -0,785 -0,225 0,638 1,261 1,893 2,761 3,449
0,600 -1,093 -0,964 -0,770 -0,237 0,613 1,243 1,891 2,797 3,524
0,650 -1,053 -0,936 -0,756 -0,248 0,588 1,223 1,887 2,828 3,593
0,700 -1,014 -0,908 -0,741 -0,258 0,563 1,201 1,879 2,853 3,656
0,750 -0,978 -0,880 -0,725 -0,267 0,539 1,178 1,868 2,873 3,712
0,800 -0,943 -0,854 -0,710 -0,274 0,515 1,155 1,845 2,889 3,762
0,850 -0,910 -0,828 -0,695 -0,280 0,491 1,131 1,830 2,900 3,806
0,900 -0,878 -0,803 -0,679 -0,285 0,469 1,106 1,829 2,907 3,844
0,950 -0,849 -0,780 -0,664 -0,289 0,447 1,081 1,802 2,910 3,876
1,000 -0,820 -0,757 -0,649 -0,293 0,425 1,056 1,781 2,910 3,903
Tabel 3. Faktor Frekuensi K untuk distribusi Gumbel EV I
n Kala Ulang
1,053 1,111 1,25 2 5 10 20 50 100
5 -1,963 -1,631 -1,179 -0,116 1,313 2,260 3,168 4,343 5,224
10 -1,677 -1,400 -1,023 -0,136 1,058 1,848 2,606 3,587 4,323
15 -1,578 -1,320 -0,969 -0,143 0,967 1,703 2,408 3,321 4,005
20 -1,252 -1,277 -0,940 -0,148 0,919 1,625 2,302 3,197 3,836
25 -1,492 -1,251 -0,922 -0,151 0,888 1,575 2,235 3,089 3,728
30 -1,468 -1,232 -0,910 -0,153 0,866 1,541 2,188 3,026 3,653
35 -1,451 -1,218 -0,901 -0,154 0,850 1,515 2,153 2,979 3,598
40 -1,438 -1,207 -0,893 -0,155 0,838 1,495 2,126 2,943 3,554
45 -1,427 -1,198 -0,887 -0,156 0,828 1,479 2,104 2,913 3,519
50 -1,418 -1,191 -0,833 -0,157 0,820 1,466 2,086 2,889 3,491
55 -1,410 -1,185 -0,879 -0,157 0,813 1,455 2,071 2,869 3,467
60 -1,404 -1,180 -0,875 -0,158 0,807 1,446 2,059 2,852 3,446
65 -1,398 -1,176 -0,872 -0,158 0,802 1,438 2,047 2,837 3,428
70 -1,394 -1,172 -0,869 -0,159 0,797 1,430 2,038 2,824 3,413
75 -1,389 -1,168 -0,867 -0,159 0,793 1,424 2,029 2,812 3,399
80 -1,386 -1,165 -0,865 -0,159 0,790 1,419 2,021 2,802 3,387
85 -1,382 -1,162 -0,863 -0,160 0,787 1,413 2,015 2,793 3,376
90 -1,379 -1,160 -0,862 -0,160 0,784 1,409 2,008 2,784 3,366
95 -1,376 -1,158 -0,860 -0,160 0,781 1,405 2,003 2,777 3,357
100 -1,374 -1,155 -0,859 -0,160 0,779 1,401 1,998 2,770 3,349
Tabel 4. Faktor Frekuensi K untuk distribusi Pearson III
Cs
( )
Kala Ulang
1,053 1,111 1,25 2 5 10 20 50 100
0,0 - - - 0,000 0,842 1,282 1,645 2,054 2,326
0,1 - - - -0,017 0,836 1,292 1,673 2,107 2,400
0,2 -1,586 -1,258 -0,850 -0,033 0,830 1,301 1,700 2,159 2,472
0,3 -1,555 -1,245 -0,853 -0,050 0,834 1,309 1,726 2,211 2,544
0,4 -1,524 -1,231 -0,855 -0,067 0,816 1,317 1,750 2,261 2,615
0,5 -1,491 -1,216 -0,857 -0,083 0,808 1,323 1,774 2,331 2,686
0,6 -1,458 -1,200 -0,857 -0,099 0,800 1,329 1,797 2,359 2,755
0,7 -1,423 -1,183 -0,857 -0,116 0,790 1,333 1,819 2,407 2,824
0,8 -1,389 -1,166 -0,856 -0,132 0,780 1,336 1,839 2,453 2,891
0,9 -1,353 -1,147 -0,854 -0,148 0,769 1,339 1,859 2,498 2,957
1,0 -1,317 -1,128 -0,852 -0,164 0,758 1,340 1,877 2,542 3,023
1,1 -1,280 -1,107 -0,848 -0,180 0,745 1,341 1,894 2,585 3,087
1,2 -1,243 -1,086 -0,844 -0,195 0,733 1,340 1,910 2,626 3,149
1,3 -1,206 -1,064 -0,838 -0,210 0,719 1,339 1,925 2,667 3,211
1,4 -1,168 -1,041 -0,832 -0,225 0,705 1,337 1,938 2,706 3,271
1,5 -1,131 -1,018 -0,825 -0,240 0,691 1,333 1,951 2,743 3,330
1,6 -1,093 -0,994 -0,817 -0,254 0,675 1,329 1,962 2,780 3,388
1,7 -1,056 -0,970 -0,808 -0,268 0,660 1,324 1,972 2,815 3,444
1,8 -1,020 -0,945 -0,799 -0,281 0,643 1,318 1,981 2,848 3,499
1,9 -0,984 -0,920 -0,788 -0,294 0,627 1,311 1,989 2,881 3,553
2,0 -0,949 -0,895 -0,777 -0,307 0,609 1,303 1,996 2,912 3,605
2,1 -0,915 -0,869 -0,765 -0,319 0,592 1,294 2,001 2,942 3,656
2,2 -0,882 -0,844 -0,752 -0,330 0,574 1,284 2,006 2,970 3,705
2,3 -0,850 -0,819 -0,739 -0,341 0,555 1,274 2,009 2,997 3,753
2,4 -0,819 -0,795 -0,725 -0,351 0,537 1,262 2,011 3,023 3,800
2,5 -0,790 -0,771 -0,711 -0,360 0,518 1,250 2,012 3,048 3,845
E. Posisi Penggambaran (Plotting Position)
Posisi penggambaran pada kertas probabilitas yang sesuai untuk distribusi terpilih.
dengan :
m = urutan data dari kecil ke besar
n = jumlah data
F. Uji Kesesuaian Distribusi Frekuaensi
Pengujian kesesuaian terhadap curah hujan ini dimaksudkan untuk mengetahui
kebenaran akan distribusi yang digunakan, sehingga diketahui :
a. Kebenaran antara hasil pengamatan dengan model distribusi yang diharapkan atau
yang di dapatkan secara teoritis.
b. Kebenaran hipotesis (hasil model distribusi diterima atau ditolak).
Untuk keperluan analisis uji kesesuaian distribusi dipakai dua metode statistik, yaitu Uji
Chi Kuadrat dan Uji Smirnov Kolmogorov.
a. Uji Smirnov Kolmogorov
Uji ini digunakan untuk menguji simpangan secara horisontal antara distribusi
empiris dan distribusi teoritis. Dari plotting data hujan pada kertas distribusi dapat
dihitung besarnya penyimpangan secara horizontal antara data teoritis dan data
pengamatan (Sri Harto, 1993 : 252 ) :
dimana :
P(T) = peluang teoritis
P(E) = peluang empiris, dengan metode Weibull
di mana : m = no. urut dan n = jumlah data
cr = simpangan kritis
( )
1 +
=
n
m
P
E
( ) ( ) cr E T
P P >
) 1 (
) (
+
=
n
m
x x PROB
i
Penyimpangan tersebut kemudian dibandingkan dengan penyimpangan kritis yang
masih diijinkan (cr) yang mana pada studi ini digunakan nilai kritis (significant level)
= 5 %. Apabila max < cr berarti distribusi frekuensi tersebut dapat diterapkan
untuk semua data yang ada.
Tabel 5. Nilai Kritis Smirnov Kolmogorov
n
0,20 0,10 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 0,30 0,34 0,40
20 0,23 0,26 0,29 0,36
25 0,21 0,24 0,27 0,32
30 0,19 0,22 0,24 0,29
35 0,18 0,20 0,23 0,27
40 0,17 0,19 0,21 0,25
45 0,16 0,18 0,20 0,24
50 0,15 0,17 0,19 0,23
n>50
n
07 , 1
n
22 , 1
n
36 , 1
n
63 , 1
b. Uji Chi Kuadrat
Pengujian ini sama dengan pengujian Smirnov-Kolmogorov, tetapi dilakukan untuk
menguji simpangan secara vertikal dan untuk menguji apakah distribusi
pengamatan dapat disamai dengan baik oleh distribusi teoritis. Perhitungan dengan
menggunakan persamaan (Sri Harto, 1993 : 252 ) :
Jumlah kelas distribusi dihitung dengan rumus :
k = 1 + 3,22 log n
Dk = k - ( P + 1)
dimana:
x
2
= harga chi kuadrat
Ef = nilai yang diharapkan untuk kelas i( expected frequency)
Of = nilai yang diamati untuk kelas i (observed frequency)
( )
(
=
Ef
Of Ef
2
2
)
=
t
I
I
t
Debit maksimum suatu DAS dapat dicapai pada saat seluruh bagian DAS telah
memberikan kontribusinya. Hal ini berarti, bahwa air hujan yang jatuh di tempat dalam
DAS yang terjauh dari titik kontrol (titik yang ditinjau/stasiun hidrometri) telah sampai di
titik tersebut. Dengan demikian, hal ini berarti pula, bahwa debit maksimum tersebut
tercapai apabila hujan dengan intensitas tetap terjadi selama waktu kritik yang
memungkinkan seluruh DAS telah menyumbangkan limpasan ke titik kontrol. Dengan
kata lain telah terjadi konsentrasi aliran di titik kontrol tersebut. Waktu tersebut disebut
waktu konsentrasi (t
c
atau time of concentration). Secara konseptual waktu konsentrasi
ditakrifkan sebagai waktu yang diperlukan oleh setetes air hujan yang jatuh di tempat
yang terjauh dalam DAS untuk mengalir sampai di titik kontrol.
Gambar 3. Hubungan Curah Hujan dengan Aliran Permukaan untuk
Durasi yang berbeda
Berdasarkan Gambar 2.6, terdapat tiga kemungkinan, yaitu :
1. apabila lama hujan (rainfall duration) lebih pendek daripada t
c
maka debit belum
mencapai maksimum,
2. apabila lama hujan sama dengan t
c
, maka debit maksimum tercapai pada waktu t
c
dan waktu resesi sama dengan t
c
, dan
3. apabila lama hujan lebih besar daripada t
c
maka debit maksimum tercapai pada
waktu t
c
dan debit tetap sebesar debit maksimum terjadi selama selisih waktu
antara lama hujan dan t
c
dan waktu resesi sama dengan t
c
.
Intensitas Hujan I
D = t
c
t
c
Waktu
Q
Aliran akibat hujan dengan durasi D < t
c
Aliran akibat hujan dengan durasi D = t
c
Aliran akibat hujan dengan durasi D > t
c
Untuk persamaan waktu konsentrasi dikenal persamaan Kirpich :
dengan :
t
c
= waktu konsentrasi dalam jam
L = panjang sungai dalam km
S = landai sungai dalam m/m
Koefisien aliran permukaan (C) didefinisikan sebagai nisbah antara puncak aliran
permukaan terhadap intensitas hujan. Faktor ini merupakan variabel yang paling
menentukan hasil perhitungan debit banjir. Faktor utama yang mempengaruhi C adalah
laju infiltrasi tanah atau prosentase lahan kedap air, kemiringan lahan, tanaman
penutup tanah dan intensitas hujan.
Tabel 7. Koefisien Limpasan untuk Metode Rasional
Jenis Penutup Lahan/Karakteristik Permukaan Nilai Koefisien c
Business
Perkotaan
Pinggiran
0,70 0,95
0,50 0,70
Perumahan
Rumah tunggal
Multiunit, terpisah
Multiunit tergabung
Perkampungan
Apartemen
0,30 0,50
0,40 0,60
0,60 0,75
0,25 0,40
0,50 0,70
Industri
Ringan
Berat
0,50 0,80
0,60 0,90
Perkerasan
Aspal dan beton
Batu bata, paving
0,70 0,95
0,50 0,70
Atap 0,75 0,95
Halaman tanah berpasir
Datar 2%
Rata-rata 2 7%
Curam 7%
0,05 0,10
0,10 0,15
0,15 0,20
Halaman tanah berat
Datar 2%
Rata-rata 2 7%
Curam 7%
0,13 0,17
0,18 0,22
0,25 0,35
Halaman kereta api 0,10 0,35
Taman tempat bermain 0,20 0,35
Taman, pekuburan 0,10 0,25
Hutan
Datar 0 5%
Bergelombang 5 10%
Berbukit 10 30%
0,10 0,40
0,25 0,50
0,30 0,60
385 . 0 77 , 0
97 , 3
= S L t
c