Anda di halaman 1dari 56

RINGKASAN KULIAH

HIDROLOGI
S1 TL -FTSL,ITB

Minggu 1 Sem 1 09/10


Oleh: Dr. Ir.Arwin ,MS
FTSL-ITB

Kab.

Kota

Sistem Dalam DAS Model Fisik Hidrologi

INPUT

Curah Hujan
(P)

Variabel Acak/stokastik

PROSES

Kualitas Ruang DAS


- Tata Guna Lahan
- Topografi
- Morfologi
- Sifat Batuan

OUTPUT

Debit
(Q)

Variabel Acak/stokastik

Konsep Dasar Hidrologi

Siklus Hidrologi
DAS

P
Q

Pola Distribusi Hujan

Water Supply General

KAWASAN PELAYANAN
(Kepuasan Konsumen )

RESPON TEKNOLOGI
PENGOLAHAN AIR

SUMBER AIR BAKU

Kualitas Air
Kwantitas Air
Kontinuitas air
Harga jual kompetitif
Laju Kebutuhan Air

Respon Teknologi Air


Bersih
Biaya Operasi

Fresh water (Gol A/B)


Randow variabel
Keandalan Sumber
Air( Kuantitas & Kualitas Air )
5

PROSES
INPUT
Curah hujan)

Sifat tanah, batuan,


Morfologi, topografi
Tutupan lahan

Besaran Input
Variabel Acak/Stokastik

OUTPUT
Muka air tanah
Debit sungai

Besaran Out put


Variabel Acak/Stokastik

Ketersediaan Data Curah Hujan di


DAS Jeneberang- waduk Bili-Bili
SULSEL

Sumber : Proyek Pengembangan PSDA Jeneberang

Karakteristik Sumber Air

Randow variable Kejadian dan besaran


Komponen Siklus Hidrologi (sumber air ) tidak
menentu dalam proses waktu

Urutan berturut -turut , sumber air dari rentang


independent ke dependent : Air Hujan ,Air
permukaan ,Air tanah dan mata air (Karakter air
hujan lebih independent dari air permukaan
atau air permukaan lebih dependent dari air
hujan atau air tanah/mata air lebih dependent
dari air permukaan).
8

Gamb. Fluktuasi Hujan Wilayah Mintakat Ciremai Utara

Model Kontinu Hujan-Debit


Metode Regresi Ganda

Debit hasil peramalan dengan metode regresi linier


ganda dapat mengikuti fluktuasi debit historis yang
ada.
Peramalan debit metode regresi linier ganda dapat
digunakan sebagai alat untuk memperkirakan debit
yang akan datang.
10

Data debit aliran minimum periode kemarau 1970-2003

11

12

View Mintakat Ciremai ,Up Stream Sumber sumber Mata


Air Mandirancan Cibulakan,Cikepel dan Cigorowong
(Rando Bawagirang
Minggu, 25 jul 04)

13

14

15

Model Deterministik
Aliran Permukaan Bebas
Volume Kontrol
H
x

R(t)

HULU
0

B
H(t)

H
I
L
I
R

x
L

16

Perhitungan Curah Hujan


Rata-rata Wilayah

Metode Aljabar/Aritmatika

1
R R1 R2 ... Rn
n
dengan :
= Curah hujan daerah (mm)
n = Jumlah titik-titik (stasiun-stasiun) pengamat hujan
R1, R2,, Rn = Curah hujan di tiap titik pengamatan
17

Gambar Pembagian Wilayah Hujan dengan Metode Thiessen

Ai

i 1

At

PW Pi

dimana :
Ai = luas masing-masing poligon
Pi = tinggi hujan pada stasiun A

18

Gambar Pembagian Wilayah Hujan dengan Metode Isohiet


n

i 1

P Pi
W

Pw

A1 P1 A2 P2 .... An Pn

dimana :
Pw
A1,A2,...An
P1,P2,...Pn

A1 A2 ..... An

= curah hujan wilayah


= luas bagian-bagian antara
garis-garis isohiet
= curah hujan rata-rata pada
bagian A1,A2,...An

19

Keseimbangan Air di
DAS
Q = C (P x A ) + b
Q = debit sungai, C = koefisien limpasan
(run off), P = curah hujan, A = luas DAS,
b = aliran dasar (base flow)

S = P-R-E-B**-B*
R = Limpasan; E= Evaporasi;
B = Aliran Air Tanah
20

21

Keseimbangan Masa Air Waduk


Q

In

Q out

Smaks ( 11 m)

Smin (+ 7 m )

Keseimbangan masa : St+1 = St + Qin Qout - E


S
: Variabel ditentukan
Qin : debit input air ( variabel acak) Prakiraan debit input ,simulasi
debit air : Metode Kontinu dan metode Diskret (Arwin ,1992)
Q out : Keandalan air baku
E
: evaporasi fungsi komponen meteorologi

22

Model Kontinu
Metode Regresi Linier Ganda

Dibangun berdasarkan korelasi antara dua variabel


acak, yaitu :
* Stasiun pengamat hujan (P )
* Stasiun pengamat debit (Q )

Model dengan nilai koefisien Korelasi (R) terbesar


dipilih sebagai model yang paling baik untuk
membangun data debit.

23

Korelasi 2 variabel
n

xy

xy
Xi

x , y
n

(X
i 0

X )(Yi Y )
n x y

= Koefisien

Yi

korelasi 2 variabel

xy

= nilai Variabel X atau Ykei


= Simpangan baku variabel X dan Y
= Jumlah populasi ,bila n<10 maka (n-1)
24

REGRESI LINAIR

Y= a+b.X
b

n XY X Y
n X 2 X

Y b X
n

dimana:

n = jumlah pasangan observasi atau pengukuran

b = koefisien regresi, kemiringan grafik


r

n XY X Y

N X X
2

n Y Y
2

r = koefisien korelasi ( -1 < r < 1 )


r < 0 korelasi berlawanan arah
r> 0 korelasi searah
25

Tabel 4.1 Penyusunan Koefisien Korelasi Antar Pos


Hujan
( pengisian atau perpanjangan data hujan )
Nilai

P1

P2

P3

P4

Pn

P1

P2

21

P3

31

32

P4

41

42

43

4n

Pm

m1

m2

m3

m4

mn

1n
2n
3n

26

Tabel 4.2 Koefisien Korelasi Spartial Pos Hujan dan Debit


( Pembangunan Prakiraan Debit dgn Metode Kontinu
Nilai

P1

P2

P3

Qt

Qt+1

P1

P2

P2P1

P3

P3 P1

P3 P2

Qt

Qt P1

Qt P2

Qt P3

Qt+1

Qt+1 P1

Qt+1 P2

Qt+1 P3

Qt+1 Qt

Qt-1

Qt-1 P1

Qt-1 P2

Qt-1 P3

Qt-1 Qt

Qt-1 Qt+1

Qt-1

27

Korelasi
Regresi Ganda
2 Variabel
(Biner)

4 Variabel
(Kuaterner)
3 Variabel
(Terner)

R >>>
MODEL PEMBANGKITAN DEBIT
TERPILIH
28

12
X1

X2

(Q1)P
(Q1)Q

Model 2 Variabel (Biner)

Persamaan Regresi Linier Model Biner :


x1 = r 2x2 +
Koefisien Determinasi Dinyatakan sbb :
R = 12
2 = 1 R 2
29

X2
X1

12

23

13

X3

(Q1)PP
(Q1)QP
(Q1)QQ

Model 3 Variabel (Terner)

Persamaan Regresi Linier Model Terner :


x1 = r2x2 + r3x3 +

Koefisien Determinasi Dinyatakan sbb :

2 2 2
12 13 23
R2 12 13
1 2
23

30

Model 3 Variabel (Terner) (Lanjutan)

Koefisien Korelasi Parsiil Dinyatakan


sbb
r 12 13 23
2
1 2
23

r 13 12 23
3
1 2
23

31

X2

12
X1

23

2
4

14

X3

34
X4

(Q1)PPP
(Q1)QPP
(Q1)QQP
(Q1)QQQ

Model 4 Variabel (Kuaterner)

Persamaan Regresi Linier Model Kuaterner :


x1 = r2x2 + r3x3 + r4x4 +

Koefisien Determinasi Dinyatakan sbb :


2 = 1 R2
= 1 + r22 + r32 + r42 2(r212 + r313 +
r414) + 2(r2r323 + r2r424 + r3r434)
32

Model 4 Variabel (Lanjutan)

Koefisien Korelasi Parsiil Dinyatakan


sbb

r 2
2

r 3
3

r 4
4

= 1 (232 + 242 + 342) + 22324 34

2 = 12(1- 342) 13(23 24 34) 14(24 - 23


34)
3 = 13(1- 242) 12(23 24 34) 14(34 - 23
24)
4 = 14(1- 232) 12(24 23 34) 13(34 - 23
24)
33

Analisis Korelasi & Regresi


Model Terpilih

R >>>

Model Hujan-Debit Model HePQQ(Q1)


34

Perbandingan Model Pembangkitan Debit


Model Kontinu Model Diskrit Waduk Saguling
800
700

3
J u ta m

600
500
400
300
200
100
0
0

12

18

24

30

36

42

48

54

60

Bulan
HISTORIS

NORMAL

REGRESI

MARKOV

Debit hasil peramalan dengan model kontinu dan model diskrit dapat
mengikuti fluktuasi debit historis yang ada.
Elastisitas debit antisipasi terbaik Metode Diskrit Chain Markov.
Metode peramalan terpilih Pengelolaan Waduk Aktual
Matrik

35

Perbandingan Model Pembangkitan Debit


Model Kontinu Model Diskrit Waduk Cirata
700
600

Juta m3

500
400
300
200
100
0
0

12

18

24

30

36

42

48

54

60

Bulan
HISTORIS

NORMAL

REGRESI

MARKOV

Debit hasil peramalan dengan model kontinu dan model diskrit dapat
mengikuti fluktuasi debit historis yang ada.
Elastisitas debit antisipasi terbaik Metode Regresi Linier Ganda.
Metode peramalan terpilih Pengelolaan Waduk Aktual
Metode Regresi Linier Ganda Model Heterogen Q(1)QQP Korelasi & Regresi
36

Kriteria Desain Air Baku Multisektor


Sumber
Air
Kriteria disain Perencanan Air baku
Permukaa
n
Domestik

Irigasi

Industri

Debit Air
R=2
R=10 15 R=5
Suksesif
1-7
1-2
0
20
30
tahu
Kering
hari
hari tahu
Sumber: Modifikasi BMAtahun
,Cipta karya
-PU
,1994
37
hari
n
n

Seleksi Data Debit Harian

Pengelompokkan Data Debit


(Durasi 1,2,7,15,30 dan 60 hari)

Pengurutan Data

Uji Chi-kuadrat

Penentuan distribusi Terpilih

Uji K-S

Penentuan distribusi Terpilih

Penentuan Debit Andalan 5,


10, 20, 50 tahun untuk
berbagai durasi.

Pembuatan Kurva Debit


Andalan

Perbandingan Debit Andalan


dengan Kebutuhan Air

38

KAJIAN SUMBER AIR SUNGAI

Diagram Alir Analisis Peluang Debit Air musim kering


(Ekstrim Kering)

Seleksi data & urutan data debit air


1,2,7,15,30 dan setengah bulanan
kalender

Kawasan Hulu

Pemilihan distribusi teoritis


( Normal, Gumbel dan log Person III) yang
cocok
dengan Uji Goodness-of-fit

Boundary Hulu

Boundary Hilir

Hitung debit air minum Periode Ulang


5, 10, 20, 50 tahun dengan distribusi teoritis
terpilih

Q = C (P.A)+ b
C= f( P,I,, Tutupan lahan)
P : variabel bebas ( Randown variabel)

Debit air minimum


dengan Periode Ulang 5,10,20 dan 50 tahun

A : Luas tanggapan hujan


Q: variabel tergantung( Randown variabel)
b : aliran dasar ( tutupan lahan, batuan )

Kurva peluang debit air minimum ekstrem


kering

Keandalan Debit Air Baku

39

TEST GOODNESS-OF-FIT

sebuah test yang menentukan tingkat kesesuaian antara distribusi


sampel dengan distribusi teoritis.
Bila Fo(X) adalah suatu fungsi distribusi frekuensi kumulatif yang
ditentukan atau distribusi kumulatif teoritis dan SN(x) merupakan
frekuensi kumulatif sampel maka diharapkan dengan uji ini selisih
antara Fo(X) dan SN(X) adalah sesedikit mungkin atau nilai dari
Fo(X) mendekati nilai dari SN(X) yang masih dalam batas-batas
kesalahan random. Sehingga kedua distribusi frekuensi tersebut
bisa dikatakan identik.
Uji kecocokan Smirnov Kolmogorov, sering juga disebut uji
kecocokan non-parametrik (non-parametrik test) karena
pengujiannya tidak menggunakan fungsi distribusi tertentu.
Prosedurnya adalah sebagai berikut:
40

Distribusi Debit
Analisis Peluang Debit
Untuk memahami karakteristik debit sebagai variabel acak, dituntut pencocokan
distribusi teoritis tertentu pada nilsi-nilsi observasi acak yang ada (Chow, 1964). Jenis
Distribusi yang banyak digunakan untuk menganalisis debit ekstrim kering, yaitu
(Lindsley, 1969 dan Soewarno, 1995):
- Distribusi ekstrim tipe III (Weibull atau Gumbel tipe III)
- Distribusi Log-Pearson tipe III
- Distribusi Log-Normal

Uji Goodness-of-fit
Berfungsi untuk memilih fungsi distribusi yang sesuai dengan sampel dengan cara
menentukan kesesuaian antara sampel dengan distribusi teoritis tertentu.
Jenis Distribusi

Parameter Sampel

Uji yang Digunakan

Diskrit

Diketahui

Diskrit

Diperkirakan

Kontiniu

Diketahui

K-S

Kontiniu

Diperkirakan

Ket: Penentu lain, Data

41

Langkah Langkah Test K -S.

1.

Urutkan data (dari besar ke kecil atau sebaliknya) dan tentukan


besarnya peluang dari masing-masing data tersebut.

2.Tentukan nilai masing-masing peluang teoritis dari hasil


penggambaran data (persamaan distribusinya).
3. Dari kedua nilai peluang tersebut tentukan selisih terbesarnya
antara peluang pengamatan dengan peluang teoritis. D =
Maksimum [ Fo(Xm) SN(Xm)]
4. Berdasarkan tabel nilai kritis(Kolmogorov - Smirnov test) tentukan
harga Do.
Apabila nilai D lebih kecil dari Do maka distribusi teoritis yang
digunakan untuk menentukan persamaan distribusi dapat diterima,
apabila D lebih besar dari Do maka distribusi teoritis yang digunakan
untuk menentukan persamaan distribusi sampel tidak dapat diterima.
42

Distribusi Debit
Distribusi Normal
Distribusi Log-Normal
Distribusi Debit

Distribusi Gumbel
Distribusi Log-Pearson III

43

Uji Goodness-of-fit
Uji K-S

Uji 2

Menetapkan suatu titik dimana terjadi


simpangan terbesar antara distribusi
teoritis dan sampel.

Mengukur perbedaan relatif antara


Frekuensi hasil pengamatan
Dengan frekuensi yang diharapkan
2
(
O

E
)
i
i
Normal
2Distribusi
=
Ei
i 1
Distribusi Log-Normal
k

Distribusi Normal
Dn = Maksimum
IFo(X)-Sn(X)I
Distribusi Log-Normal

Dimana, Distribusi Gumbel


Dn
: Penyimpangan Terbesar
Log-Normal
Fo(X) : Distribusi
Suatu fungsi
distribusi
kumulatif yang ditntukan
Sn(X) : Distribusi Kumulatif
Sampel

Dimana,
Distribusi Gumbel
k
: Jumlah variabel
Log-Normal
Oi Distribusi
: Frekuensi
hasil pengamatan
Ei
: Frekuensi distribusi teoritis
n
: jumlah data
Pi
: Peluang dari distribusi
teoritis
44

Uji Goodness-of-Fit X2
2
Distribusi Frekuensi
Data (observed)

Grafik Distribusi
Teoritis (expected)

45

Hasil Pengamatan

P (Probabilitas)

frekuensi

= Dn
=

Distribusi Normal

Q (debit)

No.

5.55

6.55

9.14

13.50

14.58

18.48

21.63

24.98

25.74

10

28.86

11

33.43

12

33.73

13

36.33

14

37.20

15

38.63

16

65.80

17

66.56

18

85.92

46
1

Uji Goodness-of-Fit
Kolmogorov-Smirnov
GRAFIK FREKUENSI KUMULATIF
gdk_Jan
Variable:
, Distribution: Normal
Chi-Square test = 8.76148, df = 2, p = 0.01252

KOLMOGOROV-SMIRNOV
110

100
90

Distribusi Frekuensi
Kumulatif Data

Relative Frequency (%)

80
70

Dn

60
50

Grafik Distribusi
Frekuensi Teoritis

40
30
20
10
0
0.0

1.5

3.0

4.5

6.0

7.5

Category (upper limits)

47

Grafik Debit Andalan Mata air


Paniis

48

Perbandingan Kurva Debit Andalan air


permukaan (Mata air Paniis & Sungai
Cisadane)

49

ALAT UKUR THOMPSON & CIPOLETTI


Tahap pekerjaan pengukuran debit air
- Literatur alat ukur ambang tajam dan syarat berlaku
formula
-Menentukan lokasi pengukuran debit air dan penafsiran
dimensi alat ukur
- Pembuatan alat ukur
-Test pengukuran di lapangan
-Revisi alat ukur
-Penempatan alat ukur
-Pengukuran

50

51

52

53

54

55

56