Presipitasi
KONSEP DAS
PENGERTIAN DAS
DAS (Daerah Alian Sungai) = Catchment Area =
Watershed = DPS (Daerah Pengalairan Sungai) =
Patusan = Drainage Area
Adalah : suatu wilayah daratan yang merupakan satu
kesatuan dengan sungai atau anak-anak
sungainya, yang berfungsi menampung,
menyimpan, dan mengalirkan air berasal dari
curah hujan ke danau atau kelaut secara alami,
yang batas di daratan merupakan pemisah
topografis dan batas di laut sampai dengan daerah
perairan yang masih terpengaruh aktivitas daratan
Sub DAS B
Sub DAS B
C
D B
A A
DAS A
SUNGAI
Sub DAS B
Sub DAS B
C
D B
A A
DAS A
SUNGAI
Pulau Lombok
CONTOH DAS
awan
Hujan
Intersepsi
Infiltrasi
Evaporasi
Perkolasi Evaporasi
Air tanah
Aquifer
Faktor-faktor yang mempengaruhi
Siklus Hidrologi :
Kondisi Meteorologi, dipengaruhi oleh
:
- suhu T>>, bila RH >> uap <
- tekanan udara tekanan atmosfir
- angin >> penguapam tinggi
walaupun RH >>
- Kondisi Topografi ketinggian
tempat
Reservoir Air Tanah :
Suatu air yang terdapat di dalam tanah/batuan
yang bersifat porous sekali, dimana airnya
mengisi lubang-lubang di dalam tanah/batuan.
Lapisan kedap
1
R R1 R 2 .... Rn
n
dimana :
R = curah hujan daerah/wilayah (mm)
n = titik pengamatan
R1, R2, Rn = curah hujan di tiap-tiap titik
pengamatan (mm)
2. Cara Thiesen : cara ini dipergunakan apabila curah hujan tidak
tersebar secara merata di seluruh daerah yg bersangkutan.
A1 R1 A2 R 2 .... AnRn
R
A1 A2 .... An
A1 R1 A2 R 2 ... AnRn
R
A
R W 1 R1 W 2 R 2 .... WnRn
dimana :
R = curah hujan daerah (mm)
R1, R2, …., Rn = curah hujan di tiap-tiap titik pengamatan
A1, A2, …., An = bagian daerah yg mewakili titik-titik
pengamatan
W1, W2, …., Wn = A1, A2, A3
A A A
Cara Thiesen ini lebih teliti daripada cara aljabar rata-rata.
Poligon Thiesen
A C
dimana :
A = luas areal
d = tinggi hujan pada isohiet 0, 1, 2, …. n
A1, A2, …., An = luas bagian areal yg dibatasi oleh isohiet-
isohiet yg bersangkutan
A1 A2 A3 A4 A5 A6 A7
d0=10 mm
d1=20 mm d7
d6
d2 d3 d4 d5
2
4
6 9
3 7
1
5
1
2 8
B
KASUS A
AKASUS B
Cukup teliti tdak???? Untuk optimasi, berapa stasiun yang
Seberapa tingkat dapat
ketelitiannya dipakai????
Stasiun yang cukup representatif yang
mana saja????
DIPERLUKAN SISTEM JARINGAN PENGAMATAN HIDROLOGI YANG
OPTIMUM DAN DIPEROLEH INFORMASI MAKSIMUM
NETWORK JARINGAN
Merupakan satu set stasiun pengamatan hidrologi (sta
hujan dan hidrometri) yang menunjukkan adanya
keterikatan/koherensi observasi dalam tingkat tertentu
dari kejadian yang diukur.
Artinya:
Besaran observasi pada suatu titik/lokasi dapat
diperkirakan berdasarkan hasil pengukuran dari stasiun
sekitarnya Daerah pengaruh STA 1 Daerah pengaruh STA
1 2 3
Dengan:
dx = tinggi hujan yang diperkirakan pada stasiun X, mm
Anx = tinggi hujan rata-rata tahunan stasiun X, mm
dA = tinggi hujan d stasiun A (mm)
n = jumlah stasiun referensi (>= 3)
AnA, AnB… AnN = tinggi hujan rata-rata tahunan STA A, B,… N (mm)
2. Reciprocal Method
PA PB Pn
2
2
....
( d XA ) ( d XB ) ( d Xn ) 2
PX
1 1 1
2
2
....
( d XA ) ( d XB ) ( d Xn ) 2
Dengan:
dXA = jarak antara stasiun X dengan stasiun A
Contoh mencari data hujan yang hilang
Isilah data yang hilang pada tahun 1971 di sta A dengan menggunakan data dari sta B dan C
= 169.23 mm
2. Reciprocal Methods.
Jika diketahui jarak B ke A = 20km, dan C ke A = 30km
𝑑𝐴=¿
Cari sendiri.
Hihihi…
Akan tetapi, kedua cara untuk
memperkirakan data yang hilang
tersebut dinyatakan masih terlalu jauh
dari kenyataan sehingga disarankan
untuk dibiarkan saja data yang hilang
tersebut sampai ditemukan cara yang
dianggap sesuai dengan kondisi di
Indonesia
STA ACUAN
V
V b
V V V 1
= b/a
STA
V
UJI
STA ACUAN
contoh
curah hujan tahunan
(mm) kumulatif kumulatif
tahun
sta x sta sekitar
di sta x di stasiun
sekitar
1972 188 264 188 264 1956 200 231 4085 4846
1971 185 228 373 492 1955 150 350 4235 5196
1970 310 386 683 878 1954 223 360 4458 5556
1969 295 297 978 1175 1953 173 234 4631 5790
1968 208 284 1186 1459
1946 274 170 6748 7526
1967 287 350 1473 1809
1945 322 156 7070 7682
1966 183 236 1656 2045
1965 304 371 1960 2416 1944 437 250 7507 7932
1964 228 234 2188 2650 1943 389 230 7896 8162
1963 216 290 2404 2940 1942 305 125 8201 8287
1962 224 282 2628 3222 1941 320 170 8521 8457
1961 203 246 2831 3468 1940 328 120 8849 8577
1960 284 264 3115 3732 1939 308 230 9157 8807
1959 295 332 3410 4064 1938 302 132 9459 8939
1958 206 231 3616 4295
1937 414 152 9873 9091
1957 269 320 3885 4615
double mass curve
10000
9000
b=9091-6610
8000
7000
kumulatif sta lain
6000
5000
4000
3000
a =6610-0
2000
1000
0
0 2000 4000 6000 8000 10000 12000
kumulstif sta A
Setelah dikoreksi curah hujan tahunan
(mm) kum kum
di stasiun
tahun di sta x sekitar sta x sta sekitar
1950 92.33374 251 5223.334 6610
1949 106.5967 284 5329.93 6894
1948 185.0428 250 5514.973 7144
1947 120.1089 212 5635.082 7356
1946 102.8433 170 5737.925 7526
1945 120.8596 156 5858.785 7682
1944 164.0238 250 6022.809 7932
1943 146.0074 230 6168.816 8162
1942 114.4788 125 6283.295 8287
1941 120.1089 170 6403.404 8457
1940 123.1116 120 6526.516 8577
1939 115.6048 230 6642.12 8807
1938 113.3528 132 6755.473 8939
1937 155.3909 152 6910.864 9091
a= 6610
b= 2481
0.3753
double mass curve terkoreksi
10000
9000
8000
7000
kumulatif sta A
6000
5000
4000
3000
2000
1000
0
0 1000 2000 3000 4000 5000 6000 7000 8000
kumulatis sta lain
Cara “double mass curve” ini dianggap kurang tepat,
karena menggunakan data stasiun lain sebagai acuan
Maka dianjurkan untuk menggunakan cara RAPS
2. Metode RAPS (Rescaled Adjusted Partial Sums)
Menguji ketidakpanggahan antar data pada
stasiun itu sendiri dengan mendeteksi pergeseran
nilai rata-rata (mean)
Persamaan yang digunakan:
Sk *
Sk ** , k = 0,1,2,3…..n
DY
n
2
(Y i Y ) 2
DY i 1
n
k _
S k (Yi Y ), k 1,2,3,.....n
*
i 1
Dengan:
n = jumlah data hujan
Yi_ = data curah hujan ke I
Y = rerata curah hujan
Sk*, Sk**, Dy = nilai statistik data hujan
Q√n R√n
n 90% 95% 99% 90% 95% 99%
n = 20
Dy = 2184.7
Sk**maks = 1.71
Sk**min = -0.08
Q = I Sk**maks I = 1.71
R = Sk**maks - Sk**min = 1.79
Kesimpulan :
a
i
t b
(i.t )( i 2 ) ( it 2 )( i )
a
P( i 2 ) ( i ) 2
( i )( it ) P ( it 2 )
b
P( i 2 ) ( i) 2
2) Sherman (1905)
a
i
tn
( log i )( log t ) 2 ( log t log i )( log t )
log a
p ( log t 2 ) ( log t ) 2
( log i )( log t ) p ( log t log i )( log t )
n
p( log t 2 ) ( log t ) 2
3) Ishiguro
a
i
t b
( i t )( i 2 ) ( i t )( i )
a
p( i 2 ) ( i ) 2
( i )( i t ) ( i 2 t)
b
p ( i 2 ) ( i ) 2
4. Mononobe
i=
Dengan :
i = intensitas hujan (mm/jam)
t = waktu (durasi) hujan, menit untuk pers. (1-3) dan jam untuk pers. 4
a,b,m = konstanta
d24 = tinggi hujan maksimum dalam24 jam
n = banyaknya pasangan data i dan t