![Juknis Bendungan Rev-9-1 [PDF]](https://pdfs.asia/img/200x200/juknis-bendungan-rev-9-1.jpg)
10 0 8 MB
KEMENTERIAN PEKERJAAN UMUM DAN PERUMAHAN RAKYAT
DI RE KT O RA T JE N DE R A L S UM BE R D AY A A I R SATUAN KERJA BALAI BENDUNGAN Gedung Balai Bendungan, Jl. Sapta Taruna Raya Komplek PU Pasar Jumat Jakarta Selatan 12310
PETUNJUK TEKNIS PERHITUNGAN DEBIT BANJIR PADA BENDUNGAN
Berdasarkan Kontrak No. 01/KU.02.07/SKBB/III/2017 Tanggal 31 Maret 2017
Jakarta, Oktober 2017
DAFTAR ISI
BAB 1
PENDAHULUAN..................................................................................................4
1.1
Latar Belakang.....................................................................................................4
1.2
Maksud dan Tujuan .............................................................................................5
1.3
Ruang Lingkup.....................................................................................................5
1.4
Validitas dan keterbatasan ...................................................................................5
1.5
Metodologi Analisis Debit Banjir Rencana............................................................5
BAB 2
KETERSEDIAAN DATA.......................................................................................9
2.1
Umum ..................................................................................................................9
2.2
Data Hujan...........................................................................................................9
2.2.1
Data Pos Hujan ............................................................................................9
2.2.2
Data Satelit ...................................................................................................9
2.3
Data Debit..........................................................................................................14
2.4
Data Tinggi Muka Air .........................................................................................14
2.5
Data Teknis Bendungan ....................................................................................15
2.6
Penyaringan Data ..............................................................................................15
2.6.1
Uji Outlier....................................................................................................15
2.6.2
Uji Trend .....................................................................................................16
2.6.3
Uji Stabilitas (mean dan variance) ..............................................................17
2.6.4
Uji Independensi .........................................................................................18
BAB 3
ANALISIS CURAH HUJAN RENCANA ..............................................................19
3.1
Umum ................................................................................................................19
3.2
Analisis Frekuensi..............................................................................................19
3.3
Uji Kecocokan Distribusi ....................................................................................32
3.3.1
Uji Chi-Square ............................................................................................33
3.3.2
Kolmogorov-Smirnov ..................................................................................33
3.4
Koreksi Hujan Tropical Rainfall Measuring Mission (TRMM) ..............................34
3.4.1
Pemeriksaan Data Hujan Bulanan pos hujandan TRMM ............................34
3.4.2
Koreksi Data Hujan Harian TRMM ..............................................................35
3.5
Curah Hujan Wilayah .........................................................................................36 1
3.5.1
Poligon Thiessen ........................................................................................36
3.5.2
Isohiet .........................................................................................................37
3.6
Faktor Reduksi Luas / Areal Reduction Factor (ARF).........................................37
3.6.1
Perbandingan ARF .....................................................................................38
3.6.2
Penerapan ARF Jawa dibandingkan dengan nilai ARF sesungguhnya .......39
3.6.3
Penentuan Nilai ARF ..................................................................................41
3.7
Durasi dan Distribusi Curah Hujan .....................................................................42
3.7.1
Durasi Hujan ...............................................................................................42
3.7.2
Distribusi Hujan ..........................................................................................42
3.8
Curah Hujan Maksimum Boleh Jadi (CMB) ........................................................50
3.9
Pemilihan Distribusi Hujan .................................................................................53
BAB 4
ANALISIS DEBIT BANJIR RENCANA ...............................................................58
4.1
Uraian Umum ....................................................................................................58
4.2
Kehilangan Air ...................................................................................................58
4.2.1
Metode NRCS/SCS ....................................................................................58
4.2.2
Penentuan Nilai Curve Number (CN) ..........................................................59
4.2.3
Metode Deficit Constant..............................................................................66
4.2.4. 4.3
Kalibrasi Parameter dan Debit Bangkitan .......................................................67 Hidrograf Satuan Sintetik ...................................................................................68
4.3.1
Metode NRCS/SCS ....................................................................................68
4.3.2
Metode Clark ..............................................................................................69
4.4
Aliran Dasar .......................................................................................................69
4.4.1
Linear Reservoir .........................................................................................69
4.4.2
Recession ...................................................................................................70
4.5
Penelusuran Banjir ............................................................................................70
4.5.1
Penelusuran Banjir Sungai (Metode Muskingum Cunge) ............................70
4.5.2
Penelusuran Banjir Waduk (Metode Storage Indication) .............................71
4.6
Evaluasi Debit Banjir Maksimum Boleh Jadi ......................................................72
BAB 5
PEMODELAN HIDROLOGI ...............................................................................74
5.1
Model Matematik ...............................................................................................74
5.2
Fungsi Objektif ...................................................................................................74
5.2.1
Root Mean Square Error (RMSE) ...............................................................74
2
5.2.2
Nash Sutcliffe (NS) .....................................................................................74
5.2.3
Beda Puncak ..............................................................................................75
5.2.4
Beda Rata Rata ..........................................................................................76
5.2.5
Nilai Korelasi...............................................................................................76
5.3
Kalibrasi Model ..................................................................................................76
5.4
Verifikasi Model .................................................................................................76
BAB 6
STUDI KASUS...................................................................................................78
6.1
Analisis DEbit Banjir Rencana Kasus 1..............................................................78
6.1.1
Pemodelan DAS Bendungan Sutami ..........................................................82
6.1.2
Analisis Sensitivitas Parameter Model Hidrologi DAS Bendungan Sutami ..82
6.1.3
Kalibrasi dan Verifikasi Model Hidrologi DAS Bendungan Sutami ...............83
6.2
Analisis Debit Banjir Rencana Kasus 2 ..............................................................84
6.3
Analisis Debit Banjir Rencana Kasus 3 ..............................................................85
6.3.1
Pemodelan DAS Nanjung ...........................................................................89
6.3.2
Analisis Sensitivitas Parameter Model Hidrologi DAS Nanjung ...................91
6.3.3
Kalibrasi dan Verifikasi Model Hidrologi DAS Nanjung................................92
6.3.4 Prediksi Debit Banjir Rencana dengan Hujan Rencana 100, 1000 tahun, CMB, dan 0,5 CMB ...................................................................................................93 6.4
Analisis Debit Banjir Rencana Kasus 4 ..............................................................97
6.5
Analisis Debit Banjir Rencana Kasus 5 ..............................................................98
6.5.1
Koreksi Hujan TRMM ..................................................................................98
6.5.2
Penentuan Nilai CN Berdasarkan Harmonized World Soil Database (HWSD) 112
6.5.3
Prediksi Debit Banjir Berdasarkan Data Kejadian Banjir ........................... 116
6.6
Analisis Debit Banjir Rencana Kasus ............................................................... 117
3
BAB 1
1.1
PENDAHULUAN
LATAR BELAKANG
Bendungan merupakan salah satu bangunan air yang memiliki peran vital dalam pengelolaan sumber daya air. Selain dimanfaatkan sebagai waduk atau tampungan air untuk memenuhi berbagai kebutuhan seperti air baku air bersih, air irigasi, perikanan, dan rekreasi, beberapa bendungan juga memiliki fungsi sebagai pembangkit listrik tenaga air dan pengendali banjir. Dengan dimensi bangunan yang sangat besar, keruntuhan sebuah bendungan dapat menyebabkan terjadinya bencana banjir bandang yang sangat dashyat yang berdampak tidak hanya berupa kerugian materi namun juga korban jiwa. Untuk mereduksi risiko dan atau mengantisipasi terjadinya bencana banjir bandang atau keruntuhan bendungan, mutlak diperlukan persiapan, perencanaan, dan pelaksanaan konstruksi bendungan yang baik. Analisis debit banjir adalah salah satu aspek penting dalam perencanaan bendungan yang mana sering kali dihadapkan pada kondisi terbatasnya atau bahkan tidak tersedianya data. Kondisi ini umumnya terjadi di negara berkembang, termasuk Indonesia. Keterbatasan atau ketidaktersediaan data terutama data debit menyebabkan analisis debit banjir menjadi rumit. Praktis, untuk memperkirakan besarnya debit banjir, perencana mengandalkan model hujan limpasan sebagaimana diuraikan dalam baik Buku Petunjuk Teknis Perhitungan Debit Banjir Bendungan sebelumnya maupun SNI 2415:2016 tentang Tata Cara Perhitungan Debit Banjir Rencana. Namun demikian, dalam pelaksanaan analisis debit banjir menggunakan model hujan limpasan ini pun perencana menghadapi berbagai kendala seperti minimnya atau tidak tersedianya informasi hujan yang diperlukan, adanya data hujan yang kosong atau hilang, tidak tersedianya pola distribusi hujan, pencatatan data hujan dan muka air banjir atau debit yang umumnya berbasis harian, dan banyaknya variasi metode perhitungan curah hujan rencana dan debit banjir rencana. Dokumen ini disusun sebagai upaya untuk menyempurnakan Buku Petunjuk Teknis Perhitungan Debit Banjir Pada Bendungan yang telah tersedia sebelumnya. Jika buku petunjuk teknis sebelumnya lebih mengutamakan perhitungan debit banjir untuk single basin, buku petunjuk teknis ini justru lebih menekankan pada pemodelan hidrologi multibasins. Selain menyajikan sejumlah metode perhitungan debit banjir, dokumen ini juga menyediakan panduan tentang teknik pemodelan hidrologi dengan mempertimbangkan variasi ketersediaan data di lapangan termasuk pemanfaatan data satelit TRMM untuk daerah aliran sungai yang tidak terukur. Pada kondisi dimana tidak semua DAS di Indonesia dilengkapi dengan data hidrologi yang cukup sementara di sisi lain tersedia dataset curah hujan hasil pengukuran satelit yang sangat potensial sebagai alternatif, pelengkap, maupun pengganti data hujan yang diukur di lapangan, ketersediaan basis data hujan harian TRMM yang mencakup seluruh wilayah Indonesia ini menjadi sangat penting untuk mendukung analisis debit banjir yang dapat dipertanggungjawabkan. 4
Pendekatan yang digunakan dalam Petunjuk Teknis ini adalah model matematik hubungan hujan-limpasan yang memperhatikan proses kalibrasi parameternya dan diikuti dengan verifikasi bilamana memungkinkan. Agar proses perhitungan banjir rencana lebih mudah, disarankan menggunakan perangkat lunak yang ada seperti MIKE-11, HEC-HMS, SOBEK, dan lain-lain.
1.2
MAKSUD DAN TUJUAN
Petunjuk teknis ini disusun sebagai panduan atau pegangan umum bagi Direksi Balai Bendungan dan para praktisi dalam melakukan analisis banjir rencana pada bendungan dengan mempertimbangkan berbagai aspek yaitu ketersediaan data, kesesuaian metode analisis, teknik pemodelan, dan pemanfaatan teknologi satelit TRMM. Atas dasar itu, petunjuk teknis ini ditujukan untuk memperoleh hasil analisis debit banjir pada bendungan yang lebih handal (reliable) dengan metode dan prosedur yang logis dan konsisten sebagai dasar perencanaan bendungan.
1.3
RUANG LINGKUP
Buku petunjuk teknis perhitungan debit banjir pada bendungan ini mencakup beberapa hal yaitu penyaringan data hujan dan debit, analisis curah hujan rencana, analisis curah hujan wilayah, penentuan pola / distribusi hujan, penentuan faktor reduksi luas, perhitungan debit banjir dengan mempertimbangkan variasi ketersediaan data di lapangan termasuk pemanfaatan data satelit TRMM untuk daerah aliran sungai tidak terukur.
1.4
VALIDITAS DAN KETERBATASAN
Petunjuk Teknis ini harus digunakan bersama dengan Panduan Perencanaan Bendungan Urugan Volume II Analisis Hidrologi dan merujuk pada Norma Standar Pedoman Manual (NSPM) terkait terutama SNI 2415-2016 tentang Perhitungan Banjir Rencana.Petunjuk Teknis ini dimaksudkan sebagai pegangan umum dalam melakukan analisis banjir desain pada bendungan, dan hanya menampilkan beberapa metode perhitungan banjir desain yang lazim digunakan di Indonesia. Petunjuk Teknis ini tidak mencakup seluruh aspek perhitungan hidrologi banjir desain untuk bendungan. Metode lain dapat digunakan sepanjang tidak menyimpang dari NSPM yang berlaku. Petunjuk Teknis ini tidak membebaskan tanggung jawab pengguna untuk menyiapkan analisis banjir desain yang handal.
1.5
METODOLOGI ANALISIS DEBIT BANJIR RENCANA
Pada dasarnya pemilihan metodologi analisis debit banjir rencana sangat tergantung pada ketersediaan data hidrologi. Petunjuk teknis ini menguraikan 5 (lima) kasus perhitungan debit banjir rencana pada bendungan dengan mempertimbangkan ketersediaan data hidrologi sebagaimana dirangkum pada Tabel 1 dibawah ini:
5
Tabel 1. Metode perhitungan debit banjir berdasarkan ketersediaan data hidrologi Kasus Kehilangan air Transformasi Aliran dasar Ketersediaan data hidrograf Hujan Debit 1
1 atau 2
1 atau 2
1
1
1
2
1 atau 2
1 atau 2
1
2
1
3
1 atau 2
1 atau 2
1
2
2
4
2
1
2
2
-
5
2
1
2
-
-
Keterangan
Kasus 1: Kasus 2: Kasus 3: Kasus 4: Kasus 5: TRMM)
1) Deficit constant
1) SCS
1) Linear reservoir
1) Jam-jaman
1) Jam-jaman
2) SCS
2) Clark
2) Recession
2) Harian
2) Harian
Tersedia data hujan jam-jaman dan debit jam-jaman. Tersedia data hujan harian dan debit jam-jaman. Tersedia data hujan harian dan debit harian. Tersedia data hujan harian dan tidak ada pencatatan debit Tidak tersedia data hujan dan data debit. (menggunakan data hujan
Secara umum perhitungan debit banjir pada bendungan dapat diklasifikasikan menjadi 2 macam, yaitu (1) perhitungan debit banjir dimana tersedia data debit banjir atau muka air banjir yang dapat digunakan untuk mengkalibrasi model matematik dan (2) perhitungan debit banjir dimana tidak tersedia data debit banjir maupun data muka air debit banjir sehingga hidrograf debit banjir yang diperoleh merupakan hasil prediksi berdasarkan kondisi fisik daerah aliran sungai. Kerangka pikir perhitungan debit banjir sesuai dengan klasifikasi di atas disajikan pada Gambar 1 dan 2.
6
MULAI
DATA HUJAN & DEBIT Pada Kejadian Banjir Tertentu
DATA HUJAN
Data Curah Hujan Harian Maksimum Tahunan
DISTRIBUSI: NORMAL, LOG NORMAL, GUMBEL, PEARSON III, LOG PEARSON III, GENERALIZED EXTREME VALUE
CURAH HUJAN RENCANA (DISTRIBUSI PROBABILITAS)
ANALISIS KEHILANGAN AIR
LOSS METHOD: NRCS, DEFICIT CONSTANT
POLA DISTRIBUSI: PSA 007, NRCS
POLA DISTRIBUSI CURAH HUJAN RENCANA
ANALISIS TRANSFORMASI HIDROGRAF SATUAN
TRANSFORM METHOD: NRCS, CLARK
DATA FISIK
ANALISIS ALIRAN DASAR
BASEFLOW METHOD: LINEAR RESERVOIR, RECESSION
PENELUSUSRAN BANJIR
STORAGE INDICATION METHOD, MUSKINGUM-CUNGE
KALIBRASI PARAMETER
TIDAK MEMENUHI
FUNGSI OBJEKTIF MEMENUHI? (RMSE mendekati 0 NS > 0,375)
DATA DEBIT / ELEVASI MUKA AIR
MEMENUHI
PENENTUAN PARAMETER MODEL
DEBIT BANJIR DESAIN BENDUNGAN
MULAI
Gambar 1. Kerangka pikir perhitungan debit banjir rencana berdasarkan model matematik terkalibrasi
7
Gambar 2. Kerangka pikir perhitungan debit banjir rencana berdasarkan model matematik tidak terkalibrasi Beberapa metode yang dapat digunakan sebagai rujukan dalam pemodelan hidrologi di dalam Petunjuk Teknis ini mencakup metode untuk perhitungan kehilangan air, transformasi hidrograf, dan aliran dasar. Untuk menentukan besarnya kehilangan air, Petunjuk Teknis ini merekomendasikan 2 metode yaitu deficit constant dan SCS/NRCS. Metode SCS/NRCS juga digunakan sebagai metode transformasi hidrograf. Sedangkan untuk menentukan besarnya aliran dasar, digunakan metode linear reservoir dan recession. Sebagaimana diuraikan di atas, bahwa Petunjuk Teknis ini membagi pemodelan hidrologi dalam 5studi kasus berdasarkan variasi ketersediaan data hujan dan debit.
8
BAB 2
2.1
KETERSEDIAAN DATA
UMUM
Ketersediaan data hidrologi dalam suatu DAS sangat mempengaruhi pemilihan metode/pendekatan analisis debit banjir rencana yang akan digunakan untuk perencanaan maupun review study bendungan. Data hidrologi yang dimaksud meliputi: 1. 2. 3. 4. 5.
Data hujan jam-jam-an dan atau harian, Data debit jam-jam-an dan atau harian, Data tinggi muka air jam-jam-an dan atau harian, Data evaporasi, Data evapotranspirasi
Disamping data hidrologi, diperlukan juga data penunjang lainnya seperti: 1. Peta DEM (Digital Elevation Model), 2. Peta tata guna lahan, tanah, topografi/RBI (Rupa Bumi Indonesia), 3. Data bendungan berupa hubungan elevasi-tampungan, elevasi dan lebar pelimpah, dimensi outlet, dan sistem pengoperasian (jika menggunakan pintu air).
2.2
DATA HUJAN
Data hujan jam-jaman dan atau harian pada beberapa kejadian banjir tertentu dibutuhkan untuk melakukan proses kalibrasi dan verifikasi model hidrologi. Selain data tersebut, dibutuhkan juga data curah hujan maksimum harian tahunan (HHMT) untuk penentuan hujan rencana. Data HHMT yang dibutuhkan, mengacu pada SNI 2415:2016, untuk paling tidak sebanyak 20 tahun. 2.2.1
Data Pos Hujan
Data curah hujan yang bersumber dari pos penakar hujan pada umumnya terbatas secara ruang dan waktu. Keterbatasan secara ruang artinya sebaran pos penakar hujan tidak merata dan keterbatasan secara waktu artinya panjang data tidak sama untuk disetiap pos dan panjang data kurang dari 20 tahun. Akibat dari keterbatasan ini data hujan dari pos penakar hujan sering mengandung sampling error. 2.2.2
Data Satelit
Untuk mengatasi minimnya dan atau tidak tersedianya data hujan, dalam beberapa tahun terakhir telah dilakukan sejumlah studi tentang penggunaan data hujan berbasis satelit sebagai komplemen data hujan yang diukur di lapangan. Data satelit yang digunakan bersumber dari satelit TRMM yang merupakan data hujan harian rata-rata yang bersifat global dan open source dengan grid 28 x 28 km2atau 0.25° x 0.25°. Untuk mempermudah proses pengumpulan data, maka telah disediakan data satelit secara nasional mulai 1 januari 1998– 31 desember 2016 dalam bentuk hujan harian dan 3 jaman. Format daripada data ada dalam excel dengan baris 3 sebagai bujur dan baris 4 sebagai Lintang 9
dengan jumlah data ada 6.940 nilai untuk harian dan empat kalinya untuk 3 jam-an, format data ada pada satu kolom untuk 1 grid. Secara umum prosedur pemilihan grid untuk sebuah pos hujanatau DAS adalah sebagai berikut: 1. Gunakan aplikasi Google Earth untuk mencari koordinat pos hujanatau DAS yang akan dimodelkan. 2. Pilih koordinat TRMM yang mendekati dengan nilai koordinat pos hujanatau DAS 3. Gunakan aplikasi Autocad untuk membuat grid TRMM. 4. Masukkan titik koordinatpos hujanatau DAS dengan cara: a. Buat lingkaran dengan titik pusatnya adalah titik koordinat pos hujanatau DAS. b. Ketik circle, kemudian klik sembarang titik untuk memasukkan nilai koordinat sebagai titik pusat pos hujanatau TRMM. c. Lakukan prosedur yang sama untuk setiap kordinat TRMM dengan intervaljarak vertikal 0.25° dan interval jarak horizontal 0.25° d. Hubungkan setiap titik pusat TRMM hingga membentuk grid. e. Tarik garis di tengah garis hubung antar titik hingga terbentuk grid baru dengan titik pusatnya adalah kordinat TRMM Kerangka pikir dari pembuatan grid TRMM disajikan pada gambar di bawah.
Gambar 3. Kerangka pikir pembembutan grid TRMM
10
Berikut di bawah ini adalah contoh pemilihan grid untuk DAS Sutami: 1. Buka aplikasi Google Earth
2. Masukkan nama lokasi stasiun hujan atau DAS pada kolom search.
11
3. Secara otomatis Google Earth akan menunjukkan lokasi yang kita masukkan dalam kolom search.
4. Untuk mendapatkan titik koordinat lokasi yang kita inginkan klik tanda pin (Add Placemark) pada toolbar di atas, seperti pada gambar di bawah ini.
12
5. Klik add placemark kemudian klik lokasi yang kita ingin ketahui koordinatnya. Nilai Koordinat akan muncul pada toolbox seperti di bawah ini.
6. Sesuai dengan gambar diatas diperoleh nilai latitude = 8°9'34.89"S , dan longitude = 112°26'49.57"E 7. Pilih koordinat TRMM yang mendekati dengan nilai tersebut yaitu -8.125 , 112.375 8. Buka aplikasi Autocad. 9. Buka file DAS Sutami.
13
10. Masukkan titik koordinat pos hujanatau DAS dengan cara: a. Buat lingkaran dengan titik pusatnya adalah titik koordinat DAS. b. Ketik circle, kemudian klik sembarang titik untuk memasukkan nilai koordinat sebagai titik pusat TRMM. c. Lakukan prosedur yang sama untuk setiap koordinat TRMM dengan interval jarak vertikal 0.25° dan interval jarak horizontal 0.25° d. Hubungkan setiap titik pusat TRMM hingga membentuk grid. e. Tarik garis di tengah garis hubung antar titik hingga terbentuk grid baru dengan titik pusatnya adalah koordinat TRMM 11. Hasil akhir dari pembuatan grid tersaji pada gambar dibawah ini.
Gambar 4. Hasil akhir dari pembutan grid
2.3
DATA DEBIT
Data hidrograf banjir dengan interval minimal 1 jam biasanya diperoleh dari pos duga air yang tersedia di dalam DAS bendungan yang dikaji atau di dalam perluasan DAS (riverbasin) yang bersangkutan. Jika data hidrograf banjir tersebut tidak tersedia, data hidrograf dengan interval harian masih dapat digunakan selama periode banjir terjadi.
2.4
DATA TINGGI MUKA AIR
Data tinggi muka air yang dimaksud menggambarkan fluktuasi muka air di dalam bendungan sebaiknya dengan interval waktu 1 jam dan mencapai ketinggian maksimum.
14
2.5
DATA TEKNIS BENDUNGAN
Data teknis bendungan yang harus disediakan dalam analisis penulusuran banjir di bendungan, baik bendungan lama maupun bendungan baru, adalah: 1. Hubungan elevasi-tampungan-luas bendungan, 2. Elevasi puncak pelimpah, elevasi tampungan mati, 3. Rating Curve pelimpah dan outlet.
2.6
PENYARINGAN DATA
Sebelum dilakukan analisis, suatu seri data hujan dari pos penakar hujan maupun dari data satelit perlu diperiksa terlebih dahulu kelayakannya melalui beberapa buah uji, mencakup uji pencilan (outlier test), uji kecenderungan (trend test), uji kestabilan terhadap rata-rata dan simpangan baku (stability test to mean and variance) dan uji kemandirian (independency test). Sebelum dilakukan uji kelayakan, terdapat satu persyaratan awal yang harus dipenuhi, yaitu semua data hujan yang memiliki nilai dibawah 50 mm harus dibuang terlebih dahulu. Secara terperinci, proses dari masing-masing uji tersebut adalah sebagai berikut. 2.6.1
Uji Outlier
Outlier, dalam Bahasa Indonesia dikenal dengan terminologi ‘pencilan’, merupakan nilai suatu datum dari suatu seri data yang memiliki nilai sangat berbeda dengan datum-datum lainnya, baik terlalu besar ataupun terlalu kecil. Meskipun hujan merupakan kejadian yang stokastik, tetapi normalisasi besaran nilai suatu hujan dapat didekati secara statistik. Kemungkinan kesalahan pencatatan hujan, baik oleh manusia ataupun alat pencatat hujan, dapat menyebabkan kesalahan pada tahap analisis. Oleh karena itu, suatu seri data hujan perlu diperiksa terlebih dahulu batas outliernya. Pemeriksaan adanya outlier pada seri data hujan harian maksimum tahunan, baik outlier atas maupun outlier bawah dilakukan dengan metode yang dikembangkan oleh Water Resource Council (1981). Menurut Water Resource Council, bila: 1. Koefisien skewness dari data sampel > +0,4, maka perlu dilakukan pemeriksaan outlier atas, 2. Koefisien skewness dari data sampel < -0,4, maka perlu dilakukan pemeriksaan outlier bawah, 3. -0,4 < koefisien skewness< +0,4, maka perlu dilakukan pemeriksaan outlier atas dan outlier bawah sekaligus sebelum menghilangkan data yang dipandang sebagai outlier Bila terdapat outlier atas, maka perlu dilakukan pemeriksaan atas kebenaran data tersebut. Apabila terdapat outlier bawah, maka data outlier dapat langsung dibuang.Jika data tersebut tidak dapat dibuktikan benar secara ilmiah, maka data outlier tersebut harus dibuang terlebih dahulu sebelum suatu seri data digunakan untuk analisis hidrologi lebih lanjut. Persamaan frekuensi untuk mendeteksi adanya outlier adalah: 15
=
,
±
Keterangan: YH,L
: Batas (threshold) dari outlier atas dan bawah, dalam logaritma : Nilai rata-rata dari data dalam bentuk logaritma
Kn
: Konstanta uji outlier, merupakan fungsi dari jumlah data sampel
Sy
: Simpangan baku dari data dalam bentuk logaritma
Nilai dari konstanta uji outlier dapat dilihat pada tabel di bawah. Sample size n 10 11 12 13 14 15 16 17 18 19 20 21 22 23 2.6.2
Kn 2,036 2,088 2,134 2,175 2,213 2,247 2,279 2,309 2,335 2,361 2,385 2,408 2,429 2,448
Tabel 2. Sample size n 24 25 26 27 28 29 30 31 32 33 34 35 36 37
Nilai konstanta uji outlier Sample Kn Kn size n 2,467 38 2,661 2,486 39 2,671 2,502 40 2,682 2,519 41 2,692 2,534 42 2,700 2,549 43 2,710 2,563 44 2,719 2,577 45 2,727 2,591 46 2,736 2,604 47 2,744 2,616 48 2,753 2,628 49 2,760 2,639 50 2,768 2,650 55 2,804
Sample size n 60 65 70 75 80 85 90 95 100 110 120 130 140
Kn 2,837 2,866 2,893 2,917 2,940 2,961 2,981 3,000 3,017 3,049 3,078 3,104 3,129
Uji Trend
Sebelum digunakan untuk analisis, suatu seri data hidrologi harus dipastikan terlebih dahulu bebas dari adanya trend (kecenderungan), yaitu korelasi antara urutan data dengan peningkatan (atau penurunan) besarnya nilai data tersebut. Secara umum, uji trend dilakukan untuk periode seluruh data yang ada, walaupun dapat juga dilakukan hanya pada periode data yang dicurigai terdapat trend. Untuk mengetahui adanya trend, digunakan metode Spearman’s rank-correlation. Metode ini didasarkan pada Spearman rank-correlation coefficient, Rsp, yang didefinisikan sebagai: =1−
×∑ ×(
)
dengan
=
−
Keterangan: n
: jumlah data sampel
Di
: perbedaan antara rank variabel xi, Kxi, (data diurutkan dari kecil ke besar) dan rank berdasarkan nomor urut data asli, Kyi.
16
Bila ada ties, yaitu ada dua atau lebih data dengan nilai sama, maka rank Kxi diambil sebagai nilai rata-rata. Uji eksistensi trend dilakukan dengan menggunakan formulasi berikut: =
−2 1−
Dimana tt mempunyai distribusi Student’s t dengan derajat kebebasan = n – 2. Distribusi Student’s t dengan significance level 5% dapat dilihat pada lampiran. Seri data yang diuji tidak mengandung trend bila memenuhi: {v, 2,5 %} < 2.6.3
< {v, 97,5 %}
Uji Stabilitas(mean dan variance)
Dalam uji kestabilan ini dilakukan untuk mengetahui data stasioner atau tidak. Secara umum terdapat dua uji yang dilakukan varian dan mean berupa uji F dan T, dimana uji F distribusi dari rasio variannya mengikuti distribusi normal dan mengindikasikan stabilitas dari varian. Uji F digambarkan dengan persamaan:
21 s21 Ft 2 2 2 s 2 Keterangan: Ft
: stabilitas yang indikasinya dapat diterima
: deviasi standar skala populasi
s
: deviasi standar skala sampel
Dua persamaan yang digunakan untuk menghitung s sebagai berikut: n n 2 ( x ) ( ( X i )) 2 / n i i 1 s i 1 n 1 2 n 2 ( xi ) n X s i 1 n 1
0.5
0.5
Keterangan: Xi
: data pengamatan
n
: jumlah total data sampel
̅
: rata-rata nilai data
17
v ,v Data menunjukkan kestabilan varian dengan tingkat kesalahan 5% apabila Ft < F{ 1 2 ,97.5%} Pemeriksaan stabilitas mean dilakukan dengan menggunakan uji T (distribusi Student’s t). Dalam uji ini, seperti halnya uji stabilitas variance, maka data dibagi dua atau tiga sama besar, kemudian dihitung nilai rata-rata (mean) dari masing-masing sub-sampel tersebut dan dibandingkan. Kesamaan nilai mean ini diuji secara statistik sebagai berikut: −
= (
)
(
)
×
+
Keterangan: n
: banyaknya data
̅
: nilai rata-rata sub sampel
s
: variance
Nilai mean dari sampel dikatakan stabil bila: { , 2.5%} < 2.6.4
< { , 97.5%}
Uji Independensi
Untuk melakukan pemeriksaan independensi dari seri data digunakan serial-correlation coefficient. Apabila seri data adalah acak sempurna, maka fungsi auto-correlation dari populasi akan sama dengan nol untuk semua lag, kecuali nol. Untuk pemeriksaan independensi ini cukup dilakukan perhitungan digunakan serial-correlation coefficient, yaitu korelasi antara data pengamatan yang berdekatan dalam seri data. Menurut Box dan Jenkins (1970), serial-correlation coefficient, r1, adalah: =
∑
(
− ̅) × ( ∑ ( − ̅)
− ̅)
Seri data dikatakan independen apabila memenuhi persamaan: −1, (−1 − 1.96√ − 2/( − 1)
0 σ
Untuk k = 0, maka y = f(x|0, μ, σ) =
(x − μ) (x − μ) 1 exp −exp − − σ σ σ
Keterangan: k = Parameter bentuk σ = Parameter lokasi μ = Parameter skala Distribusi probabilitas GEV ini telah banyak digunakan di berbagai negara baik di benua Asia, Eropa, Amerika, maupun Australia dan diakui sebagai distribusi probabilitas yang paling akurat dalam memprediksi nilai ekstrem. Untuk memudahkan perhitungan nilai ekstrem berdasarkan distribusi GEV, direkomendasikan digunakan perangkat lunak seperti dilampirkan dalam Petunjuk Teknis ini. Secara umum prosedur memperoleh data curah hujan maksimum harian tahunan. 1. Buka data hujan harian pada pos hujanterpilih. 2. Gunakan formula =max(seluruh data hujan harian (1 Jan – 31 Des) pada tahun yang ditinjau) untuk memperoleh nilai hujan harian maksimum tahunan. 3. Baca nilai curah hujan harian maksimum tahunan. TANGGAL
BULAN Jun Jul
Jan
Feb
Mar
Apr
Mei
1 2 3
0 0 5
36 23 0
24 0 0
5 41 9
0 0 0
5 0 37
4 5 6 7
26 6 4 20
0 5 0 18
0 0 0 43
2 3 3 2
0 14 0 0
8 9 10
1 0 5
2 13 1
33 42 24
0 25 0
Hujan Max
55
36
58
45
TAHUNAN
Ags
Sep
Okt
Nov
Des
0 0 6
0 0 0
0 1 3
3 0 14
0 0 0
20 11 1
93 76 75
0 18 0 10
0 0 9 0
15 0 0 0
0 5 1 0
29 0 0 24
11 1 0 0
0 0 0 6
83 52 17 123
0 0 0
0 0 0
0 0 0
0 0 0
3 0 0
23 18 22
40 1 2
1 7 17
103 106 71
33
37
9
17
8
49
88
65
88
26
4. Ulangi langkah 2 untuk mencari nilai hujan harian maksimum tahunan pada tahun selanjutnya sampai pada jangka waktu yang diinginkan, minimal 10 tahun panjang data. 5. Rangkum data hujan harian maksimum tahunan.
27
Secara umum prosedur menghitung curah hujan rencana menggunakan aplikasi SMADADISTRIB adalah sebagai berikut. 1. Buka aplikasi Distrib 2.20.exe dalam folder SMADA
2. Masukkan data curah hujan harian maksimum tahunan pada kolom data.
28
3. Tentukan periode ulang yang diinginkan dengan mengubah nilai probabilitas kejadian pada kolom prob menggunakan rumus dibawah ini. 1 = 1 −
4. Pilih pola distribusi yang diinginkan (Normal, Log Normal 2 Parameter, Log Normal 3 Parameter, Pearson III, Log Pearson 3, Gumbel, Generalized Extreme Value) 5. Curah hujan rencana dengan periode ulang tertentu akan tersaji pada kolom prediction bagian bawah.
29
Contoh perhitungan curah hujan rencana dengan aplikasi SMADA-DISTRIB. Berikut ini terlampir data curah hujan harian maksimum tahunan dari Stasiun Chinchona.
Cara menghitung curah hujan rencana : 1. Buka aplikasi Distrib 2.20.exe dalam folder SMADA
30
2. Masukkan data curah hujan harian maksimum tahunan pada kolom data.
3. Tentukan periode ulang yang diinginkan dengan mengubah nilai probabilitas kejadian pada kolom prob.
4. Pilih pola distribusi yang diinginkan (normal, log normal 2 parameter, log normal 3 parameter, pearson III, log pearson 3, gumbel, Generalized Extreme Value). 5. Curah hujan rencana dengan periode ulang tertentu akan tersaji pada kolom prediction bagian bawah.
31
6. Copy hasil curah hujan rencana yang tampil pada kolom Prediction dengan periode ulang tertera pada kolom R Period ke dalam excel 7. Ulangi langkah nomor 4 untuk mendapatkan curah hujan rencana dengan pola distribusi lain. 8. Rangkum data curah hujan rencana dari berbagai pola distribusi.
3.3
UJI KECOCOKAN DISTRIBUSI
Kecocokan dalam pemilihan fungsi distribusi diuji dengan uji kecocokan menggunakan metod pengujian dan dengan confidence interval (tingkat interval kepercayaan) tertentu dapat menggunakan metode Chi-Square dan metode Kolmogorov-Smirnov.
32
3.3.1
Uji Chi-Square
Metode ini menganggap pengamatan membentuk variabel acak dan dilakukan secara statistik dengan mengikuti kurva distribusi chi square dengan derajat kebebasan k-p-1, dengan p merupakan jumlah parameter yang diestimasi dari daya. Uji statistik ini berdasarkan pada bobot jumlah kuadrat perbedaan antara pengamatan dan teoritisnya yang dibagi dalam kelompok kelas. Uji kecocokan ini dapat dilihat pada persamaan di bawah ini.
(Oi Ei ) 2 X i1 Ei k
Keterangan: X
: parameter chi square terhitung
K
: jumlah sub kelompok
Oi
: jumlah nilai pengamatan pada sub kelompok ke i
Ei
: jumlah nilai teoritis pada sub kelompok ke i
Jika hasil X besar menunjukkan bahwa distribusi yang dipilih tidak cocok, tetapi uji ini dapat memberikan hasil yang baik jika mempunyai data yang panjang. Akan lebih baik jika jumlah data n lebih besar atau sama dengan 50 tahun dengan jumlah kelas interval lebih besar sama dengan 5. 3.3.2
Kolmogorov-Smirnov
Untuk menghindarkan hilangnya informasi data pada uji Chi-Square akibat pengelompokan data dalam kelas-kelas interval, ada beberapa metode lain yang telah dikembangkan. Salah satu metode yang sering digunakan adalah metode KolmogorovSmirnov (1993). Uji kecocokan ini adalah uji kecocokan non-parametric karena tidak mengikuti distribusi tertentu. Uji ini menghitung besarnya jarak maksimum secara vertikal antara pengamatan dan teoritisnya dari distribusi sampelnya. Perbedaan jarak maksimum untuk Kolmogorov-Smirnov tertera pada persamaan di bawah ini.
Dn maxP(x) Po (x) Keterangan: Dn
: jarak vertikal maksimum antara pengamatan dan teoritisnya
P(x)
: probabilitas dari sampel data
Po(x)
: probabilitas dari teoritisnya
Distribusi dikatakan cocok jika nilai Dn< D kritisnya pada derajat kepercayaan yang diinginkan. Jika Δ< Δkritis sesuai harga kritis uji Kolmogorov-Smirnov seperti tabel di bawah maka distribusi teoritisnya dapat diterima dan sebaliknya.
33
Tabel 10. n 5 10 15 20 25 30 35 40 45 50 >50
Harga kritis Kolmogorov-Smirnov α 0,20 0,45 0,32 0,27 0,23 0,21 0,19 0,18 0,17 0,16 0,15 1,07 n
0,10 0,51 0,37 0,30 0,26 0,24 0,22 0,20 0,19 0,18 0,17 1, 22 n
0,05 0,56 0,41 0,34 0,29 0,27 0,24 0,23 0,21 0,20 0,19 1,36 n
0,01 0,67 0,49 0,40 0,36 0,32 0,29 0,27 0,25 0,24 0,23 1,63 n
Keterangan: α : significant level. n
:
: jumlah data.
3.4
KOREKSI HUJAN TROPICAL RAINFALL MEASURING MISSION (TRMM)
3.4.1
Pemeriksaan Data Hujan Bulanan pos hujandan TRMM
Sebelum digunakan dalam pemodelan hidrologi, data hujan yang didapatkan melalui metode TRMM perlu diuji terlebih dahulu kualitasnya, dengan parameter kesesuaian dan kecocokan dengan data yang tercatat di pos hujan(pada bagian ini disebut dengan pos hujan). Pada bagian ini, evaluasi dilakukan dengan basis bulanan. Data TRMM dan pos hujandikategorikan baik bila terdapat kesesuaian pola hujan dan besaran dengan nilai serupa. Pemeriksaan data hujan bulanan TRMM dengan pos hujanbertujuan untuk melihat kualitas data hujan bulanan secara umum. Jika data pos hujancukup baik maka koefisien korelasi antara TRMM dan pos hujanbernilai 0,6 atau lebih (Mamenun, 2014). Koefisien korelasi tersebut bergerak dari 0,6 untuk wilayah pola hujan equatorial sampai dengan 0,8 untuk wilayah pola hujan monsun, selain itu sebaiknya dilengkapi dengan RMSE yang bergerak antara 97-158 untuk wilayah pola hujan equatorial dan 58-84 untuk wilayah pola hujan monsun. Prosedur pemilihan pos hujanyang layak digunakan dalam perhitungan debit banjir bendungan: 1. Tentukan pos hujan yang memiliki data hujan harian (minimal 3 tahun). 2. Periksa periode data hujan harian pada pos hujanyang dipilih (periode data hujan yang dapat digunakan adalah tahun 1998-2016). 3. Pilih grid TRMM yang terdekat dengan koordinat pos hujanterpilih. 4. Plot hujan bulanan pos hujanvs hujan TRMM. 5. Hitung nilai koefisien korelasi hujan bulanan pos hujanterhadap hujan TRMM (nilai koefisien korelasi > 0,6). 34
6. Jika nilai koefisien korelasi < 0,6 maka pos hujantersebut tidak dapat digunakan untuk perhitungan debit banjir pada bendungan. Secara umum prosedur pemilihan pos hujandan koreksi data hujan harian TRMM disajikan pada Gambar 5. 3.4.2
Koreksi Data Hujan Harian TRMM
Tahap koreksi ini hanya dapat dilakukan jika data hujan harian pos hujanada dalam peringkat cukup baik. Salah satu bentuk pengujian untuk menilai keakuratan/ kelayakan data hujan harian tersebut adalah dengan melalui proses yang digambarkan subbab sebelumnya. Persyaratan lain yang perlu di pertimbangkan adalah data hujan harian pos hujanmemiliki panjang minimal 3 tahun dan ada pada periode TRMM (1998–2016). Kedua seri data hujan (TRMM dan pos hujan) dengan periode yang sama disandingkan menjadi dua kolom. Untuk selanjutnya dihitung probabilitas kejadian hujan tertentu yang lebih kecil (non-exceedance probability) untuk setiap kelompok hujan dengan interval 1020 mm. Sudah barang tentu lengkung probabilitas (cumulative density function) itu berbeda probababilitasnya dan jumlah absolut perbedaan tersebut adalah error. Lihat gambar di bawah. Sebagai panduan koreksi yang dilakukan sebaiknya mengikuti rumusan sebagai berikut. 1. Hujan TRMM yang lebih kecil dari sesuatu nilai hujan dianggap 0, nilai tersebut biasanya bergerak antara 0-10 mm. 2. Curah hujan yang lebih kecil dari suatu nilai dikalikan dengan sesuatu konstanta. Nilai tersebut biasanya bergerak antara 50–100mm dan konstanta bergerak antara 0,8-1. 3. Data curah hujan yang lebih besar dari nilai yang di sebutkan pada butir 2 dikalikan suatu konstanta biasanya konstanta tersebut bergerak antara 1– 1,3.
35
Gambar 5. Prosedur koreksi data hujan harianTRMM
Gambar 6. Koreksi hujan dengan lengkung probabilitas.
3.5 3.5.1
CURAH HUJAN WILAYAH Poligon Thiessen
Curah hujan yang diperlukan untuk melakukan analisis ini adalah curah hujan rata-rata diseluruh daerah yang bersangkutan, bukan curah hujan pada suatu titik tertentu. Curah hujan ini disebut curah hujan wilayah dan dinyatakan dalam mm. Bila dalam suatu area terdapat pos penakar hujan, maka untuk mendapatkan harga hujan area adalah dengan mengambil harga rata-ratanya. Pada analisis ini akan digunakan salah satu metode dari beberapa metode perhitungan curah hujan wilayah, yaitu metode poligon Thiessen. 36
Metode ini memberikan proporsi luasan daerah pengaruh pos penakar hujan untuk mengakomodasi ketidakseragaman jarak. Meskipun belum dapat memberikan bobot yang tepat sebagai sumbangan satu pos untuk hujan wilayah, metode ini telah memberikan bobot tertentu kepada masing-masing pos sebagai fungsi jarak pos hujan. Hujan rata-rata daerah untuk poligon Thiessen dihitung dengan persamaan berikut: =
∑ ∑
Keterangan: P
: curah hujan wilayah (mm)
Pi
: curah hujan di titik pos hujan(mm)
Ai
: luas daerah pengaruh masing-masing data hujan (km2)
n
: jumlah pos curah hujan
Gambar 7. Poligon Thiessen 3.5.2
Isohiet
Selain poligon Thiessen juga dapat digunakan metode Isohiet untuk memperkirakan hujan rata-rata, terutama pada waktu menerapkan hujan dengan berbagai periode ulang 100, 1000 tahun, dan PMP (Probable Maximum Precipitation) yang dikeluarkan oleh Balai Bendungan.
3.6
FAKTOR REDUKSI LUAS / AREAL REDUCTION FACTOR (ARF)
Area reduction factor (ARF) atau dapat juga dikatakan sebagai faktor penyesuaian waktu kejadian hujan sangat diperlukan dalam rangka untuk melakukan analisis hujan rencana dan juga banjir rencana berbasis data hujan. Nilai ARF ini merupakan salah satu variabel yang sangat penting dalam analisis hujan rencana maupun banjir rencana. Umumnya penelitian besarnya ARF banyak dilakukan di negara-negara yang sudah maju atau 37
negara yang berada di iklim subtropis dan sangat minim sekali untuk wilayah yang berada di negara tropis seperti Indonesia. Beberapa negara seperti USA, Australia, dan beberapa negara di Eropa membuat ARF dengan berbagai pendekatan tergantung dari ketersediaan data yang dimiliki. Secara umum, ARF menunjukkan rasio antara hujan wilayah dan hujan titik yang diperoleh pada periode waktu yang sama. Besaran ARF sebanding dengan luas area, semakin besar luas area semakin kecil faktor reduksi. Semakin luas area semakin jarang terjadinya hujan homogen atau merata, tetapi semakin kecil area akan semakin merata hujan yang terjadi. Oleh karena itu luas area yang kecil akan mempunyai faktor reduksi mendekati 1 (satu).Khusus dalam Petunjuk Teknis ini, besarnya nilai ARF yang digunakan adalah nilai ARF yang merupakan hasil studi yang dilakukan di Pulau Jawa seperti tersaji pada Gambar 8 di bawah ini. 1.000 0.950 0.900 0.850
ARF
0.800 0.750 0.700 0.650 0.600 0.550 0.500 0
1000
2000
3000
Luas 1 harian
4000
5000
(km2)
2 harian
3 harian
Gambar 8. ARF untuk Pulau Jawa dengan berbagai periode hujan Kurva pada gambar diatas diperoleh dari persamaan sebagai berikut: 1 harian : y = 1,620*A-0,128R2 = 0,773 2 harian : y = 1,542*A-0,111R2 = 0,731 3 harian : y = 1,389*A-0,092R2 = 0,677 Keterangan: y
: nilai ARF
A
: luas area (km2)
3.6.1
Perbandingan ARF
Setiap wilayah memiliki lengkung ARF berbeda yang diturunkan dari ketersediaan data yang dimiliki. Perbedaan lengkung ARF ini diakibatkan oleh perbedaan distribusi hujan dan iklim tiap wilayah. Seperti yang tersaji pada Gambar 9 di bawah ini lengkung ARF pulau Jawa memiliki kemiripan dengan lengkung ARF negara Malaysia dan Thailand.
38
Oleh sebab itu dalam perhitungan debit banjir petunjuk teknis ini merekomendasikan ARF pulau Jawa untuk digunakan di seluruh Indonesia. 1 0.9
ARF
0.8 0.7 0.6 0.5 0
200
400
600
800
1000
1200
1400
1600
1800
2000
Luas Wilayah (km2) Jawa
New Jersey
North Carolina
Victoria
Malaysia
Thailand
Gambar 9. Perbandingan ARF berbagai wilayah 1 0.95 0.9 0.85
ARF
0.8 0.75 0.7 0.65 0.6 0.55 0.5 0
200
400
600
800
1000 1200 1400 1600 1800 2000
Luas (km2) ARF Jawa
Gambar 10. 3.6.2
ARF Malaysia
ARF Thailand
Perbandigan ARF Jawa, Malaysia, dan Thailand
Penerapan ARF Jawa dibandingkan dengan nilai ARF sesungguhnya
Untuk beberapa wilayah di Indonesia dicoba dicari besar nilai ARF sesungguhnya kemudian dibandingkan dengan besar ARF Jawa yang ditentukan berdasarkan luas DAS. ARF sesungguhnya didapat dengan cara membandingkan besar curah hujan rencana per stasiun dengan besar curah hujan wilayah rencana untuk jangka waktu dan periode ulang yang sama.
39
1 0.95 0.9 0.85
ARF
0.8 0.75 0.7 0.65 0.6 0.55 0.5 0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Luas (km2) ARF Jawa
ARF Dodokan
ARF Sutami
Nanjung
ARF Dodokan Sesungguhnya
ARF Sutami Sesungguhnya
ARF Nanjung Sesungguhnya
Gambar 11.
Perbandingan Hasil ARF Jawa dengan ARF Sesungguhnya
Tabel 11. Perbandingan Hasil ARF Jawa dengan ARF Sesungguhya DAS
Luas
ARF Jawa
ARF Sesungguhnya
% Deviasi
Dodokan
565.9
0.72
0.55
23.46%
Sutami
2214.0
0.60
0.57
5.67%
Nanjung
2282.3
0.60
0.50
16.95%
Dari hasil perhitungan didapat bahwa ARF Jawa memiliki nilai yang lebih besar daripada ARF sesungguhnya, maka ARF Jawa aman untuk digunakan.
40
3.6.3
Penentuan Nilai ARF
Gambar 12.
Kerangka pikir penentuan ARF
Contoh: DAS Sutami dengan luas 2214,044 km2 memiliki nilai ARF sebesar 0,604. 1 0.95 0.9 0.85
ARF
0.8 0.75 0.7 0.65 0.6 0.55 0.5 0
500
1000
1500
2000
2500
Luas
3000
3500
4000
4500
5000
(km2)
ARF Jawa
Gambar 13.
Contoh penentuan nilai ARF berdasarkan luas
41
3.7
DURASI DAN DISTRIBUSI CURAH HUJAN
Penentuan distribusi hujan rencana merupakan hal yang sangat bervariasi dan sensitif pada lokasi studi. Distribusi yang dimaksud di sini merupakan distribusi secara temporal (besaran hujan setiap waktu pada ketelitian harian, jam-jaman atau bahkan menitan), bukan distribusi secara spasial. Oleh sebab itu perlu dilakukan proses verifikasi pada suatu daerah sebelum dapat menggunakan pola-pola distribusi yang ada. Perbedaan pola distribusi curah hujan rencana dapat menghasilkan distribusi debit banjir yang berbeda juga. Jika pada sebuah daerah studi / pekerjaan tidak tersedia data curah hujan dengan durasi pendek, maka dapat digunakan data curah hujan berdurasi pendek pada lokasi terdekat dengan lokasi studi. Terdapat tiga jenis distribusi hujan yang dapat digunakan: distribusi hujan PSA 007, distribusi hujan NRCS/SCS, dan distribusi hujan Huff-1. 3.7.1
Durasi Hujan
Dalam perhitungan debit banjir pada daerah aliran sungai berukuran besar dengan waktu dasar hidrograf satuan kurang dari 12 jam, disarankan untuk menggunakan durasi hujan 12 jam sebagai dasar perhitungan. Sedangkan untuk DAS berukuran kecil dan menengah dengan waktu konsentrasi 2 – 3 jam disarankan untuk menggunakan durasi hujan 6 jam.
Gambar 14.
Justifikasi durasi hujan
Dalam flowchart diatas, terlihat penentuan jenis distribusi (PSA, SCS, Huff) tergantung dari data hujan jam-jaman atau 3 jam-an yang ada. Dalam konteks banjir hujan jam-jaman yang dipilih adalah berskala besar, paling tidak diusahakan agar hujan hariannya sama dengan absolut maksimum (biasanya mendekati R100) atau yang mendekati. 3.7.2 3.7.2.1
Distribusi Hujan Distribusi Hujan PSA-007
Mengacu pada dokumen Guidelines for Dam Flood Safety, salah satu distribusi hujan yang digunakan adalah distribusi hujan PSA-007. Selain dokumen tersebut, penggunaan 42
PSA 007 juga dianjurkan dalam dokumen ‘Petunjuk Teknis Perhitungan Banjir Desain Bendungan’ dan ‘Panduan Perencanaan Bendungan Urugan, Volume II Analisis Hidrologi Bab 3’. Terdapat beberapa versi dari distribusi curah hujan berdasarkan PSA 007, namun secara umum distribusinya terjadi sesuai tabel di bawah ini. Tabel 12. Distribusi curah hujan 24 jam pada berbagai periode ulang Periode Ulang Tahun 5 10 25 50 100 1000 CMB
1/2 32 30 28 27 26 25 20
3/4 41 38 36 35 34 32 27
1 48 45 43 42 41 39 34
Tabel 13.
Durasi Hujan [Jam] 2 3 59 66 57 64 55 63 53 61 52 60 49 57 45 52
6 78 76 75 73 72 69 64
12 88 88 88 88 88 88 88
24 100 100 100 100 100 100 100
Distribusi curah hujan PSA 007
Durasi Hujan (jam)
1
2
3
4
5
6
8
12
16
20
24
Curah Hujan Kumulatif (%)
33
45
54
60
65
69
76
86
92
97
100
Bentuk distribusi curah hujan PSA 007 biasanya didistribusikan dengan bentuk lonceng (bellshaped) dan dapat diterjemahkan terhadap durasi hujan yang lain, dengan contoh sebagai berikut:
Mengubah distribusi PSA 007 dari 24 jam menjadi 6 jam 1. Pada jam pertama di distribusi 6 jam, rasio waktu tersebut terhadap panjang waktu total adalah 1/6. Pada rasio yang sama di distribusi 24 jam, waktu tersebut dapat diterjemahkan menjadi jam keempat. Melalui rasio tersebut, diketahui bahwa pada jam pertama distribusi 6 jam, telah turun hujan sebanyak 60% dari hujan total. Proporsi 60% ini kemudian didistribusikan pada jam ketiga dengan tujuan untuk meletakkan puncak hujan pada titik tengah durasi. 2. Pada jam kedua di distribusi 6 jam, rasio waktu tersebut terhadap panjang waktu total adalah 2/6. Pada rasio yang sama di distribusi 24 jam, waktu tersebut dapat diterjemahkan menjadi jam kedelapan. Melalui rasio tersebut, diketahui bahwa pada jam kedua distribusi 6 jam, telah turun hujan sebanyak 76% dari hujan total, atau 16% antara jam pertama dan jam kedua. Proporsi 16% ini kemudian didistribusikan pada jam keempat, di sebelah jam ketiga untuk memberikan efek resesi dari puncak hujan. 3. Pada jam ketiga di distribusi 6 jam, rasio waktu tersebut terhadap panjang waktu total adalah 3/6. Pada rasio yang sama di distribusi 24 jam, waktu tersebut dapat diterjemahkan menjadi jam kedua belas. Melalui rasio tersebut, diketahui bahwa pada jam ketiga distribusi 6 jam, telah turun hujan sebanyak 86% dari hujan total, atau 10% antara jam kedua dan jam
43
ketiga. Proporsi 10% ini kemudian didistribusikan pada jam kedua, di sebelah jam ketiga untuk memberikan efek naik menuju puncak hujan. 4. Pada jam keempat di distribusi 6 jam, rasio waktu tersebut terhadap panjang waktu total adalah 4/6. Pada rasio yang sama di distribusi 24 jam, waktu tersebut dapat diterjemahkan menjadi jam keenam belas. Melalui rasio tersebut, diketahui bahwa pada jam keempat distribusi 6 jam, telah turun hujan sebanyak 92% dari hujan total, atau 6% antara jam ketiga dan jam keempat. Proporsi 6% ini kemudian didistribusikan pada jam kelima dengan tujuan untuk memberikan efek resesi dari hujan jam keempat. 5. Pada jam kelima di distribusi 6 jam, rasio waktu tersebut terhadap panjang waktu total adalah 5/6. Pada rasio yang sama di distribusi 24 jam, waktu tersebut dapat diterjemahkan menjadi jam kedua puluh. Melalui rasio tersebut, diketahui bahwa pada jam kelima distribusi 6 jam, telah turun hujan sebanyak 97% dari hujan total, atau 5% antara jam keempat dan jam kelima. Proporsi 5% ini kemudian didistribusikan pada jam pertama, di sebelah jam kedua untuk memberikan efek naik menuju hujan jam kedua. 6. Pada jam keenam di distribusi 6 jam, rasio waktu tersebut terhadap panjang waktu total adalah 6/6. Pada rasio yang sama di distribusi 24 jam, waktu tersebut dapat diterjemahkan menjadi jam kedua puluh empat. Melalui rasio tersebut, diketahui bahwa pada jam keenam distribusi 6 jam, telah turun hujan sebanyak 100% dari hujan total, atau 3% antara jam kelima dan jam keenam. Proporsi 3% ini kemudian didistribusikan pada jam keenam, di sebelah jam kelima untuk memberikan efek resesi dari hujan jam kelima.
Dari uraian di atas, didapatkan hujan tiap jam pada durasi 6 jam sebagai berikut: Tabel 14.
Distribusi curah hujan 6 jam
Durasi Hujan (jam)
1
2
3
4
5
6
Curah Hujan JamJaman (%)
5
10
60
16
6
3
Curah Hujan Kumulatif (%)
5
15
75
91
97
100
Distribusi tersebut kemudian dimasukkan ke dalam grafik. Hal yang sama dilakukan pada durasi 12 jam dan 24 jam, sehingga menghasilkan grafik sebagai berikut. Secara tabulasi, tabel di bawah juga memberikan nilai kuantitatif distribusi curah hujan sesuai standar PSA 007.
44
Gambar 15. Tabel 15.
Jam ke0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Distribusi hujan kumulatif PSA007 Distribusi hujan kumulatif PSA 007 Distribusi PSA 007 R/Rt 6 jam 12 jam 0.0000 0.0000 0.0500 0.0200 0.1500 0.0400 0.7500 0.0700 0.9100 0.1200 0.9700 0.2100 1.0000 0.6600 0.8100 0.8800 0.9300 0.9600 0.9900 1.0000
24 jam 0.0000 0.0075 0.0150 0.0275 0.0400 0.0550 0.0700 0.0950 0.1200 0.1550 0.2050 0.2950 0.6250 0.7450 0.8050 0.8450 0.8800 0.9050 0.9300 0.9450 0.9600 0.9725 0.9850 0.9925 1.0000
45
Gambar 16.
Distribusi curah hujan 6 Jam
Gambar 17.
Distribusi curah hujan 12 jam
Gambar 18.
Distribusi curah hujan 24 jam 46
3.7.2.2
Distribusi Hujan NRCS/SCS
Distribusi hujan NRCS/SCS merupakan distribusi hujan yang diturunkan di seluruh daerah di Amerika Serikat oleh The U.S. Department of Agriculture, Soil Conservation Service pada tahun 1986. Pada awalnya, pola distribusi curah hujan SCS dikembangkan terhadap dua buah durasi hujan, yaitu 6 jam dan 24 jam. Terdapat empat jenis distribusi NRCS/SCS yang secara umum disebut distribusi NRCS/SCS tipe I, distribusi NRCS/SCS tipe IA, distribusi NRCS/SCS tipe II, dan distribusi NRCS/SCS tipe III. Berdasarkan buku Applied Hydrology karangan Ven Te Chow, berikut distribusi SCS masing-masing tipe.
Gambar 19.
Distribusi hujan kumulatif NRCS/SCS
47
Tabel 16. t/24
3.7.2.3
Distribusi Hujan Kumulatif NRCS/SCS R/Rt SCS I
SCS IA
SCS II
SCS III
0.0000
0
0
0
0
0.0833
3.5
5
2.2
2
0.1667
7.6
11.6
4.8
4.3
0.2500
12.5
20.6
8
7.2
0.2917
15.6
26.8
9.8
8.9
0.3333
19.4
42.5
12
11.5
0.3542
21.9
48
13.3
13
0.3750
25.4
52
14.7
14.8
0.3958
30.3
55
16.3
16.7
0.4063
36.2
56.4
17.2
17.8
0.4167
51.5
57.7
18.1
18.9
0.4375
58.3
60.1
20.4
21.6
0.4583
62.4
62.4
23.5
25
0.4792
65.4
64.5
28.3
29.8
0.4896
66.9
65.5
35.7
33.9
0.5000
68.2
66.4
66.3
50
0.5208
70.6
68.3
73.5
70.2
0.5417
72.7
70.1
77.2
75.1
0.5625
74.8
71.9
79.9
78.5
0.5833
76.7
73.6
82
81.1
0.6667
83
80
88
88.6
0.8333
92.6
90.6
95.2
95.7
1.0000
100
100
100
100
Distribusi Hujan Huff-1
Selain distribusi hujan NRCS/SCS, di Amerika juga, tepatnya di Illinois, Huff (1967) mengembangkan analisis runtut waktu tipe hujan. Distribusi yang dikembangkan tersebut memiliki sebaran kumulatif seperti dapat dilihat pada gambar di bawah ini.
48
Gambar 20. Tabel 17. t/td
Distribusi hujan kumulatif Huff-1 Distribusi Hujan Kumulatif Huff-1 R/Rt 6 jam
12 jam
24 jam
0.05
0.063
0.063
0.063
0.10
0.178
0.178
0.178
0.15
0.333
0.333
0.333
0.20
0.500
0.500
0.500
0.25
0.620
0.620
0.620
0.30
0.705
0.705
0.705
0.35
0.760
0.760
0.760
0.40
0.798
0.798
0.798
0.45
0.830
0.830
0.830
0.50
0.855
0.855
0.855
0.55
0.880
0.880
0.880
0.60
0.898
0.898
0.898
0.65
0.915
0.915
0.915
0.70
0.930
0.930
0.930
0.75
0.944
0.944
0.944
0.80
0.958
0.958
0.958
0.85
0.971
0.971
0.971
0.90
0.983
0.983
0.983
0.95
0.994
0.994
0.994
1.00
1.000
1.000
1.000 49
3.8
CURAH HUJAN MAKSIMUM BOLEH JADI (CMB)
Curah hujan maksimum boleh jadi didefinisikan sebagai tinggi terbesar hujan dengan durasi tertentu yang secara meteorologis dimungkinkan bagi suatu daerah pengaliran dalam suatu waktu dalam tahun, tanpa adanya kelonggaran yang dibuat untuk trend klimatologis jangka panjang. Rumus yang digunakan oleh HERSHFIELD didasarkan atas persamaan frekuensi umum, yaitu: =
+
Dengan = curah hujan maksimum yang tercatat = nilai rata-rata (mean) data hujan maksimum tahunan = standar deviasi data hujan maksimum tahunan K
= faktor pengali terhadap deviasi
Nilai-nilai Km untuk durasi 5 menit. 1, 6, dan 24 jam dan hubungannya dengan keberagaman dimuat pada Gambar 20.
Gambar 21.
Faktor pengali terhadap deviasi (Km)
Hujan yang jarang terjadi (outlier) dapat mempengaruhi dan sn deret data tahunan (annual series). Besarnya pengaruh tersebut menjadi berkurang untuk data panjang, 50
tetapi menjadi besar pada data yang pendek. Gambar di bawah ini dibuat oleh HERSHFIELD untuk menyesuaikan besarnya dan sn sebagai kompensasi dengan adanya outlier tersebut.
Gambar 22.
Faktor koreksi Xn
51
Gambar 23.
Faktor koreksi sn
Lengkung pada gambar di bawah ini dibuat berdasarkan nilai rata-rata yang didapat dari analisis depth-area-duration (DAD) untuk badai badai besar.
Gambar 24.
Lengkung reduksi luas 52
3.9
PEMILIHAN DISTRIBUSI HUJAN
Gambar 25.
Kerangka pikir pemilihan distribusi hujan.
Contoh pemilihan distribusi hujan DAS Sutami. 1. Pilih pos hujan yang memiliki data hujan jam-jaman. Dalam hal ini pos hujan DAS Sutami yang dapat digunakan adalah pos hujan Pujon, Dampit, Poncokusumo, dan Sengguruh. 2. Rangkum nilai hujan jam jaman yang memiliki nilai kumulatif terbesar untuk durasi hujan yang sama. 3. Kumulatifkan data hujan jam-jaman.
53
4. Ubah tinggi hujan kumulatif menjadi persentase hujan kumulatif. Pos Hujan Pujon
Dampit
Poncokusumo
Sengguruh
Tinggi Hujan (mm) Kumulatif (mm) Bobot (%) Tinggi Hujan (mm) Kumulatif (mm) Bobot (%) Tinggi Hujan (mm) Kumulatif (mm) Bobot (%) Tinggi Hujan (mm) Kumulatif (mm) Bobot (%)
0 0 0 0 0 0 0 0 0 0 0 0 0
1 3 3 2.6 34 34 16.2 19 19 23.8 51 51 30.0
2 16 19 16.2 16 50 23.8 10 29 36.3 18 69 40.6
3 14 33 28.2 20 70 33.3 7 36 45.0 23 92 54.1
4 13 46 39.3 34 104 49.5 10 46 57.5 28 120 70.6
5 6 52 44.4 38 142 67.6 15 61 76.3 21 141 82.9
6 6 58 49.6 22 164 78.1 8 69 86.3 11 152 89.4
Jam ke7 8 2 13 60 73 51.3 62.4 20 14 184 198 87.6 94.3 7 4 76 80 95.0 100.0 12 6 164 170 96.5 100.0
9 21 94 80.3 2 200 95.2
10 11 5 6 99 105 84.6 89.7 2 8 202 210 96.2 100.0
12 3 108 92.3
13 2 110 94.0
5. Plot bobot hujan pada grafik.
6. Lakukan dengan prosedur yang sama untuk data TRMM 3 jam-an DAS Sutami. 7. Plot distribusi hujan pada DAS Sutami pada masing masing grafik distribusi hujan PSA 007, Huff-1, dan SCS.
54
14 15 3 4 113 117 96.6 100.0
55
56
8. Diketehui bahwa curah hujan DAS Sutami mengikuti pola distribusi SCS tipe 1A dengan durasi 12 jam.
57
BAB 4
4.1
ANALISIS DEBIT BANJIR RENCANA
URAIAN UMUM
Mengacu pada SNI2415-2016 tentang “Tata cara perhitungan debit banjir rencana” disarankan untuk menggunakan pendekatan model matematik untuk perhitungan banjir rencana jika memungkinkan melalui proses kalibrasi. Untuk DAS kecil 1.42 >36.1
0.57-1.42 14.5-36.1
0.06-0.57 1.5-14.5
