BAB IV HASIL PERHITUNGAN DAN ANALISA. Data hidrologi adalah kumpulan keterangan atau fakta mengenai fenomena

Transkripsi

1 BAB IV HASIL PERHITUNGAN DAN ANALISA 4.1 Ketersediaan Data Hidrologi Pengumpulan Data Hidrologi Data hidrologi adalah kumpulan keterangan atau fakta mengenai fenomena hidrologi (hydrologic phenomena). Fenomena hidrologi seperti besarnya : curah hujan, temperatur, penguapan, lama penyinaran matahari, kecepatan angin, debit sungai, tinggi muka air sungai, kecepatan aliran, konsentrasi sedimen sungai akan selalu berubah menurut waktu. Dalam kasus kali ini penulis mempergunakan data curah hujan sebagai data acuan dalam proses perhitungan, yang diambil dari 3 stasiun pencatat curah hujan yang terdekat ke lokasi penelitian yaitu Stasiun Curah Hujan Cawang, Katulampa dan Gunung Mas. Data curah hujan yang diambil adalah curah hujan harian dari ketiga stasiun tersebut selama 10 tahun, dari tahun 2003 s/d Dari data curah hujan harian tersebut, diambil data curah hujan harian maksimum per tahun, seperti yang tercatat di dalam Tabel 4.1. IV-1

2 Gambar 4.1. Hasil Plotting Data Stasiun Curah Hujan Tabel 4.1. Rekapitulasi Data Curah Hujan Harian Maksimum Tahunan 3 Stasiun No. Tahun Tinggi Curah Hujan Pada Statiun ( mm ) Sta. Cawang Sta. Gunung Mas Sta. Katulampa IV-2

3 4.1.2 Pengujian Data Hidrologi Pengujian data hidrologi dinamakan Uji konsistensi (consistency test). Cara menguji konsistensi data yaitu dengan Kurva Lengkung Massa Ganda (Double Mass Curve). Langkah-langkah uji konsistensi data hujan dengan Kurva Lengkung Massa Ganda adalah: 1. Hitung rata-rata curah hujan dari sta A, B dan seterusnya bila ada 2. Hitung nilai kumulatif dari rata-rata curah hujan pada langkah (1) 3. Hitung nilai kumulatif dari nilai curah hujan pada stasiun yang diuji konsistensi datanya 4. Gambar grafik kurva hubungan langkah (2) dan (3) 5. Perbandingan kemiringan hasil kurva 6. Data penyimpangan dikoreksi dengan faktor koreksi Ordinat Y , , 158 Plotting Data Sta. Cawang y = 1,2014x - 118,95 R² = 0,9858 Sesudah Uji Konsistensi 342, , , , , , , , y = 1,1883x - 122,18 R² = 0,9762 Sebelum Uji Konsistensi Sebelum uji konsistensi Setelah uji konsistensi Absis X Gambar 4.2. Hasil Plotting Data Sta. Cawang Setelah Uji Konsistensi IV-3

4 Ordinat Y , , , 301 Plotting Data Sta. Gunung Mas 437, 453 y = 0.915x R² = , , , , , , 1194 Plotting Data Sta. Gunung Mas Linear (Plotting Data Sta. Gunung Absis X Gambar 4.3. Hasil Plotting Data Sta. Gunung Mas Tanpa Uji Konsistensi Ordinat Y , 136 y = 0,874x + 134,38 R² = 0,9972 Sesudah Uji Konsistensi 177, , 383 Plotting Data Sta. Katulampa 416, , , 833 Gambar 4.4. Hasil Plotting Data Sta. Katulampa Setelah Uji Konsistensi 846, , , , 1253 y = 0,8978x + 112,55 R² = 0,9831 Sebelum Uji Konsistensi Sebelum uji konsistensi Setelah uji konsistensi Absis X Keterangan : Untuk Gambar 4.3. Data Sta Gunung Mas tidak dikoreksi, karena korelasinya R² = 0.996, mendekati 1. IV-4

5 Tabel 4.2. Tinggi Curah Hujan Harian Maksimum Tiap Stasiun Setelah Dikoreksi No. Tahun Tinggi Curah Hujan Pada Tiap Station (mm) Sta. Cawang Sta. Gn. Mas Sta. Katulampa Total Curah Hujan Rerata Wilayah dengan Metode Polygon Thiessen Data curah hujan harian maksimum yang didapat dari stasiun-stasiun pengukuran berupa data suatu titik tertentu (point rainfall), sedangkan untuk keperluan analisis, yang diperlukan adalah data curah hujan wilayah aliran (areal rainfall/catchment rainfall). Untuk mendapatkan data curah hujan wilayah adalah dengan mengambil data curah hujan rata-ratanya. Ada tiga cara yang telah banyak digunakan yaitu, cara rata-rata aljabar (Arithmatic Mean Method), Poligon Thiessen (Thiessen Polygon Method) dan Isohiet (Isohyetal Method). Dalam studi ini digunakan metode Polygon Thiessen. IV-5

6 Gambar 4.5. Hasil Plotting DAS dengan Metode Polygon Thiessen Tabel 4.3. Luas DAS yang Masuk Pengaruh Stasiun Curah Hujan Luas DAS Tiap Station Nama Sta Sta. Cawang Sta. Gn. Mas Sta. Katulampa Total Luas Sta (km²) Persentase Luasan Sta (%) 26.54% 39.27% 34.19% % Tabel 4.4. Curah Hujan Rerata Wilayah dengan Metode Thiessen No. Tahun Tinggi Curah Hujan Maximum Tahunan (mm) Rata² Tahunan Sta. Cawang Sta. Gn. Mas Sta. Katulampa Persentase 26.54% 39.27% 34.19% (Ř) IV-6

7 Grafik Data Tertinggi/Terendah Curah Hujan Rata-rata Tahunan Gambar 4.6. Grafik Data Curah hujan Rerata Wilayah 4.3 Analisis Hujan Rancangan (Design Rainfall) Pemilihan Metode Perhitungan Hujan Rancangan Untuk menentukan metode yang sesuai, maka terlebih dahulu harus dihitung besarnya parameter statistik yaitu koefisien kepencengan (skewness) atau Cs, dan koefisien kepuncakan (kurtosis) atau Ck. Tabel 4.5. Perhitungan untuk Penentuan Metode Analisis Frekuensi No. Tahun Xi (Xi-X) (Xi-X) 2 (Xi-X) 3 (Xi-X) Jumlah Rerata (X) Maksimum Minimum Standar Deviasi (Sd) Skewness (Cs) Koef Kurtosis (Ck) IV-7

8 Berdasarkan hasil perhitungan didapatkan hasil sebagai berikut : Nilai Koefisien Kepencengan (Skewness) Cs = 0,895 Nilai Koefisien Kurtosis Ck = 4,832 Tabel 4.6. Syarat Analisis Data untuk Menggunakan Analisa Frekuensi No. Jenis Distribusi Syarat Perhitungan Kesimpulan 1 Normal < Cs < 0.05 Cs = Tidak memenuhi 2.7 < Ck < 3.0 Ck = Tidak memenuhi 2 Gumbel Cs Cs = Tidak memenuhi Ck Ck = Tidak memenuhi 3 Log Pearson Tipe III tanpa batasan Cs = Memenuhi tanpa batasan Ck = Memenuhi Sehingga perhitungan analisa curah hujan rancangan (design rainfall) digunakan Metode Log Pearson Tipe III Perhitungan Hujan Rancangan dengan Metode Gumbel No. Tabel 4.7. Perhitungan Curah Hujan Rancangan Metode Gumbel Tahun Curah Hujan (Xi) (mm) Xi - X (Xi - X) 2 (Xi - X) ,878-31, , , ,614-33, , , ,813 73, , , ,154-3, , , ,280 30, , , ,246 15, , , ,240 2,5675 6, , ,065-16, , , ,343-43, , , ,096 6, , ,0030 Jumlah 1246,730 0, , ,902 Rerata (X) 124,673 Maksimum 197,813 Minimum 81,343 Standar Deviasi (Sd) 34,715 Skewness (Cs) 0,895 IV-8

9 Tabel 4.8. Hasil Curah Hujan Rancangan Metode Gumbel Kala Ulang Sn Yn Yt K Xt No. (Faktor (Tahun) (Tabel) (Tabel) (Tabel) Frekuensi) (mm) 1 1,01 0,9497 0,4952-1,5293-2, , ,9497 0,4952 0,3665-0, , ,9497 0,4952 1,4999 1, , ,9497 0,4952 2,2504 1, , ,9497 0,4952 2,9702 2, , ,9497 0,4952 3,1985 2, , ,9497 0,4952 3,9019 3, , ,9497 0,4952 4,6001 4, , ,9497 0,4952 6,9073 6, , Perhitungan Hujan Rancangan dengan Metode Log Pearson III Tabel 4.9. Perhitungan Curah Hujan Rancangan Metode Log Pearson Type III No. Tahun Curah Hujan (Xi) Log Xi Log Xi - Log X (Log Xi - Log X) 2 (Log Xi - Log X) 3 (mm) Jumlah Rerata (Log X) Maksimum Minimum Standar Deviasi (Sd) Skewness (Cs) IV-9

10 Tabel Hasil Curah Hujan Rancangan Metode Log Pearson Type III No. Kala Ulang G Xt Log Xt (Tahun) (Tabel) (mm) Uji Kesesuaian Distribusi Untuk mengetahui apakah data tersebut benar sesuai dengan jenis sebaran toristis yang dipilih maka perlu dilakukan pengujian lebih lanjut. Untuk keperluan analisis uji kesesuaian dipakai dua metode statistik sebagai berikut : Uji Smirnov - Kolmogorov Uji Chi Square A. Uji Horizontal dengan Metode Smirnov - Kolmogorov Uji Smirnov Kolmogorov sering juga disebut uji kecocokan non parametik, karena uji kecocokannya tidak menggunakan fungsi distribusi tertentu. IV-10

11 Tabel Perhitungan Uji Kesesuaian Distribusi Smirnov-Kolmogorof No. Tahun Xi m P (Xi) (%) Log Xi G P (Xm) (%) [P(Xi) - P(Xm)] (%) , ,09 2,296 1,838 4,041 5, , ,18 2,191 0,939 17,629 0, , ,27 2,147 0,560 29,072-1, , ,36 2,118 0,310 37,700-1, , ,45 2,105 0,199 41,518 3, , ,55 2,083 0,017 47,786 6, , ,64 2,034-0,408 63,435 0, , ,73 1,968-0,970 82,999-10, , ,82 1,962-1,021 84,292-2, , ,91 1,910-1,463 93,467-2,558 D maks 0,068 Jumlah 20,814 Rumus : Rerata (Log X) 2,081 P (Xi) / Probabilitas Empiris = Standar Deviasi (Sd) 0,117 m / (n+1) *100 (%) Skewness (Cs) 0,288 P (Xi) = data yang telah diranking dari besar ke kecil Jumlah data (n) 10 m = nomor urut Level of Significant (α) 5% n = jumlah data (10) D kritis 0,410 dimana: D maks 0,068 G = (Log Xi - Log X) / Sd Kesimpulan : Karena nilai kritis > maks, maka Hipotesa Log Pearson Tipe III diterima. IV-11

12 500 Grafik Uji Distribusi Smirnov-Kolmogorof y = -46.6ln(x) R² = Probabilitas Empiris Probabilitas Teoritis Data Curah Hujan (Xi) 9.09, , , , , , , , , , Probabilitas (%) Gambar 4.7. Grafik Uji Distribusi Smirnov-Kolmogorof Berdasarkan tabel harga Δ kritis untuk derajat kepercayaan 5% didapatkan nilai Δkritis sebesar 0,41 %. Karena nilai Δkritis > Δmaks, maka hipotesa Log Pearson Type III diterima. B. Uji Vertikal dengan Metode Chi Square Uji Chi-Kuadrat dimaksudkan untuk menentukan apakah persamaan distribusi yang telah dipilih dapat mewakili distribusi statistik sampel data yang dianalisis. Pengambilan keputusan uji ini menggunakan parameter X 2. Agar distribusi frekuensi yang dipilih dapat diterima, maka harga X 2 < X 2 cr. Harga X 2 cr dapat diperoleh dengan menentukan taraf signifikasi dengan derajat kebebasannya (level of significant). Berikut perhitungan metode chi square : IV-12

13 Penentuan jumlah kelas (k) K = 1 + 3,22 log n = 1 + 3,22 Log 10 = 4,2 ~ 4 kelas Sehingga probalilitas antar kelas adalah 25 % (100% / 4 kelas) Tabel Penentuan batas antar kelas Pr (%) G Sd log X Anti Log 25 0,679 0,117 2, , ,047 0,117 2, , ,718 0,117 1,997 99,406 Tabel Perhitungan Uji Kesesuaian Distribusi Chi Square No. Probability (P) Expected Frequency Observed Frequency Ef - Of ((Ef - Of) 2 ) / Ef (%) (Ef) (Of) ,5 3-0,5 0, ,5 1 1,5 0, ,5 4-1,5 0, ,5 2 0,5 0,1 Jumlah Derajat Bebas (g) 1 Rumus : Level of Significant (α) 5% g = K - (P + 1) X 2 kritis 3,841 dimana: X 2 hitung 2,000 P = banyak parameter = 2 Kesimpulan : Karena nilai X 2 kritis > X 2 maks, maka Hipotesa Log Pearson Tipe III diterima. 4.4 Debit Banjir Rancangan Distribusi Curah Hujan Jam-Jaman Perkiraaan distribusi hujan menggunakan rumus mononobe disajikan pada Tabel sebagai berikut : IV-13

14 Tabel Distribusi Hujan Netto Jam-Jaman Jam ke Distribusi Hujan (Rt) Curah hujan Rasio Kumulatif (t) 1 jam-an jam ke- (%) (%) 1 0,5503.R24 0,5503.R24 55,03 55,03 2 0,3467.R24 0,143.R24 14,30 69,34 3 0,2646.R24 0,1003.R24 10,03 79,37 4 0,2184.R24 0,0799.R24 7,99 87,36 5 0,1882.R24 0,0675.R24 6,75 94,10 6 0,1667.R24 0,059.R24 5,90 100,00 Jumlah 100,00 100,00 Prosentase Kumulatif (%) Pola Distribusi Hujan Waktu 4(Jam) Distribusi Hujan Prosentase Hujan (%) Waktu (Jam) Gambar 4.8. Pola Distribusi Hujan Netto Jam-Jaman IV-14

15 4.4.2 Koefisien Pengaliran berdasarkan Tata Guna Lahan Gambar 4.9. Plot Tata Guna Lahan DAS Ciliwung Tabel Koefisien Pengaliran (Curve Number/ CN) Kode Unsur Label Nama Unsur CN PM Luas (Km2) CN X Luas % Luas Permukiman dan Tempat Kegiatan ,11 74,69% ,18 CN DAS HT Hutan Rimba 25 36,55 11,61% 913,77 = , KB Perkebunan/Kebun 62 19,07 6,06% 1.182,62 / SW Sawah 59 3,83 1,22% 225,77 = TL Tegalan/Ladang 39 20,21 6,42% 788,08 262,00 314,77 100,00% ,42 IV-15

16 Peruntukan Tata Guna Lahan 12% 1% 6% 6% Permukiman dan Tempat Kegiatan Hutan Rimba Perkebunan/Kebun 75% Sawah Tegalan/Ladang Gambar Grafik Peruntukan Tata Guna Lahan Analisa Curah Hujan Efektif Perhitungan selengkapnya sebaran Hujan Netto Jam-jaman disajikan pada Tabel Tabel Nisbah Hujan Netto Jam-Jaman Kala Ulang (Tr) (tahun) 1, R rancangan (mm) 68, , , , , , , , ,033 Jam ke- Nisbah (%) 1 0,550 37,598 65,530 82,854 94, , , , , , ,347 23,685 41,281 52,195 59,461 65,479 68,712 75,675 82, , ,265 18,075 31,503 39,832 45,377 49,970 52,437 57,751 63,132 82, ,218 14,921 26,005 32,881 37,458 41,249 43,286 47,672 52,115 67, ,188 12,858 22,411 28,336 32,280 35,548 37,303 41,083 44,911 58, ,167 11,387 19,846 25,093 28,586 31,479 33,033 36,381 39,771 51, Analisa Debit Banjir Rancangan (Design Discharge) Informasi debit banjir sungai akan memberikan hasil lebih bermanfaat bila disajikan dalam bentuk hidrograf. Bentuk hidrograf pada umumnya sangat IV-16

17 dipengaruhi oleh sifat hujan yang terjadi, akan tetapi juga dapat dipengaruhi oleh sifat DAS seperti panjang sungai induk, kemiringan lereng, arah, dan bentuk DAS. HEC-HMS didesain untuk mensimulasi respon limpasan permukaan dari suatu DAS akibat curah hujan dengan mempresentasikan DAS sebagai suatu sistem hidrologi dengan komponen hidrolika yang saling berhubungan. Setiap komponen bermodelkan suatu aspek dari proses hujan-limpasan untuk suatu subdas dari keseluruhan DAS. Hasil keluaran program adalah perhitungan aliran sungai pada lokasi yang dikehendaki dalam DAS (USACE 2010). Simulasi program HEC-HMS ini dibagi menjadi 3 konfigurasi yang berbeda, masing-masing dipisahkan berdasarkan periode ulangnya, yaitu 25, 50, dan 100 tahun. Untuk hasil akhir penelitian ini, periode ulang yang diambil hanya periode tersebut karena hasil periode tersebut sudah cukup dan lebih bermanfaat untuk penelitian lanjutan. Terdapat dua metode hidrograf aliran HEC-HMS yang digunakan dalam penelitian ini yaitu metode Snyder dan metode SCS. A. Hidrograf Satuan Sintetik Snyder Persamaan umum HSS Snyder adalah sebagai berikut : (4.1) (4.2) Parameter-parameter perhitungan yang diperlukan adalah sebagai berikut : IV-17

18 Luas daerah aliran sungai (A) = Km² Panjang sungai utama (L) = Km Panjang sungai dari outlet ketitik berat DAS = Km Koefisien waktu (Ct) = 2 Koefisien puncak (C) = 0.75 Koefisien nilai (N) = 0.33 Potential Maximum Retension (S) = Standard Lag (tp) = jam Tabel Debit Banjir & Volume Desain HSS Snyder Hasil HEC-HMS Snyder Periode Ulang Debit Desain Volume Total Debit Banjir Desain (Tahun) (m³/s) (mm) (1000 m³) Gambar Grafik HSS Snyder Periode 25 Tahun Hasil Running HEC-HMS IV-18

19 Gambar Grafik HSS Snyder Periode 50 Tahun Hasil Running HEC-HMS Gambar Grafik HSS Snyder Periode 100 Tahun Hasil Running HEC-HMS B. Hidrograf Satuan Sintetik SCS Persamaan umum HSS SCS adalah sebagai berikut : (4.3) IV-19

20 Parameter-parameter perhitungan yang diperlukan adalah sebagai berikut Panjang sungai utama (L) = Km Curve Number (CN) = 81 Time Lag (tl) = menit Tabel Debit Banjir & Volume Desain HSS SCS Hasil Running HEC-HMS SCS Periode Ulang Debit Desain Volume Total Debit Banjir Desain (Tahun) (m³/s) (mm) (1000 m³) Gambar Grafik HSS SCS Periode 25 Tahun Hasil Running HEC-HMS IV-20

21 Gambar Grafik HSS SCS Periode 50 Tahun Hasil Running HEC-HMS Gambar Grafik HSS SCS Periode 100 Tahun Hasil Running HEC-HMS Hasil debit banjir desain tersebut merupakan debit puncak, sedangkan volume total debit banjir (inflow) adalah volume dari debit total selama satu kejadian hujan tertentu. Nilai debit banjir desain yang diprediksi makin besar dengan bertambahnya lama periode ulang. Begitu pula dengan volume total debit, nilainya berbanding lurus dengan debit puncak. IV-21

22 4.4.5 Perbandingan Hasil Perhitungan Dengan Studi Terdahulu Pada Tabel 4.19 dapat dilihat perbandingan hasil debit rencana dengan beberapa studi terdahulu yang pernah dilakukan di wilayah Jabodetabek, khususnya berhubungan dengan perencanaan Kali Ciliwung dan Banjir Kanal Barat. Tabel Perbandingan Hasil Perhitungan dengan Studi Debit Banjir Terdahulu Pada Gambar 4.17 juga ditampilkan grafik hasil olah data debit banjir rancangan dengan Metode HSS Gama-I pada hasil studi PT. Daya Cipta Dian Rancana tahun 2008, sebagai contoh grafik yang diolah secara manual, tanpa menggunakan software HEC-HMS dan dapat digunakan sebagai acuan perbandingan dengan hasil studi ini. IV-22

23 Gambar Grafik Debit Banjir Rancangan Metode Gama-I di P.A. Manggarai Sebagai bahan perbandingan dengan pengamatan di lapangan, berikut ini merupakan kutipan jurnal dari salah seorang staff blog Universitas Indonesia, Dr. Tarsoen Waryono, yang menyatakan bahwa: Periode Ulang Debit Ciliwung hasil pengukuran di Pintu Air Manggarai tahun 1973 tercatat 379 m3/dtk. Tahun 1996 berkembang menjadi 570 m3/dtk dan pada tahun 2002 tercatat 698 m3/dtk. Padahal curah hujan yang jatuh hampir sama (rata-rata UI, Depok, Cibining dan Bogor tercatat mm/tahun). Sumber: Dr. Tarsoen Waryono, 2009 ( IV-23