BAB 1V METODOLOGI 4.1. Lokasi Penelitian

Transkripsi

1 BAB 1V METODOLOGI 4.1. Lokasi Penelitian Lokasi penelitian terdapat pada pos-pos hujan yang ada di Daerah Aliran Sungai Kali Progo, Provinsi D.I Yogyakarta. Sumber: Balai Besar Wilayah Sungai Serayu Opak, 2013 Gambar 4.1 Peta DAS Kali Progo 24

2 Bagan Alir Penelitian Berikut ini adalah langkah-langkah penelitian Gambar 4.2 Bagan Alir Penelitian

3 Pengumupulan Data Untuk melakukan rasionalisasi pos hujan pada area DAS Kali Progo menggunakan ArcGIS 10.1, diperlukan berbagai data yang nantinya akan diinput untuk analisis kerapatan jaringan stasiun hujan ke dalam software ArcGIS 10.1 yaitu data sekunder. Data sekunder didapat dari Balai Besar Wilayah SungaiI Serayu Opak Yogayakarta dan studi pustaka serta refrensi yang terkait dengan objek penelitian. Berikut data-data yang digunakan: 1. Data Curah hujan diperoleh dari Balai Besar Wilayah Sungai Serayu Opak Yogyakarta. Data pengamatan meliputi 23 Stasiun hujan dari tahun 2013 yaitu: stasiun Gembongan,Wonogomo, Tegal, Kokap, Sapon, Sanden, Pajangan, Kenteng, Kalijoho, Brosot, Nyemengan, Gemawang, Beran, Angin-angin, Prumpung, Kemput, Seyegan, Kalibawag, Godean, Badran, Bedugan/siluk, Caturanom, Mendut. Digunakan untuk menginput data pada software ArcGIS 10,1. 2. Data Topografi dan Peta DAS Kali Progo berupa SHP (Shapfile) yang di peroleh dari Balai Besar Wilayah Sungai Serayu Opak Yogyakarta. Di gunakan untuk mengetahui luasan pengarus pos hujan DAS Kali Progo sebagai input data pada software ArcGIS 10,1. 3. Data kerapatan minimum jaringan stasiun hujan yang direkomendasikan WMO (Word Meteorogical Organization) di dapat dari penelitian Rahmat Junaidi (Kajian Rasionalisasi Jaringan Stasiun Hujan Pada Ws Parigi-Poso Sulawesi Tengah Dengan Metode Kagan-Rodda dan Kriging, 2015). Data ini di gunakan sebagai acuan kerapatan minimum jaringan stasiun hujan. 4. Prosedur dan intruksi Survei penempatan dan pembangunan Pos Hidrologi di dapat dari Balai Besar Wilayah Sungai Serayu Opak Yogyakarta. Di gunakan untuk cara menempatkan pos hujan yang ideal.

4 Analisis Data Data yang telah diperoleh diolah dan dianalis sesuai dengan kebutuhannya. Masing-masing data berbeda dalam pengolahannya dan analisisnya. Dengan pengolahan dan analisis yang sesuai maka akan didapatkan variabel-variabel yang akan digunakan dalam penelitian ini Pengolahan Data Peta DAS Kali Progo yang berupa data SHP ((shapfile) dan data hujan yang diperoleh dari Balai Besar Wilayah Sungai Serayu Opak Yogyakarta, selanjutnya diolah dengan program ArcGIS 10.1 untuk memperoleh luasan stasiun hujan berpengaruh pada Daerah Aliran Sungai kali Progo Langkah-langkah pengolahan data sebagai berikut: 1. Buka program ArcGIS, dan pilih new blangk untuk membuka file baru. Gambar 4.3 Tampilan Awal ArcGIS

5 28 2. Masukkan data koordinat stasiun hujan untuk pembuatan poligon Thiessen pada menu Add XY data pada tools file Gambar 4.4 Add XY Data Stasiun Hujan

6 29 3. Membuat Poligon Thiessen dengan langkah-langkah sebagai berikut pilih Arc Toolbox Analiysis Tools Proximity - Create Thiessen Polygon. Gambar 4.5 Hasil Poligon Thiessen Pada DAS Kali Progo

7 30 4. Buka Peta DAS Kali progo yang berupa SHP melalui menu add data ( ). Gambar 4.6 DAS Kali Progo

8 31 5. Setelah polygon Thiessen jadi kemudian dilakukan pemotongan (clip) untuk menghitung luasan dari stasiun yang berpengaruh pada DAS. Gambar 4.7 Poligon Thiessen Pada DAS Kali Progo

9 32 6. Membuat tabel keterangan luasan stasiun hujan berpengaruh sesuai dengan poligon thiessen yang sudah dibuat. Caranya dengan klik kanan data shp poligon Thiessen pada Table of contents, kemudian pilih Open attribut table. Gambar 4.8 Tabel Luasan Stasiun Hujan Berpengaruh Pada DAS Analisis Kerapatan Jaringan Stasiun Hujan Standar WMO Analisis kerapatan stasiun hujan berdasarkan standar WMO, didasarkan pada luasan daerah pengaruh masing-masing stasiun. Besarnya luasan daerah pengaruh masing-masing stasiun hujan dihitung dengan menggunakan metode poligon Thiessen, penggunaan metode poligon Thiessen dikarenakan penyebaran stasiun hujan di daerah yang ditinjau tidak merata. Dengan menggunakan menu create Thiessen polygon pada program ArcGis 10.1 didapat nilai luasan pengaruh dari setiap stasiun hujan terhadap Daerah Aliran Sungai kali Progo seperti yang di tunjukan pada Tabel 4.1.

10 33 Tabel 4.1 Hasil Analisis Kerapatan Stasiun Hujan berdasarkan Standar WMO Luas Daerah Pengaruh(km 2 ) Per Pos Hujan No. Koordinat Stasiun Hujan X y Luas (km 2 ) 1 Gembogan 110,211-7,857 60,07 2 Wonogomo/tepus 110,588-7,550 0,88 3 Tegal 110,242-7, ,36 4 Kokap/hargorejo 110,117-7,870 0,35 5 Sapon 110,255-7,922 36,98 6 Sanden 110,268-7,954 20,49 7 Pajangan 110,317-7,905 24,66 8 Kenteng 110,255-7,786 83,85 9 Kalijoho 110,235-7,823 56,4 10 Brosot 110,233-7,941 65,7 11 Nyemengan 110,346-7,844 39,63 12 Gemawang 110,368-7,763 15,57 13 Beran 110,358-7,731 19,34 14 Angin-angin 110,371-7,674 48,8 15 Prumpung 110,392-7,707 0,09 16 Kemput 110,405-7, ,67 17 Seyegan 110,293-7,696 41,37 18 Kalibawang 110,264-7,676 29,79 19 Godean 110,301-7,734 48,7 20 Badran 110,218-7, ,24 21 Bedugan/siluk 110,378-7, ,3 22 Caturanom 110,083-7, ,14 23 Mendut 110,245-7, ,28 Sumber : Hasil Analisa, Analisis Jaringan Stasiun Hujan Rekomendasi Dari beberapa cara penetapan jaringan pengukuran hujan yang ada, terdapat cara yang relatif sederhana dalam pemakaian, baik dalam pengertian data yang dibutuhkan maupun prosedur hitungannya. Keuntungan cara ini adalah selain jumlah stasiun yang dibutuhkan dengan tingkat ketelitian tertentu dapat ditetapkan, akan tetapi juga sekaligus cara ini dapat memberikan pola penempatan stasiun hujan yang jelas. Cara ini dikemukakan oleh Kagan (1967). Secara garis besar langkahlangkah yang dapat di tempuh sebagai berikut:

11 34 1. Dari jaringan stasiun hujan yang telah tersedia, dapat dihitung nilai koefisien variasi (Cv) baik harian atau bulanan, sesuai dengan yang diperlakukan. Persamaan dasar yang digunakan adalah (Bambang Triadmojo, 2008) Dengan: Cv ṕ σ n Cv= 100σ ṕ σ = ( n n 1 (ṕ2 (ṕ) 2 )) 1/2 ṕ = p n = Koefisien variasi hujan didasarkan pada stasiun hujan yang ada = hujan rerata dari n stasiun = standar deviasi = jumlah stasiun hujan yang ada (4.1) 2. Dari jaringan stasiun hujan yang tersedia pula dapat dicari hubungan antar jarak antar stasiun dan koefisien korelasi, baik untuk hujan harian maupun bualanan, sesuai yang diperlukan. Dalam penetapan hubungan ini tidak diperhatikan orientasi arahnya, karena tidak berpengaruh terhadap besarnya korelasi. Untuk mencari jarak antar stasiun menggunakan software ArcGIS 10.1 yaitu dengan cara klik measure kemudian pilih dua stasiun yang akan d ukur jarak antar stasiunnya seperti pada Gambar 4.9

12 35 Gambar 4.9 Jarak Antar Stasiun sedangkan korelasi hanya dilakukan untuk hari-hari yang di kedua stasiun terjadi hujan. Berarti menghindarkan complete dry days (Stohl, 1981). Mencari nilai korelasinya yaitu dengan cara membuat grafik regresi hubungan antara data curah hujan bulanan antara kedua stasiun. 3. Hubungan yang di peroleh di atas digambarkan dalam sebuah grafik lengkung eksponensial, seperti yang nampak pada Gambar5.3. Dari grafik ini dapat diperoleh besaran d(o) dengan menggunakan nilai rata-rata d dan r(d) dan persamaan (3.2). 4. Dengan besaran tersebut, maka persamaan (3.3) dan (3.4) dapat dihitung setelah tinggi ketelitian ditetapkan. 5. Setelah jumlah stasiun ditetapkan untuk DAS tersebut, maka penempatan stasiun hujan dapat dilakukan dengan menggunakan persamaan (3.5), dan menggambarkan jaring-jaring segitiga sama sisi dengan panjang sisi sama dengan L.