rekayasa hidrologi

Hidrologi SISIPAn 2015

OLEH : SRI EKO WAHYUNI

GARIS-GARIS BESAR PROGRAM PENGAJARAN

No Tujuan Khusus

Pembelajaran

Pokok Bahasan Sub Pokok Bahasan Estimasi

Waktu

Referensi

3. Mahasiswa

dapat

memahami

data hujan

yang konsisten

Menghitung

hujan DAS.

Penentuan

rangkaian

data.

Menguji

konsistensi data

hujan.

Perhitungan

hujan DAS

dengan Metode

Thiessen.

Penentuan

rangkaian data

hujan harian

maks.

-Menguji konsistensi

data hujan dengan

metode Double Mass

Curve, contoh soal.

Perhitungan Curah

hujan DAS dengan :

- Metode Thiessen.

- Mempersiapkan data

hujan harian

maksimum.

2 x 50’ Buku a, b,

c, d, e.

MENGUJI KONSISTENSI DATA HUJAN

Data hujan yang teramati pada stasiun pengamat

hujan bisa tidak konsisten, hal tersebut disebabkan

karena beberapa faktor antara lain :

a. Perpindahan lokasi pengukuran.

b. Perubahan alat (AUHB menjadi AUHO).

c. Penggantian pengamat dll.

Untuk menguji konsistensi data hujan, pendekatan

menguji konsistensi hasil pengukuran pada suatu

stasiun dan membandingkan akumulasi dari

hujan yang bersamaan untuk suatu kumpulan

stasiun yang mengelilinginya.

yang dapat dilakukan misalnya dengan Analisis

Massa Ganda (Double Mass Curve Analysis), yaitu

DATA YANG TIDAK KONSISTEN BERARTI DATA TSB.

MENGANDUNG KESALAHAN, MAKA HARUS DIUJI

● DATA DI STASIUN M SEBAGAI SUMBU Y DAN

DATA HUJAN ACUAN N SEBAGAI SUMBU X.

● DATA KUMULATIF STASIUN M DIBANDINGKAN

SECARA GRAFIS DENGAN DATA KUMULATIF

HUJAN ACUAN N.

KEBENARANNYA, DIANTARANYA DENGAN METODE

DOUBLE MASS CURVE YAITU SBB. :

● DATA YANG AKAN DIUJI ADALAH DATA TAHUNAN/

DATA MUSIMAN PADA STASIUN M.

● DATA HUJAN ACUAN N MERUPAKAN NILAI RATA2

DARI STASIUN HUJAN P, Q, R, S dst. YANG

LOKASINYA ADA DISEKELILING STASIUN M.

DATA-DATAJIKA GRAFIK YANG TERJADI BERUPA GARIS LURUS/ TIDAK TERJADI PATAHAN, MAKA DATA STASIUN M

DATA YANG SUDAH DIKOREKSI akan KONSISTEN,BERARTI BAHWA DATA YANG TERUKUR DAN

BERUBAH, KEMIRINGANNYA SEBESAR A, MAKA DATA

STASIUN M HARUS DIKOREKSI DENGAN DIKALIKAN SUATU FAKTOR KOREKSI YAITU B/A.

JIKA DATA SEBELUM GARIS TERSEBUT BERUBAH/

patah, KEMIRINGANNYA SEBESAR B DAN SETELAH

KONSISTEN, DAN SEBALIKNYA JIKA ADA PATAHAN

TIDAK KONSISTEN SEHINGGA HARUS DIKOREKSI.

DIHITUNG ADALAH BENAR & TELITI SESUAI DENGAN FENOMENA SAAT HUJAN TERJADI.

y

x

STA.M

1990

B (kemiringan/

nilai tangen)

STA.N

A Jika data curah hujan tidak

konsisten, supaya konsisten,

maka data hujan pada stasiun

M harus dikoreksi dengan

faktor : B/A.

PM S

RQ

Hujan

pada sta. M

y = ax

konsisten

y

rata-rata kumulatif pada

stasiun yang mengelilingi

(Data hujan Acuan N).

2000

Sumbu X

Sumbu Y

Y

X

●

●

Tahun

Data Hujan Tahunan

Rerata Sta.

B,C,D,E

Kumul.

Rerata Sta.

B,C,D,E

Kumul.

Sta. ASta. A Sta. B Sta. C Sta. D Sta. E

(1) (2) (3) (4) (5) (6) (7) (8) (9)

2000 1375 1378 1286 1277 1483 1356 1356 1357

1999 2021 1561 1915 1987 1891 1839 3195 3378

1998 1874 1644 1994 1663 1991 1823 5018 5252

1997 2027 2025 1731 1558 1842 1789 6807 7279

1996 1517 1766 1567 1765 1835 1733 8540 8796

1995 1713 1253 1416 1579 1306 1389 9928 10.509

1994 1523 1883 1229 1925 1796 1653 11.582 12.032

1993 1871 1298 1445 1667 1816 1557 13.138 13.903

1992 1214 1076 1310 1183 1594 1291 14.429 15.117

1991 1850 1545 1914 1603 1925 1747 16.176 16.967

1990 2336 1465 2494 2131 2222 2078 18.254 19.303

1989 950 1453 1469 1805 1262 1497 19.751 20.253

1988 1183 1597 1300 1386 1656 1485 21.236 21.436

1987 1341 1680 1618 1931 1681 1728 22.963 22.777

1986 1123 1235 1640 1541 1583 1500 24.463 23.900

1985 1314 1495 1228 1928 1590 1535 25.998 25.214

Contoh :

●●●

0

5000

10000

15000

20000

25000

30000

0 5000 10000 15000 20000 25000 30000

Data

Kum

ulatif

Sta

.A

Kumulatif Rerata Sta. B,C,D,E

Kom A

Linear (Kom A)

1990

PATAH

763,0254.18998.25

303.19214.25

053,1356.1254.18

357.1303.19

371,1768,0

053,1

FK

Kemiringan kurva sesudah patahan :

Faktor koreksi :

Kemiringan kurva sebelum patahan :

●Data yang dikoreksi tahun 1985 s/d 1990, kemudian dicari harga

kumulatif sta. A dan digambar lagi, maka akan diperoleh garis lurus !!.

● Jika Faktor Koreksi sebelum dibagi sesudah patahan :

FK = 1,371 Data Faktor Koreksi tahun 1990 sbb. :

2.336 x 1,371 = 3,203

● Jika Faktor Koreksi sesudah dibagi sebelum patahan :

FK = 0,7246 maka Data Faktor Koreksi sbb. :

2.336 : 0,7246 = 3,204

*Hasilnya SAMA !!.

Hasil analisis akan memuaskanjika kualitas data bagus.

Panjang data punya peranan yangcukup besar (> 20 tahun).

Perbedaan panjang data yang dipakai dalam analisis akanmemberikan penyimpangan yang cukup berarti, makin pendek data, makin besar penyimpangannya.

Makin panjang data, hasil analisis makin baik

HUJAN RATA-RATA DAS

POINT RAINFALL HARUS DIUBAH MENJADI

AREAL RAINFALL SEHINGGA DIPEROLEH

HUJAN RATA-RATA DAS DATA TERSEBUT YANG

BISA DIGUNAKAN UNTUK ANALISIS HIDROLOGI.

ADA 3 MACAM CARA YANG DAPAT DIGUNAKAN

UNTUK MENGHITUNG HUJAN LOKAL (POINT

1. METODE RATA-RATA ALJABAR.

2. METODE POLIGON THIESSEN.

3. METODE ISOHYET.

RAINFALL) MENJADI HUJAN RATA-RATA DAS

(AREAL RAINFALL) YAITU :

P = hujan rata-rata DAS

Pi = tinggi curah hujan distasiun i, i = 1, …,n.

1

n

i

Pin

P1

1

Merupakan metode paling sederhana untuk menghitung

hujan rata-rata yg jatuh di dalam & sekitar DAS ybs.

2

n

Batas DAS

Stasiun hujan

Hasilnya memuaskan jika daerahnya datar dan alat ukur

tersebar merata serta curah hujan tidak bervariasi

Penempatan stasiun sebaiknya merata, makin banyak

stasiun hujannya akan makin banyak informasi

yang diperoleh tetapi biayanya lebih mahal.

Keuntungan : lebih obyektif jika dibandingkan dengan

metode Isohyet yang masih mengandung faktor subyektif.

1. METODE RATA-RATA ALJABAR :

banyak dari harga tengahnya dan distribusi hujan

relatif merata pada seluruh DAS.

DATA-DATA2. METODE POLIGON THIESSEN :

- Metode ini memperhitungkan bobot/daerah pengaruh dari

masing-masing stasiun hujan asumsi : hujan yang

- Jumlah stasiun hujan minimum 3 buah.

- Penyebaran stasiun hujan bisa tidak merata.

- DAS dibagi menjadi poligon dengan stasiun pengamat

hujan sebagai pusatnya.

- Tidak memperhitungkan topografi.

- Apabila ada penambahan/ pemindahan stasiun pengamat

hujan, akan mengubah seluruh jaringan & mempengaruhi

hasil akhir perhitungan.

terjadi pada suatu luasan dalam DAS = hujan yg tercatat

di sta. terdekat jadi mewakili luasan tsb.

- Tidak sesuai untuk daerah bergunung (pengaruh

orografis).

- Metode ini lebih teliti dibandingkan dengan cara Aljabar.

n

nn

A

PAPRumus_

:

Pn = tinggi hujan pada stasiun1, 2….., n

An = luas daerah yang berpengaruh pada masing2 sta.

DAShujanrataP 2_

1

2

3

Letak Stasiun jauh,

tidak berpengaruh

Garis poligon

3. Hitung faktor pemberat/pembobot Thiessen Ai/ΣAi.

Caranya :

1. Hubungkan lokasi stasiun pengamat hujan, sudut lancip.

2. Gambar garis bagi tegak lurus pada tiap sisi segitiga.

5. Curah hujan dalam tiap poligon dianggap diwakili oleh curah hujandari titik pengamatan dalam tiap poligon tersebut.

4. Luas poligon diukur dgn planimeter / kertas milimeter / Autocad.

•

•

∆

DATA-DATACONTOH 1 :

DATA HUJAN HARIAN PADA TAHUN 2012 SEPERTI GAMBAR DI

BAWAH INI., DI MANA LUAS DAS 500 KM². HITUNG HUJAN

RERATA DAS DENGAN METODE POLIGON THIESSEN !

Luas daerah

pengaruh sta. B

Garis

poligon

A

B C

D

Stasiun hujan

A, B, C, D

120 km²B40

Luas daer. pengaruh sta.A = 95

Luas daer. pengaruh sta.C = 172

Luas daer. pengaruh sta.D = 113

Stasiun Hujan (mm)

An

Luas Daerah

Pengaruh, Pn

Hujan x Luas

Kolom 2x3

A 50 95 4.750

B 40 120 4.800

C 20 172 3.440

D 30 113 3.390

JUMLAH 500 16.380

mmA

PAP

n

nn76,32

500

380.16_

HUJAN RATA-RATA DAS TAHUN 2012 = 32,76 mm.

Stasiun Hujan (mm)

Pn

Faktor

pembobot, FP

Hujan x FP

(Pn x FP)

A 50 0,19 9,5

B 40 0,24 9,6

C 20 0,34 6,8

D 30 0,23 6,9

JUMLAH 1,00 32,8

HUJAN RATA-RATA DAS TAHUN 2012 = 32,8 mm.

Atau :

Contoh Perhitungan Curah

Hujan Rata2 DAS :

Contoh Perhitungan Curah

Hujan Rata2 DAS :

Contoh Perhitungan Curah

Hujan Rata2 DAS :

●

●

●

●

●

A: 190 mm

B

97 mm

C

170 mm

D

210 mm

E

127

GAMBARKAN

POLIGON THIESSEN dan

HITUNG HUJAN DAS !

STASIUN HUJAN A,B,C,D,E.

1. HITUNG HUJAN RATA-RATA DAS SETIAP HARI (cara Aljabar,

Thiessen, Isohyet). Jika ada 20 tahun data

pengamatan, maka dihitung sebanyak 20 x 365 =

7300 kali. Merupakan cara yg terbaik, tapi perlu

waktu cukup lama.

2. Dalam satu tahun tertentu, untuk Stasiun 1, dicari

hujan maksimum harian tahunannya :

CARA PENYIAPAN DATA HUJAN RATA-RATA DAS :

Jika ada P tahun data dan N stasiun hujan, maka

jumlah data seluruhnya = P x n.

Kemudian cari hujan harian stasiun lain pada hari

kejadian & tahun sama dan dicari hujan DASnya.

Pada tahun yg sama, cari hujan maksimum harian

untuk stasiun 2, kemudian cari hujan DASnya.

Demikian, dilakukan untuk stasiun yang lainnya.

Cara ini merupakan cara yang cukup baik.

Thn/Stasiun A B C D Hujan DAS

1980 : (misal)

15 Jan MAKS B1 C1 D1 117*

20 Okt A2 MAKS C2 D2 115

17 Des A3 B3 MAKS D3 90

10 Okt A4 B4 C4 MAKS 104

1981 : A B C D Hujan DAS

21 Nov MAKS B5 C5 D5 102

16 Jan A6 MAKS C6 D6 129**

19 Okt A7 B7 MAKS D7 131*

21 Des A8 B8 C8 MAKS 120

DATA Yang diambil, nilai maksimum setiap tahun.

Contoh Perhitungan Curah

Hujan Rata2 DAS :

Contoh Perhitungan Curah

Hujan Rata2 DAS :

Contoh Perhitungan Curah

Hujan Rata2 DAS :

Contoh mempersiapkan data hujan harian maks.

Daerah aliran sungai ( DAS ) Kali Putih, Yogya mempunyai 3

stasiun curah hujan yaitu : Sta. Babadan, Sta.Plawangan &

Sta.Ngepos, data hujan yang tersedia selama 15 th.

Persiapkan data hujan harian maks. dgn. metode Thiessen !.

Luas daerah pengaruh & faktor pembobot Thiessen :

No. Nama stasiun Luas (km²) Bobot (%)

1 Babadan 3,631 42,950

2 Plawangan 1,930 22,798

3 Ngepos 2,898 34,267

Luas total 8,457 100 %

GARIS POLIGON

Metode Poligon Thiessen.

●

● ≈

≈

∆ ∆

Luas daerah

pengaruh

Sta. Plawangan.

Sudut

lancip

Stasiun hujan

jauh dari DAS

tidak berpengaruh

Tahun Tanggal Curah Hujan Harian Maksimum

Babadan Ngepos Plawangan

42,95 % 34,267 % 22,798 %

C.Hujan Harian

Rata2 DAS

(mm).

C.Hujan Harian

Maksimum

(mm).

2010 8 Okt

8 Des

15 Des

89 59 26

26 123 5

14 78 189

64,357

54,451

75,827

75,827

2009

12 Febr

27 Febr

26 Febr

81 23 49

3 92 90

26 18 123

53,830

53,332

45,373

53,830

2008

4 Febr

27 Febr

1 Febr

103 64 42

13 95 9

30 7 70

75,729

40,187

31,238

75,729

2007

27 Febr

26 Des

7 Des

137 4 15

21 142 53

0 47 198

63,611

69,758

61,246

69,758

2006

30 Des

30 Jan

7 Des

101 30 37

55 104 9

0 11 78

62,080

61,304

21,552

62,080

Data ini yang digunakan untuk analisis hidrologi.

Data

dipotong

SEE YOU NEXT WEEK

PENANDATANGANAN MoU UNIVERCITY de PARIS VIII, MEI 2006