ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

15
ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 24 ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE PROBABILITAS 1 Budi Nuryono 2 Dewinta Ramdaniah Program Studi Teknik Sipil Sekolah Tinggi Teknologi Mandala ABSTRACT Citarum River has several sub watersheds and one of its sub-watershed is Citarum Dayeuh River Basin is one of the rivers in Bandung regency that often overflows when the rainy season arrives and causes the area around the river to become flood-prone areas. So required flood handling, either physically (structural) or non physical (non structural). Physically, flood handling can be done by making flood control structures to plan the required flood discharge planning data and flood water level of the plan. The purpose of this study is to calculate the flood discharge plan using the pobabilitas method and by using the curves rating can be obtained high flood plan. In this study the design flood debit was calculated using maximum annual daily data analyzed using frequency analysis with 4 probability methods then the data was tested using a matching test. The results showed that the Normal Log probability distribution fits perfectly with existing data in the Citarum- Dayeuh Sub-Basin study area and the flood discharge plan with a certain return period can be obtained with the result: Q5Thn = 298,624 m3 / s; Q10Thn = 367,696 m3 / s; Q25Thn = 450,245 m3 / s; Q50Thn = 529,206 m3 / s; Q100Thn = 604,128 m3 / s; Q200Thn = 679,943 m3 / s; Q500Thn = 783,581 m3 / s; Q1000Thn = 865,391 m3 / s. And can be obtained high flood plan with the result: (H5Thn) = 7.77 m; (H10Thn) = 8.44 m; (H25Thn) = 9.15 m; (H50Thn) = 9.78 m; (H100Thn) = 10,33 m; (H200Thn) = 10.86 m; (H500Thn) = 11.53 m; (H1000Thn) = 12.03 m Keywords: Flood Handling, Frequency Analysis, Re-Period, Flood Discharge Plan, High Flood Plan. ABSTRAK Sungai Citarum memiliki beberapa sub DAS dan salah satu sub DAS-nya adalah sub DAS Citarum Dayeuh Kolot merupakan salah satu sungai yang ada di Kabupaten Bandung yang sering meluap ketika musim penghujan tiba dan menyebabkan kawasan sekitar sungai tersebut mejadi daerah rawan banjir. Maka diperlukan penanganan banjir, baik secara fisik (struktural) atau non fisik (non struktural). Secara fisik penanganan banjir dapat dilakukan dengan membuat bangunan-bangunan pengendali banjir yang untuk merencanakannya diperlukan data debit banjir rencana dan tinggi muka air banjir rencana. Tujuan penelitian ini adalah menghitung debit banjir rencana menggunakan metode pobabilitas dan dengan menggunakan rating curvesdapat diperoleh tinggi banjir rencana. Pada penelitian ini debit banjir rencana dihitung menggunakan data harian maksimum tahunan yang dianalisis menggunakan analisis frekuensi dengan 4 metode probabilitas kemudian data diuji menggunakan uji kecocokan. Hasil penelitian menunjukan bahwa distribusi probabilitas Log Normal sangat cocok dengan data yang ada di wilayah studi Sub DAS Citarum- Dayeuh Kolot dan debit banjir rencana dengan periode ulang tertentu dapat diperoleh dengan hasil : Q5Thn = 298,624 m3/det ; Q10Thn = 367,696 m3/det ; Q25Thn = 450,245 m3/det ; Q50Thn = 529,206 m3/det ; Q100Thn = 604,128 m3/det ; Q200Thn = 679,943 m3/det ; Q500Thn = 783,581 m3/det ;Q1000Thn = 865,391 m3/det. Dan dapat diperoleh tinggi banjir rencana dengan hasil : (H5Thn) = 7,77 m ; (H10Thn) = 8,44 m ; (H25Thn) = 9,15 m ; (H50Thn) = 9,78 m ; (H100Thn) = 10,33 m ; (H200Thn) = 10,86 m ; (H500Thn) = 11,53 m ; (H1000Thn) = 12,03 m. Kata Kunci:Penanganan Banjir, Analisis Frekuensi, Periode Ulang,Debit Banjir Rencana,Tinggi Banjir Rencana.

Transcript of ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

Page 1: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 24

ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE PROBABILITAS

1 Budi Nuryono2 Dewinta Ramdaniah

Program Studi Teknik Sipil Sekolah Tinggi Teknologi Mandala

ABSTRACTCitarum River has several sub watersheds and one of its sub-watershed is Citarum Dayeuh RiverBasin is one of the rivers in Bandung regency that often overflows when the rainy season arrivesand causes the area around the river to become flood-prone areas. So required flood handling,either physically (structural) or non physical (non structural). Physically, flood handling can be doneby making flood control structures to plan the required flood discharge planning data and floodwater level of the plan. The purpose of this study is to calculate the flood discharge plan using thepobabilitas method and by using the curves rating can be obtained high flood plan. In this study thedesign flood debit was calculated using maximum annual daily data analyzed using frequencyanalysis with 4 probability methods then the data was tested using a matching test. The resultsshowed that the Normal Log probability distribution fits perfectly with existing data in the Citarum-Dayeuh Sub-Basin study area and the flood discharge plan with a certain return period can beobtained with the result: Q5Thn = 298,624 m3 / s; Q10Thn = 367,696 m3 / s; Q25Thn = 450,245m3 / s; Q50Thn = 529,206 m3 / s; Q100Thn = 604,128 m3 / s; Q200Thn = 679,943 m3 / s;Q500Thn = 783,581 m3 / s; Q1000Thn = 865,391 m3 / s. And can be obtained high flood plan withthe result: (H5Thn) = 7.77 m; (H10Thn) = 8.44 m; (H25Thn) = 9.15 m; (H50Thn) = 9.78 m;(H100Thn) = 10,33 m; (H200Thn) = 10.86 m; (H500Thn) = 11.53 m; (H1000Thn) = 12.03 m

Keywords: Flood Handling, Frequency Analysis, Re-Period, Flood Discharge Plan, High FloodPlan.

ABSTRAKSungai Citarum memiliki beberapa sub DAS dan salah satu sub DAS-nya adalah sub DAS CitarumDayeuh Kolot merupakan salah satu sungai yang ada di Kabupaten Bandung yang sering meluapketika musim penghujan tiba dan menyebabkan kawasan sekitar sungai tersebut mejadi daerahrawan banjir. Maka diperlukan penanganan banjir, baik secara fisik (struktural) atau non fisik (nonstruktural). Secara fisik penanganan banjir dapat dilakukan dengan membuat bangunan-bangunanpengendali banjir yang untuk merencanakannya diperlukan data debit banjir rencana dan tinggimuka air banjir rencana. Tujuan penelitian ini adalah menghitung debit banjir rencanamenggunakan metode pobabilitas dan dengan menggunakan rating curvesdapat diperoleh tinggibanjir rencana. Pada penelitian ini debit banjir rencana dihitung menggunakan data harianmaksimum tahunan yang dianalisis menggunakan analisis frekuensi dengan 4 metode probabilitaskemudian data diuji menggunakan uji kecocokan. Hasil penelitian menunjukan bahwa distribusiprobabilitas Log Normal sangat cocok dengan data yang ada di wilayah studi Sub DAS Citarum-Dayeuh Kolot dan debit banjir rencana dengan periode ulang tertentu dapat diperoleh dengan hasil: Q5Thn = 298,624 m3/det ; Q10Thn = 367,696 m3/det ; Q25Thn = 450,245 m3/det ; Q50Thn =529,206 m3/det ; Q100Thn = 604,128 m3/det ; Q200Thn = 679,943 m3/det ; Q500Thn = 783,581m3/det ;Q1000Thn = 865,391 m3/det. Dan dapat diperoleh tinggi banjir rencana dengan hasil :(H5Thn) = 7,77 m ; (H10Thn) = 8,44 m ; (H25Thn) = 9,15 m ; (H50Thn) = 9,78 m ; (H100Thn) =10,33 m ; (H200Thn) = 10,86 m ; (H500Thn) = 11,53 m ; (H1000Thn) = 12,03 m.

Kata Kunci:Penanganan Banjir, Analisis Frekuensi, Periode Ulang,Debit Banjir Rencana,TinggiBanjir Rencana.

Page 2: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 25

I. PENDAHULUAN

Banjir merupakan permasalahan umumyang sering terjadi, terutama di daerah padatpenduduk misalnya kawasan perkotaan.Oleh karena itu kerugian yangditimbulkannya bisa sangat besar baik darisegi materi maupun kerugian jiwa. Makasudah selayaknya permasalahan banjir perlumendapatkan perhatian serius danmerupakan permasalahan kita semua.

Banjir didefinisikan sebagai debit airsungai yang relatif lebih besar dari padabiasanya dan menyebabkan limpahan airsungai yang mengisi dan menggenangidaerah-daerah rendah.

Sungai Citarum memiliki beberapa subDAS dan salah satu sub DAS-nya adalahsub DAS Citarum Dayeuh Kolot merupakansalah satu sungai yang ada di KabupatenBandung yang sering meluap ketika musimpenghujan tiba dan menyebabkan kawasansekitar sungai tersebut mejadi daerah rawanbanjir.

Dayeuh Kolot menjadi kawasan yangrawan bencana banjir karena daerah inimerupakan tempat bertemunya 3 (tiga)sungai yaitu Cikapundung dan Cisangkuyyang bermuara di Sungai Citarum. Bahkanelevasi salah satu kampung di daerah iniyaitu Cieunteung berada di bawahperhitungan banjir rencana. Elevasi banjirrencana Sungai Citarum pada kawasan iniadalah +659,3 m, sedangkan elevasi lahandi kawasan ini adalah +658 m.

Penanganan banjir dapat dilakukansecara non fisik (non struktual) dan fisik(struktural). Sarana fisik pengendali banjiryang sering dilaksanakan antara lain berupabangunan bendungan, tanggul banjir, banjircanal, sudetan, normalisasi alur sungai dansebagainya. Untuk merencanakanbangunan-bangunan tersebut di atasdiperlukan data debit banjir rencana. Besardebit rencana tersebut ditentukan menurutperiode ulangnya, yang sekaligusmenggambarkan tingkat pengendalianbanjir.

Menurut Soewarno (1995), denganbeberapa persamaan distribusi peluangkontinyu (Continuous ProbabilityDistributions) untuk menghitung debit banjirmaksimum yang dapat diharapkan terjadi

pada tingkat peluang atau periode ulangtertentu. Perhitungannya berdasarkan datadebit puncak banjir maksimum tahunan hasilpengamatan dalam periode waktu yangcukup lama, minimal 10 tahun data runtutwaktu. Perhitungan debit puncak banjir yangdiharapkan terjadi pada peluang atauperiode ulang tertentu berdasarkanketersediaan data debit maksimum hariandihitung dengan metode probabilitas.

II. TINJAUAN PUSTAKA

Banjir merupakan genangan air padapermukaan tanah sampai melebihi batastinggi tertentu yang mengakibatkan kerugian.Untuk keperluan penyediaan air ataupengendalian banjir, atau merencanakansistem drainase kota atau drainase tanah-tanah, dan sebagainya, kita harusmengetahui besarnya debit banjir rencana.Debit banjir rencana yang ditetapkan tidakterlalu kecil dan tidak boleh terlalubesar.Untuk itu kita tetapkan besarnya debitbanjir dengan masa ulang tertentu, misalnya10 tahunan, 25 tahunan, 50 tahunan atau100 tahunan. Perkiraan mengenai besarnyabanjir-banjir dengan masa ulang tertentu kitalakukan dengan analisa frekuensi banjir.Analisa ini didasarkan dari data banjirselama beberapa puluh tahun yang lampau.Analisa frekuensi menguraikan peristiwa-peristiwa yang dapat diharapkan menyamaiatau lebih besar dari pada rata-rata tiaptahun. Analisa frekuensi digunakan untukperamalan (forecasting), dalam artimenentukan probabilitas untuk terjadinyasuatu peristiwa dimasa datang.(Subarkah,1980).

Analisis frekuensi bertujuan untukmencari hubungan antara besarnya suatukejadian ekstrim (maksimum atau minimum)dan frekuensinya berdasarkan distribusiprobabilitas. Pengambilan seri data untuktujuan analisis frekuensi dapat dilakukandengan2(dua) metode, yaitu :a. Seriparsial (partial duration

series)Metode ini digunakan apabiladata yang tersedia kurang dari 10 tahun.Dalam metode ini, ditetapkan dulu batasbawah suatu seri data. Kemudiansemua besaran data yang lebih besardari batas bawah tersebut diambil

Page 3: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 26

menjadi bagian seri data.

b. Data maksimum tahunan (annualmaximum series)Dalam metode ini, hanya datamaksimum yang diambil untuk setiaptahunnya, atau hanya ada 1 data setiaptahun.Metode ini digunakan apabila datayang tersedia lebih dari10 tahun runtutwaktu.

Dalam analisis fekuensi baik data hujanatau data debit untuk memperoleh nilai hujanrencana atau debit rencana,dikenalbeberapa distribusi probabilitas yang seringdigunakan (Kamiana,2012), yaitu:

1. Distribusi Probabilitas Gumbel,2. Distribusi Probabilitas Normal,3. Distribusi Probabilitas Log Normal,

dan4. Distribusi Probabilitas Log Pearson

Type III.

Dalam menentukan jenis distribusiprobabilitas yang sesuai dengan data perludicocokkan antara data dan parameterdengan syarat pada masing-masingdistribusi. Syarat untuk masing-masing jenisdistribusi dapat dilihat pada Tabel 2.1

Tabel2.1 Persyaratan Parameter StatistikSuatu Distribusi

(Sumber : Kamiana, 2012)

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 26

menjadi bagian seri data.

b. Data maksimum tahunan (annualmaximum series)Dalam metode ini, hanya datamaksimum yang diambil untuk setiaptahunnya, atau hanya ada 1 data setiaptahun.Metode ini digunakan apabila datayang tersedia lebih dari10 tahun runtutwaktu.

Dalam analisis fekuensi baik data hujanatau data debit untuk memperoleh nilai hujanrencana atau debit rencana,dikenalbeberapa distribusi probabilitas yang seringdigunakan (Kamiana,2012), yaitu:

1. Distribusi Probabilitas Gumbel,2. Distribusi Probabilitas Normal,3. Distribusi Probabilitas Log Normal,

dan4. Distribusi Probabilitas Log Pearson

Type III.

Dalam menentukan jenis distribusiprobabilitas yang sesuai dengan data perludicocokkan antara data dan parameterdengan syarat pada masing-masingdistribusi. Syarat untuk masing-masing jenisdistribusi dapat dilihat pada Tabel 2.1

Tabel2.1 Persyaratan Parameter StatistikSuatu Distribusi

(Sumber : Kamiana, 2012)

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 26

menjadi bagian seri data.

b. Data maksimum tahunan (annualmaximum series)Dalam metode ini, hanya datamaksimum yang diambil untuk setiaptahunnya, atau hanya ada 1 data setiaptahun.Metode ini digunakan apabila datayang tersedia lebih dari10 tahun runtutwaktu.

Dalam analisis fekuensi baik data hujanatau data debit untuk memperoleh nilai hujanrencana atau debit rencana,dikenalbeberapa distribusi probabilitas yang seringdigunakan (Kamiana,2012), yaitu:

1. Distribusi Probabilitas Gumbel,2. Distribusi Probabilitas Normal,3. Distribusi Probabilitas Log Normal,

dan4. Distribusi Probabilitas Log Pearson

Type III.

Dalam menentukan jenis distribusiprobabilitas yang sesuai dengan data perludicocokkan antara data dan parameterdengan syarat pada masing-masingdistribusi. Syarat untuk masing-masing jenisdistribusi dapat dilihat pada Tabel 2.1

Tabel2.1 Persyaratan Parameter StatistikSuatu Distribusi

(Sumber : Kamiana, 2012)

Page 4: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 27

2.1 Distribusi Probabilitas Gumbel

Jika data yang dipergunakan dalamperhitungan adalah berupa sampel (populasiterbatas),maka perhitungan berdasarkanDistribusi Probabilitas Gumbel dilakukandenganpersamaan 5 :

Tabel2.3Sn=Reduced standard deviasi

(lihatTabel2.2)Yn=Reduced mean, (lihat Tabel2.2)

Tabel2.2Nilai Reduced Standart Deviation (Sn)dan Nilai Reduced Mean(Yn)(Sumber : Kamiana, 2012)

N Sn Yn N Sn Yn10 0,9497 0,4952 60 1,1750 0,552115 1,0210 0,5128 70 1,1850 0,554820 1,0630 0,5236 80 1,1940 0,556725 1,0910 0,5390 90 1,2010 0,558630 1,1120 0,5362 100 1,2060 0,560035 1,1280 0,5403 200 1,2360 0,567240 1,1410 0,5436 500 1,2590 0,572445 1,1520 0,5463 1000 1,2690 0,574550 1,1610 0,5485

Tabel2.3Nilai Reduced Variate (Yt)(Sumber : Kamiana, 2012)

PeriodeUlangT(Tahun) Yt

2 0,30655 1,4999

10 2,250420 2,970225 3,125550 3,9019

100 4,6001

2.2DistribusiProbabilitas NormalPada metode ini jika data yang

dipergunakan adalah berupa sampel,dilakukan dengan persamaan 8 :

Tabel 2.4 Nilai Variabel Reduksi Gauss(Sumber : Kamiana, 2012)

No PeriodeUlangT(Tahun) KT

1 1,001 -3,052 1,005 -2,583 1,010 -2,334 1,050 -1,645 1,110 -1,286 1,250 -0,847 1,330 -0,678 1,430 -0,529 1,670 -0,2510 2,000 0,0011 2,500 0,2512 3,330 0,5213 4,000 0,6714 5,000 0,84

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 27

2.1 Distribusi Probabilitas Gumbel

Jika data yang dipergunakan dalamperhitungan adalah berupa sampel (populasiterbatas),maka perhitungan berdasarkanDistribusi Probabilitas Gumbel dilakukandenganpersamaan 5 :

Tabel2.3Sn=Reduced standard deviasi

(lihatTabel2.2)Yn=Reduced mean, (lihat Tabel2.2)

Tabel2.2Nilai Reduced Standart Deviation (Sn)dan Nilai Reduced Mean(Yn)(Sumber : Kamiana, 2012)

N Sn Yn N Sn Yn10 0,9497 0,4952 60 1,1750 0,552115 1,0210 0,5128 70 1,1850 0,554820 1,0630 0,5236 80 1,1940 0,556725 1,0910 0,5390 90 1,2010 0,558630 1,1120 0,5362 100 1,2060 0,560035 1,1280 0,5403 200 1,2360 0,567240 1,1410 0,5436 500 1,2590 0,572445 1,1520 0,5463 1000 1,2690 0,574550 1,1610 0,5485

Tabel2.3Nilai Reduced Variate (Yt)(Sumber : Kamiana, 2012)

PeriodeUlangT(Tahun) Yt

2 0,30655 1,4999

10 2,250420 2,970225 3,125550 3,9019

100 4,6001

2.2DistribusiProbabilitas NormalPada metode ini jika data yang

dipergunakan adalah berupa sampel,dilakukan dengan persamaan 8 :

Tabel 2.4 Nilai Variabel Reduksi Gauss(Sumber : Kamiana, 2012)

No PeriodeUlangT(Tahun) KT

1 1,001 -3,052 1,005 -2,583 1,010 -2,334 1,050 -1,645 1,110 -1,286 1,250 -0,847 1,330 -0,678 1,430 -0,529 1,670 -0,2510 2,000 0,0011 2,500 0,2512 3,330 0,5213 4,000 0,6714 5,000 0,84

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 27

2.1 Distribusi Probabilitas Gumbel

Jika data yang dipergunakan dalamperhitungan adalah berupa sampel (populasiterbatas),maka perhitungan berdasarkanDistribusi Probabilitas Gumbel dilakukandenganpersamaan 5 :

Tabel2.3Sn=Reduced standard deviasi

(lihatTabel2.2)Yn=Reduced mean, (lihat Tabel2.2)

Tabel2.2Nilai Reduced Standart Deviation (Sn)dan Nilai Reduced Mean(Yn)(Sumber : Kamiana, 2012)

N Sn Yn N Sn Yn10 0,9497 0,4952 60 1,1750 0,552115 1,0210 0,5128 70 1,1850 0,554820 1,0630 0,5236 80 1,1940 0,556725 1,0910 0,5390 90 1,2010 0,558630 1,1120 0,5362 100 1,2060 0,560035 1,1280 0,5403 200 1,2360 0,567240 1,1410 0,5436 500 1,2590 0,572445 1,1520 0,5463 1000 1,2690 0,574550 1,1610 0,5485

Tabel2.3Nilai Reduced Variate (Yt)(Sumber : Kamiana, 2012)

PeriodeUlangT(Tahun) Yt

2 0,30655 1,4999

10 2,250420 2,970225 3,125550 3,9019

100 4,6001

2.2DistribusiProbabilitas NormalPada metode ini jika data yang

dipergunakan adalah berupa sampel,dilakukan dengan persamaan 8 :

Tabel 2.4 Nilai Variabel Reduksi Gauss(Sumber : Kamiana, 2012)

No PeriodeUlangT(Tahun) KT

1 1,001 -3,052 1,005 -2,583 1,010 -2,334 1,050 -1,645 1,110 -1,286 1,250 -0,847 1,330 -0,678 1,430 -0,529 1,670 -0,2510 2,000 0,0011 2,500 0,2512 3,330 0,5213 4,000 0,6714 5,000 0,84

Page 5: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 28

15 10,000 1,2816 20,000 1,6417 50,000 2,0518 100,000 2,3319 200,000 2,5820 500,000 2,8821 1000,000 3,09

2.3.Distribusi Probabilitas Log NormalPada metode ini jika data yang

dipergunakan adalah berupa sampel,dilakukan dengan persamaan 9 :

Keterangan :Log XT=nilai logaritmis hujan atau debitrencana dengan periode ulang T.̅̅̅̅̅ = nilai rata-rata dari Log XS LogX=deviasi standar dari Log X,dihitung dengan persamaan 10 :

KT=Faktor Frekuensi, nilainya bergantung dariT (lihatTabel2.4)

2.4. Distribusi Probabilitas Log PearsonTypeIII

Pada metode ini jika data yangdipergunakan adalah berupa sampel,dilakukan dengan persamaan 11 :

KT = variable standar, besarnya bergantungkoefisien kepencengan (Cs atau G), lihatTabel 2.5

Tabel 2.5 Faktor Frekuensi KT untukDistribusi Log Pearson Type III

(G atau Cs Positif)(Sumber : Kamiana, 2012)

GorCs

Return periodinyears2 5 10 25 50 100 200Excendence probabilitas

0,5 0,2 0,1 0,04 0,02 0,01 0,005

1,0 -0,165 0,758 1,340 2,043 2,542 3,022 3,489

0,9 -0,148 0,769 1,339 2,018 2,498 2,957 3,401

0,8 -0,132 0,780 1,336 1,993 2,453 2,891 3,312

0,7 -0,116 0,790 1,333 1,967 2,407 2,824 3,223

0,6 -0,099 0,800 1,328 1,939 2,359 2,755 3,132

0,5 -0,083 0,808 1,323 1,910 2,311 2,686 3,041

0,4 -0,066 0,816 1,317 1,880 2,261 2,615 2,949

0,3 -0,050 0,824 1,309 1,849 2,211 2,544 2,856

0,2 -0,033 0,830 1,301 1,818 2,159 2,472 2,763

0,1 -0,017 0,836 1,292 1,785 2,107 2,400 2,670

0,0 0,000 0,842 1282 1,751 2,054 2,326 2,576

2.4 Uji KecocokkanMenurut Soewaro(1995), untuk

menentukan kecocokan (the goodness offittest) distribusi frekuensi dari sampel dataterhadap fungsi distribusi peluang yangdiperkirakan dapat menggambarkan ataumewakili distribusi frekuensi tersebutdiperlukan pengujian parameter. Pengujianparameter yang akan disajikan adalah :

1. Chi-Kuadrat (chi– square),2. Smirnov-Kolmogorov.

2.5. Rating Curves (Lengkung Debit)Rating curves adalah grafik yang

menggambarkan hubungan antara tinggi air(h) dan besarnya aliran(Q), atau juga grafikyang menggambarkan hubungan antaratinggi air(h) dan volume air(Q) dalam sebuahsaluran, baik saluran teratur maupun salurantidak teratur.

Pada saluran dengan profil teratur,semua titik-titikan tara tinggi air(H) danbesarnya aliran(Q) akan berada di satulengkung. Sementara pada saluran alami,profilnya tidakakan teratur maka titik-titikantara tinggi air (H) dan besar aliran(Q)tidakterletak pada satu lengkung.

Untukmenggambarratingcurvespadasaluranalami atausalurantidakteratur dapatdilakukan dengancara:

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 28

15 10,000 1,2816 20,000 1,6417 50,000 2,0518 100,000 2,3319 200,000 2,5820 500,000 2,8821 1000,000 3,09

2.3.Distribusi Probabilitas Log NormalPada metode ini jika data yang

dipergunakan adalah berupa sampel,dilakukan dengan persamaan 9 :

Keterangan :Log XT=nilai logaritmis hujan atau debitrencana dengan periode ulang T.̅̅̅̅̅ = nilai rata-rata dari Log XS LogX=deviasi standar dari Log X,dihitung dengan persamaan 10 :

KT=Faktor Frekuensi, nilainya bergantung dariT (lihatTabel2.4)

2.4. Distribusi Probabilitas Log PearsonTypeIII

Pada metode ini jika data yangdipergunakan adalah berupa sampel,dilakukan dengan persamaan 11 :

KT = variable standar, besarnya bergantungkoefisien kepencengan (Cs atau G), lihatTabel 2.5

Tabel 2.5 Faktor Frekuensi KT untukDistribusi Log Pearson Type III

(G atau Cs Positif)(Sumber : Kamiana, 2012)

GorCs

Return periodinyears2 5 10 25 50 100 200Excendence probabilitas

0,5 0,2 0,1 0,04 0,02 0,01 0,005

1,0 -0,165 0,758 1,340 2,043 2,542 3,022 3,489

0,9 -0,148 0,769 1,339 2,018 2,498 2,957 3,401

0,8 -0,132 0,780 1,336 1,993 2,453 2,891 3,312

0,7 -0,116 0,790 1,333 1,967 2,407 2,824 3,223

0,6 -0,099 0,800 1,328 1,939 2,359 2,755 3,132

0,5 -0,083 0,808 1,323 1,910 2,311 2,686 3,041

0,4 -0,066 0,816 1,317 1,880 2,261 2,615 2,949

0,3 -0,050 0,824 1,309 1,849 2,211 2,544 2,856

0,2 -0,033 0,830 1,301 1,818 2,159 2,472 2,763

0,1 -0,017 0,836 1,292 1,785 2,107 2,400 2,670

0,0 0,000 0,842 1282 1,751 2,054 2,326 2,576

2.4 Uji KecocokkanMenurut Soewaro(1995), untuk

menentukan kecocokan (the goodness offittest) distribusi frekuensi dari sampel dataterhadap fungsi distribusi peluang yangdiperkirakan dapat menggambarkan ataumewakili distribusi frekuensi tersebutdiperlukan pengujian parameter. Pengujianparameter yang akan disajikan adalah :

1. Chi-Kuadrat (chi– square),2. Smirnov-Kolmogorov.

2.5. Rating Curves (Lengkung Debit)Rating curves adalah grafik yang

menggambarkan hubungan antara tinggi air(h) dan besarnya aliran(Q), atau juga grafikyang menggambarkan hubungan antaratinggi air(h) dan volume air(Q) dalam sebuahsaluran, baik saluran teratur maupun salurantidak teratur.

Pada saluran dengan profil teratur,semua titik-titikan tara tinggi air(H) danbesarnya aliran(Q) akan berada di satulengkung. Sementara pada saluran alami,profilnya tidakakan teratur maka titik-titikantara tinggi air (H) dan besar aliran(Q)tidakterletak pada satu lengkung.

Untukmenggambarratingcurvespadasaluranalami atausalurantidakteratur dapatdilakukan dengancara:

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 28

15 10,000 1,2816 20,000 1,6417 50,000 2,0518 100,000 2,3319 200,000 2,5820 500,000 2,8821 1000,000 3,09

2.3.Distribusi Probabilitas Log NormalPada metode ini jika data yang

dipergunakan adalah berupa sampel,dilakukan dengan persamaan 9 :

Keterangan :Log XT=nilai logaritmis hujan atau debitrencana dengan periode ulang T.̅̅̅̅̅ = nilai rata-rata dari Log XS LogX=deviasi standar dari Log X,dihitung dengan persamaan 10 :

KT=Faktor Frekuensi, nilainya bergantung dariT (lihatTabel2.4)

2.4. Distribusi Probabilitas Log PearsonTypeIII

Pada metode ini jika data yangdipergunakan adalah berupa sampel,dilakukan dengan persamaan 11 :

KT = variable standar, besarnya bergantungkoefisien kepencengan (Cs atau G), lihatTabel 2.5

Tabel 2.5 Faktor Frekuensi KT untukDistribusi Log Pearson Type III

(G atau Cs Positif)(Sumber : Kamiana, 2012)

GorCs

Return periodinyears2 5 10 25 50 100 200Excendence probabilitas

0,5 0,2 0,1 0,04 0,02 0,01 0,005

1,0 -0,165 0,758 1,340 2,043 2,542 3,022 3,489

0,9 -0,148 0,769 1,339 2,018 2,498 2,957 3,401

0,8 -0,132 0,780 1,336 1,993 2,453 2,891 3,312

0,7 -0,116 0,790 1,333 1,967 2,407 2,824 3,223

0,6 -0,099 0,800 1,328 1,939 2,359 2,755 3,132

0,5 -0,083 0,808 1,323 1,910 2,311 2,686 3,041

0,4 -0,066 0,816 1,317 1,880 2,261 2,615 2,949

0,3 -0,050 0,824 1,309 1,849 2,211 2,544 2,856

0,2 -0,033 0,830 1,301 1,818 2,159 2,472 2,763

0,1 -0,017 0,836 1,292 1,785 2,107 2,400 2,670

0,0 0,000 0,842 1282 1,751 2,054 2,326 2,576

2.4 Uji KecocokkanMenurut Soewaro(1995), untuk

menentukan kecocokan (the goodness offittest) distribusi frekuensi dari sampel dataterhadap fungsi distribusi peluang yangdiperkirakan dapat menggambarkan ataumewakili distribusi frekuensi tersebutdiperlukan pengujian parameter. Pengujianparameter yang akan disajikan adalah :

1. Chi-Kuadrat (chi– square),2. Smirnov-Kolmogorov.

2.5. Rating Curves (Lengkung Debit)Rating curves adalah grafik yang

menggambarkan hubungan antara tinggi air(h) dan besarnya aliran(Q), atau juga grafikyang menggambarkan hubungan antaratinggi air(h) dan volume air(Q) dalam sebuahsaluran, baik saluran teratur maupun salurantidak teratur.

Pada saluran dengan profil teratur,semua titik-titikan tara tinggi air(H) danbesarnya aliran(Q) akan berada di satulengkung. Sementara pada saluran alami,profilnya tidakakan teratur maka titik-titikantara tinggi air (H) dan besar aliran(Q)tidakterletak pada satu lengkung.

Untukmenggambarratingcurvespadasaluranalami atausalurantidakteratur dapatdilakukan dengancara:

Page 6: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 29

a) Menariklengkungdengankira-kirasehinggalengkungnyamelalui tengah-tengah kelompok titik, dan

b) Kuadrat terkecil.

III. METODEPENELITIAN

3.1.UmumTahapanpenelitianini dilakukandengan

urutanyangterdapatdalam BaganAlirPenelitian, secara lengkap lihatGambar3.1

Gambar3.1BaganAlir Penelitian

3.2Menentukan Debit Harian MaksimumBerdasarkan data Debit Harian

dalam satu tahun dalam jangka waktu > 20tahun, ditentukan Debit Harian Maksimumuntuk masing-masing tahun tersebutmenggunakan metode annual maximumseries (Data Maksimum Tahunan), sehinggatersedia data Debit Harian Maksimum N =21 tahun (data tahun 1991–1995, 1997-2012).

3.3MenentukanParameter-parameterstatistik1. Menghitung nilai rata-rata (X).2. Menghitung standar deviasi (S), dihitung

dengan persamaan 2.

3. Menghitung koefisien kepencengan(Cs), dihitung dengan persamaan 1.

4. Menghitung koefisien kurtosis (Ck),dihitung dengan persamaan 3.

5. Menghitung koefisien variasi(Cv),dihitung dengan persamaan 4.

3.4. Menentukan DistribusiMenentukan distribusi dari empat

distribusi yang ada seperti Gumbel, Normal,Log Normal dan Log Pearson Type III sesuaidengan rumus-rumus yang ada.

3.5. Menghitung Debit Banjir RencanaSetelah distrbusi didapat selanjutnya

adalah menghitung besarnya debit rencanamenggunakan empat metode yaitu MetodeProbabilitas Gumbel, Normal, Log Normaldan Log Pearson Type III pada periodeulang5, 10, 25, 50, 100, 200, 500, dan 1000tahun.

3.6. Uji Kecocokan DistribusiMelakukan uji kecocokan dari distribusi

yang dihitung menggunakan dua ujikecocokan yaitu Uji Chi Kuadrat dan UjiSminov-Kolmogorov.

3.7 Pembuatan Rating Curves danPerhitunganTinggi Banjir Rencana

Pembuatan rating curves ini adalahuntuk menggambarkan hubungan antaratinggi muka air (H) dan debit (Q). Setelahdiperoleh persamaan pada rating curvesmaka tinggi banjir rencana dapat diketahui.

IV. HASILPENELITIANDANPEMBAHASAN

4.1 UmumUntuk

menganalisisdebitbanjirrencanaini,digunakandatadebitmaksimum padaminimalsatu pos pengamatan muka air disubDASCitarum Dayeuhkolot,yaituposdugaair DayeuhKolotyangberlokasi diKecamatan dan Desa DayeuhKolot. Datadebit hariandiperolehdari Balai BesarWilayah SungaiCitarum.

Secara geografisPosDugaAir DayeuhKolot berada di06°59’00” LS dan107°02’00”BT. Dalam

Page 7: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 30

penelitianinidilakukananalisispenentuanjenisdistribusi probabilitasmengacu pada persyaratan parameterstatistik.Kemudiandilakukananalisis debitbanjirrencanaperiodeulang2,5,10,25,50,100,500, dan 1000 tahun menggunakan metodeprobabilitas. Untuk menentukan ataumemilihdebit banjirrencanatersebut di atasdilakukanujikecocokkan dengan UjiChiKuadratdan UjiSminov Kolmogorov.

4.2 KetersediaanDataKetersediaan data Pos Duga Air Dayeuh

Kolottersediadalam jangkawaktu21tahun(1991- 1995,1997- 2012).Untukdatadebitharianmaksimum tahunandapatdilihatpada

Tabel4.1Tabel4.1DataDebit Harian

MaksimumTahunan(Sumber:BBWSCitarum)

No TahunDataDebitHarianMax.

(m3/det) TanggalKejadian1 1991 139,00 29Desember2 1992 191,00 11Pebruari3 1993 173,00 23Januari4 1994 227,00 07Pebruari5 1995 614,00 17Juni6 1997 106,00 12Januari7 1998 164,16 02November8 1999 133,82 03Januari9 2000 107,83 25Pebruari10 2001 296,17 28November11 2002 175,87 26Desember12 2003 165,30 17Pebruari13 2004 279,44 14Maret14 2005 366,01 01April15 2006 128,80 26Desember16 2007 247,26 21Pebruari17 2008 188,69 05Desember18 2009 109,99 07April19 2010 345,46 20Maret20 2011 177,57 31Desember21 2012 394,46 24Desember

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 30

penelitianinidilakukananalisispenentuanjenisdistribusi probabilitasmengacu pada persyaratan parameterstatistik.Kemudiandilakukananalisis debitbanjirrencanaperiodeulang2,5,10,25,50,100,500, dan 1000 tahun menggunakan metodeprobabilitas. Untuk menentukan ataumemilihdebit banjirrencanatersebut di atasdilakukanujikecocokkan dengan UjiChiKuadratdan UjiSminov Kolmogorov.

4.2 KetersediaanDataKetersediaan data Pos Duga Air Dayeuh

Kolottersediadalam jangkawaktu21tahun(1991- 1995,1997- 2012).Untukdatadebitharianmaksimum tahunandapatdilihatpada

Tabel4.1Tabel4.1DataDebit Harian

MaksimumTahunan(Sumber:BBWSCitarum)

No TahunDataDebitHarianMax.

(m3/det) TanggalKejadian1 1991 139,00 29Desember2 1992 191,00 11Pebruari3 1993 173,00 23Januari4 1994 227,00 07Pebruari5 1995 614,00 17Juni6 1997 106,00 12Januari7 1998 164,16 02November8 1999 133,82 03Januari9 2000 107,83 25Pebruari10 2001 296,17 28November11 2002 175,87 26Desember12 2003 165,30 17Pebruari13 2004 279,44 14Maret14 2005 366,01 01April15 2006 128,80 26Desember16 2007 247,26 21Pebruari17 2008 188,69 05Desember18 2009 109,99 07April19 2010 345,46 20Maret20 2011 177,57 31Desember21 2012 394,46 24Desember

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 30

penelitianinidilakukananalisispenentuanjenisdistribusi probabilitasmengacu pada persyaratan parameterstatistik.Kemudiandilakukananalisis debitbanjirrencanaperiodeulang2,5,10,25,50,100,500, dan 1000 tahun menggunakan metodeprobabilitas. Untuk menentukan ataumemilihdebit banjirrencanatersebut di atasdilakukanujikecocokkan dengan UjiChiKuadratdan UjiSminov Kolmogorov.

4.2 KetersediaanDataKetersediaan data Pos Duga Air Dayeuh

Kolottersediadalam jangkawaktu21tahun(1991- 1995,1997- 2012).Untukdatadebitharianmaksimum tahunandapatdilihatpada

Tabel4.1Tabel4.1DataDebit Harian

MaksimumTahunan(Sumber:BBWSCitarum)

No TahunDataDebitHarianMax.

(m3/det) TanggalKejadian1 1991 139,00 29Desember2 1992 191,00 11Pebruari3 1993 173,00 23Januari4 1994 227,00 07Pebruari5 1995 614,00 17Juni6 1997 106,00 12Januari7 1998 164,16 02November8 1999 133,82 03Januari9 2000 107,83 25Pebruari10 2001 296,17 28November11 2002 175,87 26Desember12 2003 165,30 17Pebruari13 2004 279,44 14Maret14 2005 366,01 01April15 2006 128,80 26Desember16 2007 247,26 21Pebruari17 2008 188,69 05Desember18 2009 109,99 07April19 2010 345,46 20Maret20 2011 177,57 31Desember21 2012 394,46 24Desember

Page 8: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 31

Berdasarkan persamaan 3, maka nilaiKoefisien Kurtosis (Ck) adalah sebagaiberikut :

4.3.4. Koefisien Variasi (Cv)Koefisien variasi (Cv) dihitung denganmenggunakan persamaan 4 dengan hasilsebagai berikut :

4.4.PersyaratanParameterStatistikSuatuDistribusi

BerdasarkanTabel2.1tentangPersyaratan ParameterStatistikSuatuDistribusidanberdasarkanhasilperhitungandiatasmakadapat ditarikkesimpulansebagai berikutsepertipadaTabel4.1 :

Tabel4.1KesimpulanPerhitunganParameter StatistikSuatu Distribusi

4.5.Perhitungan Debit Banjir RencanaPerhitungandebitrencanamenggunak

an4 (empat)metodedistribusi:DistribusiProbabilitas Gumbel ; Distribusi ProbabilitasNormal;DistribusiProbabilitasLogNormal;danDistribusiProbabilitasLogPearson Type III.

4.5.1. Distribusi Probabilitas GumbelPada distribusi Gumbel ini dihitung

denganpersamaan 5, K dihitungberdasarkanpersamaan 6 dengan hasilseperti pada Tabel 4.2 :

Tabel 4.2 Hasil Perhitungan DebitBanjirRencana Periode Ulang (T = 5,10, 25, 50,

100, 200, 500, & 1000 tahun)denganDistribusi Gumbel (XT)

4.5.2.DistribusiProbabilitas Normal

PadadistribusiNormalinidihitungdengan persamaan8 Untuk nilaiKTdapatdiperolehdari Tabel2.4dandaripersamaan2.8diperolehnilai debit banjirrencana(XT) untukdistribusi Normal,denganhasilsepertiTabel 4.3sebagai berikut:

Tabel4.3 HasilPerhitungan DebitBanjirRencanaPeriodeUlang (T= 5,

10, 25,50, 100, 200, 500, &1000 tahun)denganDistribusi Normal (XT)

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 31

Berdasarkan persamaan 3, maka nilaiKoefisien Kurtosis (Ck) adalah sebagaiberikut :

4.3.4. Koefisien Variasi (Cv)Koefisien variasi (Cv) dihitung denganmenggunakan persamaan 4 dengan hasilsebagai berikut :

4.4.PersyaratanParameterStatistikSuatuDistribusi

BerdasarkanTabel2.1tentangPersyaratan ParameterStatistikSuatuDistribusidanberdasarkanhasilperhitungandiatasmakadapat ditarikkesimpulansebagai berikutsepertipadaTabel4.1 :

Tabel4.1KesimpulanPerhitunganParameter StatistikSuatu Distribusi

4.5.Perhitungan Debit Banjir RencanaPerhitungandebitrencanamenggunak

an4 (empat)metodedistribusi:DistribusiProbabilitas Gumbel ; Distribusi ProbabilitasNormal;DistribusiProbabilitasLogNormal;danDistribusiProbabilitasLogPearson Type III.

4.5.1. Distribusi Probabilitas GumbelPada distribusi Gumbel ini dihitung

denganpersamaan 5, K dihitungberdasarkanpersamaan 6 dengan hasilseperti pada Tabel 4.2 :

Tabel 4.2 Hasil Perhitungan DebitBanjirRencana Periode Ulang (T = 5,10, 25, 50,

100, 200, 500, & 1000 tahun)denganDistribusi Gumbel (XT)

4.5.2.DistribusiProbabilitas Normal

PadadistribusiNormalinidihitungdengan persamaan8 Untuk nilaiKTdapatdiperolehdari Tabel2.4dandaripersamaan2.8diperolehnilai debit banjirrencana(XT) untukdistribusi Normal,denganhasilsepertiTabel 4.3sebagai berikut:

Tabel4.3 HasilPerhitungan DebitBanjirRencanaPeriodeUlang (T= 5,

10, 25,50, 100, 200, 500, &1000 tahun)denganDistribusi Normal (XT)

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 31

Berdasarkan persamaan 3, maka nilaiKoefisien Kurtosis (Ck) adalah sebagaiberikut :

4.3.4. Koefisien Variasi (Cv)Koefisien variasi (Cv) dihitung denganmenggunakan persamaan 4 dengan hasilsebagai berikut :

4.4.PersyaratanParameterStatistikSuatuDistribusi

BerdasarkanTabel2.1tentangPersyaratan ParameterStatistikSuatuDistribusidanberdasarkanhasilperhitungandiatasmakadapat ditarikkesimpulansebagai berikutsepertipadaTabel4.1 :

Tabel4.1KesimpulanPerhitunganParameter StatistikSuatu Distribusi

4.5.Perhitungan Debit Banjir RencanaPerhitungandebitrencanamenggunak

an4 (empat)metodedistribusi:DistribusiProbabilitas Gumbel ; Distribusi ProbabilitasNormal;DistribusiProbabilitasLogNormal;danDistribusiProbabilitasLogPearson Type III.

4.5.1. Distribusi Probabilitas GumbelPada distribusi Gumbel ini dihitung

denganpersamaan 5, K dihitungberdasarkanpersamaan 6 dengan hasilseperti pada Tabel 4.2 :

Tabel 4.2 Hasil Perhitungan DebitBanjirRencana Periode Ulang (T = 5,10, 25, 50,

100, 200, 500, & 1000 tahun)denganDistribusi Gumbel (XT)

4.5.2.DistribusiProbabilitas Normal

PadadistribusiNormalinidihitungdengan persamaan8 Untuk nilaiKTdapatdiperolehdari Tabel2.4dandaripersamaan2.8diperolehnilai debit banjirrencana(XT) untukdistribusi Normal,denganhasilsepertiTabel 4.3sebagai berikut:

Tabel4.3 HasilPerhitungan DebitBanjirRencanaPeriodeUlang (T= 5,

10, 25,50, 100, 200, 500, &1000 tahun)denganDistribusi Normal (XT)

Page 9: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 32

4.5.3.DistribusiProbabilitas LogNormalPadadistribusiLogNormalinidihitung

denganpersamaan9denganhasilsebagaiberikut:

Dari hasil di atas dapat dihitung standardeviasi dari Log X atau S Log Xberdasarkanpersamaan10sebagai berikut :

UntuknilaiKTdapatdiperolehdari Tabel2.4sehingga dapat dihitung Debit BanjirRencana Periode Ulang (T) menggunakandistribusi Log Normaldenganmenggunakanpersamaan9 denganhasil seperti Tabel 4.4 : Tabel 4.4 HasilPerhitungan Debit Banjir Rencana PeriodeUlang (T = 5, 10, 25, 50, 100, 200, 500, &1000 tahun) dengan Distribusi Log Normal(XT)

4.5.4.DistribusiProbabilitasLogPearsonTypeIII

PadadistribusiLog PearsonTypeIIIinidihitung dengan persamaan11denganhasilsebagaiberikut:

N=21

Dari nilai Csdi atas maka nilai KTdapatdiperoleh dari Tabel 2.5 Tabel Faktor FrekuensiKTuntuk Distribusi Log Pearson Type III (Gatau Cs Positif & Negatif). Maka dapat dihitungDebit Banjir Rencana Periode Ulang (T)menggunakandistribusiLogPearsonTypeIIIdenganmenggunakan Persamaan 11dengan hasil seperti Tabel

4.5 :Tabel 4.4 Hasil Perhitungan Debit Banjir

Rencana Periode Ulang (T = 5, 10, 25, 50,

100, 200, 500, & 1000 tahun) denganDistribusiLog Normal (XT)

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 32

4.5.3.DistribusiProbabilitas LogNormalPadadistribusiLogNormalinidihitung

denganpersamaan9denganhasilsebagaiberikut:

Dari hasil di atas dapat dihitung standardeviasi dari Log X atau S Log Xberdasarkanpersamaan10sebagai berikut :

UntuknilaiKTdapatdiperolehdari Tabel2.4sehingga dapat dihitung Debit BanjirRencana Periode Ulang (T) menggunakandistribusi Log Normaldenganmenggunakanpersamaan9 denganhasil seperti Tabel 4.4 : Tabel 4.4 HasilPerhitungan Debit Banjir Rencana PeriodeUlang (T = 5, 10, 25, 50, 100, 200, 500, &1000 tahun) dengan Distribusi Log Normal(XT)

4.5.4.DistribusiProbabilitasLogPearsonTypeIII

PadadistribusiLog PearsonTypeIIIinidihitung dengan persamaan11denganhasilsebagaiberikut:

N=21

Dari nilai Csdi atas maka nilai KTdapatdiperoleh dari Tabel 2.5 Tabel Faktor FrekuensiKTuntuk Distribusi Log Pearson Type III (Gatau Cs Positif & Negatif). Maka dapat dihitungDebit Banjir Rencana Periode Ulang (T)menggunakandistribusiLogPearsonTypeIIIdenganmenggunakan Persamaan 11dengan hasil seperti Tabel

4.5 :Tabel 4.4 Hasil Perhitungan Debit Banjir

Rencana Periode Ulang (T = 5, 10, 25, 50,

100, 200, 500, & 1000 tahun) denganDistribusiLog Normal (XT)

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 32

4.5.3.DistribusiProbabilitas LogNormalPadadistribusiLogNormalinidihitung

denganpersamaan9denganhasilsebagaiberikut:

Dari hasil di atas dapat dihitung standardeviasi dari Log X atau S Log Xberdasarkanpersamaan10sebagai berikut :

UntuknilaiKTdapatdiperolehdari Tabel2.4sehingga dapat dihitung Debit BanjirRencana Periode Ulang (T) menggunakandistribusi Log Normaldenganmenggunakanpersamaan9 denganhasil seperti Tabel 4.4 : Tabel 4.4 HasilPerhitungan Debit Banjir Rencana PeriodeUlang (T = 5, 10, 25, 50, 100, 200, 500, &1000 tahun) dengan Distribusi Log Normal(XT)

4.5.4.DistribusiProbabilitasLogPearsonTypeIII

PadadistribusiLog PearsonTypeIIIinidihitung dengan persamaan11denganhasilsebagaiberikut:

N=21

Dari nilai Csdi atas maka nilai KTdapatdiperoleh dari Tabel 2.5 Tabel Faktor FrekuensiKTuntuk Distribusi Log Pearson Type III (Gatau Cs Positif & Negatif). Maka dapat dihitungDebit Banjir Rencana Periode Ulang (T)menggunakandistribusiLogPearsonTypeIIIdenganmenggunakan Persamaan 11dengan hasil seperti Tabel

4.5 :Tabel 4.4 Hasil Perhitungan Debit Banjir

Rencana Periode Ulang (T = 5, 10, 25, 50,

100, 200, 500, & 1000 tahun) denganDistribusiLog Normal (XT)

Page 10: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 33

No TanggalH

(m)Q

(m3/det)x y

(1) (2) (3) (4)1 12-Apr-04 5,260 103,3432 18-Apr-04 4,380 51,2803 19-Apr-04 3,560 29,6704 23-Apr-04 4,610 68,1635 24-Apr-04 5,360 120,4346 25-Apr-04 4,810 79,0147 1-Sep-07 1,900 1,1888 23-Jul-09 2,300 9,5719 26-Jul-10 2,800 18,120

10 14-Oct-10 3,580 39,30011 1-Jan-10 7,000 221.63012 20-Mar-10 8,390 365,360

4.6.Uji KecocokanUntukmenentukankecocokan(thegoo

dness offittest)distribusifrekuensidarisampeldataterhadapfungsi distribusi peluangyangdiperkirakandapat menggambarkanataumewakili distribusi frekuensi tersebutdiperlukanpengujianparameter.Ujikecocokandilakukandengan2(dua) cara,yaitudengan UjiChi– KuadratdanUji SmirnovKolmogorov.

4.6.1.Uji Chi KuadratDengan UjiChiKuadratdiperolehhasildarimasing-masingdistribusi sepertipadaTabel4.6 :

Tabel4.6TabelHasilUjiChiKuadrat

Daritabel diatasdapat disimpulkanbahwadistribusi probabilitasyangdapat diterimaadalah distribusiLog Normal.

4.6.2.UjiSmirnov KolmogorovDengan Uji Chi Kuadrat diperolehhasildarimasing-masingdistribusisepertipadaTabel4.7 :

Tabel4.7Tabel HasilUjiSmirnovKolmogorov

Dari tabel di atasdapatdisimpulkanbahwadistribusi probabilitasyangdapatditerimaadalahdistribusi Normal dan LogNormal.

4.6.3.Kesimpulan HasilUji KecocokanDari duauji kecocokandi atas (Uji Chi-

Kuadrat dan Uji Smirnov-Kolmogorov)dapatdisimpulkanhasilpengujian sepertipadaTabel4.8 sebagaiberikut:

Tabel4.8 Kesimpulan HasilUjiKecocokan

Dari di atasdapat disimpulkanbahwadistribusiyangdapat digunakanadalahDistribusiProbabilitas LogNormal.

4.7.RatingCurvesPadaperhitunganratingcurvesinidiambil

datatinggimukaairdandatadebittahun2001sampaidengan2012padapengukuranlapangandapatdilihatpadaTabel4.9

Tabel4.9DataTinggiMuka Air (TMA)danDataDebit HasilPengukuran

Lapangan Tahun 2004, 2007, 2009&2010

4.7.1.CaraKuadratTerkecildenganCurveFitting

Tujuanutama penentuan curve fittingadalah untuk keperluan eksponensial,

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 33

No TanggalH

(m)Q

(m3/det)x y

(1) (2) (3) (4)1 12-Apr-04 5,260 103,3432 18-Apr-04 4,380 51,2803 19-Apr-04 3,560 29,6704 23-Apr-04 4,610 68,1635 24-Apr-04 5,360 120,4346 25-Apr-04 4,810 79,0147 1-Sep-07 1,900 1,1888 23-Jul-09 2,300 9,5719 26-Jul-10 2,800 18,120

10 14-Oct-10 3,580 39,30011 1-Jan-10 7,000 221.63012 20-Mar-10 8,390 365,360

4.6.Uji KecocokanUntukmenentukankecocokan(thegoo

dness offittest)distribusifrekuensidarisampeldataterhadapfungsi distribusi peluangyangdiperkirakandapat menggambarkanataumewakili distribusi frekuensi tersebutdiperlukanpengujianparameter.Ujikecocokandilakukandengan2(dua) cara,yaitudengan UjiChi– KuadratdanUji SmirnovKolmogorov.

4.6.1.Uji Chi KuadratDengan UjiChiKuadratdiperolehhasildarimasing-masingdistribusi sepertipadaTabel4.6 :

Tabel4.6TabelHasilUjiChiKuadrat

Daritabel diatasdapat disimpulkanbahwadistribusi probabilitasyangdapat diterimaadalah distribusiLog Normal.

4.6.2.UjiSmirnov KolmogorovDengan Uji Chi Kuadrat diperolehhasildarimasing-masingdistribusisepertipadaTabel4.7 :

Tabel4.7Tabel HasilUjiSmirnovKolmogorov

Dari tabel di atasdapatdisimpulkanbahwadistribusi probabilitasyangdapatditerimaadalahdistribusi Normal dan LogNormal.

4.6.3.Kesimpulan HasilUji KecocokanDari duauji kecocokandi atas (Uji Chi-

Kuadrat dan Uji Smirnov-Kolmogorov)dapatdisimpulkanhasilpengujian sepertipadaTabel4.8 sebagaiberikut:

Tabel4.8 Kesimpulan HasilUjiKecocokan

Dari di atasdapat disimpulkanbahwadistribusiyangdapat digunakanadalahDistribusiProbabilitas LogNormal.

4.7.RatingCurvesPadaperhitunganratingcurvesinidiambil

datatinggimukaairdandatadebittahun2001sampaidengan2012padapengukuranlapangandapatdilihatpadaTabel4.9

Tabel4.9DataTinggiMuka Air (TMA)danDataDebit HasilPengukuran

Lapangan Tahun 2004, 2007, 2009&2010

4.7.1.CaraKuadratTerkecildenganCurveFitting

Tujuanutama penentuan curve fittingadalah untuk keperluan eksponensial,

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 33

No TanggalH

(m)Q

(m3/det)x y

(1) (2) (3) (4)1 12-Apr-04 5,260 103,3432 18-Apr-04 4,380 51,2803 19-Apr-04 3,560 29,6704 23-Apr-04 4,610 68,1635 24-Apr-04 5,360 120,4346 25-Apr-04 4,810 79,0147 1-Sep-07 1,900 1,1888 23-Jul-09 2,300 9,5719 26-Jul-10 2,800 18,120

10 14-Oct-10 3,580 39,30011 1-Jan-10 7,000 221.63012 20-Mar-10 8,390 365,360

4.6.Uji KecocokanUntukmenentukankecocokan(thegoo

dness offittest)distribusifrekuensidarisampeldataterhadapfungsi distribusi peluangyangdiperkirakandapat menggambarkanataumewakili distribusi frekuensi tersebutdiperlukanpengujianparameter.Ujikecocokandilakukandengan2(dua) cara,yaitudengan UjiChi– KuadratdanUji SmirnovKolmogorov.

4.6.1.Uji Chi KuadratDengan UjiChiKuadratdiperolehhasildarimasing-masingdistribusi sepertipadaTabel4.6 :

Tabel4.6TabelHasilUjiChiKuadrat

Daritabel diatasdapat disimpulkanbahwadistribusi probabilitasyangdapat diterimaadalah distribusiLog Normal.

4.6.2.UjiSmirnov KolmogorovDengan Uji Chi Kuadrat diperolehhasildarimasing-masingdistribusisepertipadaTabel4.7 :

Tabel4.7Tabel HasilUjiSmirnovKolmogorov

Dari tabel di atasdapatdisimpulkanbahwadistribusi probabilitasyangdapatditerimaadalahdistribusi Normal dan LogNormal.

4.6.3.Kesimpulan HasilUji KecocokanDari duauji kecocokandi atas (Uji Chi-

Kuadrat dan Uji Smirnov-Kolmogorov)dapatdisimpulkanhasilpengujian sepertipadaTabel4.8 sebagaiberikut:

Tabel4.8 Kesimpulan HasilUjiKecocokan

Dari di atasdapat disimpulkanbahwadistribusiyangdapat digunakanadalahDistribusiProbabilitas LogNormal.

4.7.RatingCurvesPadaperhitunganratingcurvesinidiambil

datatinggimukaairdandatadebittahun2001sampaidengan2012padapengukuranlapangandapatdilihatpadaTabel4.9

Tabel4.9DataTinggiMuka Air (TMA)danDataDebit HasilPengukuran

Lapangan Tahun 2004, 2007, 2009&2010

4.7.1.CaraKuadratTerkecildenganCurveFitting

Tujuanutama penentuan curve fittingadalah untuk keperluan eksponensial,

Page 11: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 34

x

y

=

=

Tinggimuka airpengukuran lapangan (H)Debithasilpengukuranlapangan (Q)

xy = Hasilkali tinggimuka airdan debit(HQ)

x2

x2y

=

=

Hasilkuadratdaritinggimuka air (H2)HasilkaliantaraH2 dandebitpengukuranlapangan (H2Q)

x3 = Hasil tinggimuka airdipangkatkan tiga (H3)

x4 = Hasil tinggimuka airdipangkatkan empat (H4)

yaitujikakitamengetahuibesarnyanilaiyuntukpersamaannilaixyangbesarnyamelampauinilai xyang terbesardarisampelnya.Dengancaragrafisseringmengalamikesalahan-kesalahanbesar, karenacara grafisinihanyamenarikgarisdengan cara kira-kiramelaluinilaitengah.Cara analitis

Terdapatbeberapacaradalam perhitungancaraanalitis :1. Gariskuadratterkecil(theleastsquarelin

e),2. Parabolakuadratterkecil(theleast

square parabole),3. Persamaan-persamaannon-

linieryangdapatdiubahmenjadi linier.Dariketigacaradalamperhitungandi

atasdigunakansatucara analitisyaitu denganmenggunakancara Parabola kuadrat terkecil(theleast square parabole).PerhitungancaraanalitisParabola KuadratTerkecil(TheLeast Square Parabole) ditentukandenganpersamaan parabola sebagaiberikut:y=a +bx +cx2atauQ=a+bH+cH2

Nilaia,bdancditentukandari persamaan-persamaannormal parabola kuadratterkecil.Nilai a,bdancdapatdihitungmenggunakan persamaan-persamaanyang ada.Padarumus-rumusdiatasterdapat variabelx,y,xy, x2,x2y,x3,dan x4. Keterangan :

Datadiurutkandaridataterkecilhinggaterbesarkemudianhitungvariabel-variabeluntukpersamaanparabola.Hasildarivariabel-variabeluntukpersamaan paraboladapatdilihatpada Tabel4.10 :

Tabel4.10 HasilPerhitungan Variabel-variabelPersamaanParabola

DariTabel4.46diatasdandenganmenggunakanpersamaan2.36,2.37dan2.38makapersamaanparaboladapat ditentukan.

Diketahui:N=12Maka persamaan parabolanya adalah :1.107,073=12a +53,95b+281,592c7.046,112=53,95a+281,592b+1.658,375c4.8234,75=281,592a+1.658,375b+1.0729,268c

DaripersamaanparaboladiatasdenganmenggunakanEliminasiGaussJordanmakanilaia,bdancdapatdiperolehsepertiberikut:a=32,700b=-29,695c=8,227

Darinilaidiatasmakapersamaanparabolanyamenjadi:Q=32,700– ………………. 429,695H+8,227H2

Maka, Q (debit) untuk rating curves dapatdihitung dengan Persamaan 4.1 di atasdengan hasil seperti pada Tabel 4.11 :

Page 12: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 35

No H H2 a b c Q=a-b.H+c.H2

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

0,000 0,000 - - - 0,000

1 1,900 3,610 32,700 29,695 8,227 5,979

2 2,300 5,290 32,700 29,695 8,227 7,923

3 2,800 7,840 32,700 29,695 8,227 14,055

4 3,560 12,674 32,700 29,695 8,227 31,254

5 3,580 12,816 32,700 29,695 8,227 31,835

6 4,380 19.184 32,700 29,695 8,227 60,470

7 4,610 21.252 32,700 29,695 8,227 70,651

8 4,810 23.136 32,700 29,695 8,227 80,213

9 5,260 27.668 32,700 29,695 8,227 104,132

10 5,360 28.730 32,700 29,695 8,227 109,899

11 7,000 49.000 32,700 29,695 8,227 227,969

12 8,390 70.392 32,700 29,695 8,227 362,692

Q5Thn = 298,624Q10Thn = 367,696Q25Thn = 450,245Q50Thn = 529,206Q100Thn = 604128Q200Thn = 679,943Q500Thn = 783,581Q1000Thn = 865,391

Tabel4.11 HasilPerhitunganDebit (Q)denganPersamaan Q= 32,700 – 29,695H+8,227H2

DariTabel4.11diatasmakadiperolehgrafikratingcurveseperti padaGambar4.1berikut:

Gambar 4.1 GrafikRating Curves4.7.2.Ketinggian Muka Air BanjirRencana

Berdasarkanperhitungandebitbanjir rencana,distribusiprobabilitasyangmemenuhisyaratadalahDistribusiProbabilitasLogNormal,dengannilai debituntukperiodeulang5,10,25,50,100,200,500dan1000tahunsebagai berikut :

Denganmenggunakan Persamaan4.1makadidapattinggimukaair banjirrencanasebagaiberikut:

Q5Thn= 32,700 – 29,695 H + 8,227 H2

298,624 = 32,700 – 29,695 H + 8,227 H2

32,700-298,624-29,695 H+8,227 H2 = 0-265,924 – 29,695 H + 8,227 H2 = 0

Dari persamaan di atas untukQ5Thndengan menggunakan rumus ABCmaka diperoleh nilai H1 dan H2 sebagaiberikut :H1 = 7,77 H2 = -4,16

Dengan menggunakan cara yangsama seperti pada perhitungan di atasmaka dapat disimpulkan hasil untukperhitungan tinggi muka air banjirrencana pada Tabel 4.12 sebagaiberikut:Tabel 4.12 Hasil Perhitungan TinggiMuka Air Banjir Rencana UntukPeriode Ulang (T = 5, 10, 25, 50, 100,200, 500, dan 1000 tahun)

Dari Tabel 4.12di atasnilai HdigunakannilaiH1karenanilaiH1bernilaipositif.MakagrafikhubunganantaraTinggi MukaAirBanjirRencanadanDebitPeriodeUlang5,10,25,50,100,200,500dan1000tahunadalahsepertiGambar4.2sebagai berikut:

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 35

No H H2 a b c Q=a-b.H+c.H2

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

0,000 0,000 - - - 0,000

1 1,900 3,610 32,700 29,695 8,227 5,979

2 2,300 5,290 32,700 29,695 8,227 7,923

3 2,800 7,840 32,700 29,695 8,227 14,055

4 3,560 12,674 32,700 29,695 8,227 31,254

5 3,580 12,816 32,700 29,695 8,227 31,835

6 4,380 19.184 32,700 29,695 8,227 60,470

7 4,610 21.252 32,700 29,695 8,227 70,651

8 4,810 23.136 32,700 29,695 8,227 80,213

9 5,260 27.668 32,700 29,695 8,227 104,132

10 5,360 28.730 32,700 29,695 8,227 109,899

11 7,000 49.000 32,700 29,695 8,227 227,969

12 8,390 70.392 32,700 29,695 8,227 362,692

Q5Thn = 298,624Q10Thn = 367,696Q25Thn = 450,245Q50Thn = 529,206Q100Thn = 604128Q200Thn = 679,943Q500Thn = 783,581Q1000Thn = 865,391

Tabel4.11 HasilPerhitunganDebit (Q)denganPersamaan Q= 32,700 – 29,695H+8,227H2

DariTabel4.11diatasmakadiperolehgrafikratingcurveseperti padaGambar4.1berikut:

Gambar 4.1 GrafikRating Curves4.7.2.Ketinggian Muka Air BanjirRencana

Berdasarkanperhitungandebitbanjir rencana,distribusiprobabilitasyangmemenuhisyaratadalahDistribusiProbabilitasLogNormal,dengannilai debituntukperiodeulang5,10,25,50,100,200,500dan1000tahunsebagai berikut :

Denganmenggunakan Persamaan4.1makadidapattinggimukaair banjirrencanasebagaiberikut:

Q5Thn= 32,700 – 29,695 H + 8,227 H2

298,624 = 32,700 – 29,695 H + 8,227 H2

32,700-298,624-29,695 H+8,227 H2 = 0-265,924 – 29,695 H + 8,227 H2 = 0

Dari persamaan di atas untukQ5Thndengan menggunakan rumus ABCmaka diperoleh nilai H1 dan H2 sebagaiberikut :H1 = 7,77 H2 = -4,16

Dengan menggunakan cara yangsama seperti pada perhitungan di atasmaka dapat disimpulkan hasil untukperhitungan tinggi muka air banjirrencana pada Tabel 4.12 sebagaiberikut:Tabel 4.12 Hasil Perhitungan TinggiMuka Air Banjir Rencana UntukPeriode Ulang (T = 5, 10, 25, 50, 100,200, 500, dan 1000 tahun)

Dari Tabel 4.12di atasnilai HdigunakannilaiH1karenanilaiH1bernilaipositif.MakagrafikhubunganantaraTinggi MukaAirBanjirRencanadanDebitPeriodeUlang5,10,25,50,100,200,500dan1000tahunadalahsepertiGambar4.2sebagai berikut:

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 35

No H H2 a b c Q=a-b.H+c.H2

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

0,000 0,000 - - - 0,000

1 1,900 3,610 32,700 29,695 8,227 5,979

2 2,300 5,290 32,700 29,695 8,227 7,923

3 2,800 7,840 32,700 29,695 8,227 14,055

4 3,560 12,674 32,700 29,695 8,227 31,254

5 3,580 12,816 32,700 29,695 8,227 31,835

6 4,380 19.184 32,700 29,695 8,227 60,470

7 4,610 21.252 32,700 29,695 8,227 70,651

8 4,810 23.136 32,700 29,695 8,227 80,213

9 5,260 27.668 32,700 29,695 8,227 104,132

10 5,360 28.730 32,700 29,695 8,227 109,899

11 7,000 49.000 32,700 29,695 8,227 227,969

12 8,390 70.392 32,700 29,695 8,227 362,692

Q5Thn = 298,624Q10Thn = 367,696Q25Thn = 450,245Q50Thn = 529,206Q100Thn = 604128Q200Thn = 679,943Q500Thn = 783,581Q1000Thn = 865,391

Tabel4.11 HasilPerhitunganDebit (Q)denganPersamaan Q= 32,700 – 29,695H+8,227H2

DariTabel4.11diatasmakadiperolehgrafikratingcurveseperti padaGambar4.1berikut:

Gambar 4.1 GrafikRating Curves4.7.2.Ketinggian Muka Air BanjirRencana

Berdasarkanperhitungandebitbanjir rencana,distribusiprobabilitasyangmemenuhisyaratadalahDistribusiProbabilitasLogNormal,dengannilai debituntukperiodeulang5,10,25,50,100,200,500dan1000tahunsebagai berikut :

Denganmenggunakan Persamaan4.1makadidapattinggimukaair banjirrencanasebagaiberikut:

Q5Thn= 32,700 – 29,695 H + 8,227 H2

298,624 = 32,700 – 29,695 H + 8,227 H2

32,700-298,624-29,695 H+8,227 H2 = 0-265,924 – 29,695 H + 8,227 H2 = 0

Dari persamaan di atas untukQ5Thndengan menggunakan rumus ABCmaka diperoleh nilai H1 dan H2 sebagaiberikut :H1 = 7,77 H2 = -4,16

Dengan menggunakan cara yangsama seperti pada perhitungan di atasmaka dapat disimpulkan hasil untukperhitungan tinggi muka air banjirrencana pada Tabel 4.12 sebagaiberikut:Tabel 4.12 Hasil Perhitungan TinggiMuka Air Banjir Rencana UntukPeriode Ulang (T = 5, 10, 25, 50, 100,200, 500, dan 1000 tahun)

Dari Tabel 4.12di atasnilai HdigunakannilaiH1karenanilaiH1bernilaipositif.MakagrafikhubunganantaraTinggi MukaAirBanjirRencanadanDebitPeriodeUlang5,10,25,50,100,200,500dan1000tahunadalahsepertiGambar4.2sebagai berikut:

Page 13: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 36

Gambar 4.2 Grafik Tinggi Muka Air Banjir RencanaKeterangan Gambar 4.3 :

Garis 1:Tinggibantaran sungaikiridaridasarsungai=7 mGaris 2:Tinggibuangannormalisasisungai kanan=9,05m

BerdasarkanGambar4.2diatasbantaransebelahkiritidakmampumenampungdebitsungai,sedangkan daerah sebelah kanan terdapatbuangan normalisasiyangcukup tinggiyaitu sebesar9,05 m.

DarihasilDebitBanjirRencanadanTinggiBanjirRencanadenganperiodeulang5,10,25,50,100,200,500,dan1000tahundapatdigambarkanhubunganDebitBanjirRencanadanTinggiBanjirRencana(ratingcurves) sepertiGambar 4.3sepertiberikut:

Gambar 4.3 GrafikRating Curves (Qdan HPeriodeUlang5, 10, 25,50, 100, 200, 500, dan1000)

Page 14: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 37

Keterangan :

No PeriodeUlang(T)

Q(m3/det)

H(m)

(1) (2) (3) (4)1 5 298,624 7,772 10 367,696 8,443 25 450,245 9,154 50 529,206 9,785 100 604,128 10,336 200 679,943 10,867 500 783,581 11,538 1000 865,391 12,03

V.SIMPULAN DAN SARAN5.1.Simpulan1. PenelitianinimenggunakandatadariPos

Duga Air Citarum-Dayeuh Kolot denganketersediaan data Debit HarianMaksimum Tahunanselama 21 tahunterakhir (1991-1995, 1997-2012)

2. Analisis frekuensi debit banjirmenggunakan metode probabilitas, yaitudengan Metode Probabilitas Gumbel,Metode Probabilitas Normal, MetodeProbabilitas Log Normal, dan MetodeProbabilitas Log Pearson Type III.Berdasarkan Uji Kecocokan dengan UjiChi Kuadrat dan Uji Smirnov-Kolmogorov, distribusi yang cocokdigunakan dengan data yang adaadalah Distribusi Probabilitas LogNormal.

3. Besar debit periode ulang dari DistribusiProbabilitasLogNormaladalahsebagaiberikut : DebitBanjirPeriodeUlang5tahun(Q5T

hn) = 298,624 m3/det ; DebitBanjirPeriodeUlang10tahun(Q1

0Thn) = 367,696 m3/det ; DebitBanjirPeriodeUlang25tahun(Q2

5Thn) = 450,245 m3/det ; DebitBanjirPeriodeUlang50tahun(Q5

0Thn) = 529,206 m3/det ; DebitBanjirPeriodeUlang100tahun(

Q100Thn) = 604,128 m3/det; DebitBanjirPeriodeUlang200tahun

(Q200Thn) = 679,943 m3/det; DebitBanjirPeriodeUlang500tahun

(Q500Thn) = 783,581 m3/det; DebitBanjirPeriodeUlang1000tahun(

Q1000Thn) = 865,391 m3/det.4. DariperhitunganRatingCurvesdidapat

persamaan Q = 32,700 – 29,695 H +

8,227 H2.5. Dari persamaan rating curves dapat

diperoleh tinggi banjir rencana sesuaidengan Distribusi Probabilitas LogNormal dengan hasil sebagai berikut: Tinggi Muka Air Banjir

Periode Ulang 5 tahun (H5Thn)= 7,77 m ;

- Tinggi Muka Air BanjirPeriode Ulang 10tahun(H10Thn) = 8,44 m ;

- Tinggi Muka Air BanjirPeriode Ulang 25 tahun(H25Thn) = 9,15 m ;

- Tinggi Muka Air BanjirPeriode Ulang 50tahun(H50Thn) = 9,78 m ;

- TinggiMukaAirBanjirPeriodeUlang100 tahun (H100Thn) =10,33 m ;

- TinggiMukaAirBanjirPeriodeUlang200 tahun (H200Thn) =10,86 m ;

- TinggiMukaAirBanjirPeriodeUlang500 tahun (H500Thn) =11,53 m ;

- TinggiMukaAirBanjirPeriodeUlang1000 tahun (H1000Thn) =12,03 m.

6. DiketahuitinggibantaranSungaiCitarum-Dayeuh Kolot sebelah kiriadalah 7 m dan disebelah kanansungai tedapat buangan normalisasidengan tinggi 9,05 m, maka dapatdisimpulkan sungai tidak mampumenampung debit banjir rencana.

5.2. SaranUntukpengembangandanpenyempurnaan

dari penelitian ini, dapat dilakukan penelitianlanjutandenganmenggunakandatacurahhujanharianmaksimumdaristasiunhujan yangada di dalam Sub DAS dan sekitarnya denganmelakukan perhitungan curah hujan rencanadan perhitungan debit banjir rencana denganmetode yang sesuai dengan SNI (StandarNasional Indonesia).

Page 15: ANALISIS FREKUENSI DEBIT BANJIR MENGGUNAKAN METODE ...

ISU TEKNOLOGI STT MANDALA VOL.10 NO.2 DESEMBER 2015 – ISSN 1979-4819 38

VI. DAFTAR PUSTAKA

Harto Br, Sri, 1993, Analisis Hidrologi, PT.Gramedia Pustaka Utama, Jakarta.

Kamiana,I Made, 2012,Teknik PerhitunganDebit Rencana Bangunan Air, Graha Ilmu,Yogyakarta.

Kodoatie, Robert J.,2013, Rekayasa danManajemen Banjir Kota, C.V Andi,Yogyakarta.

Kodoatie, RobertdanSugiyanto, 2002, Banjir:Beberapa Penyebab dan MetodePengendaliannya dalam PerspektifLingkungan, Pustaka Pelajar (anggotaIKAPI), Yogyakarta.

Linsley, Ray K., dkk. 1991, Teknik SumberDayaAir Edisi Ketiga Jilid 1, Erlangga,Jakarta.

SNI 03-2415-1991,Tata Cara PerhitunganDebitBanjir

Soewarno, 1995, Hidrologi : Aplikasi MetodeStatistik untuk Analisis Data Jilid I,Nova,Bandung.

Wilson, E.M., 1993, Hidrologi Teknik,Terbitan Keempat, ITB, Bandung.

Soemarto, 1987, Hidrologi Teknik, UsahaNasional, Surabaya.

Subarkah, Iman, 1980, Hidrologi untukPerencanaan Bangunan Air, Idea Dharma,Bandung.