Soal 2 - Tugas Besar Hidrologi Teknik Dasar Teknik Pengairan UB 2012 - [Part 1]

Dosen Pembimbing : Dr. Eng . Donny Harisuseno, ST.,MT


2.1 Latar Belakang

Dengan data hujan yang lengkap akan memudahkan di dalam melakukan analisa hidrologi. Namun untuk mendapatkan data dengan  kealitas tersebut sangat sulit. Data hujan hasil pencatatan yang ada biasanya dalam kondisi yang tidak menerus atau terputus rangkaiannya. Menghadapi kondisi tersebut, maka perlu adanya pengisian data yang kosong.

Guna melengkapi kekosongan data hujan tersebut, telah tersedia beberapa persamaan empiris yang dapat digunakan. Namun tidak mungkin ada satu metode terbaik untuk semua aplikasi dan sangat dibutuhkan optimasi untuk setiap penggunaan menggunakan metode regresi linier berganda (multiple linear regression) untuk mengestimasi data curah hujan yang hilang. menggunakan cara “reciprocal method” (inversed squared distance), cara ini memanfaatkan jarak antar stasiun sebagai faktor koreksi (weighting factor).

Metode lain yang dapat digunakan adalah metode ratio normal (Linsley et al, 1958 dalam Harto, 1993), cara ini hanya dapat digunakan bila variasi ruang hujan (spatial, areal variation) tidak terlalu besar. Selanjutnya dilakukan uji konsistensi dan apabila data hujan tersebut tidak konsisten, maka dapat dilakukan koreksi.

2.2 Identifikasi masalah

Untuk keperluan analisa hujan daerah diperlukan data yang lengkap dari masing-masing stasiun. Seringkali pada suatu daerah (DAS) ada pencatatan data hujan yang hilang datanya. Jika ini terjadi maka data hujan tersebut harus dilengkapi dahulu. Untuk mencari data hujan yang hilang kita harus melakukan estimasi perhitungan dengan pendekatan-pendekatan yang telah diketahui. Serta kesalahan data yang juga sering terjadi yaitu adanya ketidakkonsistenan data hujan tersebut. Oleh sebab itu setiap data harus dianggap memiliki kesalahan agar semuanya diukur kekosistensiannya, sehingga dengan begitu diharapkan didapatkan data pengukuran hujan yang lebih akurat.

2.3 Rumusan masalah

Berdasarkan latar belakang di atas, maka rumusan masalah yang dapat di ambil adalah sebagai berikut :

1. Berapakah hasil estimasi data hujan yang hilang?

2. Bagaimana hasil uji konsistensi data hujan?

2.4 Pembatasan Masalah

Pembahasan tentang Estimasi data hujan akan dibatasi dengan hanya membahas tentang perhitungan menggunakan rumus Ratio Normal. Serta melakuakn uji konsistensi dari Hasil perhitungan tersebut.

2.5 Tujuan

1. Mampu menyebutkan berbagai faktor yang mempengaruhi Uji Konsistensi

2. Untuk mengetahui apakah data dari hasil perhitungan yang diperoleh konsisten 

2.6  Manfaat

Kita diharapkan dapat mengetahui cara menghitung data hujan yang hilang serta tahu cara melakukan uji konsistensi.

2.7 Kajian Pustaka

2.7.1        Presipitasi

Menurut Sosrodarsono (1983) Presipitasi adalah nama umum dari uap yang menkondensasi dan jatuh ketanah dalam rangkaian siklus hidroogi. Presipitasi cair dapat berupa hujan dan embun dan presipitasi beku dapat berupa salju dan hujan es. Faktor-faktor yang mempengaruhi terjadinya presipitasi diantara lain berupa adanya uap air di atmosphere, faktor-faktor meteorologist, lokasi daerah, adanya rintangan, misalnya gunung.

Menurut Sri Harto (1993) Proses pembentukan hujan terjadi karena tersedianya udara lembab yang biasanya terjadi karena adanya gerakan udara mendatar, terutama sekali yang berasal dari atas lautan, yang dapat mencapai ribuan kilometer. Terangkatnya udara keatas dapat terjadi dengan 3 cara yaitu :

1.      Hujan Konvektif (convective), bila terjadi ketidak seimbangan udara karena panas setempat, dan udara bergerak keatas dan berlaku proses adiabatik. Biasanya merupakan hujan dengan intensitas tinggi, dan terjadi dalam waktu yang relatif singkat, didaerah yang relatif sempit.

2.      Hujan Siklon (cyclonic), bila gerakan udara ke atas terjadi akibat adanya udara panas yang bergerak diatas lapisan udara yang lebih padat dan lebih dingin. Hujan jenis ini biasanya terjadi dengan intensitas sedang, mencakup daerah yang luas dan berlangsung lama.

3.      Hujan Orografik (orographic rainfall), terjadi karena udara bergerak ke atas akibat adanya pegunungan. Akibatnya , terjadi dua daerah yang disebut daerah hujan dan daerah bayangan hujan. Sifat hujan ini dipengaruhi oleh sifat dan ukuran pegunungan.

Lima unsur yang ditinjau dalam data hujan, yaitu Intensitas (i), Lama waktu (t), Tinggi hujan (d), Frekuensi, Luas. (Soemarto, 1993 )

2.7.2 Pengukuran Hujan

Menurut Soemarto (1995) Dalam praktek kita mengenal 2 macam alat untuk mengukur curah hujan yaitu

1.        Penakar hujan biasa (manual raingauge)

        Alat ukur ini dilengkapi gelas ukur penampung hujan yang dibaca minimal 2 x sehari. Cara pengukurannya yaitu dengan cara mengukur gelas penakar yang ada pada alat, dimana curah hujan diukur setiap pagi jam 07.00, 1mm hujan yang ditakar volumenya sama dengan 10 cc. 

Gambar 2.1 Manual raingauge

Sumber : http://www.water-for-africa.org.com.jpg

2.        Penakar hujan otomatik (automatic raingauge)

Gambar 2.2 Automatic raingauge

Sumber : http://www.water-for-africa.org.com.jpg

            Alat ukur ini dilengkapi dengan alat pencatat otomatis yang menggambarkan sendiri tiap kenaikan hujan yang tertampung di dalam gelas. Bila gelas penuh, air dalam gelas akan tumpah dengan sendirinya sehingga gelas kosong. Data yang tercatat adalah akumulasi hujan tiap periode waktu tertentu. Dengan alat ini bisa diketahui kejadian hujan dalam satuan waktu yang singkat (bisananya dibaca per menit). Data dari alat pencatat ini umum digunakan untuk menghitung intensitas hujan atau agihan hujan jam-jaman.

2.7.3 Estimasi data hujan

            Menurut Soemarto (1995) Data yang hilang atau kesenjangan (gap) data suatu pos penakar hujan, pada saat tertentu, dapat diisi dengan bantuan data yang tersedia pada pos-pos penakar di sekitarnya pada saat yang sama. Cara yang dipakai dinamakan Ratio Normal. Syarat untuk menggunakan cara ini adalah tinggi hujan rata-rata tahunan pos penakar yang datanya hilang harus diketahui, disamping dibantu dengan data tinggi hujan rata-rata tahunan dan data pada pos-pos  penakar di sekitarnya.

            Misalnya pos X adalah pos penakar yang datanya hilang, mempunyai tinggi hujan rata-rata tahunan yang diperoleh dari nilai rata-rata dalam banyak tahun (kecuali dalam tahun datanya hilang), sebesar A_nx sedangkan pada pos-pos penakar di sekitarnya A,B, dan C mempunyai tinggi hujan rata-rata tahunan masing-masing A_na , A_nb , A_nc. Jika tinggi hujan di pos-pos penakar A, B, dan C pada saat data di pos penakar hilang diketahui sebesar d_a , d_b , dan d_c maka tinggi hujan di pos penakar X pada saat hilang dapat ditaksir dengan rumus berikut ini

                    

                                    d_c = 

Keterangan :

                      dc     =    data tinggi hujan harian maksimum di stasiun c (mm)

                           da     =    data tinggi hujan harian maksimum di stasiun a (mm)

                           An_x   =    jumlah tinggi hujan tahunan di stasiun x (mm)

                           An_a   =    jumlah tinggi hujan tahunan di stasiun sekitar a (mm)

                           d_b      =    data tinggi hujan harian maksimum di stasiun b (mm)

                           An_x   =    jumlah tinggi hujan tahunan di stasiun x (mm)

                           An_b   =    jumlah tinggi hujan tahunan di stasiun sekitar b (mm)

                           d_c      =    data tinggi hujan harian maksimum di stasiun c (mm)

                           An_x   =    jumlah tinggi hujan tahunan di stasiun x (mm)

                           An_c   =    jumlah tinggi hujan tahunan di stasiun sekitar c (mm)

Jika jumlah penakar hujan untuk menentukan data x yang hilang adalah sebanyak n, maka dapat dipakai rumus :

 

            Keterangan :

                           dx     =    data tinggi hujan harian maksimum di stasiun x (mm)

                           n       =    jumlah stasiun di sekitar x untuk mencari data di x (mm)

                           d_i      =    data tinggi hujan harian maksimumdi stasiun i (mm)

                           An_x   =    jumlah tinggi hujan tahunan di stasiun x (mm)

                           An_i   =    jumlah tinggi hujan tahunan di stasiun sekitar x (mm)

2.7.4    Lengkung Masa Ganda

            Lengkung masa ganda dimaksudkan untuk melakukan uji konsistensi data hujan. Dari pengujian tersebut dapat diketahui apakah terjadi perubahan lingkungan atau perubahan cara menakar. Jika hasil uji menyatakan data hujan suatu stasiun konsisten berarti pada daerah pengaruh stasiun tersebut tidak terjadi perubahan lingkuangan dan tidak terjadi perubahan cara menakar selama pencatatan data tersebut dan sebaliknya. (Montarcih, 2008)

Cara melakukan uji konsistensi :

            Uji konsistensi ini dapat diselidiki dengan cara membandingkan curah hujan tahunan komulatif dari stasiun yang diteliti dengan harga komulatif curah hujan rata-rata dari suatu jaringan stasiun dasar yang bersesuaian. Pada umumnya, metode ini di susun dengan urutan kronologis mundur dan di mulai dari tahun yang terakhir atau data yang terbaru hingga data terakhir.

            Menurut Soemarto (1995) Jika data hujan tidak konsisten karena perubahan atau gangguan lingkungan di sekitar tempat penakar hujan dipasang, misalnya, penakar hujan terlindung oleh pohon, terletak berdekatan dengan gedung tinggi, perubahan penakaran dan pencatatan, pemindahan letak penakar dan sebagainya, memungkinkan terjadi penyimpangan terhadap trend semula. Hal ini dapat diselidiki dengan menggunakan lengkung massa ganda seperti terlihat pada Gambar 2.3

 

Gambar 2.3. Lengkung Massa Ganda

Sumber : Montarcih, 2008

Keterangan:

1. Jika data hujan konsisten, maka grafik berupa garis lurus dengan  sudut = tg 45⁰

1. ^{Jika Pola yang terjadi merupakan garis lurus dan terjadi patahan arah garis itu, maka pos Y tidak konsisten dan harus dilakuakn koreksi.}

1. 1. Tabel 2.1 Data Hujan Harian Maksimum Stasiun A, B, C, dan D

      No.	Tahun	Stasiun Hujan A (mm)	Stasiun Hujan B (mm)	Stasiun Hujan C (mm)	Stasiun Hujan D (mm)
      1	2000	301.0	286.0	270.9	255.9
      2	2001	234.0	222.3	210.6	198.9
      3	2002		307.8	291.6	275.4
      4	2003	287.0	272.7	258.3
      5	2004	253.0	240.4	227.7	215.1
      6	2005	221.0	210.0	198.9	187.9
      7	2006	301.0	286.0	270.9	255.9
      8	2007	263.0	249.9	236.7	223.6
      9	2008	194.0	184.3	174.6	164.9
      10	2009	258.0	245.1	232.2	219.3
      11	2010	341.0	324.0		289.9
      12	2011	311.0	295.5	279.9	264.4

                        Sumber : Hasil Perhitungan, 2013
      Keterangan :
      Data yang hilang pada stasiun A
      Data yang hilang pada stasiun C
      Data yang hilang pada stasiun D
      
      
      Tabel 2.2 Mencari Data yang Hilang Tahun 2010 di Stasiun C

      No	Tahun	Stasiun	Stasiun	Stasiun	Stasiun
      		Hujan A (mm)	Hujan B (mm)	Hujan C (mm)	Hujan D (mm)
      5	2004	253.0	240.4	227.7	215.1
      6	2005	221.0	210.0	198.9	187.9
      7	2006	301.0	286	270.9	255.9
      8	2007	263.0	249.9	236.7	223.6
      9	2008	194.0	184.3	174.6	164.9
      10	2009	258.0	245.1	232.2	219.3
      11	2010	341.0	324		289.9
      12	2011	311.0	295.5	279.9	264.4
      Jumlah		1801.0	1711.2	1620.9	1531.1

                         Sumber : Hasil Perhitungan, 2013
      Data Hilang = ( 1620.9/1801 x 341,0 ) + ( 1620.9/1711.2x324 )  + (1620.9/1531.1            x289,9 )
                           
                        = 306.9 mm
      Jadi, data yang hilang di stasiun hujan C pada tahun 2010 adalah 306.9 mm.