Professional Documents
Culture Documents
No.
1.
2.
3.
4.
5.
6.
7.
8.
Kemiringan tanah yang curam terdapat di wilayah hulu Krueng Keureuto hingga kurang
lebih 1/3 bagian panjang dari hulu dengan kemiringan rata-rata 0,049. Kemiringan di
wilayah hilir Krueng Keureuto cukup landai dengan kemiringan rata-rata 0,00042.
Bahkan di jembatan Simpang Lhoksukon yang merupakan perlintasan Kr. Keureuto dan
jalan propinsi, kemiringan lahan di sekitar sungai hanya 0,00011. Kemiringan yang
sangat landai ini ditandai dengan terbentuknya pola sungai bermeander pada muara
Krueng Keureuto.
Sebagaimana ditunjukkan Tabel 3.1 bahwa untuk lokasi studi Krueng Peuto merupakan
anak sungai dari Krueng Keureuto. Panjang sungai Kr. Peuto dari hulu hingga bertemu
dengan Kr. Keureuto 61,98 km dengan luas DAS 276,00 km. Sebagaimana Kr.
Keureuto, kemiringan dasar sungai Krueng Peuto paling curam berada di wilayah hulu
yaitu sebesar 0,078. Sedangkan kemiringan dasar sungai rata-rata bagian tengah hingga
hilir mendekati titik pertemuan dengan sungai utama Krueng Keureuto di desa Nga
Matang Ubi 0,002.
Sementara itu untuk lokasi studi yang ketiga yaitu Waduk Sawang berada dalam sistem
sungai utama Krueng Mane. Rencana waduk Sawang masuk dalam sistem sungai Gunci
dimana Krueng Gunci merupakan anak sungai Krueng Sawang selanjutnya Krueng
Sawang adalah anak sungai Krueng Mane. Panjang Krueng Gunci 14,88 km dengan
kemiringan dasar sungai rata-rata 0,005. Pertemuan Krueng Gunci dengan Krueng
Sawang berada di desa Lhok Cut dan pertemuan Krueng Sawang dengan Krueng Mane di
desa Lhok Geurondong. Untuk rencana site lokasi waduk Sawang yaitu Krueng Gunci,
memiliki luas Daerah Aliran Sungai 290,120 km 2 dan panjang Krueng Gunci 20,39
km.
KETERSEDIAAN DATA
III.1.1.Data Hujan Harian
Stasiun hujan terdekat untuk lokasi pekerjaan adalah Stasiun Malikussaleh.
Periode ketersediaan data dari setasiun tersebut adalah tahun 1986-2007. Data
hujan harian Stasiun Malikussaleh dikelola oleh Badan Meteorologi dan
Geofisika (BMG) Malikussaleh.
Mengingat hanya terdapat satu stasiun hujan yang tersedia untuk daerah studi,
maka analisa curah hujan rata-rata daerah maksimum di analisa berdasarkan pada
data yang tersedia di stasiun Malikussaleh. Berikut ditunjukkan data hujan ratarata daerah maksimum pada Tabel 3.2 dan curah hujan tahunan Tabel 3.3.
Tabel 3.2. Hujan Daerah Rata-rata Daerah Maksimum
Hujan tahunan dalam bentuk grafik ditunjukkan pada Gambar 3.1 sedangkan
berdasarkan tahun data hujan tersedia (1986 2007) maka dilakukan analisa
tahun basah dan tahun kering sebagaimana Gambar 3.2.
Tabel 3.3. Hujan Tahunan Sta. Malikussaleh
Pengamatan
atau
Pengukuran
Data
ditolak
Pengiriman data
Informasi
terkait
Collecting Data
tidak
Pemilahan
Melengkapi
data
Uji
Konsistensi
ya
Koreksi
data
Data Benar
siap pakai
informasi
a. Data konsisten
Y
k
i 1
(3-1)
memperhatikan persamaan (3-1), maka jika < 0, maka nilai S k* akan bernilai
positif sedangkan untuk > 0 nilai S k* akan bernilai negatif.
Dengan membagi S k* dengan standart deviasi, diperoleh apa yang disebut
Rescaled Adjusted Partial Sums (RAPS).
S k*
**
Sk
(3-2)
S
dimana S adalah standar deviasi. Statistik yang digunakan sebagai alat penguji
konsistensi adalah :
Q max S k**
(3-3)
0 k n
0 k n
(3-4)
10
20
30
40
50
100
90%
1.05
1.10
1.12
1.13
1.14
1.17
1.22
95%
1.14
1.22
1.24
1.26
1.27
1.29
1.36
99%
1.29
1.42
1.46
1.50
1.52
1.55
1.63
90%
1.21
1.34
1.40
1.42
1.44
1.50
1.62
95%
1.28
1.43
1.50
1.53
1.55
1.62
1.75
99%
1.38
1.60
1.70
1.74
1.78
1.86
2.00
Q
n
hitung dan
R
n
hitung. Hasil yang didapat dibandingkan dengan nilai ijin, apabila lebih kecil
untuk tingkat kepercayaan tertentu maka data masih dalam batasan konsisten. Uji
konsistensi metode RAPS pada lokasi studi ditampilkan pada Tabel 3.5.
Tabel 3.5. Perhitungan Uji Konsistensi Lokasi Studi
Dari hasil analisa sebagaimana Tabel 3.5 di atas, diketahui bahwa nilai Q = 1,44
dan nilai R = 2,10. Maka nilai
Q
n
R
n
Q
n
R
n
kritis >
R
n
R
n
Q
n
kritis = 1,44.
kritis >
Q
n
tersedia pada lokasi studi yang tercatat pada stasiun Malikussaleh tahun data
1986-2007 adalah konsisten.
KP 1
6 dt
(3-5)
i 1
3
n n
n2
t KP
KP 2
1
2
(3-6)
dimana :
KP
n
dt
Tt
Rt
t
=
=
=
=
=
=
Hipotesa :
H0 : tidak terdapat trend data
H1 H0 : terdapat trend data
dk = n 2 = 22 2 = 20
Berdasarkan persamaan (3-5) dan persamaan (3-6) maka nilai KP dan uji-t, dapat
dilihat pada Tabel 3.6, dimana diperoleh nilai KP = 0,28 sehingga nilai t hitung =
1,30. Untuk uji 2 sisi dengan level of significant 5% (masing-masing sisi menjadi
2,5%) dan derajat bebas (dk) = 20, maka berdasarkan Tabel 3.7 diperoleh nilai tc
kritis (t0,975) = 2,083. Dari hasil perhitungan menunjukkan bahwa tc kritis (2,083)
> t hitung (1,30). Untuk kondisi t kritis > t hitung maka hipotesa H0 diterima
Dengan demikian dapat disimpulkan bahwa data hujan periode tahun 1986 2007
yang tercatat pada Stasiun Malikussaleh tidak terdapat trend, sehingga data hujan
yang tersedia dapat digunakan untuk analisa peluang dan simulasi.
III.1.5.Uji Stasioner
Deret berkala umumnya dibedakan menjadi dua tipe yaitu : a). Stasioner dan b).
Tidak Stasioner.
Deret berkala disebut stasioner apabila nilai dari parameter statistiknya (rata-rata
dan varian) relatif tidak berubah dari bagian periode/runtun waktu yang ada. Jika
ditemukan salah satu parameter statistiknya berubah dari bagian periode/runtun
waktu yang ada maka deret berkala tersebut disebut tidak stasioner. Deret berkala
tidak stasioner menunjukkan bahwa datanya tidak homogen/tidak sama jenis.
Apabila data deret berkala tidak menunjukkan adanya trend, maka dilanjutkan uji
Stasioner dengan tujuan menguji kestabilan nilai varian dan rata-rata dari deret
berkala.
Pengujian nilai varian dari deret berkala dapat dilakukan dengan uji-F (Fisher
test) dengan bentuk persamaan :
N 1 . S12 N 2 1
N 2 . S 22 N 1 1
(3-7)
dimana :
F
= nilai hitung uji F
N1 = jumlah data kelompok 1
N2 = jumlah data kelompok 2
S1 = standar deviasi data kelompok 1
S2 = standar deviasi data kelompok 2
dengan derajat bebas (dk) :
dk1 = N1 1
dk2 = N2 - 1
Hipotesa nol untuk parameter statistik data adalah stasioner, sebaliknya hipotesa
tidak sama dengan satu untuk parameter statistik data tidak stasioner. Untuk hasil
pengujian hipotesa nol ditolak, berarti nilai varian tidak stabil atau tidak
homogen. Deret berkala yang nilai variannya tidak homogen berarti deret berkala
tidak stasioner dan tidak perlu melakukan pengujian lanjutan.
Sedangkan stabilitas nila rata-rata data deret berkala diuji dengan uji-t (student
test) dengan persamaan sebagai berikut :
X1X
1
1
N1 N 2
1
2
(3-8)
N 1 S12 N 2 S 22
N1 N 2 2
1
2
(3-9)
dimana :
t
= nilai hitung uji t
N1 = jumlah data kelompok 1
N2 = jumlah data kelompok 2
X1
X2
S1
S2
KS 1
6 di
(3-10)
i 1
3
m m
m2
t KS
2
1 KS
1
2
(3-11)
dimana :
KS = koefisien korelasi serial Spearman
m = jumlah data
di = selisih antara peringkat ke Xi dang Xi-1
t
= nilai hitung uji t
Dengan derajat bebas dk = m 2
Tabel 3.10 menunjukkan koefisien korelasi serial data hujan tahunan lokasi studi.
Dengan menggunakan persamaan (3-10) diperoleh nilai KS = -0,178 dan dengan
persamaan (3-11) diperoleh nilai thitung = -0,788. Dengan uji 2 arah dan dk = 20
maka berdasarkan Tabel 3.7 diperoleh nilai tkritis = 2,093.
Dari hasil analisa uji persistensi dimana nilai tkritis > thitung maka dapat disimpulkan
bahwa data hujan yang tersedia adalah persisten.
Berdasarkan dari keseluruhan analisa statistik yang telah diuraikan secara detail
yaitu meliputi : uji konsistensi, uji ketiadaan trend, uji stasioner dan uji
persistensi, maka secara teoritis dapat disimpulkan bahwa data hujan periode
1986 2007 hasil pencatatan stasiun Malikussaleh layak dan valid untuk
digunakan dalam analisa hidrologi meliputi analisa peluang dan simulasi.
X K .S
dimana :
XT = Variate yang diekstrapolasikan yaitu besarnya curah hujan rancangan untuk
periode ulang tertentu.
X = Harga rerata curah hujan
n
Xi
X=
i =1
n
n
X i - X
Sd =
i=l
dimana :
n -1
Sd =
X =
Xi =
N =
K =
standar deviasi
nilai rata-rata
nilai varian ke i
jumlah data
faktor frekuensi yang merupakan fungsi dari periode ulang (return period)
dan tipe distribusi frekuensi.
YT Yn
Sn
dimana :
YT =
=
Yn =
Sn =
Sx
Sn
.(YT Yn )
Jika :
1
Sx
=
a
Sn
b = X
Sx
.Yn
Sn
1
.YT
a
Koefisien Skewness :
Cs =
n
n
(Xi - X) 3
(n - 1) (n - 2) i = l
Sd 3
dimana :
Cs = koefisien skewness
X
Xi
n
= nilai rata-rata
= nilai varian ke i
= jumlah data
Koefisien Kurtosis :
n
n2
Ck =
i=l
Xi - X 4
(n - 1) (n - 2) (n - 3) Sd 4
dimana :
Ck =
X =
Xi =
N =
koefisien kurtosis
nilai rata-rata
nilai varian ke i
jumlah data
log x
n
Standard Deviasi :
Log x
n
- Log x
i=l
Sd =
n -1
dimana :
x
Log x
xb
.
xo b
dengan
= faktor frekuensi
c = faktor Iwai Kadoya
log (xo + b ) adalah harga rata-rata dari log (xi + b) dengan ( i = 1, 2, n ) dan
dinyatakan dengan (Xo, b, c dan xo) diperkirakan dari rumus-rumus sebagai berikut :
xs.xt xo 2
.
2 xo - (xs xt)
xi b
)^ 2.
xo b
x 2 xo 2
Dimana :
Xs = harga pengamatan dengan nomor urut (m) dari yang terbesar
Xt = harga pengamatan dengan nomor urut (m) dari yang terkecil
n
= banyaknya data
n. X X 3
n 1 n 2 . S3
n2 . X X 4
n 1 n 2 n 3 . S4
dimana :
n = jumlah data
X = rerata data hujan (mm)
S = simpangan baku (standar deviasi)
X = data hujan (mm)
Bila Cs > 1.0 : Sebaran mendekati sebaran Gumbel
Bila Cs < 1.0 : Sebaran mendekati sifat-sifat sebaran Log Normal atau Log
Pearson III
Bila Cs = 1.0 : Sebaran mendekati sebaran Normal
ini dilakukan secara vertikal dengan metode Chi Square dan secara horisontal dengan
metode Smirnov Kolmogorof.
1)
Chi-Kuadrat ( test)
Uji ini mengkaji ukuran perbedaan yang terdapat di antara frekuensi yang
diobservasi dengan yang diharapkan dan digunakan untuk menguji simpangan secara
vertikal, yang ditentukan dengan persamaan :
(O
hitung
j1
Ej ) 2
Ej
dimana :
=
uji statistik
= frekuensi pengamatan (observed frequency)
= frekuensi teoritis kelas j (expected frequency)
hitung
Ej
Oj
n
. 100%
N 1
dimana:
Sn (x) = probabilitas (%)
n
= nomer urut data dari seri yang telah diurutkan
N
= jumlah total data
2.
3.
4.
5.
Tarik garis dengan bantuan titik curah hujan rancangan yang mempunyai
periode ulang tertentu pada kertas semi-log probabilitas vs curah hujan
Hitung harga frekuensi teoritis dari kertas semi-log
Hitung nilai 2 hitung dengan persamaan diatas
Hitung harga 2 cr dengan menentukan taraf signifikan = 5 % dan dengan
derajat kebebasan yang dihitung dengan persamaan :
n (m 1)
6.
dimana :
= derajat kebebasan
n = jumlah data
m = jumlah parameter untuk 2 hitung
Dengan nilai dan nilai tingkat kepercayaan/ significant level maka
didapatkan nilai 2cr yang akan dibandingkan dengan nilai 2hitung. Data akan
diterima jika dari uji nilai 2hitung < 2cr.
2) Uji Smirnov-Kolmogorov
Uji kesesuaian ini digunakan untuk menguji simpangan secara horisontal. Uji ini
dilakukan dengan tahapan sebagai berikut :
Mengurutkan data hujan harian maksimum dari nilai terkecil ke terbesar
Memplot harga curah hujan harian maksimum Xt dengan harga probabilitas,
Sn(x) seperti pada persamaan diatas
3. Pengujian terhadap kesesuaian data dengan menggunakan tabel yang tersedia
dengan parameter banyaknya data (n), tingkat kepercayaan atau level of
significant (), dan cr
4. Hitung nilai selisih maksimum antara distribusi teoritis dan distribusi empiris
dengan persamaan :
1.
2.
maks =
Px x - Sn x
dimana :
maks = selisih antara probabilitas empiris dan teoritis
Sx(x) = peluang empiris
Px(x) = peluang teoritis
5.
Hasil Analisa Curah Hujan hingga pengujian kesesuaian Distribusi untuk data hujan
Stasiun Lhokseumawe disajikan dalam Tabel 3.13 hingga Tabel 3.25.
Tabel 3.17. Analisa Hujan Rancangan menggunakan Distribusi Log Pearson III
Tabel 3.18. Curah Hujan Rancangan menurut Distribusi Log Pearson Tipe III
Tabel 3.19. Probabilitas Hujan Rancangan Distribusi Log Pearson Tipe III
Tabel 3.20. Uji Chi-Square Untuk Distribusi Log Pearson Tipe III
dimana:
XPMP =
=
X
K
=
S
=
Besarnya nilai probable maximum precipitation untuk semua lokasi studi pada pekerjaan
Feasibility Study (FS) Waduk Krueng Keureuto, Waduk Krueng Peuto dan Waduk
Luas (km2)
235,61
107,57
225,32
Faktor Reduksi
PMP (mm)
0,87
0,93
0,84
476,18
507,57
458,56
Gambar 3.8 Grafik Hubungan Km, durasi hujan dan hujan harian maksimum
tahunan rata-rata (Hersfield, 1965)
Tt
R 24
t
T
2 / 3
dimana :
RT
R24
t
T
=
=
=
=
permeabilitas rendah, dimana keluar lagi di tempat yang rendah dan berubah
menjadi limpasan permukaan.
Salah satu metode yang dipakai untuk menentukan hujan efetif adalah Metode
Horton. Metode Horton mengasumsikan bahwa kehilangan debit aliran berupa
lengkung eksponensial, sehingga makin besar jumlah hujan yang meresap akan
mengakibatkan tanah menjadi cepat jenuh akibatnya besar resapan akan
berkurang dan mengikuti rumus berikut :
Fp = fc + ( fo fc ) e -kt
dimana :
Fp = kapasitas infiltrasi pada waktu t
fc = harga akhir dari infiltrasi
fo = kapasitas infiltrasi prasi permulaan yang tergantung dari sebelumnya.
K = konstanta yang tergantung dari tekstur tanah
t = waktu sejak hujan dimulai
1
60
60
2
75
15
3
88
13
4
92
4
5
96
4
6
100
4
100
60
15
59.60
76.99
87.99
96.75
101.45
111.21
120.77
130.27
152.21
14.90
19.25
22.00
24.19
25.36
27.80
30.19
32.57
38.05
12.91
16.68
19.06
20.96
21.98
24.10
26.17
28.22
32.98
3.97
5.13
5.87
6.45
6.76
7.41
8.05
8.68
10.15
3.97
5.13
5.87
6.45
6.76
7.41
8.05
8.68
10.15
3.97
5.13
5.87
6.45
6.76
7.41
8.05
8.68
10.15
285.71
71.43
61.90
19.05
19.05
19.05
Hujan
Rancangan
(mm)
99.34
128.31
146.65
161.25
169.08
185.35
201.28
217.11
253.68
476.18
k
=
fc
=
fo
=
fp=fc+(fo*Rpoint)-fc)*exp(-k*t)
0.27
4.00
0.80
Kala Ulang
2
5
10
20
25
50
100
200
1000
PMP
37.35
47.96
54.68
60.03
62.90
68.86
74.70
80.50
93.90
8.62
10.64
11.92
12.95
13.49
14.63
15.74
16.85
19.41
6.82
8.16
9.01
9.68
10.04
10.80
11.53
12.27
13.96
3.72
4.04
4.24
4.39
4.48
4.66
4.83
5.00
5.40
3.79
4.03
4.18
4.30
4.37
4.50
4.63
4.76
5.07
3.84
4.02
4.14
4.23
4.28
4.38
4.48
4.58
4.81
175.43
34.97
24.25
7.82
6.91
6.22
Infiltrasi
(mm)
64.12
78.85
88.17
95.58
99.56
107.83
115.92
123.97
142.55
255.60
Kala Ulang
2
5
10
20
25
50
100
200
1000
PMP
22.26
29.02
33.31
36.72
38.55
42.35
46.07
49.77
58.31
6.29
8.61
10.07
11.24
11.87
13.17
14.45
15.72
18.64
6.10
8.52
10.06
11.28
11.94
13.30
14.63
15.96
19.02
0.25
1.10
1.63
2.06
2.28
2.76
3.22
3.68
4.75
0.19
1.11
1.69
2.15
2.40
2.91
3.42
3.92
5.08
0.14
1.11
1.73
2.22
2.48
3.03
3.57
4.10
5.33
110.28
36.46
37.65
11.23
12.13
12.82
Hujan
Efektif
(mm)
35.21
49.47
58.49
65.67
69.52
77.52
85.36
93.15
111.13
220.58
III.1.
III.2.
KETERSEDIAAN DATA...............................................................................................2
III.2.1. Data Hujan Harian...................................................................................................2
III.2.2. Data Karakteristik DAS...........................................................................................5
III.3.
ANALISA DATA.............................................................................................................5
III.3.1. Uji Konsistensi........................................................................................................6
III.3.2. Uji Ketiadaan Trend.................................................................................................9
III.3.3. Uji Stasioner..........................................................................................................12
III.3.4. Uji Persistensi........................................................................................................15
III.4.
CURAH HUJAN RENCANA.......................................................................................16
III.5.
UJI KESESUAIAN DISTRIBUSI................................................................................22
III.6.
CURAH HUJAN MAKSIMUM BOLEH JADI (Probable Maximum Precipitation,
PMP)
33
III.7.
HUJAN NETTO HUJAN JAM-JAMAN.....................................................................37