V. HASIL DAN PEMBAHASAN
5.1. Distribusi Curah Hujan
Untuk penyusunan suatu perencanaan pemanfaatan air, prediksi dan perancangan pengendalian banjir dan kekeringan di suatu wilayah, maka perlu
dilakukan analisis distribusi curah hujan wilayah, dan bukan menggunakan curah hujan pada suatu titik stasiun iklim tertentu saja. Analisis distribusi curah hujan
wilayah di DAS Separi yang mempunyai bentuk memanjang dilakukan dengan menggunakan metode Thiessen seperti yang disajikan pada Gambar 13. Metode
Thiessen digunakan karena metode ini memiliki asumsi bahwa variasi curah hujan antara stasiun iklim AWS di Separi dengan stasiun Lempake maupun
stasiun Marang Kayu memiliki hubungan yang linear dan tidak ada pengaruh orografis dari stasiun-stasiun tersebut, serta pada daerah ini merupakan daerah
dengan relief datar sampai berbukit dan ketinggian 250 m dpl di atas permukaan laut.
Curah hujan tahunan wilayah DAS Separi adalah 1.990 mm dengan curah hujan bulanan rata-rata terendah 47 mm yang terjadi pada bulan Agustus
dan curah hujan bulanan rata-rata tertinggi 246 mm yang terjadi pada bulan Januari Gambar 20. Curah hujan terendah pada bulan Agustus tersebut
ternyata memiliki peluang jumlah hari basah diikuti hari basah lebih tinggi dibandingkan peluang jumlah hari kering diikuti hari kering yang masing-masing
adalah 67 dan 62. Curah hujan tertinggi pada bulan Januari tersebut ternyata memiliki peluang jumlah hari basah diikuti hari basah lebih tinggi dibandingkan
peluang jumlah hari kering diikuti hari kering yang masing-masing adalah 82 dan 34, sehingga pada bulan Januari ini memiliki jumlah curah hujan bulanan
yang tertinggi. Curah hujan wilayah di DAS Separi memiliki periode bulan basah bulan-bulan dengan curah hujan
≥ 100 mm per bulan selama 10 bulan yang
62
terjadi pada bulan September sampai dengan Juni dengan peluang jumlah hari basah diikuti hari kering berkisar antara 50 – 88, peluang jumlah hari basah
diikuti hari basah berkisar antara 74 – 90, peluang jumlah hari kering diikuti hari kering berkisar antara 12 – 50, dan peluang jumlah hari kering diikuti hari
basah berkisar antara 10 – 26. Untuk periode bulan kering bulan-bulan dengan curah hujan 60 mm per bulan adalah selama 1 bulan yang terjadi
pada bulan Agustus dengan peluang jumlah hari basah diikuti hari kering 38, peluang jumlah hari basah diikuti hari basah 67, peluang jumlah hari kering
diikuti hari kering 62, dan peluang jumlah hari kering diikuti hari basah 33 Tabel Lampiran 3. Selain itu, untuk mengetahui seberapa besar kurva
frekuensi curah hujan terdistribusi secara simetris maupun tidak simetris menceng dilakukan analisis kemencengan
skewness Soewarno, 1995.
0.00 100.00
200.00 300.00
400.00 500.00
600.00
Jan -01
Fe b
-0 1
Ap r-
1 M
ay- 01
Ju l-
01 Se
p -0
1 Oc
t- 1
D ec-
01 Fe
b -0
2 Ma
r- 2
M ay-
02 Ju
l- 02
Au g
-0 2
Oc t-
2 D
ec- 02
Jan -03
Ma r-
3 M
ay- 03
Ju n
-03 Au
g -0
3 Se
p -0
3 N
o v-
03 Jan
-04 Fe
b -0
4 Ap
r- 4
Ju n
-04 Ju
l- 04
Se p
-0 4
N o
v- 04
D ec-
04 Fe
b -0
5 Ma
r- 5
M ay-
05 Ju
l- 05
Au g
-0 5
Oc t-
5 D
ec- 05
Cu ra
h Hu
ja n
m m
Hujan Separi Hujan Lempake
Hujan Mr Kayu Hujan Rerata Wilayah
Gambar 20. Curah hujan bulanan tahun 2001 – 2005 di DAS Separi Berdasarkan analisis data selama 5 tahun tahun 2001 – 2005, curah hujan di
DAS Separi memiliki koefisien kemencengan coefficient of skewness yang
sama dengan nol CS = 0,00, kecuali pada bulan Juni, Juli, Agustus, dan
63
September yang masing-masing memiliki nilai koefisien kemencengan sekitar 0,01; 0,01; 0,07; dan 0,01. Hal ini menunjukkan bahwa distribusi curah hujan di
DAS Separi adalah simetris, artinya rata-rata curah hujan tiap bulannya sama dengan nilai mediannya nilai tengah dari distribusi curah hujan.
Berdasarkan Gambar 20, distribusi curah hujan di DAS Separi yang digambarkan oleh tiga stasiun iklim AWS tidak menyebar secara merata atau
memiliki tingkat heterogenitas yang tinggi. Hal ini didukung dari hasil analisis uji berganda uji berpasangan di antara ketiga stasiun iklim yang menunjukkan
bahwa koefisien korelasi r
2
antara ketiga stasiun iklim memiliki nilai yang lebih kecil dari 0,10 dan memiliki kemiringan
slope garis b yang juga lebih kecil dari 0,43 Tabel 10. Teixeira 2005 menyatakan bahwa data curah hujan antar
stasiun hujan memiliki tingkat homogenitas yang tinggi atau curah hujan tersebut terdistribusi secara merata, jika hasil uji berganda di antara stasiun hujan
tersebut memiliki nilai koefisien korelasi r
2
lebih besar atau sama dengan 0,70 r
2
≥ 0,70, dan memiliki nilai kemiringan garis b lebih besar atau sama dengan 0,70 dan atau lebih kecil sama dengan 1,30 0,70
≤ b ≤ 1,30. Tabel 10. Uji berganda curah hujan dari stasiun iklim AWS Separi, Lempake,
dan Marang Kayu antara tahun 2001 – 2005
Keterangan SPI Vs LMP
SPI Vs MKY LMP Vs MKY SPI Vs CHW
LMP Vs CHW MKY Vs CHW r
2
0,06 0,12
0,06 0,97
0,08 0,24
b 0,23
0,29 0,22
1,07 0,33
0,62 r
2
0,09 0,22
0,07 0,98
0,11 0,35
b 0,29
0,42 0,24
1,05 0,36
0,71 r
2
0,10 0,22
0,07 0,98
0,11 0,35
b 0,29
0,42 0,24
1,05 0,36
0,71 Uji Berganda Curah Hujan Mingguan
Uji Berganda Curah Hujan Bulanan Uji Berganda Curah Hujan Harian
Keterangan : SPI = AWS Separi, LMP = AWS Lempake, MKY = AWS Marang Kayu, CHW = curah hujan wilayah, r
2
= koefisien korelasi, dan b = kemiringan garis slope
64
Distribusi curah hujan wilayah yang menyebar secara tidak merata heterogen dari ketiga stasiun iklim tersebut diatas berdampak negatif terhadap
tingkat akurasi dan presisi dalam pendugaan prediksi banjir debit puncak dan waktu menuju debit puncak dan kekeringan di DAS Separi. Dalam pemodelan
hidrologi dengan menggunakan konsep unit hidrograf sesaat IUH sangat dipengaruhi oleh kelengkapan seri data yang baik antara data curah hujan dan
debit Chow, 1964. Menurut beberapa ahli hidrologi bahwa dalam pemodelan banjir diperlukan kelengkapan seri data curah hujan yang baik dari beberapa
stasiun hujan di dalam DAS yang menggambarkan curah hujan wilayah dari DAS tersebut, dan data pengamatan tinggi muka air, serta jenis penggunaan lahan
Dutta et al., 2003; Francois et al., 2003.
Hasil analisis uji berganda menunjukkan bahwa terjadi peningkatan tingkat homogenitas atau keseragaman data curah hujan baik harian maupun
mingguan antara tiga stasiun Iklim Separi, Lempake, dan Marang Kayu dengan stasiun Seleko. Berdasarkan Tabel 11, hubungan data curah hujan harian antara
stasiun Separi, Lempake, dan Marang Kayu dengan stasiun Seleko memiliki nilai koefisien korelasi r
2
dan nilai kemiringan garis b yang masing-masing adalah 0,45 dan 0,72 stasiun Separi dengan Seleko, 0,40 dan 0,34 stasiun Lempake
dengan Seleko, dan 0,25 dan 0,42 stasiun Marang Kayu dengan Seleko. Untuk hubungan data curah hujan mingguan antara stasiun Separi, Lempake, dan
Marang Kayu dengan stasiun Seleko memiliki nilai koefisien korelasi r
2
dan nilai kemiringan garis b yang masing-masing adalah 0,42 dan 0,87 stasiun Separi
dengan Seleko, 0,59 dan 0,39 stasiun Lempake dengan Seleko, dan 0,25 dan 0,55 stasiun Marang Kayu dengan Seleko. Hal ini menunjukkan bahwa curah
hujan yang tercatat di stasiun curah hujan Seleko menggambarkan pola penyebaran curah hujan yang merata di seluruh DAS Separi. Pola penyebaran
curah hujan yang merata di seluruh DAS Separi berdampak positif terhadap
65
peningkatan tingkat akurasi dan presisi dalam pendugaan banjir dan kekeringan. Hal ini didukung dari hasil penelitian Dutta,
et al. 2003 dan Francois, et al. 2003 bahwa penempatan beberapa lokasi stasiun curah hujan secara benar di
DAS dapat meningkatkan tingkat akurasi pola penyebaran curah hujan wilayah, sehingga berdampak positif terhadap meningkatnya tingkat akurasi model
pendugaan debit aliran permukaan banjir. Tabel 11. Uji berganda curah hujan dari stasiun iklim AWS Separi, Lempake,
Marang Kayu, dan Seleko antara tanggal 22 Februari – 17 Mei 2006 Keterangan
SPI Vs LMP SPI Vs MKY LMP Vs MKY SPI Vs SLK
LMP Vs SLK MKY Vs SLK
r
2
0,34 0,17
0,29 0,45
0,40 0,25
b 1,14
0,53 0,35
0,72 0,34
0,42 r
2
0,31 0,54
0,18 0,42
0,59 0,25
b 1,50
0,90 0,19
0,87 0,39
0,55 Uji Berganda Curah Hujan Harian
Uji Berganda Curah Hujan Mingguan
Keterangan : Keterangan : SPI = AWS Separi, LMP = AWS Lempake, MKY = AWS Marang Kayu, SLK = stasiun hujan Seleko, r
2
= koefisien korelasi, dan b = kemiringan garis
slope
5.2. Dampak Alih Fungsi Penggunaan Lahan Terhadap Banjir
Kategori