45
No. Tahun
Curah Hujan Harian Maksimum RH
max
Rmax Patumbak
Polonia Tuntungan
1 2003
108 152
109 113.93
2 2004
82 70
93 90.36
3 2005
112 78
93 91.29
4 2006
40 62
101 96.5
5 2007
161 116
118 117.79
6 2008
113 81
95 93.4
7 2009
50 63
99 94.85
8 2010
98 148
106 110.82
9 2011
82 177
124 130.06
10 2012
103 52
62 60.87
Sumber hasil perhitungan
4.3 Perhitungan Koefisien Pengaliran Sungai Babura
Tabel 4.3 Nilai Koefisien Pengaliran Sungai Babura
No. Jenis Daerah
A Ha C
C x A
1 Air danausitu
1.61 0.15
0.2415 2
Air empang 179.06
0.15 25.509
3 Air rawa
3730.23 0.15
559.5345 4
Air tawar sungai 950.4
0.15 142.56
5 Budidaya lainnya
204.41 0.2
40.882 6
Hutan rimba 15152.87
0.05 757.6435
7 Pasirpasir bukit darat
9.02 0.2
1.804 8
Pasirpasir bukit laut 253.08
0.2 50.616
9 Perkebunankebun
15800.61 0.4
6320.244 10
Pemukiman dan tempat kegiatan 10475.44
0.9 9427.896
11 Sawah
9149.64 0.15
1372.446 12
Semak belukar alang alang 8422.29
0.2 1684.458
13 Tegalanladang
26811.5 0.2
5362.3 TOTAL
95000.16 25746.13
Sumber hasil analisis C
rerata
=
. .
= 0.282517357 = 0.28
46
Dari hasil perhitungan diatas maka nilai koefisien limpasan ini dapat diketahui bahwa 0.28 dari air hujan yang turun akan melimpas ke permukaan yang
kemudian akan mengalir menuju daerah hilir. Nilai koefisien ini juga dapat digunakan untuk menentukan kondisi fisik dari Sungai Babura. Hal ini sesuai
dengan pernyataan Kodoatie dan Syarief 2005, yang menyatakan bahwa angka koefisien aliran permukaan itu merupakan salah satu indikator untuk menentukan
kondisi fisik suatu DAS. Nilai C berkisar antara 0 - 1. Nilai C = 0 menunjukkan bahwa semua air hujan terinterepsi dan terinfiltrasi ke dalam tanah dan sebaliknya
untuk C = 1 menunjukkan bahwa semua air hujan mengalir sebagai aliran permukaan run off. Perubahan tata guna lahan yang terjadi secara langsung
mempengaruhi debit puncak yang terjadi pada suatu DAS.
Lokasi Studi
Gambar 4.2 Peta Rencana Tata Ruang Kota Medan BAPPEDA PEMROVSU,2010
47
4.4 Perhitungan Frekuensi Curah Hujan Kala Ulang
Perhitungan ini dilakukan untuk mendapatkan hasil curah hujan kala ulang dengan bantuan Software Smada. Caranya yaitu dengan memasukkan data curah hujan
regional harian maksimum di bawah ini Tabel 4.4: Tabel 4.4 Tabel Rangking Curah Hujan Regional Maksimum Harian mm
No. Urut
Tahun Rx
1 2011
130.06 2
2007 117.79
3 2003
113.93 4
2010 110.82
5 2006
96.5 6
2009 94.85
7 2008
93.4 8
2005 91.29
9 2004
90.36 10
2012 60.87
Tahapan input data ke dalam Software Smada DISTRIB 2.13 adalah sebagai berikut:
1. Buka Software Smada DISTRIB 2.13 kemudian Continue. 2. Masukan data curah hujan regional harian maksimum pada kolom data
berwarna putih. 3. Kemudian klik pada kolom berwarna biru hingga muncul angka pada
kolom Weibull, Prediction dan standar deviasi.
4. Print, hingga muncul data dan di copykan pada Microsoft Excel, jika sudah dicopy, klik done.
5. Sedangkan untuk melihat grafiknya dapat mengklik 2 kali pada grafik
tersebut, dan jika sudah di copy, klik done. 6. Dengan cara yang sama dapat melihat pada pilihan Select Distribution
48
0,00 20,00
40,00 60,00
80,00 100,00
120,00 140,00
160,00
0,2 0,4
0,6 0,8
1
Pr e
d ic
te d
V a
lu e
Weibull Probability
Metode Gumbel Extremal Type I
Predicted Value Distribution
4.4.1 Metode Distribusi Gumbel
Tabel 4.5: Hasil Perhitungan dengan Metode Gumbel
Gambar 4.3: Grafik Metode Gumbel Point
Weibull Actual
Predicted Standard
D
value
Number Probability
Value Value
Deviation [absAV-PV]
1 0.09
60.87 70.84
7.6181 9.97
2 0.18
90.36 78.10
6.0715 12.26
3 0.27
91.29 83.88
5.2481 7.41
4 0.36
93.4 89.20
4.9866 4.2
5 0.45
94.85 94.51
5.2762 0.34
6 0.55
96.5 100.10
6.0886 3.6
7 0.64
110.82 106.35
7.4005 4.47
8 0.73
113.93 113.80
9.2783 0.13
9 0.82
117.79 123.62
12.0153 5.83
10 0.91
130.06 139.47
16.703 9.41
D
max
12.26
49
4.4.2 Metode Distribusi Log Pearson Tipe III
Tabel 4.6: Hasil Pehitungan Metode Log Pearson Tipe III Point
Weibull Actual
Predicted Standard
D
value
Number Probability
Value Value
Deviation [absAV-PV]
1 0.09
60.87 71.10
13.112 10.23
2 0.18
90.36 83.04
11.654 7.32
3 0.27
91.29 91.01
11.844 0.28
4 0.36
93.4 97.20
11.759 3.80
5 0.45
94.85 102.39
11.053 7.54
6 0.55
96.5 106.94
9.671 10.44
7 0.64
110.82 111.08
7.656 0.26
8 0.73
113.93 114.97
5.516 1.04
9 0.82
117.79 118.72
6.232 0.93
10 0.91
130.06 122.52
13.368 7.54
D
max
10.44
Gambar 4.4: Grafik Metode Log Pearson Tipe III 0,00
20,00 40,00
60,00 80,00
100,00 120,00
140,00
0,2 0,4
0,6 0,8
1
Pr e
d ic
te d
V a
lu e
Weibull Probability
Log Pearson Type III
Predicted Value Distribution
50
4.4.3 Metode Distribusi Normal
Tabel 4.7: Hasil Perhitungan Metode Distribusi Normal Point
Weibull Actual
Predicted Standard
D
value
Number Probability
Value Value
Deviation [absAV-
PV] 1
0.09 60.87
74.36 10.1228
13.490 2
0.18 90.36
82.56 8.1972
7.800 3
0.27 91.29
88.39 7.0893
2.900 4
0.36 93.4
93.3 6.4252
0.100 5
0.45 94.85
97.8 6.1069
2.950 6
0.55 96.5
102.17 6.1069
5.670 7
0.64 110.82
106.67 6.4252
4.150 8
0.73 113.93
111.58 7.0893
2.350 9
0.82 117.79
117.42 8.1972
0.370 10
0.91 130.06
125.61 10.1228
4.450 D
max
13.490
Gambar 4.5: Grafik Metode Distribusi Normal 20
40 60
80 100
120 140
0,2 0,4
0,6 0,8
1
Pr e
d ic
te d
V a
lu e
Weibull Probability
Normal Distribution
Predicted Value Distribution
51
4.4.4 Metode Distribusi Log Normal
Tabel 4.8: Hasil Perhitungan Metode Distribusi Log Normal Point
Weibull Actual
Predicted Standard
D
value
Number Probability
Value Value
Deviation [absAV-PV]
1 0.09
60.87 76.17
6.870 15.30
2 0.18
90.36 82.62
6.089 7.74
3 0.27
91.29 87.54
5.745 3.75
4 0.36
93.4 91.90
5.661 1.50
5 0.45
94.85 96.09
5.784 1.24
6 0.55
96.5 100.35
6.101 3.85
7 0.64
110.82 104.92
6.627 5.90
8 0.73
113.93 110.15
7.411 3.78
9 0.82
117.79 116.71
8.589 1.08
10 0.91
130.06 126.58
10.617 3.48
D
max
15.300
Gambar 4.6: Grafik Metode Distribusi Log Normal 0,00
20,00 40,00
60,00 80,00
100,00 120,00
140,00
0,2 0,4
0,6 0,8
1
Pr e
d ic
te d
V a
lu e
Weibull Probability
Log Normal Distribution
Predicted Value Distribution
52
Tabel 4.9: Resume Perhitungan Frekuensi Curah Hujan Kala Ulang DAS Babura
PERIODE ULANG
CURAH HUJAN
Tahun NORMAL
mm LOG
NORMAL mm
LOG PEARSON T
III mm
GUMBEL mm
100 144.63
152.85 126.13
187.33 50
139.4 145.13
125.69 172.47
25 133.59
137 124.77
157.51 10
124.58 125.3
122.13 137.33
5 116.13
115.24 117.97
121.37 3
108.26 106.59
112.41 108.68
2 99.99
98.2 104.73
97.25
Sumber hasil perhitungan
Gambar 4.7: Grafik Resume Frekuensi Curah Hujan Kala Ulang DAS Babura 100
110 120
130 140
150 160
170 180
190 200
Normal Log Normal
Pearson T III Log Pearson T III
Gumbel
53
Dari grafik dan perhitungan di atas maka dapat disimpulkan bahwa untuk menghitung curah hujan kala ulang digunakan Metode Gumbel karena memiliki
curah hujan yang maksimum Gambar 4.3. Agar data tersebut dapat digunakan maka, perlu di uji kecocokannya dengan menggunakan Metode Smirnov-
Kolmogorof.
4.5 Uji Kecocokan Goodnes of fittest test DAS Babura
Uji kecocokan data curah hujan dengan menggunakan metode Gumbel di ujikan pada Metode Smirnov-Kolmogorof Tabel 4.10:
Tabel 4.10: Uji Distribusi Frekuensi Curah Hujan Kala Ulang DAS Babura
Sumber: Hasil Analisis dan Syarat Metode Smirnov Kolmogorov
Keterangan:
Unt uk n = 10, dengan t ingkat kepercayaan 0.20, D
o
syarat = 32
Uji Distribusi Normal
Log Normal Log Pearson Type III
Gumbel
D
max
hasil uji
13.49 15.30
10.44
12.26 D
o
syarat 32
32 32
32
Hasil korelasi uji Diterima
Diterima Diterima
Diterima
54
4.6 Debit Banjir Rancangan Metode Hidrograf Satuan Sintetik Nakayasu Sungai Babura
