Analisis Mitigasi Banjir di Daerah Aliran Sungai Babura Berbasis Sistem Informasi Geografis (SIG) Chapter III V
BAB III
METODE PENELITIAN
3.1
Lokasi Penelitian
Lokasi penelitian ini berada pada Sungai Babura yang merupakan salah satu anak
sungai dari Sungai Deli (DAS Deli) yang terbentang dari kawasan Sibolangit
(Kabupaten Deli Serdang) hingga Kota Medan dengan luas 98 km2 (BPDAS Wampu
Sei Ular, 2012). Daerah Aliran Sungai Babura terbentang antara 3°25’12.48” 3°35’27.84” Lintang Utara dan 98° 32’37.12” - 98°40’20.18” Bujur Timur. Adapun
batas Sungai Babura adalah:
Sebelah Utara: Kota Medan, Selat Malaka.
Sebelah Timur: Medan.
Sebelah Selatan: Kabupaten Deli Serdang.
Sebelah Barat: Kabupaten Deli Serdang dan Kota Medan.
Gambar 3.1 DAS Babura
Universitas Sumatera Utara
3.2
Metode Penelitian
Jenis metode yang digunakan dalam penelitian ini adalah metode deskriptif.
Sukmadinata (2006) menyatakan bahwa metode deskriptif merupakan sebuah metode
yang berusaha mendeskripsikan, menginterpretasikan sesuatu, misalnya kondisi atau
hubungan yang ada, pendapat yang berkembang, proses yang sedang berlangsung,
akibat atau efek yang terjadi atau tentang kecenderungan yang sedang berlangsung.
Analisis yang digunakan dalam penelitian ini adalah analisis kuantitatif. Analisis
kuantitatif diperlukan dalam menganalisis data curah hujan dan data profil sungai untuk
mengetahui potensi banjir yang terjadi, kemudian akan diinput ke software HEC-RAS
yang memberikan pemodelan berupa tinggi banjir dan dataran banjir yang terjadi.
Selanjutnya output dari HEC-RAS akan digunakan untuk prediksi daerah dan luas
genangan banjir ke dalam SIG dengan menggunakan software ArcGIS. Peta Daerah
Aliran Sungai (DAS), peta Kota Medan, peta infrastruktur dan DEM merupakan hal
yang sangat mendukung dalam melakukan prediksi genangan banjir. Kemudian estimasi
kerugian banjir dilakukan dengan menghitung jumlah penduduk yang terkena dampak
banjir di setiap daerah genangan dan jumlah biaya kerugian yang diakibatkan banjir
menurut periode kala ulang. Setelah itu dilakukan identifikasi untuk menentukan titik
evakuasi dan jalur evakuasi. Diagram alir dari penelitian ini dapat dilihat pada Gambar
3.2.
3.3
Data dan Alat Penelitian
Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data yang
diperoleh dari instansi-instansi yang terkait dalam penelitian ini. Adapun data sekunder
dalam penelitian ini adalah:
1. Data curah hujan bulanan dan harian maksimum tahun 2006 - 2015 yang diperoleh
dari Stasiun Klimatologi Sampali Medan.
2. Data kependudukan Kota Medan diperoleh dari BPS Kota Medan.
3. Peta digital DAS Babura diperoleh dari BPDAS Sei Wampu Ular.
4. Peta digital Kota Medan dan tata guna lahan diperoleh dari BAPPEDA Kota Medan.
III-2
Universitas Sumatera Utara
Mulai
Identifikasi Masalah
Studi Literatur
Pengumpulan Data
Data Tata Guna Lahan
Data Profil Sungai dan
Elevasi Muka Air
Data Curah Hujan
Peta Digital DAS, Administrasi,
dan DEM
Analisis curah hujan
kawasan
Analisis frekuensi curah
hujan periodik
Menghitung koefisien
limpasan
Uji kesesuaian distribusi
Analisis debit banjir
rancangan
Analisisis potensi banjir
dengan HEC-RAS
Prediksi daerah genangan
banjir dengan SIG
Pengestimasian kerugian
akibat banjir
Penentuan titik dan jalur
evakuasi
Selesai
Gambar 3.2 Diagram Alir Penelitian
Universitas Sumatera Utara
5. Data
Digital
Elevation
Model
(DEM)
SRTM
30
m
dari
http://earthexplorer.usgs.gov.
6. Data profil memanjang (Long Section) sungai dan melintang (Cross Section) sungai
serta data elevasi dan kemiringan sungai yang diperoleh dari Balai Wilayah Sungai
Sumatera-II (BWSS-II).
Dalam menganalisis data-data di atas digunakan suatu perangkat alat berupa perangkat
keras (Hardware) dan perangkat lunak (Software) yang dimulai dari pemasukan data
(Input) sampai dengan pencetakan hasil (Output). Dimana perangkat keras (Hardware)
terdiri dari: Komputer, printer, dan alat tulis. Sementara perangkat lunak (Software)
terdiri dari: Microsoft Office 2016, Microsoft Excel 2016, HEC-RAS versi 5.0.1,
ArcGIS versi 10.2, dan Google Earth Pro Versi 7.1.7.2600.
3.4
Analisis Curah Hujan Kawasan
Analisis curah hujan kawasan yang digunakan dalam perhitungan pada tugas akhir ini
hanya menggunakan metode Polygon Thiessen, mengingat lokasi penelitian berada pada
daerah yang tidak seragam (bagian hulu yang mempunyai topografi berupa perbukitan
dan semakin ke hilir bertopografi dataran) akan memberikan hasil yang lebih teliti dari
pada metode aritmatik yang lebih cocok untuk daerah hujan kecil dan metode isohyet
yang cocok untuk daerah pegunungan. Data yang digunakan ialah data curah hujan
harian maksimum dari tiga stasiun pengamatan curah hujan yaitu stasiun Biru-biru,
Balai Besar Meteorologi, Klimatologi dan Geofisika (BBMKG) Wilayah I Medan, serta
Tuntungan dan peta Sungai Babura. Lokasi stasiun-stasiun tersebut ditunjukkan dalam
Gambar 3.3.
3.5
Analisis Frekuensi Curah Hujan Periodik
Dalam analisis frekuensi curah hujan periodik digunakan metode Distribusi Log
Pearson III, Gumbel, Normal dan Log Normal. Dalam penelitian ini dihitung curah
hujan rancangan dengan kala ulang 10, 25, 50, dan 100 tahun.
III-4
Universitas Sumatera Utara
Gambar 3.3 Lokasi Stasiun-Stasiun Pengamatan
3.6
Uji Kesesuaian Distribusi
Setelah mendapatkan hasil perhitungan frekuensi curah hujan menggunakan berbagai
metode distribusi dengan berbagai kala ulang, hasil perhitungan tersebut perlu diuji
untuk diketahui data yang dapat digunakan untuk perhitungan selanjutnya. Uji
kesesuain distribusi yang digunakan dalam tugas akhir ini adalah dengan Metode
Smirnov-Kolmogorof.
3.7
Analisis Debit Banjir Rancangan dengan Metode Hidrograf Satuan
Sintetik Nakayasu
Analisis debit banjir rancangan kala ulang diambil dari data curah hujan kala ulang dan
mengolah data tersebut dengan menggunakan Metode Hidrograf Satuan Sintetik
Nakayasu. Metode Hidrograf Satuan Sintetik Nakayasu adalah metode yang
berdasarkan teori hidrograf satuan yang menggunakan curah hujan efektif (bagian dari
hujan total yang menghasilkan limpasan langsung).
III-5
Universitas Sumatera Utara
3.8
Analisis Potensi Banjir dengan HEC-RAS
Data–data sungai baik itu Long Section, Cross Section maupun kemiringan dan elevasi
sungai kemudian akan diolah dengan debit banjir pada Software Hydrologic
Engineering Center River Analysis System (HEC-RAS) Versi 5.0.1. Output dari hasil
pengolahan data tersebut dapat ditunjukkan dengan simulasi terjadinya potensi banjir
tahunan pada software tersebut. Langkah analisis pemodelan pada Software Hydrologic
Engineering Center River Analysis System (HEC-RAS) Versi 5.0.1 tersebut adalah
sebagai berikut:
1. Buka Software Hydrologic Engineering Center River Analysis System (HEC- RAS)
Versi 5.0.1, hingga muncul tampilan awal;
2. Membuat Model Hidraulik:
a. Membuat project baru;
b. Memasukkan Digital Elevation Model (DEM) dan aliran sungai (stream) dalam
format shape file sebagai dasar untuk menggambar aliran sungai
c. Gambar aliran sungai sesuai dengan gambar dasar yang sudah dimasukkan
sebelumnya kemudian klik dua kali dan tentukan nama sungai
d. Memasukan data profil melintang sungai beserta koefisien manning dan koefisien
ekspansi
e. Memasukan data debit banjir rancangan yang sebelumnya dihitung dengan
Hidrograf Sintetik Nakayasu;
f. Memasukan data aliran sebagai kondisi batas (Steady Flow Data);
g. Save data tersebut.
3. Running dan Save Project dan keluar dari program.
3.9
Prediksi Daerah Genangan Banjir dengan Sistem Informasi Geografis
Setelah mendapatkan hasil analisis potensi banjir berupa pemodelan yang menunjukan
tinggi banjir dan dataran banjir dengan software HEC-RAS, maka dapat ditampilkan
daerah-daerah genangan banjir dan luas areal banjir yang terjadi di sepanjang wilayah
sungai, dengan sistem informasi geografis yang diprediksi menggunakan software
ArcGIS. Untuk mempermudah integrasi antara model hidrolika, hidrologi dan sistem
informasi geografis. Program ini kemudian dapat digunakan sebagai interface dengan
III-6
Universitas Sumatera Utara
perangkat lunak SIG seperti ArcGIS sehingga dapat secara langsung memproses data
spasial yang terdapat dalam SIG ke dalam model tersebut. ArcGIS akan bekerja dengan
memerlukan ekstensi berupa HEC-GeoRAS dalam import data dari HEC-RAS ke dalam
ArcGIS. Adapun langkah penyajian sistem informasi geografis dengan software ArcGIS
antara lain:
1. Memasukkan data-data yang diperlukan dalam penyajiannnya yaitu:
a. Peta digital DAS Babura
b. Peta digital administrasi Kota Medan.
c. Peta digital tata guna lahan Kota Medan.
d. Peta digital infrastruktur Kota Medan.
e. Peta digital sungai dalam kondisi banjir menurut periode ulangnya yang dianalisis
dengan menggunakan software HEC-RAS.
2. Menumpangtindihkan antara peta yang satu dengan yang lain
3. Setelah mendapatkan ketinggian banjir hasilnya dapat ditumpangtindihkan kembali
dengan peta digital Kota Medan untuk mengetahui daerah mana saja yang terkena
banjir dan dapat memberikan informasi jumlah penduduk yang terkena dampak
banjir dan juga dapat memberikan informasi luas wilayah yang terkena banjir.
3.10
Untuk
Pengestimasian Kerugian Akibat Banjir
mengestimasi
kerugian
akibat
banjir,
maka
peta
genangan
dapat
ditumpangtindihkan dengan peta administrasi kemudian dihitung berdasarkan luas
genangan yang terdapat di suatu kelurahan. Kemudian kerugian dapat dihitung
berdasarkan:
1. Jumlah penduduk yang terkena dampak banjir dilihat dari peta kependudukan yang
berada di tiap-tiap kecamatan atau kelurahan yang dilalui oleh sungai.
2. Jumlah rumah yang terkena dampak banjir dilihat dari peta kependudukan yang
berada di tiap-tiap kecamatan atau kelurahan yang dilalui oleh sungai.
3.11
Penetapan Titik Dan Jalur Evakuasi
Dalam menentukan lokasi titik evakuasi, peta genangan ditumpangtindihkan dengan
peta administrasi dan peta infrastruktur. Kemudian dipilih lokasi yang memenuhi
III-7
Universitas Sumatera Utara
standar di setiap kecamatan. Survey lapangan juga diperlukan untuk memastikan apakah
lokasi tersebut cocok untuk dijadikan titik evakuasi.
Setelah titik evakuasi yang memenuhi standar terpilih, maka perlu dibuat rute yang tepat
untuk mencapai titik evakuasi tersebut. Dalam hal ini peta lokasi titik evakuasi
ditumpangtindihkan dengan peta jaringan jalan.
III-8
Universitas Sumatera Utara
BAB IV
HASIL DAN PEMBAHASAN
4.1 Data Curah Hujan
Untuk mendapatkan hasil yang memiliki akurasi tinggi, dibutuhkan ketersediaan data yang
secara kualitas dan kuantitas cukup memadai. Data hujan menggunakan data selama 10 tahun
dari tahun 2006 hingga tahun 2015. Dalam pelaksanaan tugas akhir ini, pengambilan data curah
hujan diperoleh dari Stasiun BBMKG, Tuntungan, dan Biru-biru. Data hujan bulanan dan
harian maksimum masing-masing stasiun ditampilkan pada Tabel 4.1 sampai dengan Tabel 4.3.
Tabel 4.1 Data Curah Hujan Bulanan dan Harian Maksimum Stasiun BBMKG
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Jan
(mm)
Feb
(mm)
Mar
(mm)
Apr
(mm)
Mei
(mm)
Jun
(mm)
Jul
(mm)
Ags
(mm)
Sep
(mm)
Okt
(mm)
Nov
(mm)
Des
(mm)
Maks
(mm)
0
65
85
38
62
53
47
5
74
0
39
81
28
19
29
73
14
64
0
42
61
85
97
70
56
51
32
0
66
63
28
56
54
38
35
60
0
51
79
52
43
56
26
66
46
0
46
18
35
0
27
36
33
33
59
33
67
52
49
56
31
64
46
47
0
62
57
49
46
94
0
59
70
0
79
71
28
71
82
49
57
72
0
39
40
89
100
68
78
98
101
0
61
78
55
92
58
63
107
112
54
39
40
77
40
98
112
29
112
66
85
85
97
100
98
112
107
Sumber: Stasiun Klimatologi Sampali, 2016
Tabel 4.2 Data Curah Hujan Bulanan dan Harian Maksimum Stasiun Tuntungan
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Jan
(mm)
29
36
65
39
78
99
25
69
22
22
Feb
(mm)
159
40
39
62
15
16
26
40
35
23
Mar
(mm)
38
13
42
52
106
128
57
79
51
36
Apr
(mm)
56
31
66
38
25
27
66
54
71
14
Mei
(mm)
56
60
51
69
30
65
51
100
62
162
Jun
(mm)
118
33
46
66
49
80
30
67
51
32
Jul
(mm)
49
45
33
25
32
36
104
50
56
40
Ags
(mm)
38
46
52
25
65
75
64
76
41
65
Sep
(mm)
64
60
83
72
65
78
55
80
81
65
Okt
(mm)
89
219
62
86
50
72
47
140
89
147
Nov
(mm)
97
113
57
87
94
58
46
38
65
109
Des
(mm)
84
113
54
71
57
58
93
90
33
169
Sumber: Stasiun Klimatologi Sampali, 2016
Universitas Sumatera Utara
Maks
(mm)
159
219
83
87
106
128
104
140
89
169
Tabel 4.3 Data Curah Hujan Bulanan dan Harian Maksimum Stasiun Biru-Biru
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Jan
(mm)
129
62
108
67
100
73
0
108
30
78
Feb
(mm)
18
52
38
38
17
26
42
46
24
52
Mar
(mm)
20
35
45
38
64
62
43
53
62
36
Apr
(mm)
40
70
55
59
48
82
50
42
65
48
Mei
(mm)
48
70
94
54
73
83
74
35
55
122
Jun
(mm)
40
52
26
16
24
62
35
50
55
29
Jul
(mm)
84
63
33
0
75
17
111
44
25
27
Ags
(mm)
148
48
60
64
29
41
106
65
72
31
Sep
(mm)
50
61
93
12
62
51
61
104
39
41
Okt
(mm)
64
101
83
100
54
62
47
80
143
39
Nov
(mm)
78
33
64
42
29
65
53
25
21
75
Des
(mm)
61
58
100
51
29
63
42
72
43
98
Maks
(mm)
148
101
108
100
100
83
111
108
143
122
Sumber: Stasiun Klimatologi Sampali, 2016
Berdasarkan data curah hujan yang didapatkan, pada tahun 2006 Stasiun BBMKG tidak
memiliki data curah hujan. Untuk melengkapi data curah hujan yang hilang atau rusak dari
suatu stasiun hujan, maka diperlukan data dari stasiun lain yang memiliki data yang
lengkap. Data curah hujan yang hilang dapat dihitung dengan menggunakan persamaan
berikut:
Di mana:
Rx
�� = {
̅̅̅�̅
�
�
̅̅̅
�
+
̅�̅̅�̅
�
̅̅̅
�
}
= Curah hujan yang hilang
R1 , R2 = Curah hujan dari stasiun lain yang memiliki data yang lengkap
̅�̅̅�̅
= Curah hujan rata-rata dari stasiun yang data curah hujannya hilang
̅̅̅̅, ̅̅̅
�
� = Curah hujan rata-rata dari stasiun lain yang memiliki data yang lengkap
Dari Tabel 4.2, 4.3, dan 4.4 diperoleh data sebagai berikut:
-
Curah hujan Stasiun Tuntungan tahun 2006 (R1) = 159 mm
Curah hujan rata-rata Stasiun Tuntungan ̅̅̅
� = 128 mm
Curah hujan Stasiun Biru-biru tahun 2006 (R2) = 148 mm
̅̅̅ = 112 mm
Curah hujan rata-rata Stasiun Biru-biru �
Curah hujan rata-rata Stasiun BBMKG ̅�̅̅�̅ = 96 mm
Berdasarkan persamaan di atas maka data curah hujan dari Stasiun BBMKG tahun 2006
yaitu:
IV-2
Universitas Sumatera Utara
96
1 96
159) + (
148)}
Rx= {(
112
2 128
Rx =122 mm
Tabel 4.4 Data Curah Hujan Harian Maksimum DAS Babura
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Stasiun BBMKG
(mm)
122
112
66
85
85
97
100
98
112
107
Stasiun Tuntungan
(mm)
159
219
83
87
106
128
104
140
89
169
Stasiun Biru-biru
(mm)
148
101
108
100
100
83
111
108
143
122
Sumber: Stasiun Klimatologi Sampali, 2016
4.2 Analisis Curah Hujan Kawasan
Analisis ini dimaksudkan untuk mengetahui curah hujan rata-rata yang terjadi pada daerah
tangkapan (catchment area). Penentuan luas pengaruh stasiun hujan dipilih dengan Metode
Polygon Thiessen karena kondisi topografi dan jumlah stasiun memenuhi syarat. Stasiun curah
hujan masing-masing dihubungkan untuk memperoleh luas daerah pengaruh dari tiap stasiun.
Di mana masing-masing stasiun mempunyai daerah pengaruh yang dibentuk dengan garis-garis
sumbu tegak lurus terhadap garis penghubung antara dua stasiun. Luas pengaruh stasiun hujan
terhadap DAS Babura ditunjukkan pada Tabel 4.5 dan Gambar 4.1.
Tabel 4.5 Luas Pengaruh Stasiun Hujan Terhadap DAS Babura
Presentase
Luas DAS
(%)
(km2)
BBMKG
51.32
50.24
Tuntungan
14.52
14.21
Biru-biru
34.16
33.44
100
97.89
Nama Stasiun Hujan
Jumlah
Sumber: Hasil Perhitungan, 2016
IV-3
Universitas Sumatera Utara
IV-4
Universitas Sumatera Utara
Curah hujan kawasan diperoleh dengan menggunakan Persamaan 2.2 yaitu:
�
�̅ = ∑ (
�=
�� × ��
)
��
Berikut ini merupakan contoh perhitungan curah hujan kawasan DAS Babura pada tahun
2006:
�̅ =
.
×
+ .
. +
×
+
. + .
Hasil perhitungan dapat dilihat pada Tabel 4.6.
.
×
=
��
Tabel 4.6 Curah Hujan Harian Maksimum Rata-Rata DAS Babura
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Curah Hujan Harian Maksimum (Rmax)
Stasiun BBMKG
Stasiun Tuntungan
Stasiun Biru-biru
(mm)
(mm)
(mm)
122
159
148
112
219
101
66
83
108
85
87
100
85
106
100
97
128
83
100
104
111
98
140
108
112
89
143
107
169
122
Rmax Rata-Rata
(mm)
136
124
83
90
93
97
104
108
119
121
Sumber: Hasil Perhitungan, 2016
4.3 Analisis Frekuensi Curah Hujan Periodik
Dari hasil perhitungan curah hujan rata-rata maksimum dengan Metode Polygon Thiessen
di atas perlu ditentukan kemungkinan terulangnya curah hujan maksimum guna
menentukan debit banjir rencana. Untuk menghitung curah hujan periode ulang tersebut
dapat digunakan beberapa metode yaitu Metode Distribusi Gumbel, Log Pearson Tipe III,
Normal, dan Log Normal. Untuk memiih metode mana yang digunakan maka terlebih
dahulu dihitung parameter statistik secara normal ataupun logaritma dari curah hujan
kawasan.
IV-5
Universitas Sumatera Utara
4.3.1 Perhitungan Parameter Statistik
Parameter statistik sebaran normal dapat dilihat pada Tabel 4.7.
Tabel 4.7 Parameter Statistik Sebaran Normal DAS Babura
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Total
Rerata
̅
Xi - �
29
17
-25
-18
-15
-11
-4
1
12
14
0
0
Xi
136
124
83
90
93
97
104
108
119
121
1075
107.50
̅ )2
(Xi - �
812
272
600
306
210
110
12
0
132
182
2638.5
263.85
̅ )3
(Xi - �
23149
4492
-14706
-5359
-3049
-1158
-43
0
1521
2460
7308
730.80
̅ )4
(Xi - �
659750
74120
360300
93789
44205
12155
150
0
17490
33215
1295174.625
129,517.46
Sumber: Hasil Perhitungan, 2016
Dari Tabel 4.7 dapat dilihat nilai parameter statistik sebaran normal untuk DAS Babura
sehingga dapat dihitung nilai standar deviasi, koefisien varian, koefisien kemencengan,
dan koefisien kurtosis.
Standar deviasi
1
1
∑n Xi -X 2 2
2638.5 2
] =[
] = 17.122
S= [ i=1
n-1
9
Koefisien varian
Cv=
S 17.122
=
=0.16
X 107.50
Koefisien kemencengan
n ∑ni=1 Xi -X
3
10(7308)
]
[
] =0.20221
Cs= [
=
(n-1)(n-2)(S)3
(9)(8)(17.122)3
Koefisien kurtosis
n2 ∑ni=1 Xi -X 4
100(1295174.625)
] =2.99
Ck= [
4] = [
(n-1)(n-2)(n-3)(S)
(9)(8)(7)(17.122)4
Selanjutnya dihitung parameter statistik sebaran logaritma yang dapat dilihat pada Tabel
4.8.
IV-6
Universitas Sumatera Utara
Tabel 4.8 Parameter Statistik Sebaran Logaritma DAS Babura
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Total
Rerata
Xi
136
124
83
90
93
97
104
108
119
121
1075
107.50
logXi
2.1335389
2.0934217
1.9190781
1.9542425
1.9684829
1.9867717
2.0170333
2.0334238
2.0755470
2.0827854
20.2643253
2.02643253
logX
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
logXi - logX
0.1071064
0.0669892
-0.1073544
-0.0721900
-0.0579496
-0.0396608
-0.0093992
0.0069913
0.0491145
0.0563529
0.0000003
0
(logXi - logX)2
0.0115
0.0045
0.0115
0.0052
0.0034
0.0016
0.0001
0.0000
0.0024
0.0032
0.0434
0.004335192
(logXi - logX)3
0.001229
0.000301
-0.001237
-0.000376
-0.000195
-0.000062
-0.000001
0.000000
0.000118
0.000179
-0.000044
-0.00000442
(logXi - logX)4
0.00013160
0.00002014
0.00013282
0.00002716
0.00001128
0.00000247
0.00000001
0.00000000
0.00000582
0.00001008
0.000341
0.00003414
Sumber: Hasil Perhitungan, 2016
Dari Tabel 4.8 dapat dilihat nilai parameter statistik sebaran logaritma untuk DAS Babura
sehingga dapat dihitung nilai standar deviasi, koefisien varian, koefisien kemencengan,
dan koefisien kurtosis.
Standar deviasi
S= [
Koefisien varian
1
2 2
n
∑i=1(logXi -logX)
n-1
Cv =
1
0.0434 2
] =[
] = 0.0694
9
S
0.0694
=
=0.03
logX 2.02643
Koefisien kemencengan
Cs= [
n ∑ni=1(logXi -logX)
(n-1)(n-2)(S)
3
3
Koefisien kurtosis
Ck= [
n2 ∑ni=1(logXi -logX)
10(0.000044)
] =[
] =-0.1836
(9)(8)(0.0694)3
4
100(0.000341)
] =[
] =2.92
(9)(8)(7)(0.0694)4
(n-1)(n-2)(n-3)(S)
4
Rekapitulasi hasil pengukuran dispersi parameter statistik normal dan logaritma dapat
dilihat pada Tabel 4.9.
Untuk menentukan metode distribusi yang akan digunakan, maka parameter-parameter
yang telah dihitung tadi dibandingkan dengan syarat penggunaan suatu metode distribusi
yang ditunjukkan oleh Tabel 4.10.
IV-7
Universitas Sumatera Utara
Tabel 4.9 Rekapitulasi Hasil Pengukuran Dispersi
Dispersi
Parameter Statistik
Parameter Statistik Logaritma
S
17.122
0.0694
Cv
0.16
0.03
Cs
0.20221
-0.1836
Ck
2.99
2.92
Sumber: Hasil Perhitungan, 2016
Tabel 4.10 Syarat Penggunaan Jenis Sebaran
Jenis Distribusi
Gumbel
Normal
Log Normal
Log Person Tipe III
Syarat
Ck ≤ 5.4002
Cs ≤ 1.139
Ck = 3
Cs = 0
Cs = 3 Cv
Cv = 0.6
Cs < 0
Cv = 0.3
Hasil Perhitungan
Ck = 2.99
Ck = 3.01
Cs = 0.20221
Cs = 0.2862
Ck = 2.99
Ck = 3.01
Cs = 0.20221
Cs = 0.2862
Cs = -0.08136 Cs = 0.00897
Cv = 0.04
Cv = 0.04
Cs = -0.08136
Cs = 0.00897
Cv = 0.04
Cv = 0.04
Keterangan
Memenuhi
Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Sumber: Dirgantarri, 2006
Berdasarkan Tabel 4.10 dapat ditarik kesimpulan bahwa Metode Distribusi Normal, Log
Normal, dan Log Pearson Tipe III tidak memenuhi syarat penggunaan jenis sebaran.
Sehingga perhitungan curah hujan rancangan selanjutnya dihitung dengan menggunakan
Metode Distribusi Gumbel.
4.3.2 Perhitungan Curah Hujan Rancangan Metode Distribusi Gumbel
Distribusi Gumbel dapat dihitung dengan persamaan 2.5 yaitu:
̅ +S(
XT = X
YTr − Yn
)
Sn
Nilai YTR, Sn, dan Yn berturut-turut diperoleh dari Tabel 2.3, 2.4, dan 2.5. Sedangkan nilai
S telah dihitung sebelumnya pasa sub bab 4.3.1.
Selanjutnya dapat dihitung curah hujan periodik dengan Distribusi Gumbel menggunakan
Persamaan 2.5. Berikut ini merupakan contoh perhitungan curah hujan dengan periode
ulang 10 tahun:
̅ = 107.5; untuk periode ulang 10 tahun dari Tabel 2.3
Dari Tabel 4.7 diperoleh nilai X
diperoleh nilai YTR = 2.251 ; untuk jumlah sampel 10 dari Tabel 2.4 diperoleh nilai S n =
0.94 ; untuk jumlah sampel 10 dari Tabel 2.5 diperoleh nilai Yn = 0.4952
IV-8
Universitas Sumatera Utara
�
=
. +
(
.
.
− .
.
)=
.
Hasil perhitungan curah hujan periode ulang (XT) lainnya dapat dilihat pada Tabel 4.11.
Tabel 4.11
Curah Hujan Periode Ulang (XT) Metode Distribusi Gumbel DAS Babura
Periode
5
10
25
50
100
̅
�
107.5
107.5
107.5
107.5
107.5
S
17.122
17.122
17.122
17.122
17.122
Sn
0.94
0.94
0.94
0.94
0.94
Yn
0.4952
0.4952
0.4952
0.4952
0.4952
YTR
1.5004
2.251
2.9709
3.9028
4.6012
XT
125.81
139.48
152.59
169.57
182.29
Sumber: Hasil Perhitungan, 2016
4.4 Uji Kesesuaian Distribusi
Uji kesesuaian distribusi ini dimaksudkan untuk mengetahui suatu kebenaran hipotesa
distribusi frekuensi. Curah hujan rancangan dengan Metode Distribusi Gumbel yang
sudah diperoleh diuji kesesuaiannya dengan Uji Kolmogrov-Smirnov. Adapun hasil
perhitungannya ditunjukkan oleh Tabel 4.12.
Tabel 4.12
Perhitungan Uji Kolmogrov-Smirnov dari Distribusi Gumbel DAS Babura
T
5
10
25
50
100
XT
125.81
139.48
152.59
169.57
182.29
M
1
2
3
4
5
P(x)
0.20
0.40
0.60
0.80
1.00
̅)/S
(XT-�
-1.47
-0.90
-0.35
0.36
0.89
P'(x)
0.0708
0.1841
0.3632
0.6406
0.8133
∆P
0.1292
0.2159
0.2368
0.1594
0.1867
Sumber: Hasil Perhitungan, 2016
Langkah selanjutnya adalah membandingkan hasil uji distribusi dengan ∆P kritis yang
diperoleh dari Tabel 2.8. Dari Tabel tersebut, untuk α = 0.05 dan n = 5 maka nilai ∆P
kritis = 0.56. Perbandingan hasil uji kesesuaian distribusi dengan nilai ∆P kritis
ditunjukkan oleh Tabel 4.13.
Tabel 4.13 Uji Kesesuaian Kolmogrov-Smirnov
Uji Distribusi
∆P hasil uji
∆P kritis
Hasil korelasi uji
DAS Babura
0.2368
0.56
Diterima
Sumber: Hasil Perhitungan, 2016
IV-9
Universitas Sumatera Utara
Berdasarkan Tabel 4.13 dapat diambil kesimpulan bahwa ∆P < ∆P kritis sehingga
hipotesa penggunaan Metode Distribusi Gumbel diterima.
4.5 Analisis Debit Banjir Rancangan
Pada tugas akhir ini perkiraan debit banjir yang dirancang untuk berbagai periode ulang
dihitung menggunakan Metode Hidograf Satuan Sintetik (HSS) Nakayasu Penggunaan
metode ini, memerlukan beberapa karakteristik parameter daerah alirannya, seperti:
Koefisien limpasan
Distribusi Curah Hujan Rancangan
Tenggang waktu dari permulaan hujan sampai puncak hidrograf
Tenggang waktu dari titik berat hujan sampai titik berat hidrograf
Tenggang waktu hidrograf
Luas daerah aliran sungai
Panjang alur sungai utama terpanjang
4.5.1 Perhitungan Koefisien Limpasan
Koefisien limpasan dihitung berdasarkan peta tata guna lahan yang mana dalam tugas
akhir ini ditunjukkan oleh Gambar 4.3.
Dari Gambar 4.3 dapat dilihat bahwa pertanian lahan kering merupakan penggunaan
lahan yang paling besar di DAS Babura yaitu 27% dari luas DAS Babura. Pertanian lahan
kering adalah lahan yang dapat digunakan untuk usaha pertanian dengan menggunakan
air secara terbatas dan biasanya hanya mengharapkan dari curah hujan. Penggunaan lahan
terbesar kedua yaitu perkebunan seluas 22% dari luas DAS Babura. Perkebunan ini terdiri
dari perkebunan milik negara, swasta, ataupun milik pribadi masyarakat. Selanjutnya
yaitu pemukiman yang memiliki luas 21% dari luas DAS Babura. Tegalan atau lahan
kering yang ditanami dengan tanaman musiman atau tahunan, memiliki luas 19% dari
luas DAS Babura. Lahan terbuka atau lahan kosong yang belum mempunyai fungsi
tertentu memiliki luas 6% dari luas DAS Babura. Sedangkan sawah dan bandara memiliki
luas masing-masing 4% dan 1% dari luas DAS Babura.
IV-10
Universitas Sumatera Utara
IV-11
Universitas Sumatera Utara
Tabel 4.14 Koefisien Limpasan DAS Babura
Jenis Lahan
Pertanian Lahan Kering
Lahan Terbuka
Pemukiman
Tegalan
Perkebunan
Sawah
Bandara
C
0.1
0.2
0.75
0.2
0.4
0.15
0.9
Total
Luas (A)
26.34
5.92
20.10
18.24
21.83
4.29
1.28
A*C
2.63
1.18
15.08
3.65
8.73
0.64
1.15
98.00
31.92
Sumber: Analisis Citra Satelit dan Perhitungan, 2016
Dari Tabel 4.14 diperoleh koefisien limpasan pada DAS Babura sebagai berikut:
∑��= �� × ��
=
C=
∑��= ��
.
= .
Dari hasil perhitungan di atas, DAS Babura memiliki koefisien limpasan sebesar 0.3. Hal
ini menunjukkan bahwa 30% dari air hujan yang turun tidak terserap oleh tanah. Atau
dengan kata lain 70% dari air hujan yang turun terserap oleh tanah. Kodoatie dan Syarief
(2005), 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). Dengan koefisien limpasan 0.3 kondisi fisik DAS Babura dapat
dikatakan cukup bagus.
4.5.2 Distribusi Curah Hujan Rancangan
Untuk memperkirakan hidrograf banjir rancangan dengan cara hidrograf satuan (unit
hydrograph) perlu diketahui dahulu sebaran hujan jam-jaman dengan suatu interval
tertentu. Dalam studi ini perhitungan pola distribusi hujan menggunakan persamaan
berikut :
2
R24 t 3
( )
RT =
t T
Kemudian menghitung nisbah jam-jaman dengan persamaan :
Rt = t RT- T-1 RT-1
IV-12
Universitas Sumatera Utara
Dimana t merupakan waktu hujan jam-jaman yaitu dalam perhitungan ini dipakai 6 jam
dan T merupakan waktu setiap jam yang akan dihitung sehingga diperoleh hasil yang
ditunjukkan oleh Tabel 4.15.
Tabel 4.15 Distribusi Curah Hujan Rancangan DAS Babura
Periode
Ulang
10
25
50
100
Hujan
Rancangan
139.48
152.59
169.57
182.29
1
0.55
0.55
0.55
0.55
Rasio Nisbah Jam Ke2
3
4
5
0.14 0.1 0.08 0.07
0.14 0.1 0.08 0.07
0.14 0.1 0.08 0.07
0.14 0.1 0.08 0.07
6
0.06
0.06
0.06
0.06
Distribusi Curah Hujan Jam Ke1
2
3
4
5
76.714 19.527 13.948 11.158 9.764
83.925 21.363 15.259 12.207 10.681
93.264 23.740 16.957 13.566 11.870
100.260 25.521 18.229 14.583 12.760
Sumber: Hasil Perhitungan, 2016
4.5.3 Perhitungan Debit Banjir Metode Hidograf Satuan Sintetis Nakayasu
Parameter HSS Nakayasu DAS Babura
Luas DAS (A)
= 98 km2
Panjang Sungai Utama (L) = 36 km
Parameter Alfa (α)
= 2 (daerah pengaliran biasa)
Koefisien Pengaliran (C) = 0,33
R0
= 1 mm
Parameter Bentuk Hidrograf
Menghitung waktu antara hujan sampai debit puncak banjir (tg)
tg = 0.4 + 0.058 L = 0.4 + 0.058 (36)
= 2.49 jam
Menghitung waktu untuk mencapai puncak (tp)
tr = 0.75 × tg = 0.75 × 2.49 = 1.87 jam
tp = tg + (0.8 × tr) = 2.49 + (0.8 × 1.87) = 4.00
jam
Menghitung besarnya t0.3
t0.3 = α × tg = 2 × 2.49 = 5.00 jam
1.5 × t0.3
= 1.5 × 5.00 = 7.50 jam
2 × t0.3
= 2 × 5.00 = 10.00 jam
IV-13
Universitas Sumatera Utara
6
8.369
9.155
10.174
10.937
Menghitung debit maksimum hidrograf satuan
Qp =
A x R0 x C
3.6(0.3 tp + t0.3
98 x 1 x 0.33
= 3.6(0.3 x 4.00+ 5.00) =1.45m3/dt
)
Menghitung besarnya Base Flow (Qb)
Qb = (0.5 × Qp) = 0.5 × 1.45 = 0.725 m3/dt
Menghitung lengkung hidograf
Bagian lengkung naik 0 < t < tp → 0 < t < 4.00
t
Q= Qp x (t )
2,4
p
Bagian lengkung turun tp < t ≤ (tp+ t0.3) → (4.00 < t ≤ 9.00)
t - tp
Q= Qp x 0,3 t0,3
Bagian lengkung turun (tp+ t0.3) < t ≤ (tp+ t0.3+ 1.5t0.3) → (9.18 < t ≤ 16.5)
t - tp + 0,5 x t0,3
Q= Qp x 0,3
1,5 x t0,3
Bagian lengkung turun t > (tp+ t0.3+ 1.5t0.3) → (t > 16.5)
t - tp + 1,5 x t0,3
Q= Qp x 0,3
2 x t0,3
Langkah selanjutnya adalah menentukan nilai Q masing-masing bagian lengkung
hidograf untuk menentukan debit banjir hidograf, dimana hasil perhitungannya
ditunjukkan oleh Tabel 4.16. Sehingga diperoleh debit banjir rancangan yang ditunjukkan
oleh Tabel 4.17 sampai Tabel 4.20.
IV-14
Universitas Sumatera Utara
Tabel 4.16 Perhitungan Unit Hidograf DAS Babura
Waktu
t (jam)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
16.5
17
18
19
20
21
22
23
24
Lengkung Naik
0
METODE PENELITIAN
3.1
Lokasi Penelitian
Lokasi penelitian ini berada pada Sungai Babura yang merupakan salah satu anak
sungai dari Sungai Deli (DAS Deli) yang terbentang dari kawasan Sibolangit
(Kabupaten Deli Serdang) hingga Kota Medan dengan luas 98 km2 (BPDAS Wampu
Sei Ular, 2012). Daerah Aliran Sungai Babura terbentang antara 3°25’12.48” 3°35’27.84” Lintang Utara dan 98° 32’37.12” - 98°40’20.18” Bujur Timur. Adapun
batas Sungai Babura adalah:
Sebelah Utara: Kota Medan, Selat Malaka.
Sebelah Timur: Medan.
Sebelah Selatan: Kabupaten Deli Serdang.
Sebelah Barat: Kabupaten Deli Serdang dan Kota Medan.
Gambar 3.1 DAS Babura
Universitas Sumatera Utara
3.2
Metode Penelitian
Jenis metode yang digunakan dalam penelitian ini adalah metode deskriptif.
Sukmadinata (2006) menyatakan bahwa metode deskriptif merupakan sebuah metode
yang berusaha mendeskripsikan, menginterpretasikan sesuatu, misalnya kondisi atau
hubungan yang ada, pendapat yang berkembang, proses yang sedang berlangsung,
akibat atau efek yang terjadi atau tentang kecenderungan yang sedang berlangsung.
Analisis yang digunakan dalam penelitian ini adalah analisis kuantitatif. Analisis
kuantitatif diperlukan dalam menganalisis data curah hujan dan data profil sungai untuk
mengetahui potensi banjir yang terjadi, kemudian akan diinput ke software HEC-RAS
yang memberikan pemodelan berupa tinggi banjir dan dataran banjir yang terjadi.
Selanjutnya output dari HEC-RAS akan digunakan untuk prediksi daerah dan luas
genangan banjir ke dalam SIG dengan menggunakan software ArcGIS. Peta Daerah
Aliran Sungai (DAS), peta Kota Medan, peta infrastruktur dan DEM merupakan hal
yang sangat mendukung dalam melakukan prediksi genangan banjir. Kemudian estimasi
kerugian banjir dilakukan dengan menghitung jumlah penduduk yang terkena dampak
banjir di setiap daerah genangan dan jumlah biaya kerugian yang diakibatkan banjir
menurut periode kala ulang. Setelah itu dilakukan identifikasi untuk menentukan titik
evakuasi dan jalur evakuasi. Diagram alir dari penelitian ini dapat dilihat pada Gambar
3.2.
3.3
Data dan Alat Penelitian
Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data yang
diperoleh dari instansi-instansi yang terkait dalam penelitian ini. Adapun data sekunder
dalam penelitian ini adalah:
1. Data curah hujan bulanan dan harian maksimum tahun 2006 - 2015 yang diperoleh
dari Stasiun Klimatologi Sampali Medan.
2. Data kependudukan Kota Medan diperoleh dari BPS Kota Medan.
3. Peta digital DAS Babura diperoleh dari BPDAS Sei Wampu Ular.
4. Peta digital Kota Medan dan tata guna lahan diperoleh dari BAPPEDA Kota Medan.
III-2
Universitas Sumatera Utara
Mulai
Identifikasi Masalah
Studi Literatur
Pengumpulan Data
Data Tata Guna Lahan
Data Profil Sungai dan
Elevasi Muka Air
Data Curah Hujan
Peta Digital DAS, Administrasi,
dan DEM
Analisis curah hujan
kawasan
Analisis frekuensi curah
hujan periodik
Menghitung koefisien
limpasan
Uji kesesuaian distribusi
Analisis debit banjir
rancangan
Analisisis potensi banjir
dengan HEC-RAS
Prediksi daerah genangan
banjir dengan SIG
Pengestimasian kerugian
akibat banjir
Penentuan titik dan jalur
evakuasi
Selesai
Gambar 3.2 Diagram Alir Penelitian
Universitas Sumatera Utara
5. Data
Digital
Elevation
Model
(DEM)
SRTM
30
m
dari
http://earthexplorer.usgs.gov.
6. Data profil memanjang (Long Section) sungai dan melintang (Cross Section) sungai
serta data elevasi dan kemiringan sungai yang diperoleh dari Balai Wilayah Sungai
Sumatera-II (BWSS-II).
Dalam menganalisis data-data di atas digunakan suatu perangkat alat berupa perangkat
keras (Hardware) dan perangkat lunak (Software) yang dimulai dari pemasukan data
(Input) sampai dengan pencetakan hasil (Output). Dimana perangkat keras (Hardware)
terdiri dari: Komputer, printer, dan alat tulis. Sementara perangkat lunak (Software)
terdiri dari: Microsoft Office 2016, Microsoft Excel 2016, HEC-RAS versi 5.0.1,
ArcGIS versi 10.2, dan Google Earth Pro Versi 7.1.7.2600.
3.4
Analisis Curah Hujan Kawasan
Analisis curah hujan kawasan yang digunakan dalam perhitungan pada tugas akhir ini
hanya menggunakan metode Polygon Thiessen, mengingat lokasi penelitian berada pada
daerah yang tidak seragam (bagian hulu yang mempunyai topografi berupa perbukitan
dan semakin ke hilir bertopografi dataran) akan memberikan hasil yang lebih teliti dari
pada metode aritmatik yang lebih cocok untuk daerah hujan kecil dan metode isohyet
yang cocok untuk daerah pegunungan. Data yang digunakan ialah data curah hujan
harian maksimum dari tiga stasiun pengamatan curah hujan yaitu stasiun Biru-biru,
Balai Besar Meteorologi, Klimatologi dan Geofisika (BBMKG) Wilayah I Medan, serta
Tuntungan dan peta Sungai Babura. Lokasi stasiun-stasiun tersebut ditunjukkan dalam
Gambar 3.3.
3.5
Analisis Frekuensi Curah Hujan Periodik
Dalam analisis frekuensi curah hujan periodik digunakan metode Distribusi Log
Pearson III, Gumbel, Normal dan Log Normal. Dalam penelitian ini dihitung curah
hujan rancangan dengan kala ulang 10, 25, 50, dan 100 tahun.
III-4
Universitas Sumatera Utara
Gambar 3.3 Lokasi Stasiun-Stasiun Pengamatan
3.6
Uji Kesesuaian Distribusi
Setelah mendapatkan hasil perhitungan frekuensi curah hujan menggunakan berbagai
metode distribusi dengan berbagai kala ulang, hasil perhitungan tersebut perlu diuji
untuk diketahui data yang dapat digunakan untuk perhitungan selanjutnya. Uji
kesesuain distribusi yang digunakan dalam tugas akhir ini adalah dengan Metode
Smirnov-Kolmogorof.
3.7
Analisis Debit Banjir Rancangan dengan Metode Hidrograf Satuan
Sintetik Nakayasu
Analisis debit banjir rancangan kala ulang diambil dari data curah hujan kala ulang dan
mengolah data tersebut dengan menggunakan Metode Hidrograf Satuan Sintetik
Nakayasu. Metode Hidrograf Satuan Sintetik Nakayasu adalah metode yang
berdasarkan teori hidrograf satuan yang menggunakan curah hujan efektif (bagian dari
hujan total yang menghasilkan limpasan langsung).
III-5
Universitas Sumatera Utara
3.8
Analisis Potensi Banjir dengan HEC-RAS
Data–data sungai baik itu Long Section, Cross Section maupun kemiringan dan elevasi
sungai kemudian akan diolah dengan debit banjir pada Software Hydrologic
Engineering Center River Analysis System (HEC-RAS) Versi 5.0.1. Output dari hasil
pengolahan data tersebut dapat ditunjukkan dengan simulasi terjadinya potensi banjir
tahunan pada software tersebut. Langkah analisis pemodelan pada Software Hydrologic
Engineering Center River Analysis System (HEC-RAS) Versi 5.0.1 tersebut adalah
sebagai berikut:
1. Buka Software Hydrologic Engineering Center River Analysis System (HEC- RAS)
Versi 5.0.1, hingga muncul tampilan awal;
2. Membuat Model Hidraulik:
a. Membuat project baru;
b. Memasukkan Digital Elevation Model (DEM) dan aliran sungai (stream) dalam
format shape file sebagai dasar untuk menggambar aliran sungai
c. Gambar aliran sungai sesuai dengan gambar dasar yang sudah dimasukkan
sebelumnya kemudian klik dua kali dan tentukan nama sungai
d. Memasukan data profil melintang sungai beserta koefisien manning dan koefisien
ekspansi
e. Memasukan data debit banjir rancangan yang sebelumnya dihitung dengan
Hidrograf Sintetik Nakayasu;
f. Memasukan data aliran sebagai kondisi batas (Steady Flow Data);
g. Save data tersebut.
3. Running dan Save Project dan keluar dari program.
3.9
Prediksi Daerah Genangan Banjir dengan Sistem Informasi Geografis
Setelah mendapatkan hasil analisis potensi banjir berupa pemodelan yang menunjukan
tinggi banjir dan dataran banjir dengan software HEC-RAS, maka dapat ditampilkan
daerah-daerah genangan banjir dan luas areal banjir yang terjadi di sepanjang wilayah
sungai, dengan sistem informasi geografis yang diprediksi menggunakan software
ArcGIS. Untuk mempermudah integrasi antara model hidrolika, hidrologi dan sistem
informasi geografis. Program ini kemudian dapat digunakan sebagai interface dengan
III-6
Universitas Sumatera Utara
perangkat lunak SIG seperti ArcGIS sehingga dapat secara langsung memproses data
spasial yang terdapat dalam SIG ke dalam model tersebut. ArcGIS akan bekerja dengan
memerlukan ekstensi berupa HEC-GeoRAS dalam import data dari HEC-RAS ke dalam
ArcGIS. Adapun langkah penyajian sistem informasi geografis dengan software ArcGIS
antara lain:
1. Memasukkan data-data yang diperlukan dalam penyajiannnya yaitu:
a. Peta digital DAS Babura
b. Peta digital administrasi Kota Medan.
c. Peta digital tata guna lahan Kota Medan.
d. Peta digital infrastruktur Kota Medan.
e. Peta digital sungai dalam kondisi banjir menurut periode ulangnya yang dianalisis
dengan menggunakan software HEC-RAS.
2. Menumpangtindihkan antara peta yang satu dengan yang lain
3. Setelah mendapatkan ketinggian banjir hasilnya dapat ditumpangtindihkan kembali
dengan peta digital Kota Medan untuk mengetahui daerah mana saja yang terkena
banjir dan dapat memberikan informasi jumlah penduduk yang terkena dampak
banjir dan juga dapat memberikan informasi luas wilayah yang terkena banjir.
3.10
Untuk
Pengestimasian Kerugian Akibat Banjir
mengestimasi
kerugian
akibat
banjir,
maka
peta
genangan
dapat
ditumpangtindihkan dengan peta administrasi kemudian dihitung berdasarkan luas
genangan yang terdapat di suatu kelurahan. Kemudian kerugian dapat dihitung
berdasarkan:
1. Jumlah penduduk yang terkena dampak banjir dilihat dari peta kependudukan yang
berada di tiap-tiap kecamatan atau kelurahan yang dilalui oleh sungai.
2. Jumlah rumah yang terkena dampak banjir dilihat dari peta kependudukan yang
berada di tiap-tiap kecamatan atau kelurahan yang dilalui oleh sungai.
3.11
Penetapan Titik Dan Jalur Evakuasi
Dalam menentukan lokasi titik evakuasi, peta genangan ditumpangtindihkan dengan
peta administrasi dan peta infrastruktur. Kemudian dipilih lokasi yang memenuhi
III-7
Universitas Sumatera Utara
standar di setiap kecamatan. Survey lapangan juga diperlukan untuk memastikan apakah
lokasi tersebut cocok untuk dijadikan titik evakuasi.
Setelah titik evakuasi yang memenuhi standar terpilih, maka perlu dibuat rute yang tepat
untuk mencapai titik evakuasi tersebut. Dalam hal ini peta lokasi titik evakuasi
ditumpangtindihkan dengan peta jaringan jalan.
III-8
Universitas Sumatera Utara
BAB IV
HASIL DAN PEMBAHASAN
4.1 Data Curah Hujan
Untuk mendapatkan hasil yang memiliki akurasi tinggi, dibutuhkan ketersediaan data yang
secara kualitas dan kuantitas cukup memadai. Data hujan menggunakan data selama 10 tahun
dari tahun 2006 hingga tahun 2015. Dalam pelaksanaan tugas akhir ini, pengambilan data curah
hujan diperoleh dari Stasiun BBMKG, Tuntungan, dan Biru-biru. Data hujan bulanan dan
harian maksimum masing-masing stasiun ditampilkan pada Tabel 4.1 sampai dengan Tabel 4.3.
Tabel 4.1 Data Curah Hujan Bulanan dan Harian Maksimum Stasiun BBMKG
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Jan
(mm)
Feb
(mm)
Mar
(mm)
Apr
(mm)
Mei
(mm)
Jun
(mm)
Jul
(mm)
Ags
(mm)
Sep
(mm)
Okt
(mm)
Nov
(mm)
Des
(mm)
Maks
(mm)
0
65
85
38
62
53
47
5
74
0
39
81
28
19
29
73
14
64
0
42
61
85
97
70
56
51
32
0
66
63
28
56
54
38
35
60
0
51
79
52
43
56
26
66
46
0
46
18
35
0
27
36
33
33
59
33
67
52
49
56
31
64
46
47
0
62
57
49
46
94
0
59
70
0
79
71
28
71
82
49
57
72
0
39
40
89
100
68
78
98
101
0
61
78
55
92
58
63
107
112
54
39
40
77
40
98
112
29
112
66
85
85
97
100
98
112
107
Sumber: Stasiun Klimatologi Sampali, 2016
Tabel 4.2 Data Curah Hujan Bulanan dan Harian Maksimum Stasiun Tuntungan
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Jan
(mm)
29
36
65
39
78
99
25
69
22
22
Feb
(mm)
159
40
39
62
15
16
26
40
35
23
Mar
(mm)
38
13
42
52
106
128
57
79
51
36
Apr
(mm)
56
31
66
38
25
27
66
54
71
14
Mei
(mm)
56
60
51
69
30
65
51
100
62
162
Jun
(mm)
118
33
46
66
49
80
30
67
51
32
Jul
(mm)
49
45
33
25
32
36
104
50
56
40
Ags
(mm)
38
46
52
25
65
75
64
76
41
65
Sep
(mm)
64
60
83
72
65
78
55
80
81
65
Okt
(mm)
89
219
62
86
50
72
47
140
89
147
Nov
(mm)
97
113
57
87
94
58
46
38
65
109
Des
(mm)
84
113
54
71
57
58
93
90
33
169
Sumber: Stasiun Klimatologi Sampali, 2016
Universitas Sumatera Utara
Maks
(mm)
159
219
83
87
106
128
104
140
89
169
Tabel 4.3 Data Curah Hujan Bulanan dan Harian Maksimum Stasiun Biru-Biru
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Jan
(mm)
129
62
108
67
100
73
0
108
30
78
Feb
(mm)
18
52
38
38
17
26
42
46
24
52
Mar
(mm)
20
35
45
38
64
62
43
53
62
36
Apr
(mm)
40
70
55
59
48
82
50
42
65
48
Mei
(mm)
48
70
94
54
73
83
74
35
55
122
Jun
(mm)
40
52
26
16
24
62
35
50
55
29
Jul
(mm)
84
63
33
0
75
17
111
44
25
27
Ags
(mm)
148
48
60
64
29
41
106
65
72
31
Sep
(mm)
50
61
93
12
62
51
61
104
39
41
Okt
(mm)
64
101
83
100
54
62
47
80
143
39
Nov
(mm)
78
33
64
42
29
65
53
25
21
75
Des
(mm)
61
58
100
51
29
63
42
72
43
98
Maks
(mm)
148
101
108
100
100
83
111
108
143
122
Sumber: Stasiun Klimatologi Sampali, 2016
Berdasarkan data curah hujan yang didapatkan, pada tahun 2006 Stasiun BBMKG tidak
memiliki data curah hujan. Untuk melengkapi data curah hujan yang hilang atau rusak dari
suatu stasiun hujan, maka diperlukan data dari stasiun lain yang memiliki data yang
lengkap. Data curah hujan yang hilang dapat dihitung dengan menggunakan persamaan
berikut:
Di mana:
Rx
�� = {
̅̅̅�̅
�
�
̅̅̅
�
+
̅�̅̅�̅
�
̅̅̅
�
}
= Curah hujan yang hilang
R1 , R2 = Curah hujan dari stasiun lain yang memiliki data yang lengkap
̅�̅̅�̅
= Curah hujan rata-rata dari stasiun yang data curah hujannya hilang
̅̅̅̅, ̅̅̅
�
� = Curah hujan rata-rata dari stasiun lain yang memiliki data yang lengkap
Dari Tabel 4.2, 4.3, dan 4.4 diperoleh data sebagai berikut:
-
Curah hujan Stasiun Tuntungan tahun 2006 (R1) = 159 mm
Curah hujan rata-rata Stasiun Tuntungan ̅̅̅
� = 128 mm
Curah hujan Stasiun Biru-biru tahun 2006 (R2) = 148 mm
̅̅̅ = 112 mm
Curah hujan rata-rata Stasiun Biru-biru �
Curah hujan rata-rata Stasiun BBMKG ̅�̅̅�̅ = 96 mm
Berdasarkan persamaan di atas maka data curah hujan dari Stasiun BBMKG tahun 2006
yaitu:
IV-2
Universitas Sumatera Utara
96
1 96
159) + (
148)}
Rx= {(
112
2 128
Rx =122 mm
Tabel 4.4 Data Curah Hujan Harian Maksimum DAS Babura
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Stasiun BBMKG
(mm)
122
112
66
85
85
97
100
98
112
107
Stasiun Tuntungan
(mm)
159
219
83
87
106
128
104
140
89
169
Stasiun Biru-biru
(mm)
148
101
108
100
100
83
111
108
143
122
Sumber: Stasiun Klimatologi Sampali, 2016
4.2 Analisis Curah Hujan Kawasan
Analisis ini dimaksudkan untuk mengetahui curah hujan rata-rata yang terjadi pada daerah
tangkapan (catchment area). Penentuan luas pengaruh stasiun hujan dipilih dengan Metode
Polygon Thiessen karena kondisi topografi dan jumlah stasiun memenuhi syarat. Stasiun curah
hujan masing-masing dihubungkan untuk memperoleh luas daerah pengaruh dari tiap stasiun.
Di mana masing-masing stasiun mempunyai daerah pengaruh yang dibentuk dengan garis-garis
sumbu tegak lurus terhadap garis penghubung antara dua stasiun. Luas pengaruh stasiun hujan
terhadap DAS Babura ditunjukkan pada Tabel 4.5 dan Gambar 4.1.
Tabel 4.5 Luas Pengaruh Stasiun Hujan Terhadap DAS Babura
Presentase
Luas DAS
(%)
(km2)
BBMKG
51.32
50.24
Tuntungan
14.52
14.21
Biru-biru
34.16
33.44
100
97.89
Nama Stasiun Hujan
Jumlah
Sumber: Hasil Perhitungan, 2016
IV-3
Universitas Sumatera Utara
IV-4
Universitas Sumatera Utara
Curah hujan kawasan diperoleh dengan menggunakan Persamaan 2.2 yaitu:
�
�̅ = ∑ (
�=
�� × ��
)
��
Berikut ini merupakan contoh perhitungan curah hujan kawasan DAS Babura pada tahun
2006:
�̅ =
.
×
+ .
. +
×
+
. + .
Hasil perhitungan dapat dilihat pada Tabel 4.6.
.
×
=
��
Tabel 4.6 Curah Hujan Harian Maksimum Rata-Rata DAS Babura
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Curah Hujan Harian Maksimum (Rmax)
Stasiun BBMKG
Stasiun Tuntungan
Stasiun Biru-biru
(mm)
(mm)
(mm)
122
159
148
112
219
101
66
83
108
85
87
100
85
106
100
97
128
83
100
104
111
98
140
108
112
89
143
107
169
122
Rmax Rata-Rata
(mm)
136
124
83
90
93
97
104
108
119
121
Sumber: Hasil Perhitungan, 2016
4.3 Analisis Frekuensi Curah Hujan Periodik
Dari hasil perhitungan curah hujan rata-rata maksimum dengan Metode Polygon Thiessen
di atas perlu ditentukan kemungkinan terulangnya curah hujan maksimum guna
menentukan debit banjir rencana. Untuk menghitung curah hujan periode ulang tersebut
dapat digunakan beberapa metode yaitu Metode Distribusi Gumbel, Log Pearson Tipe III,
Normal, dan Log Normal. Untuk memiih metode mana yang digunakan maka terlebih
dahulu dihitung parameter statistik secara normal ataupun logaritma dari curah hujan
kawasan.
IV-5
Universitas Sumatera Utara
4.3.1 Perhitungan Parameter Statistik
Parameter statistik sebaran normal dapat dilihat pada Tabel 4.7.
Tabel 4.7 Parameter Statistik Sebaran Normal DAS Babura
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Total
Rerata
̅
Xi - �
29
17
-25
-18
-15
-11
-4
1
12
14
0
0
Xi
136
124
83
90
93
97
104
108
119
121
1075
107.50
̅ )2
(Xi - �
812
272
600
306
210
110
12
0
132
182
2638.5
263.85
̅ )3
(Xi - �
23149
4492
-14706
-5359
-3049
-1158
-43
0
1521
2460
7308
730.80
̅ )4
(Xi - �
659750
74120
360300
93789
44205
12155
150
0
17490
33215
1295174.625
129,517.46
Sumber: Hasil Perhitungan, 2016
Dari Tabel 4.7 dapat dilihat nilai parameter statistik sebaran normal untuk DAS Babura
sehingga dapat dihitung nilai standar deviasi, koefisien varian, koefisien kemencengan,
dan koefisien kurtosis.
Standar deviasi
1
1
∑n Xi -X 2 2
2638.5 2
] =[
] = 17.122
S= [ i=1
n-1
9
Koefisien varian
Cv=
S 17.122
=
=0.16
X 107.50
Koefisien kemencengan
n ∑ni=1 Xi -X
3
10(7308)
]
[
] =0.20221
Cs= [
=
(n-1)(n-2)(S)3
(9)(8)(17.122)3
Koefisien kurtosis
n2 ∑ni=1 Xi -X 4
100(1295174.625)
] =2.99
Ck= [
4] = [
(n-1)(n-2)(n-3)(S)
(9)(8)(7)(17.122)4
Selanjutnya dihitung parameter statistik sebaran logaritma yang dapat dilihat pada Tabel
4.8.
IV-6
Universitas Sumatera Utara
Tabel 4.8 Parameter Statistik Sebaran Logaritma DAS Babura
Tahun
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Total
Rerata
Xi
136
124
83
90
93
97
104
108
119
121
1075
107.50
logXi
2.1335389
2.0934217
1.9190781
1.9542425
1.9684829
1.9867717
2.0170333
2.0334238
2.0755470
2.0827854
20.2643253
2.02643253
logX
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
2.0264325
logXi - logX
0.1071064
0.0669892
-0.1073544
-0.0721900
-0.0579496
-0.0396608
-0.0093992
0.0069913
0.0491145
0.0563529
0.0000003
0
(logXi - logX)2
0.0115
0.0045
0.0115
0.0052
0.0034
0.0016
0.0001
0.0000
0.0024
0.0032
0.0434
0.004335192
(logXi - logX)3
0.001229
0.000301
-0.001237
-0.000376
-0.000195
-0.000062
-0.000001
0.000000
0.000118
0.000179
-0.000044
-0.00000442
(logXi - logX)4
0.00013160
0.00002014
0.00013282
0.00002716
0.00001128
0.00000247
0.00000001
0.00000000
0.00000582
0.00001008
0.000341
0.00003414
Sumber: Hasil Perhitungan, 2016
Dari Tabel 4.8 dapat dilihat nilai parameter statistik sebaran logaritma untuk DAS Babura
sehingga dapat dihitung nilai standar deviasi, koefisien varian, koefisien kemencengan,
dan koefisien kurtosis.
Standar deviasi
S= [
Koefisien varian
1
2 2
n
∑i=1(logXi -logX)
n-1
Cv =
1
0.0434 2
] =[
] = 0.0694
9
S
0.0694
=
=0.03
logX 2.02643
Koefisien kemencengan
Cs= [
n ∑ni=1(logXi -logX)
(n-1)(n-2)(S)
3
3
Koefisien kurtosis
Ck= [
n2 ∑ni=1(logXi -logX)
10(0.000044)
] =[
] =-0.1836
(9)(8)(0.0694)3
4
100(0.000341)
] =[
] =2.92
(9)(8)(7)(0.0694)4
(n-1)(n-2)(n-3)(S)
4
Rekapitulasi hasil pengukuran dispersi parameter statistik normal dan logaritma dapat
dilihat pada Tabel 4.9.
Untuk menentukan metode distribusi yang akan digunakan, maka parameter-parameter
yang telah dihitung tadi dibandingkan dengan syarat penggunaan suatu metode distribusi
yang ditunjukkan oleh Tabel 4.10.
IV-7
Universitas Sumatera Utara
Tabel 4.9 Rekapitulasi Hasil Pengukuran Dispersi
Dispersi
Parameter Statistik
Parameter Statistik Logaritma
S
17.122
0.0694
Cv
0.16
0.03
Cs
0.20221
-0.1836
Ck
2.99
2.92
Sumber: Hasil Perhitungan, 2016
Tabel 4.10 Syarat Penggunaan Jenis Sebaran
Jenis Distribusi
Gumbel
Normal
Log Normal
Log Person Tipe III
Syarat
Ck ≤ 5.4002
Cs ≤ 1.139
Ck = 3
Cs = 0
Cs = 3 Cv
Cv = 0.6
Cs < 0
Cv = 0.3
Hasil Perhitungan
Ck = 2.99
Ck = 3.01
Cs = 0.20221
Cs = 0.2862
Ck = 2.99
Ck = 3.01
Cs = 0.20221
Cs = 0.2862
Cs = -0.08136 Cs = 0.00897
Cv = 0.04
Cv = 0.04
Cs = -0.08136
Cs = 0.00897
Cv = 0.04
Cv = 0.04
Keterangan
Memenuhi
Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Tidak Memenuhi
Sumber: Dirgantarri, 2006
Berdasarkan Tabel 4.10 dapat ditarik kesimpulan bahwa Metode Distribusi Normal, Log
Normal, dan Log Pearson Tipe III tidak memenuhi syarat penggunaan jenis sebaran.
Sehingga perhitungan curah hujan rancangan selanjutnya dihitung dengan menggunakan
Metode Distribusi Gumbel.
4.3.2 Perhitungan Curah Hujan Rancangan Metode Distribusi Gumbel
Distribusi Gumbel dapat dihitung dengan persamaan 2.5 yaitu:
̅ +S(
XT = X
YTr − Yn
)
Sn
Nilai YTR, Sn, dan Yn berturut-turut diperoleh dari Tabel 2.3, 2.4, dan 2.5. Sedangkan nilai
S telah dihitung sebelumnya pasa sub bab 4.3.1.
Selanjutnya dapat dihitung curah hujan periodik dengan Distribusi Gumbel menggunakan
Persamaan 2.5. Berikut ini merupakan contoh perhitungan curah hujan dengan periode
ulang 10 tahun:
̅ = 107.5; untuk periode ulang 10 tahun dari Tabel 2.3
Dari Tabel 4.7 diperoleh nilai X
diperoleh nilai YTR = 2.251 ; untuk jumlah sampel 10 dari Tabel 2.4 diperoleh nilai S n =
0.94 ; untuk jumlah sampel 10 dari Tabel 2.5 diperoleh nilai Yn = 0.4952
IV-8
Universitas Sumatera Utara
�
=
. +
(
.
.
− .
.
)=
.
Hasil perhitungan curah hujan periode ulang (XT) lainnya dapat dilihat pada Tabel 4.11.
Tabel 4.11
Curah Hujan Periode Ulang (XT) Metode Distribusi Gumbel DAS Babura
Periode
5
10
25
50
100
̅
�
107.5
107.5
107.5
107.5
107.5
S
17.122
17.122
17.122
17.122
17.122
Sn
0.94
0.94
0.94
0.94
0.94
Yn
0.4952
0.4952
0.4952
0.4952
0.4952
YTR
1.5004
2.251
2.9709
3.9028
4.6012
XT
125.81
139.48
152.59
169.57
182.29
Sumber: Hasil Perhitungan, 2016
4.4 Uji Kesesuaian Distribusi
Uji kesesuaian distribusi ini dimaksudkan untuk mengetahui suatu kebenaran hipotesa
distribusi frekuensi. Curah hujan rancangan dengan Metode Distribusi Gumbel yang
sudah diperoleh diuji kesesuaiannya dengan Uji Kolmogrov-Smirnov. Adapun hasil
perhitungannya ditunjukkan oleh Tabel 4.12.
Tabel 4.12
Perhitungan Uji Kolmogrov-Smirnov dari Distribusi Gumbel DAS Babura
T
5
10
25
50
100
XT
125.81
139.48
152.59
169.57
182.29
M
1
2
3
4
5
P(x)
0.20
0.40
0.60
0.80
1.00
̅)/S
(XT-�
-1.47
-0.90
-0.35
0.36
0.89
P'(x)
0.0708
0.1841
0.3632
0.6406
0.8133
∆P
0.1292
0.2159
0.2368
0.1594
0.1867
Sumber: Hasil Perhitungan, 2016
Langkah selanjutnya adalah membandingkan hasil uji distribusi dengan ∆P kritis yang
diperoleh dari Tabel 2.8. Dari Tabel tersebut, untuk α = 0.05 dan n = 5 maka nilai ∆P
kritis = 0.56. Perbandingan hasil uji kesesuaian distribusi dengan nilai ∆P kritis
ditunjukkan oleh Tabel 4.13.
Tabel 4.13 Uji Kesesuaian Kolmogrov-Smirnov
Uji Distribusi
∆P hasil uji
∆P kritis
Hasil korelasi uji
DAS Babura
0.2368
0.56
Diterima
Sumber: Hasil Perhitungan, 2016
IV-9
Universitas Sumatera Utara
Berdasarkan Tabel 4.13 dapat diambil kesimpulan bahwa ∆P < ∆P kritis sehingga
hipotesa penggunaan Metode Distribusi Gumbel diterima.
4.5 Analisis Debit Banjir Rancangan
Pada tugas akhir ini perkiraan debit banjir yang dirancang untuk berbagai periode ulang
dihitung menggunakan Metode Hidograf Satuan Sintetik (HSS) Nakayasu Penggunaan
metode ini, memerlukan beberapa karakteristik parameter daerah alirannya, seperti:
Koefisien limpasan
Distribusi Curah Hujan Rancangan
Tenggang waktu dari permulaan hujan sampai puncak hidrograf
Tenggang waktu dari titik berat hujan sampai titik berat hidrograf
Tenggang waktu hidrograf
Luas daerah aliran sungai
Panjang alur sungai utama terpanjang
4.5.1 Perhitungan Koefisien Limpasan
Koefisien limpasan dihitung berdasarkan peta tata guna lahan yang mana dalam tugas
akhir ini ditunjukkan oleh Gambar 4.3.
Dari Gambar 4.3 dapat dilihat bahwa pertanian lahan kering merupakan penggunaan
lahan yang paling besar di DAS Babura yaitu 27% dari luas DAS Babura. Pertanian lahan
kering adalah lahan yang dapat digunakan untuk usaha pertanian dengan menggunakan
air secara terbatas dan biasanya hanya mengharapkan dari curah hujan. Penggunaan lahan
terbesar kedua yaitu perkebunan seluas 22% dari luas DAS Babura. Perkebunan ini terdiri
dari perkebunan milik negara, swasta, ataupun milik pribadi masyarakat. Selanjutnya
yaitu pemukiman yang memiliki luas 21% dari luas DAS Babura. Tegalan atau lahan
kering yang ditanami dengan tanaman musiman atau tahunan, memiliki luas 19% dari
luas DAS Babura. Lahan terbuka atau lahan kosong yang belum mempunyai fungsi
tertentu memiliki luas 6% dari luas DAS Babura. Sedangkan sawah dan bandara memiliki
luas masing-masing 4% dan 1% dari luas DAS Babura.
IV-10
Universitas Sumatera Utara
IV-11
Universitas Sumatera Utara
Tabel 4.14 Koefisien Limpasan DAS Babura
Jenis Lahan
Pertanian Lahan Kering
Lahan Terbuka
Pemukiman
Tegalan
Perkebunan
Sawah
Bandara
C
0.1
0.2
0.75
0.2
0.4
0.15
0.9
Total
Luas (A)
26.34
5.92
20.10
18.24
21.83
4.29
1.28
A*C
2.63
1.18
15.08
3.65
8.73
0.64
1.15
98.00
31.92
Sumber: Analisis Citra Satelit dan Perhitungan, 2016
Dari Tabel 4.14 diperoleh koefisien limpasan pada DAS Babura sebagai berikut:
∑��= �� × ��
=
C=
∑��= ��
.
= .
Dari hasil perhitungan di atas, DAS Babura memiliki koefisien limpasan sebesar 0.3. Hal
ini menunjukkan bahwa 30% dari air hujan yang turun tidak terserap oleh tanah. Atau
dengan kata lain 70% dari air hujan yang turun terserap oleh tanah. Kodoatie dan Syarief
(2005), 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). Dengan koefisien limpasan 0.3 kondisi fisik DAS Babura dapat
dikatakan cukup bagus.
4.5.2 Distribusi Curah Hujan Rancangan
Untuk memperkirakan hidrograf banjir rancangan dengan cara hidrograf satuan (unit
hydrograph) perlu diketahui dahulu sebaran hujan jam-jaman dengan suatu interval
tertentu. Dalam studi ini perhitungan pola distribusi hujan menggunakan persamaan
berikut :
2
R24 t 3
( )
RT =
t T
Kemudian menghitung nisbah jam-jaman dengan persamaan :
Rt = t RT- T-1 RT-1
IV-12
Universitas Sumatera Utara
Dimana t merupakan waktu hujan jam-jaman yaitu dalam perhitungan ini dipakai 6 jam
dan T merupakan waktu setiap jam yang akan dihitung sehingga diperoleh hasil yang
ditunjukkan oleh Tabel 4.15.
Tabel 4.15 Distribusi Curah Hujan Rancangan DAS Babura
Periode
Ulang
10
25
50
100
Hujan
Rancangan
139.48
152.59
169.57
182.29
1
0.55
0.55
0.55
0.55
Rasio Nisbah Jam Ke2
3
4
5
0.14 0.1 0.08 0.07
0.14 0.1 0.08 0.07
0.14 0.1 0.08 0.07
0.14 0.1 0.08 0.07
6
0.06
0.06
0.06
0.06
Distribusi Curah Hujan Jam Ke1
2
3
4
5
76.714 19.527 13.948 11.158 9.764
83.925 21.363 15.259 12.207 10.681
93.264 23.740 16.957 13.566 11.870
100.260 25.521 18.229 14.583 12.760
Sumber: Hasil Perhitungan, 2016
4.5.3 Perhitungan Debit Banjir Metode Hidograf Satuan Sintetis Nakayasu
Parameter HSS Nakayasu DAS Babura
Luas DAS (A)
= 98 km2
Panjang Sungai Utama (L) = 36 km
Parameter Alfa (α)
= 2 (daerah pengaliran biasa)
Koefisien Pengaliran (C) = 0,33
R0
= 1 mm
Parameter Bentuk Hidrograf
Menghitung waktu antara hujan sampai debit puncak banjir (tg)
tg = 0.4 + 0.058 L = 0.4 + 0.058 (36)
= 2.49 jam
Menghitung waktu untuk mencapai puncak (tp)
tr = 0.75 × tg = 0.75 × 2.49 = 1.87 jam
tp = tg + (0.8 × tr) = 2.49 + (0.8 × 1.87) = 4.00
jam
Menghitung besarnya t0.3
t0.3 = α × tg = 2 × 2.49 = 5.00 jam
1.5 × t0.3
= 1.5 × 5.00 = 7.50 jam
2 × t0.3
= 2 × 5.00 = 10.00 jam
IV-13
Universitas Sumatera Utara
6
8.369
9.155
10.174
10.937
Menghitung debit maksimum hidrograf satuan
Qp =
A x R0 x C
3.6(0.3 tp + t0.3
98 x 1 x 0.33
= 3.6(0.3 x 4.00+ 5.00) =1.45m3/dt
)
Menghitung besarnya Base Flow (Qb)
Qb = (0.5 × Qp) = 0.5 × 1.45 = 0.725 m3/dt
Menghitung lengkung hidograf
Bagian lengkung naik 0 < t < tp → 0 < t < 4.00
t
Q= Qp x (t )
2,4
p
Bagian lengkung turun tp < t ≤ (tp+ t0.3) → (4.00 < t ≤ 9.00)
t - tp
Q= Qp x 0,3 t0,3
Bagian lengkung turun (tp+ t0.3) < t ≤ (tp+ t0.3+ 1.5t0.3) → (9.18 < t ≤ 16.5)
t - tp + 0,5 x t0,3
Q= Qp x 0,3
1,5 x t0,3
Bagian lengkung turun t > (tp+ t0.3+ 1.5t0.3) → (t > 16.5)
t - tp + 1,5 x t0,3
Q= Qp x 0,3
2 x t0,3
Langkah selanjutnya adalah menentukan nilai Q masing-masing bagian lengkung
hidograf untuk menentukan debit banjir hidograf, dimana hasil perhitungannya
ditunjukkan oleh Tabel 4.16. Sehingga diperoleh debit banjir rancangan yang ditunjukkan
oleh Tabel 4.17 sampai Tabel 4.20.
IV-14
Universitas Sumatera Utara
Tabel 4.16 Perhitungan Unit Hidograf DAS Babura
Waktu
t (jam)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
16.5
17
18
19
20
21
22
23
24
Lengkung Naik
0