Analisis Karakteristik Curah Hujan pada Kawasan Hunian dan

Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749

732

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Analisis Karakteristik Curah Hujan pada Kawasan Hunian

dan Komersial Pantai Indah Kapuk (PIK) 2 Cluster “C”

Nur Afifah Sari

1*, Etih Hartati

2, M. Candra Nugraha

3

1,2,3

Teknik Lingkungan, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Nasional (Itenas) Bandung,

Jl. P.H.H. Mustopa No. 23, Bandung, 40124, Indonesia

*Koresponden email: [email protected]

Diterima: 23 Agustus 2019 Disetujui: 21 Oktober 2019

Abstract

Based on the hydrological cycle, one of the main water sources is rainwater. weather or climate condi-

tions that occur will greatly affect the nature and condition of a rain or rainy season. On a global scale, the

existence of water naturally is constant, only occurs in variations both in time and space on a regional

scale. Analysis of the rainfall characteristics of Pantai Indah Kapuk (PIK) residential and commercial are-

as 2 Cluster "C" in Tangerang Regency, Banten Province, is for to find out the intensity of rainfall used

for drainage planning. The daily rainfall data used includes 5 rain catching stations with a duration of 25

years (1994 - 2018). The Van Breen method is used to process rainfall data within a certain period into

rainfall intensity with various times for drainage planning used. In the planning of drainage channels the

rainfall return period used is PUH 2 for tertiary lines with selected rainfall data of 192 mm / day and PUH

5 for secondary lines with selected rainfall data of 219 mm / day. The IDF curve shows that rainfall inten-

sity is affected by the time and return period of rainfall, where the shorter the rainfall time and the greater

the return period of rainfall, the higher the intensity of rainfall produced.

Keywords: Drainage, Intensity, PUH, Rainfall, Water, Pantai Indah Kapuk

Abstrak

Air hujan merupakan salah satu sumber air utama. Kondisi cuaca atau iklim yang terjadi akan sangat

mempengaruhi keadaan suatu hujan. Dalam skala global, keberadaan air secara alami adalah tetap, hanya

berlangsung pada variasi baik terhadap waktu atau ruang. Analisis karakteristik curah hujan kawasan hu-

nian dan komersial Pantai Indah Kapuk (PIK) 2 Cluster “C” di Kabupaten Tangerang Provinsi Banten

ditujukan untuk mengetahui intensitas curah hujan yang digunakan untuk perencanaan drainase. Data cu-

rah hujan harian yang digunakan meliputi 5 stasiun penangkap hujan dengan durasi 25 tahun (1994 -

2018). Digunakan metode Van Breen untuk mengolah data curah hujan dalam periode tertentu menjadi

intensitas curah hujan dengan berbagai kala ulang untuk perencanaan drainase digunakan. Dalam

perencanaan saluran drainase periode ulang hujan yang digunakan adalah PUH 2 untuk jalur tersier

dengan data curah hujan terpilih sebesar 192 mm/hari dan PUH 5 untuk jalur sekunder dengan data curah

hujan terpilih sebesar 219 mm/hari. Kurva IDF menunjukkan bahwa intensitas curah hujan dipengaruhi

oleh waktu dan periode ulang hujan, dimana semakin pendek waktu curah hujan dan besar periode ulang

hujan maka semakin tinggi juga intensitas curah hujan yang dihasilkan.

Kata Kunci: Air, Drainase, Hujan, Intensitas, PUH, Pantai Indah Kapuk

1. Pendahuluan

Air yang sangat penting bagi kehidupan semua jenis makhluk hidup di dunia, dimana air hujan

merupakan salah satu sumber air utama. Siklus hidrologi diawali dengan proses evaporasi, kemudian

terjadi kondensasi dari awan hasil evaporasi. Jika kondisi fisik dalam atau diluar awan terus terproses,

akan terjadi hujan. Kondisi cuaca atau iklim yang terjadi akan sangat mempengaruhi keadaan suatu hujan

(Hasmar, 2012).

Kondisi adanya kemarau panjang atau distribusi hujan yang tidak merata dapat menyebabkan

pemanfaatan air masih sering mengalami kendala. Dalam kondisi ini, alternatif yang dapat dilakukan

yaitu dengan mengoptimalkan secara alami pemanfaatan air yang telah sampai di tanah (Tjuju, 2003).

Kabupaten Tangerang merupakan kabupaten yang berada di wilayah Tatar Pasundan, Provinsi Ban-

ten. Sebagian besar Kabupaten Tangerang merupakan dataran rendah dan lokasinya berdekatan dengan

Ibukota Negara membuat kabupaten ini berperan sebagai daerah lintasan yang memiliki tingkat pertum-


733

p-ISSN : 2528-3561

e-ISSN : 2541-1934

buhan dan perkembangan yang cukup tinggi dari segi sosial, ekonomi, budaya, dan sebagainya. Dampak

dari pertumbuhan sosial dan ekonomi akan berpengaruh pula pada meningkatnya pertumbuhan jumlah

penduduk di Kabupaten Tangerang. Perencanaan kawasan hunian dan komersial Pantai Indah Kapuk

(PIK) 2 menjadi salah satu pemecahan masalah tersebut. Kawasan hunian dan komersial PIK 2 merupa-

kan kerjasama antara Agung Sedayu Group dan Salim Group yang hadir sebagai kota mandiri terbaru di

Kabupaten Tangerang dengan luas yang lebih besar setelah adanya kawasan hunian dan komersial PIK 1.

Kawasan hunian dan komersial PIK 2 Cluster “C” dengan luas 491,41 Ha terletak di sebagian 3 Desa pa-

da Kecamatan Kosambi, diantaranya Desa Salembaran Jati, Kosambi Barat dan Kosambi Timur (Market-

ing Office dan Pihak Pengelola Agung Sedayu Group PIK 2, 2019).

Berdasarkan Badan Meteorologi, Klimatologi dan Geofisika (BMKG), keadaan alam kawasan

hunian dan komersial PIK 2 Cluster “C” rata-rata beriklim tropis dengan temperatur 25 sampai dengan 33

derajat celcius, kelembaban udara berkisar antara 73% sampai dengan 84% dengan kecepatan angin rata-

rata 12,6 Km/jam. Sedangkan, curah hujan harian maksimum di sekitar PIK 2 Cluster “C” berkisar

167,41 mm/hari dengan hari hujan tahunan rata-rata 49 hari, ketinggian dari permukaan laut 3 m dan

curah hujan 5 ml/tahun. Di kawasan hunian dan komersial PIK 2 Cluster “C” terdapat 2 sungai yang

tersebar merata di seluruh wilayah yaitu Sungai Tahang dan Sungai Rawa Lumpang.

Penelitian karakteristik curah hujan ini dilakukan pada kawasan hunian dan komersial Pantai Indah

Kapuk (PIK) 2 Cluster “C” di Kabupaten Tangerang Provinsi Banten dengan tujuan untuk mengetahui

intensitas curah hujan yang dipakai untuk perencanaan drainase pada daerah penelitian.

2. Metode Penelitian

a. Sumber dan Teknik Pengumpulan Data

Data penelitian yang didapat berupa data sekunder yang bersumber dari BAPPEDA Kabupaten

Tangerang, Dinas PUPR Tata Ruang dan Wilayah Kabupaten Tangerang dan Dinas PUPR Binamarga

dan Sumber Daya Air (BMSDA). Data-data yang akan digunakan adalah peta topografi, data klimatologi

dan data curah hujan. Data curah hujan yang digunakan meliputi 5 stasiun penangkap hujan dengan durasi

25 tahun (1994 - 2018). Data curah hujan merupakan dasar untuk menemukan debit air limpasan pada

daerah perencanaan, untuk selanjutnya dilakukan analisis hidrologi untuk persamaan intensitas curah hu-

jan sehingga dimensi saluran dapat terpenuhi hingga akhir periode perencanaan. Sumber data curah hujan

didapat dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG) Stasiun Klimatologi Pondok Be-

tung Kota Tangerang dan Pusat Penelitian, Pengembangan Sumber daya Air (PUSAIR) Provinsi Jawa

Barat dan BMKG online.

b. Lokasi Penelitian

Lokasi penelitian adalah kawasan hunian dan komersial Pantai Indah Kapuk (PIK) 2 Cluster “C” di

Kabupaten Tangerang Provinsi Banten yang dapat dilihat pada Gambar 1 dengan batas sebagai berikut :

Sebelah Utara : Desa Salembaran Jaya dan Lemo Kecamatan Kosambi

Sebelah Timur : Laut Jawa

Sebelah Selatan : Desa Kosambi Timur, Cengklong, Jatimulya, Dadap Kecamatan Kosambi

Sebelah Barat : Desa Salembaran Jaya dan Kampung Besar Kecamatan Kosambi

Gambar 1. Peta administrasi kawasan hunian dan komersial PIK 2 Cluster “C” di Kabupaten Tangerang

Sumber : Hasil analisis (2019)


734

p-ISSN : 2528-3561

e-ISSN : 2541-1934

c. Metode Analisa Data

Langkah-langkah dalam melakukan analisis hidrologi dapat dilihat pada Gambar 2. Nilai rata–rata

untuk mendapatkan nilai curah hujan area. Cara dalam menentukan tinggi curah hujan rata-rata pada areal

tertentu dari angka-angka curah hujan di beberapa titik pos penakar atau pencatat (Gambar 3) yaitu

metoda polygon thiessen (Soemarto, 1995).

Gambar 2. Analisis Hidrologi

Sumber : Hasil analisis (2019)

Gambar 3. Lokasi stasiun pengamat hujan terhadap lokasi perencanaan

Sumber : Google Earth (2019)

PIK 2


735

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Uji konsistensi

Uji konsistensi dapat dilakukan dengan cara membandingkan data kumulatif rata-rata curah hujan

pada stasiun yang diuji dengan data kumulatif rerata curah hujan pada stasiun pembanding dalam periode

yang sama. Metoda ini disusun dengan urutan kronologis mundur dan dimulai dari tahun yang terakhir.

Uji Homogenitas

Uji homogenitas dilakukan agar data curah hujan yang disebabkan oleh hujan buatan tidak diiku-

tsertakan dalam perhitungan analisa frekuensi, karena akan menimbulkan ketidak homogenan data curah

hujan.

3. Hasil dan Pembahasan Penelitian

a. Karakteristik Curah Hujan

Analisis Hidrologi

Analisis hidrologi adalah pada bagian awal dalam perancangan bangunan hidraulik. Suatu area ter-

dapat beberapa alat penakar atau pencatat curah hujan. Berdasarkan Metoda Polygon Thiessen, didapat-

kan 1 stasiun utama yang akan digunakan pada perencanaan ini adalah Stasiun BPP Teluknaga dan 4 sta-

siun lainnya sebagai pembanding. Data curah hujan selama 25 tahun terakhir dapat dilihat pada Tabel 1.

Tabel 1. Data curah hujan harian maksimum (HHM) tahun 1994-2018

Tahun

Curah Hujan (mm/hari)

Stasiun Utama Stasiun Pembanding

BPP Teluknaga UPTD Ne-

glasari

Meteorologi

Soekarno Hatta

Geofisika

Tangerang

Meteorologi

Budiarto Rata-rata

1994 91 110 124 119 180 133

1995 119 270 181 344 238 258

1996 50 162 170 169 223 181

1997 41 163 92 95 160 127

1998 127 152 141 153 271 179

1999 94 160 123 142 235 165

2000 127 123 131 133 179 142

2001 138 145 126 166 186 155

2002 85 98 168 162 225 163

2003 121 139 89 128 213 142

2004 98 119 116 160 161 139

2005 80 164 180 168 226 185

2006 83 139 105 109 159 128

2007 88 132 149 167 206 164

2008 118 169 158 148 178 163

2009 117 181 140 168 165 164

2010 136 111 192 157 267 432

2011 93 200 77 100 180 139

2012 90 172 103 104 203 146

2013 219 192 22 203 239 164

2014 213 168 221 219 189 199

2015 129 190 139 213 109 163

2016 139 285 188 317 109 225

2017 138 105 179 208 334 207

2018 163 110 116 132 502 215

Jumlah 2897 4958 3434 4185 5336 4478

Rata-Rata 116 198 137 167 213 179

Sumber : Hasil perhitungan (2019)

Data curah hujan akumulasi rata-rata dari bawah untuk stasiun pembanding dan stasiun utama

sebelum koreksi yang sudah diplotkan ke dalam grafik seperti pada Gambar 4. Didapatkan nilai y =

0,6388x + 121,82, dimana data tersebut akan digunakan untuk mendapatkan curah hujan setelah koreksi.


736

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Data hasil sebelum dan setelah koreksi dapat dilihat pada Tabel 2, setelah mengalami koreksi akan

didapatkan grafik seperti pada Gambar 5.

Tabel 2. Curah hujan harian maksimum stasiun utama (BPP Teluknaga) setelah koreksi

No Tahun

Curah Hujan Akumulasi Rata-Rata dari Bawah (mm/hari) Curah Hujan Stasiun Utama

BPP Teluknaga

(mm/hari) Stasiun Pembanding Stasiun Utama BPP Teluknaga

Sebelum Koreksi Setelah Koreksi Sebelum Koreksi Setelah Koreksi

1 1994 4478 2897 4896 91 180

2 1995 4345 2806 4716 119 198

3 1996 4087 2687 4518 50 154

4 1997 3906 2637 4365 41 148

5 1998 3778 2596 4217 127 203

6 1999 3599 2470 4014 94 182

7 2000 3434 2376 3832 127 203

8 2001 3293 2248 3629 138 210

9 2002 3137 2110 3419 85 176

10 2003 2973 2025 3243 121 199

11 2004 2831 1905 3044 98 185

12 2005 2692 1806 2859 80 173

13 2006 2508 1727 2687 83 175

14 2007 2379 1644 2512 88 178

15 2008 2216 1555 2334 118 197

16 2009 2052 1437 2136 117 196

17 2010 1889 1321 1940 136 208

18 2011 1457 1185 1732 93 181

19 2012 1318 1093 1551 90 179

20 2013 1172 1003 1371 219 262

21 2014 1008 783 1109 213 258

22 2015 809 570 851 129 204

23 2016 646 441 647 139 211

24 2017 422 302 436 138 210

25 2018 215 163 226 163 226


Gambar 4. Kurva masa ganda uji konsistensi sebelum terkoreksi


y = 0,6388x + 121,82

R² = 0,993

0

500

1000

1500

2000

2500

3000

3500

0 1000 2000 3000 4000 5000

Akum

ula

si r

erat

a st

asiu

n u

tam

a

(mm

)

Akumulasi rerata stasiun pembanding (mm)


737

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Gambar 5. Kurva masa ganda uji konsistensi sebelum terkoreksi


Uji Homogenitas

Data uji homogenitas dapat dilihat pada Tabel 3.

Tabel 3. Uji homogenitas

No Tahun Curah Hujan (mm/hari)

R R-R̅ (R-R̅)2

1 2007 262 66 4377

2 2002 258 62 3864

3 1997 226 30 910

4 2005 211 15 230

5 2015 210 14 201

6 1996 210 14 201

7 2011 208 12 148

8 2006 204 8 67

9 2010 203 7 51

10 2001 203 7 51

11 1998 199 3 10

12 2014 198 2 5

13 2004 197 1 1

14 1999 196 0 0

15 2003 185 -11 118

16 2017 182 -14 192

17 1994 181 -15 220

18 2013 180 -16 251

19 2012 179 -17 284

20 2009 178 -18 318

21 2000 176 -20 394

22 2008 175 -21 434

23 1995 173 -23 522

24 2018 154 -42 1751

25 2016 148 -48 2289

Jumlah 4896

16885

y = 1,1031x - 24,502

R² = 0,9973

0

1000

2000

3000

4000

5000

6000

0 1000 2000 3000 4000 5000

Akum

ula

si r

erat

a st

asiu

n u

tam

a (m

m)

Akumulasi rerata stasiun pembanding (mm)


738

p-ISSN : 2528-3561

e-ISSN : 2541-1934

No Tahun Curah Hujan (mm/hari)

R R-R̅ (R-R̅)2

Rata-Rata (R̅) 196

SD 27


Setelah diketahui nilai R0, R5 dan R25 diplotkan ke dalam garfik Gumbel’s extreme probability pada

Gambar 6. Langkah-langkah menggunakan grafik tersebut adalah:

- Data R0 dan R5 berupa garis tegak lurus sumbu Y absis (garis biru), hasil tersebut diberi titik pada

batas 0 dan batas 5. Setelah itu tarik garis antara titik 0 dan 5 (garis hijau).

- Plotkan hasil perhitungan R25 pada sumbu X ordinat, lalu tarik garis hingga terdapat perpotongan

dengan garis persamaan (garis merah).

- Menarik garis tegak lurus kearah sumbu absis (garis merah), diperoleh hasil tersebut adalah TR = 2,9.

Dari grafik Gumbel’s extreme probability diperoleh nilai TR = 2,90. Nilai TR dihitung dengan

menggunakan rumus:

- TṜ = 𝑅25

𝑅 x TR

TṜ = 250,11 mm/hari

195,84 mm/hari x 2,90

TṜ = 3,70

- Maka titik H (N ; TṜ) = H (25 ; 3,70)

Langkah selanjutnya adalah dengan memplotkan kedua titik yang dihasilkan dari perhitungan di

atas ke dalam grafik homogenitas seperti pada Gambar 7. Hal ini dimaksudkan agar dapat menentukan

apakah data yang dihitung tersebut termasuk data yang homogen atau tidak homogen.

Gambar 6. Gumbel’s Extreme Probability


Hasil dari grafik homogenitas dengan memplotkan titik (25 ; 3,70), maka dari grafik diatas menun-

jukan bahwa data curah hujan berada di dalam garis lengkung atau berada dalam grafik homogenitas, se-

hingga hal ini menunjukkan data homogen.


739

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Gambar 7. Grafik Homogenitas

Sumber : Hasil Perhitungan (2019)

Distribusi Kemungkinan Banjir

Analisis frekuensi banjir adalah suatu analisa data hidrologi dengan menggunakan statistika yang

bertujuan untuk memprediksi suatu besaran hujan atau debit dengan kala ulang tertentu. Kala ulang ada-

lah selang waktu debit banjir rencana yang mungkin terjadi atau pengulangan kejadian hujan. Dasar

perhitungan ini adalah parameter yang berkaitan dengan analisis data yang meliputi rata-rata, simpangan

baku, koefisien variasi, dan koefisien skewness. Penerapan analisis frekuensi banjir secara statistik

dikenal dengan beberapa distribusi kemungkinan yang telah diuji kepastiannya, yaitu distribusi Gumbel,

Log Pearson tipe III dan Iway Kedoya.

- Distribusi Gumbel

Distribusi Gumbel didasarkan pada distribusi harga ekstrim atau distribusi normal yang banyak

digunakan di Indonesia. Adanya garis energi secara grafis, maka Hujan Harian Maksimum (HHM)

rencana dapat diperoleh, demikian juga Perioda Ulang Hujan (PUH) nya. Namun dengan cara tersebut

kemungkinan adanya kesalahan yang besar, untuk itu diperlukan secara matematis dengan menggunakan

persamaan Gumbel berikut:

Rt = Rk + (σ𝑅

𝑆𝑛) x (Yt – Yn (1)

Keterangan :

Rt = HHM dengan rencana PUH t tahun

Rk = Rentang keyakinan (mm/hari)

Yn = Reduce mean berdasarkan sampel n

Sn = Reduced standard deviation berdasarkan sampel n

σR = Standar deviasi curah hujan berdasarkan sampel n

n = Jumlah tahun yang ditinjau

Yt = Reduce variated untuk PUH t tahun (Suripin, 2004)

Sebelum menghitung curah hujan harian maksimum dengan berbagai PUH nya, perlu juga dicari

rentang keyakinan bahwa harga perkiraan tersebut memiliki rentang harga (Hardjosurapto, 1998).

Rk = ± t(a) Se (2)


740

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Keterangan :

Rk = Rentang keyakinan (mm/hari)

t(a) = Fungsi a

a = Confidence probability

Se= Probability error (deviasi)

Untuk :

a = 90%, t(a) = 1,640

Sebelum mendapatkan nilai rentang keyakinan, perlu dilakukan perhitungan terhadap harga Se

(probability error), yaitu :

Harga Se :

Se = b x 𝜎𝑅

√𝑛 (3)

Harga b :

b = √1 + 1,3 𝑥 (−𝐾) + 1,1 (−𝐾)2 (4)

Harga K :

K = 𝑌𝑡− 𝑌𝑛

𝑆𝑛 (5)

Keterangan :

σR = Standar deviasi

n = Jumlah data

b = Koefisien probability

Yt = Reduce variated untuk PUH t tahun (Suripin, 2004)

Yn = Reduce mean berdasarkan sampel n

Sn = Reduced standard deviation berdasarkan sampel n

Rekapitulasi data tersaji yang akan digunakan dalam menghitung menggunakan distribusi Gumbel

sebagai berikut:

R = Rata-rata C = 195,84 mm/hari σR = SD = 26,52

Yn = 0,5309 Sn = 1,0916

n = 25 N = 182,94

1

=

σR

Sn =

26,52

1,0916 = 24,30

Keterangan :

R = Rata-rata curah hujan koreksi

σR = Standar deviasi curah hujan koreksi

n = Periode curah hujan yang digunakan

Yn = Reduced mean (untuk n = 25)

Sn = Reduced standart deviation (untuk n = 25)

N = 𝑅 − (1

α 𝑥 𝑌𝑛) = 195,84

mm

hari− (24,30 𝑥 0,5309) = 182,94

Sebelum dilakukan perhitungan dengan distribusi Gumbel, pencarian nilai rentang keyakinan yang

terdapat pada Tabel 4.

Tabel 4. Rentang keyakinan harga-harga RT

PUH K b Se t(a) Se

2 -0,15 0,91 4,83 8

5 0,89 1,74 9,22 15

10 1,58 2,40 12,75 21

25 2,44 3,28 17,39 29

50 3,09 3,94 20,89 34

100 3,73 4,60 24,38 40



741

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Setelah dilakukan perhitungan dengan distribusi Gumbel diperoleh curah HHM untuk

berbagai PUH yang terdapat pada Tabel 5.

Tabel 5. Curah hujan harian maksimum Metoda Gumbel

No PUH Yt Rt

1 2 0,37 192

2 5 1,50 219

3 10 2,25 238

4 25 3,20 261

5 50 3,90 278

6 100 4,60 295


Curah hujan harian maksimum untuk PUH 5 tahun dengan keyakinan 90% adalah 219 mm/hari.

- Distribusi Log Pearson tipe III

Situasi tertentu, walaupun data yang diperkirakan mengikuti distribusi sudah dikonversi ke dalam

bentuk logaritmik, terdapat kemungkinan adanya kedekatan antara data dan teori yang tidak cukup kuat.

Pearson mengembangkan serangkaian fungsi probabilitas empiris dengan tetap memakai fleksibilitas.

Metoda ini didasarkan pada perubahan data yang ada kedalam bentuk logaritma. Adapun langkah-

langkah perhitungannya adalah sebagai berikut (Hardjosuprapto, 1998).

• Menyusun data hujan mulai dari harga yang terbesar sampai yang terkecil.

• Merubah jumlah n data hujan kedalam besaran logaritma, sehingga menjadi log R1, log R2…log Rn.

Lalu dinyatakan Ri = log R

• Menghitung besarnya harga rata-rata besaran logaritma, dengan persamaan:

Rr =∑ Ri

n (6)

Keterangan :

Rr = Rata-rata besaran logaritma

Ri = Log (R)

R = Rata-rata data curah hujan (mm)

n = Jumlah data

• Menghitung besarnya harga deviasi rata-rata dari besaran logaritma tersebut, dengan persamaan:

σR=Ri−Rr2n−1 σR = [∑(𝑅𝑖 − 𝑅𝑟)2

𝑛−1]

12⁄

(7)

• Menghitung Skew Coefficient (koefisien asimetri) dari besaran logaritma tersebut, dengan persamaan:

Cs =n .∑(Ri−Rr)3

(n−1)(n−2)(𝜎𝑅)3 (8)

Keterangan :

Rr = Data curah hujan (mm)

σR = Standar deviasi

Ri = Rata-rata data curah hujan (mm)

n = Jumlah data

Hasil perhitungan dapat dilihat pada Tabel 6.


742

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Tabel 6. Perhitungan rata-rata, standar deviasi dan Skew Coefficient

m 100m/n+1 R Ri (Ri-Rr) (Ri-Rr)2 (Ri-Rr)3

1 3,85 262 2,42 0,13 0,02 0,00

2 7,69 258 2,41 0,12 0,02 0,00

3 11,54 226 2,35 0,07 0,00 0,00

4 15,38 211 2,32 0,04 0,00 0,00

5 19,23 210 2,32 0,03 0,00 0,00

6 23,08 210 2,32 0,03 0,00 0,00

7 26,92 208 2,32 0,03 0,00 0,00

8 30,77 204 2,31 0,02 0,00 0,00

9 34,62 203 2,31 0,02 0,00 0,00

10 38,46 203 2,31 0,02 0,00 0,00

11 42,31 199 2,30 0,01 0,00 0,00

12 46,15 198 2,30 0,01 0,00 0,00

13 50,00 197 2,29 0,01 0,00 0,00

14 53,85 196 2,29 0,00 0,00 0,00

15 57,69 185 2,27 -0,02 0,00 0,00

16 61,54 182 2,26 -0,03 0,00 0,00

17 65,38 181 2,26 -0,03 0,00 0,00

18 69,23 180 2,26 -0,03 0,00 0,00

19 73,08 179 2,25 -0,04 0,00 0,00

20 76,92 178 2,25 -0,04 0,00 0,00

21 80,77 176 2,25 -0,04 0,00 0,00

22 84,62 175 2,24 -0,05 0,00 0,00

23 88,46 173 2,24 -0,05 0,00 0,00

24 92,31 154 2,19 -0,10 0,01 0,00

25 96,15 148 2,17 -0,12 0,01 0,00

Jumlah 57,21 0,00 0,08 0,00

Rr 2,29 0,00 0,00 0,00

σR 0,06

Cs 0,35


• Berdasarkan harga Cs (skew koefisien) yang diperoleh dan harga periode ulang (T) tang ditentukan,

hitung nilai Kx (variabel standar x) dengan menggunakan tabel karakteristik nilai Kx distribusi Log

Pearson tipe III pada Tabel 7.


743

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Tabel 7. Nilai K untuk Distribusi Log Pearson Tipe III

Koefisien Skew

(Cs)

Periode Ulang Hujan (Tahun)

2 5 10 25 50 100

Probabilitas

0,5 0,2 0,1 0,04 0,02 0,01

2,0 -0,307 0,069 1,302 2,219 2,912 3,605

1,8 -0,282 0,643 1,318 2,193 2,848 3,499

1,6 -0,254 0,675 1,329 2,163 2,780 3,388

1,4 -0,225 0,705 1,337 2,128 2,700 3,271

1,2 -0,195 0,732 1,340 2,087 2,626 3,149

1,0 -0,164 0,758 1,340 2,043 2,542 3,022

0,9 -0,148 0,769 1,339 2,018 2,498 2,957

0,8 -0,132 0,780 1,336 1,998 2,453 2,891

0,7 -0,116 0,790 1,333 1,967 2,407 2,824

0,6 -0,099 0,800 1,328 1,939 2,359 2,755

0,5 -0,083 0,806 1,323 1,910 2,311 2,686

0,4 -0,066 0,816 1,317 1,880 2,261 2,615

0,3 -0,050 0,824 1,309 1,849 2,211 2,544

0,2 -0,033 0,830 1,301 1,818 2,159 2,472

0,1 -0,017 0,836 1,292 1,785 2,107 2,400

0,0 0,000 0,842 1,282 1,751 2,054 2,326

-0,1 0,017 0,846 1,270 1,716 2,000 2,252

-0,2 0,033 0,850 1,258 1,680 1,945 2,178

-03 0,050 0,853 1,245 1,643 1,890 2,104

-04 0,066 0,855 1,231 1,606 1,843 2,029

-05 0,083 0,856 1,216 1,567 1,777 1,955

-06 0,099 0,857 1,200 1,528 1,720 1,880

-07 0,116 0,857 1,183 1,488 1,663 1,806

-08 0,132 0,856 1,166 1,448 1,606 1,733

-09 0,143 0,854 1,147 1,407 1,594 1,660

-1,0 0,164 0,852 1,128 1,366 1,492 1,588

-1,2 0,195 0,844 1,086 1,282 1,379 1,449

-1,6 0,254 0,817 0,994 1,116 1,116 1,197

-1,8 0,232 0,799 0,945 1,035 1,069 1,087

-2,0 0,307 0,777 0,895 0,959 0,980 0,990

Sumber: Soemarto (1995)

• Menghitung besarnya harga logaritma masing-masing data curah hujan untuk suatu Periode Ulang

Hujan (PUH) tertentu, dengan persamaan:

Xt = Xr + (Kx) x σR (9)

• Jadi perkiraan harga HHM untuk periode ulang T (tahun) adalah:

Rt = antilog X atau Rt = 10Xt (mm 24 jam⁄ )

Nilai Kx yang diperoleh dapat digunakan untuk menghitung curah hujan harian maksimum rencana

metoda Log Pearson tipe III, dapat dilihat pada Tabel 8.


744

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Tabel 8. Curah hujan harian maksimum rencana metoda Log Pearson Tipe III

T(PUH) Kx Kx x SD XT RT (mm/24jam)

2 0,000 0,000 2,288 194

5 0,842 0,048 2,336 217

10 1,282 0,073 2,362 230

25 1,751 0,100 2,389 245

50 2,054 0,118 2,406 255

100 2,326 0,133 2,422 264


- Distribusi Iway Kedoya

Metoda Iway Kedoya ini disebut juga cara distribusi terbatas sepihak. Metoda ini berdasarkan pada

metoda log normal. Prinsip dasarnya adalah merubah variabel (x) dari kurva kemungkinan kerapatan dari

curah hujan harian maksimum ke log x atau merubah kurva distribusi yang asimetris menjadi kurva dis-

tribusi normal.

Kemungkinan terlampaui W (x) dengan asumsi data hidrologi mempunyai distribusi log normal.

Harga b (konstan) >0, sebagai harga minimum variable kemungkinan (x). Oleh karena itu, agar harga

kurva kerapatan tidak lebih kecil dari harga minimum (-b) maka setiap sukunya diambil x + b, dimana

harga log (x + b) diperkirakan mempunyai distribusi notmal. Dengan persamaan:

𝜻 = 𝑐 log𝑥+𝑏𝑥+𝑏

𝑥0+𝑏 (10)

Keterangan:

𝜻 = Harga Kemungkinan

x = Data curuh hujan (mm)

b = Koefisien distribusi log normal

Adapun langkah-langkah perhitungannya adalah sebagai berikut :

1. Memperkirakan harga Log X

Log Xo = 1/n . ΣLog Xi (11)

2. Memperkirakan harga b

b = 1/m (12)

bi = (xs.xt)+Xo

2

2x0− (xs+xt) (13)

3. Memperkirakan harga Xo

Xo = 1/n . ΣLog (Xi + b) (14)

4. Memeperkirakan harga c

1/c = (2.n

n−1 (X2

- Xo2))

0,5 (15)

Keterangan :

Xi = Harga pengamatan nomor urutan (m) dari yang terbesar

Xt = Harga pengamatan nomor urutan (m) dari yang terkecil

n = Banyaknya data

m = n/10

T = Periode Ulang

Berikut hasil perhitungan metoda Iway Kedoya dapat dilihat pada Tabel 9 hasil perhitungan nilai b

dan nilai curah hujan harian maksimum berdasarkan rencana PUH dengan metoda Iway Kedoya pada

Tabel 10.


745

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Tabel 9. Perhitungan Nilai b

bi b

-95,54

-61,25 -26,97

-122,50


Contoh Perhitungan :

bi = (40348)+194,192

2(194,19)− (416) = -95,54 b =

−122,50

2 = -61,25

Tabel 10. nilai curah hujan harian maksimum metoda Iway Kedoya

T (PUH) ξ Xo I/C 10^Xo + (ξ *(I/C)) Rt

2 0,0000 2,12 0,12 132,19 193

5 0,5951 2,12 0,12 156,30 218

10 0,9062 2,12 0,12 170,61 232

25 1,2379 2,12 0,12 187,30 249

50 1,4522 2,12 0,12 198,95 260


- Rekapitulasi

Dari perhitungan yang telah dilakukan mengenai analisis frekuensi curah hujan dengan

menggunakan ketiga metoda yang ada yaitu distribusi gumbel, Log Pearson tipe III, serta metoda Iway

Kedoya. Dalam rekapitulasi nilai curah hujan maksimum dibandingkan antara distribusi gumbel, Log

Pearson tipe III, serta metoda Iway Kedoya, berikut adalah rekapitulasinya dapat dilihat pada Tabel 11.

Tabel 11. Rekapitulasi nilai curah hujan maksimum

T

(PUH)

Rt (mm/hari)

Gumbel Log Pearson Tipe III Iway Kedoya

2 192 ± 8 194 193

5 219 ± 15 217 218

10 238 ± 21 230 232

25 261 ± 29 245 249

50 278 ± 34 255 260


Berdasarkan hasil perhitungan dalam menganalisis frekuensi curah hujan harian maksimum, dil-

akukan perbandingan dari ketiga metoda dengan dilakukan uji kecocokan chi kuadrat.

Uji Kecocokan Chi Kuadrat

Uji kecocokan diperlukan untuk menguji kecocokan distribusi frekuensi sampel data terhadap

fungsi distribusi peluang yang diperkirakan dapat mewakili distribusi frekuensi tersebut. Pengujian yang

sering digunakan adalah chi kuadrat. Parameter Xh2 merupakan variabel acak, dimana peluang untuk

mencapai Xh2 sama atau lebih besar dari nilai chi kuadrat sebenernya (X

2).

Parameter X2 digunakan sebagai cara pengambilan keputusan, yang dapat dihitung berdasarkan

rumus berikut (Suripin, 2003) :

Xh2 = ∑

(𝑂𝑖− 𝐸𝑖)2

𝐸𝑖

𝐺𝑖=1 (16)

Keterangan :

Xh2 = Parameter chi kuadrat terhitung

G = Jumlah sub kelompok

Oi = Jumlah nilai pengamatan pada sub kelompok i

Ei = Jumlah nilai teoritis pada sub kelompok i


746

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Perhitungan nilai Variabel Reduksi Gauss dapat dilihat pada Tabel 12.

Tabel 12. Penentuan nilai variabel Reduksi Gauss

m R Log R Log (R+b)

1 262 2,42 2,51

2 258 2,41 2,50

3 226 2,35 2,46

4 211 2,32 2,43

5 210 2,32 2,43

6 210 2,32 2,43

7 208 2,32 2,43

8 204 2,31 2,42

9 203 2,31 2,42

10 203 2,31 2,42

11 199 2,30 2,42

12 198 2,30 2,41

13 197 2,29 2,41

14 196 2,29 2,41

15 185 2,27 2,39

16 182 2,26 2,39

17 181 2,26 2,38

18 180 2,26 2,38

19 179 2,25 2,38

20 178 2,25 2,38

21 176 2,25 2,38

22 175 2,24 2,37

23 173 2,24 2,37

24 154 2,19 2,33

25 148 2,17 2,32

Jumlah 4896,00 57,21 60,20

Rata- rata 195,84 2,29 2,41

Standar Deviasi 26,52 0,06 0,04

Peluang 0,20 0,20 0,20

K1 = -0.84 173,56 2,24 2,37

K2 = -0.25 189,21 2,27 2,40

K3 = 0.25 202,47 2,30 2,42

K4 = 0.84 218,12 2,34 2,44


Interpretasi hasil uji chi kuadrat adalah sebagai berikut :

1. Apabila peluang lebih dari 5%, maka persamaan distribusi yang digunakan dapat diterima.

2. Apabila peluang kurang dari 1%, maka persamaan distribusi yang digunakan tidak dapat diterima.

Apabila peluang diantara 1-5%, maka tidak mungkin mengambil keputusan, perlu dilakukan penambahan

data.

Hasil uji chi Kuadrat dari masing-masing metoda dapat dilihat pada Tabel 13 yang akan

dibandingkan dengan nilai A yang diambil untuk A25 untuk 95% adalah 14,61.


747

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Tabel 13. Rekapitulasi hasil uji Chi Kuadrat

No Distribusi X²Hitung Nilai χ^2

Tabel Ket

1 Gumbel 6,75 < 14,61 OKE

2 Log Pearson tipe III 11,75 < 14,61 OKE

3 Iwa Kedoya 11,75 < 14,61 OKE


Berdasarkan hasil uji chi kuadrat yang menyatakan seluruh metoda sesuai, tetapi yang dapat

digunakan hanya salah satu dan diambil berdasarkan kuadrat terkecil, maka metoda terbaik terpilih yaitu

metoda gumbel.

b. Perhitungan Intensitas Curah Hujan

Intensitas curah hujan adalah tinggi air hujan yang jatuh pada suatu area dengan persatuan waktu.

Intensitas hujan dihubungkan dengan durasi hujan jangka pendek seperti 10 menit, 20 menit, 30 menit

dan jam-jaman. Data curah hujan jangka pendek ini hanya dapat diperoleh dengan menggunakan alat

pencatat hujan otomatis. Dalam mengolah besarnya curah hujan dalam periode tertentu menjadi intensitas

curah hujan dalam durasi yang berbeda-beda digunakan beberapa metode, yaitu salah satunya metoda

Van Breen (Suripin, 2003).

I = (54 x R)+(0,007 x (𝑅2))

t + (0,31 x R) (17)

Keterangan :

I = Intensitas hujan (mm/jam)

R = Curah hujan harian maksim,um (mm/hari)

t = waktu (detik)

Menggunakan rumus tersebut, data curah hujan terpilih yang digunakan dapat dilihat pada Tabel 14.

Tabel 14. Data curah hujan terpilih (Metoda Gumbel)

No PUH Rt (mm/hari)

1 2 192

2 5 219

3 10 238

4 25 261

5 50 278

6 100 295


Dalam perencanaan ini menggunakan hasil perhitungan intensitas hujan dari metoda Van Breen

dengan persamaan Talbot dapat dilihat pada Tabel 15.

Tabel 15: Intensitas curah hujan (mm/jam) menurut Van Breen dengan persamaan Talbot

Durasi

(Menit)

Intensitas Curah Hujan (mm/jam)

2 5 10 25 50 100

R1 R2 R3 R4 R5 R6

5 164,69 166,85 168,17 169,61 170,57 171,48

10 152,85 156,14 158,13 160,28 161,71 163,03

20 133,63 138,37 141,27 144,39 146,48 148,40

40 106,77 112,72 116,44 120,51 123,26 125,82

60 88,91 95,10 99,03 103,41 106,40 109,21

80 76,16 82,23 86,15 90,55 93,59 96,47

120 59,19 64,73 68,37 72,52 75,43 78,22

240 35,48 39,50 42,22 45,40 47,68 49,90



748

p-ISSN : 2528-3561

e-ISSN : 2541-1934

Kurva Intesity Duration, Frequency (IDF) merupakan kurva yang memperlihatkan hubungan anta-

ra intensitas hujan dan durasinya. Cara menggambar kurva IDF (Gambar 8) diperlukan data curah hujan

dalam durasi pendek, yaitu dalam satuan waktu menit. Berdasarkan perencanaan, kurva ini akan

digunakan dalam perhitungan limpasan dengan rumus rasional pada perhitungan debit puncak dengan

menggunakan intensitas hujan yang sama dengan waktu pengaliran curah hujan dan titik paling atas ke

titik yang ditinjau dibagian hilir daerah pengaliran tersebut.

Gambar 8. Kurva IDF


4. Kesimpulan

Berdasarkan hasil penelitian karakteristik curah hujan pada kawasan hunian dan komersial Pantai

Indah Kapuk (PIK) 2 Cluster “C” di Kabupaten Tangerang Provinsi Banten dapat diambil kesimpulan

bahwa:

Stasiun hujan yang digunakan dalam analisis karakteristik curah hujan pada kawasan hunian dan

komersial Pantai Indah Kapuk (PIK) 2 Cluster “C” di Kabupaten Tangerang Provinsi Banten meliputi

5 stasiun penangkap hujan yaitu stasiun BPP Teluknaga, Stasiun UPTD Neglasari, Stasiun

Meteorologi Soekarno Hatta, Stasiun Geofisika Tangerang dan Stasiun Meteorologi Budiarto dengan

durasi 25 tahun (1994 - 2018).

Data curah hujan yang tersedia adalah curah hujan harian sehingga dalam perhitungan intensitas curah

hujan yang digunakan dalam perencanaan drainase adalah dengan berbagai kala ulang. Dalam

perencanaan ini menggunakan hasil perhitungan intensitas hujan dari metoda Van Breen dengan

persamaan Talbot. Periode ulang yang dipergunakan adalah PUH 2 untuk jalur tersier dan PUH 5

untuk jalur sekunder.

Kurva IDF menunjukkan bahwa intensitas curah hujan dipengaruhi oleh waktu dan periode ulang

hujan, dimana semakin pendek waktu curah hujan dan besar periode ulang hujan maka semakin tinggi

juga intensitas curah hujan yang dihasilkan.

5. Saran

Perlu adanya perbaikan pada setiap stasiun hujan yang ada dari segi jumlah stasiun sehingga data yang

dibutuhkan dapat mewakili seluruh wilayah kawasan hunian dan komersial PIK 2 Cluster “C” di Ka-

bupaten Tangerang.

Melakukan pendataan curah hujan yang lebih spesifik sehingga hasil analisa kebutuhan air pada wila-

yah kawasan hunian dan komersial PIK 2 Cluster “C” di Kabupaten Tangerang menjadi lebih akurat.

0,00

20,00

40,00

60,00

80,00

100,00

120,00

140,00

160,00

180,00

10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240

Inte

nsi

tas

Cu

rah

Hu

jan

(m

m/j

am)

T (Menit) PUH 2 Tahun PUH 5 Tahun PUH 10 Tahun PUH 25 Tahun PUH 50 Tahun PUH 100 Tahun


749

p-ISSN : 2528-3561

e-ISSN : 2541-1934

6. Referensi Badan Pusat Statistik. (2018). Kecamatan Kosambi dalam Angka 2018. Kosambi: BPS Kabupat-

en Tangerang. BAPPEDA. (2019). Badan Perencanaan Pembangunan Daerah (BAPPEDA) Kabupaten Tangerang .

BMKG. (2019). Badan Meteorologi, Klimatologi dan Geofisika (BMKG) online 1994-2018. Kota Tange-

rang: BMKG.

BMKG. (1994). Badan Meteorologi, Klimatologi dan Geofisika (BMKG) Stasiun Klimatologi Pondok

Betung Kota Tangerang 1994-2018. Kota Tangerang: BMKG.

Dinas Pekerjaan Umum. (1986). Kriteria Perencanaan Irigasi 01. Departemen Pekerjaan Umum Repub-

lik Indonesia.

Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR), Bina Marga dan Sumber Daya Air (BMSDA).

(2019). Departemen Pekerjaan Umum Republik Indonesia.

Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR), Tata Ruang dan Wilayah Kabupaten Tangerang.

(2019). Departemen Pekerjaan Umum Republik Indonesia.

Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR), Perumahan dan Pemukiman Rakyat Kabupaten

Tangerang. (2019). Departemen Pekerjaan Umum Republik Indonesia.

Google Earth. (2019).

Hardjosuprapto , Moh. Masduki (Moduto). (1998). Drainase Perkotaan. Institut Teknologi Bandung :

Bandung.

H. A. Halim Hasmar. (2012). Drainase Terapan. UII Press : Yogyakarta.

Marketing Office dan Pihak Pengelola Agung Sedayu Group Pantai Indah Kapuk 2.

Pusat Litbang Sumber Daya Air (PUSAIR), Provinsi Jawa Barat. (2019). Republik Indonesia.

Soemarto. (1995). Hidrologi Teknik. Edisi Ke-2. Erlangga : Jakarta.

Suripin. (2003). Sistem Drainase Perkotaan yang Berkelanjutan. Yogyakarta.

Susana, Tjuju. (2003). Air Sebagai Sumber Kehidupan. Jurnal Oseana, Vol. XXVIII, No. 03. 2002: 17-25.

Documents

Analisis Karakteristik Curah Hujan pada Kawasan Hunian dan