Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
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-
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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)
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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.
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil perhitungan (2019)
Gambar 4. Kurva masa ganda uji konsistensi sebelum terkoreksi
Sumber : Hasil perhitungan (2019)
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)
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
737
p-ISSN : 2528-3561
e-ISSN : 2541-1934
Gambar 5. Kurva masa ganda uji konsistensi sebelum terkoreksi
Sumber : Hasil perhitungan (2019)
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)
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil perhitungan (2019)
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
Sumber : Hasil perhitungan (2019)
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.
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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)
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil Perhitungan (2019)
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil perhitungan (2019)
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.
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil perhitungan (2019)
• 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.
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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.
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil perhitungan (2019)
- 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.
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
745
p-ISSN : 2528-3561
e-ISSN : 2541-1934
Tabel 9. Perhitungan Nilai b
bi b
-95,54
-61,25 -26,97
-122,50
Sumber : Hasil perhitungan (2019)
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
Sumber : Hasil perhitungan (2019)
- 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
Sumber : Hasil perhitungan (2019)
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
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil perhitungan (2019)
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.
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil perhitungan (2019)
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
Sumber : Hasil Perhitungan (2019)
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
Sumber : Hasil perhitungan (2019)
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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
Sumber : Hasil perhitungan (2019)
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
Serambi Engineering, Volume V, No. 1 Januari 2020 hal 732 - 749
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.