rekayasa hidrologi
-
Upload
cinthiaayubp -
Category
Documents
-
view
188 -
download
54
description
Transcript of rekayasa hidrologi
Hidrologi SISIPAn 2015
OLEH : SRI EKO WAHYUNI
GARIS-GARIS BESAR PROGRAM PENGAJARAN
No Tujuan Khusus
Pembelajaran
Pokok Bahasan Sub Pokok Bahasan Estimasi
Waktu
Referensi
3. Mahasiswa
dapat
memahami
data hujan
yang konsisten
Menghitung
hujan DAS.
Penentuan
rangkaian
data.
Menguji
konsistensi data
hujan.
Perhitungan
hujan DAS
dengan Metode
Thiessen.
Penentuan
rangkaian data
hujan harian
maks.
-Menguji konsistensi
data hujan dengan
metode Double Mass
Curve, contoh soal.
Perhitungan Curah
hujan DAS dengan :
- Metode Thiessen.
- Mempersiapkan data
hujan harian
maksimum.
2 x 50’ Buku a, b,
c, d, e.
MENGUJI KONSISTENSI DATA HUJAN
Data hujan yang teramati pada stasiun pengamat
hujan bisa tidak konsisten, hal tersebut disebabkan
karena beberapa faktor antara lain :
a. Perpindahan lokasi pengukuran.
b. Perubahan alat (AUHB menjadi AUHO).
c. Penggantian pengamat dll.
Untuk menguji konsistensi data hujan, pendekatan
menguji konsistensi hasil pengukuran pada suatu
stasiun dan membandingkan akumulasi dari
hujan yang bersamaan untuk suatu kumpulan
stasiun yang mengelilinginya.
yang dapat dilakukan misalnya dengan Analisis
Massa Ganda (Double Mass Curve Analysis), yaitu
DATA YANG TIDAK KONSISTEN BERARTI DATA TSB.
MENGANDUNG KESALAHAN, MAKA HARUS DIUJI
● DATA DI STASIUN M SEBAGAI SUMBU Y DAN
DATA HUJAN ACUAN N SEBAGAI SUMBU X.
● DATA KUMULATIF STASIUN M DIBANDINGKAN
SECARA GRAFIS DENGAN DATA KUMULATIF
HUJAN ACUAN N.
KEBENARANNYA, DIANTARANYA DENGAN METODE
DOUBLE MASS CURVE YAITU SBB. :
● DATA YANG AKAN DIUJI ADALAH DATA TAHUNAN/
DATA MUSIMAN PADA STASIUN M.
● DATA HUJAN ACUAN N MERUPAKAN NILAI RATA2
DARI STASIUN HUJAN P, Q, R, S dst. YANG
LOKASINYA ADA DISEKELILING STASIUN M.
DATA-DATAJIKA GRAFIK YANG TERJADI BERUPA GARIS LURUS/ TIDAK TERJADI PATAHAN, MAKA DATA STASIUN M
DATA YANG SUDAH DIKOREKSI akan KONSISTEN,BERARTI BAHWA DATA YANG TERUKUR DAN
BERUBAH, KEMIRINGANNYA SEBESAR A, MAKA DATA
STASIUN M HARUS DIKOREKSI DENGAN DIKALIKAN SUATU FAKTOR KOREKSI YAITU B/A.
JIKA DATA SEBELUM GARIS TERSEBUT BERUBAH/
patah, KEMIRINGANNYA SEBESAR B DAN SETELAH
KONSISTEN, DAN SEBALIKNYA JIKA ADA PATAHAN
TIDAK KONSISTEN SEHINGGA HARUS DIKOREKSI.
DIHITUNG ADALAH BENAR & TELITI SESUAI DENGAN FENOMENA SAAT HUJAN TERJADI.
y
x
STA.M
1990
B (kemiringan/
nilai tangen)
STA.N
A Jika data curah hujan tidak
konsisten, supaya konsisten,
maka data hujan pada stasiun
M harus dikoreksi dengan
faktor : B/A.
PM S
RQ
Hujan
pada sta. M
y = ax
konsisten
y
rata-rata kumulatif pada
stasiun yang mengelilingi
(Data hujan Acuan N).
2000
Sumbu X
Sumbu Y
Y
X
●
●
Tahun
Data Hujan Tahunan
Rerata Sta.
B,C,D,E
Kumul.
Rerata Sta.
B,C,D,E
Kumul.
Sta. ASta. A Sta. B Sta. C Sta. D Sta. E
(1) (2) (3) (4) (5) (6) (7) (8) (9)
2000 1375 1378 1286 1277 1483 1356 1356 1357
1999 2021 1561 1915 1987 1891 1839 3195 3378
1998 1874 1644 1994 1663 1991 1823 5018 5252
1997 2027 2025 1731 1558 1842 1789 6807 7279
1996 1517 1766 1567 1765 1835 1733 8540 8796
1995 1713 1253 1416 1579 1306 1389 9928 10.509
1994 1523 1883 1229 1925 1796 1653 11.582 12.032
1993 1871 1298 1445 1667 1816 1557 13.138 13.903
1992 1214 1076 1310 1183 1594 1291 14.429 15.117
1991 1850 1545 1914 1603 1925 1747 16.176 16.967
1990 2336 1465 2494 2131 2222 2078 18.254 19.303
1989 950 1453 1469 1805 1262 1497 19.751 20.253
1988 1183 1597 1300 1386 1656 1485 21.236 21.436
1987 1341 1680 1618 1931 1681 1728 22.963 22.777
1986 1123 1235 1640 1541 1583 1500 24.463 23.900
1985 1314 1495 1228 1928 1590 1535 25.998 25.214
Contoh :
●●●
0
5000
10000
15000
20000
25000
30000
0 5000 10000 15000 20000 25000 30000
Data
Kum
ulatif
Sta
.A
Kumulatif Rerata Sta. B,C,D,E
Kom A
Linear (Kom A)
1990
PATAH
763,0254.18998.25
303.19214.25
053,1356.1254.18
357.1303.19
371,1768,0
053,1
FK
Kemiringan kurva sesudah patahan :
Faktor koreksi :
Kemiringan kurva sebelum patahan :
●Data yang dikoreksi tahun 1985 s/d 1990, kemudian dicari harga
kumulatif sta. A dan digambar lagi, maka akan diperoleh garis lurus !!.
● Jika Faktor Koreksi sebelum dibagi sesudah patahan :
FK = 1,371 Data Faktor Koreksi tahun 1990 sbb. :
2.336 x 1,371 = 3,203
● Jika Faktor Koreksi sesudah dibagi sebelum patahan :
FK = 0,7246 maka Data Faktor Koreksi sbb. :
2.336 : 0,7246 = 3,204
*Hasilnya SAMA !!.
Hasil analisis akan memuaskanjika kualitas data bagus.
Panjang data punya peranan yangcukup besar (> 20 tahun).
Perbedaan panjang data yang dipakai dalam analisis akanmemberikan penyimpangan yang cukup berarti, makin pendek data, makin besar penyimpangannya.
Makin panjang data, hasil analisis makin baik
HUJAN RATA-RATA DAS
POINT RAINFALL HARUS DIUBAH MENJADI
AREAL RAINFALL SEHINGGA DIPEROLEH
HUJAN RATA-RATA DAS DATA TERSEBUT YANG
BISA DIGUNAKAN UNTUK ANALISIS HIDROLOGI.
ADA 3 MACAM CARA YANG DAPAT DIGUNAKAN
UNTUK MENGHITUNG HUJAN LOKAL (POINT
1. METODE RATA-RATA ALJABAR.
2. METODE POLIGON THIESSEN.
3. METODE ISOHYET.
RAINFALL) MENJADI HUJAN RATA-RATA DAS
(AREAL RAINFALL) YAITU :
P = hujan rata-rata DAS
Pi = tinggi curah hujan distasiun i, i = 1, …,n.
1
n
i
Pin
P1
1
Merupakan metode paling sederhana untuk menghitung
hujan rata-rata yg jatuh di dalam & sekitar DAS ybs.
2
n
Batas DAS
Stasiun hujan
Hasilnya memuaskan jika daerahnya datar dan alat ukur
tersebar merata serta curah hujan tidak bervariasi
Penempatan stasiun sebaiknya merata, makin banyak
stasiun hujannya akan makin banyak informasi
yang diperoleh tetapi biayanya lebih mahal.
Keuntungan : lebih obyektif jika dibandingkan dengan
metode Isohyet yang masih mengandung faktor subyektif.
1. METODE RATA-RATA ALJABAR :
banyak dari harga tengahnya dan distribusi hujan
relatif merata pada seluruh DAS.
DATA-DATA2. METODE POLIGON THIESSEN :
- Metode ini memperhitungkan bobot/daerah pengaruh dari
masing-masing stasiun hujan asumsi : hujan yang
- Jumlah stasiun hujan minimum 3 buah.
- Penyebaran stasiun hujan bisa tidak merata.
- DAS dibagi menjadi poligon dengan stasiun pengamat
hujan sebagai pusatnya.
- Tidak memperhitungkan topografi.
- Apabila ada penambahan/ pemindahan stasiun pengamat
hujan, akan mengubah seluruh jaringan & mempengaruhi
hasil akhir perhitungan.
terjadi pada suatu luasan dalam DAS = hujan yg tercatat
di sta. terdekat jadi mewakili luasan tsb.
- Tidak sesuai untuk daerah bergunung (pengaruh
orografis).
- Metode ini lebih teliti dibandingkan dengan cara Aljabar.
n
nn
A
PAPRumus_
:
Pn = tinggi hujan pada stasiun1, 2….., n
An = luas daerah yang berpengaruh pada masing2 sta.
DAShujanrataP 2_
1
2
3
Letak Stasiun jauh,
tidak berpengaruh
Garis poligon
3. Hitung faktor pemberat/pembobot Thiessen Ai/ΣAi.
Caranya :
1. Hubungkan lokasi stasiun pengamat hujan, sudut lancip.
2. Gambar garis bagi tegak lurus pada tiap sisi segitiga.
5. Curah hujan dalam tiap poligon dianggap diwakili oleh curah hujandari titik pengamatan dalam tiap poligon tersebut.
4. Luas poligon diukur dgn planimeter / kertas milimeter / Autocad.
•
•
∆
DATA-DATACONTOH 1 :
DATA HUJAN HARIAN PADA TAHUN 2012 SEPERTI GAMBAR DI
BAWAH INI., DI MANA LUAS DAS 500 KM². HITUNG HUJAN
RERATA DAS DENGAN METODE POLIGON THIESSEN !
Luas daerah
pengaruh sta. B
Garis
poligon
A
B C
D
Stasiun hujan
A, B, C, D
120 km²B40
Luas daer. pengaruh sta.A = 95
Luas daer. pengaruh sta.C = 172
Luas daer. pengaruh sta.D = 113
Stasiun Hujan (mm)
An
Luas Daerah
Pengaruh, Pn
Hujan x Luas
Kolom 2x3
A 50 95 4.750
B 40 120 4.800
C 20 172 3.440
D 30 113 3.390
JUMLAH 500 16.380
mmA
PAP
n
nn76,32
500
380.16_
HUJAN RATA-RATA DAS TAHUN 2012 = 32,76 mm.
Stasiun Hujan (mm)
Pn
Faktor
pembobot, FP
Hujan x FP
(Pn x FP)
A 50 0,19 9,5
B 40 0,24 9,6
C 20 0,34 6,8
D 30 0,23 6,9
JUMLAH 1,00 32,8
HUJAN RATA-RATA DAS TAHUN 2012 = 32,8 mm.
Atau :
Contoh Perhitungan Curah
Hujan Rata2 DAS :
Contoh Perhitungan Curah
Hujan Rata2 DAS :
Contoh Perhitungan Curah
Hujan Rata2 DAS :
●
●
●
●
●
A: 190 mm
B
97 mm
C
170 mm
D
210 mm
E
127
GAMBARKAN
POLIGON THIESSEN dan
HITUNG HUJAN DAS !
STASIUN HUJAN A,B,C,D,E.
1. HITUNG HUJAN RATA-RATA DAS SETIAP HARI (cara Aljabar,
Thiessen, Isohyet). Jika ada 20 tahun data
pengamatan, maka dihitung sebanyak 20 x 365 =
7300 kali. Merupakan cara yg terbaik, tapi perlu
waktu cukup lama.
2. Dalam satu tahun tertentu, untuk Stasiun 1, dicari
hujan maksimum harian tahunannya :
CARA PENYIAPAN DATA HUJAN RATA-RATA DAS :
Jika ada P tahun data dan N stasiun hujan, maka
jumlah data seluruhnya = P x n.
Kemudian cari hujan harian stasiun lain pada hari
kejadian & tahun sama dan dicari hujan DASnya.
Pada tahun yg sama, cari hujan maksimum harian
untuk stasiun 2, kemudian cari hujan DASnya.
Demikian, dilakukan untuk stasiun yang lainnya.
Cara ini merupakan cara yang cukup baik.
Thn/Stasiun A B C D Hujan DAS
1980 : (misal)
15 Jan MAKS B1 C1 D1 117*
20 Okt A2 MAKS C2 D2 115
17 Des A3 B3 MAKS D3 90
10 Okt A4 B4 C4 MAKS 104
1981 : A B C D Hujan DAS
21 Nov MAKS B5 C5 D5 102
16 Jan A6 MAKS C6 D6 129**
19 Okt A7 B7 MAKS D7 131*
21 Des A8 B8 C8 MAKS 120
DATA Yang diambil, nilai maksimum setiap tahun.
Contoh Perhitungan Curah
Hujan Rata2 DAS :
Contoh Perhitungan Curah
Hujan Rata2 DAS :
Contoh Perhitungan Curah
Hujan Rata2 DAS :
Contoh mempersiapkan data hujan harian maks.
Daerah aliran sungai ( DAS ) Kali Putih, Yogya mempunyai 3
stasiun curah hujan yaitu : Sta. Babadan, Sta.Plawangan &
Sta.Ngepos, data hujan yang tersedia selama 15 th.
Persiapkan data hujan harian maks. dgn. metode Thiessen !.
Luas daerah pengaruh & faktor pembobot Thiessen :
No. Nama stasiun Luas (km²) Bobot (%)
1 Babadan 3,631 42,950
2 Plawangan 1,930 22,798
3 Ngepos 2,898 34,267
Luas total 8,457 100 %
GARIS POLIGON
Metode Poligon Thiessen.
●
● ≈
≈
∆ ∆
Luas daerah
pengaruh
Sta. Plawangan.
Sudut
lancip
Stasiun hujan
jauh dari DAS
tidak berpengaruh
Tahun Tanggal Curah Hujan Harian Maksimum
Babadan Ngepos Plawangan
42,95 % 34,267 % 22,798 %
C.Hujan Harian
Rata2 DAS
(mm).
C.Hujan Harian
Maksimum
(mm).
2010 8 Okt
8 Des
15 Des
89 59 26
26 123 5
14 78 189
64,357
54,451
75,827
75,827
2009
12 Febr
27 Febr
26 Febr
81 23 49
3 92 90
26 18 123
53,830
53,332
45,373
53,830
2008
4 Febr
27 Febr
1 Febr
103 64 42
13 95 9
30 7 70
75,729
40,187
31,238
75,729
2007
27 Febr
26 Des
7 Des
137 4 15
21 142 53
0 47 198
63,611
69,758
61,246
69,758
2006
30 Des
30 Jan
7 Des
101 30 37
55 104 9
0 11 78
62,080
61,304
21,552
62,080
Data ini yang digunakan untuk analisis hidrologi.
Data
dipotong
SEE YOU NEXT WEEK
PENANDATANGANAN MoU UNIVERCITY de PARIS VIII, MEI 2006