• Tidak ada hasil yang ditemukan

PW Hidrologi Pola Intensitas Hujan Menurut Durasi dan Probabilitas Hujan

N/A
N/A
Protected

Academic year: 2017

Membagikan "PW Hidrologi Pola Intensitas Hujan Menurut Durasi dan Probabilitas Hujan"

Copied!
22
0
0

Teks penuh

(1)

!!"

!!" #$%&##$%&# '( ) $*%%!%$+!,-$*%&,#%&#*%.

'( ) $*%%!%$+!,-$*%&,#%&#*%.

' ) / 01 2 .

(2)
(3)

Latar Belakang

Latar Belakang

Metoda prediksi intensitas hujan yang telah ada “

Metoda prediksi intensitas hujan yang telah ada “

prediksi

prediksi

intensitas hujan sebagai fungsi durasi hujan menurut

intensitas hujan sebagai fungsi durasi hujan menurut

kelompok periode ulang kejadian hujan”

kelompok periode ulang kejadian hujan”

Jenis Talbot (1881), Jenis Talbot (1881), Jenis Sherman (1905), Jenis Sherman (1905), dan Jenis Ishiguro (1953) dan Jenis Ishiguro (1953) dan Jenis Ishiguro (1953) dan Jenis Ishiguro (1953)

Memprediksi intensitas hujan pada sejumlah x periode

Memprediksi intensitas hujan pada sejumlah x periode

ulang hujan diperlukan sebanyak x persamaan

ulang hujan diperlukan sebanyak x persamaan

Diperlukan persamaan yang dapat digunakan untuk

Diperlukan persamaan yang dapat digunakan untuk

memprediksi intensitas hujan sebagai fungsi dari durasi

memprediksi intensitas hujan sebagai fungsi dari durasi

dan probabilitas hujan secara terintegrasi dalam satu

dan probabilitas hujan secara terintegrasi dalam satu

persamaan. Khususnya persamaan yang berlaku untuk

persamaan. Khususnya persamaan yang berlaku untuk

kawasan DAS bagian tengah.

(4)

'3

.

'3

.

4

4

' 5

4

4

' 5

4

.

3

'35 6.

2 7 3

4

.

3

'35 6.

2 7 3

4

.

3

'35 6.

2 7 3

4

.

3

'35 6.

2 7 3

1 )

1 )

7

3 1 7

7

3 1 7

44

3

3

(5)
(6)

Kondisi Umum Wilayah Kajian

Kondisi Umum Wilayah Kajian

8 9

7 : 2

8 9

7 : 2

:

3

;

:

3

;

:

&,$

:

&,$ <

< *$$

*$$

3

3

:

%&

:

%&==>#$ 6

>#$ 6

9

( 4

! ,+,

3

9

( 4

! ,+,

3

9

( 4

! ,+,

3

9

( 4

! ,+,

3

2

3

3

; 4 5

2

3

3

; 4 5

5

7

3

5

5

7

3

5

3

7

3

7

3

2

2

3

2

2

3

2 7 3

3

(7)

Sumedang Majalengka

Cirebon Indramayu

Subang

Purwakarta

Cianjur Bogor

Bekasi

Jakarta

U

Bandung

Garut

Ciamis Tasik

malaya

Kuningan Cianjur

Sukabumi

0 60 km

(8)
(9)
(10)

Pengumpulan Data

Pembacaan rekaman hujan selama 3 tahun pada alat pencatat hujan otomatik (Fluviograf)

Diperoleh 202 buah data dasar kejadian hujan (ketebalan hujan (Ri) dan durasi hujan(ti)).

Intensitas hujannya dihitung dengan :

Data intensitas hujan dikelompokan berdasarkan durasi

I

R

t

i

i

i

=

Data intensitas hujan dikelompokan berdasarkan durasi hujan (t) :

0,25 jam (30 data) 0,5 jam (40 data) 1 jam (49 data) 2 jam (49 data) 4 jam (28 data)

6 jam (6 data), jumlahnya tidak memamdai tidak disertakan dalam analisis.

(11)
(12)

!"#

$# 15

20 25

/j

a

m

)

t = 0,25 jam t = 0,5 jam t = 1 jam t = 2 jam t = 4 jam

! $#

% %#

" $ # 0

5 10

0 10 20 30 40 50 60 70 80 90 100

p (%) Ip

(m

m

(13)

Formulasi Intensitas Hujan Fungsi dari

Lama Hujan dan Probabilitas

Pada persamaan intensitas hujan di atas

disubstitusikan nilai probabilitas hujan antara

5 % sampai dengan 95 % dengan interval 5

5 % sampai dengan 95 % dengan interval 5

% (19 nilai p).

Diperoleh proyeksi nilai intensitas hujan

sebagai fungsi probabilitas hujan (Ip)

(14)

Nilai-nilai koefisien A dan B - persamaan linier I

p

=f(1/t)

p Koefisen b Koefisien a

5 3,6891 8,4434 10 3,3601 6,9504 15 3,0499 5,7167 20 2,7601 4,6976 25 2,4913 3,8563 30 2,2433 3,1621 35 2,0157 2,5897

y = 10,87e-0,0415x 6 7 8 9 10 m /j a m ) Koefisen b Koefisien a

40 1,8077 2,118 45 1,6185 1,7295 50 1,4468 1,4099 55 1,2914 1,1472 60 1,1513 0,9314 65 1,0252 0,7544 70 0,9119 0,6094 75 0,8103 0,4908 80 0,7194 0,3938 85 0,6382 0,3147 90 0,5657 0,2504 95 0,501 0,1981

y = 4,3187e-0,0223x 0 1 2 3 4 5

0 10 20 30 40 50 60 70 80 90 100

(15)

&'(

)

* '

p = 5 %

20

25

30

ja

m

)

t

e

e

I

t,p

=

10

.

87

−0,0415.p

+

4

,

319

−0,00223.p

1

p = 16 %

p = 50 %

0

5

10

15

20

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5

t (jam) It,p

(

m

m

/j

a

(16)

Perbandingan Inetnsitas Hujan

dengan Data Empirik (Ie)

20 25 30 u ja n ( I t, p )

Model t = 0,25 empirik t = 0,25

0 5 10 15 20 25

0 10 20 30 40 50 60 70 80 90 100

In te n s it a s h u ja n (

It,p

)

Model t = 0,5

empirik t = 0,5

0 5 10 15

0 10 20 30 40 50 60 70 80 90 100

Probabilitas (p; %)

In te n s it a s h u

ja 0 10 20 30 40 50 60 70 80 90 100

Probabilitas (p; %)

0 5 10 15 20

0 10 20 30 40 50 60 70 80 90 100

Probabilitas (p; %)

In te n s it a s h u ja n (

It,p

)

Model t = 1

(17)

Perbandingan Inetnsitas Hujan dengan

Data Empirik (Ie)

10 12 14 16

(

It,p

)

Model t = 2 empirik t = 2

8 10 12 n ( I t, p )

Model t = 4 empirik t =4

0 2 4 6 8 10

0 10 20 30 40 50 60 70 80 90 100

Probabilitas (p; %)

In te n s it a s h u ja n ( I 0 2 4 6

0 20 40 60 80 100

Probabilitas (p; %)

(18)

Perbandingan dengan Hasil Perhitungan

Metode Lain

(T = 2 dan 3 tahun)

6,0 7,0 8,0 Data Empirik Talbot Sherman 10,0 12,0 14,0 Data Empirik Talbot Sherman 0,0 1,0 2,0 3,0 4,0 5,0 6,0

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0

Durasi hujan (t; jam)

(It, 2 m m /j a m ) Sherman Ishiguro Hasil Riset 0,0 2,0 4,0 6,0 8,0 10,0

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0

Durasi hujan (t; jam)

(19)

Perbandingan dengan Hasil Perhitungan

Metode Lain

(T = 5, 7 dan 10 tahun)

14,0 16,0 18,0 Data Empirik Talbot 0,0 5,0 10,0 15,0 20,0

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0

Durasi hujan (t; jam)

(It, 7 ; m m /j a m

) Data EmpirikTalbot

Sherman Ishiguro Hasil Riset 0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0

Durasi hujan (t; jam)

(It, 5 ; m m /j a m ) Talbot Sherman Ishiguro Hasil Riset

Durasi hujan (t; jam)

0,0 5,0 10,0 15,0 20,0 25,0

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0

Durasi hujan (t; jam)

(It, 1 0 ; m m /j a m

) Data Empirik

(20)

Perbandingan dengan Hasil Perhitungan

Metode Lain

(T = 15, 20 tahun)

20,0 25,0 Data Empirik Talbot Sherman 25,0 30,0 Data Empirik Talbot 0,0 5,0 10,0 15,0

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0

Durasi hujan (t; jam)

(It, 1 5 ; m m /j a m ) Sherman Ishiguro Hasil Riset 0,0 5,0 10,0 15,0 20,0

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0

Durasi hujan (t; jam)

(21)

Perbandingan Nilai Korelasi

0,89 0,86 0,88 0,9 0,92 0,89 0,97 0,95 0,91 0,96 0,98 0,95 0,97 0,99 0,96 0,94 0,95 0,96 0,95 0,95 0,99 0,99 0,97 0,99 0,99 0,93 0,98 0,96 0,85 0,90 0,95 1,00 a i K o re la s i 0,75 0,80 0,85

T =2 T =3 T =5 T =7 T =10 T =15 T =20

Periode Ulang (T; tahun)

N

il

a

i

(22)

Kesimpulan

Kesimpulan

Persamaan akhir pola intensitas hujan hasil pemodelan adalah : Persamaan akhir pola intensitas hujan hasil pemodelan adalah :

Atau Atau

t

e

e

I

t,p

=

10

.

87

−0,0415.p

+

4

,

319

−0,00223.p

1

e

b

e

a

I

t,p

=

1 a2.p

+

1 b2.p

1

Pada semua kelompok durasi hujan, nilai intensitas hujan hasil Pada semua kelompok durasi hujan, nilai intensitas hujan hasil pemodelan (I

pemodelan (It,pt,p) dan intensitas hujan empirik (Ie) mempunyai nilai ) dan intensitas hujan empirik (Ie) mempunyai nilai yang sangat dekat.

yang sangat dekat.

Pada semua kelompok periode ulang kejadian hujan (T), nilai Pada semua kelompok periode ulang kejadian hujan (T), nilai intensitas hujan hasil pemodelan (I

intensitas hujan hasil pemodelan (It,pt,p), cukup valid. Nilai hasil ), cukup valid. Nilai hasil perhitungan mendekati data empirik dan polanya sama dengan perhitungan mendekati data empirik dan polanya sama dengan metode lain

metode lain

Simpangan yang relatif besar terdapat pada pada t > 4 jam.

Simpangan yang relatif besar terdapat pada pada t > 4 jam. Hal Hal

ini I

ini It,pt,p bersifat ekstrapolasi.bersifat ekstrapolasi.

t

e

b

e

a

Referensi

Dokumen terkait

Diperlukan pemastian lebih lanjut dengan mendapat sekali lagi angka abnormal, baik kadar glukosa darah puasa ≥ 126 mg/dl, kadar glukosa sewaktu ≥ 200 mg/dl pada hari

Website telah menjadi media penyampaian informasi bagi bermacam perusahaan, sekolah, tidak terkecuali pada organisasi. Website PESSTA+ Perguruan Tinggi Raharja, merupakan suatu

Quantum Learning adalah sebuah model pembelajaran yang dapat membantu guru dan siswa dalam meningkatkan motivasi dan hasil. belajar di sekolah, dalam penerapannya

a. Membuat rencana pelaksanaan pembelajaran.. Menyiapkan materi yang akan disampaikan dalam kegiatan praktik mengajar dengan mengacu pada RPP yang telah dibuat.

Berdasarkan validasi tahap 2 pada Tabel 9 diperoleh hasil penilaian dari 3 validator dapat diketahui bahwa validasi ahli bahasa memperoleh nilai, yaitu pada aspek bahasa

Hasil dari penelitian ini berdasarkan analisis data yang didapat dari naskah berita yang menjadi korpus di kedua media televisi tersebut yaitu TV One membingkai peristiwa

Peningkatan ini terjadi karena pendekatan ini menekankan pada kegiatan pembelajaran yang dikaitkan dengan situasi nyata, memanfaatkan lingkungan sekitar dan simulasinya

a. Guru mengkaji kesesuaian metode dengan tujuan yang akan dicapai. Memilih, memilah peralatan yang akan dipakai. Memperkirakan waktu yang dierlukan. Mencoba peralatan terlebih