You are on page 1of 7

Jurnal Ilmiah Teknik Sipil Vol. 16, No.

1, Januari 2012

ANALISIS POLA PENEMPATAN DAN JUMLAH STASIUN HUJAN


BERDASARKAN PERSAMAAN KAGAN PADA DAS KEDUANG WADUK
WONOGIRI

Putu Gustave Suriantara Pariarta


Dosen Jurusan Teknik Sipil, Fakultas Teknik Universitas Udayana, Denpasar
E-mail : gustave_sp@yahoo.co.id

Abstrak: Ketelitian pengukuran hujan dipengaruhi oleh jumlah stasiun hujan


(rainfall networks) dan pola penyebarannya di dalam DAS. Penempatan stasiun
hujan yang tepat baik lokasi, jumlah stasiun hujan, pola penyebarannya akan dapat
diperoleh data yang akurat mengenai kedalaman, penyebaran dan intensitas
hujannya. Selama ini belum terdapat pedoman baku tentang jumlah stasiun hujan
yang dipandang cukup mewakili variabilitas curah hujan di suatu DAS sehingga
melihat hal tersebut diperlukan perhitungan yang mendasari jumlah dan
penempatan stasiun hujan yang optimal. Untuk pengukuran kerapatan jaringan
untuk tiap-tiap DAS digunakan metode Kagan dikarenakan jumlah stasiun hujan
yang optimal dan pola penempatannya dapat diperoleh. Perhitungan kerapatan
jaringan dengan metode Kagan ini dimulai dengan menentukan koefisien korelasi
antar stasiun hujan untuk masukan (input) hujan bulanan, dalam melakukan
analisis ini dihindarkan adanya “complete dry days”, jadi hanya untuk hari-hari
atau bulan-bulan basah yang mempunyai intensitas hujan yang besar yang
dikorelasikan. Evaluasi jaringan kagan menunjukkan keluaran (output) yaitu
pertama hubungan antara jumlah stasiun hujan yang dibutuhkan dengan tingkat
kesalahan tertentu (kesalahan perataan dan kesalahan interpolasi), dan kedua lokasi
stasiun hujan sesuai dengan pola jaringan tertentu. Keluaran dari perhitungan
dengan metode Kagan ini adalah jumlah dan pola penempatan stasiun hujan yang
optimal. Hasil analisis menunjukkan terdapat kekurangan jumlah stasiun hujan
baik dengan kesalahan perataan 5 % dengan jumlah stasiun hujan sebanyak 68
buah dimana jarak antar simpul 2,591 Km dan kesalahan perataan 10 % dengan
jumlah stasiun hujan 17 buah dimana jarak antar simpul 5,319 Km.

Kata kunci : stasiun hujan, metode kagan, kesalahan perataan

Abstract : Precipitation measurement accuration is affected by the amount of


rainfall stations and the network pattern within basin area. The precise placement
of rainfall stations considering location, amount of rainfall stations, network pattern
will contribute to the data accuration of rainfall depth, spreads and rainfall
intensity. There is no standard yet for the number of rainfall stations that can
represent rainfall variability in watershed, so to obtain the optimal number and
network pattern of rainfall stations must based on calculation. The measurement for
network density of rainfall stations is calculated using Kagan method because
using this method the optimal number and network pattern can be obtained. The
calculation begins with determining the correlation coeffitient between rainfall
stations as an input to monthly rainfall. In this stage, the complete dry days were
not counted, but only wet days or months with high rainfall intensity. The
evaluation of Kagan method produced first output which is the correlation between
number of the required rainfall station with certain level of error (average error and
interpolation error) and the second which is the location of rainfall station refers to
a certain pattern. The output from Kagan method is the optimal number and
network pattern of rainfall station. The analysis shows that there is lacks of rainfall
station both by adjustment error of 5 % using 68 rainfall stations with 2,591 km
bond length and adjustment error of 10 % using 17 rainfall stations 17 with 5,319
km bond length.

100
Jurnal Ilmiah Teknik Sipil Vol. 16, No. 1, Januari 2012

Key words : Rainfall station, Kagan method, adjustment error

PENDAHULUAN kup mewakili variabilitas curah hujan di


Penetapan debit banjir rancangan dite- suatu DAS sehingga melihat hal tersebut
tapkan melalui prosedur analisis hidrologi diperlukan perhitungan yang mendasari
yang didasarkan pada hasil kajian terha- jumlah dan penempatan stasiun hujan
dap data curah hujan dan beberapa sifat fi- yang optimal.
sik DAS yang mempengaruhi proses pe-
ngalihragaman hujan menjadi aliran. TEORI DAN METODE PENELITIAN
Agar besaran hujan benar-benar me-
wakili kedalaman hujan sebenarnya yang Kerapatan Jaringan Stasiun Hujan
terjadi di seluruh DAS diperlukan stasiun Data hujan merupakan hal yang sangat
hujan dengan jumlah dan kerapatan ter- penting dalam penentuan kualitas dan ket-
tentu sehingga dapat mewakili besaran hu- epatan perencanaan sumber daya air. Data
jan di DAS tersebut. Jaringan stasiun hu- hujan yang memiliki kesalahan yang mi-
jan harus direncanakan sesuai dengan ke- nimum merupakan salah satu komponen
perluan kemanfaatan data curah hujan penentu dalam hitungan selanjutnya. Da-
yang akan dikumpulkan. Di wilayah yang lam praktek setiap negara mempunyai ca-
telah berkembang dengan tingkat kepada- ra tertentu dalam pengembangan jaringan
tan yang tinggi, jumlah alat penakar hujan stasiun hujan. Pada dasarnya terdapat em-
yang diperlukan juga seharusnya lebih ba- pat persoalan yang perlu dijawab (Sri
nyak. Hal ini disebabkan karena tingkat Harto, 1993) yaitu :
perkembangan pembangunan yang ber- - Bagaimana pengukuran akan dilaku-
langsung di tempat tersebut menuntut in- kan,
formasi tentang curah hujan yang lebih - Berapa banyak tempat yang akan di-
akurat dibandingkan dengan wilayah ku- ukur,
rang atau belum berkembang dengan ting- - Dimana tempat yang akan diukur,
kat kepadatan penduduk rendah. Sebalik- - Berupa jaringan tetap atau sementara.
nya, wilayah dengan tingkat kepadatan Untuk pengukuran kerapatan jaringan
penduduk rendah tetapi memiliki proyek untuk tiap-tiap DAS digunakan metode
pembangunan yang strategis, misalnya Kagan dikarenakan jumlah stasiun hujan
proyek pembangkit listrik tenaga air (PL- yang optimal dan pola penempatannya da-
TA), maka akurasi data hujan yang diper- pat diperoleh. Perhitungan kerapatan jari-
lukan juga tinggi karena kelangsungan ngan dengan metode Kagan ini dimulai
operasi proyek tersebut sangat tergantung dengan menentukan koefisien korelasi an-
dari ketersediaan (supply) airnya. Dengan tar stasiun hujan untuk masukan (input)
demikian dapat dikatakan bahwa perenca- hujan bulanan, dalam melakukan analisis
naan jaringan pengukur hujan juga dipe- ini dihindarkan adanya “complete dry
ngaruhi oleh bagian ekonomi dan kepada- days”, jadi hanya untuk hari-hari atau bu-
tan penduduk. lan-bulan basah yang mempunyai intensi-
Ketelitian pengukuran hujan dipenga- tas hujan yang besar yang dikorelasikan.
ruhi oleh jumlah stasiun hujan (rainfall Evaluasi jaringan kagan menunjukkan ke-
networks) dan pola penyebarannya di da- luaran (output) yaitu pertama hubungan
lam DAS. Penempatan stasiun hujan yang antara jumlah stasiun hujan yang dibutuh-
tepat baik lokasi, jumlah stasiun hujan, kan dengan tingkat kesalahan tertentu (ke-
pola penyebarannya akan dapat diperoleh salahan perataan dan kesalahan interpola-
data yang akurat mengenai kedalaman, pe- si), dan kedua lokasi stasiun hujan sesuai
nyebaran dan intensitas hujannya. Selama dengan pola jaringan tertentu.
ini belum terdapat pedoman baku tentang Keluaran dari perhitungan dengan me-
jumlah stasiun hujan yang dipandang cu- tode Kagan ini adalah jumlah dan pola pe-

101
Analisis Pola Penempatan dan Jumlah Stasiun Hujan …..........................…........... Pariarta

nempatan stasiun hujan yang optimal. r ( d ) = r (0 )e − d / d 0


Apabila stasiun hujan existing ternyata le- A
bih banyak daripada hasil perhitungan Ka- 1 − r ( 0 ) + 0 . 23
Z 1 = CV d0 N
gan maka tidak semua stasiun hujan digu- N
nakan dalam analisis selanjutnya dan sta-
A
siun hujan dapat dikurangi. Pemilihan di- L = 1 . 07
N
lakukan dengan memilih stasiun hujan
yang paling dekat dengan simpul Kagan 1 r (0) A
Z 2 = CV 1 − r ( 0 ) + 0 . 52
yang dianggap mewakili jaringan Kagan. 3 d0 N
Apabila stasiun hujan ternyata lebih sedi-
kit dibandingkan dengan perhitungan Ka- dengan :
gan maka stasiun hujan perlu ditambah. d = jarak antar stasiun (km),
Namun, dalam penelitian ini perhitungan d0 = radius korelasi, yaitu jarak dalam
jaringan Kagan hanya dipergunakan untuk km dimana koefisien korelasi ber-
mengetahui jumlah dan penempatan sta- kurang dengan faktor e,
siun hujan yang optimal sedangkan untuk Z1 = kesalahan perataan (%),
analisis selanjutnya digunakan stasiun hu- CV = koefisien variasi,
jan existing. r(0) = koefisien korelasi yang diekstrapo-
lasikan untuk jarak 0 km,
Metode Kagan r(d) = koefisien korelasi untuk jarak d
Dari berbagai cara penetapan jaringan km,
pengukuran hujan, terdapat cara yang rela- A = luas DAS,
tif sederhana, baik dalam hal kebutuhan N = jumlah stasiun hujan,
data maupun prosedur hitungannya. Cara L = jarak antar stasiun dalam segitiga
ini dikemukakan oleh Kagan (1967) yang sama sisi,
memiliki keuntungan selain diketahui ke- Z2 = kesalahan intepolasi (%).
butuhan jumlah stasiun, sekaligus dapat
memberikan pola penempatannya.Dengan Langkah-langkah yang dapat ditem-
metode ini kesalahan yang diinginkan da- puh dalam penetapan jaringan ini secara
lam perhitungan jaringan dapat ditentukan garis besar adalah sebagai berikut ini.
dan jumlah serta pola penempatan stasiun - Menghitung nilai koefisien variasi
hujan yang optimal dapat diperoleh.Data (Cv) berdasarkan data hujan baik ha-
yang digunakan adalah data hujan bulanan rian maupun bulanan dari stasiun
karena apabila digunakan data hujan ha- yang telah tersedia, sesuai dengan
rian maka hasil yang didapatkan tidak ra- yang diperlukan.
sional (Sri Harto, 2000). - Mencari hubungan antara jarak antar
Penetapan jaringan pengukuran yang stasiun dan koefisien korelasi, dimana
dikemukakan oleh Kagan (1967) pada da- korelasi hanya dilakukan untuk hari-
sarnya mempergunakan analisis statistik haria taubulan-bulan yang terjadi hu-
dengan mengaitkan kerapatan jaringan de- jan di kedua stasiun.
ngan kesalahan interpolasi dan kesalaan - Hubungan yang diperoleh pada butir
perataan (interpolation error and avera- (b) digambarkan dalam sebuah grafik
ging error) (Sri Harto, 1993). Persamaan- lengkung eksponensial, dimana dari
persamaan yang dipergunakan adalah se- grafik tersebut dapat diperoleh besa-
bagai berikut : ran d(0) dengan menggunakan nilai ra-
ta-rata d dan r(d) serta persamaan1.
- Dengan besaran tersebut, maka persa-
maan 2 dan 4 dapat dihitung setelah
tinggi ketelitian ditetapkan. Atau se-
baliknya, dicari grafik hubungan anta-

102
Jurnal Ilmiah Teknik Sipil Vol. 16, No. 1, Januari 2012

ra jumlah stasiun dengan ketelitian hujan yang akan dijadikan acuan diragu-
yang diperoleh. kan kepanggahannya.
- Penempatan stasiun hujan dilakukan Untuk di Indonesia karena variabilitas
menggunakan persamaan 3 dan ruang dan waktu dari hujan yang tinggi
menggambarkan jaring-jaring segitiga dan metode yang tepat untuk memperki-
sama sisi pada DAS dengan panjang rakan kembali data hujan yang hilang ter-
sisi sama dengan l, kemudian dilaku- sebut belum ada maka apabila terdapat da-
kan penggeseran-penggeseran sede- ta hujan yang hilang dianggap pada hari
mikian rupa sehingga jumlah simpul itu stasiun hujan tidak ada (Sri Harto,
segitiga dalam DAS sama dengan 2000). Sehingga untuk setiap tahun pada
jumlah stasiun yang dihitung. Simpul- data hujan perlu diteliti kembali kelengka-
simpul tersebut adalah lokasi stasiun pan datanya. Apabila data hujan tidak
hujan lengkap maka hujan DAS dihitung kem-
bali dengan stasiun hujan yang memiliki
Pengujian Data Hujan data hujan lengkap.
Pengujian data hujan dapat dilakukan
dengan kurva massa ganda (double mass HASIL ANALISIS
curve) dan dapat juga dilakukan dengan
cara statistik antara lain :van neumann ra- Lokasi Penelitian
tio, cumulative deviationatau disebut juga Wilayah yang digunakan untuk daerah
rescaled adjusted partial sums dan penelitian adalah DAS Keduang yang
worsley’s likelihood ratio test.Pengujian menjadi salah satu catchment area Waduk
kepanggahan pada penelitian ini dilaku- Wonogiri. DAS Keduang memiliki luas
kan dengan menggunakan cara statistik 397,466 km2 dengan stasiun AWLR terle-
yaitu dengan rescaled adjusted partial tak di Sidorejo dan memiliki 10 buah sta-
sums (RAPS) hal ini dikarenakan apabila siun pengukur hujan. Peta DAS Keduang
menggunakan kurva massa ganda, stasiun dengan posisi AWLR dan stasiun pengu-
kur hujan dapat dilihat di bawah ini.

Gambar1. Peta DAS Keduang

Stasiun Pengamatan Hujan tidak digunakan dalam analisis selanjut-


Panjang data berkisar rata-rata lebih nya. Stasiun hujan yang digunakan dalam
dari 10 tahun Untuk data yang hilang ti- penelitian ini dapat dilihat pada Tabel 1 di
dak dilakukan pengisian data hilang dan bawah ini.

103
Analisis Pola Penempatan dan Jumlah Stasiun Hujan …..........................…
…........... Pariarta

semua korelasi padada stasiun yang memi-


memi
Tabel 1 Stasiun Hujan DAS Keduang liki jarak cukup dekat memberikan angka
No. Nama Stasiun Hujan korelasi yang besar demikian juga sebalik-
sebalik
1 Girimarto nya untuk stasiun hujan yang memiliki ja- ja
2 Bulukerto rak cukup jauh memiliki angka korelasi
3 Wonogiri yang rendah. Hal ini menunjukkan hujan
4 Slogohimo pada DAS yang ditinjau memiliki sifat si
5 Purwantoro yang variatif. Tentu saja ini memungkin-
memungkin
6 Jatisrono kan karena Indonesia merupakan daerah
7 Sidoharjo yang memiliki iklim tropis sehingga hujan
8 Kismantoro yang terjadi bersifat setempat dan sangat
9 Ngadirejo bervariasi cukup besar dengan luas penga-
penga
10 Jatiroto ruh hujan yang relatif sangat kecil. Namun
demikianan luas pengaruh ini belum diketa-
diketa
Hasil Analisis Jaringan Pengukuran hui secara pasti.
Hujan Kagan Korelasi antar stasiun pada DAS Ke- Ke
Besarnya koefisien variasi
var yang ditun- duang untuk hujan bulanan dimana koefi-
koefi
jukan oleh DAS Keduang relatif kecil yai- sien korelasi tersebut dihitung dari satu
tu 0,551, kecenderungan yang terjadi apa-
apa stasiun terhadap stasiun lainnya dan diu-
diu
bila koefisien variasi yang diperoleh cu-
cu kur juga jarak antar stasiun yang dihitung
kup kecil maka koefisien korelasi akan cu-
cu korelasinya.
elasinya. Kemudian didapat persamaan
kup besar demikian juga sebaliknya apa-apa antara jarak (km) dan korelasi yang disa-
disa
bila koefisien variasi besar maka koefisien jikan dalam gambar di bawah ini.
korelasi yang diperoleh akan kecil. Tidak

Gambar 2. Korelasi dan jarak antar stasiun DAS Keduang

Terlihat dari grafik 2 menunjukkan kecen-


kecen kin kecil. Besar kesalahan perataan (Z1)
derungan bahwa semakin jauh jarak sta-sta dan kesalahan interpolasi (Z2) disajikan
siun maka koefisien korelasi akan sema- dalam gambar di bawah ini.

104
Jurnal Ilmiah Teknik Sipil Vol. 16, No. 1, Januari 2012

Gambar 3. Hubungan antara jumlah stasiun dengan kesalahan perataan dan kesalahan
interpolasi
Dengan menetapkan tingkat kesalahan diperlukanan untuk memenuhi patokan
patok Ka-
perataan (Z1) sebesar 5 % dan 10 % maka gan untuk DAS Keduang. Hasil analisis
diperoleh jumlah stasiun hujan yang dapat dilihat pada tabel di bawah ini.

Tabel 2.. Jumlah stasiun hujan metode Kagan dengan kesalahan perataan 5 % dan 10 %
Jumlah Jumlahstasiun (buah) Jarakantarsimpul (km)
Luas Stasiun
Nama
DAS Eksisting kesalahanperataan kesalahanperataan kesalahanperataan kesalahanperataan
DAS
(km2) 5% 10 % 5% 10 %
Keduang 397,466 10 68 17 2,591 5,319

Dari tabel 2 dapat dilihat bahwa terda-


terda han perataan 10 % dengan jumlah stasiun
pat kekurangan jumlah stasiun hujan baik hujan 17 buah dimana jarak antar simpul
dengan kesalahan perataan 5 % dengan 5,319. Pola Penempatanan stasiun hujan da-
da
jumlah stasiun hujan sebanyak 68 buah di- pat dilihat pada gambar di bawah ini.
mana jarak antar simpul 2,591 dan kesala-

Gambar 4. Pola Penempatan Stasiun Hujan DAS Keduang Metode Kagan Dengan
Kesalahan Perataan 5%

105
Analisis Pola Penempatan dan Jumlah Stasiun Hujan …..........................…
…........... Pariarta

Gambar 5. Pola Penempatan Stasiun Hujan DAS Keduang Metode Kagan Dengan
Kesalahan Perataan 5%

SIMPULAN DAN SARAN Saran


Dalam penentuan lokasi stasiun hujan
Simpulan diharapkan tetap mengacu pada posisi sta-
sta
Besarnya koefisien variasi yang ditun-
ditun siun-stasiun
stasiun hujan lain yang terdapat pada
jukkan
kan oleh DAS Keduang relatif kecil DAS yang sama sehingga posisi stasiun
yaitu 0,551. Dari hasil analisis terlihat hujan tidak terkumpul pada satu tempat te-
te
bahwa terdapat kekurangan jumlah stasiun tapi lebih menyebarr dan juga diharapkan
hujan baik dengan kesalahan perataan 5 % terdapat perencanaan yang baik dalam pe-
pe
dengan jumlah stasiun hujan sebanyak 68 nempatan stasiun hujan dengan didasari
buah dimana jarak antar simpul 2,591 dan perhitungan seperti metode Kagan dimana
kesalahan perataan 10 % dengan jumlah hal ini akan berkontribusi terhadap jumlah
stasiun hujan 17 buah dimana
dima jarak antar dan pola penempatan stasiun hujan yang
simpul 5,319. lebih efektif dan efisien.

106