Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

PRESENTASI HIDROLOGI

No description
by

rizal k r

on 12 November 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of PRESENTASI HIDROLOGI

PRESENTASI HIDROLOGI
Terima Kasih
Mempersiapkan Data Hujan Rata-Rata DAS
Terdapat beberapa cara mempersiapkan data hujan yaitu:
Menghitung hujan rata-rata DAS tiap hari. Jika ada 20 tahun data pengamatan, maka dihitung sebanyak 20 x 365 = 7300 kali. Sehingga cara ini memerlukan waktu yang cukup lama.
Dalam satu tahun tertentu, untuk Stasiun 1, dicari hujan maksimum tahunannya:
Kemudian cari hujan harian stasiun lain pada hari kejadian dan tahun yang sama dan dicari hujan DASnya.
Pada tahun yang sama, dicari hujan maksimum tahunan untuk stasiun ke 2, kemudian cari hujan DASnya.
Jika ada P tahun data dan N stasiun hujan, maka jumlah data seluruhnya = P x n.
Cara ini merupakan cara yang cukup baik.

Cara Aljabar
Digunakan jika perbedaan curah hujan tahunan normal di Stasiun terdekat < 10% dari stasiun hujan yang kehilangan data.

Perbandingan Normal

Digunakan jika perbedaan curah hujan tahunan normal di stasiun terdekat > 10% dari Stasiun hujan yang kehilangan data





Px = Curah hujan di Stasiun X yang datanya missing.
Nx = Curah hujan tahunan rata-rata di Stasiun X.
Pa, Pb, Pn = Curah hujan di Stasiun A, B....n pada saat tertentu.
Na, Nb, Nn = Curah hujan tahunan rata-rata di Stasiun A, B,...n.


Cara Kebalikan Kuadrat Jarak (Reciprocal Method)
Dimana :
PX = data hujan yang hilang (mm)
DXA, DXB, DXC = Jarak antara stasiun hujan X (yang data hujannya hilang) dengan stasiun hujan A, B, C

Pengisian Data Hujan yang Hilang
Uji Konsistensi Data Hujan
Satu seri data hujan untuk satu stasiun tertentu dimungkinkan sifatnya tidak konsisten. Data semacam ini tidak bisa langsung dianalisis. Uji konsistensi data digunakan untuk mengetahui konsistensi terhadap suatu seri data yang diperoleh. Penyebab tidak konsistennya data Antara lain:
Alat ukur yang diganti dengan spesifikasi yang berbeda atau alat yang sama akan tetapi dipasang dengan patokan ukuran yang berbeda
Alat ukur dipindahkan dari tempat semula akan tetapi secara administrasi nama stasiun tersebut tidak diubah, misalnya karena masih dalam satu desa yang sama
Alat ukur sama, tempat tidak dipindahkan, akan tetapi lingkungan yang berubah, misalnya semula dipasang di tempat yang ideal (sesuai dengan syarat-syarat yang sudah dujelaskan pada bab terdahulu), kemudian berubah karena adanya bangunan atau pepohonan yang terlalu besar disekitarnya

Untuk menguji konsistensi data hujan, pendekatan yang dapat dilakukan misalnya dengan Analisis Massa Ganda (Double Mass Curve Analysis), yaitu menguji konsistensi hasil pengukuran pada suatu stasiun dan membandingkan akumulasi dari hujan yang bersamaan untuk suatu kumpulan stasiun yang mengelilinginya.

Metode Double Mass Curve
Data yang akan diuji adalah data pada stasiun y.
Data hujan acuan x merupakan nilai rata -rata dari data stasiun hujan a, b, c, d, e dst. Yang lokasinya ada disekeliling stasiun y.
Data kumulatif stasiun y dibandingkan secara grafis dengan data kumulatif hujan acuan x.
Data di stasiun y sebagai sumbu y dan data hujan acuan x sebagai sumbu x.
Jika grafik yang terjadi berupa garis lurus, tidak terjadi patahan, maka data stasiun y ”konsisten”, dan sebaliknya, ”tidak konsisten ” sehingga harus dikoreksi.
Jika data sebelum garis tersebut berubah kemiringannya sebesar b dan setelah berubah kemiringannya sebesar a, maka data stasiun y yang sebelumnya harus dikurangi dengan dikalikan suatu faktor koreksi : a/b.
Data yang sudah dikoreksi akan konsisten, berarti bahwa data yang terukur dan dihitung adalah teliti dan benar sesuai dengan fenomena saat hujan terjadi.


Hujan Rata-Rata Daerah Aliran Sungai Brantas
Penyiapan Data Hujan
Dalam satu tahun, untuk Stasiun Birowo, dicari hujan maksimum tahunannya.
Kemudian cari hujan harian stasiun lain pada hari kejadian dan tahun yang sama.
Sehingga dapat ditulis dalam table sebagai berikut

Kemudian cek konsistensi data curah hujan harian maksimum. Dalam 1 tahun tiap stasiun diambil hujan yang terbesar dalam tahun tersebut.


Dari grafik diatas, maka data yang akan dianalisis konsisten karena tidak ada perubahan kemiringan kurva yang ekstrim.
Maka selanjutnya dapat dihitung rata-rata hujan dengan metode Thiesen. Caranya yaitu sebagai berikut :
Hubungkan lokasi stasiun pengamat hujan.
Gambar garis bagi tegak lurus pada tiap sisi segitiga.
Hitung faktor pemberat/pembobot Thiessen Ai/ΣAi.
Curah hujan dalam tiap poligon dianggap diwakili oleh curah hujan dari titik pengamatan dalam tiap poligon tersebut.
Luas poligon dapat diukur dengan planimeter atau kertas milimeter.



Tabel Pembobot Thiessen
Rata-Rata Curah Hujan Harian Maksimum DAS Brantas
Full transcript