9 Bab III Tinjauan Pustaka III.1 Daerah Aliran Sungai Daerah Aliran Sungai (DAS) secara umum didefinisikan sebagai suatu hamparan wilayah atau kawasan yang secara topografi dibatasi oleh punggung bukit yang menerima, menampung dan menyimpan air hujan, sedimen dan unsur hara serta mengalirkannya melalui anak-anak sungai dan keluar pada sungai utama ke laut atau danau. DAS merupakan dasar dari perencanaan hidrologi. Curah hujan masuk ke dalam DAS dan keluar bersama aliran sungai dengan besaran debit serta muatan sedimen yang dibawa dari hulu sungai. III.2 Analisis Hidrologi Hidrologi adalah ilmu yang berkaitan dengan air di bumi, baik mengenai terjadinya, peredaran dan penyebarannya, sifat-sifatnya serta hubungan dengan lingkungannya terutama dengan makhluk hidup (Triadmojo, 2008). Analisis hidrologi merupakan langkah awal dalam merencanakan suatu bangunan air. Langkah awal dalam analisis hidrologi adalah pengolahan data hujan. Data hujan diperoleh dari pos curah hujan yang memenuhi kebutuhan keterwakilan suatu wilayah. Siklus hidrologi dimulai dari air laut dan air permukaan yang menguap karena adanya radiasi sinar matahari, dan awan yang terjadi oleh uap air, bergerak di atas daratan berhubung didesak oleh angin. Presipitasi karena adanya tabrakan antara butir-butir uap air akibat desakan angin, dapat berbentuk hujan atau salju yang jatuh ke tanah yang membentuk limpasan (runoff) yang mengalir kembali ke laut. Beberapa di antaranya masuk ke dalam tanah (infiltrasi) dan bergerak terus ke bawah (perkolasi) ke dalam daerah jenuh (saturated zone) yang terdapat di bawah permukaan air tanah. Air dalam daerah ini bergerak perlahan-lahan melewati akuifer masuk ke sungai atau kadang-kadang langsung ke laut. Air yang merembes ke dalam tanah (infiltrasi) memberi hidup kepada tumbuh-tumbuhan dan beberapa di antaranya naik ke atas lewat akar dan batangnya, sehingga terjadi transpirasi, yaitu evaporasi (penguapan) lewat tumbuh-tumbuhan melalui bagian bawah daun. Air yang tertahan di permukaan tanah sebagian diuapkan dan sebagian besar 10 mengalir sebagai limpasan permukaan ke dalam sungai. Dengan demikian seluruh daur telah dijalani dan akan berulang kembali (Soemarto, 1987). III.2.1 Analisis Curah Hujan Rencana Analisis hujan rencana terdiri dari beberapa tahapan, antara lain adalah sebagai berikut: 1. Uji konsistensi data hujan 2. Uji outlier data hujan 3. Analisis hujan wilayah 4. Analisis distribusi frekuensi 5. Uji kesesuaian distribusi frekuensi III.2.1.1 Uji Konsistensi Data Sebelum analisis dilakukan, seri data hujan yang didapat dari setiap pos curah hujan perlu diperiksa terlebih dahulu kelayakannya menggunakan beberapa pengujian. III.2.1.2 Uji Outlier Data outlier merupakan data yang keberadaan dan nilainya melenceng jauh dari kumpulan datanya, baik terlalu besar maupun terlalu kecil. Hal ini dapat terjadi akibat kesalahan pembacaan ataupun kerusakan alat dalam pengukuran data hujan. Dalam V.T Chow (1988) uji outlier memerlukan nilai rata-rata dan standart deviasi dari data tersebut serta harga koefisien Kn sesuai tabel III.1. dalam pembuatan batas ini kelompok data tersebut terlebih dahulu diubah menjadi bentuk logaritmik. Langkah-langkah dalam pengujian ini adalah sebagai berikut: 1. Urutkan data hujan tahunan maksimum dari yang terbesar ke yang terkecil; 2. Hitung nilai Ln dari masing-masing data; 3. Hitung nilai rerata, standar deviasi (Stdev), koefisien komencengan (Cs) dan nilai Kn. Nilai Kn didapat dari tabel III.1. 11 Tabel III.1 Nilai Kn untuk uji Outlier (Sumber: Chow, 1988) 4. Hitung nilai ambang atas dan ambang bawah dengan menggunakan persamaan sebagai berikut: Batas ambang atas = EXP(X_rt+Kn×Stdev) (III.2) Batas ambang bawah = EXP(X_rt-Kn×Stdev) (III.3) 5. Apabila nilai batas ambang atas ≤ nilai maksimum pada seri data tahunan dan nilai batas ambang bawah ≥ nilai minimum pada seri data tahunan, maka uji outlier dianggap memenuhi dan begitupun sebaliknya. III.2.1.3 Uji Konsistensi Seri data hujan pada suatu stasiun tertentu tidak dapat langsung dianalisis karena ada kemungkinan data tersebut tidak panggah atau tidak konsisten. Data hujan tersebut harus diuji terlebih dahulu untuk mengetahui kepanggahannya. Ketidakpanggahan data ditunjukkan dengan penyimpangan garisnya dari garis lurus. Hal ini masih sering menimbulkan keraguan. Kesulitan yang lain adalah ketidakyakinan akan prosedur itu sendiri, karena dalam satu DAS, suatu stasiun akan berfungsi ganda, sebagai stasiun yang diuji dan stasiun referensi pada pengujian lain (Sri Harto, 1993). 12 Cara pengujian Rescaled Adjusted Partial Sums (RAPS) adalah sebagai berikut (Buishand, 1982). � ������ ∗ =Σ ������=1 ������ (� ������−� − ), dengan k = 1, 2, 3, …, n (III.4) � ������ ∗∗ = � ������ ∗ � (III.5) Dengan membagi Sk* dengan standar deviasi, diperoleh apa yang disebut RAPS dimana S adalah standar deviasi. Statistik yang digunakan adalah: �= ������������� �≤������≤� |������ ������ ∗∗ | (III.6) Atau nilai range �= ������������� �≤������≤� |������ ������ ∗∗ | - �������� �≤������≤� |������ ������ ∗∗ | (III.7) III.2.1.4 Uji Tren Suatu seri data harus dipastikan dahulu bebas dari adanya trend (kecenderungan), yaitu korelasi antara urutan data dengan peningkatan atau penurunan besarnya nilai data tersebut. Untuk mengetahui adanya trend, digunakan metode Spearman’s rank-correlation. Metode ini didasarkan pada Spearman rank-correlation coefficient (RSP) yang didefinisikan sebagai berikut. � �������=1− 6×∑� ������ 2� ������=1 �×(� 2 −1) (III.8) � ������=�� ������−�� ������ (III.9) Dimana: n = jumlah data Di = perbedaan antara rank variabel xi, Kxi, (data diurutkan dari kecil ke besar) dan rank berdasarkan nomor urut data asli, Kyi Bila ada ties, yaitu ada dua atau lebih data dengan nilai sama, maka rank Kxi diambil sebagai nilai rata-rata. Uji eksistensi trend dilakukan dengan menggunakan formulasi berikut. 13 ��=���√ �−2 1−� 2 �� (III.10) Dimana tt mempunyai distribusi Student’s dengan derajat kebebasan = �−2. Distribusi Student’s t dengan significance level 5% dapat dilihat pada lampiran. Seri data yang diuji tidak mengandung trend bila memenuhi: T{v, 2,5%} < tt < t{v, 97,5%} (III.11) III.2.1.5 Uji Independensi Untuk melakukan pemeriksaan independensi dari seri data digunakan serial- correlation coefficient. Apabila seri data adalah acak sempurna, maka fungsi auto- correlation dari populasi akan sama dengan nol untuk semua lag, kecuali nol. Menurut Box dan Jenkins (1970), serial-correlation coefficient (r1) adalah sebagai berikut: � 1= ∑(� �−�̄)×(� �+1−�̄) �−1 �=1 ∑(� �−�̄) 2� �=1 (III.12) Seri data dikatakan independent apabila memenuhi persamaan sebagai berikut: {−1, (−1−1.96√�−2) �−1 }