Perpustakaan Digital ITB

Data hidrologi menjadi sebuah kebutuhan primer bagi perusahaan pertambangan. Hal tersebut untuk menjawab permasalahan berkaitan dengan penurunan efisiensi dan produktivitas pekerja maupun alat, tergenangnya front kerja, ketidakstabilan lereng, hingga air asam tambang.. Untuk menyelesaikan permasalahan tersebut dibutuhkan perencanaan penanganan air permukaan atau air hujan yang baik dengan memanfaatkan data hidrologi secara efektif, efisien, dan tepat sasaran. Data hidrologi dari 15 stasiun hujan dan 2 stasiun cuaca yang dimiliki PT KPC dapat memberikan informasi yang lebih detail mengenai karakteristik stasiun hujan, namun di sisi lain perlu diketau jumlah stasiun yang paling optimum. Maka dari itu penelitian ini akan melakukan karakterisasi temporal curah hujan berdasarkan data curah hujan PT Kaltim Prima Coal tahun 2013-2019 dan dilanjutkan dengan menganalisis efektifitas jaringan stasiun hujan. Untuk karakteristik temporal curah hujan akan dianalisis kemerataan curah hujan dan tren curah hujan tahunan dan curah hujan harian maksimum dari data yang ada. Setelahnya karakteristik ini akan dihubungkan dengan pergerakan angin di PT KPC yang diplot ke dalam windrose diagram. Pergerakan angin sepanjang tahun didominasi arah NW atau barat laut. Karakteristik temporal curah hujan menghasilkan pola hujan equatorial untuk setiap klaster dengan ditemukannya pergeseran bulan basah dan bulan kering pada tiap klaster. Berdasarkan kecenderungan curah hujan tahunan dan curah hujan harian maksimum mengalami tren menurun. Sebaran curah hujan di Sangatta secara berurutan dari terbesar ke terkecil adalah Klaster 2, Klaster 1, Klaster 3, Klaster 4. Sebaran bulan terbasah dan bulan terkering di tiap klaster berbeda-beda. Derjat musiman area Sangatta sebesar 1,69. Karakteristik temporal curah hujan di Sangatta banyak dipengaruhi faktor lokal namun masih selaras dengan iklim regional Kalimantan Timur berdasarkan Dambul (2008). Setelah melakukan karakterisasi, akan dilakukan uji korelasi dan rasionalisasi menggunakan Metode Kagan-Rodda untuk menentukan stasiun-stasiun yang merepresentasikan tiap wilayah. Koefisien korelasi antar stasiun hujan pada klaster yang sama memberikan hasil antara 0,75-1 yang artinya berhubungan kuat dan searah. Rekomendasi stasiun hujan berdasarkan Metode Kagan-Rodda memberikan hasil 1 stasiun tambahan untuk Klaster 1, Klaster 2 hanya membutuhkan 4 stasiun, dan Klaster 3 hanya membutuhkan 2 stasiun.