1. Pendahuluan
Frekuensi banjir sebagai akibat dari kejadian hujan ekstrem mengalami peningkatan di beberapa wilayah dunia pada beberapa tahun terakhir (Jayawardena, 2015). Upaya-upaya pencegahan banjir perlu untuk dilakukan untuk mengurangi dampak atau kerusakan yang dapat terjadi akibat banjir. Kejadian hujan ekstrem dan kapasitas jaringan drainase menjadi faktor penting untuk mempertimbangkan upaya pencegahan
*Penulis Korespondensi
tersebut. Hal ini tentu cukup penting untuk dikaji sejalan dengan pengembangan wilayah perkotaan dan perubahan iklim yang terjadi (Duan dkk., 2016).
Kurva Intensity-Duration-Frequency (IDF) merupakan komponen yang penting dalam pertimbangan desain infrastruktur Sumber Daya Air (SDA). Kurva ini dapat dikembangkan berdasarkan data historis curah hujan (Peck dkk., 2012) yang merepresentasikan probabilitas intensitas dan durasi hujan yang mungkin terjadi di lokasi tertentu (Mirhosseini dkk., 2013). Indonesia memiliki beberapa panduan dalam perhitungan intensitas hujan untuk pembuatan kurva IDF seperti yang tercantum dalam SNI 2415-2016 tentang Perencanaan Debit Banjir dan SNI 03-3424-1994 tentang Tata Cara Desain Drainase Permukaan Jalan. Selain panduan mengenai perhitungan intensitas hujan tersebut, terdapat pula panduan mengenai pola distribusi temporal hujan (distribusi hujan jam-jaman) yang juga digunakan dalam penentuan debit banjir rencana untuk mendesain infrastruktur SDA.
Intensitas hujan maupun pola distribusi temporal hujan memiliki karakteristik yang berbeda-beda di setiap wilayah. Data hujan hasil observasi lapangan diperlukan agar hasil perhitungan intensitas hujan dan distribusi temporal hujan tersebut sesuai dengan kondisi wilayah tersebut (Back, 2011). Berbagai studi terkait pola distribusi hujan maupun kurva intensitas durasi frekuensi hujan di Indonesia telah banyak dilakukan. Di antara studi-studi terkait terdapat beberapa studi yang menggunakan data curah hujan harian maksimum dalam proses perhitungan intensitas hujan (Aziz dan Sa'ud, 2016; Destania, 2020; Fajriyah dan Wardhani, 2020; Permatasari dkk., 2019; Susilowati dan Kusumastuti, 2010). Selain itu, dari beberapa studi yang telah dilakukan belum menyinggung evaluasi kurva basis yang terdapat pada SNI 03-3424-1994. Keterbatasan data juga menjadi kendala yang sering dijumpai di lapangan, sehingga data yang digunakan tidak kontinu (data pada beberapa tahun tidak tersedia) (Susilowati dan Kusumastuti, 2010) maupun periode data kurang dari 10 tahun sehingga kurang representatif dalam perhitungan secara statistik (Asfa dkk., 2014; Astuti dkk., 2015; Harisuseno dkk., 2020; Kartin dan Jumarang, 2015).
Stasiun Hujan Kemayoran dan Citeko merupakan stasiun hujan yang berada di kawasan DAS Ciliwung. Kedua stasiun ini memiliki pencatatan data hujan yang cukup baik dalam periode pengamatan yang cukup panjang. Penggunaan data kedua stasiun tersebut diharapkan dapat mewakili kondisi umum Jakarta dan Bogor bagi analisis intensitas hujan dan distribusi temporal hujan. Studi ini bertujuan untuk mengetahui bagaimana probabilitas kejadian hujan lebat dan sangat
Tabel 1. Kriteria untuk kategori pengelompokan data
| Kategori Tahun | Kriteria |
|---|---|
| Kering | R < R65% |
| Normal | R35% > R ≥ R65% |
| Basah | R ≥ R35% |
lebat ditinjau dari jumlah kejadian dan distribusi curah hujan yang turun pada masing-masing jam. Studi ini juga bertujuan untuk mengevaluasi pendekatan durasi hujan desain dan intensitas hujan yang banyak digunakan di Indonesia melalui studi kasus hujan di Jakarta dan Bogor.
2. Data dan Metodologi
2.1 Pembagian periode analisis data
Analisis jumlah kejadian dan proporsi hujan dilakukan berdasarkan data hujan jam-jaman pada Stasiun Citeko (1992-2017) dan Kemayoran (2000-2018). Data dari kedua stasiun dibagi menjadi beberapa periode analisis (sequence) data untuk meninjau tren perubahan kejadian hujan yang terjadi. Pembagian periode analisis ini dilakukan dengan membagi data di Stasiun Citeko menjadi dua bagian, yakni periode 1992-2005 dan 2005-2017. Data dari masing-masing periode tersebut kemudian dianalisis untuk melihat jumlah kejadian, durasi hujan, dan identifikasi tren perubahan yang terjadi.
Pembagian periode analisis menjadi dua bagian juga dipertimbangkan terhadap jumlah kejadian tahun kering, normal, dan basah. Adapun pembagian kriteria tahun kering, normal, dan basah dilakukan berdasarkan probabilitas curah hujan tahunan seperti disajikan pada Tabel 1 (Pedoman Konstruksi dan Bangunan Pengoperasian Waduk Tunggal, 2004).
2.2 Pembagian curah hujan berdasarkan intensitas
Secara umum, proses pengolahan data terbagi menjadi dua bagian yaitu: 1) analisis jumlah kejadian hujan dengan durasi tertentu, serta 2) analisis proporsi tinggi hujan yang turun pada durasi tertentu. Analisis jumlah kejadian dan proporsi tinggi hujan dilakukan untuk kategori hujan dengan intensitas lebat dan sangat lebat. Berdasarkan kriteria dari BMKG (2010), kategori hujan lebat meliputi hujan dengan intensitas 50-100 mm/hari, atau 10-20 mm/jam. Adapun kategori hujan sangat lebat meliputi hujan dengan intensitas lebih dari 100 mm/hari atau lebih dari 20mm/jam. Durasi hujan yang dianalisis meliputi hujan jam-jaman dari jam ke-1 hingga ke-8.
2.3 Perbandingan durasi dan intensitas hujan berdasarkan data historis dan pendekatan empiris
Hasil analisis distribusi hujan jam-jaman berdasarkan data observasi kemudian dibandingkan dengan distribusi hujan jam-jaman berdasarkan pendekatan Metode ABM (Alternating Block Method) dan Metode Modified Mononobe. Perhitungan intensitas hujan dan pembuatan kurva IDF dilakukan dengan menggunakan pendekatan langsung yakni berdasarkan data hujan menitan, dan tidak langsung yakni menggunakan data curah hujan harian. Pendekatan langsung menggunakan data hujan menitan kemudian dibuat persamaan pendekatannya menggunakan metode yang terdapat dalam SNI 2415-2016, antara lain Talbot, Sherman, dan Ishiguro. Pendekatan tidak langsung menggunakan data curah hujan harian dilakukan
menggunakan Persamaan Mononobe sesuai SNI 2415- 2016, serta menggunakan kurva basis sesuai SNI 03- 3424-1994. Intensitas hujan yang diperoleh dari kelima metode perhitungan tersebut kemudian dikomparasi dengan data intensitas hujan menitan di Stasiun Citeko dan Kemayoran.
3. Hasil dan Pembahasan
3.1 Pembagian periode analisis
Berdasarkan probabilitas curah hujan tahunan (Gambar 1) dilakukan pembagian periode analisis data sesuai dengan pertimbangan pada Tabel 1. Pembagian periode analisis data ini bertujuan untuk mengetahui bagaimana tren perubahan durasi maupun curah hujan. Pada periode 1992-2005 didapatkan jumlah kejadian tahun kering, normal, dan basah berturut-turut sebanyak 5, 4, dan 5 kejadian. Adapun pada periode 2005-2017 didapatkan kejadian tahun kering, normal, dan basah beruturut-turut 4, 5, dan 4 kejadian. Jika dilihat dari jumlah tahun kering, normal, dan basah, kejadian pada tahun 1992- 2005 (periode analisis 1) dan tahun 2005-2017 (periode analisis 2) di Stasiun Hujan Citeko menunjukkan jumlah kejadian yang relatif merata. Berdasarkan kemiripan jumlah kejadian tersebut, diasumsikan terdapat kesamaan kondisi variabilitas iklim pada periode analisis 1 dan 2 di atas.
Adapun ketersediaan data jam-jaman yang didapatkan untuk Stasiun Kemayoran tidak sepanjang data di Stasiun Citeko, yaitu hanya tersedia data dari tahun 2000 -2018 (19 tahun). Selain itu hasil perhitungan jumlah kejadian tahun kering, normal, dan basah pada Stasiun Kemayoran memiliki hasil yang relatif tidak merata apabila dilakukan pembagian menjadi 2 periode sama panjang. Pada tahun 2000-2009 terdapat jumlah kejadian tahun kering, normal, dan basah secara berturut-turut sebanyak 3, 5, dan 2 kejadian. Sedangkan untuk tahun 2009-2018 jumlah kejadian tahun kering, normal, dan basah secara berturut-turut adalah 3, 2, dan 5 kejadian. Dengan demikan, pembagian periode analisis untuk Stasiun Kemayoran dilakukan dengan membagi dua
tanpa mempertimbangkan jumlah kejadian tahun kering, normal, dan basah. Pembagian periode analisis menjadi dua periode sama panjang bertujuan agar hasil periode analisis 1 dapat dibandingkan dengan hasil pada periode analisis 2. Pembagian periode analisis data disajikan pada Tabel 2.
3.2 Analisis durasi dan tinggi hujan pada kategori hujan lebat dan sangat lebat
Proporsi jumlah kejadian hujan lebat dan sangat lebat untuk Stasiun Citeko dan Stasiun Kemayoran disajikan pada Gambar 2. Dari Gambar 2 terlihat bahwa baik di Stasiun Citeko maupun Kemayoran kejadian hujan lebat dan sangat lebat dominan terjadi dengan durasi 1-2 jam. Ditinjau dari jumlah kejadian pada periode 1 dan 2, rata -rata kejadian hujan dengan durasi 1 dan 2 jam di Citeko dan Kemayoran masing-masing mencapai ratarata sebesar 36% dan 45,2%. Hal ini menunjukkan bahwa hujan konvektif dengan periode singkat masih dominan terjadi di Bogor dan Jakarta, dengan jumlah
Gambar 1. Kurva probabilitas curah hujan tahunan
Tabel 2. Pembagian periode analisis data Stasiun Citeko dan Kemayoran
| Periode analisis | Citeko | Kemayoran |
|---|---|---|
| 1 | 1992-2005 | 2000-2009 |
| 2 | 2005-2017 | 2009-2018 |
Gambar 2. Proporsi jumlah kejadian (number of event) lebat dan sangat lebat di Stasiun Citeko dan Kemayoran
Gambar 3. Proporsi tinggi hujan lebat dan sangat lebat di Stasiun Citeko dan Kemayoran
Tabel 3. Kejadian hujan lebat dan sangat lebat ≤ 4 jam Stasiun Citeko
| Durasi Hujan (jam) | jumlah kejadian hujan | Persentase terhadap total kejadian hujan lebat dan sangat lebat | |||
|---|---|---|---|---|---|
| Periode analisis 1 | Periode analisis 2 | Periode analisis 1 | Periode analisis 2 | ||
| 1 | 52 | 57 | 19,5% | 19,1% | |
| 2 | 42 | 52 | 15,8% | 17,4% | |
| 3 | 25 | 26 | 9.,% | 8,7% | |
| 4 | 27 | 31 | 10,2% | 10,4% | |
| Jumlah | 146 | 166 | 54,9% | 55,7% | |
Tabel 4. Kejadian hujan lebat dan sangat lebat ≤ 4 jam Stasiun Kemayoran
| Durasi Hujan (jam) | jumlah kejadian hujan | Persentase terhadap total kejadian hujan lebat dan sangat lebat | |||
|---|---|---|---|---|---|
| Periode analisis 1 | Periode analisis 2 | Periode analisis 1 | Periode analisis 2 | ||
| 1 | 33 | 66 | 25,6% | 32,2% | |
| 2 | 25 | 27 | 19,4% | 13,2% | |
| 3 | 19 | 34 | 14,7% | 16,6% | |
| 4 | 16 | 14 | 12,4% | 6,8% | |
| Jumlah | 93 | 141 | 72,1% | 68,8% | |
kejadian di Jakarta yang lebih banyak dibandingkan dengan Bogor. Jika dihitung hingga durasi 4 jam, kejadian di Citeko dan Kemayoran masing-masing mencapai rata-rata sebesar 55,3% dan 70,4%.
Proporsi tinggi hujan untuk kedua lokasi studi disajikan pada Gambar 3. Dari Gambar 3 terlihat bahwa curah hujan tertinggi pada Stasiun Citeko ratarata terjadi pada jam ke-2 sedangkan untuk Stasiun Kemayoran terjadi pada jam pertama. Hasil di atas pun menujukkan bahwa pola distribusi jam-jaman untuk kategori hujan lebat dan sangat lebat di Stasiun Citeko dan Kemayoran dominan terjadi pada jam-jam awal, yakni dari jam ke-1 hingga ke-4.
Pada Tabel 3 sampai dengan Tabel 6 disajikan frekuensi kejadian hujan dengan durasi ≤ 4 jam serta
curah hujan yang terjadi pada jam ke-1 hingga jam ke-4.
Pada Tabel 3 terlihat bahwa pada wilayah Stasiun Citeko frekuensi kejadian hujan lebat dan sangat lebat pada periode analisis 1 dan 2 jumlahnya melebihi 50% dari total kejadian hujan lebat dan sangat lebat. Data Stasiun Citeko menunjukkan jumlah kejadian hujan lebat dengan durasi 1-4 jam pada periode analisis 1 dan 2 mencapai 54,9% dan 55,7% dari total kejadian hujan lebat. Pada kategori yang sama seperti disajikan pada Tabel 4, data curah hujan di Stasiun Kemayoran menujukkan nilai 72,1% dan 68,8%.
Pada Tabel 5 dan Tabel 6 disajikan per sentase volume hujan dengan kategori lebat dan sangat lebat dengan durasi 1-4 jam. Data Stasiun Citeko menujukkan persentase volume hujan lebat dan sangat
Tabel 5. Curah hujan lebat dan sangat lebat jam ke-1 sampai 4 Stasiun Citeko
| Jam Ke | Total tinggi hujan seluruh kejadian hujan lebat dan sangat lebat (mm) | Persentase volume terhadap total curah hujan (%) | |||
|---|---|---|---|---|---|
| Periode analisis 1 | Periode analisis 2 | Periode analisis 1 | Periode analisis 2 | ||
| 1 | 2093,2 | 2225,3 | 21,4% | 21,8% | |
| 2 | 3059,2 | 2574,2 | 31,3% | 25,2% | |
| 3 | 1811,8 | 1905,9 | 18,5% | 18,6% | |
| 4 | 1010,4 | 1274,3 | 10,3% | 12,5% | |
| Jumlah | 7974,6 | 7979,7 | 81,5% | 78,0% | |
Tabel 6. Curah hujan lebat dan sangat lebat jam ke-1 sampai 4 Stasiun Kemayoran
| Jam Ke | Total tinggi hujan seluruh kejadian hujan lebat dan sangat lebat (mm) | Persentase volume terhadap total curah hujan | |||
|---|---|---|---|---|---|
| Periode analisis 1 | Periode analisis 2 | Periode analisis 1 | Periode analisis 2 | ||
| 1 | 1931,4 | 3297,9 | 31,3% | 36,4% | |
| 2 | 1746,7 | 2160,4 | 28,3% | 23,9% | |
| 3 | 840,2 | 1411,8 | 13,6% | 15,6% | |
| 4 | 560,3 | 998,3 | 9,1% | 11,0% | |
| Jumlah | 5078,6 | 7868,4 | 82,3% | 86,9% | |
lebat yang jatuh dari jam ke-1 hingga ke-4 pada periode analisis 1 dan 2 mencapai 81,5% dan 78,0%. Pada kategori yang sama, data Stasiun Kemayoran menunjukkan nilai 82,3% dan 86,9%. Persentase hujan tertinggi terjadi pada jam pertama dan kedua. Persentase rata-rata curah hujan pada jam pertama dan kedua di Stasiun Citeko untuk periode analisis 1 dan 2 adalah 26,3% dan 23,5%. Adapun persentase rata-rata kategori tersebut di Stasiun Kemayoran untuk periode analisis 1 dan 2 adalah 29,8% dan 30%.
Pada SNI 03-3424-1994 disebutkan bahwa penyelidikan Van Breen menunjukkan bahwa rata-rata curah hujan di Jakarta terkonsentrasi selama 4 jam. Hasil ini menujukkan bahwa pendekatan Van Breen yang dicantumkan pada SNI SNI 03-3424-1994 masih cukup relevan dengan kondisi saat ini, dimana sebagian besar kejadian hujan lebat dan sangat lebat memiliki durasi yang tidak lebih dari 4 jam.
3.3 Analisis tren perubahan distribusi hujan
Perbedaan frekuensi kejadian hujan durasi 1-4 jam antara periode analisis 1 dan 2 pada Stasiun Citeko tidak begitu signifikan. Adapun pada Stasiun Kemayoran, terdapat peningkatan frekuensi kejadian hujan durasi 1 jam sekitar 6,6%, serta penurunan frekuensi kejadian hujan durasi 2 jam sekitar 4,7% dari periode analisis 1 ke periode analisis 2. Jika ditinjau dari tinggi hujan yang jatuh pada jam ke-1 hingga ke-4, terdapat penurunan persentase tinggi hujan yang jatuh pada jam ke-2 di Stasiun Citeko sekitar 6,1%. Adapun di Stasiun Kemayoran, terdapat peningkatan persentase hujan yang jatuh di jam pertama sekitar 5,1%.
Ditinjau dari jumlah kejadian hujan dengan durasi lebih dari 8 jam, data Stasiun Citeko maupun Kemayoran menunjukkan peningkatan jumlah kejadian sekitar 3% dari periode analisis 1 ke periode analisis 2. Namun jika
ditinjau dari persentase tinggi hujan yang jatuh setelah jam ke-8, peningkatan yang terjadi hanya sekitar 0.7% di Stasiun Citeko, dan 1,4% di Stasiun Kemayoran.
Hasil analisis di atas menunjukkan bahwa secara umum belum terdapat indikasi peningkatan atau penurunan jumlah kejadian maupun persentase tinggi hujan yang jatuh pada hujan deras dan sangat deras dengan durasi 1 -4 jam, dan durasi >8 jam baik di Stasiun Citeko maupun Kemayoran.
3.4 Analisis pola hujan jam-jaman
Apabila pola distribusi hujan ditinjau secara keseluruhan (tidak ditinjau per periode analisis) maka dihasilkan persentase curah hujan untuk masing-masing durasi hujan seperti disajikan pada Tabel 7 dan Tabel 8.
Pada Tabel 7 dan Tabel 8 terlihat untuk durasi hujan 2 hingga 4 jam, puncak hujan terjadi pada jam ke-1 atau jam ke-2. Adapun pada hujan durasi lebih dari 4 jam, puncak hujan umumnya terjadi pada jam ke-2 atau jam ke-3, Hasil analisis data di atas kemudian dibandingkan dengan distribusi hujan jam-jaman yang dihitung menggunakan Metode ABM dan Modified Mononobe.
Pada Metode ABM, curah hujan tertinggi terjadi pada pertengahan kejadian hujan. Sedangkan untuk Metode Modified Mononobe curah hujan tertinggi terjadi di awal kejadian hujan. Modifikasi Persamaan Mononobe dilakukan dengan menggunakan nilai tc (time concentration) dalam perhitungan intensitas hujan yang terjadi.
Hasil perhitungan distribusi temporal hujan menggunakan Metode ABM dan Modified Mononobe disajikan pada Tabel 9 dan Tabel 10. Rata-rata selisih perhitungan distribusi temporal hujan Metode ABM dan Modified Mononobe terhadap data mencapai >14%.
Tabel 7. Distribusi hujan jam-jaman kategori hujan lebat dan sangat lebat Stasiun Citeko (1992-2017)
| Durasi Hujan | Proporsi Volume | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| (Jam) | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | Total |
| 2 | 62,1% | 37,9% | 100% | ||||||
| 3 | 39,1% | 42,8% | 18,2% | 100% | |||||
| 4 | 18,8% | 38,9% | 24,3% | 18,0% | 100% | ||||
| 5 | 23,2% | 32,8% | 25,0% | 12,7% | 6,2% | 100% | |||
| 6 | 18,4% | 23,1% | 20,7% | 20,6% | 12,9% | 4,2% | 100% | ||
| 7 | 20,4% | 17,8% | 18,1% | 17,7% | 14,2% | 8,5% | 3,3% | 100% | |
| 8 | 13,4% | 17,1% | 25,7% | 13,7% | 10,7% | 8,7% | 7,4% | 3,3% | 100% |
Tabel 8. Distribusi hujan jam-jaman kategori hujan lebat dan sangat lebat Stasiun Kemayoran (2000-2018)
| Durasi Hujan | Proporsi Volume | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| (Jam) | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | Total |
| 2 | 54,5% | 45,5% | 100% | ||||||
| 3 | 33,0% | 41,2% | 25,7% | 100% | |||||
| 4 | 36,5% | 27,9% | 22,0% | 13,7% | 100% | ||||
| 5 | 28,6% | 20,9% | 18,2% | 24,8% | 7,6% | 100% | |||
| 6 | 22,9% | 25,7% | 15,5% | 13,8% | 14,5% | 7,6% | 100% | ||
| 7 | 13,5% | 20,1% | 13,0% | 16,8% | 19,9% | 12,0% | 4,8% | 100% | |
| 8 | 13,6% | 24,2% | 13,5% | 10,5% | 13,2% | 6,0% | 13,8% | 5,1% | 100% |
Tabel 9. Distribusi hujan menggunakan metode ABM
| Durasi Hujan | Proporsi Volume Metode ABM | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| (jam) | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | Total |
| 2 | 20,6% | 79,4% | 100% | ||||||
| 3 | 12,6% | 69,3% | 18,0% | 100% | |||||
| 4 | 11,5% | 63,0% | 16,4% | 9,1% | 100% | ||||
| 5 | 7,2% | 10,7% | 58,5% | 15,2% | 8,5% | 100% | |||
| 6 | 5,9% | 6,7% | 10,0% | 55,0% | 14,3% | 8,0% | 100% | ||
| 7 | 5,0% | 6,4% | 9,5% | 52,3% | 13,6% | 7,6% | 5,6% | 100% | |
| 8 | 4,8% | 6,1% | 9,1% | 50,0% | 13,0% | 7,3% | 5,4% | 4,4% | 100% |
Tabel 10. Distribusi hujan menggunakan metode modified mononobe
| Durasi Hujan | Proporsi Volume Metode Modified Mononobe | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| (jam) | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | Total |
| 2 | 79,4% | 20,6% | 100% | ||||||
| 3 | 69,3% | 18,0% | 12,6% | 100% | |||||
| 4 | 63,0% | 16,4% | 11,5% | 9,1% | 100% | ||||
| 5 | 58,5% | 15,2% | 10,7% | 8,5% | 7,2% | 100% | |||
| 6 | 55,0% | 14,3% | 10,0% | 8,0% | 6,7% | 5,9% | 100% | ||
| 7 | 52,3% | 13,6% | 9,5% | 7,6% | 6,4% | 5,6% | 5,0% | 100% | |
| 8 | 50,0% | 13,0% | 9,1% | 7,3% | 6,1% | 5,4% | 4,8% | 4,4% | 100% |
Hasil analisis menunjukkan bahwa pendekatan nisbah hujan jam-jaman menggunakan Metode ABM dan Modified Mononobe memberikan deviasi yang cukup besar dibandingkan dengan data observasi. Perbedaan yang cukup signifikan ini menunjukkan bahwa metode yang umum digunakan dalam penentuan distribusi temporal hujan jam-jaman belum tentu dapat digunakan di semua wilayah.
3.5 Kurva intensity-duration-frequency (IDF)
Intensitas hujan dihitung untuk periode ulang hujan 2, 5, dan 10 tahun. Pada Gambar 4 dan Gambar 5 disajikan perbandingan kurva IDF yang diperoleh dari data menit-menitan dengan kurva IDF pendekatan yang dihitung menggunakan Persamaan Mononobe dan Kurva Basis SNI 03-3424-1994. Kurva IDF data menitan didekati menggunakan Persamaan Talbot, Sherman, dan Ishiguro. Analisis persamaan pendekatan IDF menggunakan ketiga persamaan di atas disajikan pada Tabel 11 dan Tabel 12. Hasil analisis menunjukkan bahwa persamaan pendekatan kurva intensitas hujan yang paling mendekati pola intensitas data untuk Stasiun Citeko adalah Persamaan Talbot. Adapun untuk Stasiun Kemayoran persamaan yang paling mendekati adalah Persamaan Sherman.
168 Jurnal Teknik Sipil
Gambar 4. Kurva IDF Stasiun Citeko periode ulang 2, 5, dan 10 Tahun
Gambar 5. Kurva IDF Stasiun Kemayoran periode ulang 2, 5, dan 10 Tahun
Tabel 11. Koefisien korelasi dan mean absolute error perhitungan intensitas hujan dengan pendekatan langsung (Stasiun Citeko)
| Koefisien Korelasi | Mean Absolute Error | |||||||
|---|---|---|---|---|---|---|---|---|
| Periode Ulang (Tahun) | Talbot | Sherman | Ishiguro | Talbot | Sherman | Ishiguro | ||
| 2 | 0,997 | 0,947 | 0,905 | 1,925 | 8,480 | 11,366 | ||
| 5 | 0,978 | 0,899 | 0,687 | 6,111 | 11,378 | 23,593 | ||
| 10 | 0,963 | 0,953 | 0,793 | 9,424 | 8,958 | 20,998 | ||
Tabel 12. Koefisien korelasi dan mean absolute error perhitungan intensitas hujan dengan pendekatan langsung (Stasiun Kemayoran)
| Koefisien Korelasi | Mean Absolute Error | ||||||
|---|---|---|---|---|---|---|---|
| Periode Ulang (Tahun) | Talbot | Sherman | Ishiguro | Talbot | Sherman | Ishiguro | |
| 2 | 0,968 | 0,792 | 0,756 | 4,502 | 11,806 | 13,931 | |
| 5 | 0,935 | 0,872 | 0,844 | 20,253 | 13,076 | 14,325 | |
| 10 | 0,921 | 0,862 | 0,849 | 20,128 | 14,846 | 15,870 | |
Untuk kasus Stasiun Citeko, Gambar 4 menunjukkan bahwa pendekatan kurva IDF yang dihitung menggunakan Metode Mononobe cenderung memberikan nilai intensitas hujan yang lebih kecil bila dibandingkan dengan IDF data khususnya pada waktu
konsentrasi di atas 10 menit. Untuk waktu konsentrasi di bawah 10 menit, Persamaan Mononobe relatif memberikan hasil yang mirip dengan data. Berkebalikan dengan Persamaan Mononobe, persamaan IDF yang dihitung menggunakan Kurva Basis (SNI)
cenderung memberikan nilai intensitas yang lebih besar dibandingkan dengan data khususnya pada waktu konsentrasi di atas 10 menit. Adapun untuk waktu konsentrasi di bawah 10 menit, Kurva Basis memberikan hasil yang juga mirip dengan data. Untuk waktu konsentrasi di bawah 10 menit, Persamaan Mononobe dan Kurva Basis memberikan hasil yang lebih baik untuk periode ulang 5 dan 10 tahun dibandingkan dengan periode ulang 2 tahun.
Untuk kasus Stasiun Kemayoran, Gambar 5 menunjukkan bahwa pendekatan kurva IDF yang dihitung menggunakan Metode Mononobe cenderung memberikan nilai intensitas hujan vang lebih besar pada waktu konsentrasi di bawah 10 menit, namun memberikan hasil yang cenderung mendekati data untuk waktu konsentrasi di atas 10 menit. Adapun persamaan IDF yang dihitung menggunakan Kurva Basis memberikan hasil yang serupa dengan Stasiun Citeko, yakni relatif mendekati data untuk waktu konsentrasi di bawah 10 menit, namun memberikan hasil yang lebih tinggi dari data untuk waktu konsentrasi di atas 10 menit. Serupa dengan hasil analisis pada Stasiun Citeko, Persamaan Mononobe dan Kurva Basis memberikan hasil yang lebih baik untuk periode ulang 5 dan 10 tahun dibandingkan dengan periode ulang 2 tahun pada kasus Stasiun Kemayoran.
Apabila ditinjau untuk setiap nilai t (waktu) dalam menit, kurva IDF yang diperoleh dari Kurva Basis pada SNI 03-3424-1994 memberikan hasil yang lebih tinggi dibandingkan dengan kurva IDF data observasi (nilai error negatif). Sedangkan kurva IDF yang dihitung menggunakan Persamaan Mononobe pada Stasiun Citeko memberikan hasil yang lebih rendah (nilai error positif) bila dibandingkan dengan data observasi, namun lebih tinggi untuk kasus Stasiun Kemayoran (Tabel 13 dan Tabel 14). Pada Stasiun Citeko, untuk periode ulang 2, 5, dan 10 tahun rata-rata lebih tinggi sebesar 26,8 mm/jam, 17,6 mm/jam, dan 11,6 mm/jam, adapun pada Stasiun Kemayoran ratarata lebih tinggi sebesar 36,3 mm/jam, 24,7 mm/jam, dan 17,3 mm/jam. Sedangkan kurva IDF yang dihitung menggunakan Persamaan Mononobe pada Stasiun Citeko memberikan hasil yang lebih rendah bila dibandingkan dengan data observasi. Pada periode ulang 2, 5, dan 10 tahun rata-rata lebih rendah sebesar 17 mm/jam, 11.4 mm/jam, dan 8.9 mm/jam sedangkan pada Stasiun Kemayoran rata-rata memiliki hasil yang lebih tinggi sebesar 24,1 mm/jam, 47 mm/jam, dan 49,1 mm/jam. Nilai Mean Absolute Error (MAE) pada masing-masing stasiun juga untuk memberikan gambaran kesesuaian antara hasil perhitungan dengan data disajikan pula pada Tabel 13 dan Tabel 14.
Pada kasus Stasiun Citeko (Tabel 13), perbandingan antara IDF data dengan IDF Persamaan Mononobe dan Kurva Basis (SNI) untuk periode ulang 2, 5, dan 10 tahun memberikan MAE yang tidak berbeda jauh. Perbedaanya adalah Persamaan Mononobe cenderung memberikan nilai intensitas yang lebih rendah, sedangkan Persamaan Kurva Basis cenderung memberikan nilai intensitas yang lebih tinggi. Adapun untuk kasus Stasiun Kemayoran (Tabel 14), Persamaan Mononobe cenderung memberikan MAE yang lebih tinggi dibandingkan dengan Persamaan Kurva Basis. Nilai MAE yang besar ini diperoleh dari besarnya nilai
Tabel 13. Nilai error, koefisien korelasi dan mean absolute error perhitungan intensitas hujan (mm/jam) dengan pendekatan tidak langsung (Stasiun Citeko)
| Periode | 4 (manit) | Error terha | dap data | Koefisien | Korelasi | Mean Abso | lute Error |
|---|---|---|---|---|---|---|---|
| Ulang | t (menit) | Mononobe | SNI | Mononobe | SNI | Mononobe | SNI |
| 10 | -2,8 | 48,0 | |||||
| 15 | -21,9 | 41,2 | |||||
| 30 | -24,4 | 36,3 | |||||
| 2 Tahun | 45 | -24,3 | 27,8 | 0,942 | 0,998 | 13,725 | 12,742 |
| 60 | -23,4 | 20,1 | |||||
| 120 | -12,3 | 10,9 | |||||
| 180 | -9,8 | 3,2 | |||||
| Rata | -rata | -17,0 | 26,8 | ||||
| 10 | 30,7 | 37,2 | |||||
| 15 | -24,3 | 7,5 | |||||
| 30 | -24,3 | 20,7 | |||||
| 5 Tahun | 45 | -25,5 | 17,2 | 0,895 | 0,993 | 15,970 | 12,424 |
| 60 | -20,5 | 17,2 | |||||
| 120 | -8,2 | 15,3 | |||||
| 180 | -7,5 | 8,3 | |||||
| Rata | -rata | -11,4 | 17,6 | ||||
| 10 | 24,8 | 6,0 | |||||
| 15 | -25,9 | -12,0 | |||||
| 30 | -14,0 | 22,1 | |||||
| 10 Tahun | 45 | -18,5 | 18,7 | 0,952 | 0,989 | 12,826 | 12,420 |
| 60 | -13,0 | 21,4 | |||||
| 120 | -8,2 | 15,5 | |||||
| 180 | -7,9 | 9,5 | |||||
| Rata | -rata | -8,9 | 11,6 |
Tabel 14. Nilai error, koefisien korelasi dan mean absolute error perhitungan intensitas hujan (mm/jam) dengan pendekatan tidak langsung (Stasiun Kemayoran)
| Periode | t (monit) | Error terha | dap data | Koefisien k | Corelasi | Mean Abso | lute Error |
|---|---|---|---|---|---|---|---|
| Ulang | t (menit) | Mononobe | SNI | Mononobe | SNI | Mononobe | SNI |
| 10 | 135,8 | 83,0 | |||||
| 15 | 42,4 | 57,5 | |||||
| 30 | 10,2 | 23,6 | |||||
| 2 Tahun | 45 | 2,4 | 33,9 | 0,722 | 0,995 | 23,766 | 21,851 |
| 60 | -11,2 | 29,7 | |||||
| 120 | -5,8 | 17,5 | |||||
| 180 | -5,1 | 9,2 | |||||
| Rata | -rata | 24,1 | 36,3 | ||||
| 10 | 206,2 | 44,4 | |||||
| 15 | 73,0 | 25,3 | |||||
| 30 | 32,3 | 1,4 | |||||
| 5 Tahun | 45 | 12,0 | 21,4 | 0,820 | 0,992 | 37,038 | 26,101 |
| 60 | 4,6 | 37,2 | |||||
| 120 | 0,8 | 24,6 | |||||
| 180 | 0,2 | 18,5 | |||||
| Rata | -rata | 47,0 | 24,7 | ||||
| 10 | 224,9 | 33,4 | |||||
| 15 | 82,0 | 17,1 | |||||
| 30 | 23,3 | -19,8 | |||||
| 10 Tahun | 45 | 16,1 | 19,4 | 0,797 | 0,992 | 40,659 | 22,809 |
| 60 | -6,5 | 23,8 | |||||
| 120 | 3,3 | 27,2 | |||||
| 180 | 0,6 | 20,0 | |||||
| Rata | -rata | 49,1 | 17,3 |
error antara IDF data dengan IDF Persamaan Mononobe untuk waktu konsentrasi kecil di bawah 10 menit. Berdasarkan informasi tersebut, baik kurva IDF dari Persamaan Mononobe maupun Kurva Basis masih memiliki perbedaan yang cukup besar dengan IDF data observasi.
4. Kesimpulan
- 1. Berdasarkan hasil studi yang telah dilakukan maka dapat disimpulkan kejadian hujan di wilayah Jakarta dan Bogor dominan terjadi selama ≤ 4 jam dengan distribusi temporal hujan yang cenderung memiliki persentase curah hujan tertinggi pada awal kejadian hujan (jam pertama atau kedua) dan menurun pada jam-jam selanjutnya.
- 2. Distribusi hujan jam-jaman hasil perhitungan ABM dan Modified menggunakan Metode Mononobe cenderung memiliki perbedaan persentase curah hujan yang cukup tinggi pada setiap jam dengan hasil persentase curah hujan per jam berdasarkan data observasi.
- 3. Secara umum kurva basis SNI cenderung memberikan hasil yang lebih tinggi dibandingkan dengan kurva IDF berdasarkan data observasi. Adapun Persamaan Mononobe memberikan hasil yang bervariasi untuk kasus yang berbeda. Pada kasus Stasiun Citeko, Persamaan Mononobe cenderung memberikan hasil yang mendekati data pada waktu konsentrasi di bawah 10 menit. Adapun untuk kasus
- Stasiun Kemayoran, Persamaan Mononobe cenderung memberikan hasil yang mendekati data untuk waktu konsentrasi di atas 10 menit.
- 4. Contoh kasus analisis durasi dan intensitas hujan Stasiun Citeko dan Kemayoran ini menunjukkan bahwa dalam menentukan intensitas hujan di suatu lokasi diperlukan adanya metode perhitungan yang representatif. Pada studi ini, analisis dibatasi pada satu stasiun hujan di wilayah Jakarta dan satu stasiun di wilayah Bogor. Studi ini dapat dikembangkan dengan menggunakan data hujan jam-jaman di stasiun hujan lainnya untuk meningkatkan akurasi dari studi yang dilakukan. Selain itu, metode yang umum digunakan untuk menentukan intensitas hujan di suatu wilayah, belum tentu sesuai jika digunakan di wilayah lain. Maka analisis serupa juga perlu dilakukan di wilayah lainnya untuk mengetahui karakteristik intensitas hujan di wilayah tertentu.
- 5. Durasi dan intensitas hujan yang digunakan sebagai pedoman perencanaan infrastruktur drainase dan penanganan banjir perlu terus dikembangkan berdasarkan data observasi terbaru dengan resolusi temporal dan spasial yang lebih baik. Upaya pengembangan standar desain perlu terus dilakukan untuk menjawab tantangan perubahan iklim, perkembangan wilayah yang dinamis, serta tren kejadian banjir yang terus meningkat di Indonesia.
Ucapan Terima Kasih
Studi ini didukung oleh Kementerian Riset dan Teknologi / Badan Riset dan Inovasi Nasional (Kemenristek/BRIN) melalui Penelitian Kompetitif Nasional dengan skema Penelitian Tesis Magister pada tahun 2020.