BAB 1V METODOLOGI 4.1. Lokasi Penelitian

BAB 1V METODOLOGI

4.1. Lokasi Penelitian Lokasi penelitian terdapat pada pos-pos hujan yang ada di Daerah Aliran Sungai Kali Progo, Provinsi D.I Yogyakarta.

Sumber: Balai Besar Wilayah Sungai Serayu Opak, 2013

Gambar 4.1 Peta DAS Kali Progo 24

25

4.2. Bagan Alir Penelitian Berikut ini adalah langkah-langkah penelitian

Gambar 4.2 Bagan Alir Penelitian

26

4.3. Pengumupulan Data Untuk melakukan rasionalisasi pos hujan pada area DAS Kali Progo menggunakan ArcGIS 10.1, diperlukan berbagai data yang nantinya akan diinput untuk analisis kerapatan jaringan stasiun hujan ke dalam software ArcGIS 10.1 yaitu data sekunder. Data sekunder didapat dari Balai Besar Wilayah SungaiI Serayu Opak Yogayakarta dan studi pustaka serta refrensi yang terkait dengan objek penelitian. Berikut data-data yang digunakan: 1. Data Curah hujan diperoleh dari Balai Besar Wilayah Sungai Serayu Opak Yogyakarta. Data pengamatan meliputi 23 Stasiun hujan dari tahun 2013 yaitu: stasiun Gembongan,Wonogomo, Tegal, Kokap, Sapon, Sanden, Pajangan, Kenteng, Kalijoho, Brosot, Nyemengan, Gemawang, Beran, Angin-angin, Prumpung, Kemput, Seyegan, Kalibawag, Godean, Badran, Bedugan/siluk, Caturanom, Mendut. Digunakan untuk menginput data pada software ArcGIS 10,1. 2. Data Topografi dan Peta DAS Kali Progo berupa SHP (Shapfile) yang di peroleh dari Balai Besar Wilayah Sungai Serayu Opak Yogyakarta. Di gunakan untuk mengetahui luasan pengarus pos hujan DAS Kali Progo sebagai input data pada software ArcGIS 10,1. 3. Data kerapatan minimum jaringan stasiun hujan yang direkomendasikan WMO (Word Meteorogical Organization) di dapat dari penelitian Rahmat Junaidi (Kajian Rasionalisasi Jaringan Stasiun Hujan Pada Ws Parigi-Poso Sulawesi Tengah Dengan Metode Kagan-Rodda dan Kriging, 2015). Data ini di gunakan sebagai acuan kerapatan minimum jaringan stasiun hujan. 4. Prosedur dan intruksi Survei penempatan dan pembangunan Pos Hidrologi di dapat dari Balai Besar Wilayah Sungai Serayu Opak Yogyakarta. Di gunakan untuk cara menempatkan pos hujan yang ideal.

27

4.4. Analisis Data Data yang telah diperoleh diolah dan dianalis sesuai dengan kebutuhannya. Masing-masing data berbeda dalam pengolahannya dan analisisnya. Dengan pengolahan dan analisis yang sesuai maka akan didapatkan variabel-variabel yang akan digunakan dalam penelitian ini. 4.4.1. Pengolahan Data Peta DAS Kali Progo yang berupa data SHP ((shapfile) dan data hujan yang diperoleh dari Balai Besar Wilayah Sungai Serayu Opak Yogyakarta, selanjutnya diolah dengan program ArcGIS 10.1 untuk memperoleh luasan stasiun hujan berpengaruh pada Daerah Aliran Sungai kali Progo Langkah-langkah pengolahan data sebagai berikut: 1. Buka program ArcGIS, dan pilih new blangk untuk membuka file baru.

Gambar 4.3 Tampilan Awal ArcGIS

28

2. Masukkan data koordinat stasiun hujan untuk pembuatan poligon Thiessen pada menu Add XY data pada tools file

Gambar 4.4 Add XY Data Stasiun Hujan

29

3. Membuat Poligon Thiessen dengan langkah-langkah sebagai berikut pilih Arc Toolbox –Analiysis Tools – Proximity - Create Thiessen Polygon.

Gambar 4.5 Hasil Poligon Thiessen Pada DAS Kali Progo

30

4. Buka Peta DAS Kali progo yang berupa SHP melalui menu add data (

Gambar 4.6 DAS Kali Progo

).

31

5. Setelah polygon Thiessen jadi kemudian dilakukan pemotongan (clip) untuk menghitung luasan dari stasiun yang berpengaruh pada DAS.

Gambar 4.7 Poligon Thiessen Pada DAS Kali Progo

32

6. Membuat tabel keterangan luasan stasiun hujan berpengaruh sesuai dengan poligon thiessen yang sudah dibuat. Caranya dengan klik kanan data shp poligon Thiessen pada Table of contents, kemudian pilih Open attribut table .

Gambar 4.8 Tabel Luasan Stasiun Hujan Berpengaruh Pada DAS 4.4.2. Analisis Kerapatan Jaringan Stasiun Hujan Standar WMO Analisis kerapatan stasiun hujan berdasarkan standar WMO, didasarkan pada luasan daerah pengaruh masing-masing stasiun. Besarnya luasan daerah pengaruh masing-masing stasiun hujan dihitung dengan menggunakan metode poligon Thiessen, penggunaan metode poligon Thiessen dikarenakan penyebaran stasiun hujan di daerah yang ditinjau tidak merata. Dengan menggunakan menu create Thiessen polygon pada program ArcGis 10.1 didapat nilai luasan pengaruh dari setiap stasiun hujan terhadap Daerah Aliran Sungai kali Progo seperti yang di tunjukan pada Tabel 4.1.

33

Tabel 4.1 Hasil Analisis Kerapatan Stasiun Hujan berdasarkan Standar WMO

No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Luas Daerah Pengaruh(km2) Per Pos Hujan Koordinat Stasiun Hujan Luas (km2) X y 60,07 Gembogan 110,211 -7,857 0,88 Wonogomo/tepus 110,588 -7,550 130,36 Tegal 110,242 -7,678 0,35 Kokap/hargorejo 110,117 -7,870 36,98 Sapon 110,255 -7,922 20,49 Sanden 110,268 -7,954 24,66 Pajangan 110,317 -7,905 83,85 Kenteng 110,255 -7,786 56,4 Kalijoho 110,235 -7,823 65,7 Brosot 110,233 -7,941 39,63 Nyemengan 110,346 -7,844 15,57 Gemawang 110,368 -7,763 19,34 Beran 110,358 -7,731 48,8 Angin-angin 110,371 -7,674 0,09 Prumpung 110,392 -7,707 150,67 Kemput 110,405 -7,639 41,37 Seyegan 110,293 -7,696 29,79 Kalibawang 110,264 -7,676 48,7 Godean 110,301 -7,734 553,24 Badran 110,218 -7,374 290,3 Bedugan/siluk 110,378 -7,367 308,14 Caturanom 110,083 -7,293 399,28 Mendut 110,245 -7,620

Sumber : Hasil Analisa, 2016

4.4.3. Analisis Jaringan Stasiun Hujan Rekomendasi Dari beberapa cara penetapan jaringan pengukuran hujan yang ada, terdapat cara yang relatif sederhana dalam pemakaian, baik dalam pengertian data yang dibutuhkan maupun prosedur hitungannya. Keuntungan cara ini adalah selain jumlah stasiun yang dibutuhkan dengan tingkat ketelitian tertentu dapat ditetapkan, akan tetapi juga sekaligus cara ini dapat memberikan pola penempatan stasiun hujan yang jelas. Cara ini dikemukakan oleh Kagan (1967). Secara garis besar langkahlangkah yang dapat di tempuh sebagai berikut:

34

1. Dari jaringan stasiun hujan yang telah tersedia, dapat dihitung nilai koefisien variasi (Cv) baik harian atau bulanan, sesuai dengan yang diperlakukan. Persamaan dasar yang digunakan adalah (Bambang Triadmojo, 2008) 100𝜎

Cv=

ṕ

(4.1)

𝑛

𝜎 = (𝑛−1 (ṕ2 − (ṕ)2 ))1/2 ṕ=

⅀𝑝 𝑛

Dengan: Cv

= Koefisien variasi hujan didasarkan pada stasiun hujan yang ada

ṕ

= hujan rerata dari n stasiun

𝜎

= standar deviasi

n

= jumlah stasiun hujan yang ada

2. Dari jaringan stasiun hujan yang tersedia pula dapat dicari hubungan antar jarak antar stasiun dan koefisien korelasi, baik untuk hujan harian maupun bualanan, sesuai yang diperlukan. Dalam penetapan hubungan ini tidak diperhatikan orientasi arahnya, karena tidak berpengaruh terhadap besarnya korelasi. Untuk mencari jarak antar stasiun menggunakan software ArcGIS 10.1 yaitu dengan cara klik measure kemudian pilih dua stasiun yang akan d ukur jarak antar stasiunnya seperti pada Gambar 4.9

35

Gambar 4.9 Jarak Antar Stasiun sedangkan korelasi hanya dilakukan untuk hari-hari yang di kedua stasiun terjadi hujan. Berarti menghindarkan ‘complete dry days’ (Stohl, 1981). Mencari nilai korelasinya yaitu dengan cara membuat grafik regresi hubungan antara data curah hujan bulanan antara kedua stasiun. 3. Hubungan yang di peroleh di atas digambarkan dalam sebuah grafik lengkung eksponensial, seperti yang nampak pada Gambar5.3 . Dari grafik ini dapat diperoleh besaran d(o) dengan menggunakan nilai rata-rata d dan r(d) dan persamaan (3.2). 4. Dengan besaran tersebut, maka persamaan (3.3) dan (3.4) dapat dihitung setelah tinggi ketelitian ditetapkan. 5. Setelah jumlah stasiun ditetapkan untuk DAS tersebut, maka penempatan stasiun hujan dapat dilakukan dengan menggunakan persamaan (3.5), dan menggambarkan jaring-jaring segitiga sama sisi dengan panjang sisi sama dengan L.