Professional Documents
Culture Documents
Laporan Koresy
Laporan Koresy
PENDAHULUAN
1
2
BAB 2
TINJAUAN PUSTAKA
dan membuang air yang tidak diperlukan lagi, setelah air itu dipergunakan
dengan sebaik-baiknya. Irigasi merupakan salah satu hal yang terpenting
dalam sistem pertanian, salah satunya yaitu dalam pengairan sawah untuk
mengairi lahan pertanian. Tujuan irigasi adalah mengalirkan air secara teratur
sesuai kebutuhan tanaman pada saat persedian air tanah tidak mencukupi
untuk mendukung pertumbuhan tanaman, sehingga tanaman bisa tumbuh
secara normal (Sosrodarsono, 2003).
Penggunaan konsumtif adalah jumlah air yang dipakai oleh tanaman untuk
proses fotosintesis dari tanaman tersebut. Penggunaan konsumtif dihitung
dengan rumus berikut:
ETc = Kc ETo.................................................................(2.1)
Dengan:
ETc = Evapotrasnpirasi tanaman (mm/hari)
ETo = Evapotrannspirasi tanaman acuan (mm/hari)
Kc = Koefisien tanaman
Tabel 2.1 Harga–harga Koefisien Tanaman
8
Dalam menganalisa kebutuhan air normal kita tidak akan lepas dari
kemampuan tanaman berevapotranspirasi, maka dari itu dibuat suatu
estimasi koefisien tanaman bulanan dimana pertumbuhan tanaman
didasarkan kepada jenis tanaman padi serta umurnya saat itu bertitik tolak
dari kebutuhan tersebut, maka kebutuhan paling tinggi pada saat tanaman
tersebut telah mencapai umur pertengahan dari keseluruhan umur
produksi. Di lain pihak kebutuhan air untuk pertumbuhan tanaman ini
sangat dipengaruhi oleh evapotranspirasi pada tanamantersebut, akhirnya
dengan menggabungkan kedua kejadian diatas maka dibuatlahangka
koefisien tanaman bulanan yang bervariasi terhadap kondisi iklim.
Dibawah ini merupakan tabel koefisien tanaman bulanan.
Tabel 2.2 Koefisien Tanaman Bulanan
IR = .......................................................................(2.2)
Dengan:
IR = Kebutuhan air irigasi di tingak persawahan (mm/hari)
M = Kebutuhan air untuk mengganti kehilangan air akibat evaporasi
dan perkolasi di sawah yang sudah dijenuhkan, M = Eo + P (mm/hari)
10
Kebutuhan bersih air di sawah (NFR) harus dibagi efisiensi irigasi untuk
memperoleh jumlah air yang dibutuhkan di intake. Dalam melaksanakan
pekerjaan ini kehilangan air diambil sebagai berikut :
a. Saluran tersier = 20%, sehingga efisiensi 80%
b. Saluran sekunder = 10%, sehingga efisiensi 90%
c. Saluran primer = 10%, sehingga efisiensi 90%
…………………………………………………………(2.4)
………...…………………….……………...………………..(2.5)
Keterangan
ETa = Evapotranspirasi terbatas/ actual (mm)
ETp = Evapotranspirasi potensial (mm)
E = Perbedaan ET potensial dgn ET terbatas (mm)
m = Bobot lahan yg tidak tertutup vegetasi (0–50%)
n = Jumlah hari tidak hujan tiap periode
12
Catatan:
m = 0 utk hutan lebat
m = 0 utk hutan sekunder pd akhir musim hujan, dan bertambah 10%
tiap bulan kering berikutnya
m = 10-40% utk lahan tererosi
m = 30-50% utk lahan pertanian
2.7.2 Keseimbangan Air (Water Balance)
……………………………………….………..…. (2.6)
……………………………………………….(2.7)
…………………………………………….... (2.8)
………………………………...………………... (2.9)
Keterangan :
DS = Hujan netto (mm)
P = Hujan selama periode waktu (mm)
SS = Perubahan kandungan air tanah (mm)
SM = Kelembaban tanah (mm)
SMC = Kapasitas kelembaban tanah (mm)
WS = Kelebihan air (mm)
Catatan:
Jika SMt-1 = SMC dan SMt-1 + DS > SMC, maka SS =0
Jika SMt-1< SMC dan SMt-1 + DS > SMC, maka SS = SMC-SMt-1
Jika tidak, maka SS = DS
2.7.3 Neraca Air di Bawah Permukaan
………………………………………………………..(2.10)
……………………………………………………..(2.11)
…………………………………………………………………….(2.12)
Keterangan :
I = Laju infiltrasi (mm)
13
………………………………………………(2.14)
……………………………………………………………….…………(2.15)
Keterangan :
BF = Aliran dasar/ aliran air tanah (mm)
DRo = Aliran langsung (mm)
Ro = Aliran permukaan
BAB 3
LANGKAH KERJA
Probabilitas = × 100 %
c. Membuat grafik dari data curah hujan setengah bulanan dengan
angka probabilitas pada ms. excel, Dengan bantuan trendline
polynomial, akan didapatkan garis yang menghubungkan titik-titik
pada grafik dan koefisien determinasi (R2) yang baik nilainya
14
BAB 4
4.2.1 Pengumpulan Data Hujan Setiap Periode (Dua Periode Tiap Satu
Bulan)
Data Hujan
Januari Pebruari Maret April Mei Juni
Tahun Jan- Jan- Peb- Peb- Mar- Mar- Apr- Apr- Mei- Mei- Jun- Jun-
1 2 1 2 1 2 1 2 1 2 1 2
2008 44.0 108.0 94.0 59.0 178.0 109.0 110.0 36.0 19.0 53.0 19.0 0.0
2009 140.0 245.0 37.0 59.0 107.0 184.0 92.0 88.0 152.0 102.0 106.0 1.0
2010 118.0 282.0 332.0 71.0 134.0 92.0 104.0 153.0 196.0 170.0 120.0 51.0
2011 106.0 120.0 156.0 37.0 64.0 193.0 170.0 113.0 185.0 80.0 17.0 88.0
2012 328.0 247.0 148.0 155.0 340.0 63.0 15.0 79.0 64.0 14.0 8.0 44.0
2013 409.0 127.0 201.0 121.0 76.0 142.0 76.0 142.0 27.0 311.0 83.0 338.0
2014 159.0 128.0 72.0 92.0 249.0 73.0 90.0 154.0 28.0 39.0 4.0 17.0
2015 133.0 139.0 152.0 349.0 80.0 140.0 102.0 81.0 51.0 22.0 0.0 0.0
2016 84.0 192.0 242.0 278.0 135.0 129.0 57.0 12.0 125.0 45.0 175.0 88.0
2017 142.0 267.0 108.0 151.0 76.0 275.0 77.0 138.0 72.0 153.0 101.0 186.0
2011 3.0 29.0 0.0 0.0 6.0 0.0 6.0 0.0 31.0 56.0 92.0 264.0
2012 14.0 107.0 0.0 0.0 16.0 2.0 8.0 3.0 164.0 70.0 199.0 321.0
2013 218.0 54.0 17.0 0.0 8.0 0.0 0.0 5.0 105.0 346.0 296.0 213.0
2014 93.0 12.0 18.0 4.0 0.0 0.0 0.0 0.0 50.0 90.0 191.0 173.0
2015 0.0 0.0 23.0 0.0 0.0 0.0 6.0 0.0 75.0 15.0 153.0 171.0
2016 149.0 169.0 137.0 46.0 89.0 177.0 125.0 84.0 199.0 186.0 163.0 30.0
2017 112.0 96.0 25.0 47.0 0.0 28.0 195.0 83.0 97.0 423.0 176.0 104.0
4.2.2 Mengurutkan data hujan tiap periode dari yang terkecil hingga yang
terbesar
Tabel 4.4. Tabel Data Hujan 15 Harian Bulan Januari Sebelum dan
Sesudah Diurutkan (mm/hari)
Januari Januari
Jan-1 Jan-2 Jan-1 Jan-2
44.0 108.0 44.0 108.0
140.0 245.0 84.0 120.0
118.0 282.0 106.0 127.0
106.0 120.0 118.0 128.0
328.0 247.0 133.0 139.0
409.0 127.0 140.0 192.0
159.0 128.0 142.0 245.0
133.0 139.0 159.0 247.0
84.0 192.0 328.0 267.0
142.0 267.0 409.0 282.0
22
Data yang sudah diurutkan dari terkecil ke terbesar dan dicari nilai
probabilitasnya, serta dibuat tabel seperti yang nampak pada tabel 4.4.
Misal probabilitas data terkecil :
= × 100 % = 9.09 %
Re = × 0.7 × R80
= × 0.7 × 93.603
= 4.368 mm/hari
Jan-
01 Probabilitas Data Gambar 4.3 Grafik Re & R80 Januari
1 9.09 44.0 periode 1
2 18.18 84.0
3 27.27 106.0
4 36.36 118.0
5 45.45 133.0
6 54.55 140.0 Gambar 4.3 Tabel Data Curah Hujan Januari
7 63.64 142.0 periode 2
8 72.73 159.0
9 81.82 328.0 Jan-
10 90.91 409.0 02 Probabilitas Data
1 9.09 108.0
2 18.18 120.0
3 27.27 127.0
4 36.36 128.0
5 45.45 139.0
6 54.55 192.0
7 63.64 245.0
8 72.73 247.0
9 81.82 267.0
10 90.91 282.0
24
Feb-
01 Probabilitas Data Gambar 4.3 Grafik Re & R80 Januari
1 9.09 37.0 periode 1
2 18.18 72.0
3 27.27 94.0
4 36.36 108.0
5 45.45 148.0
6 54.55 152.0 Gambar 4.3 Tabel Data Curah Hujan Januari
7 63.64 156.0
periode 1
8 72.73 Feb-
201.0
9 81.82 242.0 02 Probabilitas Data
10 90.91 332.0 1 9.09 37.0 Gambar 4.3 Grafik
Re & R80 Januari 2 18.18 59.0 periode 1
3 27.27 59.0
4 36.36 71.0
5 45.45 92.0
6 54.55 121.0
7 63.64 151.0
8 72.73 155.0
9 81.82 278.0
10 90.91 349.0
25
Mar-
01 Probabilitas Data
1 9.09 64.0
2 18.18 76.0
3 27.27 76.0
4 36.36 80.0
5 45.45 107.0
6 54.55 134.0
7 63.64 135.0
8 72.73 178.0
9 81.82 249.0
10 90.91 340.0
Mar-
02 Probabilitas Data
1 9.09 63.0
2 18.18 73.0
3 27.27 92.0
4 36.36 109.0
5 45.45 129.0
6 54.55 140.0
7 63.64 142.0
8 72.73 184.0
9 81.82 193.0
10 90.91 275.0
Apr-
01 Probabilitas Data
1 9.09 15.0
2 18.18 57.0
3 27.27 76.0
4 36.36 77.0
5 45.45 90.0
6 54.55 92.0
7 63.64 102.0
8 72.73 104.0
9 81.82 110.0
10 90.91 170.0
Apr-
02 Probabilitas Data
1 9.09 12.0
2 18.18 36.0
3 27.27 79.0
4 36.36 81.0
5 45.45 88.0
6 54.55 113.0
7 63.64 138.0
8 72.73 142.0
9 81.82 153.0
10 90.91 154.0
Mei-
01 Probabilitas Data
1 9.09 19.0
2 18.18 27.0
3 27.27 28.0
4 36.36 51.0
5 45.45 64.0
6 54.55 72.0
7 63.64 125.0
8 72.73 152.0
9 81.82 185.0
10 90.91 196.0
Mei-
02 Probabilitas Data
1 9.09 14.0
2 18.18 22.0
3 27.27 39.0
4 36.36 45.0
5 45.45 53.0
6 54.55 80.0
7 63.64 102.0
8 72.73 153.0
9 81.82 170.0
10 90.91 311.0
Jun-
01 Probabilitas Data
1 9.09 0.0
2 18.18 4.0
3 27.27 8.0
4 36.36 17.0
5 45.45 19.0
6 54.55 83.0
7 63.64 101.0
8 72.73 106.0
9 81.82 120.0
10 90.91 175.0
Jun-
02 Probabilitas Data
1 9.09 0.0
2 18.18 0.0
3 27.27 1.0
4 36.36 17.0
5 45.45 44.0
6 54.55 51.0
7 63.64 88.0
8 72.73 88.0
9 81.82 186.0
10 90.91 338.0
Jul-
01 Probabilitas Data
1 9.09 0.0
2 18.18 2.0
3 27.27 3.0
4 36.36 7.0
5 45.45 14.0
6 54.55 68.0
7 63.64 93.0
8 72.73 112.0
9 81.82 149.0
10 90.91 218.0
Jul-
02 Probabilitas Data
1 9.09 0.0
2 18.18 0.0
3 27.27 12.0
4 36.36 29.0
5 45.45 50.0
6 54.55 54.0
7 63.64 96.0
8 72.73 107.0
9 81.82 123.0
10 90.91 169.0
Aug-
01 Probabilitas Data
1 9.09 0.0
2 18.18 0.0
3 27.27 12.0
4 36.36 17.0
5 45.45 18.0
6 54.55 23.0
7 63.64 25.0
8 72.73 29.0
9 81.82 137.0
10 90.91 165.0
Aug-
02 Probabilitas Data
1 9.09 0.0
2 18.18 0.0
3 27.27 0.0
4 36.36 0.0
5 45.45 0.0
6 54.55 0.0
7 63.64 4.0
8 72.73 46.0
9 81.82 47.0
10 90.91 198.0
Sep-
01 Probabilitas Data
1 9.09 0.0
2 18.18 0.0
3 27.27 0.0
4 36.36 6.0
5 45.45 8.0
6 54.55 8.0
7 63.64 16.0
8 72.73 47.0
9 81.82 89.0
10 90.91 184.0
Sep-
02 Probabilitas Data
1 9.09 0.0
2 18.18 0.0
3 27.27 0.0
4 36.36 0.0
5 45.45 0.0
6 54.55 2.0
7 63.64 18.0
8 72.73 28.0
9 81.82 177.0
10 90.91 223.0
Okt-
01 Probabilitas Data
1 9.09 0.0
2 18.18 0.0
3 27.27 6.0
4 36.36 6.0
5 45.45 8.0
6 54.55 16.0
7 63.64 48.0
8 72.73 60.0
9 81.82 125.0
10 90.91 195.0
Okt-
02 Probabilitas Data
1 9.09 0.0
2 18.18 0.0
3 27.27 0.0
4 36.36 3.0
5 45.45 5.0
6 54.55 24.0
7 63.64 83.0
8 72.73 84.0
9 81.82 117.0
10 90.91 165.0
Nov-
01 Probabilitas Data
1 9.09 31.0
2 18.18 31.0
3 27.27 48.0
4 36.36 50.0
5 45.45 75.0
6 54.55 97.0
7 63.64 105.0
8 72.73 133.0
9 81.82 164.0
10 90.91 199.0
Nov-
02 Probabilitas Data
1 9.09 15.0
2 18.18 38.0
3 27.27 56.0
4 36.36 70.0
5 45.45 90.0
6 54.55 128.0
7 63.64 170.0
8 72.73 186.0
9 81.82 346.0
10 90.91 423.0
Dec-
01 Probabilitas Data
1 9.09 27.0
2 18.18 92.0
3 27.27 153.0
4 36.36 163.0
5 45.45 165.0
6 54.55 176.0
7 63.64 187.0
8 72.73 191.0
9 81.82 199.0
10 90.91 296.0
Dec-
02 Probabilitas Data
1 9.09 30.0
2 18.18 51.0
3 27.27 85.0
4 36.36 104.0
5 45.45 152.0
6 54.55 171.0
7 63.64 173.0
8 72.73 213.0
9 81.82 264.0
10 90.91 321.0
Berikut hasil nilai R80 dan Re selama setahun (curah hujan efektif):
Dari Grafik Hujan Efektif (Re) dapat diketahui Re tertinggi terjadi pada
periode Desember 1 dengan nilai Hujan Efektif (Re) adalah 5.535 mm,
dikarenakan pada periode tersebut curah hujan tinggi. Sedangkan hujan
efektif terendah terjadi pada periode Juli 1, Agustus 2, dan Oktober 2
dengan nilai Hujan Efektif adalah 0 mm, dikarenakan pada periode
tersebut tidak terjadi hujan .
46
Berikut ini adalah tabel data klimatologis yang terdiri dari Data Suhu
Udara, Data Kelembaban, Data Kecepatan Angin, dan Data Lama
Penyinaran. Data suhu udara, Data Kelembaban, Data Kecepatan Angin,
Data Lama Penyinaran Matahari dari Stasiun Karangploso pada bulan
47
Desember tahun 2005 tidak tersedia, digantikan dengan data dari bulan
Desember tahun 2006. Selain itu, data Tekanan Udara pada tahun 2004 dan
2005 tidak tersedia maka digunakan Data Tekanan Udara tahun 2003 dan
2006.
dalam satu hari ( menggunakan nilai lama penyinaran. Setelah nilai ETo
dalam setiap bulan per tahun didapat kemudian barula dirata-rata per
bulannya, barulah didapatkan nilai ETo rata-rata.
Berikut ini adalah contoh perhitungan ETo bulan Januari tahun 2004
es = 0.611 exp
= 0.611 exp
= 2.931 kPa
2. Menghitung tekanan uap aktual (ea)
ea = es x RH
48
= 2.931 x 0.83
= 2.432 kPa
3. Menghitung kemiringan kurva tekanan uap air terhadap suhu udara
(∆)
∆ =
= 0,176 kPa/°C
4. .Menghitung panas laten untuk penguapan (λ )
λ = 2.501 – (2.361 x 10-3) T
= 2.501 – (2.361 x 10-3) 23.7
= 2.445 MJ/kg
5. Menghitung Tekanan Udara (P)
P =
= 101.3
= 101.25 KPa
6. Menghitung konstantan psikometrik (γ )
γ = 0.00163
= 0.00163
= 0.067 kPa/°C
7. . Menghitung sudut deklinasi matahari (δ )
δ = 0.409 sin (0,0172 J – 1.39)/57.2975
= 0.409 sin (0,0172 (15) – 1.39)/57.2975
= -0.370 rad
8. . Menghitung jarak relatih antara bumi dan matahari (dr )
dr = 1 + 0.033 cos (2π/365 J)
= 1 + 0.033 cos (2π/365(15))
= 1.032
9. . Sudut saat matahari terbenam (ws )
φ = 07°45'5"
= 38.8 64 MJ/m2/hari
= 0.34 – 0.14 x
= 0.122
15. Menghitung radiasi gelombang panjang (Rnl )
Rnl = f (εa – εvs) x σ x T4
= 0.541(0.122) x 4.90 x 10-9 x (273+23.7)4
= 2.499 MJ/m2/hari
16. Menghitung radiasi matahari netto di atas permukaan tanah (Rn)
Rn = Rns - Rnl
= 14.813 – 2.499
= 12.314 MJ/m2/hari
17. Menghitung kecepatan angin pada ketinggian 2 m diatas permukaan
tanah (U2)
U2 = 2.718 km/jam
= 2.718 x m/s
= 0.755 m/s
50
900
0.408 Rn γ U (es ea )
( T 273 ) 2
ETo
γ ( 1 0 ,34 U 2 )
Nov 4.316
Des 3.597
2. Menghitung koefisien k
k = M × T/S
= 7.123 × 30/250
= 0.855
3. Menghitung kebutuhan air untuk penyiapan lahan (IR)
IR = M ( ek /(ek-1))
= 7.123 (e0.855/(e0.855 -1))
= 12.396 mm/hari
Periode November 2 (golongan 1)
1. Menghitung penggunaan komsumtif (Etc)
Etc = Kc × Eto
= 1.1 × 4.316
= 4.478 mm
semakin kecil, semakin kecil nilai data hujan maka semakin besar nilai m.
Contoh perhitungan : (periode Desember-1)
1. Menghitung Evapotranspirasi potensial (Etp)
Etp = 1.1 × Eto
= 1.1 × 1.91 = 2.10 mm
2. Menghitung Perbedaan ET potensial dgn ET terbatas (E)
E = m/20 × (18-7) × Etp
= 0.3/20 × (18-7) × 2.10
= 0.35 mm
3. Menghitung Evapotranspirasi terbatas/ actual (Eta)
Eta = Etp – E
= 2.10 – 0.35
= 1.75 mm
4. Menghitung Hujan netto (∆S)
∆S = P – Eta
= 35 – 1.75 = 33.25 mm
Selanjutnya mencari keseimbangan air (Water Balance), pada
keseimbangan air ada nilai SMC yang didapat dari kemampuan jenis tanah
yang digunakan untuk menampung kapasitas air secara maksimal. Lalu untuk
nilai SS merupakan syarat yang sudah ditentukan nilainya dalam menghitung
Water Balance.
Syarat besarnya nilai SS:
Jika ΔS >= 0, maka SS = 0
Jika ΔS <= 0, maka SS = ΔS
(ganti syarat SS)
5. Menghitung Kapasitas Penyimpanan Tanah (SS)
SMt-1 = 200 mm (Kelembaban Tanah 1 Periode
Sebelumnya)
SMC = 200 mm
∆S = 33.25 mm
SMt-1 + ∆S = 200 + 33.25
= 233.25 mm
Dapat dihitung SMt-1 = SMC dan SMt-1 + ∆S > SMC, maka SS = 0
6. Menghitung Kelembaban tanah (SMt)
SMt = SMt-1 + SS
= 200 + 0
61
= 200
7. Menghitung Kelebihan air (WS)
WS = ∆S – SS
= 33.25 – 0
= 33.25 mm
Langkah yang terakhir yakni menghitung Run Off atau besarnya aliran
yang ada di permukaan. Nilai koefisien infiltrasi dan koefisien resesi
digunakan nilai 0.3 karena dipilih berdasarkan jenis tanah silt loam. Range
koefisien infiltrasi dan koefisien resesi berkisar antara 0.1 – 0.8. Satuan dalam
Run Off juga perlu diperhatikan konversinya. Untuk mendapatkan satuan
m3/detik maka juga perlu dikalikan dengan luas DAS yaitu sebesar 1 km 2
(didapat dari dua NIM terakhir) lalu dikonversikan ke m 2 menjadi 1.000.000
m2.
8. Menghitung Infiltrasi (I)
I = koefisien infiltrasi × WS
= 0.1 × 33.25
= 3.32 mm
9. Menghitung Kandungan air tanah (Vn)
Vn = 0.5 × (1 + k) × I + k × Vt-1
= 0.5 × (1 + 0.1) × 3.32 + 0.1 × 0
= 1.83 mm
10. Menghitung Perubahan kandungan air tanah (dVn)
dVn = Vn – Vn-1
= 1.83 – 0
= 1.83 mm
11. Menghitung Aliran dasar/ aliran air tanah (BF)
BF = I – dVn
= 3.32 – 1.83
= 1.49 mm
12. Menghitung Aliran langsung (Dro)
Dro = WS - I
= 33.25 – 3.32
62
= 29.93 mm
13. Menghitung Run Off (Ro)
Ro = BF + Dro
= 1.49 + 29.93
= 31.42 mm
Ro = 31.42/15
= 2.09 mm/hari
Ro = 3.14 × 1.2 × 10-8 × Luas DAS
= 3.14 × 1.2 × 10-8 × 1.000.000
= 0.02 m3/detik
Berikut ini adalah tabel-tabel yang berisi ketersediaan air untuk irigasi :
Tabel 4.33. Tabel Kebutuhan dan Ketersediaan Air di Saluran Primer Juni-
November
b. Neraca Air
Dari tabel 4.32.-4.33. dibuat grafik yang menunjukkan
perbandingan kebutuhan air di saluran primer dengan ketersediaan air.
BAB 5
5.1 Kesimpulan
a. Hasil perhitungan kebutuhan air terbesar ada pada xxx periode xxx, yaitu
sebesar xxx m3/s. Sedangkan kebutuhan air terkecil ada pada xxx periode
xxx, yaitu sebesar xxx m3/s.
b. Hasil perhitungan ketersediaan air terbesar ada pada xxx periode xxx,
yaitu sebesar xxx m3/s. Sedangkan ketersediaan air terkecil ada pada xxx
periode xxx, yaitu sebesar xxx m3/s.
5.2 Saran
b. (Ketersediaan air)
c. (Ketersediaan air)