Analisa Hidrologi - Kota Banjarmasin (NUFReP)

Sat, 25 Apr 2026 00:00:00 +0000

Umum

Pekerjaan ini merupakan bagian dari proyek National Urban Flood Resilience Project (NUFReP), program kerja sama antara Pemerintah Republik Indonesia dan Bank Dunia dalam rangka meningkatkan ketahanan perkotaan terhadap banjir. Salah satu komponen strategis adalah pembangunan Wilayah Pengendalian Genangan (WPG) di kawasan Sungai Sutoyo S, Banjarmasin, Kalimantan Selatan. Kawasan WPG Sungai Sutoyo S mencakup dua sub-DAS utama: Sub-DAS Pelambuan (116,35 Ha) dan Sub-DAS Jafri Zamzam (342,49 Ha), dengan total luas catchment 458,84 Ha. Kawasan ini secara rutin terdampak banjir yang merugikan masyarakat, infrastruktur, dan kegiatan ekonomi. Analisis hidrologi yang komprehensif menjadi pondasi perencanaan sistem drainase dan pengendalian banjir, mencakup analisis frekuensi hujan, penyusunan kurva IDF, delineasi catchment, dan pemodelan hidrograf desain menggunakan SWMM.

Metodologi

Analisis hidrologi dilaksanakan mengikuti alur kerja terstruktur enam tahap, dari pengumpulan data hingga hidrograf desain.

Gambar 1. Alur kerja analisis hidrologi enam tahap

Secara keseluruhan, analisa hidrologi dilakukan dengan melalui enam tahapan. Mulai dari pengumpulan data, koreksi bias GPM, hingga hidrograf desain. Keenam tahapan tersebut secara rinci adalah sebagai berikut:

Tahap A — Pengumpulan Data: Data hujan GPM IMERG V07, ground station BMKG (2 stasiun), DEM UAV 2026, dan peta tutupan lahan ESRI Land Cover

Tahap B — Koreksi Bias GPM: Evaluasi 4 metode; dipilih Year-Specific Scaling (M4) berdasarkan metrik validasi terbaik

Tahap C — Analisis Frekuensi & IDF: Annual Maximum Series (AMS), uji statistik SNI 7746:2012, distribusi Log-Pearson III, dan kurva IDF dengan pola jam-jaman Banjarmasin

Tahap D — Delineasi Catchment: Pengolahan DEM UAV 2026 untuk delineasi 12 sub-DAS.

Tahap E — Pemodelan SWMM: Model limpasan dengan SCS Curve Number dan IDF sebagai input hujan

Tahap F — Hidrograf Desain: Debit puncak Q2, Q5, Q10, Q20 per sub-DAS sebagai input pemodelan hidraulika HEC-RAS

Perangkat Lunak

R (tidyverse, readxl, sf, openxlsx, QMAP) — analisis statistik dan koreksi bias
QGIS 3.40.4 + WhiteboxTools — pengolahan DEM dan delineasi catchment
EPA SWMM — pemodelan limpasan permukaan

Pengumpulan Data

Inventarisasi Stasiun Hujan

Terdapat 15 stasiun hujan di sekitar area WPG. Duabelas diantaranya bersumber dari WS Kalimantan III, sedangkan tiga stasiun hujan bersumber dari BMKG. Gambar matriks ketersediaan tiap stasiun hujan serta jumlah data valid ditampilkan pada tabel berikut.

Gambar 2. Matriks Ketersediaan Data Hujan Stasiun di Sekitar WPG Banjarmasin

Gambar 3. Jumlah Data Valid di Tiap Stasiun Hujan

Berdasarkan SNI 2415:2016 (minimal 20 tahun data), hanya 7 stasiun memenuhi syarat. Dari 7 stasiun tersebut, 2 lokasi terdekat adalah Stasiun BMKG Syamsuddin Noor (33,7 km) dan BMKG Kalimantan Selatan (25 km).

Tabel 1 Inventarisasi Stasiun Hujan di Sekitar WPG Sungai Sutoyo S Banjarmasin

No	Stasiun	Wilayah	Sumber	Jarak (Km)	Mulai	Akhir	n	CH Max	Status SNI
1	Padang Panjang	Kab. Banjar	BWS Kal III/PSDA	42	2022	2025	4	135	<10 th (Tidak Layak)
2	Ati’im	Kab. Banjar	BWS Kal III/PSDA	63.2	2022	2025	3	128	<10 th (Tidak Layak)
3	Banjarmasin	Kota Banjarmasin	BWS Kal III/PSDA	2.8	2022	2026	2	135.8	<10 th (Tidak Layak)
4	Gudang Tengah	Kab. Banjar	BWS Kal III/PSDA	15.6	2020	2025	3	307.5	<10 th (Tidak Layak)
5	Aluh-Aluh	Kab. Banjar	BWS Kal III/PSDA	16.4	2022	2025	3	98.8	<10 th (Tidak Layak)
6	Astambul	Kab. Banjar	BWS Kal III/PSDA	28.9	2022	2025	1	74.8	<10 th (Tidak Layak)
7	Mengkauk	Kab. Banjar	BWS Kal III/PSDA	60.8	2022	2025	3	102.2	<10 th (Tidak Layak)
8	Batu Tangga	Hulu Sungai Tengah	BWS Kal III/PSDA	137	1995	2025	28	153	20-29 th (Cukup)
9	Intangan	Hulu Sungai Tengah	BWS Kal III/PSDA	123.7	1995	2025	26	188	20-29 th (Cukup)
10	Kambat	Hulu Sungai Tengah	BWS Kal III/PSDA	122.3	1995	2025	23	368	20-29 th (Cukup)
11	Mangunang	Hulu Sungai Tengah	BWS Kal III/PSDA	116.6	1995	2025	26	142	20-29 th (Cukup)
12	Mo’ui	Hulu Sungai Tengah	BWS Kal III/PSDA	110.9	1995	2025	22	180	20-29 th (Cukup)
13	Kal-Sel (BMKG)	Kab. Banjarbaru	BMKG	25	1998	2025	27	255.3	20-29 th (Cukup)
14	Syamsuddin Noor	Kota Banjarbaru	BMKG	33.7	1998	2025	27	249	20-29 th (Cukup)
15	Surgi Mufti	Kota Banjarmasin	BMKG	3.5	1996	2014	19	168	<20 th (Kurang)

Keterangan: Stasiun dengan status ‘Tidak Layak’ memiliki data kurang dari 10 tahun sehingga tidak memenuhi persyaratan SNI 2415:2016. Stasiun ‘Cukup’ memiliki 20–29 tahun data

Plotting Jarak Tapak Proyek Terhadap Lokasi Stasiun Hujan

Selain terhadap kelengkapan data hujan, jarak stasiun hujan juga sangat berpengaruh terhadap analisa yang akan digunakan. Semakin dekat maka akan semakin baik. Hasil plotting bisa dilihat sebagai berikut

Gambar 4. Peta Lokasi Stasiun Hujan dan Area WPG Soetoyo

Dari 15 stasiun tersebut hanya ada 2 Lokasi yang paling lengkap dan paling dekat, yaitu Stasiun BMKG Syamsuddin Noor dan Stasiun BMKG Kalimantan Selatan. Meskipun begitu, karena jarak Lokasi stasiun hujan terhadap area pekerjaan masih sekitar 25 – 33 Km maka diperlukan data satelit untuk bisa menghitung curah hujan spesifik yang berada di area pekerjaan.

Tambahan data Satelit (GPM)

Data GPM IMERG V07 dipilih karena menggunakan radar presipitasi aktif (DPR, dual frequency precipitation radar) sebagai kalibrator, menghasilkan akurasi deteksi kejadian hujan harian yang lebih baik di wilayah tropis dibandingkan produk berbasis inframerah seperti CHIRPS atau PERSIANN. Validasi independen di Kalimantan dan wilayah Indonesia lainnya menunjukkan performa konsisten pada skala harian dengan nilai RMSE dan CSI yang kompetitif. Selain itu, GPM IMERG telah diadopsi secara resmi oleh BNPB dalam sistem inaRISK sebagai referensi klimatologis nasional. Overlay grid GPM dengan lokasi pekerjaan dan stasiun BMKG sebagai referensi diperlihatkan sebagai berikut.

Gambar 5. Overlay Lokasi WPG dengan Pos Hujan dan Grid GPM

Dari hasil plotting time series data tahunan dan bulanan, data hujan satelit memiliki trend yang serupa. Namun jika dibandingkan HHMT, maka data satelit hampir semua nya underestimate. Terutama di tahun 2021 Ketika terjadi hujan ekstrim di dua stasiun BMKG. Untuk itu diperlukan koreksi bias.

Gambar 6. Plot Data Bulanan antara Pos Hujan BMKG dan Grid GPM

Gambar 7. Plot Data Bulanan antara Pos Hujan BMKG dan Grid GPM

Gambar 8. Plot Data HHMT antara Pos Hujan BMKG dan Grid GPM

Koreksi Bias

Data satelit GPM IMERG mengandung bias sistematis dibandingkan pengukuran ground station. Koreksi bias difokuskan pada Hujan Harian Maksimum Tahunan (HHMT) — parameter utama analisis frekuensi banjir. Empat metode koreksi (monthly scaling (M1), HHMT direct scaling (M2), quantile mapping (M3), sampai year-specific scalling (M4)) dievaluasi menggunakan data 1998–2025 dan tujuh metriks validasi (PBIAS, RMSE, MAE, R, R2, NSE, dan KGE) dijadikan acuan sebagai filter metode koreksi mana yang paling baik.

Validasi data curah hujan satelit tidak dapat dilakukan dengan satu metrik tunggal karena setiap metrik mengukur dimensi kesalahan yang berbeda. Penggunaan beberapa metrik secara bersamaan memastikan tidak ada aspek kualitas data yang terlewat dari evaluasi. Tujuh metrik yang digunakan dalam proyek ini mencakup empat dimensi utama:

Tabel 2 Empat dimensi evaluasi dan metrik terkait

Dimensi	Metrik	Aspek yang Diukur
Bias Sistematik	PBIAS	Apakah GPM over- atau underestimate secara konsisten?
Magnitudo Error	RMSE, MAE	Seberapa besar rata-rata kesalahan absolut antara GPM dan observasi?
Korelasi Linear	R, R²	Seberapa kuat hubungan linear antara GPM dan observasi?
Efisiensi Model	NSE, KGE	Seberapa baik GPM dibandingkan baseline (rata-rata observasi)?

Tabel 3 Perbandingan Metrik Validasi Koreksi Bias HHMT — M0 sampai M4

No.	Metode	Keterangan	PBIAS (%)	RMSE (mm)	MAE (mm)	R	R²	NSE	KGE	Kategori NSE/PBIAS/KGE
1	M0 — GPM Raw	Tanpa koreksi — baseline	-31.9	47.439	38.721	0.373	0.139	-1.062	0.206	TM/TM/TM
2	M1 — Monthly Scaling	CF per bulan dari data BMKG tersedia	-27.0	43.701	34.499	0.383	0.147	-0.750	0.252	TM/TM/M
3	M2 — HHMT Direct Scaling	CF global HHMT tunggal	3.5	36.468	24.177	0.373	0.139	-0.218	0.371	TM/SB/M
4	M3 — Quantile Mapping	Pemetaan distribusi empiris	3.5	39.001	26.843	0.350	0.123	-0.394	0.347	TM/SB/M
5	M4 — Year-Specific	Fk per tahun (Year-Specific Scaling)	3.5	15.789	11.136	0.900	0.811	0.772	0.879	SB/SB/SB

KETERANGAN KATEGORI (Moriasi et al. 2007 & Gupta et al. 2009):

NSE : >0.75=SB (Sangat Baik) | 0.65–0.75=B (Baik) | 0.50–0.65=M (Memuaskan) | <0.50=TM (Tidak Memuaskan)

PBIAS: <10%=SB | 10–15%=B | 15–25%=M | >25%=TM

KGE: >0.75=SB | 0.50–0.75=B | 0.25–0.50=M | <0.25=TM

▣ M4 = Dipilih karena terbaik dari semua sisi validasi metrik

Perbandingan antara GPM RAW (tanpa koreksi) dengan GPM hasil koreksi bias serta dengan nilai validasi metriknya dapat dilihat dalam gambar berikut.

Gambar 9. Perbandingan antara GPM RAW dengan GPM Hasil koreksi bias

Analisis Frekuensi dan Uji Kesesuaian (goodness-of-fit)

Analisis frekuensi hujan bertujuan untuk memperkirakan besaran hujan rencana dengan kala ulang tertentu (T) berdasarkan seri data historis Hujan Harian Maksimum Tahunan (HHMT). Metode ini berasumsi bahwa data HHMT merupakan sampel acak yang mengikuti salah satu distribusi probabilitas tertentu. Dalam analisis ini digunakan lima distribusi yang umum dipakai dalam hidrologi di Indonesia, sesuai SNI 2415:2016 dan SNI 7746:2012. Pemilihan distribusi yang paling sesuai dilakukan melalui dua uji kesesuaian statistik, sesuai SNI 7746:2012: uji Chi-Kuadrat dan uji Kolmogorov–Smirnov. Distribusi dengan nilai statistik uji terkecil (relatif terhadap nilai kritisnya) pada kedua uji ditetapkan sebagai distribusi terpilih.

Tabel 4 Rekap Uji Kesesuaian di 5 Distribusi Hujan

Distribusi	Chi² Hitung	Chi² Kritis	Derajat Bebas	Uji Chi-Sq	D_maks (KS)	D_kritis (KS)	Uji KS	Lolos Kedua Uji	Ranking
Log-Pearson III (TERPILIH)	2.714286	3.841	1	DITERIMA	0.084357	0.257	DITERIMA	LOLOS	1
GEV	3.071429	3.841	1	DITERIMA	0.109532	0.257	DITERIMA	LOLOS	2
Gumbel	4.857143	5.991	2	DITERIMA	0.126584	0.257	DITERIMA	LOLOS	3
Log-Normal	4.857143	5.991	2	DITERIMA	0.150318	0.257	DITERIMA	LOLOS	4
Normal	11.285714	5.991	2	DITOLAK	0.191136	0.257	DITERIMA	GAGAL	—

Gambar 9. Nilai Uji Kesesuaian - % Terhadap Nilai Kritis

Tabel 5 Hujan Rencana (mm/hari) Berdasarkan Semua Distribusi — Log-Pearson III Terpilih

Kala Ulang (Tahun)	Periode Ulang (T)	Normal (mm)	Log-Normal (mm)	Gumbel (mm)	Log-Pearson III (Terpilih, mm)	GEV (mm)
T = 2 tahun	2	114.33	110.15	108.47	105.52	107.26
T = 5 tahun	5	144.31	137.75	139.96	134.58	134.70
T = 10 tahun	10	159.99	154.83	160.81	157.04	154.71
T = 20 tahun	20	172.93	170.51	180.81	181.12	175.40
T = 25 tahun	25	176.70	175.37	187.15	189.32	182.29
T = 50 tahun	50	187.50	190.08	206.69	216.42	204.56
T = 100 tahun	100	197.22	204.35	226.09	246.32	228.31

Gambar 10. Kurva Frekuensi Hujan – 5 Distribusi Hujan

Deliniasi Subdas

Delineasi catchment menggunakan DEM hasil survei topografi tahun 2026, diproses dengan program GIS. Resolusi hasil pengukuran topografi jauh lebih tinggi dibandingkan DEMNAS sehingga menghasilkan batas Sub DAS yang lebih akurat. Secara garis besar WPG Sungai Soetoyo ini merupakan bagian dari WPG Kota Banjarmasin dengan total 11 WPG yang tersebar. Lokasi WPG S. Soetoyo sendiri berada di sebelah barat yang berhubungan langsung dengan Sungai Barito. Peta area WPG Banjarmasin secara keseluruhan dan area WPG detail S. Soetoyo ditampilkan pada gambar berikut.

Gambar 11. Area WPG Kota Banjarmasin – Keseluruhan

Gambar 12. Area WPG S. Soetoyo

Permodelan SWMM

Storm Water Management Model (SWMM) digunakan untuk mengkonversi hujan rencana menjadi hidrograf debit di setiap titik keluar sub-DAS. Parameter utama model: • Metode limpasan: SCS Curve Number (CN) — USDA TR-55, 1986 • Input hujan: Kurva IDF dari hasil analisis frekuensi • Karakteristik sub-DAS: Luas, kemiringan, panjang saluran, CN per penggunaan lahan

Penentuan parameter model SWMM (Storm Water Management Model) pada area WPG Banjarmasin didasarkan pada karakteristik fisik lahan dan jenis tanah yang ada di wilayah tersebut. Wilayah Banjarmasin dan sekitarnya merupakan dataran rendah Kalimantan Selatan yang didominasi oleh tanah lempung berliat dengan drainase alami yang buruk, muka air tanah dangkal, serta banyak dijumpai lahan rawa dan gambut yang terkonversi. Kondisi ini secara hidrologis menempatkan jenis tanah di wilayah kajian pada klasifikasi Hydrologic Soil Group (HSG) Tipe C. Seluruh nilai parameter standar yang digunakan merujuk pada Hydrology National Engineering Handbook, Chapter 7 (USDA-NRCS, 2009) dan panduan hidrolika FHWA-SA-96-067 (McCuen et al., 1996).

Tabel 6 Rekapitulasi Nilai Parameter SWMM – Area WPG Soetoyo - Kota Banjarmasin

Parameter SWMM	Nilai Terpilih	Kategori / Dasar	Sumber
Hydrologic Soil Group (HSG)	C	Tanah lempung berliat, drainase buruk, dominan di dataran rendah Kalimantan Selatan	NRCS TR-55
Curve Number (CN)	90	Residential – 1/8 ac or less (65% impervious), HSG C	NRCS NEH Ch. 7
Manning’s n – Impervious (N-Imperv)	0,012	Smooth concrete (saluran beton halus)	FHWA-SA-96-067
Manning’s n – Pervious (N-Perv)	0,024	Cement rubble surface (permukaan berbatu/tanah terbuka)	FHWA-SA-96-067
Depression Storage – Impervious (Dstore-Imperv)	1,27 mm	Impervious surfaces (0,05 in = 1,27 mm)	NRCS / FHWA
Depression Storage – Pervious (Dstore-Perv)	5,24 mm	Lawns/pasture (0,20 in = 5,08 mm dibulatkan 5,24 mm)	NRCS / FHWA

Hidrograf Desain dan Debit puncak per Sub-DAS

Hasil dari running permodelan SWMM dengan input dan parameter yamg telah ditentukan berupa hidrograf debit banjir ditampilkan sebagai berikut

Gambar 13. Hidrograf Debit Pada Masing-masing Subdas (Q2)

Gambar 14. Hidrograf Debit Pada Masing-masing Subdas (Q5)

Tabel 7 Rekapitulasi Debit Puncak per Sub-DAS (m³/s) — SWMM Output

No	Kode	Nama	Q2	Q5	Q10	Q20	Q25	Q50	Q100
1	A	subdas_anak_pelambuan_kiri_1	1.53	2.03	2.41	2.81	2.95	3.40	3.89
2	B	subdas_anak_pelambuan_kiri_2	0.54	0.71	0.85	0.99	1.03	1.19	1.36
3	C	subdas_anak_pelambuan_kiri_3	2.06	2.72	3.23	3.76	3.94	4.55	5.21
4	D	subdas_anak_pelambuan_kn_1	3.48	4.80	5.83	6.92	7.29	8.51	9.85
5	E	subdas_anak_pelambuan_kn_2	1.66	2.20	2.61	3.05	3.20	3.69	4.23
6	F	subdas_jafri_zamzam_ki_1	2.32	3.25	3.97	4.75	5.01	5.87	6.81
7	G	subdas_jafri_zamzam_ki_2	2.54	3.54	4.30	5.11	5.39	6.29	7.27
8	H	subdas_jafri_zamzam_ki_3	3.03	4.33	5.38	6.52	6.92	8.21	9.65
9	I	subdas_jafri_zamzam_ki_4	2.81	4.04	5.04	6.13	6.51	7.76	9.15
10	J	subdas_jafri_zamzam_kn_1	0.96	1.32	1.60	1.90	2.00	2.33	2.69
11	K	subdas_jafri_zamzam_kn_2	3.22	4.45	5.38	6.37	6.70	7.79	8.99
12	L	subdas_jafri_zamzam_kn_3	1.89	2.60	3.13	3.70	3.89	4.52	5.21

Tabel 8 Rekapitulasi Debit Puncak per DAS (m³/s) di Outlet

No	Subdas	Q2	Q5	Q10	Q20	Q25	Q50	Q100
1	Pelambuan	9.27	12.47	14.92	17.53	18.41	21.34	24.54
2	Jafri Zamzam	16.76	23.53	28.81	34.48	36.42	42.77	49.78

Perbandingan dengan Studi Terdahulu

Pada tahun 2023, Balai Teknik Sungai telah melakukan kajian hidrologi di lokasi yang sama. Perbandingan dengan pekerjaan TSC (Technical Support Consultant) tahun 2026 ini disampaikan dalam tabel matriks berikut

Tabel 9 Perbandingan Studi Hidrologi

Parameter	Balai teknik sungai, 2023	TSC, 2026	Selisih (%)
Total Luas Subdas (Ha)	456.2	458.84	0.58%
Data hujan	Surgi Mufti (18 Tahun)	GPM Koreksi (28 Tahun)	-
Hujan Rencana R5 (mm/hari)	95.691	134.58	40.64%
Distribusi Hujan	Mononobe (5 Jam)	Mononobe (5 Jam)	-
Intensitas Hujan R5 (mm/jam)	55.96	78.701	40.64%
Model Hidrologi	SWMM	SWMM	-
Curve Number	90	90	-
Debit Q5 JZZ (m3/dtk)	18.27	23.53	28.77%
Debit Q5 Pelambuan (m3/dtk)	9.38	12.47	32.94%

Pada kajian TSC 2026 ini nilai curah hujan rencana R5 lebih besar dari kajian 2023 (naik ~40%), dikarenakan adanya penambahan data curah hujan ekstrim di tahun 2021 (252.1 mm/hari). Oleh karena itu nilai debit pada masing-masing ruas Sungai juga mengalami peningkatan ~30% dibandingkan pada kajian balai Teknik Sungai 2023 meskipun luasan DAS yang hampir mirip dan digunakan metode distribusi hujan yang sama (mononobe 5 jam).

SWMM | Irpan Chumaedi