3. Pendahuluan
❑ Dalam analisis hidrologi kita sering diperhadapkan pada kejadian-kejadian ekstrim
seperti banjir ataupun kekeringan.
❑ Tujuan dari analisis frekuensi data hidrologi adalah mencari hubungan antara
besarnya kejadian ekstrim terhadap frekuensi kejadian dengan menggunakan
distribusi probabilitas.
❑ Analisis frekuensi dapat diterapkan untuk data debit sungai atau data hujan (data
maksimum tahunan yang terukur selama beberapa tahun).
4. Tujuan
Tujuan analisis frekuensi data hidrologi adalah mencari hubungan antara
besarnya kejadian ekstrim terhadap frekuensi kejadian dengan menggunakan
distribusi probabilitas/kemungkinan.
Manfaat
➢ Memperhitungkan kapasitas bangunan, saluran drainase, irigasi, bendungan
dan bangunan air lainya
➢ Memperkirakan besarnya kerusakan yang ditimbulkan oleh debit banjir
➢ Perhitunan Ekonomi Proyek
➢ Pendugaan Kala Ulang
5.
6. Parameter statistik dasar
1. Hujan rata-rata ( ҧ
𝑥)
2. Standar deviasi (Sd)
3. Koefisien variasi (Cv)
4. Koefisien skewness/kemencengan
5. Koefisien curtois
Pemilihan jenis distribusi
7. Pemilihan jenis distribusi
Dalam ilmu statistik dikenal beberapa macam distribusi frekuensi dan 4 jenis distribusi yang
sering digunakan dalam bidang hidrologi yaitu distribusi Normal, Log Normal, Log Pearson III,
dan Gumbel.
8. 1. Hujan rata-rata ( ҧ
𝑥)
Nilai rata-rata cukup representatif dalam suatu distribusi.
Persamaan dari nilai rata-rata :
Dimana :
ҧ
𝑥 = nilai rata-rata
𝑥𝑖 = nilai ke i
n = jumlah data
9. 2. Standar deviasi (Sd)
Apabila penyebaran data sangat besar terhadap nilai rata-rata, maka nilai standar deviasi (Sd) akan
besar, akan tetapi apabila penyebaran data sangat kecil terhadap nilai rata-rata, maka Sd akan kecil.
Standar deviasi dapat dihitung dengan rumus :
Dimana :
𝑆𝑑 = standar deviasi
ҧ
𝑥 = nilai rata-rata
𝑥𝑖 = nilai ke i
n = jumlah data
10. 3. Koefisien variasi (Cv)
Koefisien variasi (coefficient of variation) adalah nilai perbandingan antara standar deviasi
dengan nilai rata-rata dari suatu sebaran
Dimana :
𝐶𝑣= koefisien variasi
𝑆𝑑 = standar deviasi
ҧ
𝑥 = nilai rata-rata
11. 4. Koefisien skewness/kemencengan
Koefisien kemencengan (coefficient of skewness) adalah suatu nilai yang menunjukkan
derajat ketidak simetrisan (assymetry) dari suatu bentuk distribusi. Besarnya koefisien
kemencengan (coefficient of skewness) dapat dihitung dengan persamaan sebagai berikut
ini :
Dimana :
𝐶𝑠= koefisien skewness
𝑆𝑑 = standar deviasi
ҧ
𝑥 = nilai rata-rata
𝑥𝑖 = nilai ke i
𝑎 =
𝑛
(𝑛 − 1)(𝑛 − 2)
(𝑥𝑖 − 𝑥ҧ)3
𝑛
𝑖=1
𝐶𝑠 =
𝑎
𝑆𝑑
3
12. 5. Koefisien kurtois
Koefisien kurtosis adalah suatu nilai yang menunjukkan keruncingan dari bentuk kurva
distribusi, yang umumnya dibandingkan dengan distribusi normal. Koefisien kurtosis
digunakan untuk menentukan keruncingan kurva distribusi, dan dapat dirumuskan sebagai
berikut :
Dimana :
𝐶𝑘= koefisien kurtois
𝑆𝑑 = standar deviasi
ҧ
𝑥 = nilai rata-rata
𝑥𝑖 = nilai ke i
n = jumlah data
𝐶𝑘 =
1
𝑛
(𝑥𝑖 − 𝑥ҧ)4
𝑛
𝑖=1
𝑆𝑑
4
13. Uji kecocokan distribusi
Analisa uji kecocokan distribusi dilakukan untuk menguji kecocokan
distribusi frekuensi sampel data terhadap fungsi distribusi peluang
yang diperkirakan dapat menggambarkan atau mewakili distribusi
frekuensi tersebut.Metode yang sering digunakan dalam uji
kecocokan adalah uji Chi-Kuadrat dan Smirnov- Kolmogorov.
14. Uji chi-kuadrat
Uji Chi-Kuadrat dimaksudkan untuk menentukan apakah persamaan
distribusi yang akan dipilih dapat mewakili distribusi statistik sampel
data yang dianalisis. Analisa dapat diterima jika nilai chi kuadrat
terhitung < chi-kuadrat kritis (lihat tabel).
𝑋ℎ
2
: parameter chi-kuadrat terhitung;
G : koefisien kurtosis;
Ei : jumlah nilai teoritis pada sub kelompok I;
Oi : jumlah nilai pengamatan pada sub kelompok I;
DK : derajat kebebasan;
P : untuk distribusi normal dan binomial = 2;
: untuk distribusi gumbel dan poison = 1.
16. Uji smirnov-kolmogorov
Uji kecocokan Smirnov-kolmogorov juga disebut uji
kecocokan non parametrik karena pengujiannya
tidak menggunakan fungsi distribusi tertentu,
namun dengan memperhatikan kurva dan
penggambaran data pada kertas probabilitas. Dari
gambar dapat diketahui jarak penyimpangan setiap
titik dari kurva. Jarak penyimpangan terbesar
merupakan ∆𝑚𝑎𝑘𝑠. Syarat distribusi dapat diterima
adalah nilai ∆𝑚𝑎𝑘𝑠 < ∆𝑘𝑟𝑖𝑡𝑖𝑘
Nilai ∆𝑘𝑟𝑖𝑡𝑖𝑘 dapat dilihat pada tabel disamping