2. PENDAHULUAN
Dalam analisis hidrologi, data yang sangat diperlukan adalah data curah hujan,
khususnya dari stasiun-stasiun hujan yang ada disekitar lokasi. Diharapkan data
yang tersedia merupakan data histories yang cukup panjang.
Selain data curah hujan, diperlukan pula data koordinat stasiun hujan, data
morfologi sungai (seperti panjang dan lebar penampang sungai), dan data luas
daerah aliran sungai (das).
4. MENGUNDUH DATA CURAH HUJAN
Gambar 2. Situs
GIOVANNI milik
NASA yang
menyimpan
database presipitasi
5. MENGUNDUH DATA CURAH HUJAN
Gambar 3. Set
variable untuk
memudahkan
pencarian data
yang diinginkan
6. MENGUNDUH DATA CURAH HUJAN
Gambar 4.
Fitur-fitur yang
dapat digunakan
untuk
mempermudah
pencarian data,
Select Plot, Select
Data Range, Select
Region (Bounding
Box or Shape)
7. MENGUNDUH DATA CURAH HUJAN
Gambar 5.
Perhatikan
variabel, units,
source, temp.
resolutions,
spatial
resolutions, dan
date (start and
finish). Pilih sesuai
dengan yang
9. MENGUNDUH DATA CURAH HUJAN
Gambar 6.
Tampilan raw
data curah
hujan hasil
unduhan dari
GIOVANNI
10. SAMPEL DATA CURAH HUJAN HARIAN
MAKSIMUM
1. Buat data pada kolom Tanggal menjadi terpisah antara
tanggal, bulan, dan tahun menjadi kolom yang berbeda.
2. Klik Insert Pilih Pivot Table
1.
2
11. SAMPEL DATA CURAH HUJAN HARIAN
MAKSIMUM
3. muncul window Create PivotTable.
Pilih rentang data yang ingin dibuat
PivotTable. Pilih tempat Anda ingin
meletakkan laporan PivotTable.
4. Pilih Lembar Kerja Baru untuk
meletakkan PivotTable di lembar
kerja baru atau Lembar Kerja yang
Sudah Ada dan pilih tempat Anda
ingin Menampilkan PivotTable yang
baru.
4
3
12. SAMPEL DATA CURAH HUJAN HARIAN
MAKSIMUM
5. Untuk menambahkan bidang ke
PivotTable, centang kotak nama
bidang di panel Bidang PivotTable.
5
6. Ubah Value Field Settings menjadi
Max untuk bidang PivotTable yang
diletakkan di area VALUE
13. MENYARING SAMPEL DATA CURAH HUJAN
HARIAN MAKSIMUM
7. Tampilan PivotTable
untuk nilai curah hujan
harian maksimum
7
14. ANALISIS DISTRIBUSI
FREKUENSI
STEP 1: INPUT DATA
Tujuan: Mencari hubungan antara
besarnya kejadian ekstrem terhadap
frekuensi kejadian dengan menggunakan
distribusi probabilitas
Masukkan data debit atau curah
hujan di kolom dan baris ini.
B: output = nilai curah hujan-harian rencana
maksimum.
K: output = nilai curah hujan-harian rencana
minimum
15. ANALISIS DISTRIBUSI
FREKUENSI
STEP 1: INPUT DATA
Tujuan: Mencari hubungan antara
besarnya kejadian ekstrem terhadap
frekuensi kejadian dengan menggunakan
distribusi probabilitas
Jumlah Kelas menentukan besar
rentang nilai peluang teoritis untuk
setiap distribusi kelas.
Nilai Taraf-Signifikansi 0.05
menunjukkan nilai α = 5% yang
berarti dari 100, paling besar 5
kesalahan yang dapat ditolerir oleh
peneliti.
Jumlah Kasus akan memengaruhi
banyaknya kala-ulang yang
ditampilkan dalam output
perhitungan.
16. ANALISIS DISTRIBUSI FREKUENSI
STEP 2: HASIL STATISTIK DESKRIPTIF
m = nomor urut peringkat data setelah
diurutkan dari besar ke kecil
Nilai probabilitas persamaan Weibull, n =
banyaknya data atau jumlah kejadian, P =
probabilitas
Nilai curah hujan harian setelah
diurutkan dari nilai yang terbesar ke
terkecil dalam skala normal.
Nilai curah hujan harian setelah
diurutkan dari nilai yang terbesar ke
terkecil dalam skala logaritmik.
3
2 4
1
17. ANALISIS DISTRIBUSI FREKUENSI
STEP 2: HASIL STATISTIK DESKRIPTIF
Nilai Statistika Deskriptif.
Jumlah Data: banyaknya sampel di dalam populasi,
Nilai rataan sampel data,
Standar Deviasi: Tingkat variabilitas dari distribusi,
Sd = 𝑖=1
𝑛 (𝑋𝑖−𝑋)2
𝑛
Koefisien Skewness: Tingkat kemencengan data,
Cs = n 𝑖=1
𝑛
(𝑋𝑖−𝑋)3
(𝑛−1)(𝑛−2)𝑆3
Koefisien Variansi: Perbandingan antara standar
deviasi dan rata-rata,
Cv =
𝑆𝑑
𝑋𝑟𝑡
Koefisien Kurtosis: Derajat ketinggian puncak atau
keruncingan suatu distribusi,
Ck = n 𝑖=1
𝑛
(𝑋𝑖−𝑋)4
(𝑛−1)(𝑛−2)(𝑛−3)𝑆4
Median: Nilai tengah data setelah diurutkan sampel
datanya.
18. ANALISIS DISTRIBUSI FREKUENSI
STEP 3: UJI KECOCOKAN CHI-KUADRAT
(Ef-Of)2/Ef: persamaan
untuk menentukan nilai
Chi-Kuadrat hitung dari
setiap interval distribusi-
kelas peluang.
Nilai Chi-
Kuadrat hitung
total
Nilai Chi-Kuadrat Kritik
didapatkan dari Tabel Chi-
Kuadrat berdasarkan nilai:
- Derajat Kebebasan (DK)
DK = K – (P+1), P bergantung
parameter
- Taraf Signifikansi α
Of (Observed Frequency): banyaknya
frekuensi sampel data yang teramati
empirik untuk setiap distribusi-
kelas peluang yang sama.
Hujan Maks. (mm/hari): nilai curah hujan-harian
maksimum tiap kala-ulang setiap distribusi-kelas
peluang. Nilainya biasanya digunakan sebagai interval
distribusi-kelas peluang untuk menentukan berapa
banyaknya frekuensi sampel data teramati
Ef (Expected Frequency)
adalah banyaknya
frekuensi teoretis yang
diharapkan sesuai
pembagian kelasnya atau
per peluang distribusi-
kelas.
Ef = n/K
P(x>=Xm) adalah
Peluang teoritik per
distribusi-kelas
Jumlah kelas.
Menyatakan
banyaknya kelas dari
rentang Peluang
Teoritik.
19. ANALISIS DISTRIBUSI FREKUENSI
STEP 4: UJI SMIRNOV-KOLMOGOROV
Hujan Maks.
(mm/hari) m P = m/(N+1)
P(x >= Xm) Do P(x >= Xm) Do P(x >= Xm) Do P(x >= Xm) Do
211.100 1 0.023 0.000 0.023 0.001 0.022 0.003 0.020 0.007 0.017
142.000 2 0.047 0.033 0.013 0.038 0.009 0.052 0.005 0.053 0.006
134.000 3 0.070 0.058 0.012 0.056 0.014 0.072 0.002 0.069 0.001
131.000 4 0.093 0.070 0.023 0.064 0.029 0.081 0.012 0.077 0.016
120.000 5 0.116 0.132 0.016 0.108 0.008 0.126 0.009 0.113 0.003
119.000 6 0.140 0.139 0.000 0.113 0.026 0.131 0.009 0.118 0.022
111.000 7 0.163 0.206 0.043 0.162 0.001 0.178 0.015 0.157 0.006
110.000 8 0.186 0.215 0.029 0.169 0.017 0.185 0.001 0.163 0.023
104.000 9 0.209 0.277 0.068 0.219 0.010 0.231 0.022 0.203 0.006
97.000 10 0.233 0.359 0.126 0.291 0.058 0.297 0.065 0.263 0.030
93.000 11 0.256 0.409 0.153 0.339 0.083 0.341 0.085 0.304 0.049
93.000 12 0.279 0.409 0.130 0.339 0.059 0.341 0.062 0.304 0.025
92.000 13 0.302 0.421 0.119 0.351 0.049 0.353 0.051 0.316 0.013
88.000 14 0.326 0.473 0.148 0.406 0.080 0.403 0.077 0.365 0.039
87.000 15 0.349 0.486 0.137 0.420 0.071 0.416 0.067 0.378 0.029
86.000 16 0.372 0.499 0.127 0.435 0.063 0.429 0.057 0.392 0.020
86.000 17 0.395 0.499 0.104 0.435 0.039 0.429 0.034 0.392 0.004
84.000 18 0.419 0.525 0.107 0.465 0.046 0.456 0.038 0.420 0.002
84.000 19 0.442 0.525 0.084 0.465 0.023 0.456 0.014 0.420 0.022
83.000 20 0.465 0.538 0.073 0.480 0.015 0.470 0.005 0.435 0.030
82.000 21 0.488 0.551 0.063 0.496 0.007 0.485 0.004 0.450 0.038
81.000 22 0.512 0.564 0.053 0.511 0.000 0.499 0.013 0.466 0.046
79.000 23 0.535 0.590 0.055 0.543 0.008 0.529 0.006 0.499 0.036
79.000 24 0.558 0.590 0.032 0.543 0.015 0.529 0.030 0.499 0.059
75.000 25 0.581 0.640 0.059 0.609 0.027 0.589 0.008 0.568 0.013
74.100 26 0.605 0.651 0.046 0.624 0.019 0.603 0.002 0.584 0.020
74.000 27 0.628 0.652 0.024 0.625 0.003 0.605 0.023 0.586 0.042
73.500 28 0.651 0.658 0.007 0.633 0.018 0.612 0.039 0.595 0.056
73.000 29 0.674 0.664 0.010 0.642 0.033 0.620 0.054 0.605 0.070
70.300 30 0.698 0.696 0.002 0.686 0.012 0.662 0.036 0.655 0.042
69.000 31 0.721 0.711 0.010 0.707 0.014 0.682 0.039 0.680 0.041
65.000 32 0.744 0.754 0.010 0.769 0.025 0.742 0.002 0.756 0.012
61.000 33 0.767 0.793 0.026 0.827 0.059 0.799 0.031 0.829 0.062
60.000 34 0.791 0.802 0.012 0.840 0.049 0.812 0.021 0.846 0.056
60.000 35 0.814 0.802 0.012 0.840 0.026 0.812 0.002 0.846 0.032
57.500 36 0.837 0.824 0.013 0.871 0.034 0.844 0.006 0.886 0.049
57.000 37 0.860 0.829 0.032 0.877 0.016 0.850 0.011 0.893 0.033
56.300 38 0.884 0.834 0.049 0.885 0.001 0.858 0.026 0.903 0.020
56.000 39 0.907 0.837 0.070 0.888 0.019 0.861 0.046 0.907 0.000
53.500 40 0.930 0.856 0.074 0.914 0.017 0.889 0.042 0.938 0.008
50.500 41 0.953 0.877 0.076 0.939 0.014 0.917 0.036 0.967 0.013
48.000 42 0.977 0.893 0.084 0.957 0.020 0.937 0.040 0.983 0.006
DKritik = 0.206 0.153 0.083 0.085 0.070
Diterima Diterima Diterima Diterima
Ket. : m = Peringkat
P = Peluang di lapangan
Do = Selisih peluang lapangan dengan peluang teoritis
NORMAL LOG-NORMAL GUMBEL LOG-PEARSON III
m adalah nomor urut
peringkat sampel setelah
diurutkan dari nilai yang
terbesar ke nilai yang
terkecil.
Urutkan nilai sampel data
dari maks. ke min.
P = m/(N+1) adalah
peluang kejadian di
lapangan atau peluang
empirik. N adalah
banyaknya sampel data atau
ukuran sampel data.
P(x>=Xm) = Probabiliti
teoritik, nilainya adalah 1 –
Nilai Area dari tabel referensi
(Tabel-Z u/ Metode Normal &
Log-Normal, Tabel Log-
Pearson Tipe III u/ Metode
Log-Pearson Tipe III)
Do adalah selisih absolut
dari Peluang empirik (P =
m/(N+1)) dan Peluang
teoritik (P(x>=Xm) = 1 - F(z
= f(t) =
(𝑿𝒊−𝑿)
𝑺𝒅
) )
20. ANALISIS DISTRIBUSI FREKUENSI
STEP 5: KALA-ULANG
Metode Distribusi Frekuensi:
Normal, Log Normal, Gumbel,
Log Pearson
Periode Ulang Curah Hujan
Rencana
Probabilitas teoritik
21. ANALISIS DISTRIBUSI FREKUENSI
STEP 6: INTENSITY DURATION FREQUENCY
CURVE
Data yang dibutuhkan untuk membuat intensity duration
frequency adalah nilai curah hujan harian maksimum kala-ulang
T tahun dari metode dsitribusi frekuensi yang cocok setelah
dilakukan uji kecocokan Uji Chi-Kuadrat dan Uji Smirnov-
Kolomogorov.
Intensitas hujan dihitung menggunakan Metode Manonobe
dengan persamaan:
I =
𝑅24
24
(
24
𝑡
)𝑚
Keterangan:
I = intensitas curah hujan (mm/jam)
T = lamanya curah hujan (menit) atau dalam jam
m = tetapan = 2/3
R24 = curah hujan maksimum dalam 24 jam (mm)
22. ANALISIS DISTRIBUSI FREKUENSI
STEP 6: INTENSITY DURATION FREQUENCY
CURVE
Contoh perhitungan intensitas hujan untuk hujan rencana periode 2 tahun dengan
curah hujan harian maksimumnya 78.92 mm adalah sebagai berikut:
Untuk durasi 5 menit I =
𝑅24
24
(
24
𝑡
)𝑚 =
78.91938
24
(
24
5/60
) = 143.41 mm/jam
Untuk durasi 10 menit I =
𝑅24
24
(
24
𝑡
)𝑚 =
78.91938
24
(
24
10/60
) = 90.34 mm/jam
Untuk durasi 15 menit I =
𝑅24
24
(
24
𝑡
)𝑚 =
78.91938
24
(
24
15/60
) = 68.94 mm/jam
Untuk durasi 30 menit I =
𝑅24
24
(
24
𝑡
)𝑚 =
78.91938
24
(
24
30/60
) = 43.43 mm/jam
Untuk durasi 60 menit I =
𝑅24
24
(
24
𝑡
)𝑚 =
78.91938
24
(
24
60/60
) = 27.36 mm/jam
Untuk durasi 120 menit I =
𝑅24
24
(
24
𝑡
)𝑚
=
78.91938
24
(
24
120/60
) = 17.24 mm/jam
Untuk durasi 360 menit I =
𝑅24
24
(
24
𝑡
)𝑚 =
78.91938
24
(
24
360/60
) = 8.29 mm/jam
23. ANALISIS DISTRIBUSI FREKUENSI
STEP 6: INTENSITY DURATION FREQUENCY
CURVE NILAI INTENSITAS HUJAN KALA ULANG T TAHUN DAN DURASI N JAM DEnGAN METODE MANONOBE
Waktu (Jam) Waktu (Menit) Intensitas Hujan (mm/jam)
2 5 10 25 50 100
0.08 5 143.38 189.91 224.60 273.12 312.74 355.54
0.17 10 90.32 119.64 141.49 172.05 197.01 223.97
0.25 15 68.93 91.30 107.98 131.30 150.35 170.92
0.50 30 43.42 57.52 68.02 82.71 94.71 107.68
1.00 60 27.35 36.23 42.85 52.11 59.67 67.83
2.00 120 17.23 22.83 26.99 32.83 37.59 42.73
6.00 360 8.28 10.97 12.98 15.78 18.07 20.54
Editor's Notes
Data hujan bisa didapatkan dari stasiun-stasiun hujan disekitar lokasi proyek atau didapatkan dari instansi-instansi yang mengelola data hujan. Untuk keperluan analisis hidrologi diperlukan minimal data curah hujan jam-jaman minimal 2 tahun atau data hujan harian atau bulanan minimal 10 tahun terakhir
Giovanni, alat berbasis web, memfasilitasi akses, visualisasi, dan eksplorasi untuk banyak set data ilmu bumi NASA. Giovanni menyediakan akses ke berbagai set data satelit, terkonsentrasi terutama di bidang komposisi atmosfer, dinamika atmosfer, pengendapan global, hidrologi, dan radiasi matahari.
Dari banyaknya sampel data yang ada pada data curah hujan, sampel data yang digunakan hanyalah sampel curah hujan harian maksimum dalam satu tahun. Untuk melakukan penyaringan sampel data yang relative efektif dan efisien dapat digunakan pivot tabel.
Singkatnya, jika 5 kesalahan saja masih dapat ditolerir apalagi yang hanya 0,2, dengan demikian peluang untuk menolak H0 semakin besar
Singkatnya, jika 5 kesalahan saja masih dapat ditolerir apalagi yang hanya 0,2, dengan demikian peluang untuk menolak H0 semakin besar
Deviasi standar dapat digunakan untuk mengetahui variabilitas dari distribusi.
Semakin besar deviasi standar maka akan semakin besar penyebaran dari distribusi
Jika suatu kurva frekuensi dari suatu distribusi memiliki ekor kurva yang lebih panjang ke arah sisi kanan dibandingkan ke arah sisi kiri dari nilai maksimum tengah, maka distribusi ini dikenal dengan nama distribusi miring ke kanan, atau memiliki kemencengan positif. Untuk kondisi kebalikannya, distribusinya dikenal sebagai distribusi miring ke kiri atau memiliki kemencengan negative.
Cs = Untuk mengetahui derajad ketidaksimetrisan (assymetry) dari suatu bentuk distribusi.
Taraf Signifikansi α (Biasanya bergantung pada tingkat kepercayaan yang digunakan. Jika tidak disebutkan, pada umumnya bernilai 95%, sehingga Taraf Signifikansi α = 5%)
Taraf Signifikansi α (Biasanya bergantung pada tingkat kepercayaan yang digunakan. Jika tidak disebutkan, pada umumnya bernilai 95%, sehingga Taraf Signifikansi α = 5%)
Taraf Signifikansi α (Biasanya bergantung pada tingkat kepercayaan yang digunakan. Jika tidak disebutkan, pada umumnya bernilai 95%, sehingga Taraf Signifikansi α = 5%)
Kala ulang = Waktu hipotetik di mana debit atau curah hujan dengan besaran tertentu (XT) akan disamai atau dilampaui sekali dalam jangka waktu tertentu (T tahun). (Triatmodjo, 2008).
DISTRIBUSI PROBABILITAS – METODE NORMAL
Perhitungan distribusi normal secara praktis:
XT = Xmean + KT*Sd
Xmean = nilai rata-ratahitung variat,
Sd = deviasi standar nilai variat,
Zscore or KT = faktor frekuensi dari distribusi normal (tabel z untuk distribusi normal)
Fungsi dari peluang atau periode ulang dan tipe model matematik distribusi peluang yang digunakan untuk analisis peluang.
DISTRIBUSI PROBABILITAS – METODE LOG NORMAL
Langkah pengolahannya sama dengan Metode Normal, namun perbedaannya adalah nilai sampel data diubah ke dalam skala logaritmik.
Jika:
Y = log X
maka perhitungan dengan distribusi normal secara praktis:
YT = Ymean + KT*Sd
Ymean = nilai rata-rata hitung variat (skala logaritmik),
Sd = deviasi standar nilai variat (skala logaritmik),
Zscore or KT = faktor frekuensi dari distribusi normal (tabel z untuk distribusi normal)
DISTRIBUSI LOG-PEARSON TIPE III
Jika:
Y = log X
maka perhitungan dengan distribusi normal secara praktis:
YT = Ymean + KT*Sd
YT = Perkiraan nilai yang diharapkan terjadi dengan periode ulang T-tahunan,
Ymean = nilai rata-rata hitung variat (skala logaritmik),
Sd = deviasi standar nilai variat (skala logaritmik),
KT = Faktor frekuensi (tabel nilai KT untuk distribusi log pearson III),
Nilai KT ini tergantung dari:
Koefisien kemencengan (Coefficient of Skewness, Cs) dan Probabilitasnya (P(
Taraf Signifikansi α (Biasanya bergantung pada tingkat kepercayaan yang digunakan. Jika tidak disebutkan, pada umumnya bernilai 95%, sehingga Taraf Signifikansi α = 5%)
Taraf Signifikansi α (Biasanya bergantung pada tingkat kepercayaan yang digunakan. Jika tidak disebutkan, pada umumnya bernilai 95%, sehingga Taraf Signifikansi α = 5%)
Taraf Signifikansi α (Biasanya bergantung pada tingkat kepercayaan yang digunakan. Jika tidak disebutkan, pada umumnya bernilai 95%, sehingga Taraf Signifikansi α = 5%)
Time of concentration =