Recommended
More Related Content
What's hot
What's hot (20)
Similar to PPT Presentasi_Analisis Curah Hujan.pptx
Similar to PPT Presentasi_Analisis Curah Hujan.pptx (20)
Recently uploaded
Recently uploaded (20)
PPT Presentasi_Analisis Curah Hujan.pptx
- 1. ANALISIS CURAH HUJAN DAN KALA ULANG SPREADSHEET
- 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).
- 3. CONTOH DATA CURAH HUJAN Gambar 1. Data curah hujan harian
- 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
- 8. MENGUNDUH DATA CURAH HUJAN Gambar 5. Klik download pilih file CSV
- 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 =