ANALISIS FREKUENSI Dalam proses pengalihragaman hujan menjadi aliran ada beberapa sifat hujan yang penting untuk

diperhatikan, antara lain adalah intensitas hujan (I), lama waktu hujan (t), kedalaman hujan (d), frekuensi (f) dan luas daerah pengaruh hujan (A). Komponen hujan dengan sifat-sifatnya ini dapat dianalisis berupa hujan titik maupun hujan rata-rata yang meliputi luas daerah tangkapan (catchment area) yang kecil sampai yang besar. Sistem hidrologi kadang-kadang dipengaruhi oleh peristiwa-peristiwa luar biasa (ekstrim), seperti hujan lebat, banjir, dan kekeringan. Tujuan analisis frekuensi data hidrologi adalah berkaitan dengan besaran peristiwa-peristiwa ekstrim yang berkaitan dengan frekuensi kejadiannya melalui penerapan distribusi kemungkinan. Data hidrologi yang dianalisis diasumsikan tidak terikat (independent), terdistribusi secara acak dan bersifat stokastik (peluang). Ada dua macam seri data yang dipergunakan dalam analisis frekuensi yaitu: 1. Data maksimum tahunan: tiap tahun diambil hanya satu besaran maksimum yang dianggap berpengaruh pada analisis selanjutnya. Series data ini sering disebut seri data maksimum (maximum annual series). 2. Seri parsial: dengan menetapkan besaran tertentu sebagai batas bawah, selanjutnya semua besaran data yang lebih besar dari batas bawah tersebut diambil kemudian dianalisis dengan cara yang lazim. Metode ini lebih realitis dibandingkan metode maximum annual series sehingga beberapa ahli menyarankan menggunakan cara partial series. Analisis frekuensi adalah suatu analisis data hidrologi dengan menggunakan statistika yang bertujuan untuk memprediksi suatu besaran hujan atau debit dengan masa ulang tertentu. Frekuensi hujan adalah besarnya kemungkinan suatu besaran hujan disamai atau dilampaui. Sebaliknya, kala ulang (return period) diartikan sebagai waktu dimana hujan atau debit dengan suatu besaran tertentu akan disamai atau dilampaui sekali dalam jangka waktu tersebut. Dalam hal ini tidak berarti bahwa selama jangka waktu ulang tersebut (misalnya T tahun) hanya sekali kejadian yang menyamai atau melampaui, tetapi merupakan perkiraan bahwa hujan ataupun debit tersebut akan disamai atau dilampaui K kali dalam jangka panjang L tahun dimana K/L kira-kira sama dengan 1/T. Analisis frekuensi atas data hidrologi menurut syarat tertentu untuk data yang bersangkutan, yaitu harus seragam (homogeneous), independent dan mewakili

(representative). Data yang seragam berarti bahwa data tersebut harus berasal dari populasi yang sama. Dalam arti lain, stasiun pengumpul data yang bersangkutan, baik stasiun hujan

atau stasiun hidrometri harus tidak pindah, DAS tidak akan berubah menjadi DAS perkotaan (urban catchment), maupun tidak ada gangguan-gangguan lain yang menyebabkan data yang terkumpul menjadi lain sifatnya. Batasan independence disini berarti bahwa besaran data ekstrim tidak terjadi lebih dari sekali. Syarat lain adalah bahwa data harus mewakili untuk perkiraan kejadian yang akan datang, misalnya tidak akan terjadi perubahan akibat tangan manusia secara besar-besaran, dibangun konstruksi yang mengganggu pengukuran, seperti bangunan sadap dan perubahan tata guna tanah. Dalam analisis frekuensi, hasil yang diperoleh tergantung pada kualitas dan panjang data. Makin pendek data yang tersedia, makin besar penyimpangan yang terjadi. Menurut Soemarto (1987), dalam ilmu statistik dikenal beberapa macam distribusi dan empat jenis distribusi yang umum digunakan dalam bidang hidrologi adalah : 1. Distribusi Normal 2. Distribusi Log Normal 3. Distribusi Log-Pearson Type III dan 4. Distribusi Gumbel Dalam analisis frekuensi data hidrologi baik data hujan maupun data debit sungai terbukti sangat jarang dijumpai seri data yang sesuai dengan distribusi normal. Sebaliknya, sebagian besar data hidrologi sesuai dengan tiga distribusi lainnya. Masing-masing distribusi memiliki sifat-sifat khas sehingga setiap data hidrologi harus diuji kesesuaiannya dengan sifat statistik masing-masing distribusi tersebut. Pemilihan distribusi yang tidak benar dapat mengandung kesalahan perkiraan yang cukup besar baik, overestimated maupun underestimated, keduanya tidak diingini. Dengan demikian, jelas bahwa pengambilan salah satu distribusi secara sembarang untuk analisis tanpa pengujian data hidrologi sangat tidak dianjurkan, meskipun dalam praktek harus diakui bahwa besar kemungkinan banyak dilakukan analisis frekuensi dengan menggunakan distribusi tertentu. Dalam statistik dikenal beberapa parameter yang berkaitan dengan analisis data yang meliputi: 1) nilai rata-rata (mean), 2) simpangan baku, 3) koefisien variasi, 4) koefisien skewness, 5) koefisien kurtosis. Tabel Parameter Statistik Analisis Frekuensi

1. Distribusi Normal Distribusi normal atau kurva normal disebut pula distribusi Gauss. Fungsi densitas peluang normal (PDF = probability density function) yang paling dikenal adalah sebagai distribusi normal. PDF distribusi normal dalam bentuk rata-rata dan simpangan bakunya, sebagai berikut:

dimana: P(X) = fungsi densitas peluang normal (ordinat kurva normal). X = Variabel acak kontinu = Rata-rata nilai X = Simpangan baku dari X Analisis kurva normal cukup menggunakan parameter statistik dan . Bentuk kurvanya simetris terhadap X = , dan grafiknya selalu di atas sumbu datar X serta mendekati sumbu datar X dan di mulai dari X = + 3 dan X = - 3 , nilai mean = median = modus. Nilai X mempunyai batas -:<X<:+ .Apabila suatu populasi data hidrologi mempunyai distribusi berbentuk distribusi normal, maka

Gambar Kurva distribusi frekuensi normal Dari gambar diatas dapat ditarik kesimpulan bahwa : a) Kira-kira 68,27 % terletak di daerah satu deviasi standart sekitar nilai rata-ratanya yaitu antara ( - ) dan ( + ). b) Kira-kira 95,45 % terletak di daerah dua deviasi standart sekitar nilai rata-ratanya yaitu antara ( - 2 ) dan ( + 2 ). c) Kira-kira 99,73 % terletak di daerah tiga deviasi standart sekitar nilai rata-ratanya yaitu antara ( - 3 ) dan ( + 3 ). Rumus yang umum digunakan untuk distribusi normal adalah:

di mana: XT = Perkiraan nilai yang diharapkan terjadi dengan periode ulang T-tahunan X = Nilai ratarata hitung sampel s = Deviasi standard nilai sampel KT = Faktor frekuensi, merupakan fungsi dari peluang atau yang digunakan periode ulang dan tipe model matematik distribusi peluang yang digunakan untuk analisis peluang. 2. Distribusi Log Normal Jika variabel acak Y = Log x terdistribusi secara normal, maka x dikatakan mengikuti distribusi Log Normal. PDF (probability density function) untuk distribusi normal dalam bentuk rata-rata dan simpangan baku, sebagai berikut:

Y = LogX P(X) = peluang log normal X = nilai variat pengamatan y = deviasi standard nilai variat Y

y = nilai rata-rata populasi Y Ini dapat dinyatakan dengan model matematik dengan persamaan :

dimana: YT = Perkiraan nilai yang diharapkan terjadi dengan periode ulang T- tahunan Y = Nilai rata-rata hitung sampel S = Standard deviasi nilai sampel KT = Faktor frekuensi, merupakan fungsi dari peluang atau yang digunakan periode ulang dan tipe model metematik distribusi peluang yang digunakan untuk analisis peluang 3. Distribusi Log Pearson Type III Parameter penting dalam Log Pearson Type III yaitu harga rata-rata, simpangan baku dan koefisien kemencengan. Jika koefisien kemencengan sama dengan nol maka distribusi kembali ke distribusi Log Normal. Tidak seperti konsep yang melatar belakangi pemakaian distribusi normal untuk debit puncak, maka probabilitas distribusi Log-Pearson III masih tetap dipakai karena fleksibilitasnya. Persamaan yang umum digunakan adalah persamaan Weibull :

dimana : m = Nomor urut (peringkat) data setelah diurutkan dari besar ke kecil n = Banyaknya data atau jumlah kejadian 4. Distribusi Gumbel

dimana : Yn = reduced mean yang tergantung jumlah sampel/data n Sn = reduced standardd deviation yang juga tergantung pada jumlah data Tr = Fungsi waktu balik (tahun) YTr = reduced variate yang dapat dihitung dengan persamaan berikut:

Ciri khas statistik distribusi Gumbel adalah nilai asimetris (koefisien skewness) sama dengan 1,396 dan dengan kurtosis (Ck) = 5,4002