Anda di halaman 1dari 142

hidrologi

tpftri tdoile$tdirlt
urffitndinDta
rilid 2
Penerbit'NCVA'
Soeu,r;arno
hidrolo
Aplkni Metode Stttbtlk untuk Analba Data
sl
rilid 2
Soewarno
Ptrnanur 'l{ 0VA'
ill xotrx ?os 1468. BANDUIIG
Y
I
t
;
{
i
1
KATA PIqNGAIYTAA
Buku HIDROLOGI - Aplikasi Metode Statistik untuk
Analisis Data
jilid
II ini, merupakan lanjutan dari buku dengan
judul yang sama Jilid i. Puji syukur dipanjatkan kepada Tuhan atas
segala rahmat-Nya, penulis dapat menyusun buku ini. Disusun
dengan maksud mengenalkan aplikasi metode statistik dalam
analisis data hidrologi pada kegiatan penelitian yang terkait dengan
hidrologi atau sumber daya air, baik oleh hidrologiwan, dosen dan
mahasiswa maupun para tenaga fungsional seperti peneliti,
perekayasa dan litkayasa serta konsultan teknik.
Pada buku jilid
I, telah diuraikan tentang metode statistik,
variabel hidrologi, pemilihan sampel, proses hidrologi, kualitas
data, tipe data dan penyajian data. Pengukuran parameter statistik,
meliputi pengukuran tendensi sentral, dispersi. Aplikasi distribusi
peluang deskrit dan kontinyu, yang meliputi distribusi Normal, Log
Normal, Pearson tipe III, log Pearson tipe III, Frechet, Gumbel,
Gumbel tipe III, Goodrich. Dilanjutkan dengan uraian
memperkirakan debit banjir metode serial data, POT, regresi,
perbaikan perhitungan debit banjir dan pada buku
jilid
I tersebut
cliakhiri dengan metode memperkirakan debit banjir berdasarkan
tlata linggi muka air.
llraian pada buku
jilid ke II ini dimulai Bab I, disajikan
aplikrrsi rrli hipotesis tentang nilai rata-rata dan varian dari suatu
scr iirl tl:rtrr hiclrologi runtut waktu, dengan menggunakan distribusi
rrolrrrrl. tlistrilrusi-t, distribusi chi-kuadrat dan distribusi-F, dan
tliaklriri tlcngan rrnalisis varian klasifikasi satu arah dan dua arah
dilcngkapi pula dengan metode non parametrik untuk menguji
sampel data hidrologi.
Aplikasi mctodc statistik untuk analisis deret berkala data
HAK PENULIS DILINDUNGI OLEH UNDANG.UNDANG
DILARANG MEMPERBANYAK SEBAGIAN
ATAUPUN SELURUHNYA
DARI EUKU INI DALAM BENTUK STENSIL,
FOTO COPY, ATAU CARA LAIN
TANPA IJIN PENULIS
ilt
MILIK
Badan Perpustakaan
Propinsi Jawa Timur
z}iz\Eo
\n\,
\ll1ut
lridrologi diuraikan pada Bab II, yang meliputi uji : ketidak adaan
trend, stasioner dan persistensi, kemudian dilanjutkan dengan
analisis trend, diakhiri dengan uraian membangkitkan (generating)
deret berkala sintesis.
Hubungan antara dua buah variabel hidrologi yang terdiri
dari variabel tidak bebas (VTB) dan variabel bebas (VB) disajikan
pada bab III. Hubungan tersebut dapat dinyatakan dengan rumus
matematikayang umunmya disebut dengan model regresi. Dimulai
dengan aplikasi model regresi linier sederhana yang meliputi :
penentuan model, batas daerah kepercayaan
,
pengujian titik
potong, pengujian koefisien korelasi peringkat. Kemudian
dilanjutkan aplikasi hubungan sebuah VTB dan sebuah VB dengan
model regresi : eksponensial, berpangkat, logaritmik, polinomial.
Pada bagian akhir Bab III, disajikan aplikasi hubungan antara
sebuah VTB dengan dua atau lebih VB, dalam model regresi linier
berganda dan berpangkat berganda dan dibagian akhir Bab III
disaj ikan uji Durbin-Watson.
Pada bagian akhir buku ini disajikan Bab IV, menguraikan
tentang aplikasi metode statistik untuk uji ketelitian pengukuran
debit. Dimulai dengan ketelitian pengukuran debit menggunakan
alat ukur arus (curuent meter) yang meliputi : sumber kesalahan,
penentuan ketelitian parameter, penentuan ketelitian pengukuran
dan dilanjutkan dengan uji-statistik berdasarkan pengukuran data di
lapangan. Uraian buku ini diakhiri dengan ketelitian pengukuran
debit menggunakan ambang (weir) dan uji-statistik berdasarkan
pengukuran data dilapangan.
Dengan maksud memudahkan pemahaman aplikasi metode
statistik untuk analisis data hidrologi. setiap tahapan uraian selalu
disajikan contoh persoalan. Namun demikian hendaknya hasil
perhitungan dari setiap contoh untuk tidak dijadikan kesimpulan
tentatrg penomena hidrologi dari pos hidrologi atau DPS yang
bersangkutan. Pada pokoknya contoh-contoh pada buku ini
dimaksudkan hanya sekedar untuk memudahkan pemahaman bukan
iv
rrr rl r rlr l lrl u;u r lrrurl isis
l)cnonlcna
hidrologi yang scbcnarnya.
I't'nrrlis rncngucapkan banyak terima kasih kepada Bapak Ir.
lrrr'srorf Locbis. M. Eng, Bapak Ir. Ali Hamzah Lubis, Bapak Ir.
Srrrrrpudjo Komara Winata M.Eng, Bapak Ir. Bambang Kayanto.
l)pl. HE, yang telah memberikan kesempatan dan bimbingan
sepenuhnya kepada penulis untuk melaksanakan penelitian dalam
bidang hidrologi terapan sehingga bermanfaat pada penulisan buku
ini. Kepada penerbit Nova yang telah menerbitkan buku ini dan
kopada semua pihak yang telah membantu, penulis mengucapkan
tcrima kasih.
Kepada istri tercinta Siti Nurhidayatun dan kedua anak
tersayang Teddy Nurhidayat dan Dwiki Nurhidayat, terima kasih
atas kesabaran dan dorongannya.
Akhir kata, penulis menyadari bahwa tulisan ini masih
jauh
dari sempuma, oleh karena itu kdtik dan saran dari semua pihak
akan penulis terima dengan senang hati.
Bandung, 7 Mei 1995
Penulis: Soewarno
1.6.
ls
I .4.4. IJji Chi-Kuudrut Untuk Dutu Berpusang:un
Metode Non Parametrik
1.5.1. Uji Mann - llhitney
I .5.2. Uji Kruskal - lVallis
Analisis Varian
1.6.1. Klasifikasi Satu Arah
1.6.2. Klasifikasi Dua Arah
APLIKASI METODE STATISTIK UNTUK ANALISIS
DERET BEBKALA DATA HIDROLOGI
2.1. Pendahuluan
2.2. Uji Ketidakadaan Trend
2.2.1. Uji Korelasi Peringkat Metode Spearman
2.2.2. Uj i Mann-Whitney
2.2.3. Uji Tanda dari Cox dan Stuart
2.3. Uji Stationer
2.4. Uji Persistensi
2.5. Analisa Trend
2.5.1. Metode Analisis Regresi
2.5.2. Metode Rata-Rata Bergerak
2.6. Membangkitkan Data Sintetik
2.6.1. Menggunakan Tabel Bilangan Acak
2.6.2. Menggunakan Proses Markov
APLIKASI MODEL REGRESI DAN AI\ALISrc
KORELASI DATA HIDROLOGI
3.1. Pendahuluan
3.2. Model Regresi
3.3. Model Regresi Linier Sederhana
3.3.1 . Penentuan persamaan
3.3.2. Batas Daeroh Kepercayaan Garis Regresi
3.3.3. Pengujian Titik Potong
3.3.4. Pengujian Koefisien Regresi
3.3.5." Pengujian Koeli.r ian Korelasi
3.3.6." Koefisien Kora ltr:; i Peringkal
.t,t
17
48
52
57
59
66
83
83
8s
87
9t
93
95
98
t02
102
103
t08
t11
Il5
t3t
t3t
t35
140
t40
t49
i/53
t56
t58
t60
vii
darfitat isi
2.
Kata Pengantar
Daftar Isi
1. APLIKASI UJI HIPOTESIS DATA HIDROLOGI
1.1. Pendahuluan
1.2. CaraPengujian
1.3. Pengujian Nilai Rata-Rata
1.3.1. Pengujian Nilai Rata-Rata Sampel Besar
1.3.2. Pengujian Nilai Rata-Rata Sampel Kecil
1.3.2.1. Menguji Rata-Rata Dua Set Sampel
1.3.2.2. Menguji Rata-Rata Sampel dan
Rata-Rata Populosi
1.3.3. Interval Kepercayaan Nilai Ruta-Rutct
1.3.4. Uji+ Untuk Data Berpasangen
1.3.5. Pengujian Rata-Rata Sampel Jika Varian
Tidak Samo Jenis
1.3.6. Penentuan Jumlah Sampel
1.4. Pengujian Nilai Varian
.
1.4.1. Pengujian Varian Sampel dan Varian Populasi
1.4.2. Pengujian Varian Populasi
1.4.3. Uji Kesamaan Jenis Varian Sample
ut
vt
I
I
3
8
9
I7
t8
22
23
26
30
33
3s
35
38
40
3.
vi
3.4. Model Regresi Eksponensial
3.5. Model Regresi Berpangkat
3.6. Model Regresi Logaritmik
3.7. Model Regresi Polinomial
3.8. Model Regresi Berganda
3.8.1. Model Regresi Linier Berganda
3.8.2. Model Regresi Berpangkat Berganda
3.9../ Uji Durbin Watson
4. APLIKASI METODE STATISTIK UNTUK UJI
KETELITIAN PENGUKTIRAN DEBIT
4.1. Pendahuluan
4.2. Jenis Kesalahan Pengukuran Debit
4.3. Ketelitian Pengukuran Debit dengan Alat Ukur Arus
4.3.1. Sumber Kesalahan
pengukuran
4.3.2. Penentuan Ketelitian Parameter
pengukur
Debit
4.3.3. Perhilungan Ketelitian
pengukuran
Debit
4.3.4. Kekurang Telitian
pengukuran
Debit dengan
Alat Ukur Arus
4.4. Ketelitian Pengukuran Debit Menggunakan Ambang
4.4.1. Ketelitian Pengukuran Lebar Ambang
4.4.2. Ketelitian Pengukuran Tinggi Muka Air Ambang
4.4.3. Ketelitian Penentuan Koefisien Debit
4.4.4. Contoh Pengukuran Debit dengan Ambang Tajam
4.4.5. Pengukuran Debit dengan Ambong Lebar
Daftar Bacaan
163
172
178
184
201
202
215
221
233
233
234
236
2i6
238
245
bab r.
aerihasi uri lrliOotesis
data hidtologi
1.1 PENDA'IULUAN
Seperti telah disampaikan pada buku
jilid
I dengan
judul yang
sama, dalam penelitian hidrologi, adalah suatu hal yang tidak
nrungkin melaksanakan pengambilan data dari seluruh populasi
Qxtpulutirtn).
karena keterbatasan dana, waktu dan tenaga.
Umumnya keputusan dalam analisis hidrologi ditentukan
berdasarkan informasi yang diperoleh dari sampel (sample). Dari
informasi tersebut dapat dibuat penafsiran
l). perkiraan parameter statistik dari satu populasi,
2). membandingkan parameter statistik dari populasi.
Teknik yang membicarakan kedua penafsiran itu disebut dengan
statistika penafsiran (statistical inferences) dan banyak digunakan
dalam penguj ian hipotesis statistik (t e s t ing s t at i s t i c al hypo t he s i s).
246
255
2s6
256
257
2s8
263
267
vru
,)
Hipotesis statistik adarah suatu dugaan atau pemyataan
tentang parameter
statistik yang didasarkan pada sampel dari data.
Pengukuran parameter
statistik terah dibicarakan padaBab II, pada
buku jilid
I dengan judul
sama. Keputusan tentang dugaan atau
pernyataan
tentang popurasi yang dibuat berdasarkan sampel
disebut dengan keputusan statistik (s tati s tic al de c is ions). Hipotesis
statistik
dirumuskan
agar kita dapat dengan mudah menolak atau
menerima dugaan yang kita buat. Untuk maksud memudahkan
perumusan
tersebut maka hipotesis statistik dinyatakan
dengan
istilah hipotesis nol (null hyporhe::is). Contoh : dari data curah
hujan yang dikumpulkan selama 50 tahun. apabila dibuat distribusi
frekuensinya
maka dapat dibuat suatu dugaa, hahwa distribusi data
curah hujan tersebut mengikuti distribusi ,.r.rar, dugaan tcrsebut
sering dinyatakan sebagai hipotesis nol.
Dalam hipotesis nor dirumuskan
bahwa tidak ada perbedaan
(no true dffirences)
antara parameter
statistik dan populasi.
Penolakan
hipotesis nor berarti menerima hipotesis arternatip
(alternative
hypothesis).
Hipotesis nor dan hipotesis alternatip
sering ditulis dengan simbol yang berbeda. Hipotesis nol ditulis
dengan simbol Ho dan hipotesis artematip ditulis i"rg* simbol H,.
sebagai contoh, dari dua daerah pengaliran
sungai
topsl
dilakukan
pengukuran
erosi, masing-masing
sebanyak 50 lokasi. Buat suatu
hipotesis apakah besarnya erosi rata-r ata d,ari kedua Dps tersebut
sama, maka dapat ditulis :
Ho:X,=nr,atauXl-Xr=0
H, : X, *X?,atauX1
-Xz
*0
Apabila ternyata dari hasil pengujian
temyata X,
:
X, maka berarti
besarnya erosi rata-rata dikedua DpS tersebut sama atau tidak
berbeda pada derajat kepercayaan
tertentu (lever of signrficance)
dan derajat kebebasan tertentu (degrees
offreedom).
Perkataan sama dari hipotesis nor tidaklah berarti sama persis
nilainya atau sama sekali tidak mengandung
suatu perbedaan.
Apabila dijumpai perbedaan
haruslah semata-mata
terjadi karena
kesalahan sampling.
I
I)ada bab ini akan disajikan cara pcngujian hipotcsis,
grcngujian nilai rata-rata (mean), pengujian varian, dan analisis
veuian dari sampel data atau populasi.
1.2. CABA PENGUJ'AN
Setiap hipotesis dapat benar atau tidak benar, oleh karena itu
diperlukan pengujian. Andaikata suatu hipotesis (Ho) menduga
besamya erosi rata-rata kedua DPS adalah sama, tetapi pengukuran
di lapangan dengan sejumlah sampel acak ternyata menunjukkan
perbedaan yang menyolok, maka dapat dikatakan bahwa perbedaan
yang diperoleh dari pengukuran erosi tersebut sebagai perbedaan
yang meyakinkan (significance), atau disebut juga
sebagai
perbedaan yang nyata, perbedaan yang berarti, dengan kondisi
demikian maka Ho ditolak.
Prosedur untuk menentukan apakah suatu hipotesis diterima
atau ditolak atau apakah sampel berbeda meyakinkan dengan
populasi disebut dengan pengujian hipotesis atau pengujian
kepercayaan (test of hypothesis or test of signtficance). Dalam
melakukan pengujian hipotesis mungkin terjadi kesalahan, oleh
karena itu ada 4 kemungkinan :
1). hipotesis betul tetapi hasil pengujian menolak (telah
mengalami kesalahan jenis
I dalam pengambilan
keputusan).
2). hipotesis salah tetapi hasil pengujian menerima (telah
mengalami kesalahan jenis
II dalam pengambilan
keputusan).
3). hipotesis betul dan hasil pengujian menerima
(pengambilan keputusan tidak salah).
4). hipotesis salah dan hasil pengujian menolak
(pengambilan keputusan tidak salah).
'l'abcl
l.l, menunjukkan kesalahan dalam pengu.f ian hipotesis.
Tabel L1. Macam Kesalahan Dalam Pengujian Hipotesis.
Keputusan Keadaan sebenarnya
Hipotesa Benar Hipotesis Salah
Hipotesis diterima Tidak salah Kesalahan Jenis Il
Hipotesis ditolak Kesalahan Jenis I Tidak salah
Perbedaan kesalahan Jenis I dan Jenis II, dapat disampaikan
contoh serupa berikut :
l). Dari dua populasi, diduga perbedaan nilai rata-ratanya
adalah tidak nyata atau nol, tetapi dari sampel yang
diambil menunjukkan bahwa pengujian hipotesis
menyatakan nilai rata-rata populasi adalah berbeda nyata,
dengan demikian kita telah membuat kesalahan Jenis I.
2). Dilain pihak apabila kita menduga bahwa perbedaan
rata-ratanya adalah nyata akan tetapi hasil pengujian
menyatakan bahwa perbedaannya tidak nyata (not
significant) maka kita telah membuat kesalahan Jenis ke
II.
Peluang untuk melakukan kesalahan Jenis I, umunnya dinyatakan
dengan simbol (cr) dan peluang untuk melakukan kesalahan Jenis ke
il umunnya dinyatakan dengan simbol (B). Dalam pengujian
umwnnya peluang dari kesalahan jenis
satu yang ditentukan
terlebih datrulu. Dalam pengujian hipotesis, peluang maksimum.
untuk mengalami resiko kesalatran Jenis I disebut dengan derajat
kepercayaan (level of significance), disebut juga
dengan daerah
h,ritis (critical region) atau daerah penolakan II* (rejection region),
sedangkan daerah penerimaan H0 disebut dengan daerah
penerimaan (acceptance region). Derajat kepercayaan umumnya
dinyatakan sebagai 100 % a (dalam%).
h
llrrtrrk kcpcrlualr praktis, dera.iat kcpcrt',tytttltt rlllt'ttlttlntt
rrrlrurryl a ' 0.01 atau a: 0,05. Dengan n 0.(ll scrirrl'. rllrllrttl
tlt.rrgrrr.r derajat kepercayaan sebesar 1,00
o
,
irri hcritrli ltttltrvtt
kira-kira I dari tiap 100 kesimpulan kita akan tttcnolak lrilxrlcsis
yang seharusnya diterima. Dengan kata lain 99
oh
dapat dipcrt:ttytt,
dan telah membuat kesimpulan yang benar. Dalam hal dcrnikiun
dapat dikatakan bahwa hipotesis telah ditolak pada dcraiat
kepercayaan 0,01 yang berarti kemungkinan salah hanya 1,0 7o sa.ia-
Pengujian Hipotesis dapat dilaksanakan dengan cata:
l) Pengujian dua sisi (two-failed test), atau
2) Pengujian satu sisi (one-failed test).
Untuk
jelasnya dapat dilihat pada Gambar l.l.a sampai 1.1.c.
g H
1x
,r.sofr
(iutttltttt l I tt l'attguf iun Dua Si,si dengana: 5'%
- t.645
(iutnhur
I t.b. Pengujiqn Satu Sisi Kiri dengan tr ' 5
'%.
doaroh 9anarimoon
docroh
p.nol okon
doaroh Daaarimoon
o,5o
I
o,a3 doaroh
panololon
Gambar l.l.c. Pengujian Satu Sisi Kanan a = 5 %o dengan a = 5 94.
Dalam pengujian dua sisi daerah penolakan terletak pada sisi
kanan dan kiri. Dari gambar 1.1.a, menunjukkan FIo akan diterima
jika
nilai statistik yang dihitung berada diantara d, dan dr, dan jika
terletak diluar daerah d, dan d, maka H0 ditolak. Bila pengujian
hipotesis dilaksanakan pada derajat kepercayaan 5
o/o,
maka daerah
penerimaan tiap sisi adalah 47,50 Yo dan daerah penolakannya
adalah 2,50
o/o.
Apabila kita menggunakan kurva dan distribusi
normal luas daerah penerimaan 0,475 adalah berhubungan dengan
kesalahan standar sebesar 1,96 pada tiap sisi. Apabila pengujian
hipotesis hasilnya berada diluar daerah 1,96 kesalahan standar maka
hipotesa Ho ditolak, karena berada di daerah penolakan. Umumnya
dalam pengujian dengan cara dua sisi derajat kepercayaan 5 % (95
oh
dapat dipercaya) yang sering digunakan. Walaupun demikian
untuk mengurangi resiko yang disebabkan oleh kesalahan Jenis I,
dapat menggunakan derajat kepercayaan I % (99 % dapat
dipercaya). Pengujian hipotesis dengan cara dua sisi umumnya
digunakan untuk pengujian nilai ekstrem di kedua sisi distribusi,
misal : pengambilan keputusan apakah dua sampcl data hujan
berasal dari populasi yang sama.
Pengujian satu sisi umumnya digunakan untuk menguji nilai
ekstrem hanya pada satu sisi saja, misal dalam hal menguji apakah
alat ukur arus (current meter) Jenis A lebih baik daripada Jenis B
untuk mengukur kecepatan aliran sungai. Untuk pengujian hipotesis
cara satu sisi maka daerah penolakan hanya berada disalah satu sisi
1
.lrstr ibusi saia (lihat (ianrbar
l.l.b dan l.l.c).
Sebagai uraian pengantar cukup sampai disini. Sccirru unlunt
pengujian hipotesis data hidrologi dapat dilaksanakan tlcrrgnrr
prosedur sebagai berikut :
l). Kumpulkan data hidrologi tersebut dan hitung paramctcr
statistiknya (perhitungannya lihat buku jilid
I).
2). Buat suatu dugaan atau pernyataan dan langkah
selanjutnya tentukan hipotesis nol (Ho) dan hipotesis
alternatip (H,).
3). Pilih uji statistik yang digunakan.
4). Tentukan derajat kepercayaan. misal a = 0,05 ata:u d, =
0.01.
5). Hitung nilai uji statistiknya.
6). Tolak Ho apabila nilai uji statistiknya berada didaerah
kritis (di daerah penolakan) dan terima Ho apabila nilai uji
statistiknya berada didaerah penerimaan.
Hasil pengujian yang telah dilaksanakan akhirnya diharapkan suatu
kesimpulan dapat diperoleh dengan tepat. Metode pengujian yang
menganggap populasi atau sampel mengikuti distribusi tertentu di
sebut dengan metode parametrik
Qtarametic
method), sedangkan
metode non parametrik (non parametric method) yang diuji
dianggap tidak mengikuti suatu distribusi tertentu. Beberapa uji
statistik metode parametrik yang sering digunakan untuk analisis
hidrologi antara lain :
l). Uji-Distribusi Normal (Normal distribution test).
Uji distribusi normal umumnya digunakan untuk menguji
rala-rata dari dua populasi (sampel ukuran besar).
2). Uji-T (Tee-tesr),t
Uji-T umumnya digunakan untuk menguji sampel
ukuran kecil : menguji nilai rata-rata 2 (dua) kelompok
sampel, menguji nilai rata-rata tcrhadap rata-rata
populasi, menguji data yang berpasangln, menguji
koefisien korelasi.
Uji-Chi Kuadrat (KI - square test),A2
Uji-Chi kuadrat umumnya digunakan untuk uji
kecocokan (Goodness of
fit).
Dikembangkan oleh Karl
Pearson dan digunakan dalam uji hipotesis dalam
menguji data yang diperoleh secara pemilihan acak
(random sampling) dari suatu populasi.
Uji-F (AIF-Test),F
Uji-F digunakan untuk menguji nilai varian, dan untuk
menguji sampel dalam analisis varian.
Prosedur pengujian nilai rata-rata hitung (mean) dibahas pada sub
bab 1.3, Pengujian nilai varian dibahas pada sub bab 1.4.
Sedangkan sub bab 1.5 membahas penggunaan metode non
parametrik untuk menguji hipotesis dan sub bab 1.6 membahas
analisis varian.
13. PENOA'IAN N'LA' RATA.RAiA
Masalah umum yang biasa dijumpai dalam analisis hidrologi
adalah membandingkan nilai rata-rata dari dua sampel. Misalnya
saja pengambilan sampel dilakukan dengan cara acak dengan
jumlah Nr, ymB diambil dari suatu populasi dengan nilai rata-rata
tidak diketahui (unknown mean) sebesar pr dan sampel yang lain
dengan
jumlah Nr, yang diambil dari suatu populasi dengan nilai
rata-rata tidak diketahui (unknown mean) sebesar pr,. Pengukuran
sampel yang pertama adalah X,, Xu, Xr, ...
,
Xr, dan sampel-sampel
yang kedua adalah X',, X'r, X'r, ..., X',2. Nilai rata-ratanya adalah
X, dan Xz .
Pada sub bab ini akan membahas sehubungan dengan dugaan
atau pernyataan "Apakah terdapat perbedaan nyata antara
Xr clan X2 . Dengan kata lain menguji hipotesis nol.
t,
I )t'rrgrrrr lripotcsis alternatip :
l). H, : pr + p2, atau
2). Ht: p, ) pr, atau
3). H, :
lrr
<
l-rz.
Hipotesis altematip yang pertama menggunakan metode pengujian
dua sisi, sedangkan hipotesis alternatip yang kedua dan ketiga
menggunakan metode pengujian satu sisi.
Beberapa asumsi yang diambil dalam pengujian ini adalah :
1). hasil pengukuran mempunyai distribusi normal.
2). populasi mempunyai nilai varian (cr'z) yang sama.
3). dua sampel yang diuji adalah bebas (independent).
Pengujian nilai rata-rata dapat menggunakan pengujian distribusi
normal atau pengujian distribusi - t.
1.3.1. Penguiian Nilai tr,ata.tqts Sampel f,,esalr
Pada sub bab ini hanya digunakan untuk mempelajari
pcrrnasalahan dalam hubungannya dengan jumlah
sampel besar
siria. Wulaupun sebenarnya dalam analisis hidrologi umumnya sulit
rurrtuk sccaril
.jclas
n-rcnentukan batas yang tegas antara jumlah
surnpcl besar dan
jumlah
sampel kecil. Umumnya para ahli statistik
tclah menentukan bahwa suatu sampel dengan ketentuan :
1). jumlah
kurang dari 30 buah disebut sampel kecil.
2). jumlah
sama atau lebih dari 30 buah disebut sampel
besar.
Beberapa asumsi dalam pemecahan masalah untuk sampel besar
(large samples) adalah :
1). distribusi pemilihan acak dari sampcl rncndckati distribusi
normal, dan
2). rrilai daripada sanrpcl cukup tlckat (:ttllit it.ttlt close)
tlclrgiur rrilai populirsr
3)
4).
I\4 II,TK
Badan Peii-ruslakaan
10
Berdasarkan asumsi tersebut salah satu metode untuk menguji dua
sampel diambil atau berasal dari populasi yang sama adalah dengan
pengujian distribusi normal (normal distribution resf). Distribusi
normal atau kurva normal disebut juga
dengan distribusi Gauss.
Distribusi ini merupakan salah satu distribusi yang banyak
digunakan. Fungsi densitas (density
function)
peluang normal dari
suatu variabel random kontinyu X dapat ditulis dengan persaminn
berikut ini :
(l.l)
Keterangan :
P(X)
:
fungsi densitas (ordinat kurva normal).
o
:
deviasi standarpopulasi dari variabel x.
n
:
3,14157
e
:
2,718?,8
x
:
variabel random kontinyu.
p
:
nilai rata-rata hitung populasi dari variabel X.
Pengujian distribusi normal termasuk uji-parametik
Qtarametric
test) dan dapat dilakukan dengan tahapan sebagai berikut :
1). Tentukan deviasi standar dari perbedaan nilai rata-rata
hitung:
J). llitung pcrbandingan nilai :
t-
Sumber : Bonnier, l98l
Catatan :
.
hipotesis diterima jika
nilai t
.
hipotesis ditolak jika
nilai t
Keterangan :
t - variate standar normal dari distribusi normal.
X,
:
rata+atahitung sampel pertama.
X2
:
rata-ratahitung sampel kedua.
3) Kepdtusan:
Bandingkan variat standar normal (t) dengan variat
standar normal pada tabel (1.2) yaitu nilai tc, dengan
aturan keputusan :
l). Jika nilai t <
tc maka hipotesis nol (Hr) diterima.
2). Jika nilai t
>
tc maka hipotesis nol (Hr) tidak diterima
atau ditolak atau dengan kata lain menerima hipotesis
alternatip (H,).
Tabel 1.2 Nilai tc Untuk Pengujian Distribusi Normal.
lt
.l
X'-Xr;'
olr,
I
(1.3)
P(x)
:
-+
"
o
J2n
lo,
2
6't
2
or-?=l +
-
lNr
Nz
(r.2)
Keterangan :
or-2
:
deviasi standar dari perbedaan rata-rata hitung
(p, - pr).
6r'
:
varian sampel pertama
6z'
:
varian sampel kedua
Nr
:
jumlah
sampel pertama
N2
:
jumlah
sampel kedua
daripada nilai tc.
daripada nilai tc.
Dcraiat Kepercayaan
(cr)
0,1 0,05 0,01 0,015 0,002
uji satu SISI
- 1,28
atau
+ 1,29
- 1,645
atau
+ 1,645
- 2,33
atau
+ 2,33
- 2,58
atau
+ 2,59
- 2,88
atau
+ 2,88
uji dua sisi
- 1,645
atau
+ 1,645
- 1,96
atau
+ 1,96
- 2,59
atau
+ 2,58
- 2,81
atau
+ 2,81
- 3,08
atau
+ 3,08
72 t:t
ConlohJ.L
l)ari curah hujan tahunan dari pos hujan Dago (X,) dan pos lrujnrr
Malabar (Xr) selama tahun 1950 - 1981 (32 tahun), tercatat putlrr
tabel 1.3. Kedua pos hujan tersebut terletak di DPS Citarum Hulu,
Kabupaten Bandung, Propinsi Jawa Barat (lihat gambar 1.2).
Tentukan apakah sifat curah hujan kedua pos hujan tersebut berbeda
pada derajat kepercayaan sebesar 5,00
yo.
-Inwoh Contoh I l- :
Karena
jumlah
data kedua pos hujan tersebut sama atau lebih dari
30 buah, maka dapat disebut sampel besar dan dianggap
distribusinya mengikuti distribusi normal. Data hujan tahtrnan
tersebut pada tabel 1.3, dicatat dari dua lokasi pos hujan yang
berbeda dengan jarak
kurang lebih 40 km oleh karena itu dua set
data tersebut dapat dikatakan bebas (independenf) satu dengan yang
lain.
Selanjutnya dapat dibuat hipotesis sebagai berikut :
Ho : pr = pz (tidak terdapat perbedaan nyata nilai rata-rata
hitung dua populasi).
H, : p, * p, (terdapat perbedaan nyata).
Apabila dianggap deviasi standar dari sampel (S) sama dengan
standar deviasi populasi (o), maka :
Sr = or, dan S, = or, sehingga :
\
\
(
(
fu-
I
/
t1
li
[[
1O
I
I
(.nJ-
\\
\-^-/
.=l
I
(r,-x)'
N-1
Keterangan :
S
:
deviasi standar dari sampel
Xi
:
nilai pengamatan i = 1,2, ..., N
X = nilai rata-rata hitung
N =
jumlah
sampel
/ --.
_J\
\
Yi
*t(
M
=
\
B
U
B
bo
q
L
04
qi
q.
q
\
\)
B
a
^i
\
\
B
-a
o
I
\
)
74
Tabel 1.3. curah Hujan PoS Hujan Dago dan Marabar (dalam mm/tahun)
No. Tahun Dago
xt (X,-X) (x,-Xf
Malabar
x2
rx,-il I 6,i)'
ll
|
:.
ll
lu.
L.
l'.
l,
|
,0.
lil
I
,,.
I ra.
L,.
L..
17.
18.
19.
20.
2t.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
les0
l95l
1952
1953
1954
1955
1956
t957
I 958
l 959
1960
l96l
t962
lg63
lg64
l
re6s
i
te66l
r',atl
I
re68
|
uolI
,srol
I
reTr
I
te72l
1973 I
,nrol
I
rszs
I
19761
,rrrl
uzrl
,','rsl
,rtoI
r98l I
t.u4
1.74',1
2.t27
1.693
2.092
2.248
1.970
1.553
2.693
t.'770
2.s09
t.577
1.923
1.129
t.857
1.672
1.958
1.264
2.482
2.005
2.37t
2.130
t.907
2.5',18
l 965
2.316
1.650
t.784
2.t17
2.627
r.978
I.9t3
-333
-230
150
-284
I l5
27t
424
7t6
-207
532
400
-54
-848
-120
-305
-19
-'7 t3
505
28
394
153
-70
601
-t2
339
.327
.r93
r40
650
I
-64
I
l 10.899
52.900
22.500
80.656
t3.225
73.44t
49
179.776
5 r2.656
42 849
281
(\24
,uo.uro I
,.ntul
,,r,nol
, o.oo, I
,, ,rt
I
36r
I
508.369 |
,rr.or.rl
,to
I
r ss.zro
I
zt.+osl
4.eoo
I
361 .20 r I
,ool
,oon rl
I
roo.rze
I
v zqsl
,r.uro I
orr rool
I
'l
+.osal
2.742
2.305
2.718
2.089
3.25t
3.099
2.878
2.419
3.205
t.751
t.666
t.760
2.698
1.513
2.554
2.061 )
,.unrl
, rrrl
,.ril I
,.rrrl
t.nu'rl
r.789 I
I
r.43e
I
t.t ts l
,,rrl
q
taol
I
2.6221
z.rtol
t zztl
,.r rul
,.r,, I
, rrrl
246
-l9l
222
407
755
603
382
-77
709
-'145
-830
-'736
202
-983
58
-435
197
-923
315
-744
-529
-707
- I .057
1.249
692
1.644
t26
-326
727
220
t7
341
60.516
36.48I
49.284
165.649
570.025
363.609
t45.924
s.929
502.1 8l
555.025
688.900
541.696
40.804
966.289
3.364
189.22s
38.809
,r,.r,,I
I
e9.22sl
sse.orcl
zts.t.+tl
orr.ronl
,.rrr.rorl
, .ruo oo, I
orr rool
,.rrr.rrul
, r.rru I
I
t06.2761
,n rrnl
or.oor l
,rnl
,,u rfi I
UMLAH
(ATA.RATA
LXi
T
oJ.t49
1.977
l5 4.3t6.1 76.85't
2.496
t5 t3.928.63
Sumber data: Publikasi curah hujan, Puslitbang
pengairan
l)lri data dan perhitungan pada tabel | .3, dipcrolch :
Untuk Pos Hujan Dctgo
N,:32
x=63,2-49 = 1.977 mm/tahun
32
^
lq'lte'6lr ti
s, =l=7il'l
:
378mm/tahun
Untuk Pos Hujan Malabar
N2:32
-
79.857
Xz
= -#
:
2.496 mm/tahun
s2
:
lE#l@:li
:
uromm/tarrun
Berdasarkan persamuuln (1.2) :
lo,2 ar2l)
or_2=
I
n,
.Tu,
I
o, ,= l(:zt)' +(67q21
132 32
I
or
-2
=
135,98 mm/tahun.
Berdasarkan persamaan (1.3) nilai variat dari standar normal :
,:l*l
r.977
-2.4961
-ffi-l
:3,81
l6
t-
Dengan metode pengujian dua sisi, dari data tabel 1.2, berdasarkan
nilai variat dari standar normal (tc) pada derajat kepercayuun 5
oZ,
nraka dipcroleh tc
:
1,96. Oleh karena nilai t: 3,81 lebih hcsar dari
I(i
tc, maka hipotesis nol yang menyatakan
Fr
:
lrz
ditolak. Dengan
demikian dapat dikatakan 95 % data hujan tersebut berasal dari
populasi yang berbeda atau dapat dikatakan 95 % adalah benar
bahwa data hujan kedua pos hujan Dago dan Malabar di DPS
Citarum Hulu mempunyai perbedaan yang nyata. Dengan demikian
keberadaan kedua pos hujan tersebut masing-masing diperlukan
untuk kedua lokasi tersebut.
Pengujian khusus dapat dilakukan apabila parameter statistik
dari populasi diketahui nilai :
p
:
rata - rata hitung
o
:
deviasi standar
Disamping itu diketahuijumlah pengambilan sampel sebesar N dan
rata-rata hitungnya adalah X. tentukan apakah X mempunyai
perbedaan yang nyata dengan p, maka dapat ditentukan dengan
persamaan berikut ini :
tX-p).N
t=
Keterangan:
= variat standar normal terhitung
= rata-ratahitung sampel
:
rata-rata hitung populasi
:
deviasi standar populasi
:
jumlah
sample
Contoh 1.2.
Dari suatu embung (telaga, situ-situ) untuk keperluan irigasi, aimya
dipompa dengan menggunakan pompa jenis
A, debit pompa
rata-rata adalah 60 lldet dan deviasi standarnya l0 //det. Jenis
pompa B diusulkan untuk mengganti
jenis pompa A. Untuk
menentukan apakah
jenis pompa tersebut diganti atau tidak, maka
pompa jenis
B diuji coba selama 50 kali dan ternyata mampu
memompa air dari embung dengan debit rata-rata70 lldet.
(1.4)
t
x
p
o
N
t7
I )r'nfliur rrraksud mengiunbil rcsiko scbcsar 5 %r, tctttukan n|rrrlnh
l('nrs
pornpa B dapat diterima sebagai penggantijcnis pompa A
lsb,ab contoh 1.2. z
Pada kasus contoh 1.2, maka dapat dilakukan pengujian satu sisi
(one tailed test).
Ho:
Fr
:60l/det.
(pompa jenis A tidak diganti)
Hr
:
F
> 60lldet. (pompa jenis A diganti dengan jenis B)
Dari contoh 1,2 dapat diketahui bahwa :
X
:
7}lldet.
tr
:
60 //det.
o
:
l0lldet.
N=50
maka berdasarkan rumus (1.4) dapat dihitung variat standar normal
terhitung:
r:
6-+16
(70
-
60)
/so
:
7,077 t:
Dari tabel 1..2, pada derajat kepercayaan o
:
5
o%,
untuk pengujian
satu sisi diperoleh variat standar normal t. = 1,645. Karena nilai t
lebih besar dari pada tc maka hipotesis nol ditolak. Dengan
dernikian dapat dikatakan
jenis pompa B dapat mengganti
jenis A
dengan mengambil resiko 5 %o. Atau dapat dikatakan 95 % benar
bahwa
jenis pompa B dapat digunakan sebagai penggganti jenis
pompa A.
1.3.2. Penguiian Nilai f,,atq.tata tlampcl Kccil
Pada sub bab 1.3.1 telah dijelaskan pengujian nilai rata-rata
untuk
.iunrlah
sampel besar (lrl >
30). Apabila
jumlah
sampcl kccil
MII, IK
Bnrl:rrt l'crIrrrtrrk:rrn
l0
l8
distribusi-t. Distribusi-t dapat dinyatakan dengan persamaan :
12
d1 +l
P(t)
:
a(l +:-t-
r
du'
Keterangan:
P(t)
:
peluang densitas fungsi t
a
fid-
l'(q#)
(l.s)
r
l-
L-
fungsi gama
student's variabel-t
variat student's normal
=u
I
(Xr/du),
U
x'
dk
lx, -x,l
':"1*;
:
x-p
o
(pada sub bab i.3.1 U dinyatakan sebagai t)
:
variabel chi-kuadrat
:
derajat kebebasan (degrees offreedom)
Peluang densitas fungsi t tersebut telah dibuatkan tabel nilai
distribusinya seperti ditunjukkan pada tabel I.l pada bagian akhir
Bab I, dimaksudkan untuk memudahkan aplikasinya.
1.3.2.1. Menguji rata-rata dari dut set sompel
Untuk menguji dua sct sarnpel data apakah berasal dari
populasi yang sama atau ridak clapat menggunakan pengujian
distribusi-t, yang juga
merupakan u.ii-parametrtk
Qtarametric
test)
seperti distribusi normal. Pengujian distribusi-t dapat dilakukan
dengan persamaan sebagai berikut :
(1.6)
l9
K clcrattgittt :
[]
x, =
r,=
Nr '
N,
variabel-t terhitung.
rata-rata hitung samPel set ke l.
rata-ratahitung sampel set ke 2.
jumlah sampel set ke 1.
jumlah sampel set ke 2.
S
,
Nz
2-
+
N
2
+
Sr
N1
N1
"=l t'
2
2
(r.7)
S,', Sr': varian sampel set ke I dan ke 2.
dr
:
N, + N, - 2 = derajat kebebasan
Keoutusan:
Apabila t terhitung lebih besar dari nilai kritis tc, (lihat tabel I.1)
pada bagian akhir Bab I pada derajat kepercayaan (a) tertentu,
maka kedua sampel yang diuji tidak berasal dari populasi yang
sama.
Apabila t terhitung lebih kecil dari tc maka kedua sampel berasal
dari populasi yang sama.
Contoh 1.3.
Curah hujan tahunan telah dicatat dari pos hujan di Dago, Kodya
Bandung selama 12 tahun dari tahun 1974 - 1985, sebagai X,, dan
juga pos hujan di Majalaya, Kabupaten Bandung didaerah Bandung
Selatan di Daerah Pengaliran Sungai Citarum Hulu, sebagai Xr.
I)atanya dapat dilihat pada tabel l.4.
'lerrlrrkirn
apakah sifat hujan dari kedua pos hujan tersebut berbeda
rtyatir
lrirtli.r
cicririat kepercayaan 5 %o.
20
Jawab Contoh 1.3. z
Tabel 1.4. Curah Hujan di Dago dan Majalaya (dalam mm/tahun).
No.
Tahun Dago
xl (X,-X) (X,-X)'
Majalaya
x2 (XrX) (Xr-X)'
9'14
975
976
977
978
979
980
981
982
983
984
985
1.965
2.316
r.650
t.784
2.t t7
2.627
1 978
l .913
t.2t6
2.759
2.759
2.2r6
-91
260
-406
a1a
6l
57r
-'t8
- 143
-840
703
'70
160
8.281
67.600
l 64.836
73.984
3.72t
326.04t
6.084
20.449
705.600
494.209
4.900
25.600
r.887
1.934
2.645
1.872
2.261
2.2t5
2.059
1.133
l .188
1.308
2.051
l9
66
7?7
4
393
347
l9l
-735
-680
-560
183
361
4.356
603.729
l6
154.449
120.409
36.481
540.225
462.400
3 13.600
33.489
IUMLAH
IATA.RATA
xX,
x
24.66'l
2.0s6
-5. 1.901.305 zu.))J
1.868
5 2.269.5t5
Sumber : Data dari Buku Publikasi Hujan Tahun 1974 - 1985, Puslitbang Pengairan.
Dapat dibuat hipotesrs :
Ho
:
pr
:
p, (tidak ada perbedaan)
Hr : pr *
1t,
(terdapatperbedaan)
Dari tabel
Nr:
X,=
Sr:
Untuk pos hujan Majalaya:
Nr: 1l
.4, untuk pos hujan Dago :
t2
"#
:
2.056 mrn/tahun
' ?3:T'l'
:
416 mrn/tahun
2t
.; 20.553
x.,:=ff: l'868mn/tahun
r,: (ffi-E); = o.,umm/tahun
Dari persamaanl.T :
o:
o:
Nr.Sr
2
+Nz.Sz
2
N1 +N2
-2
l2x(4t6)2 +nx(476)2
12+ll-2
= 466 mm/tatrun.
dan dari rumus 1.6 :
lf
'
-x'l
-l
r rtl
"l[*"rl
r_l2.os6-1.8681
:0,966
4661i*
+ I
;
Dengan dasar
lrcngujian
dua sisi pada derajat kepercayaan 5 %o (u:
0,05), Ho akan ditolak bila t terletak diluar batas -to,o, sampai to,o*
untuk derajat kebebasan Nr + N2 - 2. Untuk N, * N, - 2:21,
dari tabel I-l
Qihat
dibagian akhir bab I), diperoleh hasil - 0,028 <
0,966 < + 2,080, oleh karena itu Ho dapat diterima pada derajat
kepercayaan 5 %o atau dengan kata lain dapat disimpulkan bahwa 95
oh
adalah benar bahwa tidak ada beda nyata antara curah hujan
rata-rata tahunan di Dago dan Majalaya. Rata-ratanya dapat
dihitung dengan persamaEln berikut ini :
..-Nr.X,
+Nr.X,
' Nr *Nz
Berdasarkan rumus 1.8, maka rata-rata curatr hujannya adalatr :
(12
x 2'056) + (l.l x 1'868)
:
1.966 mm/tatrun
12+ l1
(1.8)
9'
1.3.2.2. Menguji rata-rata sampel dan rata-rata populasi
Untuk menguji apakah rata-rata sampel (X) berbeda nyata
terhadap rata-rata populasi (p), dapat dilakukan dengan
menggunakan persamaan 1.9 :
(l.e)
{=
S
Keterangan :
t
:
nilai student's-t terhitung
X
:
rata-rata sampel
p
:
rata-ratapopulasi
N
: jumlah sampel
S
:
deviasi standar sampel
dengan derajat kebebasan dr: N - 1
Persamaan (1.9) pada dasamya sama dengan rumus untuk ukuran
sampel besar seperti ditunjukkan pada rumus (1.4) untuk pengujian
distribusi normal. Bedanya untuk sampel besar nilai t, adalah variat
standar normal (lihat tabel 1.2) dan untuk sampel kecil t adalah nilai
student-t (lihat tabel I-l) pada bagian akhir bab I. Apabila
jumlah
sampel bertambah maka hasil kedua perhitungan dari rumus 1.4 dan
rumus 1.9 akan sama (mendekati sama).
Contoh 1.4.
Data curah hujan tahunan dari pos hujan Dago, Kodya Bandung
tahun 1950 - 1981 sebagai populasi (lihat data tabel 1.3), telah
diperoleh bahwa rata-rata populasi p
:
1977 mrn/tahun (lihat
Contoh Ll). Sedangkan data dari pos hujan Dago untuk tahun 1974
- i985 selar-na 12 tahun (lihat tabel 1.4) dianggap sebagai sampel,
dengan rata-rata sampel X
:
2.056 mm/tahun (lihat contoh 1.3).
Tentukan apakah terdapat perbedaan nyata antara rata-rata sampel
x dengan rata-ratapopulasinya
p pada derajat kepercayaan 5
0/o'
23
Juwahl-onlol--1"4-
lluat hipotesis sebagai berikut :
Ho : p
:
1977 mm/tahun (rata-rata salna)
H, :
F
* 1977 mm/tahun (rata-rata tidak sama)
dari contoh 1.4, diperoleh :
X
.--
Z.OSO mm/tahun
Ir
.
1.977 mm/tahun
S = 416 mm/tahun N = 12 tahun
Dari persamaan 1.9 :
1
: CX -.+r) /N
S
(2.0s6-r.e77){e
:
0,657
Dari tabel I-l pada bagian akhir bab I, pada derajat kepercayaan 5
Yo dengan derajat kebebasan du
:
\-l= l1 adalah tc:2,201(untuk
pengujian dua arah 5 % harus dibagi kedalam dua sisi,
masing-masing untuk -h,0, dan +h,ozs). OIeh karena t lebih kecil
dari tc maka hipotesis nol (Ho) diterima dan menolak hipotesis
altematip (H,). Dengan demikian dapat dikatakan bahwa 95 Yobetr:/-
bahwa rata-rata sampel data hujan pos Dago tahun 1974 - lgl5
tidak mempunyai beda nyata terhadap rata-rata populasinya dari
data hujan tahun 1950 - 1981.
1.3.3. Intetaal Kepetcay,aan Untuh Nilai f,rata+ata
Pada sub bab 1.3.1 telah disampaikan pengujian nilai
rata-rata sampel besar (N
> 30) dengan menggunakan pengujian
tlistribusi normal, dan pada sub bab 1.3.2 telah disajikan pengujian
lrcrrliujian
distribusi-t. Pada sub bab 1.3.3 akan disajikan penentuan
t-
416
24
interval kepercayaan untuk nilai rata-rata
interval
for
the mean). Penentuan interval
ditentukan dengan rumus sebagai berikut :
1). Untuk Sampel Besar, N >
30
hitung (confidence
kepercayaan dapat
Interval kepercayaan untuk nilai rata-rata p padaderajat
kepercayaan o adalah :
x-t"ft<p<x*t";fu
Keterangan:
tcr
:
variat standar normal (tabel 1.2)
(1. r0)
2) Untuk Sampel Kecil, N < 30
Interval kepercayaan untuk nilai rata-rata p pada derajat
kepercayaan cr adalah :
(l.l l)
Keterangan :
tcr
:
nilai student's-t (tabel I-1, akhir bab I).
Contoh 1.5.
Dari data curah hujan di pos hu.jan Dago, Kodya Bandung, DpS
Citarum Hulu selama 32 tahun dari tahun 1950 - 1981, diperoleh
nilai rata-rata hitung curah hu.jan tahunan
:
1.977 mm/tahun,
dengan deviasi standar 378 mmltahun. Tentukan 95 %obatas daerah
kepercayaan dari nilai rata-rata curah hujan tersebut.
Jawab Contoh 1.5 :
Karena jumlah
sampelnya besar N
:
32 maka penentuan batas
interval kepercayaan menggunakan rumus 1.10.
X-t"ft<p<X'"tr
zfi
Dutt
lt
N
S
h,os
maka:
1977 mm/tahun.
32 buah.
378 mm/tahun.
L 1,96 (lihat tabel 1.2), uji dua sisi.
X-t"7fu.
r,
1,g77
-
l,96+<
F
< 1,g77 + l,96
J32
1,846< p <2,108
378
h2
Dengan demikian dapat dikatakan bahwa 95 % betul curah hujan
rata-rata dari pos hujan Dago berkisar antara 1.846 mm sampai
2.108 mm per tahun.
Contoh 1.6.
Dari pengumpulan dan perolehan data debit minimum dilokasi pos
duga air Cimanuk - Leuwidaun tahun 1968 - 1979 adatah sebagai
berikut :
No Tahun
1. 1968
2. 1969
3. 1970
4. r97t
5. 1972
6. 1973
7. 1974
8. tg75
e. 1976
10. 1977
I I te78
l-1. lt)Jt)
Debit (m3&et)
7,67
g,7g
4,02
3,69
2,69
7,30
7.60
4,70
3,l0
3,60
5.80
r.50
21\
'l'errtukan
interval kepercayaan scbesar 95
o/o
dari nilai rata-ratanya.
Sumber data : Buku Publikasi Debit, Pusat litbang
pengairan.
Jawab Contoh 1.6 :
Dari contoh 1.6, tersebut telah dihitung nilai rata-rata hitung dan
deviasi standar data debit minimum sungai cimanuk - Leuwidaun,
hasilnya adalah :
X
:
5,43 m'/det.
S
:
2,22m3ldet.
Penyelesaian statistik :
1:
(x-p)/N
untuk p diambil.
S
^_
xtst
[
-
-----:-
JN
Dari metode pengujian dua sisi, pada derajat kepercayaan 5
o/o
dan
derajat kebebasan dk
:
N - I
:
11, maka to,ozs = 2,201(lihat tabel
I-l pada bagian akhir Bab I).
lt:
5,43
+
(2,22)(2,201,)
:
5,43
1-
l,4l
Oleh karena itu dapat dikatakan 95 % betul bahwa debit minimum
sungai Cimanuk - Leuwidaun berkisar antara 4,02 dari 6.84 m3/det.
1.3.4. Ari.t untuh data betpasangan
Pada umumnya kita mempunyai N buah pasang (paired)
data pengukuran X,j, Xr,.......X,:
0
:1,2,3,
.......N) yang morupakan
pengukuraq bebas (independent) dari populasi dcngan rata-rata pr,,
lrz.;.
Hipotesis nol untuk tiap pasang rata-rataadalah :
,l-n
27
ll,, .
1t,,
pr, (untuk semua j)
l't'r Ircdaan tiap pengukuran adalaLh
t:
X,, - xr, (J = 1,2, ....N)
Aprrbila populasi mempunyai distribusi normal dan rata-rata
pcrbcrtaurr diberi simbol d, dan deviasi standar dari perbedaan
irtlirlirlr S, serta kesalahan standar (standar error) dari d adalah sy'N,
nr:rka kita dapat menggunakan uji - t sebagai berikut :
a
t-
sE
sp:
S
uLt
N'
Keterangan :
t
:
nilai student's-t terhitung
d
:
perbedaan
rata-rata
SE: kesalahan standar dari rata-rata
S
:
deviasi standar
N
:
jumlah
data
Contoh 1.7
Dari pos duga air sungai citarum - Nanjung (lihat gambar r.2) telah
dilaksanakan pengukuran debit dan telah dibuat lengkung debitnya
untuk data tahun 1973 - 1976, seperti ditunjukkan pada gambar 1.3.
Data debit pengukuran dan debit hasil pembacaan lengkung debit
dari tinggi muka air tertentu ditunjukkan pada tabel l.5. Tentukan
apakah terdapat perbedaan yang nyata antara debit hasil pengukuran
dengan debit dari lengkung debit pada derajat kepercayaan sebesar
1,00 Yo".
Jawab Contoh 1.7 :
Dari contoh 1.7 maka dapat dibuat hipotesis sebagai berikut
Ho :
lrrj
:
Fz;
(tidak ada beda nyata)
Hr :
Fu
;e pr, (terdapat beda nyata)
I)erhitungannya
dilihat pada tabel l.-5.
(1.1 3)
(1.14)
28
s
:
B
U
B
$
T
q
-o
q)
a
bo
^\.
bo
q)
{
I.
Ei
!r
},G
E-A
vs
F'B
ov
lr,
o
I
I
I
I
I
lllll tlv VInX IOOMr
-f+
:t0
lrrbcl I 5
(,ji-t
untuk Lcngkurtg l)cltil Sttttgrtt
('tlAttltlt
Ntltt;ttltg
No.
Pengukuran
Lengkung
U
(n3/de0 (P-d)'
H
(m)
Qm
(n3/de,
P l'-.1
+
l
)
l.
4.
5.
6.
7.
8.
9.
10.
I l.
12.
13.
14.
15.
16.
17.
18.
19.
20.
2t
22.
23.
1,89
1,56
t,72
2,tl
2,88
1,80
3,25
3,78
2,69
3,99
10,
I,56
1,30
2,83
2,45
2,15
?1(
2,25
3,63
2,06
2,44
I ,83
2,02
43,7
29,0
'17
5
s5,2
99,1
39,9
l4l,0
t92,0
86,6
234,0
246,0
30,7
20,6
107,0
'79,5
52,0
70,t
57,6
169,0
51,0
74,5
38, l
54,1
44,0
29,6
35,9
55,6
112,0
39,5
148,0
208,0
96,2
233,0
244,0
29,6
20,5
108,0
77,5
58,0
70,5
64,0
190,0
52,8
'76,8
41,0
50,6
0,68
2,02
0,72
I 1,50
4,'13
7,69
9,98
0,93
10,30
0,57
0,10
I l,l0
3,41
2,99
7.07
4,46
l,0l
0,43
0,82
3,72
2,58
6,92
8,75
1,98
4,94
7,23
755
'l,25
8,35
0,66
0,24
4,23
2 ,07
0,73
7,21
2,03
3,76
3,1 8
3,5',1
6,47
3,24
t,82
511
2,r8
9,67
4,28
0,53
s 1,98
4,12
'16,56
14,13
3,92
24,40
52,27
l0,l I
12,74
4t,86
10,49
3,31
28,40
57,00
4,75
52,s6
69,72
0,43
0,05
18,66
93,50
83,70 20,43 5l,21 ) t,.Z0 635,'17
Keterangan = tinggi muka air
= debit pengukuran
= debit dari kurva lengkung debit tahun 1973-1976.
H
Qm
Qr
Dari perhitungan data pada tabel 1.5, diperoleh :
o
l)cviasi rata-rata, ,
: *#
x fiO Yo
30
o
Rata-rata perbedaan,
, Pr * Pz *..... * Pn
tt
=
N
-;
83, 70
-20,43
\r-
23
2,75
/
-\2
,
[P
_
d,,)
.
Deviasi standar, S =
s_
635,77
1:5,37
u
23-1
.
Kesalahan standar dari rata-rara SE =
+
N'
su = 1I: I.rle
Jzt
'
Uji-t; t:4: ?2
sE 1,119
| = 2,45
Dari tabel distribusi t (tabel I-1, pada akhir bab I), dengan derajat
kebebasan (degrees of
freedom)
dk = N-l
:
22, pada derajat
kepercayaan 1 Yo, atau
:
to,o, diperoleh nilai tc:2,819' Oleh karena
t
i
tc maka hipotesis nol dapat diterima. Dengan demikian antara
debit pengukuran dengan debit dari lengkung debit mempunyai
perbedaan yang tidak nyata, atau dapat dikatakan bahwa 99 % betul
bahwa kedua.pasangan debit tersebut tidak berbeda nyata. Oleh
karena itu kurva dari lengkung debit pada gambar l'3, dapat
mewakili
hubungan antara tinggi muka air dengan debit sungai
Citarum - Nanjung, tahun 1973 - 1976.
1.3.5. Peaguiian f,ista-rf,rarta Sarnpel iiha
Vsrian
tidah satna Jcnis
Pada sub-bab sebelumnya, rata-rata 2 sample yang
dibandingkan dianggap bahwa varian
1S2)
ke 2 sample tersebut
N-1
$l
Irtlirk rrrempunyai beda nyata (not significant differenr). Ksnyrtotlll
.;e
lrclum menguji rata-rata sample salah satu yang harus diuji adululr
kcsamaan
jenis/homogenitas nilai varian dari sampel. Pada sub buh
scbclumnya
pengujian nilai varian belum dibicarakan. Pengujian
kcsamaan
jenis nilai varian baru akan dibicarakan
pada sub bab l
'4'
Apabila telah dilaksanakan
pengujian nilai varian dan
tcrtryata mempunyai kesimpulan bahwa nilai variannya mempunyai
bctla rryata, dan kita akan tetap membandingkan
nilai rata-ratanya,
rrraka dapat digunakan prosedur sebagai berikut :
l). Tentukan sudut 0, perbandingan deviasi standar :
e=t*-'*
Sr
:
deviasi standar sampel ke l.
52: deviasi standar samPel ke 2.
2). Hitung nilai statistik :
. X,
-I,
o=
---
(si * si)
t
(l.l5.a)
(1.1s.b)
3). Ambil kePutusan
Bandingkan nitai (d) dengan nilai
(dc) pada tabel I-2
(lihat tabel I-2, di bagian akhir Bab I)' Apabila dengan
derajat kepercayaan
(a) tertentu
pada derajat
Kebebasan.
dk,:N,-1
dkr:Nr-1
tcrnyata d
< dc, maka hipotesis diterima dan dua sampel
hcritsal dari dua
PoPulasi.
32
Contoh 1.8.
Data curah hujan dari pos hujan Dago dan Majalaya (lihat tabel l-4)
selama tahun 1974 - 1985, dari contoh 1.3, telah diperoleh :
Untuk pos hujan Dago : Nr
:
12
Xr
:2.056
mm/tahun
Sr = 416 mm/tahun
Untuk pos hujan Majalaya : N,
:
I I
X2 = 1.868 mm/tahun
32
:
476 mm/tahun
Tentukan apakah x, sama dengan x, pada derajat kepercayaan 5
yo
Jawab Contoh 1.8. z
Buat hipotesis statistik sebagai berikut :
.
Hipotesis nol, Ho : X, - X, = 0 (sama).
.
Hipotesis alternatip, H, : X, -Xr+ 0 (berbeda).
Berdasarkanrumus 1.15.a, maka :
0: tan-l
o
=
tan-,
lffil
= 0,873
0:41;02o
Berdasarkan nrmus l.l5.b, maka :
Srl
S, I
A :
2.056
_
1.868 188
l{uo'
+
$7Q'1ll
632'16
derajat kebebasan :
:0,297 hujan dari pos hujan Dago,
88
dk,= N, -l=12-l=ll
dk2= Nr-l=ll-l=10
pada 0:41o, dan derajat kepercayaan sebesar c,:5 % maka dari
tabel I-2. diperoleh dc:2,168.
Oleh karena d = 0,297 ternyata lebih kecil dari dc = 2,16g, maka
hipotesis dapat diterima dan dua sampel data hujan tersebut berasal
dari populasi yang sama. Dari Uji-t pada contoh 1.3 juga
disimpulkan bahwa tidak ada beda nyata antara rata-rata hujan di
Dago dan di Majalaya.
1.3.6. Penentuan Jumleh Sampel
Jumlah sampel untuk menentukan perkiraan nilai rata-rata
populasi mempunyai nilai batas kurang lebih
p
% di sekitar nilai
yang sebenarnya, pada derajat kepercayaan a %o dapat perkirakan
dengan rumus sebagai berikut :
*,
-
[ loo. t. sl'z
'':L
P'x
-1
(t'to)
Keterangan :
I
:
rata-rata sampel
S
:
deviasi standar
P
:
nilai yang diinginkan
N
:
jumlah
data
t
:
derajat kepercayaan
Contoh 1.9.
Dari contoh 1.3, telah diperoleh data
sebagai berikut :
X 2.056 mm/tahun
S 416 mm/tahun
34
Tentukan lama pencatatan data hujan di pos hujan Dago apabila
diinginkan besarnya derajat kepercayaan 5
oh
dan nilai rata-ratanya
berada disekitar l0 % dari nilai yang sebenarnya.
Jawab contoh 1.9. :
Dari tabel distribusi-t (tabel I-l), pada derajat kepercayaan 5 Yo.
(k,orr) dan derajat kebebasan dk: l2-l
:
ll, diperoleh t"=2,201.
Berdasarkan persamaan 1.16, maka :
r
-r2
N_l
100.!_.s
I
L
p.x
l
10.000.4,844.173.056
N=
100
.
4.227.136
Dari perhitungan ke-I, diperlukan
pengamatan.
Nilai t" untuk derajat kebebasan dk =
persamzurn 1.16, maka:
* - [roo. L.
s'l'
L
p.x
.l
N_
10.000.4,380.173.056
100
.
4.227.136
_ 83.828.326
= 19.83
4.227.t36
I
19,83 tatrun atau 20 tahun
19, adalatr 2,093, dan dengan
_ 75.809.326
:
fi.93
4.227.136
L
','
Dari perhitungan ke 2, diperlukan 17,93 tatrun atau 18 tatrun
pengamatan.
Oleh karena hasil perhitungan ke 2 ini mendekati hasil
perhitungan ke l, maka dapat dikatakan agar nilai rata-rata berada
disekitar l0
o/o
dari nilai sebenarnya, 95 Yo betul bahwa diperlukan
minimal l8 tahun pengamatan data hujan di pos hujan Dago.
86
I.4 PENGUJ,,AN N'LA' VABIAN
1.1.1. Penguilan Vatialn Eamgel danVasisn Populasl
Seperti telah dijelaskan pada buku
jilid I varian
dihitung dari
nilai kuadrat deviasi standar, yang dapat dirumuskan sebagai
berikut:
N
X Cxi -
vgz
q2
-
i=r
(l.l7.a) v
N-l
\r'
Keterangan :
52
:
varian
X,
:
data pengamatan ke i
I
:
rata-rata hitung
1r1
:
jumlatr sampel
Uji-chi kuadrat, menentukan pengujian apakah terdapat perbedaan
nyata antara varian sampel dengan varian populasi.
Misal, varian dari curah hujan suatu DPS sebagai populasi
dihitung sebesar o2,
jika
suatu data pos hujan dengan varian sebesar
32 sebagai sampel, maka perbandingan antara varian
sampel dengan
varian populasi dapat dihitung dengan rumus :
^.r_NS2
(t.l7.b)
X'=-
o-
,'=
* [(r'-x)
*(x,-x) ......*(x"-x)]'
(r'r7'c)
Apabila sejumlah sampel N buatr, diambil dari populasi normal
tlcrrgan deviasi o, dan tiap sampel dihitung
12,
maka distribusi
.rrrrrr;rlirrg
untuk y2 dapat diperoleh. Distribusi tersebut dinyatakan
scl'rrgrrr distribusi chi-kuadrat (chi-square distribution). Distribusi
('lu
hrrnrlrut nrompunyai fungsi densitas sebagai berikut :
36
P(x)'=
I
'+"
(+)
,
r*'1*'
.
"*
(1. l 8)
Keterangan :
P(X')
:
fungsi densitas
262
r = fungsi garnma
dk
:
derajat kebebasan
Distribusi
x'
telah dibuat tabel nilai distribupinya, seperti
ditunjukkan pada tabel I-3 pada bagian akhir Bab I ini,
dimalisudkan untuk memudahkan apl ikasinya.
Untuk dk > 30, kira-kira mempunyai distribusi normal, dengan
nilai rata-rata sama dengan 0 dan varian
:
1,0, dengan demikian
untuk dk > 30 dapat menggunakan tabel distribtisi normal (tabel
r.2).
Derajat kebebasan dk: N - K, untuk K: 1 maka :
dk:N-K:N-l
Keterangan:
dk = derajat kebebasan
N
:
jumlatr
data
K
:
jumlah pengamatan bebas dalam sampel
Contoh 1.10.
Dari contoh l.l, telah dihitung data curah hujan, selama 32 tahun
(1950 - l98l) sebagai populasi :
.
Pos hujan Dago
Deviasi standar o,
:
378 mm
Varian 6f
:
142.884 mm
.
Pos hujan Malabor
it?
l)cviasi standar o,
:
Varian o2'=
.
Rata-rata varian 02 =
670 mm
448.900 mm
142.884 +448.900
= 295.892 mm
dianggap sebagai varian populasi.
l)rrrr contoh 1.3, telah dihitung data hujan dari pos hujan Majalaya
scliurra I I tahun (1974 - 1985) sebagai sampel :
a
a
Varian
Deviasi standar S
:
476 mm.
32: 226.576 mm.
'fentukan
apakah ada perbedaan yang nyata antara varian sampel
(S'z) terhadap varian populasi (o'?) pada derajat kepercayaan 5 7o.
Jawob contoh 1.10.
Tentukan hipotesis statistik :
Ho : o2 - S'
:
0 (tidak ada beda nyata)
H, : o2 - 52 + 0 (terdapat beda nyata)
Diketahui bahwa :
32 =226.576 mm
N = ll tahun
c2:295.892 mm
Dari persamaan l.l7.b :
-z-N.52
lv ',
o-
,z -
ll
l?_25.,5--76
=
g-42
^ 295.892
v"-
l)cririat kebebasan dr.:N - 1= 11 - l:10. Nilai kritisuntukX'uji
rirltt sisi pada derajat kepercayaan cr:5
oZ
dcngan dk = l0 adalatr
t'
lll,l07 (lihat tabel I-3, pada bagian ukhir Bab I). Dari
;rcrlrrlrrrrl,lirrr
tlilrcroleh y2:8,42,jadi lebih kccil
262
= 18,307 olch
38
karena itu hipotesis nol dapat diterima. Atau dapat dikatakan batrwa
95 % betul bahwa varian data hujan di Majalaya tidak berbeda
dengan rata-rata varian data hujan di Dago dan Malabar.
1.4.2. Penguiian Vatia;n Pogubsi
Apabila o,2 dan or' adalah varian dari dua populasi, maka
kedua nilai tersebut untuk diuji, harus membuat hipotesis statistik :
Ho:o,2=622=o2
Metode statistik yang umum digunakan untuk menguji hipotesis
tersebut adalah Uji-F. Jika S,'z dan Sr2 adalah varian dari sampel
dengan jumlah
N, dan N, maka dapat dilakukan pengujian dengan
menggunakan distribusi F yang telah dikembangkan oleh Fisher.
Apabila varian kedua sampel tersebut setelah di uji temyata tidak
terdapat perbedaan nyata maka dapat disebut varian sama
jenis
(homogeneous yariances).
Distribusi F dapat dirumuskan sebagai
berikut :
(F)
dengan
c
=
"{
(dr r)
F
,-l
(dk I +dt2)
(dkz + dkrF)-
2-
(1.20)
(1.22\
:
(dkr)&'/2(dkr)&2/2 r
{1951-t}
(l.21)
F:
dk,
:
dk,
:
r(?) r(*)
Nr .Sr2(N2-l)
Nz .Sz'(N, - t)
N'-l
Nr-1
Keterangan:
(F)
:
fungsi distribusi F.
F
:
perbandingan F.
89
dk, = derajat kebebasan kelompok sampel ke l.
dk,
=
derajat kebebasan kelompok sampel ke 2.
f
:
fungsi gamma.
Nr
:
jumlatr sampel kelompok sampel ke 1.
N2
:
jumlatr sampel kelompok sampel ke 2.
Sr
:
deviasi standar kelompok sampel ke l.
S2
:
deviasi standar kelompok sampel ke 2.
ferulilssn;
l'enggunaan distribusi F adalatr sama dengan penggunaan
distribusi-t. Dalam hal ini, hipotesis nol ditolak
jika S,'z lebih besar
pengujian dua sisi (Tabel distribusi F tercantum pada tabel l-4, pada
bagian akAir bab I).
Contoh 1.11. z
Dari contoh 1.1, telah diperoleh :
o
Pos curah hujan Malabar
Nr
:32
tahun
Sr
:670
mm/tatrun
.
Pos hujan Dago
N2
:32
tahun
32
:378
mm/tahun
Tentukan hipotesis statistik :
.
Hipotesis nol H0 : o,2 - oz'
:0
.
Hipotesis alternatip Hl : o12 - or2 * 0
I)ari persamaanl.22 :
Nr .S,
,
[N,
- t;
Nr . Sz
'(N,
- t)
40
,
_
zz
$lo)2_(rz
- t)
:3,14
32(378)'(32 - l)
Dari tabel l-4, padaderajat kepercayaan 5
o/o,
untuk dkl
:
dk2: 32,
maka diperoleh F tabel = 1,84. Karena F terhitung
:
3,14 lebih
besar daripada F tabel
:
1,84 maka hipotesis nol tidak dapat
diterima. Dengan demikian dapat dikatakan bahwa 95 % beftl/-
bahwa varian curah hujan Dago dan Malabar mempunyai beda
nyata.
Dari contoh 1.2,
juga
telah diperoleh bahwa 95
oh
betul
bahwa rata-rata curah hujan Dago dan Malabar mempunyai beda
nyata. Oleh karena nilai varian serta rata-ratanya mempunyai beda
nyata, maka dapat dikatakan bahwa curah hujan di Dago tidak sama
jenis/tidak
homogen terhadap curah hujan di Malabar, dengan
demikian keberadaan pos hujan di kedua lokasi tersebut
masing-masing sangat penting, data curah hujan di Dago tidak
dapat digunakan untuk mewakili data curah hujan di Malabar.
1.4.3. Aii Kcsanna,an Jenis Vafian {fampcl
Kadang-kadang dari pos pengamatan data hidrologi, baik
pos hujan, pos duga air ataupun pos iklim, oleh karena suatu sebab
maka datanya tidak dapat tersedia berkesinambungan, kadang
terputus untuk beberapa kali. Oleh karena itu perlu melaksanakan
pengujian kesamaan jenis
data setiap varian dan setiap periode yang
datanya tidak terputus. Pengujian dapat dilakukan dengan metode
Bartlett - Chikuadrat distribusi. Persamaannya untuk k kali pos
hidrologi berhenti operasinya adalah :
x'=
(1.33)
k+l
dk:Iau
i=l
dki . ln. Si2
(1.34)
4t
i
:
pcriode ke 1,2, ..., n.
ln
:
logaritma natural
dk
:
derajat kebebasan
Keputusan :
Apabila
X'
yang dihitung ternyata lebih besar dari pada
A2
tabel,
rrr:rkir hipotesis nol yang dibuat ditolak dan menerima hipotesis
irltr:rrrutip.
L'utttoh--l-lA
I)ari l)PS Citarum di pos duga air Nanjung (lihat peta pada Gambar
1.2), telah dilaksanakan pendataan data volume aliran dari tahun
1920 - 1930 dan pada tahun 1974 - 1981. Tentukan apakah volume
aliran tahunannya mempunyai varian.yang sama
jenis pada derajat
kepercayaan 5 Yo.
Jawab Contoh 1.12. z
Tabel 1.6. dari pos duga air sungai Citarum - Nanjung menunjukkan
data volume aliran tahunan untuk periode tahun 1920-1930, volume
aliran dinyatakan dalam
juta
m3/tahun. Tabel 1.7, menunjukkan data
debit untuk tahun 1974-1981, debit dinyatakan dalam
juta
m3ltahun.
Tentukan hipotesis statistik :
.
hipotesis nol H, : S,2 = Sr2 (varian sama)
.
hipotesis alternatip H, : S,2 * Sr' (varian beda)
Dari tabel 1.6. diperoleh :
Nr = ll
St'=266
42
Tabel 1.6. Volume Aliran Tahunan Sungai Citarum -
Nanjung Tahun t9Z0 - 1930 (Juta m3)
Sumber : perhitungan dari buku publikasi debit. PUSAIR
Tabel 1.7 Volume Aliran Tahunan Sungai Citarum
_
Nanjung Tahun t974 - lggl (Juta m3)
No. Tahun xt (X, - X) (X, - X)'
t920
921
922
923
924
925
926
927
928
929
930
2.536
1.753
2.346
t.567
2.577
1.280
1.574
1.419
2.448
1.441
2.349
0,601
- 0,192
- 0,41I
- 0,368
0,642
- 0,655
- 0,361
- 0,516
0,553
- 0,424
0,4t4
0,361
0,033
0,1 69
0,1 35
0,412
0,429
0,1 30
2,660
0,306
0,244
0, l7l
Jumlah 21.290 0,045 2,656
Rata-rata
:
1.935
Varian
:
266
No Tahun x) (X, - X) (X, - X)'
l.
2.
J.
4.
5.
6.
7.
8.
974
975
976
977
978
979
980
981
2.50'7
3.145
1.635
2.129
2.517
2.999
1.534
1.731
0,232
0,870
- 0,640
- 0,146
0,242
0,742
0,741
- 0,544
0,054
0,757
0,4t0
0,021
0,059
0,s24
0,549
0,296
Jumlah
:
18. 197 1,479 2,670
Rata-rata = 2.275
Varian :
380
Sumber : perhitungan dari buku publikasi debit,
pUSAIR
ls
l)ari tabel 1.7, diperoleh :
Nz:8
Sz' = 380
Derajat kebebasan untuk dua periode :
dk':N, - 1= 1l - l: l0
dk2:Nr-l: 8-l: 7
I)crajat kebebasan total berdasarkan persamaan (1.34) untuk k = I
lsatu kali periode terputus datanya)
k+l
dk:
x
dk,
i-l
2
dk =
X
dk,:dkr+dk2=10*7:17
I
Nilai k sama dcngan jumlah periode dikurangi I atau dalam hal ini
k:2-l = l. Berdasarkan persamaan (1.33), maka :
x'=
44
x'=
97,682 - 97,416 0,266
1,061 1,061
:
0,250
Dari tabel I-3 pada bagian akhir Bab I, tabel
12,
untuk derajat
kebebasank:2 - l: I padaderajatkepercayaan
5%omaka
diperoleh
x2
tabel = 3, 841. oleh karena
x2
perhitungan
0,250 lebih
kecil dari pada y2 tabel maka hipotesis nol dapat diterima. Dengan
demikian dapat dikatakan bahwa 95 % betul bahwa varian data
volume aliran tahunan sungai citarum - Nanjung untuk periode
tahun 1920 - 1930 tidak ada beda nyatajika dibanding varian tahun
1974 - 198t.
untuk latihan coba Saudara uji, apakah ada perbedaan
nyata
nilai rata-ratanya untuk kedua periode data tersebut pacla derajat
kepercayaan 5 %o, menggunakan uji-t menggunakan rumus 1.6. Bila
ternyata tidak ada beda nyata nilai rata-ratanya dan variannya telah
terbukti tidak ada beda nyata maka data debit tahunan dua periode
tersebut adalah sama jenis/homogen,
dan dapat dianggap satu seri
data.
1.4.4. Uii - Chi Kuadtat Untuh l)ata Berpasangalrt
Uji-chi kuadrat untuk data berpasangan adalah menguji
kecocokan antara data pengukuran dan hipotesis. Uji ini penting
untuk menentukan apakah distribusi frekuensi hasil pengukuran
berbeda secara nyata dengan frekuensi yang diharapkan menurut
hipotesis. Umumnya dapat dirumuskan sebagai berikut :
,, :$ fto
-
el')
x'=?,
(--E:l
(1.3s)
Keterangan :
X2
:
chi-kuadrat terhitung
O
:
nilai pengamatan/pengukuran
E
:
nilai yang diharapkan
N
:
jumlah
data
46
horrrlrsr untuk Uji-chi kuadrat:
l). semua variat dalam sampel harus merupakan variaber
bebas.
2). perbedaan
antara nilai pengamatan yang kecil dan nilai
yang diharapkan pada bagian akhir distribusi memp,nyai
pengaruh yang besar terhadap nrlu
f
.
('ontoh
1.13.
I'abel 1.8, menunjukkan
data debit dari bangunan ukur debit dari
jenis
cipoletti disaluran sekunder
pesanggrahan
JKN vI, daerah
Irigasi cirebon.
Qr,
menunjukkan data debit yang dihitung dengan
rumus hidrolis dan telah tersedia tabel debit yang sehari-hari
digunakan oleh pengamat penjaga pintu JKN vI, untukmenentukan
debit yang harus dialirkan.
ep,
adalah debit yang diukur dengan
alat ukur arus, setelah di analisa lengkung debitnya. Dengan derajat
kepercayaan 5
oz,
tentukan apakah terdapat perbedaan
oyutu antara
Qr
dan
Qp.
Jawab Contoh 1.13. :
Tentukan hipotesis statistik :
.
hipotesis nol FIo :
er
=
ep
(sama)
o
hipotesis alternatip H, :
er
*
ep @eda)
Pengujian ini dimaksudkan untuk melaksanakan kalibrasi lengkung
debit yang merupakan tabel debit (er) yang sehari-hari digunakan
oleh pengamat
untuk membagi air di saluran irigasi JKN.VI,
saluran Pesanggrahan,
terhadap lengkung debit yang merupakan
pengukuran
debit menggunakan alat ukur arus.
Dari perhitungan
data debit pada tabel 1.g, diperoleh
262
hitung
:
720,038. Pada derajat kebebasan dk
:
N - I - 24 dari
tahcl
x2
(tabel I-3) pada derajat kepercayaan cr = 0,05 menunjukkan
bulrwa
A2
tabel = 36,41 (dibaca pada a
:
0,05).
@
46
Tabel 1.8 Debit Saluran Irigasi di Bangunan Ukur Debit
Cipoletti JKN VI Daerah Irigasi Cirebon
Sumber : Pengukuran lapangan, tahun l9g0
Keterangan :
Qr = debit dari tabel di pengamat.
Qp = aeuit dari rengkung debit, penlukuran debit dengan arat ukur arus.
H = tinggi muka air.
oleh karena
?(2
hitung ternyata lebih besar daripada y2 tabel
maka hipotesis nol tidak dapat diterima, dengan demikian harus
menerima hipotesis alternatip. Dapat dikatakan bahwa 95 %o betul
terdapat perbedaan yang nyata antara data debit yang telah tersedia
l.
2.
3.
4.
5.
6.
7.
8.
9.
10.
I l.
12.
13.
14.
15.
t6.
17.
18.
19.
20.
21.
))
23.
24.
25.
2
4
6
8
l0
t2
t4
l6
l8
20
))
24
26
28
30
32
34
36
38
40
42
44
5,62
l0,l I
16,50
26,50
36,50
46,50
59,00
71,50
85,30
99,90
I14,01
130,30
l4't,ll
160,20
182,40
201,49
221,24
241,05
261,42
282,32
303,76
325,72
348,17
371,t3
394,56
15,05
37,05
46,50
62,50
80,50
99,50
I16,50
136,50
r 58,70
175,20
196,50
216,50
239,50
259,20
287,50
303,50
327,40
351,40
372,20
396,30
415,00
435,00
457,50
477,50
495,00
9,43
26,94
30,00
36,00
44,00
52,00
57,50
65,00
73,40
75,40
82,49
86,20
91,39
99,00
105,10
102,01
106,16
I10,35
I10,78
I l3,gg
lll,24
109,29
109,33
160,37
100,44
5,908
20,000
19,350
20,736
24,049
27,451
28,379
30,952
33,948
32,449
34,629
34,320
35,019
37,812
38,420
34,286
34,422
34,684
32,972
32,791
29,917
27,457
26,126
23,695
20,390
Jumlah
t7
pirtla tabel debit di pcngamat dengan data debit hasil pcngukururr
tlc:bit dengan menggunakan alat ukur arus.
Dari pengamatan dilapangan keadaan tersebut disebabkan
oleh karena kecepatan aliran yang terjadi di kolam penenimg
(bagian hulu) dari Capoletti terlalu besar. Pengukuran dilapangan
kecepatan alirannya berkisar antara 0,30 - 0,60 m/det, sedangkan
menurut standar yang disarankan seharusnya kecepatan alirannya
harus kurang dari 0,15 m/det. Besarnya kecepatan aliran tersebut
disebabkan oleh karena :
l). posisi Cipoletti terlalu dekat dengan bangunan bagi.
2). terjadinya pengendapan dikolam penenang sehingga
kedalamannya berkurang, ymg seharusnya kedalaman-
nya harus lebih dari 2kali tinggi muka air diatas mercu,
sedangkan kenyataannya dilapangan hanya Ya nya.
Kcnyataan tersebut akan menambah lajunya kecepatan aliran
disebelah Ilulu Cipoletti sehingga debit yang mengalir melalui
Cipolettijuga akan bertambah besar. Oleh karena itu untuk operasi
pengaliran debit harus menggunakan data
Qp,
tidak
Qr
lagi. Tidak
tepatnya penentuan debit tersebut akan dapat menimbulkan masalah
dalam pembagian air irigasi.
1.5. METODE TO'U PANAI,IETAIK
Pada Sub. Bab 1.3 dan 1.4, telah dibahas cara menguji
sampel, apakah dua sampel berasal dari populasi yang sama.
Metode yang telah digunakan adalah metode parametrik
Qtarametric
methods), dengan menganggap populasinya
mempunyai atau mengikuti distribusi tertentu. Dalam. metode
parametrik diperlukan parameter khusus, misal nilai rata-rata,
rleviasi standar, dari populasi yang diamati, sedangkan dalam
ntctode non parametrik (non parametric methods) parameter
tcrschut tidak diperlukan. Dalam metode non parametrik dibuat
iurl.itirpiln bahwa data pengukurar/ pengamatan adalah merupakan
48
variabel bebas (independenl). Dalam uji non parametrik umumnya
data pengukuran/pengamatan disusun dalam suatu rangkaian data
dari yang terkecil ke yang terbesar dan kadang-kadang dalam
bentuk simbul.
Perhitungan uji non parametrik lebih sederhana, dan dapat
dikerjakan dengan cepat, tidak harus merupakan data kuantitatip,
dapat
juga
berupa data kualitatip (misal "besar" atau "kecil",
"rusak" atau "tidak"). Walaupun demikian apabila anggapan-
anggapan yang diperlukan dalam uji parametrik terpenuhi, datanya
cukup banyak, dan hasil pengukuran teliti maka lebih baik
menggunakan uji parametrik. Uji parametrik dan non parametrik
dapat digunakan serentak bersama-sama untuk menguji hipotesis
statistik, dari data yang sama. Beberapa metode non parametrik
yang umum digunakan adalah :
l). Uji Mann dan Whitney
2). Uji Kruskal - Wallis
3). Uji Kolmogorov - Smirnov
Uji non parametrik Mann dan Whitney akan dibahas pada sub bab
1.5.1 serta uji non parametrik
Kruskal
- Wallis akan disampaikan
pada sub bab 1.5.2, sedangkan untuk uji Kolmogorov- Smirnov
dibahas pada buku jilid I, judul yang sama.
1.5.1. Uii l+lonn dan Vllrlitncg
Uji Mann dan Whitney (Mann and Whitney test) dapat
digunakan untuk menguji apakah dua kelompok data yang tidak
berpasangan (independenr) berasal dari populasi yang sama atau
tidak. Dari dua kelompok sampel yang diukur dari dua kelompok
populasi A dan populasi B, maka dapat dibuat hipotesis bahwa A
mempunyai sebaran yang sama dengan B. Untuk pengujian kedua
kelompok tadi digabungkan dan kemudian dibuat rangkaian dari
data tersebut dari nilai yang terkecil sampai yang terbesar,
pekerjaan ini sering disebut dengan membuat peringkat (ronk).
rt
lrrhapan pcngujiannya adalah .
I
).
gabungkan kedua kelompok data A dan ll.
2). buat peringkat rangkaian data dari nilai tcrkccil sutnpnl
yang terbesar.
3). hitung
jumlah peringkat rangkaian data tiap kelompok.
4). hitung parameter statistik :
u,
:
N,Nr*Y(Nr+l)-Rm
Uz
:
Nr N, -Ut
Keterangan:
U,, Uz = parameter statistik
Nr
:
jumlah data kelompok A
N2 =
jumlatr data kelompok B
Rm =
jumlah nilai peringkat dari rangkaian data
kelompok A.
5). pilih nilai U' atau U, yang nilainya lebih kecil sebagai
nilai LJ.
6). hitung uji Mann - Whitney, sebagai nrlanZ :
Z-
U-Nr Nz)
2
(1.38)
(1.36)
(1.37)
t*{N,
Nz(Nr +N2 + l)}1}
7). Keputusan:
Dengan anggapan batrwa kedua sampel kelompok A dan
B mempunyai distribusi normal (kira-kira betul kalau
jumlah
sampel tiap kelompok minimal 30 buah), maka
dari tabel 1.2 dapat ditentukan nrlal.Zc, untuk pengujian
dua sisi (dalam tabel 1.2 di tulis tc). Bila nilai Z
<
Zc
maka hipotesis nol dapat diterima, sedangkan bila nilai
Z> Zc maka hipotesis nol ditolak.
60
Contoh 1.14.
Tabel 1.9, menunjukkan data evapotranpirasi rata-rata harian tahun
1987, dari pos klimatologi di wonosobo dan Singomerto, keduanya
di DPS Serayu bagian Hulu di Propinsi Jawa Tengah. Tentukan
apakah data evapotranspirasi ke 2 pos tersebut berasal dari populasi
yang sama, pada derajat kepercayaan 5 %o.
Tabel 1.9 Data Evapotranpirasi Rata-rata Tahun 1987
(dalam mm/trari).
No. Bulan Singomerto Wonosobo
l.
2.
3.
4.
5.
6.
7.
8.
9.
10.
IL
12.
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
3,34
2,gl
2,93
3,01
2,82
2,50
2,58
2,94
3,30
3,06
2,95
3,16
3,66
4,06
3,67
3,76
3,49
3,20
)o)
3,00
3,33
3,54
3,74
3,68
Sumber : Puslitbang Pengairan, 1988.
Jawab Contoh 1.14. z
Misalkan kedua
Frr
dan p, adalah rata-rata dari kedua data tersebut
pada tabel 1.9, maka dapat dibuat hipotesis statistik :
.
hipotesis nol Ho : pr =
lrz
(sama)
'
.
hipotesis alternatip H, : p, * p, (berbeda)
Selanjutnya data dari tabel 1.9, disusun dan diurutkan peringkat
rangkaian data mulai dari yang terkecil sampai yang terbesar
61
rrilainya, kedua data tersebut digabungkan, data Singorncrto (XA)
rlan data dari wonosobo (XB), sebagai ditunjukkan patla tabcl I .10.
Tabel l.l0 Perhitungan Uji Mann dan Whitney
No. XA Rm XB Rm
l.
2.
J.
4.
5.
6.
7.
8.
9.
10.
I l.
12.
3,34
2,81
2,93
3,01
2,82
2,50
,2,58
2,94
3,30
3,06
2,95
3,16
l6
3
6
l0
4
I
2
7
t4
ll
8
t2
3,66
4,06
3,67
3,76
3,49
3,20
2,92
3,00
3,33
3,54
3,74
3,68
l9
24
20
23
l7
l3
5
9
l5
l8
22
2t
Jumlah 94 206
Sumber : Perhitungan data tabel 1.9.
Berdasarkan
rumus (1.36), maka :
Ur:NrNr**Nr+l)-Rm
z
U,
:
(12) (12) + (t2t2) (12 + r) - 94
U,: 144 + 78 - 94
U,:128
Berdasarkan
nrmus (1.37),maka
:
U2:N1.N2-U1
Ur= (12) (12) - tzS
Ur:144 - 128
Uz: 16
52
Nilai U2 = 16, dan ternyata lebih kecil nilainya
jika dibandingkan
nilai U,
:
l28,maka untuk perhitungan selanjutnya U
:
Uz: 16'
Berdasarkan rumus (1.38), maka :
U-
(*r.*r)
Z_
16
-
,''It"
Itt*
r.Nz(Nr
+N2 + l))]l
[ *ttrzltrz
)e2
+rz + r)]]i
z : -56
=
-56 :-3-233
tro
17'32
Berdasarkan data pada tabel 1.2, untuk derajat kepercayaan 5
o/o,
maka diperoleh nila;_Zc:1,96 danZc: -1,96, oleh karena Z> Zc'
maka hipotesis nol ditolak, dan harus menerima hipotesis alternatip'
Dengan kata lain 95 % betul bahwa data pada tabel 1.9, berasal dari
populasi yang berbeda. Dengan demikian keberadaan
pos
klimatologi di Singomerto dan Wonosobo keduanya masing-masing
sangat diperlukan.
1.5.2. Afi Ktuskol' Wa,llis
uji Kruskal - wallis (Kruskal - wallis resf) diperkenalkan
oleh W.H.Kruskal dan W.A.Wallis
pada tahun 1952' dan
merupakan altbmatip bagi uji-F untuk menguji rata-ratz dalam
analisis varian. Analisis varian akan dibatras
pada sub'bab 1'6' Uji
ini untuk menguji hipotesis nol H6, bahwa
(k) sampel bebas berasal
dari populasi yang salna, dimana
(k) merupakan
jumlah kelompok
sampel, dan umumnYak> 2.
Tahapan untuk menggunakan Uji Kruskal-Wallis
adalah :
l). gabungan semua data yang berasal dari (k) kelompok
menjadi satu kelomPok'
Z_
6il
2). buat peringkat dengan crllt rrlengurutkan
data diui yang
nilainya terkecil sampai tcrbesar.
3). hitung
jumlah peringkat rangkaian data dari setiap
kelompok.
4). hitung parameter statistik dengan rumus (1'39), sebagai
berikut:
H:ffi,3(#)r-t3(N+r)l
Keterangan:
(1.3e)
H = nilai uji l(ruskal-Wallis
N
:
Nr * N,
+ ...+ N,:
jumlah seluruh sampel
\
: jumlah peringkat rangkaian data pada kelompok
sampel ke i.
i
:
I
,2,3,...,k
n, = jumlah samPel tiaP kelomPok
k
..
total
jumlah kelomPok samPel
5). Keputusan:
Apabila H nilainya
< Hc maka Ho diterima dengan
derajat kebebasan dk
:
k-l pada derajat kepercayaan
tertentu. Nilai Hc dibaca pada tabel
1'?
(lihat tabel I-3)
pada bagian akhir bab I. Apabila H > Hc maka H6
ditolak dan harus menerima hipotesis alternatip H,.
Contoh 1.15.
Dari contoh 1.14, berdasarkan data evapotranspirasidi
pos iklim
Singomerto dan Wonosobo, seperti tercantum pada tabel 1.9.
'l'entukan
apakah kadua kelompok data evapotranspirasi tersebut
berasal dari populasi yang suna, pada derajat kepercayaan 5
oh
dengan menggunakan Uj i Kruskal-Wallis.
54
Jawab Contoh 1.15. z
Buat hipotesis statistik sebagai berikut :
.
hipotesis nol Ho : pr = p, (sama)
.
hipotesis alternatip Hr : pr * pr, (berbeda)
Pada contoh I . 14, telah diperoleh bahwa dari tabel I . l0 :
Data evapotransparasi di Singomerto,
nt: 12
R,=94
Data evapotransparasi di Wonosobo,
n2: 12
Rz:206
Jumlah seluruh data N = Nr * N,
:
12 + 12:24
Berdasarkan rumus 1.39, maka :
H
:
ffi'$(#)r-t3(N+r)l
H-
ffitry.ry1
-t3(25)l
H:
#
(T6,33+3536,33) -(7s)
H: 14,24-75=-60,75
Dari tabel I-3 pada tabel y2, bagian akhir Bab I, diperoleh batrwa
untuk derajat kepercayaan 5 Yo dan derajat kebebasan k:2 - I
:
l,
nilai Hc
:
3,841. Temyata nilai H
jauh
lebih besar jika
dibanding
dengan Hc, oleh karena itu hipotesis nol Ho ditolak dan harus
bahwa 95 % betul, kedua kelompok data avapotranspirasi pada
tabel 1.9 berasal dari populasi yang berbeda. Oleh karena
keberadaan pos iklim di Singomerto dan Wonosobo, masing-
masing sangat diperlukan (populasinya berbeda). Kesimpulan ini
sama dengan kesimpulan contoh 1.14.
66
Contoh 1.16.
Analisa contoh air untuk menentukan hcrut spesifik (spesifik
weight) angkutan sedimen melayang dari lokasi pos duga air sungai
Citarum - Nanjung yang diambil secara acak pada tahun 1981,
hasilnya dari bulan Januari - April tercantum pada tabol 1.1 1.
Tabel l.l I Berat Spesifik Angkutan Sedimen
Melayang Sungai Citarum - Nanjung
tahun l98l (dalam gram/cm3)
No. Januari Februari Maret April
I
2
J
4
5
0,66
0,63
0,53
0,51
0,45
0,61
0,59
0,67
0,65
0,60
0,62
0,57
0,61
0,64
0,56
0,52
0,62
0,71
0,68
0,69
Sumber : DPMA, Buku Laporan No. 246lHI-43/1981
Tentukan apakah angkutan sedimen melayang dari pos duga air
sungai Citarum - Nanjung mempunyai berat spesifik dari populasi
yang sama pada derajat kepercayaan 5
o/o,
menggunakan metode
non parametrik, Uji I(ruskal-Wallis.
Jawab Contoh 1.16. z
1). Buat hipotesis statistik :
.
hipotesis nol Ho:
Pr
:
V2: llo: ltq
.
hipotesis altematip Hr : pr *
trt,
*
ltz
*
Vt
2). derajat kepercay aan 5 %o.
3). daerah kritis Hc )
X'o,r,
untuk derajat kebebasan
:
k- I
66
4-l:3, Hc:7,815 (lihat tabel I-3, bagian akhir Bab I).
Data dalam tabel 1.11, diubah nilai berat spesifik itu
menjadi peringkat urutan dari yang terkecil sampai yang
terbesar untuk Setiap bulan, seperti ditunjukkan pada
tabel 1.12.
Tabel t . 12. Peringkat Urutan Data Tabel I .l l.
No. Januari Februmi Maret April
l.
2.
3.
4.
5.
l6
r3
4
2
I
9,5
7
t7
l5
8
I1,5
6
9,5
t4
5
3
I 1,5
20
t8
l9
Jumlah
36 56,5 46 71,5
Sekarang dengan mensubstitusikan n,
:
5, trz
:
5, 1r
:
5 dan rU
:
5
serta Rr
:36,
Rr:56,5, Rr:46, Ro:71,5 dan N
:20,
maka
berdasarkan nrmus (1.39), dapat dihitung nilai Uji Kruskal-wallis
sebagai berikut :
H =
ffit$(ff)]-o^*,,,
,
:
ffitg. ry
.ry.
ry]-r3(20+,)
, =
h<r.343,30)-63
H = 66,95-63:3,95
Keputusan :
Karena H
:
3,95 ternyata tidak jatuh
didaerah kritis karena Hc
:
7,815, berarti tidak punya bukti yang cukup untuk menolak
hipotesis bahwa berat spesifik angkutan sedimen melayang adalah
sama untuk sampel data bulan Januari, Februari, Maret dan April
4).
67
l(,ll I I )cngan <lemikian dapat dikatakan 95
ol,,
betul bahwa berat
',P.rrlik angkutan sedimen melayang tersebut bcrasal dari populasi
!'iilrg sarna.
r.6. AtAt rsrs vABtAN
Pada sub bab 1.3 telah dijeraskan prosedur
untuk menguji
apakah nilai rata-rata dua populasi itu akan sama atau tidak, dengan
asumsi varian kedua populasi itu sama meskipun
tidak atau belum
diketahui nilainya. sedangkan sub bab r.4 menjelaskan prosedur
untuk menguji apakah nilai varian dua populasi
tersebut sama atau
tidak. Pengujian hipotesis statistik akan lebih
bermanfaat apabila
prosedur pengujian diperluas sehingga mencakup
uji hipotesis
statistik yang membandingkan (k) buah nilai rata-rata populasi
sekaligus. Misalnya kita akan menguji apakah
tiga buah Dps yang
aliran sungainya masuk ke suatu waduk mempunyai
,otong* yar!
sama terhadap volunrc sedimen yang masuk waduk tersebut dari
waktu ke waktu, atau misalnya dari 5 buah DpS yang luas hutannya
tidak sama menghasilkan
laju erosi yang sirma.
prosedur
unhrk
menguji penomena hidrologi
tersebut dapat dilakukan dengan
analisis varian.
Analisis varian dikenalkan
oleh salatr seorang statistikawan,
yaitu sir Ronald A.Fisher (1g90 - 1962).
Lalisis varian
merupakan salah satu metode analisis statistik yang bertujuan untuk
menganalisis variasi data yang terjadi karena
berbalai variasi
sumber (sources)
atau sebab (causes).
pada
mulanya dikembangkan
untuk terutama dalam penelitian
dibidang pertanian,
misal untuk
mengetahui pengaruh
dosis pemupukan
terhadap produksi padi.
Namun sekarang metode ini telah dikembangkan
untuk berbagai
ilmu pengetahuan
termasuk
hidrologi. Ada beberapa anggapan
dalam analisis varian :
l). populasi yang diuji mempunyai distribusi
normal.
2). populasi yang diuji mempunyai nilai varian yang sama.
Misalnya kita mempunyai k, (k>2)
buah populasi yang
5tt
rnasing-masing mempunyai distribusi norrnal, dengan :
Nilai rata-rata : pr,
Fz,
.....,
Fr
deviasi standar: or, o2, ....., ok
Dalam hipotesis statistik akan diuji :
hipotesis nol Ho : pr
:
Vz:....
:Irr
hipotesis alternatip H, : sekurang-kurangnya dua nilai
rata-ratatidak sama
Selain nilai populasi dianggap mempunyai distribusi normal, maka
dalam analisis varian dimisalkan bahwa populasi bersifat sama jenis
(homogen).
Dari setiap populasi dipilih sampel secara acak, berukuran nl untuk
polupasi ke l, berukuran n, untuk populasi ke 2 dan seterusnya
terakhir berukuran nk untuk populasi ke k.
Hal yang perlu diingat bahwa pada analisis varian adalah bahwa
analisis in!-tidak dimaksudkan untuk menguji perbedaan nilai varian
setiap populasi akan tetapi justru
untuk menguji nilai rata-ratanya
dengan menggunakan Uji-F. Umumnya analisis varian dapat
dibedakan menjadi dua model, yaitu :
l). Klasifikasi satu arah (one-way classification) : model
klasifikasi satu arah digunakan untuk menguji apakah
ada perbedaan atau tidak dari beberapa kelompok
sampel.
2). Klasifikari dua aruh (two-way t'lu.ssificotion) : model
klasifikasi dua arah digunakan untuk menguji apakah
ada perbedaan atau tidak setiap variat pada setiap
kelompok dan
juga
menguji apakah ada perbedaan
setiap kelompok sampel.
Sub bab 1.5.1 akan menguraikan secara singkat analisa varian
dengan model klasifikasi satu trfr, dan sub bab 1.6.2 akan
menguraikan secara singkat analisis varian dengan model klasifikasi
dua arah.
69
1.6.1. Klaslllkasl satu Asth
Apabila kita mempunyai k buah populasi, setiap populasi
dipilih sampel secara acak, dan apabila dianggap populasi itu :
.
bebas (independent).
.
mempunyai distribusi normal.
.
variannya sama
jenis (o2 sama).
Maka dapat dibuat hipotesis statistik :
Ho :
Pr
=
F2:...: Pr
H, : sekurang-kurangnya dua nilai rata-rata tidak sama
(Catatan : Untuk menguji kesamaan
jenis
nilai varian setiap sampel
dari k buah populasi dapat mengunakan Uji-Bartlett, seperti
diuraikan pada sub bab 1.4.3).
Untuk memperrnudah pemahaman tentang analisis varian dengan
modcl satu arah, maka lebih baik diikuti contoh 1.16, berikut ini :
Contoh 1.16.
Tabel 1.13, menunjukkan data debit sedimen ratalata bulanan dari
bagian hulu.DPS Citarum selama tahun 1981 di tiga lokasi pos duga
air (lihat gambar 1.2), yaitu di :
.
Cikapundung - Maribaya (X,)
.
Cigulung - Maribaya (Xr)
.
Cikapundung - Gandok (Xr)
Lakukan analisis varian, dan ujilah hipotesis pada derajat
kepercayaan 0,05 bahwa nilai rata-rata data debit sedimen tersebut
adalah sama jenis
untuk ke 3 lokasi pos duga air tersebut.
60
Tabel I .13 Debit Sedimen Rata-rata DPS Citarum
Hulu (dalam 100 ton/trari)
Sumber : Buku Publikasi Sedimen, DPMA, l98l
Catatan : X, = 6lLuprndung - Maribaya Tahun 1981
X2 = Cigulung - MaribaYa Tahun l98l
x3 = Cikapundung - Gandok Tahun l98l
Uji hipotesis dapat disajikan sebagai ditunjukan pada tabel l.l4a.
Tabel l.l4a. Analisis Varian Model Klasifikasi Satu Arah.
No. Bulan Kelas
:
Kelompok: Kolom
x, x2 x3
I
2
3
4
5
6
7
8
9
l0
ll
t2
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
0,40
0,22
0,57
0,44
0,49
0,27
0,31
0,21
0,17
0,16
0,27
0,23
0,38
0,20
0,76
0,77
1,27
0,40
0,47
0,34
0,04
0,03
0,47
0,13
0,37
0,17
0,78
0,93
0,35
0,41
0,22
0,11
0,19
o,:,
Sumber
Variasi
Derajat
Kebebasan
Jumlah
Variasi
Perkiraan
Varian
uji-F
Antar kelas k- l v2
^V,
Q
z
= ---i--
k-l S,,
--s;r-
Dalam kelas N-k vr s.'= --Y-r---
'
N-k
Iotal N-l v, -Yr-
N-l
V, V, + V., (t.42)
6l
I'e4jelasan tahel l.
I
4.a.
Variasi total diantara pengamatan, adalaS y1
-
i=ri=ni z \2
vt:
II(x:i_x.,)
i=l j=l '
dengan :
x=*Iii,><,'
(1.40)
(1.41)
Keterangan
Vt:
t_
l-
variasi total diantara pengamatan.
7,2 ...1
:
jumlah kelas = jumlah
pos pengamatan
:
.iumlah
kelompok.
totaljumlah kelas.
1.2, ... nj
:
data dalam sebuah
kelas.
jumlah data dalam kelas ke i.
rata-rata total.
Total jumlah pengamatan
dari seluruh kelas.
data ke
j
dalam kelas ke i.
k
j:
nj
x
N
xji:
Sumber variasi dibagi menjadi dua, yn|1, '
1). V,
:
Variasi dalam kelas (variation of the observation
within the classes;,
yaitu jumlah deviasi kuadrat tiap
pengamatan terhadap rota-1414
tiap kelas.
2). Yr: Variasi antar kelas (variation between classes),
yaitu jumlah
deviasi kuadrat
dari rata-rata tiap kelas
terhadap r ata-r ata total.
Sclirniutnya :
82
v,:IrfG:t-x)
i=k/\
v,:In, (X'-X,)
x,=
*
*i,
xt
(1.43)
(1.44)
(1.4s)
Keterangan:
v,
vl
V,
xi
variasi total.
variasi dalam kelas.
variasi antar kelas.
rata-rata pengamatan dalam kelas ke i.
Uji - F dapat ditunjukkan dengan rumus :
V,
S,
2
r-r
Vz(N
-k)
'
S:
I Vt
Vr(k- l)
N-k
(r.46)
I' engamb i lun Keputtr.sun :
Apabila nilai F yang dihitung dengan persamaan (1.46) lebih kecil
dari pada nilai Fc yang tercantum pada tabel I-4. dibagian akhir Bab
I ini. maka hipotesis nol dapat diterima pada derajat kebebasan Vr:
k-l dan Vr
:
N-k dengan derajat kepercayaan a Yo dan variabel
hidrologi yang diuji mempunyai nilai rata-rata yang sama. Hipotesis
nol ditolak
jika
nilai F
>
Fc.
Jawab Contoh 1.16.
Untuk analisis varian dengan model klasifikasi satu arah, maka data
pada tabel I .13, dapat dihitung seperti ditunjukan pada tabel. 1.14.
6g
I'abel I . 14. Analisis Varian Dtta Tabel 3. l3 Klasifikasi Satu Arah,
No. xr (X,-X,)' x2 (XrXr)' xl (X,-X,)'
I 2 3 4 5 6 7
I
2
J
4
5
6
7
8
9
l0
ll
t2
0,40
0,22
0,57
0,44
0,49
0,27
0,31
0,21
o,l7
0,16
0,27
0,23
0,0091
0,0121
0,0676
0,0169
0,0324
0,0016
0,0000
0,0100
0,0196
0,0225
0,0016
0,0064
0,38
0,20
0,76
0,77
0,27
0,40
0,47
0,34
0,04
0,03
0,47
0,13
0,0036
0,0576
0,1024
0, I 089
0,6889
0,0016
0,0009
0,0100
0, I 600
0,r681
0,0009
0,0961
0,37
0,17
0,78
0,93
0,35
0,41
0,22
0,1 I
0, l9
0,5 I
0,0009
0,0529
0,1444
0,2909
0,0025
0,0001
0,0324
0,0841
0,0441
0,0121
lumlah 1,14 0,2036 5,26 1,399 4.04 0,6544
Rata-rata 0.3 r 0,44 0,40
Sumber:DataTabel l.l3
Untuk penyelesaian klasifikasi satu arah, maka klasifikasi hanya
dibedakan dalam satu kriteria Hipotesis Statistik :
.
hipotesis nol, Ho : pr =
$z: $t
.
hipotesis alternatip Hr :
lrr
* pz *
ltz
Dari tabel 1.14, diketahui jumlah
kelas k = 3 DPS, jumlah
total data
N:34 buah, jumlah perlakuan atau group: bulan n: 12 (= jumlah
data dalam kelas ke-i.
1). Varian Antar Sampel
Varian antar sampel (variance between the .rumpltr), tlulurrr lrnl irri
adalah varian debit sedimen antar pos duga air yrrrrg nrcnccnninkun
64
perbedaan perlakuan (treatments) dan perubahan dalam variasi
sampel antar pos duga air' Perlakuan
yang sama dapat
menghasilkan data pengamatan yang berbeda karena perubahan
variasi. Misal : dalam curah hujan yang sama dapat menghasilkan
konsentrasi sedimen
yang berbeda
.karena perubahan penggunaan
lahan tiap DPS. Tahap perhitungan varian sedimen melayang antar
pos duga air adalah (data tabel l.14) :
(/). Hitung nilai rata-rata sedimen melayang tiap pos duga
air, gunakan rumus (1.a5) :
4.04
v
--:0140 n3_
10
(2). Hitung rata-ratatotal,
gunakan nrmus
(l'al) :
x=*3Px,
maka:
,.
=3'74
(3,74 + 5,26
+ 4,04)
.rrl
_
n
Xt
=
0'38
(3). Hitung
jumlah kuadrat antar sampel
(antar kelas) dengan
menggunakan nrmus (1.44).
i=k /_ _\2
Vr:In' (x,-x.J
i=l\/
maka :
n,=*p*1'
maka:
*,=t#= 0,31
*r=#: 0,44
6lt
v, = l2( 0,.1I - 0,38F t 12(0,44 - 0,38)'+ l0(0,40 - 0,38),
V, = 0, 106
(4). Hitung rata-ratakuadrat antar sampel (antar kelas) :
S, =
V,
-
o, 106
:0.053
ul
k-1- 3-l
'v'vJJ
2). Varian Dalam Sampel
Varian dalam sampel (variance within thte samples) adalah
mengukur perbedaan tiap data dalam sampel (dalam hal ini
perbedaan debit sedimen melayang tiap pos duga air karena
perbedaan waktu). Tahapan perhitungannya adalah :
(1). Hitung nilai rata-rata sedimen melayang tiap pos
duga air, dengan menggunakan rumus (1.a5) :
Xi
:
maka:
*,=T:0,31
<1A
Xr="ff =0,44
x,
=
#
:0,40
Hitung deviasi kuadrat tiap data dengan
menggunakan nilai rata-rata tiap pos duga air, hasil
perhitungan ditunjukkan pada kolom 3, 5 dan
kolom 7, tabell.l4.
Hitung
jumlah
deviasi kuadrat tiap pos duga air dan
jumlahkan
hasilnya dengan
jumlah
deviasi
kuadrat
pos duga air lainnya, dengan menggunakan rumus
(1.43):
*,i':'
(2).
(J).
66
i=k'jE')/
_\2
v,=XX(xii-xi)
i=ti=1
\ -
'/
Vr: 0,2036+ 1,399 +0,6544
Yr:2,257
(4). Hitung rata-ratakuadrat dalam sampel :
e2:
VI
az
N-k
s., =2'257^
:0,072
v2
34-:
3). Hitung aji - r
n _
varian antarsampel
"-@
S,,
l-.:--
^
S,,
0,053
0,072
:0,736
Keputusan:
Nilai kritis Fc, ditentukan dari tabel I-4, dengan derajat kebebasan
untuk Vr
:
N-k
:
34-3: 3l dan untuk Vz
:
k-l
:
3-l
:2
pada
derajat kepercayaan 5 7o, diperoleh Fc
:
19,46 dan karena F
:0,736
(F<Fc) maka hipotesis nol diterima. Dengan kata lain dapat
dinyatakan bahwa 95 % betul, nilai rata-rata debit sedimen
melayang tahun l98l dari pos duga air Cigulung - Maribaya,
Cikapundung - Maribaya dan Cikapundung-Gandok adalah tidak
berbeda nyata, dengan kata lain sama
jenis.
1.6.2. tKlasifitesi lrt s Ar:olh
Dalam analisis varian dengan model klasifikasi satu aratt
variasi setiap nilai dari setiap kelas belum ditentukan apakah
6?
mempunyai beda yang nyata, karena analisis
hzurya berdasarkan
perbedaan satu kriteria, apabila terdapat perbedaan dianggap
sebagai variasi dalam pemilihan sampel secara acak.
Dalam klasifikasi dua arah, kumpulan data diklasifikasikan
menurut dua kiteria atau faktor, dengan menyusun data tersebut
dalam:
1). kelas (classes) disebut
juga
kolom (columm), dalam
analisis hidrologi umumnya merupakan kelompok data
yang diukur dari lokasi yang berbeda (beda lokasi pos).
2). grup (group), disebut
juga baris (row), dalam analisis
' hidrologi umumnya merupakan periode waktu setiap
data dari setiap kelompok data diukur (beda waktu).
Dengan demikian kelas, kolom, kelornpok
data menyatakan
klasifikasi yang satu (dalarp analisis hidrologi menyatakan
perbedaan lokasi), sedangkan grup, baris, periode menyatakan
klasifikasi yang lain (umumnya dalam
analisis hidrologi
menyatakan klasifikasi menurut perbedaan waktu atau periode
pengukuran). Misalnya akan menguji tingkit erosi dari 5 buah DPS
yang diukur selama satu tahun, maka dapat dibuat pertanyaan :
l). apakah terdapat beda nyata tingkat erdsi dari setiap DPS.
2). apakatr terdapat beda nyata tingkat erosinya dari waktu
ke waktu.
Pertanyaan itu dapat dijawab dengan menganalisa
data erosi lima
DPS tersebut dengan analisis varian model kalsifikasi dua arah.
Untuk menguji hipotesis pertanyaan tersebut maka data pengukuran
dapat disusun sebagai matrik, seperti ditunjukkan pada tabel 1.15.
6u
Tabel l.l5 Analisis Varian Klasifikasi Dua Arah.
Group,
Baris
Kelas, kolom Total
Grup
Rata-rata
Grup 2 ) I ..k
I
2
j
n
X,,
XI
4,
Xnr
X,,
X,,
X)z
Xrz
X,,
X,,
4,
Xnr
X,,
Xr,
...Xi,
..X",
.....X,,
.....Xru
..X,r
.X"u
Tl
T2
Tl
Tr
x,
x,
1
x"
Total
Kelas Tr T2 T3 .. Ti .. Tk
Rata-rata
Kelas x, x" x" ... xi ...... xk
Suatu hal yang harus diingat bahwa analisis varian klasifikasi dua
arah dianggap bahwa r
l). Tiap sampel dari populasi mempunyai distribusi normal,
2). semua populasi mempunyai varian yang s.Lma,
3). hipotesis yang diuji adalah :
Ho :
Pr
:
Vz: P:
...
P,: F
Untuk lebih
jelas,
berikut ini disampaikan contoh analisis varian
klasifikasi dua arah.
Contoh 1.17.
Kita akan menganalisa tingkat erosi rata-rata setiap bulan yang
terjadi di DPS Citarum Hulu, dari sub DPS (lihat gambar 1.2) :
60
l). Cikapundung-Maribaya (luas DPS : 76 km'z)
2). Cigulung-Maribaya (luas DPS : 43 km'?)
3). Cikapundung-Gandok (luasDPS : 119km,)
Tabel 1.16, menunjukkan data tingkat erosi dari ke 3 sub DPS
tersebut untuk tahun 1973.
Tentukan apakah terdapat perbedaan yang nyata tingkat erosi :
l). setiap sub DPS
2). setiap waktu
dengan menggunakan derajat kepercayaan 5
o/o.
Tabel 1.16 Tingkat Erosi di DPS Citarum Hulu
Tahun 1973 (10-2 mm)
Bulan Cikapundung -
Maribaya
Cigulung -
Maribaya
Cikapundung-
Gandok
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktob6r
November
Desember
2,90
10,60
5,20
9,10
13,60
5,70
2,60
1,40
l,l0
1,10
3,20
4,70
2,10
21,80
14,00
5,80
8,91
10,00
2,20
2,10
3,20
2,95
2,39
2,77
3,00
9,20
6,50
8,60
13,00
4,90
2,30
1,50
2,00
1,60
3,40
5,40
Surnber : Buku Publikasi Sedimen, 1973, DPMA.
I llr lrrpotcsis tllput ditunjukkan pada tabel 1.17.
70
Jawab Contoh 1.17. z
Untuk menjawab pernyataan tersebut maka harus dibuat 4 hipotesis
statistik :
l).
lH,ll
2).
lH,ll
3).
lHol2
4).
lH,l2
Tabel l.l7 Analisis Varian Model Klasifikasi Dua Aratr
kelas adalatr sama jenis (homogen), tidak ada
perbedaan nyata tingkat erosi setiap sub DPS
kelas tidak sama jenis (heterogen), terdapat
perbedaan nyata tingkat erosi setiap sub DPS
grup adalah sama jenis (homogen) tidak ada
perbedaan nyata tingkat erosi dari bulan ke
bulan
grup tidak sama
jenis (heterogen), terdapat
perbedaan nyata tingkat erosi dari bulan ke
bulan.
Sumber
Variasi
Derajat
Kebebasan
Jumlah
Variasi
Perkiraan
Varian
uji-F
Antar kelas k- I Y2 --Yi
k-l
v, (k-l)
Antar grup n- I vl --Y-i--
n-l
Kesalahan
residu (k-l) (n-l) v3 ------Y-r -- -
(k-l) (n-l)
v3
Jumlah nk- I V, ---Yr--
nk-l
Penielasan Tabel I.I7.
Varian total diantara pengarnatan, Vt.
k n / _\2
v,:
XX(x1i-xJ
'
i=l j=l
\
7t
Vt terdiri dari 3 bagian :
V, = variasi diantara grup
V,
:
variasi diantara kelas
V, = kesalahan residu
Secara matematis,
vr
:
x
r. (x,
-x)'
j=t
\
vz =
*"(r,-x)'
vr:
II(*,t-X,-Xj+Xj)'
Dengan:
(1.48)
(1.4e)
(1.s0)
(r.sl)
(1.s2)
(1.s3)
x,=lI*,
x'=*ir
x=*IE*i'
Keterangan:
X,
:
rata-rata grup
X, = rata-rata kelas
X
:
rata-rata total
Uji - F dapat dihitung dengan mmus :
Vr(n- l)
-,
:
-
'
Vr
dcngan derajat kcbcbasan, (n-l) dan (k - 1)(n - l)
(1.47)
(1.54)
s,. _
V2(k- l)
.2___E_
dengan derajat kebebasan, (k-l) dan (k - lXn - l)
(r.55)
Pengambilan keputusan :
Nilai F yang dihitung berdasarkan rumus (1.54) dan rumus (1.55),
dibandingkan dengan nilai Fc dari tabel I-4. Jika nilai F <
Fc maka
hipotesis nol diterima dan jika
nilai F >
Fc maka hipotesis nol
ditolak dan harus menerima hipotesis alternatip.
Penyelesaian contoh 1.17, dapat dilihat pada perhitungan
dalam
tabel I .18.
Tabel 1.18. Analisis Varian Klasifikasi Dua Arah Tingkat
Erosi DPS Citarum Hulu.
I
2
3
4
5
6
7
8
9
t0
ll
t2
2,90
10,60
5,20
9,10
13,60
5,70
2,60
1,40
1,10
l,l0
3,20
4,70
2,10
2l
"90
14,00
5,80
8,91
10,00
2,20
2,10
3,20
2,95
2,39
2,77
3,00
9,20
6,50
8,60
13,00
4,90
2,30
1,50
2,00
1,60
3,40
5,40
8,00
41,60
25,70
23,50
35,51
20,60
7,10
5,00
6,30
5,65
8,99
12,97
2,66
13,86
8,56
7,83
I 1,83
6,96
2,36
1,66
2,10
l,8g
2,99
4,29
73
t)ari data tabel I .18, diketahui bahwa
Jumtah kelas (DPS), k: 3
Jumlah gruP (bulan),i: 12
Jumlah semua data, N
:
3 x 12: 36
Tahapan perhitungan selanjutnya adalah :
1). Hitung tingkat erosi rata-rata tiap kelas (tiap DPS)
dengan menggunakan rumus (1.52) :
x,=ltxj rrr
n I
-
j=l
v_1
Xt=ix61,20:5,10
1
Xr=
i.x78,22:6,51
,|
v
-'
x61,40:5,11 ,r,
-
l2
2). Hitung tingkat erosi rata-rata tiap grup (tiap bulan)
dengan menggunakan rumus (1.51) :
x1
=ilx,
i=l
x,
=
ry
:2,66
*,=lf
:13,86
X,
=2# = 8,56
*,=1*: 7,83
o,=r#:1r,83
xu =2o
j6o
= 6,86
X,
=ry
=2,36
& =
T
:1,66
r, =
?
=2,10
x,o=f
:1,88
X,,=Y =2.e9
x,,
'Yf
4,te
Hitung tingkat erosi rata-t ttltt lolitl dengarr lttcttggttrtttkittt
rumus (1..53) :
3).
?4
1).
x=*Ii,,,
r3l2
x=*??*,'
I
X =
36
(61,20 +'18,22 + 61,40)
I
x=* (200,80):s,s78
Hitung variasi tingkat erosi rata-rata antar kelas (antar
DPS), menggunakan rumus (1.a9) :
v,:i,(x,-x)'
v,:
i
,z(x,
-
x)
'
Yr= 72
[(5,10-5,57)2
+ (6,51- 5,57)2 + 5,ll - 5,57)2f
Y,- 12l(0,221) + (0,883) + (0,21 l)l
V, = 15,78, dengan derajatkebebasan k - I = 3 - |
:2
Hitung variasi tingkat erosi rata-rata antar grup (antar
bulan, antar waktu), menggunakan rumus (1.48) :
tt /
'l
v: Ir(Xt-x)
l=l
12 r \2
v,: Il
(xi-x)
l/
v, = 3
[(2,66-
5,57)') +(13,96 - 5,57)2 +(9,56 - 5,57)2+
(7,83 - 5,57)2 + (11,93 - 5,57)2 + (6,86 - 5,57)2 +
(2,36-5,57)2 +( 1,66 -5,57)2 +(2,10 -5,57)2+
(1,88 - 5,57)2 + ( 2,gg - 5,5-l)2 + (4,2g - 5,57)2
l
V,
:3
[(
8,468) + (68,124) + ( 8,940) + ( 5,107) +
(39,187) + ( 1,664)+ (10,304) + (15,288) +
(12,040)+ (13,616) + ( 6,656) + ( 1,638)
l
Y
t:
574,89 dengan derajat kebebasan n-1, atau 12-l = ll.
s).
76
6) Ilitung kesalahan rcsidu. dcngart tttcttggunakarr runrus
(r,50):
v,=
i>(x;i-xi-x;*x)' "
i=\j=t
\
v, = i
?
(*,'- xi- x.;* x)'
L
: jumlah kelas =
jumlah DPS, maka :
.
untuk k = I DPS Cikapundung - Maribaya
bulan I :( 2,90 - 5,10 - 2,66+ 5,57)2
:
0,504
bulan 2 : (10,60 - 5,10 - 13,86 + 5,57)'
:
7,784
bulan 3:(5,20-5,10- 8,56+5,57)'
:
8,352
dst.
bulan 12 : (4,70 - 5,10 - 4,29 + 5,57)'
:
0,774
Jumlah
2 DPS Cigulung - Maribaya
(2,10 -6,51 - 2,66+5,57)2
(21,80 - 6,51 - 13,86 + 5,57)2
(14,00 - 6,51 - 8,56 + 5,57)'
(2,77 - 6,51 - 4,29 + 5,57)'
= 27,320
untuk k:
Jumlatr
:
109,986
untuk k =
bulan 1
bulan 2
bulan 3
dst
bulan 12
bulan I
bulan 2
bulan 3
dst
bulan 12
:
2,250
:
49,000
:
20,250
:
6,051
3 DPS Cikapundung - Gandok
( 3,00 - 5,11 - 2,66 * 5,57)2
:
0,640
(9,20 - 5,11 - 13,86 + 5,57)r: 17,640
( 6,50 - 5,11 - 4,29 t 5,57)2 = 7,128
( 5,40 - 5,11 - 4,29 * 5,57)2 = 2,464
Jadi
Y,
:
(27,320 + I 09,98 6 + 40,976)
Y.
:
178,28, dengan derajat kebebasan
:
= (k- l)(n- 1)=(3 - l)(12 -l)=22
7$
7). Hitung nilai Uji - F anrar grup (antar bulan) dengan
menggunakan rumus ( I .54) :
D _
V,(n- l)
,V3
n,
:
s74'.Yt7- t)
= 35.47
'
l7g,2g
rJ,
' '
Dari tabel I-4, dengan derajat kebebasan V,
:
(n_l)
:
11,
dan V,
:
(k-lXn-l)
dibaca pada kolom
yr:
22, pada
derajat kepercayaan 5
oh,
diperoleh nilai Fc
:2,27.
Oleh
karena F >
Fc maka hipotesis nol ditolak.
8). Hitung.nilai Uji - F antar kelas (antar DpS), dengan
menggunakan rumus (1.55) :
, _
v2(k- l)
,r---VI
15,79(2\
F,
:
---=:-#
:01177
'
l7g,2g
Dari tabel I-4, dengan derajat kebebasan V2
:
ft-l)
dibaca pada baris Y
r:2
dan V,
:
(k-l)(n-l) dibaca pada
kolom Y, = 22, pada derajat kepercayaan 5
yo
maka
diperoleh nilai Fc
:3,44.
Oleh karena F
:
0,177 temyata
F < Fc maka hipotesis tidak dapat ditolak.
Kesimpulan dari contoh l.l7 :
l). Analisis varian dari ke 3 DpS : Cigulung_Maribaya,
Cikapundung - Maribaya dan Cikapundung - Gandok,
menunjukkan
bahwa kesamaan jenis
tingkat erosi tahun
1973 tidak dapat ditolak pada derajat kepercayaan 5
o/o,
atau dengan kata lain dapat dikatakan bahwa 95
yobetur
bahwa tingkat erosi tersebut sama jenis
sebagai fungsi
dari ruang (DPS).
l'i
fabcl l-1, Nilai Kritis tc utrtuk I)istribusi-t ttii tlua srsi.
dk
Deraj ut Kepercu.yuun ta
0,10 0,05 0,025 0,01 0,005
I
2
-)
4
5
6
7
8
9
l0
ll
t2
tl
l,l
l5
16
t7
18
l9
20
2t
22
ZJ
24
25
26
27
28
29
inf.
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,3 83
1,312
1,363
1,356
r,350
1,345
1,34 I
1,331
1,333
l,330
1,328
1,325
1,323
1,321
1,3 l9
1,3 l8
1,3 l6
1,315
1,314
1,3 l3
l,3ll
1.282
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
l,l61
1,7 53
1,746
1,740
1,734
l,'729
1,725
1,721
1,717
1,7l4
1,7ll
1,708
1,',l06
1,703
1,701
1,699
t.645
12,106
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,0'14
2,069
2,064
2,060
2,056
2,052
2.048
2,045
1,960
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,118
2,681
2,650
2,624
2,602
2.583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,326
63,657
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,1 06
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,576
Sumber : Bonnicr, Januari l()ll I
78
2). Analisis varian dari bulan Januari sampai Desember,
untuk ke 3 DPS tersebut menunjukkan bahwa kesamaan
jenis
tingkat erosi tahun 1973 tidak dapat diterima pada
derajat kepercayaan 5 Yo, atau dengan kata lain dapat
dikatakan bahwa 95 % betul batrwa tingkat erosi dari ke
3 DPS setiap bulan tidak sama sebagai fungsi waktu
(bulan).
Tabel I-2. Nilai Kritis dc untuk Pengujian Nilai Rata-Rata
Sampel dengan Nilai Varian Berbeda.
q.=
I Yo dk,
e
00 150 300 450 600 750 900
drr=6
drr-8
d*, = 12
dk2:24
drz=@
I'i
@
6
8
l2
24
@
6
8
t2
24
co
6
8
t2
24
6
3i
TI
13,707
ltJot
lt,tol
I t,tot
ll'tot
|, ,,,
I r,:ss
I
g,:ss
I r,rss
I
r,:ss
I
3,055
3,055
3,0s5
3,055
3,055
3,797 |
netl
3.797
|
l,lsl I
tJst I
,.rru I
*tol
l,stal
r.s;o I
rstol
3,654
3,643
3,636
3,631
3,626
3,329
3,316
3,307
3,301
3,295
3,053
3,039
3,029
3,020
3,014
2,822
2,805
2,'t93
2,785
2,777
2,627 I
llsil
?,58s I
z.sle
I
I
|
3,ss1
|
:,aes
11El
| 3,402
|
,,,0,
| 3,23e
I tJgz
I
:,rsa
1 , ,,.
|
:,orz
|
2.e78
|
2,e38
I
z.eoe
2,938
2,862
2,803
2,759
2,726
2,904
.
-*23
2,661
2,613
2,576
I
3,514
3,363
3,246
3,1 59
3,093
3,363
3,206
3,093
2,988
2,916
3,246
3,083
2,954
2,8s3
2,775
3,r58
2,988
2,8s3
2,747
2,664
,.0,, I
z.sro I
21t5y'
'r!rf
13,557
13.307
l:,ro+
||2,e38
lz,so+
lz.qgs
lz,zts
13,032
lz,toz
12,723
I
3,453
3,t92
2,978
2,803
2,66t
3.424
3,1 58
2.918
2.759
2.613
3.4021
:,r:z
I
2.909
|
2.726
|
2.s761
13,654
13,328
I r,os:
lz,nz
12,627
lt,eqt
lr,:ro
|
3,039
lz,ros
lz,aot
I
3,636
3,307
3,029
2,794
2,59s
3,63 r
3,301
3.020
I
2,785
|
2,58s
I
,.urul
l,zssl
:,ota I
z.ntl
2.576l.
3,707
3,355
3,055
2,797
2,576
3,707
3,355
3,055
2,797
2,576
3,70',1
3,355
3,055
2,797
2,576
3,701
3,355
3,05 5
2,797
2,5',76
3,707
3,355
3,055
2,797
2,576
79
Tabel I-2. Nilai Kritis dc untuk Pengujian Nilai Rata-Ratn
Sampel dengan Nilai Varian Berbeda
(lanjutan)'
2,440
2,310
2,193
2,088
1,993
2,430
2,300
2,418
2,286
2.t68
2,062
1,966
2,413
2,281
2.163
2,056
1.960
2,183
2,07',l
r,982
2,423
2,292
2,175
2,069
1,973
2,447
2,306
2,179
2,064
1,960
2,447
2,306
2,179
2,064
1,960
2,44'l
2,306
2,179
2,064
1,960
2,447
2,306
2,179
2,064
l,960
2,447
2,306
2.179
2,064
r,960
2,435
2,364
2,30 t
2,247
2,201
2,364
2,292
2,229
2,175
2,128
2,30r
2,229
2,167
2,112
2,064
2,247
2,175
2,112
2,056
2,009
2,201
2,r28
2.064
2.009
l.960
2,435
2,331
2,239
2,156
2,082
2,398
2,294
2,201
2,1 l8
2,044
2,367
2,262
2,169
2,085
2,01I
2,342
2,236
2.142
2,058
l,983
1 7)''
2,215
2,120
2,03s
I,960
2,435
2,398
2,367
2,342
2,322
2,331
2,294
2,262
2,236
2,215
2,239
2,201
2,169
2,142
2,120
2,156
2,1 l8
2,085
2,058
2.035
2,082
2,044
2,0t I
I,983
l,960
2,440
2,430
2.423
2,4t8
2,413
2,310
2,300
2,292
2,286
2,281
2,r93
2,183
2,175
2,168
2,163
2,088
2,077
2,069
2,062
2,056
1.993
1,982
1,913
l.966
I,960
2.447
2,447
2,417
2.441
2,447
2,306
2,306
2,306
2,306
2,306
2,1'19
2,179
2,179
2,179
2,179
2,064
2,064
2,064
2,064
2.064
1,960
I.960
r,960
I,960
l,960
6
8
tz
24
ca
6
8
t2
24
o
6
8
t2
24
@
6
8
t2
24
@
6
8
t2
24
@
dtr=6
dtr=8
drr= 12
drr= 24
du,
.o
80
Tabel I - 3, Nilai Ituitis 12
untuk Distribusi Chi-kuadrat (satu sisi)
dt
cidmi.tkcmrvu
0,995 0,99 o,975 0,95 0,05 0,02, 0,01 0,005
I
2
3
4
5
6
7
8
9
l0
ll
t2
l3
l4
l5
l6
l7
It
l9
20
2l
22
23
2d
25
26
27
2t
29
30
0,04393
0,0100
0,07 l7
0,207
o,4t2
0 676
0,9t9
t,344
t,735
\t$
5,t42
5,69'l
6,265
6,E44
7,434
t,034
8,643
9,2@
9,tt6
10,520
l I,160
I 1,t08
t2,46t
13,t2t
t3,7t7
2,@3
3,O4
3,565
4,O75
4,601
q03157
q02or
0,1 t5
o2ln
gsrr
3,053
,,57t
4,to
1,@
5,X29
5,t l2
6.40t
7,015
7,633
t,2@
t,tyl
9,542
10,196
10,t56
I 1,524
l2,l9t
t2,tT)
13,565
t4,256
14,953
0,an
t,239
t,ffi
2,08t
155t
q039t2
0,05()6
o,7t6
q4t4
qt3l
l,B7
1,690
1lto
uoo
3217
t0,283
10,9t2
I 1,6t9
l2,,Ol
13,120
13,t44
11,57i
15,30t
16,047
t6.79t
3,t16
1,&1
5,009
5,629
6,262
6,$t
7,5U
t,23 I
t,907
9,591
0,02393
0,103
o,352
0,71I
l,145
r,635
2,167
2,733
3,325
3.940
7,2
t,672
9.390
lo, I l7
l0,t5l
I 1,591
12,33t
r3,091
l3,t4t
14,61 I
t5,379
16,15t
16,92t
t7,70t
18,493
4,575
5,226
5,t92
6,51t
7.26t
3,841
5,91
7,U5
9,4tt
l 1,070
12,592
14,67
t5,507
16.919
1E,307
t9,675
2t,026
22,162
23.685
24.996
26,296
27,5t7
2t,t69
30, l,t4
3 1,4 l0
32,57t
33,924
35,172
36,4t5
37,652
3E,E85
,10, I 13
41,337
42,557
$,n3
5,V24
7,37t
9,34t
I t, l,l3
t\t32
t4,u9
t6,013
t7,535
t9,o23
20,4t3
2t,920
23,337
24,736
26,t19
27.488
2t,u5
30.t91
1t,526
12,t52
34.170
15,479
36,7tt
38,076
39,3il
40.646
4t,923
43.194
44,461
45,722
46.979
6,635
9,2t0
I 1,3,15
B,2n
I5,016
16,il2
1t,475
2q090
2t,6
23,209
24,725
26,217
27,6tt
29,t4tt
30,57t
32,000
33,409
34,t05
36, l9l
17,56
3t,932
40,2t9
41,63t
42,9t0
44,3t4
45,42
46,963
48,278
49,5tt
50,t92
7,879
rc,5n
t2,t38
l4,t@
t6,750
18,54t
20,27t
2t,955
23,5t9
25,ltt
26,757
28,3@
29,tt9
3 1,3 l9
32,t01
34,267
l5,7tE
37,t56
38,582
39,997
4 t,40 I
42.7
44, 18 I
45,558
46,928
48,290
49.645
50,993
52.336
53,672
Sumbd : Boanis, Juwi l9El
8l
I'abcl I - 4. Nilai Kritis lrc l)istribusi Ir.
F
:0,05
(dkr, dk2) atau (V,
,V2 )
dkz- v'
dkr
I 2 3 4 5 6 7 tt
()
IO
ll
t2
13
l4
l5
l6
t1
l8
l9
20
)t
22
23
24
I
2
3
4
5
6
7
8
9
25
26
27
28
29
30
40
60
120
@
l6 I .401
rx stl
l0,l3l
?.7t1
6,61 |
5,99
|
5.59l
5.32
5.12
4,96
4,84
4.7 5
4,67
4,60
4,54
4.49
4,45
4,41
4.38
4.35
4,32
4,30
4,28
4,26
4,24
4,23
4,21
4,20
4,1 8
4,11
4,08
4,00
3,92
3,84
I
qe.s0
I
19001
9,55 |
6.e4 |
I
5.791
s. l4l
4.741
4.461
4.26
4,t0
3,98
3,89
3,81
3,14
3.68
3,63
15S
155
3.52
149
3.4'7
3,44
3,42
3.40
3,39
1,3'.7
3,3 5
3,34
3.33
3,32
3,21
3, l5
t,0'7
3.00
2 r s.70l
I,ill
l.7 t
3,59
3,49
3,41
3,34
?oo
2,98
2,96
2,95
2,93
5,41
4.'76
4,35
4,0'7
3,86
3,29
3,24
3,20
3,16
3.1 3
l,l0
3,0'1
3.05
3,03
3.01
2,92
2,84
2,'76
2,68
2.60
224.601
t9.25
9.t2
6.39
5,19
4.53
4,12
3.84
3.63
3,48
3,36
3,26
3,18
3,1 I
3,06
3,01
2,96
2,93
.)oo
2.87
2,84
2,82
2,80
2.78
2,76
2,14
2,',l3
2,7 |
2,'70
2,69
2,61
2,53
2,45
2.3'1
230.20
i
I9.30
9.01
6.26
s05
4.39
3,97
159
3,48
3,20
3,l l
3.03
2.96
2.90
2,85
2,81
)11
2,74
2,11
2,68
2,66
2,64
2,62
2,55
2,53
2,45
2,3',1
', )o
2.21
2,60
2,59
2,57
2,56
2 34.00
i
19,331
8,94
6,16
4,95
4,28
3,87
3,58
3,37
1 ).)
3,09
3,00
2,92
2,85
2,79
2,7 4
)70
2,66
2,63
2,60
a<1
2,55
2,53
2,51
2,49
2,41
2,46
2,45
2,43
2,42
2,34
))\
2,17
2,t0
216.80
|
l9.ls
l
8,89
6.09
4,88
4,21
l7q
3,s0
3.29
3,14
3.01
2,91
2.83
2,76
2,71
2,66
2,61
2,58
2,54
2,5t
2,49
2,46
2,44
2,42
2,40
2,39
2,31
2,36
2,15
Z,J J
1a<
2,17
2,09
2,01
238,90
t9,37
8,85
6.04
4,&2
4, l5
3,37
3,44
5,2 t
3,07
2,95
2,85
2,77
2,70
2"64
2,59
2,55
2,5t
2,48
2,45
2,42
2,40
23'7
2,36
2,34
2,32
2,3\
2,29
2,28
2,2'7
2,18
2,10
2,02
t,94
240,50
te,l8
8.8 r
6,00
4,77
4,10
3,68
3,39
3,1 8
f ,02
2,90
2,80
2,71
2,6s
2,39
2,31
2,34
2,f2
2,30
2,28
2,27
2,25
2,24
)1)
2,21
2,12
2,04
1,96
t,88
2,59
2,54
2,49
2,46
2.42
Sumber: Bonnier- Januari l98l
82
Tabel I - 4, Nilai Kritis Fc Distribusi F (lanjutan ke l)
F
:
0,05 (dkr
,
dk2
)
dkr= V,
dks =Y,
10 t2 l5 20 24 30 40 60 120 @
r0
ll
t2
l3
t4
l5
l6
t7
l8
t9
I
)
3
4
5
6
7
8
9
20
2l
a1
23
24
25
26
2"1
28
29
30
40
60
t20
@
24t,90
19,40
8,79
5,96
4,74
4,06
2,54
2,49
2,45
2,41
2,38
3,64
3,35
3,14
2,98
2,85
2,75
2,67
2,60
2,J5
2,32
2,30
2,27
))<
2,24
)))
2,20
2,t9
2.1 8
2,t6
2,08
r,99
l ,91
t,83
243,90
19,4t
8,74
5,91
4,68
4,00
3,5'l
),28
3.O'7
2,9t
2,79
2,69
2,60
2,5)
2,48
2,42
2,38
2,34
2,31
2,28
2,25
2,23
2.20
2,1 8
2,t6
2,t5
2,t3
2,12
2,lo
2,09
2,00
t,92
l,8l
I.75
245,90
t9,43
8,70
5,86
4,62
3,94
3,51
3,22
3,01
2,20
2,18
2,t5
2,13
2,t1
2,09
2,07
2.06
2,0 t
t.92
l,84
1,75
t,6't
2,85
2,72
2,62
2,53
2,46
2,40
2,3s
2,lt
2,27
2.2)
2,O4
2,03
248,00
19,45
2,33
2,28
2,23
2,t9
2,t6
2,0t
1,99
I.9'l
1,96
1,94
I ,93
1.84
1,75
l,66
1,57
8,66
5,80
4,56
3,87
3,44
3,1 5
2,94
2,'77
2,65
2,54
2,46
2,39
2,t2
2,10
2,07
2,05
2,O3
249,t0
19,45
8,64
5,77
4,5t
3,84
1,4t
3,12
2,90
2,74
2,61
2,51
2,42
2,35
2,29
2,24
2,19
2,15
2,tt
I,96
I,95
1,93
I,9l
r.90
1,89
I,79
I,74
l,6l
1.52
2,08
2,05
2,0t
2,01
1,98
250,10
19,46
8,62
5,75
4,50
3,81
3,38
3,08
2,86
2,70
2,57
2,47
2,38
2,3t
2,25
2,19
2,15
2,ll
2,O'l
2,O4
2,01
l,98
1,96
t,94
1,84
1,74
I,65
1,55
I,46
t,92
I,90
1,88
1,87
1,85
251,10
19,47
8,59
s,72
4,46
1,99
1,96
1,94
1,91
1,89
I,8?
I,85
I,84
1,82
I,81
t,79
1,69
1,59
1,50
l,39
1,77
3,34
3,04
2,83
2,66
2,51
2,43
2,14
2,27
220
2,15
2,t0
2,06
2,03
252,201
l9-481
4,43
3,74
3,30
3,01
2,'19
2,62
8,s71
5,691
2,49
2,38
2,10
) )',
2,O2
1,98
I,95
t,92
1,89
1,86
1,84
1,82
1,80
t,79
t,77
t,75
2,t6
2,ll
2,06
t,74
1,64
l,5l
1,43
I,32
2s3,301
t9,491
8,5s
l
5,66
4,40
t,'lo
3,2't
2,97
2,75
2,58
2,45
2,34
2,25
2.1 8
2,ll
2,M
2,01
t,97
t,93
1,90
1,8?
1,84
l,8l
t,'19
1,77
1,75
1,73
l,7t
1,70
1,68
1,58
1,47
I,35
t,22
254,30
19,50
8,53
5,63
4,36
1,67
3,23
2,93
2,71
2,54
2,40
2,30
2,21
2,13
2,07
2,Ot
1,96
1,92
1,88
1,84
l,8l
1,78
1,76
1,73
t,7 t
1,69
t,67
1,65
1,64
1,62
I,51
1,39
1,25
1,00
Sumber : Bomier, Jmuri l98l
82,t
Tabel I - 4, Nilai Kritis Fc DistribusiF (lanjutan ke 2)
F
:
0,01 (dkr
,
dlg
)
dkr= v,
dk =Y r
2 3 4 5 6 7 8 9
l0
ll
t2
rl
l4
l5
l6
t7
t8
t9
I
2
J
4
5
6
7
8
9
2o
2l
22
/J
24
25
26
27
28
29
30
40
60
120
6
4052"00
98,50
34,12
21,20
t6,26
13,'75
L t<
11,26
10,56
10,04
9,65
g
11
9,01
8.86
8,68
8,53
8,40
11.29
ti.I8
8, 10
8,02
"7,95
7,88
7,82
7,17
7,'72
7,68
7,64
7,60
t,56
7,31
7,08
6,85
6.63
4999,00
99,00
30,82
18,00
13,27
1o,92
9,55
8,6s
8,02
7,56
'7,21
6,93
6,'t0
6,s l
6,36
6.23
6,l l
6,01
5.91
5,tt5
57R
5,72
5,66
5,61
5,s1
5 51
5,49
5,45
5,42
5,39
5,18
4,98
4"79
4,61
5403,00
99,17
29,46
16,69
t2,06
9,'78
8,45
7,59
3,86
6,55
6,22
595
5,74
5.56
4.94
4,87
4,82
4,76
4,72
4,68
4,64
4,60
4,57
4,54
4,51
4,3t
4,t3
3,95
3,78
5,42
5,29
5,18
5 {rg
5 0l
s625,00
99,25
28,71
15,98
4,18
4,14
4,tl
4,07
4,04
4,02
3,83
3,6s
3,48
3.32
5,04
I 1.39
9,15
't
"85
7,01
6,42
5,99
5,67
s,4l
5,21
4,89
4,'11
4,61
4,58
4.50
4.41
4,3'1
4,3t
4,26
4,22
5764,00
99,30
28,24
15,52
10,97
8,75
7,46
6,63
6,06
5,64
5,32
5,06
4,86
4,69
4,56
4,44
4,34
4,25
4.1'l
4,l0
4,O4
3,99
3,94
3,90
3,85
3,82
1,78
3,'15
1,73
3,70
3,51
3,34
3,17
3,02
58s9,00
99,33
27,91
15,21
t0,67
8,4',7
7,19
6,17
5,80
5,39
5,0'1
4,82
4,62
4,46
4,32
4,20
2,70
2,66
2,63
3,87
3,81
3,76
3,71
3,67
3,63
3,59
3,56
3,53
3,50
3,47
3,29
3,12
2,96
2,80
s928,00
99,36
27,67
14,98
'10,46
8,26
699
6,18
5,61
3,50
3,46
1,42
3,39
3,36
3,33
3,30
3,t2
2,9s
2,79
2,64
5,20
4,89
4,64
4,44
4,28
4,14
4,03
2,61
2,58
2,s4
3,70
3,64
3,59
3,54
s98 1,00
99,37
2't,49
14.80
t,tL
3,29
3,26
3,23
3,20
3,1'7
2,99
2,82
2,66
2,51
t0,29
8,10
6,84
6,03
5,4'1
5,06
4,74
4,50
4,10
4,14
4,00
3,89
2,55
2,51
2,48
3,s6
3,51
3,45
3,41
3,36
6022,00
99,39
10,16
?,98
6,72
5,91
5,3s
4,94
4,6f
4,39
4,19
4.03
3,26
3,22
3,18
3,15
3,12
3,09
3,07
2,89
2,72
2,56
2,41
27,35
14,66
3,89
1,78
3,68
3,60
1,52
3,46
3,40
3,35
3,30
Smber rBomier, 1981
82b
Tabel I - 4, Nilai Kritis Fc Distribusi F (lanjutan ke 3)
F
:
0,01 (dkl
,
dk2
)
Bab
2
aplilGasi mctode statistilt
rrntrrk analisis deret berkala
data hidrologi
2.1 PENDAHULUAN
'
Seperti telah disebutkan pada sub bab 1.2 Bab I buku
jilid
I
judul
sarna, bahwa data hidrologi runtut waktu, misal data
publikasi
Debit dapat diolah lebih lanjut dan disajikan dalam suatu :
.
distribusi (distribution),
atau
.
deret berkala (time series)
Disajikan dalam suatu distribusi, apabila data hidrologi disusun
berdasarkan urutan besamya nilai, misalnya data debit diuru&an
dari debit dengan dimulai yang nilainya terbesar menuju terkecil
atau sebaliknya. Rangkaian data hidrologi yang
disajikan secara
kronologis sebagai fungsi dari waktu dengan interval waktu yang
sama disebut dengan deret berkala. Umumnya disajikan scbagni
berikut :
&z= Vz
dlq = Vr
l0 t2 l5 20 24 30 40 60 I20 6
l0
ll
l2
l3
14
l5
l6
l7
l8
l9
I
2
3
4
5
6
7
8
9
20
2l
11
23
24
25
26
27
28
29
30
40
60
t20
@
3.06
3.03
3,00
2.98
2,80
2,63
2,47
all
6056,00
99,40
27,23
14,55
10,05
7,87
6.62
5,81
5,26
4,8 5
4,54
4,30
4. l0
3,94
3,80
3.69
3,59
3,51
3,43
3,37
3,31
3,26
3,21
3,t7
3,13
3.09
6 I 06,00
99,42
27.05
14.37
4,7 L
4,40
4.16
3,96
3,80
9,89
7,72
6,47
5,67
5.1 I
2,84
2,66
2,50
2,34
2,18
3,67
3,5 5
3,46
3,37
3,30
3,23
3.t1
3,t2
3,07
3.03
2,9
2,96
2,93
2,90
2,87
61 57,00
99,43
26,87
14,20
9,72
7,56
6.31
5,52
4.96
4,56
4,25
4,01
3,82
1.66
1<'
3,41
3,3r
3,23
3.1 5
3,09
3.03
2,98
2.93
2,89
2,85
2,81
2,78
2,75
2.73
2,70
2,52
2,15
2,t9
2,04
6209,00
99,45
26,69
14,02
9,55
7,40
5,l6
5,36
4,81
4,41
4,10
3,86
3,66
3.51
3,3 I
3,26
3,16
3,08
3,00
2,94
2,88
2,83
2,18
2,74
2,70
2,66
2,63
2,60
2,57
2,55
2.37
2,20
2.03
1.88
6235,00
99,46
26,60
13,93
4,33
4,02
3,78
3,59
3.43
9,47
7,3r
6,O7
5,28
4,73
3.29
3,r8
3,08
3,00
2.92
2,86
2,80
2,15
2,10
2,66
2,62
2,58
\5s
2,52
2,49
2,47
2,29
2.12
1.95
1,79
6261,00
99.47
26,50
13,84
9,3E
7,23
5,99
5,20
4,65
4,25
3,94
3,70
3,51
1'15
3.2t
3, t0
3,00
2.92
2,84
2,18
ula
2,61
2,62
2.58
2,54
2,50
2,47
2,44
2,41
2,39
2,20
2.03
l,t6
1,70
6287,00
99,47
26,41
13,75
9,29
1,14
5,91
5,12
4,57
2.33
2,30
2.tl
1,94
1.76
l,59
4,17
3,86
3.6?
3,43
3,27
3.l3
1,02
2,92
2,84
2,76
2,69
2,64
2,58
2,54
2,49
2,45
2,42
2,38
2.35
252,20
19,48
8,57
5,69
4,43
3,74
3,30
3,01
2,19
2,62
2,49
2,38
2,30
114
2,16
2,Ll
2,06
2,02
1,98
1,95
1,92
1,89
1,86
1,84
1,82
1,80
t,79
t,77
1,73
1,74
1,64
1,53
1,43
t.32
6339.00
99,49
26,22
13,56
9,ll
6,vt
5.74
4,95
4,40
4,40
3,69
3,45
3,25
3,09
2,84
2,15
2,66
2,58
2,52
2,46
2,40
2,35
2.31
2,96
1 a',
2.23
2,20
2,17
2.t4
2,tl
t,v2
1,73
1,53
t,32
6366,00
99,50
26,13
13,46
9,O2
6,88
5,65
4,86
4,31
3,91
3,60
3,36
3,17
3,00
2,87
2,75
2,65
2,57
2,49
2,42
2,36
2,3r
L:26
2,21
2,17
2,t3
2,r0
2-06
2,03
2,01
I,E0
1,60
1,38
1,00
Smbcr: Bomcr, l98l
Hit
84
X(t,), X(tJ, ...x(t)
dimana!<tz(...<L
(2.r)
Deret berkala umunnya dibedakan menjadi
dua tipe, yaitu :
.
stasioner
.
tidak stasioner
Deret berkala disebut stasioner apabila
nilai dari parameter
statistiknya (rata-rata dan varian) relatip tidak
berubah dari setiap
bagian ke bagian yang lain dalam rangkaian
data runtut waktu
tersebut, sedangkan apabila salah satu parameter
statistiknya
berubah untuk setiap bagian rangkaian data
tersebut, maka deret
berkala itu disebut tidak stasioner. Deret
berkala tidak stasioner
menunjukkan bahwa datanya tidak homogen/tidak
sama jenis.
Umumnya data lapangan setelah diolah dan
disajikan dalam buku
publikasi
data hidrologi, merupakan data dasar
sebagai batran untuk
analisis hidrologi. Buku publikasi
tersebut
misalnya :
publikasi
Data Debit Sungai, Publikasi Data Hujan
dan sebagainya. Data
yang tertuang dalam buku publikasi
itu disusun
dalamlentuk deret
berkala. Umumnya disajikan mulai tanggal
l Januari sampai
dengan 3l Desember setiap tahun. sudah barang
tentu data deret
berkala tersebut sebelum digunakan untuk
anailis lanjutan harus
dilakukan pengujian (lihat gambar
1.3 diagram
alir, Bab I, buku
jilid
I judul
sama). Pengujian yang dimaksud
mslipuli tahap uji :
.
ketidak-adaantrend
.
stasioner
. persistensi
Ketiga tahap pengujian
itu sering disebut dengan
penyaringan data
(data screening).
Pengujian ketidak-adaan trend akan disajikan pada sub bab
2.2, sub bab 2.3 menyajikan pengujian
stasioner
dan sub bab 2.4
menguraikan pengujian persistensi.
Analisis
trend akan dibahas
pada sub bab 2.5. Bab 2.6 menyajikan
cara membangkitkan/
menangkarkan (generating)
data deret berkala
sintetik (synthetic
data-generating), untuk memperpanjang lama
rekaman data runtut
waktu.
86
2.2. UJ' KET'DAKADAAT 7BE'UD
Deret berkala yang nilainya menunjukkan gerakan yang
berjangka panjang dan mempunyai kecenderungan menuju kesatu
arah, arah menaik atau menurun disebut dengan pola atau trend
(trend). Umumnya meliputi gerakan yang lamanya lebih dari 10
tahun. Trend musim sering disebut dengan variasi musim (seasonal
trend atau seasonal variation) dan hanya menujukkan gerakan
dalam
jangka waktu satu tahun saja, sebagai contoh ditunjukkan
hidrograp debit pada gambar 1.1 buku
jilid I, menunjukkan adanya
trend yang menumn data debit dari musim penghujan ke musirir
kemarau. Deret berkala yang datanya kurang dari 10 tahun
kadang-kadang sulit untuk menentukan gerakan dari suatu trend.
Hasilnya dapat meragukan, karena gerakan yang diperoleh hanya
mungkin menunjukkan suatu sikli (cyclical time series) dari suatu
trend. Sikli adalah gerakan yang tidak teratur dari suatu trend.
Untuk mengetahui ada atau tidaknya trend dari suatu deret
berkala lebih baik digunakan data yang meliputi lebih dari 25 tahun
pengamatan runtut waktu. Gerakan
jangka panjang dari deret
berkala'umumnya disebut dengan trend sekuler (secular trend).
Gambar 2.1, menunjukkan sketsa garis trend dengan variasi musim,
dan gambar 2"2, menunjukkan sketsa garis trend dan sikli dengan
variasi musim dan variasi acak. Variasi musim dari suatu variabel
hidrologi umunnya dipengaruhi oleh kondisi iklim. Variasi acak
umrunnya gerakan yang
disebabkan oleh faktor kebetulan (chance
factor),
misal banjir besar, dan umumnya variasi acak sulit untuk
diramal waktu kejadiannya.
Apabila dalam deret berkala menunjukkan adanya trend
maka datanya tidak disarankan untuk digunakan untuk beberapa
analisis hidrologi, misalnya analisis peluang dan simulasi. Apabila
deret berkala itu menunjukkan adanya trend, maka analisis
hidrologi harus mengikuti garis trend yang dihasilkan, misal
analisis regresi seperti akan dijelaskan pada Bab III, atau andisis
rata-rata bergerak (lihat
sub bab 2.5.2). Ketidakadaan trend dapat
diuji dcrrgan banyak cara. Secara visual dapat ditentukan dengan
mengglnrbarkan deret berkala dalam kertas grafik arithmatik.
u6
Beberapa metode statistik yang dapat digunakan untuk menguji
ketidakadaan trend dalam deret berkala, diantaranya uji :
.
korelasi peringkat metode Spearman.
.
Mann dan Withney.
.
Tanda dari Cox dan Stuart.
Masing-masing cara pengujian itu akan diuraikan secara singkat
pada sub bab berikut ini.
OANIS TTETD
E
d
=
J
u
g
E
t
t
g
o
E
-
J
ut
o
c
t
t
-_-+
w A x Tu
Gambar 2.I Sketsa Variasi Musim pado Trend.
*
WAl( TU
Gambar 2.2. Sl<etsa SiHi pado Trend.
87
2.2.1. Uji Korclasi Perlinghot ltletode Spcattnan
Trend dapat dipandang sebagai korelasi antara waktu dengan
variat dari suatu variabel hidrologi. Oleh karena itu koefisien
korelasinya dapat digunakan untuk menentukan ketidakadaan trend
dari suatu deret berkala. Salah satu cara adalah dengan
menggunakan koefisien korelasi peringkat metode Spearman, yang
dapat dirumuskan sebagai berikut :
o
t rao,
KP=l-
'i==l
nJ-n
t -rcp[
'-2=l]
LI-KPZI
Keterangan :
KP
:
koefisien korelasi peringkat dari Spearman.
n =
jumlah
data.
dt
:
Rt-Tt.
Tt
:
peringkat da{i waktu.
Rt
:
peringkat dmi variabel hidrologi dalam deret berkala.
t - nilai distribusi t, pada derajat kebebasan (n-2) untuk
derajat kepercayaan tertentu (umumnya 5 %) (ihat
tabel I-1, Bab I).
Uji + digunakan untuk menentukan apakah variabel waktu dan
variabel hidrologi itu saling tergantung (dependent) atau tidak
tergantung (independent). Dalam hal ini yang di uji adalah Tt dan
Rt. Berikut ini disampaikan contoh penerapannya.
Contoh 2,1.
Dari pengamatan curah hujan di pos hujan Dutamati di DPS
Cimanuk selama 26 tahun (1950 - 1975), telah diperoleh besarnya
curah hujan tahunan seperti ditunjukkan pada tabel 2.1. tlii
ketidak-adaan trcnd dari deret berkala dittit tcrscbut pada tlcruinl
kepercayaan 5
"1,
ditolak, dengan rrrcrtggurtukan u.ii korelttsi
peringkat metocle Spearman.
(2.2)
(2.3)
88
Tabel2.l. Curah Hujan Tahunan di Pos Hujan Dutamati
Cimanuk. Tahun 1950 - 1975
DPS
No. Tahun Curah
Hujan
(mm)
No. Tahun Curah
Hujan
(mm)
I
2
3
4
5
6
7
8
9
l0
il
t2
l3
950
951
952
953
954
955
956
957
958
959
960
96r
962
2r0l
t699
l9l I
l5t8
r 578
2506
t576
t925
2039
2231
1421
1529
2099
14.
15.
r6.
17.
18.
19.
20.
21.
))
23.
24.
25.
26.
1963
1964
r 965
t966
1967
r968
1969
t970
t97t
1972
t9't3
t974
1975
1639
l84l
r 808
2376
2148
2207
I 507
1707
225E
r 566
1793
t9l0
2012
Sumber : Buku Publikasi Hujan, Pusat Litbang Pcngairan.
Jowab Contoh 2.1. z
Buat hipotesis :
Ho : tidak ada trend (Rt dan Tt independen, tidak saling
tergantung.
H, : ada trend
Gambar 2.3, menunjukkan grafik deret berkala data tabel 7.1, dan
menunjukkan tidak ada trend. Bagaimana dengan uji-t nya.
89
Gambar 2.3. Deret Berkala Data Curah Hujan Data Mati Tahun
1950 sampai Tahun 1975.
2.2, dan rumus 2.2, maka dapat Berdasarkan data pada tabel
dihitung:
o
t
(ao,
Kp I -
-ri-
n
-n
r/n , 6x3094 , 18564
r\r--l:l--
17576
-26
17550
KP: - 0.0s77
Selanjutnl'a dari rumus 2.3 dapat dihitung :
90
TabelZ.Z Perhitungan Koefisien Korelasi Peringkat Metode
Spearman Data Crrrah Hujan Pos Dutamati DPS-
Cimanuk Tahun 1950 - 1975.
No. Tahun Peringkat
Tt
Hujan
(mm)
Peringl<at
R,
dt df
I 2 3 4 5 6:5-3 7=6x6
I
2
J
4
5
6
7
8
9
l0
il
t2
13
t4
l5
l6
t7
l8
19
20
2t
22
23
24
25
26
950
951
952
953
954
95s
956
957
958
9s9
960
961
962
963
964
96s
966
967
968
969
970
97r
972
9',13
974
975
I
2
3
4
5
6
7
8
9
l0
ll
t2
r3
t4
l5
t6
t7
l8
l9
20
21
22
23
24
25
26
2t0l
1699
l91l
1518
I 578
2s06
t516
1925
2039
2231
t42t
1529
2099
1639
l84l
I 808
2376
2148
2207
t507
1707
2258
I 566
1793
1910
2012
7
l8
t2
24
20
I
2l
ll
9
4
26
23
8
l9
l4
l5
2
6
5
25
17
3
22
l6
r3
l0
+6
+16
+9
+20
+15
-5
r14
1J
0
-6
+15
+ ll
-5
+5
-l
-l
- 15
-12
-14
+5
-4
- l9
-l
-8
-t2
- 16
36
256
8l
400
225
25
196
9
0
36
225
121
25
25
I
I
225
144
196
25
l6
361
I
64
144
2s6
Jumlah 3094
Sumber : Perhitungan data tabel 7. l.
r
^
r1
t: KP I
"-2
l' L-r\r
Lr-rcp']
t: - o,os77l
zo-1,
-]+
Ll-(-0,0577)" )
t
:
- 0,2831
9l
Hipotesa Nol (Ho) :
Deret berkala dua seri data (Rt dan Tt) adalah independent pada
derajat kepercayaan 5
o/o.
Dengan melaksanakan pengujian dua sisi untuk derajat
kepercayaan 5 % ditolak pada derajat kebebasan dk: n-2
:24
da/.
tabel I-l Bab I, maka diperoleh
h,rs
:
+ 2,064 dan -h,rr,
:
- 2,064.
Dari perhitungan maka nilai t terletak -2,064
< -0,2831 < +2,064.
Oleh karena itu tidak dapat menolak hipotesis nol pada derajat
kepercayaan 5 Yo, atau dapat dikatakan dua seri data (Rt dan Tt)
adalah independen dan tidak mungkin menunjukkan adanya trend.
Analisis ini sesuai dengan analisis grafis seperti ditunjukkan pada
gambar 2.3.
2.2.2. Uii ltlann dan Whittr,ey
Uji Mann dan Whitney untuk menguji apakah dua kelompok
data yang tidak berpasangan berasal dari populasi yang sama atau
tidak telah dibahas pada sub bab 1.5.1. Untuk menguji apakah satu
set sampel data deret berkala menunjukkan adanya trend atau tidak
dapat digunakan prosedur yang sama, yaitu dengan menggunakan
persaman 1.36 sampai 1.38, dengan cara membagi satu seri data
deret berkala menjadi dua bagian yang jumlahnya sama.
Contoh 2.2.
Gunakan uji Mann dan Whitney untuk menentukan apakah data
hujan pada tabel l.l, menunjukkan adanya trend pada derajat
kepercayaan 5 % ditolak.
Jawab Contoh 2.2 z
Perhitungan ditunjukkan pada tabel 2.3.
92 08
Tabel 2.3 Perhitungan Uji Mann dan Whitney Data
Curah Hujan Pos Dutamati DPS Cimanuk
Tahun 1950-1975
No Kelompok I Peringlrat Kelompok Il Peringkat
I
a
J
4
5
6
7
8
9
l0
ll
t2
l3
2t0t
1699
l9l I
l5l8
l 578
2506
t576
1925
2039
2231
t42l
1529
2099
7
l8
t2
24
20
I
2r
ll
9
4
26
23
8
1639
l84l
1808
2376
2148
220',1
1507
r707
2258
I 566
1793
l9l0
2012
r9
l4
l5
2
6
5
25
t7
J
.,.)
l6
l3
l0
Jumlah : r84 t67
Sumber : data tabel 2. l.
Dari perhitungan data tabel 2.3, maka diketahui :
Nr
:13
N2 =13
Rm
:
184
Berdasarkan persamaan (1.36) maka :
Ur:NrNr**(Nr+l)-Rm
z
U,: (13)(13) + 6,5 (13 + l) - 184
Ur=76
Berdasarkan persam&m (1.37) maka :
Uz:NrNr-U,
Ur: (13)(13) -76=93
Nilai U,
:
76, dan temyata lebih kecil nilainya
jika dibanding
dengan U, = 93, maka untuk perhitungan selanjutnya U: Ur = 76.
Berdasarkan persamaan
(1.38) :
Z_
Z_
76
-
(13)(r3\t2
-8,5
19,5
Z: - 0,4358
Hipotesis nol Ho : apakah kelompok I dan kelompok II berasal dari
populasi yang sama.
Berdasarkan
uji satu sisi pada derajat kepercayaan 5
yo
ditolak, dari tabel L2 (Bab
I) diperoleh nilai Zc
:
I
,645
dan - I
,645.
Nilai Z: -0,4358 ternyata lebih kecil dariZc: *1,645
dan lebih
besar Zc = -1,645 dengan demikian H0 tidak dapat ditolak pada
derajat kepercayaan
5 Yo. Atau dapat dikatakan bahwa kelompok I
dan II berasal dari populasi yang sarna, atau dengan kata lain tidak
terjadi perubahan yang
nyata nilai rata-ratanya atau tidak
menunjukkan adanya
trend. Kesimpulan ini sama dengan
kesimpulan pada
contoh 2.1 (lihat sub bab 2.2.1).
2.2.3. Uil Tanda dafi Go* dan Stuart
Perubahan trend dapat juga
ditunjukkan dengan uji tanda
dari cox dan Stuart. Nilai data urut waktu dibagi menjadi 3 (tiga)
bagian yang sirma. Setiap bagian jumlahnya
n,
:
n/3. Apabila
sampel acak tidak dapat dibagi menjadi 3 bagian yang sama maka
bagian yang kedua jumlahnya
dikurangi 2 atau I buah. Selanjutnya
membandingkan
nilai bagian ke I dan ke 3, dan memberi tanda (+)
untuk nilai yang plus dan (-) untuk nilai yang negatip. Jumlah total
nilai (+; dan (-) diberi tanda S, maka nilai Z dapat dihitung sebagai
berikut :
u-
\Y
[*t*,Nz(Nr
*Nz * l)]]i
[#tt,g)(,3)(13
+ r: + r)]]]
94
s6
untuk sampel besar (n > 30) :
s-9
b
,:-
L
, .L
l'n )2
\ tzl
untuk sampel kecil (n <
30) :
s
-: -
0,50
vO
r.\+
\ r'zl
No. Kelompok I Kelompok III Tanda III - I
I
)
J
4
5
6
7
8
9
2t0t
1699
l9l I
l5l8
I 578
2506
1576
1925
2309
2148
2207
1507
1707
2258
I 566
1793
1910
2012
+
+
+
+
+
Sumber : data tabel 2.1
(2.4)
(2.s)
Dari tabel 2.4 diperoleh tanda (+) S
:
5 buah.
Dengan persamaan 2.5 :
Z:
s-:
-0,s
5-
ltz
'* -o,s
Dengan uji satu sisi bandingkan nilai Z dengan nllai Zc pada tabel
1.2 Bab I untuk derajat kepercayaan tertentu (5 %) ditolak.
C,ontoh 2.3.
Gunakan uji Cox dan Stuart untuk menentukan apakah data hujan
pada tabel 2.1, menunjukkan adanya trend pada derajat kepercayaan
5 % ditolak.
Jawab Contoh 2.3. :
Buat hipotesis sebagai berikut :
Ho : tidak ada trend, Rt dan Tt tidak saling tergantung'
H, : terdapat trend, Rt dan Tt saling tergantung'
Tabel2.4. Perhitungan Uji Tanda Cox dan Stuart.
Data Curah Hujan Pos Dutamati DPS
Cimanuk.
Z_
Nilai Z teoritis dari tabel 1.2 Bab I, untuk derajat kepercayaan 5 Yo
ditolak adalah + 1,64. oleh karenaz:0,1l3 lebih kecil dari
:
1,64
maka H0 diterima. Dengan demikian data tabel 2.1, tidak
menunjukkan adanya trend, dan kesimpulan ini sama dengan
kesimpulan contoh 2.1 dan 2.2. Dengan demikian
jelas
batrwa data
tabel 2.1 yarg secara visual dari gambar 2.3 tidak menunjukkan
adanya trend, dengan menggunakan 3 (tiga) uji statistik juga
tidak
menunjukkan adanya trend.
2.3 UJI STAS'OTEB
Setelah dilakukan pengujian ketidak-adaan trend (lihat 2.2)
apabila deret berkala tersebut tidak menunjukkan adanya trend
sebelum data deret berkala digunakan untuk analisis lanjutan harus
dilakukan uji stasioner. Apabila menunjukkan adanya trend maka
deret berkala tersebut dapat dilakukan analisis menurut garis trend
yang dihasilkan. Analisis garis trend dapat menggunakan analisis
regresi seperti aUn aiSetaskan pada Bab III. Model matematik yang
digunakan untuk analisis regresi tergantung dari kecenderungan
garis trend yang dihasilkan.
Apabila menunjukkan tidak hda garis trend maka uji
stasioner dimaksudkan untuk menguji kcstahilan nilai vnrian dan
rata-rata dari dcret berkala. Apabila dilihat padu gumbar 1.3. llub I
buku jilid
I, maku pengujian ini termasuk uji kcsnmutn.jcnis tuhtp
t26
tl rz
=ffi:o,l13
96
ke II, untuk mengetahui homogen atau.tidaknya nilai varian dan
atau rata-ratanya.
Pengujian nilai varian dari deret berkala dapat dilakukan
dengan Uji-F, menggunakan persamaan 1.22 (Bab I). Data deret
berkala dibagi menjadi dua kelompok atau lebih, setiap dua
kelompok diuji menggunakan Uji-F. Apabila hasil pengujian
ternyata hipotesis nol ditolak, berarti nilai varian tidak stabil atau
tidak homogen. Deret berkala yang nilai variannya tidak homogen
berarti deret berkala tersebut tidak stasioner, dan tidak perlu
melakukan penguj ian lanjutan.
Akan tetapi bila hipotesis nol untuk nilai varian tersebut
menunjukkan stasioner, maka pengujian selanjutnya adalah menguji
kestabilan nilai rata-ratanya. Pengujian kcsamaan
jenis nilai
rata-rata telah dijelaskan pada sub bab 1.3. Untuk rata-rata deret
berkala bila datanya dianggap sebuah populasi maka dapat
dilakukan pengujian dengan menggunakan Uji-t, persamaan 1.6 dan
1.7. Seperti dalam pengujian kestabilan nilai varian, maka dalam
pengujian nilai rata-rata, data deret berkala dibagi menjadi dua
kelompok atau lebih. Setiap pasangan 2 kelompok diuji. Apabila
dalam pengujian temyata hipotesis nol ditolak, berarti nilai rata-rata
setiap dua kelompok tidak homogen dan deret berkala tersebut tidak
stasioner pada derajat kepercayaan tertentu.
Analisis hidrologi lanjutan seperti analisis peluang, atau
simulasi dapat dilakukan pada bagian atau pada seluruh rangkaian
deret berkala yang tidak mengandung trend dan stasioner, tahap
selanjutnya adalah melaksanakan uji persistensi. Sebelum
membahas uji persistensi disampaikan contoh uji stasioner sebagai
berikut.
Contoh 2.4.
Data tabel 2.1, menunjukkan deret berkala dari curah hujan pos
hujan Dutamati tahun 1950 - 1975. Uji stasioner data tersebut pada
derajat kepercayaan 5 % ditolak (95 % diterima), dengan
melaksanakan pengujian nilai varian dan rata-ratanya.
1)7
Jawab Contoh 2.4 :
Berdasarkan data tabel l.l, yang telah dikerompokan seperti
ditunjukkan pada tabel 1.3, maka dapat diketahui bahwa :
I)ari data tersebur dapat dibuat hipotesis sebagai berikut :
lJ,, : , nilai varian kelompok I dan II tidak ada beda nyata
pada derajat kepercayaan 5
yo.
, nilai rata-rata kelompok I dan II tidak ada beda
nyata pada
derajat kepercayaan 5
oZ.
[{, : , nilaivariannyaberbeda.
- nilai rata-ratanya berbeda.
Berarti deret berkala tabel 2.I tidak stasioner.
Untuk membuktikan hipotesis tersebut dilakukan pengujian sebagai
berikut:
1). Uji Kestabilan
varian.
Berdasarkan
Uji-F, persam&m 1.22 Bab I :
F-
nr Sr (nz*l)
nzSz2(n,-l)
maka:
"
_ _!3!31)'?
(13
-
l)
t3 (27q'? (13
-
l)
Pada derajat kebcbasan dk,
:
n, - I dan dk, n, - I tlnrr
derajat kepercayaan 59Zt, maka dari tabcl l-4 (llnh t).
diperoleh nilai l; tabel 2.6().
Kelompok I
nr
:13
X, = 1856 mm/tahun
Sr
:331
mm/tahun
Kelompok II
n2
:13
X,
:1906
mm/tahun
52
:276
mm/tatrun
:
1,438
9u
Oleh karena nilai F perhitungan
:
1,438 ternyata lebih
kecil dari nilai F tabel
:
2,69, maka tidak ada alasan
untuk menolak bahwa varian kedua kelompok data tabel
2.1 berbeda. Atau dengan kata lain dapat dikatakan
bahwa pada peluang95 % nilai variannya stabil.
Uji Kestabilan Nilai Rata-rata.
Berdasarkan Uji-t, persam&m 1.6 dan 1.7 (Bab I).
X,
-I,
.--
"(+.
+) '
/n,
S,
'+nrS, ')
i
'
o=\
fu+nr-2
/
maka:
13+13-2
!
a
:317,18
t
_ 11856_
1906l_
:
o,4olg
317,18(+ .
*J
Dari tabel I-1 Bab I, untuk derajat kebebasan dk
:
n, * nz - 2
:
13+13-2
:
24, dan derajat kepercayaan 0,025 pada uji dua arah
maka diperoleh nilai t tabel: 1,960. Karena nilai t hitung:0,4019
lebih kecil dari nilai t tabel
:
1,960 maka hipotesis nol diterima dan
menolak hipotesis alternatip. Dengan memperhatikan Uji-F dan
Uji-t tersebut maka deret berkala tabel 2.1 adalah stasioner, berarti
nilai rata-rata serta ni.lai variannya adalah stabil.
2.4. UJ' PERS'S7E'US'
Anggapan bahwa data berasal dari sampel acak harus diuji,
yang umumnya merupakan persyaratan dalam analisis distribusi
99
peluang. Persistensi (Persistence) adalah ketidak tergantungan dari
setiap nilai dalam deret berkala. Untuk melaksanakan pengujian
persistensi harus dihitung besarnya koefisien korelasi serial. Salah
satu metode untuk menentukan koefisien korelasi serial adalah
dengan metode Spearman.
Koefisien korelasi serial metode Spearman dapat
dirumuskan sebagai berikut :
o
I tail,
KS: l-
i=l
m3-m
..^ I-
^-z
1i
t -KSl"'--!
LI-KSZ]
Keterangan:
2).
(2.6)
(2.7)
"=(
13 (331)2 + l3 (276)
1)
= koefisien korelasi serial.
=N-1.
:
jumlah
data.
:
perbedaan nilai antara peringkat data ke X, dan ke
Xi+I.
t - nilai dari distribusi-t pada derajat kebebasan m-2 dan
derajat kepercayaan tertentu (umumnya 5% ditolak,
atau 95 % diterima) (lihat tabel I-1, Bab I).
Contoh 2.5.
Dari pengamatan curah hujan di pos hujan Dutamati DPS Cimanuk
tahun 1950-1975, telah diperoleh data curah hujan tahunan seperti
ditunjukkan datanya pada tabel 2.1. Uji persistensi data tersebut
pada derajat kepercayaan 5
o/o
ditolak.
Jawab Contoh 2.5. z
Untuk menguji persistensi atau ketidak tergantungan dari nilai data
deret berkala dapat menggunakan koefisien korelasi serial metode
Spearman. Tabel 2.5 rnenunjukkan perhitungannya.
KS
m
N
di
t
li
il
il
100
Tabel2.5. Perhitungan Koefisien Korelasi Serial Metode
Spearman Data Curah Hujan Pos Dutamati DPS
Cimanuk tahun 1950 - 1975-
l0l
KS:l
ffi:-0,2819
Berdasarkan persamaan (2.7) :
T
-'
t =KSl
*-2=
l'
LI_KS']
t
^- ^
rl
t:_o,28lrlfi;in)
t
:
- 1.4090
Hipotesis nol. [{,, : dua seri data (tahun dan curah hujan) adalah
independen pada dera.iat kepercayaan 5
o/o
ditolak.
Berdasarkan uji satu sisi, pada derajat kepercayaan 5 Yo
hipotesis nol (H,,) ditolak apabila t
>
0,95 atau t
(
- to,qs. Dengan
deraiat kebebasan m-2
.,.25-2:23,
maka to.ss
:
1,714 dan -to,ss
:
-1.714. Oleh karena t -1,4090 ternyata lebih kecil dari -to.r,
:
-1.714 maka IJ,, diterima pada derajat kepercayaan 5 Yo. Atau
dengan kata lain dapat dikatakan bahwa 95 % data pada tabel 2.1
adalah inclcpcndcn atarr tidak menunjukkan adanya persistensi. Atau
dapat dikataklrr huhwu clata tersebut merupakan data bersifat acak.
Apabila dari suatu dcrct berkala setelah diuji ternyata :
.
tidak menuniukkan adanya trend (sub bab 2.2).
.
stasioner, berarti varian dan rata-ratanya homogen/stabil/
sama
jenis (sub bab 2.3).
.
bersifat acak (randomnes), independen (sub bab 2.4).
maka data deret berkala tersebut selanjutnya baru disarankan dapat
digunakan untuk analisis hidrologi lanjutan, misal analisis pcluang,
simulasi.
Tahap pengujian tersebut umumnya dischtrt tlctttttttt
penyaringan (screening) data, dengan maksud untuk rtretucrihstt tltttt
memilahkan atau mengkelompokan data, yang hcrlrritttttt ttttlttl
memperoleh data hidrokrgi yang cukup handal ttttltth rtttnllllq
sehingga kesimpulan yang clipcnrlch cukup baik.
Sumber : Perhilungan data tabel 2.1.
Dari tabel 2.5 diketahui :
(di;'
:33r,
m
:25
maka berdasarkan
Persamaan
(2.6):
o
i tai),
KS: 1 -
i=l
m3-m
diperoleh:
t2l
36
144
l6
361
400
100
4
25
484
9
225
t2t
25
I
169
l6
1
400
64
196
361
36
9
9
- ll
+6
-12
+4
+19
-20
+10
-+2
+5
)')
+3
+ l5
- ll
+5
-l
+13
-4
+l
-20
+8
+14
-19
+6
+3
+3
7
18
t2
24
20
I
2l
ll
9
4
26
23
8
l9
l4
l5
2
6
5.
25
t7
J
))
l6
l3
l0
ll
3t
il
:l
el
r0l
lll
t2
13
t4
l5
t6
t7
l8
l9
20
2l
22
Z5
24
25
2t0t
1699
191I
1518
I 578
2506
t57 6
1925
2039
2231
t42l
t529
2099
1639
l84l
I 808
2376
2148
2207
1507
1707
2258
1 566
1793
l9l0
2012
102
Dalam melaksanakan pengujian diperlukan informasi
tambahan seperti perubahan DPS atau alur sungai karena bencana
alam, atau pengaruh manusia..Kembali pada pengertian bahwa :
1). data tidak homogen adalatr penyimpangan data dari sifat
statistiknya yang disebabkan oleh faktor alam dan atau
manusia.
2). data tidak konsisten adalah penyimpangan data karena
kesalahan acak dan kesalahan sistematisnya.
maka tahap penyaringan ini perlu pengetahuan lapangan dan
informasi yang terkait dengan data dalam deret berkala. Tahap
penyaringan ini baru merupakan penyaringan untuk data dari suatu
pos hidrologi dan belum membandingkart clcngan data sejenis dari
pos lain.
2.s. AruALrsrs TBEilD
Analisis trend dapat digunakan untuk menentukan ada atau
tidaknya perubahan dari variabel hidrologi yang terjadi karena
pengaruh manusia atau alam. Beberapa metode untuk analisis trend
antara lain dengan menggunakan metode analisis regresi
(regression analysis) atau metode rata-rata bergerak (moving -
averages method).
2.5.1. ItctodaAnatisis f,,egr.esi
Deret berkala yang menunjukkan adanya trend yang
cenderung membentuk garis dapat dianalisis dengan metode regresi.
Model matematik yang digunakan tergantung dari kecenderungan
bentuk garis trend. Model-matematik untuk analisis regresi akan
dijelaskan pada Bab III. Dari trend yang dihasilkan mungkin dapat
menggunakan lebih dari satu persamaan regresi. Batas daerah
kepercayaan dan besarnya korelasi dari garis trend dapat ditentukan
dari persamaum regresi yang diperoleh. Model matematik yang
mungkin dibentuk oleh sebuah trend dapat di lihat sub bab 3.2.
108
2.5.2 ltfctodc nlstg,-frata Bet|gg/rleh
Deret berkala yang menunjukkan adanya trend sekular yang
cenderung tidak menunjukkan model matematik untuk analisis
regresi, maka gerakan dari deret berkala tersebut dapat diperoleh
dengan cara mengratakan kurva deret berkala yang bergelombang.
Tujuan dari pengrataan itu adalah untuk mengurangi pengaruh dari
variasi acak ataupun variasi musim bahkan sebagian dari sikli,
sehingga diperoleh kurva yang lebih mudah untuk menafsirkan
penomena hidrologi yang terjadi.
Metode yang sering digunakan untuk mengratakan deret
berkala yang bergelombang adalah rata-rata bergerak. Cara
menghitung rata-rata bergerak adalah dengan menghitung nilai
rala-rata (mean) dari berbagai nilai untuk periode waktu tertentu.
Misal nilai dari variabel hidrologi itu merupakan deret berkala :
X,, Xz, Xr, ...
,
Xn
Nilai rata-rata untuk periode waktu tertentu, misal m = 3, yaitu
deret berkala taraf 3, sehingga deret berkala tersebut mempunyai
nilai rata-rata bergerak Yr, Yr, ..., Yn-,, yang dapat dihitung dengan
persamaan berikut ini :
b, X, + bz Xz +br X:
--
J
br Xu + bz Xr +b3 Xa
'5
v
-
br Xn-z * bz Xn-r * bs Xn
rn-l
3
(2.8)
Dari persamaan (2.8), nilai b,, b2, b, adalah faktor penimbang yang
kalau dijumlahkan nilainya: rn
:
3. Oleh karena itu secara umum
dapat dinyatakan :
m
Xb, =tn
i=l
(2,e)
Umumnya nilai m digunakan bilangan gnnjil, rnisal m -
'l
alatt ttt -
104
5. Apabila nilai b,
:
b2 = b, + ...
:
bi
:
i, maka disebut dengan
rata-rata bergerak sederhana (simple moving averages). Apabila
nilainya tidak sama dengan satu disebut dengan rata-rata bergerak
tertimbang
(weighted moving averages) dan kurva yang dihasilkan
lebih halus
jika dibanding dengan kurva rata-raia bergerak
sederhana. Nilai Y,'yang dihitung dari persamazm (2'8), harus
berpasangan dengan nilai X yang terletak ditengah-tengah dari
'rrilai-nilai
X yang dihitung.
Tabel2.6 Data Curah Hujan dan Sedimen DPS Progo - Kranggan'
No. Tahun Curah Hujan
(mm)
Sedimen
(torr/th/km'])
:l
;l
9
l0
ll
t2
l3
l4
l5
l6
t7
l8
l9
20
966n967
967/1968
968n969
96911910
970n97t
97U1972
97211973
9731r9',74
9741t975
975/L976
97611977
.97711978
,97811979
t97911980
r980/1981
r98l/1982
t98211983
1983/1984
r984/1985
r98s/1986
2399,32
2603,80
3661,45
2531,16
2745,03
2538,58
2160,88
3164,18
3298,64
3020,09
2333,61
2600,29
3783,39
3258,91
2422,15
3265,1 8
t832,93
2770,83
2943,39
2607,76
559,209
407,985
328,293
190,723
284,250
259,386
174,816
325,692
344,641
548,544
250,821
212,060
1473,191
587,25t
258,467
270,637
225,765
348,127
258,453
223,787
Sumber : Fety.S, 1992.
Keterangan :
Tahun 1977/1978 - 1979/1980 dimulai usaha pengelolaan
DPS, meliputi pembuatan teras 38,95 ?5 dan usaha
pengelolaan yang lain seperti : penanaman, saluran
pembuang, unit percontohan meliputi * I0 % dari luas DPS
(Fety S, 1992).
Tabel2.7. Perhitungan Rata-rata Bergerak Data Tabel 2.6Taraf 3.
106
I
I
I
{
No. Tahun Curah Hujan
(mm)
Sedimen
(tor/th/km2)
l.
2.
J.
4.
5.
6.
7.
8.
9.
10.
I l.
12.
13.
14.
15.
16.
t7.
18.
19.
20.
1966
1967
1968
1969
1970
t97t
1972
t973
1974
1975
t976
tgT7
1978
1979
1980
l98l
1982
1983
1984
1985
zss8, t s
2932,14
2979,21
2604,92
2481,48
2621,20
2874,55
3160,97
2884,1 I
2651,33
2905,75
32l4,lg
3 154,8 I
2982,09
250;6,75
2622,99
2515,72
2773,99
431,814
308,985
267,756
244,786
239,484
253,298
281,716
406,292
3 81,335
337,142
645,357
757,501
772,970
372,118
251,619
281,506
277,444
276,789
Sumber : Perhitungan Datn
'l
nbcl 2.6.
e
8
B
7
+
T
d
l
f
l

T
l
l
f
'

w
'
o
t
T
A
I
{
U
X
G
a
m
b
u

2
.
4
.

C
u
r
a
h

H
u
i
a
n

f
u
n

S
e
d
i
m
e
n

D
P
S

K
'
P
r
o
g
o
'

K
r
a
n
g
g
a
n
S
E
D
I
M
E
N
C
U
R
A
H

H
U
.
J
A
'
{
8
0
0
I
E

5
0
0
!
-
.
E
5
E

o
E
g

4
o
o
-
f
z
-
l
!
-
=
<
c
t
E
a
D
i
Y

M
tI
o
-
.
-
-
"
'
-
-
-
-
-
-
\
:
o{
G
a
m
b
a
r

2
.
5
.

R
a
t
a
-
R
a
t
a

B
e
r
g
e
r
a
k

D
a
t
a

T
a
b
e
l
.
2
.
7
.
I08
L'onloh 2.6.
lirhe I 2.6, menunjukkan data hasil penelitian Fety.S, 1992,
rrrahasiswa Fakultas Geografi-UGM, yaitu data curah hujan dan
scdimen dari DPS Progo - Kranggan, Propinsi Jawa Tengah tahun
196611967 - 1985i1986, selama 20 tahun. Tahun 1977/1978 -
197911980 dimulai usaha pengelolaan DPS, yang meliputi
pembuatan teras 38,95 Yo dm usaha pengelolaan lainnya yang
meliputi a l0 % dari luas DPS 411,670 km2. Gambar 2.4,
menunjukan kurva curah hujan dan sedimen, dari data deret berkala
tabel2.6. Dari gambar 2.4 temyata tidak mudah untuk melihat trend
hubungan antara curah hujan dan sedimen. Tentukan nilai rata-rata
bergerak sederhana dengan nilai m: 3 (taraf3).
Jawab Contoh 2.6
i
Data tabel 2.6, dihitung berdasarkan rumus (2.8) dan hasilnya
tercantum pada tabel 2.7 dart gambar 2.5.
Dari gambar 2.5, temyata trend curah hujan dan debit lebih mudah
diinterprestasi dibanding dengan data gambar 2.4. Secara umum
dapat diketahui bahwa trend sedimen selalu mengikuti trend curah
hujannya. Apabila trend curah hujan naik, maka trend sedimen naik,
begitu pula kalau trend curah hujan turun selalu diikuti oleh
turunnya sedimen.
Kenaikan sedimen yang cukup besar selama dimulai pengelolaan
DPS 197711978 - 197911980, karena pada tahap awal pengelolaan
ini tanah yang baru diolah (untuk pembuatan teras ataupun
penanalnan) masih mudah tererosi oleh air hujan. Setelah usaha
penanaman mulai tumbuh, maka laju erosi mulai berkurang dan
sedimen
jrga mulai berkurang (mulai tahun 1980/1981
I 985/l 986) (Fety.S, 1992).
2.6 MEIITBANCK'TKAN DATA SINTET'K
I0t,
hidrologiwan, termasuk di Indonesia, adalah kekurangan data,
misalnya dalam analisis peluang, dari suatu banjir ataupun
kekeringan, datanya masih sangat terbatas. Dengan hanya
menggunakan data dari deret berkala yang rekaman datanya hanya
menghasilkan 15 atau 25 buah data debit puncak banjir, maka jelas
kurang sesuai untuk memperkirakan debit puncak banjir yang harus
meliputi periode ulang 100 tahun.
Dengan keadaan data yang sangat terbatas, maka diperlukan
cara untuk memperoleh rekaman data yang lebih banyak jumlahnya.
Dengan menerapkan cara membangkitkan (gener at ing t e chnique s),
(ada pula yang menyebut cara menangkarkan) maka akan diperoleh
data deret berkala buatan (artificially generating time series). Ada
pula yang menyebui data siritetik (synthetic data-generating). Agar
jangan
dicampur adukkan dengan istilah data simulasi (simulated
data), yaitu data keluaran sebuah perhitungan model, meskipun data
sintetik dapat sebagai data masukan model.
Maksud dari pada mendapatkan deret berkala buatan adalah
untuk memperpanjang rekaman data sehingga mempunyai beberapa
alternatip dalam hal analisis teknis ataupun ekonomis dari suatu
proyek sumber daya air. Pada dasar nya deret berkala buatan dapat
dianggap sebagai sampel dari suatu populasi. Dalam hal ini data
historis runtut waktu hasil pengamatan lapangan dianggap sebagai
populasi.
Sembarang deret berkala dapat mengandung beberapa
unsur, yaitu : trend, periodik dan stokastik. Komponen trend dan
periodik mempunyai sifat pasti (deterministic), oleh karena tidak
tergantung waktu. Komponen stokastik (stochastic) mempunyui
sifat stasioner dan tergantung waktu. Mempunyai sifat stasiorrcr
berarti sifat statistik dari sampel tidak berbeda dengan sifat statistih
populasinya.
Unsur stokastik dapat mengandung unsur acitk tlnlr
korelasi/dapat pula tidak. Mengandung unsur korclasi bcnu'tr trrrlr
nilai dalam derct bcrkala dipcngaruhi olch rrilli virrli lt'r lnrli
sebelunrnya. Misalrrvl rlchil srrngai di srrltrr pos rlrrllrr ,rrr \.urE
icr-jadi hari ini bcsurrrvlr tlrPe ngnpulti olclr tlclrrt \
julll
lr,r
lrrrll
kctllaritt dan Irtrutgkitt tlipt'rr1t;rrrrlri olclr tlchit r lrrrli lt'r;,rrlr lrrl r lrrrt l
Salah satu masalah
)'ang
umum dihadapi oleh para
110
sebelumnya. Oleh karena itu pada
unspr stokastik, unsur acak dan
korelasi harus dipisatrkan aan dinilai.
Metode stokastik yang digunakan
dalam membangkitkan
deret berkala buatan umuurnya hasilnyq
akan dapat memuaskan
apabila pertambahan waktunya secar.a
tahunan atau bulanan. Untuk
pertambahan waktu harian atau rningguan
akan dapat diperoleh
hasil yang memuaskan apabila dilakukan
dengan memasukan unsur
fisik DPS dan atau menggunakan
data dari variabel hidrologi yang
lain.
Dalam buku ini, hanya akan
disajikan cara membangkitkar/
menangkarkan data dcrct berkala
buatan atas dasar pertambahan
waktu tahunan. Banyak mctode
)ang clapat digunakan, akan tetapi
hanya akan disajikan 2 (dua) metode,
yaitu :
I). penggunium tabel bilangan
acak.
2). penggunaan proses Markov.
Perhitungan dalam pengguniuut
kedua metode tersebut dapat
dengan kalkulator, tanpa harus'
dengan progftlm komputer,
sedangkan metode lainnya perlu menggunakan
program komputer.
Perbedaan anggapan dalam menggunakan
kedua metode tersebut
adalah:
1). penggunaan tabel bilangan
acak, berarti bahwa tiap
nilai dalam rangkaian
deret berkala buatan tidak
tergantung nilai sebelu6nya.
Oleh karena itu sampel
yang diperoleh mempunyai
sifat acak. Disarankan
untuk digunakan dalarn
inembangkitkan deret berkala
buatan dari data yang
nilainya terbesar, atau terkecil,
misal debit puncak banjir
terbesar atau debit minimum
terkecil.
2). proses Markov merupaft6
suatu proses dimana setiap
peristiwa hanya tergqnfimg
pada kejadian yang
mendatruluinya. Penggunan
proses Markov mempunyai
arti bahwa tiap nilai
dalam rangkaian deret berkala
lll
buatan tergantung secara langsung dengan nilai yang
terjadi sebelumnya.
Deret berkala dari rangkaian data dengan pertambatran
waktu tahunan dapat dipandang sebagai rangkaian data dari suatu
variabel bebas atau dapat pula dipandang sebagai rangkaian data
stokastik, oleh karena itu untuk membangkitkan data deret berkala
buatan data tahunan misal volume aliran tahunan, debit puncak
banjir tahunan, dapat menggunakan tabel bilangan acak atau proses
Markov.
Rangkaian data deret berkala dengan pertambatran waktu
bulanan tidak dapat dipandang sebagai variabel. bebas, misal, debit
bulan ini, besarnya sangat tergantung dari debit bulan yang lalu,
bahkan mungkin bulan-bulan sebelumnya, oleh karena itu untuk
membangkitkan data deret berkala buatan data bulanan sebaiknya
digunakan proses Markov, tidak dengan tabel bilangan acak.
2.6.1. I$cnggunehan Tabel Bilengan Aceh
Prosedur penggun&m tabel bilangan acak sangat sering
dilaksanakan oleh para hidrologiwan. Tabel II-1, pada bagian akhir
bab ini, menyajikan contoh dari tabel bilangan acak. Dari tabel
bilangan acak, kelihatan bahwa setiap nilai bilangan acak
mempunyai 4 digit desimal acak, sebagai contoh dari tabel II-1,
bilangan acak yang pertama adalatr 0222, berarti 0,0222 atau 2,22
% sebuah sampel acak dari peluang kumulatip (cummurative
probability).
Dari tabel II-1, dapat dipilih bilangan acak. Cara memilih
bilangan acak adalah dengan menutup mata serta memegang pensil,
Angka sembarang yang ditunjuk menggunakan pensil dengan mnrn
tertutup dipilih sebagai bilangan acak pertama. Bilangun ucnk
selanjutnya dilakukan dengan memilih bilangan dari posisi hilnrrgarr
acak pertama kearah kanan (dari kiri - ke kanan) atau kc urulr hawnlr
(dari atas - ke bawah). Banyaknya bilangan acnk y'rrg rriprltlr
tt2
tcrgantung dari
jumlah nilai deret berkala buatan yang akan
cl i ban gkitkan/ditangkarkan.
Contoh 2.7.
'fabel
2.8, menunjukkan data debit puncak banjir DPS Citarum -
Nanjung, tahun 1918 - 1934 dan tahun 1973 - 1985,
jumlah 30
tahun. Apabila data tersebut dianggap berasal dari populasi yang
mengikuti distribusi normal dan mempunyai sifat statistik stasioner,
tidak menunjukkan adanya trend dan bersifat acak, tentukan deret
berkala buatan/sintesis sehingga
jumlah datanya mencapai 50 buah
dan kemudian tentukan pula persamarm distribusi normalnya.
Jawab Contoh 2.7. z
Tabel 2.8 Debit Puncak Banjir DPS Citarum - Nanjung'
ll;
Dari tabel 2.8. maka diperoleh persamaan debit puncak buniir
distribusi normal (lihat sub bab 3.3.1,
jilid I) :
X=XtS.k
X=286,20 * (55,56). k
Nilai bilangan acak dipilih dari tabel II-1. Misal, bilangan acak ke I
terletak pada kolom ke 2, baris ke l0 dari tabel II-1, halaman ke l,
yaitu 3291. Baca nilai bilangan acak selanjutnya sebanyak 20 buah,
dari bilangan ke l, ke arah bawatr pada kolom yang sama. Nilai
bilangan acak merupakan rangkaian peluang kumulatip yang dapat
ditrans- formasikan kedalam rangkaian acak dari variabel X.
Transformasi atau pengalih-ragaman dapat dilaksanakan dengan
salah satu cara sebagai berikut :
secara langsung dari persamaan distribusi yang telatt
diperoleh.
dari gambar kurva persamaan distribusi yang telatr
diperoleh.
Untuk contoh ini, digunakan cara yang ke 1, yaitu dengan
menstransformasikan besamya peluang kumulatip setelah ditentu-
kan nilai k. Tabel 2.9, menunjukkan nilai bilangan acak dengan
pasangan nilai k. Penentuan nilai k dapat menggunakan tabel 3.3
(ilid I), atau lebih lengkapnya ditentukan dari tabel Wilayatr Luas
Dibawah Kurva Normal dari data pada tabel II-2. Nilai bilangan
acak ke I, adalah 3291, dari tabel II-2, untuk menentukan nilai k
dengan cam menghitung peluang I - 0,3291
:
0,6709, dan nilai
sebesar 0,6709 itu berpasangan dengan nilai k
:
* 0,44. Dari tabel
II-2 nilai k ditulis dengan t. Hasil selengkapnya untuk n
:
20,
ditunj ukkan pada tabel 2.9 .
l).
2).
269
323
364
247
290
302
301
284
276
261
303
335
320
1973
1974
1975
r976
19',77
1978
1979
1980
l98l
r982
1983
1984
I 985
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
244
217
285
261
295
252
275
204
208
t94
256
207
354
445
350
336
320
l9l8
l9l9
r920
t92l
1922
1923
1924
1925
1926
t927
1928
1929
I 930
193 I
1932
l 933
1934
Sumber :
'Iabet
3.8. (buku jilid I, judul sama)
tt4
Tabel 2.9. Nilai Peluang dan k yang dipilih dengan acak.
No. Peluang k No. Peluang k
l.
2.
3.
4.
5.
6.
7.
8.
9.
10.
3291
0462
5888
1983
3547
8218
5865
8923
6562
9815
+ 0,44
+ 1,67
- 0,22
+ 0,85
+ 0,37
'-
o,g2
- 0,22
- 1,24
- 0,41
- 2,29
4148
0224
8756
2510
1403
9340
0466
9882
9355
9755
+ 0,21
+ 2,21
- l,l6
+ 0,67
+ 1,08
- 1,50
+ 1,67
_ ))1
- 1,52
- 1,97
Sumber: Tabel II-l dan II-2.
Tabel2.lO Deret Berkala Buatan Debit Puncak Banjir DPS
Citarum-Nanjung.
No. Debit (X)
m'/det
No. Debit (E
m'/det
I
2
3
4
5
6
7
8
9
l0
312
379
274
333
307
235
274
217
263
159
[.
12.
r3.
t4.
I5.
r6.
17.
t8.
t9.
10.
299
409
)))
323
346
203
379
160
242
177
Sumber :Perhitungan X=286,20 + (55,56) k, dengan nilai k tabel 2.9.
Tabel 2.10, menunjukkan deret berkala buatan dari debit puncak
banjir DPS Citarum - Nanjung, sehingga apabila datanya digabung
dengan data tabel 2.8
jumlahnya sudah mencapai 50 buah. Debit
I
116
puncak banjir dari tabel 2.10, dari setiap nilai mempunyai peluang
yang sama untuk terjadi kapan saja secara acak sebagai debit
puncak banjir terbesar tahunan. Nilai pada tabel 2.10, dihitung
berdasarkan persamuuul dari data tabel 2.8 :
X:286,20 + 55,56 (k)
dengan nilai (k) dari tabel 2.9, apabila data tabel 2.8 dan 2.10
digabung maka diperoleh data debit puncak untuk 50 tahun data.
Untuk n
:
50 tahun, diperoleh X
:
281,18 m3/det, mempunyai
selisih 1,78
oh
dengan data 30 tahun dengan *.:286,2 m'ldet dan S
:
63,14 m'/det. Sehingga persamuuxr debit puncak banjir dari
distribusi normal untuk 50 buah data menjadi :
X:281,18 + 63,14 (k)
Persamaan itu dapat digunakan untuk menaksir debit puncak banjir
hingga periode ulang 100 tahun dengan nilai (k) dari tabel 3.3 bab
III, jilid
I, sedangkan persamaan dari tabel 2.8, hanya sampai 60
tahun. Perkiraan debit puncak banjir hanya disarankan sampai
periode ulang sebesar 2kali lama ketersediaan data.
2.6.2. Itenggunahan Proses ltqskoo
Menggunakan proses Markov adalah menggunakan model
auto-regresif tahunan. Model yang paling sederhana adalah model
Markov - Chain, yang dapat dirumuskan sebagai berikut :
X;
:
r(X1-1)+(l -
[
X + (S) (t) (1-r2)]
Keterangan:
(2.10)
:
debit tahunan pada tahun ke t
,
:
debit tahunan padatahun ke t-l
debit rata-rata tahunan dari pengamatan
deviasi standar dari pengamatan
koefi sien Markov-Chain, nilainya berkisar antaru
0,20 - 0,30, umumnya digunakan nilai 0.25
variat acak dari distribusi normal dcngun ruttt-rttltt
0 dan deviasi standar: I,0.
xi
xi_
x
S
f
t"
:
I l(i
Apabila nilai X ,
S dan f telah ditetapkan maka membangkitkan
deret berkala buatan untuk n tahun dapat dilakukan. Nilai t dapat
dibaca dari tabel II-3, pada bagian akhir Bab II ini. Nilai n
umumnya kurang dari 100 tahun,
jadi lebih pendek dari pada
menggunakan tabel bilangan random. Banyak peneliti mendapatkan
bahwa pembangkitan- data aliran dengan menggunakan distribusi
normal merupakan metode yang paling efektip. Nilai r, merupakan
angka koefisien korelasi serial lag-1. Perhitungan persamaan (2.10)
dapat dilakukan dengan menggunakan tabel nilai acak yang
ditunjukan pada tabel II-3, bagian akhir bab II.
Untuk mendapatkan deret berkala buatan dengan pertambahan
waktu bulanan dapat digunakan persamaan :
X,,
:
Xr * t,* (Xi-,^;-,
-
Xi-,) + tiJ (Sj) (l
-
rj'?)l (2'l l)
Subskrip
j, menunjukkan
jumlah bulan, untuk sintesis bulanan,
j
bervariasi antara | - 12. Subskrip i, menunjukan
jumlah tahun,
mulai 1 sampai n tahun. Nilai Il adalah koefisien korelasi serial
antara xi d*
4-r.Nilai
S; dan S,-r adalah deviasi standar dari debit
yang diamati untuk bulan ke
j
dan ke
j-1. Nilai
fu
adalah variat
acak dari distribusi normal dengan tata-rata: 0 dan deviasi standar
= 1,0'
Persamaan (2.11) dapat digunakan setelah nilai X, S dan t.
untuk setiap bulan ditentukan. Nilai ({-1;-,), merupakan nilai awal'
yang ditentukan dari suatu pemisalan, dapat ditentukan secara acak
dari rangkaian data yang telah diamati, atau ditentukan dari suatu
nilai debit pada permulaan musim hujan. Berikut ini disajikan
contoh membangkitkan data hidrologi untuk data tahunan,
menggunakan
persamaan (2. I 0).
Contoh 2.8.
Tabel 2.11, menunjukkan data debit total
fiuta
m'; dari nfs
cikapundung - Gandok selama 23 tahun, tahun 1958 - 1985.
Dengan menggunakan model Markov - chain, tentukan peramalan
117
debit total tahunan sehingga deret berkalanya n
:
50 buah dan
tentukan persamium distribusinya.
Tabel 2.1 I Debit Total DPS Cikapundung - Gandok Tahun
1958 - 1985.
No. Debit (X)
Juta m'ldet
No. Debit (x)
Juta m3/det
89, I
41,6
99,2
l0t,7
83,6
68,5
45,2
77,8
97,8
65,0
73,0
83,8
132,4
14.
t5.
16.
17.
18.
19.
20.
2t.
22.
23.
84,6
9l,l
I l4,l
90,0
149,4
78,6
97,4
121,0
125,0
109,0
N = 23, X = 92,l6jutam3, S
:25,95jutam3
Sumber : Tabel 3.4. jilid L
Jawab Contoh 2.8 z
Dari tabel 2.11, diperoleh X
:92,l6juta
m3 dan S
:25,95juta
m3.
1). Cara ke I :
Apabila diperkirakan nilai f
:0,25,
maka model Markov -
Chain untuk data tabel 2.ll :
I
Xi
:
r
CXi-r)
+ (l
-
r) X + (S) (t) (l
-
rz;z
X,:0,25(X,-,) + 0,75 (92,16) + (25,95)(t) (0,9375)l
118
X,
:0,25
(Xi-,) + 25J2 (t) + 69,12
'l'abel
2.12 menunjukkan hasil debit sintesisnya.
2). Cara ke 2 z
Debit sintetik pada kolom 6 tabel 2.12 dihitung berdasarkan
"anggapan" bahan nilai koefisien korelasi serial sebesar 0,25, yang
sebetulnya nilai itu dapat dihitung berdasarkan data debit
pengamatan. Berikut ini akan disajikan cara simulasi data debit
tabel 2.1l, dengan cara menghitung nilai f dari data pengamatan,
bukan dianggap I-
:
0,25, dan hasilnya dapat dibandingkan (tabel
2.12 dengan tabel 2.14).
Apabila diperhatikan nilai I'. dari pcrsiunaan (2.10),
merupakan koefisien korelasi serial lag-1, ini berarti debit tahunan
yang terjadi pada tahun ini nilainya tergantung dari debit tahunan
dari tahun lalu. Nilai koefisien korelasi serial lag-1, dari suatu debit
berkala dapat dihitung dengan persimaum :
fr
= (2.t2)
lle
I'abel 2.12 Data Debit Total Sintetik DPS Cikapundung - Oarrdok
Model Markov - Chain. DistribusiNormal.
(koefisien korelasi serial dianggap
:
0,25).
[l
,,-
*(ii
.
)']"[3
,i-
*(I
,,)']
No Y,-
t
0,25 X,-
t
t 25,12 t + 69,12 xi
I
)
3 4 5 6=3+5
I
2
J
4
5
6
7
8
9.
l0
lt
t2.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
92. I 6*)
61.76
65,21
98.23
98,44
52.03
r26,08
r 10,93
I t4,43
153,23
r 3 8,56
93.71
85,75
94,92
90,8 r
136.28
109.72
68.9 r l
I
1t3.46
I
1 03,76 I
66.42 I
54,.32
I
82,19
I
100,21
I
r r0,49 I
I 1s,58
I
g4,gg
I
23,04
15,44
r 6,30
24,55
24,61
r3,00
3 r,52
27,73
28,60
3 8,30
34,64
23.42
2t,43
23,70
22,70
34,07
27,43
17,22
28,36
25,94
16,60
13,58
20,54
25,05
27,62
28,99
23,74
- l,2l
- 0,77
+ 0,51
+ 0,19
- r,66
+ 1.75
+ 0,4 I
+ 0,70
+ 2.21
+ 1,24
- 0,40
- 0,27
+ 0,1'l
- 0,08
+ 7,77
+ 0,26
- l,l0
+ 1,08
+ 0,25
- l,l4
- 1,25
- o,o2
+ 0,42
+ 0,65
+ 0,75
- 0,12
- 0,23
38,72
49,77
81,93
73,89
27,42
I13,08
79,41
86,70
124,63
100,26
59,07
62,33
73,39
67,11
I13,59
75,65
41,49
96,24
75,40
40,48
3',1,72
68,61
79,67
85,44
87,96
66,10
63,34
61,76
65,21
99,23
98,44
52,03
126,08
110,93
114,43
153,23
138,56
93,71
85,75
94,92
90,91
136,29
109,72
6g,gl
113,46
103,76
66,42
54,32
82,19
100,21
110,49
I15,58
94,99
87,08
Untuk koefisien korelasi serial lag-k dapat dihitung
persamaurn:
t
(x,xx*u,-
*(:i,
)(t,,*,)
Persamaan 2.12, dapat disederhanakan menjadi :
i
(r,)(x,.,)-
*(3
,,)(I ,,)
[$,,
-
*($
*,)']-'[P, xi-
*(,8,
,,)']
dengan
I-l
= (2.13)
Sumber : Perhitungan data tabel 2.1 l.
Catatan : . nilai kolom 4, dari tabel II - 3, dipilih secara acak.
. nilai kolom 6, debit sintesis (uta mr).
. nilai I-
:
0,25 dan
*)
= dianggap sama dengan nilai rata-rata tabel 2. I l.
(2.14)
r20
Tabel 2.13
Dari perhitungan data tabel
f,:
r(X,)(X,.,)
i=l
Perhitungan koefisien Korelasi Lag-l
Debit Tahunan DPS Cikapundung - Gandok
Tahun 1958 - 1985
121
L= I
(Xi)
r-l
i,:
I
(X,)
= 2009.10
= 2029.00
r=l
f.:
IX,,--(I ,)'
f4: tg7gg3,rt
-
*.(2009,10),
= 14517,62
f--
$v:-, f'S
\r'
')
t-rn'- -,,-t
tt*t)
fr=209874,85-+
eo2g), = 14g06,90
22
Dari persamaan 2.14 :
r,
-
*(rrXr,)
'- /
-\/ -\ (jf.
lIJf,)
1 87 47 3, %
-
+QOog,
r})(202s)
(
I4sr
?, 3s
)
(
vq4so6,to
)
I_r:0.1 I
Dengan demikian model Markov lag-l untuk data tabel 2.11, dapat
ditulis sebagai berikut :
X,
:fr
(Xi-r)+(1
-I-,)X+(S)(t)
2.r3.
:
187471,93
X,
:
0, 1 I (Xi-r
)
+ (0, 89) (92,16) + (25,95) (t)
l\,rg:^
Xi
:
0,1 I (xi_r) + 24,79 (t) + 82,02
Tabel 2.14. nrenunjukkan data debit sintesik dan ba,cringkan
dengan hasil pcrhitungan padatabel 2.12.
No x, xi xi X,(X,,) X,, X,,
I
2
J
4
5
6
7
8
9
t0
1t
12
l3
t4
15
l6
l7
l8
l9
20
2t
22
23
89, I
41,6
99,2
101,7
83,6
68,5
45,2
7'l
,8
97,8
65,0
73,0
83,0
132,4
84,6
9l,l
I t4,l
90,0
149,4
78,6
97.4
121,0
125,0
109,0
89, I
41,6
99,2
101,7
83,6
68,5
45,2
77,8
97,8
65,0
73,0
83,0
t32,4
84,6
9l,l
tt4,t
90,0
149,4
78,6
97,4
121,0
125,0
41,6
99,2
101,7
83,6
68,5
45,2
77,8
97,8
65,0
73,0
83,0
132,4
84,6
9l,l
ll4,l
90,0
149,4
78,6
97,4
121,0
125,0
109,0
3706,56
4126,72
10088,64
8502,12
5726,60
3096,20
3516,s6
7608,84
6357,00
4745,00
6059,00
10989,20
t1201,04
770',7,06
10394,51
10269,00
13446,00
t1742,84
7655,64
11785,40
15125,00
1362s,00
7938,81
1730,56
9940,64
10342,89
6899,96
4692,25
2043,04
6052,84
9564,84
4225,00
5329,00
6889,00
17529,76
7 r57
,16
8299,21
13018,81
8100,00
22320,36
6177,96
9486,76
14641,00
1562s,00
I1881,00
7938,81
1730,56
9840,64
10342,89
6899,96
4692,25
2043,04
6052,84
9564,84
4225,00
5329,00
6889,00
17529,76
7157
,16
8299,21
13018,81
8100,00
22320,36
6177,96
9486,76
14641,00
15625,00
x 2118,1 2009,1 2029 t87473,93 209874,85 197993,85
Sumber : Data Tabel 2.1 l.
122
'l'abel
2.14 Data Debit Total Sintetik DPS Cikapundung -
Gandok Model Markov, Distribusi Normal.
(koefisien korelasi serial dihitung = 0,1l).
Sumber : Perhitungan data tabel 2. I L
Catatan : - nilai kolom 4, dari tabel II - 3, dipilih secara acak.
- nilai kolom 6, debit sintesis (uta m3)
- nilai I' = 0,1 I (dihitung dari data pengamatan).
.
*)
dianggapsamadengannilairata-ratadebittabel2.ll
t23
Dari hasil
analisis dapat disimpulkan bahwa dari data tabel 2.ll
yang
merupakan
data pengamatan
dan hanya mencakup data runtut
waktu
selama 23 tahun akan mempunyai pers.miuur distribusi
normal
:
X:92,16 +
25,95 (k)
Persamaan
tersebut, walaupun hasil dari pengamatan di lokasi pos
duga air DPS cikapundung - Gandok hanya dapat digunakan untuk
rhemperkirakan
debit total tahunan sampai periode ula g 2x23
tahun,
katakan sampai 50 tahun saja.
Apabila data tabel Z.ll, yang merupakan data pengamatan
digabung
dengan data tabel
z.l2 dingan nilai koefisien korelasi
serial lag-L
= 0,25 yang merupakan data sintetik maka jumlah
datanya
akan menjadi 50 tahun. Gabungan data tersebut akan
mempunyai
nilai rata-rata, *.
:94,9}juta
m3 (mempunyai
selisih
2.,99. Y:
dengan nilai pengamatan
n
:
92,16 juta
m)- dan nilai
deviasi
standar
S
:
25,39 juta
m3 (mempunyai selisih Z,l5
yo
1:"*.T
data pengamatan
S
:2i,95juta
mi), sehingga pers:rmium
distribusi
normalnya
akan menjadi :
X= 94,92 + 25,39 (k)
Apabila
data tabel 2.11, yang merupakan data pengamatan
digabung
dengan data taber 2.r4 dengan nilai koefisien korelasi
serial lag-l :
0,1I yang merupakan data sintetik maka jumlah
datanya
akan menjadi 50 tahun. Gabungan data tersebut akan
mempunyai
nilai rata-rata, X
:
94,97 juta
m3 (mempunyai
selisih
?,04
o/:
dengan pengamatan)
dan nilai deviasi standar, S
:
25,44
juta
m3 (mempunyai
selisih l,96
yo
dengan pengamatan),
sehingga
persamaan
distribusi normalnya menjadi :
x:94,97 + 25,44 (k)
l.)ari kcdua
persamiuur
distribusi normar yang rcr'khir dapat
tligttttakln
untuk memperkirakan dchit total lulrurran I)lrs
{'ikrtp,.tlu.g
- Gandok sampai periodc ulung 2 x 50 rulrun r00
No X,_, 0, I I Xi_l t 25,79 t + 82,02 X,
I 2 3 4 5 6:3+5
I
2
J
4
5
6
7
8
9
l0
ll
12
l3
t4
l5
l6
t7
l8
t9
20
2l
22
23
24
25
26
27
92,16,1
60,94
68,86
102,74
98,09
49,99
132,64
1 07,1 8
I I 1,85
152,79
130,74
86,08
84,51
95,69
go,4'7
137,61
103,85
75,02
117,02
101,33
63,75
56,79
99,09
103,75
I 10,19
120,68
92,19
10,13
6,70
7,57
r 1,30
10,79
5,49
14,59
I 1,78
12,30
16,75
14,38
9,46
9,29
10,52
9,95
15,13
11,42
7,t5
12,87
1 I,14
7,01
6,24
10,90
I1,41
12,12
13,27
10,14
- t,2l
- 0,'17
+ 0,51
+ 0,19
- 1,66
+ 1,75
+ 0,41
+ 0,70
+ 2,21
+ 1,24
- 0,40
- 0,2'7
+ 0,17
- 0,08
+ 1,77
+ 0,26
- l,l0
+ 1,08
+ 0,25
- l,l4
- 1,25
- 0,02
+ 0,42
+ 0,65
+ 0,75
- 0,12
- 0,23
50,81
62,16
95,17
86,79
39,20
127,15
92,59
100,07
I 39,01
l13,99
71,70
75,05
86,40
79,95
127,66
88,72
53,65
109,87
88,46
52,61
49,79
81,50
92,85
98,78
108,56
78,92
76,06
60,94
68,86
102,74
98,09
49,99
132,64
r07,t8
I I1,85
152,29
130,74
86,08
84,51
95,69
90,47
137,61
103,85
65,0',1
117,02
101,33
63,7s
56,79
99,09
103,75
I 10,19
120,68
92,19
86,22
E
L24
tahun, dengan nilai (k) dari tabel 3.3 Bab III, buku
jilid
I,
judul
sama.
Apabila dalam perhitungan debit sintetik diperoleh nilai
debit negatip, maka nilai tersebut hanya dipakai untuk
membangkitkan debit sintesis berikutnya, setelah itu nilai negatip
tersebut dibuang, tidak digunakan. Dengan demikian debit negatip
tidak boleh digunakan sebagai hasil simulasi.
Hal yang harus diingat bahwa data debit sintetik dari deret
berkala buatan, dengan cara membangkitkan atau menangkarkan
(menggenerasikan) tidak dapat memperbaiki kualitas data
pengamotan tetapi hanya diharapkan dapat memperbaiki kualitas
dari suatu desain yang dihitung dari data tersebut. Setiap nilai debit
sintetik, seperti yang ditunjukkan pada kolom 6 tabel 2.12 dan
kolom 6 tabel 2.14 mempunyai peluang yang sama untuk terjadi
secara acak kapan saja, terjadinya tidak harus berturutan.
Dengan demikian dapat dimengerti, ymg dimaksud data
sintetik (synthetic data) adalah data yang dihasilkan dari
membangkitkan deret berkala buatan oleh analisis stokastik. Dan
agar tidak dicampur adukkan dengan istilah data simulasi
(simulated data), yaitu data yang dikeluarkan oleh perhitungan
sebuah model. Data simulasi itu dapat saja dihasilkan dari
perhitungan menggunakan data sintetik.
t25
Tabel II - 1 Tabel Bilangan Acak
0222 8st9 4874 5524 8969 l5s3 0020 8848 9508 0047
85?6 3451 4044 6293 6599 7264 0934 0lt3 09.14 9065
0088 9679 3824 7'100 1091 4743 4382 7167 4990 3709
6429 8185 5047 3650 9l19 09ts 9875 6058 3315 5144
9403 8004 2149 s49t 7785 0045 6823 1294 2144 3688
4228 52't1 0641 1747 473t 5299 8982 228t 8655 9909
092'7 s272 49ll 3093 3329 5417 5448 4742 0479 1864
5468 640't 8532 0596 5479 5't43 9697 3072 t2t9 4t7o
2504 9229 Tlll 6410 4223 236'7 0ll9 2058 3593 3946
25s8 329t 9528 4236 9859 6632 l55l 4663 5710 8355
643s 0462 2487 448s 4568 4166 l9l7 1309 633? ls33
6r0s ss88 2501 t577 1290 6934 3693 s239 3623 5973
9893 1893 6s98 9904 7528 3005 t209 5'135 9015 9807
6t89 3541 1632 20t6 78s2 8237 2633 6742 lt93 3561
9440 8218 066t s467 0366
't682
9031 7190 1927 9785
5438 5865 27"tO 9357 5900 6356 1879 8552 2103 03l6
63'70 8923 7646 9770 0062 l53s 9742 4754 6060 7812
6158 6562 8t29 697t 9ss3 s369 2095 6660 s07o 2297
sr68 9515 0564 4332 7403 4463 5238 6'.159 5669 ll14
592s 4t48 64'19 6226 8786 9430 4154 2698 6138 6344
8s00 0224 6785 8810 3401 s453 2377 33tr 1968 1350
0146 8756 t9t9 t943 702s 2429 4822 4481 t54o 3323
424t 25t0 8727 7728 0590 7303 9546 8882 2502 0so0
0357 t403 1780 4785 9449 8955 t02.1 1950 2037 o27t
l89s e340 4s43 04s7 t703 f454 8391 6902 9072 9845
74I| 0466 6852 70n 9701 5536 6349 4268 8215 4864
ll54 9882 6164 4050 4248 9684 8242 55t5 7214 9096
8s5l 935s 8963 4792 8842 0008 2t52 2728 7748 0242
r99s 97s5 279t 1520 9625 4875 4995 8868 1609 66t7
7574 5598 3302 3699 lt84 o77t 4065 9554 otgo 1412
7670 1648 38t4 9474 0037 2488 2640 Os87 0t87 oo82
t232 2829 t436 0942 2265 8540 7923 6ot8 5889 6095
st94 6737 4050 74ll 5707 s490 5s50 7566
.1459
4334
5905 3838 3563 7t92 5161 0757 3315 4780 1472 6727
6t54 4795 2l8t 9954 8468 4946 0487 23tO %t8 3462
3988 r2l8 7869 6n7 4t02 8298 5715 8065 08t8 2581
2862 6703 4453 1536 1427 4796 3538 2907 8499 5lt4
1657 5834 2347 9609 3691 8286 6890 2161 5586 14t7
9908 0216 8053 3589 0664 s432 9697 74t9 3304 0670
6309 7060 9'725 37t7 72s2 3987 l5l5 9830 515,1 0642
l2t'
Tabel II - 1 Tabel Bilangan Acak (lanjutan)
9760 1618 5502
'1266
6380 2t24 2023 l8l3 8471 8173
403s 8660 4236 t267 tO64 9765 9618 4t67 599t 4275
2846 3s52 20'18 7237 ?378 53+2 9251 26t4.6135 4900
3016 5354 0938 0872 0392 8692 9144 9612 6834 3086
4628 t625 2440 9062 8578 1068 2614 ?807 4797 949t
3453 9374 3782 9368 5032 5681 1570 7854 3713 9730
9988 0859 1746 2625 3270 t362 7302 3458 46t8 8959
3157 057'1 5E49 1459 7789 3s73 5407 3065 5968 8298
540s 4894 9427 7681 6816 9785 0380 4925 1037 4388
9236
574s 4795 4211 8648 0236 5036 3632 8538 0415
1455 6140 0347 7064 4247 2328 9385 7546 9655 5104
2'134 1789 7839's649 5022 s625 4806 8442 2148 s082
t392 6326 ls86 7l3l 8034 8052 1928 0030 8800 0776
2586 3095 8076 2602 ts't1 3569 258t 97sl 1070 0155
t2s2 t76t 3442 6917 9330 3540 8526 1850 6144 )t84
7000 4452 9570 7t7t 970t 2571 4270 8514 0418 2877
0143 t2t4 84',t4 070t 8604 3689
't422
4295 2862 t48t
6496 6950 7922 7203 2536 2469 0013 2284 4982 5089
3448 7308 6208 1730 9956 0084 0972 6799 0442 2728
6468 1686 7563 0640 4522 4192 6185 5235 7t63 9273
3908 8440 r488 5852 0451 4698 3356 1460 8535 0348
2484 0t27 6221
',1421
lTll 0366 6800 0lt4 3301
't519
3399 8071 6t02 7517 4082.43t6 3983 4509 t23't 7822
3002 1947 9298 077? 6162 5826 2733 ?782 4381 t756
0734 t204 54t8 t279 0968 4035 3589 3544 3l7l 9788
4303 lr35 3245 666t 3080 9053 5074 1388 8l3l 2083
l50l 1874 9319 9429 8426 t46't 7415 t816 2694 4497
6409 9389 674t 3972 8315 2265 4963 6686 9499 8130
396t 0431 2963 2513 9949 fi20 6805 1961 1242 4328
8537 2881 7966 5675 6325 1059 5885 5122 t74l 9433
4987 9830 2829 9413 46tt 2061 0357 2952 6800 9827
2445 s833 2999 2955 3tt2 8'n4 1803 0332 3t39 9881
5225 t90t 7433 7538 5469 6983 0758 8358 0217 5975
5357 3944 0474 0843 6688 4650
'il55
9072 7628 88t1
7905 3856 4732 0807 0477 27tO 3449 5771 7982 9096
9698 4215 1569 l3ll 7061 0298 2423 3837 9870 6991
0159 3916 8926 2559 7602 938't 6933 3l2l 79ts 5764
3t)5 6263 4661 5703 0175 3586 9614 399t 284t sO23
1288 7418 lt96 l3ll 8349 8s22 t228 9106 0669 463'7
9654 4865 8404 8'767 8294 3548 t999 2138 6769 s622
727
Tabel II - I Tabel Bilangan Acak (lanjutan)
3915 0709 3758 9160 1140 9710 9001 0129 7907 5518
6323 3t4t 0266 1777 8681 1584 1189 8026 946',1 8556
9576 8584 8620 2082 8729 7t45 7921 2080 9446 7892
5569 1328 1861 6589 7476 575t 2599 6231 3426 3126
6426 3774 6005 8358 8858 3190 5374 0560 4517 3426
1362 6360 3981 3873 6448 0871 2825 7693 9304 9016
5871 9251 3386 3168 9946 8668 323',7 4608 1136 0850
8057 9085 797t 8897 t7l3 8222 9580 7963 6983 3076
8269 2276 0836 9910 8303 7518 9262',754A 1802 7089
7t^72 0442 7370 5570 4703 t774 3120 576t 7958 9285
9793 7t64 0343 t762 2839 0001 1169 8120 4589 9880
1164 8018 3099 6664 9908 4539 3633 1859 t63t 3192
4317 1925 l3r3 1136 8333 6817 4428 5t7t 1984 1757
8892 6229 7306 0043 4470 4509 4382 485t 1624 4305
82lt 8444 9543 9039 1263 3837 9t5t 2449 6262 0240
4302 2062 2739 46t2 7638 0429 3848 8628 7533 8579
3491 1097 2977 3t56 9476 t868 9426 9760 0032 6532
6833 0'770 t735 5777 t656 5024 0857 t793 9944 0453
0543 4932 2300 9635 7983 1820 9t44 75t8 9255 5008
4175 3267 rt50 6322 2320 7000 6219 7808 2tt9 0328
Sumber: Bonnier l98I
NI
Frdart
ILIK
Perpust:rk airn
H
128
r2$
I'abel ll - 2 Wilayah Luas Di Bawah Kurva Normal
'l'abel
II-3. Variat Acak Distribusi Normal l)cngtrr nilai
Rata-rata = 0 dan Deviasi Standar
.,
1,0
- l,2l
- 0,77
0,51
0,19
- 1,66
1,75
0,41
0,70
2,21
1,24
- 0,40
- 0,27
0,17
- 0,08
1,77
0,26
- I,l0
l,08
0,25
- l,l4
- t,25
- 0,02
0,42
0,65
0,75
- 0,t2
.
- 0,23
- 0,29
2,1I
- 0,50
- 0,20
- 3,02
- 0,62
- 0,88
l,l7
- 1,49
- 0,32
0,41
0,53
- 1,27
- 0,38
0,70
- 1,'10
- 0,13
- 0,29
0,35
0,l0
0,32
- 0,22
1,29
1,05
0,54
- 0,04
0,40
0,88
0,21
1,29
0,43
- 0,25
0,l7
0,55
1,34
0,08
- 1,24
- 0,58
- 0,46
- 0,72
2,20
0,53
1,42
- 1,22
- 0,08
- 0,63
.0,37
0,36
- 0,31
- 1,02
- 0,88
0,23
- 0,93
1,57
- 0,66
0,07
1,26
0,45
- 1,03
- 0,97
0,03
0,21
1,23
- 0,42
-2,03
- 0,76
0,82
- 0,23
0,78
- 0,48
- 1,08
0,06
- 3,35
- 1,48
0,45
0,16
-0,23
0,25
- 0,54
- 0,51
0,85
l,l I
- 2,01
0,1I
- 0,54
0,34
- 0,03
0,l3
0,06
- 1,79
0,69
- 1,67
0,34
1,66
- 1,69
1,89
0,22
0,60
0,30
3,05
0,75
- 0,96
0,19
- 0,27
0,18
0,81
0,24
- l,o7
0,08
- 1,82
1,92
- 1,51
l,l6
- 0,13
1,03
l,6l
- 0,85
1,34
- 0,63
0,2s
- 0,42
r,66
- 0.99
Sumbcr Bonnier ( l98l
).
{
I
I
-3,4
-3,1
-3,2
-1, l
-3,0
-2,e
-2,8
-2,6
-2,4
_, l
-2,t
-2,0
-1,9
- t,8
- t.7
-1,6
,1
,5
- t,4
,l.l
-t,I
- t,0
-0.9
-0,8
-0.7
,0,6
-0.5
-o,4
-0,1
-0,2
-0, I
0,0
0,0
0,1
0.2
0.3
0.4
0.5
0.6
0,7
0.8
0.9
t.0
l.l
t.l
l.l
1.4
1,5
1.6
1.1
1.8
1,9
1,0
t.t
t.l
:.1
1.4
:.6
1.8
t.9
j.0
)t
j,i-
j.r
0,0003 0,0003
0,0005 0,0005
0,0007 0,0007
0,0010 0,0009
0,0013 0,00t1
0,00r9 0,00rE
0,0026 0,0025
0,0035 0,0034
0,0047 0,0045
0,0062 0,0060
0,0082 0,00t0
0,0r07 0,0104
0,0119 0,0136
0,0179 0,0174
0,0228 0,0222
0,0217 0,0281
0,0359 0,0152
0,0446 0,0436
0.0548 0,0517
0.0668 0,0655
0,0808 0,0793
0,0968 0,095 I
0,l l5l 0, n3 t
0,1157 0,1335
0.1587 0,t562
0,r841 0,1814
o,tl t9 0,2090
0.2420 0,2389
o,2't43 0,2709
0,1085 0,3050
0,3446 0,t409
0,3821 0,37t1
0,4207 0,4t68
0,4602 0,4562
0,5000 0,4960
0,5000 0,5(x0
0,5398 0,541t
0,5793 0,5t32
0,6t79 0,6211
0,6554 0,659t
0,6915 0,6950
0,7257 0,729t
0,75t0 0.76t I
0.78E r 0,79t 0
0,r | 59 0,8 I 86
0,t4 I I 0.8418
0,8643 0,8665
0.8849 0,t869
0,9032 0,9049
0,9192 0,9201
0,9312 0.9145
0,9452 0.9461
0,9554 0,9564
0,9641 0,9649
0.9711 0,97t9
0.9'172 0,917t
0.9E21 0.9826
0.986t 0,9t64
0.9891 0,9896
0,99t8 0.9920
0,9938 0,9940
0,9951 0,9955
0.9965 0,9966
0.9974 0,9975
0.9981 0.99t2
0,9987 0,99t7
0,0003 0,0003
0,0005 0,0004
0,0006 0,0006
0,0009 0,0009
0,0013 0,0012
0,0017 0,00t7
0,0024 0,0023
0,0033 0,0032
0,0044 0,0043
0,0059 0,0057
0,0078 0,0075
0,0102 0,0099
0,0132 0,0t29
0,0t70 0,0166
o,o2t7 a,o2t2
0,0274 0,0268
0,0344 0,0336
0,0421 0,04 t8
0,0526 0,05 I 6
0,0643 0,0630
0,0778 0,0764
0,0914 0,09t8
0,r l12 0,1093
0,1314 0,1292
0,1J39
.0,t515
0,1788 0,t762
0,2061 0,2033
0,2358 0,2127
0,2616 0,264)
0,3015 0,2981
0,1372 0,3316
q3745 0,3707
0,4t29 0,4090
0,4522 0,4483
0,4920 0,4880
0,50t0 0,5t20
0,5478 0,5517
0,5t7t 0,J9t0
0,6255 0,6293
0.6628 0,6664
0,698J 0,70r9
0,7324 0,7757
0,7642 0,7673
0.7919 0,7qi7
0,t2t2 0,t218
0,146t 0,84tJ
0,t6t6 0,8706
0,8881 0,8907
0,9066 0,90t2
0,9222 0,9216
0,9357 0,9170
0,9474 0,94t4
0,9571 0,9582
0,9656 0,9664
0,9126 0,9712
0,97E3 0,9788
0,9t10 0,9814
0,9868 0,9E7t
0,9898 0,9m1
0.9922 0,9925,
0,994t 0,9943
0,9956 0,9957
0,9961 0,996E
0,9976 0,9977
0,9982 0,9981
0.9987 0.99EE
0,9991 0,9992
0,9994 0.9994
0.9995 0.9996
0.9997 0.9991
0,0003 0,0003
0,0004 0,0004
0,0006 0,0006
0,0008 0,0008
0,0012 0,001 I
0,0016 0,0016
0,0023 0,0022
0,0011 0,0010
0,0041 0,0040
0,0055 0,0054
0,0073 0,0071
0,0096 0,0094
0,0125 0,0122
0,0162 0,0158
0,0207 0,0202
0,0262 0,0256
0,0129 0.0322
0,0409 0.0401
0,0505 0,049J
0,06tt 0,0606
0,0749 0.0715
0,0mt 0.0tt5
0,1075 0. t016
o,t21t 0.125t
o,t492 0,t469
0, t736 0, t7l I
0,2005 0,t977
0,2296 0,2266
0,261 I 0,2578
0,2946 0,2912
0,3300 0,J264
0,3669 0,7612
0,4052 0,4013
0,4443 0,440d
0,4840 0,4t01
0,5160 0,5t99
0,5557 0,5596
0,5948 0,5987
0,6331 0,636t
0,6700 0,6736
0,7054 0,70tt
0,7189 0,1422
0,770d 0,7734
0,7995 0,E023
0,8264 0,t289
0,8508 0,t5t r
0,8729 0,8749
0,8925 0,t944
0,9099 0,9t l5
0.925t 0,9265
0,9182 0,9394
0,9495 0,9505
0.9591 0,9599
0.96?l 0,9678
0,9718 0,9744
0,9193 0,9798
0,9E38 0,9842
0,9875 0,9878
0,9904 0,9906
0,9927 0,9929
0,9945 0,9946
0,9959 0,9960
0,9 9 0,970
0.q?77 0,9978
0.9984 0.9984
0,99p8 0,99E9
0.9992 0.9992
0,9994 0,9e94
0.9996 0.9996
0.9997 0.9997
0,0003 0,0003
0,0004 0,0004
0,0006 0,0005
0,0008 0,0008
0,001 I 0,001 I
0,0015 0,0015
0,0021 0,0021
0,0029 0,0028
0,0039 0,0038
0,0052 0,0051
0,0069 0,0068
0,0091 0,0069
0,01 19 0,01 16
0,0154 0,0150
0,0197 0,0192
0,0250 0,0244
0,03t4 0,0307
0,0392 0,0184
0,0485 0,0475
0,0594 0,0582
o,o722 0.0?08
0,0869 0.08 5 I
0, I 0lt 0, t020
0,1230 0.12t0
0,1446 0,t421
0,16E5 0,1660
0,t949 0,1922
0,2236 0,2206
0,2546 0,i514
0,2877 0,2t43
qr228 0,1192
0,3594 0,3557
0,3974 0,1936
0,4364 0,4325
0,4761 O,472t
0,5239 0,5279
0,5616 0,5675
q6026
0,6064
0,6406 0,6443
0,6772 0,6t0t
o,7t2t 0,7151
0,7454 0,74t6
0,716/ 0,7794
0,t05t 0,t07t
0,83 I 5 0,8340
0,t554 0.8J77
0,8770 0,E790
0,8962 0,t9t0
0,9t3t 0,9t47
0,927t 0.9292
0,9406 0,941t
0,95 I 5 0,9525
0,!r0t 0.96t6
0,96t5 0, 91
0,9750 0.97J6
0,9803 0.9E0r,
0,9846 0,9850
0,9881 0,9t84
0,9909 0,99t r
0,993t 0,9912
0,9948 0.9949
0,996t 0,9962
0,997t 0,9912
0,9979 0,9979
0,99E5 0,9985
0,9989 0.9919
0,9992 0.9992
0,9994 0.9995
0.9996 0.9996
0.9997 0.9997
0,0003 0,0002
0,0004 0,0003
0,0005 0,0005
0,0007 0,0007
0,0010 0,0010
0,0014 0,0014
0,0020 0,00t9
0,0027 0,0026
0,0037 0,0036
0,0049 0,0048
0,0066 0,0064
0,0087 0,0084
0,01 13 0,01 l0
0,0146 0,0143
0,0188 0,0181
0,0239 0,0217
0,0301 0,0294
0,0375 0,0367
0,0465 0.0455
0.057t 0.0559
0.0094 0,06Et
o.08rt 0,0t2.t
o,t00r 0.0985
0, I t90 0. I 170
0,140I 0,I379
0,r635 0,16t I
0,1894 0,1E67
0,2111 0,2t48
0,2483 0,245t
0,2810 0,2776
0,3t56 0,312t
q3520 0,14E3
0,3t97 0,1t59
0,4286 0,4247
0,4681 0,4641
q53t9
0,5359
0,5714 0,5753
0,6t03 0,614t
0,6480 0,6517
0,6t44 0.6879
0,7190 0,7224
0,7517 0,7549
0,7823 0,7t52
0,8106 0,Et33
0,E365 0,t189
0,E599 0,862t
0,88 l0 0,8Et0
0,t997 0,m15
0,9162 0,9t77
0,9106 0,9319
0,9429 0,9,141
0,9515 0,9545
0,9625 0,9633
0,9699 0,9706
0,9761 0,9167
0,9812 0,9817
0,9854 0,9t57
0,98t7 0,9890
0,9913 0,9916
0,9914 0.9916
0,995 t 0,99J2
0,9961 0,9964
0,9973 0.y974
0,99E0 0.99E1
0,9986 0.99t6
0,9990 0.9990
0.9993 0,9991
0,9995 0.9995
0.9996 0,9997
0,9997 0.999E
0.9990 0.9991
'0.9991
0.9991
0.9995 0.9995
0.9997 0.9997
Bab
3
aplilcasi model regresi
dan analisis korelasi
data hidrologi
3.T PENDAHULUAN
Metode analisis statistik yang telah dibahas adalah baru
mengenai data yang terdiri dari sebuah variabel hidrologi, deskrit
maupun kontinyu. Banyak analisis data hidrologi yang bertujuan
untuk mengetahui apakah ada hubungan antara dua variabel atau
lebih, misalnya saja :
.
pengamatan data curah hujan umumnya telah
dilaksanakan lebih lama apabila dibanding dengan
pengamatan'data
debit sungai dari suatu DPS, akibatnya
dirasakan perlu untuk mempelajari hubungan kedua
variabel tersebut untuk kepentingan peramalan debit,
.
menentukan hubungan arttara debit sungai dari dua lokasi
pos duga air untuk kepentingan pengisian data kosong,
memperbaiki ataupun mengecek data, memperpanjang
lama pencatatan data runtut waktu,
131
l:tt
.
menentukan hubungan untara dcbit sedimen dengan dcbit
aliran sungai, luas DPS dan luas hutan atau variabel
hidrologi lainnya.
.
menentukan hubungan antara debit puncak banjir tahunan
rata-rata dengan curah hujan, luas DPS, kemiringan alur
sungai dan proporsi luas genangan (telah disajikan contoh
pada sub bab 4.2.3, buku
jilid
I,
judul
sama).
Hubungan antara dua atau lebih variabel hidrologi dapat dinyatakan
dalam rumus matematik sehingga merupakan suatu model, yang
dapat digunakan untuk berbagai keperluan analisis hidrologi, misal
untuk:
o prirfiiolanQtrediction).
. perpanjangan (extension).
memperbaiki atau mengecek ketelitian data.
pengisian data pada periode kosong
Suatu analisis yang membahas hubungan dua variabel atau
lebih disebut dengan analisis regresi. Apabila dalam analisis regresi
telah dapat ditentukan model persamaan matematik yang cocok,
persoalan berikutnya adalah menentukan berapa kuat hubungan
antara variabel-variabel tersebut. Atau dengan kata lain harus
ditentukan derajat hubungan atau derajat asosiasi antara variabel
hidrologi yang digunakan dalam analisis regresi. Suatu analisis
yang membahas tentang derajat asosiasi dalam analisis regresi
disebut dengan analisis korelasi (coruelation analysis). Derajat
hubungan tersebut umumnya dinyatakan secara kuantitatip sebpgai
koefisien korelasi (coruelotion coeficienr). Nilai koefisien korelasi
yang tinggi tidak berarti menunjukkan kesamaan kejadian
penomena hidrologi (hydrological similarity) akan tetapi lebih
cenderung menunjukkan kesamaan waktu kejadian atau
keserempakan kejadian penomena hidrologi (simultaneity of
hydrological events).
Pengertian analisis regresi dan korelasi, lebih lanjut dapat
dijelaskan dengan contoh sebagai berikut : dari 2 (dua) seri data
138
penomena hidrologi yang telah diukur misalnya curah hujan (X)
dan debit (Y) sebanyak n buah data dapat dinyatakan sebagai
{(X,,Y,);
i
:
l, 2,3,4,5, ... n}. Apabila setiap pasangan data debit
dan curah hujan digambarkan pada kertas grafik aritmatik, maka
akan diperoleh serangkaian titik-titik koordinat yang menghubung-
kan kedua hasil pengukuran
kedua data penomena hidrologi
tersebut. Penggambaran data tersebut dinamakan dengan diagram
pencar (scatter diagram) atau diagram titik (dot diagram), dan
contohnya dapat dilihat pada gambar 3.1.
Gambar 3.1. Sketsa Diagram
pencar
Dmi gambar
3.1, dapat dikatakan bahwa proscdur
pcnyelesaian dalam nrcncntukan pcrsamiuul matematik yrurg paling
a
a
1ll4
scsuai dengan sebaran titik-titik koordinat yang menghubungkan
pasangan data (X,,Y,) disebut dengan analisa regresi. Kurva yang
digambarkan dari persamaan yang sesuai untuk menentukan nilai Y
dari data (X,,Y,) disebut dengan garis regresi Y, nilai Y, disebut
variabel tidak bebas (VTB) dan nilai Xi disebut variabel bebas
(VB), sebaliknya kurva yang digambarkan dari persamaan yang
sesuai untuk menentukan nilai X dari data (X',Y') disebut dengan
garis regresi X, nilai Y1 disebut VB dan X, disebut VTB. Pada
umumnya garis regresi Y dan garis regresi X tidak berimpitan,
karena perbedaan parameter. Umumnya nilai Y yang digunakan
sebagai VTB, yaitu nilai Y yang diharapkan terjadi untuk X
:
X'.
Nilai X yang merupakan VB, umumnya merupakan data yang
mudah diperoleh, misal Y; sebagai data debit yang diharapkan
terjadi pada tinggi muka air sebesar X
:
X, atau curah hujan scbesar
X: X'.
Titik-titik koordinat pasangan data (X,,Y;) dapat mempunyai
sebaran yang besar atau kecil disekitar garis regresi. Analisis
korelasi, membahas tentang derajat hubungan (X,Y,). Korelasi
mempunyai nilai yang besar apabila pasangan koordinat (X',Y,)
dekat dengan garis regresi.
Dalam analisis regresi, data hidrologi umumnya dipandang :
.
mengikuti distribusi normal
.
tiap variabel adalah homogen, semua nilai data dari
setiap variabel diukur dengan cara yang sama.
.
nilai VB diukur tanpa kesalahan
.
nilai VTB merupakan kejadian acak yang saling tidak
berhubungan.
Dalam analisis korelasi, data harus merupakan data acak dari
distribusi normal, nilai VTB dan VB tanpa mengalami kesalahan
dalam pengukuran.
Gambar 3.2, menunjukkan diagram pencar dari n buah
pengamatan data korelasi
{(X;,
Y); i
:
1,2,3,4,5,.....n}, yang
menunjukkan sketsa sejauh mana koordinat (X,,Y') menggerombol
di sekitar garis lurus. Nilai koefisien korelasi berkisar antara -1,0 <
R
< 1,0. Dalam analisis hidrologi hubungan antara penomena,
135
berdasarkan nilai koefisien korelasi dapat dinyatakan sebagai
berikut :
R: I
hubungan positip sempurna.
0,6 <R<
I hubunganlangsungpositipbaik.
0 <
R <
0,6 hubungan langsung positip lematr.
R:0
tidak terdapat hubtrngan linier.
- 0,6 <
R <
0 hubungan langsung negatip lematr.
- 1,0 <
R < -0,6
hubungan langsung negatip baik.
R = -1,0
hubungan negatip semptrrna.
Koefisien korelasi antara (X,,
y,)
adalah menunjukkan hubungan
linier antara variabel
X, dan Yi. Oleh karena itu untuk nilai R
:
0,
berarti menunjukkan
tidak adanya hubungan linier, mungkin
hubungannya kuadratik. Dengan demikian nilai R = 0, itu mtmgkin
menunjukkan adanya hubungan tak linier yang sempurna antara
kedua variabel tersebut.
3.2. MODEL BEGBES'
Langkah awal dari analisis regresi dan korelasi adalatl
menentukar-r data penomena
hidrologi
{(Xi,
Y); i
:
1,2,3,4,5,..,.n}
yang dipilih sebagai variabel bebas (VB) dan variabel tidak bebas
(VTB), selanjutnya:
.
menentukan
bentuk kurva dan persamaan yang cocok
dengan sebaran data (X,,
y,).
.
melakukan
interpolasi nilai VTB berdasarkan nilai VII
yang telah diketatrui.
.
bila diperlukan melakukan ektrapolasi nilui V't'lt
berdasarkan
nilai VB yang telah dikctahui.
Pekerjaan tc:rscbut umumnya dikenal scbugui penyanrEinrr krrrvn
I3(;
t:r7
merupakan gads lurus atau lengkung yang dapat mewakili titik-titik
tersebut.
Dengan analisis grafis (freehand method of curve
fitting),
merupakan cara yang paling mudah untuk menentukan bentuk
kurva, yaitu dengan membuat kurva secara visual (dengan
perasaan). Meskipun cara ini praktis tetapi sangat subjektip, dan
cenderung dapat membuat kesalahan, terutama apabila penyebaran
titik-titik cukup besar.
Prosedur analitis, memberikan suatu metode yang lebih pasti
untuk mendapatkan kurva yang diinginkan. Salah satu caranya
adalah dengan melaksanakan prosedur yang disebut dengan metode
kuadrat terkecil (least-square method). Dengan metode kuadrat
terkecil memilih garis regresi yang membuat
jumlah kuadrat jarak
vertikal dari titik-titik (Xi,Yi) ke garis regresi tersebut sekecil
mungkin,
jadi
apabila AY' menyatakan simpangan vertikal dari
titik-titik ke-i ke garis regresi Y seperti ditunjukkan pada gambar
3.1, maka
jumlah
kuadrat Y' harus minimum, dimana :
Gambar 3.2. Diagram Pencar dan Koefaien Korelasi'
(curvefitting). Metode curvefitting dapat dilaksanakan dengan :
.
analisis grafis
o prosedur analitis
Gambar 3.1, menunjukkan sketsa dari titik-titik pengukuran (X;,Y,)'
Pola (trend) secara umum dari koordinat titik-titik pengukuran
dapat diketahui, sehingga dapat ditsntukan bentuk kurvanya
AYi:Y'-Y
Keterangan :
AY,
:
simpangan vertikal dari titik-titik (X',Y') ke
regresi, sering disebutjuta dengan nilai residu.
= dibaca Y topi, untuk menyatakan bahwa nilai Y
yang diperoleh dari garis regresi Y f(X), dan untuk
membedakan dari nilai Y yang diperolch tluri
pengukuran.
:
nilai Y pengukuran untuk X: X,
Apabila nilai (AY)2 untuk semua titik (Xi,Y,) aduluh nltnrluurn
maka kurva yang diperoleh dapat di sebut schagai tt ltc.t't
litttrtyl
curve.
(3.1)
gans
i
Yi
138
Ileberapa altematip analisis regresi
yang umum digunakan dalam
analisis data hidrologi diantaranya adalah model regresi :
a
a
a
a
a
linier sederhwa
(simPle linier).
fungsi eksponensi al (exponential
function)'
fungsi logaritma
(logarithmic
function)'
fungsi polinomoal
(P olynomial
function)'
fungsi berganda
(multiple
function)'
Berbagai model regresi untuk membuat hubungan
pasangan
pengamatan {(X,,Y,);
i = 1,2,.."n} antara lain :
1). model sederhana
(garis lurus)
Y:b,*arX
1
Y: b,
+ a, (X)
2). model eksPonensial
Y = br e"tx
Y: a,bx+c
3). model berPangkat
Y=br X"'
Y=b' Xn'+c
4). model logaritmik
Y:b,+a, logX
logY= f,+a,X
logY= a bx
logY- br+a, logX
5). model
Polinomial
Y = bo
+brx+ b2X2
+ b3X3
+ .....
+ b,X'
y=
a16a+cX2
Y: a+bX+sa2+dx3
logY=6*bX+cX2
data
139
model hiperbol
i, I
I:-
ar * brX
$:u*b,(+)
model logistik
t, I
Y:-
^
a,b,
'+
c
Y:a,b,*+c
Model regresi berganda umumnya digunakan untuk membuat
hubungan yang lebih komplek dari (m) buah variabel, misalnya :
1). regresi linier berganda :
Y
:
Ao + A,X, + ..... A,X, + ..... A._, X._,
2). regresi tidak linier berganda :
Y
*
Ao 'Xr
er
' Xz
o'
' ..... X*li'
yang dapat ditransformasikan ke dalam model linier :
log Y: log bo + A, log X, + Az log X, +... * A..r log X.-,
atau
ln Y: ln bo + A, l" X, + A2 ln x2
+ .... + A.-r ln x..l
Berikut ini akan disajikan beberapa model regresi yang umumnyo
digunakan dalam analisis hidrologi, berikut dengan pencntuiut
koefisien korelasinya.
Pada prinsipnya, sembarang model yang digunakan upukulr
sederhana atau komplek dengan lebih dari 2 variabcl yiutl{
llcntulp,
bahwa model tersebut harus cocok dcngan pcnnrtsitluhurr lritlrolo;ir
yang di analisis. Dengan kata lain nrotlcl lcrsctrrrl lrnrus trtltk
memberikan penyimpangan yantt nyiltil upnhilu tlirrli Krrlrhrirsr
model dengan data pcngukuran larrgsrrng, tli lupnttgnrr lurrrrs sclllu
6).
7).
140
dilaksanakan. Apabila terjadi penyimpangan haruslah dibuat
persamium yang baru, sesuai dengan model yang digunakan, atau
mungkin model yang digunakan diubah sesuai dengan perolehan
data yang baru. Hal ini mengingat jumlah pos hidrologi yang
semakin bertambah banyak dan periode waktu pengamatan
bertambah lama.
3.3. MODEL BEGBES' LIN'ER SEDENHANA
3.3.1 Penentuan Persamaan
Penomena hidrologi yang terdiri dari dua variabel
berpasangan
{(X,,Y,);
i
:
1,2,3,...n}, bila dibuat hubungan maka
akan dapat merupakan garis kurva linier sederhana dengan dua
model persamaan regresi garis lurus sebagai berikut :
keterangan :
o=***,
v:fiv,
Besamya koefisien korelasi, yang
antara variabel X, dan Y,, adalah :
R=[(a,)(ur))"'
dan dapat dihitung berdasarkan
sebagai persamium berikut ini :
br:
az:
/_\
Y
-
ar
[x.J
$
(*,-x)(v,
-
v)
t4t
(3.s)
(3.6)
(3.7)
t
(",
-
v)'
",(v)
bz:X*
(3.8)
(3.e)
menunjukkan derajat hubungan
Y:a,X+b,
X:arY+bu
(3.2)
(3.3)
Keterangan :
Y
:
persamaan garis lurus Y atas X
. X
:
persam.urn garis lurus X atas Y
dt, d2
:
koefisien regresi merupakan koefisien aratr dari
garis regresi.
b,, b,
:
koefisien yang merupakan titik potong dari garis
regresi.
Dengan menggunakan metode kuadrat terkecil maka besarnya
koefisien &r, br, a, dan b, dapat dihitung dengan menggunakan
persamaan sebagai berikut :
(3.10)
persamaan (3.4) sampai (3.7)
R- (3.1 r
)
Besarnya koefisien penentu atau koefisien determinasi (dcterml
nation coeJicient), yang menunjukkan perbedaan varian duri tlntn
pengukuran Yi dan varian dari nilai pada garis persiunaotr rcgrcsi
untuk nilai X,adalah :
i
t
i=l
t
("
-x)(v -v)
[{*c
-x)'}{tG,-o):}]'
&l=
t
(*,- x) (v,
-
v)
R2: (a,) (ar)
Untuk persamaan rcgresi Y
( I l.ln)
rlrrpnl
jup,,rr
di
/ \2
(xr-IJ
{3.4)
L42
hitung sebagai :
i
(i,- Y)'
R'=
l(Y;f
(3'r2b)
Nilai residu adalatr merupakan ukuran perbedaan antala nilai
pengukuran dengan nilai dari persamaan regresi seperti telah
dijelaskan pada rumus 3.1, (rersamaan regresi Y atas X atau
sebaliknya). Deviasi standar dari nilai residu dapat dihitung dengan
rumus:
ox=[
(3. l 3)
t4:t
Pcrsamaan garis lurus (3.17) dan (3.18), mcmcrlukan pcrhitungun
nilai rata-rata dari variabel, Y, x, deviasi standar variaber X dan
y
serta koefisien korelasi, sehingga dapat diketahui bahwa :
a). persamaan regresi selalu melalui titit
1X,
Y;.
b). apabila pasangan (X,, Y) mempunyai koefisien korelasi
:
I dan -1, maka persnmzurn (3.I7) dan (3.1g) akan
berimpit.
c). apabila pasangan (X,,
y,)
mempunyai nilai koefisien
korelasi
:
0, maka persama{m (3.17) dan (3.1g) akan
saling tegak lurus.
d). apabila pasangan (X,,
yi)
mempunyai nilai koefisien
korelasi yang terletak antara -1 dan 0, atau 0 dan +1,
maka persamaan (3.17) akan membuat sudut tertentu
terhadap persamuuul (3. I S).
Contoh 3.1. z
Tabel 3.1, menunjukkan data curah hujan (X,) dalam satuan (mm)
dari DPS Cimanuk-Leuwigoong dan debit alirannya (y,) dalam
m'/det, rata-ratabulanan dari tahun lg78 - 1982. Tentukan besarnya
koefisien korelasi, koefisien penentu dan persamaan regresinya.
Tabel3.l Data Curah Hujan Dan Debit DPS Cimanuk-
Leuwigoong Tahun 1978 - 1982.
No. Bulan Curah Hujan (mm)
(x)
Debit (mi/det)
(Y)
l
2.
J.
4.
5.
6.
7.
8.
().
t0.
ll.
12.
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
229
205
271
304
145
154
98
69
7t
96
184
280
32
3l
38
40
28
24
2t
l3
t4
t2
28
17
Srrnrher : Analisis data huian tlarr tlchit l)ltS
(.'irrrnrrrrl.
l,crrwiguorrg
*
(r,-x)'
y
=
Y.*(*)(r-x)
i
=
x.*(&)(r-v)
(n- l)
t
(", Y)
ov
= [
at"_
rl
];
(3.r4)
Perhitungan koefisien regresi a, d^ ur, selain dapat dihitung
berdasarkan persam&m (3.4) dan (3.6) dapat
juga ditentukan
berdasarkan nilai koefisien korelasi (R) sebagai berikut :
(3.1s)
(3.16)
Sehingga persamuum (3.2), persamaan garis lurus Y pada X, yaitu
persamzuul untuk meramal Y jika X diketahui, menjadi :
(3.17)
Sedangkan persamaan (3.3), persamaan garis lurus X pada Y, yaitu
persamiurn untuk meramal X
jika Y diketatrui, menjadi :
",:
* (*)
"r:
* (&)
l
l
,l
I
ir
ti
tt
il
ti
(3.18)
Tahun 1978-1982
L44
Jawab Contoh 3.1.
Untuk menentukan garis regresi bagi data pada tabel 3.1, nilai
perhitungannfa disajikan dalam bentuk (Y,
-Y),
(Xi
-X), G'-V)
dan (Xi
-
X)2 serta (yi
-
V)(xr
-
X), sepeni ditunjukkan pada tabel
3.2.
Tabel3.2. Perhitungan Model Regresi Linier Sederhana
Data Curah Hujan (X,) dan Debit (Y,)
DPS Cimanuk - Leuwigoong Tahun 1978 - 1982.
Berdasafkan persamaim (3.1l), koefisien korelasi :
R:
t("
-x)(v,-v)
Dari data perhitungan tabe13.2 :
146
No. Yi xi Y,- f x,-i (rb' (XrX)'
tY,i rxh
I 2 3 4 5 6 7 8:4x5
I
)
J
4
5
6
7
8
9
l0
ll
t2
32
3l
38
40
28
24
2t
l3
t4
t2
28
37
229
205
27t
304
145
154
98
69
71
96
184
280
+ 5,5
+ 4,5
+ ll,5
+ 13,5
+ 1,5
-
?{
- 5,5
- 13,5
- 12,5
- 14,5
+ 1,5
+ 10,5
+ 53,5
+ 29,5
+ 95,s
+ 128,5
- 30,5
- 21,5
-
'7'1,5
- 106,5
- 104,5
- 79,5
+ 9,5
+104,5
30,25
20,25
132,25
182,25
2,25
6,25
30,25
182,25
156,25
210,25
2,25
110,25
2.862,25
870,25
9.120,25
16.512,25
930,25
462,25
6.006,25
1t.342,25
.t0.920,25
6.320,25
72,25
10.920,25
294,25
132,75
1.098,25
1.734,75
- 45,75
53,75
426,25
1.437,75
1.306,25
1.152,7s
12,75
t.097,25
Jml. 318 2.106 0,00 0,00 1.065 76.339 8.701
Rata-
rata
26,5 t75,5
Sumber: Perhitungan data Tabel 3.1.
[{*
C
-x)'}{*
f,
-o)'}]'
8.701
ffi:o,e64e
R:
{(76,331)(1.065)}
'
R2
:
0,9310
Dari hasil ini terdapat korelasi positip antara debit (y) dan curah
hujan (X). Berarti semakin besar curah hujan semakin besar pula
debit DPS cimanuk - Leuwigoong. Besarnya pengaruh tersebut
ditentukan oleh koefisien penentu (koefisien determinasi) R2
:
0,9310 atau sebesar 93,10 Yo. rni berarti bahwa bertambah besarnya
debit (Y) atau menumnnya debit (Y) sebesar 93,10 %o dapat
dijelaskan oleh hubungan linier antara curah hujan dan debit yang
persaminnnya
akan ditentukan kemudian, sedangkan sisanya sekitar
7 %o disebabkan oleh faktor lain yang tidak termasuk dalam analisis
regresi ini. Deviasi standar dari nilai residu dapat dihitung
berdasarkan persam&ur (3.13) dan (3.1a) sebagai berikut :
n / \2
I(x,-xJ
,i =['ui1"]i
ox=[
""=f
(n- l)
2
i
(''-v)
(n- l)
I
maka perbandingannya
:
- -l
I 1.06s l,
=l-
|
L II J
146
-l
oY
(
t.oos ),
- *=l*l =0,118
<yx \76.339/
-t
ox
(
lo.llg\z _
*=l*t
:8,466
oy \
1.605
/
Koefisien regresi dihitung berdasarkan persamaim (3.15) dan (3.16)'
Err
:
R (H)
:
0,96 (0,118) = o,l 13
oz
:
R (#)
:
o,e6 (8,466)
:8,127
Sehingga,
persamaan garis regresi Y, yaitu persamaan untuk
meramal debit
jika curah hujan DPS Cimanuk - Leuwigoong
diketahui adalah, dapat dihitung dengan Model (3'17) :
'gf.\
(..
-
v)
Y=Y+R[t*/t,r
,-)
i
:26,5+
0,113 (X - 175,5)
i:0,113X+6,619
Dengan mensubstitusikan sembarang dua buah nilai X kedalam
p"rru-u* ini, misal Xl
:
100 dan X,
:
300, maka akan diperoleh
ordinat Y1
:
17,91 dan Y, = 40,51' Dengan menghubungkan
kedua
koordinat titik tersebut maka diperoleh sebuah garis lurus seperti
ditunjukkan
pada gambar 3.3.
persamaan
garis regresi X, yaitu persamaan untuk memperkirakan
curah hujan
jika debit DPS Cimanuk - Leuwigoong
diketahui
adalatr dapat dihitung dengan model (3.18) :
X
=
r.*(*)("- v)
i
:
175,5
+
g,l2j
(y - 26,5)
ji.:8,t27
Y - 39,86
Dengan mensubstitusikan sembarang dua nilai Y kedalam
persamaan ini, misal Y,
:20
dan Yr:30, akan diperoleh absis X,
:
t47
122,68 dan X2
:
203,95. Apabila dua koordinat tersebut
dihubungkan maka akan diperoleh sebuah garis lurus seperti
ditunjukkan pada gambar 3.3.
Karena nilai R;c l, maka kedua garis regresi i dan i tia* saling
berimpit dan membentuk sudut. Perpotongan kedua garis tersebut
pada titik koordinat (X, Y) yaitu (175,5 dan 26,5).
Pada kasus contoh ini, apabila digunakan untuk meramal
data debit berdasarkan data hujan maka digunakan persamzurn :
i:0,l13X+ 6,619
Koefisien arah dari pada garis regresi menyatakan perubahan
rata-rata variabel Y untuk setiap perubahan variabel X sebesar satu
unit, oleh karena itu dapat dikatakan untuk perubahan curah hujan
rata-rata bulanan sebesar satu satuan (dalam hal ini curah hujan
berubah 1,00 mm) maka diharapkan dapat terjadi perubahan debit
rata-rata bulanan sebesar 0,113 m3/det. Dengan memasukan data
curah hujan diantara batas 69 <
X <
304, maka dapat diramalkan
debit diantara kedua batas tersebut, pekerjaan ini biasanya disebut
dengan interpolasi debit. Akan tetapi jika
memasukan variabel X
diluar batas nilai pengamatan yang digunakan untuk perhitungan
persamaan regresi, disebut dengan elutrapolasi, misal X
:
500 mm
maka diperkirakan Y
:63,1l9
mr/det.
Apabila dua titik (X,, Y,) dan (Xr, Yr) terletak pada garis regresi,
maka persamium garis lurus dapat ditulis sebagai :
L-Y,.r. v\ /..
Y-Y,
=m(X-Xr), atau Y- Yr
=
k,
_X,\,\-^r,
\J.l8b)
Apabila persamiuul (3.18b) dibandingkan dengan pers,rmiurn (3.2),
maka nilai a, adalah sama dengan m (koefisien arah) dan nilai b,
adalah titik potong, yaitu nilai Y bila nilai X = 0.
l4tt
q
q.
a
.o
q)
a
s
t
R
g
:l'
tS
U
B
bo
soo
ss
r8
t
.go
e:!
c [,s
g
&.r
..=S
a\:
1
66
ei
7L
!\
B
I\J
T
I
I
I
I
o
o
{t
o
x
2
C,
I
t
6i
t.)
I
E
d
s
<x
149
3.3.2. Batas Daerah Kepercayaan Garis Regresi
Apabila nilai koefisien korelasi tidak sama dengan +l atau
-1, maka perkiraan/ramalan tentang nilai Y
jika
X diketahui atau
sebaliknya akan dapat berbeda dengan nilai yang terukur. Dari
gambar 3.1, untuk X: X,, makanilai dari garis regresi adalah Y,
sedangkan yang terukur adalah Y,, dimana nilai Y,
:
i * AY, atau
AY
:
Y, - Y. Nilai AY adalah deviasi yang menyatakan kesalatran
dalam memperkirakan i jika
X, diketahui dan AY harus minimum,
karena garis regresi diperoleh dengan metode kuadrat terkecil, oleh
karena itu :
AY2:
t(",-i)'
(3.1e)
(3.20)
(3.21)
adalah minimum.
Besamya kesalahan tersebut, dinyatakan sebagai nilai
kesalahan standar dari perkiraan (standard eruor of estimate). Nilai
yang dimaksud dapat digunakan untuk memperkirakan atau
meramal Y
jika
nilai X telah diketahui adalah :
,r"=
[
*
("
-
i)'l'
--"
-
,-]
Sedangkan kesalahan standar dari perkiraan untuk memperkirakan
atau meramal X
jika
nilai
y
telah diketahui adalah :
Apabila dinyatakan dengan koefisien korelasi :
SEy= or(l-Rzyi
SEX = ox(l
-Rr;i
dan dapat dinyatakanjuga sebagai :
(3.22)
150
(3.23)
Apabila nilai SEY atau SEX, semakin besar berarti titik koordinat
(X,,Y,) semakin
jauh dari garis kurvanya. Apabila nilai SEY atau
SEX, semakin kecil berarti titik koordinat
(X,,Y,) semakin dekat
dengan garis kurvanya dan berarti nilai Y perkiraan atau
ramalannya akan semakin teliti. Interval kepercayaan (confidence
ri
*
(r,-i)'
i
-to
(sEY) . Y < Y +tcr (sEY)
apabila kurvanya, garis regresi X :
i-to (sEY) . i. x*to (sEY)
(3.24)
(3.2s)
Nilai to, ditentukan pada batas daerah kepercayaan 95 % diterima
dari tabel I-1 pada bagian akhir bab I, pada derajat kebebasan n-2,
dengan uji dua sisi.
Contoh 3.2.
Dari contoh 3.1, telah diperoleh hubungan linier antara debit
rata-rata bulanan
(Y) dan curah hujan rata-rata bulanan
(x) dan
DPS Cimanuk-Leuwigoong,
dengan persam&m :
y:0,113X+6,619
Tentukan batas daerah kepercayaan galis regresi tersebut pada
derajat kepercayaan 95 % diterima.
Jawab Contoh 3.2. z
Kesalahan standar dari perkiraan untuk memperkirakan
atau
meramal Y
jika X diketahui dihitung dengan persamuuul (3.21)
;l
!t
16r
SEy: oy(l-R2),
Nilai or, telah diperoleh dari contoh 3.1 :
y)z
(Y'
n-
t
i=l
""=[
I
_
(t.oos) :9.83e
-\
n
)
Nilai koefisien karena telah diperoleh dari contoh 3.1 :
R: 0,96.
Sehingga :
SEY:9,839
:1,967
Dengan persam&m
Q.2$:
i-to. sEY. i. i*to. sEy
Dari tabel I-l pada bagian akhir bab I untuk derajat kebebasan n-2:
12-2
:
10, menggunakan uji dua sisi diperoleh nilai ta: 2,228,
kepercayaan 95 % diterima adalah taksiran nilai i yang dapat
digambarkan dua garis sejajar dari garis regresi tersebut pada jarak
:
Y
-
(2,228)(1,967) < Y < Y +
Q,228)(1,967)
t + 4,38, (ihat tabel 3.3 dan gambar
j.4)
Dari gambar 3.4, jumlah
titik (Xi,Y,) yang berada didalam batas
daerah kepercayaan adalah sebanyak 9 buah atau 75 Yo darijumlah
12 titik. Harus di ingat bahwa gambar 3.4, diperoleh dengan satu
sampel (1978-1982). Apabila dipilih 100 sampel sccara berulang-
ulang, maka akan diperoleh 100 batas daerah kcpcrcay.Hn scrupu
dan diharapkan 95
oh
dari jumlah
daerah kcpcrt:ayirirn nrcnclkup
garis regresi populasinya.
162
v)
q.
a
\:
s
s
q
a
q
-t
s
{
L
q)
aa
bo
xo
!o
.= .$
-o1
U<
!U
r!
s-i
CJs
-l(B
hs
dc
\
-i
B
-o
B
()
,/
\'
../
\
\
a\
3.3.3 Pengujian
Tilik
potong
Dari persarnaan
regresi (3.2), i: a,X + br, dalarn hal ini
nilai a, adalah koefisien
regresi atau koefisien arah, dan nilai b,
iduluh
titik potong
garis regresi. Kedua parameter tersebut perlu
diuji apakah nilainya :
0 atau tidak meralui titik asal nol. uji
statistik dengan menggunakan
uji-t dapat digunakan untuk menguji
nilai b,.
Tabel3.3. Perkiraan
Debit Rata-rata Bulanan l)l,S
Cimanuk - Leuwigoong Dengan Model l,irrier
Sederhana.
Curah Hujan
(mm)
Debit Rata-rata Bulanan
(m'/det)
Rata-ratg Batas Daerah
Kepercayaan
50
100
150
200
250
300
400
s00
600
12,26
17,92
23,56
29,21
34,86
40,51
51,81
63,1 1
74,41
7,8',1 - 16,64
13,s3 -22,30
15,78 - 27,94
24,82 - 33,59
30,47 - 39,24
36,12 - 44,99
47,42 - 56,19
58,72 - 67,49
70,02 - 79,79
Sumber : Perhitungan
data tabel 3.1
b,
-B
Sr
(3.26)
(x)'
t
(*,-x)'
\
\ ./'
,\,
\
,\
\
\
Sb2= SEy,
{*.
163
(3.27.a)
t64
Kctcrangan:
t - nilai uji-t, dengan derajat kebebasan sebesar n-2
br
:
titik potong garis regresi
B = nilai titik potong yang diketahui
Sb
:
deviasi standar titik potong
Sb'z
:
varian titik potong
SEY = kesalahan standar dari perkiraan nilai Y.
SEY'z
:
varian atau variasi rasidual dari garis regresi
Interval kepercayaan nilai b,, untuk ta:95 Yo.
b, - tcr (Sb) < b,
<
br + tcr (Sb)
dengan derajat kebebasan n-2.
(3.27.b)
Contoh 3.3.
Uji dan perkirakan nilai titik potong persam&m regresi contoh 3.1,
dengan menggunakan data tabel 3.1. Persamaan regresinya :
Y:0,l13X+6,619
Dengan derajat kepercayaan 95 %.
Jawab Contoh 3.3 t
Dari contoh 3.1 dan 3.2,telahdiketatrui :
n
br
x
:12
:
6,619
:
175,5
SEY
:
1,967
*
(",
-
x)
' :76.33e
166
maka dari persamaan(3.27) :
Sb = SEY
**
Ir
(175,121*
Sb: 1,967
I
Itz
+ 7fi3e
)
Sb:1,372
Selanjutnya dapat dibuat hipotesis : (lihat Bqb
D
Ho: b,
:0
H,:b,+0
Uji statistik dengan persamaan (3.26) :
b'
-B
'sb
6.619
-
0
t:l)-J--!=4,987
'
1,372
- -' 'v '
Dari tabel I-1 pada bagian akhir bab I, dengan derajat kebebasan l0
menggunakan uji dua sisi, maka diperoleh t.-:2,228. Oleh karena
ta
:
4,987 lebih besar dari 2,228 maka hipotesa bahwa titik potong
garis regresi Y:0,113 X + 6,619 melalui titik nol ditolak, atau
untuk X:0 nilai Y tidak sama dengan nol.
Pendugaan nilai b, dengan interval kepercayaan 95 % ditcrima
dapat diperkirakan dengan rumus 3.27b.
b, - to (Sb) <
b,
<
b, +.t" (Sb)
6,619 - (2,228) (1,372) < b
< 6,61 9 + (2,228) ( 1.372 )
3,562
<b <9,675
Dengan demikian hatas atas penduguur nilui titik prlottg guris
(x)'
t
(',-x)'
166
regresinya adalah 9,675 dan batas bawahnya 3,562. Berarti pada
derajat kepercayaan 95 % dapat diterima bahwa nilai titik potong
garis regresinya akan terletak di antara 3,562 hingga 9,675.
3.3.4. Pengujian Koefrsien Regresi
Dari persamaan regresi Y
:
a,X +
b1, maka bagi para
hidrologi parameter a,
jauh
lebih penting dalam analisa data jika
dibanding dengan parameter b,. Apabila nilai &r
:
0, maka garis
regresinya akan mendatar dan variabel X dan
y
adalah variabel
bebas. Pertambahan atau pengurangan nilai X tidak merubah nilai
Y, oleh karena itu perlu dilakukan pengujian apakah nilai a,
:
0
atau tidak. Metode statistik uji-t dapat digunakan untuk melakukan
pengujian.
ar
-A
t :
-L-
'S,
(3.28)
SA:
SEY
DC-
{tG=r}'
(3.2e)
Keterangan :
t - nilai uji-t, dengan derajat kebebasan sebesar n-2
at
:
koefisien regresi
A
:
koefisien regresi yang telah diketahui
Su
:
deviasi koefisien regresi
SEY
:
kesalahan standar dari perkiraan nilai
y.
Perkiraan nilai a, dapat menggunakan interval kepercayaan :
a, - tct (S") <
or
(
trr + tcr (SJ
Nilai t umumnya 95
o/o
dan derajat kebebasan
:
n - 2.
(3.30)
167
Contoh 3.1
Lakukan pengujian dan pendugaan nilai
3.1 :
Y:0,l13X+6,619
pada tingkat kepercayaan 95
oZ
diterima.
Jawab Contoh 3.4 z
Dari contoh 3.1 dan 3.2, telah diketahui :
= 76.339
maka dari persamaan (3.29) :
koefisien regresi contoh
n =12
ar
:
0,1 13
Y
:26,5
SEY
:
1,967
n
/
-\2
) [x' -x]
i=l '
/
Sa=
SEY
=
t''u'
'
:o'00711
(76.33e)1
I
{*
(,
-o)'}'
Selanjutnya dapat dibuat hipotesis (lihat bab I) :
Ho:a,:0
H,:a,*0
Uji statistik dengan persamaan (3.28).
.-
ar
-A
t-
s.
0.u3-0
t
: :
15,99
0,0071 I
168
I)ari tabel I-l padu hlgian akhir bab I, dengan, menggunakan uji
dua sisi dengan dcrajat kebebasan 10, maka untuk uji 2 sisi
diperoleh ta
:
2,228. Oleh karena 1 5,89
>
2,228, maka hipotesa nol
(Ho) ditolak dan menerima hipotesis altematip H, : a1 ;e 0. Oleh
karena itu dapat dinyatakan bahwa terdapat hubungan linier antara
curah hujan bulanan dan debit bulanan di DPS Cimanuk
Leuwigoong. Atau dengan kata lain variabel curah hujan (X) dapat
mempengaruhi debit (Y) dalam model regresi ini.
Pendugaan'nilai a,, dengan menggunakan derajat 95 %
diterima dapat diperkirakan dengan rumus 3.30.
a1 - tcr (S,) <
&r
(
Ir + ta (S")
0,113 - (2,228) (0,00711) < a, < 0,1l3 + (2,228) (0,0071 l)
0,097<ar<0,128
Ternyata besarnya koefisien regresi, mempunyai batas bawah 0,097
dan batas atas 0,128.
3.3.5 Pengujian Koeftsien Korelasi
Dari 2 variabel hidrologi yang saling berpasangan dengan
jumlah
sampel
:
n buah, seperti misalnya
{(X,,Y,);
i: 1,2,3, ... n},
maka besarnya koefisien korelasi yang dihitung dengan rumus 3.1 I
dapat merupakan penduga dari RR, dalam hal ini nilai RR adalah
nilai koefisien korelasi dari populasi. Sampel yang lain dengan
jumlah
n buah walaupun diambil dari populasi yang sama akan
menghasilkan nilai koefisien korelasi sampel R yang berbeda.
Apabila nilai R dekat dengan nol, maka nilai RR cenderung
:
0.
Akan tetapi jika
nilai R mendekati +l atau -l maka RR + 0.
Masalahnya sekarang adalah bagaimana menguji nilai R berada
cukup
jauh
dari nol atau R * 0. Pengujian dapat dilakukan dengan
rumus sebagai berikut.
l.
R(n
-
2),
t--
I
(l
-
R2;z
(3.31.a)
169
Apabila nilai t lebih kecil dari t pada tabel I-1, untuk derajat
kebebasan n - 2, maka hipotesis yang menyatakan bahwa nilai R*0
dapat diterima.
Contoh 3.5.a
Dari variabel hidrologi DPS Cimanuk-Leuwigoong antara data
debit dan curah hujan dari contoh 3.1, telah diperoleh batrwa nilai
koefisien korelasi
:
0,96 dengan
jumlatr data 12 buatr. Tentukan
apakah nilai koefisien korelasi tersebut mempunyai beda nyata
terhadap R = 0.
Jawab Contoh 3.5.a :
Untuk menjawab pertanyaan tersebut maka perlu dibuat hipotesis :
Ho : R:0
Hr:R*0
(lihat bab I)
Berdasarkan rumus 3.31.a dan nilai R dari contoh 3.1 :
ll
-
-
R(n
-
2): 0,9(10)'
:l
(l-R),
ir-10,9eflt
3.03s
t:
-,---
:
10183
'
0,2g
Dengan menggunakan Uji dua sisi dibaca pada tabel I-l pada
bagian akhir bab I, untuk derajat kebebasan 10, maka diperoleh
untuk uji 2 sisi nilai tcr
:
2,228, pada derajat kepercayaan 5 %o.
Karena t
>
tcr, maka hipotesa nol harus ditolak dan menerima
hipotesa alternatip bahwa R * 0. Dengan kata lain dapat dikatakan
bahwa antara curah hujan dan debit DPS Cimunuk - Lcuwigoong
untuk data rata-rata bulanan terdapat hubungun yung linicr.
160
3.3.6 KoeJisien Korelasiperingkat
Penentuan koetisien korelasi yang telah dibahas, adalah
berdasarkan asumsi bahwa pasangan data
{(X,,y,);
1,2,3,... n}
mengikuti distribusi tertentu, umumnya distribusi normal. Dalam
penentuan
koefisien liorelasi peringkat (rank correlation
coefficient) diasumsikan bahwa pasangan data tersebut tidak
mengikuti suatu distribusi, sehingga pembahasannya
dikenal
sebagai statistika bebas distribusi atau statistika non parametrik
(non parametric).
Prosedur penentuan koefisien korelasi peringkat adalah
dengan cara menyusun peringkat pasangan data tersebut. Dari setiap
variabel disusun rnenurut urutan besar peringkat dari nomor l, 2
hingga ke n. Maka koefisien korelasi peringkat antara variabel X
dan Y dihitung dengan rumus koefisien korelasi spearman (rfte
Spearman Rank Correlation Cofficient), sebagai berikut :
6i1rx,-pyi)2
RP: I
-
i=l
n1n2
-
l;
Keterangan :
RP
:
koefisien korelasi peringkat
PXi
:
peringkat variabel X ke i
PYi
:
peringkat variabel
y
ke i
n
:
jumlah
data
Untuk menguji tingkat hubungan antara variabel X dan variabel
y
dapat rnenggunakan nilai kritis untuk uji hipotesis pada derajat
kepercayaan 1 Yo dan 5 % ditolak atau 99
yo
dan 95 % diterima.
Ketentuannya adalah (lihat tabel 3.3.2):
'
apabila nilai RP lebih besar atau sama dengan nilai kritis,
.maka hipotesis yang menyebutkan tidak ada hubungan
antara variabel X dan
y
harus ditolak pada derajat
kepercayaan I
oh
dan 5 %;o.
(3.3r.b)
161
.
apabila nilai RP lebih kccil dari nilai kritis, nraka hipotcsu
yang menyebutkan tidak ada hubungan antara variabcl X
dan Y harus diterima pada derajat kepercayaan I %o atau 5
%.
Untuk lebih memperjelas pemahaman perhitungan koefisien
korelasi peringkat dapat dilihat pada contoh 3.5.b, berikut ini.
Contoh 3.5.b.
Tentukan nilai koefisien korelasi peringkat antara debit dan curah
hujan DPS Cimanuk - Leuwigoong yang datanya tercantum pada
tabel 3.1, dan uji apakah ada hubungan yang nyata antara curah
hujan dan debit tersebut pada derajat kepercayaan 95
o/o
diterima.
Jawab Contoh 3.5.b. z
Tabel 3.3.1, menunjukkan perhitungan peringkat variabel curah
hujan (X) dan debit (Y) DPS Cimanuk - Leuwigoong.
Tabel 3.3. I . Perhitungan Koefisien Korelasi Peringkat Data Curah
Hujan dan Debit DPS Cimanuk - Leuwigoong.
Bulan Curah Hujan
(X,)
Debit
(n
PX, PY, PXt - PYt (PXt- PY)',
I
2
)
4
5
6
7
8
9
10
l1
12
229
205
271
301
145
154
98
69
71
96
184
280
32
3l
38
40
28
24
2t
l3
t4
t2
28
37
4
5
)
1
I
8
7
9
t2
ll
l0
6
2
4
5
2
I
6,5
8
9
ll
l0
l2
6,5
3
0
0
+ 1,0
0
+ 1,5
- 1,0
0
+ 1,0
+ 1,0.
- 2,0
- 0.5
- 1,0
0
0
I
0
2,25
I
0
I
I
4
0,25
I
Jumlah I t,5
Surnhcr l'crhitungan data tabel 3.1.
t62
Dari tabel3.3.l, dan rumus(3.31.b) maka :
-
pyi)2
.RP:
I
-
RP:1-
n1n2
-
1;
:0,9557
Dengan data yang suna, dari contoh 3,1, telah diperoleh nilai
koefisien korelasi (R) yang dihitung dengan rumus 3.11, R
:
0,9644.
Dengan nilai RP = 0,9597, apabila ditentukan derajat kepercayaan
:0,05.
dari tabel 3.3.2, dcngan.lumlah data n = 12, maka diperoleh
nilai kritis
:
0,504. Nanpak bahwa RP 0,95c)7 lebih besar dari
pada 0,504. Ini berarti dalam derajat kepercayaan 5
o/o,
kita tolak
hipotesis bahwa antara variabel curah hujan dan debit DPS
Cimanuk - Leuwigoong tidak ada hubungan. Atau dengan kata lain
pada derajat kepercayaan 95
ohterjadi
hubungan antara curah hujan
dan debit DPS Cimanuk - Leuwigoong adalah pernyataan yang
dapat diterima.
Dalam perhitungan koefisien korelasi, maka penggunaan koefisien
korelasi peringkat (RP) mempunyai beberapa keuntungan jika
dibanding dengan penggunaan koefisien korelasi (R) dari mmus
3.11, diantaranya adalah :
. perhitungannya lebih sederhana dan cepat,
.
tidak perlu menganggap variabel X dan Y mengikuti
distribusi normai.
Disamping itu juga
tidak harus menganggap bahwa hubungan
antara variabel X dan Y harus linier. Dengan demikian hubungan
tidak linierpun misal adanya hubungan yang kurvilinier, maka
koefisien korelasinya dapat diduga dengan perhitungan koefisien
korelasi peringkat.
n
o
I
(pxi
i=l
r2(r44
-
t)
163
Tabel3.3.2 Tabel Batas Kritis Untuk Uji Hubungan Dua Variabel
berdasarkan Koefi sien Korelasi Peringkat.
Jumlah
Sample
(n)
'
Nilai Batas Kritis
P ada Deraj at Kepercayaan
0,01 0,05
4
5
6
7
8
9
l0
t2
14
t6
18
20
22
24
26
28
30
1,000
0,943
0,893
0,833
0,783
0,746
0,701
0,645
0,601
0,564
0,534
0,509
0,485
0,465
0,448
0,432
1,000
0,900
0,929
0,714
0,643
0,600
0,564
0,504
0,456
0,425
0,399
0,377
0,359
0,343
0,329
0,317
0,306
Sumber: Bonnier, 1980.
3.4 TITODELBEGBES' E'(SPOTEflS'AI
Dari pasangan data variabel hidrologi
apabila dihitung dengan persamrum regresi
rnodelnya adalah :
i:be'x
{(X,'Y,):
i .2.1...rr1
cksponcnsinl. trruku
(t 12)
164
keterangan :
Y:
x:
orb:
e:
regresi eksponensial Y terhadap X, merupakan varia-
bel tak bebas.
variabel bebas
parameter
bilangan pokok logaritma asli, atau logaritmaNapir:
2,7183
I0n
ll
Dimana Y,
> 0.
Persamaan (3.32) dapat ditransformasikan menjadi persama^n linier
fungsi (ln) sebagai berikut :
lnY=lnbe"x
ffi:fu!*lne"x
lny=lnb+aXlne
Oleh karena ln e: 1,0 maka :
lny:lnb+aX
(3.33)
Persamaan (3.33) merupakan persam&rn fungsi semi logaritmik
antara lnY dengan X, dan merupakan persamarm garis lurus derigan
kemiringan
(a) dan memotong sumbu ln Y di ln b. Gambar 3.5,
menunjukkan transformasi dari persamaan (3.32) menjadi
persamzum (3.33).
Untuk menyederhanakan
penyelesaian persam&rn (3.33),
maka dapat dilakukan transformasi sebagai berikut :
P:ffi A:a
X= X B: lnb
Sehingga perszrmaan (3.33) dapat dinyatakan sebagai persamazm :
Y=bcOI
lnY=lnb+ox
P:AX+B
(3.34)
Ganhur .l .\
'l'runsformasi
Fungsi lilulxtnen:;iul
166
persamaan (3.34) adalah identik dengan persamaan (3.2), sehingga
dapat dinyatakan sebagai persamaan (3.17):
i=P+*(H)(*-x)
(3.35)
R_
*
(*,-x)(r,
-r)
(3.36)
I-abel 3.4 Data Debit dan Sedimen Melayang DPS
Citarum - Nanjung Maret 1981.
No. Debit
(m3/det)
Sedimen Melayang
(juta m3/det)
35
39
43
54
56
88
95
105
112
119
1,73
2,45
3,31
6,83
6,99
10,44
16,36
27,47
29,06
33,96
Sumber : DPMA, Laporan No : 246lHI-43/81
Tabel 3.5 Perhitungan Persamaan Regresi Eksponensial Debit
dan Sedimen Melayang DPS Citarum - Nanjung.
I
(I7
[{t
f.,
-x)'}{t
(,,
-u)'}]u
It
(,.,
-
*)
'li
o*=l
n-l I
L]
It
(r,-u)'l*
ot:l
,-l I
LJ
SEP: o,
[
- R21]
Keterangan:
F
:
persama:ur regresi linier P terhadap X
R
:
koefisien korelasi
ox
:
deviasi standar residu X
.op
:
deviasi standar residu P
SEP
:
kesalahan standar dari perkiraan nilai P.
(3.37\
(3.38)
(3.3e)
Contoh 3.6.
Tabel 3.4, menunjukkan data pengukuran debit dan sedimen
melayang di DPS Citarum - Nanjung pada bulan Maret 1981.
Tentukan besarnya koefisien korelasi dan persamaan eksponensial-
nya.
No Xr Yi P=lnY
6-n e-F)
(x-x)'
e-h' 6-ne-P)
I 2 3 4 5 6 7 8 9:5x6
35
39
43
58
56
88
95
r05
1t2
l19
1,73
2,45
3;3 i
6,83
6,99
10,44
16,36
2'7,47
29,06
33,96
0,56
0,90
r,20
r,90
t,92
2,34
2,78
3,32
3,36
3,52
-40
-36
-32
-17
- 19
* rJ
+20
+30
+37
+44
- t,62
- 1,28
- 0,99
- 0,28
- 0,26
+ 0,16
+ 0,60
+ l,l4
+ l,l8
+ 1,34
1.600
t.295
1.024
289
361
169
400
900
1.369
t.936
2,6244
t,6384
0,9604
0,0784
0,0676
0,0256
0,3600
t,2996
1,3924
t,7956
64,80
46,08
3 1,36
4,76
4,94
2,08
I2.00
34,20
4.1.6(r
I tl.()(r
750 21,80 0 0 9.344 10.2424 l(l.t,ll()
.rrrrrber
: Data Tabel 3.4.
I rfiH
l)lri rabcl 3.5 :
-
750
X= -#:75
l0
p
=
2li8
:2,18
^10
Berdasarkan persamaar 3.36, maka koefisien korelasi R :
t
(r,-x)'(r,-P)'
169
Kemiringan garis regresi :
A:Ri*]=0,e78
lW)'
A: 0,0323
Sehingga persamazm regresinya adalah :
p:F+-[*]
[x-x]
i
:2,1g
+ 0,0323
tX
- 751
i:0,0323 It-0,2425
Apabila ditransformasikan menj adi model eksponensial, mengingat
lnb:B
:
ln b: - 0,2425, maka b:0,785
dan: a
:A
a
:0,0323
maka persamarm regresi eksponensialnya :
t: be"*
Y
:
0,785 eo'0323
x
Dengan persam&Ln tersebut maka dapat untuk menaksir sedimen
melayang (uta m3), apabila debitnya diketahui :
.
untuk X = 40, maka :
i
:
0,785 eo'0323
(40)
:
2,85
.
untuk X
:
100, maka :
i: 0'785 eo'0323(roo)
:
19'84
R_
R_
[{*
f'
-x)'}{*
f,
-u)'i]'
302,86
309,36
302,86
[(9344)(10 ,Z+Z+11i
= 0,978
i
{
i
li
Karena nilai koefisien korelasinya R
:0,9'78,
hal ini menunjukkan
adanya hubungan yang linier baik, antara debit dan sedimen
melayang di lokasi pos duga air Nanjung dari DPS Citarum.
Deviasi standar dari nilai residu debit :
[*
(,
-
o)
'
l' t
gt+qri
o-:1
n1 i
=L
9 l
L]
Deviasi standar dari nilai residu sedimen :
[t
(,, u)'li
- -1
",:
|
=t,-,
|
=lY#
)'
L]
Perbandingan nilai residu :
op
I
to,zqzqli
o-=L
9344.1
t70
Dengan dua titik koordinat (40 dan 2,85), (100 dan 19,84) maka
kurva garis lurusnya pada kertas grafik semi logaritmik dapat
digambar, seperti ditunjukkan pada gambar 3.6.
--+ x
Gambar
j.6.
Hubungan Debit (X) dan Sedimen (Y) DPS Citarum -
Nanjung Maret 1981.
to
Y
1
o
/
/
/
/
/
/
(
o
,
"/
Y r OrTtO
jopDl x
/
/
t7t
Kesalahan standar dari perkiraan untuk memperkirakan sedimen
jika
debitnya diketahui adalah :
SEP
:
oo (1
-
R2;l
Nilai oo, telah diperoleh :
,r=()ry.)
i:,,ouu
SEP
:
1,066 1 - (0,978)2
:
0,222
Harus diingat bahwa :
lnY: P, maka:
ln SEY: SEP
:0,222
sehingga SEY: 1,25
jutam'/hari.
Batas daerah kepercayaannya :
i-to(sEY).i.to(SEY)
Dari tabel I-l pada bagian akhir bab I, untuk derajat kebebasan n-2
:
8, pada u:0,025 dengan uji dua sisi diperoleh tcr
:
2,306, maka
batas daerah kepercayaannya dapat digambarkan dua garis sejajar
dengan jarak
: Y r (2,306)(1,25)
:
Y + 2,88. Tabel 3.6,
menunjukkan perkiraan sedimen melayang apabila debit diketatrui.
Tabel 3.6 Perkiraan Sedimen Melayang DPS Citarum
Nanjung Maret l98l dengan Model Eksponensial.
No. Debit
(m3/det)
Sedimen
(juta m3/hari)
Batas Daerah Kepercayaan
(juta m3/hari')
I
2
5
4
5
40
60
80
100
120
2,85
5,45
10,40
19,84
37,86
- 5,73
2,57 - 8,3.1
7,52 - t3,28
16,96 - 22,72
34,|)lt - 40,74
roo
Sumber : Perhitungan data tabel 3.4.
I
173
t12
.I.5 MOOEL BEGBES' BERPANGKAT
Dari pasangan data variabel hidrologi
{(X',Yr);
i: 1,2,3 ..n\,
apabila dihitung dengan regresi berpangkat, maka modelnya
adalah:
i: bX"
(3.40)
Apabila persamaan (3.40) ditransformasikan kedalam persamaan
linier fungsi (log) akan menjadi :
I*i:losbX"
logY:logb+alogX
Dimana : Yr
> 0 dan X,> 0
Selanjutnya dapat ditransformasikan kedalam persamaan linier
sederhana:
P:logY A:a
B =logb
q:logX
Sehingga persamaan (3.42) dapat disederhanakan menjadi :
Besarnya kesalahan standar dari perkiraan nilai P adalah :
SEp: o,
[l -n211
e.46)
Contoh 3.7,
Tentukan koefisien korelasi dan persamaan regresi berpangkat data
sedimen dengan data debit pada tabel 3.4.
Tabel 3.7 Perhitungan Persamaan Regresi Berpangkat Debit dan
Sedimen DPS Citarum - Nanjung.
P=logY q=logX (q-q) (P.P\
<q-i)' @-F)'
(q-q) (P-P\
I 2 -l 4 5 6 7 8=4x5
I
2
J
4
5
6
7
8
9
r0
0,238
0,389
0,519
0,834
0,844
1,018
1,213
t,438
t,463
l,530
1,544
1,591
1,633
1,763
1,748
1,944
t,977
2,201
2,049
2,075
- 0,291
- 0,244
- 0,202
- 0,072
- 0,087
+ 0,109
+ 0,142
+ 0,1 86
+ 0,2 I4
I 0,2 l4
- 0,71I
- 0,561
- 0,430
- 0,1 15
- 0,105
+ 0,069
+ 0,264
+ 0,489
+ 0,541
r 0.5|t I
0,0846
0,0595
0,0408
0,0052
0,0076
0,01 I 8
0,020I
0,0 141
0,0,1I ,
0,t)l rn
0,5055
0,3r41
0, r 849
0,01 32
0,0 t t0
(),0I
It
(),()arlrar
0.,! tul
(l,l,r4
|
0,ll/1
0,2069
0, r 368
0,0116,1
o,(x)82
(1.(x,r,
I
(1,(xl7 t
0.0 174
0,1trr0r,
0, Iorru
0, I t(,,4
t 9,486 I8.145 0 0 0. lrr 14 I,rrt l,l 0,r I l4
Sumber : Data'lahcl 3.4
dan
Il*'-u'-];
"'=L ",
..l
Nilai R, adalah koefisien korelasi :
R_
-!-
)
(P,
-
P) (q'-Q)
i=l
[{tn,-D'ii}",-r'}]*
(3.4s)
(3.41)
(3.42)
P:[q+B
(3.43)
Persamaan
(3.42) merupakan hubungan log-log antara log Y dengan
Iog X, bentuknya garis lurus dengan kemiringan (a) dan memotong
sumbu log Y pada log b. Sedangkan persamaan (3.43) identik
dengan persamaan (3.2), sehingga dapat dinyatakan sebagai :
/o^\
p=p+R(%/(q-q)
Nilai o, merupakan deviasi standar dari residu nilai P.
Il(.,-,)-ll
"r:l
- I
LI
(3.44)
l?a
,luuth*Lulah-lJ-
lrcrhitungannya dilakukan pada tabel 3.7.
Dari tabel 3.7 :
p
=
9',41L6
:0,9486
l0
_ 18.345
q=
ff
:1,8345
Berdasarkan persamaan 3.45 :
R_
lCt,-F)(q,-O
i=l
l Ttr
l,crbandingan nilai
-^-:r"
op
-
[ l,95l4l]
reslou
G
=
Lo,loz+l
Kemiringan garis regresi :
A:R(ff)
=0,e84
\ffi)r
A = 2,26
Sehingga persamaan garis lurusnya :
p
=
p+A(q_O
i
:
0,984 + 2,26(q - 1,8345)
i
:2,26
q- 3,1979
maka:
logY
:
2,26lo9X -3,1979
dan persamaannya adalatr :
i:bX"
y :6,33
(10-4) x2'26
Persamaan tersebut dapat untuk menaksir sedimen bila debitnya
diketahui. Besamya kesalahan standar dari perkiraan nifai p :
SEp
:
op (l
-
R2)l
, al
sEP
:
0,46s (,
-
(0, s}q'?)2
:0,082
Harus diingat bahwa :
log SEY = SEP
Sehingga SEY = l,zl}juta m3ftrari.
Batas daerah kepercayaannya :
Y - tcr(SEY) < Y < Y + tc[(SEy)
[{t
n,-F),}{t
",-r,}]'
p:
0,8344
:ry:
0,9g4
[(0,3674)(t,sst4)l
]
0,8'
Deviasi standar dari nilai P :
",=
[tt''-pl,1]
I
n-r
]
^ -
[
r,gsr+1i
o*:L
,
l
Deviasi standar dari nilai q :
[t ro,-o'.l+
.
oq:
i
*r_,
I
L]
I o.zatqll
"t: L-9
-l
r76
Nilai t diambil dari dirr* tabel I-l pada bagian akhir Bab I,
derajat kebebasan 8. drur untuk uji dua sisi a
:
0,025,
ta:2,306. Sehingga batas daerah kepercayaal)nya
adalah
(1,210)(2,306) :
Y +. 2,79. Hasil selengkapnya dirunjukkan
tabel 3.8 dan gambar 3.7.
Tabel3.8 Perkiraan Sedimen Melayang DpS Citarum_
Nanjung dengan Model Berpangkat.
t77
berpangkat lebih sesuai dibanding dengan menggunakan auralisis
regresi eksponensial untuk kasus data tabel 3.4. tersebut. Debit
dalam satuan
1m3/det1,
sedangkan sedimen melayang dalam satuan
(uta m3/hari).
roo
I
I
T-
Y:6,311 (
ld1 x2.2c
t
{
I
I
f
,o too
-_-___? x
(ittuhar j.7.
Hubungan Debit (X) dan Sedimen (y) DpS
('itarum-
Nttniung, Maret lgltI
untuk
maka
Y*
pada
No. Debit
(m3/det\
Sedimen
Uuta
m3/hdri)
B atas Daerah Kepercayaan
$uta
m3/hari'y
I
2
J
4
5
40
60
80
100
120
2,64
6,61
12,67
20,99
31,69
- 5,43
3,82 - 9,40
9,88 - 15,46
18,20 - 23,79
28,90 - 34,49
Sumber : Perhitungan data tabel 3.4.
Hubungan antara sedimen melayang (y) dengan debit (X), data dari
DPS citarum - Nanjung untuk bulan Maret l9gl, menggunakan
analisis regresi eksponensial adalah (lihat contoh 3.6) :
i
:
0,785 eo'0323
x
Koefisien korelasi R: 0,978
Kesalahan standar'dari perkiraan SEy
:
+. 1,25 j
uta m3lhari.
dan menggunakan analisis regresi berpangkat :
i
:6,33
(l04) x2,26
Koefisien korelasi R: 0,984
Kesalahan standar dari perkiraan SEy: *.l,2ljuta m3lhari.
Dengan memperhatikan nilai koefisien korelasi dan nilai kesalahan
perkiraan standar, dapat diambil kesimpulan bahwa analisa regresi
ro
Y
17tt
3.6
179
II|ODEL BEGBES, LOGARTTMTK
Dengan menggunakan analisa regresi logaritmik, maka
pasangan data variabel hidrologi
{(X,,Y,);
i:\,2,3 ..n} dapat dibuat
hubungan sebagai berikut :
i:b+alogX (3.47)
Keterangan:
i
:
regresi Y terhadap X
X
:
variabel bebas, harus lebih besar nol
a,b: parameter
Persamaan (3.47), merupakan persamaim fungsi semi logaritmik
antara Y dan log X, merupakan persaminn garis lurus dengan
kemiringan (a) dan memotong sumbu Y di b.
Untuk menyederhanakan penyelesaian maka dapat dilakukan
transformasi sebagai berikut :
.
Nilai deviasi standar dari residu Y :
Il r",-D'li
or:lkl
L]
.
Nilai deviasi standar dari residu q :
It to, -o'li
oo=lkl
LJ
Kesalatran standar dari perkiraan nilai Y :
SEy=ov[l-R21]
(3.51.a)
(3.51.b)
(3.s2)
Y -Y
B
:b
q
:
logX
A:a Tabel 3.9 Debit Rata-Rata Bulanan DPS Cimanuk -
Leuwigoong dan Leuwidaun Tahun 1972.
Sehingga dapat dinyatakan sebagai persamaan :
Y:Aq+b
Persamaan (3.47) adalah identik dengan persiunium (3.2), sehingga
dapat dinyatakan persamaan-persamran sebagai berikut :
.
Persamaan garis lurusnya Y :
(3.48)
(3.4e)
g
=
y.
*(ff)(q
- Q)
.
Nilai koefisien korelasi R :
it", -D(q,-o
i=l
[{I,,
-D,}{t., -r,}]}
No. Bulan Leuwigoong
(m3/hari)
Leuwidaun
(mi/hari)
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
43,90
32,80
49,60
32,90
42,70
17,70
10,80
8,50
6,36
6,19
12,50
31,69
30,40
22,40
24,60
21,10
24,60
9,29
6,42
4,77
3.t7
2.80
7,47
I l.l0
Sumbcr : Publikasi Debit Tahun 1972 l'rrsat l.ithntrg l'crtgtttrrtt
R: (3.s0)
t8r
I80
Contoh 3,8.
Tabel 3.9, menunjukkan data debit rata-rata bulanan dari DPS
Cimanuk - Leuwigoong (760 km') dan Cimanuk - Leuwidaun
(438,6 km'z) tahun 1972. Tentukan koefisien korelasi dua pasangan
data tersebut dan tentukan model persamuumnya menggunakan
persamaan logaritmik.
Jawab Contoh i.8. z
Tabel3.l0 Perhitungan Model Regresi Logaritmik Debit DPS
C imanuk-Leuwi goong- Leuwidaun.
No. Y q=logX Y-Y q-s
&Yr
(q-q)' (Y-Y) (qq)
I 2 3 4 J 6
a
8=4x5
l.
)
3.
4.
5.
6.
7.
8.
9.
10.
ll.
t2.
43,9
32,8
49,6
32,9
42,7
t't ,'l
10,8
8,5
6,36
6,t9
12,5
18,6
r,482
1,350
1,390
1,324
1,390
0,968
0,807
0,678
0,s0 l 0
0,44t'l
0,8733
l.0530
+ 20,3
+ 9,2
+ 26,0
+ 9,3
+ 19,l
- 5,9
- 12,8
- l5,l
- 17,2
- t7,4
- I l,l
- 5,0
+ 0,460
+ 0,328
+ 0,368
+ 0,302
+ 0,368
- 0,054
- 0,215
- 0,344
- 0,521
- 0,51s
- 0,148
+ 0,031
412,09
84,64
676,00
86,49
364,8 I
34,81
163,84
228,01
295,84
302,76
123,2t
25,00
0,2116
0, I 075
0,1 3 54
0,0912
0,1 3 54
0,0029
0,0462
0,r 183
0,2714
0,3306
0,0219
0,0009
+ 9,338
+ 3,017
+ 9,568
+ 2,808
+ 7,028
+ 0,318
+ 2,752
+ 5,194
+ 8,961
+ 10,005
+ 1,642
- 0,15s
t 282,6 t2,264 0 0 2797,50 1,4733 60,48
Sumber : Tabel 3.9.
Dari tabel 3.10 :
y
=28r?:6
:23,6
-12
_ 12,264
q=
T
:7,022
Berdasarkan persirmaan 3.49, koefisien korelasi R :
itv,-D(q,-o
R-
p=
60,476
lQ7g7,5)
(1,4733)li
_60,476 :
0.g42
64,119
Deviasi standar dari nilai Y :
It
s,-o,l*
_lr,qtn1t
o":l-n-r
I L
ll l
LJ
Deviasi standar dari nilai q :
",:[ry+]'
=[#]'
Perbandingan nilai residu :
oy
(zlgl,s\i
%
=
lrAT:; )
Kemiringan garis regresi A :
A:R (A)
=oi,gqz(ffi)t
:41,047
Persamaan garis lurusnYa :
i=V+A(q-g)
i
:23,6+
41,05 (q- 1,022)
i:41,05q-18,35
I
t82
IIarus di ingat bahwa q: log X, maka persamaan yang ditunjukkan
adalah :
n
:41,05
log X - 18,35
Persamaan tersebut dapat untuk menaksir debit di Cimanuk-
Leuwigoong (Y), bila debit Cimanuk-Leuwidaun
(X) diketahui,
dengan'P.:0,942.
Persamaan tersebut dapat untuk menaksir debit di Cimanuk-
Leuwigoong (Y), bila debit Cimanuk-Leuwidaun (X) diketahui,
dengan R:0,942.
Besarnya kesalahan standar perkiraan dari persamaan tersebut
adalah:
SEY: oy
1f -
n';i
SEY: tS,S+ (t = 5,35 m'/det.
Batas daerah kepercayaannya adalah :
i - to (sEY). i . i * to (sEY)
Nilai tcr diambil dari dap distribusi t pada tabel I-l pada bagian
akhir Bab I, untuk derajat kepercayaan 95 Yo diterima pada derajat
kebebasan n-2: 10, dengan uji dua sisi maka tc.
:2,228.
Sehingga
perama:u:l tersebut mempunyai batas daerah kepercayaan Y *
(2,228) (5,35) atau i + I1,91. Hasil selengkapnya untuk perkiraan
debit DPS Cimanuk-Leuwigoong ditunjukkan pada tabel 3.11 dan.
gambar 3.8.
183
Tabel3.11. Perkiraan Debit DPS Cimanuk - Leuwigoong Dari
Data Debit DPS Cimanuk - Leuwidaun
dengan Model
Regresi Logaritmik.
No. Leuwigoong
(m3/hari)
Leuwidaun
(m3/hari)
Batas Daerah
Kepercuyaan
(mj/det)
I
2
3
4
10,0
15,0
20,0
30,0
22,70
29,92
25,05
42,28
10,79 - 34,61
18,01 - 41,g3
23,14 - 56,19
30,37 - 63,42
Sumber : Perhitungan data tabel 3.9.
-it-r+
X
Gambar 3.8. Iluhungttn l)chrt
('inutnuA
l,cun,iduun (X)
dan Cimanuk
lrux'tgttotty (l'),
-
(o,g4la'?)+
184
3.7 MODEL BEGBES, POLTNOJIilIAL
Pada sub bab 3.3 sampai 3.6 telah disajikan penggunuuul
persamaan garis regresi dengan model persamaan linier dan model
lainnya yang ditransformasikan kedalam persulmzmn linier.
Penggunaan persamtan linier bagi penggambaran hubungan antara
dua variabel hidrologi
{(X;,Y;);
i:|,2,3,..n} yang tidak berasosiasi
secara linier meskipun telah ditransformasikan dalam model
eksponensial, pangkat atau logaritmik, maka akan menghasilkan
garis'taksir atau persam&rn yang "kurang tepat". Transformasi
persamaan kurva yang lebih tepat untuk kondisi tersebut dapat
digunakan regresi polinomial. l)onurunan persamzumnya dapat
dilakukan dengan mctodc kuadrat tcrkccil.
Persamaan regresi polinomial ordc ke m yang menyatakan
hubungan dua variabel data hidrologi
{(X',Y');
i:\,2,3,
'..,
n} dapat
disajikan sebagai berikut :
Y: bo + b,X + brX2 + brX3 + ...+ b,x-
Nilai : bo, bi, br, ...b. dicari dengan :
[n
XX, XX,' .....XX''
] tbJ [EY, 1
[Exi
'xi,
Xx,', ..... Xx"',
] [b,] tXx,v,l
[xX,,
XX,' Xx,o ..... xx,'*'
] tbrl: [Xxi'Yt]
t. lt I t l
t. lt 1 t l
t. ]t I t l
[xxi'xxi'*'
Ex,'*' .,...
'xi-"']
[b-] [txi'Yt]
(3.53)
(3.54)
Untuk memberikan contoh perhitungan hanya akan dibahas tentang
regresi polinomial sampai orde ke 2, saia, sehingga persamiuxl
(3.53). umunnya disajikan sebagai persamuum berikut ini :
y: a+ bx * c x2
Nilai : a, b, c dicari sebagai berikut :
[n
Ex, Xx1'z]
[a] [Xy, ]
[Xxi
Xxi'? Xxi3]
[b]: [Xxiyi .l
[xx,2
x43 xx,4]
[c] [xx,ry,]
I tt{r
(3.s6)
Sehingga penyelesaiannya dapat dilakukan dengan 3 persamaan
sebagai berikut :
an +bXx1 +cXxi2:
Xy,
alxl + b lxi'+c Xxi3
:
EXiyi
a Xx,2 + b Xxi3 + c ;xi4
:
Xxi'yi
(3.57.a)
Penyelesaian dengan rumus 3.57a, sebagai altematip ke 1,
selanjutnya dapat
juga
digunakan alternatip ke-2, yaitu apabila
variabel :
X,: (x, - x)
Yi: (yi - y)
i*, tr,
--
i=l
-
i=l
X=_T_ry=
n
maka persamiurn (3.55) dapat dinyatakan sebagai :
Y:A+BX+CX2
sehingga persamium (3.57a) dapat dinyatakan sebagai :
nA +BXXi +CXXi,:EYi
AIXi +BXXi'+CXXi3
= XY;X,
A EXi2 + B XX,3 + C XXia
:
EY; X12
(I xr
')'
-nI
x'
o
Ix'Y,
"-
rrj
11
-
-nA
'-
r rJ
Pertyelesaian dengan rumus 3.59, sebagai alternatip ke 2, akhirnyn
A:
I
x'X Xi
2Yi
(3.s7.b)
(3.s7.c)
(3.s7.d)
(3.s8)
(3.5e)
( 1,('0)
1
I (r
I )
( I
(r.)
)
(3.s5)
-t
In(i
('ontoh 3.9.
I)engukuran debit dari sungai Way Seputih - Segala Mider tahun
1980 menghasilkan hubungan antara tinggi muka air (x) dan debit
(y) seperti ditunjukkan sebagai berikut :
I87
Tabel 3.12 Perhitungan Model Regresi Polinomial Hubungan
Tinggi Muka Air dan Debit DPS Way Seputih -
Segala Mider (alternatip ke l).
Tinggi Muka Air (m)
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20
2,30
2,40
2,50
Debit (mrydet)
26
29
33
37
43
49
52
57
63
7t
79
No. xi v, x,2 x,t xi xti xlyi
1,50
1,60
1,70
l,80
I,90
2,00
2,10
2,20
2,30
2,40
2,50
26
29
JJ
37
43
49
52
57
63
7l
79
))s
2,56
2,89
3,24
3,61
4,00
4,41
4,84
5,29
5,76
6,25
3,375
4,096
4,913
5,832
6,859
8,000
9,261
10,648
12,167
13,824
15,625
5,0625
6,5536
8,3520
10,4976
13,0321
16,0000
19,4481
23,4256
27,9841
33,1776
39,0625
39,00
46,40
56,1 0
66,60
81,70
98,00
109,20
125;40
144,90
170,40
197,50
58,50
74,24
95,37
I19,88
155,23
196,00
229,32
275,88
333,27
408,96
493,75
x
22,00 539 45,1 0 94,60 202,5958 1.135,20 2.440,40
Dengan menggunakan persamaan model regresi polinomial orde ke
2, tentukan persamuum data tersebut berdasarkan persamaan 3.57.a
(alternatip ke l) dan 3.59 (alternatip ke-2).
Jawab Contoh 3.9. z
Perhitungan untuk alternatip ke 1, ditunjukkan pada tabel 3.12.
Berdasarkan mmus 3.57, maka diperoleh hubungan :
an +bEx1 +cXxi': Ey,
aEx,
+blxi2 +cXxi3
:
Xxiyi
aXx,2 +bXxi3 +cXxi4
:
Xxi'Yi
sehingga :
I. 1la + 22b +45,10c:539
il. 22 a + 45,10 b+ 94,60 c
=
1135,20
m. 45,10 a +94,60b+202,59 c:2440,40
Penyelesaiannya
:
_ )')
xi
=
fi
:2,0
-2
45.1
*,
=ll ,
sehtngga:
(ll . 1) 22 a + 45,10 b
(l.Xi)
22a+44,00b
+94,60 c
:
1.135,20
+90,20 c: 1.078,00
(-)
0+
(ilt . l) 45,1 a
( r xi) 45,1 a
1,10b+4,40c:57,20
b
:52-4c
+ 94,60b + 202,59 c
:
2.440,40
+ 90,20b + 184,91 c = 2.009,90
; ;;,;;;;;;;;r;;;;
"
b
-
52.ltt - 4.0ltl c
188
Sehingga :
52 - 4 c:52,38 - 4,018 c
0,018 c = 0,38
c:2l,ll
b:52-4(2l,ll):'32,44
u = *
(539 - 22 (-32,44) - (45,lox2l,l l)
-
1l
a:27,i2
Sehingga diperoleh model persamaum regresi polinomial orde ke 2,
hubungan antara tinggi muka air dan debit DPS Way Seputih -
Segala Mider sebagai berikut :
i
:Zt,ll
x2 -32,44x |27,32
Ketelitian persamaan tersebut dapat dilihat dari kesalahan perkiraan
standarnya, perhitungannya dapat dilihat pada tabel 3.13.
Tabel3.l3 Perhitungan Kesalahan Perkiraan Standar Data
Debit DPS Way Seputih - Segala Mider Model
Regresi Polinomial.
Nilai kesalahan standar dari perkiraan dapat
persamium (3.20).
/
'r
I
SEy:*[(Y'-i)'l' *[
n-l
)
sEy
:
-(ry)
':*
l,oo m3/det
Batas daerah kepercayaannya adalah :
i
-tct
(SEy) .
y. y
*to (SEy)
189
dihitung dengan
No. xi
/i li fi-/i 0,-))'
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20
2,30
2,40
2,50
26
29
33
,37
43
49
52
57
63
71
79
26,15
29,45
33,1 0
37,32
41,89
46,88
52,59
5 8,12
64,37
71,05
78,1 5
- 0,15
- 0,45
- 0,10
- 0,32
+ l,ll
+ 2,12
- 0,29
- 1,12
- 1,37
- 0,05
+ 0,85
0,0225
0,2025
0,0100
0,1024
1,2321
4,4944
0,0841
1,2544
1,8769
0,0025
0,7225
, 22,00 539 0,32 10,0043
Dengan derajat kepercayaan 95 %o diteima, maka berdasarkan tabel
I- I pada bagian akhir Bab I, dengan derajat kebebasan n - 2: 9,
untuk uji dua arah diperoleh nilai ta:2,262,dengan demikian batas
daerah kepercayaannya adalatr :
Y
+ (2,262)(1,00)
=
Y
+
2,262 m3/det.
Merupakan dua garis sejajar dari persamaan regresinya. Tabel 3.14,
menunj ukkan hasil interpolasi dan ekstrapolasinya.
Tabel3.l4 Perkiraan Debit DPS Way Seputih di
pos
Duga Air Segala Mider.
No. Tinggi Muka Air
(m)
Debit
(m3/hari)
Batas Daerah Kepercayaan
(m3/de)
I
2
J
4
5
6
7
0,80
1,00
1,50
2,00
2,50
3,00
4,00
14,90
15,99
26,15
46,88
78,15
119,99
235,32
12,61 - 17,06
13,73 - 18,25
23,89 - 29,41
44,62 - 49,14
75,89 - 80,41
117,73 - 122,25
233,06 - 237,58
Sumber: I)crhitungan9 =21
,ll x, - 12,44x+27,32*.2,262
1
190
.
Prosedur perhitungan cara yang ke 2, ditunjukkan pada tabel 3.15.
Tabel 3.15 Perhitungan Model Regresi Polinomial Hubrngan
Tinggi Muka Air dan Debit DPS Way Sepurtih -
Segala Mider (alternatip ke 2).
No. x,
fi
xi Yi X,, x,o X,Y, X,,Y,
1,50
1,60
1,70
1,80
I,90
2,00
2,10
2,20
2,30
2,40
2,50
26
29
33
37
43
49
52
57
63
7l
79
- 0,50
- 0,40
- 0,30
- 0,20
- 0,10
0,00
+ 0,10
+ 0,20.
+ 0,30
+ 0,40
+ 0,50
-23
-20
-16
-12
-6
0,00
+3
+8
+14
+22
+30
0,25
0,16
0,09
0,04
0,0t
0,00
0,01
0,04
0,09
0,r6
0,25
0,0625
0,0256
0,008r
0,00r6
0.0001
0,0000
0,000 t
0,0016
0,008r
0,0256
0,0625
1 r,50
8,00
4,80
2,40
0,60
0,00
0,10
1,60
4,20
8,80
15,00
-
5,75
-
3,20
-
t,44
-
0,48
-
0,06
0,00
+ 0,03
-+ 0,32
+ 1,26
+3,52
+ 7,50
E
22,00 539 0,00 0,00 I, l0 0,1958 57,20 1,7
Penyelesaian dengan merubah variabel x; dan y, :
Xi: Xi- i, dan *=#:2
Yi = yi- y, dan y
=fl
= 49
Hubungan yang diperoleh dihitung dengan persamaan 3.59.
A_
Ix,' Xx,'Y,
/ \a
[I
xi.)
-n X
X,
o
":+H
An
a
--- v
Xx,
'
r91
-t
Maka
a
-
(l,lxl,7o) 1,870
A--
:-1,981
(1, l)'- ll(0,1958) -0,9438
B
:57,20 :
52
l,l
No. xi
li !i li-li 0,-h'
I
2
3
4
5
6
7
8
9
l0
ll
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20
2,30
2,40
2,50
26
29
JJ
37
43
49
52
57
63
'71
79
25,96
29,37
33,19
37,40
42,00
47,01
52,40
58,20
64,39
70,97
77,96
- 0,04
- 0,37
- 0,19
- 0,40
+ 1,00
+ 1,99
- 0,40
- 1,20
.-
1,39
- 0,03
+ 1,04
0,0016
0,1369
0,0361
0,1600
1,0000
3,9601
0,1600
1,4400
1,9321
0,0009
I,08 t6
t
21,00 53e 9,90() I
c:_
(-1,981)(11)
= 19,81
I,I
Persamaannya adalah :
Y: A+bX+CX'z
y
:
y+A+B(x-X)+C(x-x)2
y
:49-
1,981 +52(x-2)+19,81(x-2)'
y
:
49 - 1,981 + 52x- 104+ 19,81x2 -79,24 -79,24x
y
:
19,81x2 -27,24x+22,25
Ketelitian persamaan tersebut dapat dilihat pada perhitungan
kesalahan standar dari perkiraan pada tabel 3.16.
Tabel3.16 Perhitungan Kesalahan Perkiraan Standar Data
Debit DPS Way Seputih - Segala Mider Model
Regresi Polinomial.
192
Nilai kesalahan standar dari pcrkiraan (rumus 3.20) :
SEY:.[(".-I)']'
""'--L
n-l
]
SEY=+
:
r 0,99 m'/det.
Dengan demikian dari contoh 3.9, diperoleh dua persamarm yang
menyatakan hubungan antara tinggi muka air dan debit DPS Way
Seputih - Segala Mider, yaitu :
l).
i:
2l,l1x2 -32,44x+27,32
dengan nilai SEY: 1,00 m3ldet, dan
2).
i
:
19,81 x2 - 27,24 x + 22,25
dengan nilai SEY
:0,99
m3/det
Dengan memperhatikan nilai SEY temyata persamaan ke 2 lebih
kecil nilainya
jika dibanding persamaan ke l. Tabel 3.17,
menunjukkan hasil interpolasi dan ekstrapolasinya dan kurvanya
pada gambar 3.9.
Tabel3.17 Perkiraan Debit Way Seputih - Segala Mider.
No. Tinggi Muka Air
(m)
Debit
(m3/det)
Batas Dae ruh Ka pe rcayaan
(mr/det)
I
2
J
4
5
6
1
0,80
1,00
1,50
2,00
2,50
3,00
4,00
13,13
14,82
25,96
47,01
77,96
I 18,82
230,25
12,14 - 14,12
13,83 - 15,81
24,97 - 26,95
46,02 - 48,00
76,97 - 78,95
117,83 - I 19,81
229,26 - 231,24
_ _t
I e,e0e3 l,
L ro ,l
l,)
ol
(ri
nl
O
x
?
Gl
ii
Gl
I
i
x
o
d
aa
f,
T
I
I
=A
I
t
Z
a
c
t
C
t
o
A
t
193
V)
q.
a
,a
\)
a
{
C-
\
\
B
-{
S
L
i.S
gos
ri (i
t'\ ;
s&
sd
Sr
B-q
(l;T
!0s
sq
^o\
sh'
\N
O.
-;
B
-a
Sumber: Perhitungan y = 19,81 x2 -2'1,24x+22,25 t0,99
t04
llila nremperhatikan gambar 3.9, maka penggunaan persamzum
rcgresi polinomial orde ke 2 (atau sering disebut fungsi parabola
atau persarnaan kuadrat) untuk menaksir debit (Y) jika
data tinggi
muka air (X) diketahui, dengan cara ekstrapolasi dapat menghasil-
kan taksiran yang "salah". Untuk X = 1,00 m menghasilkan taksiran
Y
:
14,82 m'/det akan tetapi untuk X = 0,0 m
justru menghasilkan
nilai Y
:
22,25 m'/det, yang seharusnya lebih kecil dari 14,82
m3/det.
Penggunaan persamaan ini untuk membuat analisa hubungan
anrira tingi muka air dan debit, terutama untuk ekstrapolasi masih
harus membutuhkan pengecekan lapangan. Bahkan untuk pasangan
{(Xi,Yi);
i:|,2,3,...n} antara tinggi muka air dan debit dari sampel
lainnya dapat menghasilkan debit hasil ekstrapolasi yang nilainyo
negatip. Keadaan yang tidak mungkin terjadi di lapangan- Membuat
hubungan variabel tinggi muka air dan debit memerlukan
penyelidikan nilai tinggi aliran nol (zero
/low)
di lapangan sehingga
dapat dibuat model regresi berpangkat :
y:k(x-xo)'
Keterangan:
Y
:
debit
x
:
tinggi muka air
&
:
tinggi aliran nol
k,c = konstanta
P.rr*uu, (3.63) dapat dinyatakan sebagai
sebagai berikut :
logy:logk+clog(x-x6)
persam&m garis lurus
(3.64)
seperti ditunjukkan pada persam aan (3 .2).
Penyelidikan untuk menenttrkan nilai a dan b dapat
menggunakan persamaan (3.a) dan (3.5) atau dengan persamarul
(3.17), ada cara lain dengan menganggap persamaan (3.65) sebagai
persamiurn regresi linier berganda orde ke 1 (penyelesaian
persamaan regresi linier berganda akan dibahas pada sub bab 3.8.1).
Apabila persamaan (3,65) dipandang sebagai persam&m regresi
linier multipel orde ke l, maka pasangan data
{(X,,Y;);
i:1,2,3,..n}
dapat diselesaikan sebagai berikut :
nb+aXXi: XYi
bXX, + aXX'2: EYlX;
(3.66)
Dari persamaan dengan dua bilangan tidak diketahui maka dapat
dihitung nilai a dan b.
Contoh 3.10
Tabel 3.18, kolom 3 dan kolom 4 menunjukkan pasangan data
tinggi muka air (x) dan debit (y) hasil dari pengukuran debit sungai
DPS Cimanuk di pos duga air otomatik Monjot, Rentang, Jawa
Barat, dari tahun 1972 sanryai tahun 1979. Nilai tinggi aliran nol
(xo)
:
23,90 m dari muka laut. Tentukan persamaan lengkung
debitnya menggunakan persamzuul (3.63).
Jawab Contoh 3.10 z
Perhitungan ditunjukkan pada tabel 3.18.
Y =b+aX
196
(3.6s)
(3.63)
apabila:
log y: Y
log k: b
c:a
log (x - xo): X
i
maka akan diperoleh persamaan :
106
Y
107
Pr:rhitungan Modcl Lengkung
Debit DpS Cimanuk_
Monjot Tahun 1972 - 1979.
'l-abel
3.18
t
GI
E
'{
.f
\l
a
B
L
I
B
oo
t
o
,o
*t
:t
s
U
ul
.o
q)
a
b0
-S
a' F
ETO
ot
)i
E-.
:
O*;
\
I
IB
IU
I
I
8
o|
E
I
o
(\l
I
g
a
o
6
o oqq c
q q
N(o lo t r! N
Gl
d
(ul) oH-H <-
.a
\
;r
\
\
.a
ca
Gl
E
II
{
^
a?
5q
o
N
ll
o
t
.t
/a
ffi
.A
n'
-l
Urut
xi ft
(x,- x) Iog (r -x) = X, logy = Y, X,Y, x,'
3 4 5 0 7 8 I
z.
3.
4.
5.
6.
7.
8.
9.
1.0.
ll.
12.
13.
t4.
15.
16.
t7.
18.
19.
?0.
2t.
27.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
37,
38.
39.
40.
4t.
42.
43.
44.
45.
46.
47.
48.
49
50.
5l
l3
l4
l5
t7
l8
l9
20
47
48
49
5l
52
53
55
56
57
58
59
60
62
65
66
67
68
69
70
79
8l
82
83
84
85
86
87
89
90
9l
92
r00
105
106
t07
108
lil
lt2
il3
il4
t)7
I28
t.,9
25,21
2s,21
25,06
25,27
2526
25,11
25,99
26,46
25,66
25,43
25,06
25,04
24,97
24,94
25,26
24,E9
25,66
25,75
?'5,62
25,16
26,38
25,3s
25,04
25,38
25,38
25,U
25,86
25,26
25,16
26,tt
25,90
25,76
25,86
25,90
26,20
26,35
2s,36
24,60
26,90
25,86
25,72
25,42
25,54
25,87
25,78
25,70
25,63
?6,49
78,52
24.86
tu,J
39,5
39,9
30,7
50,6
45,5
344
127
t79
90,6
59,2
33,3
31,5
28,4
29,0
50,5
23,0
8s,6
98,7
81,2
39,7
180
59,4
30,2
56,7
52,5
78,8
133
4E,0
39,5
t44
127
108
tt7
lt5
t67
t97
59
I 1,6
278
120
IM
68,8
80,2
tt2
I l3
t04
94,9
250
680
26.7
l,)o
1,3 r
1,3 I
l,l6
t,37
1,36
r2l
2,O9
2,56
1,76
1,53
I,t6
I,l4
1,07
t,04
t,36
0,99
1,76
1,85
t,72
t,26
2,48
1,45
I,l4
1,48
I,48
t,74
1,96
1,36
1,26
2,21
2,00
1,86
1,96
2,00
2,30
2,45
t,46
0,70
3,00
1,96
1,82
t,52
1,64
1,97
1,88
I,80
1,73
2,59
4,62
0.96
o,t93l2
0,11727
0,\i27
4,06446
0,13672
0,13354
0,08279
0,32015
0,40824
0,2455 I
0,18469
0,06446
0,05690
0,02938
0,01703
0,13354
-0,00436
0,2455 I
0,26717
0,23553
0, I 0037
0,39445
0,16t37
0,05690
0,t1026
0,t7026
0,24055
0,29226
0, I 3354
0,10037
0,34439
0,30103
0,2695t
0,29226
0,30103
0,36173
0,3E917
0,16435
-0,15490
0,47712
0,29226
0,26007
0,18184
0,21484
0,29447
0,274t6
0,2s527
0,23805
0,41330
0,66464
0,0 I 773
1,E4696
1,59660
1,60097
t,4871 I
l,704ls
1,65801
1,53656
2,10380
2,25285
t,95713
1,77232
1,52244
1,49E3 I
1,45332
t,46240
1,70329
1,36173
t,93247
t,99432
I,90956
I,59879
2,25s27
t,77379
I,4800 t
1,75358
t,720t6
1,89653
2,t2385
l,68124
l,s9660
2, I i836
2,10380
2,03342
2,06819
2,06070
1
'111a
2,29M7
1,77085
1,06446
2,444M
2,07918
2,01703
1,83759
1,904 1 7
2,04922
2,0s30E
2,01703
1,97727
2,39794
2,8325 I
t,4265 |
U,J)OOU
0,1E723
0,18775
0,095E6
o,23299
0,22141
0,12721
0,63430
0,91970
0,84890
0,32733
0,098 l4
0,08523
0,04270
0,02490
0,22746
-0,00594
0,47444
0,53282
0,44976
0,t6041
0,88959
0,28624
0,08421
0,29856
0,29287
0,45621
0,62072
0,22451
0,16025
0,74332
0,6333 I
0,54803
0,60445
0,62033
0,80402
0,89294
0,29104
-0,16488
I,l66l0
0,60766
0,52457
0,33415
0,40909
0,60343
0,56287
0,514E9
0,47069
o,99l07
1,88260
-0.02s29
0,01375
0,01375
0,00416
0,01869
0,01783
0,006E5
0,10250
0,r6666
0,0602E
0,0341I
0,004i6
0,00072
0,00086
0,00029
0,01783
0,00002
0,06028
0,07138
0,05547
0,01007
0,15559
0,02604
0,00324
0,02899
0,02899
0,05786
0,08542
0,0t7E3
0,01007
0,1 1 860
0,09062
0,07246
0,08542
0,09062
0,13085
0,15145
0,0270t
0,02399
0,22764
0,08542
0,M764
0,03307
0,04616
0,0E67 I
0,075 l6
0,065 t6
0,05667
0, t 7082
0.44 I 71
0,(x) r | 4
umlo 10.6861 r e1,(14669
22. I 8848 l
\rrnrlrt.r \,rcwlrno, l99l
t
lgit
I'abel 3.19 Perhitungan Uji-t Data Lengkung Debit DPS Cimanuk-Monjot.
No
Urut
Pengukuran
Y,
P r o se nt as e P e ny i mp angan
d=&Pr
NO
Peng X1 li
P
D=P.F
+ +
L
2.
3.
4.
5.
6.
1.
8.
9.
10.
u.
t2.
13.
14.
15.
16.
t7.
18.
19.
20.
2t.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
4t.
42.
43.
44.
45.
46.
47.
4E.
49.
50.
51.
t2
l3
l4
l5
l7
l8
l9
20
47
48
49
5l
52
53
55
56
57
58
59
60
62
65
66
6'l
68
69
70
79
8l
a2
83
84
85
86
87
89
90
9l
92
t00
105
106
107
108
lll
tt2
l13
l14
t27
128
r29
25,46
25,21
252t
25,06
25,27
25,26
25,1t
25,99
26,46
25,66
25,43
25,06
25,04
24,97
24,94
25,26
24,89
25,66
25,75
25,62
25,t6
26,38
25,35
25,04
25,38
25,38
25,64
25,86
25,26
25,t6
26,t1
25,90
25,76
25,86
25,90
26,20
26,3s
25,36
24,60
26,90
25,86
25,72
25,42
25,54
25,87
25,7E
25,70
25,63
26,49
28,52
)4 R(,
70,3
39,5
39,9
30,7
50,6
45,5
34,4
t2'l
t79
90,6
59,2
33,3
3 1,5
28,4
29,0
50,5
23,0
85,6
98,7
81,2
39,7
r80
59,4
30,2
56,7
52,5
78,8
133
48,0
39,5
144
t27
r08
ll7
ll5
167
t97
59
I 1,6
278
120
104
68,8
80,2
lt2
il3
104
94,9
250
680
)_6 7
67,6
47,0
47:0
36,s
51,6
50,8
39,8
t24
190
86,9
64,9
36,5
35,2
30,8
29,1
50,8
26,2
86,9
96,5
E2,8
43,4
177
5E, l
35,2
60,5
60,5
84,9
109
50,8
43,4
139
I l3
97,6
109
l13
152
173
58,9
12,'1
264
109
93,2
64,0
75,0
ll0
99,8
91,0
83,9
t94
649
24
(,
3,99
2,42
4,26
,:,
1.69
2292
3,60
12,39
r0,66
7,34
|,77
9,87
13,87
0,17
5,30
10,09
1 1,59
7,50
6,93
I,E2
12,23
13,29
13,1 I
28,87
4,7E
8,54
15,96
l5,l l
r5,89
1,94
10,43
13,57
5,79
8,78
8,77
10,5 I
7,79
0,34
0,59
12,21
1,50
1,93
_8,53
t4,20
6,28
13,22
7,lE
5,51
8,99
8,66
3,579
2.009
3,489
I,869
1,279
1,829
21,609
3,1 89
I I,979
10,249
6,929
I,359
9,459
I 3,459
4,889
9,679
l I,179
7,089
6,519
1,409
12,819
t3,879
12,699
29,459
4,169
.8.t29
ri,ttr
15,521
16,301
2,351
10,841
13,891
6,201
,,t9l
9,181
t0,92t
8,201
0,751
1,001
t2,621
l,9l I
1,9il
l,9l I
l,9l I
l,9l I
l,9l l
t,9l 1
1,911
1,91l
9,071
t2,809
268,010
240,901
265,723
s,327
117,527
195,46E
4,361
38,452
14,815
84,475
84,291
l I 9,268
67,256
0,554
1,002
159,290
3,652
3,493
5,480
79,942
1,358
3,345
213,481
M,770
185,804
57,623
466,949
2,771
88,379
1 0,1 70
t43,496
105,042
48,01I
t,847
89,473
I 8 1,145
0,058
82,2E3
23,902
93,683
124,970
50,254
48,497
1,985
lu,327
192,627
161,265
E09,91 5
19,0E8
65.081
Jumloh 224.62 203,6E 5l6/.,43
Sumber : Soewarno, 1991.
199
Berdasarkan data tabel 3.18, diperoleh data :
n
:
51
EX,
:
10,68611
EX,2
=
3,32974
maka; dari persamaan (3.66) :
XY'
:
95,04669
tYixi
:
22,188481
5l.b + 10,68611.a
:
95,04669
10,6861 l.b + 3,32974.a
:
22,18848
Setelah diselesaikan diperoleh i a:2,08424 dan b: 1,4269,
sehingga persamaannya adalatr :
i
:1,4269
+2,08424X
Harus di ingat bahwa :
logy = Y
log k: b: 1,4269 dan c: a:2,08424
log (x-xo)= X, maka :
logy
:
1,4269 + 2,084241og (x - xa)
log k
:
1,4269, sehingga k:26,7267
akhirnya diperoleh persamzum lengkung debit DPS Cimanuk di pos
duga air Monjot sebagai berikut :
y
:26,7267
(x - 23,90;,2'o$a2t
Umumnya ditulis sebagai :
Q
:
26,7267 (H - 23,90)2'08424
di mana
Q
adalah debit (m3/det) dan H adalatr tinggi muka air (m).
Gambar 3.10, memperlihatkan kurva persamaannya. Dari
persam&m tersebut untuk melaksanakan ekstrapolasi debit pada
tinggi rnuka air rendah nilainya akan tepat karena nilai aliran nolnya
telah diselidiki terlebih dahulu. Mcskipun demikian untuk
ckstrapolasi
debit- nrr:l,,hihi ,r..-: .:--
de b i t yang
o.#',:HL"iJ
[ti:J';si'^
T :1"
ai r terti n g g i pasangan
rabel
3 . r sl, r,*r.,
r,ati_rruti p;il
"i#
lrr}il:;
::tilMil
cenderung
untuk
membuat
^
;;Iih;
c*I
"*i
*-J.**:*r*
persamaan
rengkung
debit
harus
d,akukan
a".rg*
"*;:;*^khusus
dan harus
aibandinlkan
dG;
b;ak
metode
(rihat
soeworno, l99t'
Hidrorogi p"rs"ii*r")*
pengorahan
Datu
Ariran Sunga i - Hi dro me tr i,
p
e neib i t iO 16l
pengujian,
-apakah
data
pasangan
(&,y,)
pengukuran terwak,i
oleh persamaan
tersebut,
utu, dengan
t<ata
tain terwak,i oleh pasangan
(X,,y,)
fanat
oi,.r.,rl"r'a"ngul
"ji_;;hrk
data yang berpasangan
(lihat
:ug,i"u
il.+il:,*
data pada
iabel
3.18,
perhitungannya
dapat
dilihat p"Au
,rU"l
:. f
g.
Dari
data tabel
3.I9
:
xr
= tinggi
muka
air (rn)
I:
= debit pengukuran
(mjldett.
Y
; = 26,7267
(+ - 2Z,Si1i.or"i'''
H
20r
SEy
: 1LI_,4
:
r,423 %o
(50);
Sehingga
uji-t ; (lihar
rumus t.t3, Bab I).
t-
= 0,288
P
SEY
Persentase
penyimpangan
p
=
x 100 Yo
Rata-rata
perbedaan,
F
-
224,62
-
203,62
5l
Dari taber I-l pada
bagian
akhir Bab I, dengan derajat
kepercayaan
95
04
diterima
dan derajat
kebebasan
50, untuk
uji dua sisi
diperoleh
t, = r,960.
oreh karena t = 0,2gg
lebih
kec, dari to
maka dapat
dikatakan
bahwa untuk ,*ii"i*i
;; il" (ringgi
muka air yang
sama) tidak ada beda nyata antara variaber
yi (debit
B"X-#'fl;i;ff*
variabel
v laeoit
perhitungan;;;
rumus).
d i g unakan
**u i,#l1ffif
.#-5fi
:*
":iT:.,1,[lT,
Blt
Cimanuk
- Monjot (tahun
t97Z _
tgTg).
Persamaan
tersebut
mestinya
akan selalu
berubah
sesuai
dengan perubahan
-
faktor y*g
-"-pengaruhi hubungan
antara
variabel
{(Xi,Y,); i:|,2,3,...n}
-di
lokasi
-pengukura,f'Lengingat
kondisi
lokasi pos
duga air DpS cimanuk-Monjot
terretak pada
arur
sungai yang
terretak
kurang stabil,
artinya proses.pengendapan
dan penggerusan
seraru
terjadi
dari waktu
ke waktu.
u"tit
J"uit yang
sama
belum
tentu dapat terjadi pada
tinggi
muka air yang
sama.
3.8
MODELPEGBES'
BERCANDA
'
Pada
umumnla.
data hidrorogi
yang
diamati
atau diukur
merupakan
suatu variabel
yang
terj;di
karcna pcngaruh
dari
,uu variaber
atau lebih.
sebagai
rurlun
** .ont,h, pada-sub
bab 4.2.3,
buku yang
sama jilid_
I, ielah ;ir,;;U;"
suaru rumus
regrcsi ynrrg
menyatakan
bahwa
debit banjir tuhirnan
rutu-rula (MAl;;
di I)lfS
di
= 0,411
oh
Deviasi
standar,
S =
s =
[#]i
:
to,t63
0/6
Kesalahan
standar
dari perkir
aan : (ihat
rumus
/ /4, tlub r).
SEY=
S
c$j
itr--ul'li
l*J
I 202
Pulau Jawa dan Sumatera dapat diperkirakan dengan rumus :
MAF: (8,00Xl06XAREA)V (ApBAR)144r (SIMS)o.',, (l + LAKE)-o.s5
Berdasaran rumus tersebut maka dari suatu Dps yang belum
tersedia data serial debit banjir yang diperoleh dari pengamatan
tinggi muka air dan pengukuran debit, maka MAF dapat dihitung
berdasarkan variabel :
'
AREA (: luas DPS)
.
APBAR (: rata-rata tahunan dari hujan terbesar dalam satu
hari)
SIMS (: kemiringan sungai)
LAKE (: proporsi luas DI)S disebelah hulu danau/waduk
terhadap luas DPS di titik pengamateur).
Apabila debit banjir tahunan tersebut dinyatakan sebagai variabel
tak bebas (Y), sedangkan variabel lainnya dinyatakan sebagai
variabel bebas (X,, Xr, X, dan Xo) maka hubungan dari variabel tak
bebas terhadap variabel bebas tersebut dapat dinyatakan sebagai
regresi berganda. Model dari pada regresi berganda dapat berbentuk
persamiurn:
.
linier
.
berpangkat
Contoh hubungan rumus MAF tersebut merupakan model
persamaan regresi berganda berpangkat.
3.8.1 tregrcsi Llnict Bugande
Apabila sejumlah m variabel membentuk suatu hubungan,
satu variabel tak bebas (Y) dengan sejumlah (m-l) buah rrariabel
bebas X, maka persamaan umum untuk menyatakan model regresi
linier berganda adalatr :
Y
:
&
+ ArXr + ... + A,X, + ... A,-r X.-r
208
Nilai Ao adalah titik potong dan Ai adalah koclisicn regrcsi
berganda (multiple regression cofficient) dari variabcl tuk bcbas Y
terhadap variabel bebas X, dengan menganggap scmua variabel
bebas yang lain konstan.
Apabila dXi
=
X,
-
X, dYi -
Y,
-
Y dengan nilai i bergerak
dari 1 sampai m-I, maka dengan metode kuadrat terkecil persamzuul
(6.67) dapat diselesaikan untuk menentukan nilai Ao, A,, Ar, ...A.-r,
dengan menggunakan persam&m sebagai berikut :
Arrdxr, + ArX(dx,.dXr) + ...+ A._rX(dxr.dX._,): t(dy.dxr)
ArE(dxr.dx2) + A2tdX2, + ... + A--,X(dX2.dX._r): >(dy.dxr)
A,E1dx,.dx_-,; + ArX1dx2.dx.-r) + ... + A*,X(dx._r)2: E(dy.dx.-r)
Ao
:
Y
-
A, Xz- ...
-A,-rX.-r
(3.6'i)
Persamaan (3.67) dapat disebut persamuum regresi berganda orde ke
(m-l), dengan memperhatikan persamaan tersebut maka persamzum
regresi linier sederhana (3.2) dapat ditulis sebagai :
Y:A,+A,X
a
(3.6e)
Persamaan (3.69) merupakan persamaan linier berganda orde ke
satu atau persamaan regresi linier 2 variabel.
Persamaan regresi linier dengan 3 variabel dapat dinyatakan sebagai
persamuuxl:
Y=Ao+A,X,+AzXz (3.70)
dimana A, adalah titik potong garis regresi terhadap sumbu
y.
A,
dan A2 adalah koefisien regresi parsial
Qtartial
regression
cofficient). Nilali A, dan A, dapat dihitung dari persamaan normal
berikut:
ArXdXr2 + A2E(dXr.dXr): t(dY.dxr)
ArX(dXr.dX2) + A2XdX],: X(dY.dX,;
(3.67)
"1
204
dan nilai Ao dihitung dengan :
L
Ao:Y-ArXr
-AzXz Q.7l)
Dari persamaan (3.70), hubungan antara variabel Y dengan X,,
dengan menganggap variabel X, tetap disebut dengan koefisien
korelasi parsial (koefisien regresi bagian) variabel Y terhadap X,
dan dapdt dihitung dengan :
RB(YX,):
Keterangan :
RB(YX,):
R(YXr)
:
R(YXr)
:
R(XrXJ =
R(YX
r ) -
R(YX,
{R(X,
Xr)})
(3.72)
l{
l
-
R,(Yx,)}{ l
-n'z6,xr;11}
Dengan cara yang sama maka :
R(YX2)
-
R(YXr
{R(XrXz)})
20ft
standar. maka dapat dihitung dengan pcrsalr)aan :
RM:
[,-fl$]]
(rru)
Keterangan:
RM
:
koefisien korelasi berganda
SEY: kesalahan standar dari perkiraan nilai Y.
SY
:
deviasi standar dari variabel Y
Berdasarkan persamiuut (3.76), maka besarnya koefisien penentu
atau koefisien determinasi dapat dihitung dengan persamairn :
koefisien korelasi parsial variabel Y terhadap X,
Qtartial
correlation cofficient).
koefisien korelasi variabel Y dan X,.
koefisien korelasi variabel Y dan Xr.
koefisien korelasi variabel X, dan X2.
RM2: [,
-
sev'l
L SY2 I
atau dapat dihitung :
r
(i-v)'
RM2 =
i=l '
(3.77.a)
(3.77.b)
t
(',
-
Y)'
Dari persamaan (3.70) besamya koefisien korelasi antara variabel Y
dan kombinasi pengaruh variabel Xr dan X2 disebut dengan
koefisien korelasi berganda (multiple correlation cofficient) dan
dapat dinyatakan sebagai RM.
RM:
t1 - {l -R2(YXr)1{l -R2(YXz)}l}
(3.7s)
Nilai SEY, seperti juga
pada model regresi linier sederhana,
gunanya untuk mengukur dispersi data Y disekitar garis regresi i
atas X, yang dapat dihitung dengan rumus :
SEY: (3.78)
Dalam memperkirakan nilai RM, ternyata tcrdupnt kelrilnngnn
dalam menentukan derajat kebebasan,
jumlth kehilnngnrr $nnul
dengan jumlah
konstanta dalam persamaan rcgrcsi
(
)lelr knrcrrn itu
diperlukan penyesuaian, yang dapat dihitung tletrgrur
l)rr$nnrnur
berikut ini :
RB(YXr)
:
RB(X,X2) =
[{
I
-
R2(YXr)}
{
r
-
R2(X1Xr;11i
RCxrxz)
-
R(Yxr
{R(Yxz)})
[{
I
-
R2ffxr)}{ I
-
R2(Yxz)}]}
(3.73)
(3.74)
Apabila nilai RM dinyatakan sebagai nilai kesalahan perkiraan
I
206
Keterangan :
RM'
:
nilai koefisien korelasi linier berganda yang telah
dikoreksi.
RM
:
nilai koefisien korelasi linier berganda terhitung.
n
:
jumlah
total pengamatan.
k
:
jumlah
total variabel bebas.
Untuk menguji derajat kepcrcayaan koefisien penentu regresi
berganda dapat digunakan uji-F sebagai berikut :
207
lain terdapat hubungan yang nyata antara
variabel yang digunakan dalam analisis model
regresi berganda.
Pengujian pada derajat kepercayaan tertentu, apabila nilai F ternyata
lebih kecil dari nilai F dalam tabel I-4 pada bagian akhir bab I,
maka hipotesis nol (Hr) diterima dan menolak hipotesis alternatip
(H').
Dengan semakin bertambahnya variabel X sebagai variabel bebas
yang digunakan maka untuk menentukan tingkat hubungan antara
variabel Y dan salah satu variabel X dengan mengan'ggap variabel
X yang lain konstan, akan semakin rumit. Perhitungan koefisien
korelasi parsialnya semakin rumit. Untuk memudahkan penentuan
tingkat hubungan variabel bebas (X) terhadap variabel Y, dapat
diukur dari koefisien regresi terhadap nilai deviasi standamya.
Umumnya disebut dengan koefisien tl (beta coeficient), sehingga
persamaan 3.67 dapat dinyatakzm sebagai :
RM'=
{,-
t'
T}
"}' (3.7e)
(3.80)
D _
RM2(n-m)
-
(l
-
RM2)(m
-
l)
pada derajat kebebasan nl = m - I dan n2 = n - m
Keterangan:
F =nilaiFterhitung
RM2 = koefisien penentu
n
:
jumlah pengamatan
m =
jurnlah
total variabel bebas dan variabel tak bebas
nr
:
derajat kebebasan variabel
n2
:
derajat kebebasan pengamatan
Sehubungan dengan persam:um (3.80), maka dapat dibuat
hipotesis :
H, : R2:0, tidak berbeda nyata dengan nol, atau dengan
kata lain tidak ada hubungan antara variabel
yang digunakan dalam analisis model regresi
berganda.
Hr
:
R' ;a 0, berbeda nyata dengan nol, atau dengan kata
#:Fu+o'f
*Bf . *B*-,*
dimana:
B, =
#,
B1 =
Ar*,
B, = o,t
(3.8 l
)
(3.82)
Sehingga:
S.n-t
B.-r
:
a,-,
i?
(3.s3)
Keterangan :
B*-r
:
koefisien beta variabel ke m-l (tanpa satuan)
A.-r
:
koefisien regresi variabel ke m-l
S._r
:
deviasi standar variabel bebas ke m-1
SY
:
deviasi standar variabel Y
1
20rl
('ontoh 3.1I
Analisis hidrologi DPS Cimanuk, untuk data tahun 1981 - 1985,
telah diperoleh data debit sedimen melayang dan data variabel fisik
DPS, meliputi
:
luas DPS, panjang sungai, kemiringan alur sungai
sebagai ditunjukkan pada tabel 3.20.
Tabel 3.20 Debit Sedimen dan Variabel Fisik DPS Cimanuk.
Variabel Lokasi
*)
I 2 3 4 J
Y : sedimen (105 ton/thn)
X, : luas DPS (1O'?km)
X, : panjang sungai(10'?km)
X, : luas hutan (%)
r,00
1,97
))1
47,58
t,28
4,57
4,69
34,38
5,28
7,16
7,57
24,05
9,77
t4,t2
16,79
20,65
5 1,02
19,68
19,33
23,55
Sumber : Analisa Data Sedimen, Pusat Litbang Pengairan.
t)
Lokasi : I
:
pos duga air Cimanuk - Bojongloa
2
:
pos duga air Cimanuk - Leuwidaun
3
:
pos duga air Cimanuk - Leuwigoong
4 = pos duga air Cimanuk - Wado
5 = pos duga air Cimanuk - Tomo
X,
:
panjang sungai utama dan seluruh anak sungai.
Tentukan model regresi linier berganda variabel Y atas variabel (X,,
Xr, Xr) data tabel 3.20.
Hitung koefisien penentu dan korelasinya, uji pada derajat
kepercayaan 95
oh
diterima.
209
Berdasarkan persamaan (3.68) untuk menentukan nilai A,, Ar, A,
dan A, dihitung dengan persam&m berikut :
Ar>dxrz
+ A2xdxr.dX,
+ ArxdXr.dXr: >dY.dxr
Artdxr.dX2
+ A2IdX2'?
+ A3XdX2.dXr: XdY.dX2
Arrdxr.dx3
+ A2tdx2.dX'
+ A3tdx32: EdY.dXr
Ao: Y-A,X,
-ArXr-ArX,
Penyelesaian dituangkan pada tabel 3.21.
Berdasarkan penyelesaian tabel 3.21, maka diperoleh 3 buah
hubungan sebagai berikut :
I. 208,938 Ar + 214,884 A2 -253,716 A3: 533,291
III. 214,884 At+226,920 A2-270,010 A3: 506,112
lll. -253,716 Ar - 270,010 A2 + 485,880 A3
:
- 436,930
Perhitungan selanjutnya :
I x253,716
|
53.010,91 Ar + 54.519,50 A2 - 64.371,80 A, = 135.304,45
III x 208,938
I
-r3.010,9, A, - 56.
0 - 1895,84 A2+ 37042,73 Ar: 44.013,17
Az=
44.013, 17 + 37 .042,73 A3
1.895, 84
Sehingga:
A,
:
19,53 Ax - 23,215
Jawab Contoh 3-tt
,t
I x 214'884
|
M a97,43 A,+ 46175'13 A:- 54-519,50 Ai = 114595,70
Model regresiyangdigunakanadalahregresilinierbergandaorde
"."o"t'*"i#"]ti;t;';'#i;;";iii':iit:tti:iii':li
u'
ke3:
L895,84 AI
-
8.849,68
Y=A.+A, X'+A,X,+A,X, ^' L,f,rc8
270
Schingga :
A2-- 1,532 A1- 7,153
Dari dua hubungan A, diperoleh :
19,53 A3 - 23,215
:
L,532 A, - 7,153
17,99 A3: 16,062
A:: 0,89
Az = 1,532 (0,89) - 7,153
Az = - 5,78
Dari I, diperoleh :
208,938 A,
:533,291
- (- 5,78X214,884)
+ (0,89X253,716)
Sehingga A,
:9,577
Nilai Ao, dihitung dari persamaan (3.68) :
Ao:Y-A,X-AzXzA:X
Dari data tabel3.2l, maka :
Ao: 13,67 - 9,577(9,62) - (- 5,78)(10,13) - (0,89)(30,16)
&:
- 46,751
Dan akhimya model regresi linier berganda yang diperoleh adalah :
i
:
- +o,lsr +
g,577
xr - 5,78 Xz + 0,89 Xs
Apabila data sedimen melayang dinyatakan sebagai variabel SEDM
(105 ton/tahun), luas DPS sebagai variabel LUAS (1O'z km). Panjang
sungai sebagai variabel PS (1O'? km) dan proporsi luas hutan sebagai
HUTAN (%o), maka dari data tabel 3.20, terjadi hubungan :
SEDM
:
- 46,751 + 9,577 LUAS - 5,79
pS
+ 0,gg HUTAN
c\l
ci
(l)
-o
cl
F
(r,
Gt
a
CA
(u
E
1..
o
cl
t
(l
bo
(1)
o
L{
()
tr
Fl
U'
(.)
o0
(l)
d
(,)
!
o
z
c!3
(B
u)
(l)
o)
>.
o
A
c.l
cn
c)
-o
(d
F
I
I
tj
!
I
I
211
{i
d
R3333
d6-6O
HSjSe
T+,
e
o
F
d
8
t
{.
lJ
6
8=385
d6dfh
di.;d.i6
dd-i9
:+'
F
d
F
d
ii
d
N
6d-oe
-FFh
--i-r:o:?
sFTRS
+,
.
o
d
I
F
6
.i
rl
!
s
666O
;6N-h
F- d- .\ o- Gl
6N9TF
dhno!
d.d
6

3a
F
o
ii
\
oad
.6FF
Y). +- !- q
Fi
dF-h!
O\9ddo
+++r+
d
I
d
d
o
$
t
!
h6hc9
s8-E-qE
6dhFh
66F
++T
+
a
d
-

s
d
oooo!
609.!N
t- - F), i. -
6FOOo
ea6or

F
F
6
iJ
6!66Q
ha6h!
r:qvIdle"
;6i=
dna
d
6
6
d
d
at
fl
{
dN600
NOh.hO
Ytvll-q6l
6h60
6ddo
@
q.

o
d
r
a
F.
\
s
8.qA{t"
o60hn
9=Frg
-.:
E
+
6
F
-.i
6
a
q
ddN
+N6h9
tj{vioi.d
++
t
d
\
n900
6+6hN
dYi..idoi
.++
t-
o
TJ
N
ooa
ts6660
Fh-ta
,++
8
d
5
r660h
-60
.i .i od di rj
n
+
3
5:
66h61
h69h
rj+dddi
-dNd
o

o
>i
r6F66
N66r6
.f{F:.d6
I
o
*
FF6N
dnr-9
.i+F:+o(
I
o
r-&&\8^
;-66
6 rd
I
6
{
a
z
-doth
d
!
fl
$
212
'l'abel
3.23 Nilai Y untuk Data fabel 3.21.
No. Y Y (Y-n (Y
- v\2
I
2
3
4
5
1,00
1,28
5,28
9,77
51,02
1,32
0,48
5,69.
9,71
50,81
- 0,32
+ 0,80
- 0,41
+ 0,06
+ 0,27
4,1024
0,6400
0,1681
0,0036
0,0441
0,9582
Sumber : Perhitungan.
Dari persamiuut tersebut apabila - variabel LUAS dianggap
bertambah atau berkurang satu unit satuan (100 km) dan variabel
yang lain tetap, maka akan dapat menambah sedimen mclayang
9,577 (10
5
ton/tahun).
Nilai kesalahan standar dari perkiraan untuk persamzum itu dihitung
dalam tabel 3.23, hasilnya :
SEY:
RM2: I - 5,330 (10{1: 0,9994
Berarti bahwa 99,94 7o sedimen melayang yang dihasilkan oleh ke
5 DPS tersebut dapat dijelaskan oleh hubungan variabel luas DPS,
panjang sungai, dan luas hutan, sedangkan sisanya 0,06 %
disebabkan oleh faktor lain yang tidak termasuk dalam model ini.
Nilai koefisien korelasinya adalah : RM
:
(RMz;i
,
atau RM
:
0,9996. Nilai yang dikoreksi dihitung dari rumus 3.78
rl
-RM2Xn-
1),
RM':{1-.
n_k
,
RM':
{1 -
(1
-o'2991)(s -
1)
}
:
0,9988
J_J
Ini berarti terdapat hubungan yang linier antara variabel SED,
dengan LUAS, PS dan HUTAN, karena RM'mendekati satu, yang
juga
dapat dibuktikan dengan Uji-F; mmus (3.79).
..
-
RM2(n-m)
-
(l
-
RM'?)(m
-
l)
0.9994(5
-
4)
_
<<<
,)??
f:'
^
(l
-
o,gg94)(4
-
1)
JJJ'LLL
Pada derajat kebebasan n,
:
m-l = 3, dan n2 = n-m
:5-4:
l, dari
tabel tabel I-4 pada bagian akhir bab I, pada derajat kepercayaan 95 %
diterima, maka diperoleh nilai Ftabel =215,7. Temyata F
:555,222
lebih besar dari pada nilai dalam tabel I-4, ini berarti nilai RM'
memang tidak siuna dengan nol. Dengan kata lain terdapat
kesimpulan bahwa variabel LUAS, PS dan HUTAN bersama-sama
mempengaruhi dari pada produksi sedimen rata-rata tahunan secara
linier dari ke 5 DPS yang diteliti.
Apakah variabel LUAS atau PS atau HUTAN yang paling
berpengaruh dapat diketahui dari koefisien B yang dupat dihitung
dengan runtus (1.82) :
218
SEY
:
(Tf
)
i:
0,48e (ro5 ton/tahun)
sedangkan deviasi standar dari data sedimen, dihitung dari
3.21, adalah :
sy= f
dY2)i-f
1.7e4,6)
-
rn-t,J ):21'18(lo5ton/tahun;
Sehingga koefisien penentunya adalah :
RM2=l-SEY2 .
SY2
RM2=l-(0'489)2
(21, tg)
214
Sr_r
B.-t
:
e.-,
t7
Telah dihitung bahwa SY
=
21,18 (105 ton/tahun).
Dari perhitungan data pada tabel 3.22,maka diperoleh :
sXr:(*)
i-1zoa.grs; I
:7,227
SXz: (H)
i
-Tzzeozeli =7,532
SXr: (*f)
l-1qss.rso; l
:r,o2r
Maka:
B.:
#
=##:-2,207
B,:A,
*
=
s,sn(ffi):r,ru,
Bz:Az*=
-t,rr(ffi)
:-
2,oss
B,:A,
*=0,*r(ffi)
:o,ou,
Nilai B0 tidak mempunyai pengaruh yang nyata (significant)
terhadap model regresi yang diperoleh, karena tidak berpasangan
dengan salah satu variabel bebas dalam menghitung model regresi
tersebut. Nilai 8,, Br, B, semuanya mempengaruh dengan nyata
terhadap model regresi yang diperoleh. Pengaruh yang paling nyata
terhadap SEDM berturut-turut adalah variabel LUAS, PS dan yang
terakhir HUTAN, apabila tidak terjadi korelasi yang kuat di antara
variabel bebas yang digunakan untuk membentuk model. Tetapi
apabila diantara variabel bebas itu terdapat korelasi yang kuat maka
sulit untuk menentukan variabel bebas yang mana yang mempunyai
pengaruh yang paling kuat terhadap variabel tidak bebas, dalam hal
ini masih diperlukan perhitungan korelasi
itu sendiri (korelasi matrik)
215
diantara variabel bebas
3.8.2 ltlodel f,.egtesi Betpanghat Betganda
Pada sub bab 3.8.1 telah disajikan model regresi berganda
dengan m buah variabel (m > 2) dengan (m - l) buah variabel bebas
Xr, X2,...X.-r, di regresikan terhadap variabel tidak bebas Y dalam
bentuk linier :
Y =
&
+ Ar X, * ...AiX,* ... + A--l Xr-r
Variabel bebas X,, dapat berbentuk kuadrat atau berpangkat lainnya,
sehingga modelnya dapat ditulis :
i = Au (X,l^' (xl
)
(xll') (xl:;
)
(3.8s)
Model tersebut nrcrupakan f'ungsi berpangkat yang dapat dibuat
linier melalui translirrntasi logaritmik sebagai berikut :
t?= lnAo+ArlnXr r ... I AilnXi +...+A,-rlnX,-r
(3.36)
atau
a;?=logAs+AslogXr i. r A;logX;+...A.-1logX, (3.87)
Penjelasan model regrcsi (3.tt6) atau (3.87) dapat menggunakan
persamffIn (3.68), dengan mongganti dYi
:
ln Y, - lnY, dX,
:
ln X;
-i;X, atau dY, = log Y, - l,)lg Y
,
dXi
:
log X, -
GX;.
Contoh 3.
t 2
Tentukan m<ldcl rcgrosi berpangkat berganda data pada tabel 3.20,
hitung koefisien korelasi dan kesalahan perkiraan standarnya dan
bandingkan hasilnya dengan contoh 3.11.
21$
Jawab Contoh 3.12 :
Tabel3.24 Perhitungan Model Regresi Berpangkat Berganda
Orde 3 Data Tabel 3.20.
Sumber : Perhitungan data tabel 3.20.
Keterangan :
Y
:
SEDM
:
sedimen melayang (105 ton/thn)
Xr = LUAS = luas DPS (10'1km)
X, = PS = panjang sungai (10'?km)
X;
=
HUTAN
:
luas hutan (%o)
RT = rata-rata
Tabel3.24 Perhitungan Model Regresi berpangkat berganda Orde 3
Data Tabel 3.20 (lanjutan).
'f
abel3.24 Perhitungan Model Regrcsi hcrparrgkirt bcrgiltttl:r
(
)rde 3
Data Tabel 3.20
(lanjutan).
Berdasarkan perhitungan data pada tabel3.24, maka diperoleh
buah hubungan sebagai berikut :
I. 3,3566 At + 3,2576 A, - 1,1695 A,
:
5,4960
II. 3,2576 At + 2,7791 A, - 1,1433 A,
:
5,3011
III. - 1,1695 A, - 1,1433 Az + 0,4589 Ar:-1
,7488
217
tiga
Keterangan:
dY
:
ln Y - lnY
dX,: lnX, -
ffi
dXr: ln X, - lnXz
dX,
:
ln X, - lnE
Perhitungan selanjutnya :
I x3,2576 I 10,9344 Ar + 10,6119 A2 - 3,8079 At
:17,9037
II x 3,3566
|
10,9344
\
+ 9,3283 A, + 3,8376 A,
:
17,7936 (-)
1,2836A2+ 0,0279A,
:
0,1101
Az:
0, l10l
-0.02t9
At
1,2836
Sehingga :
,{2:0,0857 -00217 A3
I x 1
,16951
3,9255 Ar + 3,3097 Ar- 1,3677 A,' 6,4275
III x 3,356 6
|
-3,9255 At - 3,8376 A2 + 1,5403 A, '
-5,8700 (+;
0 - 0,5279 Az * 0,1726 Ar: 0,557568
0,1726 A, - 0,5575
:
0,5279 Az
No. Y xt X, XJ lnY ln X, ln X. ln X,
I 2 3 4 J 6 7 I 9
I
)
3
4
5
I,00
t,28
s,28
9,77
5l,02
I,97
4,57
7.76
t4.t2
19,68
2,27
4,69
7.57
16,79
t9.l-l
47,58
14,38
24,65
20,65
2,r,54
0,0000
0,2468
I,6639
2,2791
3,e322
0.6780
l,5195
2,04tt9
2.6457
2.9796
0,8 197
t,5454
2,0241
2.8207
2.9616
3,8624
3,5374
3,2047
3,0277
3, I 587
x 68.35 48.10 50.(t5 I50.80 8.t221
().8
7-l7 l0. l7t8 I 6.7910
RT 13.67 9.62 10.t3 .10. l6 |,6244 |.9747 2,0.14.1 J,3 5 lt2
No. dYdX, dydX, dydxs dYdX, dYdY
l
dY&Yr
18 19 20 2t 22 23
I
2
)
4
5
+2,1063
+0,6270
+0,0029
+0,4405
+2,3191
+1,9729
+0,6735
- 0,0004
+0,5150
+2,t400
0,8190
0,2468
0,0060
0,2164
0,4604
+1,5749
+0,2225
- 0,0008
+0,5290
+0,9318
0,6531
0,0815
0,01l3
0,2223
0,2004
- 0,6124
- 0,0876
+ 0,0015
- 0.2599
- 0.r894
5,4960 5,30 r l 1,7488 3,2576 I,1 695 1,1433
No. dv dxt dY, dxj dY, dxt) dx,) dx32
t0 l1 t2 13 14 15 16 l7
I
2
3
4
5
- 1,6244
- t,3776
+ 0,0395
+ 0,6549
+ 2,3078
- 1,2967
- 0,4552
+ 0,0742
+ 0,6728
+ 1,0049
- t,2t46
- 0,4889
- 0,0t02
+ 0,7864
+ 09273
+ 0,5042
+ 0,1792
- 0,1 535
- 0,3305
- 0,1995
2,6386
1,8978
0,0016
0,4288
5,3259
1,6814
0,2072
0,0006
0,4526
1,0098
r,4752
0,2390
0,0001
0,2048
0,8598
0,2542
0,Q32t
0,0235
0,1092
0,0398
0,0000 0,0000 0,0000 0,0000 r0.2928 3.3566 2,7791 0,4589
2l tl
Schingga :
Ar:0,3269 A, - 1,0560
Dari dua hubungan nilai A, diperoleh nilai A, sebagai berikut :
0,3269 A, - 1,0560: 0,0857 -0,0217 A3
0,3486
*,,: \,,!r1rr1o
Ar: 0,3269 (3,275) - 1,0560
Ar: 0,0145
Dari (I) diperoleh :
^
6,4275
-
3,3097(0,0146) + (1,3677)(3,275)
I Lr
3,9255
At:2,7661
Nilai Ao dihitung dengan persamzum :
Ao
:
lnY
-Arln>(l -A2lnX2 -A3lnE
Ao
:
r,6244 - (2,7 661)(1,97 47) - (0,0 1 46)(2,03 43) - (3,27 50X3,3 5 82)
An
:
- 14,8062
Nilai Ao tersebut tidak lain adalah ln
&,
nilai
fu
yang sesungguh-
nya adalah eAo, sehingga :
ln A, = - 14,8062 atau Ao: e-r4'8062
Ao:3,713 x l0-7
Dengan demikian diperoleh model regresi berpangkat berganda
sebagai berikut :
Y
:
3,713 (10') Xr2J66 1r0'0ra Xrt'ztt
Atau dapat ditulis sebagai variabel :
SEDM
:3,713
(10') LUAgz'z6o
p5o'oto
HUTAN''"'
Tabel 3.25 Perhitungan Nilai Perkiraan Kesalahan
Standar Nilai i Untuk Data Tabel 3.20.
No. Y v Y-Y ff-n'1
I
2
a
J
4
5
1,00
1,28
5,28
9,77
51,02
0,763
2,727
3,995
I 1,848
45,670
+ 0,237
- 1,447
+ 1,295
- 2,078
+ 5,350
0,056169
2,093809
1,651225
4,318084
28,622500
Jumlah 36,74176
Dengan model regresi yang telah^diperoleh, maka dapat dihitung
nilai perkiraan debit sedimennya (Y) seperti ditunjukkan pada tabel
3.25, sehingga diperoleh nilai kesalahan standar dari perkiraan :
SEY:(H) '
SEy: fQJig4l
j
:3,030
(lo5 ton/tahun)
\12t, tty'/
Deviasi standar dari nilai Y pengamatan adalah SY
:
21,18 (105
ton/thn) (lihat sub bab 3.8.1) maka diperoleh koefisien penentunya
sebagai berikut :
RM2: I
SEY2
SY2
RM2
:
I
-
(3'030)l
:
0.9795
(21,18)t
Ini berarti bahwa 97,95
oh
debit sedimen melayang yang dihasilkan
dari ke 5 DPS tersebut dapat dijelaskan oleh hubungtur ytt1l
ditunjukkan pada model regresi berpangkat tersebut. se:tlitttgktttt
sisanya 2,05
yo
disebabkan oleh faktor lain yang titlitk lcrtttitstrk
dalartr model tersebut. Nilai koefisien korelasinya. Il M (lt M
r
I
I
279
220
0,989. Nilai RM yang dikoreksi adalah :
RN4',
:
1
r
-
(l
-
RY-2X"- l),
RM',
:
1
1
-
(1
-o',2JesXs -
1)
(5-3)
):o'959
Dari analisis data debit sedimen melayang (SEDM, r05 ton/tahun),
luas DPS (LUAS. 102 km), panjang sungai (pS. 10, km) dan luas
hutan (HUTAN, %) di DPS Cimanuk. dengan menerapkan metode
statistik menggunakan modcl rcgrcsi berganda telah diperoleh
hubungan ke 4 variabcl tcrscbut scbagai berikut :
.
mcngg,unakan nrodr:l linicr (suh bab
j.8.1)
SED = 9,577 LUAS - 5,79
pS
+ 0,89 [{U',fAN
_
46,751
dengan:
.
nilai koefisien korelasi RM:0,9988
.
nilai kesalahan standar dari perkiraan SEY
:
0,489 (l0s
ton/thn).
.
menggunakan model berpangkat :
SEDM =3,713 (10-?) LUAS2'?00
p50,0*s
HUTANr,275
dengan:
.
nilai koefisien RM = 0,959
.
nilai kesalahan standar dari perkiraan SEy = 3,030 (105
ton/thn).
Dengan memperhatikan nilai RM dan SEynya maka untuk
kepentingan ramalan debit sedimen melayang DpS cimanuk untuk
lokasi yang terletak di antara pos duga air Bojongloa (diseberah
hulu) dan Tomo (disebelah hilir) dapat menggunakan persam&m :
SED
:
9,577 LUAS - 5,78
pS
+
g,39
HUTAN - 46,751
22t
Misalkan, diantara lokasi pos duga air tcrscbut tli suatu alur surrgiri
diketahui variabel luas = 700 km,, panjang scluruh sungai utiunir
dan anak sungai 750 km, &n luas hutan 20 %o maka dapat <Iikstahui
debit sedimermya adalah :
SEDM
:9,577
(7) - 5.75 (7,5) + 0,89 (20) - 46,751 * SEy
SEDM
:5,26
+ SEY
Maka debit sedimen melayangnya dilokasi tersebut diramalkan
(5,26 * 0,489) 105 toMahun.
Model tersebut hanya sekedar contoh perhitungan, karena untuk
menentukan model regresi yang
tepat masih memerlukan pekerjaan
kalibrasi dan penggunaan rekaman data runtut waktu yang lebih
lama dibanding perhitungan
dalam contoh ini. Disamping itu masih
memerlukan uji Durbin - watson (lihat sub bab 3.9 berikut ini),
yaitu uji otokorelasi diantara nilai residu (persamaan 3.1).
3.9. UJI DUBBIN. WATSON
Uji nyata (significant
- test) suatu garis regresi linier
berdasarkan uji-t atau uji-F sebetulnya tidak berlaku lagi apabila
terjadi otokorelasi nilai residu.
perhitungan
nilai residu (A
y),
lihat
rumus 3.1, sub bab3.2, yaitu :
AY=Yi-Y
Apabila terjadi otokorelasi diantara nilai residu, maka data asli
harus dialih ragamkan (ditransformasikan)
terlebih dahulu untuk
menghilangkannya. Sebelum dilakukan transformasi sebaiknya
dilakukan dahulu uji Durbin - watson, yang dapat dihitung dengan
persamaan berikut :
I
(aY,
-
AYi-r)2
i=2
t
(ay,),
i=l
T
DW=
1
1 lllt)
222
Keterangan :
DW
:
nilai uji Durbin - Watson
AYi
:
residu data ke i
AYt-r
:
residu data ke i-l
n
:
jumlah
data
Durbin - watson telah melihat tabel untuk menguji adaltidaknya
otokorelasi yang disebut dengan "The Durbin w'atson d statistic,,
pada derajat kepercayaan 5 %o dan I
o/o
seperti tercantum pada tabel
III-1, pada bagian akhir bab ini. Didalam tabel itu telah dimuat nilai
batas atas (dr) dan batas bawah (dr) untuk berbagaijumrah data (n)
dan banyaknya variabel bebas (k).
Untuk menguji hipotesis (lihat bab I) :
H0
:
tidak ada korelasi serial (otokorelasr), Ho
:
0
Hr
:
ada korelasi serial, H, * 0
untuk menguji apakah ada korelasi serial dengan nilai positip maka
digunakan ketentuan jika
nilai :
DW < dr, Ho ditolak, berarti ada korelasi serial positip
DW >
dr, Ho, diterima, berarti tidak ada korelasi serial
posltlp
dL <
DW <
du, belum dapat diambil kesimpulan dan perlu
dilakukan penambahan jumlah
sampel, atau
data asli perlu dialih-ragamkan.
Untuk menguji apakah ada otokorelasi dengan nilai negatip atau
tidak, maka nilai (DW) diganti dengan (4-DW) dan digunakan
ketentuan jika
nilai :
(4-DW) <
d,_, Ho, ditolak, berarti ada korelasi serial negatip
(4-DW) ) dr, Ho, diterima, berarti tidak ada korelasi serial negatip
dL < (4-pW) < dr, belum dapat diambil kesimpulan dan perlu dilaku-
kan penambahan jumlah
sampel, atau dialih-ragamkan
data aslinya.
22:t
Tabel III-1, digunakan untuk pengujian satu sisi
Qtne
- truil - te.st),
Contoh 3.13.
Tabel 3.26, menunjukan data kondisi hidrologi, morfometri DI'S
dan luas penggunuum tanah dari 22 DPS di Pulau Jawa, dengan
keterangan variabbl sebagai berikut :
No Nama Variabel Simbol Satuan
I
2
3
4
5
6
l
8
Debit banjir tahunan rata-rata
Luas DPS
Hujan maksimum DPS dalam I hari
Hujan tahunan rata-rata
Luas hutan
Luas sawah
Panjang sungai utama
Kemiringan sungai utama
QBR
LDP
HMS
HTR
LHT
LSW
PSU
KSU
m'/det
Krn2
mm/hari
mm/tahun
Km2
Krn2
Km
m/Km
Catatan :
.
variabel No. I sebagai VTB = variabel tidak bebas
.
variabel No.2 sampai 8 sebagai VB = variabel bebas
Tentukan :
l). Model regresi berpangkat berganda dari VTB dengan VI)
yang mempunyai nilai koefisien determinasi berganda
yang terbesar.
2). Nilai perkiraan kesalahan standar
3). uji - F
4). Uji Durbin - Watson
Apabila dari tahap (l) sampai (4) diterima maka modcl ynn[1
diperoleh dapat untuk menaksir debit puncak haniir tirlrrrnulr
rata-rata pada DPS di Jawa yang belum dilakukan pcngukrrrirrr rlctrrl
(ungauged
basin).
224
'l'abel3.26
Kondisi tiidrologi Morfometri DPS Dan Luas
Penggunaan Tanah Untuk Membuat Dan Menguji
Model Regresi Berganda.
')') r-
Jawab Contoh 3.13. :
Dari data tabel 3'26, setelah dilakukan perhitungan maka diperoleh
persamaan-persamaan re gre si berpangkat berganda seperti dituq.l
11L-
kan pada tabel 3.27, mengingat banyaknya variabel bebas cukup
banyak yaitu 7 macam data, maka perhitungannya dilakutan
dengan program komputer. Nilai koefisien determinasi dihitung
dengan persamaan :
R2=
Keterangan :
1) Dari tabel 3.27, diPeroleh
ditunjukkan pada model No. 6.
(3ae)
model
yang tcrbaik
Hal ini dcngarr nrclihat
n /^
-\2
! [v'
-
v.,1
f
(",
-
v)'
nilai VTB ke i, hasil perhitungan model
nilai VTB ke i, hasil
Pengarnatan
nilai VTB rata-ratahasil pengamatan
jumlah data
Tabel3.27. Hasil Uji Korelasi dan Model Regresi Berganda
Data Tabel 3.26.
Jawaban selengkapnya adalah :
Y
Yi
Y
n
No Sungai - Tempat 8BR
Tahun LDP HMS HTR LTH LSW PSU KSU
I
2
l
4
J
6
1
t
9
t0
ll
t2
ll
l4
I5
t6
n
It
l9
20
2l
x2
Cikuug - Cikumg
Cigulung - Mribeyr
Cikrpundung - M.ribay.
Cimouk - Lowigrcng
Cimouk - Ldwidaun
Cisoggmng - Cilcngkrug
Crsel - Cilrrung
Crsccl llrnrn8un
Crrlurrrn Kolx)mrre
Crkeducun . (lrboSo
Ciliman - Leuwikopo
Crpiring
Crmandiri - Tegaldatar
Progo
BoSowonto - Gh Malang
Bogowonto - Bener
Mcnduran
Kauman
Bojonegoro
Gadang
Asm - Sentul
W.la8 - Pumodadi
244,80
26,10
ll,l0
294,m
i02,?0
l9 r.00
r43,20
250,50
302,90
t42,60
I2t.50
294.50
169.50
5 I 9,40
2t'1,O0
98,20
466,90
t4't7,oo
20'12,00
217,70
t00,60
t40.80
ll
22
t2
l2
IO
5
8
1
8
9
6
5
6
t
8
30
6
t0
tl
4
8
t2
474,90
622,t0
I 78.50
120,t0
100.00
14,60
108,50
79,10
495. I 0
I 749,40
r41,50
90,00
t 90 t,00
5900,00
12429,O
0
ttz,zo
187,40
I J2,OO
2t1.&
49,00
75,@
757,40
t07,00
t02,00
98.00
8 1,00
8 t,00
E8,00
r22,00
I 16,00
I 12,00
r 53,00
I 26,00
t62,00
94,00
87,00
I I s,00
I 16,00
80,00
8 1.00
73,00
88,00
I I 3,00
t o l,00
1412.00
|
zros.m I
,orn * I
,ru".*l
,r, t.* |
,***
|
3389.00
3279,00
1t64.00
)327,OO
126t,00
40t6.00
29E8,00
2985,00
2423,00
2034,00
2014,00
2342,00
2l 89,00
1990,00
3250,00
2469.00
27r.0o
I
zzr.oo
I
,.*l
I
10.60
12,@
83,00
14,20
62,70
26,10
I 12,00
60.90
t4,50
o,:3
172,00
693,00
3032,00
250,00
125,00
47,00
27.00 I
,o.rrl
,r.ro I
74,00 I
,.r, I
,o.ro I
trr,*l
78.00
|
,ro,*l
l
6.40
I1.00
69,il)
14, to
9,40
1,75
144,00
3 3 t,00
t4,20
1,40
176,N
2062,00
4094,00
140,00
16,70
22,00
52,20ll
ro.oo
I
r r.s0
|
sr.lo l
15,30
il,70
10,80
4t,60
68.40
I 1.61)
25,00
26,20
46,10
86,00
17,20
18,60
28,00
201,40
3 3 1,90
It,30
32,t0
21,*
5,41 |
,.to I
rr,*l
20.80
|
,a,:l
16,60
19,60
26,90
I I l,(X)
23,70
24,40
21,60
37,00
86,20
150,00
2,t1
4,77
49,20
81,70
75m
Jumlah 238
Rah-ra!a
Dcvioi
standar
Minimum
Maksimum
164,79
483,74
26,70
2012,0o
1228,88
28M,16
34,60
12429,0
0
l04,l6
23,t0
73,00
t62,00
282E,16
557,51
I 990,00
40E6,00
27J,1 I
647,97
0,25
3023,00
116,42
944,54
t,15
4094,00
59.48
7t,05
10,00
lll.90
45.84
4t,l I
2,17
l 50,00
Sumber : IOH - DPMA, 1983
Model Model llubungan
R
]R.?
I
2
5
4
5
6
QBR
:
4,185 PSUI'072
QBR = 20,174 PSUor{e5 KSU'0'227
epR
:
0,178 PSUo'e4ei KSU-0'264r HMso'goro
QBR
:.
4,151 (10)" LDP0'6350 HMS2't2e2 PSU0'373r
KSU-0,r07s
QBR
:
7,306 (l0I? LDFp'72t HMS3'0r60 Psuo',3or
QBR
:
1,002 (10)'?LDPo'50eoHMS3''37 PSU0'34t LSw0'224e
0,8920
0,9130
0,9272
0,9609
0,9576
0,9585
0,7958
0,8336
0,8s97
0,9234
o,9t
zo
0,9381
Sumber : Perhitungan data tabel 3.26
226
nilai koefisien determinasinya R'
:
0,9381, merupakan
nilai yang terbesar jika
dibandingkan dengan nilai
koefisien determinasi dari model yang lainnya. Tabel
3.28, menunjukkan perhitungan residu model No. 6,
terhadap data pengamatan, untuk menentukan nilai
kesalahan standar dari perkiraan dan uji Durbin
Watson.
Nilai perkiraan kesalahan standar dari perkiraan nilai
QBR
dihitung dengan persamaan berikut ini (lihat
persamaan 3.20)
227
Besarnya pengaruh tersebut secara bcrsama-sitttttt
sebesar F
:93,81
%o, sedangkan sisanya scbesar
(r,
l()
% disebabkan oleh variabel yang lain. Walaupun
demikian Uji - F tersebut masih harus dicek dengan Uji
Durbin - Watson.
Tabel 3.28 Perhitungan Residu Model No. 6 tabel3.27
N<r (Y,) (Y) AY AY'' aYi-Yi-r (aYi - aYi-r)2
2 3 4:3-2 5 6
7=62
I
2
J
4
5
6
7
8
9
l0
ll
l1
r3
r4
rJ
r6
t7
t8
l9
20
21
22
244,80
26,70
31,l0
294.90
102,70
39r,00
143,20
250.50
302,90
t42,60
121,50
294,50
369.50
519.40
2t7,00
98,20
466,90
1477,00
2072.',70
2t7,70
r00,60
r40.80
245,47
34,35
39,71
223,81
r 20.50
299,22
169,43
323.59
367,28
r40,60
t49.27
2t5."r7
262,42
567.54
r 55,95
'7'' 11
360.57
1663,41
2333.45
242,66
166,72
l0 r .85
- 0,67
- 7,65
- 8,61
+ 71,03
- 17,80
+ 9t,78
- 2t,23
- 73,09
- 64.38
+ 2.00
- 27.77
+ 78,73
+ 107,08
- 48,14
+ 61,05
+ 25,43
+ 106,33
- 216,41
- 260,75
- 24,96
- 66,12
+ 38,95
0,448
58,52
74.13
504 I,00
3 16,84
8423,56
688.01
5342.14
4t44.78
4,00
7 t t,t7
6r98,41
11466,12
231'7,45
3727.10
646,68
l 1306,06
46833,28
67790,56
623.00
4371,85
l5l7.l0
- 6,98
- 096
+ 79,64
- 88,83
+ 109,58
- I18,01
- 46,86
+ 8,75
+ 66,38
- 29,77
+ 106,50
+ 28,35
- 155,94
+ 109,19
- 35,62
+ 80,90
- 322,74
- 44,32
+ 235.79
- 41,16
+ 105,07
48,72
0,92
6342,52
7890,76
12007,77
13926.36
2 r 95,85
76,56
4406,30
886,25
1t342,25
803,72
24317,28
11922,45
1268,78
6544,81
r04l6l,l0
1964,26
I 1039.70
1694,14
I r039,70
I
Rata2 364.79
-260,20
- r 1,82
l 8 l 806,75
8263,94
+ 38,96
+ l,'170
218431,50
12656,25
Sumber : perhitungan data tabel 3.27
Keterangan
' Y,
= debit banjir tahunan pengamatan
Y1 = debit banjir tahunan perhitungan model
i = Qgn = 1,002 (10f7 LDPosoeo
gysr'rrr
l)s[," ''r l-sw0224e
2)
3).
Dari data tabel 3.28, maka :
SEy = (l!.$f:JI.) = ,o,ro m3ldet.
Uji - F, dihitung dengan persamaan (3.79):
R2(n
-
m)
(l-R2Xm-l)
0,9381(22
-
5)
F_
F_
(l-0,938rx5-1)
=t#: 64'40
Pada derajat kebebasan r1r = rn - I = 3, dan n, = n - m
:
22-5
:
17, dari tabel I-4 (lihat bagian akhir Bab I)., pada
derajat kepercayaan 95
o/o
diterima, maka diperoleh nilai
F tabel
:
3,200. Ternyata F
:
64,40 lebih besar dari
pada F tabel, ini berarti nilai koefisien korelasi model
yang dipilih memang tidak sama dengan nol. Dengan
kata lain terdapat kesimpulan bahwa variabel luas DPS
(LDP), hujan maksimum DPS dalam satu hari (HMS),
panjang sungai utama (PSU) dan luas sawah (LSUD,
secara bersama-sama mempengaruhi debit puncak
banjir tahunan rataqata (QBR) untuk sungai di Jawa.
IiI
n- I
22t)
229
4) Uji Durbin - Warson
Berdasarkan persamaan 3.88, uji Durbin
dihitung dengan :
Tabel III - I The Durbin - Watson d Statistic
Significant points of d, and du
; 5 %o
Watson
DW=
i 1av, -
aY,-,)'
i=7
n
I
(av,)'
i=l
Dari persamaan data tabel 3.28, diperoleh :
DW
271t437
'51\
I 8 1 806.75
l,,sl
Kita akan rncngu.li II,,:tak acla otokorclasi dan Il, :ada
otokorelasi positip. Dari contoh ini n 22 buah dengan
variabel bebas (k)
:4.
Dengan derajat kepercayaan 5
04.
dari tabel III-I pada bagian akhir bab III, diperoleh dr:
0,96, dan du: 1,80 dan ternyata 0,96 <
DW: 1,53 <
1,80, oleh karena itu untuk menentukan adaltidaknya
otokorelasi masih diperlukan tambahan data atau dicoba
dengan bentuk model yang lain.
Dengan demikian model 6, pada tabel 3.27, meskipun
mempunyai koefisien korelasi R: 0,9685, dengan SEy
dari
QBR
sebesar 90,90 m'/det atau 24,91
yo
d,ari nilai
QBR
rata-rata sebesar 364,79 m'/det dan dari Uji - F
hasilnya diterima, akan tetapi dari Uji Durbin - Watson
menunjukkan bahwa untuk memperbaiki model masih
diperlukan tambahan data, atau data tabel 3.26
ditransformasikan dalam bentuk yang lain agar dengan
data tabel 3.26 dapat diperoleh model debit tahunan
rata-rata untuk DPS di Jawa yang belum dipasang pos
duga air hasilnya lebih baik.
n
l5
l6
l7
l8
l9
20
2t
22
23
24
25
26
27
28
29
30
3l
32
33
34
35
36
37
38
39
40
45
50
55
60
65
70
75
80
85
90
95
100
k,= I k,= 2 k'= 3 k'= 4 k'= 5
dt du dL du dL du dr du dL du
,08
,10
.r3
,16
,t8
,20
)1
,24
,26
'r'l
,29
,30
,32
,33
,34
,35
,36
,37
,38
,39
,40
,41
,42
,43
,43
,44
,48
,50
,53
,55
,57
,58
,60
,61
,62
,63
,64
,65
,36
,37
,38
,39
1.40
,41
t,42
t,43
1,44
t,45
t,45
t,46
t,47
1,48
t,48
t,49
r,50
t,50
t,5 l
t,5 I
1,52
t,52
r,53
t,54
t,54
t,54
t,57
r,59
t,60
t,62
t,63
t,64
r,65
t,66
t,67
r,68
t,69
r,69
0,95
0,98
r,02
l,05
1,08
I, l0
I,l3
I,l5
r,t7
I, r9
t,2l
t,22
1,24
t,26
1,27
l,28
1,30
1,3 I
t,32
1,33
1,34
1,3 5
1,36
1,37
1,38
1,39
1,43
1,46
1,49
r,5 l
1,54
1,55
1,57
1,59
1,60
l,6l
1,62
1,63
,54
,54
,54
,53
,53
,53
,54
,54
,54
,55
,55
,55
,56
,56
,56
{7
,57
,57
,58
,58
,58
,59
,59
,59
,60
,60
,62
,63
,64
,65
,66
,67
,68
,69
,'70
,70
,7t
1n
t,82
r,86
),90
),93
),97
,00
,03
,r05
1,08
I,l0
t,t2
L,l4
t,l6
r,l8
I,20
t,2l
t,23
t,24
t,26
t,27
t,28
t,29
t,3l
1,32
1,33
t,34
t,38
t,42
1,45
r,48
r,50
t,52
t,54
1,56
t,57
t,59
t,60
r,6l
1,75
1,73
t,7l
1,69
r,68
1,68
1,67
1,66
1,66
1,66
1,66
t,65
1,65
r,65
I,65
1,65
1,65
1,65
I,65
1,65
r,55
1,65
t,66
1,66
t,66
t,66
t,67
1,67
1,68
1,69
1,70
1,70
1,71.
1,72
1,72
l;73
1,73
1,74
,69
,74
,78
,82
'rg6
,90
t,93
t,96
t,99
,01
,04
,06
,08
,10
,12
,14
,16
,18
,19
,2t
,22
,24
,25
,26
,27
,29
,34
,38
,41
,44
,47
,49
,51
,53
,55
,57
,58
,59
t,97
1,93
1,90
1,87
1,85
.1,83
l,8l
1,80
1,79
r,78
1,77
1,76
1,76
1,75
1,74
t,74
1,74
1,73
1,73
t,73
t,73
1,73
1,72
t,72
1,72
1,72
1,72
t,72
1,72
1,73
t,73
1,74
1,74
1,74
1,75
1,75
1,75
1,76
0,56
0,62
0,67
0,71
0,75
0,79
Q,83
0,86
0,90
0,93
0,95
0,98
l,0l
1,03
1,05
t,07
1,09
l,l I
l, l3
l, l5
I,l6
I,l8
l,l9
l,2l
1,22
1,23
1,29
1,34
l,38
t,4t
1,44
t,46
1,49
l,5l
1,52
1,54
1,56
1,57
?-21
2,15
2,10
2,06
2,02
1,99
1,96
1,91
1,92
1,90
l,E9
1,88
1,86
1,85
ri5,4
1,53
1,83
1,82
l,8l
l,8l
1,80
1,80
1,80
1,79
1,79
1,79
1,78
1,77
1,77
1,77
1,77
1,77
1,77
1,77
t,77
1,78
t,78
1,78
Sumber: Bonnier, l98l
230
23t
Tabel III-2. Nilai ltuitis untuk nilai Distribusi-t chi Kuadrat (satu sisi).
cr
0.995 0.99 0,975 0.9s 0,05 0,025 0.01 0,005
I
2
3
4
5
6
7
8
9
l0
ll
t2
rl
l4
l5
l6
t7
t8
l9
20
2l
22
23
24
25
26
27
28
29
30
0.04393
0.0100
0,07 17
0,20?
0,412
0.676
0,989
I,344
t,735
2,156
2,603
3,074
4.075
4.601
5,142
5,697
6,265
6,844
7,434
8,034
8,643
9,260
9,886
10,520
I I,160
I 1,808
t2,461
tJ,tzt
I tr,zsz
I
0,03 I 57
0,0201
0,t l5
0,297
0,554
0,872
|,239
|,646
2,088
2,55 8
1,053
3,57 |
4,1 07
4,660
( l ro
s,8t2
6,408
7,015
7,633
8,260
8,897
9,542
r0,196
10,856
11,524
1 2,1 98
t2,879
I 3,565
14,256
t4,953
0.01982
0,0506
0,216
0,484
0,831
1.237
1,690
2,1 80
2,700
3,247
3,816
4,404
5,009
5.629
6,262
6,908
7,s64
8,231
8,907
9,591
10,283
10,982
I I,689
12,401
1 3,1 20
13,844
14,573
r 5.308
16,047
I 16.791
o.o23er
I
3,841
o.tor I s.eel
o.lsz
|
7,815
o.zrr I 9,4E8
r.us
I
r r.ozo
'.ur,
|
'.ssz
z.roz | 14,067
z.ry | 15.507
l.lzs I l6,ele
:.llo
I
18.307
o.rr,
|
8.675
s.zzo I zr,ozo
s.sgz I zz.:oz
o.srr
I
z:.oss
7.26t
I
z4.ee6
,.ru,
|
,u.rru
8.672 | 27,s87
s.rso I za,sos
ro.r rz I lo,u+
ro,ssr
I
lr.lro
,r,rr,
|
,r,uil
12,338 | 33,924
r:.osr I rs,tzz
rr.sqt I ro,lrs
r+,or t
I
rz.osz
I
tr.r,, I ,t,rt,
I ,u.,r, | +o,rrs
I ro.szs I lt.rrz
I
rr,rot
|
+z,sst
I re.lsr | $,773
5,024
7,378
9,348
l l, l43
12,832
t4,449
t6,013
17,535
19,023
20,483
2r,920
23,317
24,7)6
26,fi9
27,488
28,845
30,191
31,526
32,8s2
34, I 70
35,479
36,781
38,076
39,364
40,646
41,923
43,194
44,461
45,722
46,979
I
6,635
9,210
t I,345
t3,277
I 5,086
t6,812
18,475
20,090
21,666
23,709
24,725
26,717
27,688
29,t41
30,578
32,000
33,409
34,805
36,t91
37,566
38,932
40,289
41,638
42,980
44,314
4s,642
46,963
48,278
49,588
50.892
I
7,879
10,597
12.838
14,860
16,750
I 8,548
20,278
2l,955
23,589
25, I 88
26,757
28,300
29,819
3 1,3 19
32,80 I
34,267
35,718
37,156
38,582
39,997
4l,401
42,796
44,1 8 1
45,558
46,928
48,290
49,645
50,993
52,336
53,672
Sumber: Bonnier, l98l
(Lanjutan tebel III - l)
SigniJicant points of d, and du
;
I %
n k,=t k'= 2 k,=j k,=4 k'= 5
dL du ut du dL du dL du dL du
l5
l6
t7
l8
l9
20
2l
22
23
24
25
26
27
28
29
30
3l
32
33
34
35
36
37
38
39
40
45
50
55
60
65
70
15
80
85
90
95
100
),81
),84
),87
),90
),93
),95
),97
,r00
.02
,04
r,05
,,0'l
r,09
l,l0
l,t2
I,l3
r,l5
I, r6
,,11
r,l8
i,l9
t,2l
,,22
,23
,24
,25
,29
,32
,36
,38
,41
,43
,45
,47
,48
,50
,51
<,,
t,07
r,09
I, r0
t,t2
l,l3
I,r5
I, t6
I,r7
I.l9
r,20
t,2t
t11
t,23
t,24
t,25
t,26
1,27
t,28
t,29
r,30
t,3 I
t,32
t,32
r,33
t,34
t,34
t,38
t,40
t,43
i,45
t,47
t,49
r,50
t,52
t,53
t,54
1,55
.56
),10
),74
),77
),80
),83
),86
),89
).9t
).94
),96
),98
r,00
t,02
t,04
t,05
1,01
t,08
l, t0
t,l I
t,l3
t, l4
r,l5
t,l6
l,l8
t,l9
t,20
t,24
t,28
t,32
t,35
r,38
r,40
t,42
1,44
1,46
i,47
r,49
.50
t,25
t,25
t,25
t,26
1,26
t,27
t,27
t,28
t,29
r,30
r,30
r,3 I
t,32
t,32
t,33
1,34
t,34
t,35
t,36
t,36
t,37
t,38
r,3E
r,39
t,39
1,40
..42
",45
1,,47
,48
,50
{?
,53
,54
,55
,56
,51
,58
),59
),63
1,67
),7r
),74
),77
),80
),83
),86
),88
),90
),93
),95
),97
),99
t,0l
t,02
t,04
I,05
t,07
t,08
t,l0
t,l I
t,t2
I,14
L,l5
,20
.,24
,',28
',32
,35
,37
,39
,42
,43
,45
,47
,48
,46
,44
,43
,42
.4t
,4t
,41
,40
,40
,41
,41
,4t
,41
,41
,42
,42
,42
,43
,43
,43
,44
,t0
,45
,45
,45
,46
,48
,49
,51
,52
,53
,55
,56
,51
,58
,59
,60
,60
),49
),53
t,57
),61
),65
),68
),72
);15
1,77
),80
),83
),85
),88
),90
),92
1,94
t,96
),98
i,00
t,0l
1,03
t,44
,06
,07
,09
,10
,16
,20
,2s
,28
,31
,34
,37
,39
,41
,43
,4s
,46
t,70
t,66
t,63
t,60
I,58
t,57
r,55
r,54
r,5l
t.5l
t,s2
t,52
l,5l
I,5 I
1,5 l
r,5 I
t,5 I
L,5l
t,5 I
t,5l
t,5 r
t,04
r,5l
t,52
t,52
t,52
,53
.,54
,55
.,56
,57
,58
,59
,60
,60
,61
,62
,63
0,39
0,44
0,48
0,52
0,56
0,60
0,63
0,66
o,70
o,72
0,75
0,78
0,81
0,83
0,85
0,88
0,90
0,92
0,94
0,95
0,97
0,99
1,00
1,02
1,03
1,05
l,l I
l,l6
t,2l
1,25
1,28
r,3 I
1,34
I,36
1,39
l,4l
1,42
1,44
,96
,90
,85
,80
,17
,74
,7t
.69
,67
,66
,65
,64
,63
,62
,6t
,61
,60
,60
,59
,95
,59
,59
,59
,58
,58
,58
,58
,59
,59
,60
,61
,61
,62
,62
,63
,64
,64
,65
Sumbcr : Bonnier, Jmuari l98l
bab
4
aplihasi metode statistih
untuh uii hetelitian
penguhuran
debit
4.1. PENDAIIULUAN
Materi yang disampaikan pada BAB IV ini, lebih bersifat
sebagai tambahan untuk melengkapi buku ini, dengan materi
tentang aplikasi metode statistik untuk uji ketelitian pengukuran
debit, bertujuan menyampaikan informasi bahwa data debit sebagai
salah satu data masukan dalam analisis hidrologi itu, dalam tahap
pengukurannya dilapangan bukan merupakan nilai absolut benar
seratus persen, akan tetapi mempunyai nilai deviasi. Ilcsurnya
deviasi tersebut tergantung dari macam kesalahan yang tcrjudi
2:t:r
234
selama pengukuran berlangsung. Dengan demikian
sebenarnya adalah :
Q:Qp*Xq
Keterangan:
a
:
debit yang sebenarnya.
Qp
:
debit pengukuran.
Xq
:
kesalahan pengukuran.
Setidaknya, sampai saat ini bclum ditemukan suatu cara
dengan analisis statistik atau modcl clcngan program komputer yang
dapat membetulkan kcsalahan pcngukuran dcbit.
Bab ini, menguraikan tentang persamaan (4.1), dan hanya
terbatas pada memperkirakan kekurang telitian dari pengukuran
debit sungai atau saluran terbuka, yang tidak kena pengaruh arus
balik atau aliran lahar, menggunakan :
l). alat ukur arus
2). ambang,
dengan disertai contoh penyelesaiannya. Uraian tentang pengukuran
debit dapat dijelaskan secara rinci pada buku (Soewarno 1991,
Hidrologi - Pengukuran dan Pengolahan Data Aliran Sungai,
Hidrometri, P enerbit Nova).
4.2. JET'S KESALAI,,AN PENCUKURAN DEBIT
Kekurang telitian atau kesalahan (errors) pengukuran debit
dapat diartikan sebagai besamya nilai perbedaan antara debit yang
dihitung berdasarkan pengukuran dengan debit yang sebenarnya.
Berbicara tentang kesalahan maka dapat dibedakan antara ketepatan
(accuracy) dan ketelitian
Qtrecision).
Ketepatan berhubrryrgan erat
dengan nilai yang sebenarnya, sedangkan ketelitian bbrhubungan
23b
dengan kecocokan pengukuran dengan purgukunur ynng
luirr.
Sebagai contoh pembacaan tinggi muka air pada papun tluga air
mempunyai penyimpangan2 mm dari nilai yang scburanryu, rnakir
dapat dikatakan bahwa pembacaannya mempunyai kctclitian yang
tinggi, akan tetapi apabila ketinggian titik nol pada papan duga
mempunyai kesalahan pemasangan sebesar l0 cm, maka dapat
dikatakan ketepatannya rendah.
Kesalahan pengukuran debit umumnya bersumber dari 2
macam sebab yaitu :
a). kesalahan petugas, dan
b). kesalahan peralatan.
(lihat sub bab 1.4.2 tentartg Kualitas Data Hidrologi,
bukujilid I,
judul
sama)
Dari ke 2 jenis
sumber tersebut maka jenis kesalahan pengukuran
debit dapat dibedakan menjadi :
a). Kesalahan fatal (spurious errors), disebabkan oleh
kesalahan manusia dan atau alat pengukuran tidak
berfungsi sebagaimana mestinya. Jenis kesalahan ini
tidak dapat diperbaiki dengan analisis statistik. Hasil
pengukuran tidak dapat digunakan, sehingga perlu
pengukuran ulang lagi agar hasilnya benar.
pengukuran
ulang sebaiknya oleh petugas dan alat yang berbeda.
b). Kesalahan acak (random errors), kesalahan ini
disebabkan adanya perbedaan dari nilai rata-rata
pengukuran suatu parameter data aliran terhadap nilai
rata-rata yang sebenarnya. Kesalahan yang tcrjadi
berasal dari hasil pembacaan data ataupun percobuurr
yang dilakukan. Jenis kesalahan ini dapat di anrlisis
secara statistik. Besarnya kesalahan dapat dikurrurgi
dengan memperbanyak j
umlatr pengukuran.
c). Kesalahan sistimatik (systemaric errors), kcsultlurn ini
terutama disebabkan oleh faktor kctclitiun perulttnrr
yang digunakan, misalnya alat duga airrryir. nlrrt rrkrrr
debit yang
(4.1)
arusnya. Kesalahan ini tidak dapat dikurangi dengan
menambah
jumlah pengukuran selama peralatan tersebut
belum diperbaiki dan atau dikalibrasi ulang. Kesalahan
sistematik dapat dipeftaiki dengan mengukur ulang
menggunakan alat berbeda dan petugas yang berbeda'
Pemb4hasan selanjutnya terbatas pada jenis kesalahan acak dan
kesalahan sistimatis karena keduanya dapat didekati dengan
perhitungan statistik.
4.3. KETEL'T,,AN PENGUKURAN DEB'T
DENGAN ALAT UKUN ARUS
4.3.1. Sutnbcr Kcsalshan Penguhutan
Sumber kesalahan dapat dijelaskan dari persamaan
pengukuran debit menggunakaq alat ukur arus yaitu :
Q: I
(ui di vi)
(4.2)
i=l
Keterangan :
a
:
debit total seluruh penampang (m3/det).
bi
:
lebar aliran
Pada
vertikal ke i.
di
:
kedalaman aliran pada vertikal ke i.
vi
:
kecepatan aliran rata-ratapada vertikal ke i'
m
:
jumlah vertikal.
Gambar 4.1, menunjukkan sketsa penampang pengukuran debit.
Vertikal adalah kedalaman aliran terukur sebagai garis vertikal
untuk menentukan posisi alat ukur arus dalam mengukur
lecepatan
aliran.
2:t7
Persamaan (4.2) diperkirakan bahwa
jumlah vertikal pcngukurttrt
adalah cukup, apabila
jumlah vertikal tidak cukup mewakili kondisi
alirarr pada penampang basah yang diukur maka persamaan (4.2)
harus dikalikan dengan faktor F, sehingga persamaannya menjadi :
Q:F
(b1 d;v')
(4.3)
m
I
i=l
xrTElArlalil.
6
- b. . ba.....
'
.Dn 3 JAIAr DAit ?l?lx
-
TET P(RAll'
- dl r dt...,.....dn
t VGltlIlL IgOlLAIlt
lLttltl .
Gambar 4.1. Penampang Melintang Pengukuran Debit
Nilai faktor F dapat kecil atau lebih besar dari satu olclt kurcrrir itu
pcrsam&m (4.3) harus dioptimasi sehingga lirktor l; l, l)e trg,trt
rlcrnikian kekurang telitian pengukuran rle hit hcrtsrrl tlrrr r lrurryuk
srrrrrbcr, yaitu :
ir). pcngukuran lebar aliran.
lr
l(i-ll
ba
b2
;----']
\
I
I
lt
l!
__J
t?
!
a
!
I
I
I
I
I
I
lo
b
I
I
I
_)
\
L\
a
(n
\-
238
b). pengukuran kedalaman aliran.
c). pengukuran kecepatan aliran rata-rata pada vertikal.
d)..
jumlah vertikal.
Disamping sumber kesalahan tersebut,
juga ada beberapa hal yang
menyebabkan kekurang telitian pengukuran debit yaitu antara lain
perhitungan debit pengukuran dan pembacaan tinggi muka air
selama pengukuran dilaksanakan.
4.3.2. Pcncatuan l(ctelltlan Patamgltct
Pcngukutan Dobll
Pcnentuan ketclitian pcngukuran dcbit menggunakan alat
ukur arus di lndonesia, setidaknya sampai saat ini belum pemah
diteliti. Penelitiannya akan memerlukan waktu yang lama, di
samping biaya yang cukup besar. Rujukan umum yang bisa
digunakan telah dibuat oleh ISO 1978 (International Organization
for
Standardization) yang tertuang pada buku laporannya yang
berjudul "The Investigation of the Total Errors in Measurement of
Flow by Velocity Area Methods". Untuk memudahkan penentuan
nilai ketelitian telah dibuat tabel-tabel kekurang telitian pengukuran
lebar, kedalaman, kecepatan aliran dan penentuan
jumlah vertikal.
Nilai yang tertuang pada tabel-tabel tersebut ditentukan pada
tingkat peluang 95 % batas daerah kepercayaan diterima. Nilai
kekurang telitiannya masing-masing akan disajikan pada tabel 4.1
sampai tabel4.7.
A. Kekurang Telitian Pengukuran Lebar Aliran
Pengukuran lebar aliran di antara dua vertikal dapat
dilakukan dengan menggunakan alat ukur lebar. Jenis alat ukur
lebar yang digunakan harus disesuaikan dengan peftrmpang basah
dan sarana pgnunjang yang tersedia. Jenis alat ukur lebar yang
digunakan antara lain :
239
1). kabel baja dengan ukuran diameter 3 - 5 mm dan pada
bagran panjang tertentu dapat ditandai
jaraknya,
misal
tanda
jarak safu meter, dua meter,
2). alat penunjuk lebar yang dipasang pada kabel melintang
sungai,
3). meteran
Apabila digunakan
jenis alat ukur lebar tersebut, maka kekurang
telitian pengukuran lebar di antara dua vertikal biasanya dapat
diabaikan. Tabel 4.1 menunjukkan nilai ketelitian pengukuran lebar
berdasarkan jarak
setiap vertikal pengukuran kedalaman sebesar 80
cm.
Tabel 4.1 Kekurangan Telitian Pengukuran Lebar
Lebar
(m)
Kekurang telilian
Absolut (m) Relatip (%')
0-100
100 - 150
150 - 250
0,30
0,50
1.20
+ 0,30
+ 0,40
+ 0,50
Pengukuran lebar aliran dari setiap dua vertikal pengukuran
kedalaman pada sungai lebar dapat dilakukan dengan bantuan
pengukuran jarak
menggunakan alat penyipat datar atau alat
penyipat ruang. Pengukuran lebar ini dapat dilakukan dengan cara
stadia atau cara sudut., tergantung kemudahan pelaksanannya di
setiap lokasi pengukuran debit. Tabel 4.2 menunjukkan nilai
kekurang telitian pengukuran lebar aliran untuk sungai lebar.
Tabel 4.2. Kekurang Telitian Pengukuran Lebar Aliran
Pada Sungai Lebar.
Lebar
(m)
Kekurang telitian Pengukuran lebar
dilal$analen
Absolut (m) Relatip (%)
300 - 600
600 - 1200
2,30
6,70
+ 0,40
+ 0,60
dari satu tebing
dari dua tcbing
V'
$
--E,q[
240
B. Kekurang telitian pengukuran kedalaman aliran
Pengukuran kedalaman aliran dilaksanakan dengan
menggunakan alat ukur kedalaman di setiap vertikal yang telatr di
ukur jaraknya. Jarak setiap vertikal diusahakan serapat mungkin
agar debit di setiap bagian penampang tidak lebih dari pada 5 Yo
bagian dari debit seluruh penampang basah.
Alat ukur kedalaman yang dapat digunakan antara lain :
l). batang pengukur, alat ini terbuat dari logam (stang)yarrg
dilengkapi dengan skala kedalaman.
2) kabel dengan pemberat, yang dilakukan dari atas perahu,
jembatan atau kerata gantung.
3) alat duga kedalaman yang dapat bekerja secara
elektronik.
Pengukuran setiap
jenis alat ukur kedalaman tergantung kedalaman
aliran dan sarana penunjang pengukuran yang tersedia, serta
kemudahan pelaksanaan pengukurannya. Tabel 4.3 menunjukkan
nilai kekurang telitian pengukuran kedalaman aliran.
Tabel 4.3 Kekurang Telitian Pengukuran Kedalaman Aliran.
Lebar
(m)
Kekurang telilian Keterangan
Absolut (m) Relatip (%)
0,40 - 6
6 -t4
0,04
0,05
+ 0,70
t 0,60
- batang pOngukuran
- kabel ukur
- kabel dan koreksi
sudut
C. Kekurang Telitian Pengukuran Kecepatan Aliran
Kecepatan aliran rata-rata dari suatu penampang basah
diperoleh dari hasil pengukuran kecepatan aliran rata-rata dari
beberapa vertikal dengan menggunakan alat ukur arus. Kgcepatan
aliran rata-rata disuatu vertikal dapat diperoleh dengan berbagai
macam cara, cara yang dimaksud adalah :
I
).
pengukuran kecepatan aliran satu titik, dcngutr
ketentuan :
(/). pada titik 60% kedalaman, bila kedalaman kurang
dari 75 cm.
(2). pada titik 20% kedalaman, bila cara lainnya tidak
dapat dilaksanakan terutamapada saat banjir.
2). pengukuran kecepatan aliran dua titik, dilaksanakan
pada titik 20Yo dan 80% kedalaman, dan kecepatan
aliran rata-ratanya dapat dihitung dengan rumus :
V_
V6.2 + V6,g
(4.4)
Keterangan :
V
:
kecepatan aliran rata-ratapada vertikal (m/det)
V,,.,
:
kecepatan aliran pada titik 20o/okedalaman
Vu.* kcccpatan aliran pada titik 80% kedalaman
3). pengukuran kecepatan aliran tiga titik, dan kecepatan
aliran rata-ratanya dapat dihitung dengan nrmus :
lfi
(4.s)
Keterangan:
Vo.o: kecepatan aliran pada titik 60% kedalaman.
4). pengukuran kecepatan aliran banyak titik, dilaksanakan
pada banyak titik dengan jarak
antara lll0 bagian dari
kedalaman mulai dari titil 10% sampai 90% kedalaman
.
dan kecepatan rata-ratanya dapat dihitung secara grafis.
Untuk menentukan nilai kekurang telitian, pengukuran kecepatan
aliran dengan kecepatan yang tinggi adalah suatu har yang tidak
mungkin, walaupun demikian secara umum ketelitian pcngukuran
kecepatan dapat disebabkan 4 hal, yaitu :
v:
t(r=e)
.r,,] ,.j
2.12
l) penentuan lamanya waktu pengukuran kecepatan aliran.
2). penentuan jumlah
titik pengukuran kecepatan aliran
pada suatu vertikal.
3). penentuan rumus kecepatan aliran pada alat ukur arus.
4). penentuan banyaknya
jumlah
vetikal.
Hal-hal tersebut dapat diuraikan sebagai berikut :
C.I. Kekurang telitian lama waktu pengukuran kecepatan
aliran
Kecepatan aliran pada sembarang titik pada suatu
penampang basah akan selalu berubah dari waktu ke waktu. Dengan
demikian pengukuran kecepatan aliran pada suatu periode waktu
(misal 40. 60 detik) adalah merupakan sampel yang dapat berbeda
nilainya apabila dibanding cara pengukuran untuk waktu yang lebih
lama. Tabel 4.4 menunjukkan nilai ketelitian lama waktu
pengukuran kecepatan aliran.
Tabel4.4. Kekurang Telitian Lama Waktu Pengukuran Kecepatan Aliran
Kecepatan
(m/det)
Titik pengukuran (%o kedalaman)
20 40 atau 60 80 atau 90
Lama pengukuran (menit)
0,5 123 0,5 I J
)
0,050
0,1 00
0,200
0,300
0,400
0,500
r,000
lebih 1,000
50 40 30 20
27 22 16 13
15 t2 9 7
l0 7 6 5
8666
8664
-664
-654
80 60 50 40
33 27 20 t7
t7t4r08
10765
866s
8664
7664
7654
243
C.2. Kekurang telitian
jumlah
titik pengukuran pada
suatu vertikal
Secara umum dapat dikatakan bahwa kekurang telitian
jumlah
titik pengukuran pada suatu vertikal dapat dikurangi dengan
cara memmbah
jumlah
vertikal. Tabel 4.5 menunjukkan nilai
kekurang telitian yang dimaksud.
Tabel 4.5 Kekurang Telitian Jumlah Titik Pengukuran Kecepatan
Aliran Pada Suatu Vertikal.
Cara pengukuran
kecepatan aliran
kekurang telilian
(95 % batas daerah kepercayaan)
banyak titik
lima titik
dua titik
satu titik
+1
+5
t7
+ 15
Sumbcr: WMO. 1980.
C.3. Kekurang telitian rumus kecepatan aliran pada alat
ukur arus
Pada umumnya rumus kecepatan aliran yang dibuat dari
kalibrasi alat ukur arus mempunyai kekurang telitian yang relatif
kecil. Sumber kesalahan dapat acak atau sistimatik sehingga
persamaan kecepatan aliran yang ditentukan dari kalibrasi
mempunyai ketelitian yang tinggi, oleh karena itu alat ukur harus
dikalibrasi secara berkala, minimal setelah digunakan 100 kali
berturut-turut.
Kecepatan aliran dapat ditentukan dari jumlah putaran kincir
alat ukur arus, yang dapat dirumuskan sebagai berikut :
V:pN+q
Keterangan:
V
:
kecepatan aliran (m/det).
(4.6)
244
N
:
jumlah putaran kincir setiap detik.
p.q
:
koefisien yang ditentukan dari kalibrasi alat ukur arus.
Nilai batas berlakunya rumus kecepatan aliran tersebut dapat
merupakan sumber kekurang telitian. Batas tersebut dapat
ditentukan secara grafis dari nilai hubungan antara setiap nilai V
dan N dari kalibrasi.
Tabel 4.6 Kekurang Telitian Rumus Kecepatan Aliran AIat Ukur Arus
246
Nilai kckurang tclitiart scbctulnya titlak ltarrya tcrgitttlttttg tlari pirda
banyaknya vertikal, akan tetapi
juga tcrgantung dari pucla ukuran
dan bentuk penampang basah, sebaran kecepatan dart kcragarnan
dasar alur sungai. Kekurang telitian yang disebabkan oleh karena
parameter vertikal dapat dikurangi dengan menambah jumlah
vertikal pengukuran kedalaman aliran.
4.3.3. P ethitungain Ketelitian P enguhut an L ebit
Berdasarkan uraian pada sub bab 4.3.2, maka kekurang
telitian pengukuran debit adalah merupakan hasil kontribusi dari
kekurang telitian pengukuran parameternya. Kekurang telitian dapat
terjadi secara acak dan atau sistimatis.
Berdasarkan persamaan 4.2, maka keseluruhan kekurang
telitian pengukuran debit dapat ditentukan dengan rumus sebagai
berikut:
{tu,a,r,)'(xbf
+ xdf + xrf
)
Kecepalan
(m/der)
kekurang telitian (%o)
(95
'%'
halus daerah kepercoyaan)
Itan(rtultt lunggul l'cnerudn kelompok
0,03
0,r0
0,15
0,25
0,50
lebih 0.50
r20
+5
+ 2,5
+2
+l
+l
+20
tl0
+5
+4
+3
+l
X^i
[ ,,,
t,
l'
t
Xril
:tX.i
:X"l
* X,i
(4.7)
(4.8)
kekurang telitian pengukuran debit yang terjadi secara
acak (%o) pada vertikal ke i.
kekurang telitian penentuan banyaknya vertikal (%) pada
vertikal ke i.
kekurang telitian pengukuran lebar aliran (%)pada vertikal
ke i.
kekurang telitian pengukuran kedalaman aliran (Yo) pada
vertikalke i.
kekurang telitian pengukuran kecepatan aliran (%) pada
vertikal ke i.
kekurang telitian penentuan lamanya pcrrgukuran
kecepatan aliran (%o) pada vertikal ke i.
kekurang telitian penentuan jumlah tilik
;rerrgukuran
C.4 Kekurong telitian penentuan banyaknya jumlah
Vertikal
Tabel 4.7 memperlihatkan nilai kekurang telitian penentuan
banyaknya vertikal pada derajat kepercayaan 95
o/o
diterima.
Tabel 4.7 Kekurang Telitian Penentuan Banyaknya Vertikal.
+
(3 o, 0,,;
X.i
Keterangan :
X,:
\a
TLmr
)a
,.bi
V
Ad,
-
Y
A.i =
X,,,
.-
Jumlah vertikal Kekurang telitian
5
l0
l5
20
25
30
35
40
45
x20
+10
+7
r5
+5
+3
+3
+3
+3
Sumber: WMO, 1980
246
kecepatan aliran pada vertikal ke i (%).
X"i = kekurang telitian penentuan rumus kecepatan aliran pada
alat ukur arus (%).
m
:
banyaknya vertikal
Untuk tujuan praktis maka persamaan 4.7 dan 4.8 dapat
disederhanakan menjadi persamaan 4.9 dengan anggapan bahwa
masing-masing kekurang tel itian merupakan nilai rata-r atany a.
24?
Keterangan :
Xq
:
kekurang telitian pengukuran debit (%).
Berdasarkan uraian sebelumnya maka setiap debit pengukuran
sebesar
a
akan mempunyai kesalahan acak sebesar Xa dan
kesalahan sistimatis sebesar Xs, sehingga dapat disajikan sebagai
berikut :
1). Debit:Q+Xa
kekurang telitian yang terjadi secara acak: * Xa
2). Debit:Q+Xq
kekurang telitian yang terjadi secara acak: t Xa
kekurang telitian yang terjadi secara sistimatis: * Xs
Contoh:
Pengukuran debit aliran Sungai Bt. Sumani - Bandarpadung
(Propinsi Sumatera Barat) pada tanggal l0 Oktober 1979.
Xa = t[x*'*
]6u'+
Xd2 + *r')]"
Xv':Xe2+Xp2*Xc2
Untuk penelitian khusus maka sebaiknya digunakan persamiurn
(4.7).
Kekurang telitian yang terjadi secara sistimatis sebagai
akibat dari peralatan pengukuran dapat dirumuskan sebagai
berikut :
as: +[Yb2+yd2+yc21]
Keterangan :
Xs
:
kekurang telitian pengukuran debit yang terjadi
secara sistimatis (%).
Yb.Yd.Yc
:
kekurang telitian yang disebabkan oleh alat ukur,
lebar, kedalaman dan kecepatan aliran (%) yang
terjadi secara sistimatis yang besarnya masing-
masing tidak boleh lebih dari + 0,50
yo.
4.3.4 Kehutang Telitian Penguhutan Debit
Ilengan Alat llhut Arus
Kekurang telitian pengukuran debit yang terjadi secara acak
dan sistimatis dapat dirumuskan sebagai berikut;
Data lapangan :
. jumlah
vertikal
.
kecepatan rata-tata
.
waktu pengukuran kecepatan
.
metode
.
debit : 4,68m3ldetik
.
lebar aliran
.
kedalaman
(4.e)
(4.10)
(4.1l)
27 buah
0,15 m/detik
60 detik/setiap titik
dua titik
28,0 m
1,07 m
Tentukan kekurang telitiannya berdasarkan ketentuan tabel
4.1 sampai 4.7.
Jawab :
l). Besarnya kekurang telitian yang terjadi secar acak
. pengukuran lebar Xb : * 0,30 Yo
. pengukuran kedalaman Xd : * 0,30./.t
Xq: t[Xa2+Xs21z (4.T2)
'-g
24u
. pengukuran kecepatan aliran
.
lama waktu pengukuran Xe
. jumlah
titik pengukuran Xp
.
alat ukur arus Xc
.
;jumlah
vertikal Xm
Berdasarkan rumus 4.10 dan 4.9, makadapat dihitung :
Xv2: Xe2 + Xp'+ X"'
Xa: *
Xa: +
Xa: +
2). Besarnya kekurang telitian yang terjadi secara sistimatis
.
alat ukur lebar Yb : 0,50
yo.
.
alat ukur kedalaman Yd : 0,50
o/o.
.
alat ukur arus Yc : 0,50
o/o.
Berdasarkan rumus 4.11, maka dapat dihitung :
Xs:+
[Yb'z+Yd2+Yc'z1*
Xs:*(0,52+0,52+
0,5)+
Xs
:1
0,87
yo
Besarnya kekurang telitian dari dchit tcrukur sebesar
4,68 m3ldet adalah :
Xq: +
CXu'+Xsr;l
Xq:+ (6,062+0,87r)i
Xq:* 6,120A
Dengan demikian data pengukuran
debit aliran sungai
Bt.Sumani - Bandarpadung
tersebut sebenarnya adalah :
241
( I
)
Debit
:
4,68 mr/detik * 6,12
yo
kekurang telitian secara acak + 6,06
oh
atau
(2) Debit
:4,69
m3/detik
kekurang telitian secara acak +.6,06
yo
kekurang telitian secara sistimatis + 0,87
o
Tabel 4.8, menunjukkan contoh lain yaitu data dan ketelitian
pengukuran debit untuk kehilangan air saluran irigasi dengan
metode inflow - outflow di Saluran Induk Kiri Daerah Pengairan
Ciujung Serang yang dilaksanakan pada tanggal 25 Februari 1978,
untuk panjang ruas saluran 4,8 km di lokasi LH 19 - 20.
Tabel 4.8 Pengukuran Debit Di Saluran Irigasi Ciujung Serang
Di Lokasi LH 19-20.
Keterangan Inflow Outflow
lData
I
jumlah vertikal
I
kecepatan ruta-rata
waktu
metode
debit
lebar
kedalaman
Kekurang telitian acak(yo) :
pengukuran lebar
pengukuran kedalaman
pengukuran.kecepatan
:
.lama
pengukuran
. jumlah
titik
.
alat ukur arus
. jumlah
vertikal
Kekurang telitian sistematis (%) :
alat ukur lebar
alat ukur kedalaman
alat ukur arus
Kekurang telitian debit + acak (o/o) :
Debit
.
acak
.
sistimatis
23
0,45
60
0,2 dan 0,8
3,65
7,60
l,l I
+ 0,50
+ 0,50
+ 0,50
3,65 m3/det
* 5,51
o/o
3,65 m3/det
+ 5,45
oh
+0,8 %
+ 0,30
+ 0,70
+ 6,0
+ 7,0
+ 1,0
+ 5,0
2t
0,36
60
0,2 dan 0,8
3,06
7,80
l,0g
+ 0,30
+ 0,70
+ 0,50
+ 0,50
+ o,5o
]
3,06 m3/det
I
+ 5,51
oh
I
:,OO m'laet I
+5.45(. I
to.u w I
I
+ 6,0
+ 7,0
+ 1,0
+ 5,0
tcrdiri dari
22oh+27 Yo
2
17
yo
*l0yo
3%
_+
24,5
yo
[r.,
+
*{xb,
+ Xd2 +xr,1]i
ll'
*
)o.302
+ 0,302 +24,52 +72 +,rrr]*
6.06 %
3).
4).
Sumber: Soewarno, l99l
2l'r0
llertlusarkan data pada tabel 4.8, maka diperoleh hasil sebagai
lrcrikut:
1). besarnya kehilangap air irigasi (DQ) adalah :
DQ
:
3' 65
-
3' 06
:
o-59 m'/deY4,8 km.
0,4g
v'J
DQ: 0,12 m3ldeVkm.
2). Dengan ketelitian = 0,12 mt/det/km + 5,51
oh
atau
DQ: 120 lldetlkm* 21,8 //deVkm
DQ yang sebenarnya adalah berkisar antara :
99,2 sampai dengan 141,8 //det/knr.
Setelah debit diukur dengan cara mengukur lebar, kedalaman dan
kecepatan aliran maka harus dihitung debitnya. Selama proses
pengukuran debit berlangsung harus di ukur tinggi muka air,
kemudian dari kedua macam data tersebut di analisa lengkung
debitnya. Uji statistik untuk menentukan lengkung debit telah di
bahas pada sub bab 1.3.4.
Perhitupgan debit pengukuran selama ini banyak digunakan
di Indonesia adalah cara interval tengah (mid section method) dan
cara interval rata-rata (mean section method). Debit dihitung dengan
rumus sebagai berikut.
(4.13)
Keterangan :
a
:
debit total seluruh penampang basah
gn = debit pada vertikal ke n
bn
:
lebar aliran pada vertikal ke n
d"
:
kedalaman aliran pada vertikal ke n
Vn
:
kecepatan aliran pada vertikal ke n
n
:
7,2,3, ...
jumlah
vertikal
Gambar 4.1, pada sub bab 4.3. menunjukkan sketsa penampang
pengukuran debit.
Tabel 4.9, rnenunjukkan contoh pengujian statistik untuk
menentukan tingkat perbedaan perbandingan kedua cara
perhitungan debit tersebut untuk sungai Cipanjalu di pos duga air
desa Kepuh Wilayah Kodya Bandung.
Tabel 4.9 Uji peri
''rngan
debit pengukuran sungai Cipanjalu - Kepuh.
No. Tanggal H
(m)
Q,
(mr/det)
Q,
(m3/det)
d
(%,)
D
%
tr
(%")
I
)
3 5 6 7 8
I
2
J
4
5
6
"7
8
9
l0
1l
t2
l3
t4
l5
02-03-86
0 l -04-86
30-07-86
09-08-86
30-10-86
22-12-86
30-12-86
04-0 l -87
04-0 I -87
l6-06-88
21-tt-88
l0-07-89
l4-09-89
25- I 0-89
22-tt-89
0,44
0,5 I
0,39
0,38
0,38
1,17
0,99
0,88
l,l8
0,35
0,39
0,53
0,40
0,39
0,37
0,475
0,838
0,222
0,204
0,1l9
5.280
3,767
2,890
4,760
0,1 l6
0,1 50
0,626
0,066
0,047
0,061
0,430
0,796
0,209
0,1 98
0,1 l8
5,030
3,694
2,806
4,490
0,1 09
0,145
0,616
0,063
0,046
0.060
+ 9,47
+ 5,01
+ 5,85
,.2,94
+ 0,84
+ 4,73
+ 1,93
+3,11
+ 5,67
+ 6,03
+ 3,33
+ 1,59
+ 4,54
t 2,12
t l,(r(r
+ 5,55
+ 1,09
+ 0,98
- 0,39
+ 0,81
- l,gg
- 0,81
- l,9g
-0,8t
+ 1,75
+ 2,1t
- 0,59
+ 0,62
- I,tt0
- 2,.)6
30,80
l,l8
3,72
0,96
14,45
0,65
3,96
0,65
3,06
4,45
0,34
5,42
0,38
1,24
5, l0
Jumlt th
Rulu-rutu
58,lto
't.e2
- 0.70 7tt. r6
Sumbcr : Soewarno : 199 I
Q
:
q, +
%
+ gr *... + qn-r + q,
Cara interval tengah :
(b.+b
\
q":
[-i-,Jr"
.0.
Cara interval rata-rata :
o,:
(!+rL)(5s)
'"
(4.14)
(4.rs)
262
KctcranSan :
H
:
tinggi muka air
Q,
:
debit pengukuran dihitung dengan'rumus 4.14 (m3/det).
Qz
:
debit pengukuran dihitung dengan rumus 4.15
1m3/det1.
Oleh karena nilai
Q,
dan
Q,
setiap tanggal pengukuran yang diuji
terjadi pada tinggi muka air yang sama maka pengujian statistik
menggunakan Uji - t, dengan tahapan sebagai berikut (lihat sub bab
1.3.4); uji-t untuk data berpasangan :
268
Apabila nilai tn,, lebih kecil dari pada t.o, maka nilai
yang diuji tidak mempunyai beda pada tingkat
kepercayaan tertentu untuk derajat kbbebasan tertentu.
l). Menghitung'beda debit (d) :
'
Q'-Q'
O:
Ylf
xt}oo/o
2). menghitung deviasi standar (S) :
S:T
D,
)i
e
\n-
1/
D:d-d
*:d
Lhir
SE
5). menarik kesimpulan
d-
dr + dz * d: *...* dn
n:
jumlatr data
3). menghitung kesalatran standar dari perkiraan :
sE:
+
(4.18)
N'
4). menghitung nilai t (ton) :
Berdasarkan data pada tabel 4.9, maka perhitungannya adalah
sebagai berikut :
l). beda debit setiap tanggal pengukuran tercantum pada
kolom 6, nilai yang diperoleh nilai :
.
rata-rata d,
:3,92%o.
.
minimum
:
0,84 Yo.
.
maksimum
:9,4'1 o/o.
2). deviasi standar:
r=(*)
l=(ffi)*:2,36syo
3). kesalahan standar dari.perkiraan :
,r:
;}
:r#:
o,6toYo
4). tn,,:#:
ffi:6,420
5). dari tabel I-1, Bab I pada derajat kebebasan dk: n-l
:
13 dan tingkat kepercayaan 5
o/o,
untuk uji 2 sisi maka
\^6
:
2,160, oleh karena harga to,, lebih besar dari
Lo,
maka dapat dikatakan harga
Ql
dan
Q2
terdapat beda
yang nyata.
Dengan demikian dapat dikatakan bahwa pada tingkat.peluung 95
o/o
diterima, cara interval tengah dapat memberikan nilai yrurg
berbeda dibanding dengan cara interval rata-rata wuluupurr
perbedaan tersebut tidak lebih dari l0 % lihat kolom 6 tuhcl 4.9.
(4.16)
(4.17a)
(4.17b)
(4.17c)
(4.re)
.
Apabila nilai tn,, lebih besar dari pada harga ("6
Qihat
tabel I-1 pada bagian akhir bab I), maka nilai yang
diuji mempunyai beda nyata pada tingkat kepercayaan
tertentu untuk derajat kebebasan tertentu.
,q
2b4
('irrir
irrlcrval tcngah pcrhitungannya lebih sederhana bagi pengukur
tlclrit rli lapangan dibanding cara interval rata-rata, dan hasil
pcrhitungan debit pengukurannya cukup teliti. Cara interval tengah
sckarang yang digunakan oleh Pusat Litbang Pengairan Bandung.
Penentuan tinggi muka air rata-rata pada suatu lokasi
pengukuran debit secara teliti dan benar adalah "soma pentingnya"
dengan pengukuran OeUit itu sendiri, karena kedua data tersebut
menentukan hubungan tinggi muka air dan debit (lengkung debit).
Kesalahan penentuan tinggi muka air dapat disebabkan oleh petugas
atau peralatan pengukurannya. Untuk menentukan tinggi muka air
yang teliti perlu dibaca muka air pada papan duga air pada waktu
mulai dan akhir pengukuran debit. Terdapat dua ketentuan untuk
memperoleh hasil pembacaan papan duga yang hasilnya teliti :
Apabila selama pengukuran debit berlangsung
perubahan tinggi muka air kurang dari 0,030 m maka
nilai rata-rata pembaciuxx merupakan tinggi muka air
pengukuran saat mulai dan akhir.
Apabila selama pengukuran debit berlangsung
perubahan tinggi muka air lebih dari 0,030 m maka nilai
rata-rata dari pembdcaawrya dapat ditentukan dengan
menggunakan rumus sebagai berikut :
grhr * gzhz+
e:hr
*...*gnh,
Glagah Kedungsari, Kabupaten Kendal Propinsi Jawa
pengukuran debit dilaksanakan tanggal l0 April 1988.
Tabel 4.10. Perhitungan Tinggi Muka Air Rata-Rata
S.Glagah-Kedungsari.
2[c
1'ongah,
Ilaktu MA h q h*q H
I 2 3 4 5 6
10.30
10.40
10.50
10.00
10.05
0,58
0,62
0,66
0,44
0,46
0,60
0,64
0,55
0,45
0,50
1,00
1,00
0,60
0,30
0,64
0,55
0,27
1,76
H =-= 0,57
3,10
Jumlah 3,01 t,76
Keterangan : MA
:
Pembacaan tinggi muka air tanggal l0 April l9gg.
Berdasarkan data tabel 4.10, maka apabi.la tinggi muka air hanya
dibaca pada jam
10.30 dan 11.05 saja maka rata-ratanya H:0,52
,ir, sedangkan apabila dihitung berdasarkan nrmus (4.20) nilai
rata-ratanya adalah H
:
0,57 m. Penggunarn nrmus 4.20 akan
menghasilkan data tinggi muka air pengukuran yang lebih teliti
dibandingkan hanya merata-rata hasil pembacarrn saat awal dan
akhir pengukuran saja.
4.4 KETELIT'AI' PEA'GUKURAN DEBTT
IITENGCUNAKAN
A'TBANC
Pengukuran debit dengan menggunakan amhang,
ketelitianny a dapat dihitung berdasarkan persamaan :
Xo: * (X", + Xo, * n2 xXozl't,
Keterangan :
l).
2),
H_
dimana:
H
a
Qr,92,...,9n
(4.20)
a
h,,hr,'..,h,
:
tinggi muka air rata-rata (m)
debit total
1mr/det)
debit diukur selama interval waktu 1, 2,
3,..., tr (m3/det)
tinggi muka air rata-rata selama interval
waktu 1,2,..n(m)
Tabel 4.10 menunjukkan contoh perhitungannya untuk Sungti
(4.2t)
{q
2bll
X,, ketclitian pengukuran debit (%).
X.
..
ketelitian acak koefisien debit (%).
Xh = ketelitian acak pengukuran lebar ambang (%).
Xn
:
ketelitian acak pengukuran tinggi muka air (%).
n
:
2,5 untuk ambang berbentuk segitiga dan 1,5 untuk
ambang berbentuk segi empat.
Pada umumnya ketelitian setiap parameter X", Xo, Xh telah
termasuk ketelilian sistimatis, misalnya saja koefisien debit,
biasanya diperoleh dengan cara membuat hubungan tinggi muka air
dan debit di laboratorium, maka ketelitian hubungan tersebut telah
ditentukan secara acak dan sistimatis.
4.4.1. Kctclitiarn Pcnguhur.ort l*balr Ambong
Pada umumnya ketelitian pengukuran lebar ambmg (Xu)
adalah sebesar + O,lYo.
4.4.2. Ketelitian Penguhutan Titr,ggi
Iiluha Atu Ambang
Ketelitian acak untuk pengukuran tinggi muka air dapat
dihitung dengan persamaan sebagai berikut :
2(t1
4.4.3. Ketelitian Pcnerrltuartt Koclisicn llebit
Penentuan koefisien debit untuk amb4ng tajam yang
dilengkapi bagian pengendali berbentuk segi tiga ketelitiannya
dapat diperkirakan sebesar L l,Oyo (ISO 1438). embang lebar yang.
dilengkapi bagian pengendali berbentuk segi empat ketelitian acak
koefisien debitnya dapat ditentukan dengan nrmus sebagai berikut :
X"=t(10F-8)
Keterangan:
X": ketelitian acak koefisien debit (%).
(4.23)
\,
(En2-c
2rI
Xr,:*
,__?x
roo
Keterangan:
Er,
:
ketelitian pengukuran ketinggian muka air (dapat
diperkirakan
+ 3 mm).
E. = ketelitian pemasangan titik nol pada alat duga air
(dapat diperkirakan + 3 mm).
h
:
ketinggian muka air.
Nilai F adalah faktor koreksi, yang dapat ditentukan dari
tabel
4.I l.
Tabel 4.1 I Faktor Koreksi F untuk Ambang Lebar.
n,
L
h/(h, + p1
0,600 0,500 0,400 0,350
0,35
0,40
0,45
0,50
0,60
0,70
0,80
0,95
1,059
1,062
1,066
1,074
t,094
1,120
1,t44
1,152
,032
,035
,040
,047
,068
,092
,l
l5
.123
1,01I
1,014
1,018
1,025
1,044
1,0'17
1,093
l,l0l
,001
,002
,00'l
,014
,034
,058
,080
,089
Dari tabel 4.1 1, nilai h, adalah tinggi muka air di hulu tcrharlap
ambang, nilai p adalah kedalaman air dihulu ambang dan l, adalalr
lebar mercu ambang.
Ambang lebar yang dilengkapi bagian pengcrrdali dcngatt
mulut pemasukan yang dibulatkan (round-no.sed htrittnlul cresl
(4.22)
Keterangan :
L
:
lebar mercu ambang.
X"
:
ketelitian acak koefisien debit.
b
:
lebar ambang.
4.4.4. Gontoh Pengukutan Ulcblt dcnjqa
AtnbonS Talam
Sebagai contoh aplikasi, dilaksanakan
pada bangunan ukur
debit berupa ambang tajam dengan bagian
plngendali berbentuk
trapesium di saluran sekunder Gempol -
Clrebon, dengan lebar
ambang 60 cm dan persamaan debitnya adaln6
:
Q:Cbh'
Keterangan:
Q
:
debit (l/det)
b
:
lebar ambang (cm)
h
:
tinggi muka air (cm)
c
:0,0186
Pada h min.
:
4,0 cm maka
Q:
8,93 //det.
Pada h max.
:30,0
cm maka
Q:
183,38 l/det.
Debit yang sebenamya adalah
Qp
+ Xq, berdasarkan
(4.21), persam&urnya
adalah :
Xo=t(X.2+Xor*n2xX)z
dari contoh tersebut diatas, maka :
Xu: * 0,1Yo
X"=* l,0Yo
(4.26)
;;re
rrntuk h = 4 cm, berdasarkan persamaan (4.22), maka :
/
^
\l
(nfr+el)'
Xr: a
--
,:
x 100
xh =*
ffi
(32 +321v'
Xn:t 10,6 Yo.
Untuk h: 30 cm, berdasarkan persam,un (4.22),maka :
Xn: r
133
,r,
+ 3,)n
Xh:*'1,41
o/o.
Selanjutnya untuk h:4 cm, maka ketelitian debitnya adalatr :
Xo: t (X.'+ Xo'+ r'+ Xn')'
Xo
:
t
[(1,0),
+ (0,1), + (312), x (10,6)r]%
Xo:15,93 Yo
Dengan demikian untuk h
:
4 cm, debitnya adalatr 8 93 t/det
+15,93%o.
Untuk h:30 cm, maka :
Xo: * (X.'+ Xo'+ r' +Xn')n
X,
:
*
[(1,0),
+ (0,1), + (312), x (1,41)2)Y,
Xr:2,34
oh
Dengan demikian untuk h
:
30 cm, debitnya 183,88 lldet * 2,34
yo.
Debit yang dihitung dari mmus (4.26) dan ketelitiannya tersebut
hanyalah nilai teoritis, nilai yang sebenarnya adalah dapat diperoleh
dari pengukuran debit menggunakan alatukur arus dilapangan.
Tabel 4.12 menunjukkan perbedaan debit yang dihitung
berdasarkan rumus (4.26) dengan debit yang diukur dengan alat
"%
1ltfi
rlr,/f',1'), ketelitian koefisien debitnya
l)crsanlaan
sebagai berikut :
X": a 2 (21 -20 Cd)%
ca:(r
ry)(,-T)
'
dapat
ditentukan dengan
(4.24)
(4.2s)
persamaan
2(lo
ukur rnrs. l)cbit yang diukur dengan alat ukur arus dianggap debit
virrrg schcnarnya, karena rumus kecepatan aliran pada alat ukur arus
tlrrplt dicek kebenarannya dengan cara mengkalibrasikan di
laboratorium kalibrasi alat ukur arus.
Tabel 4.12 Uji Ketelitian Pengukuran Debit Yang Melimpas
Ambang Taj am Saluran Sekunder Gempol-Cirebon.
28r
l).
2).
menghitung beda debit (d)
. Qz-Qr
O==E;:x100
menghitung deviasi standar
.-(!ozll
"-
(
n-l J
D=d-d
d:d,adr+dr+...+4
n
:
jumlah
data
Sumber : DPMA, 1980, kolom 1,2,3,4.
Keterangan:
h = tinggi muka air.
Q,
= debit dihitung dengan rumus (4.26).
Q,
= debit diukur dengan alat ukur arus.
a = Q,/Q,
Pengujian ketelitiannya dapat menggunakan uji-t, dengan tahapan
sebagai berikut (lihat sub bab 1.3.4) :
3). menghitung kesalahan standar dari perkiraan (SE) :
menghitung nilai t
perhitungm (tr,i,)
a
\,i, -
S
menarik kesimpulan :
.
Apabila tn,, lebih besar daripada quo
flihat
tabel I-1
Bab I) maka yang diuji mempunyai beda nyata pada
tingkat kepercayaan tertentu untuk derajat kebebasan
tertentu.
.
Apabila tn,, lebih kecil dari pada
t,o,
maka yang diuji
tidak mempunyai beda nyata pada tingkat
kepercayaan tertentu untuk derajat kebebasan
tertentu.
Berdasarkan data pada tabel 4.72, maka perhitungannya adalah
sebagai berikut :
No h
(m)
Q,
(l/det)
Q,
(l/det)
a d
('/r)
D
(%")
tr
(%")
I
)
3 4 5 6 7 8
I
2
J
4
5
6
7
8
9
t0
ll
t2
t3
t4
4
6
8
l0
12
l4
t6
l8
20
22
24
26
28
30
8,93
t6,40
25,25
35,29
46,39
58,46
71,42
85,23
99,82
I 15,16
13l,2l
147,95
165,35
183,38
r9,50
30,7s
42,60
s5,94
70,06
85,00
108,00
117,40
134,50
152,30
170,00
188,60
207,80
226,00
r,l8
,88
,68
sq
.,5 I
,45
5?
,38
,34
,32
)q
,27
,2s
.23
54.2
46,7
40,7
36,9
33,8
31,2
34,4
27,4
25,7
24,4
22,8
21,5
20,4
18,9
22,8
t5,3
9,3
5,5
2,4
- 0,2
3,0
- 4,0
- 5,7
- 7,0
- 8,6
- 9,9
- I t,0
- 12,5
5 t9,84
234.09
86,49
30,25
5,76
0,04
9,00
16,00
32,49
49,00
73.96
98,01
r 21,00
156,25
Jumlah
Rata-rata
439,0
31,4
- 0,60 1432,18
d
\H=-
eul
nZ
4).
s).
1). nilai d
:
31,4
oh
2tl1l
I
t$z,lql;
:
rc. soh.
2). deviasi
standar
S =
L-lZ-:
l )
-
Lv'a''"'
3). kesalahan
standar
dari perkiraan
sE =
g* :2,804vo.
3,741
3l ,4
=
tt.zt4
4). tnu -'
ffi
-
L \)LL
'
Dari tabel
I-1, Bab
I' pada derajat
kebebasan
dk:
n - 1
:
13'
dengan
tingkat
ft#'"uy*1
5. %t.'":"k
uji 2 sisi maka
to6
:
2'160'
oleh
karena
tn,, t"Uii
i"sar
dari
pada
!"5'
maka
dapat dikatakan
harga
qi O* Q2
te;dapat
perbedaan
yang nvata'
I)engan
demikian
dapat
dikatakan
bahwa
pada tingkat
peluang
95 %diterima'
debit
yang mengalir
pada arnbang
tajam
saluran
sekunder
Cempol
tidak sesuai
lagi apabila
dihitung
dengan
rumus
aebit
amuJ-g^"r*.
Debit
yang sebenarnya
berkisar
antara
i,23 sampai
Z,f
g
t"uti iebih
besar
daripada
yang dihitung
dengan
rumus4-26(l\h;toto'5daritabel+'1i)'Keadaan-tersebutterjadi
karena
saluran'"'"ft""a"t
Gempol
banyak
membawa
angkutan
sedimen
yang cukup
tinggi
konsentrasinya
(lebih dari 7500 rnelt)
dan terendap
di bagian
hulu ambalg
secara
kontinyu'
di samping
itu
bentuk
*"t""'r"u*itfuf'
*"t''alami
kerusakan
karena
proses abrasi'
sehinggaut*'*.*p"ngu*t,iketelitianpengukurandebitsecara
langsung
menggunakan
rumus
ambang'
Berdasarkan
uraian
di atas maka
penentuan
debit
yang
melimpah
U""gu'*
ukur debit
lmbane
tajam
di saluran
sekunder
Gempol
k"t"d;;;"'tiaurt
lagi tergirtung
kesalahan
acak dan
sistimatis
akan
tetapi
debit
yang. aitJntutan
merupakan
kesalahan
Jarcl
apabito
tiiot"
aikalibrasi
dengan
cara mengukur
debit
yang
m.ti*iu'
ambang
menggunakan
alat ukur arus'
:t6fl
4.4.5. Petllguhutan llolbit drlnian
Amban3ltbar
Sebagaicontohaplikasi,dilaksanakandiltlkasrlrttttl.ltttttttt
ukur debit u*U*g lebar ialuran
induk Sedadi
- Serang, Kabtt,ttlctt
GroboganPropinsiJawaTengah.Berdasarkanhasilmodcltcstlr
laboratorium debit yang melimpas
ambang
lebar saluran
irltltrl'
Sedadi tersebut dapat dihitung dengan
rumus :
3
Q
:
24,26 hi
z
(4.27)
Berdasarkan rumus (4.zi.),maka debit
yang melimpas
adalah Qp
'r
Qq,
dan
Xo
:
* (X"' + Xo'* n'x Xn2)%
Pada tinggi muka air 0,50 meter, maka debitnya
+ 8'57 m3/detik'
dengan ketelitian
;
Xu:+0,107o
X":t2,0Yo
X*
:
t
100
132
+-Jz1't' = 0,8455
"
500
Xo: r
[(2,0)'+
(0,1)'z+ (1,5)'zx
(0,84)'z]/:
Xc:2'36o/o
Dengan demikian debit teoritis
pada tinggi muka air 0'50 m adalah
8,57 m3idet t2,36oh.
Dengan cara yang sama debit untuk tinggi muka air tertentu
dan ketelitiannya dapat di hitung.
Debityangdihitungberdasarkanrumus(4.27)barulahdchit
teoritis berdasarian moaet tes, debit
yang sebenamya dipcr,lc'5
dengan melaksanakan pengukuran
debit menggunakan
alut trkttr
arus. Tabel 4. 1 3 menunjukkan
uji ketelitiannya'
a
illi,1
Iabcl 4.13 Uji Ketelitian Pengukuran Debit yang Melimpas
Ambang Lebar Saluran Induk Sedadi - Serang.
No h
(m)
Q,
(Udet)
Q,
(Udet)
a d
(%,)
D
(%)
D2
(%")
I 2 3 4 5 6 7 I
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,70
0,7 5
0,80
0,85
0,90
0,95
I,00
1,41
2,16
3,03
3,98
5,02
6,r3
7,32
8,57
9,89
11,27
12,7 |
14,20
15,75
17,85
19,01
20,71
22,46
24,26
1,60
2,30
3,25
4,20
5,30
6,40
7,60
8,80
10,05
I 1,30
12,55
13,80
15,15
16,50
17,35
14,20
20,60
22,00
0,88
0,93
0,93
0,94
0,94
0,95
0,96
0,97
0,98
0,99
l,0l
1,02
l,03
l,05
1,06
1,07
r,09
l,l0
+ I 1,87
+ 6,08
+ 6,75
+ 5,23
+ 5,28
+ 4,21
I 3,68
+ 2,61
+ 1,59
+ 0,26
- 1,27
- 2,89
- 3,96
- 5,15
- 6,49
- 7,86
- 9,02
- t0,27
+ I l,g7
+ 6,04
+ 6,72
+ 5,19
+ 5,24
t 4,lj
r 3,64
+ 2,57
+ 1,55
+ 0,22
- 1,3 I
- 2,93
- 4,00
- 5,19
- 6,53
- 7,90
- 9,06
- 10,3 I
139,94
36,48
45,1 5
26,93
27,45
t7,38
13.24
6,60
2,40
0,04
1,7 7
8,58
16,00
26,93
42,64
62,4t
82,08
t06,29
Jumlah
Rata-rata
+ 0,66
+ 0,04
0,06 662,25
Sumber Kolom 2, 3, 4 : Buletin Pus Air No. 5 th 2.
Keterangan :
hi
:
tinggi air di atas mercu bangunan ukur dibaca dari elevasi air di
hulu bangunan ukur dikurangai dengan elevasi mercu * 22,55
m.
Q,
= debit dihitung dengan rumus (4.27)
Q,
:
debit ditentukan dari lengkung debit yang debitnya diukur
dengan alat ukur arus
a =
Q,/Q,
266
Berdasarkan data pada tabel 4.13 tersebut, maka dapat dihitung uji-t
nya, sebagai berikut:
l). nilai d:0,04Yo.
2). deviasi standar s
:
[662'25 f+ = u,ro
^.
L
l8-l
J
3). kesalatran standar dari perkiraan
:
sl:ffi: t,47
oh
/.\ t :qg
4).tut:fr:0,027
Dari tabel I-1, Bab I, dengan uji 2 sisi, pada derajat kebebasan dk:
N - I
:
17, dengan tingkat kepercayaan 5
o/o
makanilai q,o :2,110,
oleh karena tn,, lebih kecil dari pada too maka dapat dikatakan nilai
Q,
dengan nilai
Q,
tidak terdapat perbedaan yang nyata. Dengan
demikian dapat dikatakan bahwa pada tingkat peluang
95 %
diterima debit yang melimpas ambang lebar saluran Induk
sedadi-Serang dapat ditentukan dari nrmus 4.27, meskipun
demikian kalibrasi dengan cara melaksanakan pengukuran
debit
menggunakan alat ukur arus secara berkala, minimal 5 tahun sekali
tetap perlu dilaksanakan.
'DaJtat
D,acaan
l. Anto Dayan, 1981 : Pengantar Metode Statistik Jilid I, LP3S,
Jakarta.
2. Bonnier A, 1980 : Fundamental of Statistics, DPMA, Bandung.
3. Bonnier A, 1980 : Regression and Correlation Analysis, DPMA,
Bandung.
4. Bonnier A, 1980 : Probability Distribution and Probability
Analysis, DPMA, Bandung.
5. Bonnier A, 1980 : Test Hypothesis and Significance Analysis of
Variance, DPMA, Bandung.
6. Bonnier A, 1980 : An Introduction into Analysii of Timeseries,
DPMA, Bandung.
7. Bonnier A, 1980
'.
Sequential Generation of Hydrological Data,
DPMA, Bandung.
8. Direktorat Penyelidikan Masalah Ait, 1979 : Kalibrasi Bukaan
Pintu lrigasi di Prosida Sub-Pro Cirebon, Laporan Intern,
Il.
Baydung.
Direktorat Penyelidikan Masalah Air, l98l : Discharge
Measurement and Suspended Sedimen Observation of Citarum
River at Nanjung, Saguling and Palumbon, Supporting Report,
264/HY-43/1981.
Direktorat Penyelidikan Masalah Air, 1982 : Penelitian dan
Evaluasi Tingkat Erosi Yang Terjadi Pada Suatu Daerah
Pengaliran, Bahan Kursus. Hidrologi I 98 3, DP MA, B;andung.
Direktorat Penyelidikan Masalah Ab,19823 : Analisa Pengolahan
Daily Discharge Data Series Cimanuk - Monjot di Daerah
Prosida Sub Proyek Rentang Jawa Barat, Laporan Intern, No.
7. 1 /HI-2 9/ I 98 3, DPMA, Bandung.
Direktorat Penyelidikan Masalah Air - IOH, 1983 : Flood Design
Manualfor Java and Sumatera, Laporan Penelilian.
Direktorat Penyelidikan Masalah Air, 1983 : Penelitian Scdiment
Transport Kali Cimanuk di Monjot, Laporan lnlcrn, No.
44/HI- I 2/ I 98
j,
DP MA, Bandung.
9.
10.
12.
MILIK
Badan PerPustakaan
Propinsi Jawa Tirnur
267
13.
2$t\ 269
32.
JJ.
34.
t4 l)ircktorat Penyelidikan Masalah Air, 1983 : Penelitian dan
I'cngumpulan Data Sediment Kali Madiun di Dam Jati, Laporan
Intern, No. 46/Hi-14/1983, DPMA, Madiun.
Direktorat Penyelidikan Masalah Air, 1983 : Analisa Hidrograp,
Bahan Kursus Hidrologi Tahun 1983, DPMA, Bandung.
Direktorat Penyelidikan Masalah Air, 1983 : Perqnan Hidrologi
Dalam Pembangunan di Indonesiq, Bahan Kursus Hidrologi
Tahun 198i, DPMA, Bandung.
Direktorat Penyelidikan Masalah Air, 1984 : Banjir Rencana
untuk Bangunan Air, DPMA, Bandung.
Departemen Pekerjaan Umum, 1986 : Perencanaan Jaringan
Irigasi, Standar Perencanaan lrigasi Kp-01, Galang Persada CV,
Bandung.
Departemen Pekerjaan Umum, 1986 : Bangunan Standar
Perencanaan lrigasi Kp-04, Galang Persada CV, Bandung.
Elizabeth M Shaw, 1980: Hydrologt in Practice, Second Edition,
Chapman and Hall, London.
Fety S, 1992 : Pemantquan Parameter Hidrologi untuk Evaluasi
Pengelolaan DAS Progo-Kranggan, Skripsi Fakultas Geografi
UGM.
Henny Maria, Soewarno, 1994 : Penerapan Metode Steven untuk
memperkiralcan Debit Banjir, Buletin PusAir, No. 17 Tahun IV,
Nov. 1994.
Herschy, R.W, 1978 : Hydrometry, John lYilye and Sons, New
York.
Hiranadi, M.G, 1969 : Stream Gauging, Ministry of lrrigation and
Power, India.
Horst, L, l98l : Hydrometry, International Institute
for
Hydraulic
and Env irontment al Engineer ing, Delfi , Netherlands.
Yogiyanto, H.M., 1984 : Statistik dengan Program Komputer,
A ndi Offs et, Y o gt a kar t a.
Joyce M, Wanny A., 1982 : Mengenal Dasar-Dasar Hidrologi,
NOVA, Bandung.
28. Joesron Loebis, Soewarno, Suprihadi, 1993 : Hidrologi Sungai,
Badan Penerbit PU.
29. Linsley. F, 1972 : Resources Engineering, MC. Grow Hilt, New
York.
Morean, M. et Mathieu.A, 1979 : Statistique Appliquee L'
Experimentation, Eyrolles, P aris.
Nemec, 1970 : Engineering Hydrologt, Mc. Graw Hill, New York
Pusat Litbang Pengairan, 1986 : Survei Umum Ilidrologi Sungai,
Laporan No. I 4 I lHi-i6/ I 986.
Pusat Litbang Pengairan, 1989 : Hidrologi Operasional, Bahan
Kursus Hidrologi.
Pusat Litbang Pengairan, 1989 : Pengukuran Sedimentasi lladuk
PLTA Mrica, Laporan No. 9A/HI- I B/ I 989.
fuggs. H.C, 1977 : Some Statisticql Tools in Hydrolog, Book 4
Chap. Al, USGS, lllashington.
Ronald, E.W, 1977
'.
Pengantar Statistika, Gramedia, Jakarta.
Santosh, K.G, 1977
'.
Water Resources and Hydrologt, New Delhi,
Khana Publisher.
Schults E.F, 1973 1973 : Problemin Applied Hydrologt, Water
Resources Publication, USA.
Seyhan, E, 1979 : Application of Statistical Methods to
Hydrologt, Institute of Earth Sciences, Free lJniversity, The
Netherlands.
Soewarno dan Suprihadi, 1982 : Analisa Lengkung Aliran, Bahan
Kursus Hidrologi DPMA Bandung.
Soewarno dan Suprihadi, 1982
'.
Cara Perhitungan Untuk
Publikasi Besar Aliran Sungai, Bahan Kursus Hidrologi DPMA
Bandung.
Soewarno, 1987 : Testing Hypothesis and Goodness of Fil, USAID
Training Course in Statistical Hydrologt, IHE, Bandung, PP
t-30.
Soewarno, Ali Hamzah Lubis, 1987 : Pengukuran Baniir Rencqna
dengan Cara Slope Area, Jurnal Pusat Litbang Pengairan, No.
7-Th. 2, KW. lil, Hal I l7-124.
Soewarno, 1988: Penerapan Persamaan Darcy- lleisbach Untuk
Menghitung Debit Pada Sungai Berbatu-batu, Jurnal Pusat
Litbang Pengairan, No. l0-Th. 3, KW. II, Hal74-84.
Soewarno, 1988 : Penelitian Pendahuluan Angkutan Sedimen
Melayang Sub Das Citarik Hulu, Majalah GeograJi Indonesia,
No. 2, Th. i - September 1988.
Soewarno, 1989 : Debit Hasil Pengukuran Metode Alat Ukur Arus
Dibanding Dengan Metode Lainnya, Jurnql Litbang Pengairyn,
No. I4 - Th. 4, KW. IL Hal 57-68.
Soewarno, 1989 : Debit Hasil Pengukuran Metode Alat Ukur Arus
Untuk Menunjang Operasi dan Pemeliharaan lrigasi, Jurnal
Informas i TekniH 6/ I 9 8 9.
Soewarno, 1989 : Pengukuran dan Perhitungon Debit Sedimen
t5
16.
17.
18.
19.
20.
2t.
22.
23.
24.
25.
26.
27.
3s.
36.
5t.
38.
39.
40.
4t.
42.
43.
30.
44.
45.
*6.
47.
31. 48.
T
270 211
Soewarno, 1994 : Model Perkiraun Debit llaniir pudtt ,\trttq4ttt rlt
Jawa - Sebuah Usulan Model Pembanding, Buhun unluk ll'lttlttltilt
Geografi Indonesia - Fakultas Geografi UGM.
65. Soewamo, 1992 : Pengaruh Lama Pencatatan Debit
'ferhudup
Perkiraan Debit Banjir Rencana, Jurnal Pusair, No. 22 - Th. 6,
Kt'y - il.
Sri Mulat Yuningsih, Soewarno, 1988: Besar Aliran Rendah DPS
Cikapundung di Pos Duga Air Gandok dan Maribaya, Jurnql
Puslitbang Pengairan, No. 8, Th. 2 - KW. Iy.
Sri Mulat Yuningsih, Soewarno, 1994 : Perkiraan Debil Banjir
Rencana DPS Citarum - Nanjung, Cimanuk - Leuwigoong,.Buletin
PusAir, No.17, Tahun IV/L994, Nov.1994,ISSN: 0852- 5919.
Syofuan, Dt. Mk, 1990 : Kalibrasi Alat Ukur Debit Ambang Lebar
Saluran Induk Sedqdi, Buletin Pus Air No. 5 Th. 2.
Soemarto, Ir. BIE, 1987 : Hidrologi, Teknik, Penerbit Usaha
Nasionql, Surabaya.
Sudjana, Dr. MA. Msc, 1975 : Metode Statistika, Tarsito,
Bandung.
Supranto, M.A., 1983 : Statistik Teori dan Aplikasi, Jilid 2,
P ener b it Er langga, Jakorta.
Tilrem, O, 1976
'.
Stage Discharge Relation at Stream Gauging
Station, N orwegian A gency
for
I nternational Development.
UNDP/WHO Project, 1982 : Rainfall Characteristics Over The
C itarum River Bas in, I HE, INS/7 8/0
j
8, Bandung.
Toto Sudarto, 1986 : Analisis Angkutan Sedimen Suspensi
Hubunganrrya Dengan Kondisi Fisik DPS Cimanuk Hulu, IPB,
Bogor.
Varshney, R. S, 1974 : Engineering Hydrologt, Nem Chard &
Bros, Roorke
Waluyo. H, Soewarno, Suprihadi l99l : Pembuatqn Lengkung
Debit dengan Bantuan Program Komputer, Jurnal Penelitian dan
Pengembangan Pengairan No. 2 I Th. 6 - KW lll, I 991 .
Wanny. A, l99l : Sebaran Peluang yang Tepat untuk Baniir,
JLP.No.l8.Th.5.
World Meteorological Organization, 1980 : Manual on Stream
Gauging, Vol I, Field Work, Report No. 13, Geneva, Switzerland.
World Meteorological Organization, 1980 : Manual on Stream
Gauging, Vol II, Computation of Discharge, Report No. I i,
Geneva, Switzerland.
49.
Meluyang Pada Kegiatan Operasi dan Pemeliharuan Pasca
Ko ns t r u ks i I r i gas i,
i
ur nal I nfo r m as i Te kn i k/ 6/ 1 9 8 9.
Soewarno, 1990 : Mengukur Debit Banjir Dengan Metode
Pelampung di Pos Duga Air Sungai, Majalah Pekeriaan Umqm,
No. 2/Th. XXI V/Mei/ I 990.
Soewamo, 1990 : Penyelidikan Faktor Kekasaran Sungai Cibama
- Kalumpang, Buletin Pusair, l',1o. 7 - Th. IIl, Juli 1990.
Soewarno, 1990 : Penerapan Beberapa Cara Memperpanjang
Lengkung Debit Muka Air Tinggi Dari Pos Duga Air Sungai,
Jurnal Pusair, No. l7 - Th. 5, KW - ll.
Soewarno, l99l : Perbandingun Melotle Grafis dan Penggunaan
Rumus Matemalik L)ntuk Anulis l.cngkung Debit llur Sungai,
Jurnal Pusair, No. 20 - 7'h 6
Soewarno, l99l : llitlrttltryt ' l'tttgukunur dun Pengolahan Dalrt
Aliran Sungui - Ilidrttmatt'i, Nttvu, Ilundwtg
Soewarno, 1990 : Perkiraan l.uiu Scdimcntasi Waduk di DPS
Citarum Berdasarkan Data Aliran Sungai Citarum di Pos Duga
Air Nanjung dan Palumbon, Jurnal InJbrmasi Teknik No. 7/1990.
Soewarno, l99l : Ketetitian Pengukuran Debit Metode Alat Ukur
Arus di Pos Duga Air Sungai atau Salutan lrigasi, Jurnal
Informasi Teknik No. 8/1991.
Soewarno, l99l
'.
Ketelitian Pengukuran Debit dengan
menggunakan Bangunan Ukur Jening Ambang, Jurnal Informasi
TeknikNo. S/1991.
Soewarno, 1990 : Perkiraan Masa Manfaat l{aduk Panglima
Besar Sudirman, Maialah Geografi Indonesia, Nomor 4'5, Tahun
2-3, Maret 1990.
Soewarno, l99l : Beberapa Aspek Teknik Pembuatan Lengkung
Debit Pos Duga Air Sungai Dengan Analisa Grafis, Majalah
Pekerjaan
(Jmum
No. 4/Th. )ffV, Juli 1991.
Soewarno, l99l : Beberapa Aspek Teknik Pengolahan Data
Aliran Sungai, Maialah Pekeriaan Umum No. 2/Th. XXV.
Soewarno, 1992 : Sekilas Tentang P engukuran Angkutan Sedimen
Sungai, Majalah Pekeriaan [Jmum No. 3/XXVI/Juni, 1992.
Soewamo, 1993 : Membuat Lengkung Debit Komplek Dengan
Analisa Grafis dari Pos Duga Air Sungai Dengan Menggunakan
Parameter Kemiringan, Jurnal Informasi Teknik No. I l//,993.
Soewarno, 1994 : Pengukuran Kehilangan Air di Saluran lrigasi,
Jurnal Informasi Teknik No. I 2/ I 994.
Soewamo, 1993 : Memperkirakan Laiu Pengurangan Kapasitas
Waduk Dengan Metode InJlow-Outflow, Jurnal Informasi Teknik
No. I 1/1993, Bekasi.
51.
.52
53.
55.
56.
57.
59.
60.
61.
62.
66.
67.
68.
69.
70
7t.
72.
73.
74
75
76
77.
78.
63.
79.