13

BAB II
TEORI DASAR

2.1
2.1.2

Melengkapi Data Curah Hujan

Teori Estimasi Data Hujan yang Hilang
Data yang ideal adalah data yang untuk dan sesuai dengan apa yang

dibutuhkan.Tetapi dalam praktek sangat sering dijumpai data yang tidak lengkap
(incomplete record) hal ini dapat disebabkan beberapa hal, antara lain yaitu:
Kerusakan alat
Kelalaian petugas,
Penggantian alat,
Bencana (pengrusakan) dan sebagainya.
Keadaan tersebut menyebabkan pada bagian bagian tertentu dari
data runtut
memperkirakan

waktu

terdapatdata yang kosong (missingrecord).

besarnya

data

hilang, harus diperhatikan pula pola penyebaran hujan pada stasiun

Dalam
yang
yang

bersangkutan maupun stasiun-stasiun sekitarnya.

Keadaan data hujan hilang ini untuk kepentingan tertentu dapat
mengganggu. Misalnya pada suatu saat terjadi banjir, sedangkan data hujan pada
satu atau beberapa stasiun pada saat yang bersamaan tidak tersedia (karena
berbagai sebab). Keadaan demikian tidak terasa merugikan bila data tersebut tidak
tercatat pada saat yang di pandang tidak penting.

14

Menurut Soewarno (2000) dalam bukunya Hidrologi Operasional jilid

Kesatu, analisid hidrologi memang tidak selalu diperlukan pengisian data yang
kosong atau hilang. Misal terdapat data kosong pada musim kemarau sedang
analis data hidrologi tersebut menghitung debit banjir musim penghujan maka
dipandang tidak perlu melengkapi data pada periode kosong musim kemarau
tersebut, tetapi bila untuk analisis kekeringan, maka data kosong pada musim
kemarau tersebut harus diusahakan untuk melengkapi.
Data hujan yang hilang dapat diestimasi apabila di sekitarnya ada stasiun
penakar hujan (minimal

2 stasiun)

yang

lengkap

datanya

atau

stasiun

penakar yang datanya hilang diketahui hujan rata-rata tahunannya. (Lily, 2010)
Menghadapi keadaan ini, terdapat dua langkah yang dapat dilakukan
yaitu :
1. Membiarkan saja data yang hilang tersebut, karena dengan cara

apapun data

tersebut tidak akan diketahui dengan tepat.

2. Bila dipertimbangkan bahwa data tersebut mutlak diperlukan maka perkiraan
data tersebut dapat dilakukan dengan cara-cara yang dikenal.
2.1.3

Metode Estimasi Data Hujan yang Hilang

Beberapa metode yang dapat digunakan untuk melengkapi data curah
hujan yang hilang di antara lain:
1. Metode Aljabar
Metode ini digunakan jika perbedaan curah hujan tahunan normal antara
stasiun pembanding dengan stasiun yang kehilangan data kurang dari 10%
(Moduto,1998).

15

2. Metode Perbandingan Normal

Metode ini digunakan jika perbedaan curah hujan tahunan normal antara
stasiun pembanding dengan stasiun yang kehilangan data lebih dari 10%
(Subarkah,1980).

Keterangan:
n : jumlah stasiun pembanding
rx: tinggi curah hujan yang dicari
rn: tinggi curah hujan pada tahun yang sama dengan rxpada setiap stasiun
pembanding
Rx : harga rata-rata tinggi curah hujan pada stasiun pengukur yang salah
satu curah hujannya sedang dicari
Rn : harga rata-rata tinggi curah hujan pada setiap stasiun pembanding
selama kurun

waktu yang sama

Perhitungan perbedaan curah hujan antara stasiun pembanding dan stasiun

yang kehilangan data dilakukan dengan persamaan:

Keterangan :
: Persen perbedaan curah hujan antara stasiun pembanding dan stasiun yang
kehilangan data

16

Ri : Nilai rata-rata curah hujan selama pengamatan tiap stasiun

R : Rata-rata curah hujan dari n jumlah stasiun
pengamat
n : jumlah stasiun pengamat
2.2

Uji Konsistensi Data

Menurut Soewarno dalam bukunya Hidrologi operasional Jilid Kesatu,

data hujan yang diperlukan untuk analisis disarankan minimal 30 tahun data
runtut waktu. Data itu harus tidak mengandung kesalahan dan harus dicek
sebelum digunakan untuk analisis hidrologi lebih lanjut. Agar tidak mengandung
kesalahan (error)

dan

harus

tidak

mengandung

data

kosong

(missing record). Oleh karena itu harus dilakukan pengecekan kualitas data (data
quality control). Beberapa kesalahan yang mungkin terjadi dapat disebabkan oleh
faktor manusia, alat dan faktor lokasi. Bila terjadi
dapat disebut tidak konsisten
test) berarti

menguji

(inconsistency).

kebenaran

(consistent) berarti data yang terukur

data.

kesalahan

maka data itu

Uji konsistensi

Data

hujan

(consistency

disebut

konsisten

dan dihitung adalah teliti dan benar serata

sesuai dengan fenomena saat hujan itu terjadi.

Beberapa cara untuk mengecek kualitas data hujan antara lain:
Melaksanakan pengecekan lapangan,

17

Melaksanakan pengecekan ke kantor pengolahan data,

Membandingkan data hujan dengan data iklim untuk lokasi
yangsama,
Analisis kurva masa ganda (lengkung masa ganda), dan
Analisis statistik.
Salah satu cara untuk menguji konsistensi data hujan dengan
menggunakan analisis kurva masa ganda (double mass curve analysis) pengujian
tersebut dapat diketahui apakah terjadi perubahan lingkungan atau perubahan cara
menakar.

Jika

hasil uji menyatakan data hujan disuatu stasiun konsisten berarti pada daerah peng
aruhsystem tersebut tidak terjadi perubahan lingkungan dan tidak terjadi
perubahan cara menakar selama pencatatan data tersebut dan sebaliknya.
Ketelitian hasil perhitungan dalam rmalan hidrologi sangat diperlukan,
yang tergantung dari konsistensi data itu sendiri. dalam suatu rangkaian data
pengamatan hujan, dapat timbul non-homogenitas dan ketidaksesuaian, yang
dapat mengakibatkan penyimpangan dalam perhitungan. Non homogenitas ini
dapat disebabkan oleh beberapa faktor, antara lain;
Perubahan letak stasiun
Perubahan sistem pendataan
Perubahan iklim
Perubahan dalam lingkungan sekitar
Uji konsistensi ini dapat diselidiki dengan caraa membandingkan curah
hujan tahunan komulatif dari stasiun yang diteliti dengan harga komulatif curah

18

hujan rata-rata dari

suatu jaringan stasiun dasar yang bersesuain. Pada

umumnya, metode ini disusun dengan urutan kronologis mundur dan dimulai dari
tahun yang terakhir atau data yang terbaru hingga data terakhir. Jika data hukan
tidak konsisten karenaperubahan atau gangguan lingkunga di sekitar temat
penakar hujan dipasasng misalnya penakar hujan terlindung oleh pohon terletak
berdektan dengan gedung tinggi, perubahan penakaran

dan

pencatatan,

pemindahan letak enakar dan sebagaibta memungkinkan terjadi penyimpangan

terhadap trend semula. Hal ini dapat diselidiki dengan menggunakan lengkung
massa ganda. Pengamatan curah hujan dapat mengalami perubahan yang
diakibatkan beberapa hal seperti perubahan lokasi pengukuran, pemaparan, dll .
15% dari data yang tersedia menunjukan inconsistency, sehingga diperlukan tes
konsistensi.
Analisis massa ganda (Double mass analysis) umum digunakan
pendekatan analisis data untuk menyelidiki perilaku catatan yang terbuat dari data
hidrologi atau meteorologi di sejumlah lokasi. Hal ini digunakan untuk
menentukan apakah ada kebutuhan untuk koreksi data untuk memperhitungkan
perubahan dalam prosedur pengumpulan data atau kondisi lokal lainnya.
Perubahan tersebut mungkin akibat dari berbagai hal termasuk perubahan
instrumentasi, perubahan dalam prosedur pengamatan, atau perubahan lokasi
pengukur atau kondisi sekitarnya. Analisis massa ganda

untuk

memeriksa

konsistensi catatan hidrologi atau meteorologi dianggap alat penting sebelum

mengambil untuk tujuan analisis. Metode ini didasarkan pada hipotesis bahwa
setiap item dari data yang tercatat populasi konsisten. Tes dilakukan dengan

19

membandingkan nilai akumulasi hujan tahunan pada pos yang bersangkutan

dengan nilai akumulasi hujan rata-rata tahunan suatu kumpulan stasiun di
sekitarnya

Keterangan:
Pola yang terjadi berupa garis lurus dan tidak terjadi patahan arah
garis itu,maka data hujan pos x adalah konsisten.
Pola yang terjadi berupa garis lurus dan terjadi patahan arah garis
itu,maka data hujan
dilakukan koreksi
2.2 Agregat Beton Ringan
2.3 Karakteristik Beton Ringan

pos x adalah tidak konsisten dan harus