Bab - III

ANALISA
ANALIS CURAH HUJAN
DAERAH ALIRAN SUNGAI LOKASI STUDI
Krueng Keureuto tergolong sungai tipe kipas dengan beberapa anak sungai. Terdapat 6
anak sungai antara lain : a). Kr. Pirak, b). Kr. Ceuku, c). Kr. Aluleuhop, d). Kr. Kreh, e).
Kr. Peuto dan f). Kr. Aluganto, lebih detail tentang DAS Keureto dan anak sungainya dapat
dilihat pada Tabel 3.1.
Debit sungai rata-rata diperoleh melalui perhitungan yang dilakukan Departemen Pekerjaan
Umum yang tertuang dalam Laporan RePPPrat Agustus 1988, Vol. Dua, Anexxes 1 hingga
Anexxes 5 yaitu 24 m3/dt.

No.
1.
2.
3.
4.
5.
6.
7.
8.

Tabel 3.1. Anak Sungai DAS Kr. Keureuto
DAS
Luas DAS
Panjang Sungai
Keterangan
(km2)
(km)
Kr. Ceuku
88,52
23,26 Sub DAS Kr. Pirak
Aluleuhop
45,71
21,45 Sub DAS Kr. Pirak
Kr. Pirak
216,48
37,26 Sub DAS Kr. Pirak
Kr. Kreh
35,52
6,42 Sub DAS Kr. Kreh
Kr. Peuto
276,00
61,98 Sub DAS Kr. Puto
Aluganto
37,28
13,47 Sub DAS Aluganto
Kr. Keureuto Hulu
309,73
71,22
DAS Keureuto
Kr. Keuruto Hilir
41,30
22,69
DAS Keureuto
Jumlah
916,31
257,75

Kemiringan tanah yang curam terdapat di wilayah hulu Krueng Keureuto hingga kurang
lebih 1/3 bagian panjang dari hulu dengan kemiringan rata-rata 0,049. Kemiringan di
wilayah hilir Krueng Keureuto cukup landai dengan kemiringan rata-rata 0,00042. Bahkan
di jembatan Simpang Lhoksukon yang merupakan perlintasan Kr. Keureuto dan jalan
propinsi, kemiringan lahan di sekitar sungai hanya 0,00011. Kemiringan yang sangat landai
ini ditandai dengan terbentuknya pola sungai bermeander pada muara Krueng Keureuto.
Sebagaimana ditunjukkan Tabel 3.1 bahwa untuk lokasi studi Krueng Peuto merupakan
anak sungai dari Krueng Keureuto. Panjang sungai Kr. Peuto dari hulu hingga bertemu
dengan Kr. Keureuto ± 61,98 km dengan luas DAS ± 276,00 km. Sebagaimana Kr.
Keureuto, kemiringan dasar sungai Krueng Peuto paling curam berada di wilayah hulu
yaitu sebesar 0,078. Sedangkan kemiringan dasar sungai rata-rata bagian tengah hingga
hilir mendekati titik pertemuan dengan sungai utama Krueng Keureuto di desa Nga Matang
Ubi ± 0,002.

Sementara itu untuk lokasi studi yang ketiga yaitu Waduk Sawang berada dalam sistem
sungai utama Krueng Mane. Rencana waduk Sawang masuk dalam sistem sungai Gunci
dimana Krueng Gunci merupakan anak sungai Krueng Sawang selanjutnya Krueng Sawang
adalah anak sungai Krueng Mane. Panjang Krueng Gunci ± 14,88 km dengan kemiringan
dasar sungai rata-rata ± 0,005. Pertemuan Krueng Gunci dengan Krueng Sawang berada di
desa Lhok Cut dan pertemuan Krueng Sawang dengan Krueng Mane di desa Lhok
Geurondong. Untuk rencana site lokasi waduk Sawang yaitu Krueng Gunci, memiliki luas
Daerah Aliran Sungai ± 290,120 km2 dan panjang Krueng Gunci ± 20,39 km.
KETERSEDIAAN DATA
III.1.1. Data Hujan Harian
Stasiun hujan terdekat untuk lokasi pekerjaan adalah Stasiun Malikussaleh. Periode
ketersediaan data dari setasiun tersebut adalah tahun 1986-2007. Data hujan harian
Stasiun Malikussaleh dikelola oleh Badan Meteorologi dan Geofisika (BMG)
Malikussaleh.
Mengingat hanya terdapat satu stasiun hujan yang tersedia untuk daerah studi,
maka analisa curah hujan rata-rata daerah maksimum di analisa berdasarkan pada
data yang tersedia di stasiun Malikussaleh. Berikut ditunjukkan data hujan rata-rata
daerah maksimum pada Tabel 3.2 dan curah hujan tahunan Tabel 3.3.
Tabel 3.2. Hujan Daerah Rata-rata Daerah Maksimum
No.

Tahun

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

Xi (mm)
95.2
138.5
104.9
92.8
119
62.8
127.5
102
97.8
74
123.4
79.5
99.2
121
209.3
126.6
49
80
95.5
87.4
122.7
76

Diurutkan
Tahun
Xi
2000
209.30
1987
138.50
1992
127.50
2001
126.60
1996
123.40
2006
122.70
1999
121.00
1990
119.00
1988
104.90
1993
102.00
1998
99.20
1994
97.80
2004
95.50
1986
95.20
1989
92.80
2005
87.40
2003
80.00
1997
79.50
2007
76.00
1995
74.00
1991
62.80
2002
49.00

Hujan tahunan dalam bentuk grafik ditunjukkan pada Gambar 3.1 sedangkan
berdasarkan tahun data hujan tersedia (1986 – 2007) maka dilakukan analisa tahun
basah dan tahun kering sebagaimana Gambar 3.2.

Tabel 3.3. Hujan Tahunan Sta. Malikussaleh
No.

Tahun

1
2
3
4
5
6
7
8
9
10
11
12

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

13
14
15
16
17
18
19
20
21
22

Xi (mm)
1374.20
1535.90
1853.50
1896.48
1404.90
1331.50
1710.00
1627.90
1623.80
1460.40
1567.40
1401.30
1391.00
1758.60
2008.80
1743.90
868.20
1387.40
1198.50
1566.10
1068.00
1405.10

Diurutkan
Tahun
Xi
2000
2008.80
1989
1896.48
1988
1853.50
1999
1758.60
2001
1743.90
1992
1710.00
1993
1627.90
1994
1623.80
1996
1567.40
2005
1566.10
1987
1535.90
1995
1460.40
2007
1405.10
1990
1404.90
1997
1401.30
1998
1391.00
2003
1387.40
1986
1374.20
1991
1331.50
2004
1198.50
2006
1068.00
2002
868.20

HistogramHujanTahunanPos M
alikussaleh

2000

1500

1000

2006

2004

2002

1998

2000

Tahun

1996

1994

1992

1990

0

1988

500

1986

Hujan Tahunan (mm)

2500

Gambar 3.1. Histogram Hujan Tahunan Lokasi Studi
Deret Berkala Data Hujan Malikussaleh 1986-2007

2200

2000

Hujan (mm)

1800

1600
R (mm)
Rata-rata
1400

1200

1000

800
1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

2007

2009

Tahun

Gambar 3.2. Kurva Hujan Tahunan Lokasi Studi
Jika melihat kurva hujan tahunan pada lokasi studi sebagaimana Gambar 3.2,
maka periode tahun basah (berada di atas nilai rata-rata = 1.508 mm) terjadi pada
tahun 1987,1988, 1989, 1992, 1993, 1994,1996, 1998, 1999, 2000 dan 2005,
sedangkan periode sisanya merupakan tahun kering. Proporsi perbandingan jumlah
tahun basah dan tahun kering adalah 50% : 50%. Kondisi curah hujan 5 tahun
terakhir menunjukkan bahwa peluang terjadinya tahun kering lebih besar
dibandingkan kejadian tahun basah. Mengenai kondisi data hujan pada 5 tahun
terakhir apakah mencerminkan adanya pola (trend) atau tidak terdapat trend
terhadap keseluruhan data yang tersedia maka dilakukan pembahasan secara detail
pada Sub Bab 3.3.

III.1.2. Data Karakteristik DAS
Karakteristik DAS yang dibutuhkan dalam analisis hidrologi adalah :
1)
karakteristik topografi DAS yaitu bentuk dan
ukuran DAS, kemiringan lereng, dari peta topografi/rupa bumi skala 1 : 50.000.
2)
karakteristik geologi dan tanah DAS meliputi :

jenis batuan

penyebaran jenis batuan dan luas batuan

sifat fisik batuan

keseragaman dari jenis batuan

tekstur dan struktur tanah
3)
karakteristik tata guna lahan, yaitu luas dan jenis
tata guna tanah yang sangat berpengaruh terhadap koefisien aliran, kapasitas
infiltrasi.
ANALISA DATA
Persyaratan data hujan dalam perhitungan ini meliputi ketersediaan dan kualitas datanya.
long record data sebaiknya lebih dari 20 tahun. Data hujan tersebut harus consistent,
ketiadaan trend, stationary dan persistensi sebelum digunakan untuk analisis frekuensi atau
untuk suatu simulasi hidrologi. Sebelum data hujan digunakan dalam analisis hidrologi,
terlebih dahulu dilakukan analisa statistik terhadap data hujan. Analisa statistik yang
digunakan untuk memastikan bahwa data hujan tersebut layak digunakan untuk analisa
selanjutnya meliputi :
a. Uji konsistensi (consistency test)
b. Uji ketiadaan trend
c. Uji stasioner
d. Uji persistensi

Pengamatan
atau
Pengukuran

Data
ditolak

Pengiriman data
Informasi
terkait

Collecting Data

tidak
Pemilahan

Melengkapi
data

Uji
Konsistensi
ya

Koreksi
data

Data Benar
siap pakai
informasi

Gambar 3.3. Diagram Alir Tahap Pengujian Data
III.1.3. Uji Konsistensi
Satu data hujan untuk stasiun tertentu, dimungkinkan sifatnya tidak konsisten
(inconsistent). Data semacam ini tidak dapat langsung dianalisa. Jadi sebelum data
hidrologi tersebut ‘siap pakai’ atau sebagai bahan informasi lebih lanjut, harus
dilakukan pengujian terhadap konsistensinya. Metode-metode banyak tersedia
antara lain :
a). Kurva massa ganda (double mass curve)
b). Statistik antara lain : Von Neumann Ratio, Cummulative Deviation, Rescaled
Adjusted Partial Sums, Weighted Adjusted Partial Sums.
Metode-metode pengujian konsistensi data hidrologi, diantaranya adalah analisis :
a. Kurva massa ganda (double mass curve), kurva massa ganda dapat
diinterprestasikan sebagai berikut : (i) apabila data stasiun yang diuji konsisten,
maka garis yang terbentuk merupakan garis lurus dengan kemiringan (slope)
yang tidak berubah, (ii) apabila garis tersebut menunjukkan perubahan
kemiringan, berarti telah terjadi perubahan sifat data hidrologi (tidak konsisten).

a. Data konsisten

b. Data tidak konsisten

Gambar 3.4 Deskripsi Data Konsisten dan Tidak Konsisten
Cara dengan kurva massa ganda ini masih mengundang pertanyaan karena
pengujian dilakukan atas data satu stasiun terhadap beberapa stasiun disekitarnya.
Jika semua stasiun harus diuji, maka stasiun yang semula diuji yang kemungkinan
tidak konsisten, pada gilirannya akan menjadi stasiun acuan.
b. Statistik
Beberapa metode yang menggunakan pendekatan statistik antara lain : ‘Von
Neumann Ratio’, ‘Cummulative Deviation’, ‘Rescaled Adjusted Partial Sums’,
‘Weighted Adjusted Partial Sums’. Buishand (1982) menjelaskan cara-cara
pengujian Rescaled Adjusted Partial Sums (RAPS) sebagai berikut :
Metode ini ditunjukkan dengan nilai komulatif penyimpangannya terhadap nilai
rata-rata dengan persamaan berikut :
S 0* = 0 : S k* = ∑ (Yi − Y ) , dengan k =1, 2, 3,…n.
k

(3-1)

i =1

*
memperhatikan persamaan (3-1), maka jika ∆ < 0, maka nilai S k akan bernilai
*
positif sedangkan untuk ∆ > 0 nilai S k akan bernilai negatif.
*
Dengan membagi S k dengan standart deviasi, diperoleh apa yang disebut
‘Rescaled Adjusted Partial Sums’ (RAPS).
S k*
**
(3-2)
Sk =
S
dimana S adalah standar deviasi. Statistik yang digunakan sebagai alat penguji
konsistensi adalah :

Q = max S k**

(3-3)

0≤ k ≤ n

atau nilai range
R = max S k** − min S k**
0≤ k ≤ n

0≤ k ≤ n

(3-4)

Tabel 3.4. Nilai Kritis Q dan R
Q
R
n
n

N

10
20
30
40
50
100

90%
1.05
1.10
1.12
1.13
1.14
1.17
1.22

95%
1.14
1.22
1.24
1.26
1.27
1.29
1.36

99%
1.29
1.42
1.46
1.50
1.52
1.55
1.63

90%
1.21
1.34
1.40
1.42
1.44
1.50
1.62

95%
1.28
1.43
1.50
1.53
1.55
1.62
1.75

99%
1.38
1.60
1.70
1.74
1.78
1.86
2.00

Dengan melihat nilai statistik diatas maka dapat dicari nilai

Q
n

hitung dan

R
n

hitung. Hasil yang didapat dibandingkan dengan nilai ijin, apabila lebih kecil untuk
tingkat kepercayaan tertentu maka data masih dalam batasan konsisten. Uji
konsistensi metode RAPS pada lokasi studi ditampilkan pada Tabel 3.5.
Tabel 3.5. Perhitungan Uji Konsistensi Lokasi Studi
Tahun
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
Jumlah
Rata-rata
n
S

Xi
1374.20
1535.90
1853.50
1896.48
1404.90
1331.50
1710.00
1627.90
1623.80
1460.40
1567.40
1401.30
1391.00
1758.60
2008.80
1743.90
868.20
1387.40
1198.50
1566.10
1068.00
1405.10
33,182.88
1,508.31
22.00
269.63

Sk*
-134.11
27.59
345.19
388.17
-103.41
-176.81
201.69
119.59
115.49
-47.91
59.09
-107.01
-117.31
250.29
500.49
235.59
-640.11
-120.91
-309.81
57.79
-440.31
-103.21
Sk** min
Sk** maks
R
Q

Sk**
-0.50
0.10
1.28
1.44
-0.38
-0.66
0.75
0.44
0.43
-0.18
0.22
-0.40
-0.44
0.93
1.86
0.87
-2.37
-0.45
-1.15
0.21
-1.63
-0.38

| Sk** |
0.50
0.10
1.28
1.44
0.38
0.66
0.75
0.44
0.43
0.18
0.22
0.40
0.44
0.93
1.86
0.87
2.37
0.45
1.15
0.21
1.63
0.38

-0.66
1.44
2.10
1.44

Dari hasil analisa sebagaimana Tabel 3.5 di atas, diketahui bahwa nilai Q = 1,44
dan nilai R = 2,10. Maka nilai

Q
n

R

hitung = 0,31 dan

n

hitung = 0,45; dimana n

adalah jumlah data. Untuk level of significant (tingkat kepercayaan) 95% dengan
melihat Tabel 3.4, maka nilai

Q
n

kritis = 1,22 dan

nilai-nilai tersebut diatas maka untuk kriteria
>

R
n

Q
n

R
n

kritis = 1,44. Berdasarkan

kritis >

Q
n

hitung dan

R
n

kritis

hitung, dapat disimpulkan bahwa data hujan yang tersedia pada lokasi studi

yang tercatat pada stasiun Malikussaleh tahun data 1986-2007 adalah konsisten.

III.1.4. Uji Ketiadaan Trend
Deret berkala yang nilainya menunjukkan gerakan yang berjangka panjang dan
mempunyai kecendrungan menuju ke satu arah, arah naik atau turun disebut dengan
pola atau trend. Umumnya meliputi gerakan yang lamanya lebih dari 10 tahun.
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 merupakan gerakan tidak teratur dari suatu trend.
Apabila dalam deret berkala menunjukkan adanya trend maka datanya tidak
disarankan untuk digunakan untuk beberapa analisis hidrologi, misalnya analisis
peluang dan simulasi.
Untuk deret berkala yang menunjukkan adanya trend maka analisis hidrologi harus
mengikuti garis trend yang dihasilkan, misal analisa regresi dan moving average
(rata-rata bergerak). Analisa trend sendiri sebenarnya dapat digunakan untuk
menentukan ada atau tidaknya perubahan dari variable hidrologi akibat pengaruh
manusia atau faktor alam.
Beberapa metode statistik yang dapat digunakan untuk menguji ketiadaan trend
dalam deret berkala antara lain :
Spearman
Mann and Whitney
Cox and Stuart
Dalam ”Feasibility Study (FS) Waduk Krueng Keureuto, Waduk Krueng
Peuto dan Waduk Krueng Sawang di Kabupaten Aceh Utara” metode yang
digunakan adalah metode Spearman. Karena metode Spearman dapat bekerja untuk
satu jenis variabel hidrologi saja, dimana dalam hal ini adalah hujan tahunan.
Metode Spearman menggunakan sistem koefisien korelasi peringkat sebagai
berikut :
n

KP = 1 −

6∑ ( dt )
i =1
3

n −n

2

(3-5)

1

 n−2 2
t = KP 
2 
1 − KP 
dimana :
KP
n
dt
Tt
Rt
t

=
=
=
=
=
=

(3-6)

koefisien korelasi peringkat Spearman
jumlah data
selisih Rt dangan Tt
peringkat dari waktu
peringkat dari variabel hidrologi dalam deret berkala.
nilai hitung uji t

Tabel 3.6. Perhitungan Koefisien Korelasi Peringkat Metode Spearman
No.

Tahun

1
2
3
4
5
6
7
8
9
10
11
12

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

13
14
15
16
17
18
19
20
21
22

Xi
1374.20
1535.90
1853.50
1896.48
1404.90
1331.50
1710.00
1627.90
1623.80
1460.40
1567.40
1401.30
1391.00
1758.60
2008.80
1743.90
868.20
1387.40
1198.50
1566.10
1068.00
1405.10

Jumlah
n
KP
t

Hipotesa :
H0 : tidak terdapat trend data
H1 ≠ H0 : terdapat trend data
dk = n – 2 = 22 – 2 = 20

Peringkat, Tt
Peringkat
Tahun
Xi
Rt
2000
2008.80
15
1989
1896.48
4
1988
1853.50
3
1999
1758.60
14
2001
1743.90
16
1992
1710.00
7
1993
1627.90
8
1994
1623.80
9
1996
1567.40
11
2005
1566.10
20
1987
1535.90
2
1995
1460.40
10
2007
1405.10
22
1990
1404.90
5
1997
1401.30
12
1998
1391.00
13
2003
1387.40
18
1986
1374.20
1
1991
1331.50
6
2004
1198.50
19
2006
1068.00
21
2002
868.20
17

dt

dt 2

14.00
2.00
0.00
10.00
11.00
1.00
1.00
1.00
2.00
10.00
-9.00
-2.00

196.00
4.00
0.00
100.00
121.00
1.00
1.00
1.00
4.00
100.00
81.00
4.00

9.00

81.00

-9.00
-3.00

81.00
9.00

-3.00

9.00

1.00
-17.00
-13.00
-1.00
0.00
-5.00

1.00
289.00
169.00
1.00
0.00
25.00
1278.00
22.00
0.28
1.30

Berdasarkan persamaan (3-5) dan persamaan (3-6) maka nilai KP dan uji-t, dapat
dilihat pada Tabel 3.6, dimana diperoleh nilai KP = 0,28 sehingga nilai t hitung =
1,30. Untuk uji 2 sisi dengan level of significant 5% (masing-masing sisi menjadi
2,5%) dan derajat bebas (dk) = 20, maka berdasarkan Tabel 3.7 diperoleh nilai tc
kritis (t0,975) = 2,083. Dari hasil perhitungan menunjukkan bahwa tc kritis (2,083) >
t hitung (1,30). Untuk kondisi t kritis > t hitung maka hipotesa H0 diterima Dengan
demikian dapat disimpulkan bahwa data hujan periode tahun 1986 – 2007 yang
tercatat pada Stasiun Malikussaleh tidak terdapat trend, sehingga data hujan yang
tersedia dapat digunakan untuk analisa peluang dan simulasi.

Tabel 3.7. Nilai tc untuk Distribusi Dua Sisi

1
2
3
4
5

10.0%
3.070
1.886
1.638
1.533
1.476

derajat kepercayaan, α
5.0%
2.5%
1.0%
6.314
12.706
31.821
2.920
4.303
6.965
2.353
3.182
4.541
2.132
2.776
3.747
2.015
2.571
3.365

0.5%
63.657
9.925
5.841
4.604
4.032

6
7
8
9
10

1.440
1.415
1.397
1.383
1.372

1.943
1.895
1.860
1.833
1.812

2.447
2.365
2.306
2.262
2.228

3.143
2.998
2.896
2.821
2.764

3.707
3.499
3.355
3.250
3.169

11
12
13
14
15

1.363
1.356
1.350
1.345
1.341

1.796
1.782
1.771
1.761
1.753

2.201
2.179
2.160
2.145
2.131

2.718
2.681
2.650
2.624
2.602

3.106
3.055
3.012
2.977
2.947

16
17
18
19
20

1.337
1.333
1.330
1.328
1.325

1.746
1.740
1.734
1.729
1.725

2.120
2.110
2.101
2.093
2.083

2.583
2.567
2.552
2.539
2.528

2.921
2.898
2.878
2.861
2.845

21
22
23
24
25

1.323
1.321
1.319
1.318
1.316

1.721
1.717
1.714
1.711
1.708

2.080
2.074
2.069
2.064
2.060

2.518
2.508
2.500
2.492
2.485

2.831
2.819
2.807
2.797
2.787

26
27
28
29
inf.

1.315
1.314
1.313
1.311
1.282

1.706
1.703
1.701
1.699
1.645

2.056
2.052
2.048
2.045
1.960

2.479
2.473
2.467
2.462
2.326

2.779
2.771
2.763
2.756
2.576

dk

III.1.5. Uji Stasioner
Deret berkala umumnya dibedakan menjadi dua tipe yaitu : a). Stasioner dan b).
Tidak Stasioner.
Deret berkala disebut stasioner apabila nilai dari parameter statistiknya (rata-rata
dan varian) relatif tidak berubah dari bagian periode/runtun waktu yang ada. Jika
ditemukan salah satu parameter statistiknya berubah dari bagian periode/runtun
waktu yang ada maka deret berkala tersebut disebut tidak stasioner. Deret berkala
tidak stasioner menunjukkan bahwa datanya tidak homogen/tidak sama jenis.

Apabila data deret berkala tidak menunjukkan adanya trend, maka dilanjutkan uji
Stasioner dengan tujuan menguji kestabilan nilai varian dan rata-rata dari deret
berkala.
Pengujian nilai varian dari deret berkala dapat dilakukan dengan uji-F (Fisher test)
dengan bentuk persamaan :
F=

N 1 . S12 ( N 2 −1)
N 2 . S 22 ( N 1 −1)

dimana :
F
=
N1 =
N2 =
S1 =
S2 =

(3-7)

nilai hitung uji F
jumlah data kelompok 1
jumlah data kelompok 2
standar deviasi data kelompok 1
standar deviasi data kelompok 2

dengan derajat bebas (dk) :
dk1 = N1 – 1
dk2 = N2 - 1
Hipotesa nol untuk parameter statistik data adalah stasioner, sebaliknya hipotesa
tidak sama dengan satu untuk parameter statistik data tidak stasioner. Untuk hasil
pengujian hipotesa nol ditolak, berarti nilai varian tidak stabil atau tidak homogen.
Deret berkala yang nilai variannya tidak homogen berarti deret berkala tidak
stasioner dan tidak perlu melakukan pengujian lanjutan.
Sedangkan stabilitas nila rata-rata data deret berkala diuji dengan uji-t (student test)
dengan persamaan sebagai berikut :
t=

X1−X 2
1

(3-8)

 1
1 2

σ  +
 N1 N 2 
 N S 2 + N 2 S 22
σ =  1 1
 N1 + N 2 − 2

1

2


dimana :
t
= nilai hitung uji t
N1 = jumlah data kelompok 1
N2 = jumlah data kelompok 2
X1

= nilai rata-rata data kelompok 1

X 2 = nilai rata-rata data kelompok 2
S1 = Standar Deviasi data kelompok 1

(3-9)

S2

= Standar Deviasi data kelompok 2

Dengan derajat bebas dk = N1 + N2 – 2
Dalam uji stasioner ini data dibagi menjadi dua kelompok, sehingga data hujan
pada lokasi studi dibagi menjadi Kelompok I untuk periode hujan tahunan 19861996 dan Kelompok II untuk periode 1997-2007, lebih jelas dapat dilihat pada
Tabel 3.8.
Tabel 3.8. Kelompok Data Hujan Tahunan Uji Stasioner
No.
1
2
3
4
5
6
7
8
9
10
11

Kelompok I
Tahun
Xi
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996

No.

Kelompok II
Tahun
Xi

1374.20
1535.90
1853.50
1896.48
1404.90
1331.50
1710.00
1627.90
1623.80
1460.40
1567.40

12
13
14
15
16
17
18
19
20
21
22

N1

11.00

N2

11.00

X1

1580.54
186.3451

X2

1436.08
326.2931

S1
dk 1

10.00

1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

S2
dk 2

1401.30
1391.00
1758.60
2008.80
1743.90
868.20
1387.40
1198.50
1566.10
1068.00
1405.10

10.00

Uji Kestabilan Varian
Menggunakan persamaan (3-7) diperoleh Fhitung = 0,326; sedangkan nilai Fkritis =
2,980 (lihat Tabel 3.9) maka Fkritis > Fhitung. Sehingga disimpulkan bahwa data hujan
pada lokasi studi berdasarkan uji kestabilan varian adalah stasioner atau homogen.
Tabel 3.9. Nilai F kritis Untuk Level of Significant 5%
dk2
10
11
12
13
14

10
2.98
2.85
2.75
2.67
2.60

Uji Kestabilan Rata-rata

12
2.91
2.79
2.69
2.60
2.53

dk1
15
2.85
2.72
2.62
2.53
2.46

20
2.77
2.65
2.54
2.46
2.39

24
2.74
2.61
2.51
2.42
2.35

Menggunakan persamaan (3-8) dan persamaan (3-9) diperoleh σ = 278,667
sehingga nilai thitung = 1,216. Sedangkan nilai tkritis berdasarkan Tabel 3.7 untuk dk =
20 dan uji 2 arah diperoleh nilai 2,083 sehingga tkritis > thitung. Sehingga disimpulkan
bahwa data hujan adalah stasioner.
III.1.6. Uji Persistensi
Anggapan bahwa data berasal dari sampel acak (random) haruslah diuji, yang
umumnya merupakan persyaratan dalam analisis distribusi peluang. Persistensi
(persistence) adalah ketidaktergantungan dari setiap nilai dalam seret berkala.
Untuk melaksanakan pengujian persistensi harus dihitung besarnya koefisien
korelasi serial. Salah satu metode untuk menentukan koefisien korelasi serial adalah
metode Spearman.
Koefisien korelasi serial metode Spearman dapat dirumuskan sebagai berikut :
n

KS =1 −

6∑ ( di )

2

(3-10)

i =1
3

m −m
1

 m−2 2
t = KS 
2 
1 − KS 

(3-11)

dimana :
KS = koefisien korelasi serial Spearman
m = jumlah data
di = selisih antara peringkat ke Xi dang Xi-1
t
= nilai hitung uji t
Dengan derajat bebas dk = m – 2
Tabel 3.10 menunjukkan koefisien korelasi serial data hujan tahunan lokasi studi.
Dengan menggunakan persamaan (3-10) diperoleh nilai KS = -0,178 dan dengan
persamaan (3-11) diperoleh nilai thitung = -0,788. Dengan uji 2 arah dan dk = 20
maka berdasarkan Tabel 3.7 diperoleh nilai tkritis = 2,093.
Dari hasil analisa uji persistensi dimana nilai tkritis > thitung maka dapat disimpulkan
bahwa data hujan yang tersedia adalah persisten.
Berdasarkan dari keseluruhan analisa statistik yang telah diuraikan secara detail
yaitu meliputi : uji konsistensi, uji ketiadaan trend, uji stasioner dan uji persistensi,
maka secara teoritis dapat disimpulkan bahwa data hujan periode 1986 – 2007 hasil
pencatatan stasiun Malikussaleh layak dan valid untuk digunakan dalam analisa
hidrologi meliputi analisa peluang dan simulasi.

Tabel 3.10. Koefisien Korelasi Serial
Xi

Peringkat
Rt

No.

Tahun

1
2
3
4
5
6
7
8
9
10
11
12

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997

1374.20
1535.90
1853.50
1896.48
1404.90
1331.50
1710.00
1627.90
1623.80
1460.40
1567.40
1401.30

15
4
3
14
16
7
8
9
11
20
2
10

13

1998

1391.00

14
15

1999
2000

1758.60
2008.80

16

2001

17
18
19
20
21
22

2002
2003
2004
2005
2006
2007

di 2

di
-11
-1
11
2
-9
1
1
2
9
-18
8

121
1
121
4
81
1
1
4
81
324
64

22

12

144

5
12

-17
7

289
49

1743.90

13

1

1

868.20
1387.40
1198.50
1566.10
1068.00
1405.10

18
1
6
19
21
17

5
-17
5
13
2
-4

25
289
25
169
4
16

Jumlah

1814

CURAH HUJAN RENCANA
Besarnya curah hujan rencana dihitung dengan analisis probabilitas frekuensi curah hujan.
Beberapa metoda tersedia yang akan disesuaikan dengan distribusi datanya, antara lain : a).
Metoda E.J. Gumbel dan b) Metoda Log Pearson III
a. Analisis Distribusi Frekuensi EJ. Gumbel
Persamaan metode E.J. Gumbell adalah sebagai berikut :
X = X + K .S
T

d

dimana :
XT = Variate yang diekstrapolasikan yaitu besarnya curah hujan rancangan untuk
periode ulang tertentu.
X = Harga rerata curah hujan

n

∑ Xi

i =1

X=

n
n

∑ ( X i - X)

2

i=l

Sd =

n -1

dimana :
Sd
X
Xi
N
K

=
=
=
=
=

standar deviasi
nilai rata-rata
nilai varian ke i
jumlah data
faktor frekuensi yang merupakan fungsi dari periode ulang (return period) dan
tipe distribusi frekuensi.

Untuk menghitung faktor frekuensi E.J. Gumbel Type I digunakan rumus :
K=

YT − Yn
Sn

dimana :
YT =
=
Yn =
Sn =

Reduced variate sebagai fungsi periode ulang T
- Ln [ - Ln (T - 1)/T]
Reduced mean sebagai fungsi dari banyaknya data n
Reduced standard deviasi sebagai fungsi dari banyaknya

Dengan mensubstitusikan ketiga persamaan diatas diperoleh :
XT = X +

Sx
Sn

Jika :
1 Sx
=
a Sn
b=X−

Sx
.Yn
Sn

.(YT − Yn )

Persamaan diatas menjadi :
1
XT = b + .YT
a
Koefisien Skewness :
n
n
∑ (Xi - X) 3
(n - 1) (n - 2) i = l

Cs =

Sd 3

dimana :
Cs = koefisien skewness
X
Xi
n

= nilai rata-rata
= nilai varian ke i
= jumlah data

Koefisien Kurtosis :
n2
Ck =

n

∑ ( Xi - X )

4

i=l

(n - 1) (n - 2) (n - 3) Sd 4

dimana :
Ck
X
Xi
N

=
=
=
=

koefisien kurtosis
nilai rata-rata
nilai varian ke i
jumlah data

b. Analisis Distribusi frekuensi Log Pearson Type III
Persamaan yang digunakan adalah :
Nilai rerata :
Σ log x
n
Standard Deviasi :
Log x =

∑ ( Log x
n

Sd =

i

- Log x

i=l

dimana :

n -1

)

2

x
= curah hujan (mm)
Log x = rerata Log x
K
= faktor frekuensi
c. Analisis Distribusi frekuensi Iwai - Kadoya

ε =c. log

x+b
.
xo + b

dengan

ε = faktor frekuensi
c = faktor Iwai Kadoya
log (xo + b ) adalah harga rata-rata dari log (xi + b) dengan ( i = 1, 2, … n ) dan
dinyatakan dengan (Xo, b, c dan xo) diperkirakan dari rumus-rumus sebagai berikut :
Harga perkiraan pertama dari xo
Log xo = 1/n ∑ log xi
b = 1/m ∑ bi ; m = n/10
xs.xt − xo 2
.
2 xo - (xs + xt)
Xo = log (xo +b)
= 1/n ∑ log (xi + b)

bi =

1/c = c. 2 /( n − 1)∑ log (

xi + b
)^ 2.
xo + b

=. 2n /( n − 1). x 2 − xo2
Dimana :
Xs = harga pengamatan dengan nomor urut (m) dari yang terbesar
Xt = harga pengamatan dengan nomor urut (m) dari yang terkecil
n = banyaknya data
d. Pemilihan Jenis Sebaran
Penentuan jenis sebaran diperlukan untuk mengetahui suatu rangkaian data cocok
untuk suatu sebaran tertentu dan tidak cocok untuk sebaran lain. Untuk mengetahui
kecocokan terhadap suatu jenis sebaran tertentu, perlu dikaji terlebih dahulu ketentuanketentuan yang ada, yaitu :

 Hitung parameter-parameter statistik Cs dan Ck, untuk menentukan macam
analisis frekuensi yang dipakai.
 Koefisien kepencengan/skewness (Cs) dihitung dengan persamaan :
Cs =

(

)

n. ∑ X − X 3
( n − 1) ( n − 2 ) . S3

Koefisien kepuncakan/curtosis (Ck) dihitung dengan persamaan :

Ck =

(

)

n2 . ∑ X − X 4
( n − 1) ( n − 2 ) ( n − 3 ) . S4

dimana :
n = jumlah data
X = rerata data hujan (mm)
S = simpangan baku (standar deviasi)
X = data hujan (mm)
Bila Cs > 1.0 : Sebaran mendekati sebaran Gumbel
Bila Cs < 1.0 : Sebaran mendekati sifat-sifat sebaran Log Normal atau Log
Pearson III
Bila Cs = 1.0 : Sebaran mendekati sebaran Normal

Tabel 3.11. Pemilihan Jenis Sebaran
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

Tahun
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

Jumlah
Rerata x
S
n

=
=
=

Xi
95.2
138.5
104.9
92.8
119.0
62.8
127.5
102.0
97.8
74.0
123.4
79.5
99.2
121.0
209.3
126.6
49.0
80.0
95.5
87.4
122.7
76.0

(Xi - Xrt)2
74.35
1,202.51
1.16
121.50
230.35
1,682.86
560.61
3.32
36.27
889.40
383.27
591.60
21.37
295.06
11,125.46
518.80
3,005.53
567.52
69.27
269.71
356.35
774.10

(Xi - Xrt)
-8.6
34.7
1.1
-11.0
15.2
-41.0
23.7
-1.8
-6.0
-29.8
19.6
-24.3
-4.6
17.2
105.5
22.8
-54.8
-23.8
-8.3
-16.4
18.9
-27.8

2284
103.82
32.94
22.00

0

(Xi - Xrt)3
-641.11
41,699.88
1.25
-1,339.27
3,496.08
-69,035.68
13,273.79
-6.06
-218.46
-26,524.19
7,503.37
-14,389.21
-98.79
5,068.30
1,173,482.66
11,816.94
-164,771.43
-13,519.93
-576.50
-4,429.31
6,726.94
-21,537.69

22780
Cs =
Ck =
Cv =

(Xi - Xrt)4
5,528.13
1,446,038.10
1.35
14,762.38
53,060.94
2,832,031.76
314,287.21
11.04
1,315.75
791,023.58
146,895.59
349,984.72
456.66
87,059.64
123,775,750.34
269,157.75
9,033,219.15
322,081.60
4,798.03
72,741.31
126,986.34
599,237.24

945982
1.39
7.23
0.32

140246429

Tabel 3.12. Syarat Pengujian Agihan Data Dalam Analisis Frekuensi
Distribusi Normal
- 0.05 < Cs < 0.05
2.7 < Ck < 3.3

Distribusi Gumbel
Cs > 1.1395
Ck > 5.4

Distribusi Log Pearson

Distribusi IWAI

- 0.05 < Cs < 0.05
tidak memenuhi

1.3869>1,1395
memenuhi

tidak ada batasan

tidak ada batasan

2.7 < Ck < 3.3
tidak memenuhi

7.2285>5,4
memenuhi

tidak ada batasan

tidak ada batasan

UJI KESESUAIAN DISTRIBUSI
Selanjutnya setelah ditetapkan distribusi yang sesuai yang dipakai, kemudian harus
dilakukan uji kesesuaian distribusi yang dimaksudkan untuk mengetahui kebenaran analisa
curah hujan baik terhadap simpangan data vertikal ataupun simpangan data horisontal.
Untuk menguji apakah pemilihan distribusi yang digunakan dalam perhitungan curah hujan
rencana diterima atau ditolak, maka perlu dilakukan uji kesesuaian distribusi. Uji ini
dilakukan secara vertikal dengan metode Chi Square dan secara horisontal dengan metode
Smirnov Kolmogorof.
1)

2

Chi-Kuadrat ( χ – test)
Uji ini mengkaji ukuran perbedaan yang terdapat di antara frekuensi yang diobservasi
dengan yang diharapkan dan digunakan untuk menguji simpangan secara vertikal,
yang ditentukan dengan persamaan :
χ2

k

hitung = ∑

( (O

j=1

j

− Ej ) 2

)

Ej

dimana :
χ 2 hitung= uji statistik
Ej
= frekuensi pengamatan (observed frequency)
Oj
= frekuensi teoritis kelas j (expected frequency)
Langkah-langkah dalam memakai jenis uji ini adalah sebagai berikut :
 Mengurutkan data curah hujan harian maksimum dari nilai terkecil ke terbesar.
1. Memplot harga curah hujan harian maksimum Xt dengan harga probabilitas
Weibull :
Sn ( x) =

n
. 100%
N+1

dimana:
Sn (x) = probabilitas (%)
n
= nomer urut data dari seri yang telah diurutkan
N
= jumlah total data
2.

Tarik garis dengan bantuan titik curah hujan rancangan yang mempunyai
periode ulang tertentu pada kertas semi-log probabilitas vs curah hujan
3. Hitung harga frekuensi teoritis dari kertas semi-log
2
4. Hitung nilai χ hitung dengan persamaan diatas
5.

Hitung harga χ2 cr dengan menentukan taraf signifikan α = 5 % dan dengan
derajat kebebasan yang dihitung dengan persamaan :
υ = n − (m + 1)

dimana :

υ = derajat kebebasan
n = jumlah data
m = jumlah parameter untuk χ 2 hitung
6. Dengan nilai υ dan nilai tingkat kepercayaan/ significant level α maka
didapatkan nilai χ2cr yang akan dibandingkan dengan nilai χ2hitung. Data akan
diterima jika dari uji nilai χ2hitung < χ2cr.
2) Uji Smirnov-Kolmogorov
Uji kesesuaian ini digunakan untuk menguji simpangan secara horisontal. Uji ini
dilakukan dengan tahapan sebagai berikut :
Mengurutkan data hujan harian maksimum dari nilai terkecil ke terbesar
Memplot harga curah hujan harian maksimum Xt dengan harga probabilitas, Sn(x)
seperti pada persamaan diatas
3. Pengujian terhadap kesesuaian data dengan menggunakan tabel yang tersedia
dengan parameter banyaknya data (n), tingkat kepercayaan atau level of
significant (α), dan ∆cr
4. Hitung nilai selisih maksimum antara distribusi teoritis dan distribusi empiris
dengan persamaan :
1.
2.

∆ maks =

Px( x) - Sn ( x)

dimana :
∆ maks = selisih antara probabilitas empiris dan teoritis
Sx(x) = peluang empiris
Px(x) = peluang teoritis
5.

Membandingkan nilai ∆cr dan ∆maks dengan ketentuan apabila :
∆cr > ∆ maks
maka distribusi tidak diterima
∆cr < ∆ maks
maka distribusi diterima

Hasil Analisa Curah Hujan hingga pengujian kesesuaian Distribusi untuk data hujan
Stasiun Lhokseumawe disajikan dalam Tabel 3.13 hingga Tabel 3.25.

Tabel 3.13. Analisa Hujan Rancangan menggunakan Distribusi Gumbel
[ X- X

No.

TAHUN

X

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005

95.20
138.50
104.90
92.80
119.00
62.80
127.50
102.00
97.80
74.00
123.40
79.50
99.20
121.00
209.30
126.60
49.00
80.00
95.50
87.40

21
22

2006
2007

=
=
=
=
=

rt

]

2

[ X- X

rt

]

3

[ X- X

rt

]

4

( mm)

Jumlah
Rerata x
Maksimum
Minimum
Deviasi

122.70
76.00

74.35
1202.51
1.16
121.50
230.35
1682.86
560.61
3.32
36.27
889.40
383.27
591.60
21.37
295.06
11125.46
518.80
3005.53
567.52
69.27
269.71
356.35
774.10

-641.11
41699.88
1.25
-1339.27
3496.08
-69035.68
13273.79
-6.06
-218.46
-26524.19
7503.37
-14389.21
-98.79
5068.30
1173482.66
11816.94
-164771.43
-13519.93
-576.50
-4429.31
6726.94
-21537.69

2284.10
103.82
209.30
49.00
32.94

22780.38
1035.47
11125.46
1.16
2356.93

945981.62

22.00

22.00
1.39
4.08

n
=
Koefisien Skewness (Cs) =
Koefisien Kurtosis (Ck) =

5528.13
1446038.10
1.35
14762.38
53060.94
2832031.76
314287.21
11.04
1315.75
791023.58
146895.59
349984.72
456.66
87059.64
123775750.34
269157.75
9033219.15
322081.60
4798.03
72741.31
126986.34
599237.24

140246428.59

Tabel 3.14. Curah Hujan Rancangan menurut Distribusi Gumbel
NO

1
2
3
4
5
6
7
8
9
Data
Sn
Yn
1/a
b
Xt
Yt

PERIODE

REDUCED

ULANG(T)
( tahun )

VARIATE
( Yt )
0.37
1.50

2
5
10
20
25
50
100
200
1000
=
=
=
=
=
=
=

22
1.070
0.526
30.78
87.63
b + 1/a * Yt
-ln (-ln (T-1)/T)

2.25
2.97
3.20
3.90
4.60
5.30
6.91

HARGA
EKSTRAPOLASI, (X
( mm)
98.91
133.80
156.90
179.06
186.09
207.74
229.23
250.64
300.25

t)

Tabel 3.15. Probabilitas Curah Hujan Rancangan Distribusi Gumbel
Probabilitas

Probabilitas

D

( mm )

Distribusi
Empiris, Pe
( % )

Distribusi
Teoritis, Pt
( % )

Pe-Pt
( % )

1
2

49.00
62.80

4.35
8.70

3.00
10.64

1.35
1.94

3
4
5
6
7
8
9

74.00
79.50
80.00
87.40
92.80
95.20
95.50

13.04
17.39
21.74
26.09
30.43
34.78
39.13

21.07
27.19
27.77
36.51
42.94
45.75
46.10

8.03
9.80
6.03
10.42
12.50
10.97
6.97

10
11
12
13

97.80
99.20
102.00
104.90

43.48
47.83
52.17
56.52

48.74
50.32
53.42
56.52

5.26
2.50
1.24
0.01

14
15
16
17
18
19
20
21
22

119.00
121.00
122.70
123.40
126.60
127.50
138.50
209.30
209.30

60.87
65.22
69.57
73.91
78.26
82.61
86.96
91.30
95.65

69.70
71.30
72.61
73.14
75.43
76.05
82.57
98.10
98.10

8.83
6.09
3.05
0.78
2.83
6.56
4.39
6.79
2.45

Delta Max (%)

12.502

NO

X

UJI SMIRNOV KOLMOGOROF
Data
Signifikansi (a , %)
D Kritis
D Maksimum
KESIMPULAN :

=
=
=
=
=

22
5.00
28.20
12.50
DITERIMA

Tabel 3.16. Uji Chi-Square Untuk Distribusi Gumbel
NO

PROBABILITY

Observed
Frequency
( Of )

Ef - Of

(Ef - Of)²

(P)

Expected
Frequency
( Ef )

1
2
3
4

0.00 < P <= 20.00
20.00 < P <= 40.00
40.00 < P <= 60.00
60.00 < P <= 80.00

4.40
4.40
4.40
4.40

2
4
7
6

2.40
0.40
2.60
1.60

5.76
0.16
6.76
2.56

5

80.00 < P <= 100.00

4.40

3

1.40

1.96

22.00

22

JUMLAH
Jumlah Kelas :
K
K

=
=

1 +
5

3,322 Log P

Derajat Bebas ( n ) =
Derajat Bebas ( n )
Siginifikan (a, %)
D kritis
Expected Frequency

K-h-1;h=2
=
2.00
=
5.00
=
5.99
=
4.40

D KRITIS

=

5.991

=
=

3.909
DITERIMA

2

X hitung
KESIMPULAN

17.20

Tabel 3.17. Analisa Hujan Rancangan menggunakan Distribusi Log Pearson III
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

Xi
(mm)
49.00
62.80
74.00
76.00
79.50
80.00
87.40
92.80
95.20
95.50
97.80
99.20
102.00
104.90
119.00
121.00
122.70
123.40
126.60
127.50
138.50
209.30

Log Xi
(mm)
1.6902
1.7980
1.8692
1.8808
1.9004
1.9031
1.9415
1.9675
1.9786
1.9800
1.9903
1.9965
2.0086
2.0208
2.0755
2.0828
2.0888
2.0913
2.1024
2.1055
2.1414
2.3208

Log Xi - Log X
(mm)
-0.3068
-0.1991
-0.1278
-0.1162
-0.0966
-0.0939
-0.0555
-0.0295
-0.0184
-0.0170
-0.0067
-0.0005
0.0116
0.0238
0.0785
0.0858
0.0918
0.0943
0.1054
0.1085
0.1444
0.3238

(Xi - X )2
(mm)2
0.0941
0.0396
0.0163
0.0135
0.0093
0.0088
0.0031
0.0009
0.0003
0.0003
0.0000
0.0000
0.0001
0.0006
0.0062
0.0074
0.0084
0.0089
0.0111
0.0118
0.0209
0.1048

(Xi - X )3
(mm)3
-0.0289
-0.0079
-0.0021
-0.0016
-0.0009
-0.0008
-0.0002
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0005
0.0006
0.0008
0.0008
0.0012
0.0013
0.0030
0.0339

(Xi - X )4
(mm)4
0.0089
0.0016
0.0003
0.0002
0.0001
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0001
0.0001
0.0001
0.0001
0.0004
0.0110

=
=
=
=

43.93
2.00
0.1321
-0.0050

0.00

0.37

0.00

0.02

S Log Xi
Log X rata-rata
Sd
Cs

Tabel 3.18. Curah Hujan Rancangan menurut Distribusi Log Pearson Tipe III
Kala Ulang
(tahun)
2
5
10
20
25
50
100
200
1000

P
(%)
50
20
10
5
4
2
1
0.5
0.1

Log Xi

S

G

G.S

Log Xt

1.997
1.997
1.997
1.997
1.997
1.997
1.997
1.997
1.997

0.1321
0.1321
0.1321
0.1321
0.1321
0.1321
0.1321
0.1321
0.1321

0.0009
0.8422
1.2814
1.5933
1.7492
2.0513
2.3223
2.5713
3.0830

0.0001
0.1113
0.1693
0.2105
0.2311
0.2710
0.3068
0.3397
0.4073

1.9971
2.1083
2.1663
2.2075
2.2281
2.2680
2.3038
2.3367
2.4043

Xt
(mm)
99.34
128.31
146.65
161.25
169.08
185.35
201.28
217.11
253.68

Tabel 3.19. Probabilitas Hujan Rancangan Distribusi Log Pearson Tipe III
Probabilitas
Distribusi

D

X

Probabilitas
Distribusi

( mm )

Empiris, Pe
( % )

Teoritis, Pt
( % )

Pe-Pt
( % )

1
2

49.00
62.80

4.35
8.70

1.04
6.92

3.31
1.78

3
4
5
6
7

74.00
76.00
79.50
80.00
87.40

13.04
17.39
21.74
26.09
30.43

17.15
19.14
23.92
24.66
35.01

4.11
1.75
2.18
1.43
4.58

8
9
10
11
12

92.80
95.20
95.50
97.80
99.20

34.78
39.13
43.48
47.83
52.17

42.03
45.02
45.39
48.17
49.84

7.25
5.89
1.91
0.35
2.34

13
14
15
16
17

102.00
104.90
119.00
121.00
122.70

56.52
60.87
65.22
69.57
73.91

53.10
56.38
71.17
73.12
74.76

3.42
4.49
5.95
3.56
0.84

18
19
20

123.40
126.60
127.50

78.26
82.61
86.96

75.42
78.42
79.26

2.84
4.18
7.70

21
22

138.50
209.30

91.30
95.65

85.72
99.26

5.59
3.61

Delta Max (%)

7.70

NO

Uji Smirnov Kolmogorof untuk distribusi Log Pearson Type III
Jumlah Data
Signifikan (%)
D Kritis (%)
D Maksimum (%)
Kesimpulan

=
=
=
=
=

22
5
28.2
7.70
DITERIMA

Tabel 3.20. Uji Chi-Square Untuk Distribusi Log Pearson Tipe III
NO

PROBABILITY

Expected

Observed

Ef - Of

(Ef - Of)²

(P)

Frequency
( Ef )

Frequency
( Of )

1
2
3

0.00 < P <= 20.00
20.00 < P <= 40.00
40.00 < P <= 60.00

4.40
4.40
4.40

4
3
7

0.400
1.400
2.600

0.160
1.960
6.760

4
5

60.00 < P <= 80.00
80.00 < P <= 100.00

4.40
4.40

6
2

1.600
2.400

2.560
5.760

JUMLAH

22.00

22.00

JUMLAH KELAS :
K
K
JUMLAH DATA
DERAJAT BEBAS ( n )
SIGNIFIKAN (a, %)
D KRITIS
EXPECTED FREQUENCY
X2 Kritis
X2 hitung
KESIMPULAN

=
=

1 + 3,322 Log n
5

=
=
=
=
=
=
=
=

22
2
5
5.991
4.40
5.991
3.909
DITERIMA

17.20

Tabel 3.21. Analisa Hujan Rancangan Metode Distribusi IWAI-Kadoya
No

Tahun

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

2000
1987
1992
2001
1996
2006
1999
1990
1988
1993
1998
1994
2004
1986
1989
2005
2003
1997
2007
1995
1991
2002

Curah Hujan
X
( mm )
209.30
138.50
127.50
126.60
123.40
122.70
121.00
119.00
104.90
102.00
99.20
97.80
95.50
95.20
92.80
87.40
80.00
79.50
76.00
74.00
62.80
49.00

Log X

2.3208
2.1414
2.1055
2.1024
2.0913
2.0888
2.0828
2.0755
2.0208
2.0086
1.9965
1.9903
1.9800
1.9786
1.9675
1.9415
1.9031
1.9004
1.8808
1.8692
1.7980
1.6902

Jumlah
Rerata
Maksimum
Minimum
Deviasi

Xi+b

log(xi+b)

[log(xi+b)]2

209.28
138.48
127.48
126.58
123.38
122.68
120.98
118.98
104.88
101.98
99.18
97.78
95.48
95.18
92.78
87.38
79.98
79.48
75.98
73.98
62.78
48.98

2.321
2.141
2.105
2.102
2.091
2.089
2.083
2.075
2.021
2.009
1.996
1.990
1.980
1.979
1.967
1.941
1.903
1.900
1.881
1.869
1.798
1.690

5.386
4.586
4.433
4.420
4.373
4.363
4.338
4.308
4.083
4.034
3.986
3.961
3.920
3.915
3.871
3.769
3.621
3.611
3.537
3.494
3.232
2.856

43.93
2.00
2.32
1.69
0.13

Data
m
Xo
2Xo
Xo2
1/c

=
=
=
=
=
=
Xo
209.30
138.50

No
1
2

43.93
2.00
2.32
1.69
0.13

88.10
4.00
5.39
2.86
0.53

22
2.00
99.31
198.63
9863.29
0.19

Xt
74.00
76.00

XsXt
15488.20
10526.00

Xs+Xt
283.30
214.50

XsXt-Xo2
2Xo-(Xs+Xt)
5624.91
-84.67
662.71
-15.87

bi
-66.43
-41.75

-108.19
b =

-0.02 m/jml bi

Tabel 3.22. Curah Hujan Rancangan menurut Distribusi IWAI-Kadoya
T

1/T

z

1.01
2
5
10
20
25
50
100
200
1000

0.9901
0.5000
0.2000
0.1000
0.0500
0.0400
0.0200
0.0100
0.0050
0.0010

-1.6450
0.0000
0.5951
0.9062
1.1631
1.2379
1.4522
1.6450
1.8214
2.2708

1

/c*z

Xo+1/c*z

x+b

x

-0.31
0.00
0.11
0.17
0.22
0.23
0.27
0.31
0.34
0.42

1.69
2.00
2.11
2.17
2.21
2.23
2.27
2.30
2.34
2.42

48.93
99.29
128.27
146.64
163.78
169.14
185.48
201.52
217.41
263.78

48.94
99.31
128.29
146.66
163.80
169.16
185.49
201.54
217.43
263.80

Tabel 3.23. Probabilitas Curah Hujan Rancangan Distribusi IWAI-Kadoya
NO

X
( mm)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

209.30
138.50
127.50
126.60
123.40
122.70
121.00
119.00
104.90
102.00
99.20
97.80
95.50
95.20
92.80
87.40
80.00
79.50
76.00
74.00
62.80
49.00

Probabilitas
Distribusi
Empiris, Pe
( %)

4.35
8.70
13.04
17.39
21.74
26.09
30.43
34.78
39.13
43.48
47.83
52.17
56.52
60.87
65.22
69.57
73.91
78.26
82.61
86.96
91.30
95.65

Probabilitas
Distribusi
Teoritis, Pt
( %)

0.72
13.88
20.61
21.30
23.65
23.09
25.86
27.73
43.04
46.60
50.08
51.06
52.71
52.93
54.70
58.85
64.98
65.41
68.53
70.38
81.74
98.93

DELTAMAX ( %) =

UJI SMIRNOVKOLMOGOROF TEST, METODEIWAI
DATA
SIGNIFIKAN ( %)
D KRITIS
D MAKSIMUM
KESIMPULAN

=
=
=
=
=

22.00
5.00
28.20
16.58
DITERIMA

D
Pe-Pt
( %)

3.63
5.19
7.56
3.91
1.91
2.99
4.58
7.05
3.91
3.13
2.25
1.11
3.81
7.94
10.52
10.72
8.94
12.85
14.08
16.58
9.56
3.28

16.58

Tabel 3.24. Uji Chi-Square Untuk Distribusi IWAI-Kadoya
NO

PROBABILITY

Expected
Frequency
( Ef )

Observed
Frequency
( Of )

Ef - Of

(Ef - Of)²

0.00 < P <= 20.00
20.00 < P <= 40.00
40.00 < P <= 60.00
60.00 < P <= 80.00
80.00 < P <= 100.00

4.400
4.400
4.400
4.400
4.400

2
6
8
4
2

2.400
1.600
3.600
0.400
2.400

5.760
2.560
12.960
0.160
5.760

JUMLAH

22.00

22.00

(P)

1
2
3
4
5

27.20

JUMLAH KELAS :
K
K

=
=

1 + 3,322 Log P
5

DERAJAT BEBAS ( n ) :
DERAJAT BEBAS ( n )
SIGNIFIKAN (a, %)
D KRITIS
EXPECTED FREQUENCY
D KRITIS
X2 hitung
KESIMPULAN

K-h-1;h=2
=
2.00
=
5.00
=
5.99
=
4.40
=
5.99
=
6.18
DITOLAK
=

Tabel 3.25. Rekapitulasi Analisa Hujan Rancangan
No.
1
2
3
4
5
6
7
8
9

Kala
Ulang

Probabilitas
(%)

2
5
10
20
25
50
100
200
1000

50
20
10
5
4
2
1
0.5
0.1

Uji Kesesuaian
Distribusi

Smirnov Kolmogorof
Chi Square

Curah Hujan Rancangan (mm)
EJ Gumbel
Log Pearson III
Iwai - Kadoya
98.91

99.34

99.31

133.80

128.31

128.29

156.90

146.65

146.66

179.06

161.25

163.80

186.09

169.08

169.16

207.74
229.23

185.35
201.28

185.49
201.54

250.64
300.25
DITERIMA
DITERIMA

217.11
253.68
DITERIM A
DITERIM A

217.43
263.80
DITERIMA
DITOLAK

CURAH HUJAN MAKSIMUM BOLEH JADI (Probable Maximum
Precipitation, PMP)
Curah hujan maksimum boleh jadi (Probable Maximum Precipitattion, PMP) dihitung
dengan menggunakan metode Hersfield. Sebagai berikut :
X PMP = X + K . S
dimana:
XPMP =
=
X
K
=
S
=

hujan banjir maximum boleh jadi
nilai rata-rata hujan / banjir
faktor koefisien Hersfield
standard deviasi

Tabel 3.26. Perhitungan PMP Metode Hersfield
NO

xn
Sn

1
2
x(n-m)
3
S(n-m)
4
5
(xn-m)/xn
6
(Sn-m)/Sn
7
8
9
Faktor Koreksi xn
faktor adjusmen 110(%)
faktor adjusmen 211
xn terkoreksi 12
13
14
15
Faktor Koreksi Sn
16
faktor adjusmen 117
faktor adjusmen 218
Sn terkoreksi 19
20
21
22

Variabel Km
Untuk xn
T
Km

Jumlah
Rerata

TAHUN

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

Hujan Maksimum
Harian Tahunan (mm)

=
=
=
=
=
=

=
=
=

=
=
=

95.20
138.50
104.90
92.80
119.00
62.80
127.50
102.00
97.80
74.00
123.40
79.50
99.20
121.00
209.30
126.60
49.00
80.00
95.50
87.40
122.70
76.00

=
=
=

Ranking Curah Hujan,
X (mm)

103.82
32.94
49.00
62.80
98.80
74.00
23.59

76.00
79.50
0.95
80.00
0.72
87.40
92.80
95.20
95.50
99.18
97.80
101.75
99.20
104.77
102.00
104.90
119.00
121.00
82.48
122.70
106.8
123.40
126.60
29.00
127.50
138.50
209.30

( Gambar 5-5)
( Gambar 5-6)

( Gambar 5-7)
( Gambar 5-6)

103.82
2284.10
24.00
jam
103.82
15.06
( Gambar 5-8)

PMP (Probable Maximum Precipitation)
PMP
Faktor penyesuaian
thd periode pengamatan

=
=

541.59 mm
1.01

( Gambar 5-9)

Besarnya nilai probable maximum precipitation untuk semua lokasi studi pada pekerjaan
“Feasibility Study (FS) Waduk Krueng Keureuto, Waduk Krueng Peuto dan Waduk

Krueng Sawang di Kabupaten Aceh Utara” ditampilkan pada Tabel 3-27.
Tabel 3-27. PMP Masing-masing DAS
DAS
Kr.Keureuto
Kr. Peuto
Kr. Sawang

Luas (km2)
235,61
107,57
225,32

Faktor Reduksi

PMP (mm)
0,87
0,93
0,84

476,18
507,57
458,56

110

105
10

Length of record
(years)

15
20
30
50

100

99.2
95

Xn adjustment factor (%)

90

85

80

75

70
0.7

0.75

0.8

0.85

0.9

0.95

1

Xn-m / Xn

Gambar 3.5 Grafik Hubungan Xn-m/Xn dengan Faktor Penyesuaian Xn (Hersfield,
1961)
130

125

Adjustment Factor (%)

120

115

110

106.75

Standard deviasi

105

Rata-rata

101.75

22

100
10

15

20

25

30

35

40

45

50

55

Length of Record (years)

Gambar 3.6 Gambar B Grafik Penyesuaian Terhadap Panjang Data

120
115
110

10

panjang data (th)

15

30
50

105
100
95
90
85

82.5
Sn adjustment factor (%)

80
75
70
65
60
55
50
45
40
35
30
25
20
0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

1.1

0.72

Sn-m / Sn

Gambar 3.7 Grafik Hubungan antara Sn-m/Sn dengan Faktor Penyesuaian Sn
y = -3E-13x5 + 6E-10x 4 - 4E-07x 3 + 0.0002x 2 - 0.0621x + 19.991
20
19
18
17
16
15.06
15
3127

14
Km

13
12

5 min

11

Duration
24 hours

10
6 hours

9
8
1 hour

7
6
5
0

50

100

103.82

150

200

250

300

350

400

450

500

550

600

Hujan maksimum rata-rata tahunan (mm)

Gambar 3.8 Grafik Hubungan Km, durasi hujan dan hujan harian maksimum
tahunan rata-rata (Hersfield, 1965)

114
113
112
111

Adjustment Factor

110
109
108
107
106
105
104
103
102
101
1.01

100
99
0

4

8

12

16

20

24

waktu (jam)

Gambar 3.9 Grafik Penyesuaian terhadap Periode Waktu Pengamatan (Weiss, 1964)
HUJAN NETTO HUJAN JAM-JAMAN
Hujan netto adalah curah hujan yang akan berubah menjadi aliran permukaan yaitu curah
hujan rancangan dikurangi dengan losses karena infiltrasi.
1). Distribusi Hujan Jam-jaman
Bila tidak tersedianya data curah hujan jam-jaman di lokasi rencana bendungan
maka untuk perhitungan distribusi hujan digunakan rumus Mononobe sebagai
berikut :

R

t 
=
t  T 

2/3

R 24

Tt

dimana :
RT
R24
t
T

=
=
=
=

intensitas hujan rerata dalam T jam
curah hujan dalam 1 hari (mm)
waktu konsentrasi hujan (jam)
waktu mulai hujan

Lamanya hujan terpusat di Indonesia berkisar antara 5 - 7 jam/hari. Untuk daerah
sekitar bendungan diperkirakan sebesar 6 jam/hari.
2). Hujan Efektif
Hujan efektif adalah curah hujan total dikurangi kehilangan pada awal hujan turun
akibat intersepsi dan infiltrasi atau bagian dari curah hujan total yang menghasilkan
limpasan langsung (direct run-off). Limpasan langsung ini terdiri dari limpasan
permukaan (surface run-off) dan aliran antara atau interflow, yaitu air yang masuk
ke dalam lapisan tipis di bawah permukaan tanah dengan permeabilitas rendah,

dimana keluar lagi di tempat yang rendah dan berubah menjadi limpasan
permukaan.
Salah satu metode yang dipakai untuk menentukan hujan efetif adalah Metode
Horton. Metode Horton mengasumsikan bahwa kehilangan debit aliran berupa
lengkung eksponensial, sehingga makin besar jumlah hujan yang meresap akan
mengakibatkan tanah menjadi cepat jenuh akibatnya besar resapan akan berkurang
dan mengikuti rumus berikut :
Fp = fc + ( fo – fc ) e -kt
dimana :
Fp = kapasitas infiltrasi pada waktu t
fc = harga akhir dari infiltrasi
fo = kapasitas infiltrasi prasi permulaan yang tergantung dari sebelumnya.
K = konstanta yang tergantung dari tekstur tanah
t = waktu sejak hujan dimulai

60%

58.5%

Sebaran Hujan (%)

50%

40%

30%

20%

15.2%
10.7%

10%

8.5%

7.2%

0%
1

2

3

4

5

Waktu (jam)

Gambar 3.10. Pola Prosentase Sebaran Hujan Lokasi Studi

DISTRIBUSI HUJAN JAM-JAMAN

Lamanya Hujan terpusat = 6 jam
Durasi Hujan (jam)
Curah Hujan (%)
Rasio Sebaran Hujan (%)

1
60
60

2
75
15

3
88
13

4
92
4

5
96
4

6
100
4

100

Curah Hujan Rancangan
Kala Ulang
60

2
5
10
20
25
50
100
200
1000
PMP

59.60
76.99
87.99
96.75
101.45
111.21
120.77
130.27
152.21
285.71

15
14.9
0
19.25
22.0
0
24.1
9
25.3
6
27.8
0
30.1
9
32.5
7
38.0
5
71.4
3

Rasio Sebaran Hujan (%)
13
4
4

4

12.91
16.68

3.97
5.13

3.97
5.13

3.97
5.13

19.06

5.87

5.87

5.87

20.96

6.45

6.45

6.45

21.98

6.76

6.76

6.76

24.10

7.41

7.41

7.41

26.17

8.05

8.05

8.05

28.22

8.68

8.68

8.68

32.98

10.15

10.15

10.15

61.90

19.05

19.05

19.05

Hujan
Rancangan
(mm)
99.34
128.31
146.65
161.25
169.08
185.35
201.28
217.11
253.68
476.18

Sumber: Hasil Perhitungan

Perhitungan Kehilangan Debit karena Infiltrasi metode Horton

k
=
fc
=
fo
=
fp=fc+(fo*Rpoint)-fc)*exp(-k*t)

0.27
4.00
0.80

Kala Ulang
2
5
10
20
25
50
100

1

2

37.35

8.62
10.6
4
11.9
2
12.95
13.4
9
14.6
3
15.7

47.96
54.68
60.03
62.90
68.86
74.70

Durasi Hujan (jam)
3
4

5

6

6.82

3.72

3.79

3.84

8.16

4.04

4.03

4.02

9.01
9.68

4.24
4.39

4.18
4.30

4.14
4.23

10.04

4.48

4.37

4.28

10.80
11.53

4.66
4.83

4.50
4.63

4.38
4.48

Infiltrasi
(mm)
64.12
78.85
88.17
95.58
99.56
107.83
115.92

200
1000
PMP

80.50
93.90
175.4
3

4
16.85
19.4
1
34.9
7

12.27

5.00

4.76

4.58

13.96

5.40

5.07

4.81

24.25

7.82

6.91

6.22

123.97
142.55
255.60

Sumber: Hasil Perhitungan

Perhitungan Curah Hujan Efektif
Kala Ulang
2
5
10
20
25
50
100
200
1000
PMP
Sumber: Hasil Perhitungan

1

2

22.26
29.02

6.29
8.61
10.0
7
11.2
4
11.8
7
13.1
7
14.4
5
15.72
18.6
4
36.4
6

33.31
36.72
38.55
42.35
46.07
49.77
58.31
110.2
8

Durasi Hujan (jam)
3
4

5

6

6.10
8.52

0.25
1.10

0.19
1.11

0.14
1.11

10.06

1.63

1.69

1.73

11.28

2.06

2.15

2.22

11.94

2.28

2.40

2.48

13.30

2.76

2.91

3.03

14.63
15.96

3.22
3.68

3.42
3.92

3.57
4.10

19.02

4.75

5.08

5.33

37.65

11.23

12.13

12.82

Hujan
Efektif
(mm)
35.21
49.47
58.49
65.67
69.52
77.52
85.36
93.15
111.13
220.58

Sign up to vote on this title
UsefulNot useful