SOAL 2

ESTIMASI DATA HUJAN YANG HILANG dan UJI KONSISTENSI DATA

2.1. 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 waktu terdapat data yang kosong (missing record). Dalam memperkirakan
besarnya data yang hilang, harus diperhatikan pula pola penyebaran hujan pada
stasiun 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.
Menurut Soewarno (2000) dalam bukunya Hidrologi Operasional Jilid
Kesatu, analisis 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.

35
 36

2.2. Metode Estimasi Data Hujan yang Hilang

Beberapa metode yang dapat digunakan menurut buku Mengenal Dasar
dasar Hidrologi halaman 190-191 oleh Ir. Joyce Martha dan Ir. Wanny
Adidarma,Dipl.HE. yaitu Normal Ratio Method, cara Inversed Square Distance
dan cara rata rata aljabar. Sedangkan menurut Soewarno dalam bukunya Hidrologi
Operasional Jilid Kesatu halaman 202, ada 3 metode yang digunakan untuk
memperkirakan data hujan periode kosong diantaranya rata rata aritmatik
(arithmatical average), perbandingan normal (normal ratio), dan kantor cuaca
Nasional Amerika Serikat (US.National Weather service).
Ada kesamaan metode perhitungan dari buku Hidrologi Operasional Jilid
Kesatu dengan buku Mengenal Dasar dasar Hidrologi, yaitu Metode rata rata
aritmatik dengan rata rata aljabar, dan Normal Ratio Method dengan perbandingan
normal (normal ratio) yang terdapat dibuku Soewarno. Yang berbeda adalah metode
Kantor Cuaca Amerika Serikat

2.5.1.1. Normal Ratio Method

Linsley, Kohler dan Paulhus (1958) menyarankan satu metode yang disebut
Normal Ratio Method sebagai berikut :
n
1 Anx
Dx= d i
n i=1 Ani
Dengan :
Dx = Data tinggi hujan harian maksimum di stasiun x
n = Jumlah stasiun di sekitar x untuk mencari data di x
di = Data tinggi hujan harian maksimumdi stasiun i
Anx = Tinggi hujan rata-rata tahunan di stasiun x
Ani = Tinggi hujan rata-rata tahunan di stasiun sekitar x

2.2.2. Cara Inversed Square Distance

Persamaan yang digunakan dalam cara Inversed Square Distance adalah :
1 1 1
2
PA+ P +
2 B
P
2 C
(dXA) ( dXB) (dXC )
Px =
1 1 1
+ +
(dXA) (dXB) (dXC )2
2 2
 37

Dengan :
Px = Tinggi hujan yang dipertanyakan
PA, PB, Pc = Tinggi hujan pada stasiun disekitarnya
dXA, dXB, dXC = Jarak stasiun X terhadap masing masing stasiun A,B,C

2.2.3. Rata rata Aljabar

Rata rata aljabar ini digunakan apabila kekurangan data kurang dari 10%
(<10%) . Misalnya adalah diketahui : Hujan rata rata tahunan di A = 750 mm =
X , hujan rata rata tahunan di B = 725 mm = =
A X B. Ditanya : bagaimana
mengisi data hujan di A pada suatu tahun tertentu, bila pada tahun yang sama di B
jumlah hujan = 710 mm. Penyelesaiannya adalah :
X A 750
XA = . XB = . 710 mm = 735 mm
X B 725
Jadi besarnya data hujan di A adalah 735 mm.

2.2.4. Metode Kantor Cuaca Amerika Serikat

Metode ini memerlukan data dari 4 (empat) pos hujan sebagai pos indeks
(index station) yaitu misalnya pos hujan A, B, C dan D yang berlokasi disekeliling
pos hujan X yang diperkirakan data hujannya. Bila pos indeks itu lokasinya
berada disetiap kuadran dari garis yang menghubungkan utara - selatan dan timur
barat melalui titik pusat dipos hujan X. Persamaannya adalah :
HX = [ (Hi/ Li2)] / [ (1/ Li2)]
Dalam hal ini HX = tebal hujan dipos X yang akan diperkirakan dan Hi =
tebal hujan dipos A, B, C, dan D. Dan nilai L i menunjukkan jarak pos hujan A, B, C
dan D terhadap pos hujan X.
Misalnya : dari suatu DPS (Daerah Pengaliran Sungai) luas 140 Km 2 terdapat
5 buah pos hujan X, A, B, C, dan D. Pada suatu bulan pos hujan X rusak. Tentukan
tebal hujan di X bila pos itu dikelilingi pos hujan A, B, C, dan D sebagai pos indeks
yang terletak di setiap kuadran dengan data :
Kuadran Pos Indeks Hujan (mm) Jarak dari X (Km2)
I B 100 5
II C 90 10
III A 110 8
IV D 120 6
Data pos hujan X dapat dihitung dengan persamaan diatas :
 38

Kuadran Pos H (mm) L (Km2) L2 1/L H/L2

I B 100 5 25 0,04000 4,000
II C 90 10 100 0,01000 0,900
III A 110 8 64 0,01562 1,718
IV D 120 6 36 0,02777 3,333
Jumlah 0,09339 9,9520
Penyelesaiannya adalah:
HX = [ (Hi/ Li2)] / [ (1/ Li2)]
HX = (9,9520) / (0,09339)
HX = 106,56 mm
Jadi besarnya data hujan di pos X adalah 106, 56 mm

2.3. Teori 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 kesalahan maka data itu dapat disebut tidak konsisten (inconsistency). Uji
konsistensi (consistency test) berarti menguji kebenaran data. Data hujan disebut
konsisten (consistent) berarti data yang terukur dan dihitung adalah teliti dan benar
serata sesuai dengan fenomena saat hujan itu terjadi.
Beberapa cara untuk mengecek kualitas data hujan antara lain : (a)
melaksanakan pengecekan lapangan, (b) melaksanakan pengecekan ke kantor
pengolahan data, (c) membandingkan data hujan dengan data iklim untuk lokasi yang
sama, (d) analisis kurva masa ganda (lengkung masa ganda), dan (e) 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
pengaruh system tersebut tidak terjadi perubahan lingkungan dan tidak terjadi
perubahan cara menakar selama pencatatan data tersebut dan sebaliknya.
 39

Ketelitian hasil perhitungan dalam ramalan 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 :
a. Perubahan letak stasiun.
b. Perubahan system pendataan.
c. Perubahan iklim.
d. Perubahan dalam lingkungan sekitar.
Uji konsistensi ini dapat diselidiki dengan cara membandingkan curah hujan
tahunan komulatif dari stasiun yang diteliti dengan harga komulatif curah hujan rata-
rata dari suatu jaringan stasiun dasar yang bersesuaian. Pada umumnya, metode ini
disusun dengan urutan kronologis mundur dan dimulai dari tahun yang terakhir atau
data yang terbaru hingga data terakhir.
Jika data hujan tidak konsisten karena perubahan atau gangguan lingkungan di
sekitar tempat penakar hujan dipasang, misalnya, penakar hujan terlindung oleh
pohon, terletak berdekatan dengan gedung tinggi, perubahan penakaran dan
pencatatan, pemindahan letak penakar dan sebagainya, memungkinkan terjadi
penyimpangan terhadap trend semula. Hal ini dapat diselidiki dengan menggunakan
lengkung massa ganda.
Kalau tidak ada perubahan terhadap lingkungan maka akan diperoleh garis
ABC berupa garis lurus dan tidak terjadi patahan arah garis, maka data hujan tersebut
adalah konsisten. Tetapi apabila pada tahun tertentu terjadi perubahan lingkungan,
didapat garis patah ABC. Penyimpangan tiba-tiba dari garis semula menunjukkan
adanya perubahan tersebut, yang bukan disebabkan oleh perubahan iklim atau
keadaan hidrologis yang dapat menyebabkan adanya perubahan trend. Sehingga data
hujan tersebut dapat dikatakan tidak konsisten dan harus dilakukan koreksi.

Apabila data hujan tersebut tidak konsisten, maka dapat dilakukan koreksi
dengan menggunakan rumus :

Yz = Fk x Y

Fk = tan
tan 0
 40

Keterangan:
Yz : Data hujan yang diperbaiki, mm
Y : Data hujan hasil pengamatan, mm
Tg : Kemiringan sebelum ada perubahan
Tg c : Kemiringan setelah ada perubahan

Gambar 3.1. Lengkung Massa Ganda

Sumber : Materi Kuliah Hidrologi Teknik Dasar

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 pos X adalah tidak konsisten dan harus dilakukan koreksi.
2.4. Soal 2 dan Data
Soal 2 adalah lakukan estimasi data hujan yang hilang dan uji konsistensi data.
Data yang diketahui adalah pada tabel dibawah ini :
Tabel 2.1. Data Hujan Harian Maksimum Stasiun A, B, C, D
 41

No. Tahun Stasiun Stasiun Stasiun Stasiun

1 2000 Hujan Hujan
267,0 Hujan
252,9 Hujan
238,9
2 2001 254,0 241,3 228,6 215,9
3 2002 324,0 307,8 291,6 275,4
4 2003 287,0 272,7 258,3 244,0
5 2004 235,0 223,3 211,5 199,8
6 2005 219,0 208,1 197,1
7 2006 301,0 286,0 270,9 255,9
8 2007 263,0 249,9 236,7 223,6
9 2008 194,0 184,3 174,6 164,9
10 2009 278,0 264,1 250,2 236,3
11 2010 321,0 305,0 272,9
12 2011 311,0 295,5 279,9 264,2
Keterangan :
Data yang hilang pada stasiun A
Data yang hilang pada stasiun C
Data yang hilang pada stasiun D

Data yang diasumsi adalah jarak antar stasiun. Jarak antar stasiun ini didasarkan
pada lampiran peta yang terdapat dalam soal. Berikut ini adalah jarak antar stasiun
hasil pengukuran. Satuan untuk jarak dibawah ini adalah Km.
POS A B C D
A 0 15 20 30
B 15 0 22,6 22,8
C 20 22,6 0 16,8
D 30 22,8 16,8 0

2.5. Penyelesaian Estimasi Data Hujan yang Hilang

Dalam penyelesaian estimasi data hujan yang hilang ini digunakan metode
Normal Ratio Method atau perbandingan normal karena data yang diketahui
adalah data hujan saja dan juga metode Inversed Square Distance yang
didasarkan atas jarak antar stasiun juga.
2.5.1. Metode Normal Ratio Method
2.5.1.1. Data Hujan yang Hilang di Stasiun A tahun 2000
Tabel 2.2. Data Hujan Stasiun B, C, D

Tahun Stasiun Hujan Stasiun Hujan Stasiun Hujan Stasiun Hujan

2000 A B
267,0 C
252,9 D
238,9
2001 254,0 241,3 228,6 215,9
2002 324,0 307,8 291,6 275,4
2003 287,0 272,7 258,3 244,0
 42

Tahun Stasiun Hujan Stasiun Hujan Stasiun Hujan Stasiun Hujan

2004 A
235,0 B
223,3 C
211,5 D
199,8
Jumla
1100,0 1045,1 990,0 935,1
h
Sumber : Hasil Perhitungan

Tabel 2.3. Data Hujan Stasiun B, C, D dan Hujan Tahunan

Tinggi Hujan Hujan Tahunan
Pos Hujan
(mm) (mm)
A 1100,0
B 267,0 1045,1
C 252,9 990,0
D 238,9 935,1
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan A :
n
1 An
Dx= d i x
n i=1 An i

Dx =
3 [(
1 1100 , 0
1045 ,1
267 , 0 +
1100 ,0
)(
990 , 0
252 , 9 +
1100 ,0
)(
935 , 1
238 , 9 )]
= 281 mm
Jadi, data yang hilang di stasiun hujan A pada tahun 2000 adalah 281 mm.
2.5.1.2. Data Hujan yang Hilang di Stasiun C tahun 2010
Tabel 2.4. Data Hujan Stasiun A, B, D

Tahun Stasiun Hujan Stasiun Hujan Stasiun Hujan Stasiun Hujan

2006 A
301,0 B
286,0 C
270,9 D
255,9
2007 263,0 249,9 236,7 223,6
2008 194,0 184,3 174,6 164,9
2009 278,0 264,1 250,2 236,3
2010 321,0 305,0 272,9
2011 311,0 295,5 279,9 264,2
Jumlah 1347,0 1279,8 1212,3 1144,9
Sumber : Hasil Perhitungan

Tabel 2.5. Data Hujan Stasiun A, B, D dan Hujan Tahunan

Tinggi Hujan Hujan Tahunan
Pos Hujan
(mm) (mm)
A 321,0 1347,0
B 305,0 1279,8
 43

Tinggi Hujan Hujan Tahunan

Pos Hujan
(mm) (mm)
C 1212,3
D 272,9 1144,9
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan C :
n
1 An x
Dx= d i
n i=1 An i

Dx =
3 [(
1 1212, 3
1347 , 0
321 , 0 +
1212 , 3
)(
1279 , 8 )(
305 , 0 +
1212 ,3
1144 , 9
272 , 9 )]
= 288,9 mm
Jadi, data yang hilang di stasiun hujan C pada tahun 2010 adalah 288,9 mm.

2.5.1.3. Data Hujan yang Hilang di Stasiun D tahun 2005

Tabel 2.6. Data Hujan Stasiun A, B, C

Tahun Stasiun Stasiun Hujan Stasiun Hujan Stasiun Hujan

2000 Hujan
281,0A B
267,0 C
252,9 D
238,9
2001 254,0 241,3 228,6 215,9
2002 324,0 307,8 291,6 275,4
2003 287,0 272,7 258,3 244,0
2004 235,0 223,3 211,5 199,8
2005 219,0 208,1 197,1
2006 301,0 286,0 270,9 255,9
2007 263,0 249,9 236,7 223,6
2008 194,0 184,3 174,6 164,9
2009 278,0 264,1 250,2 236,3
2010 321,0 305,0 288,9 272,9
2011 311,0 295,5 279,9 264,2
Jumlah 3049,0 2896,9 2744,1 2591,8
Sumber : Hasil Perhitungan

Tabel 2.7. Data Hujan Stasiun A, B, C dan Hujan Tahunan

Tinggi Hujan Hujan Tahunan
Pos Hujan
(mm) (mm)
 44

A 219,0 3049,0
B 208,1 2896,9
C 197,1 2744,1
D 2591,8
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan D :
n
1 An x
Dx= d i
n i=1 An i

Dx =
3 [(
1 2591, 8
3049 ,0
219 , 0 +
2591, 8
2896)(
,0
208 , 1 +
2591 , 8
)(
2744 , 1
197 ,1 )] = 186,2
mm
Jadi, data yang hilang di stasiun hujan D pada tahun 2005 adalah 186,2 mm.
2.5.2. Metode Inversed Square Distance
2.5.2.1. Data Hujan yang Hilang di Stasiun A tahun 2000
Tabel 2.8. Data Hujan Stasiun B, C, D

Tahun Stasiun Stasiun Stasiun Stasiun

2000 Hujan A Hujan
267,0B Hujan
252,9C Hujan
238,9D
Jarak dari stasiun
0 15 20 30
A
Sumber : Hasil Perhitungan

Analisa perhitungan data yang hilang di stasiun hujan A :

1 1 1
2
PB+ P +
2 C
PD
( dXB) (dXC ) (dXD)2
Px =
1 1 1
+ +
(dXB) ( dXC ) (dXD )2
2 2

1 1 1
2
267+ 2
252,9+ 238,9
( 15) (20) (30)2
PA =
1 1 1
+ +
(15) (20) (30)2
2 2

1 1 1
267 + 252,9+ 238,9
225 400 900
PA =
1 1 1
+ +
225 400 900
PA = 258,7 mm
Jadi, data yang hilang di stasiun hujan A pada tahun 2000 adalah 258,7 mm
 45

2.5.2.2. Data Hujan yang Hilang di Stasiun C tahun 2010

Tabel 2.9. Data Hujan Stasiun A, B, D

Tahun Stasiun Stasiun Stasiun Stasiun

2010 Hujan
321,0A Hujan
305,0B Hujan C Hujan
272,9D
Jarak dari stasiun
20 22,6 0 16,8
C
Sumber : Hasil Perhitungan

Analisa perhitungan data yang hilang di stasiun hujan C :

1 1 1
2
PA+ P +
2 B
PD
( dXA) (dXB) (dXD)2
Px =
1 1 1
+ +
( dXA) (dXB ) ( dXD)2
2 2

1 1 1
2
321+ 2
305+ 2
272,9
( 20) (22,6) (16,8)
PC =
1 1 1
+ +
(20) (22,6) (16,8)2
2 2

1 1 1
321+ 305+ 272,9
499 511 282
PC =
1 1 1
+ +
499 511 282
PC = 284,3 mm
Jadi, data yang hilang di stasiun hujan C pada tahun 2010 adalah 284,3 mm

2.5.2.3. Data Hujan yang Hilang di Stasiun D tahun 2005

Tabel 2.10. Data Hujan Stasiun A, B, C

Tahun Stasiun Stasiun Stasiun Stasiun

2005 Hujan
219,0A Hujan
208,1B Hujan
197,1C Hujan D
Jarak dari stasiun
30 22,8 16,8 0
C
Sumber : Hasil Perhitungan

Analisa perhitungan data yang hilang di stasiun hujan D :

1 1 1
2
PA+ P +
2 B
PC
( dXA) ( dXB) (dXC )2
Px =
1 1 1
+ +
(dXA) (dXB) (dXC )2
2 2
 46

1 1 1
2
219+ 2
208,1+ 197,1
(30) (22,8) (16,8)2
PD=
1 1 1
+ +
(30) (22,8) (16,8)2
2 2

1 1 1
219+ 208,1+ 197,1
900 520 282
PD=
1 1 1
+ +
900 520 282
PD = 201,0 mm
Jadi, data yang hilang di stasiun hujan D pada tahun 2005 adalah 201,0 mm

2.5.3. Perbandingan Hasil Metode Normal Ratio Method dan metode

Inversed Square Distance
Perhitungan penyelesaian estimasi data hujan yang hilang dengan metode
Normal Ratio Method diketahui bahwa data yang hilang dapat dihitung. Hasilnya
adalah pada tabel berikut :

Tabel 2.11. Hasil Perhitungan Data Hujan yang Hilang

Tahun Stasiun Stasiun Stasiun Stasiun

2000 Hujan
223,8 Hujan
267,0 Hujan
252,9 Hujan
238,9
2001 254,0 241,3 228,6 215,9
2002 324,0 307,8 291,6 275,4
2003 287,0 272,7 258,3 244,0
2004 235,0 223,3 211,5 199,8
2005 219,0 208,1 197,1 175,8
2006 301,0 286,0 270,9 255,9
2007 263,0 249,9 236,7 223,6
2008 194,0 184,3 174,6 164,9
2009 278,0 264,1 250,2 236,3
2010 321,0 305,0 233,3 272,9
2011 311,0 295,5 279,9 264,2
Sumber : Hasil Perhitungan
 47

Perhitungan penyelesaian estimasi data hujan yang hilang dengan metode

Inversed Square Distance diketahui bahwa data yang hilang dapat dihitung.
Hasilnya adalah pada tabel berikut :
Tabel 2.12. Hasil Perhitungan Data Hujan yang Hilang

Tahun Stasiu Stasiu Stasiu Stasiu

2000 n
258,7 n
267,0 n
252,9 n
238,9
2001 254,0 241,3 228,6 215,9
2002 324,0 307,8 291,6 275,4
2003 287,0 272,7 258,3 244,0
2004 235,0 223,3 211,5 199,8
2005 219,0 208,1 197,1 201,0
2006 301,0 286,0 270,9 255,9
2007 263,0 249,9 236,7 223,6
2008 194,0 184,3 174,6 164,9
2009 278,0 264,1 250,2 236,3
2010 321,0 305,0 284,3 272,9
2011 311,0 295,5 279,9 264,2
Sumber : Hasil Perhitungan

Jika dibandingkan menjadi 1 tabel maka hasilnya adalah :

Tabel 2.13. Hasil Analisa di Stasiun A, C, D
Tahun/ Normal Ratio Method Inversed Square
Stasiun
2000/ Distance
223,8 258,7
A
2010/
233,3 284,3
C
2005/
175,8 201,0
D
Sumber : Hasil Perhitungan

2.5.4. Kesimpulan
Dari hasil perhitungan mendapatkan nilai yang berbeda antara metode
Normal Ratio Method dan metode Inversed Square Distance. Jika pada metode
Normal Ratio Method hasil yang didapat adalah lebih kecil dari hasil perhitungan
menggunakan metode Inversed Square Distance hal ini dikarenakan ada faktor
jarak yang mempengaruhi. Jadi, dapat disimpulkan dalam mengestimasi hujan yang
 48

hilang tidak hanya faktor tinggi hujan distasiun lain yang dipertimbangkan, namun
juga harus diperhatikan jarak antara stasiun yang diketahui dengan stasiun yang
dicari.

2.6. Penyelesaian Uji Konsistensi Data

Data yang dipakai dalam Uji Konsistensi ini data berdasarkan analisa
menggunakan metode Normal Ratio Method karena data dalam perhitungan
menggunakan metode tersebut adalah asli atau tanpa asumsi.

2.6.1. Uji Konsistensi Stasiun A terhadap Stasiun B,C,D

Tabel 2.14. Data Uji Konsistensi Stasiun A terhadap Stasiun B,C,D
Stasiun Komulatif
Rerata Komulatif
No. Tahun Hujan
A B,C,D B,C,D
A
1 2011 311,0 311,0 279,9 279,9
2 2010 321,0 632,0 288,9 568,8
3 2009 278,0 910,0 250,2 819,0
4 2008 194,0 1104,0 174,6 993,6
5 2007 263,0 1367,0 236,7 1230,3
6 2006 301,0 1668,0 270,9 1501,3
7 2005 219,0 1887,0 197,1 1698,4
8 2004 235,0 2122,0 211,5 1909,9
9 2003 287,0 2409,0 258,3 2168,3
10 2002 324,0 2733,0 291,6 2459,9
11 2001 254,0 2987,0 228,6 2688,5
12 2000 281,0 3268,0 252,9 2941,4
Sumber : Hasil Perhitungan
 49

3500.0

3000.0

2500.0
Komulatif Stasiun A

2000.0

1500.0

1000.0

500.0

0.0
0.0 500.0 1000.0 1500.0 2000.0 2500.0 3000.0 3500.0
Komulatif Rerata Stasiun B,C,D

Grafik 3.1. Uji Konsistensi Stasiun A terhadap Stasiun B,C,D

2.6.2. Uji Konsistensi Stasiun B terhadap Stasiun A,C,D

Tabel 2.15. Data Uji Konsistensi Stasiun B terhadap Stasiun A,C,D
Stasiun Komulatif
Rerata Komulatif
No. Tahun Hujan
B A,C,D A,C,D
B
1 2000 295,5 295,5 285,0 285,0
2 2001 305,0 600,5 294,3 579,3
3 2002 264,1 864,6 254,8 834,1
4 2003 184,3 1048,9 177,8 1012,0
5 2004 249,9 1298,8 241,1 1253,1
6 2005 286,0 1584,8 275,9 1529,0
7 2006 208,1 1792,9 200,8 1729,8
8 2007 223,3 2016,2 215,4 1945,2
9 2008 272,7 2288,9 263,1 2208,3
10 2009 307,8 2596,7 297,0 2505,3
11 2010 241,3 2838,0 232,8 2738,1
12 2011 267,0 3105,0 257,6 2995,7
Sumber : Hasil Perhitungan
 50

3500.0

3000.0

2500.0
Komulatif Stasiun B
2000.0

1500.0

1000.0

500.0

0.0
0.0 500.0 1000.0 1500.0 2000.0 2500.0 3000.0 3500.0
Komulatif Rerata Stasiun A,C,D

Grafik 3.2. Uji Konsistensi Stasiun B terhadap Stasiun A,C,D

2.6.3. Uji Konsistensi Stasiun C terhadap Stasiun A,B,D

Tabel 2.16. Data Uji Konsistensi Stasiun C terhadap Stasiun A,B,D
Stasiun Komulatif
Rerata Komulatif
No. Tahun Hujan
C A,B,D A,B,D
C
1 2000 279,9 279,9 290,2 290,2
2 2001 288,9 568,8 299,6 589,9
3 2002 250,2 819,0 259,5 849,3
4 2003 174,6 993,6 181,1 1030,4
5 2004 236,7 1230,3 245,5 1275,9
6 2005 270,9 1501,2 281,0 1556,9
7 2006 197,1 1698,3 204,4 1761,3
8 2007 211,5 1909,8 219,4 1980,7
9 2008 258,3 2168,1 267,9 2248,6
10 2009 291,6 2459,7 302,4 2551,0
11 2010 228,6 2688,3 237,1 2788,0
12 2011 252,9 2941,2 262,3 3050,3
Sumber : Hasil Perhitungan
 51

3500.0

3000.0

2500.0
Komulatif Stasiun C

2000.0

1500.0

1000.0

500.0

0.0
0.0 500.0 1000.0 1500.0 2000.0 2500.0 3000.0 3500.0
Komulatif Rerata Stasiun A,B,D

Grafik 3.3. Uji Konsistensi Stasiun C terhadap Stasiun A,B,D

2.6.4. Uji Konsistensi Stasiun D terhadap Stasiun A,B,C

Tabel 2.17. Data Uji Konsistensi Stasiun d terhadap Stasiun A,B,C
Stasiun Komulatif
Rerata Komulatif
No. Tahun Hujan
D A,B,C A,B,C
D
1 2000 264,2 264,2 295,5 295,5
2 2001 272,9 537,1 305,0 600,4
3 2002 236,3 773,4 264,1 864,5
4 2003 164,9 938,3 184,3 1048,8
5 2004 223,6 1161,9 249,9 1298,7
6 2005 255,9 1417,8 286,0 1584,7
7 2006 186,2 1604,0 208,1 1792,7
8 2007 199,8 1803,8 223,3 2016,0
9 2008 244,0 2047,8 272,7 2288,7
 52

Stasiun Komulatif Rerata Komulatif

No. Tahun
Hujan D A,B,C A,B,C
10 2009 275,4 2323,2 307,8 2596,5
11 2010 215,9 2539,1 241,3 2837,8
12 2011 238,9 2778,0 267,0 3104,7
Sumber : Hasil Perhitungan

3000.0

2500.0

2000.0
Komulatif Stasiun D

1500.0

1000.0

500.0

0.0
0.0 500.0 1000.0 1500.0 2000.0 2500.0 3000.0 3500.0
Komulatif Rerata Stasiun A,B,C

Grafik 3.4. Uji Konsistensi Stasiun D terhadap Stasiun A,B,C

2.6.5. Kesimpulan
Berdasarkan grafik uji konsistensi stasiun A terhadap B, C, D. Maka dapat
disimpulkan bahwa data hujan konsisten, hal ini dikarenakan grafik berupa garis
lurus dan tidak terjadi patahan. Begitu juga yang terjadi pada grafik uji konsistensi
stasiun B terhadap A,C,D, grafik uji konsistensi stasiun C terhadap A,B,D, dan grafik
uji konsistensi stasiun D terhadap A,B,C.
Dalam grafik ini ditunjukkan bahwa garis teoritis atau linier yang ditunjukkan
dengan warna merah memiliki nilai yang sama dengan garis empiris yang
 53

ditunjukkan dengan warna hitam, sehingga pola yang terjadi berupa garis lurus dan
tidak terjadi patahan arah garis. Jadi dapat disimpulkan data data pada 4 stasiun
tersebut adalah konsisten.

Daftar Bacaan :
1. Limantara, L.M. , (2010). Hidrologi Praktis , CV. Lubuk Agung, Bandung
2. Joyce Martha dkk. Mengenal Dasar dasar Hidrologi. Nova, Bandung
3. Soewarno, (2000). Hidrologi Operasional Jilid Kesatu, Penerbit Citra Aditya
Bakti, Bandung