Dokumen - Tips - Hidrologi Aplikasi Metode Statistik Untuk Analisa Data Jilid 1pdf PDF
Dokumen - Tips - Hidrologi Aplikasi Metode Statistik Untuk Analisa Data Jilid 1pdf PDF
Apllriltdode Statbtik
antuk Analba ilata
tilid t
st\hr.\\
\ II\II R
8
Soewarno
; ,;ilafbit 'N O V A'
hidrolo sl
Aplknl Metode Statbtlk untuk Analln Data
rilid t
Soewarno
.N
PEr{ERBIT OVf
ilr xorrx ?os 146!'BAllDUtlO
gtlo,r lnff
T(ATA PEIIICAITTTAN
Kepada istri tercinta Siti Nurhidayatun dan kedua anak t.4. Data Hidrologi, 18
tersayang Teddy Nurhidayat dan Dwiki Nurhidayat, terima kasih 1.4.1. Pendekatan Proses Hidrologi 18
atas kesabaran dan dorongannya. 1.4.2. Kualitas Data Hidrologi 20
1.4.3. Pengujian Data Hidrologi 23
Akhir kata, penulis menyadari bahwa tulisan ini masih jauh
1.4.4. Tipe dan Penyaiian Data Hidrologi 39
dari sempurna, oleh karena itu kritik dan saran dari semua pihak
akan penulis terima dengan senang hati. 2. PENGT]KURAN PARAMETER STATISTIK
DATA HIDROLOGT 37
2.3. Contoh Aplikasi Awal Parameter Statistik 92 3.4.7. Pemilihan Persamaan Distribusi yang sesuai ........ 207
vl
vll
bab t
pendohluluan
Tahun
l/atrirc.a lt-.e;rcn
Jan Feb. Mar. Apr. Mei Jun. Jul. Agt. Sep. Okt. Nop Des. Tahunan
set@ ,eearr
197 4 70,4 I 15,0 I14,0 134,0 84,2 31,I 23,4 38,6 53,7 r 56,0 168,0 105,0 9l,l l.2to.u : i -
197 5 146,0 106,0 185,0 133,0 l2l,0 46,0 25,7 18,6 60,6 182,0 226,0 138,0 I16,0 2.440.0 I -: .-<
1976 91,6 76,4 123,0 90,9 37,7 20,6 9,72 8,75 8,14 45,0 r30,0 I12,0 63,4 l.t5o.o i :s
I
1977 90,8 I13,0 103,0 104,0 63,9 65,9 25,6 18,0 19,8 t2,t 3 1,0 87,1 61,2 r.240.0 tt
ili
l 978 97,9 92,4 l16,0 65,2 68,3 7t,3 75,8 41,8 89,4 74,9 84,5 I13,0 84,2 r.450,0 ,:-i
I
1919 I 14,0 I14,0 103,0 133,0 I12,0 5 1,8 23,6 16,7 24,2 36,1 58,7 86,1 72,8 ee7.o I t.6{ I
Rata-rata 102,7 102,8 t24,0 r 10.0 8l, r 47,7 30,6 23,7 42,6 84,5 I15,4 106,9 81,4
Malcsimum 146,0 I 15,0 185,0 134,0 121,0 71,3 75,8 4l,E 89,4 182,0 226,0 138,0 I16,0
Minimum 70,4 16,4 103,0 65,2 31,7 20,6 9,12 8,75 8, l4 t2,l 31,0 86,1 6t,2
rn'/tlet/bulan. Scdangkan debit rata-ratanya adalah 81,4 sedimen. curah hujan. penguapan, masing-masing ttapat ttirryallktrr
rnr/det/bulan. Dari tabel I .2 juga dapat diketahui bahwa debit banjir dengan sebuah simbol, misal debit dinyatakan dengan simbol (e),
terbesar adalah 2.440 m3ldet, dan debit terkecil yang pernah terjadi curah hujan dengan simbol (R) dan sebagainya. Simbol yang
adalah 5,8 m3ldet. menyatakan sebuah penomena hidrologi disebut dengan variabel
(vuriahlc). I)alam statistika suatu variabel dinyatakan dengan
Informasi hidrologi yang ditunjukkan pada tabel 1.2 sangat sinrbol : X, Y dan scbagainya. Variabel hidrologi (hydrologic
bermanfaat bagi perencanaan sebelum waduk tersebut di bangun
wtriuhlc) rncrrcrangkan ukuran dari pada penomena hidrologi, misal
dan pengoperasian waduk PLTA. pB. Sudirman. Dari uraian tabel dchit rata-rata harian, curah hujan rata-rata jam-jaman dan
1.2 tersebut kita membicarakan suatu nilai yang termasuk dalam scbagainya. Sebuah nilai numprrk (numerical value) dari sebuah
statistika deskriptip. Akan tetapi kalau kita berbicara debit banjir variabel disebut dengan variat (variate), pengamatan (obs ervat i on),
sama atau lebih dari 2.440 m3/det, rata-rata akan terjadi berapa kali pengukuran (measurement), misalnya saja X : 130,0 m3/det.
dalam sekian tahun, atau debit minimumnya sama atau kurang dari Pengukuran dapat mempunyai nilai positip, misal tinggi muka air
5,8 m3/det, rata-rata akan terjadi berapa kali dalam sekian tahun sungai, debit, dan dapat pula mempunyai nilai negatip, misal tinggi
maka kita telah membuat suatu penafsiran, ini berarti kita telah muka air sumur, temperatur. Untuk nilai negatip umumnya
berada dalam statistika penafsiran. disesuaikan menjadi nilai positip.
Penarikan kesimpulan yang berhubungan dengan statislika Didalam statistika, variabel dibedakan menjadi 2, yaitu
penafsiran selalu mempunyai sifat tidak pasti, karena analisisnya variabel kontinyu (continuous variable) dan variabel deskrit atau
hanya berdasarkan sebagian data. Untuk memperhitungkan variabel terputus (discrete varioble or discontinuous variable).
ketidakpastian ini diperlukan pengetahuan tentang teori peluang
Sebagai contoh, dari suatu pos duga air sungai dilakukan
(probability). Teori peluang sangat bermanfaat dalam pengukuran tinggi muka air, menggunakan alat duga air otomatik,
memperkirakan frekuensi banjir, kekeringan, tampungan, curah
atau logger, maka grafik tinggi muka air yang dihasilkan dapat
hujan, dan sebagainya. Prosedurnya dapat dilakukan dengan analisis
disebut sebagai variabel kontinyu, sedangkan pengukuran debit
frekuensi (frequency analysis), berdasarkan data hidrologi yang yang dilakukan sebulan sekali disebut dengan variabel deskrit atau
telah dikumpulkan, selama kurun waktu yarrg cukup lama, variabel terputus.
umumnya minimal selama 30 tahun dipandang cukup.
Gambar l.l, menunjukkan contoh variabel.kontinyu, data
Statistika penafsiran sering dipakai dalam setiap penelitian hidrograp debit sungai yang dihasilkan dari pencatatan fluktuasi
hidrologi, karena dalam setiap penelitian hidrologi harus diperoleh muka air sungai, setelah dialihragamkan menjadi data debit.
suatu kesimpulan. Untuk melakukan penaf-siran diperlukan analisis
deskriptip yang benar, sedang untuk analisis statistika deskriptip
yang benar diperlukan prosedur pengukuran dan pengolahan data
lapangan yang benar. Tabel 1.3, menyajikan data pengukuran debit sungai
cikapundung-Gandok, menunjukkan contoh variabel deskrit. Data
tinggi muka air dan debit setiap tanggal pengukuran dapat dianggap
1.2. VARIABEL HIDROLOGI sebagai variabel deskrit.
Penomena hidrologi, seperti tinggi muka air, debit, angkutan Dalam suatu penelitian hidrologi untuk mendapatkan
imt .rcric.r. tnisal gunttritr
lrcrkrrlrr krrrrtinyu (cttnl inuous I
analisis susunan data dari suatu variabel disebut dengan parameter 20-tt-77 t6.l0 0,290 1,270
08-08-78 08.r0 0,400 2,340
statistik (statistical porameters) seperti : rata-rata, nlode, median,
08- 12-7E r l.t5 0,810 8,310
koefisien kemencengan (skewness cofficient), dan sebagainya
19-01 -79 t 0.40 0,710 4,940
(lihat bab II).
19-06-80 10.r5 0,600 4,350
Dalam metode statistik, susunan data hidrologi dapat disebut 14 - 08. 80 12.00 0,460 2,900
dengan distribusi (distribution) atau seri (serles). Ada beberapa 24-l0-80 t2.15 0,460 2,130
pengertian yang berhubungan dengan susunan data dari suatu t7 - I I - 80 12.40 0,470 2,660
I\,I
Badan
Propinsi
10
11
menurut besarnya, dimulai dari debit banjir yang kelembaban, kecepatan angin, dan radiasi'
terbesar dan berakhir pada debit banjir yang terkecil B). Variabel fisik permukaan tanah (land surface physical
atau sebaliknya dimulai dari debit banjir yang terkecil variables)
dan berakhir pada debit banjir yang terbesar (lihat tabel
2.19, Bab II). a).variabel morfometri, misal : luas DPS, panjang
sungai, kerapatan aliran.
3). Distribusi peluang (probability distribution) : Jumlah
kejadian dari pada sebuah variate deskrit dibagi dengan b).variabel vegetasi dan penggunaan tanah, misal : luas
jumlah total kejadian adalah sebuah peluang (P) dari jati,luas sawah.
hutan
pada variate tersebut. Jumlah total peluang dari seluruh c).variabel tanah, misal : porositas tanah.
variate adalah 1.0, distribusi dari peluang semua variate C;. Variabel keluaran (output variables)
disebut dengan distribusi peluang (Tabel 2.14B).
4). Peluang kumulatip (cumulative probabilifl) : Jumlah a).variabel aliran permukaan, misal : banjir tahunan
peluang dari pada variate acak yang mempunyai sebuah rata-rata, debit minimum, debit harian.
nilai sama atau kurang, sama atau lebih dari pada nilai b).variabel keluaran lainnya, misal : penguapan,
tertentu. sedimen, erosi.
5). Frekuensi (frequency) : adalah jumlah kejadian dari
pada sebuah variate dari variabel deskrit (Tabel 2.14F).
6). Interval kelas (c/ass intervals): ukuran pembagian kelas 1.3. PEIITIL,IIAN SATITPEL DATA III/DROLOG,
dari suatu variabel (Tabel 2.148).
7). Kesimpulan yang dibuat dari suatu penelitian hidrologi
Data kelompok (grouped data): data yang dikelompok-
diharapkan dapat berlaku untuk persoalan itu secara keseluruhan
kan dalam beberapa interval kelas dari suatu distribusi
dan bukan sebagian saja. Akan tetapi dalam pelaksanaan penelitian
frekuensi (Tabel2.4).
tersebut hampir tidak mungkin untuk melaksanakan pengukuran
8). Distribusi frekuensi (frequency distribution) : adalah
atau pengumpulan dari seluruh variabel secara komplit. Faktor
suatu distribusi atau tabel frekuensi yang mengelom-
waktu, tenaga, dan biaya umumnya menjadi faktor pembatas. Pada
pokkan data yang belum terkelompok (ungrouped data)
kenyataannya penelitian dilakukan dengan mengamati atau
menj adi data kelompok (groupe d data).
mengukur sarhpel (sample) yang dapat mewakili populasi
Qtopulation) yang diteliti. Misalnya untuk mengetahui jumlah total
Pengelompokkan secara umum dari pada variabel daerah
dari debit yang mengalir dari suatu pos duga air dalam satu tahun
pengaliran sungai (DPS) dapat dibedakan menjadi 3 (tiga) katagori,
adalah tidak mungkin dilaksanakan dengan mengukur debit setiap
yaitu: saat selama satu tahun, akan tetapi dengan melakukan pengamatan
l). Variabel iklim (climatic variables) tinggi muka air dalam satu tahun dengan menggunakan alat duga air
a) variabel presipitasi, mishl : curah hujan tahunan rato- otomatik dan melakukan pengukuran debit secara periodik. misal
satu kali setiap 15 hari. dan kcmudian mclakuknn pcngolahnn tlnlrr
l2 13
dengan prosedur yang telah ditentukan sehingga debit dalam satu ylng, riilnrir rrnttrk dipilih menjadi sampel. Prosedur pemilihan
tahun dapat dihitung. (Bagi para pembaca yang ingin mengetahui s:urrgrr'l s('L:ara acak adalah yang paling sering dilakukan oleh para
cara pengukuran dan pengolahan data aliran sungai dapat membaca pcrrcl iti dibidang hidrologi.
pada tulisan : Soewarno, 1991, Hidrologi - Pengukuron dan
Ada beberapa tipe pemilihan acak, empat diantaranya disampaikan
Pengolahan Data Aliran Sungai, penerbit Nova). Dari uraian
secara ringkas sebagai berikut :
tersebut maka yang disebut dengan sampel (sample) adalah satu set
pengamatan/pengukuran, sedangkan populasi Qtopulation) adalah
keseluruhan pengamatan/pengukuran dari suatu variabel tertentu.
l). Pemilihan Acak Sederhana (simple random sampling)
Pemilihan sejumlah sampel (n) buah dilakukan dengan
Atau dengan kata lain sampel adalah suatu himpunan bagian dari
menggunakan suatu alat mekanik (misal : mata uang,
keseluruhan pengamatan variabel yang menjadi obyek penelitian
dadu, kartu) atau dengan menggunakan tabel yaitu tabel
kita (populasi).
bilangan random (random digit table). Sebuah sampel
Dalam suatu penelitian sampel yang dikumpulkan harus data yang terdiri dari unsur-unsur yang dipilih dari populasi
yang benar, dan cara pengumpulan (sampling) data torscbut harus dianggap acak, dengan ketentuan bahwa setiap unsur
dilakukan dengan benar dan mengikuti metode dan tata cara yang yang terdapat dalam populasi tersebut mempunyai
benar sehingga kesimpulan hasil penelitian dapat dipercaya. peluang yang sama untuk dipilih. Pemilihan yang
Dengan kata lain sampel itu harus dapat mewakili segala bersifat acak akan dapat memberikan hasil yang
karakteristik populasi, sehingga kesimpulan dari sampel terhadap memuaskan bila populasi dari mana asal sampel
populasi menjadi sah, sesuai dengan keadaan yang sebenarnya. tersebut dipilih benar-benar bersifat sama jenis atau
Kesimpulan yang demikian berarti bersifat tak bias (unbias). homogen (homogeneous). Contoh : dua pos hujan yang
Prosedur pengambilan sampel yang menghasilkan kesimpulan berdekatan dan dioperasikan dengan cara yang sama
terhadap populasi yang tidak sesuai dengan keadaan yang dapat dipandang sebagai satu pos untuk menghitung
sebenarnya dikatakan berbias (bias). Untuk menghilangkan curah hujan, akan tetapi temperatur udara yang diukur
kemungkinan bias ini maka sampel harus diambil berdasarkan di tempat terbuka dan yang satu didalam bangunan
prosedur khusus (spesific procedures). Ada berbagai prosedur untuk tertutup walaupun tempatnya berdekatan tidak dapat
memilih sampel, antara lain : dirata-ratakan.
nrcnganalisa curah hujan dari luas daerah pengaliran sungai dengan hidrologi yang betul-betul deterministik. Contoh yang lain,
luas 2.000 km2, hanya dengan satu pos curah hujan. Pemilihan pencntuan debit dari suatu pos duga air sungai secara langsung
sampel yang dilakukan dengan cara pemilihan sengaja jarang yang menggunakan lengkung debit (grafik yang menggambarkan
dapat mewakili karakteristik yang sebenarnya dari populasi. hubungan antara tinggi muka air dan debit) dengan anggapan bahwa
dasar sungai tidak berubah, padahal kenyataan dilapangan dasar
Contoh yang lain. misalnya *enga*bil sampel sedimen
sungai umumnya selalu berubah, terutama sungai aluvium.
melayang dari suatu pos duga air sungai dilakukan dengan sengaja
tidak menggunakan alat pengambil sampel yang telah ditentukan Apabila perubahan variabel hidrologi merupakan faktor
dan mengambilnya hanya dibagian tepi aliran saja tanpa peluang, maka prosesnya disebut stokastik (stochastic) atau peluang
menggunakan metode pengambilan sampel sedimen yang telah (probabilisllc). Proses hidrologi umumnya selalu.berubah menurut
ditentukan. Sampel yang diambil sudah barang tentu tidak dapat waktu, apabila kita menganalisis proses hidrologi dengan
mewakili karakteristik populasinya, bila dapat mewakili hanya memperhatikan perubahan variabel hidrologi menurut fungsi waktu
faktor kebetulan saja. maka pendekatan yang kita lakukan dapat disebut sebagai
pendekatan stokastik. Proses stokastik dipandang sebagai proses
yang tergantung waktu (time-dependent). Umumnya pendekatan ini
1.4. DATA HIDROLOC' sulit dilaksanakan dan jarang digunakan dalam pekerjaan analisis
hidrologi yang sifatnya sederhana dan praktis. Sebagai contoh :
1.4.1. Pendchatrrn hoses ltidtologi angkutan sedimen dan debit aliran dapat dipandang sebagai proses
Proses adalah uraian sembarang penomena yang secara stokastik, dimana variabel turbulensi aliran selalu berubah dan sulit
kontinyu selalu berubah menurut waktu. Telah disebutkan pada sub diukur, bentuk dan ukuran sedimen juga selalu berubah karena
bab 1.1, bahwa penomena hidrologi selalu berubah menurut waktu, banyak faktor yang mempengaruhinya. Walaupun demikian karena
karena itu perubahan penomena hidrologi tersebut dinamakan penomena hidrologi adalah stokastik, maka sangat penting untuk
sebagai proses hidrologi. Dalam menganalisa proses hidrologi mengembangkannya, minimal mempertimbangkan pendekatan
umumnya dapat didekati dengan 3 (tiga) konsep pendekatan, yaitu : stokastik dalam analisis hidrologi.
praktis analisis hidrologi. Dalam analisis dari suatu model hidrologi l)rrlir lrrrlrokrgi yung diukur atau nilai yang diperolehnya
ada kemungkinan komponen deterministik, stokastik dan peluang srrtlrrlr hirrrurp, tcnlu r)lcngandung kesalahan (error). Dalam analisis
digunakan bersama-sama. hitlrokrpr (nrt'skipun menggunakan model) dapat menghasilkan
orrlgrrrt yrnll nlcmpunyai kesalahan besar karena input datanya
r rcr
r )r ry ir i kcsalahan. Kualitas data sangat menentukan kebenaran
rl| rr
Tabel 1.6. Debit Maksimum Sungai Cikapundung - Gandok tlrrrr lursil analisis. Sebagai contoh : perhitungan debit rata-rata
Pada Berbagai Periode Ulang. Irrri:rrr Lcrgantung dari ketepatan: akura.si (accuracy) dan ketelitian
presisi Qtrecision) data tinggi muka air, pengukuran debit,
Debit Maksimum Interval debit untuk pcmbuatan lengkung debit. Ketepatan berhubungan erat dengan
Periode Ulang perkiraan Peluang = 0,95 (m3/de) nilai yang sebenarnya, sedangkan ketelitian berhubungan dengan
(m3/det)
kecocokan suatu pengukuran dengan pengukuran lainnya dalam
t,43 43,23 34,40 - 51,55 satu populasi. Sebagai contoh : pembacaan tinggi muka air pada
2 51,94 44,10 - 59,75 alat duga air papan tegak (vertical staff gauge) dari suatu pos duga
5 66,01 56,92 - 75,09 air sungai yang baru dipasang mempunyai kesalahan 2 mm dari
nilai yang sebenarnya, maka dapat dikatakan bahwa pembacaannya
l0 73,38 62,84 - 83,84
mempunyai ketelitian yang tinggi, akan tetapi apabila ketinggian
20 79,41 67,44 - 91,3',7
titik nol pada papan duga mempunyai kesalahan pemasangan
50 86,27 72,51 - 100,03 sebesar 10 cm terhadap titik nol sebelumnya, maka dapat dikatakan
100 90,96 75,89 - 106,02 ketepatannya rendah.
Sumber: Soewano l99l
Data lapangan yang berupa data sampel .ataupun populasi
sebagai data mentah (raw data) harus sekecil mungkin mengandung
kesalahan (eruor). Dengan demikian kesalahan adalah nilai
perbedaan antara sampel yang diukur dengan nilai sebenarnya.
1.4.2. Kuolitas dota Hidrologi Interval kepercayaan (confidence interval : uncerlainty) adalah
interval dari nilai yang sebenamya (true value) dapat diharapkan
Analisis statistik dilaksanakan berdasarkan sampel yang terjadi pada tingkat peluang tertentu. Pada umumnya kesalahan
dikumpulkan dilapangan dan merupakan fungsi dari kebenaran dapat dibedakan menjadi 3 jenis, yaitu :
(:kehandalan) (reability) dari data yang dikumpulkan. Nilai (value)
dari variabel hidrologi dapat diperoleh dengan pengukuran tunggal a. kesalahan fatal (spurious errors)
pada setiap waktu tertentu (discrete time intervals) atau dengan b. kesalahan acak(random errors\
pencatatan yang kontinyu (continuous time intervals). Untuk c. kesalahan sistematik (systematic eruors)
keperluan analisis statistik umumnya data kontinyu diubah dahulu
menjadi data deskrit, misal data tinggi muka air yang tercatat pada Secara singkat dapat dijelaskan sebagai berikut :
grafik alat duga air otomatik (automatic woterlevel recorder = Kesalahan fatal (spurious errors), disebabkan oleh kesalahan
AWLR) yang merupakan data kontinyu diubah menjadi data tinggi manusia dan atau alat pengukuran tidak berfungsi sebagaimana
rnuka air rata-rata jam-jaman atau harian sebagai data deskrit. mestinya. Jenis kesalahan ini tidak dapat diperbaiki dengan analisa
22 23
statistik. Hasil pengukuran tidak dapat digunakan sebagai data alat ukur arus yang digunakan untuk mengukur debit.
hidrologi, sehingga perlu pengukuran diulang lagi agar hasilnya
Kesalahan sistematik dapat diperbaiki dengan berbagai cara,
benar. Pengukuran ulang sebaiknya dilakukan oleh petugas yang
misal menggunakan alat yang berbeda, mengulangi pengukuran dan
berbeda dengan menggunakan alat pengukuran yang berbeda pula.
mengganti tenaga pengukur.
Kesalahan acak (random errors), kesalahan ini
merupakan
hasil dari ketelitian pengukuran. Besarnya kesalahan acak
merupakan nilai pengukuran suatu variabel hidrologi terhadap nilai
rata-ratanya. Jika prosedur pengukuran dikurangi maka nilai setiap 1.4.3. Penguiiar lrotq flidtologi
pengukuran berada disekitar nilai yang sebenarnya dan apabila Setelah pengukuran selesai dilaksanakan umumnya data
jumlah pengukuran ditambah maka distribusi dari pada data yang hidrologi dikirim ke Pusat Pengolahan Data untuk dikumpulkan,
diukur akan mendekati distribusi normal. Jenis kesalahan acak dicek dan disimpan serta diolah menjadi data siap pakai.
dapat dikurangi dengan cara memperbanyak jumlah pengukuran. Pengiriman data tersebut dapat dilaksanakan dengan cara
Kesalahan sistematik (sy,stcmatics errrtr.s), disebabkan konvensional, misalnya data dikirim melalui pos, atau dengan cara
terutama oleh karena ketelitian dari peralatan yang digunakan, modern, misalnya data dikirim melalui telpon, radio, telex,
misalnya alat duga airnya atau alat ukur arus dalam pelaksanaan facsimile, satelite atau fasilitas lainnya.
pengukuran debit dari suatu pos duga air. Kesalahan sistematik Data yang telah diterima di Pusat Pengolahan Data
tidak dapat dikurangi dengan menambah jumlah pengukuran selama
kemudian diurutkan menurut.fungsi waktu sehingga merupakan
pengukuran masih dilaksanakan dengan menggunakan alat yang
data deret berkala. Data deret berkala tersebut kemudian dilakukan
sama dan belum diperbaiki atau dikalibrasi. Kesalahan sistematik
pengetesan/penguj ian tentang :
dapat dibedakan menjadi 2 (dua) kelompok, yaitu :
1). konsistensi (consistency), dan
1). kesalahan sistematik kbnstan (constant systematic errors).
2). kesamaan j enis (homogeneity).
2). kesalahan sistematik tidak konstan (variable systematic
errors).
Uji
konsistensi berarti menguji kebenaran data lapangan
Kesalahan sistematik konstan, disebabkan oleh faktor yang tidak dipengaruhi oleh kesalahan pada saat pengiriman atau
alatnya sendiri, kesalahan ini konstan menurut waktu. Misalnya saat pengukuran, data tersebut harus betul-betul menggambarkan
penggunuuul mmus alat ukur arus pada saat melaksanakan penomena hidrologi seperti keadaan sebenarnya dilapangan.
pengukuran debit, nunus itu sendiri mempunyai batas interval Dengan kata lain data hidrologi disebut tidak konsisten apabila
kepercayaan, contoh lain : kesalahan pemasangan titik nol alat duga
terdapat perbedaan antara nilai pengukuran dan nilai sebenarnya.
air, tidak tepatnya pengguniuut lengkung debit untuk menghitung Sebagai contoh :
debit rata-rata harian, dan sebagainya.
1). inspeksi ke lapangan, Gambar 1.3. Diagram Alir Tahapan Pengujian Data Hidrologi'
apabila data tersebut diukur dari suatu resim (regime) yang tidak Anolisis Gtalis
berubah. Perubahan resim dari penomena hidrologi dapat terjadi Analisis grafis dengan menggunakan deret berkala dapat
karena banyak sebab, misal :
untuk mengetahui kesamaan jenis data yang diurutkan. Gambar 1.4,
l ). perubahan alam, misal perubahan iklim, bencana alam, menunjukan sketsa perubahan nilai rata-rata dari X, pada periode ke
banjir besar, hujan lebat. I menjadi X, pada perioile II. Gambar 1.5 menunjukkan sketsa
2). perubahan karena ulah manusia, misalnya pembuatan perubahan nilai varian yang semakin kecil. Batas antara sama jenis
bendung pada alur sungai, penggundulan hutan. dan tidak sama jenis dilakukan secara empiris.
Data hidrologi tak sama jenis dapat terjadi karena perubahan ----------{- WAKTU
penomena hidrologi yang disebabkan oleh karena perubahan alam
Gambar 1.4. Sketsa Perubahan Nilai Rata-Rata Yang Bertambah.
atau karena ulah manusia, contoh :
l). angkutan sedimen dari suatu pos duga air sebelum dan
sesudah dibuat bendung disebelah hulu lokasi pos duga
air tersebut, maka data kedua resim itu tak sama jenis.
2). hidrograp debit sebelum dan sesudah daerah pengaliran
sungai (DPS) dihutankan kembali, data dari kedua - rt---
- -
resim tersebut tentu tak sama jenis.
E
o
Banyak cara untuk menguji kesamaan jenis dari data lrl
o
hidrologi, diantaranya adalah analisis :
l). grafis 1
Secara singkat dapat dijelaskan sebagai berikut : Canrbar I .5 . Sketso Perubahan N ilai Varian yang Berkurang.
ztl
2t,
Analisls Kutaa llfa,sq Gsnda Dari tahun 1950 - 1965 metode pengolahan datanya (pembuatan
Kurva masa ganda adalah salah satu metode grafis untuk alat lengkung debit) sama, akan tetapi data tahun 1966 untuk pos y
identifikasi atau untuk menguji konsistensi dan kesamaan jenis data metode pembuatan lengkung debitnya tidak sama dengan tahun
hidrologi dari suatu pos hidrologi. Perubahan kemiringan kurva sebelumnya sehingga diperoleh kurva masa ganda ABC' tidak lagi
masa ganda disebabkan oleh banyak hal, misalnya : ABC. Untuk analisis data debit sebelum tahun 1966 agar dapat
dibandingkan dcngan data debit setelah tahun 1966 maka data debit
l)" prosedur pengukuran atau pengamatan
pos duga air y sctclah tahun 1966 harus disesuaikan dengan nilai
2). metode pengolahan banding dari dua bagian kurva masa gandanya sebesar 9/a.
3). perubahan lokasi pos Perubahan tcrsebut bukan disebabkan karena perubahan keadaan
hidrologis lainnya akan tetapi karena perubahan metode pembuatan
lengkung debit dari pos duga air y.
Analisis Starfutik
=
E Analisis statistik dapat memberikan hasil yang lebih pasti
/ dalam menentukan kesamaan jenis. Dalam analisis statistik dapat
(,
3 menggunakan uji non parametrik (non-parametric test) atau uji
o
o
o parametrik Qtarametric test). Umumnya penerapan uji parametrik
G
-, menggunakan uji-F dan ujit (t-test). Uji ini akan dibahas lebih
A lanjut pada buku jilid II.
g
F
ID
H 1.4.4. Tipe dan Penyaiian Data Hidtologi
Data hidrologi dapat diperoleh dengan berbagai macam cara,
1
diantaranya :
analisis hidrologi harus dilakukan pengujian data seperti cara-cara Purvuliln data dalam bentuk tabel umumnya dijumpai pada
yang telah ditentukan. Menurut tipenya maka data hidrologi dapat buku prrhliklsi hidrologi, misal Publikasi Debit Sungai Tahunan
dibedakan menjadi 4 (empat) tipe, yaitu : Qteur luxtk), bagi para pembaca yang ingin mendapatkan data
puhlikasi dcbit sungai tahunan dapat menghubungi Balai
1). data historis (historic data). l'cnyclirlikan Hidrologi, .Pusat Litbang Pengairan, Departemen
2). data lapangm(field collected data). l)ckcrjaan Umum. Contoh data statistik hidrologi tentang publikasi
3). data hasil percobaan (experimental data). dcbit dapat dilihat pada bagian halaman terakhir Bab I ini. Data itu
4). data hasil pengukuran serempak lebih dari dua variabel di salin dari buku publikasi Debit Sungai Tahun 1990, dari Pusat
(simultaneous data). Litbang Pengairan.
Apabila data yang digunakan untuk analisis hidrologi Penyajian data dalam bentuk diagram antara lain dapat berupa :
merupakan data tidak benar maka jangan diharapkan dapat l). diagram batang
memperoleh kesimpulan yang sesuai dengan kondisi sebenarnya 2). diagram garis
dilapangan. Berdasarkan tingkat kebenaran datanya (reliability of
data), maka data hidrologi dapat dibedakan menjadi 4 (empat)
kelas, yaitu :
\
\ U
I
cgFBtEeFBtg
L
(D O L.Dh ICOO rrr
EIpgfii333Ei sS
so\
$-
{s (
l
I
?
\
@ O IOOO-lloOrn
I
boI
SN
_rt
$o
N
\ @ O t6OO - looonr
8
Gi
o
e
r-b
HM
B g-a
I QR
ffi O furoag tlOO rit
I
!
:{i
'is.r
8
! 88 s
I IJ F $$
o $$s.
o
n' E r:s
ES4
,
)-
I
d\s
oci
I \.
(3
-o
q
r\
8t
oo t8
!G| g t t g to
('r.P.reutl J.l3lo -ts-
I mla.= 10.16(+.00)m;q=2132.00mlldd;t}l.6-5-1979
garis, yang menunjukkan kurva peluang kumulatip dari kurva Alrrm tcrlerl
l'.n.nttn llor AlirD
llc.rrnyr rliru ditcrtuku bcrduukm lcngkung alirm no. 8/07/84 yug diburt mcnurut drt! pqgukuru llirm dui
"lengkung lama aliran" (duration curve). rrhun 1979 smpri d.ngm rhun l99l
I
('.trtu : Pcngukurm dirm m8ih kurmg tcrutrm. untuk muka air tinggi, tir
rcninggi yug pcmrh diukur psdr 7.71 m dcngu q = I 397. rn3 /det
Dari gambar 1.8, dapat diketahui besarnya peluang Pelaksana Pengukurm :
t&a8al 0G0l-1981.
Balai Pcnyclidiku Hidrologi
kumulatip dari debit sungai Bengawan Solo - Bojonegoro tahun Tabelbeualiranhuim(m /dct) :
Tgl. Js. Pcb. Me. Apr. Mei Juni Juli Ags Sept. Okt. Nop. De
1992, debit sebesar 13,80 m'/det dapat dijumpai sepanjang tahun
I 75.t 95.0 4J,2 19,0 2t,2 16,8
1992 (peluang 100 %) debit andalan (dependable /tow) pada 2
315.
984.
1853
I t09
I 149.
811. t29.
t1i.
109. 94.1 39,0 19,0
15,8
15,8 96,0 53,5 267.
257.
I 522 695. 556. 317. 109. 103. 5t,7 tt,2 15,8 40,4 44,6 54'.r.
peluang 80 % adalatr 49,0 m3ldet dan debit mediannya sebesar 237 4 300 295. 863. 267. E5,6 124. t2,0 18,2 15,8 3l.or36,6 574.
5 540.r 187. s63. 2U. 84,1 I 94,t 9,0 17.0.
94, I 28,5 32,0 586.
m3/det (peluang 50 %). 6 556 259 407. 131. t4,1 94,t 2t5. 19,9 16.6 23,5 34,8 217.
7 579 318. 5ll. 633. 84,7 93,1 180. I9,9 20,8 2J,O 69,0 288.
8 339. 567. 5t6. 444. 83,8 93,1 73,2 I9,0 26,2 24,8 48,2 220.
9 t16. 413. 469. 53t. 183,0 92,2 55,7 19,0 20,1 22,6 35,4 173.
l0 173. 366. 572. 291. 82,9 9t,2 48,2 19,4 30,5 I 9,0 3 1,5 173.
II 233. 259. 508. l5l. lll. 9t,2 42,5 19,4 33"6 17,4 3 1,5 t25.
Contoh penyajian data hidrologi dalam bentuk peta dapat l2 328. 219. 381. 103. 146. 57,2 39.7+ t9,0 27.1 t5,4 14,8 111.
t3 4t1. 247. 308. 77.5 135. 31,0 35,4 18,6 33,0 13,6 73,6 337.
dilihat pada gambar 1.9, yang menyajikan data curatr hujan tahunan t4 297. 210. zEt. 109. 221. 28,5 32,5 19,4 25,7 t2,5 16,0 822.
t5 423. 264. 37t. 291. 98,2 26,6 32,5 20,3 21,2 13,2 47,5 912.
dari DPS Citarum disebelah hulu dam Jatiluhur. Dari peta tersebut 16 519. 542. 233 154. 83,8 26,2 10,5 19,9 19,0 13,2 39,7 959.
t7 322. 563. 166 I t84 94.1 25,7 2A,5 27,t 21,7 t1,o 38,4 tt31.
l8 680. 5l l. 171. 1235. 123. 25,1 26,2 16,0 t1,O 23,0 37,8 1ftr8.
dapat diketahui bahwa : daerah dengan curah hujan lebih dari 3.500 t9 7t2.. 491. 822. 1t06. t7,4 25,3 24,2 17,2 15,4 19,4 34,8 767.
20 1508. &1. 2fJ6.)41. 84,7 25,3 23,9 36,0 15,8 t6,2 49,0 936.
mm/tahun hanya meliputi luas 0,6 Yo, daerah dengan curatr hujan ' 2l 1598 1247 22t. 250. 84,7 26,6 23,5 36,0 16,2 16,6 82,9 871.
22 1727. I l4l. r93. 2t5. E4,7 33,e 23,5 31,6 16,0 lJ,o 69.E I 175.
3.000 - 3.500 mm/tahun meliputi luas 9,2 Yo dan daerah dengan 23
24
1730.
t217
819.
822.
2t5. 241. 195.
245. 218. t29.
51,2
65,8
26,2 27,5 27,1
36,0 18,4 26,6
15,4 U,2 692.
22,t 58,0 421.
25 185. 31'.1. zta. 99,3 27,1 30,0 23,0 53,5 92,2 299.
curah hujan 2.500 - 3.000 mm/tahun meliputi luas 48,0 o/o serla
675. 837.
26 1045. 9il. 155. 455. l9l. t3 t. 24,2 27,9 19,9 133. lll. 478.
27 93t. 584. 140. 102. 350. 97,1 23,5 24,8 . tg,O I t8. ll7. 415..
daerah curah hujan kurang dari 2500 mm/tahun meliputi luas 42,2 2t E27. 715. 166. 250. 302. 96..6 21,0 23,5 lE,6 7t..4 16,6 495.
29 996. 3lt. 480. 243. 63,4 22,6 20,3 16,6 @,2 t23. 288.
%o dari luas DPS 4.600 km'?. 30 890. 155. 446. t44. 54,2 t9,4 lE,6 t6,2 65,8 154. 2r8.r
3 I 565. 100. I t4. 18,6 17,8 8t,l 181,0
Rstr-rrta 716. 6t2. 397. 377. 140. 67,8 47..5 23,8 20,9 )7,t 59,8 52t.
I(.2 (Uda) j!.9 63. I 4t0 389 144 7,00 4,90 2,46 2,15 t,t3 5,t7 53,8
^,1* Alim (mm)
TinSgi 198. 153. I 10. t0l. 38.6 l8,t l3,l 6,6 5,6 r0,l 16,0 144.
Mct6 Kubik (10'16) 1918. 14t0. 1064. 976. 374. t76. t21,0 63,8 54,r 99,4 155. 1395.
Dru Tthunu
Rrh-ntr:252.Alimki (ydct):26.0Tinggirlirm(mm):S14.Mctqkubik{10..6):'18t2
bab z
penguhutan par:atnetet
statistih data hidrologi
37
:t fi
Nilai
rata-rara (averages) dapat merupakan nilai yang X ruta-rata hitung
dianggap cukup representatip dalam suatu distribusi. Nilai rata-rata rr .iumlah data
tersebut dianggap sebagai nilai sentral dan dapat dipergunakan X, nilai pengukuran dari suatu variat
untuk pengukuran sebuah distribusi. Jenis rata-rata yang sering
digunakan sebagai pengukuran tendensi sentral adalah :
Snrrlrol I dibaca sigma (batrasa Yunani) yang berarti jumlah,
I ).
rata-rata hitung (arithmetic overage or mean) rlrrliurr persamiuul (2.2)berarti penjumlahan data dari i: I sampai n
2). rata-ratatimbang (weighted mean) lruuh data.
3\. rata-rata t*ur (geome tric mean)
4). rata-rata harmonis (harmonic mean)
5). median (median) Contoh 2.1.
6). modus (mode), dan Data hidrometeorologi yang tercatat dipos hidrometeorologi di
7). kuartil (quartiles) Singomerto (+ 310 m), kurang lebih 16 km sebelatr timur waduk
PLTA. PB. Sudirman di Banjarnegara, Jawa Tengah ditunjukkan
pada tabel 2.1. Hitung nilai rata-rata, tiap variabel data hidro-
2.1.1. f,iata.f,tata Hitung meteorologi pada tabel tersebut.
Dalam suatu distribusi besarnya nilai rata-rata hitung Jawob contoh 2.1. z
n Ilanjarnegara l(anadadi
X fix' llulrtn
R (mn) N R (mm) N
X= i=l
n Q.3) Intrrrnr r 478 l9 469 2l
Xr, I elrr rrtri qiq l7 398 l8
i=l Mnrcl 2l
501 465 2t
Keterangan :
April 403 l6 387 t7
Mci 282 l3 285 t4
X: rata-ratahitung f- frekuensi ke i Juni 146 6 184 8
n : jumlah data Xi: nilai data ke i
Juli 108 6 ll6 7
Agustus 73 4 89 6
September 103 5 ll8 6
Tabel 2.1 ' Data Hidrometeorologi Di Singomerto Tahun r ggg Oktober 275 ll 32s 6
November 460 l8 479 t4
Desember 562 23 534 2t
Temperatur Kelembaban Kecepatan Penguapan
Bulan Udara
Jumlah 3.805 159 3.849 t7t
Relatif Angin i Air Terbula
(c) (%") (tn/det) \ (mm) Sumber : Pusat Litbang Pengairan, Buku laporan No. 90/HI-lg/19g9
Januari 25,3 86 0,7 143,7 Catatan : R: besar curah hujan
Februari 25,6 1r1 : jumlah hari hujan
88 0,7 I 18,0
Maret 25,4 87 0,6 142,9
April 25,8 89 0,4 139,0 Jawab contoh 2.2. z
Mei 25,4 89 0,4 1J9,8
Juni 24,7 89 0,4 99,8 Tabel 2.3 Perhitungan Curah Hujan Pos Banjarnegara
Juli 24,5 87 0,5 109,4
Agustus 24,9 85 0,6 ll7,g
September 25,3 85 0,6
No. Curah hujan Jumlah hari hujan Hasil
130,9
oktober ] 25,6 87 0,6 150,6
(x) (f) UXi)
November 25,2 85 0,4 I 478 t9
I
I 134,1 9.082
Desember 25,6 85 0,5 144,9 2 414 t7
I 7.038
Rata-rata 25,3 87 0,5 129
J 501 2t 10.521
atau hasilnya mempunyai selisih 20,37 o/o dengan perhitungan Jumlah 4.600 100
nrmus 2.3. Untuk latihan coba saudara hitung untuk pos wonodadi. Sumber : LJNDP/WMD PROJECT INS/78/038 data tahun 1879-1978.
k
X -'.fi No Interval Kelas TitikTengah Frekuensi mi.f,
-
^= T-
i=l
Q.4)
(mr) t
Xn
i=l
I 1500 - 2000 1.750 595 1.041.250
2 2000 - 2500 2.250 1.347 3.030.750
Keterangan:
3 2500 - 3000 2.750 2.206 6.066.500
X: rata-ratahitung 4 3000 - 3500 3.250 422 1.371.500
k : jumlah kelas 5 3s00 - 4000 3.750 30 I12.500
m, : titik tengatr Jumlah 4.600 11.622.s00
{ : frekuensi kelas i Sumber : perhitungan data tabel 2.4.
Cantoh 2.i.
Dari data tabel 2.5 dan berdasarkan nrmus 2.4,makarata-ratacuratr
Tabel 2.4, menunjukkan data curah hujan rata-rata tahunan daerah
hujan DPS Citarum dari waduk Jatiluhur ke aratr hulu adalatr :
pengaliran sungai (DPS) citarum kesebelah hulu waduk Jatiluhur
dari tatrun 1879 - 1978. Hitung curah hujan rata-rataseluruh DpS
tersebut. *-- lj62250
1\
4.600
: 2.526,63mm/tatrun.
44
46
Iileltodo pethltungan Elnghat Tabel 2.6 Perhitungan Curah Hujan Pos Banjarn€gara.
Metode perhitungan singkat (short cut method)
digunakan
untuk lebih menyederhanakan perhitungan rata-rata No Curah Hujan Frekuerui Di-Xi-A .f,.D,
hitung, yaitu (x) (f)
dengan menentukan nirai rata-iata sementara
lproutrionoi *roni. I 478 l9 +75 + t425
Rata-rata hitung dapat dihitung dengan
nrmus : 2 4t4 t7 +ll + 187
X=A+=\-
l r,.n J
4
50r
403
2t
l6
+98
0
+ 2058
0
5 282 l3 - t2t - 1573
Q.s)
Xr'
i=l
6 146 6 - 257 - 1542
7 108 6 -295 - t770
Dt:X;-A (2.6)
8 73 4 - 330 - 1320
9 103 5 - 300 - 1500
l0 275 ll - 128 - 1408
Keterangan : ll 460 l8 +57 + 1025
t2 562 25 + + 3557
x : rata-rata hit*g JUMI.AH 3.805 159
159
- 760
A : rata-rata sementara
Sumber : Pcrhitungan data tabcl 2.2
t : frekuensi ke i
xi : data ke i
$ Ci.fi
z,
Misal ditentukan curah hujan sementara : 403
dari data bulan Apr,). perhitungan ditunjukkan
mm/bulan (dipilih I=A+*- (2.7)
pad,ataber 2.6. tn
i=l
Berdasarkan nrmus 2.5, dandata taber 2.6,
makacurah hujan
rata-rata dari pos Banjamegara adalah ta Xi-A
: \-l -
- (2.8)
I
Keterangan:
X=403+1@
)ls9 x : rata-rata hitung
*. = 398,22mmlbulan A = rata-rata sementara
fi = frekuensi ke i
Hasil perhitungan sama dengan perhitungan pada xi = data ke i
tabel2.3.
I Mr[,]r{ I
I Badan perpusrakaan I
I Propinsi l;rw^ Ti-,,- I
46 47
Contoh 2.5. l) ryabila salah satu data ada yang hilang akan mem-
pcngaruhi ketelitian.
Hitung curah hujan rata-rata DPS Citarum - Jatiluhur dengan
2). hasil perhitungan dapat menyimpang dari keadaan
menggunakan data pada tabel 2.4.
sebenarnya apabila dijumpai nilai yang sangat ekstrem.
Jawab Contoh 2.5. z
Misal ditentukan rata-rata sementara curah hujan DPS Citarum - 2.1.2 lfllata-Rata timbang
Jatiluhur :
2.750 mm/tahun, maka perhitungannya dapat dilihat
Dalam perhitungan rata-rata menggunakan metode rata'rata
padatabel2.7.
hitung (arithmetic average) kita menganggap batrwa semua data
mempunyai bobot yang sama, tetapi umumnya setiap data dapat
Tabel2.7 . Perhitungan Curah Hujan DPS Citarum - Jatiluhur mempunyai bobot yang berbeda. Apabila bobot setiap data tidak
sama maka . perhitungan rata-rata harus menggunakan tata'rata
No Interval Kelas Titik Tengah Frekuensi C, C,.f, timbang (weighted mean). Untuk menghitung rara-tata timbang
(ml (fi) dapat menggunakan nrmus sebagai berikut :
I r500 - 2000 1.750 595 't - 1.190
2
5
2000
2500
- 2500
- 3000
2.250
2.750
1.347
2.206
-l
0
- t.347
0
t w,.r,
4 3000 - 3500 3.250 422 +l + 422 X.,='=l; Q.9)
5 3500 - 4000 3.7 50 30 +2 +60 Xw, -
i=l
Jumlqh 4.600 2.055
Keterangan :
Sumber : Perhitungan data tabel 2.4
I* = rata-ratatimbang
Berdasarkan rumus 2.7 dan data perhitungan pada tabel 2.7, maka Xi = data ke i
curah hujan rata-rata DPS Citarum - Jatiluhur ddalah : Wi : bobot datake i
n = jumlatr data
v=2.750. (-?ffi x 5oo)
V = 2.526,63 mm/tahun
Contoh 2.6.
Hasil perhitungan sama dengan yang dihitung dengan rumus 2.4 Dari peta jaringan Thiessen diketatrui batrwa daeratr pengairan (DP)
seperti data yang ditunjukkan padatabel2.S. Badas didaeratr Pare-Kediri terdapat 4 (empat) pos hujan dan luas
bagian tiap pos hujan seperti ditunjukkan pada tabel 2.8.
Beberapa keuntungan perhitungan rata-rata hitung :
x-
122-24
: 17,46 m/hari
7_359,9+279,7 t.313,7 +376,g _ 1.330,1 -
: JJL'JL
332,52mm
tt,-rtt ,
7
4 4 ;
I
I
6l
l-r0
atau mempunyai selisih : 2,48 7o dengan yang dihitung dengan Ilila dihitung dengan rata-rata hitung rumus 2.2 :
rata-ratatimbang.Selisihinikecilkarenafaktorpembobotannya
hanya mempunyai variasi yang relatip kecil, lain dengan contoh
2'6' X: ll4 (2,9 + 2,6 + 3,3 + 3,0)
cukup besar. X: 2,92 mgll
Apabila X,, Xr, Xr, ... X, adalah nilai variat dan W,, W2' Vy':, ... Wn
2.1.3 \ata'f,;arta llhut
adalah bobotnya maka rata-rata ukurnya dapat dihitung dengan
Rata-rata uktx (geometric mean) dihitung dengan rumus
rumus sebagai berikut :
sebagai berikut :
n
Iw' LogX
*, =i Gr)* (2'10)
E = anti Log
i=l
n
(2.r r)
i=l
Ew,
i=l
Keterangan :
Keterangan :
Ie = rota-rata ukur
Xi : data variat ke i & =rata-rataukur
n : jumlah data X' : data ke i
W, = bobot data ke i
Contoh 2.8. n : jumlah data
-
Pengambilan sampel air di'Pos duga air W'sekampung Kunyir
propinsi Lampung pada bulan Januari 1981 yang setelah dilakukan Contoh 2.9
(mg)
analisis laboratorium menunjukkan kandungan magnesium Hitung rata-rata ukur curah hujan yang datanya tercantum Pada
sebagai berikut : tabel2.8.
:2,8 mgA
I). tanggal 28, kandungan mg
2). tanggal2g, kandungan mg :2,6 mgll
Jawab contoh 2.9
Hitung kandungan mg rata-rata ukurnya' No Pos Hujan Bobot Curah Hujan LogX, W, LogX,
(w) (x)
Jawab contoh 2.8. z
I
52 I 6ll
Dari tabe I 2.1 l, maka rata-rata ukur curah hujan DP.Badas untuk Apabila data tersebut dihitung dalam suatu distribusi liekucnsi
bulan Januari adalah : maka rata-rata harmonisnya dapat ditulis sebagai berikut :
rata-rata timbang Xn: 342,86 mm dan apabila dihitung dengan Xn : tutu-rata harmonis
rata-rata hitung X : 332,52 mm. Xi : data ke i
Beberapa keuntungan dari pada penggunaan rata-rata ukur adalah :
' q : frekuensi ke i
n : jumlah data
I). dapat digunakan untuk semua data hidrologi'
2). perhitungan sederhana.
3). tidak begitu banyak dipengaruhi oleh nilai ekstrem' Apabila suatu distribusi data hidrologi Xr, X2, X3, ... X. dan
masing-masing data mempunyai bobot sebesar W,, Wr, W3, ... Wn,
Sedangkan kerugiannYa : maka rata-rataharmonisnya dapat dihitung dengan rumus :
Xn : rata-rata harmonis
2.1.4. \alta-f,rata Hannonit , :datakei
Rata-rata harmonis (harmonic mean) dari suatu distribusi X,, W, : bobot data ke i
Xr, Xr, ... Xn dapat ditulis sebagai berikut : n : jumlah data
Xn= (2.r2)
$r
3*,
Contoh 2.10.
Keterangan :
Hitung curah hujan DP.Badas yang datanya ditunjukkan pada tabel
2.8, dengan menggunakan rata-rata harmonis.
xn: rata-rata harmonis
Xi: data ke i
n: jumlatr data Jawab contoh 2.10. z
54
66
Tabel 2.12 Perhitungan Curah Hujan Rata-Rata Dp.Badas. Jowob contoh 2.1l. :
Contoh 2.t1.
Hitung permeabilitas akuifer preatis yang datanya tercantum pada Hasil perhitungan Xn selalu lebih kecil X*.
tab el 2. 1 0, den g an meng gunak an r ataq ata harmoni s.
60 67
Contoh 2.12. l)uri conrrh .1,10 darr 2.ll hubungan tersebut tidak diperolch. Hal
Perhitungan sampel air di Sungai Way Seputih di Segalamider pada
ini tlischahkan karena bobot dari pada tiap data akan dapat
nrc r r r pcn g,aruhi ketelitian dari hasil perhitungan rata-rata.
tahun 1981, bulan Januari tanggal 20, sebagai berikut :
2.1.5 ltfedian
Jam Konsentrasi (me/l)
Median (median) adalah nilai tengatr dari suatu distribusi,
atau dapat dikatakan variat yang membagi distribusi frekuensi
22.30 554 menjadi 2 (dua) bagian yang sama, oleh karena itu peluang
22.45 659 @robability) dari median selalu S0 %.
23.00 838 Data yang belum dikelompokkan :
23.15 1.008
l). Jumlah data ganjil
23.30 835
Untuk data yang jumlahnya ganjil, median adalah data
(Pus Air, laporan No. 39/HI-l lll982) pada urutan ke'(k,) yang dapat dihitung dengan rumus :
r-
^l-
- n* I (2.rs)
--
Hitung rata-rata hitung, rata-rata ukur dan rata-rataharmonisnya. *",.r*rurj'
kr : letak median
Jawab contoh 2.12. z n : jumlah data
l). Rata-ratahitung X = (554 + +838 + 1008 + 835) 2). Jumlah data genap
659
+
Untuk data yang jumlahnya genap, median adalah data
X=Y:778,8mg/t yang letaknya pada titik tengah urutan data ke (k,) dan
(kr), yang dapat dihitung dengan rumus :
2). Rata-rata ukur X, : llSS+ x 659 x 838 x 1008 x 835)r/5
X, :12,575 x l0ra)'/5 :762,35 mg/l
r-
,2- -Il
K,- (2.t6)
r-
A.-- -
n*2
3). Rata-rata harmonis X| = '2 (2.t7)
l-r-l-l-l-l
5s4'659'838'too8'835 Keterangan :
Flitung median dari data debit sungai Cikapundung di pos duga air
Gandok pada tanggal I sampai dengan 5 Februari 1991, dan hitung M,r ! - 2'64 lZ'tlo = 2,72m,/det
mediannya data debit sampai dengan 6 Februari 1991. Datanya ".j
sebagai berikut :
ll ata Y ang llihelomp ohh an
Tanggal Debit 1m3/det)
Median dari data yang tel:ih dikelompokkan menjadi suatu
IFebruari distribusi frekuensi dapat dihitung dengan rumus sebagai berikut :
2,48
2 Februari 2,40 l-p
Ma:b+i(t-)
3 Februari 2,89 1Z.rr;
4 Februari 2,64 Keterangan :
5 Februari 2,80
6 Februari 2,72
Md: median
n : jumlah data
(dikutip dari : Buku Publikasi Debit Sungai Tahun i : interval kelas
1991, Puslitbang Air)
f : frekuensi kelas median
F : frekuensi kumulatip sebelum kelas median
Jawab contoh 2.13. z
b : tepi kelas bawah di mana median terdapat
Median tanggal I - 5 Februari l99l karena datanya tr : 5, maka Contoh 2.16.
jumlatnya ganjil.
Tentukan median dari debit sungai cisadane - Batubeulah tahun
Urutkan datanya dari nilai kecil ke besar :
1974 sebagai berikut :
Xr:2,40 X3:2,64 X5:2,80 Debit (m3/det) Jumlah hari
Xr=2,48 Xo=2,72
kurang 20 5
1-_n+l-5*l_,
Letak mediannya
^'-T-T-', dan Xr:2,64 2t-
4t-
40
60
59
56
Jadi mediannya Md :2,64 m3/det.
6t- 80 69
Median tanggal I - 6 Februari l99l karena datanya fl : 6, maka 8l - 100 68
jumlahnya genap.
l0l - 120 47
Urutkan datanya dari nilai kecil ke besar : tzt - 140 2t
141 - 160 t4
X, :2,40 X3=2,64 X, :2,80
161 - 180 l0
X2=2,48 Xa:2,72 X. = 2,88
181 - 200 7
Letak mediannya :
201 - 220 5
Mo:60,5+Z0gl88-tZO,
'69'/
Tabel 2. l4^A Frekuensi Kumulatip Debit S.Cisadane-Batubeulah
Tahun 1974. M6:60,5 + 19,71 :80,21m3ldet.
No Debit Frekuensi Kumulatif Lebih Dmi Jadi median debit S.cisadane - Batubeulah tahun 1974 adalah g0,21
xt t F.
m'/det, atau 50 Yo daridebit selama tahun 1974 adalahgo,2lm3ldet.
I 2 3 4
kurang 20 r*) 5 5
Beberapa hal yang perlu diperhatikan dalam menghitung median
2r-40 59 64 adalah:
4l-60 56 t20
6l-80*) 69 *) 189 *) ' memerl,kan pekerjaan mengurutkan data dari kecil ke
8l - 100 68 257 besar atau sebaliknya.
101 - 120 47 304
tzt - t40 2t 32s
' kemungkinan tidak dapat mewakili distribusi data seri.
l4l - 160 t4 339 ' tidak mudah ditentukan bila data yang dihitung jumlah
16l - 180 l0 349 frekuensinya genap.
l8l - 200 7 356
walaupun.demikian penentuan median tidak dipongaruhi oleh
20t -220 5 361 nilai
22t -240 3 364 ekstrem.
lebih dari 241*t*,) I 365
365
Catatan : *) letak median. Dengan menggunakan data debit rata-rata harian terbesar
**) terkecil 16,l m3/det.
**r) 270 m3ldet dan terkecil 16,l mrldet, maka data pada tabel 2.14.A
terbesar 270 msldet.
dapat dibuat seperti ditunjukkan pada tabel 2.14.8. Dari data
tabel
2.14 B dapat dibuat kurva distribusi frekuensi "kurang dari"
atau ojif
(ogive), yang untuk data debit disebut dengan kurva ,,Duration
Dari tabel 2.14A, jumlah data n = 365 dan ganjil, maka letak
Curve" (lengkung frekuensi rama aliran) seperti ditunjukkan pada
mediannya ditentukan berdasarkan rumus 2.15, sehingga :
gambar 2.7- Data digambarkan pada kertas grafik aritmatik.
Data
.\=T
, n+l
=ry =
188, oleh karena itu median terletak di batas bawah kolom (2) digambarkan pada skala tegak,
dengan data pada korom (5) Dengan demikian koordinat
berpasangan
interval kelas 6l - 80. titik
penggambaran gambar 2.1 adalah (100 dan 16,l), (9g,63
60 + 6l :60,5 dan 2l),
. tepi bawah dimana median terletak adalah
rqsr 5
v = (82,46 dan 4l), (0,27 dan z4r) hingga titik terakhir (mendekati
nol,
2
. frekuensi kelas median adalah f = 69. 270).
llatrrhculalr'l'ahun I 974.
xi I (hari) 9%
I ) 3 4 J
I Lebih dari 270 0 0 0,00
2 241 - 2',t0 I I 0,27
3 22t -240 3 4 l,0g
I to 4 201 -220 5 9 2,46
E 5 l8l - 200 7 l6 4,38
a\ rto 6 16l - 180 l0 26 7,12
: 7 l4l - 160 l4 40 10,19
E
a r 8
9
t2t - t40
101 - 120
2l
47
6l
108
16,l I
29,58
I
o l0 8l - 100 68 176 48,21
o ll 6l - 80 69 24s 6',7,12
t2 4l- 60 56 301 82,46
2t-
L -+
I l3
l4 16,l - 20
40 59
5
360
365
98,63
100,00
I I
l5 kurang dari l6,l 0
Jumlah 36s
6 roo aoo loo rr'
i------+ UAI?U (Xll!, Sumber : Data Tabel 2. l4.A
2.1.6 ltodus
Dari sekumpulan data atau distribusi yang terdiri dari variabel
deskrit, yang disebut modus adalah vanat yang terjadi pada
frekuensi yang paling banyak. Sedang pada suatu distribusi yang
terdiri dari variabel kontinyu, yang disebut dengan modus adarah
variat yang mempunyai kerapatan peluang maksimum (mmimum
probability density).
rr)oan, rnedian dan modus terletak pada satu titik (gambar 2.2). llrt!,r11_ Kclcrttll:rb:rrr ('),,) []rrlan Kclcnrbaban ('7o)
'letapi apabila kurva frekuensi suatu distribusi bentuknya tidak
simetris maka letak mean, median dan modus seperti ditunjukkan Jrtrtrutrr 86 Juli 87
pada gambai 2.3. ljcbruari 88 Agustus 85
Maret 87 September 85
April 89 Oktober 87
Mei 89 November 85
'iTIUTI!I Juni 89 Desember 85
I 85 4
a
86 I
3 87 3
4 88 I
Gambar 2.3. Mean, Median dan Modus Kurva Frelarcnsi 5 89 3
Tidak Simetris. Sumber : Perhitungan data tabel 2. I
Contoh 2.17. Dari tabel 2.75, data dengan frekuensi terbanyak adalah bernilai g5.
Dari data tabel 2.1 dapat diketahui bahwa kelembaban relatip (%) Maka modus kelembaban relatip pos hidrometeorologi di
dari pos hidro meteorologi di Singomerto tahun 1988 adalah sebagai Singomerto adalah Mo : 85 Yo.
berikut : Apabila data telah disusun dalam suatu distribusi frekuensi
{; (;
67
dala,,, rnterval kelas, maka modus dapat dihitung dengan rumus Jtttvuh cttttkth 2. l8
sebagai berikut :
llrrrrt trrlrcl rlistribusi seperti ditunjukkan pada tabel 2.16
'l'abcl
Iv{o=B-it,r_#t5r (2.1e) 2. 16. Frekuensi Debit S.cisadane-Batubeurah 1974.
Keterangan :
Mo : modus l. kurang 20 5
B = 'batas bawah interval kelas 2. 2t-40 59
i : interval kelas 3. 4l-60 56
f : frekuensi maksimum kelas modus 4. 6l-80 69
f, : frekuensi dari kelas sebelum frekuensi maksimum 5. 8l . 100 68
kelas modus
6. l0l - 120 47
7. tzt - 140 2T
f2 = frekuensi dari kelas setelah frekuensi maksimum kelas 8. l4l - 160 t4
modus 9. 16l - 180 l0
(lihat gambar 2.4). 10. 181 - 200 7
I l. 20t - 220 5
12. 221 - 240 3
?irtrxitt l3 241 - 260 I
lebrh240
Jumlah
Sumber : Perhitungan data tatrul2.14A
Jadi modus debit S.Cisadane - Batubeulah tahun 1974 adalah79,57 Tabel 2.17. Urutan Data Penguapan di Singomcrto Tahun 198t.
m'/det, dalam satu tahun terjadi dalam 69 hari atau 18,9 Yo dat'r 365
hari. Bulan Penguapan Air Terbuka
(x)
Dalam perhitungan modus hasilnya dipengaruhi oleh nilai (mm/bulan)
ekstrem dan perhitungannya mudah. Akan tetapi modus mempunyai
I 99,E
beberapa kelemahan, diantaranya adalah nilai ekstrem tidak ada 2 109,4
faktor penimbangnya, dan dalam beberapa hal tidak mungkin 3 I l7,t
menentukan satu nilai modus karena kemungkinan mempunyai 4 I18,0
5 ll9,E
beberapa modus, disamping itu perhitungannya tidak melibatkan 6 130,t
semua data yang dihitung. 7 134,1
8 139,0
9 142,9
l0 143,7
ll 144,8
t2 150,6
Sumber: data tabel 2.1.
2.1.7 Kuortil
Kuartil (quartiles) adalah tiga nilai yang membagi distribusi
menjadi 4 (empat) bagian yang sama, dengan demikian : Dari data tabel2.l7 maka dapat ditentukan ;
4 9',7r 3,68
Dari data pada tabel 2.79, nilat terbesar adalah 9,79 m3/det dan
5 972 2,68
terkecil 2,68 m'/det, jadi range debit minimum S.Cimanuk
6 973 7,30
,7 Leuwidaun adalah 9,79 - 2,68 :7,1 I m3/det.
974 7,60
8 975 4,70
9 976 3, l0
l0 977 3,60 2.2.2 [lcoiasi lt,atg..tata
ll 978 5,80
Deviasi rata-rata (mean deviation, average deviation) adalah
t2 979 s,50
nilai rata-rata penyimpangan (deviasi) mutlak (absolute) dari
Sumber : Buku Publikasi Debit, Puslitbang Pengairan
72
73
rata-rata hitung (mean) untuk semua nilai variat Karend semua nilai
Tabel 2.20 Perhitungan Deviasi Rata-Rata Debit Minimum Sungai
pengamatan/pengukuran dilibatkan dalam perhitungan maka hasil
Cimanuk - Luewidaun.
perhitungan lebih teliti jika dibandingkan dengan range yang hanya
menggunakan 2 rulai ekstrem saja. Deviasi rata-rata dapat dihitung
No. DebitMinimum Rata-Rata
dengan rumus sebagai berikut X,-X
:
lx,-x I
It rn xi x
MD: n: lx,- Il (2 20) I 2,69 5,43 - 2,75 2,7s
2 3, l0 5,43 - 2,33 2,33
Keterangan
3 3,60 5,43 - 1,83 l,g3
:
4 3,68 5,43 - 1,75 1,75
MD = deviasi rata-rata 5 4,02 5,43 - l,4l l,4l
: nilai variat ke i 6 4,70 5,43 - 0,73 o,73
xi 7 5,50 5,43 + 0,07 0,07
x : rata-rata hitung semua variat 8 5,80 5,43 + 0,37 0,37
n : jumlah data 9 7,30 5,43 + 1,87 1,87
lx, - Xl : baca harga mutlak selisih X, dengan X. l0 7,60 5,43 + 2,17 2,17
ll 7,67 5,43 + 2,24 2,24
t2 9-79 5.43 + 4-36 4.36
Jumlah 65,44 21,89
Contoh 2.20. Sumber : perhitungan data tabel 2.18
n
X=_
65,44 _:5,43 t nlx, - xt
t mr/det \D: (2.2r)
-" II -
Hitung deviasi rata-r ata'. i=l
Jumlah 4.600
52:
i tx, -x/
i=l
(2.22.b)
Hitung curah hujan rata-rata :
Keterangan:
inx''-11.622.500 S: deviasi standar
f1L-
=fr.' 4'600
=2527mm X' : nilai variat
tr'
i=l X: nilai rata-rata
n : jumlah data
Hitung Deviasi tata-rata 52 :
'.
varian
n
E tlx, -Xl
Hasil perhitungan persamaan (2.22a dan 2.22b) adalah ukuran
MD: %--
Ir,
i=l
dispersi untuk sampel, tetapi larang digunakan. Umumnya dihitung
dengan mmus sebagai berikut.
Contoh 2.22.
Hitung deviasi standar dan varian dari debit minimum S.Cimanuk
s ll/tu:u
12* I
2.22 m,/det
Leuwidaun yang datanya tercantum pada tabel 2.19.
Ilcrdasarkan persamaan 2.22.d, maka varian
n
Jmvab contoh 2.22. :
S': I Gi -x/(n- l)
i=l
Perhitungan lihat pada tabel2.22.
.2 _ 54,2996
Tabel2.22 Perhitungan Deviasi Standar Debit Minimum t2- |
Sungai Cimanuk - Leuwidaun. 32: 4,9284
i t*, -x)'
i=l Untuk perhitungan deviasi standar dan varian dari sampel data
hidrologi yang telah disusun dalam distribusi frekuensi dapat
7tt 7lt
(2.23.a)
dari sampel data hidrologi yang disusun dalam kelompok-kelompok 5. 3500 - 4000 30 3750 +2 +60 4 120
Jumlah 4.600 -2035 4.269
distribusi, dapat menggunakan cara perhitungan singkat (short-cut
method), menggunakan rumus sebagai berikut : Sumber : Datatabdl2.4.
S:i
ir,.i
i=l
ie.c, \,
r i=l
_ \-;-, (2.24)
In
-_- Xn
i=l
Dari perhitungan data pada tabel2.23, maka:
Keterangan
i=l
S:i
t,,c?_ (,=,;
tnc,
:
),
S: deviasi standar In
i=l
In
i=l
i : interval kelas
C, : nilai konding data ke i S:500 4269 _2055
4600 4600
{ : frekuensi kelas ke i
n : jumlah kelas S = 585,88 mm/tahun
Contoh 2.23. Jadi deviasi standar curah hujan DPS Citarum - Jatiluhur adalah
585,88 mm dari nilai curah hujan rata-rata sebesar : 2.526,63
Hitung deviasi standar dari curah hujan DPS Citarum sebelah hulu mm/tahun.
tt0 n1
CV: g
Kemencengan (skewness) adalah suatu nilai yang menunjuk-
(2.2s)
x kan derajat ketidak simetrisan (assymetry) dari suatu bentuk
distribusi. Apabila suatu kurva frekuensi dari suatu distribusi
bila dinyatakan dalam persentase :
mempunyai ekor memanjang ke kanan atau ke kiri terhadap titik
CV: TES (2.26) pusat maksimum maka kurva tersebut tidak akan berbentuk simetri,
x keadaan itu disebut menceng ke kanan atau ke kiri. Kurva yang
Keterangan : ditunjukkan pada gambar 2.3 adalah berbentuk tidak simetri, gambar
: 2.3.a kurvanya menceng ke kanan, sedangkan gambar 2.3.b
CV koefisien variasi
kurvanya menceng ke kiri, sedangkan gambar 2.2, menunjukkan
S : deviasi standar
X : rata-ratahitung
bentuk kurva yang simetri (tidak menceng).
x : rata-rata hitung dari data sampel I litrrng bestl rryt rittt-t,ala hitung
xi
:
data ke i
n : jumlah data x q# - .s,43 m,/det.
drd : parameterkemencengan t2
Deviasi standar S:2,22 mr/det (lihat contoh2.2Z)
Kurva distribusi yang bentuknya simetri maka CS : 0,00, kurva Parameter kemencengan untuk sampel
distribusi yang bentuknya menceng ke kanan maka CS lebih besar
nol, sedangkan yang bentuknya menceng ke kiri maka CS kurang a : nn
I Gr -D3
dari nol. G:r)G.Lt
a: (.ltxto)(159,0561)
12
Contoh 2.24.
Hitung koefisien kemencengan dari debit minimum sungai cimanuk- a= 17,351
Leuwidaun yang datanya tercantum pada tabel 2. l g
cs: +=,lJ,i+= l1,lil
sr (2,22)3 l0, g4l
:1,585
Debit Rata-Rata
No Minimum lX,-xl $,-Xf 2.2.6 Kcsalahan Standat
xi i
I 2,68 5,43 2,75 20,'7968 Kesalahan standar (standord error) dari suatu parameter
2 3,10 5,43 2,33 12,6493 statistik (misal rata-rata atau deviasi standar) adalah deviasi standar
3 3,60 5,43 1,83 6,1284
4 3,68
dari distribusi sampling parameter statistik itu sendiri. Seperti telah
5,43 1,75 5,3594
5 4,02 5,43 l,4l 2,8033 dijelaskan sebelumnya bahwa semua sampel data dengan ,
,6 4,70
iro,tut
5,43 0,73 0,3891 buah akan mempunyai :
Keterangan: -
SE = += Z4= ?,??=: 0,6408m,/det
nt/, 3,464
ez)+
SE = kesalahan standar dari rata-rata
S: deviasi standar
dan
dengan rumus :
IT
i=1
o Keterangan .
i=n
'
Pengukuran momen umumnya dilakukan terhadap sumbu yang lewat MA(R):*I(x,-D* (2.37)
titik:
1). asal (origrn) sehingga nilai \ : 0. untuk data yang o,J.l"rrr"*- ,
Keterangan:
Berdasarkan rumus 2.35 dan2.36 maka momen pertamanya : CK : koefisien kurtosis
M4 : momen ke 4 terhadap nilai rata-rata
MO(l): nilai X lnitai rata-ratanya)
S = deviasi standar
t cx, _gr
MA(2)
MA(3)
nilai varian (S'z), lihat sub bab 2.2.3
Hubungan antara M(R) dan MA(R) dapat ditulis sebagai berikut Berdasarkan persamaan (2.42) maka MA(4)/Sa dapat disederhana-
:
kan sebagai berikut :
MA(2)=M(2)-M(2)1, (2.40)
.. f,n.ci. tn.ci, tn.ci tn..,, tn.ci ln.ci
MA(3) = M(4) - 3$(l)lM(2)l + 2M(l)ll (2.41) cr = filEln- -4(s-fr-Xhh-l*etE n-Xa, -;: -31+6-).1 (2.46)
MA(4): M(4) - 4M(l)ltM(3)l + 6M(l)FM(2)l _ 3M(1)1. (2.42)
Secara teoritis maka apabila nilai :
Contoh perhitungan MA(4), lihat contoh perhitungan2.26, pada sub
bab 2.2.8. CK = 3, disebut dengan distribusi yang mesokurtis (mesokurtic),
I
artinya puncaknya tidak begitu runcing dan tidak begitu
datar, serta berbentuk distribusi normal.
tx)
0l
CK ., 3, disebut dengan distribusi yang leptokurtis (leptokurtic), Contoh 2.26.
artinya puncaknya sangat runcing.
'l'entukan bentuk distribusi frekuensi dari data curah hujan
CK < 3, disebut dengan distribusi DPS
yang platikurtis Qtlatilatrtic), (litarum-Jatiluhur yang daranya tercantum pada tabel 2.4, dengan
artinya puncaknya lebih datar.
menggunakan nilai dari koefisien kurtosis.
/.l'l,ito,,l,filna
T abel 2.25 Contoh Perhitungan Koefi sien Kurtosis
Data Curah Hujan DPS Citarum - Jatiluhur.
n= ff, ,sehingga
i=l
( 5(X)){
(1. '-
- = (586)4 Ir -r-'
7 s5 -?.ll + l.ll -0.11 I Jawah Conbh 2.27. :
XT:X,+&+Xr+...+4 (2.47)
Contoh 2.27.
2). hitung besarnya curah hujan rata-rata:
Dalam suatu DPS terdapat 4 (empat buah) pos pengamatan curah
hujan. Besarnya curah hujan normal dari setiap pos adalah 3.200;
2.950; 2.600 dan 2.450 mm pertahun. Tentukan jumlah pos
X= + (lihat rumus 2.t) (2.48)
pengamatan curah hujan yang optimal dari DpS tersebut apabila 3) hitung jumlah kuadrat besarnya curah hujan dari pos
diinginkan batas kesalahan besarnya curah hujan rata-rata sebesar curah hujan yang telah terpasang, sebanyak n buah.
5,0 oA (data tentatip dari penulis). JK = X,2 + )(rr* Xr, + ... + 4, (2.4e)
94
96
JK _ (XT2/N)
n- I
(lihat rumus 2.22.d) + = | tr r.zoo), = 3l.36o.ooo mm
5). hitung koefisien variasi 4). varian curah hujan ,
o, _ JK-(XT?n)
loolE -_n_
CV: (lihat rumus 2.26) (2 50)
x
sr= 31.705.00q-31.360.000 _ 345*000 = 115.000 mm
6). jumlah optimum N buah pos pengamatan curah hujan 4-t 3
3.1. PENDA'IULUAN
Teori peluang membatras tentang ukuran atau derajat
ketidak-pastian dari suatu kejadian, misal dalam melakukan undian
menggunakan sebuah mata uang logam dengan muka A dan
sebaliknya muka B, maka dapat diperoleh peluang (P) sebagai
berikut : P (muka A) : P (muka B) : ll2. Kalau dihitung
banyaknya muka A yang nampak, maka muka B : nol A dan muka
A: lA, dan kalau banyaknya muka A diberi simbul X, maka untuk
muka B dan muka A masing-masing X : 0 dan X : l, sehingga
akan diperoleh notasi baru P (X:0) : ll2 dan P (X:l) : ll2.
Besarnya peluang sebuah variat adalah jumlah kejadian dari Dari Gambar (3.1) maka:
pada deskrit variat dibagi dengan jumlah total kejadiannya. Jumlatr
b-
peluang dari semua variat tersebut adalah sama dengan satu, atau P(asxsb): J r1xlax (3.1.a)
P:1. Distribusi peluang (probability distribution) adalah suatu
@
i
J P(x)dx :
c
distribusi yang menggambarkan peluang dari sekumpulan variat I (3.1.b)
sebagai pengganti frekuensinya. Peluang kumulatip (cumulative
probability) dari sebuatr variat adalah peluang dari suatu.variabel
P (x < a) : P(x): ] *1*1a* (3.1.c)
acak yang mempunyai nilai sama atau kurang dari suatu nilai
tertentu. Kalau nilai sebuatr variat tersebut adalatr x, maka peluang Fungsi distribusi peluang umwnnya dibedakan sebagai :
kumulatipnya adalah P (X < x), dan peluang kumulatip dari suatu
variabel acak yang mempunyai nilai sama atau lebih dari suatu nilai
l). deskrit, dan
tertentu adalah l-P (X < x), umumnya ditulis sebagai PCX > x).
2). kontinyu
Untuk variabel acak kontinyu (continuous . random Sub bab 3.2, akan menyajikan contoh aplikasi fungsi distribusi
variables), peluang sebuah variat dapat dipandang sebagai peluang peluang deskrit dan sub bab 3.3, menyajikan contoh aplikasi fungsi
P (x) dari sebuah kelompok nilai deskrit dalam interval x sampai (x distribusi peluang kontinyu, sub bab 3.4, menyajikan tatrapan
+ Ax). Apabila x merupakan nilai yang kontinyu dan Ax menjadi aplikasi distribusi peluang unttrk analisis data hidrologi.
dx, maka peluang P(x) akan menjadi fungsi yang kontinyu
(continuous function), yang umumnya disebut dengan densitas
peluang @robability density). Gambar 3.1, menunjukkan sketsa
kurva sebuatr distribusi peluang kontinyu, gambar (a), menunjukkan 3.2. APLIKASI D'STRIBUS' PELUANG DESKN'T
sketsa kurva fungsi densitas peluang (probability density function)
Banyak persamaan distribusi peluang deskrit, misal
dan fungsi distribusi kumulative (cumulative distribution) Binomial, Multinomial, Geometrik, Hipergeometrik, Poisson, dan
ditunjukkan pada (b).
sebagainya, walaupun demikian hanya distribusi Binomial dan
Poisson yang disajikan dalam aplikasi analisis hidrologi pada buku
ini.
?(xl P(Xt
N : jumlah kejadian.
R = jumlah kejadian yang diharapkan = 0, l, 2, ...N.
P = peluang terjadinya kejadian : disebut juga parameter Jawab Contoh tr.I. z
Dari persamaan (3.2) apabila nilai N bertambah banyak dan P(R:l): (0,20)r (0,80)e :0,268
mendekati tak terhingga, maka distribusi binomial cenderung ffi
menjadi distribusi normal. 3). Peluang debit banjir terjadi dua kali, yaitu R: 2
5). Peluang debit banjir T = 5 tahunan rata-rata terjadi Dengan parameter statistik sebagai berikut :
Dari penyelesaian contoh 3.1, maka dapat disimpulkan bahwa debit P: peluang terjadinya.
banjir sungai Citarum-Nanjung untuk periode ulang 5 tahunan Q: peluang kegagalan.
sebesar 359 m3/det dalam waktu l0 tatrun sama sekali tidak terjadi :
mempunyai peluang 10,7 Yo; terjadi satu kali: 26,8 o/o; terjadi dua Distribusi peluang Poisson umunrnya dapat digunakan dalam
kali: 30,1 %o; terladi 3 kali: 20,1 yo. Rata-rata akan terjadi dua kali analisis hidrologi, apabila :
I 1500 - 2000 0,210 0,210x 4600: 966 P(X) : fungsi densitas peluang normal (ordinat kurva
2 2000 - 2500 0,327 0,327 x 4600: 1504 normal)
3 2500 - 3000 0,255 0,255x4600=1173 n : 3,14156
4 3000 - 3500 0,132 0,132x4600= 607 e : 2,71828
5 3500 - 4000 0,051 0,051 x 4600: 234 X = variabel acakkontinyu
Sumber: Perhitungan Tabel 3.1.
p : rata-ratadari nilai X
o : deviasi standar dari nilai X
Gambar 3.2. Kurva Distribusi Frekuensi Normal. Dari daerah pepgaliran sungai (DPS) Citarum - Jatiluhur, telatr
dihitung bahwa curatr hujan rata-ratanya adalatr 2527 mmltafuxr
(lihat contoh 2.21) dengan deviasi standar 586 mm/tahun (ihat
Untuk lebih jelasnya dapat dilihat pada gambar 3.2. contoh 2.23). Apabila data tersebut sebarannya merupakan
Sedangkan 50 % dari nilainya terletak didaeratr 0t - 0,6745o) dan distribusi normal, tentukan :
(p+0,6745o).
r). berapa peluang batrwa curah hujannya kurang dari 2000
Luas dari kurva normal selalu sama dengan satu unit persegi, mm/tatnm.
sehingga: 2). berapa peluang batrwa curatr hujannya lebih dari 3500
mm/tatrun.
p(-* < x < +*) =j (+)'dx : 1,0
i -|.
oJ2n
. e-l (3.1s) 3). hitung peluang bahwa curah hujannya berkisar antara
2400 dan 2700 mm/tatrun.
Untuk menentukan peluang nilai X antara X : 4). apabila untuk menghitung curatr hujan rata-ratatersebut
x, dan X = xr,
dari data sebanyak 100 tatrun, berapa jumlatr data yang
adalatr :
curatr hujannya berkisar antara 2400 - 2700 mm/tatrun.
x]
P(X,.X<X2)=J -l-. i(+)'d* (3.16)
6zlt xl "-
Jawab contoh 3.1. :
Apabila nilai X adalatr standar, dengan kata lain nilai rata-rata
Dari contoh tersebut diketatrui bahwa
p : 0 dan deviasi standar o : 1,0, maka persamaan 3.16 dapat
ditulis sebagai berikut : nilai =2527 mm/tatrun.
P
nilaio= 586mm/tatrun.
P(q = ,L ..-i" (3.17) Untuk menjawab pertanyaan butir I sampai dengan 3 perlu dibuat
J2n
diagram, seperti ditunjukkan pada gambar 3.3.a sampai gambar
dengan ,=+ (3.18) 3.3.c.
ll0 rll
l) untuk rnenghitung peluang curah hujan kurang dari 2000 Dan kemudian dengan menggunakan tabel III-I pada
mm/tahun, Iihat gambar 3.3.a, maka : P(X < 2000), bagian akhir buku ini, akan diperoleh :
harus dihitung luas daerah dibawatr kurva normal
disebelah kiri 2000. Ini dapat dicapai dengan
P( X <2000 ) =P (t < -0,899) : 0,1867
menentukan luas disebelah kiri nilai t padanannya, Jadi curatr hujan DPS Citarum - Jatiluhur kurang dari
berdasarkan rumus 3.18. 2000 mm/tahun hanya mempunyai peluang sebesar
18,67 Yo.
[- X-p
o
2). Untuk menghitung peluang curatr hujan lebih dari 3500
f: 2040 - 2527
586
: -H:-0,899 mm/tatrun, lihat gambar 3.3.b, maka : P (X > 3500);
harus dihitung luas daeratr dibawatr kurva normal di
sebelah kanan 3500, dapat dihitung dengan menentukan
luas di sebelah kanan nilai t padanannya, berdasarkan
nrmus 3.18 :
t- X o- P
untukP(X<2400),
Gambar 3.3. Sketsa Luas Daerah Dibawah Kurva Narmal Contoh 3.4'
113
tt2
r) Metode Kalifornia
t: X -P
o Dengan metode Kalifornia (California Method), peluang
dari Xm, dihitung dengan rumus :
586- =-#
. _2400-2527
'- =-0,216
P(X.):ft,utu, (3.19.a)
untukP(X<2700)
. _ 2700 -2s27 T(XJ-H (3.le.b)
'- - 586- =#:0,295
Keterangan:
Dengan demikian :
2). Metode Hazen pcluang, besarnya peluang P(X) adalah 0 < P(Xm) < l.
I)apat digunakan untuk sekelompok data tahunan atau
Dalam metode Hazen (Hazen or Forster Method, 1930),
peluang dari Xm, dihitung dengan rumus :
partial, sehingga metode Weibull ini yang sering
digambarkan untuk analisis peluang dan periode ulang.
P(Xm):
# ,atau (3.20.a)
5). Metode Lainnya
T(Xm):,fr (3.20.b) . Metode Blom:
I 980 109,0
1979 125,0
Volume X Peringkat m I
1978 121,0
Uub mi) (m) P=-
t977 97,4 N+ I P
t976 78,6
1975 149,4 I 0,04 25,00
149,4
1974 132,4 2 0,08 12,50
90,0
125,0 3 0,13 7,69
1973 I l4,l
121,0 4 0,17 5,88
1972 9l,l
l97l 114,7 5 0,21 4,76
84,6
t970 109,0 6 0,25 4,00
132,4
r969 101,7 7 0,29 3,45
83,9
,968 99,2 8 0,33 3,03
73,0
967 97,8 9 0,38 2,63
65,0
966 97,8
97,4 l0 0,42 2,38
965 77,8
9l,l ll 0,46 2,17
964 90,0 t2 0,50 2,00
45,2
963 89, I l3 0,54 1,85
68,5
962 93,6
84,6 l4 0,58 1,72
961 191,7
83,8 l5 0,63 1,59
960 99,2
83,6 l6 0,67 1,49
959 41,6
78,6 t7 0,71 l,4l
958 89, r
77,8 l8 0,75 1,33
73,0 t9 0,79 1,27
Sumber : Buku Publikasi Debit Pusat Litbang pengairan.
68,5 20 0,83 1,20
65,0 2l 0,88 I,l4
45,2 )') 0,92 1,09
Jawah Contoh 3.6 z 41,6 23 0.96 1,04
N :23
Tabel 3.5, menyajikan kembali data tabel 3.4, yang telah disusun buah
mulai dari nilai yang terbesar ke yang paling kecil. setiap nilai *. = 92,16 jutam3/tatrun
dihitung besamya peluang dan periode ulang berdasarkan nrmus S :25,95 juta m3/tahun
3.22.adan rumus 3.22.b (metode Weibull).
Sumber : Perhitungan Data Tabel 3.4.
X:92,76+(25,95).k
122
:
.1.1.2. Aplllasl IDIstrIDrsl Gutm,be,l
l) X2 = 92,16 + (25,95) .0 .1..r.2.1. Aplikasi Distribusi Gumbel Tipe I
Xz : 92,l6juta m3/tatrun
Distribusi Tipe I Gumbel atau disebut juga dengan
2) : 92,16 + (25,95) .0,84
Xs distribusi ekstrem tipe I (extreme type I distribution) umumnya
: 13,95 juta m3/tahun
Xs 1 digunakan untuk analisis data maksimum, misal untuk analisis
3) Xro : 92,16 + (25,95) .1,28 frekuensi banjir. Peluang kumulatip dari distribusi Gumbel adalah :
Xso : 145,35 juta m3/tatnrn P(X < x) : fungsi densitas peluang tipe I Gumbel
X : variabel acak kontinyu
e:2,71828
Dari perhitungan tersebut nampak bahwa nilai rata-rata 6X; sama Y : faktor reduksi Gumbel
dengan nilai perkiraan untuk periode ulang 2 tahun. Tabel 3.6, J
I
menunjukkan rangkuman perhitungan data tabel 3.4.
Persamaan garis lurus model Matematik Distribusi Gumbel tipe I
:l
l yang ditentukan dengan menggunakan metode momen adalah :
Tabel 3.6 Perkiraan Volume TotalDebit Sungai Cikapundung - Gandok.
Y :a(X-&) (3.27)
No Volume Total Peluang Periode Ulang 1, 283
(juta m3 /tahun) (%) (tahun)
a:-- (3.28)
0-577
I 92,16 50 2 Xo: [r--,atau
2 I 13,95 20 5
)L:p-0,455o (3.2e)
J 125,37 l0 l'0
4 134,71 5 20
Keterangan :
5 145,35 2 50
p: nilai rata-rata
:
Sumber Perhitungan Data Tabel 3.4 dengan menggunakan
persamaan model matematik distribusi normal. o: deviasi standar
Tabel 3.7 Nilai Variabel ReduksiGumbel. lnhcl 1.8 Data Debit Banjir Maksimum DPS Citarum di
Pos Duga Air Nanjung l9l8 - 1980.
T (tahun) Peluang Y
No. Tahun Debit No. Tahun Debit
- 1,930 (mr/det) (m3/det)
1,001 0,001
I,005 0,005 - 1,670 l. l9l8 244 t9'13 269
'1,01
0,01 - 1,530
- 1,097
2. l9l9 2t7 t974 323
1,05 0,05
l,l I 0,10 - 0,834 3. t920 28s t975 3@
1,25 0,20 - 0,476 4. t92r 26t t976 241
1,33 0,25 - 0,326
5. 1922 29s 1977 290
1,43 0,30 - 0,185
1,67 0,40 0,087 6. t923 2s2 1978 302
2,00 0,50 0,366 7. 1924 275 1979 301
2,50 0,60 0,671
3,33 0,70 1,030
8. t92s 204 1980 284
4,00 0,75 1,240 9. 1926 208 l98l 276
5,00 0,80 1,510 10. t92? t94 r982 261
10,00 0,90 2,250
20,00 0,95 .
2,970 ll. t928 256 1983 303
50,00 0,98 3,900 t2. 1929 207 1984 335
100,00 0,99 4,600
13. r930 354 1985 320
200,00 0,995 5,290
500,00 0,998 6,210 14. 193 l 445 N = 30 buatt
1000,00 0,999 6,900 15. t932 350
16. r933 336 i=286,20 m'/det
Sumber: Bonnier, 1980.
17. 1934 328 S - 55,56 m'/det
Sumber : Buku Publikasi Debit Sungai Tahunan Pusat Litbang Pengairan.
Contoh 3.7.
Tabel 3.8, menunjukkan data debit banjir maksimum dari pos duga Jawab Contoh 3.7. z
air sungai Citarum - Nanjung tatrun 1918 - 1934 dan tahun 1973 -
Dari data tabel 3.8, maka parameter statistik dari sampel sebanyak
1985. Apabila sampel data tersebut berasal dari populasi yang
N : 30 (tahun) data debit banjir maksimum sungai Citarum -
homogen tentukan perkiraan debit banjir maksimum yang bisa
Nanjung adalah :
diharapkan terjadi untuk periode ulang 2; 5; l0; 20; dan 50 tahun
dengan menggunakan model matematik dari Distribusi Gumbel X =286,20 m3ldet.
Tipe I. S = 55,56 m'ldet (unbiased).
l. )
&=x-ry 2.
277
328
359
5
l0
50
20
3. l0
rr - 5;
0,577 4: 390
A0 -.ra- 20 5
OrOn 5. 43t 50 2
6. 461 100 I
Xn=286,2r'.ffi:261,21
Sumber: Perhitungan Data Tabel 3.8 dengan menggunakan
model matematik persamaan distribusi Gumbel Tipe I.
1,510+6,005 :359
x5: 0,023
2,250 + 6,005
Xro: = 390 Perhitungan persamuum garis lurus untuk distribusi Gumbel,
0,023
menggunakan metode nomen seperti dijelaskan pada rumus 3.27,
2,970 + 6,0.05 :431
Xzo: paling sering digunakan karena lebih sederhana dan kurang
0,023
menyimpang. Persamaan garis lurus untuk distribusi frekuensi tipe I
4,600 + 6,005 :461 Gumbel dapat juga menggunakan persam&m distribusi frekuensi
Xro
0,023 empiris sebagai berikut :
e
Tabel 3.9 menunjukkan rangkuman hasil perhitungan. X:X+fr(V-Yn) i(3.30)
128 l2$
Keterangan :
X,u :286,20 + 49,946 (2,2504 - 0,5362) = 372 mr/dct.
x nilai variat yang diharapkan terjadi Xzo = 286,20 + 49,946 (2,9019 - 0,5362) = 404 m3/det.
x nilai rata-rata hitung variat
Y nilai reduksi variat dari variabel yang diharapkan terjadi Xso : 286,20 + 49,946 (3,9019 - 0,5362) = 454 m3/det.
pada periode ulang tertentu (hubungan antara periode Xroo = 2g6,20+ 49,946 (4,6001 -0,5362):489 m3/det.
ulang T dengan Y dapat dilihat pada tabel 3.10), atau
dapat dihitung dengan rumus :
Hasil selengkapnya dirangkum pada tabel 3.12.
Y:-ln[-,"?] (3.31)
YN
untuk T ) 20, maka Y: ln T
Tabel 3.1lA. Hubungan Reduksi Variat Rata-rata (Yn)
Yn : nilai rata-rata dari reduksi variat (mean of reduced
dengan Jumlah Data (n).
variate) nilainya tergantung dari jumlah data (n) dan
dapat dilihat pada tabel 3.1 l.A.
Sn : deviasi standar dari reduksi variat (standard deviation of n Yn n Yn n Yn n Yn
the reduced variate), nilainya tergantung dari jumlah data l0 0,4592 34 0,5396 58 0,5518 82 0,5572
(n) dan dapat dilihat pada tabel 3.1 l.B. ll 0,4996 35 0,5402 59 0,5518 83 0,5574
t2 0,5053 36 0,5410 60 0,5521 84 0,5576
l3 0,5070 37 0,5418 6l 0,5524 85 0,5578
t4 0,5100 38 0,5424 62 0,5527 86 0,5580
l5 0,5128 39 0,5430 63 0,5530 8',7 0,5581
Contoh i.8. l6 0,5157 40 0,5436 64 0,5533 88 0,5583
t7 0,5181 4l 0,5442 65 0,5535 89 0,5585
Hitung debit banjir maksimum DPS Citarum - Nanjung pada l8 0,5202 42 0,5448 66 0,5538 80 0,5586
periode ulang : 2; 5; l0; 20; 50 dan 100 tatrun yang datanya l9 0,5220 43 0,5453 67 0,5540 9t o_,5587
20 0,5236 44 0,5458 68 0,5543 92 0,5589
tercantum pada tabel 3.8.
2l 0,5252 45 0,5463 69 0,5545 93 0,5591
22 0,5268 46 0,5468 70 0,5548 94 0,5592
23 0,5283 47 0,5473 7t 0,5550 95 0,5593
24 0,5296 48 0,54',17 72 0,5552 96 0,5595
25 0,5309 49 0,5481 73 0,5555 97 0,5596
Jawab Contoh 3.8. : 26 0,5320 50 0,5485 74 0,5557 98 0,5598
Debit banjir maksimum yang diharapkan terjadi di DpS 27 0,5332 5l 0,5489 75 0,5559 99 0,5599
28 0,5343 52 0,5493 76 0,5561 100 0,5600
Citarum-Nanjung dengan n = 30; X:286,20 m3/det dan S : 55,56 29 0,5353 53 0,5497 77 0,5563
m'/det dapat dihitung dengan persam&m garis : 30 0,5362 54 0,5501 78 0,5565
3l 0,5371 55 0,5504 79 0,5567
X = X+ - y,o) 32 0,5380 56 0,s508 80 0,5569
*," 33 0,5388 57 0,551 l 8l 0,5570
132 183
., :
lx-. l" Untuk analisis kekeringan (&aught) umrunnya persamaan (3.43)
'-lE=l (3.35)
digambarkan pada kertas ekstrem logaritmik Gumbel.
Tabel 3.13 Nilai Reduksi Variat Untuk Distribusi Gumbel Tipe III
P(X): (3.36)
"'v
Periode Ulang Peluang Redaksi
Dengan menggwrakan metode momen, maka parameter distribusi T: t/P (n P (x) log Y
Gumbel Tipe III adalatr :
l,0l 0,990 0,663
p =I+Ao(s) (3.37) 1,05
l,l0
0,952
0,909
0,482
0,380
€ =p_po(S) (3.38) l,m 0,833 0,253
1,30 0,769 0,166
(3.3e)
1,40 0,714 0,099
1,50 0,667 0,041
1,58 0,633 0,000
2,OO 0,500 - 0,159
1). hitung nilai rata-rata (X) deviasi standar (S) dan 3,00 0,333 - 0,393
koefisien kemencengan (CS). 4,00 0,250 - 0,541
5,00 0,200 - 0,652
2). berdasarkan nilai (CS) tenhrkan nilai parameter llcl.,
10,00 0,100 - 0,979
Ao dan B0 dari tabel III-2 pada bagian akhir buku ini. 15,00 0,067 - 1,155
3). hittrng parameter B dan ; 20,00 0,050 - 1,292
Contoh 3.9.
Berdasarkan data dari tabel 3.14, maka diperoleh tiga parameter
Data pada tabel 3.14, menunjukkan debit minimum sesaat dari statistik-:
daerah pengaliran sungai Bogowonto di lokasi pos duga air Bener, . debit minimum tataqata 7:2,11 m3/det.
Purworejo, Propinsi Jawa Tengah, Tahun 1973 - 1984. . deviasi standar S :1,24 m3/det.
Tentukan model matematiknya dengan menggunakan persamiurn . koefisien kemencengan CS :0,687
empiris distribusi peluang Gumbel Tipe III dan tentukan debit
minimum yang dapat diharapkan terjadi pada periode ulang :2; 5; Koefisien kemencengan dihitung dengan rumus 2.30 (bab II).
I 0; 20; 50 dan I 00 tatrun apabila data tersebut dianggap berasal dari Berdasarkan nilai koefisien kemencengan Cs : 0,687, maka dari
populasi yang homogen. tabel skala parameter (lihat tabel lll-2, pada bagian akhir buku ini)
dapat diperoleh nilai :
l). Log (Xz + 0,180) :0,412 + 0,52 (- 0,159) Kritcria untuk menentukan salah satu tipe distribusi Pearson adalah
Log (X, + 0,180) :0,329 dengan menentukan nilai 8,, B, da K.
Log X, : (log 2,134 - 0,180)
X, : l'954 0,
_ MA3
(3.4s)
MAi
2). Log (X, + 0,180) :0,412+0,52 (- 0,652) MAO
Log (X, + 0,180) = 0,0726 9, : (3.46)
MA3
Log X, = (log 2,134 - 0,180)
X, = 1,002 K- 0, (0, + 3)2 (3.A7)
a (!9, - 3Bl) (29,- 30' - 6)
Dengan cara yang sama maka akan dapat diperoleh hasil seperti
Keterangan :
yang ditunjukkan pada tabel 3.15.
MAr: momen ke 2 terhadap nilai rata-rata.
Tabel 3.15 Perkiraan debit minimum yang dapat diharap- MAr : momen ke 3 terhadap nilai rata-rata.
kan terjadi di DPS Bogowonto - Bener. MAo: momen ke 4 terhadap nilai rata-rata.
n,!r\ -f *;#;u*
P(X): e--- (3.44)
Keterangan aa
:
-aaattra
8, bo, br, b2 adalah konstanta. Gambar 3.4. Sletsa Distribusi Pearson Tipe III.
138 180
nilai X terletak -a ( X ( o (lihat sketsa gambar 3.4). Distribusi b=(* x2)' (3.s1)
Pearson Tipe III sering juga di sebut dengan Distribusi Gamma.
Terjadi apabila nilai K: o atat 2 9z:3 0r + 6. .:X-ffi (3.52)
Fungsi kerapatan peluang distribusi dari distribusi pearson Tipe III Bila parameter 4 b, c disubstitusikan dalam persamaan tansformasi
Adalatr: (3.4e).
2 r959 41,6
3 1960 99,2 Xso = 87,75 + (26,07)(2,311) :147,83
Xroo : 87,75 + (26,07)(2,696) : 157,59
4 i96l 101,7
5 962 g3,g
6 963 68,5
7 964 45,2 Tabel 3.17, menunjukkan rangkuman hasil perhitungannya.
8 965 77,9
9 966 97,8
l0 967 65,0
ll 968 Tabel 3..17 Volume Total Tahunan yang dapat diharapkan terjadi
73,0
t2 969 83,8 dari Dps Cikapundung - Gandok.
l3 970 132,4
t4 97t 84,6 No. Yolume Total Periode Ulang Pitluang
l5 972 9l,l (juta m3/tahun) (tahun) ("/")
l6 973 114,7
t7 974 90,0
l8 975 149,4 l. 85,67 2 50
l9 976 78,6 2. 108,55 5 20
3. 121,99 l0 l0
4. 136,63 25 4
X
=87,75 ')
5. 147,83 50
S =26,07
6. 157,58 100 I
CS = 0,47
Sumber : Data dari Buku publikasi Debit pusat Litbang Sumber : perhitungan data tabel 3.14, dengan menggunakan model matematik
persamaan distribusi Pearson tipe III.
Pengairan.
Bentuk kumulatip dari distribusi log-Pearson tepi III dengan nilai log X: logj + t< (ffiej) (3.62')
variatnya X apabila digambarkan pada kertas peluang logaritmik
(logarithmic probability paper) akan merupakan model matematik 5). tentukan anti log dari log X, untuk mendapat nilai X
persamium garis lurus. Persamaan garis lurusnya adalah : yang diharapkan terjadi pada tingkat peluang atau
periode tertentu sesuai dengan nilai CS nya. Nilai CS
Y:Y-k.S (3.s7) dapat dilihat pada tabel III-3.
No. Debit
. 5 tahun:
No. Debit
(m'ldet.) (m'/det.) Log X, = 1,4247 + (0,855) (0,1754)
I 58,3 l6 24,7 Log X, :1,5746
2 50,5 t7 23,6 Xr= 37,55
3 46,0 r8 23,5
4 41,8 l9
5 38,2 20
23,1
22,5
. 50 tahun:
6 37,9 2t 2l,l Log Xro = 1,4247 + (1,834X0,1754)
7 37,7 22 20,5
Log Xro = 1,7463
8 35,3 23 20,5
9 35,2 24 20,3
Xso = 55,76
l0 33,4 25 20,2
ll 31,9 26 18,7 Hasil perhitungan selengkapnya dicantumkan pada tabel 3.19.
t2 3 l,l 27 17,2
l3 30,9 28 14,9
t4 30,1 29 12,4
l5 28,8 30 I 1,8
Tabel 3.19 Debit puncak banjir terbesar yang dapat
diharapkan terjadi di daerah pengaliran
Sumber : Buku Publikasi Debit Sungai, pusat Litbang pengairan. sungai Cigulung-Maribaya.
Jawab Contoh 3.11. z
No. Periode Ulong Peluang Debit Puncak
Apabila data debit dianggap variat-X, maka dari tabel 3.1g, dapat (tahun) ('/,) (m3/det)
diperoleh parameter statistik sebagai berikut (setiap nilai debit I 2 50 27,30
dilogkan) : 2 5 20 37,55
3 l0 l0 43,71
. nilai rata-ratavariat log X : 4 25 4 50,86
5 50 2 55,76
iog X :1,4247
. deviasi standar dari variat log X :
Sumber: perhitungan data tabel 3.18, dengan menggunakan model
matematik persamaan distribusi log Pearson tipe III.
SlotT :0,t754
. koefisien kemencengan dari variat log X :
dapat ditulis sebagai persamazm berikut : menyelesaikan persamaan (3.6a), setelah setiap variat data pudu
tabel 3.18 ditransformasikan dalam bentuk logaritmik.
P(X<x)=6-e-Y (3.63)
Parameter statistik yang diperoleh adalah
dengan x ) 0, :
Dari data debit puncak banjir terbesar DPS Cigulung - Maribaya Y:7,309(logX -1,3466)
yang tertuang pada tabel 3.18, apabila data tersebut dianggap dari atau
populasi yang homogen hitung debit puncak banjir terbesar yang
diharapkan terjadi pada periode ulang 2; 5; l0:20 dan 50 tahun
logX:W
menggunakan model matematik persamaan garis dari distribusi
Frechet. Nilai Y adalah nilai variabel reduksi Gumbel, yang besarnya
merupakan fungsi dari peluang kejadiannya sebagaimana tercantum
pada tabel 3.7, maka nilai variat untuk periode ulang :
Jawab Contoh 3.12. z
Tabel3.20 Debit puncak banjir terbesar yang dapat Apabila nilai P(X) digambarkan pada kerras peluang logaritmik
diharapkan terjadi di DpS Cigulung _ (logarithmic probability paper) akan merupakan persamaan garis
Maribaya. lurus, sehingga dapat dinyatakan sebagai model matematik dengan
persamiurn:
No Periode Ulang Debit Puncak Peluang
(tahun) (m3/de| (%) Y = Y+k.S (3.68)
I 2 24,92 50 Keterangan:
2 5 35,74 20
3 l0 45,12 l0 Y : nilai logaritmik nilai X, atau ln X
4
5
20
50
56,61
75,87
5
) Y : rata-rata hitung (lebih baik rata-rata geometrik) nilai Y
Sumber: Perhitungan data tabel 3.18 dengan menggunakan
S : deviasi standar nilai Y
model matematik distribusi Frechet. k : karakteristik distribusi peluang log-normal (tabel 3.3)
nilai variabel reduksi Gauss.
Keterangan :
(6-) 'exP{+(+=)'i
P(x): o67)
(logX) (s) log X : nilai variat X yang diharapkan terjadi pada
peluang atau periode ulang tertentu.
Keterangan
X:
:
tog rata-ratanilai X hasil pengamatan.
I fiO
151
SlogX.. deviasi srandar logaritmik nilai X hasil Parametcr distribusi log normal dua parameter adalah :
pengamatan.
k: karakteristik dari distribusi log normal. Nilai k . Momen peringkat I dari X terhadap titik asal (origin)
dapat diperoleh dari tabel yang merupakan fungsi
adalah:
peluang kumulatip dan periode ulang, lihat tabel
3.3 nilai variabel Gauss. M0(l) = (3.70)
"-.(*)
Varian dari X :
/"\ (3.71)
P(X' o2 = p2 .
[.-'- lJ
Koefisien variasi :
Koefisien kemencengan :
CS:3CV+CV: (3.73)
Koefisien Kurtosis
CK: CV8 + 6CV6 + 15CV4 + l6CV2 + 3 (3.74)
o \{gdian: sln (3.7s)
. MOde : glur-on2 (3.76)
Keterangan :
Gambar 3.5, menunjukkan contoh sketsa dari kurva peluang log Keterangan :
normal.
X : nilai rata-ratavariat X
L62 168
koefisien variasinya (lihat tabel III.4, pada bagian akhir log X2:1,4247 + (0,000) (0,1754)
buku ini). log Xr:1,424'l
X2:26,58
Penerapan persamzurn (3.69) di sebut cara ke 1, dan persamaan
(3.77) di sebut cara ke 2 dari distribusi log-normal dua parameter.
. untuk periode ulang 50 tatrun :
statistik : I 2 50 26,59
) 5 20 37,35
. nilai rata-ratat :28,40 J l0 l0 44,61
. nilai deviasi standar S : I 1,69 4 20 5 5l,66
5 50 2 60,94
.
.
nilai koefisien variasi CV =
.,nilaiSlogX=0,1754
Cara ke 2 :
Cara ke I :
Berpasarkan persamaan (3.77) :
dimana :
Dari tabel III-5, jika CS = 0,00 maka nilai k akan sama dengan nol
tt :x
:S
(3.82) untuk semua periode ulang, oleh karena itu apabila nilai koefislen
kemencengan mendekati nol malca tidak ada persamaan log normal
O (3.83)
CVt : CVlx-o; (3.84) dengan tiga parameter ataupun dengan dua parameter yang cocok
untuk menggambarkan distribusi dari data pengamatan.
CVt : CV dari sampel (x-B) (3.8s)
-2
CVt : I _Y' (3.86)
wi Contoh 3.t3b.
W :Y2I-CY +(CV'z +4)"1 (3.87) Data tabel 3.16, menunjukkan besamya volume aliran total setiap
CV :fr (3.88) tahun selama 19 tatrun pengamatan dari DPS Cikapundung
Gandok. Apabila data tersebut dianggap berasal dari populasi yang
keterangan: homogen, tenfukan besarnya volume aliran total yang dapat
CV : koefisien variasi dari kejadian diharapkan'terjadi pada periode ulang : 2; 5; l0;20 dan 50 tahun,
CVt: koefisien variasi dari (X - B) dengan menggunakan model matematik persam{um distribusi log
normal 3 parameter.
untuk menghitung on dan pn :
pn : r\x-oy: t (&) - | r. (cvt, +r) (3.e0) Parameter statistik yang dapat diperoleh dari data volume aliran
tabel 3.16 adalah :.
Penyesuaian persamarm (3.79) atau persamaan (3.80) agak rumit, . rata-rata *, = 87,75.
oleh karena itu dapat diirilih metode alternatip, dengan mengguna- . deviasi standar S = 26,07.
kan model matematik : . koefisien kemencengan CS = 0,47.
keterangan:
X=I+k.S
X = nilai yang diharapkan akan terjadi pada periode X=87,75+kQ6,07)
ulang tertentu.
dari tabel III-5, maka dengan nilai CS = 0,47 dan dapat dihitung
.X = nilai rata-rata kejadian dari variabel kontinyu X. volume aliran total pada periode ulang :
S deviasi standar variabel kontinyu X.
k nilai karakteristik dari distribusi log normal 3
paftrmeter yang merupakan fungsi dari koefisien . pada periode ulang 5 tahun :
o'=fri(*,-x)' (3.e4)
log A=
fl[ros"' - tog (r, -.?) ] (3.ee)
Persam'aan 3.104, apabila digambarkan pada kertas grafik peltrang Tabel3.25 Debit Maksimum rata-rata harian DPS
akan merupakan kurva garis lengkung.
Cikapundung - Gandok.
tersebut diambil dari populasi yang homogen, hitud perkiraan t974 l0,l t3. t964 7,55
debit maksimum rata-rata harian yang mungkin t"4uoi pada r973 9,24 t4. 1963 I1,9
peluang 1,00 oA dan pada peluang lO yo, dengan menggunakan t972 20,1 15. t962 23,9
persamarm distribusi Goodrich. t97l 10,5 16. l96l 38,8
1970 14,0 17. 1960 10,4
1969 10,3 18. 1959 6,75
Tabel3.24 Nilai { (n) distribusi Goodrich.
1968 ll,2 19. 1958 9,17
No.
t967 l6,l
n
Q") Sumber : Buku Publikasi Dcbit Tahunan Pusat Litbng Pcngairan.
I 0,30 0,069
2 0,35 0,217
3 0,40 0,359
4 0,45 0,496 Jawab Contoh 3.11. z
5 0,50 0,631
6 0,55 0,764 Langkatr awal adalatr menghitung parameter statistik, dari tabel
7 0,60 0,996 3.25 dapat diperoleh parameter sebagai berikut :
8 0,65 1,029
9 0,70 1,160
l0 0,75 1,294
X = 14,83
ll 0,80 r,430 o : 7174
t2 0,85 1,567 o2 : 59,92
l3 0,90
t4 0,95
I,709
1,852
o' = 463,78
l5 1,00 2,000 MA(3) :776,05
Sumber : Bonnier, 1980
cs =ry=o(n) =m:1,67
Berdasarkan data pada tabel 3.24, dengan nilai /(n) = 1,67 maka
akan diperoleh nilai n: 0,89.
x-:X-.4
Jfz-I''
Xo:14,83-=L?58Qp-- 3.4. TA}TAPAN APL,IKASI DI/S7BIBUS' PELUANG
l,849-0,glg 3.4.1. Pengulmpubn ltota
X6:6,158
Dalam analisis distribusi peluang terhadap data hidrologi,
maka data hidrologi yang akan dianalisis minimal harus mdmenuhi
Berdasarkan persam&m (3.92) :
syarat :
P(Xsx): a-e1x-xoy"! l). homogen.
2). merupakan variabel acak bebas.
P(X S x) : .-o,oercx<,rsry#
3). mewakili kondisi DPS
4). tidak terdapat data kosong.
5). cukup dan tidak menunjukkan adanya trend.
untuk menyelesaikan persamaan tersebut dapat dilakukan dengan
transfogmasi logaritma, sebagaimana ditulis dalam model Data yang homogen, berarti bahwa yang digunakan untuk analisis
matematik persamaan (3.10a) : harus berasal dari populasi yang sama jenis. Beberapa keadaan yang
log(X-Xo): n [log e + log (-log p) - log A] dapat menyebabkan data tidak homogen, antara lain :
hubungannya dengan lama pencatatan data debit banjir dari 4 lokasi DietiTm 3.1 . Pcmilihan mctodc analisis Frckucnsi Debil Prmcak Banjir scsuai
pos duga air di Pulau Jawa, pada derajat kepercayaan 95 Yo dcngan Kacrscdiaan Data.
diterima. Pda L.kai Pmalltlu tr6al KctrB.diu Drtr pldr lrkui Pqclitiu
rdr rtN drta
I \I
krrrrnc dri I nhun l-3rh" [[ l-toun. ll !0-20thn. ll hbih20thn
I 4- 6 (4-10) T
I
2 7- 8 (4- 6) r T: periode
-rl I
I
,/
Ap*rh tocdir dd.
J 9- l0 Q- qr ulang yog lcbih Fnjeg prd.
durh diru
4 ll - 15 (%- 2) r badctrtm ?
YY
kurang lebih 10 oZ terhadap kurva persurmrulln distribusinya, maka Hiu"g q dag)u PaFajug h3fuag tc{ri
. naFguDrk[ f.ho. dojm pairdc ulug png
harus tersedia data paling sedikit dua kali lamanya pencatatan FnbilJl MAF dininh ddU[ maD.t-
data debit. Apabila diperlukan perpanjangan kurva distribusi Suad.u frktor Fttbam
diagraun tersebut, terlihat bahwa analisis iistribusi peluang banjir Data seri durasi parsial diambil dari seluruh debit puncak
dilakukan bila datanya minimal l0 tahun. Untuk r0 tahun data banjir yang lebih besar dari pada batas ambang debit, oleh karena
hanya disarankan menghitung debit banjir sampai periode ulang 20 itu sering disebut dengzin "Puncak diatas batas ambang" Qteal<s over
tahun saja. a threshold series : POT).Oleh karena itu data debit puncak banjir
Untuk analisis debit banjir di
Indonesia hendaknya satu yang digunakan lebih banyak dibanding dengan data seri
tahun data tidak disamakan dengan satu tahun kalender mulai pukul maksimum tahunan, akan tetapi anggapan datanya bersifat bebas
0.00 tanggal I Januari sampai dengan pukul 24.00 tanggal 3l mungkin kurang terpenuhi. Aplikasi metode POT akan di bahas
Desember tahun yang bersangkutan akan tetapi disarankan mulai pada Bab IV.
pukul 0.00 tanggal I Oktober sampai dengan 30 September pukul
24.00, tahun berikutnya karena musim penghujan umumnya
dimulai bulan oktober, agar debit puncak banjir yang terjadi selama
musim penghujan dapat ditentukan lebih tepat. Akan tetapi untuk
3.4.2. Pefiodc lllang
debit minimum hendaknya satu tahun data disamakan dengan satu Salah satu tujuan dalam analisis data hidrologi adalah
tahun kalender, karena umunnya musim kering di Indonesia menentukan periode ulang (return period atau recuruence interval)
berlangsung mulai bulan April sampai Oktober setiap tahunnya. daripada suatu kejadian hidrologi. Contoh menetapkan besarnya
curah hujan atau debit banjir dengan besaran tertentu (X) dengan
Untuk analisis distribusi peluang maka data yang digunakan periode ulang tertentu telah disajikan pada sub bab 3.3. Rumus
harus bersifat bebas (independent) satu dengan yang lainnya. Debit (3.24), merupakan persamuurn yang telah lazim digunakan untuk
puncak banjir bulan Januari mungkin masih berhubungan dengan
menentukan periode ulang.
data debit puncak banjir bulan Desember tahun sebelumnya, oleh
karena itu untuk keperluan analisis distribusi peluang tidak Tabel 3.28, menunjukkan hubungan antara periode ulang
berdasarkan data dari data tahun kalender akan tetapi tahun air dengan data seri maksimum tahunan dan data seri durasi parsial.
(water year). Tahun air tergantung dari musim dan regim aliran.
Dengan demikian untuk analisis distribusi peluang Tabel 3.28 Hubungan periode ulang (tahun) dengan data
diperlukan catatan data yang cukup lama, homogen, tidak terdapat seri tahunan dan parsial
data kosong, dan bersifat bebas, serta tidak mengandung trend.
Analisis trend disajikan pada bulan jilid II. untuk analisis debit No Parsial Tahunan
puncak banjir dapat digunakan dua macam data : i
!
I 0,50 l, l6
l). data seri maksimum tahunan (the annual ) r,00 l,58
mmimum
3 1,45 2,00
' series). 4 2,00 2,54
2). data seri durasi parsial (the portial duration series). 5 5,00 5,52
6 10,00 r 0,50
Data seri maksimum tahunan diambil dari satu data puncak 7 50,00 50,50
8 100,00 100,50
banjir setiap tahun air, oleh karena itu banyaknya data sama dengan
lamd waktu pencatatan tahun air. Sumber : Bonnier, 1980
1?0 I t7t
Perbedaan antara durasi parsial dan.tahunan berkisar antara 5 Dari tabel 3.29, dapat ditafsirkan bertrwa dcngan
sampai l0 %. Periode ulang untuk data seri durasi parsial umwnnya mengharapkan umur proyek 50 tatrun, apabila dirancang dengan
kurang lebih 0,50 tahun lebih cepat dibanding dengan data seri periode ulang 37 tahun maka akan mempunyai resiko kehancurzur
maksimum tahunannya, misal 10,00 dan 10,50. sebesar 75 %. Penetapan besarnya resiko dari suatu proyek tidaklah
Dalam analisis distribusi peluang untuk menentukan suatu mpdah, karena harus memerlukan pertimbangan banyak faktor
variat dengan nilai tertentu yang dapat diharapkan terjadi dari suatu tSknis ataupun non teknis yang cukup rumit. Bila suatu proyek
penomena hidrologi pada periode ulang tertentu, sudah pasti dirancang dengan nilai periode ulang yang cukup besar mungkin
mengandung suatu resiko kehancuran atau kegagalan (risk of design yang dibuat tidak ekonomis lagi, apalagi kalau data yang
digunakan untuk analisis distribusi peluang tidak memenuhi syarat
failure), atau kemungkinan nilai dari variat tersebut terjadi sekali
atau lebih selama umur proyek (life time). Secara umum besamya
minimal seperti telah dtsqbut pada sub bab 3.4.1.
resiko tersebut dapat dihitung dengan menggunakan persamaan
sebagai berikut :
RS = resiko kehancuran atau kegagalan(%) Seperti telah di sebut pada bab 3.3:1, bahwa distribusi
T : periode ulang (tahun) peluang kumulatip dapat digambarkan secara grafis pada kertas
L : urnllr proyek (tahun) grafik peluang. Beberapa ahli telah menyusun kertas grafik peluang
berdasarkan persamaan distribusi peluang teoritis.
Berdasarkan persamaan (3.105), maka dapat diperkirakan tingkat
resiko dari suatu proyek yang tergantung dalam penentuan periode Pada kertas grafik peluang, skala ordinat umumnya untuk
ulang. Tabel 3.29, menunjukkan periode ulang yang dibutuhkan menggambarkan variat X dalam skala tertentu (milimeter, atau
bagi resiko kejadian yang ditentukan selama urirur proyek. logaritmik) dan skala absis umumnya digunakan untuk
menggambarkan besamya peluang P(X s x) atau P(X : x) atau
Tabel3.29 Periode ulang yang diperlukan. periode ulang. Umumnya data yang dianalisis dengan distribusi
peluang apabila digambarkan pada kertas grafik peluang akan
Resiko Umur proye k yang di harap kan (tahun) merupakan atau mendekati garis lurus, dengan maksud untuk
yang
mempernudah perpanjangan kurvanya atau untuk perbandingan
diperlukan I t0 25 50 100
beberapa kurva distribusi peluang dari sampel yang sama.
0,01 100 910 2440 5260 9100
0,10 l0 95 234 460 940 Meskipun demikian tidak semua persamiuill distribusi
0,25 4 35 87 t7s 345 peluang gambarnya akan dapat merupakan garis lurus, apabila
0,50
.,
l5 37 72 145
digambarkan pada kertas grafik peluang, misal distribusi peluang
' 0,75 1,3 8 l8 3',| 72
Pearson tipe III.
3). sumbu X (atau Y): milimeter Data pengamatan variat X disusun mulai dari yang
sumbu Y (atau X): peluang Gumbel terbesar sampai yang terkecil (umumnya demikian). Nilai peluang
misal : distribusi Gumbel tipe I atau periode ulang setiap variat X dihitung dengan menggunakan
salah satu persamaan 3.19.a sampai 3.23.c, umunnya menggunakan
4). sirmbu X (atau Y): logaritmik persamuuul dari Weibull seperti ditunjukkan pada persamaan 3.22.a
sumbu Y (atau X): peluang Gumbel dan 3.22.b. Contoh perhitungan ditunjukkan pada tabel 3.5, dari
misal : distribusi Gumbel tipe III contoh 3.6.
distribusi Frechet
X = nilai rata-rata variat X dari sampel. Dengan metode grafis, bentuk dan arah kurva ditentukan dengan
pengamatan mata (eye-fit), cara ini sederhana dan mudah
174 lTtt
dilaksanakan secara cepat. Akan tetapi umunnya setiap orang akan akan tetapi' penyelesaiannya sangat rumit, sehingga untuk pckcr.iaan
menghasilkan kurva frekwensi yang berbeda, dan tidak melibatkan praktis jarang sekali digunakan.
parameter statistik yang digunakan (dua atau tiga parameter),
walaupun semua data historis dipertimbangkan. Faktor subjektivitas Rangkaian data hidrologi, yang merupakan variabel
seseorang sangat menentukan, pengalaman seseorang menentukan kontinyu dapat digambarkan dalam suatu persam&m distribusi
kebenaran dari kurva yang dibuat.
peluang, baik data tersebut merupakan data tahunan ataupun data
ekstrem. Model matematik distribusi peluang yang umum
Dengan metode matematis, untuk data yang sama akan digunakan adalah :
Dengan metode momen, parameter statistik atau mornen dihitung Contoh perhitungan untuk setiap distribusi paluang telah
dari data sampel dan kemudian didistribusikan dalam fungsi disampaikan pada sub bab 3.3. Walaupun demikian tidak dapat
peluang dari suatu distribusi. Dengan metode kuadrat terkecil, dilakukan. pembatasan yang tegas penggun.uul setiap jenis
persamiuul model matematik dari garis regresi dihitung untuk persamarm distribusi peluang, misal banyak penelitian banjir juga
menarik garis kurvanya. Garis kurva yang diperoleh mungkin tidak menerapkan persam&m distribusi peluang Pearson tipe III atau
persis sama dengan distribusi teorinya, akan tetapi cara ini normal. Beberapa penelitian, menunjukkan bahwa tidak ada alasan
umumnya lebih baik jika dibanding dengan metode momen. untuk mengharapkan bahwa suatu distribusi tunggal akan berlaht
Walaupun demikian metode kuadrat terkecil tidak selalu dapat untuk semuo data dari suotu variabel hidrologi suatu DPS.
digunakan karena kurva persam&m distribusi peluang tidak selalu
Umumnya, di Indonesia banyak dilakukan analisis distribusi
merupakan garis lurus (misal distribusi Pearson Tipe III).
peluang dari data hujan ataupun data debit menggunakan distribusi
Penggunaan metode duga maksimum umumnya lebih teliti, Gumbel. Penggunaan distribusi Gumbel untuk sementara ini
776
177
nampaknya masih merupakan "keharusan", atau dengan kata lain (4). urutkan data dari besar ke kecil atau sebaliknya
"salah kaprah", tanpa melakukan pengujian dahulu terhadap (5). hitung nilai peluang dan periode ulang setiap variat
persamaim yang diperoleh ataupun membandingkan dengan (misal persamaan 3.22a - 3.22b).
persamaan distribusi lainnya. Soewarno (tgg3), dalam (6). gambarkan nilai peluang atau periode ulang setiap
penelitiannya terhadap distribusi debit puncak banjir pos duga air variat dengan nilai variatnya pada kertas peluang yang
sungai menyimpulkan bahwa distribusi Log-pearson tipe III lebih sesuai dengan model matematik persarhaan distribusi
cocok dibanding dengan distribusi Gumbel, Normal dan Frechet. peluang yang digunakan
wanny.A (1991), dalam penelitiannya terhadap data banjir
(7). tentukan persamaan garis kurvanya (contoh perhitungan
maksimum dari lokasi pos duga air di p.Jawa, menunjukan bahwa
pada sub bab 3.3)
untuk DPS yang luasnya kurang dari 250 km2, sampel datanya
(8). tentukan batas daerah kepercayaan setiap periode ulang
cenderung mengikuti distribusi peorson tipe III, dan untuk DpS
yang luasnya lebih dari 250 km2 cendemng menglkuti distribusi . sesuai dengan persamaan distribusi yang digunakan
(akan disjikan pada sub bab 3.4.5)
Log-Normal, dibanding dengan distribusi normal dan Gumbel.
(9). uji kecocokan (test of Goodness of -fit) dari setiap
soewarno (1993), juga menunjukkan bahwa dari seri data debit
persamiuul distribusi yang digunakan (akan disajikan
banjir terbesar, apabila diperoleh nilai :
pada sub bab 3.4.6)
' debit maksimum terbesar dibagi dengan mediannya lebih (10).tentukan persamium distribusi peluang yang paling
dari 3,0. sesuai (akan disajikan pada sub bab 3.4.7)
' deviasi standar dibagi dengan rata-ratarrya (koefisien
variasi, Cn lebih besar 50 %. Butir (l) diuraikan pada buku jilid II, butir (2) sampai butir (7) telah
dijelaskan pada bab atau sub bab sebelumnya, butir (8), (9) dan (10)
maka data tersebut cenderung tidak mengikuti salah satu distribusi :
akan diuraikan pada sub bab 3.4.5 - 3.4.7 beikut ini.
Normal, Gumbel, Log-Pearson tipe III atau Frechet, mungkin juga
tidak mengikuti salah satu distribusi lainnya yang telah disebutkan
dalam buku ini.
Tahapan yang umum digunakan untuk aplikasi analisis 3.4.5. B,artas Daqah Kcpetcayla,an Pefiodo lllang
distribusi peluang dari data seri variabel hidrologi adalah :
Pada sub bab 3.3, telah diberikan contoh perhitungan
(l). lakukan pengujian terhadap konsistensi dan kesamaan perkiraan suatu nilai variat X, variabel hidrologi yang dapat
jenis (homogenitas) data (lihat gambar 1.3), serta diharapkan terjadi pada peluang atau periode ulang tertentu, dengan
lakukan pengujian ada tidaknya trend (lihat jilid II). menggunakan persamrum distribusi peluang. Salah satu yang harus
(2). apabila telah yakin bahwa data tersebut memang benar, digaris bawahi bahwa perkiraan nilai X akan dapat berbeda-beda
kemudian hitung parameter statistik, nilai : tergantung dari sampel data yang digunakan. Nilai variat perkiraan
. rata-rata, deviasi standar, koefisien variasi, koefisien pada periode ulang tertentu yang dihitung berdasarkan data tahun
kemencengan, koefisien kurtosis, median (lihat Bab II). 1950-1990 akan berbeda dengan yang dihitung dari tahun
1930-1970, walaupun sampel data sama jumlahnya. Oleh karena
(3). berdasarkan data pada butir (2), perkirakan distribusi
diperlukan suatu nilai yang menunjukkan batas ketidak-pastian
peluang yang akan digunakan untuk analisis
(mar g i n of u nc e rfa i nty).
178 I l7$
Contoh 3.15.
a. DlsttibrsllYorrnat Dari contoh 3.6, telah dihitung perkiraan volume total debit sungai
Untuk distribusi normal nilai SET dapat dihitung dengan Cikapundung-Gandok, berdasarkan data tatnrn 1958-1980.
menggunakan persamaan : Tentukan batas daerah kepercayaan volume tersebut pada periode
ulang 2;5; 10;20 dan 50 tahun dengan tingkat kepercayaan 95 %
SET :6 o2
(3.108) diterima.
N
180
181
Jawab conloh 3.t 5. z
b. Irltttlbus, Log Nonnal2 Pstamctet.
f)ari Contoh 3.6, diperoleh nilai X : 92j6juta m3,dan S : 25,95 Untuk distribusi log normal 2 parameter, nilai SET, dapat
juta m3. Jumlah data N : 23 buatr. Pada derajat kepercayaan 95 yo,
dihitung dengan persurmaan berikut :
dari tabel III-6 (pada bagian akhir buku ini) untuk uji dua sisi
diperoleh nilai o : 1,96. Nilai 5 dibaca dari tabel 3.30, sesuai
dengan periode ulang yang dihitung.
rog SEr: u(S) ' ,3.r I r)
tahun dengan menggunakan distribusi log-Normal 2 pararheter, Tabel3.33 Debit puncak banjir DPS Cigulung-Maribaya yang da-
tentukan batas daerah kepercayaannya dengan derajat kepercayaan pat diharapkan terjadi pada derajat kepercayaan 95 o/o.
95 % diterima.
Yo. Periode Ulang Debit Puncak Batas Daerah Kepercayaan
(tahun) (mt/det) (m3/det)
rogsEr=u{s}}
c. IristriDust logilorrnal tige panametat
rogsEr:(ry) * u Untuk distribusi log-normal tiga parameter, nilai SET, dapat
dihitung dengan persamaan sebagai berikut :
log SET:6 . (0,0320)
Los SEr= r{#}* (3.114)
:
pn : rata-rata populasi log (x - B)
crlog SET =( I ,96)( l, 1638X0,0320) = log 37 ,35 t 0,0729 1,5722 + 0,062
N : jumlah pengamatan
31,57 537,35 <44,16
t - deviasi'standar normal
p : parameter batas bawah distribusi log normal (ihat
sub bab 3.3.5.2)
Dengan cara yang sama maka batas daerah kepercayaan debit banjir
DPS Cigulung-Maribaya dapat dilihat pada tabel 3.33.
184
1n6
loe I
Npr: sfd.)
\N/ Peluong Kumulatip (%)
50 80 90 95 98 99
Keterangan. CS
T (tahun)
Contoh untuk perhitungan SET dari distribusi Log Pearson tipe III, Contoh 3.18.
hampir mirip contoh 3.20 (dari contoh perhitungan SET distribusi Data debit banjir maksimum dari pos duga air sungai Citarum -
Frechet) hanya berbeda penentuan parameter 6, untuk log Pearson
Nanjung tahun l9l8-1934 dan tatrun 1973-1985, seperti
tipe III dari tabel 3.34, sedangkan untuk Frechet dari tabel 3.36 ditunjukkan pada tabel 3.8. Dengan derajat kepercayaan 95 o/o
(Gumbel tipe I).
diterima. Tentukan batas daerah kepercayaan debit puncak banjir
untuk periode ulang 2; 5; 10:20 dan 50 tahuh, perhitungan contoh
3.7.
Tabel3.35 Volume Debit Tahunan DPS Cikapundung-Gandok
yang diharapkan terjadi pada derajat kepercayaan 95 %.
Jawab Contoh 3.18. z
Vo Periode Ulang Volume cr (SEZ) BDK Dari contoh 3.7, berdasarkan data tabel 3.8, diperoleh parameter
(tahun) guta m3) (juta mt) (iuta m3) statistik:
l0 20
l0 0,9305 l,g53g 2,6lgg l. ) 277 20,71 2s6 -298
3,3926 4,2969 5,1459
l5 0,9269 1,7695 2,4756 2. 328 33,20 295 - 361
3,lg14 4,1127 4,8174
5
20 0,9250 t,7249 2,3990 3,0745 3,9670 4,6427 J. l0 3s9 45,86 313 - 405
25 0,9239 l,696g 2,3506 3,0069 3,9747 4,5320. 4. 20 390 58,59 331 - 449
30 0,9229 1,6772 2,3169 2,9597 3,9103 4,4548 431 71,46 360 - 502
5. 50
35 0,9223 1,6672 2,2glg 2,924',7 3,',7624 4,3974 6. 100 461 88,18 373 - s49
40 0,9219 1,662? 2,2725 2,9975 3,7252 4,3527
45 0,9214 1,6514 2,2569 2,E756 3,6954 4,3169
50 0,g2ll t,6424 2,2441 2,9577 3,670g 4,2974 Sumber : perhitungan data tabel 3.8.
55 0,9209 1,6350 2,2333 2,9426, 3,6502 4,2627 BDK = batas daerah kepercayaan
60 0,9206 1,628g 2,2241 2,8577 3,6326 4,2415
65 0,9204 1,6235 2,2162 2,9297 3,,6173 4,2332
70 0,9202 l,6lgg 2,2093 2,gtg6 3,6040 4,2073
75 0,9201 l,6149 2,2032 2,8099 3,5923 4,1931
80
85
0,glgg l,6l14
0,9lgg 1,6093
2,1977
2,lg2g
2,9003 3,5g l g 4, I 906 ,. IristriEusi Gumbcl Tfin lII.
2,7959 .3,5724 4,1693
90 0,glg7 1,6055 2,lgg4 2,7796 3,5639 .4,l5gl Nilai
kesalatran standar dari perkiraan dihitung dengan
95 0,g196 1,6007 2,1944 2,7739 3,5562 4,l4gg persamaim berikut :
100 0,9195 l,59g6 4,1474
. unhrk Xr, dengan derajat kepercayaan gS yo, :1,96 6 : parameter (lihat tabel 3.38)
o = deviasi standar
& + (1,96) (0,9229) (10,14) N : jumlah sampel
X'+'20'71
SET : Kesalatran standar dari perkiraan
. untr* Xr,
& + (1,96) (t,6772) (lo,l4) Contoh 3.F.
Xs + 33,20 -
Dari data debit minimum sungai Bogowonto-Bener tatrun
Hasil perhitungan selengkapnya tercantum pada 1973-1984, telah dihitung debit minimum yang dapat diharapkan
tabel 3.37.
terjadi seperti ditunjukkan pada tabel 3.14 dan 3.15. Tentukan batas
daerah kepercayaannya pada derajat kepercayaan 95 % diterima
190 t9l
dengan distribusi Gumbel Tipe III untuk periode ulang 2 dan 5 Tabel 3.38 Parameter untuk perhitungan SET Distribusi Cumbel tipe Ill
tahun.
50 80 90 95 98 99
Jawab Contoh 3.1a. z CS
T (tahun)
Berdasarkan data tabel 3.14, telatr dihitung parameter statistik data 25102050100
debit minimum sungai Bogowonto - Bener: - 0,8 ), )265 1,3665 l,8l 16 1.,2267 2,6325 1,7650
)741 1,3556 1,7517
X : Z,ll m3/det -
-
0,7
0,6 )212 1,3492 1,6940
1,1869
,-,1413
L,7877
2,8843
,,2475
],5450
S = 1,24m'ldet - 0,5 )710 1,3441 1,6356 2,0820 1,9094 1,6752
CS = 0,687 - 0,4 )854 1,3259 1,5738 1,9840 2,7761 ,-,5097
N :14 -
-
0,3
0,2
)886 1,2934 r,5063
1952 1,2624 1,4374
1,8351
1,7132
2,4460
2,2300
,-,0047
,-,7011
- 0,1 1065 1,2282 1,3709 l,6l8l 2,0398 \s248
Dari rumus 3.119 : 0,0 ll57 1,19 t6 1,3042 1,5255 1,9631 ,-,3559
(l 0,1 t2t4 t,1532 1,2374 1,4571 1,8437 ,.,2013
SEr: u{s}' 0,2 t3 l8 l,l 136 l,l7l I 1,2539 1,7336 1,0658
0,3 t394 1,07 t2 1,1078 1,2814 1,6496 1,9627
0,4 1460 I,0281 1,0467 1,2172 1,5775 1,8740
sET: u{tr,z+l'} i 0,5 I517 0,9839 0,9905 t,1653 1,5230 r,8065
g. Itirtribusi Dtcchet
Kesalahan standar dari perkiraan untuk distribusi Frechet
dapat dihitung dengan persam&m :
t92
193
sehingga X, = log 1,553 - 0,105 < log 1,553 < log 1,553 + 0,105
28,05< 35,74 <45,49
Contoh 3.20.
Dari contoh 3.11, telah dihituns besarnya debit maksimum Dps Hasil selengkapnya tercantum pada tabel 3.39.
cigulung-Maribaya dengan menggunakan distribusi Frechet,
dengan data:
Tentukan batas daerah kepercayaafinya yang dapat diharapkan No. Periode Ulang Debit Maksimum Batas Daerah kepercayaan
(tahun) (m3/det) (m3/det)
terjadi dengan derajat kepercayaan 95 %o dapatditerima, untuk debit
maksimum tersebut pada berbagai periode ulang.
I ) 24,92 21,78 - 29,43
2 5 35,V4 28,05 - 45,49
5 lo 45,12 32,26 - 62,99
Jawab Contoh 3.20. : 4 20 56,61 36,84 - 86,61
5 50 78,87 45,04 - 105,0
Berdasarkan persam&m 3.l}O,maka :
Sumber : Perhitungan data tabcl 3.20.
Umumnya pengujian dilaksanakan dengan cara menggambarkan 3). jumlahkan data pengamatan sebesar 01 tiap-tiap sub
data pada kertas peluang dan menentukan apakah data tersebut group;
merupakan garis lurus, atau dengan membandingkan kurva 4). jumlahkan data dari persamaan distribusi yang
frekuensi dari data pengamatan terhadap kurva frekuensi digunakan sebesar E, ;
teoritisnya. s). tiaptiap sub group hitung nilai :
(or : Ei)2
(o, - E,)'6ur,
Ei
Nilai Batas Jumlah Data (oi - Eil, ,---------t- VOLUME ALTRAN ( Juto m!,
No.
Sub kelompok oi Ei
oi-Ei l.,t
I x < 74,77 5 5,75 0,562 0,097 Gambar 3.6. Distribusi Aliran Sungai Cikapundung - Gandok.
2 74,77 - 92,16. 8 5,75 5,062 0,880
3 92,16 -109,54 5 5,75 4,562 4,097
4 109,54 > X 5 5,75 0,562 0,097
Jumlah 23 z-) 1,17 I
I 1)rl I0t,
Dari tabel 3.40, diperoleh nilai chi-kuadrat hitung adalah Xn, : 2). tentukan nilai masing-masing pcluang teoritis dui
l,l7l. Berdasarkan tabel chi-kuadrat (lihat tabel III-7). untuk hasil penggambaran data (persamaan distribusinya) :
mencapai nilai chi-kuadrat sama atau lebih besar dari l,l7r; pada
derajat kebebasan dk : G-R-l = 4-2-l : l, kurang lebih pada
xr P'(X,)
x2 P'(Xr)
peluang 0,23. Oleh karena peluang yang diperoleh adalah 23 %
(lebih besar 5 oh), maka hipotesis bahwa volume debit tahunan Dps
x. P'(x.)
cikapundung-Gandok, mengikuti distribusi normal dapat diterima.
x. P'(&)
Batas daerah kepercayaannya, yang secara visual dapat dilihat pada 3). dari kedua nilai peluang tersebut tentukan selisih
gambar 3.6, dan tabel 3.41. terbesamya arttara peluang pengamatan dengan
peluang teoritis.
Tabel3.4l Volume Total DpS Cikapundung - Gandok D: maksimum I P(Xm) - P'CXm) ] (3.123)
No. Periode Ulang Nitai Perkiraan Batas Daerah Kepercayaan
(tahun) (juta mr)
4) berdasarkan tabel nilai kritis (^Srnirnov-Kolmagorov
Quta mr)
/esl) tentukan harga Do (lihat tabel3.42).
I 2 92,93 - 103,39
2 5 I13,95
80,93
100,00 - l25,gg
Apabila D lebih kecil dari Do maka distribusi teoritis yang
3 l0 125,37 110,20 - 140,40 digunakan untuk menentukan persamuum distribusi dapat diterima,
4 20 134,71 I 16,80 - l5 I ,80 apabila D lebih besar dari Do maka distribusi teoritis yang
5 50 - 165,00
145,35 125,00 digunakan untuk menentukan persam:urn distribusi tidak dapat
Sumber : Perhitungan data tabel 3.4.
diterima.
Tabel3.42 Nilai Kritis Do Untuk Uji Smirnov-Kolmogorov.
I 965 0,02
PIX>1X+t.S)l:a (3.124)
2 966 0,02 maka:
3 967 0,02
4 968 0,24 PIXSlX+t<.S)l:l-a (3.12s)
5 969 4,26
6 970 0,30
7 971 0,36
Tabel 3.44, menunjukkan nilai konversi rumus (3.124) menjadi
8 972 0,41 (3.12s).
9 973 0,15
l0 974 0,15
il 975 0,56
Aji $rrrlitfiou . Kobnogotoa
t2 976 0,14
l3 977 0,10 Dari persamaan garis lurus distribusi normal data debit
t4 978 0,18 minimum S.Cikapundung-Gandok adalah :
l5 979 0,38
l6 980 X : 0,17 6 k + 0,266 m3/det,
t7 981 0,44
l8 982 0,35 apabila
111: X-X
l9 983 0,38
20 984 0,59
S
(3.t26)
Sumber: Buku Publikasi Debit Sungai Tahun 1965 -
1984, Puslitbang Pengairan.
P'(x): (t) (3.127)
202 I 208
f(t): x-x
kcterangan :
f(t): 1,840
i
maka berdasarkan data pada tabel 3.43. dan tabel 3.44, dapat Berdasarkan persamaan 3.127, dapat ditentukan besarnya peluang
dihitung nilai pelJ,ang P(x<) seperti ditunjukkan pada tabela 3.41, t
( teoritis P'(X), dari tabel III-1 wilayah luas dibawah kurva normal,
kolom 4. dari nilai (t) :
1,840, luasnya - :
I - 0,968 0,032 sehingga nilai
:
kolom 6 adalah P'(X; 0,032 dan nilai kolom 7 adalah P'(X<)
Tabel 3.45 Uji Smirnov-Kolmogorov Debit Minimum I adalah :| - 0,032: 0,968.
S.C ikapundung-Gandok.
0,59 I 0,05 0,95 l,840 0,032 0,968 0,018 .,.\ 0,26 - 0,266
(t):
0,58
0.44
2 0,l0
0,l5
0,90
0,85
1,784 0,037
0,t63
0,963 0,063 or^
0,837
0,41
3
4 0,20 0,80
0,988
0,818 0,206 0,794
0,013
0,006
f(t;: - 0,034
'0,38 5 0,25 0,75 0,647 0,257 0,'143 0,007
0,38 6 0,30 0,70 0,647 0,257
0,36
0,'143 0,043 Dengan f(t; = (- 0,034), setara dengan luas wilayatr dibawah kurva
7 0,35 0,65 0,534 0,298 0,702 0,052
0,35 8 0,40 0,60 0,477 0,3 l9 0,681 0,081 normal - I - 0,490: 0,510, sehingga P'(X) = 0,510 dan P'(X<)
0,30 9 0,45 0,55 0,193 0,424 0,576 0,026 adalah : I - 0,510 : 0,490.
0,26 l0 0,50 0,50 - 0,034 0,5 l0 0,490 0,010
0,24 il 0,55 0,45 - 0,147 0.556 0,444 0,006
0,r8 l2 0,60 0,40 - 0,488 0,685 0,3 l5 0,085
0,r5 l3 0,65 0,35 - 0,659 0,743 0,257 0,093 Dengan prosedur yang sama maka dapat dihitung nilai p'(X<),
0,15 t4 0,70 0,30 - 0,659 0,743 0,257 0,043
0, l4 l5 0,75 0,25 - 0,715 0,761 0,239 0,01l
seperti ditunjukkan pada tabel 3.41, kolom 7. Berdasarkan
0,10 t6 0,80 0,20 - 1,943 0,826 0,174 0,026 persamaim 3.123, maka dapat dihitung nilai D.
0,02 t7 0,85 0,1 5 - t,397 0,917 0,083 0,067
0,02 r8 0,90 0,10 - I,397 0,917 0,083 0,017 Dari perhitungan nilai D, tabel 3.41, menunjukkan nilai
0,02 l9 0,95 0.05 - 1.397 0.917 0.083 0.033
Dmak :
0,093, data pada peringkat ke m : 13. Dengan
Sumber : Perhitungan data tabel 3.43. m = nilai peringkat; f : 0,266; S = 0,176 menggunakan data pada tabel 3.38, untuk derajat kepercayaan 5 yo
ditolak dan N : 19, maka diperoleh Do : 0,30. Karena nilai Dmak
lebih kecil dari nilai Do (0,093 < 0,30) maka persamiuul distribusi
Data kolom 4: nilai 1,0 - nilai kolom 3.
normal yang diperoleh dapat diterima uniuk menghitung distribusi
Data kolom 5, tabel 3.45, dihitung bedasarkan persamzran 3.126: peluang data debit minimum DPS Cikapundung - Gandok.
204 20t
r' t E
oo
6|= .a Berdasarkan persamaan garis lurus
.D \ :
'l
B
X:
lrl -o
o 0)76 x 0,84 + 0,266:0,413 m3/det
o B
Untuk P =l-0,40:0,60
X :0,176 x0,25 + 0,266: 0,310 m'/det
18 I B t Untuk P:l-0,60:0,40
(.al o ]t vnl Id : 0,176 x (-0,25) + 0,266:0,222 m'/det
X
Untuk P:l-0,80:0,20 l
Irxerval Debit Jumlah (oi- E ' 3.4.7. Pemilihan Pctsarneoin Irisfribusi Yang Sesual
No. (il/det) (oi - Eil'z ql2:
l\,
o, Ei E, Seperti telah disebutkan pada sub bab 3.4.4, umumnya, di
I Kurang 0,1l8 4 3,9 0,04 0,010 Indonesia banyak dilakukan analisis distribusi peluang dari data
) 0,118 - 0,222 4 3,8 0,04 -
0,010 hujan ataupun data debit menggunakan persamium distribusi
3 0,222 - 0,310 3,8
3 0,64 0,1 68 Gumbel Tipe I, tanpa melakukan pengujian kecocokan terlebih
4 0,310 - 0,413 5 3,8 1,44 0,378
5 0,413 - lebih J 3,8 0,64 0,1 69
dahulu apakah persam&m distribusi Gumbel Tipe I sesuai dengan
Jumlah l9 l9 J,734 .!
l
distribusi data pengamatan ataupun membandingkan dengan
I persamzuul distribusi lainnya. Padahal distribusi Gumbel Tipe I
I belum tentu cocok. Sementara hidrologiwan di Indonesia
Dari tabel 3.46, y2 hitung : 0,734 pada derajat kebebasan : 5-2-l :
berpendapat bahwa penggunaan distribusi Gumbel tipe I sebagai
2. Berdasarkan tabel 3.43 maka besarnya peluang untuk mencapai I
suatu hal yang sudatr "salah kaprah".
1'z lebih dari 0,743 adalatr berkisar antara 50 - 70 %. oleh karena
besarnya peluang lebih besar dari 5 Yo makadistribusi normal untuk Gambar 3.8 sampai 3.10, menunjukkan ketersediaan data
mgqggambarkan distribusi debit minimum S.cikapundung-Gandok debit maksimum S.Cianten - Kracak, Bogowonto - Bener, S.Serayu
dapat diterima. Pembaca dapat mencoba dengan menggunakan - Garung dan S.Cigulung - Maribaya, berikut nilai rata-ratanyadari
persamzuul distribusi yang lainnya dan dibandingkan hasilnya, misal setiap periode pengamatan (N : berbeda-beda). Gambar 3.11,
dengan menggunakan persamuuur Gumbel Tipe III dan Log pearson menunjukkan hasil perbandingan debit puncak banjir untuk periode
Tipe III. ulang 5; 50 dan 100 tahunannya, dengan menggunakan persamaan
distribusi :
. Normal
Pefiodc lllang . Gumbel Tipe I
Berdasarkan tabel 3.3 menunjukkan bahwa untuk p 0,80 : . Log Pearson Tipe III (LPS - IID
maka k: -0,84, untuk frekuensi debit minimurn, berdasarkan . Frechet
:
gambar 3.7 maka P 1,0 - 0,80 :0,20 yaitu periode ulang 5 tahun,
debitnya adalah : Gambar 3.1l, memperlihatkan bahwa penggun&m distribusi normal
pada umumnya memberikan harga taksiran debit banjir yang lebih
Xr= 0,176 x (-0,84) + 0,266 = 0,118 m'/det besar untuk periode ulang 5 tahun dan lebih kecil untuk periode
208 200
Frechet
2,st4 6,039 1,997 1,664
26'?hit
P 0,290 0,040 0,400 0,450
Keterangan : *) tipe III Log-Pearson dan nilai dalam tanda kurung (0'l0l) j.88.
Gambar Tersediorrya Data Debit Banjir S. Bogowonto - Bener.
persamaan yang lebih cocok. Sumber : (Soewarno, 1993).
210
211
ilii;l
FI
i.,i.d j
ill 'OJL
Ir.l.'lL
!
t
g
F
F
xr ao fi.
a It to tl Q
I \)
a<
\
I.aat
qB
t
.o
q)
!
00
q)
\
Gambar 3.9. Tersedianya Data Debit Banjir K.Serayu - Garung.
t o
$
\)
.a
a\)
soo
o
I
I
g \
F ta
t- s\)
a..
*i
E
a o -;\
I a
o t .a
t-
U
to
('tf|/tw r lO -F-
Gambar 3.10. Tersedianya Data Debit Banjir S.Cigulung - Maribryo. l'|oe/rur lO -.+--
212 I 2t:t
Berdasarkan harga y2 hit maka persanuun distribusi yang lebih Tabel3.49 Debit Banjir Maksimum
sesuai untuk aliran maksimum dari
S.Cianten-Kracak dan
S.Cigulung-Maribaya adalah persamaan tipe III Log-pearson dan Lama Data Cianten-Kracak Cigulung-Maribaya Bogowonto-Bener
untuk S.Bogowonto-Bener adalah persamzuul distribusi Gumbel Metode Q5 Q50 Qr00 Q5 Q50 Ql00 Q5 Q50 Qr00
(untuk N : terlama). N:5
Tabel 3.48, menunjukkan persamaan yang lebih cocok - Normal 450 587 6t9 33 40 42 tt4 t37 t42
- Gumbel 440 657 72t 43 43 46 tt2 148 158
Untuk setiap N tahun pengamatan. - LPS III 434 649 7tt 32 40 43 r09 164 186
- Frechet 422 733 861 3l 44 49 1il 155 t7l
N: l0
Tabel 3.48 Persamaan distribusi yang lebih cocok.
- Normal 4ll 540 570 37 46 48 138 168 t75
- Gumbel 406 623 687 36 50 54 135 r83 197
Lama Data Cianten - Cigulung - Bogowonto- - LPS III 399 590 627 36 52 56 138 187 20t
Kracak Maribaya Bener - Frechet 385 701 836 35 58 7l 135 207 235
N=20
N=5 LPS.III LPS.ilI Frechet - Normal 466 599 634 35 46 46 126 158 165
N: l0 LPS.III LPS.ilI LPS.ilI - Gumbel 434 673 743 34 53 53 122 172 186
N:20 LPS.ilI LPS.III LPS.III - LPS III 426 693 773 35 49 49 t23 169 182
N: terlama LPS.III LPS.ilI Gumbel
- Frechet 415 802 974 33 68 68 t2t l9l 218
N: terlama
' Sumber: Soewarno (1993) - Normal 418 539 577 38 55 55 tt7 149 157
- Gumbel 4t2 6ll 669 37 65 65 l14 t64 178
- LPS III 408 545 579 37 60 60 u3 l6l 188
- Frechet 395 668 775 35 94 94 lll l8l 209
untuk s.Bogowonto-Bener menunjukkan adanya perubahan Sumber : (Soewarno, 1993)
persamruul yang cocok untuk setiap lama pencatatan data, oleh
karena itu di lokasi tersebut perlu dilakukan penelitian tentang
perubahan kondisi daerah pengaliran sungainya. Tabel 3.50 Kondisi daerah pengaliran sungai
Tabel 3.49, menunjukkan debit banjir maksimum untuk Kondisi Ciantek - Cigulung - Bogowonto- Serayu -
Kracak Maribrya Bener Garung
periode ualang 5, 50 dan 100 tahun dari setiap persamrum yang
cocok, sedangkan pengguniuul persamaan yang lainnya adalatr
Luas DAS (km'?) 126,0 49,2 94,2 58,4
sebagai nilai pembanding. Sims (m/km) *) 86,9 99,1 150 103
Hutan **) 59,5 50,2 0,27 4,9
Padi (%) **) 19,8 19,3 3,5 0,0
llujan/tahun (mm) 2950 2709 2034 3424
A,pbar (mm) ***) t22 102 lt6 98,0
Kesamaan suatu distribusi dari kedua lokasi yaitu S.Cianten-Kracak
dan Cigulung-Maribaya menunjukkan batrwa untuk kedua lokasi Keterangan : Sumber : Pus Air (1983)
tersebut mempunyai kondisi yang relatip sama. Pernyataan ini dapat +) kemiringan
r+) terhadap luas DAS
dilihat dari data pada tabel 3.50. #
.l
***1 hujan maksimum satu hari rata-rata
h
I
ts
x
s
T
lF---
217
-t,l
1,4 9.000j 0,0001 0.0001 0,0003 0,0003 0,0003 0,0003 0,0003 0,m03 0,0002
9,0001 Q,0Q05 0,0005 0,0004 0,00&t 0,0004 0,0oot 0,0004 0,0004 0,0003
-1,2 9,000? q!oa? 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-1, r g,0olg 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,0 0,0013 0,0013 0,0011 0,00t2 0,0012 0,001 I 0,00t I 0,00t I 0,0010 0,0010
9,00!9 0,0olt 0,0017 0,00t7 0,0016 0,00t6 0,0015 0,0015 - 0,0014 0,0014
-2,8 9,00?6 0,0025 o,oo24 0,0023 0)0[.22 0,0022 0,002t 0,0021 0,0020 0,0019
_)1 g,oolq 0,0034 0,0031 0,0032 0,0030 0,0030 0,0029 0,0028 o,@21 0,0026
-2.6 9,904? 0,0045 0,0044 0,0041 0,0040 0,@40 0,0039 0,00t8 0,0037 0,0036
0,0062 0,0060 0,0059 0,0057 0,0055 0,00J4 0,0052 o,oo5l 0,0049 o,oo48
-2,4
,1 9,9oq? 9,0080 0,0071 0,0075 0,0073 0,007t 0,0069 0,0061 0,0066 0,0064
9,9!9? 9,9!04 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 o,oo84
-1 1
-1,t
9,9!i9 g,9li6 0,0132 0,012e 0,0125
0,0174 0,0170 0,0166 0,0162
o,ot22
0,0158
0,01 re 0,01 16
0,0t54 0,0150 0,0146
0,01 13 0,01 lo
9,9!?2
0,0228 0,0222 0,021? o,o2t2 0,020?
0:0143
-2,0 0,0202 0,0t97 0,0192 0,0lEt 0,0183
-1,9 g,g?!? o,ojar o,o2i4 0,0268 0,0262 0,0256 0,0250 0,0244 o,o2)9 0,0213
-1,8 9,9159 0,0352 0,0344 0,0115 0,0129 0,0322 0,0314 0,0307 0,0301 0,0294
-1,1 9,0446 0,0416 0,0421 0,0418 0,0409 0,0401 0,0392 0,0384 0,0175 0,0367
-t,6 g,g!48 0,0537 0,0526 0,0516 0,0505 0,0495 0,04E5 0,0475 0,0465 0,0455
- l,5 0,0668 0,0655 0,0641 0,0610 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
- t,4 9,9q9! 9,07?3 0,0778 0,0764 0,0749 0,0?35 0,0722 0,0708 0,0694 0,0681
- t,l I,g9q! 0,0951 0,0914 0,0918 0,0901 0,0885 0,0869 0,0853 0,0E38 0;0823
I,l!!l 0,1 !i! 0,r I r2 0,10e3 0,t075 0,1056 0,103r o,to2o 0,1003 0,oer5
- l,l 9,11!? 0,l]35 0,1314 0,12e2 o,t27t 0,125t 0,1230 0,12t0 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 o:,t423 0,1401 0,1379
-0,9 9,1q1! s,lq!1 0,178E 0,t762 0,17t6 0,l7ll 0,1685 0,1660 0,1615 o,l6ll
-0,8 9,?ll9 9,?S2S g,?06t 0,20t3 0.2005 o,te17 0,le4e o,te22 0,18e4 0;1867
-0,7 9,2!29 g,?iq2 0,2358 0,2327 0.2296 0,2266 0,2236 0,2206 0,2177 0;2148
-0,6 9,?711 0,?616 0,2647 0,261 I 0,2s78 0,2s46 0,2s14 0,2483 0;24st
0,1085 9,?792
0,1050 0,3015 0,2981 0,2946 0,2912 0,2A71 0,2843 0,2810 0,2776
-0,4 0,1446 0,1.409 0,7312 0,tt36 0,1300 0,3264 0,3228 0,3192 0,1156 0.312t
-0,1 g.lq?l 0.178J 0.1745 0.1707 0.166e 0,3612 0,3594 0,3557 0,3520 0,3483
-0,2 0.7291 9,4lqq g,4t2e 0,4090 0,4052 0,40l] 0,1974 0,1936 0,3897 0;3859
-0, I 0^,1992 9,419? 9,4s?2 0,4483 0,4443 0,4404 0,4364 0,432s d,4286 0,4241
0,0 0,5000 0,4950 0,4920 0,4rt0 0,4840 0,4t01 o.,4i6t 0,472t 0,46t1 0,4641
0,0 9,!9q 9,!o4g 0.!o8o 0,5120 0,5t60 o,5lee o,s23s 0,527s o,53te o,s3se
g,t!?8 0,55r7 0,s557 0,sse6 0,5636 0,5675 0,s714 0,5753
O,I I,il?! 9,111!
0,2 9,t?21 q,lql? g,18?l o,62e3
0,5e10 0,se48 0,5e87 0,6026 0,6064 0,6103 0,6141
0,3 9.!l?9 9,9?17 9,62s5 0,633t 0,6368 0,6406 0.,6443 0,6480 0,6st7
0,4 0,6554 0,6591 0,6628 0,66U 0,6700 0,6136 0,6712 0,680E 0,6844 0,6879
0,5 9,9?!l g,q?!g 0,69s5 0,701e 0,7054 0,7088 0,7t23 o;ns1 0,7190 oJzzz
0,6 9,1?17 9,7?et 0,1324 0,1357 0,738e 0,7422 0,74s4 0,?486 0,75t7 o.,,ts4e
0,7 9,2!!9 g,lql! 0,16/2 0,7673 0,1'tu 0,7734 0:,1764 O.,77e4 0,1823 o;t852
0,8 g,?qq! 9,?910 0.7939 0,7e67 0,'t99s 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,82t2 0,8238 0,8264 0,8289 0,83t5 0,8140 0,8365 0;8389
1,0
9,ry11 9,!_41q g,q4q! 0,8485 0,t50E 0,8s31 0,8554 0,8517 0,85ee o,E62l
I,l g,!Ci I,q56: 0,8686 0,8708 0,8729 0,8749 0,8770 0,87e0 0,8810 o,rr3o
t,2 9,q!1? 9,qq62 0,qq88 0,8m7 0,Ee25 0,8e,t4 o.,8e62 o,Ee80 0,89e7 0,eols
l,l 9.:91? 9,ry2 g,?qq 9,e082 o,eo99 o,el l5 0,el3l 0,et47 o,et62 o,et77
t,4 0.9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9278 0,9292 0,9306 0;9319
r,5 9,e11? g,?34f 0,e357 0,e3?0 0,e382 0,e394 0,9406 0,e418 0,9429 o,e44t
1,6 9,e:r? 9,e193 9,2111 0,91q4 o,e4e5 0,e505 0,e5r5 o,e52s 0;e535 0,e545
1,1
9.?:11 g.?:g g,?lzl 0,es82 0,e5el o,esee 0,e608 0,e616 0,e62s o;e533
g,?q9 g,?qsq 0,e964 o,e67t 0,e678 qe6r6 0,e5e3 o:,e6ee o,e7o6
1,8
1,9
9,?!11
0.971J 0,9719 0,9i26 0,9732 0,9738 0,9744 0,9750 0;9756 0;9?61 o:976j
9.e^71? 9,277E g,?Zqi 0,e7Er o,e1e3 0,e7e8 o,erol 0,e808 0,e8r2 0,e817
2,1 g,?qig 0,e834 0,e838 o,et4z o,ea46 0;e850 o;e854 o',e857
9,?!?! g,?C?q 0,e868
71
9.?!ql 9,9!64 0,e87t 0,9875 q9r78 0,e8il 0,9884 0,e887 0;9890
2,3 9,2!?l g,?!?g 9,%96 o,eeol 0,eeo4 0,ee06 0,ee0e o,eer I 0,eel3 0;eel6
2,4 0,9918 0,9920 0,9922 0,9925 0,9921 0,9929 0,9931 0,9932 0:934 0,9936
s,??i! g,??ls 0,ee55
0,ee4t 0,ee43 0,ee45 q9%6 0,9948 0,ee4e 0,9951 o,ees2
0,99s1 0,ee5e 0,9960 0,9%l o,ee6z 0;863 o,9e64
2,6 S,99! 0,9tq
9,ry55
0,9967 0,9961 0,9969 0,9970 0,9971 0,9972 0,9973 0,9914
9.9?q5
2,8 9.?e1! 9,?211 0,9976 o,ee77 0,9977 0,9978 o,ee1e 0,e979 0,9980 0,9e81
2,9 0,9981 0,9982 0,9982 0,9983 0,99t4 0,9984 0,9985 0,9985 0,9986 0:9985
1,0 s,2!? 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,989 0,9990 q9990
3,1 9.929 0,9991 0,9991 0,999t 0,9992 0,9992 0,9992 0,9992 q9993 0,9993
3,2 s,?2?i 0,9991 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 9,?2?t 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,99 0,9996 0,9997
1-4 0,9997 0,9997 0,999't 0,999i 0,9997 0,9997 0,999i 0,9991 0:,9997 0,999t
2lt)
2l lt
'l'abel III - 3. Nilai k Distribusi Pearson tipe lll dan Log Pearson ti
Tabel III - 2 Skala Parameter untuk Distribusi Gumbel tipe IIL
0,8500 -0,2801 0,4914 1,1306 1,8388 2,9002 3,8056 2,00 1,2437 1.8916 2,7943 3,5t96
I
=0,2366 0,6144 |
ITlrrrril ililili I
rll i
Itl I
o'
al
o
o_
o
o-
a2
<i
5ii
Bab 4
'i2
90
aplikasi metode statistik untuk
d
6i
Eo Co
2
> memperkirakan debit baniir
E
3r.
o d da
I
a 4.1. PENDA'IULUAN
!
a
Pada sub bab 3.3 dan 3.4, telah diuraikan penggunaan
beberapa persamaan distribusi peluang kontinyu (continuous
Probability Distributions) untuk' menghitung debit banjir
maksimum yang dapat diharapkan terjadi pada tingkat peluang atau
periode ulang tertentu. Perhitungannya berdasarkan data debit
puncak banjir maksimum tahunan hasil pengamatan dalam periode
waktu yang cukup lama, minimal l0 tahun data runtut waktu.
227
22t4 229
Prosedur perhitungannya dapat dilihat dalam {iagram 3.1, suatu DPS, diperlukan minimal 2 (dua) metode, tergantung data
pada sub bab 3.4. Prosedur tersebut diperoleh dari penelitian 92 yang tersedia. Hal ini dimaksudkan untuk menentukan nilai MAF
daerah pengaliran sungai (DPS) di Jawa dan Sumatera setiap Dps, yang logis terhadap suatu DPS. Penentuan MAF, seringkali masih
minimal 5 tahun data, sehingga yang digunakan untuk analisis memerlukan pertimbangan-pertimbangan'logis, ketelitian dan
adalah l00l tahun data. pengalaman. Kalau perlu dilakukan pengukuran dan pengecekan
Dari diagram 3.1, untuk mendapatkan debit puncak banjir pada lapangan untuk menentukan luas penampang sungai, kecepatan
periode ulang tertentu, maka ddpat dikelompokan menjadi 2 (dua) aliran, batas ketinggian aliran melimpatr dan frekuensi kejadiannya,
tahap perhitungan, yaitu : metode perpanjangan lengkung debit (disbharge rating curve
extrapolation), (lihat Soewarno, 1991: Hidrologi, Pen'guhran dan
1). Perhitungan debit puncak banjir tahunan rata-rata (mean
Pengolahon Data Aliran Sungai - Hidrometri, Penerbit Nova) dan
annual flood:MAF), informasi lainnya yang dapat menentukan ketelitian perhitungan
2). Penggunzurn faktor pembesar (Growth factor :
GF) MAF.
terhadap nilai MAF, untuk menghitung debit puncak
banjir sesuai dengan periode ulang yang diinginkan. Sub bab 4.2, akan membahas perkiraan MAF dari ketiga
metode yaitu metode serial data, POT dan regresi, dan menguraikan
perhitungan debit puncak banjir yang diharapkan dapat terjadi pada
Perkiraan debit puncak banjir tatrunan rata-rata, berdasarkan periode ulang tertentu.dengan menggunakan nilai fbktor pembesar
ketersediaan data dari suatu DPS, dengan ketentuan : (GF). Sub bab 4.3 rnembahas cara perbaikan hasil perkiraan debit
l). Apabila tersedia data debit, minimal l0 tatrun data runtut puncak banjir. Pada sub bab 4.4 akan di bahas memperkirakan debit
waktu, maka MAF dihitung berdasarkan data serial debit banjir berdasarkan data tinggi muka air, karena tidak tersedia data
puncak banjir tahunan, curah hujan atau debit di lokasi yang diteliti.
2). Apabila tersedia data debit, kurang dari l0 tahun data
runtut waktu, maka MAF dihitung berdasarkan metode
4.2 METilPENKTNAKAN TITAF
puncak banjir diatas ambang (peak over a threshoild:
POT), Seperti telah disebutkan pada sub bab 4.1, perhitungan debit
puncak banjir tahunan rata-rata (MAF) dapat dilakukan dengan 3
3). Apabila dari DPS tersebut, belum tersedia data debit,
(tiga) metode, yaitu :
maka MAF ditentukan dengan persam&m regresi,
berdasarkan data luas DPS (AREA), rata:rata tahunan 1). Serial data (data series)
dari curah hujan terbesar dalam satu hari (APBAR), 2). POT Qteaks over a threshold series)
kemiringan sungai (SIMS), dan indek dari luas genangan 3). Persamaan regresi (regression equation)
seperti luas danau, genangan air, waduk (LAKE).
Dari nilai MAF tersebut, berdasarkan nilai faktor pembesar 4.2.1. Ilfetodc Sefial llalta
(GF), maka dapat diperhitungkan debit puncak banjir terbesar yang Dalam penerapan metode serial data, untuk memperkirakan
dapat diharapkan dapat terjadi. Apabila data serial debit puncak debit puncak banjir tahunan rata-rata, dilaksanakan dengan
banjir kurang dari 20 tahun, maka untuk menentukan MAF dari mengumpulkan data debit puncak banjir terbesar setiap satu tahun,
230 291
dari data runtut waktu dari pos duga air sungai dari suatu DPS atau Tabel 4.1. Data Debit Puncak Banjir DPS Cimanuk di Pos
sub DPS, dimana penelitian dilaksanakar5 minimal l0 tahun data. Duga Air Leuwigoong
Satu tahun data, di Indonesia disarankan tidak sama dengan satu
tahun kalender, akan tetapi dimulai dari awal bulan terkering (misal No. Urutan Tahun Debit (m3/det.)
dimulai tanggal I Oktober dan berakhir tanggal 30 September tahun I 7475 477,7
berikutnya), hal ini dimaksudkan agar data yang dipilih betul-betul 2 3738 381,8
3 4243 365,79
merupakan variabel acak bebas. Dalam satu tahun data, maka
4 7071 356,35
datanya harus lengkap, tanpa terdapat periode kosong terutama pada
5 4142 356,35
musim penghujan 6 3637 354,79
4344 350,13
Dalam metode serial data, perhitungan MAF dapat 7
8 303 I 334,8
dilaksanakan dengan 2 (dua) cara, tergantung terdapat tidaknya nilai
9 3233 328,77
debit puncak banjir yang terlalu besar, yaitu : l0 6869 327,27
ll 3435 325,77
l) Apabila ,*: < 3,.0 t2 7172 321,3
* l3 2728 308,08
l4 6566 305, I 8
:
maka X
=* I Xi (4.1) l5
l6
2829
3s36
300,85
296,56
t7 6768 290,87
Contoh 4.1. menyatakan bahwa debit puncak banjir rata-rata DPS Cimanuk-
Data dalam tabel 4.1, menunjukkan data debit puncak banjir dari Leuwigoong adalah 295 m3/det dengan deviasi standar 60 mr/det
DPS Cimanuk-Leuwigoong, Kabupaten Garut, propinsi Jawa Barat atau ketelitiannya sekitar 20,33 Yo dari perkiraan nilai perkiraan
selama 32 tahun. oleh karena datayang tersedia cukup, maka untuk debit puncak banjir tahunan rata-ratanya.
memperkirakan besarnya MAF dapat menggunakan metode serial Untuk memperkirakan besarnya debit puncak banjir yang
data, tentukan parameter statistiknya. dapat diharapkan terjadi pada tingkat peluang atau periode ulang
tertentu, maka dapat cara mengkalikan nilai MAF dengan besarnya
Jawab Contoh 4.1. z
faktor pembesar yang merupakan fungsi dari besarnya periode
ulang (T) dan luas DPS.
Dari tabel 4.1. berdasarkan nrmus pengukuran tendensi sentral dan
Besamya debit puncak banjir pada periode ulang tertentu dapat
rumus pengukuran dispersi, maka dapat dihitung :
dihitung dengan model matematik :
X : 294,9378 (rata-rata hitung)
X,n* : 477,700 (maksimum) Xr : (C) (X) (4.4)
Xmed : 293,7150 (median)
SE : 10,86 (kesalahan standar dari rata-rata) S*, : Xr t(tl, * f*l,ll (4.s)
S* : 61,4545 (deviasi standar) Sc : 0,16 (log T) (C) (4.6)
CV : 20,84 (koefisien variasi) -t
n )t
I
i=l
CX, - X;'
Sebelum menentukan nilai MAF, langkah awal adalah menguji (4.7)
n-l
rekaman data tersebut, apakah serial data tersebut terdapat data )
debit puncak yang terlalu besar sehingga nilai perkiraan MAF
terlalu besar. Keterangan:
XR: X.o _ 477,70 :1,62 xr : debit puncak banjir pada periode ulang ke T
X."a 293,71 C faktor pembesar (lihat data tabel4.2)
x debit puncak banjir tahunan rata-rata
Karena nilai XR < 3,0 ; rnaka menunjukkan bahwa serial data tabel S*, deviasi standar dari X.r.
4.1, tidak menunjukkan adanya nilai debit yang terlalu besar. SC deviasi standar C.
Dengan demikian nilai rata-ratartya sebesar X dapat digunakan sx deviasi standar dari X.
sebagai nilai perkiraan MAF.
= \z l;
Variasi Luas DPS ( km') Sxr: *, [rS. ,,,S*
Periode
Ulang Redul<si
l(tl'.(?)'l
T Y < tg1 i00 600 900 I 200 > 1500 Sc : 0,16 (log T) (C)
:
.
5 1,50 1,28 1,27 1,24 1,22 I,l9 l,l7 Sc 0,16 (log 5) (1,23)
10. 2,25 1,56 1,54 1,48 1,44 l,4l 1,37
Sc : 0,137
2,10
1,64
2,03
1,59
s5 :360[(H),.(#),],
50 3,90 2,35 2,30 2,18 1,96
V: 295 m3/det.
No Periode Ulang C Debil Deviasi Batas
S*: 6o m'/det' (tahun) (m3/ det) (m3/ det) '(m3/
det)
I 2,33 I 295 60 235 - 355
Tentukan debit puncak banjir dan deviasi standamya pada periode 2 5 1,23 360 83 279 - 445
ulang 5, 10, 20 dan 50 tahun, diketahui luas DPS :757,4krn2" 3 l0 1,46 430 ll0 320 - 540
4 20 l,7l 504 146 358 - 650
5 50 2,ll 623 212 412 - 837
Jawab Contoh 4.2. z
hanjir diatas ambang (POT). Metode POT disarankan tidak ll rrlrr-nrtu lcrlampaui (mean exceedence)
digunakan apabila lama pengamatan data debit kurang dari 2 tahun. N, tlcbit puncak lebih besar dari X,
Setiap tahun data dipilih puncak banjir sebanyak 2 sampai 5 buah. rn jumlah puncak banjir
Data debit selama tahun pengamatan ditentukan nilai batas n : lama tahun pengamatan
ambangnya (qo) dan selanjutnya ditentukan nilai debit puncak banjir Sx : deviasi standar dari X.
yang lebih besar dari qo. Dari hidrograp debit puncak banjir dipilih A : jumlah puncak banjir terlarnpaui (number of
harus yang independen, apabila tidak independen maka sebaiknya exceedence) pertahun.
dipilih puncak pertamanya.
Pemilihan nilai qo, dapat ditentukan dari grafik hidrograp Contoh 4.i.
muka air yang terekam dalam grafik tinggi muka air otomatis Dari data debit banjir DPS Ciliwung yang terekam di pos duga air
(AWLR). Berdasarkan nilai qo yang ditentukan dari tinggi muka air Kebonbaru Kabupaten Bogor, Propinsi Jawa Barat dengan luas
AWLR, maka dengan bantuan lengkung debit dapat diperkirakan DPS : 33 km2, selama tahun 1980 - 1984 (empat tahun), untuk
nilai debit yang besarnya lebih besar dari qr. Gambar 4.1, dapat memperkirakan debit puncak banjir tahunan rata-ratanya dapat
digunakan sebagai acuan dalam menentukan nilai go, syarat digunakan metode POT. Debit banjir batas ambang (XJ ditentukan
penentuan puncak banjir g, dan qr, adalah : 100 m3/det, pada tinggi muka air 4,50 m. Tentukan nilai MAF dan
deviasi standarnya dan debit puncak banjir yang dapat diperkirakan
Ts>3T, (4.8) untuk periode ulang 5, 10,20 dan 50 tahun dan deviasi standarnya.
q,'3 q, (4.e)
B: ls
tm
(x' - )i) (4.11)
m?r= I
A: m (4.r2)
n
: B (bilam> 3/tahun) (4.13)
sx 1r1 .
Jn
sx : B rl (0,5r?2i rn A)2 r (bila m < j/tahun) (4.t4)
,n- t; * ,
Keterangan :
A : jumlah puncak banjir terlampaui/tahun. Data No. Debil Data tidak No. Debil
ML = jumlah puncak banjir dari tahun data yang lengkap. Lengkap (m3/det) lengkop (m3/det)
NL : lama tahun pengamatan dari tahun data yang lengkap. Maret 1976177 I 2.329,5 Maret 1978/79 I 2.557,9
2 2.434,6 2 2.400,9
Perhitungan nilai (B) berdasarkan rumus (4.1l) dan tXl J 2.739 Desember 80/81 ) 2.596,5
berdasarkan nrmus (4.10), menggunakan sernua data debit puncak 4 2.562,2 4 2.304,4
banjir yang tersedia. Maret 1977/78 5 2.308,6 5 2.583,6
6 2.661
7 3.230,8
8 2.609,4
9 2.579,3
Tabel 4.5 Perkiraan Debit Puncak Banjir DPS Ciliwung di pos
l0 2.337,9
Duga Air Kebon Baru.
Surnber: DPMA, 1983
B:249,04 m'/det.
Contoh 4.1.
Dari Batanghari - Muara Kilis, dengan luas DPS 18065 km2, selama Debit puncak banjir tahunan rata-ratanya, dengan menggunakan
5 tahun pengamatan, mulai bulan Maret 1976 - Oktober 1981, telah rumus (4.10) dapat dihitung :
terekam data debit puncak banjir seperti ditunjukkan pada data tabel
4.6. Tentukan besarnya debit puncak banjir tahunan rata-rata dan X: Xo+B[0,5772+lnA]
deviasi standarnya, serta debit puncak banjir yang diharapkan dapat X: 2.300 + 249,04 10,5772 + ln 5l
terjadi pada periode'ulang 5, 10, 20 dan 50 tahun, untuk nilai Xo : X: 2.844,56 mr/det. (dibulatkan 2.840 m3/det)
2300 m3ldet.
242
243
l)cviasi standar pada kasus data tidak ldngkap dihitung dengan terdiri dari daerah perkotaan. Parameter yang diperlukan untuk
rumus :
menerapkan metode persamiuul regresi ini adalah ;
Sx : '??f+ *2#p,s722+ ln 5l
3).
(satulhari (APBAR, mm) seluruh DPS.
Index kemiringan (SIMS, m/krn).
J(sx2) Jls
4). Index danau (LAKE, proporsi dari DPS, tanpa satuan).
Sx : 219,36 m'ldet (dibulatkan 220 m3/det)
Peastuon Pcltamcto,.
Tabel 4.7 menunjukkan hasil perhitungan selengkapnya.
l).AREA
/
Luas DPS ditentukan dari peta topograpi dari skala
Tabel4.7 Debit Puncak Banjir yang Dapat Diharapkan terbesar yang telah tersedia (skala I :50.000).
Terjadi di DPS Batanghari - Muara Kilis
2).APBAR
No. Periode Ulang C Debit Deviasi Batas Untuk mendapatkan data APBAR (mean annual
(tahun) (m3/det) (m3/det) (m'/det) maximum catchment I day rainffal), dapat dihitung dari
I 2,33 I 2.840 220 2.620 - 3.060 serial data curah hujan terbesar I (satu) hari, seluruh
2 5 I,17 3.322 451 2.871 - 3.773 DPS dengan menghitung rata-ratanya menggunakan
metode Isohyet hujan maksimum satu titik rata-rata
J l0 1,37 3.890 69t 3.199 - 4.581
tahunan (PBAR) (mean annual macimum I day point
4 20 I,59 4.515 1.002 3.513 - 5.517
rainffal). APBAR di hitung dengan rumus :
5 50 1,95 5.538 L565 3.973 - 7.103
Keterangan :
X :MAF
Titik tertinggi ditentukan dari kontur peta topograpi dari X,, X, ... : variabel bebas: parameter DPS
sumber alur sungai utama yang cabang sungainya
terpanjang sampai berdekatan dengan batas daerah
pembagi (divide) DPS. Nilai SIMS harus berada 1,00
Apabila semua variabel di
transformasikan kedalam bentuk
logaritma, maka persam&m (4.20) menjadi :
SIMS < 150 mlkm.
Nilai parameter lake harus berada g : LAKE < 0,25. atau dapat dinyatakan sebagai model matematik :
Lake index dihitung dengan rumus :
tra
a a(
saa
V = 1,02 - 0,02751o9 AREA (4.24)
at
aa a
G
aa
a
\s
.sa
Nilai V, sesuai dengan luas DPS, dapat dinyatakan sebagai data
a aa ;t pada tabel 4.8.
a- aa
aa
a
a
aaa S^
,'
2-?
.!
|
t.s. ,-.
. .
a
il&
a< -. Tabel 4.8. Nilai V sesuai dengan Luas DPS.
/ rl o r
fr
t
al
lo
aa
a €s
tl
Luas DPS (area) l/ Luas DPS (area) v
(km\ (lan'\
ds
JV
iEE <*
Ll\
c.P
B Sumber : IOIUDPMA, 1983.
EA E < \,/
Es sr I
I
I
Persamaan (4.23) ditentukan dari persamaan regresi, kisaran
I
banjirberadapada :
v
ffi sx <(1,5e)x (4.2s)
atau,
X-ro%X<X<X+se%X (4.26)
H
24t4
249
l'crsanr:.ran (4.25) atau (4.26) adalah kesalahan standar dari ketidak
Langkah awal adalah menghitung nilai V :
tclitiarr perkiraan debit puncak banjir untuk DPS tanpa data aliran
surrgai (unganged basins).
V : 1,02 - 0,02751og AREA
V : 1,02 - 0,0275 1og757,4
V : 0,940
Contoh 4.5.
Perkirakan debit puncak banjir DPS Cimanuk-Leuwigoong pada MAF diperkirakan dengan model matematik :
maka:
l). luas DPS, AREA:757,4\<rnz
2). curah hujan rata-rata terbesar seluruh DPS selama 24
jam dalam setahun, APBAR : 81 mm (nilai diperoleh
x : 1t,oo; o01Q57,4)o'sao 131;2,+rs (20,g)o'r'7 0 + 0,0)-0.r,
dari peta Isohyet, nilai PBAR dikalikan ARF). X : 1a,oo; (10'6) (508,82) (46370,93)(1,426)(1)
3). kemiringan alur sungai, SIMS :20,8 m/km X : ZAS,tA mr/det.
4). index danau, LAKE:0 X: ZIO mr/det. (dibulatkan)
tersebut.
270 .-
1,59-"-
170 <X S 430
ketiga metode pada Bab IV ini perlu diterapkan bersama-sama Data pengamatan debit puncak banjir telah tersedia selama 4 tahun
dalam satu lokasi terutama di Pulau Jawa dan Sumatera, dan seperti ditunjukkap pada tabel 4.4. Sehingga metode yang
hasilnya harus dibandingkan dengan metode perkiraan debit puncak digunakan adalah :
2(rJ
Dengan menggunakan metode persamunn regresi (persamaan 4.23), 4.3.2. Iilembandinghan Pcngamatan yang leblh lams
maka:
Perkiraan MAF dari suatu DPS di lokasi pos duga air A,
X :239 m3/det (dibulatkan 240 m3ldet) mungkin kurang dapat menggambarkan nilai yang sebenarnya
dilapangan karena periode pengamatannya lebih pendek jika
dengan batas kesalahan standar maka debit banjirnya berkisar antara dibanding dengan pos duga air B dalam DPS yang sarna, dimana
150 - 380 m'/det. pengamatan debitnya lebih lama. Perkiraan MAF di pos duga air
tersebut mungkin nilainya lebih besar atau lebih kecil daripada
Rekaman data yang hanya tersedia ,dturnu 4 tahun terlalu pendek,
kondisi yang sebenarnya. Apabila kondisi iklim di lokasi pos duga
walaupun demikian sangat berguna untuk mengecek nilai MAF
yang diper[irakan dari persamaan regresi.
air A sama dengan B atau dengan kata lain kondisi yang
mempengaruhi debit dipos duga air A dan B adalah homogen (misal
Dari kedua metode memberikan hasil perkiraan ( POT, X : 190 curah hujannya homogen, APBAR nya kurang lebih sama), maka
mt/det, dan persamaan regresi X : 240 m3/det) dengan perbedaan perkiraan MAF di
pos duga air A dapat diperbaiki dengan
yang cukup besar yaitu *kitar 26,31Yo. menggunakan nilai MAF di pos duga air B. Perbaikannya dapat
dihitung dengan persamailn berikut ini :
Nilai mana yang harus digunakan ?
Karakteristik DPS
Untuk menentukan penggunffm rumus (4.27) minimal harus A B
dilakukan pengujian kesamaan j enis (homogenitos) data curah hujan Luas DPS (km'?) 474,9 757,4
Curatr hujan tahunan (mm) 2715 2560
dengan waktu pengamatan sama dengan waktu pengamatan data Curah hujan terbesar / hari (mm) 8l 8l
debit yang digunakan untuk analisis. Pengujian kesamaan jenis Kemiringan alur sungai (m/km) 3 1,3 20,9
telah dijelaskan pada buku jilid IL Proporsi danau, waduk (%) 0 0
Luas hutan (km2) 224 273
Catatan : A: data DPS Cimanuk - Leuwidaun
B = data DPS Cimanuk - Leuwigoong
Contoh 4.8.
2 2 7172 133,670
J J 707t 121,500 XB :295m'ldet. (data32tahun)
4 4 7576 108,440
5 5 7374 98,010
XE = 290 m3ldet (tahun tgTO - 1930)
6 6 7980 95, I 60
7 7 7273 86,720 Dari data debit puncak banjir di DPS Cimanuk - Leuwidaun (tahun
8 8 7677 80,1 l0 1970 - 1980) :
9 9 7879 75,780
l0 l0 7778 62,560
XT : 103 m3/det (dibulatkan)
Sumber : Publikasi debit, Puslitbang Pengairan.
deviasi standar: 30,61I m3/det.
kesalahan standar dari rata-rata: 9,68 m'/det.
rnedian:96,58 m3/det.
Perbaiki nilai MAF nya berdasarkan data debit puncak banjir dari Koefisien Variasi (CV) : 29,80.
DPS Cimanuk- Leuwigoong, yang rekaman datanya lebih lama,
yaitu selama 32 tahun seperti ditunjukkan datanya pada tabel 4.1. Berdasarkan rumus (4.27\ :
2t-r(i 267
XA = xre (Xql Tabel4.l2 Data Debit DPS Batang Pasaman dan DPS
X'B Batang Batahan.
Catatan : A: Batang Pasaman - Air Gadang Dengan demikian debit puncak banjir DPS Bt. Pasaman - Air
B: Batang Betahan - SilaPing Gadang diperkirakan rata-rata 863 m3ldet.
2trtl 2trt)
4.3.3. I{cmbsndlnghan llatq dafi Tempat Lr,in karakteristik DPS (A) menggunakan persamaan
regresi (4.23).
Kadairg-kadang diperlukan memperkirakan debit puncak XRB : Nilai MAF DPS (B) yang dihitung dengan data
banjir dari suatu lokasi penelitian (A) yang mempunyai jarak karakteristik DPS (B) menggunakan persam&rn
tertentu di sebelah hulu atau sebelah hilir lokasi pos duga air (B). regresi (4.23).
Debit puncak banjir dilokasi A dapat diperkirakan dengan rumus : XB : Nilai MAF DPS (B) yang dihitung berdasarkan data
pengamatan debit dilokasi pos duga air.
XA=xnnf.XRB' xB-) (4.28)
Korakteristik DPS A B
XA = xRA (pl
.
XRB,
(4.2e) Luas DPS (km2 ) 622,1 757,4
Curah hujan tahunan (mm) 2669 2560
Keterangan: Curah hujan terbesar / hari (mm) 88 8l
Dari contoh 4.1, diperoleh nilai : E : 295 m3ldet. Nilai median dari serial data tinggi muka air yang telah
: dikonversi menjadi debit adalah dianggap debit median untuk lokasi
Dari contoh 4.5, diperoleh nilai : ffiE 270 m3ldet.
penelitian. Nilai MAF dapat diperkirakan :
sehingga :
n = 1,06 Md (4.30)
XA= 1-Pa 1-xB-
.XRB-1
Keterangan:
il= 258,93 (H) :282,905 m3/det.
X : nilai MAF perkiraan
XA: 283 m3 I det (dibulatkan) Md : debit median (penentuan median lihat sub bab 2.1.5)
125 m3/det, daerah batas 391 - 125 :266 m3ldet dan 391 + l2S :
serial data tinggi muka air dibuatkan kurva frekuensi tinggi
516 m3/det. Jadi perbaikan MAF sebesar 266 < MAF :283 < 516
masih dalam batas deviasi standar. lmuka air banjirnya, sehingga dapat diketahui hubungan antara
tinggi muka air dan periode ulangnya.
262 263
Pengukuran dan Pengolahan Data Aliran Sungai - Hidrometri, . jari-jari hidrolis R: 0,85 m
Penerbit Nova).
. kemiringanmukaair S =0,013
265
266 287
t4. Direktorat Penyelidikan Masalah Air, 1983 : Penelitian dan 32. Pusat Litbang Pengairan, 1986 : Survei Umum Hidrologi Sungai,
Pengumpulan Data'Sediment Kali Madiun di Dam Jati, Laporan Laporan No. I 4 I /Hi-36/ I 986.
Intern, No. 46/Hi-14/198i, DPMA, Madiun. 53 Pusat Litbang Pengairan, 1989 : Hidrologi Operasional, Bahan
15. Direktorat Penyelidikan Masalah Air, 1983 : Analisa Hidrograp, Kursus Hidrologi.
Bahan Kursus Hidrologi Tahun 1983, DPMA, Bandung. 34. Pusat Litbang Pengairan, 1989 : Pengukuran Sedimentasi Waduk
16. Direktorat Penyelidikan Masalah Air, 1983 : Peranan Hidrologi P LTA Mrica, Laporan No. 90/HI- I 8/ I 989.
Dalam Pembangunan di Indonesia, Bahan Kursus Hidrologi 35. Nggs. H.C, 1977 : Some Statistical Tools in Hydrologt, Book 4
Tahun 1983, DPMA, Bandung. Chap. Al, USGS, Washington.
t7. Direktorat Penyelidikan Masalah Air, 1984 : Banjir Rencana 36. Ronald, E.W, 1977 : Pengantar Statistika, Gramedia, Jakarta.
untuk Bangunan Air, DPMA, Bandung.
37. Santosh, K.G, 1977 : ll/ater Resources and Hydrologt, New Delhi,
18. Departemen Pekerjaan Umum, 1986 : Perencanaan Jaringan Khana Publisher.
Irigasi, Standar Perencanaqn lrigasi Kp-01, Galang Persada CV, 38. Schults E.F, 1973 1973 : Problemin Applied Hydrologt, l{ater
Bandung.
Res ources P ublication, USA.
19. Departemen Pekerjaan Umum, 1986 : Bangunan Standar 39. Seyhan, E, 1979 : Application of Statistical Methods to
Perencanaan lrigasi Kp-04, Galang Persada CV, Bandung. Hydrolog, Institute of Earth Sciences, Free lJniversity, The
20. Elizabeth M Shaw, 1980:. Hydrologt in Practice, Second Edition, Netherlands.
Chapman and Halt, London. 40. Soewarno dan Suprihadi, 1982 : Analisa Lenglcung Aliran, Bohan
Kursus Hidrologi DPMA Bandung.
21. Fety S, 1992 : Pemantauan Parameter Hidrologi untuk Evaluasi
Pengelolaan DAS Progo-Kranggan, Slrripsi Falcultas Geografi 41. Soewarno dan Suprihadi, 1982 : Cara Perhitungan Untuk
UGM. Publikasi Besar Aliran Sungai, Bahon Kursus Hidrologi DPMA
22. Henny Maria, Soewamo, 1994 : Penerapan Metode Steven untuk Bandung.
memperkirakan Debit Banjir, Buletir PusAir, No. 17 Tahun IV, 42. Soewarno, 1987 : Testing Hypothesis and Goodness of Fit, USAID
Nov. 1994. Training Course in Statistical Hydrolog, IHE, Bandung, PP
23. Herschy, R.W, 1978 : Hydrometry, John l{ilye and Sons, New t -30.
York. 43. Soewarno, Ali Hamzah Lubis, 1987 : Pengukuran Banjir Rencanq
24. Hiranadi, M.G, 1969 : Stream Gauging, Ministry of lrrigation and dengan Cara Slope Area, Jurnal Pusal Litbang Pengqiran, No.
Power, India. 7-Th. 2, KW. lil, Hal I l7-124.