hidrologi

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

HAK PENULIS DILINDUNGI OLEH UNDANG-UNDANG
DILARANG MEMPERBANYAK SEBAGIAN
ATAUPUN SELURUHNYA
DARI BUKU INI DALAM BENTUK STENSIL,
FOTO COPY, ATAU CARA LAIN
TANPA IJIN PENULIS
I,,{E} Ii.t-
Badan FerPr.rl'':;r''ilaltn
'!
Fropinri ,i r';rr rr'lr-lt
Ilct ,i)r httl
T(ATA PEIIICAITTTAN
t'rrii syitkur dipanjatkan kepada Tuhan atas segala
ruhrrrrrl:Nyr, pcnulis dapat menyusun buku ini. Disusun dengan
mnksurl ntcngcnalkan aplikasi metode statistik dalam analisis data
hidrokrgi pada kegiatan penelitian yang terkait dengan hidrologi
atau sumber daya air, baik oleh hidrologiwan, dosen dan mahasiswa
maupun para tenaga fungsional seperti peneliti, perekayasa dan
litkayasa serta konsultan teknik.
Buku dengan judul HIDROLOGI - Aplikasi Metode Statistik
untuk Analisa Data, terdiri dari 2 (dua) jilid. Untuk Buku jilid I di
mulai tentang uraian metode statistik, variabel hidrologi, pemilihan
sampel dan data hidrologi pada Bab I, dilanjutkan tentang
pengukuran parameter statistik, yaitu pengukuran tendensi sentral
dan dispersi pada Bab II.
Aplikasi distribusi peluang diawali dengan uraian distribusi
deskrit, yang meliputi distribusi Binomial dan Poisson disajikan
pada Bab III, yang kemudian dilanlrtkan dengan aplikasi distribusi
kontinyu mpliputi distribusi : Normal, Gumbel Tipe I, Gumbel Tipe
III, Pearson Tipe III, Log Pearson Tipe III, Frechet, log normal dua
parameter, log normal tiga parameter dan distribusi Goodrich.
Analisis distribusi peluang disajikan pada bagian akhir Bab III,
yang meliputi : pengumpulan data, periode ulang, penggambaran,
penarikan garis kurva dan uji kecocokan yaulrg meliputi uji
chi-kuadrat dan Smirnov Kolmogorov.
Dari Bab IV, akan diuraikan tentang aplikasi metode statistik
untuk memperkirakan debit puncak banjir dari suatu daeratr
pengaliran sungai (DPS). disampaikan cara memperkirakan debit
puncak banjir tahunan rata-rata dengan metode serial data, metode
POT dan metode analisis regional disertai perkiraan periode
ulangnya. Perbaikan perkiraan debit banjir dan di akhiri dengan
cara memperkirakan debit banjir berdasarkan data tinggi muka air.
ru
 Untuk buku jilid II,
akan diuraikan tentang Aplikasi Uji
Hipotesis, Analisis Deret Berkala, Aplikasi Model Regresi dan uji
Ketelitian Pengukuran Debit menggunakan Alat Ukur Arus dan
Ambang.

Dengan maksud memudahkan pemahaman aplikasi metode

statistik untuk analisis data hidrologi, setiap tahapan uraian selalu
dafitat isi
disajikan contoh persoalan. Namun demikian hendaknya hasil
perhitungan dari setiap contoh untuk tidak dijadikan kesimpulan
tentang penomena hidrologi dari pos hidrologi atau DpS yang
bersangkutan. Pada pokoknya contoh-contoh pada buku ini
dimaksudkan hanya sekedar untuk memudahkan pemahaman bukan
untuk t rJuan analisis penomena hidrologi yang sebenarnya.
Kata Pengantar tii
Penulis mengucapkan banyak terima kasih kepada Bapak Ir.
Daftar Isi v
Joesron Loebis. M. Eng; Bapak Ir. Ali Hamzah Lubis, Bapak Ir.
Sampudjo Komara Winata M.Eng, Bapak Ir. Bambang Kayanto.
Dpl. HE, yang telah memberikan kesempatan dan bimbingan 1. PENDAHULUAN I
sepenuhnya kepada penulis untuk melaksanakan penelitian dalam t.l . Pengertian Umum I
bidang hidrologi terapan sehingga bermanfaat pada penulisan buku l.l.l. Statistik I
ini. Kepada penerbit Nova yang telah menerbitkan buku ini dan 1.1.2. Metode Statistik 2
kepada semua pihak yang telah membantu, penulis mengucapkan 6
t.2. Variabel Hidrologi
terima kasih. 1.3. Pemilihan Sampel Data Hidrologi T1

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. 1. Pengukuran Tendensi Sentral 38

Bandung, 14 April 1995
2.1.1. Rata-rata Hitung 38
2.1 .2. Rato-rata Timbang 47
2.1.3. Rata-rata (Ilatr 50
Penulis: Soewarno
lV v
 2.1.4. Rata-rata Harmonis 52
3.3.6. Aplikasi Distrihusi Grtodrich /.t8
2.1.5. Median 57
2.1.6. Modus 3.4. 'fahapan Aplikasi I)istribusi Peluang t6J
63
2.1.7. Kuartil 68 3.4.1. Pengumpulun l)ulu 163

2.2. Pengukuran Dispersi 3.4.2. l'criodc Ilhug 169

69
3.4,3. I'tngl4nthurun Kurva Distribusi Peluang t7t
2.2.1. Range 70
2.2.2. Deviasi Rata-Rata J.1.3.1. Kcrtas Grafik Peluang 17t
7l
3.4.3.2. Penggambaran Posisi Data 173
2.2.3. Deviasi Stqndar dan Varion 75
2.2.4. Koefisien Variasi 80 3.4.4. Penentuan Kurva Persamaan Distribusi Peluang ... 173
2.2.5. Kemencengan 8t 3.4.5. Batas Daerah Kepercayaan Periode Uang 177
2.2.6. Kesalahan Standar 83 3.4.6. Uji.Kecocokan r93
2.2.7 . Pengukuran Momen 85 3. 4. 6. 1. Uj i Chi-Kuadrat 194
2.2.8. Pengukuran Kurtosis 89 3. 4. 6. 2. Uj i Smirnov - Ko lmo gorov 198

2.3. Contoh Aplikasi Awal Parameter Statistik 92 3.4.7. Pemilihan Persamaan Distribusi yang sesuai ........ 207

3. APLIKASI DISTRIBUSI PELUAI\G TINTUK 4. APLIKASI METODE STATISTIK UNTUK

ANALISIS DATA HIDROLOGI 97 MEMPERKIRAKAN DEBIT BANJIR 227
3.1. Pendatruluan 97 4.1. Pendahuluan 227
3.2. Aplikasi Distribusi Peluang Deskrit 99 4.2. Memperkirakan MAF 229
3.2.1. Aplikasi Distribusi Peluang Binomial 99 4.2.I. Metode Serial Data 229
3.2.2. Aplikasi Distribusi Peluang Poisson 102 4.2.2. Metode POT 235
3.3. Aplikasi Distribusi Peluang Kontinyu 4.2.3. Metode Regresi 242
106
3.3.1 Aplikasi Distribusi Normal 4.3. Perbaikan Nilai Perkiraan Debit Banjir 250
106
3.3.2. Aplikasi Distribusi Gumbel 123 4.3.1. Membandingkan metode 250
4.3.2. Membandinglcan pengamatan yang lebih lama 2s3
3.3.2.1 Aplikasi Distribusi Gumbel Tipe I 123
4.3.3. Membandingkan data dari tempat lain 258
3.3.2.2 Aplikasi Distribusi Gumbel Tipe III 131
4.4. Memperkirakan Debit Banjir Berdasarkan Data
3.3.3. Aplikasi Distribusi Pearson 136
Tinggi Muka Air 261
3.3.3.1 Aplikasi Distribusi Pearson Tipe III 138
3.3.3.2 Apt'ikasi Distribusi Log Pearson Tipe III 141
3.3.4. Aplikasi Distribusi Frechet
Dafior Bacaan 265
145
3.3.5. Aplikasi Distribusi Log Normal 148
3.3.5.1 Aplikasi Distribusi Log Normal 2 parameter 149
j.3.5.2 Aplikasi Distribusi Log Normal 3 Parameter 154

vl
vll
 bab t
pendohluluan

I.1. PENGEBTIAN UMUTIT

1.1.1. Statirtik
Data hidrologi adalah kumpulan keterangan atau fakta
mengenai penomena hidrologi (hydrologic phenomena). Data
hidrologi merupakan bahan informasi yang sangat penting dalam
pelaksanaan inventarisasi potensi sumber-sumber air, pemanfaatan
dan pengelolaan sumber-sumber air y.ang tepat dan rehabilitasi
sumber-sumber alam seperti air, tanah dan hutan yang telah rusak.
Penomena hidrologi seperti besarnya : curah hujan, temperatur,
penguapan, lama penyinaran matahari, kecepatan angin, debit
sungai, tinggi muka air sungai, kecepatan aliran, konsentrasi
sedimen sungai akan selalu berubah menurut waktu. Dengan
demikian suatu nilai dari sebuah data hidrologi itu hanya dapat
diukur satu kali dan nilainya tidak akan sema atau tidak akan dapat
terjadi lagi pada waktu yang berlainan sesuai dengan penomena
pada saat pengukuran nilai itu dilaksanakan.

Kumpulan data hidrologi dapat disusun dalam bentuk daftar

atau tabel. Sering pula daftar atau tabel tersebut disertai dengan
gambar-gambar yang biasa disebut diagram atau grafik, sering pula
disajikan dalam bcntuk peta tematik, seperti peta curah hujan, peta
tinggi muka air dengan maksud supaya lebih dapat menjelaskan
 il
tcntang pcrsoalan yang dipelajari. Kata statistik telah umum untuk pcltyrtiintt rlttlrt 'ir'lttttlipirt rlrtltttl nr('nrl)(:riktut irrlirrrrrirsi yirng bcrgrlrrr.
menyatakan kumpulan keterangan atau fakta dari suatu penomena, l)t'ttgtttt rh'ttrtLtiln (llrlimr slirlrslikir tlcskriptip nrclrrbcrikan inlirrrrrasi
yang biasanya berbentuk angka yang disusun dalam tabel dan atau Iutttyl trrlrirt.r\ rliur lrirrllr rlirrl ylng disa.iikan dan sanra sekali titlak
diagram. Sembarang nilai yang dihitung dari suatu data sampel tt tc I irh r th irr r I rt'r lrr Irllrrr pulirn atau penafsiran.
rr k csr rrr
(sample) disebut dengan statistik (statistics), nilai yang dimaksud
misal rata-rata, deviasi, maksimum, minimum dari data sampel.
Statistik yang menunjukkan nilai sesuatu data biasanya diberi nama
lnbcl l.l. ('urah tlujan Rata-Rata DPS Citarum (dalam mm).

sesuai dengan data yang disajikan, misal statistik curah hujan,

statistik penduduk, statistik pendidikan, statistik produksi, statistik Sub. DPS Sub. DPS Sub. DPS
pertanian dan sebagainya. Statistik data hidrologi umunnya lJulun . Nanjung Nanjung - Palumbon
disajikan dalam bentuk tabel dan diagram dan dihimpun dalam Palumbon Jatiluhur
(luas ; 1718 km'1) (luas ; 2j43 km'1) (luas : 5j9 km'))
suatu buku publikasi data hidrologi tahunan, misal "Buku publikasi
Januari 289 283 325
Data Debit Sungai Tahun 1993". (Bagi para pembaca yang ingin
Februari 262 260 306
mendapatkan data debit sungai dari suatu pos duga air dapat
Maret 308 307 338
menghubungi Balai Penyelidikan Hidrologi, Pusat Penelitian dan
April 26'l 294 308
Pengembangan Pengairan, dari Badan Litbang Departemen
Mei 185 219 223
Pekerjaan Umum di Bandung). Tabel 1.1, menunjukkan salah jatu
Juni 98 128 148
contoh statistik data hidrologi, yaitu tabel yang menunjukkan data Juli 73 99 108
curah hujan rata-rata daerah pengaliran sungai (DPS) Citarum. Agustus 64 101 98
September 83 t34 123
Oktober 177 237 283
1.1.2. Itfetode statistih November 276 306 337
Desember 302 290 325
Keterangan atau fakta mengenai penomena hidrologi dapat Tahunan 2.384 2.6s8 2.877
dikumpulkan, dihitung, disajikan dan ditafsirkan dengan
menggunakan prosedur tertentu, metode statistik dapat digunakan Sumber : UNDP/WMO project INS/78I03g
untuk melaksanakan penggunaan prosedur tersebut. Dengan Data tahun lt79 - 1979.

demikian secara umum dapat dikatakan bahwa metode statistik

adalah prosedur yang digunakan dalam pengumpulan, perhitungan,
penyajian, analisis dan penafsiran data. Metode tersebut dapat
dibedakan menjadi dua, yaitu :
l). statistika deskriptip (desuiptive statistics),
2). statistika penafsiran (s tatis t ical infere nce).
Statistika deskriptip (descriptive statistics) adalah metode-
metode yang berkaitan dengan pengumpulan, perhitungan dan
Data yang disajikan pada tabel l.l, menunjukkan besarnya curah
hujan rata-rata dari daerah pengaliran sungai (Dps) citarum Hulu
dari dam Jatiluhur, merupakan contoh tabel statistik data hidrologi.
Data dikumpulkan dan dihitung dari I l0 pos curah hujan, yang
sebagian besar dibangun setelah tahun 1940, sebagian data dihitung
berdasarkan pencatatan curah hujan sejak tahun 1g79. Dari I l0 pos
curah hujan tersebut
8 diantaranya merupakan pos curah hujan
otomatik. Dari tabel l.l dapat memberikan .informasi yang
 Tabel 1.2 Debit Aliran Sungai Serayu-Mrica (m7det.)

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

Sumber : Puslitbang Pengiran, Laporan No. 90/HI - 18/1989.


rn'/tlet/bulan. Scdangkan debit rata-ratanya adalah 81,4
rnr/det/bulan. Dari tabel I .2 juga dapat diketahui bahwa debit banjir
terbesar adalah 2.440 m3ldet, dan debit terkecil yang pernah terjadi
adalah 5,8 m3ldet.
Informasi hidrologi yang ditunjukkan pada tabel 1.2 sangat
bermanfaat bagi perencanaan sebelum waduk tersebut di bangun
dan pengoperasian waduk PLTA. pB. Sudirman. Dari uraian tabel
1.2 tersebut kita membicarakan suatu nilai yang termasuk dalam
statistika deskriptip. Akan tetapi kalau kita berbicara debit banjir
sama atau lebih dari 2.440 m3/det, rata-rata akan terjadi berapa kali
dalam sekian tahun, atau debit minimumnya sama atau kurang dari
5,8 m3/det, rata-rata akan terjadi berapa kali dalam sekian tahun
maka kita telah membuat suatu penafsiran, ini berarti kita telah
berada dalam statistika penafsiran.
Penarikan kesimpulan yang berhubungan dengan statislika
penafsiran selalu mempunyai sifat tidak pasti, karena analisisnya
hanya berdasarkan sebagian data. Untuk memperhitungkan
ketidakpastian ini diperlukan pengetahuan tentang teori peluang
(probability). Teori peluang sangat bermanfaat dalam
memperkirakan frekuensi banjir, kekeringan, tampungan, curah
hujan, dan sebagainya. Prosedurnya dapat dilakukan dengan analisis
frekuensi (frequency analysis), berdasarkan data hidrologi yang
telah dikumpulkan, selama kurun waktu yarrg cukup lama,
umumnya minimal selama 30 tahun dipandang cukup.
Statistika penafsiran sering dipakai dalam setiap penelitian
hidrologi, karena dalam setiap penelitian hidrologi harus diperoleh
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.
1.2. VARIABEL HIDROLOGI
Penomena hidrologi, seperti tinggi muka air, debit, angkutan
I
sedimen. curah hujan. penguapan, masing-masing ttapat ttirryallktrr
dengan sebuah simbol, misal debit dinyatakan dengan simbol (e),
curah hujan dengan simbol (R) dan sebagainya. Simbol yang
menyatakan sebuah penomena hidrologi disebut dengan variabel
(vuriahlc). I)alam statistika suatu variabel dinyatakan dengan
sinrbol : X, Y dan scbagainya. Variabel hidrologi (hydrologic
wtriuhlc) rncrrcrangkan ukuran dari pada penomena hidrologi, misal
dchit rata-rata harian, curah hujan rata-rata jam-jaman dan
scbagainya. Sebuah nilai numprrk (numerical value) dari sebuah
variabel disebut dengan variat (variate), pengamatan (obs ervat i on),
pengukuran (measurement), misalnya saja X : 130,0 m3/det.
Pengukuran dapat mempunyai nilai positip, misal tinggi muka air
sungai, debit, dan dapat pula mempunyai nilai negatip, misal tinggi
muka air sumur, temperatur. Untuk nilai negatip umumnya
disesuaikan menjadi nilai positip.
Didalam statistika, variabel dibedakan menjadi 2, yaitu
variabel kontinyu (continuous variable) dan variabel deskrit atau
variabel terputus (discrete varioble or discontinuous variable).
Sebagai contoh, dari suatu pos duga air sungai dilakukan
pengukuran tinggi muka air, menggunakan alat duga air otomatik,
atau logger, maka grafik tinggi muka air yang dihasilkan dapat
disebut sebagai variabel kontinyu, sedangkan pengukuran debit
yang dilakukan sebulan sekali disebut dengan variabel deskrit atau
variabel terputus.
Gambar l.l, menunjukkan contoh variabel.kontinyu, data
hidrograp debit sungai yang dihasilkan dari pencatatan fluktuasi
muka air sungai, setelah dialihragamkan menjadi data debit.
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
sebagai variabel deskrit.
Dalam suatu penelitian hidrologi untuk mendapatkan
 imt .rcric.r. tnisal gunttritr
lrcrkrrlrr krrrrtinyu (cttnl inuous I

l.l) dan apabila di susun scoara kronologis dcngan

interval waktu yang tidak sama maka di sebut dengan
deret berkala tidak kontinyu (discontinuous time series)
misal data tabel 1.3.
:
a
!
;
!
F
Tabel 1.3. Variabel Deskrit Data Pengukuran Debit
Sungai Cikapundung - Gandok.
I
Tanggal Jam H o
t 26-0t-76 12.30 0,480 3,1 30
t9-06-76 10.15 0,300 1,150
05-ll-76 16.10 0,340 1,670
20-12-76 17.00 0,550 3,830
20-01-77 09.30 0,460 2,760
Gambar I. l. Contoh Variabel Kontinyu Hidrograf Debit Bengawan Solo'-
Bojonegoro 1992 ( Puslitbang Pengairan, 199i). t3-02-77 10.15 0,920 8,220
0t-03-77 12.10 0,510 3,080
kesimpulan yang baik, maka data hidrologi dapat dinyatakan t6-04-77 10.30 0,600 4,250
sebagai variabel statistik (stqtistical variable). Sembarang nilai t7-05-77 1 3.10 0,480 2,850
yang dapat menunjukkan ciri dari suatu susunan data disebut 05 - 07 -77 14.15 0,430 2,740
dengan parameter Qtarameters). Parameter yang digunakan dalam t2-07 -77 r 5.00 0,390 2,120

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

variabel hidrologi, antara lain :

04-12-80 13.00 0,570 3,440
13-12-80 t2.50 0,460 2,260
l). Deret berkala (time series), susunan data disebut dengan
deret berkala apabila data tersebut disusun menurut
Sumber : Data pengukuran Debit, Puslitbang Pengairan.
waktu. Apabila disusun dengan interval waktu yang :
Keterangan : H tinggi muka air (m)
sama, misal : hidrograp debit, di sebut dengan deret
Q: debit 1mr/det)

I\,I
Badan
Propinsi
10
2). Distribusi (distribution), susunan data disebut dengan
distribusi apabila data tersebut disusun menurut
besarnya, misal : kumpulan data debit banjir diurutkan
menurut besarnya, dimulai dari debit banjir yang
terbesar dan berakhir pada debit banjir yang terkecil
atau sebaliknya dimulai dari debit banjir yang terkecil
dan berakhir pada debit banjir yang terbesar (lihat tabel
2.19, Bab II).
3). Distribusi peluang (probability distribution) : Jumlah
kejadian dari pada sebuah variate deskrit dibagi dengan
jumlah total kejadian adalah sebuah peluang (P) dari
pada variate tersebut. Jumlah total peluang dari seluruh
variate adalah 1.0, distribusi dari peluang semua variate
disebut dengan distribusi peluang (Tabel 2.14B).
4). Peluang kumulatip (cumulative probabilifl) : Jumlah
peluang dari pada variate acak yang mempunyai sebuah
nilai sama atau kurang, sama atau lebih dari pada nilai
tertentu.
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
dari suatu variabel (Tabel 2.148).
7).
Data kelompok (grouped data): data yang dikelompok-
kan dalam beberapa interval kelas dari suatu distribusi
frekuensi (Tabel2.4).
8). Distribusi frekuensi (frequency distribution) : adalah
suatu distribusi atau tabel frekuensi yang mengelom-
pokkan data yang belum terkelompok (ungrouped data)
menj adi data kelompok (groupe d data).
Pengelompokkan secara umum dari pada variabel daerah
pengaliran sungai (DPS) dapat dibedakan menjadi 3 (tiga) katagori,
yaitu:
l). Variabel iklim (climatic variables)
a) variabel presipitasi, mishl : curah hujan tahunan rato-
11
rata, curah hujan bulanan.
b) variabel meteorologi, misal : temperatur,
kelembaban, kecepatan angin, dan radiasi'
B). Variabel fisik permukaan tanah (land surface physical
variables)
a).variabel morfometri, misal : luas DPS, panjang
sungai, kerapatan aliran.
b).variabel vegetasi dan penggunaan tanah, misal : luas
jati,luas sawah.
hutan
c).variabel tanah, misal : porositas tanah.
C;. Variabel keluaran (output variables)
a).variabel aliran permukaan, misal : banjir tahunan
rata-rata, debit minimum, debit harian.
b).variabel keluaran lainnya, misal : penguapan,
sedimen, erosi.
1.3. PEIITIL,IIAN SATITPEL DATA III/DROLOG,
Kesimpulan yang dibuat dari suatu penelitian hidrologi
diharapkan dapat berlaku untuk persoalan itu secara keseluruhan
dan bukan sebagian saja. Akan tetapi dalam pelaksanaan penelitian
tersebut hampir tidak mungkin untuk melaksanakan pengukuran
atau pengumpulan dari seluruh variabel secara komplit. Faktor
waktu, tenaga, dan biaya umumnya menjadi faktor pembatas. Pada
kenyataannya penelitian dilakukan dengan mengamati atau
mengukur sarhpel (sample) yang dapat mewakili populasi
Qtopulation) yang diteliti. Misalnya untuk mengetahui jumlah total
dari debit yang mengalir dari suatu pos duga air dalam satu tahun
adalah tidak mungkin dilaksanakan dengan mengukur debit setiap
saat selama satu tahun, akan tetapi dengan melakukan pengamatan
tinggi muka air dalam satu tahun dengan menggunakan alat duga air
otomatik dan melakukan pengukuran debit secara periodik. misal
satu kali setiap 15 hari. dan kcmudian mclakuknn pcngolahnn tlnlrr
l2
dengan prosedur yang telah ditentukan sehingga debit dalam satu
tahun dapat dihitung. (Bagi para pembaca yang ingin mengetahui
cara pengukuran dan pengolahan data aliran sungai dapat membaca
pada tulisan : Soewarno, 1991, Hidrologi - Pengukuron dan
Pengolahan Data Aliran Sungai, penerbit Nova). Dari uraian
tersebut maka yang disebut dengan sampel (sample) adalah satu set
pengamatan/pengukuran, sedangkan populasi Qtopulation) adalah
keseluruhan pengamatan/pengukuran dari suatu variabel tertentu.
Atau dengan kata lain sampel adalah suatu himpunan bagian dari
keseluruhan pengamatan variabel yang menjadi obyek penelitian
kita (populasi).
Dalam suatu penelitian sampel yang dikumpulkan harus data
yang benar, dan cara pengumpulan (sampling) data torscbut harus
dilakukan dengan benar dan mengikuti metode dan tata cara yang
benar sehingga kesimpulan hasil penelitian dapat dipercaya.
Dengan kata lain sampel itu harus dapat mewakili segala
karakteristik populasi, sehingga kesimpulan dari sampel terhadap
populasi menjadi sah, sesuai dengan keadaan yang sebenarnya.
Kesimpulan yang demikian berarti bersifat tak bias (unbias).
Prosedur pengambilan sampel yang menghasilkan kesimpulan
terhadap populasi yang tidak sesuai dengan keadaan yang
sebenarnya dikatakan berbias (bias). Untuk menghilangkan
kemungkinan bias ini maka sampel harus diambil berdasarkan
prosedur khusus (spesific procedures). Ada berbagai prosedur untuk
memilih sampel, antara lain :
l). pemilihan acak (rondom selection)
2). pemilihan sengaja Qturposive selection),
Secara singkat dapat dijelaskan sebagai berikut : populasi berdasarkan interval tertentu. Contoh : dalam
d. Penilihan Acah
Pemilihan sampel data hidrologi yang dilakukan secara acak
berdasarkan ketentuan bahwa setiap pengukuran dilakukan seciua
terpisah dan masing-masing data yang diukur mempunyai peluang
13
ylng, riilnrir rrnttrk dipilih menjadi sampel. Prosedur pemilihan
s:urrgrr'l s('L:ara acak adalah yang paling sering dilakukan oleh para
pcrrcl iti dibidang hidrologi.
Ada beberapa tipe pemilihan acak, empat diantaranya disampaikan
secara ringkas sebagai berikut :
l). Pemilihan Acak Sederhana (simple random sampling)
Pemilihan sejumlah sampel (n) buah dilakukan dengan
menggunakan suatu alat mekanik (misal : mata uang,
dadu, kartu) atau dengan menggunakan tabel yaitu tabel
bilangan random (random digit table). Sebuah sampel
yang terdiri dari unsur-unsur yang dipilih dari populasi
dianggap acak, dengan ketentuan bahwa setiap unsur
yang terdapat dalam populasi tersebut mempunyai
peluang yang sama untuk dipilih. Pemilihan yang
bersifat acak akan dapat memberikan hasil yang
memuaskan bila populasi dari mana asal sampel
tersebut dipilih benar-benar bersifat sama jenis atau
homogen (homogeneous). Contoh : dua pos hujan yang
berdekatan dan dioperasikan dengan cara yang sama
dapat dipandang sebagai satu pos untuk menghitung
curah hujan, akan tetapi temperatur udara yang diukur
di tempat terbuka dan yang satu didalam bangunan
tertutup walaupun tempatnya berdekatan tidak dapat
dirata-ratakan.
2. Pemilihan Acak Berangkai (random serial sampling).
Pemilihan sampel ditentukan dengan cara membagi
melaksanakan pengukuran debit sungai dari suatu pos
duga air dilakukan pengukuran kedalaman aliran pada
.iarak tertentu dari titik tetap berdasarkan pembagian
lchar penampang basah sesuai dengan besarnya aliran.
l)rrta pada tabel L4 diperoleh dengan pemilihan acak
lrt'r rrng,kai dari pengukuran debit S. Glagah
l4 llr
(:onl()ll : lltcncntukan porositas penampang
St'lrl1p,,;1i
Kedungsari, setiap pertambahan rai menunjukkan
\crtikill tlari suatu lapisan batuan yang terdiri dari
pemilihan acak berangkai.
lrcrblgai .lcnis batuan, maka setiap jenis batuan tersebut
3. Pemilihan Acak bertingkat (stratifeid random tlianalisa porositasnya secara acak. Umumnya
sampling). pcnrilihan acak bertingkat lebih representatip dari pada
Apabila dalam pemilihan sampel ternyata populasinya sampel yang diperoleh dengan pemilihan acak
terdiri dari bermacam-macam jenis (heterogen), maka sederhana.
populasi tersebut harus dibagi kedalam beberapa
stratum dan sampelnya dipilih secara acak dari tiap
stratum. Hal tersebut dilakukan dengan tduan untuk :
. menganalisa setiap populasi yang lebih homogen
secara terpisah.
. meningkatkan ketelitian dalam pengambilan ke-
putusan seluruh populasi.
nodtol Looorl?irnl.
R.ctongulor
Tabel 1.4. Pemilihan Sampel Acak Berangkai Pada Pengukuran Debit

Sungai - tempat '. K Glagah - Kedungsari Rumus :

Tanggal : 30 Agustus 1985 NS 294 Y = 0,1327 N + 0,018
Jam :6.20-'7.02 N>294V=0,1310N+0,023
Tinggi MA : 0,54 m

*) Kecepatan di Bagian Penampang

No Rai Dalam Titik Pularon vertikal
50 detik
Titik Rala- Lebar Luas Debit
Rata lrctoaguloi
0 0,00 0.00 MA Kiri
I 0.50 n)) 0,60 100 0.283 0,283 0,50 0,1 l0 0,031
fHoneulor
2 1,00 0.26 0.60 t4'7 0,408 0,408 0,50 0,130 0,053
3 1.50 0.50 0.60 r48 0.41 l 0,41 I 050 0,250 0,r03
I 1.00 0.82 0.20 182 0,500 0.422 o;50 0.410 0,1 73
0,80 t23 0,344 Gambar 1.2. Pemilihan Sampel Sistim Kisi-Kisi
5 2.5 0 1.06 0.20 221 0,604 0,507 0,50 0,530 0,269
0.80 148 0,410
6 -l,00 I.l0 0.20 238 0,649 0,5 83 0,50 0,550 0,321
0,80 188 0.5 l6
1 1.50 0.84 0.20 260 0.707 0,572 0,50 0,420 0,240
0.80 r58 0.435
8 4,00 0,62 0,60 173 0,47 6 0,476 0,50 0,3 l0 0,148
9 4,50 0,5 s 0.60 123 0.144 0,344 o,:o 0,220 0.076
l0 4.80 0.00 M.A Kanan

Kecepatan aliran rata-rata = 0.445 m/detik Total = 2,93 1,414

Sumber : Soervarno I99l
r) Jarali dari titik tetap pcngukuran di tepi aliran
l(; t7
'l'ahcl I .5 I)crrrilihan Sarnpel Sistem Kisi Pada Pengukuran Diameter ,1. l'crrrililran Sistcm Kisi (systematic grid system)
Median Ukuran Butir Di S. Cikondang - Cihaur Tanggal 30 l'cnrilihan sampel ditentukan dengan membagi populasi
Januari 1985. dalam sistem kisi (grid system). Pertemuan kisi ataupun
ruang kisi dapat dipakai sebagai tempat pengambilan
sampel. Gambar 1.2, menunjukkan contoh dari kisi-kisi
Ukuran Material Dasar Sungai (mm) Ukuran (mm) Jumlah Kumulatil. pemilihan acak. Contoh : kita akan menghitung debit dari
suatu pos duga air sungai dengan menggunakan rumus
120 179 99 86 68 Darcy-Weisbach, diperlukan data diameter material dasar
sungai untuk menentukan koefisien kekasaran sungai.
93 I .410 39 8l 583 30- 35 0 0
35- 40 ) ) Pengukuran diameter material dasar sungai dilakukan
645 87 l4l 138 87 40- 45 I 3
pada alur sungai misal 100 m ke arah hilir dan 100 m ke
45- 50 I 4
138 6l t.27 5 82 763 50- 60 4 8
arah hulu pos duga air, maka alur sungai sepanjang 200
60- 70 II l9
37 59 62 161 103 70- 80 2t l2 m dibagi-bagi dalam sistem kisi. Data pada tabel 1.5
80- 90 9 4t
80 73 92 774 74 90 - 100 l0 5l diperoleh dengan pemilihan acak sistem kisi, dari
100 - 120 9 60
4l 805 t20 87 266 120 - 140 2 62
pemilihan sampel ukuran material dasar alur sungai di
140 - 160 ) 64 pos duga air sungai Cikondang - Cihaur.
77 143 166 726 76 160 - 180 7 7t
180 - 200 3 74
106 9l 57 19 85 200 - 240 0
240 - 280 75
67 62 802 180 105 280 - 320
I
0 Dari uraian tersebut, maka dapat disimpulkan bahwa
320 360 n pemilihan sampel dari suatu populasi harus bersifat :

900 73 75 54 890 340 400 0

400 - 480 4 ,, 1. acak artinya mempunyai peluang yang sama untuk

74 t92 471 196 42s 480 - 560 0
dipilih.
560 - 640 3 82
68 107 69 60 68 640 - 720 4 86 2. bebas (independent).
720 - 800 3 89
99 62 900 76 t74 800 - 960 7 96
960 - I 120 I 97
ll0 102 93 83 99 I 120 - 1280 I 98 Disamping itu sampel harus diambil dari populasi yang sama
1280 - 1440 7 99
638 80 9'10 95 67 1440 - 1600 0 jenrs (homogeen), itu semua untuk mendapatkan sampel yang dapat
1600 - 1920 0 mewakili karakteristik populasi, sehingga kesimpulan yang
700 198 90 l6l 120 1920 -2240 I r00 diperoleh sesuai dengan keadaan yang sebenarnya dan bersifat tak
2240 - 2560 0
98 830 425 665 76 bias (unbias).
169 2fi00 66 50 435

80 96 610 680 925

Sumber : Soewarno, 1991. b. Pemilihon {fengaia

Pemilihan sampel data hidrologi yang dilakukan secara
sengaja adalah pemilihan sampel yang dilakukan hnya
dengan kesengajaan oleh pengamhi
'"i."n
Pe rPusta'kaao
I.wn TirnUf
Iri
nrcnganalisa curah hujan dari luas daerah pengaliran sungai dengan
luas 2.000 km2, hanya dengan satu pos curah hujan. Pemilihan
sampel yang dilakukan dengan cara pemilihan sengaja jarang yang
dapat mewakili karakteristik yang sebenarnya dari populasi.
Contoh yang lain. misalnya *enga*bil sampel sedimen
melayang dari suatu pos duga air sungai dilakukan dengan sengaja
tidak menggunakan alat pengambil sampel yang telah ditentukan
dan mengambilnya hanya dibagian tepi aliran saja tanpa
menggunakan metode pengambilan sampel sedimen yang telah
ditentukan. Sampel yang diambil sudah barang tentu tidak dapat
mewakili karakteristik populasinya, bila dapat mewakili hanya
faktor kebetulan saja.
1.4. DATA HIDROLOC'
1.4.1. Pendchatrrn hoses ltidtologi
Proses adalah uraian sembarang penomena yang secara
kontinyu selalu berubah menurut waktu. Telah disebutkan pada sub
bab 1.1, bahwa penomena hidrologi selalu berubah menurut waktu,
karena itu perubahan penomena hidrologi tersebut dinamakan
sebagai proses hidrologi. Dalam menganalisa proses hidrologi
umumnya dapat didekati dengan 3 (tiga) konsep pendekatan, yaitu :
1). deterministik (deterministic).
2). stokastik (stochastic).
3). peluang Qtrobabilistic).
Pada pendekatan deterministik, variabel hidrologi dipandang
sebagai suatu variabel yang tidak berubah menurut waktu.
Perubahan variabel selama proses dikaitkan dengan suatu hukum
tertentu yang sridah pasti dan tidak tergantung dari peluang. Sebagai
contoh : Dalam perhitungan ketersediaan air menggunakan data
debit rata-rata harian yang telah tercatat selama 50 tahun yang lalu
dan dianggap bahwa debit tidak berubah dimasa mendatang.
Kenyataan dilapangan adalah sangat sulit untuk menentukan proses
19
hidrologi yang betul-betul deterministik. Contoh yang lain,
pencntuan debit dari suatu pos duga air sungai secara langsung
menggunakan lengkung debit (grafik yang menggambarkan
hubungan antara tinggi muka air dan debit) dengan anggapan bahwa
dasar sungai tidak berubah, padahal kenyataan dilapangan dasar
sungai umumnya selalu berubah, terutama sungai aluvium.
Apabila perubahan variabel hidrologi merupakan faktor
peluang, maka prosesnya disebut stokastik (stochastic) atau peluang
(probabilisllc). Proses hidrologi umumnya selalu.berubah menurut
waktu, apabila kita menganalisis proses hidrologi dengan
memperhatikan perubahan variabel hidrologi menurut fungsi waktu
maka pendekatan yang kita lakukan dapat disebut sebagai
pendekatan stokastik. Proses stokastik dipandang sebagai proses
yang tergantung waktu (time-dependent). Umumnya pendekatan ini
sulit dilaksanakan dan jarang digunakan dalam pekerjaan analisis
hidrologi yang sifatnya sederhana dan praktis. Sebagai contoh :
angkutan sedimen dan debit aliran dapat dipandang sebagai proses
stokastik, dimana variabel turbulensi aliran selalu berubah dan sulit
diukur, bentuk dan ukuran sedimen juga selalu berubah karena
banyak faktor yang mempengaruhinya. Walaupun demikian karena
penomena hidrologi adalah stokastik, maka sangat penting untuk
mengembangkannya, minimal mempertimbangkan pendekatan
stokastik dalam analisis hidrologi.
Penggunaan konsep pendekatan peluang Qtrobabilistic)
dalam menganalisis proses hidrologi adalah dengan pendekatan
bahwa perubahan variabel hidrologi mempunyai berbagai
kemungkinan (tidak dapat dipastikan 100 %), dan tidak tergantung
waktu (time-independent). Sebagai contoh penggunaan analisis
debit banjir menggunakan distribusi peluang, untuk menentukan
prosentase peluang debit banjir pada periode ulang (return period)
tenentu.
'l'abel L6
dapat digunakan sebagai contoh. Analisa peluang
didasarkan pada data hidrologi yang telah dicatat pada masa yang
lalu untuk analisis besarnya prosentase peluang kejadiannya dimasa
mendatang sehingga dapat diperkirakan nilainya pada periode ulang
tertentu. Konsep peluang banyak digunakan dalam pekerjaan
20 2L

praktis analisis hidrologi. Dalam analisis dari suatu model hidrologi
ada kemungkinan komponen deterministik, stokastik dan peluang
digunakan bersama-sama.
l)rrlir lrrrlrokrgi yung diukur atau nilai yang diperolehnya
srrtlrrlr hirrrurp, tcnlu r)lcngandung kesalahan (error). Dalam analisis
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
statistik. Hasil pengukuran tidak dapat digunakan sebagai data
hidrologi, sehingga perlu pengukuran diulang lagi agar hasilnya
benar. Pengukuran ulang sebaiknya dilakukan oleh petugas yang
berbeda dengan menggunakan alat pengukuran yang berbeda pula.
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
pengukuran berada disekitar nilai yang sebenarnya dan apabila
jumlah pengukuran ditambah maka distribusi dari pada data yang
diukur akan mendekati distribusi normal. Jenis kesalahan acak
dapat dikurangi dengan cara memperbanyak jumlah pengukuran.
Kesalahan sistematik (sy,stcmatics errrtr.s), disebabkan
terutama oleh karena ketelitian dari peralatan yang digunakan,
misalnya alat duga airnya atau alat ukur arus dalam pelaksanaan
pengukuran debit dari suatu pos duga air. Kesalahan sistematik
tidak dapat dikurangi dengan menambah jumlah pengukuran selama
pengukuran masih dilaksanakan dengan menggunakan alat yang
sama dan belum diperbaiki atau dikalibrasi. Kesalahan sistematik
dapat dibedakan menjadi 2 (dua) kelompok, yaitu :
1). kesalahan sistematik kbnstan (constant systematic errors).
2). kesalahan sistematik tidak konstan (variable systematic
errors).
Kesalahan sistematik konstan, disebabkan oleh faktor
alatnya sendiri, kesalahan ini konstan menurut waktu. Misalnya
penggunuuul mmus alat ukur arus pada saat melaksanakan
pengukuran debit, nunus itu sendiri mempunyai batas interval
kepercayaan, contoh lain : kesalahan pemasangan titik nol alat duga
air, tidak tepatnya pengguniuut lengkung debit untuk menghitung
debit rata-rata harian, dan sebagainya.
Kesalahan sistimatik tidak konstan, umumnya disebabkan
oleh karena kurangnya kontrol selama pengukuran berlangsung,
yang disebabkan penggunaan alat yang tidak tepat atau tidak sesuai.
Sebagai contoh salah memilih rumus kecepatan dari nomor kincir
23
alat ukur arus yang digunakan untuk mengukur debit.
Kesalahan sistematik dapat diperbaiki dengan berbagai cara,
misal menggunakan alat yang berbeda, mengulangi pengukuran dan
mengganti tenaga pengukur.
1.4.3. Penguiiar lrotq flidtologi
Setelah pengukuran selesai dilaksanakan umumnya data
hidrologi dikirim ke Pusat Pengolahan Data untuk dikumpulkan,
dicek dan disimpan serta diolah menjadi data siap pakai.
Pengiriman data tersebut dapat dilaksanakan dengan cara
konvensional, misalnya data dikirim melalui pos, atau dengan cara
modern, misalnya data dikirim melalui telpon, radio, telex,
facsimile, satelite atau fasilitas lainnya.
Data yang telah diterima di Pusat Pengolahan Data
kemudian diurutkan menurut.fungsi waktu sehingga merupakan
data deret berkala. Data deret berkala tersebut kemudian dilakukan
pengetesan/penguj ian tentang :
1). konsistensi (consistency), dan
2). kesamaan j enis (homogeneity).
Uji
konsistensi berarti menguji kebenaran data lapangan
yang tidak dipengaruhi oleh kesalahan pada saat pengiriman atau
saat pengukuran, data tersebut harus betul-betul menggambarkan
penomena hidrologi seperti keadaan sebenarnya dilapangan.
Dengan kata lain data hidrologi disebut tidak konsisten apabila
terdapat perbedaan antara nilai pengukuran dan nilai sebenarnya.
Sebagai contoh :
I ). selama pengukuran debit sungai dari suatu pos duga atr
terjadi perubahan tinggi muka air lebih dari 3,00 cm dan
tidak dilakukan perhitungan koreksi tinggi muka air,
maka data yang diperoleh dapat dikatakan tidak
konsisten (inc ns i st e ncy),
o
 26
24

2). pada suatu pos iklim dilakukan pengukuran penguapan

dengan panci penguapan kelas A, rumput-rumput
disekitar panci tersebut secara perlahan-lahan tumbuh
subur oleh karena tidak dilakukan pembersihan rumput
di sekitar panci penguapan maka akan dapat
mempengaruhi keseimbangan radiasi (radiation
balance) dan akan dapat mempengaruhi konsistensi
hasil pengukuran penguapan, sehingga data yang
diperoleh dapat dikatakan sebagai data yang tidak
konsisten.

Beberapa uji konsistensi yang perlu dilakukan terhadap data

debit sungai dari suatu pos duga air adalah :
l). pengecekan perubahan titik nol alat duga air (datum
Point).
2). pengecekan perubahan titik nol aliran (zero flow).
3). pengecekan pengukuran debit.
4). koreksi pembacaan tinggi muka air dari grafik AWLR
terhadap pembacaan tinggi muka air dari papan duga
air.
5). pengecekan debit yang diukur selain metode alat ukur
arus dengan metode alat ukur arus.
6). kalibrasi lengkung debit dengan melaksanakan peng-
ukuran debit menggunakan alat ukur arus secara
UJIKESAMAANJEMS
berkala. TAHAPKEII
7). pengecekan perhitungan debit rata-rata harian.

Pengecekan kualitas data (data quality contro[) merupakan

keharusan sebelum data hidrologi diproses untuk diolah dan disebar
luaskan. Pengecekan dapqt dilakukan dengan berbagai ceira,
misalnya dengan :

1). inspeksi ke lapangan, Gambar 1.3. Diagram Alir Tahapan Pengujian Data Hidrologi'

2). perbandingan hidrograp,

3). analisis kurva masa ganda (double mass curve Sekumpulan data dari suatu variabel hidrologi sebagai hasil
analysis). pengamatan atau pengukuran dapat disebut sama jenis (homogeen)
2$ 27

apabila data tersebut diukur dari suatu resim (regime) yang tidak
berubah. Perubahan resim dari penomena hidrologi dapat terjadi
karena banyak sebab, misal :
l ). perubahan alam, misal perubahan iklim, bencana alam,
banjir besar, hujan lebat.
2). perubahan karena ulah manusia, misalnya pembuatan
bendung pada alur sungai, penggundulan hutan.
Anolisis Gtalis
Analisis grafis dengan menggunakan deret berkala dapat
untuk mengetahui kesamaan jenis data yang diurutkan. Gambar 1.4,
menunjukan sketsa perubahan nilai rata-rata dari X, pada periode ke
I menjadi X, pada perioile II. Gambar 1.5 menunjukkan sketsa
perubahan nilai varian yang semakin kecil. Batas antara sama jenis
dan tidak sama jenis dilakukan secara empiris.

Gambar 1.3, menunjukkan tahapan dari pada pengujian data

hidrologi. Apabila data telah dikumpulkan dan diurutkan menurut
waktu maka harus dilakukan pengujian konsistensi dan uji
kesamaan jenis. E
o
u,l
Data hidrologi disebut tak sama lenis (rutn-homogeneous) o
apabila dalam setiap sub kelompok populasi ditandai dengan
perbedaan nilai rata-rata (mean) dan perbedaan varian (variance) 1
terhadap sub kelompok yang lain dalam populasi tersebut.

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

2). kurva masa ganda

----------, WAKTU
3). statistik

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 :

l). mengumpulkan data yang telah dilaporkan atau

DEEIT TAHUI{A'{ FOs IrrcA AIR (X'
Gambar 1.6. Sketsa Analisa Kurva Masa Ganda Debit Tahunan dari
Pos Duga Air x dan y.
Gambar 1.6 menunjukkan sketsa dari contoh analisis kurva
masa ganda. Data debit tahunan kumulatip pos duga air x dan y
digambarkan pada kertas grafik aritmatik dari tahun 1950 - 1980.
dipublikasi oleh kantor pemerintah atau swasta ataupun
pbrorangan sebagai data sekunder.
2) melaksanakan pengukuran di lapangan atau
di labora-
torium terhadap penomena hidrologi yang diteliti
dengan ciua-cara pemilihan sampel yang telatr
ditentukan sehingga memperoleh data yang dapat
menggambarkan populasi yang sebenamya.
Setelah dikumpulkan maka sebelum data digunakan untuk
:r0 31

analisis hidrologi harus dilakukan pengujian data seperti cara-cara
yang telah ditentukan. Menurut tipenya maka data hidrologi dapat
dibedakan menjadi 4 (empat) tipe, yaitu :
1). data historis (historic data).
2). data lapangm(field collected data).
3). data hasil percobaan (experimental data).
4). data hasil pengukuran serempak lebih dari dua variabel
(simultaneous data).
Purvuliln data dalam bentuk tabel umumnya dijumpai pada
buku prrhliklsi hidrologi, misal Publikasi Debit Sungai Tahunan
Qteur luxtk), bagi para pembaca yang ingin mendapatkan data
puhlikasi dcbit sungai tahunan dapat menghubungi Balai
l'cnyclirlikan Hidrologi, .Pusat Litbang Pengairan, Departemen
l)ckcrjaan Umum. Contoh data statistik hidrologi tentang publikasi
dcbit dapat dilihat pada bagian halaman terakhir Bab I ini. Data itu
di salin dari buku publikasi Debit Sungai Tahun 1990, dari Pusat
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 :

1). kelas I, data hidrologi yang diperoleh dari pengamatan

dan pengukuran langsung.
2). kelas II, data hidrologi yang diekstrapolasi dari data
kelasI, dengan mempertimbangkan berbagai kondisi,
misal : luas DPS, geologi, iklim, dan geomorfologi,
penampang sungai, kekasaran alur sungai.
3). kelas III, data hidrologi yang diekstrapolasi dari data
kelas I, tetapi tidak mempertimbangkan satu atau lebih
kondisi yang mempengaruhinya.
4). kelas IV, data hidrologi yang dihitung dengan
persamium empiris (empirical formula).
Data hidrologi yang telah dikumpulkan baik dari sampel
ataupun popula'si setelah diuji konsistensi dan kesamaan jenisnya
menjadi data yang benar, kemudian diolah dan dipublikasikan yang
umurnnya disajikan dalam bentuk : tabel, diagram, atau peta agar
lebih jelas. Data yang disajikan menurut kepentingannya dan dapat
dibedakan menjadi 2 (dua), yaitu : Gambar 1.7 Diagron batang menunjuklan Curah Hujan
Rata-Rdto Bulanan DPS Citarum - Nonjung
l). data siap pakai bagi parapelaksana. (UNDP/WMO P roj ec t INS/7 8/0 3 8).
2). data informasi bagi para pengambil keputusan.
32 33

\
\ 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-

Gambar 1.9. Peta Curah Hujan DPS Citarum.

(Sumber : Project 1N978/038 River Forecasting
sl<ala l:500.000).
34
36
Gambar 1.7 menunjukkan contoh diagram batang, yang
menunjukkan curah hujan rata-rata bulanan Dps citarum-Nanjung ll.S(ll,() Nr;rtl No.02-055-0E-01 ri. 1990
lnrl(l lurrrt llcnlawrn SJlo
(data tahun 1879-1978). Dari diagram tersebut dapat diketahui ll.r. lhrar.rl 07"2t'00'Ls II t"2t'm"BT
lllsr : Propinri Jrwa Timur, Krb. Ngawi, Der Napcl. Dui Ngrwi rckitry
distribusi curah hujan Juni samtriai dengan September kurang dari ll lm kc jururm Ccpu, Bclok kiri I km kc jururu Nrpcl, smpri
di Sckohh Duu Napcl bclok kiri 500 m, rdr di rcbchh kxm rliru
100 ffiffi, dengan demikian pada bulan-bulan tersebut dapat I tr* llsrh l'.nr.llr.tr
lalartfilan MaflI!il.t l'rt. l)irla A[ lhdrilkN
: t9 0l<m2 ; Elryui PDA | + ........m.
: TugSrl 02-03-1971 olch DPMA
FsLil. lr.ft..l.l.n : Tuggll 02-03-1971 smpri dcnge 3l-12-1990
dikatakan sebagai bulan kering. Dari diagram tersebut juga dapat lmt. Al.t : Powrt otorotik minggu
lrilIl..afl lt.t. Alrrm Llrtrm
diketahui bahwa banjir sungai citarum dapat terjadi antara bulan : m.r. = 9.55 (+.ll) m; q = 1982.00 ml/dct; tgl. l-2-1990
All.nrrrlnrl : m.a.= .60(+.ll)m,q=ll.t0oml/dct;tgl. 14-10-1990
November sampai April. Gambar 1.8, menunjukkan contoh diagram Al[.r 6lrtrrtrr yrng
Alrrrrrortror
pcrnrh tcrjedi smpai dcngu tahun l99O :

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

Untuk menyelidiki susunan data kuantitatip dari sebuah

variabel hidrologi, maka akan sangat membantu apabila kita
mendefinisikan ukuran-ukuran numerik yang menjadi ciri data
tersebut. Sembarang nilai yang menjelaskan ciri susunan data
disebut dengan parameter Qtarameters). parameter yang digunakan
dalam analisis susunan data dari sebuah variabel disebut dengan
parameter statistik (stotisticol parameters), seperti nilai : rata-rata,
median, deviasi dan sebagainya. Susunan data itu dapat berupa
distribusi (distribution) atau deret berkal a (time series).

Dalam bab ini, akan disampaikan pembahasan tentang

pengukuran parameter statistik yang seringkali digunakan dalam
analisis data hidrologi yaitu meliputi pengukuran tendensi sentral
(c e ntr al t e ndency) dan pengukuran disper si (disper s i
on) atauvariasi
(variation). Pengukuran tendensi sentral akan dibahas pada sub bab
2.1, sub bab 2.2 menyajikan pengukuran dispersi dan aplikasi
parameter statistik akan disampaikan contoh awal pada sub bab 2.3,
sebelum parameter statistik tersebut digunakan dalam pembatrasan
analisis data hidrologi pada bab-bab selanjutnya.

37
 :t fi

2.1. PENGUKURAN TEflDETS/, SENTRAL Kelcrnrrgrrrr

Nilai
rata-rara (averages) dapat merupakan nilai yang
dianggap cukup representatip dalam suatu distribusi. Nilai rata-rata
tersebut dianggap sebagai nilai sentral dan dapat dipergunakan
untuk pengukuran sebuah distribusi. Jenis rata-rata yang sering
digunakan sebagai pengukuran tendensi sentral adalah :
I ).
rata-rata hitung (arithmetic overage or mean)
2). rata-ratatimbang (weighted mean)
3\. rata-rata t*ur (geome tric mean)
4). rata-rata harmonis (harmonic mean)
5). median (median)
6). modus (mode), dan
7). kuartil (quartiles)
2.1.1. f,iata.f,tata Hitung
X ruta-rata hitung
rr .iumlah data
X, nilai pengukuran dari suatu variat
Snrrlrol I dibaca sigma (batrasa Yunani) yang berarti jumlah,
rlrrliurr persamiuul (2.2)berarti penjumlahan data dari i: I sampai n
lruuh data.
Contoh 2.1.
Data hidrometeorologi yang tercatat dipos hidrometeorologi di
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-
meteorologi pada tabel tersebut.

Dalam suatu distribusi besarnya nilai rata-rata hitung Jawob contoh 2.1. z

(mean) dapat dihitung dari data yang tidak dikerompokkan

(ungrouped data) atau dari data yang dikelompokkan llerdasarkan nrmus 2.1 dan 2.2, data temperatur udara tzbel 2.1,
Qgrouped nilai rata-ratanya adalatr :
data).
I
X= e53 + 2s,6 + 25,4 + z5,B + 25,4 + 24,7 + 24,5 + 24,9 + 2s,3 + 25,6 + 25,2 + 2s,6)
i
I)ata Yang Tidah Ulihelompohhan x=
3ff utuu*. :25,27" c
Rata-rata hitung dari hasil pengukuran variat dengan nilai
(dibulatkan X = 25,30'C)
X,, Xr, Xr,...... X, ialah hasil penjumlahan nilai_nilai tersebut dibagi
dengan jumlah pengukuran sebesar n. tsila rata-rata hitung Dengan cara yang sama data hidrometeorologi lainnya dapat
dinyatakan sebagai x ldibaca X bar), maka nilai yang diberikan dihitung seperti ditunjukkan hasilnya pada tabel 2.1.
adalah:

V _ Xr +X2 +Xr * ....... *Xn

-- (2.r) D ata Y ang Dikalompohhan
atau dapat ditulis sebagai : Dalam suatu distribusi, apabila datanya disusun
bersama-sama dengan frekuensinya maka disebut dengan data yang
y=fi)xi
rll
(2.2) dikelompokkan (grouped data). Rata-rata dari data tersebut adalah
jumlah perkalian tiap variate dengan frekuensinya dibagi dengan
 40 4l
jumlah frekuensi. Untuk jelasnya dapat dilihat pada rumus 2.3, I rrlrr l .' .' I )irtir ('uralr I lujan Di Banjarncgara dan Wonodadi
berikut :

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

Sumber: Pusat Litbang pcngairan, Buku Laporan No. 90/HI _ lg/19g9.

4 403 l6 6.448
5 282 l3 3.666
6, 146 6 876
7, 108 6 648
Contoh 2.2. 8. 73 4 292
9. 103 5 515
Data yang tercatat di pos hujan di Banjarn egara (+ 2g9 m) untuk 10. 275 ll 3.02s
periode 1891 - 1980 dan pos hujan wonodadi (+ 23g m) untuk g93 Il. 460 l8 8.280
l
- 1980, meliputi curah hujan setiap bulan berikut jumlatr hari t2. s62 23 12.926
hujannya, seperti ditunjukkan datanya pada tabel 2.2. Aifingcurah Jumlah 3.805 159 63.317
hujan rata-ratabulanan untuk pos hujan Banjarnegara. Sumber : Perhitungan datatabel 2.2.
 42
43

Berdasarkan nunus 2.3 dan perhitungan data pada tabel2.3,

maka I ahel ,' 4 l)ntu (lurah Hujan DPS Citarum - Jatiluhur
rata-rata curah hujan bulanan untuk pos hujan Banjarnegara
adalah :
ilrr ('uruh llujan Luas Luas
x- - --'-''
63.317
159
= 398,22 mm/bulan (mm) (kn') (/o) DPS

I 1.500 - 2.000 s95 12,9

Apabila dihitung dengan persamaan 2.2 : , 2.000 - 2.500 1.347 29
I 2.s00 - 3.000 2.206 48,0
- 3.805
t2
= 317,08 mm/bulan. 4
5
3.000 - 3.500
3.500 - 4.000
422
30
9,2
0,6

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.

Apabila data telah disusun dalam suatu tabel frekuensi maka

nrmus untuk menghitung'rata-rata seperti ditunjukan pada rumus
2.3 tidak digunakan lagi. Dengan asumsi bahwa data yang
terdapat disetiap interval kelas telah didistribusi secara Jawab Contoh 2.3.:
merata
unnrk kelas yang bersangkutan, maka nrmus untuk menghitung
rata-rata adalah :
Tabel2.5 Perhitungan Curah Hujan DPS Citarum - Jatiluhur

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

Itlctodo Pahltunjen Doalasl krllnjhet

Untuk data distribusi frekuensi yang telatr dikelompokkan
Contoh 2.4. menjadi data dalam kelas-kelas interval, perhitungan dapat
Hitung curah hujan rata-rata dari pos hujan Banjarnegara menggunakan persaman 2.5, atau yang lebih sederhana lagi dapat
seperti
ditunjukkan datanya pada tabel 2.2. menggunakan metode perhitungan deviasi bertingkat (step
deviation method), dengan rxrmus :
Jawab Contoh 2.4. z

$ 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 :

1). umumnya digunakan untuk menghitung nilai rata-rata.

2). sederhana dan mudah.
3). dapat ditentukan dalam setiap persoalan.
Kelemahan perhitungan rata-rata hitung :
 4n
49
I'abel 2.8 Data Hujan Bulan Januari Dp. Badas Tahun lg52 - lgTs Atrrrr rrrcrrrprrrryai sclisih: 10,34 %o,bila dihitung dengan metode
rulu-nllit tirrrbang.
No. Pos Hujan Luas Curah Hujan
Km2 % (mm)
Contoh 2.7.
I Badas 24 46 360
2 Pare Hitung permeabilitas akuifer air tanah preatis didaerah plematran,
6,75 t3 280
3 Bogo I1,60 11 314 Kediri jika datanya ditunjukkan pada tabel 2.10.
4 Kunjang 10,20 19,30 377

Jumlah 52,90 100 Tbel2.l0 Permeabilitas Sumur Selubung Daerah plemahan.

Sumber : Soewamo, 1977.

No. Sumur Permeabilitas Tebal Akuifer

w,. x,
X, (m/hari) lV, (m) )
Jawab Contoh 2.6. z l. TW.0l0 40,38 30,3 1.223,51
2. TW. 0l I 10,13 30,9 313,01
J. TW.0l2 17,72 30,9 547,54
Tabel2.9 Perhitungan curah Hujan Dp Badas Bulan Januari 4. TW.025 21,33 30,9 659,09
5. TW.024 19,gg 579,71
\29'o
No. Pos Hujan
6. TW.033 4,04 34,2 138, I 6
Bobot Curah Hujan Wi.Xi 7. TW.035 8,65 34,2 295,83
(try (x,
Jumlah 220,4 3.756,88
Sumber: Soewarno, 1977
I Badas 46 360 16.573 *) dianggap: panjang selubung penyaring (sueen\.
2 Pare l3 280 3.530
3 Bogo 22 3t4 6.91I
4 Kunjang 19,30 377 7.272
Jowab Contoh 2.7. :
Jumlah 100 34.286
Berdasarkan data pada tabel 2.10, maka permeabilitas air tanah
Sumber : Perhitungan data tabel 2.8.
preatis didaerah Plemahan dihitung dengan rumus 2.9
:

Dengan rata-rata timbang, curah hujan rata-ratabulan Januari unfuk _r

x*=ffi:
3.756.99
l7'o4mltrari
DP. Badas adalah (lihat tabel2.9) :

Apabila dihitung dengan rata-ratahitung rumus 2.1 :

n,"=
W:342,86mm l3+ !7.72+2l.llr lq.99r4-04rg.65
1_--40.38+ 10.
Apabila dihitung dengan rata-ratahitung persamaan 2.1
- ---'-'
:

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

3). tanggal 30, kandungan mg

:3,3 mgA
4). tanggal 31, kandungan mg: 3,0 mg/l Tabel2.l I Perhitungan Curah Hujan DP.Badas Bulan Januari

Hitung kandungan mg rata-rata ukurnya' No Pos Hujan Bobot Curah Hujan LogX, W, LogX,
(w) (x)
Jawab contoh 2.8. z

I Badas 46 360 2,556 117,703

Data : X, :2,8 X3:3,3 2 Pare l3 280 2,646 30,868

X, :2,6 Xo: 3,0 J

4
Bogo
Kunians
22
19,30
314
377
2,496
2,756
55,086
49,716
X, : (2,8 x2,6x3,3 x 3,0)r/a Jumlah r00 r.330 10,075 253,375

*s : (72,072)tt4 :2,91 mgfi

t
Sumber : Perhitungan data tabel 2.8.

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 :

I, = -ti L"g ?*r : tn

anti Log2,533
Xn=tr (2.13)
xr: l+t,78 mm 3*,
Lihat hasil perhitungan pada tabel 2.9, apabila dihitung dengan Keterangan :

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 :

l). tidak dapat dilakukan perhitungan bila datanya mem-

punyai nilai nol atau negatiP. '
tw,
" l5wi (2.t4)
2). penggunaan perhitungan logaritmis- LT
i=l ^i
Keterangan :

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. :

Bobot Curah Hujan

No. Pos Hujan Wi/Xi
Wi xi Tabel 2.13. Perhitungan Permeabilitas Rata-Rata Sumur
I Badas 46,05 359,9 0,1279
Selubung Daerah Plemahan.
2 Pare 12,62 279,7 0,0451
J Bogo 22,03 313,7 0,0702 No. Sumur Bobot Permeabilitas lyt/xl
4 Kunjang 19,30 376,8 0,0512 wi xi
Jumlah 100 1.330,I 0,2945
I TW.0l0 30 40 0,750
2 TW.0ll 3l l0 3,050
Sumber : Perhitungan data tabel 2.8
) TW.0l2 3l l8 1,743
4 TW.025 3l 2l 1,448
5 TW.024 29,0 20 I,450
Berdasarkan rumus 2.14, maka rata-rata harmonis ctuah hujan ,l 6 TW.033 34 4,04 8,465
DP.Badas untuk bulan Januari adalah : ll 7 TW.035 34 8,65 3,953
Jumlah 220 122 20,863
i,
xr'=ffi
100
= 339'5mm' Sumber : perhitungan data tabel 2.10.

Dengan demikian rata-rata curah hujan Dp.Badas bulan Januari

Berdasarkan rumus 2.14, maka rata-rata harmonis permeabilitas
adalah:
akuifer preatis didaerah Plemahan adalah :
l). Dihitung dengan rata-ratahitung, *.:332,52 mm. 220,40 :
2). Dihitung dengan rata-ratatimbang, n* : 342,86 mm. - .'=
Xn -:-:-:--- 10,56 mArari
20,96
3). Dihitung dengan rata-rataukur, X, :341,78 mm.
4). Dihitung dengan rata-rataharmonis, Xn :339,5 mm. lt
Sedang rata-ratahitungnya: X: l":U
7
: 17,46m/hari
Pada contoh perhitungan ini ternyata perhitungan dengan rata-rata
Dengan demikian permeabilitas akuifer preatis daerah plematran
hitungkarenatanpamelibatkanbobotdarisetiapdata,memberikan
rata-ratanya adalah :
hasil perhitungan yang paling rendah. peihitungan rata-rata l

harmonis jarang digunakan dan umumnya memberi hasil yang lebih

kecil dibanding rata-rata ukur, seperti juga ditunjukkan pada contoh
1). rata-rata hitung X : 7,46 mlhari.

2.1I seperti berikut : 2). rata-rata timbang I,, : 17,04 m/hari.

3). rata-rata harmonis X6 : 10,56 m/trari.

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.
Perhitungan sampel air di Sungai Way Seputih di Segalamider pada
tahun 1981, bulan Januari tanggal 20, sebagai berikut :
l)uri conrrh .1,10 darr 2.ll hubungan tersebut tidak diperolch. Hal
ini tlischahkan karena bobot dari pada tiap data akan dapat
nrc r r r pcn g,aruhi ketelitian dari hasil perhitungan rata-rata.

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 :

Xn*= :596,52mgll k,, k, : letak median

uJr* ,o-, n : jumlah data

Dari contoh2.l2 diperoleh hubungan Xh < Xs < X. Contoh 2.13.

 68
l-rl)

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

k,=+=+=3,danX3:2,64 221 - 240 J

lebih 241 I
kr=* = t:4, dan Xo = 2,80
:
Jumlah 365 hari
(Sumber : Buku publikasi Debit tahun
1974, puslitbang Air)
60
6l
Jawah contoh 2.16. z

Mcrli,rr rlirtir plrl. tirhcl 2. l4A dapat dihitung dcngan rumus :

Buat distribusi frekuensi kumulatip seperti ditunjukkan datanya
pada tabel 2.14A. Md bf i(l-f
l-t,
)

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).

. frekuensi kumulatip sebelum kelas median adalah F = 120.

62 8:r

l irlrcl .1 l,l lt lrrckrrcrrsi Krrnrrrlrrlip l)chit Stutgiti ('is:tditttc -

llatrrhculalr'l'ahun I 974.

Debit Harian Frekuensi Frekuensi Kumulatip

(m3/det) (hari) Kurang dari

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

Gambar 2.1. Lengkung' Frekuensi Lama Aliran Cisadane'

Batubeulah Tahun 1974.

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).

Gambar 2.2, menunjukkan letak dari pada rata-r ata (mean),

median dan modus. Letak rata-rata, median dan modus untuk
distribusi dengan bentuk kurva frekuensi yang simetris, maka nilai
(i4
ri6

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

Tentukan nilai modusnya (Mo).

Jawab contoh 2.17. z

itLtt
Iorf r I.l
Dari contoh 2.17 maka dapat disusun tabel frekuensi seperti terlihat
pada tabel 2.15.
Gambar 2.2. Mean, Medion dan Modus Kurva Frelarcnsi
Simetris.
Tabel 2.15 Distribtrsi Frekuensi Kelembaban
Relatip Pos Hidrometeorologi di
Singomerto Tahun 1988.

No. Kelembaban Frekuensi

(xi) F1

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

Dari tabel 2.16, nampak bahwa frekuensi maksimum'adalah 69, dan

terletak didalam interval kelas 6l - g0, oleh karena itu kelas modus
(mode class) adalah 6l - 80 Data yang dapat diperoleh adalah :

B:61, f= 69, | :56, t:68 dan i:20

Modus

Gambar 4. Diagram Frelarcnsi Mo:B*itG f- f''t

2. Untuk Menghitung Modus. r
- fr) + (f- fz)
vt:61 +20[ 69-56
Contoh 2.18. (6e-s6)+(6e-68)
Tentukan nilai modus dari debit S. Cisadane - Batubeulah tahun
Ivt:6r + 20 t+il
1974 yang datanya ditunjukkan pada contoh2.16. NIo:79,57
(itt
80

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 ;

1). Kuartil ke 1 adalah 25 Yo dari pengamatan. l). Kuartil ke l, :

data urutan ke 3 I17,8 mm/bulan.
2). Kuartil ke 2 adalah 50 o/o dari pengamatan. 2). Kuartil ke2, dataurutan ke 6: 130,8 mm/bulan.
3). Kuartil ke 3 adalah 75 o/o dari pengamatan. 3). Kuartil ke 3, data urutan ke 9 = 142,9 mm/bulan.

Umumnya dalam suatu distribusi data diurutkan dahulu dari nilai

kecil ke besar.
2.2. PENCUKUNAND'SPERS'
Suatu kenyataan bahwa tidak semua variat dari suatu variabel
hidrologi terletak atau sama dengan nilai rata-ratanya akan tetapi
Contoh 2.19. kemungkinan ada nilai variat yang lebih besar atau lebih kecil dari
pada nilai rata-ratanya. Besarnya derajat dari sebaran variat disekitar
Tentukan kuartil dari data penguapan di pos hidro rneteorologi nilai rata-ratanya disebut dengan variasi (variation) atau dispersi
Singomerto yang datanya tercantum pada tabel?.l.
(dispersion) dari pada suatu data sembarang variabel hidrologi. cara
mengukur besarnya variasi atau dispersi disebut dengan pengukuran
Jmttab contoh 2.19. z
variabilitas atau pengukuran dispersi. Hasil pengukuran tersebut
sangat penting untuk mengetahui sifat dari distribusi disamping
Urutkan data penguapan pada tabel2.l sebagai tercantum pada tabel pengukuran tendensi sentral (sub bab 2 l)
Beberapa macam cara
2.17, urutan dari nilai penguapan terkecil ke nilai yang terbesar. untuk mengukur dispersi diantaranya adalah :
 7l
70
Tabel 2.19 Urutan Data Debit dari Data Tabel 2. I tl
[). range (range)
2). deviasi rata-rata (mean deviation)
No Tahun Debit Minimum
3). varians (variance) dan deviasi standar (standard
(mt/de\
deviation)
I t9'12 2,68
4). koefisien variasi (variation coefficient)
5). kemencengan (skewness)
2 t976 3, l0
6). kesalahan standar (standard error) 3 t9'l'7 3,60
4 L97L 3,68
5 1970 4,02
Untuk jelasnya akan disampaikan contoh perhitungan
6 1975 4,70
masing-masing cara pengukuran dispersi.
7 1979 5,50
8 1978 s,80
2.2.1 B;atrryle
9 t973 7,30
Range adalah perbedaan antara nilai yang terbesar dengan t0 1974 7,60
yang terkecil dalam suatu distribusi. Cara ini adalah yang paling ll 1968 7,67
mudah untuk mengukur dispersi. Umumnya;jarang digunakan untuk
t2 1969 9,19
mengukur dispersi karena hanya dihitung dari dua nilai ekstrem saja.
Sumber : data tabel 2.18

Tabel2..l8 Data Debit Minimum Sungai Cimanuk - Contoh 2.19.

Leuwidaun Tahun 1968 - 1979.
Hitung range debit minimum dari sungai Cimanuk - Leuwidaun yang
datanya tercantum pada tabel 2, 1 8.
No Tahun Debit Minimum
(m3/det)
Jmvab contoh 2.19. :
I 96E 7,67
,,
969 9,79 Untuk memudahkan perhitungan data pada tabel 2.18 diurutkan
3 970 4,02 besarnya debit minimum seperti ditunjukkan pada tabel 2. 19 .

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

Hitung deviasi rata-rata debit minimum Sungai Cimanuk

Leuwidaun yang datanya tercantum pada tabel 2.18. Dari hasil perhitungan tabel 2.20 dapat diambil kesimpulan
bahwa debit minimum sungai Cimanuk - Leuwidaun selama tahun
1968 - 1979, mempunyai fluktuasi sebesar 1,82 m}/det dari
Jawab Contoh 2.20. : rata-ratanya sebesar 5,43 m3/det.
Perhitungan lihat tabel 2.20 Apabila data telah dikelompokkan kedalam distribusi
frekuensi, maka deviasi rata-rata dapat dihitung dengan rumus
sebagai berikut :
Hitung rata-rata hitung :

n
X=_
65,44 _:5,43 t nlx, - xt
t mr/det \D: (2.2r)
-" II -
Hitung deviasi rata-r ata'. i=l

MD: * I lx,-xl Contoh 2.21.

MD: '# = 1,82 m3ldet Fiitung deviasi rata-rata dari curah hujan DPS.Citarum - Jatiluhur,
yang datanya tercantum pada tabel2.4.
74 7Ft

Jawab contoh 2.21. z 2.2.3 lltulosl Etandol dan Vatlan

Perhitungan ditunjukkan pada tabel 2.21 Ulnrrnrrrya ukuran dispersi yang paling banyak digunakan
irtlirlalr doviasi standar (slandard deviation) dan varian (variance).
Varian dihitung sebagai nilai kuadrat dari deviasi standar. Untuk
TabelZ.2l. Perhitungan Deviasi Rata-Rata Curah Hujan sampel nilai deviasi standar umumnya diberi simbol (S) dan varian
DPS.Citarum - Jatiluhur. adalah (S2), sedangkan untuk populasi nilai deviasi standar diberi
simbol o' (baca : sigma) dan varian (d ). Apabila penyebaran data
No Curah Hujan Frekuensi Titik Tengah f,x, sangat besar terhadap nilai rata-rata maka nilai S akan besar, akan
(nm) t xi w,-xt tW,-xt tetapi apabila penyebaran data sangat kecil terhadap nilai rata-rata
I r.500 - 2.000 595 1.750 1.041.250 777 1.359.750
maka S akan kecil. Deviasi standar dan varian dapat dihitung dengan
a 2.000 - 2.500 1.34'.1 2.250 3.030.750 277 373.1 19
rumus :
3 2.500 - 3.000 2.206 2.750 6.066.500 223 491.938

4 3.000 - 3.500 422 3.250 L371.500 723 305.106

5 3.500 - 4.000 30 3.750 l I 2.500 1.223 36.690

Jumlah 4.600

Sumber : Perhitungan data tabel 2.4.

t1.622.500 2.566.603
t (,,-x)'
i=1
(2.22.a)
n

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.

MD: 2569,Q03 : 557.95mm/tahun.

4.600 I
tsl
Gi -F,
(2.22.c\
.Dengan demikian curah hujan rata-rata DPS Citarum dari
waduk Jatiluhur ke arah hulu mempunyai deviasi tata'rata 557,95
mm dari besarnya curah hujan rata-rata hitung (mean) 2527
t rx,- lqz
i=l
52: (2.22.d)
mm/tahun. n- I
76 17

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

No Debit Rata-Rata Dengan demikian debit minimum sungai Cimanuk - Leuwidaun

Minimum (X, - x) 6,-Xf selama tahun 1968 - 1979 mempunyai deviasi standar 2,22 rildet
xt i dan varian 4,9284 m3ldet df,ri rata-ratanya sebesar 5,43 m'ldet atau
I 2,68 5,43 - 2,75 7,5625
2 3,10 5,43 - 2,33 5,4289 deviasi standarnya sama dengan * 50 % dari debit minimum
3 3,60 5,43 - 1,83 3,3489 rata-ratanya.
4 3,68 5,43 - 1,75 3,0625
5 4,02 5,43 - r,41 1,9881 Varian dan deviasi standar untuk populasi dapat dirumuskan
6 4,70 5,43 - 0,73 0,5329 sebagai berikut :
7 5,50 5,43 + 0,07 0,0049
8 5,80 5,43 + 0,37 0,1369
9 7,30 5,43 + 1,87 3,4969
r
i 1x, _rD,
i-l
10
ll
7,60
7,67
5,43
5,43
+ 2,17
+ 2,24
4,7089
5,0176
--:.T- (2.22.e)
t2 9.79 + 4.36
Jumlah 65,44
5.43 19.0096
54,2996 |
i=l
6, -u)'
Sumber: Perhitungan data tabel 2.18. n (2.22.0
Keterangan:
Dantabel2.22,
o': varian populasi
Hitung rata-rata hitung o: deviasi standar populasi
X,: data dalam populasi
x=#:5'43m3/det tl: rata-rata hitung populasi
Berdasarkan persamaan 2.22.c, maka deviasi standar :
n= junilah data dalam populasi
o: (baca sigma)

i t*, -x)'
i=l Untuk perhitungan deviasi standar dan varian dari sampel data
hidrologi yang telah disusun dalam distribusi frekuensi dapat
7tt 7lt

menggunakan rumus sebagai berikut :

wrttlrrk .lrrtilrrlnrr ytrtg tlirttnya tcrcantum pada tabel2.4, dengan cara
pcr hil rrttgulr sirrgkat.

(2.23.a)

n Jawab contoh 2.23.

I G,-D'.f;
i=l
:

Perhitungan dari contoh z.2|tercantum pada tabel 2.23.

S2: n (2.23.b)
Xt
i=l
Keterangan :
Tabel2.23 Perhitungan Deviasi Standar Curah Hujan DPS
Citarum - Jatiluhur Dengan Cara Singkat.
S : deviasi standar
X, : titik tengah tiap interval kelas
X : rata-ratahitung No Curah Hujan Frekuenst Titik Tengah C, C,.T c,2 f.c,'
fi : jumlah frekuensi seluruh kelas
(nm) (f) X,

l. 1500 - 2000 595 I 7500 -2 - ll90 4 2.380

n = jumlah kelas 2000 - 2500 1.347 2250 -l - 1347 I 1.347
3. 2500 - 3000 2.206 2150 0 0 0 0
Untuk mempersingkat perhitungan maka perhitungan deviasi standar 4. 3000 - 3500 422 1250 +l + 422 I 422

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

Scrrrnkirr hcrsur nilni koolisicn variasi berarti datanya kurang rnorata

2.2.4 Koolllslcn Vatlosl
(lu'tt'r'ttyt,ttl. iika sclnakin kccil berarti semakin merata (fumogctt).
Koefisien variasi (variation cofficient) adalah nilai
perbandingan antara deviasi standar dengan nilai rata-rata hitung
dari suatu distribusi. Koefisien variasi dapat dihitung dengan rumus
sebagai berikut : 2.2.5 Kctnenacrtgan

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).

Pengukuran kemencengan adalah mengukur seberapa besar

Contoh 2.23. suatu kurva frekuensi dari suatu distribusi tidak simetri atau
menceng. Umumnya ukuran kemencengan dinyatakan dengan
l). Dari perhitungan data curah hujan DPS Citarum
besarnya koefisien kemencengan (cofficient of skewness) dan dapat
Jatiluhur diperoleh :
dihitung dengan persamaan berikut ini :

x=_: 2527 mm (lihat contoh 2.21)

S: 585,88 mm (lihat contoh 2.23) Untuk populsi : CS: { (2.27)
maka:
CV: g-- 585'88: 02318
vtz , atau
Untuk sampel : CS:
$ (2.28)
x 2527
CV: 23,18 oh ct, - *rt,' - p)3 biased estimated (2.2e)

2). Dari perhitungan debit minimum pos duga air sungai

a:
Cimanuk - Leuwidaun tahun 1968 - 1979, diperoleh :
G -fu, t t'' - D3 unbiased estimated (2'30)
x= :5,43 m'/det (lihat contohz.2}) Keterangan.
S :2,22 m'ldet (lihat contoh2.22)
CS : koefisien kemencengan
maka: o = deviasi standar dari populasi
:0,499 S = deviasi standardari sampel
x =*4,43
CV = +- atau 49,9 o/o

Lr : rata-rata hitung dari data populasi

82

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

Jawab contoh 2.24. : Menurut besarnya cs,

Perhitungan tercantum pada tabel 2.24
Tabel 2.24 Perhitungan Kemencengan Debit Minimum
Sungai Cimanuk - Leuwidaun.
maka distribusi data debit minimum
S.cimantrk - Leuwidaun tidak dapat disebut simetri, akan tetapi
menceng ke kanan karena cS lebih besar nol, oleh karena itu
nilai
rata-ratahitung (mean) tidak akan sama dengan mediannya.

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 :

7 5,50 5,43 0,07 0,0003

8 5,80 0,37 0,0507
9 7,30
5,4.3
5,43 1,87 6,5392
1). nilai rata-rata (I)
l0 7,60 5,43 2,17 10,2183 2). deviasi standar (S)
ll 7,67 5,43 2,24 Lt,2394
t2 9;79 5.43 4.36 82-8819 Apabila dari kumpulan nilai x dan nilai S dianggap data
Jumlah 65,44 21,88 159,0561
baru dari
suatu populasi dengan ukuran N, maka dapat dihitung :
Sumber : Data tabel 2.18
84 tt6

l). nilai rata-rata (p^) dari rata-rat. (Xl Kctcrungurr

2\. deviasi standar (o*) dari rata-rata (X) SIID '- kesalahan standar dari deviasi standar
3). nilai rata-rata (ps) dari deViasi standar (S) S = deviasi standar
4). deviasi standar (o.) dari deviasi standar (S) n = jumlah sampel

Kesalahan Etandat dati tata+ata

Contoh 2.25.
Kesalahan standar dari rata-rata disebut juga kesalahan
standar dari perkiraan (standard error of meqn, stonfur error of Hitung kesalahan standar dari rata-rata dan kesalahan standar dari
estimate) adalah besarnya deviasi standar (o.) dari kumpulan deviasi standar dari data debit minimum sungai Cimanuk
rata-rata (X;, dan merupakan ukuran variasi rata-rata sampel (X) Leuwidaun yang datanya tercantum pada tabel 2.18.
sekitar rata-rata populasi (p). Apabila jumlah populasi N cukup
besar dibandingkan dengan jumlah data sampel n, maka besarnya
kesalahan standar dari rata-rata dapat dihitung dengan persamaan Jawab contoh 2.25. :
berikut:
Dari contoh 2.22 telah diperoleh deviasi standar dan distribusi debit
( minimum sungai Cimanuk - Leuwidaun sebesar 2,22 m3ldet, maka
SE=o*: +
n'
(2.3t) .

Keterangan: -
SE = += Z4= ?,??=: 0,6408m,/det
nt/, 3,464
ez)+
SE = kesalahan standar dari rata-rata
S: deviasi standar
dan

n : jumlah data sampel SED: S

i ?,?
- ?,.?-?,^ = 6,928 : o,31Omr/det
2xnl 2x(12)t/2

Dengan demikian variasi rata-rata sampel terhadap rata-rata populasi

Kcsolqtrsn Stondat dtti Dculosl Standar
debit minimum S.Cimanuk - Leuwidaun adalah 0,6408 m3/det dan
Kesalahan standar dari deviasi standar (standard error of variasi deviasi standar sampel terhadap deviasi standar populasi
standard deviation) adalah besarnya deviasi standar (o0 dari adalah 0,320 m'ldet.
kumpulan deviasi standar (S)Apabila populasi mempunyai
distribusi normal atau hampir normal, maka distribusi deviasi standar
untuk jumlah sampel yang besar (lebih 100) akan mendekati 2.2.7 Pg.ngukutan lrlomcn
distribusi normal, dan besarnya kesalahan standar dari deviasi
Momen merupakan ukuran kuantitatip terhadap sifat
standar dapat dihitung dengan rumus sebagai berikut :
geomefrik dari bentuk suatu distribusi. Momen biasanya untuk
menjelaskan kestabilan sampel, makin tinggi momen-momen berarti
SED:or: (2 32)
# tidak stabil dan perlu menambah informasi lain yang dapat dipercaya.
86 87

Variabel hidrologi X, dengan nilai variatnya sebesar X,,

X2,X3,...X', dengan nilai variat sembarang sebesar \, dan momen Ir',x,u
l{) (2.36)
ke R : l, 2, 3, 4 dan seterusnya, maka momen ke @) dihitung
M( X k

dengan rumus :
IT
i=1

o Keterangan .

Data yang belum dikelompokkan :

Mo(R) : momen ke R terhadap titik asal

M (R) : +(I (Xi - Xo)R (2.33)
n: jumlah data
x: I
nilai variat ke i
o Data yang dikelompokkan .
a
I_I nilai frekuensi variat ke i
t, _
K jumlah kelas
lL
I fr (Xr - xo)* R: 1, 2, 3,4 ... dst.
i=l
M (R): (2.34)
in
i=l Momen terhadap nilai rata-rata (moments about the mean) dan
suatu distribusi frekuensi empiris dapat dihitung dengan rumus
Keterangan :
sebagai berikut .

M (R): momen ke (R) terhadap nilai sembarang'

Untuk data yang belum dikelompokkan .

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"*- ,

2). rata-rata atau titik berat sehingga 4 : F, atau \ : I,

k
I fi(xi -DR
disebut momen pusat atau momen sentral. MA(R) - i=l (2.38)
;k
T ft
i=l
Momen terhadap titik asal (Moments about the origin) dari suatu
distribusi frekuensi empiris dapat dihitung dengan rumus sebagai Keterangan:
berikut : MA(R): momen ke R terhadap nilai rata-rata

Untuk data yang belum dikelompokkan :

, i=n Untuk mempersingkat perhitungan dapat digunakan nilai koding

MO(R): frIx,*
i=1
(2.3s) seperti dijelaskan pada sub bab 2.2.3, yaitu dengan nilai koding: C
untuk setiap interval kelas, sehingga rumus (2.34) dapat ditulis
Untuk data y ang dikelompokkan : sebagai berikut :
 88 I 80

2.2.t Petrg'ukutan Kuttosls

M(R): iR (
it.* Pengukuran kurtosis dimaksudkan untuk mengukur
=\- I (2.3e)
It
i=l
keruncingan dari bentuk kurva distribusi, yang umumnya
dibandingkan dengan distribusi normal. Koefisien kurtosis digunakan
Keterangan : untuk menentukan keruncingan kurva distribusi, dan dapat
dirumuskan sebagai berikut :
M(R) = momen ke R
i : interval kelas
: MA(4)
k banyaknya kelas cK = Q.43)
t : frekuensi variat ke i
s4

C : nilai koding (0, 1,2,3...dst) dan (-0, -1, -2, -3...dst)

Keterangan:
Berdasarkan rumus 2.35 dan2.36 maka momen pertamanya : CK :
M4 :
MO(l): nilai X lnitai rata-ratanya)
S =
koefisien kurtosis
momen ke 4 terhadap nilai rata-rata
deviasi standar

Berdasarkan rumus 2.37 dan2.38 maka momen :

Untuk data yang belum dikelompokkan, maka :

t cx, _gr
MA(2)
MA(3)
nilai varian (S'z), lihat sub bab 2.2.3

nilai kemencengan (CS), lihat sub bab 2.2.5

cK:ftr_*
(2.44)
gz
dan untuk data yang sudah dikelompokkan
MA(4) : nilai kurtosis (CK), akan dibahas pada sub bab 2.2.8
S4 *tCx,-Dofi
i=l
CK= (2.4s)
S4

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.

Gambar 2.5. menunjukkan bentuk dari ketiga distribusi tersebut.

Jawab Contoh 2.26. z

Perhitungannya ditunjukkan pada tabel 2.25

/.l'l,ito,,l,filna
T abel 2.25 Contoh Perhitungan Koefi sien Kurtosis
Data Curah Hujan DPS Citarum - Jatiluhur.

/-lolIlL Curah Hujan Luas (km2)

(mm) f,
C, f,C, "f,Cl I'C,' f,Ci
X

1500 - 2000 595 -2 -1.190 + 2380 - 4760 + 9520

2000 - 2500 1.347 -1 -1.347 + 1347 - 1347 + 1347
2500 - 3000 2.206 0 0 0 0 0
3000 - 3500 422 +l + 422 + 422 + 422 + 422
3500 - 4000 30 +2 +60 + 120 + 240 + 480

Jumlah 4.600 - 2055 + 4269 - 5445 + 11769

Sumber : Perhitrurgan data tatr.l 2.4

Dari contoh2.23 telah diperoleh S = 5g6 mm/tahun

Berdasarkan rumus 2.46, maka:

- :1 to"l tr,"l 1n.", ln.c1 fs," 1n.",

C* =
i I r=+--4(Er-Xu _ ;+o1d_XEfy,_:1 n )ol i=l

n= ff, ,sehingga
i=l

Gambar 2.5. Sketsa Bentuk Keruncingan Kurva. .,. =

[:H[+# -qr?#xf#) *6(ffix?#r, - :12 o:r;n]
 T
{t2
( 5(X)){
(1. '-
- = (586)4 Ir -r-'
7 s5 -?.ll + l.ll -0.11 I
Cu : 0,53 (1,44) = 0.763
oleh karena ck : 0,763 dan ternyata lebih kecil dari 3, maka bentuk
kurva distribusi frekuensi data pada tabel 2.25 adalah dinamakan
distribusi yang platikurtis, artinya puncaknya lebih datar dari pada
distribusi normal.
2.3 CONTO'I APLIKAS' AWAL
PANAMETEB STATIST,,K
Parameter statistik yang meliputi data tendensi sentral
(rata-rata, median, mode, kuartil) dan data dispersi (range, deviasi
rata-rata, deviasi standar, varian, koefisien varian, koefisien
kemencengan, kesalahan perkiraan standar) seperti telah dijelaskan
pada sub bab 2.1 dan 2.2, nilai parameter itu selanjutnya digunakan
sebagai data dasar dalam analisis hidrologi menggunakan metode
statistik. Dalam penerapan metode statistik minimal selalu digunakan
2 (dua) atau lebih parameter statistik tersebut. Sebelum parameter
statistik tersebut digunakan untuk analisis hidrologi yang akan
dimulai dari Bab III, berikut ini akan disampaikan sebuah contoh
awal kegunaan parameter statistik itu sebagai berikut ini.
Contoh 2.27.
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
pengamatan curah hujan yang optimal dari DpS tersebut apabila
diinginkan batas kesalahan besarnya curah hujan rata-rata sebesar
5,0 oA (data tentatip dari penulis).
9S
Jawah Conbh 2.27. :
Tclah kita ketahui bahwa data pengamatan curah hujan merupakan
salah satu data dasar dalam analisis hidrologi. Berdasarkan data
hujan inilah dapat di analisis besarnya hujan badai, tebal dan lamanya
hujan, prakiraan banjir, pengaturan air dalam waduk dan sebagainya.
Sejauh pengetahuan penulis setidaknya sampai tahun 1995, di
Indonesia belum ditentukan berapa jumlah yang optimum dan
bagaimana sebaran dari pos pengamatan curah hujan dalam suatu
daerah pengaliran sungai tertentu.
Sudah barang tentu ini merupakan tantangan bagi para ahli
hidrologi dan ahli iklim di Indonesia untuk mewujudkan suatu
metode yang baku "Penentuan Jaringan Pengamatan pos Curah
Hujan Yang Optimum di Indonesia", sebagai bahan menentukan
jumlah dan sebaran pos pengamatan curah hujan secara nasional.
Uraian berikut ini adalah contoh awal prosedur untuk menentukan
jumlah yang optimum dari pos pengamatan curah hujan dari suatu
DPS, dan bukan untuk menentukan sebarannya. penulis maksudkan,
sekali lagi, untuk 'sekedar contoh awal penggunaan parameter
statistik, sebelum diuraikan penggunaannya dalam uraian penerapan
metode statistik lainnya yang akan dimulai pada bab III.
Prosedur untuk menentukan jumlah optimum dari
pengamatan pos curah hujan sebagai berikut :
1). hitung jumlah total curah hujan tahunan dari pos curah
hujan yang telah terpasang, sebanyak n buah.
XT:X,+&+Xr+...+4 (2.47)
2). hitung besarnya curah hujan rata-rata:
X= + (lihat rumus 2.t) (2.48)
3) hitung jumlah kuadrat besarnya curah hujan dari pos
curah hujan yang telah terpasang, sebanyak n buah.
JK = X,2 + )(rr* Xr, + ... + 4, (2.4e)
94
96

4) hitung varian JK '' (3.200)'? + (2.950)'?+ 12.600)'?+ (2.450), = 31.705.000

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

untuk meniperkirakan besarnya curah hujan rata-rata s) koefisien variasi :

dengan batas kesalahan (k) persen adalah :

looJq
N:(ffX (2.s1)
cv =
x
7). jumlah pos pengamatan curah hujan yang perlu
ditambahkan adalah CV=
loo,mooo o/o
: = 15,414
X:N-n (2.s2)
6) jumlah optimum dari pos pengamatan curah hujan untuk
k : 5,0 Yo adalah
Tambahan jumlah pos pengamatan curah hujan sebanyak X buah
N: (?), = f#l2 = e,5 buah
harus di distribusi dalam zone curah hujan yang berbeda (dari peta
Isohyet) dan harus menurut proporsi luas. N: l0 buah (dibulatkan)
Dari data tentatip contoh 2.27, maka dapat dihitung :

Dengan demikian apabila nilai rata-rata curah hujan yang terjadi

l). jumlah total curah hujan : diharapkan hanya mempunyai batas kesalahan sebesar 5,0 o/o mat<a di
daerah tersebut perlu ditambah pos pengamatan curatr hujan dengan
XT=3200 +2950 +2600 +2450 = ll.200mm
jurnlah:
2). curah hujan rata-rata : X:N-n
I
X=ix XT
X: l0 - 4:6 buah

Jumlah tambahan pos curah hujan sebanyak 6 buah, tersobut harus di

I
X=* x 11.200 ntm = 2.800 mm distribusi berdasarkan peta isohiyet curah hujan daerah tersebut,
4 menurut proporsi luas sehingga lokasi yang dipilih dapat mewakili
kondisi curah hujan dari DPS yang bersangkutan.
3). jumlah kuadrat curah hujan :
 bab 3
aplilcasi disffibusi peluang
untult analisis data hidrologi

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.

Kebenaran dari kesimpulan yang dibuat dari analisis data

hidrologi sebetulnya tidak dapat dipastikan benar secara absolut"
karena kesimpulan analisis hidrologi umumnya dibuat berdasarkan
data sampel dari populasi, oleh karena itu aplikasi teori peluang
sangat diperlukan dalam analisis hidrologi.
98 99

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
variables), peluang sebuah variat dapat dipandang sebagai peluang
P (x) dari sebuah kelompok nilai deskrit dalam interval x sampai (x
+ Ax). Apabila x merupakan nilai yang kontinyu dan Ax menjadi
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
sketsa kurva fungsi densitas peluang (probability density function)
dan fungsi distribusi kumulative (cumulative distribution)
ditunjukkan pada (b).
?(xl P(Xt
Sub bab 3.2, akan menyajikan contoh aplikasi fungsi distribusi
peluang deskrit dan sub bab 3.3, menyajikan contoh aplikasi fungsi
distribusi peluang kontinyu, sub bab 3.4, menyajikan tatrapan
aplikasi distribusi peluang unttrk analisis data hidrologi.
3.2. APLIKASI D'STRIBUS' PELUANG DESKN'T
Banyak persamaan distribusi peluang deskrit, misal
Binomial, Multinomial, Geometrik, Hipergeometrik, Poisson, dan
sebagainya, walaupun demikian hanya distribusi Binomial dan
Poisson yang disajikan dalam aplikasi analisis hidrologi pada buku
ini.

3.2.1. Apllkasi DlsffiDusl Pelulang Blnomlo,l

Distribusi ini banyak digunakan untuk variabel deskrit dan
merupakan penentuan kondisi yang terjadi atau tidak (tidak terjadi).
.l Densitas peluangnya dapat ditulis sebagai persamaan berikut ini :
(cl (b,
P(R) : Cil P* Q*-* (3.2)
Gambar j.l. (a) Fungsi Densitas Peluang, (b) Fungsi Distribusi Kumulatif,
100 101

Keterangan : 3). terjadi dua kali

P(R;: peluang terjadinya sebesar R dalam jumlah kejadian
4). terjadi tiga kali
N 5). rata-rata dan deviasi standarnya.

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 distribusi. Dari contoh 3.1, maka dapat diketatrui batrwa

a : peluang kegagalan (tidak terjadi): I - P
. T : 5 tahun, maka P : l/T :ll5 : 0,20
CX : ffi jumlah kombinasi N dari R pada l(satu) .Q:l-P:l_0,20=0,90
satuan waktu dengan N! =l x2 x 3 x ... x (N-l) x N .N:10
dan O! :1!:1
Berdasarkan persamaan (3.2) :

Parameter distribusi Binomial antara lain adalatr :

P(R): Cil P* Q*-* , maka:
l). rata-ratahitung (mean) p = NP (3.3)
2). varian o*: NPQ (3.4) 1). Peluang debit banjir tidak terjadi, yaitu R = 0
3). o : ,6tlq
deviasi standar (3.s) P(R:0): (l') (0,20)o (0,80)to
P3 Q_P
4). kemencengan CS : -==: (3.6) : 0,107
o' P(R:o) = 2o)o (0, 80)ro
JNpq ffi(0,
5). koefisien Kurtosis CK: k# ., 2). Peluang debit banjir terjadi satu kali, yaitu R: I
Q.7)
P(R:l): (lo) (0,20)t (0, go)e

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

P(R:2) : (y) (0,20)2(0,80)

Contoh 3.1. P(R:o):
Debit puncak banjir sungai Citarum-Nanjung untuk periode ulang
frfu (0,20)2 (0,80)8 = o,3ol

T : 5 tahun adalah 359 m3/det. Tentukan dalam wakhi 10 tahun

4). Peluang debit banjir terjadi tiga kali, yaitu R: 3
peluang debit banjir tersebut : P(R:3): (1,) (0,20)3 (0, 80)

l). tidakterjadi P(R:o) : (0,20)3(0,80)7 = o,2ot

2). terjadi satu kali ##-
to2 10$

5). Peluang debit banjir T = 5 tahunan rata-rata terjadi Dengan parameter statistik sebagai berikut :

selama l0 tahun, denganrumus (3.3) : 1). rata-ratahitung (mean) p : NP (3.e)

P:NP 2). varian o2: NPQ (3.10)
p : (10) (0,20) :Zkali 3). deviasi standar o = n6Vfq (3.1 r)
Dalam waktu 10 tahun, rata-rata akan terjadi debit 4). kemencengan CS: !;9
NPQ
(3.12)
banjir dengan periode 5 tahunan adalah 2 kali, dengan
deviasi slandar dapat dihitung dengan rumus (3.a) : s). koefisien Kurtosis CK : l-6PQ,-,^ (3.13)
NPQ
r: ,6gPQ dimana Q=l-P
r:.@,80, = 1,26 kali Keterangan :

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 :

.selama l0 tahun dengan deviasi standar l,26kali.

3.2.2. AplihasiDirtrlbss 7 Pcluolng Poisson
" Apabila jumlah dari pengukuran atau kejadian
besar, maka perhitungan dengan menggunakan distribusi binomial
akan tidak sesuai, oleh karena itu perhitungan dapat menggunakan
distribusi peluang Poisson (umumnya untuk P kecil, misal P < 0,10
dan N > 30) dan nilai rata-rata p adalah konstan, p NP. Fungsi
distribusi peluang Poisson dapat dirumuskan sebagai berikut :
,p") (e-u)
P (R) :- *R!
l). Jumlah kejadian adalah deskrit.
2). dua kejadian tidak dapat terjadi bersama-sama dalam satu
saat.
3). nilai rata-ratahitung dalam unit waktu adalah konstan.
N cukup 4). semua kejadian merupakan kejadian bebas.
: Contoh 3.2.
Dalam suatu DPS dibangun dam pengendali banjir dengan umur
bangunan 100 tahun. Berapa peluang terjadinya banjir 550 m3/det
(3.8)
dengan periode ulang 200 tatrun selama periode umur dam tersebut,

Keterangan apabila ditentukan dengan distribusi peluang Poisson.

:

P(R) = peluang terjadinya sebesar R dalam N kejadian.

R : kejadian yang diharapkan, R:0, 1, 2, ... N. Jawab Contoh 3.2. :
tr
: rata-ratahitung (mean) dari distribusi Poisson. -
N : jumlah kejadian. Periode ulang banjir 200 tahun, maka peluang'terjadinya I kali
e :2,71828 banjir adalah :
104
r06
P: +:#:o,oo5 Jowob Contoh.3.3. :

N- 100 tahun Nilai rata-rata :

Berdasarkan persamaan 3.9, maka

# 'fl *r.*,
:
=
P:NP
p: 100 x 0,005 :0,5 : frO x 7.145: 1,553 :1,56
Sehingga berdasarkan persamium 3.8, maka :
Berdasarkan persamaan (3.8) maka :

P(R) : Gr)" (e)-'

R!
P(R)=W
P(l) : (o'5)' (2271828)-q5
: 0,308 P(R) : (l's6)Rq?I828)-116
l! R!
Dengan demikian didalam Dps tersebut, pada dam pengendali sehingga:
banjir dengan umur bangunan 100 tahun, selama periode umur
tersebut akan terjadi banjir periode 200 tahun dengan peluang 30,90 P(o)=ry:o,2lo
%.
(t,56)t Q,71828)-t,$
P(l) = = 0,327
Contoh 3.3. l!
t's6
Dari tabel 2.4 pada Bab II, telah disajikan data curah hujan rata-rata P(2) : (1, 5 6)2 (2, 7 I 828)-
= 0,255
2t-
tahunan (mm) dalam kaitannya dengan luas DpS citarum-Jatiluhur,
t,s6
yang dapat disajikan dalam bentuk tabel 3.1. Tentukan distribusi
P(3) _ (1, 5 6)3 (2, 7 t82g)-
' = 0,132
frekuensi empirisnya dengan distribusi poisson. 3!
: (l'56)4 (2'.71828)-ts6
Tabel3.l. Frekuensi Distribusi Luas Daerah Curah Hujan P(4) : 0'051
4l
DPS Citarum - Jatiluhur.
Dengan demikian, hasilnya dapat dilihat padatabel3.2.
No Curah Hujan Frekuensi Luas Kelas Interval (NJ) (xJ)
(mm/tahun) (knt') NJ xl
I 1500 - 2000 595 0 0 Dari tabel 3.2, nampak bahwa curah hujan antara 2000 -
2 2000 - 2500 1.347 I 1.347 2500 mm/tahun akan terjadi pada daeratr seluas 1504 km2, kira-kira
3 2s00 - 3000 2.206 2 4.412 32,7 dari tiap 100 kejadian. Curah hujan antara.2s}O 3000 -
4 3000 - 3500 422 3 1.266 mm/tahun akan terjadi pada daeratr seluas 1173 km2, kira-kira 25,5
5 3500 - 4000 30 4 120 kai tiap 100 kejadian. Sedangkan curah hujan antara 3500 - 4000
Jumlah 4600 7.t45
mm/tahun akan terjadi pada daeratr seluas z34l.lrr, 2, kira-kira 5 kali
dari tiap 100 kejadian.
Sumber : Tabel 2.4
 I06
to7
'l'abel 3.2 Frekuensi Distribusi Luas Daerah Hujan DpS dapat ditulis sebagai berikut :

Citarum - Jatiluhur Menurut Distribusi peluang

Poisson. I -l f x-t') 2

P(X): .eT\ " / (3.14)

-=
o J2n
No Curah Hujan Peluang Luas Daerah Hujan
(mm/tahun) (k"r') Keterangan :

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

Untuk analisis kurva normal cukup menggunakan parameler

3.3. APLIKAS' D'S7B,,BUSI PELUANG KONTINYI'
Pada sub bab 3.2 telah dibicarakan aplikasi dua buatr fungsi
frekuensi teoritis, yaitu distribusi binomial dan distribusi Poisson,
yaitu distribusi khusus untuk variabel acak deskrit (discrete random
variables). Pada sub bab 3.3 ini akan disampaikan beberapa model
matematik yang menjelaskan aplikasi distribusi dari variabel acak
kontinyu (continuous random variables) untuk analisa data dalam
buku ini adalah model matematik dari persamaan empiris distribusi
peluang kontinyu, dalam buku ini adalatr distribusi normal, Gumbel
tipe I, Gumbel tipe III, Pearson, Log Pearson tipe III, Frechet, Log
Normal, Goodrich.
statistik p dan o. Bentuk kurvanya simetris terhadap ;q-: p, dan
grafiknya selalu diatas sumbu datar X, serta mendekati (berasimtut)
sumbu datar X, dimulai dari X : F + 3 o dan X -3o. Nilai mean :
modus : median. Nilai X mempunyai batas - o < X < + € .
Apabila sebuatr populasi dari data hidrologi, mempunyai
distribusi berbentuk distribusi normal, maka .:
l). Kira-kira 68,27 Yo,terletakdidaerah satu deviasi standar
sekitar nilai rata-ratanyq yaitu antara (p-o) dan (p+o).

2). Kira-kira 95,45 yo,terletakdidaeratr dua deviasi standar

3.3.1. Aplikasl lDirtriDgsi Nottnal
Distribusi normal banyak digunakan dalam analisis
hidrologi, misal dalam analisis frekuensi curah hujan, analisis
statistik dari distribuqi rata-rata curah hujan tahunan, debit rata-rata
tahunan dan sebagainya. Distribusi normal atau kurva normal
disebut pula distribusi Gauss. Fungsi densitas peluang normal
(normal probability density function) dari variabel acak kontinyu X
sekitar nilai rata-ratanya, yaitu antara (p-2o) dan
1p+2o).
3). Kira-kira 99,73 %o, terretak didaeratr 3 deviasi standar
sekitar nilai rata-ratarryao yaitu antara (p-3o) dan
1p+3o).
108 109

Persamaan (3.17) disebut dengan distribusi normal standard

(s t andar no r mal di s tr ibut io n).

Dalam Pemakaian praktis, umunnya rumus-nrmus tersebut

x tidak digunakan secara langsung karena telah dibuat tabel untuk
G keperluan perhitungan. Tabel III-1, pada bagian akhir buku ini,
menunjukkan wilayah luas dibawatr kurva normal, yang merupakan
l-,.*i**.i luas dari bentuk kumulatip (cumulativeform) dari distribusi normal.
I l-*^. i-.-r.i
Contoh 3.4.

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

t- 3500-2s27 _973 :1,660

586 586

dan berdasarkan tabel III-1, akan diperoleh

P(X>3500):P(t>1,660)
:l-P(t<1,660)
= I - 0,9515
:0,0485

Jadi curah hujan DPS Citarum-Jatiluhur lebih dari 3500

mm.tatrun hanya mempunyai peluang sebesar 4,85 yo.

3) Untuk menghitung peluang curatr hujan berkisar antara

2400 dan2700 imm/tarhun, lihat gambar 3.3.c, maka harus
ditentukan batas luas kurva normal antara :

P (X < 2400)dan P (X < 2700)

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 :

X- : kumpulan nilai yang diharapkan terjadi. Xm :

P Q4A0 < X < 2700) : P (-0,216 <t<0,295)
: P (t < 0,295) - P (t < - 0,216)
:0,6141 - 0,4168
:0,1973
Jadi curah hujan DPS Citarum-Jatiluhur yang besarnya
antara 2400 - 2700 mm/tahun mempunyai peluang
sebesar 19,73 Yo.
4) Jumlah data yang curah hujannya berkisar antara 2400 -
:
2700 mm/tahun adalah 0,1973 x .100 :
19,73 data
Wilayah luas dibawah kurva normal seperti ditunjukkan pada Tabel
III-1, merupakan fungsi dari bentuk kumulatif (cumulative form)
kurva normal. Apabila data pada tabel III-I digambarkan pada
kertas grafik dengan skala linier maka akan membentuk kurva - S.
Kurva-S, tersebut sudah barang tenfu kurang sesuai untuk analisis
data hidrologi, maka sebagai penggantinya dapat menggunakan
kertas grafik peluang @robability paper).
Kertas grafik peluang mempunyai skala vertikal linier atau
logaritmik untuk menggambarkan data variat X, dan skala peluang
horisontal (probability horizontal scale) untuk menggambarkan
data peluang dari variat X. Skala horisontal juga dapat untuk
menggambarkan frekuensi kumulatip variat X. Beberapa metode
untuk menentukan besarnya peluang dari variat X, antara lain :
X > x adalatr kumpulan nilai X yang besar atau
sama dengan suafu nilai x tertenfu. Xm = X < x
adalatr kumpulan nilai X yang lebih kecil atau
sama dengan nilai x tertentu.
P(X.): peluang terjadinya kumpulan nilai yang
diharapkan selama periode pengamatan
N : jumlah pengamatan dari variat X
m : nomor urut kejadian, atau peringkat kejadian.
T(X,): periode ulang dari kejadian Xm sesuai dengan
sifat kumpulan nilai yang diharapkan (Xm).
Untuk Xm = X > x, maka m adalatr nomor urut
kejadian dengan urutan variat dari besar ke
kecil.
Untuk Xm: X . x, maka m adalalr nomor urut
kejadian dengan urutan variat dari kecil ke
besar.
Dari rumus (3.18), jika nilai h : N, maka P(Xm) : l,
adalah merupakan peluang yang betul-betul 100 %
terjadi, dan merupakan kead&rn yang tidak mungkin
terjadi. Dengan demikian satu buah data tidak mungkin
digambarkan pada kertas peluang.Umumnya untuk
menganalisa data nilai ekstrem, dengan mengurutkan
data dari nilai terbesar ke terkecil.
114 l ltr

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:

Untuk nilai m : l, maka diperoleh TCXm) : 2N, P(xm):54= (3.23.a)

merupakan kelipatan dua dari data yang tersedia. N + 0,25
Dengan demikian untuk D: l, yaitu untuk nilai variat X . Metode Turkey:
yang terbesar dan terjadi pada N tahun, seakan-akan
terjadi pada tiap 2N tatrun. P CXm) - 3m-
3N+l
I (3.23.b)

3). Metode Bernard dan Bos-Levenbach . Metode Gringorten:

Dalam metode 'Bernard dan Bos-Levenbach, peluang
dirumuskan sebagai berikut : P(xm)-m-o'44 (3.23.c)
N+0,12
PCxm):##,atau (3.21.a)
Dengan kaitannya dengan pengertian peluang maka yang
Tfim)-N+o'4
m-0,3 (3.2t.b) disebut kurva frekuensi (frequency curve) adalah kurva yang
menggambarkan kejadian variat Xm dengan besarnya peluang
Digunakan untuk daerah delta di negeri Belanda. P(Xm) atau dengan besarnya periode ulang T(Xm). Penggambaran
dapat dilaksanakan pada kertas :
4). Metode Weibull
.
a). semi-lo g (semi-logarithmic).
Dalam metode Weibull, peluang dihitung dengan nrmus
b). log-log (double-logarithmic).
sebagai berikut :
c). peluang ekstrem (extreme probability).
d). peluang logaritmik (logarithmic probability).
P(Xm):ffi,atau (3.22.a)
e). peluang ekstrem Gumbel (Gumbel's extreme
probability).
T(Xm):Y (3.22.b)
f). peluang ekstrem logaritmik Gumbel (Gumbel's logarith-
mic extrbme probability).
Rumus ini pada mulanya dikembangkan oleh Weibull
(1930), kemudian digunakan oleh Gumbel (1945), Chow
(1953), Yelz (1952), US Geological Survey dan Salah satu tujuan dalam analisis distribusi peluang adalah
lain-lain. Semua variat dapat digambarkan pada kertas menentukan periode ulang (return period, recurrence interval).
116
Dari persamaan 3.19.a sampai 3.23.c dapat ditunjukkan bahwa :
r(Xm)=
d, (3.24)
Analisis distribusi peluang dapat untuk menentukan nilai variat dari
variabel hidrologi yang dapat diharapkan terjadi dengan peluang
sama atau lebih besar (sama atau lebih kecil) daripada nilai
rata-ratanya tiap N tahun, atau peristiwa N tahunan. Dengan
demikian yang dimaksud dengan periode ulang adolah interval
waktu rato-rata nilai vaiiat dari variabel hidrologi tertentu akan
disamai atau dilampaui (disamai atau tidak dilampaui) satu kali.
Sebagai contoh untuk debit banjir, maka banjir 5 tahunan akan
terjadi rata-rata sekali dalam 5 tahun. Terjadinya tidak harus tiap 5
tahun, melainkan rata-rata satu kali tiap 5 tahun, yaitu terjadi l0
kali tiap 50 tatrun, 20 kali tiap 100 tahun dan seterusnya. Atau lebih
jelasnya dapat diartikan bahwa debit banjir selama kurun waktu
yang panjang katakan 100 tahun akan terjadi 20 kali yang sama atau
lebih besar (dilampaui) dari pada banjir 5 tahunan, atau akan terjadi
10 kali banjir l0 tahunan,2 kali banjir 50 tahunan, 1 kali banjir
seratus tahunan. Banjir dengan periode ulang yang besar berapapun
dapat terjadi sewaktu-waktu (tahun ini atau tahun depan) tanpa
menunggu N tahun. Banjir 5 tahunan akan terjadi rata-rata sekali 5
tahun, maka berdasarkan persam,uur (3.24), peluang bahwa kejadian
banjir tersebut akan terjadi sembarang waktu (tahun) adalah I
tahun/s tahun : 0,20 atzu 20 %. Peluang bahwa kejadian banjir 10
tahunan adalatr l0 yo, dan seterusnya.
Data variabel hidrologi yarg telah dihitung besarnya peluang
atau periode ulangnya, selanjutnya apabila digambarkan pada kertas
grafik peluang, umumnya akan membentuk persirmaan garis lurus.
Persamaan umum yang digunakan adalatr :
X:X+k.S (3.2s)
Keterangan :
X: perkiraan nilai yang diharapkan terjadi dengan besar
peluang tertentu atau pada periode ulang tertentu.
117
x nilai rata-rata hitung variat.
S dcviasi standar nilai variat.
.
k faktor frekuensi, merupakan fungsi dari pada peluang
atau periode .ulang dan tipe model maternatik dari
distribusi peluang yang digunakan untuk analisis
peluang.
Dengan telah disusunnya persamaan (3.25) dan seandainya tidak
tersedia kertas grafik peluang, maka kita tetap dapat meramalkan
atau mengharapkan nilai dari variat suatu variabel hidrologi pada
peluang tertentu atau periode ulang tertentu. Persamaan (3.25)
adalah distribusi frekuensi teoritis yang merupakan pendekatan dari
sebaran data variat dan peluangnya.
Karena data pengamatan pada umumnya baru tersedia dalam
jangka waktu yang relatip pendek, maka untuk menentukan
distribusi frekuensi yang sebenamya pada umumnya tidak mungkin,
oleh karena itu biasanya digunakan distribusi teoritis sebagai
pendekatannya. Perpanjangan kurva distribusi teoritis umumnya
diperlukan untuk memperkirakan nilai variat harapan pada p€riode
ulang yang lebih .lama daripada lamanya tahun pengamatan.
Perpanjangan hanya disarankan sampai dengan perkiraan nilai
variat harapan yang besarnya periode ulang sama dengan 2 (dua)
kali lamanya tahun pengamatan, karena perpanjangan kurva
distribusi umumnya cenderung untuk membuat kesalahan.
Contoh 3.5.
Dari pos duga air sungai Cikapundung - Gandok.antara tatrun 1958
Sampai dengan tahun 1980, telah diperoleh data debit tahunan
(annual run ffi dalam juta m3/tahun (Sumber : lihat data pada tabel
3.5 pada contoh 3.6).
il X : 92,l6juta m3/tahun.
S = 25,95juta m3/tahun.
flil
II X, : 77,8}juti m3/tahun pada peluang 75 %.
il X2 : 109 juta m3/tahun pada peluang 25 %.
f
 rl8 ll9
Tentukan koordinat dari garis persamaan model matematik (iauss). l)rrri tabcl terscbut dapat diketahui dengan lebih mudah
distribusi peluangnya apabila datanya mengikuti distribusi normal. huhrrrrgirrr rurtara 'l' (periode ulang), P (peluang) dan k (variabel
rcduksi Gauss).
Jawab Contoh 3.5. z

Berdasarkan persamaan 3.25, maka persamaan garis lurusnya Contoh 3.6.

adalatr :
Dari tabel 3.4, menunjukkan data volume total debit tahunan dari
X= X+k.S Sungai Cikapundung-Gandok, Kodya Bandung, selama 23 tahun
X: 92,16+k(25,95) (tahun 1958 - 1980). Tentukan volume total debit tersebut, untuk
periode ulang 2 tahun, 5, 10, 20 dan 50 tahun, apabila datanya
Untuk Xr dengan peluang 75 yo, maka p = O,7S (peluang mengikuti model matematik distribusi normal.
terlampaui) dan peluang tidak terlampaui adalatr I - p: 1,0 - 0,75 :
0,25. Dari tabel III-1, untuk luas dibawatr kurva normal 0,2500
(terletak antara 0,2514 dan 0,2483) nilai itu sepadan dengan nilai t Tabel3.3 Nilai Variabel Reduksi Gauss
= -0,67, maka nilai X, adalatr :
Periode Ulang Peluang k
Xr = 92,16 + (-0,67) (25,95) T (tahun)
Xr = 74,77 1,001 0,999 -3,05
1,005 0,995 -2,58
Untuk X2 dengan peluang 25 yo, maka P: O,Z5 (peluang
1,010
1,050
0,990 -2,33
-1,64
terlampaui) dan untuk peluang tidak terlampaui adalah I - p : I -
0,950
l,l l0 0,900 -1,28
0,25 : 0,75. Dari tabel III-1, untuk luas dibawah kurva normal t,250 0,800 -0,84
0,7500 (terletak antara 0,7486 dan 0,7517) nilai itu sepadan dengan 1,330 0,750 -0,67
nilai t : * 0,67, maka nilai X, adalah : I,430 0,700 -0,52
1,670 0,600 -0,25
X2:92,16 + (+0,67) (25,95) 2,000 0,500 0
2,500 0,400
Xr: 109,54
3,330 0,300
0,25
0,52
4,000 0,250 0,67
Dengan demikian koordinat garis persamaan model matematik dari 5,000 0,200 0,84
distribusi peluangnya melalui titik Xr (p O,2S dari 109,54) dan X, (p 10,000 0,100 1,28
20,000 0,050 1,64
0,75 dan 74,77).
50,000 0,200 2,05
100,000 0,010 2,33
Untuk memudahkan dalam perhitungan maka nilai (k) dalam
200,000 0,005 2,58
persamaan 3.25 umumnya tidak lagi dibaca dari tabel luas dibawah
500,000 0,002 2,88
kurva normal dari tabel III-1, seperti pada contoh 3.5, akan tetapi 1000,000 0,001 3.09
disusun tabel seperti ditunjukkan pada tabel 3.3, yarig umum Sumber : Bonnier, 1980.
disebut dengan tabel nilai variabel reduksi Gauss (variabel reduced
 120
t21
'fabel
3.4 Data Volume Total Debit Sungaicikapundung-Gandok. llbcl 1.5 l)crhitungan Peringkat - Peluang - Periode Ulang
Volume Total Debit Tahunan Sungai Cikapun-
Tahun Volume
(Juta mt)
dung - Gandok, Tahun 1958 - 1980.

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.

Dari tabel 3.5, maka diperoleh nilai X :92,l6juta m3/tatrun dan S

I :25,95juta m3/tah*, dT persamium garis lurusnya adalah :
x

X:92,76+(25,95).k
122

Berdasarkan nilai variabel reduksi Gauss pada tabel 3.3, maka

I 723

:
.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 :

Xro : 125,37 jutam'/tatrun

4) Xzo : 92,16 + (25,95) .1,64 P : (X ( x): Q.26)

"(-e)-Y
Xzo : l34,7ljuta m3/tahun dengan-@+<X<+o
5) Xso : 92,16 + (25,95) .2,05 Keterangan :

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

Distribusi tipe I Gumbel, mempunyai koefisien kemencengan

(coeffcient of skewness) CS : 1,139. Nilai Y, fbktor reduksi
Gumbel merupakan fungsi dari besarnya peluang atau periode ulang
seperti ditunjukkan pada tabel 3.7
124 I 126

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).

Persamaan garis lurus untuk distribusi Gumbel dihitung dengan

p€rsamaan (3.27) :
 I
t26 r27
y=a(x-&) lhbcl 3.9. Ilerkiraan Debit Banjir Maksimum yang dapat
diharapkan dari daerah pengaliran sungai
Nilai a, diperoleh dari :
Citarum- Nanjung dihitung dengan rumus 3.27.

u=#=# = 0,023 No. Debit Maksimum Periode ulang Peluang

(m3/det) (tahun) (%)
dan nilai Xo, adalatr :

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.

Dengan demikian persamaar garis lurusnya adalatr :

Tabel 3.10 Hubungan Periode Ulang (T) dengan Reduksi
y:a(X-&) Variat dari Variabel (Y)
Y : 0,023 (X - 261,21), atau i T Y
-_ Y+ 6,005
^- 0,023 2 0,3065
5 1,4999
Dari tabel 3.7, maka :
i l0 2,2504
20 2,9702
0,366 + 6,005
x2: 0,023
:277 50
100
3,9019
4,6001

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

x2 :286,20 . -i:liif, (0,366s - 0,s362):275m3/det.

X5 :286,20 + 49,946 (l,49gg - 0,5362) = 334 m,/det.

130 lllI
Tabel 3.1 l.B Hubungan antara deviasi sandar dan reduksi 3.3.2.2. Aplikasi Distribusi Gumbel Tipe III
variat dengan jumlah data.
- Distribusi Gumbel Tipe III, disebut juga distribusi ekstrem
n Sn n Sr n Sn n Sr tipe III (extreme type III distribution) terutama digunakan untuk
lr0 0,9496 JJ 1,1226 56 1,1696 79 l,lg30 analisis variabel hidrologi dengan nilai variat minimum, misal
I ll 0,9676 34 1,1255 l,lg3g untuk analisis frekuensi distribusi dari debit minimum (low /tows)i.
ln 0,9933 35 l, l2g5
57
58
1,1708
l,l72l
80
8l 1,1945 Perhitungan peluangnya harus diubah. Apabila data debit minimum
| t4,, 0,9971
t,0095
36 l, l3 l3 59 1,1734 82 1,1953
diurut dengan m : 1, adalah nilai yang terbesar, sampai dengan
37 l, I 339 60 1,1747 83 l,lg5g
l5 1,0206 38 l,1363 61 l,l759 84 l,1967 nilai m : N yang terkecil, maka persamaan 3.22.a, harus diubah
l6 1,0316 39 l, I 3gg 62 1,1770 85 l,lg73 menjadi:
t7 1,041I 40 l,l4l3 63 1,1782 86 l, lgg0
l8 1,0493 4t 1,1436 l,l7g3
t9 1,0565 42 l, l45g
64
65 l, I 803
87
88
l,lgg7
l,lgg4 P(xm):1-;t_l-+ (3.32)
20 t,0629 43 1,1490 66 l,l8l4 89 1,2001
2t t,0696 44 l,l4gg 67 1,1824 90 1,2007 Keterangan :
22 t,0754 45 l, l5 l9 68 l, I 834 9l 1,2013
23 t,08 I I 46 l, I 539 69 1,1844 92 1,2020 P(Xm) : peluang kumulatip dari pada suatu kejadian yang
24 t,0964 47 1,1557 70 l,lg54 93 1,2026
2s ,0915 48 1,1574 7t l, I 863
nilainya kurang atau sama dengan x.
94 1,2032
26 ,l96l 49 l,l5g0 72 1,1873 95 1,2039 m = urutan nilai (m: l,adalah nilai yang terbesar).
27 ,1004 50 1,1607 '73 i l,l8gl 96 1,2044 N : jumlah total kejadian.
28 ,1047 5l 1,1623 74 I l, I 890 97 1,2049
29 I
,1 096 52 l, I 639 7sI l, I 898 98 1,2055
30 I
,1124 53 l, l65g 76 I 1,1906 99 1,2060
3r I
,l l59 54 1,1667 77 I l,l9l5 100 1,2065
Dalam analisis data debit minimum, maka debit minimum terkecil
32 I .l193 55 l, l6g I 7sl 1,1923 berkaitan dengan periode ulang yang besar. Apabila data diurutkan
mulai dari nilai m = I adalah nilai minimum yang paling kecil maka
Tabel3.l2. Debit Banjir Maksimum yang dapat diharapkan persamzuut kumulatip peluangnya adalatr :
dari Daerah Pengaliran Sungai Citarum-Nanjung
di hitung dengan rumus 3.30. P(xm):ffi=+ (3.33)
No Debit Maksimum Periode Ulang
(at/det)
Persamaan peluang kumulatip dari distribusi Gumbel Tipe III
(tahun)
adalah:
I 275
) 334
2
5
P (x): e-(#)" (3.34)
3 372 l0
4 404 20
5 454 Keterangan
50
6 489 100
P(X) : peluang kumilatip dari kejadian yang nilainya
Sumber : Perhitungan Data Tabel 3.8 dengan menggunakan model kurang atau sama dengan X.
(
matematik persamaan distribusi Gumbel Tipe I. w
^ - .,11828.
- 1',
 !
!s

132 183

x : variabel acak kontinyu. yang diharapkan adalatr :

n = batas bawatr nilai X.
ct = parameter skala.
log (X - e) = log (P - e) = los (9 - .1* * (bg Y) (3.43)
p : parameter lokasi. 6). persamaan (3.43) dapat digambarkan pada kertas
peluang log - normal atau ekstrem logaritrnik Gumbel.
Transformasinya adalatr :

., :
lx-. l" Untuk analisis kekeringan (&aught) umrunnya persamaan (3.43)
'-lE=l (3.35)
digambarkan pada kertas ekstrem logaritmik Gumbel.

maka persamaan (3.34), menjadi :

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

F: X +,\ (s) (3.40) 25,00 0,040 - 1,387

- 1,469
€:p-Bo(S) (3.41) 30,00
40,00
0,033
0,025 - 1,602
4). tentukan nilai reduksi variat (log Y) dari tabel 3.13, 50,00 0,020 - 1,699
75,00 q,013 - 1,8t6
berkaitan de.ngan periode ulang (T) yang diinginkan
atau peluangnya (P) atau dihitung rumus : 100.00 0.010 - 2.000

P(X)= 1 -.v Q.42)

s). persarnaan teoritis untuk tiap nilai log Y dan nilai X
1:J4
136

Contoh 3.9.
Data pada tabel 3.14, menunjukkan debit minimum sesaat dari
daerah pengaliran sungai Bogowonto di lokasi pos duga air Bener,
Purworejo, Propinsi Jawa Tengah, Tahun 1973 - 1984.
Tentukan model matematiknya dengan menggunakan persamiurn
empiris distribusi peluang Gumbel Tipe III dan tentukan debit
minimum yang dapat diharapkan terjadi pada periode ulang :2; 5;
I 0; 20; 50 dan I 00 tatrun apabila data tersebut dianggap berasal dari
populasi yang homogen.
Berdasarkan data dari tabel 3.14, maka diperoleh tiga parameter
statistik-:
. debit minimum tataqata 7:2,11 m3/det.
. deviasi standar S :1,24 m3/det.
. koefisien kemencengan CS :0,687
Koefisien kemencengan dihitung dengan rumus 2.30 (bab II).
Berdasarkan nilai koefisien kemencengan Cs : 0,687, maka dari
tabel skala parameter (lihat tabel lll-2, pada bagian akhir buku ini)
dapat diperoleh nilai :

Jawab Contoh 3.o. z

. skala parameter lls": 0,52.
. faktor frekuensi Ao:0,235.
Terlebih dahulu harus dihitung nilai rata-rata (X), deviasi standar . faktor frekuensi Bo:2,082
(S) dan koefisien kemencengan (CS).
Dari persamaan (3.a0) dan (3.41), maka dapat dihitung parameter B
Tabel3.l4 Debit Minimum Sesaat DPS
dan e.
Bogowonto-Bener Tahun lg73 -
1984. F: X+A".S
F: 2,11 + (0,235) (1,24)
No. Tahun Debit (m3/de0 B: 2,401
I e: P-Bo.S
e:
973 3,89
4 974 3,58 2,401 - (2,082) (1,24)
5 975 3,53 e: - 0,180
6 976 l,5l
7 977 1,50
Langkah selanjutnya adalatr menentukan faktor reduksi variat untuk
8 978 4,00
9 979 1,50 berbagai nilai periode ulang T (atau peluang P) yaitu nilai log Y,
l0 980 r,51 dari tabel 3.13 dan berdasarkan persamaan 3.43, maka dapat
ll 98r t,49 dihitung debit minimum berdasarkan periode ulang tertentu.
t2 982 0,85
l3
l4
983
984
t,2t
0.75
Log (X - e): loe (g - €) + j . 0oS Vl
N = 14 buah Log (X + o,l8o): log (2,581) + 0,52 log Y
X = 2,ll m3/det
S = 1,24 m'/der Jadi persamaan garis lurus yang diperoleh adalah :
cs :0.687
Sumber data : Buku Publikasi Debit
Log (X + 0,180) = 0,412 + 0,52log Y
Tahunan , Pusat
Litbang Pengairan.
maka:
136 L:t7

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.

No. Debit Minimum Periode Ulang Peluang

(mt/det) (tahun\ (%) Perhitungan Momen.lihat sub bab2.2.7 (Bab II).

I 1,954 ) 50 Pearson telah mengembangkan 12 macam tipe distribusi, dalam

2 1,002 5 20 buku ini hanya akan disajikan2 (dua) tipe,'yaitu :
J 0,619 l0 l0
4 0,369 20 5 1). Distribusi Pearson Tipe III.
5 0,1 57 50 2 2). Distribusi Log Pearson Tipe III.
6 0,056 100 I

Dari persamam3.45 - 3.47, apabila nilai p1 :0, gz:3 dan K:0,

Sumber: Perhitungan data tabel 3.14, dengan menggunakan maka distribusi Pearson sama dengan distribusi normal.
model matematik persamaan distribusi Gumbel Tipe IIL

3.3.3. Aplikasi [listtibusi Pealtson

Pearson telah mengembangkan banyak macam model
matematik fungsi peluang untuk membuat persamaan empiris dari
suatu distribusi. Persamazm umumnya adalah :

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

3.3.3.1 Aplikasi Distribusi Pearson Tipe IItr Sehingga:

Distiibdsi Pearson tipe III, mempunyai bentuk kurva

seperti bel (bell - shaped), mode terletak pada tik nol (origin) dan
u=ry (3.50)

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).

pCX): I [x-c'l*'..-(+) (3.48) # =* atau X=aw+c

ar(b).1 a J -
maka akan diperoleh :
Keterangan:

P(X): fungsi kerapatan peluang distribusi Pearson Tipe III

*=ry.w+x-H (3.53)

X : variabel acak kontinyu X:x.[?*-&] t (3.s4)

a : parameter skala
b : parameter bentuk X-I+k.S (3.5s)
c * parameter letak
D : (baca fungsi gamma) Persamaan (3.55) dapat digunakan untuk menentukan persamaan
distribusi Pearson Tipe III, dengan menentukan faktor k : faktor
sifat dari distribusi Pearson Tipe III yang merupakan fungsi dari
Fungsi 1-@ =Je-x*u-r . dX besarnya CS dan peluang seperti ditunjqkkan pada tabel 1ll-3*pada
0 bagian akhir buku ini.

tipe III akan

Persamaan (3.55) untuk distribusi Pearson
Untuk U: 1, maka f(l) =je. dx: I merupakan garis lengkung apabila digambarkan pada kertas
0
peluang normal.
Bila dilakukan transformasi :f : W dan dX/a:dW, maka :
Contoh 3.10.
P (X): #r(W)tre-*a . dw (3.49)
Data volume total debit tahunan, yang dihitung dari lokasi pos duga
air Cikapundung - Gandok tahun 1958 - 1976 tercantum pada tabel
ke 3 parameter fungsi kerapatan (a, b dan c) dapat ditentukan
3.16. Apabila data tersebut berasal dari populasi yang homogen,
dengan metode momen; dengan cara menghitung nilai :
tentukan volume total debit tahunan yang dapat diharapkan terjadi
X:rata-tata untuk periode ulang : 2; 5; l0;25;50 dan 100 tahun dengan
S : deviasi standar menggunakan model matematik dari persamaan empiris distribusi
CS : koefisien kemencengan Pearson tipe III.
140 r4l
Tabel 3.16 Volume Total Debit Tahunan DPS Berdasarkan data faktor k, dari tabel III-3, nilai CS :0,47, maka
Cikapundung - Gandok. diperoleh :

No. Tahun Volume Total

X2 :87,75+(26,07)(-0,080) : 85,67
(uta m3)
Xj = 87,75 + (26,07)( 0,800) : 108,55
I 958 8l,l Xro : 87,75 + (26,07)( 1,317) :121,99
Xzs : 87,75 + (26,07)( 1,880) :136,63
I

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.

Jawab Contoh 3.10. z

Dari tabel 3.16 diperoleh nilai rata-rataX:87,75, deviasi standar

S.= 26,07 dan koefisien kemencengan CS : 0,47 (lihat rumus 2.30,
3.3.3.2. Aplikasi Distribusi Log - Pearson Tipe III
Bab II). Distribusi log-Pearson tipe III banyak digunakan dalam
analisis hidrologi, terutama dalam analisis data maksimum (banjir)
Berdasarkan persam&m 3.55, model matematik persamaan ernpiris
dan minimum (debit minimum) dengan nilai ekstrem. Bentuk
distribusi Pearson tipe III adalah :
distribusi log-Pearson tipe III merupakan hasil transformasi dari
X:I.+k.S distribusi Pearson tipe IIi dengan menggantikan variat menjadi nilai
X=8'1,75+k.(26,07) logaritmik. Persamaan fungsi kerapatan peluangnya adalah :
142 l4it

P(x): s-trr (3.s6) I (togX-los

6+, [o#]'' SlogX = (3.60)

Keterangan: 4). hitung nilai koefisien kemencengan

P(X) : peluang dari variat X n X (rog x -iog ,,)'

:
X nilai variat X CS: /-\ 3
(3.61)
a,b,c : pararneter (n- 1) (n-2) [slogxJ
f : fungsi gamma
sehingga persnmzum (3.57) dapa! ditulis :

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.

Apabila nilai CS : 0, maka distribusi log Pearson tipe III

identik dengan distribusi log normal, sehingga distribusi
Keterangan: kumulatipnya akan tergambar sebagai garis lurus pada
Y : nilai logariunik dari X kertas grafik log normal.
Y : nilai rata-rata dari Y
S : deviasi standar dari Y
k : karakteristik dari distribusi log Pearson tipe III (lihat Contoh 3.11.
tabel III-3). Tabel 3.18, menunjukkan data debit puncak banjir terbesar dari
daerah pengaliran sungai Cigulung - Maribaya selama 30 tahun,
mulai tatrun 195211953 sampai dengan tahun 198111982, yang telatr
Prosedur untuk menentukan kurva distribusi log Pearson tipe III, diurutkan dari mulai debit puncak banjir yang terbesar sampai
adalah:
dengan yang terkecil. Tentukan debit puncak banjir yang dapat
r). tentukan logaritma dari semua nilai variat X. diharapkan terjadi pada periode ulang : 2; 5; l0;25 dan 50 tatrun
2). hitung nilai rata-ratanya : apabila distribusi debit puncak banjir tersebut merupakan model
I l^-* matematik yang mengikuti distribusi log-Pearson Tipe III.
log x= ffi (3.58)
n : jumlah data
3). hitung nilai deviasi standarnya dari log X :
 144
146
'l'abcl 3. I 8 Data debit puncak banjir terbesar daerah Berdasar nilai-nilai CS : - 0,4009, maka dapat ditentukan nilai k
pengaliran sungai Cigulung - Maribaya.
untuk setiap periode ulang, sehingga untuk periode ulang :
(diurutkan menurut besarnya debit)

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 :

CS: - 0,4009 3.3.4. Aplfuasl lrlrtrlDtrs I Dsectleit

Dari persamaan3.62: Distribusi Frechet disebut juga distribusi ekstrem tipe II
(extreme Type II distribution) atau Gumbel tipe II, dapat dig.rnakan
log X: GT + k . (S logJ) untuk analisis distribusi dari data hidrologi dengan nilai ekstrem,
log X : 1,4247 + k . (0,1754) misal debit puncak banjir. Peluang kumulatip dari distribusi Frechet
t46 l{?

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, :

dan,Y:a(logX-Xo) (3.64) log X= 1,4247

S logX :0,1754
Parameter a dan Xo dihitung dengan persamaan berikut :
Selanjutnya menghitung parameter a dan & dari persamaan gans
(\ lurus :
a: (l ,282)' I
=+ I
\S.logX/
tg.osl
Y=a(logx-\)
&= 6ffi -0,44s fsloe kl (3.66)
dimana:
1,292
Keterangan : a:
SlogX
iolT : nilai rata-rata variat log X
SlogX : deviasi standlr variat log X a=
ffi:7,30e
Y : nilai variabel reduksi Gumbel Qihat tabel3'7)
dan

Berdasarkan persamaan (3.64), (3.65) dan (3.66), maka besarnya

&: log X - 0,445 (S log X)
nilai vf,riat X yang dapat diharapkan terjadi pada periode ulang atau Xo: 1,4247 - 0,445 (0,1754)

peluang tertentu dapat dihitung. &: 1,34656

Contoh 3.12. Sehingga model matematik persam&m garis ltrusnya adalah :

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

Persamaan garis lurus dari distribusi Frechet ditunjukkan pada

persamaan (3.64). Langkah autal untuk menjawab contoh 3.12, 5 tahun: log X, : 1,51+ 9,8422
adalah menghitung parameter statistik yang diperlukan untuk 7,309
 r 4ti
149

log Xr: 1,5531 P(X) : peluang log normal

Xr: 35,74 X : nilai variat pengamatan
X : nilai rata-rata dari logaritnik variat X, umumnya
50 tahun: log Xr, : 3,90 +9,8422 dihitung nilai rata-rata geometriknya.
7,309
log Xr6: 1,8801
x = {(X,) (X,) (X,) ...(&)},"
(lihat sub bab 2.1.3).
Xro= 75,87
S : deviasi standar dari logaritmik nilai variat X
Hasil perhitungan selengkapnya tercantum pada tabel 3.20.

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.

3.3.5. Aplihasi DistriDssi Loe Nonnal

Distribusi log normal merupakan hasil transformasi dari
3.3.5.1. Aplikasi Distribusi Log-Normol Dua Parameter
distribusi normal, yaitu dengan mengubah nilai variat X menjadi
nilai logaritmik variat {. Distribusi log-pearson Tipe III akan Distribusi log-normal dua perameter mempunyai
menjadi distribusi log nonhal apabila nilai koefisien kemencengan persamium transformasi :

CS : 0,00. Secara matematis distribusi log-normal di tulis sebagai

berikut : LogX=logX+k.SlogX (3.6e)

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 :

03'o.t CV:fi=1e-_t;i (3.72)

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 :

pn : rata-rata populasi ln X, atau log X.

on : deviasi standar populasi ln X atau log X.

Penerapan persam&m (3.69) memerlukan perhitungan logaritnis

dari data pengamatan (disebut cara ke l). Apabila diinginkan
prosedur perhitungan tanpa menggunakan nilai logaritnik, dapat
menggunakan cara ke 2, dengan persirm&m sebagai berikut :
Gambar 3.5. Contoh Kurva Peluang Log Normal (Seyhan, 1979).
X:X+k.S (4.77)

Gambar 3.5, menunjukkan contoh sketsa dari kurva peluang log Keterangan :

normal.
X : nilai rata-ratavariat X
L62 168

S : standar deviasi variat X log X = 1.4247 + k . (0,1754)

k : nilai karakteristik dari distribusi log normal dua
parameter, yang nilainya tergantung dari koefisien Dari tabel 3.3, diperoleh nilai (k) setiap periodculang sehingga :

variasi, dapat diperoleh dari tabel yang merupakan

fungsi kumulatip dari periode ulang dengan nili"i
. untuk periode ulang 2 tahrm :

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 :

log Xrs:1,4247 + (2,0538) (0,1754)

Iog Xso: I ,7849
Contoh 3.13a : X56:60,94
Dari data debit puncak banjir DPS Cigulung - Maribaya yang Dengan prosedur yang sama maka dapat dihitung perkiraan debit
tertuang pada tabel 3.18, apabila data dianggap dari populasi yang
puncak banjir yang lain seperti tertuang pada tabel 3.21.
homogen hitung debit puncak banjir pada periode ulang 2;5; l0;20
dan 50 tahunnya dengan menggunakan model matematik persam{um
distribusi log normal dua parameter.
Tabel 3.21. Debit puncak terbesar yang dapat diharapkan
terjadidi DPS Cigulung - Maribaya.

Jawab contoh 3.13a z

No. Periode Ulang Peluang Debit Puncak
Tahap awal perhitungan adalah menentukan nilai parameter (tahun) (Y") 1m3/det)

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 =

nilai log X = 1,4247

* =
ffi =o'4116 Sumber : perhitungan data tabel 3.18, dengan menggunakan model
matematik distribusi log normal dua parameter cara ke l,
bandingkan dengan tabel 3.22.

.,nilaiSlogX=0,1754
Cara ke 2 :

Cara ke I :
Berpasarkan persamaan (3.77) :

Berdasarkan persamaan (3.69) :

X:I+k.S
log X : logX + k . S TogT, maka logX=28,40+k.(11,69)
 I tr4
166
I)c,gan (lv
= 0,41l6 dan seterah ditentukan nilai (k) setiap periode
tigu paramcter. Fungsi dari pada distribusi log normal 3 parameter
ulang dari tabel III - 4 :
ntlnluh :
. untuk periode ulang 2 tahun :

Xr:28,40 + (-0,l7gg) (11,69) r I f ln(x-pfpnl

P(X1: . e,'l--6--l (3.78)
X2:26,30 ln(x - DJzn
. untuk periode ulang 50 tahun : keterangan:
Xso: 28,40 + (2,6212) (l1,69) :
P(X) fungsi densitas peluang log normal variat X.
Xso:59,09 X = variabel random kontinyu.
B = parameter batas bawah.
Dengan prosedur yang sama maka dapat dihitung perkiraan ts :3,14159.
debit
puncak banjir yang lain seperti tertuang pada tabel =2,71828.
3.22.
Tabel3.22. Debit puncak terbesar yang dapat diharapkan
Irn = rata-rata populasi, transformasi dari variat ln (X _ B).
on : deviasi standar populasi, transformasi dari variat ln (X-B).
terjadi di DpS Cigulung _ Maribaya.

Dengan demikian diferlukan tiga parameter untuk penyelesaian,

yaitu parameter : pn, on dan B.
50 26,30 Persamaan garisnya merupakan model matematik :
20 36,69
l0 43,64
5 50,31
Y:Y+k.S (3.te)
2 59,04
Sumber: perhitungan data tabel 3,1g, dengan menggunakan
model
keterangan :
matematik distribusi log normal dua parameter
cara ke 2,
bandingkan dengan tabel 3.21. Y = logaritma dari kejadian (X - B), pada periode ulang
tertentu.
' V : rata-ratakejadian Y.
S : deviasi standar dari kejadian Y.
3.3.5.2. Aplikasi Distribusi Log Normar riga parameter k: karakteristik dari distribusi log normal 3 parameter
(ditentukan dari tabel 3.3).
Pada sub bab 3.3.5.r, telah diuraikan distribusi
log normal
dua parameter, dengan batas bawah sama atau dapat ditulis sebagai berikut
dengan nol (rihat gambar :

3.5). Akan tetapi batas bawah tersebut tidak

seialu *u*u d"rrgan
oleh karena itu diperrukan modifikasi suatu parameter
nol, ln (X - B) : pr*_ul + k . orx-rl (3.80)
dengan nilai
B sebagai batas bawah, sehingga nilai variat X harus Dengan metode momen, maka untuk menghitung B adalah :
ditransformasikan menjadi (x - B) dan nirai ln
X menjadi in(x - B).
Distribusi tersebut dinamakan dengan distribusi
log ntrmar dengar fi:tr-& (3.81)
l6(i 167

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 :

on : o1x-o;: { ln (Cvt'? + 1)% (3.8e) Jawab Contoh 3.13b. z

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.

X=X+k.S (3.e1) maka berdasarkan persamaan (3.91) :

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 :

kemencengan CS (lihat tabel III-5, pada bagian X, : 87,75 + (0,800)(26,07)

akhir buku ini). X, = 108,55
 168
I69
. pada periode ulang 50 tahun :
Masing-masing nilai dihitung pada sampel sejumlah N buah :
Xso = t7,7 5 + (2,31 l)(26,07)
Xso = 147,93
x= *
Tabel 3.23, menunj ukkan hasil perhitungannya.
ir, (3.e3)

o'=fri(*,-x)' (3.e4)

Tabel3.23 Volume, aliran total pertahun yang dapat

diharapkan terjadi di DpS Cikapundung _
MA(3):ffiiG'-x): (3.es)
Gandok.
Sehingga nilai koefisien kemencengannya adalatr :
No. Periode Ulang Peluang Yolume aliran
(tahun) (%")
$uta mr/det) rre
vu
_ MA(3) (3.e6)
oJ
I 2 50 85,67
2 5 20 108,55
3 l0 l0 MA(3) _
4 20 5
l2l,gg
136,67 o(n) _
o3 , al
[=i+-3rr] o,,
5 50 2 147,93 (r, - rl) '
Sumber: .data tabel 3.16, dihitung dengan model matematik A-n _o (3.e8)
persamaan distribusi log normal tiga parameter.
,[n-a
atau

log A=
fl[ros"' - tog (r, -.?) ] (3.ee)

3.3.6. Apllhesl DistrlEls I Goodlrfrih

\.2=fro (3.100)
Peluang kumulatip dari distribusi Goodrich dapat ditulis
sebagai berikut : Jr, -r?
,
PCX s x)
'l
:.-A(x-xo.;' Nilai I: fungsi g.unma dan nilai O(n) merupakan fungsi dari dapat
e.g2) dilihat pada tabel 3.24.Dari persamaan-persaminn tersebut maka :
Nilai n ditentukan dari tabel 0 (n), tabel3.24. f, : f (n+1) (3.101)
Par4meter dari distribusi Goodrich dapat dihitung dengan fz: | (2n+l) (3.r02)
metode
momen, menggunakan nilai : f: = [- (3n+l) (3.r03)
r rnorl€r ke 3 terhadap rata-rataMA (3). sehingga persam,um 3.90, dapat ditulis sebagai model matematik
.rata-rata X:[r berikut :
. Varian 52 = 62 log(X-\): nfiog s + log(-logP) - log A] (3.104)
160
161

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.

No. Tahun Debil No. Tahun Debit

Contqh 3.t1. (m3/det) (n'/det)
Data tabel 3.25, menunjukkan data debit banjir rata-rataharian 1976 18,6 I l. t964 26,9
dari
DPS cikapundung - Gandok tahun l95g - 1976. Apabira data 1975 14,0 t2. 1965 12,3

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.

Dengan nilai n : 0,89, dari persamaan (3.101) dan (3.102)

diperoleh :
 162
168
fr = f(n+l)
fr = I- (0,89 + l) = 1(1,89) = 0,958 (baca tabel 3.24). log(X-6.158):0,89[og 2,71828 + log(-log P) - log 0,084]
F,' = 0,918 untuk peluang P = 1,0 YopadaX,so, maka :
f, = I(2n+l)=I(1,89+0,89):f (2,7g)=0,95g +0,g90= 1,849
P= 0,01; log P= -2 dan log (Jog P): log 2
Dari persamaan (3.99) dapat dihitung nilai A : log (X,* - 6,158) :1,547

log A = o, - r)] X,* :4l,4m3ldet/trari

fr [toe tog e2 -rl
-l flog 59,92 - log (1,84g - 0,91g)J
losA- l,7g Dengan demikian berdasarkan data pada tabel 3.25, dengan
menggunakan model matematik persamaan distribusi Goodrich
logA= U,778+0,136l:- 1,075 dapat diperkirakan batrwa debit maksimum rata-rata harian DPS
* Cikapundung - Gandok pada peluang 1,0 o akan dapat diharapkan
atau
terjadi dengan debit: 41,4 m'ldetlhat',.
A: e0g4 Dengan prosedur yang sama pada peluang l0 % dapat diharapkan
Dari persamaan (3.100) dapat dihitung nilai Xo
:
terjadi dengan debit 25,2 mlldetJhari.
:

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 :

sehingga: . perubatran kondisi daerah pengaliran sungai (DPS), misal

dari kondisi hutan menjadi kondisi perkotaan.

164
' perubahan lokasi, peralatan, dan pos pengamatan data
hidrologi.
. perubatran metode pengukuran atau metode perhitungan.
o masalah di Indonesia. Bila sampel yang digunakan
perubahan lainnya yang menyebabkan data yang
dikumpul- kan menjadi lain sifatnya.
Uji homogenitas atau kesamaan jenis dari data hidrologi akan
dibahas pada buku jilid dua.
Data harus merupakan variabel acak bebas, acak artinya
mempunyai peluang yang sama untuk dipilih, bebas artinya data
tidak tergantung waktu, data yang dipilih, kejadiannya tidak
tergantung data yang lainnya dalam suatu populasi yang sama.
Data yang mewakili, berarti dala historis yang digunakan
untuk analisis harus benar-benar mewakili keadaan sebenamya dari
DPS yang diteliti, dan dapat untuk memperkirakan kejadian yang
akan datang. Misalnya harus yakin bahwa tidak akan terjadi
perubahan kondisi DPS akibat ulah manusia, seperti : pembabatan
hutan, perubahan tata guna tanah, bangunan air yang dapat merubah
sifat aliran sungai dan sebagainya.
Data yang digunakan harus lengkap, tidak terdapat periode
kosong agar dapat ditentukan data yang tepat untuk analisis. Data
harus tepat, dan lengkap, data yang tidak homogen harus
disesuaikan datrulu sebelum digunakan untuk analisis. Data yang
kosong harus dilengkapi dulu dan dicek ulang kebenarannya,
sehingga data yang dikumpulkan harus relevan, artinya harus
lengkap dapat memberikan jawaban terhadap permasalatran yang
ada. Misal untuk penyelidikan banjir harus tersedia data debit
puncak banjir yang tepat dan lengkap. Kebenaran data harus dicek
ulang. Kalau perlu data debit banjirnya harus dicek ulang dari
lengkung debitnya. Perpanjang an (eksnapolation) lengkung debit
yang terlalu besar, dan kondisi alur sungai yang selalu berubah akan
menyebabkan berkurangnya ketepatan dan ketelitian dari hasil
analisis distribusi peluang.
Data yang digunakan untuk analisis distribusi peluang harus
106
cukup memadai ketersediaannya. Kecukupan (adcquucy)'
harus memadai
dimaksud- kan bahwa umwnnya pengamatan data
menjadi
untuk analisis. Kecukuilan data hidrologi umumnya masih
untuk analisis
masih terlalu sedikit maka besarnya peluang yang dihalapkan
Tabel
terjadi dari suatu variat tidak dapat diharapkan cukup handal'
,3.i6, menunjukkan lamanya catatan pengamatan (dalam tahun)
yang diperlukan untuk menaksii debit puncak pada derajat
L"p"r"uyu* 95 % diterima. Dari tabel 3.26, dapat ditafsirkan
upuuitu diinginkan kesalahan sebesar lo % saja untuk T.qt:
90
aeUit Uan5ir pada peluang sebesar 0,1 diperlukan data selamd
tahun dan untuk peluang sebesar 0,01 diperlukan data pengamatan
115 tahun runtut waktu. Sebelum digunakan untuk analisis harus
digunakan. Pengujian trend dibatras pada buku
jilid II. Apabila
rekaman data menunjukkan adanya trend maka data itu tidak dapat
digunakan untuk analisis distribusi peluang'
Tabel3.26 Lamanya Catatart Pengamatan dalam tahun yang
dibutuhkan untuk menaksir debit banjir'
Peluang Kesalahan yang daPat diterima
t0% 25%
0,1 90 l8
0,02 ll0 39
0,01 l l5 48
Semakin lama pencatatan data debit banjir maka hasil
analisis peluang akan mempunyai cakupan daeratr kepercayaan
yang semakin kecil, sehingga perkiraan debit banjir yang
diharapkan terjadi akan mempunyai simpangan yang semakin kecil
(semakin confidence) terhadap persamaan distribusi peluangnya.
Tabel 3.27, menunjukkan cakupan batas daerafi kepercayaan dalam
l6(t t87

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

T abel 3 .27 Batas daerah kepercayaan dan lamany a catatan pengamatan.

\
Hinrng MAF
Pcrkiru MAF !6uti Hitung MAF d6g0
No Batas Daerah Keperc ayaan Lama Pencotatan Keterangan dri sqiel rrbun-
kuElrcrittik der.h rlim mctodc POT.
u ta.bil.
(%\ *) 0ahun) dcngm pcrmu rcgroi

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 ?

Sumber: Soewarno, 1993

r) terhadap.garis kurva persamaan distribusinya.

It lid* Pbt lagbng

PqtituMAF B&dingtoFldlu tuhmdbujir
da$rdmdui -
---t> dsiMAF
Berdasarkan data pada tabel3.27, apabila memerlukan debit drdrdimtaddot
yang diharapkan terjadi dengan batas daerah kepercayaan berkisar
I
rl I

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

paluang maka batasnya adalah sekitar 2 kali jangka waktu lamanya lt

YY
Aprbil. mmgkin, blndioStr Hin ng Qf da8l|
pencatatan data. Catatan data yang baru mencakup waktu 25 tatrun hsil pqhinmsrD qf l68tuu frchtsri bJtjil
hanya disarankan digunakan untuk menaksir data yang diharapkan AI
terjadi sampai periode ulang 50 tahun saja, bukan untuk menaksir
data yang diharapkan terjadi pada periode ulang yang lebih besar
Diagram 3.L Pemilihan Metode Anatisis Frekuensi Debit Purcak
lagi. Dengan demikian apabila catatan data yang tersedia masih Banjir sesuai dengan Kelersediaan Data'
terlalu pendek, maka perlu diusahakan untuk memperpanjang
catatan tersebut dan tidak disarankan memperpanjang kurva
persam&m distribusi peluangnya. Salah satu cara membangkitkan Sumbcr : PUSAIR, 1983.
(generating) data debit disajikan pada buku jilid II, untuk Kctcrangan : MAF :
banjir tahunan rata'rata (mean annual/lodl-
mempelpanjang catatan data debit. QT = dcbit yang dapat diharapkan t€dadi pada periode tcrtentu'
POT : jumlah di atas batas ambang Qrcak wer threshald)

Diagram 3.1, menunjukkan pemilihan metode analisis

frekuensi debit puncak banjir sesuai dengan kecukupan data. Dari
l6tt
189

diagraun tersebut, terlihat bahwa analisis iistribusi peluang banjir
dilakukan bila datanya minimal l0 tahun. Untuk r0 tahun data
hanya disarankan menghitung debit banjir sampai periode ulang 20
tahun saja.
Untuk analisis debit banjir di
Indonesia hendaknya satu
tahun data tidak disamakan dengan satu tahun kalender mulai pukul
0.00 tanggal I Januari sampai dengan pukul 24.00 tanggal 3l
Desember tahun yang bersangkutan akan tetapi disarankan mulai
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
debit minimum hendaknya satu tahun data disamakan dengan satu
tahun kalender, karena umunnya musim kering di Indonesia
berlangsung mulai bulan April sampai Oktober setiap tahunnya.
Untuk analisis distribusi peluang maka data yang digunakan
harus bersifat bebas (independent) satu dengan yang lainnya. Debit
puncak banjir bulan Januari mungkin masih berhubungan dengan
data debit puncak banjir bulan Desember tahun sebelumnya, oleh
karena itu untuk keperluan analisis distribusi peluang tidak
berdasarkan data dari data tahun kalender akan tetapi tahun air
(water year). Tahun air tergantung dari musim dan regim aliran.
Data seri durasi parsial diambil dari seluruh debit puncak
banjir yang lebih besar dari pada batas ambang debit, oleh karena
itu sering disebut dengzin "Puncak diatas batas ambang" Qteal<s over
a threshold series : POT).Oleh karena itu data debit puncak banjir
yang digunakan lebih banyak dibanding dengan data seri
maksimum tahunan, akan tetapi anggapan datanya bersifat bebas
mungkin kurang terpenuhi. Aplikasi metode POT akan di bahas
pada Bab IV.
3.4.2. Pefiodc lllang
Salah satu tujuan dalam analisis data hidrologi adalah
menentukan periode ulang (return period atau recuruence interval)
daripada suatu kejadian hidrologi. Contoh menetapkan besarnya
curah hujan atau debit banjir dengan besaran tertentu (X) dengan
periode ulang tertentu telah disajikan pada sub bab 3.3. Rumus
(3.24), merupakan persamuurn yang telah lazim digunakan untuk
menentukan periode ulang.
Tabel 3.28, menunjukkan hubungan antara periode ulang
dengan data seri maksimum tahunan dan data seri durasi parsial.

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
Perbedaan antara durasi parsial dan.tahunan berkisar antara 5
sampai l0 %. Periode ulang untuk data seri durasi parsial umwnnya
kurang lebih 0,50 tahun lebih cepat dibanding dengan data seri
maksimum tahunannya, misal 10,00 dan 10,50.
I t7t
Dari tabel 3.29, dapat ditafsirkan bertrwa dcngan
mengharapkan umur proyek 50 tatrun, apabila dirancang dengan
periode ulang 37 tahun maka akan mempunyai resiko kehancurzur
sebesar 75 %. Penetapan besarnya resiko dari suatu proyek tidaklah

Dalam analisis distribusi peluang untuk menentukan suatu
variat dengan nilai tertentu yang dapat diharapkan terjadi dari suatu
penomena hidrologi pada periode ulang tertentu, sudah pasti
mengandung suatu resiko kehancuran atau kegagalan (risk of
failure), atau kemungkinan nilai dari variat tersebut terjadi sekali
atau lebih selama umur proyek (life time). Secara umum besamya
resiko tersebut dapat dihitung dengan menggunakan persamaan
sebagai berikut :
mpdah, karena harus memerlukan pertimbangan banyak faktor
tSknis ataupun non teknis yang cukup rumit. Bila suatu proyek
dirancang dengan nilai periode ulang yang cukup besar mungkin
design yang dibuat tidak ekonomis lagi, apalagi kalau data yang
digunakan untuk analisis distribusi peluang tidak memenuhi syarat
minimal seperti telah dtsqbut pada sub bab 3.4.1.

RS:,-{r-(+)}' (3. l 0s) 3.4.3. Penggambatan Kutaa llistribusl Pchlolng

Keterangan: 3.4.3.1. Kertas GraJik Peluang

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.

0,99 l,0l 2,7 6 ll )) Perpanjangan kurva persamiuul distribusi peluang hanya

 172 I 173

disarankan sampai dengan perkiraan nilai variat X yang diharapkan :

S deviasi standar variat X dari sampel.
terjadi hanya sampai dengan dua kali lamanya tahun pengamatan.
k: faktor frekwensi, ditentukan dari tiap persamaan
Umumnya perpanjangan kurva tersebut dapat cenderung unfuk distribusi p€luang.
salatr.

Beberapa kertas grafik peluang yang digunakan antara lain :

Persamaan (3.106), dikenal sebagai "Persamaan Umum untuk
Analisis Frekwensi Hidrologi" (general equation for hydrologic
1). sumbu X (atau Y) = milimeter fr"qu"r"y analysis).
sumbu Y (atau X) : peluang normal
misal : distribusi'normal 3.4.3.2. Penggambaran Posisi Data
distribusi pearson tipe III
Apabila kertas grafik peluang telatr dipilih sesuai dengan
2). sumbu X (atau Y): logaritmik persamaan distribusi peluang yang digunakan, maka langkatr
sumbu.Y (atau X): peluang normal selanjutnya adalah menggambarkan setiap data hubungan antara
misal : distribusi log normal nilai P(X) atau T(X) dengan nilai variatnya X yang umum dikenal
distribusi log pearson sebagai penggambaran posisi Qtlotting positions).

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

3.4.4. Pcnentuan Kutata Pctsamann

Apabila tidak tersedia kertas grafik peluang maka persamaan IDfutribssl Pclueng
garisnya dapat ditulis sebagai telah dijelaskan pada sub bab 3.3,
yaitu dengan model matematik Setelah semua data digambarkan pada kertas grafik peluang,
:
maka bentuk kurvanya dapat ditentukan dengan cara menarik garis
X:X+k.S (3.106) kurva (curve /itting), ymg dapat dilakukan dengan metode :
keterangan : . grafis
. matematis atau
X : nilai variat X yang dapat diharapkan terjadi pada . gabungan grafis - matematis.
tingkat peluang atau periode ulang tertentu.

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
dilaksanakan secara cepat. Akan tetapi umunnya setiap orang akan
menghasilkan kurva frekwensi yang berbeda, dan tidak melibatkan
parameter statistik yang digunakan (dua atau tiga parameter),
walaupun semua data historis dipertimbangkan. Faktor subjektivitas
seseorang sangat menentukan, pengalaman seseorang menentukan
kebenaran dari kurva yang dibuat.
Dengan metode matematis, untuk data yang sama akan
menghasilkan satu jawaban yang sarna, dan dapat dikerjakan
dengan program komputer. Dapat dipilih persamaum distribusi
peluang yang lebih tepat, dengan menggunakan parameter dtatistik
dari sampel data.
Metode grafis - matematis dianjurkan bila dimungkinkan
dalam satu seri data terdapat perubahan arah kurva. Secara kasar
aratr perubahan kurva ditentukan secara grafis, untuk kemudian data
dikelompokan sesuai dengan arah setiap kurva yang selanjutnya
setiap bagian kurva ditentukan persamaannya secara matematis.
Penentuan garis kurva secara matematis dapat dilakukan
dengan metode : .
. momen (moment)
. kuadrat terkecil (least - squares)
. duga maksimum (maximum likelihood)
Dengan metode momen, parameter statistik atau mornen dihitung
dari data sampel dan kemudian didistribusikan dalam fungsi
peluang dari suatu distribusi. Dengan metode kuadrat terkecil,
persamiuul model matematik dari garis regresi dihitung untuk
menarik garis kurvanya. Garis kurva yang diperoleh mungkin tidak
persis sama dengan distribusi teorinya, akan tetapi cara ini
umumnya lebih baik jika dibanding dengan metode momen.
Walaupun demikian metode kuadrat terkecil tidak selalu dapat
digunakan karena kurva persam&m distribusi peluang tidak selalu
merupakan garis lurus (misal distribusi Pearson Tipe III).
Penggunaan metode duga maksimum umumnya lebih teliti,
lTtt
akan tetapi' penyelesaiannya sangat rumit, sehingga untuk pckcr.iaan
praktis jarang sekali digunakan.
Rangkaian data hidrologi, yang merupakan variabel
kontinyu dapat digambarkan dalam suatu persam&m distribusi
peluang, baik data tersebut merupakan data tahunan ataupun data
ekstrem. Model matematik distribusi peluang yang umum
digunakan adalah :
. Data tahunan:
. Distribusi normal
. Distribusi Pearson Tipe III
. Distribusi Log Normal
. Data El<strem maksimum:
r Distribusi Gumbel Tipe I
' Distribusi Log Normal
' Distribusi Log-Pearson Tipe III
. Distribusi Frechet
Distribusi Goodrich
. Data Ekstrem Minimum:
: Distribusi Log - Pearson Tipe III
. Distribusi Gumbel Tipe III
Contoh perhitungan untuk setiap distribusi paluang telah
disampaikan pada sub bab 3.3. Walaupun demikian tidak dapat
dilakukan. pembatasan yang tegas penggun.uul setiap jenis
persamarm distribusi peluang, misal banyak penelitian banjir juga
menerapkan persam&m distribusi peluang Pearson tipe III atau
normal. Beberapa penelitian, menunjukkan bahwa tidak ada alasan
untuk mengharapkan bahwa suatu distribusi tunggal akan berlaht
untuk semuo data dari suotu variabel hidrologi suatu DPS.
Umumnya, di Indonesia banyak dilakukan analisis distribusi
peluang dari data hujan ataupun data debit menggunakan distribusi
Gumbel. Penggunaan distribusi Gumbel untuk sementara ini
 776
nampaknya masih merupakan "keharusan", atau dengan kata lain
"salah kaprah", tanpa melakukan pengujian dahulu terhadap
persamaim yang diperoleh ataupun membandingkan dengan
persamaan distribusi lainnya. Soewarno (tgg3), dalam
penelitiannya terhadap distribusi debit puncak banjir pos duga air
sungai menyimpulkan bahwa distribusi Log-pearson tipe III lebih
cocok dibanding dengan distribusi Gumbel, Normal dan Frechet.
wanny.A (1991), dalam penelitiannya terhadap data banjir
maksimum dari lokasi pos duga air di p.Jawa, menunjukan bahwa
untuk DPS yang luasnya kurang dari 250 km2, sampel datanya
cenderung mengikuti distribusi peorson tipe III, dan untuk DpS
yang luasnya lebih dari 250 km2 cendemng menglkuti distribusi
Log-Normal, dibanding dengan distribusi normal dan Gumbel.
soewarno (1993), juga menunjukkan bahwa dari seri data debit
banjir terbesar, apabila diperoleh nilai :
' debit maksimum terbesar dibagi dengan mediannya lebih
dari 3,0.
' deviasi standar dibagi dengan rata-ratarrya (koefisien
variasi, Cn lebih besar 50 %.
maka data tersebut cenderung tidak mengikuti salah satu distribusi :
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
distribusi peluang dari data seri variabel hidrologi adalah :
(l). lakukan pengujian terhadap konsistensi dan kesamaan
jenis (homogenitas) data (lihat gambar 1.3), serta
lakukan pengujian ada tidaknya trend (lihat jilid II).
(2). apabila telah yakin bahwa data tersebut memang benar,
kemudian hitung parameter statistik, nilai :
. rata-rata, deviasi standar, koefisien variasi, koefisien
kemencengan, koefisien kurtosis, median (lihat Bab II).
(3). berdasarkan data pada butir (2), perkirakan distribusi
peluang yang akan digunakan untuk analisis
177
(4). urutkan data dari besar ke kecil atau sebaliknya
(5). hitung nilai peluang dan periode ulang setiap variat
(misal persamaan 3.22a - 3.22b).
(6). gambarkan nilai peluang atau periode ulang setiap
variat dengan nilai variatnya pada kertas peluang yang
sesuai dengan model matematik persarhaan distribusi
peluang yang digunakan
(7). tentukan persamaan garis kurvanya (contoh perhitungan
pada sub bab 3.3)
(8). tentukan batas daerah kepercayaan setiap periode ulang
. sesuai dengan persamaan distribusi yang digunakan
(akan disjikan pada sub bab 3.4.5)
(9). uji kecocokan (test of Goodness of -fit) dari setiap
persamiuul distribusi yang digunakan (akan disajikan
pada sub bab 3.4.6)
(10).tentukan persamium distribusi peluang yang paling
sesuai (akan disajikan pada sub bab 3.4.7)
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)
akan diuraikan pada sub bab 3.4.5 - 3.4.7 beikut ini.
3.4.5. B,artas Daqah Kcpetcayla,an Pefiodo lllang
Pada sub bab 3.3, telah diberikan contoh perhitungan
perkiraan suatu nilai variat X, variabel hidrologi yang dapat
diharapkan terjadi pada peluang atau periode ulang tertentu, dengan
menggunakan persamrum distribusi peluang. Salah satu yang harus
digaris bawahi bahwa perkiraan nilai X akan dapat berbeda-beda
tergantung dari sampel data yang digunakan. Nilai variat perkiraan
pada periode ulang tertentu yang dihitung berdasarkan data tahun
1950-1990 akan berbeda dengan yang dihitung dari tahun
1930-1970, walaupun sampel data sama jumlahnya. Oleh karena
diperlukan suatu nilai yang menunjukkan batas ketidak-pastian
(mar g i n of u nc e rfa i nty).
178 I l7$

Ketidak-pastian dapat disebabkan oleh karena ukuran sampel / *2\)

terlalu kecil atau oleh karena salah memilih distribusi peluang. Nilai
6=ll+fl"
" \''2) (3.10e)

kesalahan standar dari perkiraan (standard error of estimate) dapat

digunakan untuk menentukan batas ketidak pastian itu. Nilai 'i1('
. : r-[' (3.1r0)
kesalahan standar dari perkiraan (SE), merupakan ukuran variasi keterangan:
rata-rata sampel Isekitar rata-rata populasi p. Nilai kesalahan
:
standar dari perkiraan untuk periode ulang tertentu (SET) dapat SET kesalahan standar dari perkiraan.
ditentukan dengan metode momen atau dengan metode duga 6 : parameter dapat dilihat dari tabel 3.30.
maksimum. Pada bab ini akan disajikan perhitungan nilai SET t : variat standar normal.
o : :
deviasi standar populasi deviasi standar sampel (S).
dengan metode momen. Batas nilai SET terhadap nilai rata-ratanya
disebut dengan batas daerah kepercayaan (confidence limit, tl : rata-ratapopulasi : rata-ratasampel (X).
confidence interval) selanjutnya ditulis (BDK). Dengan demikian x : variabel acak kontinyu.
N : jumlah data.
batas daerah kepercayaan periode ulang merupakan daerah densitas
peluang pada kedua sisi kurva persamium distribusi teoritis suatu
data peluang.kumulatip tertentu. Umumnya dapat ditulis sebagai
berikut :
Tabel3.30 Parameter untuk perhitungan SET Distribusi Normal
XT - a (SET) s XT s XT + cr (SET) (3.107)
Peluang kumulatip Periode Ulang 5
keierangan : (%) (tahun)

XT : nilai variat X yang dapat diharapkan terjadi pada 50 2 1,0000

periode ulang tertentu. 80 5 1,1638

o : tingkat kepercayaan (umumnya diambil 95 yo, artinya 90 l0 1,3497

bahwa 95 Yoperkiraan diterima dan 5 % ditolak). 95 20 1,5340
SET : kesalahan standar dari perkiraan untuk periode ulang 98 50 1,7634
tertentu. 99 100 1,9249
Berikut ini disajikan contoh-contoh perhitungan SET, untuk
beberapa persam&rn distribusi peluang.

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)

Dari data tersebut dapat dihitung :

u= (, .*)r (3.1t2)
SET:6 F
{N 1: lnx-lrn
on
(3.1 l3)

untuk x2, sET: l,ooo :6,245

W keterangan:
){2* 1,96 (SET): Xz * 12,240 log SET kesalahan standar dari perkiraaan
on deviasi standar sampel ln x atau log x
untuk X5, SET = 1,1638 x6,245:7,267 pn rata-rata sampel ln x atau log x
X5 t 1,96 (SET): X5 r 14,243 x variabel acak kontinyu
6 parameter (lihat tabel 3.32)
Hasil perhitungan selengkapnya tercantum pada tabel 3.31. t variat standar normal

Tabel 3.32 Parameter untuk perhitungan SET Distribusi Log

Tabel3.3l volume Tahunan debit yang dapat diharapkan terjadi Normal Dua Parameter.
dari sungai Cikapundung - Gandok.
Peluang Kumulatip Periode Ulang 6
No. Periode Ulang Volume q. (SEI) BDK (%,) (tahun)
(tohun) (1uta mr) UuM mr) Quta mt)
50 2 ,0000
I 80 5 ,r638
2 92,16 12,140 79,92 - 104
90 l0 ,3495
2 5 I 13,95 14,243 99,68 - t28 95 20 ,5339
3 l0 t25,37 16,9 I g 108,00 - 142 98 50 ,7632
99 100 .9251
4 20 134,7t 18,757 I16,00 - 153
5 50 r 45,35 21,576 124,00 - 167
Contoh 3.t6.
Sumber : perhitungan data tabel 3.6. contoh 3.6
: Dari contoh 3.13a, telah dihitung debit puncak banjir terbesar DpS
BDK batas daerah keperca.r,aan :95 o/oditerima.
Cigulung - Maribaya. LJntuk periode ulang 2; 5; l0; 20 dan 50
182 188

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)

Jawab Contoh 3.16. z I 2 26,58 23,01 -30,67

2 5 37,35 31,57 - 44,16
Dari contoh3.lz,diperoleh nilai :
3 l0 u,6l 36,67 - 54,15
X : 28,40 i"gl< = 1,4247 4 20 5 1,66 . 41,39 - 64,44
S : 11,69 Slogx :0,1754 5 50 60,94 47,20 - 79,34
CV : 0,4116 N =30
Sumber : Perhitungan data tabel 3.21.

Berdasarkan rumus (3.1I l)

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)

Dari nilai 6 dalam tabel3.32, dan 95 Yo derajatkepercayaan nilai

:1,96, maka :
cr o={l*it}i (3.1l5)

. untuk Xz t-:_ log(x-P)-pn (3.1l6)

on
cr log SET :(1,96X1,000)(0,0320) = 1og26,58 *.0,0627 = t,424 * 0,062
23,01 <26,59 < 30,67 keterangan :

. untuk Xs on : deviasi standar populasi log (x - B)

:
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

d' birtribttsl Peatson Tlge III dan S :26,07

bg Pcatson tigc III CS : 0,47
Pentntuan batas daerah kepercayaan untuk distribusi N :19
-
Pearson Tip. III, adalah : Berdasarkan persamaan (3.117) :

sET= t {$}* (3'rr7) SEr: r {s}'

keterangan ;
SEr: u {tzo,9zl'}i
SET : kesalatran standar dari perkiraan
"[ re J
o = deviasi standar populasi atau sampel
N SET:6 . (5,98)
= jumlatr p"ngu*"t*
Untuk log F.urron tipe Tabel 3.34 Parameter untuk Perhitungan'SET Distribusi
III : Pearson Tipe III dan Log Pearson tipe III.

loe I
Npr: sfd.)
\N/ Peluong Kumulatip (%)
50 80 90 95 98 99
Keterangan. CS
T (tahun)

log \pt: 2 5 l0 20 50 100

kesalahan standar dari perkiraan
6 = parameter (lihat tabel 3.34) 0,0 ,,0801 ,1698 1,3749 1,6845 2,1988 2,6363
on = deviasi standar log X
0,1 ,0808 ,2000 1,4367 1,7810 2,3425 2,8169
0,2 ,0830 ,2309 1,4989 1,8815 2,4986 3,0175
N = jumlatr sampel 0,3 ,0868 ,2609 1,5610 1,9852 2,6656 3,2365
0,4 ,0918 ,2905.1,6227 2,0952 2,8423 3,4724
0,5 ,0997 ,3199 1,6839 2,1998 3,027',1 3,7239
0,6 ,1073 ,3492 1,7441 2,3094 3,2209 3,9895
0,7 ,l17g ,3785 1,8032 2,4198 3,4208 4,2694
Tentukan bqtas 0,8 ,1304 ,4082 l,g609 2,5363 3,6266 4,5595
daeratr kepercayaan hasil perhitungan volume debit 0,9 ,1449 ,4385 l,gl',lo 2,6403 3,8374 4,g6lg
:9"Y Ya\g dapat diharapkan terjadi dari DpS Cikapundung- 1,0 ,1614 ,4699 1,9714 2,7492 4,0572 5,1741
Y*'?uIl' Psda derajat kepercayaan 95 Yo diteima, yang datarrya l,l ,l7gg ,5030 2,0240 2,8564 4,2696 5,4952
ditunjukkan pada tabel 1,2 ,2003 ,5382 2,0747 2,9613 4,4896 5,8240
3.17, contoh 3.9. )))? 3,0631 4,',1100 6,1592
1,3 ,5764 2,1237
1,4 ,2457 ,6181 2,l7ll 3,1615 4,9301 6,4992
1,5 ,2701 ,6643 2,2173 3,2557 5,1486 6,8427
t,6 ,2952 ,7175 2,2627 3,3455 5,3644 7,l8g l
t,1 ,3204 ,7732 2,3081 3,4303 5,5761 7,5339
Dari contoh J.9, diperoleh r,8 ,3452 ,8374 2,3541 3,5100 5,7829 7,9793
:
,9091 2,4018 3,5844 5,9829 g,2196
x \ g7,75
1,9
2,0
,3090
,3913 .9888 2.4525 3,6536 6,1755 8,5562
186 r87

Dengan CS:0,47, dari tabel (3.34), maka: c. DfutriDusl Gumbeltfun I

. untuk Xr, dengan derajat kepercayaan 95 yo, : 1,96 Kesalahan standar dari perkiraan dihitung dengan
persamturn berikut :
& + (1,96)(1,0966X5,98)
x2 * 12,95
SET = (3.1l8)
. untuk X5, '(s)+
keterangan :

x5 + (1,96)(1,3 167)(5,99) SET : kesalatran standar dari perkiraan

X, + 15,43 o : deviasi standar
11 : jumlah data
6 : parameter (lihat tabel 3.36)
Hasil perhituqgan_selengkapnya tercantum pada tabel 3.35.

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:

I. 2 85, 7A 12,85 72,9 - 98,6

*.:286,20 m3/det
2. 5 108 14,43 93,6- 123 S = 55,56 m'/det
3. lo 122 19,72 103 - l4l N:30
4. 20 137 25,78 ttz - 162 Berdasarkan persamaan (3.1l8) :

5. 50 148 35, l6 ll3 - 183

l16 t
6. 100 158 42,t9 -200
SEr: r (s)
Sumber : perhitungan data tabel 3. I 7.
BDK = batas daerah kepercayaan SEr='{qP}*
SET=6.(10,14)
 188
I89
'I'abel 3.36
Parameter untuk perhitungan sET distribusi
Gumbel ripe I. Tabel 3,37 Debit Puncak Banjir Sungai Citarum-Nanjung yang
diharapkan terjadi pada derajat kepercayaan 95 %.
Peluang Kumulatip (%)

Yo. Periode Ulang Volume a (SE7) BDK

T (tahun) (tahun) Quta m3) $uta m3) Qutam3)

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

sEr=r{s}* (3.r 1e)

Dengan N = 3O,dari tabel (3.36), maka keterangan:'

:

. 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.

Peluang Kumulatip (o%)

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

l.14) 0,6 t567 0,9392 0,9414 1,1287 1,4905 1,7623

0,7 , .605 0,8943 0,8981 I,l0l4 1,4601 1,7262
SET: 6 . 0,331 0,8 636 0,9500 0,9646 t,0895 1,4583 1,7074
0,9 t657 0,8072 0,8422 I,0914 1,4630 [,7006
1,0 0,7669 0,g3lg I,1064 t,4788
Dari tabel 3.38, pada derajat kepercayaan 95 yo, : 1,96 dan CS : l,l "671
678 0,7303 0,9316 t,1338 I,5049
1,7047
t,7180
0,687 : 1,2 68t 0,6988 0,8507 l,l719 1,5394 1,7413

. 1,3 680 0,6739 0,8792 1,2196 1,58 l5 .,7715

unfuk X2, 1,4 676 0,6569 0,glg6 1,2745 1,6291 ,8075
x2 r (1,96)(1,1600)(0,33 l) 1,5 669 0,6499 0,9673 i,3354 t,6816 ,8488
x2*.0,753 m3/det
1,6 658 0,6494 1,0218 ,,3987 1,7355 ,8921
1,7 643 0,6595 1,0907 ,4638 1,7908 ,9376
. unttrk X5, 1,8 622 0,6742 1,1400 ,5274 1,8446 ,9823
1,9 596 0,6940 1,1987 ,5877 .,8952 '.,0247
x5 + (1,96)(0,9913x0,33 l) 2,0 564 0,7148 1,2523 .6421 .9405 ',,0623
Xj + 0,579 m3/det

g. Itirtribusi Dtcchet
Kesalahan standar dari perkiraan untuk distribusi Frechet
dapat dihitung dengan persam&m :
 t92
193

log SEr =u 'E

,', ' (3.120)
log SET :1,6772 ( 0,0320 )
{tt log SET:0,0536
:
Xs 35,74 (lihat contoh 3.11)
sehingga batas daerah kepercayaannya adalah :
log X, + cr . log SET
log XT * (log SET) . cr (3.121) log 1,553 * (1,96)(0,0536)
6: parameter dari tabel 3.36. (Gumbel tipe I) log 1,553 * 0,105

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:

. S log X= 0,1754 Tabel 3.39 Perkiraan Debit Maksimum DPS Cigulung-Maribaya,

. N:30 dengan Derajat Kepercayaan 95 %.

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.

tog SEr - a{rs

ret ,' 1*
[NJ
'1. rzs+)'}
SET: u{(0, +
log 3.4.6. Afi Kccocohan
30 J
Untuk menentukan kecocokan (the goodness of fit test)
log SET:6.( 0,0320)
distribusi frekuensi dari sampel data terhadap fungsi distribusi
peluang yang diperkirakan dapat menggambarkan/mewakili
. distribusi frekuensi tersebut diperlukan pengujian parameter.
untuk Xr, dari tabel3.32:
Pengujian parameter yang akan disajikan dalam sub bab ini adalah :
I lr,l
ll)tr
I). chi-kuadrat (chi - square), 2). kelompokan data menjadi ('i sub-grotrp, tiap-tiap sttlr
2). Smirnov - Kolmogorov.
group minimal 4 data pengamatan;

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

3.4.6.1 Uji Chi-K.uadrat jumlah seluruh ,G sub group n,,6

(oi: Ei)2 untuk
6).
Ei
Uji
chi-kuadrat dimaksudkan untuk menentukan apakah menentukan nilai chi- kuadrat hitung.
persamaan distribusi peluang yang telah
dipilih dapat mewakili dari 7). tentukanderajatkebebasandk: G - R - I (nilai R:2,
distribusi statistik sampel data yang dianalisis. Pengambilan untuk distribusi normal dan binomial, dan nilai R: 1,
keputusan uji ini menggunakan parameter 1r, oleh karena itu untuk distribusi Poisson).
disebut dengan uji Chi-Kuadrat. Parameter X, dapat dihitung
dengan mmus :
Interpretasi hasilnya adalah :
^.,-S(oi-Ei)2
lvh u (3.t22)
i=l r,i
l). apabila peluang lebih dari 5 yo, maka persamaan
keterangan : distribusi teoritis yang digunakan dapat diterima;
2). apabila peluang lebih kecil I o/o, maka persamaan
Xn' : parameter chi-kuadrat terhitung
distribusi teoritis yang digunakan tidak dapat diterima;
G : jumlah sub - kelompok
3). apabila peluang berada diantara I - 5 % adalah tidak
Oi : jumlah nilai pengamatan pada sub kelompok ke i
mungkin mengambil keputusan, misal perlu tambah
Ei : jumlah nilai teoritis pada sub kelompok ke i
data.

Parameter xn2 merupakan variabel acak. peluang untuk mencapai

nilai xn2 sama atau lebih besar dari pada nilai chi-kuadrat yang Contoh 3.21.
sebenarnya (y2) dapat dilihat pada tabel III-7, pada bagian akhir
Dari pengamatan volume total debit tahunan dari DPS Cikapundung
buku ini.
di pos duga air Gandok, tclah diperoleh data dari tahun 1958-1980,
Prosedur uji Chi-Kuadrat adalah : seperti ditunjukkan pada tabel 3.4. (lihat contoh 3.6). Pada derajat
kepercayaan 95 oh diterima, lakukan uji hipotesis bahwa data pada
1). urutkan data pengamatan (dari besar ke kecil atau tabel 3.4. mengikuti distribusi normal, dengan menggunakan
sebaliknya);
Uji-Chi kuadrat.
l9(i
M7
Jawob Contoh 3.21. :

Berdasarkan data tabel'3.4, contoh 3.6, maka dapat disusun nilai

peluang perhitungan (exp e r ime nt al pr ob ab il ity), seperti ditunj ukkan
pada tabel 3.5. Peluang perhitungan dihitung berdasarkan rumus
3.22.a. Berdasarkan data tabel 3.5, maka dapat digambarkan setiap
nilai volume debit tahunan dengan nilai peluangnya atau periode
ulangnya seperti ditunjukkan pada gambar 3.6.

Dari contoh 3.5, telah diperoleh persamaan garis lurus distribusi

normal:
X:92,16 + 25,95 k

Persamaan tersebut dibuat kurva garis lurusnya seperti ditunjukkan

pada gambar 3.6.

Dari gambar 3.6, untuk maksud pengujian maka dapat

dibuat sub kelompok, setiap sub kelompok minimal terdapat 5 buah
data pengamatan. Apabila nilai peluang dari batas setiap sub
kelompok peluang (P) = 0,25, maka variabel dari data pengamatan
akan terletak sebagai berikut :

Subkelompokl X< 74,77 s

Subkelompok2 74,77 <X< 92,16 {9
(,
2
J
Subkelompok3 92,16 <X <109,54 2 3

Sub kelompok 4 109,54 > X

l
J
lrl
Ll
o
IG
G Ll
A
Selanjutnya dapat disusun perhitungan seperti ditunjukkan pada
I
tabel 3.40.
Tabel 3.40 Perhitungan Uji Chi - Kuadrat.
I
a ruu tzo lrto tGO

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.

3.4.6.2. Uji Smirnov - Kolmogorov N c[

0,20 0,10 0,05 0,01
Uji kecocokan Smirnov-Kolmogorov, sering juga disebut
5 0,45 0,51 0,56 0,67
uji kecocokan non parametrik (non parametric test), karena l0 0,3? 0,3'l 0,41 0,49
pengujiannya tidak menggunakan fungsi distribusi tertentu. l5 0,27 0,30 0,34 0,40
Prosedurnya adalah sebagai berikut :
20 0,23 0,26 0,29 0,36
25 0,21 0,24 0,27 0,32
30 0,19 0,22 0,24 0,29
l)" urutkan data (dari besar ke kecil atau sebaliknya) dan 35 0,18 0,20 0,23 0,27
tentukan besarnya peluang dari masing-masing data 40 0,17 0,19 0,21 0,25
tersebut ; 45 0,16 0,18 0,20 0,24
50 0,15 0,t7 0.19 0.23
xr P(X,)
x2 P(Xr)
N>50 f,* sj ffi ffi
x. PQq) Sumbcr : Bonnicr, 1980.

xn P(&) Catatan : Ct = derqiat kepercayaan.

200 I 20t
Contoh 3.22. Tabel 3.44. Peluang Debit Minimum
'l'entukan persamaan distribusi normal untuk data debit minimum
sesaat S.Cikapundung-Gandok tahun 1965-1984. Lakukan uji Periode Ulang P(x >) P(x <) Periode Ulang
kecocokan persaminnnya dengan uji : (x >) (x <)
. Smimov-Kolmogorov 100 0,01 0,99 1,01
. Chi - Kuadrat 20 0,05 0,95 l,05
t0 0,l0 0,90 l,l I
Tabel 3.43, menunjukkan datanya. ),JJ 0,30 0,70 1,43
Jawab Contoh 3.22. z
2,00 0,50 0,50 2,00
1,43 0,70 0,30 J,JJ
Berdasarkan data tabel 3.43, diperoleh parameter statistik :
l,1l 0,90 0, l0 l0
X :0,266 m3/det l I,05 0,95 0,05 20
S : a)76 m'/det t,
l,01 0,99 0,01 100
Dengan demikian persamaannya adalah : Sumber : Bonnier, 1980.
t!
X: il Periode ulang untuk perhitungan debit minimurn tidak
0,176. k + 0,266 m'/det
!l menyatakan suatu nilai sama atau lebih dari besaran tertentu, akan
Tabel 3.43 Debit Minimum S.Cikapundung - Gandok
tetapi menyatakan suatu nilai sama atau kurang dari besaran
No. Tahun Debit tertentu. Oleh karena itu apabila :
(m3/detl

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 :

X : debit minimum pengamatan (m3/det).

X : debit minimum rata-rata (mr/det). Misal untukX: 0,59
t - variabel reduksi Gauss (lihat tabel 3.3).
P'(x) : peluang dari k'(lihat tabel III-1, bagian akhir buku
ini, wilayah luas dibawah kurva normal);
.\,,_JF
_
ru..r -0,2660r 59

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.

X m P(y)=a/(n+ l P(x<) (r): (x-Dh P:ql' P'(x<) D fltt UntukX:0.26

)
3 1-hilail-kol I 6

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

Afi Chl - Kuadrat

Pada penggunaan Uji Smirnov-Kolmogorov, meskipun
menggunakan perhitungan matematis namun kesimpulan hanya
berdasarkan bagian tertentu (sebuah variat) yang mempunyai
(NnHVl ) Ot{V.ln EOOlS3d -l+ penyimpangan terbesar, sedangkan uji
Chi-Kuadrat menguji
penyimpangan distribusi data pengarhatan dengan mengukur secara
matematis kedekatan antara data pengamatan dan seluruh bagian
garis persamaan distribusi teoritisnya (garis lurus ataupun garis
I .ta lengkungnya, dengan demikian lebih teliti dibanding Uji Smirnov -
\o Kolmogorov).
,/ I o
\s

I Berdasarkan gambar 3.7 lakukan pembagian data

pengamatan menjadi 5 sub-bagian, interval peluang P : 0,20.
bo

Besarnya peluang untuk tiap sub-group adalah :

\$'
/ -!
U Subgroup I P 50,20
Subgroup2
r Subgroup3
P<0,40
P<0,60
\
7 Subgroup4 P<0,80
8: € .o Subgroup5 P>0,80
; a
q)

r' t E

oo
6|= .a Berdasarkan persamaan garis lurus
.D \ :

/ 0 a X:0,176k+ 0,266 , maka

= N
9. =
F
6
-i
Untuk P :l -0,20:0,80

'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

X :0,176 x (-0,84) + 0,266:0,1l8 m'/det

Sehingga :

Sub Group I x kurang dari 0,1l8 m3lda

 206
207
Sub Group 2 0,118 x < 0,222 m3/det
Dengan demikian debit minimum S.Cikapundung - Gandok kurang
Sub Group 3 0,222 x<0,310 m3/det
dari 0,1 l8 m3/det, mempunyai periode ulang 5 tahunan.
Sub Group 4 0,310 x<0,413 m3/det
Sub Group 5 x > 0,413 m3/det X,o = 0,176 x (-1,28) + 0,266 : 0,0407 m3/det.
Tabel 3 .46 menunj ukkan perhitungan uj i Chi-kuad ratny a (y2). Debit minimum S.Cikapundung - Gandok kurang dari 0,0407
m3/det mempunyai periode ulang l0 tahun.

T abel 3 .46 uj i chi-Kuadrat Debit Minimum s.cikapundung-Gandok

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

ulang 50 dan 100 tahun dibanding dengan harga penaksiran dari

ketiga tipe persam&m distribusi lainnya. Distribusi Frechet
memberikan penaksiran debit banjir yang lebih kecil untuk periode
ulang 5 tatrun dan lebih besar untuk periode ulang 50 dan 100 tatrun
dibanding dengan nilai taksiran dari harga ketiga tipe persamaan a;
o
!
distribusi lainnya. a\
Tabel 3.47, menunjukkan hasil uji kecocokan antara !F
distribusi data peluang frekuensi aliran maksimum dengan a
tlo
persamiuill distribusi yang diharapkan cocok untuk analisis debit l.!a ?1.
banjir maksimum. Nilai X2 ht, S.Cianten-Kracak, S.Bogowonto- ---- Irlo ti.
t -....... i. tO tt.
Bener, S.Cigulung-Maribaya mempunyai nilai peluang lebih dari
0,05, oleh karena itu dari ke empat tipe persamaan distribusi yang
diusulkan sesuai untuk ke. tiga lokasi tersebut. Untuk S.Serayu-
Garung nilainya kurang dari 0,05, dengan demikian dari ke empat
tipe persamaan distribusi yang diusulkan tidak ada yang cocok,
lokasi ini mempunyai data perbandingan maldmd lebih besar 3,0 Gambar 3.8A. Tersedianya Data Debit Banjir S. Cianten - Krscak.

dan koefisien variasi CV : sdD< lebih besar 50 o/o maka perlu

penelitian lebih lanjut, mungkin memerlukan persyaratan khusus
dalam analisis distribusi peluang'

Tabel 3.47 Nilai Chi-Kuadrat perhitungan.

Distribusi S.Cianten - S.Selayu - S.Bogowonto- S.Cigulung -
Kracak Garung Bener Maribaya
Normal
3,20s I I,166 5,141 5,66s
x,'hit j
P 0,190 0,005 0,080 0,061 a
!
Gumbel i
0,965 6,670 (1,71 l) 4,666
!F
x,'hit a
P 0,940 0,032 0,470 0,1 l0 Il
o tr lC li.
LPS III X3 D ?t.
ls lO llr.
)
(0,101) 4,717 2,285 (0,660)
t
x,'hit
P 0,320 0,030 0,820 0,450

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

l'ahcl III - I Wilayah Luas Dibawah Kurva Normal

-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

(..t 1/a Ao Bo CS l/d Ao Bo Periode Ulang (tahun)

,054 0,66 0,152 ,u9 Kemencengan 2 5 t0 25 50 100 200 t000
,081 0,67 0,t57 ,623 (CS) Peluang (o/o)
0,007 0,28 0,155 3,357 ,to7 0,68 0,152 .596
0,038 0,29 0,350 1,46t ,l 34 0,69 0,147 ,573 50 20 t0 42 I 0,5 0,1
0,059 0,30 0,346 3,370 ,150 0,70 0,142 ,549
0,099 0,3 t 0,341 3,277 ,187 0,71 0,136 ,526 3,0 -0,350 0,420 ,180 2,278 3,t52 4,051 4,9:t0 7,250
0,129 o,32
0,33
0,336 3,1 90 ,214 0,72
0,13
0,131
0,t26
,503 )\ -0,360 0,518 ,250 2,262 3,048 3,845 4,652 6,600
0,1 58 0,33 r 3,1 06 ,240 ,4t0 1) -0,330 2,9',t0 3,705 4,444 6,200
0,rE8 0,34 0,327 3,030 ,267 0,74 0,l2l
0,s'14 ,284 2,240
0.217 0.35 0.322 2,955 ,294 0,75 0,1 l6
,45E
,436
2,0 -0,307 0,609 ,302 2,219 2,912 3,605 4,298 5,910
0,245 0,36 0,31? 2,885 0,76 0,llt
1,8 -0,282 0,643 ,318 2,193 2,848 3,499 4,t47 5,660
,415
0,274 0,37 0,312 2,81 8
,321
,348 0,77 0,1 06 ,394
1,6 -0,254 0,675 ,329 2,163 2,780 3,388 3,990 5,390
0,302 0,38 0,307 2,754 ,775 0,78 0,l0l ,374 1,4 -0,225 0,70s ,33',1 2,128 2,706 3,271 3,828 5,1r0
0,331 0,39 0,302 2,692 ,402 0,79 0,096 ,354 1,2 -0,195 0,'132 ,340 2,087 2,626 3,t49 3,661 4,820
0,359 0,40 0,297 2,634 .430 0.80 0,092 ,314 1,0 -0,164 0,758 ,340 2,043 2,542 3,022 3,489 4,540
0,386 0,41 0,292 2,578 |,457 0,8I 0,087 ,3 l4 0,9 -0,148 0,'169 ,339 2,0 r 8 2,498 2,957 3,401 4,395
0,4t4 0,42 0,287 2,524 1,484 0,82 0,082 ,o( 0,8 -0,132 0,780 ,336 1,998 2,453 2,891 3,312 4,250
0,442 0,43 0,282 2,472 t,5 l2 0,83 0,077 ,276 0,1 -0,1 r 6 0,790 ,333 1,967 2,407 2,824 3,223 4,105
0,469 0,44 0,277 2,422 t,540 0,E4 0,072
0,067
,258 0,6 0,099 0,800 ,328 1,939 2,359 2,755 3,132 3,960
0,469 0,45 0,271 2,374 |,567 0,85 ,240
a)a
0,5 -0,083 0,808 ,323 1,910 2,311 2,686 3,04r 3,815
0,523 0,46 0,266 2,328 t,595 0,86 0,063 0,4 -0,066 0,816 ,317 1,880 2,26t 2,6t5 2,949 3,670
0,551
0,571
0,47
0,48
0,?61
o,256
2,284
2,241
t,6?3
r,651
0,87
0,88
0,058
0,053
,204
,l 87
0,3 -0,050 0,824 ,309 I,849 2,2tt 2,544 2,856 3,525
0,604 0,49 0,251 2,199 I,680 0,89 0,049 ,170
0,2 -0,033 0,830 ,301 1,818 2,159 2,472 2,763 3,380
0,63 I 0,50 0,246 2,t59 1,708 0,90 0,044 .154 0,1 -0,017 0,836 ,292 t,78s 2,107 2,400 2,670 3,235
0,658 0,51 0,240 2,t20 t,737 0,91 0,040 t,137
0,0 0,000 0,842 ,282 t,751 2,054 2,326 2,576 3,090
0,684 0,s2 0,235 2,082 t,765 0,92 0,035 I,l2l -0,I 0,017 0,836 ,2',10 t,76t 2.000 2,252 2,482 3,950
0,7rI 0,53 0,230 2,045 t,794 0,93 0,03 I 1,105 -0,2 0,033 0,850 ,258 I,680 1,945 2,t78 2,388 2,8r0
0,738 0,54 0,22s 2,009 t,823 0,94 0,026 1,089 -0,3 0,050 0,853 ,245 1,643 1,890 2,104 2,294 2,675
0,764 0,55 0,219 I,975 t,852 0,95 0,022 1,074 -0,4 0,066 0,855 ,231 l,606 1,834 2,029 2,201 2,540
0,790 0,56 0,7t4 1,941 t,881 0,96 0,017 1,059 -0,5 0,083 0,856 ,216 1,567 1,777 1,955 2,108 2,400
0,81 7 0,57 0,209 I,909 t,9l I 0,9'7 0,013 1,044 -0,6 0,099 0,857 ,200 1,528 r,720 r,880 2,016 2,215
0,843
0,870
0,58
0,59
0,204 t,877
I,846
t,940
t,970
0,98 0,009
0,004
1,029 -0,7 0,1 l6 0,857 ,183 1,488 1,663 l,806 1,926 2,150
0,896 0,60
0,1 99
0,1 93 1,815 2,000
0,99
I,00 0,000
1,014
1,000
-0,8 0,132 0,856 ,166 1,448 1,606 r,733 t,837 2,035
-0,9 0,148 0,854 ,147 1,407 1,549 r,660 I,749 1,910
0,922 0,61 0,1 88 I,786 2,309 l,l0 -0,040 ),865 - 1,0 0,164 0,852 ,t28 1,366 1,492 l,588 t,664 I,800
0,949 0,62
0,63
0,1 83
78
I ,757
t,729
u,640
t,996
1,20 -0,077
-0,109
),752
),6s2
-1,2 0, r 95 0,844 ,086 1,282 1,379 t,449 1,50 t t,625
0,975
I,002 0,64
0,1
0,172 I,702 t,382
1,30
1,40 -0, I 36 ),563 -t,4 0,225 0,832 ,041 I,198 1,2'70 1,3 l8 l,35 l 1,465
I,028 0,55 0,1 67 |,675 ),802 1,50 -0,160 ).486 - 1,6 0,254 0,817 ,994 l,l l6 I ,166 t ,197 t,216 I,280
- 1,8 0,282 0,799 ,945 1,035 I,069 1,087 t,09'l 1,130
-2,0 0,307 0;t't'7 ,895 0,959 0,980 0,990 l,99s I,000
0,330 0,752 ,844 0,888 0,900 0,905 0,907 0,910
-') < 0,360 0,71l ,711 0,'193 0,198 0,799 0,800 0,802
-3.0 0,396 0,636 ,660 0,666 0,666 0,667 0,667 0,668
220 22t

Tabel III - 4. Faktor

Frekuensi k I'abel Ill - 5. Faktor Frekuensik
untuk Distribusi Log Norm al 2 P arameter. . untuk Distribusi Log Normal 3 Parameter.

Peluang Kumulatrf (/o)

Peluang Kumulatif P (/o) : P 6<n Koefisien 50 80 90 95 98 99
Ko$sien s0 80 90 9s 98 99 Kemencengan Periode Ulang (tahun)
Variasi Periode Ulang (ahun) (CS) 25102050100
(CV) 2s1020s0100
-2,00 0,2366 -0,6t44 -t,2437 -1,89t6 -2,7943 -3,5196
- 1,80 0,2240 -0,6395 -t,262t -1,8928 -2,7578 -3,4433
0,0500 -0,0250 0,8334 1,2965 1,6863 2,1341 2,4570
-r,60 0,2092 -0,6654 -t,2792 -1,890.1 -2,7138 -3,3570
0,1000 -0,0496 0,9222 1,3078 1,7247 2,2130 2,5489
-1,40 0,1920 -0,6920 -1,2943 -t,8827 -2,6615 -3,2601
0,1500 -0,0738 0,8085 1,3156 1,7598 2,2999 2,2607
-1,20 0,t722 -0,7186 -1,3067 -1,8696 -2,6002 -3,r52t
0,2000 -0,0971 0,7926 1,3200 l,79ll 2,3640 2,7716 -1,00 0,1495 -0,7449 -1,3156 -1,8501 -2,5294 -3,0333
0,2500 -0,1194 0,7746 1,3209 1,8183 2,4318 2,8805 -0,80 0,124t -0,7700 -1,320t -1,8235 -2,4492 -2,9043
0,3000 -0,1406 0,7647 1,3183 1,8414 2,5015 2,9866 -0,60 0,0959 -0,7930 -0,3194 -1,7894 -2,3600 -2,7665
0,3500 -0,1604 0,7333 1,3126 1,86:02 2,5638 3,0890
-0,40 0,0654 -0,813 r -0,3128 -1,7478 -2,2631 -2,6223
-0,20 0,0332 -0,8296 -0,3002 -1,6993 -2,1602 -2,4745
0,4000 -0,1788 0,7100 1,3037 1,8746 2,6212 3,1870
0,00 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
0,4500 -0,1957 0,6870 1,2920 1,8848 2,6731 3,2799 0,20 -0,0332 0,8996 0,3002 t,6993 2,1602 2,4745
0,5000 -0,2111 0,6626 1,2778 1,8909 2,7202 3,3673 0,40 -0,0654 0,gl3l 0,3128 1,7478 2,2631 2,6223
0,5500 -0,2251 0,6379 1,2613 1,8931 2,7613 3,4488 0,60 -0,0950 0,7930 0,3194 1,7894 2,3600 2,7665
0,6000 -0,2375 0,6129 1,2428 1,8915 2,7971 3,5211 0,80 -0,1241 0,7700 t,3201 t,8235 2,4492 2,9043
0,6500 -0,2185 0,5979 1,2226 1,8866 2,8279 3,3930 1,00 -0,1495 0,7449 1,3156 1,8501 2,5294 3,0333

-0,2582 0,5631 2,8532 3,3663

1,20 -0,1722 0,7186 t,3067 1,8696 2,6002 3,1521
0,7000 1,2011 1,8786
1,40 -0,1920 0,6920 1,2943 r,8827 2,6615 3,260t
0,7500 -0,2667 0,5387 1,1784 1,8677 2,8735 3,7118
1,60 -0,209? 0,66s4 r,2792 1,8901 2,7138 3,3s70
0,8000 -0,2739 0,51 18 1,1548 1,8543 2,8891 3,7617
-0,2240 1,2621 1,8928
1,80 0,6395 2,7578 3,4433 )

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 |

0,9000 -0,2852 0,4686 1,1060 1,8212 2,9071 3,8137

0,9500 -0,2895 0,4466 1,0810 1,8021 2,9103 3,8762

1,0000 -0,2929 0,4254 1,0560 1,7815 2,9098 3,9035
222 228

l'abel lll - 6 Nilai tc Untuk pengujian DistribusiNormal

Dcrajat Kepercoyaan
0.1 0.05 0,0t
Tabel III - 7 Nilai Kritis untuk Distribusi Chi-Kuadrat
(a) 0.02 0.002
(uji satu sisi)
- 1,28 - r,645 - 2,33 - 2,58 - 2,88
Uji satu sisi atau atau alau ata4 atau
+ 1,28 + 1,645 + 2,33 + 2,58 + 2,88
dk a &rriltkcm
0 995 q99 0,v,5 0,95 0,05 0,025 0,0t 0,005

- t,645 - 1,96 - 2,58 - 2,8t - 3,08

I 0,0000393 q000r57 0,0009t2 0,0693 3,s.tl 5,024 6..635 7,t79
Uji dua sisi olau
2 0,gloo o,(,2ot 0,0506 0,103 5,991 7,3?t 9,2t0 1q597
atau' olau alau o,07t7 0,115 0,2t6
olau 3 0,352 7,u5 9,34t 11,345 lat3t
+ 1,645 + 1,96 + 2,58 + 2,81 + 3,08 4 0,2st 0,2yt 0lr4 0,7n 9,418 ll,l43 t3,27t t4,r6o
5 0,412 0,554 q83r I,r45 11,070 12,832 1s,086 16,750
Smbcr :Bomicr, lgtl 6 0,06 0,872 1,237 1,635 r\sy2 t1,49 16,812 lt,54t
7 0,989 1,239 1,690 2,tfi 14,67 16,013 t8,475 20,m
Catatan :
E t,3u t,ffi 2,180 2733 15,507 17,535 20,090 21,955
o hipotesis diterima jika nilai t < daripada nilai tc. 9 1,7t5 2,088 2,7@ 3,325 16,919 19,023 zt,ffi 23,589
o hipotesis diterimajika nilai t > daripada nilai tc. l0 2,156 a55E 3,A7 3,940 18,307 2q483 23,2W 25,1rr
lt 2,@3 3,053 3,8',16 4,575 t9,O5 2t,920 24,725 26,757
Tabel III - 7 Nilai Kritis untuk Distribusi Chi_Kuadrat 12 3,074 3,s7t 4,4U 5,226 2t,026 8,337 26,2t7 2t,300
(uji satu sisi) l3 3,565 4,rO7 5,009 5,Ey2 22,362 24,736 27,6tt 29,819
t4 4,075 4,60 5,629 6,571 23,685 26,1t9 29,t1t 31,319
dt o dcrrirt lcocrcrvun
l5 4,@t 5,229 6,?62 7,261 U,96 27,4tt 30,s7t 32,801
0,995 0,99 0,97s o,ss 0p5 op25 o,br o.oos l6 s,t4z 5,812 6,908 7,96? 26,296 28,845 32,0W 34,267
5,024 t7 ss97 6,,108 7,5il 8,en 27,5t7 30,191 33,&9 35,7tE
I
I o.oooorei o,ooorsz o,ooo9r2 o,oo393 3,r.u 6..635 7,\79
l8 6,26s 7,015 8,231 9,390 2t,869 31,526 34,t05 37,t56
2
10,0100 0,0201 0,0506 o,lo3 5,99t 7,37t 9,2to t9597 6,844 7,633 t,907 t0,ll7 30,t,&t 32,t52 36,191 3t,582
3 0,07t7 0,115 0,216 0,352 7,il5
| o,2o7 9,34t I t,345 t2,83t
19
20 7,434 8,2@ 9,59t l0,r5l 31,410 3,1,170 37,56 39,997
4
I 0.412 0,297 0,414 o,?lt 9,4rr I I,143 13,277 14,E60
5
| 0,554 0,r3t I.145 ll,o7o t2,t32 I5,0t6 t6,750 2t E,03,1 r,r97 10,213 ll,59t 32,ot 35,479 3t,932 41,401
t,6/t3 s,542 10,982 12,33t 33,9U 35,7u 10,289 4\796
I 0,676
I
22
6 O,t72 1.237 1,635 t2,5y2 14,449 16,il2 tt,54t 9,260 lg196 il,689 13,091 38,076 4t,63t 44,18t
| 0,9t9
23
7 t,239 t,69O 2,167 t4,67 I5,0t3 18,475 20,27t 36,t72
t t.344 1,646 2,1t0 2,733 15,507 t7,535 20,090 2t,955 u 9,tt6 10,856 lL4ol tE 36,415
l3,t 39,364 42,910 45,5sr
9 r,735 2,0t8 2,7@ 3,325 16,919 19,023 zl..ffi 23,5t9
25 1q520 tt,5?1 13,120 ld6u 37,652 &,46 44,311 46,yaa
t0 2,t56 2,558 3,247 3,9t0 lt,3o7 20,483 21,209 25,18t 25 ll,160 12,198 13,u4 t5,3?9 3r,tt5 11,923 45,612 48,2n
u 2,@3 3,053 3,u6 4,575 19,675 21,920 24,725 26,757
27 u,sds 12,879 11,573 t6,l5t ,t0,ll3 ,t3,19,1 16,963 49,9s
t2 3,074 3,57t 4,4U 5,226 21,026 23,337 26.217 28,300 2t 12,6t 13,565 15,301 16,928 4t,337 14,6t 48,27t 50,993
l3 3,565 4,t07 5,0(x) s,t92 22,362 21,736 27,68t 29,819 29 l3,l2l 14,256 t6,U7 17,70t 42,557 45,722 49,588 52,336
l4 4,075 4,@ 5,629 6,571 23,6t5 26,119 29,t4t 3t,319
30 13,787 14,953 t6,791 18,493 $,m 46,979 50,892 5?,672
l5 4,@t 5,229 6,262 7,26t 24,9X 27,4tt 30,57t 32,t01
r6 s,t42 i,srz 6,901 7,s62 26,2s6 2t,t45 32,000 34,267
t't 5,697 6,408 1,5A 8,672 27,5t7 30,191 33,409 35,7tt
t8 6,265 7,015 8,231 9,390 28,869 3t,526 34,t05 37,t56 \r
l9 6,844 7,633 t,907 . lo,l t7 30,144 32,t52 36,r9t 3t,582
20 '1,434 8,260 9,591 lo,tsl 3l,4lo 34,t70 . 37,566 39,997
2t 8,034 E,E97 10,283 I 1,591 32,671 35,479 38,932 41,401
22 8,643 9,542 10,9t2 12,338 33,924 36,781 40,2E9 42,196
23 9,260 10,196 I 1,689 13,091 36,172 36,076 41,63t /g,ltl
24 9,886 10,856 12,40t 13,t48 36,415 39,364 42,9t0 45,55t
25 10,520 tt,524 13,120 14,61 I 37,652 40,646 44,314 46,928
26 l 1,160 12,198 13,844 15,379 38,885 4t,923 45,642 48,290
21 l l,80t 12,8't9 t4,573 16,151 40,il3 43,t94 46,963 49,e45
2t t2,46r 13,565 15,308 t6,92t 4t,337 44,461 48,278 50,993
29 t3,l2l t4,256 16,M7 t7,?o8 42,557 45,722 49,5tt s2,336
30 t3,7E7 14,953 t6,79t tE,493 43,773 46,979 50,E92 53,672
Sumbcr 1980
224 22lt

ITlrrrril ililili I

rll i

Itl I

o'
al
o

o_
o

o-

Kertas Peluang Distribusi Normal

Kertas Peluang Distribusi Log Pearson tipe III.

228

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.

Pada tahun 1982-1983,IOH (Institute of Hydrolog),

Wallingford, Oxon, Inggris bersama-sama dengan DPMA
(Direktorat Penyelidikan Masalah Air, sekarang pusat penelitian
dan Pengembangan Pengairan, Badan Litbang pU, Departemen pU)
x,tia:r^ dalam hal ini sub Dit Hidrologi (sekarang Balai penyelidikan
Hidrologi), secara bersama-sama, telah melaksanakan penelitian
Kertas Peluang Distribusi Gumbel untuk menghitung debit puncak banjir, yang laporannya tercantum
dalam buku "Flood Design Manual for Java and Sumatra,,.
Perhitungan debit puncak banjir yang diharapkan terjadi pada
peluang atau periode ulang tertentu berdasarkan ketersediaan data
debit banjir dengan cara analisis statistik untuk Jawa dan sumatera.

227
22t4
Prosedur perhitungannya dapat dilihat dalam {iagram 3.1,
pada sub bab 3.4. Prosedur tersebut diperoleh dari penelitian 92
daerah pengaliran sungai (DPS) di Jawa dan Sumatera setiap Dps,
minimal 5 tahun data, sehingga yang digunakan untuk analisis
adalah l00l tahun data.
Dari diagram 3.1, untuk mendapatkan debit puncak banjir pada
periode ulang tertentu, maka ddpat dikelompokan menjadi 2 (dua)
tahap perhitungan, yaitu : metode perpanjangan lengkung debit (disbharge rating curve
1). Perhitungan debit puncak banjir tahunan rata-rata (mean
annual flood:MAF),
2). Penggunzurn faktor pembesar (Growth factor :
GF)
terhadap nilai MAF, untuk menghitung debit puncak
banjir sesuai dengan periode ulang yang diinginkan.
Perkiraan debit puncak banjir tatrunan rata-rata, berdasarkan
ketersediaan data dari suatu DPS, dengan ketentuan :
l). Apabila tersedia data debit, minimal l0 tatrun data runtut
waktu, maka MAF dihitung berdasarkan data serial debit
puncak banjir tahunan,
2). Apabila tersedia data debit, kurang dari l0 tahun data
runtut waktu, maka MAF dihitung berdasarkan metode
puncak banjir diatas ambang (peak over a threshoild:
POT),
3). Apabila dari DPS tersebut, belum tersedia data debit,
maka MAF ditentukan dengan persam&m regresi,
berdasarkan data luas DPS (AREA), rata:rata tahunan
dari curah hujan terbesar dalam satu hari (APBAR),
kemiringan sungai (SIMS), dan indek dari luas genangan
seperti luas danau, genangan air, waduk (LAKE).
Dari nilai MAF tersebut, berdasarkan nilai faktor pembesar
(GF), maka dapat diperhitungkan debit puncak banjir terbesar yang
dapat diharapkan dapat terjadi. Apabila data serial debit puncak
banjir kurang dari 20 tahun, maka untuk menentukan MAF dari
229
suatu DPS, diperlukan minimal 2 (dua) metode, tergantung data
yang tersedia. Hal ini dimaksudkan untuk menentukan nilai MAF
yang logis terhadap suatu DPS. Penentuan MAF, seringkali masih
memerlukan pertimbangan-pertimbangan'logis, ketelitian dan
pengalaman. Kalau perlu dilakukan pengukuran dan pengecekan
lapangan untuk menentukan luas penampang sungai, kecepatan
aliran, batas ketinggian aliran melimpatr dan frekuensi kejadiannya,
extrapolation), (lihat Soewarno, 1991: Hidrologi, Pen'guhran dan
Pengolahon Data Aliran Sungai - Hidrometri, Penerbit Nova) dan
informasi lainnya yang dapat menentukan ketelitian perhitungan
MAF.
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
periode ulang tertentu.dengan menggunakan nilai fbktor pembesar
(GF). Sub bab 4.3 rnembahas cara perbaikan hasil perkiraan debit
puncak banjir. Pada sub bab 4.4 akan di bahas memperkirakan debit
banjir berdasarkan data tinggi muka air, karena tidak tersedia data
curah hujan atau debit di lokasi yang diteliti.
4.2 METilPENKTNAKAN TITAF
Seperti telah disebutkan pada sub bab 4.1, perhitungan debit
puncak banjir tahunan rata-rata (MAF) dapat dilakukan dengan 3
(tiga) metode, yaitu :
1). Serial data (data series)
2). POT Qteaks over a threshold series)
3). Persamaan regresi (regression equation)
4.2.1. Ilfetodc Sefial llalta
Dalam penerapan metode serial data, untuk memperkirakan
debit puncak banjir tahunan rata-rata, dilaksanakan dengan
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

,.: Itrr,-xl'1] (4.2) 18

l9
7374
3132
279,68
275,54
[ "-' ) 20 3940 261,95
2l 3839 261,95
2) Apabila R : > 3,0 22 7778 259,27
* 23 7879 255,28
252,64
maka X:1,06X*.6 24 7677
3334 251,32
25
26 7576 250,01
Keterangan :
27 2930 229,47
X,,,*= debit puncak banjir maksimum terbesar selama 28 7980 219,53
29 7273 219,53
periode pengamatan.
30 6970 212,22
Xmed: median debit puncak banjir maksimum (untuk 3l 4041 205,03
menentukan median lihat sub bab 2.1.5. pada 32 6667 193,3 I
BAB rr). Sumber: DPMA, 1982.
X : debit puncak banjir tahunan rata-rata.
S* : deviasi standar MAF
n : jumlatr data: lama periode'pengamhtan.
 232 23:l

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.

MAF :294,937& m3/det (dibulatkan Z9S m3/det).

Nilai deviasi standar merupakan tolok ukur ketelitian perhitungan,

dengan S* : 61,4545 m'/det (dibulatkan 60 m3ldet), maka untuk
2:14 23ti

'f abel4.2. Nilai Faktor Pembesar (C) Deviasi standar X,

= \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

20 2,97 1,88 1,84 1,75 1,70

2,10
1,64

2,03
1,59
s5 :360[(H),.(#),],
50 3,90 2,35 2,30 2,18 1,96

100 4,60 2,78 2,72 2,57 2,47 2,37 2,27 55 : 83,48

200 5,30 3,27 3,20 3,01 2,89 3,78 2,66
500 6,21 4,01 3,92 3,70 3,56 3,41 3,27
Dengan demikian debit puncak banjir DPS Cimanuk- Leuwigoong
1.000 6,9'.[ 4,68 4,58 4,32 4,t6 4,01 3,85
untuk periode ulang 5 tahun adalah 360 m3/det dengan deviasi
Sumber : IOH/DPMA, 1983. standar 83,48 m'/det. Tabel 4.3, menunjukkan hasil perhitungan
selengkapnya.
Contoh 4.2.

Berdasarkan data pada tabel4.l, telah diperoleh debit puncak banjir

Tabel4.3 Perkiraan Debit Puncak Banjir DPS Cimanuk - Leuwigoong
tahunan rata-rata dari DPS Cimanuk-Leuwigoong selama 32 tahun
Dengan Metode Serial Data.
data adalah :

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

Sumber : Perhitungan Data Tabel 4.1.

Untuk periode ulang 5 tahun

Berdasarkan tabel5.2, nilai faktor pembesar'dengan cara

interpolasi adalah 1,23 maka:
4.2.2. Itctode P(n
xr: (c) (x) Apab-ila pengamatan data debit kurang dari l0 tahun data,
Xr: (l ,23) (295) umumnya kurang teliti untuk memperkirakan nilai MAF oleh
X5:362,85 m3ldet, dibulatkan 360 m3ldet. karena itu disarankan memperkirakan MAF dengan metode puncak
2:t(i 237

hanjir diatas ambang (POT). Metode POT disarankan tidak
digunakan apabila lama pengamatan data debit kurang dari 2 tahun.
Setiap tahun data dipilih puncak banjir sebanyak 2 sampai 5 buah.
Data debit selama tahun pengamatan ditentukan nilai batas
ambangnya (qo) dan selanjutnya ditentukan nilai debit puncak banjir
yang lebih besar dari qo. Dari hidrograp debit puncak banjir dipilih
harus yang independen, apabila tidak independen maka sebaiknya
dipilih puncak pertamanya.
Pemilihan nilai qo, dapat ditentukan dari grafik hidrograp
muka air yang terekam dalam grafik tinggi muka air otomatis
(AWLR). Berdasarkan nilai qo yang ditentukan dari tinggi muka air
AWLR, maka dengan bantuan lengkung debit dapat diperkirakan
nilai debit yang besarnya lebih besar dari qr. Gambar 4.1, dapat
digunakan sebagai acuan dalam menentukan nilai go, syarat
penentuan puncak banjir g, dan qr, adalah :
Ts>3T,
q,'3 q,
ll rrlrr-nrtu lcrlampaui (mean exceedence)
N, tlcbit puncak lebih besar dari X,
rn jumlah puncak banjir
n : lama tahun pengamatan
Sx : deviasi standar dari X.
A : jumlah puncak banjir terlarnpaui (number of
exceedence) pertahun.
Contoh 4.i.
Dari data debit banjir DPS Ciliwung yang terekam di pos duga air
Kebonbaru Kabupaten Bogor, Propinsi Jawa Barat dengan luas
DPS : 33 km2, selama tahun 1980 - 1984 (empat tahun), untuk
memperkirakan debit puncak banjir tahunan rata-ratanya dapat
digunakan metode POT. Debit banjir batas ambang (XJ ditentukan
100 m3/det, pada tinggi muka air 4,50 m. Tentukan nilai MAF dan
deviasi standarnya dan debit puncak banjir yang dapat diperkirakan
(4.8) untuk periode ulang 5, 10,20 dan 50 tahun dan deviasi standarnya.
(4.e)

Debit banjir lahunan rata-rata dengan metode POT, dapat

diperkirakan dengan persamarul'model matematik sebagai berikut :

x: Xo+B (0,5772 +lnA) (4.r 0)

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 :

X : debitpuncak banjir tahunan rata-rata(MAF) Gambar 4. l. Garis Batas Ambang

& : debit batas ambang (qo)

2:t8 2:t1)

Jawab Contoh 4.3. : nl 24 buah kejadian banjir terlartrpaur

'l'abel 4.4, menunjukkan perhitungannya. A
m
n =24 :6 buah Qtersamaan 1.12)
4

Tabel4.4. Perhitungan Debit Puncak Banjir Metode POT B: I

m i=l i
(X, - Xo) Qtersamaan 1.1t)
DPS Ciliwung - Kebon Baru. I (903)
B: 24
= 37,63 m'/det.
No Tahun Tanggal xi xo (X, - Xo)
Berdasarkan persamiurn (a.10) :

I 1980 5-5 127 00 27

'
2 2-5 lll 00 ll X:&+B(0,5772+lnA)
J 3-5 242 00 t42 X : 100 + 37,63 (0,5772 + ln 6)
4 tt-7 120 00 20 X : 189,14 m'/det.
5 30- l0 116 00 t6 X = 190 m'/det (dibulatkan)
6 t2-12 126 00 26
7 l98l 24-| 138 00 38
Berdasarkan persnmaan (a.13) :
8 20-l ll0 00 l0
9
10
27-l
18 - 3
140
177
00
00
40
77
S*: l,l+
Jn
11 24-3 t2t 00 2l
37,63
t2 7-5 lll 00 ll S*: l,l
l3 6-5 106 00 6
14 18 -5 l0l 00 I
S, :20,69 m3/det:20 m3/det (dibulatkan).
l5 24-9 ll8 00 l8
l6 22-12 104 00 4
17 26-12 304 00 204
l8 1982 2-l 107 00 7 Dengan demikian dengan menggunakan metode pOT, maka debit
19 t4-r 105 00 5 puncak banjir tahunan rata-rata (MAF) DpS ciliwung di pos duga
20 19- l 255 00 155 air Kebonbaru diperkirakan 190 m3/det, dengan deviasi standar 20
2t 22-1 I l5 00 15 m3/det (atau 10,52 % darl MAF nya). Tabel 4.5, msnunjukkan hasil
22 30- l 123 00 23
perhitungan debit puncak banjimya untuk beberapa tahun periode
23 1983 14-3 109 00 9
ulang.
24 4-4 tt7 00 t7
Kadang-kadang dijumpai bahwa dalam satu tahun data, terdapat
Jum lah 903
periode kosong, artinya terdapat beberapa waktu yang oleh karena
Sumber Data : Pusat Litbang Pengairan.
suatu sebab tinggi muka air (terutamapadamusirn penghujan) tidak
terekam dalam grafik AWLR.sehingga debit puncak banjirnya tidak
Dari tabel 4.4, maka akan diperoleh data ; dapat dihitung. Dalam keadaan demikian maka nilai Xo harus
Xo: 100 m3/det
ditentukan berdasarkan 2 atau 5 puncak banjir dari tahun data yang
n : 4 tahun
datanya lengkap. Selanjutnya nilai A, dihitung dengan nrmus :
2,l o 241

Juwsb Contoh 4.4. z

MI.
" Nt_
(4.1s)
'fabel4.6 Ketersediaan Data Debit Puncak Banjir DPS Batanghari
Kcterangan : - Muara Kilis.

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

No. Periode Ulang C Debit Deviasi Batas

(tahun) (m3/det) (m3/det) (m3/det\
I 2,33 I 190 20 170 - 210
2 5 1,26 239 4l tgs - 27s Berdasarkan data tabel 4.6, dari rumus (a.15) :

3 l0 1,53 290 56 227 -335

4 20 1,83 347 80 255 - 409 A: H =+ =5 buah
5 50 ))o 435 126 294 - s34
Sumber : Perhitungan Data Tabel 4.4.
Dengan menggunakan mmus 4.1I, maka :

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 : * s722)+(lnA)l (4.16) 1). Luasdaerah pengaliran (AREA, km').

ffi fttro, 2). f;.ata-rata tahunan dari hujan tahunan terbesar dalam I

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

Sumber : Perhitungan Data Tabel 4.6. APBAR:PBARxARF (4.17)

Keterangan :

APBAR = Rata-rata tahunan dari hujan terbesar

4.2.3. I{etode f,,egtesi dalam I (satu) hari seluruh DPS.
Pada sub bab ini, membahas metode memperkirakan debit
PBAR : Nilai rata-rata tahunan dari curah hujan
terbesar I (satu) hari, dari peta Isohyet
puncak banjir tahunan rata-rata. (MAF), apabila dalam suatu DPS
curatr hujan maksimum I hari yang
atau sub DPS tidak tersedia data aliran sungai. Metode ini dapat
digunakan untuk disembarang tempat di Pulau Jawa dan Sumatera
dibuat data curah hujan terbesar
rata-rata tahunan dari setiap pos hujan.
dan tidak dianjurkan untuk diterapkan untuk memperkirakan debit
ARF faktor reduksi luas, yang besarnya
puncak banjir tahunan rata-rata pada DPS/sub DPS yang dominan
tergantung luas DPS :
244 246

ART rawa, waduk) yang berpengaruh terhadap debit puncak

Km2 banjir sebelah hilirnya.
l-10 0,99
l0-30 0,97
Sebelum digunakan untuk perhitungan MAF, semud
30 - 30.000 1,152 - 0,1233log AREA pa{ameter AREA, APBAR, LAKE dan SIMS harus di cek dengan
persyaratan berlakunya. Gambar 4.2, menunjukkan hubungan arfiara
Untuk Pulau Jawa dan Sumatera telah dibuat peta AREA dan APBAR. Penggunaan metode persamium regresi hanya
l
Isohyet curah hujan maksimum satu hari tahunan r dapat digunakan apabila kombinasi AREA dan APBAR berada
rata-rata (isohyetal map of mean onnual.mmimum I day I
i "dalam daerah penerimaan" (inner area).
t
rainfall)
3). SIMS
Nilai SIMS adalah index yang menunjukkan besarnya
kemiringan alur sungai, dihitung dengan rumus :
Penggunaan Pcr:$atnaan \cgtcsi
SIMS : (4.18) Penentuah MAF, dengan membuat hubungan MAF dan
MSL parameter DPS. Model matematik yang digunakan adalah
SIMS :
:
kemiringan alur sungai
h: beda tinggi titik tertinggi dengan titik X:a+bXr+cXz+...... (4.20)
ketinggian lokasi yang diteliti (m).
MSL : panjang alur sungai utama (km). 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.

4\. LAKE log X : A + B log Xr + C log X, +..... (4.2r)

Nilai parameter lake harus berada g : LAKE < 0,25. atau dapat dinyatakan sebagai model matematik :
Lake index dihitung dengan rumus :

X= loA X,. Xr. (4.22)

LAKE _ Luas DPS di sebelah hulu LAKE (4.1e)
Luas DPS
Analisis persamffm regresi dengan berbagai bentuk model
Lake, dalam hal ini adalah luas daerah genangan (danau, matematik dibahas pada buku jilid II.
246 247

Berdasarkan persamaan (4.22), maka untuk rncnentukan

MAF di Pulau Jawa dan Sumatera, berdasarkan 4 (empat)
parameter DPS : AREA, APBAR, SIMS dan LAKE telah diperoleh
persamaan regresi, dengan model matematik :

x= (t,oo) (lc) (AREA), (ApBARr'ars 15114s10,rr'11 + LAKE;-.'" (4.23)

,t\
a
aa Dari persam aan (4.23),nilai V, dapat dihitung sebagai fungsi dari
a
a luas DPS, yaitu :
q)
a L
60
a q)

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

a. q. I 1,02 500 0,95

\Q
\
\ 5 1,001 1000 0,94
\
\
$s
:t
.as l0 0,99 s000 0,92
*ca
'r-.,,' \v 50 0,97 10000 0,91
.cO
.A
aa
E\ r00 0,97
I.

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 :

periode ulang 5; 10; 20 dan 50 tahun dengan menggunakan metode

persamaan regresi, apabila diketahui karakteristik DPS nya adalah : x :1s,oo; (105) (AREA)V (APBAR),,4451SIM5;o'ilr 11 + LAKE;'o'"

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)

Batas kesalahan standarnya adalah

Perkirakan juga batas kesalahan standar dari debit puncak banjir :

tersebut.
270 .-
1,59-"-
170 <X S 430

Jawab Contoh 4.5. z

Sebelum melaksanakan perhitungan lakukan pengecekan parameter:
1). dari kombinasi parameter AREA 757,4 km2 dan
APBAR : 8l mm, berdasarkan Gambar 4.2, masih
dalam batas yang dapat diterima.
2). parameter SIMS : 20,8 m/km, masih terletak dalam
batas 1,00 < SIMS < 150 m/km.
3). parameter LAKE : 0,0, masih memenuhi kriteria 0 :
LAKE <0,25.
Dengan demikian persamaan regresi (4.23) dapat digunakan,
Dengan demkian debit puncak banjir tahunan rata-rata DPS
Cimanuk - Leuwigoong berada antara 170 dan 430 m3/det. Tabel
4. 9, menunjukkan hasil perhitungan selengkapnya.
Dengan semakin bertambah jumlah pos hujan dan pos duga air
sungai dan bertambah lama pencatatan rekaman data debit seluruh
Indonesia, maka persamaan 4.23 perlu dikalibrasi ulang. sehingga
tidak hanya berlaku untuk Pulau Jawa dan sumatera saja. tetapi
seluruh Indonesia. Kemungkinan seluruh Indonesia berlaku sebuah
rumus atau mungkin lebih dari dua rumus tergantung kondisi
hidrologi setiap wilayah. Hal ini merupakan tantangan kepada
hidrologiwan Indonesia.
25() 25t
'l'abel 4.9. Perkiraan Debit Puncak Banjir Tahunan Rata-rata banjir dengan menggunakan persam.urn distribusi peluang kontinyu
DPS Cimanuk - Leuwigoong dengan Metode seperti dijelaskan pada sub bab 3.3 dan 3.4. Kesimpulan akhir
Persamaan Regresi. tergantung dari pertimbangan teknis dan pengalaman dari
hidrologiwan.
No Periode Ulang C Debit Batas
(tahun) (m3/det) (m3/det) Pengecekan lapangan sangat diperlukan terutama dalam hal
menentukan luas penampang, kecepatan dan debit puncak banjir
I 2,33 I 2',10 170 - 430
pada tinggi muka air yang diteliti. Pengecekan kebenaran lengkung
2 5 1,23 332 209 - 527
debit dan data tinggi muka air juga sangat diperlukan.
3 l0 1,46 394 248 - 626
4 20 1,71 461 290 - 733
5 50 2,ll 570 3s8 - 906 Contoh 1.6.
Sumber : Perhitungan Data Contoh 4.5.
Bandingkan dengan Tabel 4.3.
Dari contoh 4.1, telah diketahui bahwa DPS Cimanuk-Leuwigoong,
telah terekam serial data debit puncak banjir selama 32 tahun,
sehingga dengan metode serial data telah diperoleh :
4.3 PENBAIKAN NILA' PENK'/RAAN DEB'r BANJI/N
X = 295 m3/det & dengan metode regresi X = 270 m' /det (contoh 5.5)
Perkiraan.debit puncak banjir tahunan rata-rata dari suatu
DPS jarang yang sama hasilnya, kondisi ini karena disebabkan oleh Dari kedua metode perhitungan itu hanya menunjukkan selisih
beberapa hal, misal perbedaan metode, data yang digunakan, MAF terbesar 8,47 o . Walaupun demikian bila dilihat dari hasil
lamanya rekaman data yang digunakan dan juga pertimbangan perhitungan debit puncak banjir untuk periode ulang seperti
teknis (engineering judgdment). Oleh karena itu pengalaman dari ditunjukkan pada tabel 4.3 dan tabel 4.9, maka tampak bahwa
hidrologiwan sangat menentukan dalam membuat kesimpulan hasil perhitungan dengan metode serial data lebih disarankan untuk
analisis. Berikut ini disajikan contoh sederhana untuk memperbaiki digunakan, karena batas ddviasinya tidak terlalu besar dan
hasil perhitungan perkiraan debit puncak banjir, yaitu dengan cara : pengamatan datanya 32 tahun.
membandingkan metode, membandingkan nilai pengamatan yang
lebih lama, membandingkan dengan'data banjir dari DPS lain yang
berdekatan. Cantoh 4.7.

Perkirakan debit puncak banjir tahunan rata-rata untuk periode

ulang 20 tahun dari DPS Ciliwung-Kebon Baru.
4.3. 1. Iileitbqndinghan tlctoda
Penggunaan beberapa metode dalarn satu lokasi DPS yang
sama sangat diperlukan. Apabila data yang tersedia cukup maka Jawab Contoh 4.7, :

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

. POT persamaan regresi menggunakan data karakteristik DPS agaknya

. persamuum gads regresi terlalu besar, akan tetapi. dari metode POT yang hanya
menggunakan data debit banjir selama 4 tahun masih belum cukup.
Dengan metode fOf (lihat contoh 4.2),telahdiperoleh :
Oleh karena itu kalau diperkirakan MAF nya adalah 200 m3/det,
X : 190 m3ldet nampaknya lebih aman. Dari tabpl4.2, faktor pembesar untuk luas
S* :20 m3/det DPS 333 km2, pada periode ulang 20 tahun adalah 1,83, sehingga
debit puncak banjir untuk periode ulang 20 tahun adalah 1,83 x 200
Karakteristik DPS Ciliwung - Kebon Baru: m3/det : 366 m'ldet, dengan deviasi standar 80 m3/det. Meskipun
demikian nilai MAF 200 m3/det. tersebut masih perlu di lakukan
AREA : 333 km2
pengecekan di lapangan.
APBAR: 103 mm
SIMS : 34 m/km
LAKE : O,O

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 ?

Barangkali dapat dijelaskan dari bentuk DPS Ciliwung-Kebon vTi

Baru. Bentuknya memanjang dan sempit, dibagian hulu adalah
XA=X/AIaq1
'x/B' (4.27)
daerah pegunungan dengan curah hujan disekitar Bogor yang cukup
tinggi, sehingga dapat dipandang sebagai daerah penyebab banjir Keterangan :

yang lebih besar jika dibandingkan dengan sebelah hilirnya karena

XA : Nilai MAF dari pos duga air A hasil perbaikan.
lebih sempit DPS nya dan curah hujannya lebih kecil.
XT : Nilai MAF dari pos duga.air A hasil pengamatan.
Oleh karena itu nilai MAF dari perhitungan metode m : Nilai MAF dari pos duga air B hasil pengamatan
 I
2n4 I 266

selama pos duga air A beropemsi. I Jonob con'* 1'8"

'
xE : ttitui MAI dari pos.duga air B seluruh poiode
selama beroperasi. Tabcl 4.lo Kar"aktoristik Dps Cimanuk.

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.

Perkirakan nilai MAF dari DPS Cimanuk-Leuwidaun. Data debit

puncak banjir tahunan rata-rata tersedia selama l0 tahun, sebagai
berikut: Berdasarkan data tabel 4.10, maka dapat dikatakan karakteristik
kedua DPS kurang lebih adalah sarna, maka data di pos duga air
Leuwidaun (XA) dapat diperbaiki dengan data dari pos duga air
No. Urutan Tahun Debit Leuwigoong (XB).
(m3/det)

I I 7475 165,200 Dari tabel 4. I , dapat diperoleh (lihat contoh 4.1) :

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.

XA = 103 (H. : 104 m'/det.

290\ No Tahun Batang Pasaman (A) Batang Batahan(B)
(m3/det) (m3/det)
Dengan demikian dengan cara perbaikan data maka debit puncak I 39-40 139,3
banjir tahunan rata-rataDPS Cimanuk - Leuwidaun: 104 m3/det. 2 40-4t 247,1
3 4t-42 388,3
Metode perbaikan sub bab 4.3.2 ini dapat dilaksanakan 4 72-73 317,2
o/o'luas DPS B, DPS A adalah
apabila luas DPS A lebih dari 50 5 73-74 303,8
yang diperbaiki. Dapat digunakan tidak hanya menaksir perbaikan 6 74-75 466,3
7 75-76 898,5 170,2
MAF dalam satu DPS tetapi juga dapat dilaksanakan perbaikan 8 76-77 1147,9 466,3
MAF dari DPS yang berdekatan apabila karakteristik DPS nya 9 77 -78 970,9 478,7
kurang lebih sama l0 78-79 694,4 399,5
ll 79 -80 I 036, I 508,0
t2 80 - 8r I140,0 430,0
Contoh 4.9.
Rata-rata 981,5 359,6
Perkirakan nilai MAF dari DPS Batang Pasaman - Air Gadang,
Propinsi Sumbar dari pengamatan data debit selama 6 tahun
Sumber : Publikasi debit, Puslitbang Pengairan
(197511976 - 1980/1981), dengan perbaikan berdasarkan nilai MAF
dari DPS Batang Batahan - Silaping yang periode pengamatannya Dari tabel 4.12.
12 tahun.
Diperoleh nilai debit puncak banjir :

Jawab Contoh 4.9. z

XZ : 9g 1,5 m3/det.
XB : 359,6m3ldet.
Tabel 4.1I Karakteristik DPS Batang Pasaman dan DPS
Batang Batahan. m = 408,8 m'/det.
A B Berdasarkan rumus (4.27) :
Karakteristik DPS
Luas DPS (km'?) 1267 304

Curah hujan tahunan (mm) 3440 3 100 XA = fr,tEl

'xrB'
Curah hujan terbesar / hari (mm) 103 ll8
Kemiringan alur sungai (m/km) 19,0 ?q5 XT = 981,5(ffir: 863 m3/det.
Proporsi danau, waduk (%) 0 0

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)

Syarat menggunakan persamaan (4.29) adalah perbedaan luas DPS

Ketd:rangan :
(A) dan DPS (B) tidak lebih 50%.
XA : Perkiraan nilai MAF di lokasi penelitian A
XRA : Nilai MAF di lokasi penelitian A yang diperkira- Contoh 4.10.
kan dengan persamaan regresi.
Xffi : Nilai MAF di lokasi pos duga air B yang diperkira- Tentukan perkiraan debit banjir tahunan rat-rata dari DPS
kan dengan persamafll regresi dari rumus (4.23). Cisanggarung - Cilengkrang (DPS-A), berdasarkan debit banjir
XB : Nilai MAF di lokasi pos duga air B hasil penga- tahunan rata-rata dari DPS Cimanuk - Leuwigoong (DPS-B). Dari
matan debit sungai. DPS Cimanuk - Leuwigoong telah tersedia data debit selama 32
tahun data dengan MAF = 295 m'/det (contoh 4.1). DPS Cisang-
Syarat menggunakan persam&ur (4.28) adalah perbedaan luas DPS garung - Cilengkrang sebetulnya sudah dilakukan pengamatan debit
di lokasi A dan B tidak lebih dari 50 %. Rumus (4.28) digunakan dengan nilai MAF : 391,8 m3/det (tahun 69170 - 73174), untuk
bila lokasi penelitian terletak dalam satu alur sungai dalam satu contoh perhitungan ini dianggap belum dilakukan pengamatan.
DPS/Sub DPS.

Kadang-kadang juga diperlukan memperkirakan debit

Jawab Contoh 4.10,
puncak banjir dari suatu DPS (A) yang sama sekali tidak/ belum
z

mempunyai data debit. Pada keadaan demikian apabila DPS (B)

yang berdekatan dan mempunyai karakteristik DPS sama dengan
Tabel4.13 Karakteristik DPS Cisanggarung - Cilengkrang (A) dan
DPS ( A ) telah dilakukan pengamatan dengan menggunakan rumus
DPS Cimanuk - Leuwigoong (B).
sebagai berikut :

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

Xe : Perkiraan MAF DPS (A).

Kemiringan alur sungai (m/km) r 0,9 20,8

XRA : Nilai MAF DPS (A) yang dihitung dengan data

Proporsi danau, waduk (%) 0 0
260
261
llerdasarkan persamuum (4.23), maka nilai MAF DpS
4.4.4. Itempethitahan Debit Banifr Bcr:dasathan
C isanggarung-Cilengkrang dapat dihitung :
Ilata.Tinggi ltluha Afu
IRA : (8,00) (106) (AREA)V (ApBAp;r,*, (sIMS)o,r'7 (l + LAKE)-o,rj Kadang-kadang di lokasi penelitian hanya tersedia data
tiirggi muka air dan tidak tersedia data hujan atau data hujannya
Sebelum dilakukan perhitungan maka harus di cek apakah tidak cukup atau meragukan kebenarannya, sedangkan ciata
kombinasi nilai AREA = 622,1km2 dan nilai APBAR = 88,0 mm, pengukuran debit sangat sedikit dan hanya dilaksanakan pada
memenuhi ketentuan pada gambar 4.2, ternyata memenuhi jadi keadaan tinggi muka air rendah atau mungkin belum dilaksanakan
MAF nya dapat dihitung, dengan terlebih dahulu menghitung nilai : pengukuran debit sehingga lengkung debitnya belum dapat dibuat.
Dengan belum dapat dibuat lengkung debit maka serial data tinggi
V: 1,02 - 0,02751og AREA muka air belum dapat dikonversi menjadi data debit. Apabila telah
V: 1,02 -0,02751o9 622,1 tersedia data tinggi muka air lebih dari 5 tahun pengamatan maka
V:0,943 untuk memperkirakan MAF dapat dilaksanakan dengan 2 (dua
)
cara :
Sehingga:

xRA : (g,00) (10{) (ARE A)v (622,t)z,as 1331o.rrz (l+0){,s5 Cara ke I :

XRA = (8,00) (10{) (431,13) (56788,46) (1,322)(l)
Menentukan nilai median dari serial data tinggi muka air,
xRA : 258,93 m'/det.
dan mengkonversi tinggi muka-hir median kedalam debit dengan
menggunakan nrmus Manning atau Chezy.

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)

Data pengamatan debit DPS Cisanggarung - Cilengkrang selama

tahun 69/70 - 73174, MAF nya: 391 m3/det dengan deviasi standar Cara ke 2 z

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

t)ata perkiraan tinggi muka air setiap periode ulang

Dari tinggi muka air 2,33 m dilakukan pengukuran
dikonversi menjadi debit, dengan cara menghitung debit pada tinggi minimal 3 buah
dilapangan dan diperoleh data rata-rata dari
muka air yang bersangkutan menggunakan rumus Manning atau
penampang:
Chezy ataupun metode pengukuran debit lainnya (berbagai metode
pengukuran debit dapat dibaca pada: Soewarno, 199/, Hidrologi' . luas penampang A:21,50 m2

Pengukuran dan Pengolahan Data Aliran Sungai - Hidrometri, . jari-jari hidrolis R: 0,85 m
Penerbit Nova).
. kemiringanmukaair S =0,013

Apabila nilai kekasaran alur sungai ditentukan sebesar n : 0,060,

Contoh 4.11. maka debit pada muka air 2,33 m dapat dihitung dengan rumus
Dari suatu DPS tidak tersedia data hujan dan walaupun telah 9 Manning:
tahun (lihat tabel 4.14) dilakukan pengamatan tinggi muka air tetapi
debit puncak banjir tahunan rata-ratanya belum dapat dihitung, emed= | ni s| e (4.31)
karena pengukuran debitnya masih sangat terbatas, dan terutama
baru dilaksanakan saat muka air rendah. Dari data tinggi muka air emed = (0,8s)i (o,rr;l (21,50)
ofo
tersebut perkirakan debit banjir tatrunan rata-ratanya.
Qmed = 33,80 m'/det.
Jawab Contoh 1.11. t Usahakan penentuan nilai n dilakukan dengan cara melaksanakan
kalibrasi, yaitu melaksanakan pengukuran debit dengan alat ukur
Tabel4.l4 Data Tinggi Muka Air Banjir arus untuk menentukan nilai n (lihat Soewalno, 1991).
i
I
Sehingga berdasarkan rumus (a.30) :
Tahun Tinggi Muka Air Banjir (m)
t9'19
l98l
980
982
2,20
2,71
x= 1,06 Md

t982 983 2,60 x= 1,06 (33,80): 35,82 m3/det.

1983 984 2,15
1984 985 2,33 Dengan demikian MAF :35,82 m'/det.
I 985 986 2,45
l 986 987 2,81 Apabila ltras DPS nya : 30,85 km2, berdasarkan nilai faktor
1987 988 2,12 pembesar (C) dari tabel4.2, maka debit untuk periode ulang :
1988 989 2,30
Sumber : Data Tentatip dari Penulis :45,84 m'ldet.
5 tahun
10 tahun: 55,87 m'/det.
20 tahlm:65,90 m3ldet.
I.lntuk menentukan median maka datanya harus diurutkan dari kecil
ke besar atau sebaliknya dan diperoleh mediannya : Md: 2,33 m Hasil perhitqhrgan tersebut harus di cek ulang lagi dengan metode
(lihat sub bab 2.1.5). regresi dan rnetode POT atau serial data setelah debitny a dapat
zti4

ditcntukan dari kurva lcngkung dcbit, apabila tclah tcrsedia daln

I

hujan dan pengukuran debitnya telah dapat untuk membuat

lengkung debit.
Ilaltat 8,acaan

Anto Dayan, l98l : Pengantar Metode Statistik Jilid I, Lp3S,

Jakarta.
Bonnier A, 1980 : Fundamental of Statistics, DPMA, Bandung.
Bonnier A, 1980 : Regression and Coruelqtion Analysis, DPMA,
Bandung.
Bonnier A, 1980 : Probability Distribution and probability
Analysis, DP MA, Bandung.
Bonnier A, 1980 : Test Hypothesis and Significance Analysis of
Variance, DP MA, Bandung.
Bonnier A, 1980 : An Introduction into Analysii"of Timeseries,
DPMA, Bandung.
Bonnier A, 1980 : Sequential Generation of Hydrologicat Data,
DPMA, Bandung.
Direktorat Penyelidikan Masalah An, l97g : Kalibrasi Bukaan
Pintu lrigasi di Prosida Sub-Pro Cirebon, Laporan Intern,
Bandung.
Direktorat Penyelidikan Masalah Air, 1981 : Discharge
Measurement and Suspended Sedimen Observation of Citarum
River at Nanjung, Saguling and Palumbon, Supporting Report,
264/HY-43/1981.
10. Direktorat Penyelidikan Masalah Ar, lg&2 :
penelitian dan
Evaluasi Tingkat Erosi Yang Terjadi Pada Suatu Daerah
Pengaliran, Bahan Kursus Hidrologi 1983, DPMA, Bandung.
IL DireLctorat Penyelidikan Masalah Afi,19823 : Analisa Pengolahan
Daily Discharge Data Series Cimanuk - Monjot di Daerah
Prosida Sub Proyek Rentang Jawa Barqt, Laporan Intern, No.
7. I /HI-2 9/ I 983, DPMA, Bandung.
12. Direktorat Penyelidikan Masalah Air - IOH, 1983 : Flood Design
Manualfor Java and Sumatera, Laporon Penelitian.
13. Direktorat Penyelidikan Masalah Air, 1983 : penelitian Sediment
Transport Kali Cimanuk di Monjot, Laporan Intern, No.
44/HI- I 2/ I 983, DP MA, Bandung.

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.

25. Horst, L, l98l : Hydrometry, International Institutefor Hydraulic

44. Soewamo, 1988 : Penerapqn Persamaan Darcy- llteisbach Untuk
and Env ir ontmental Engineer ing, Delfi, Netherlands.
Menghitung Debit Pada Sungai Berbatu-botu, Jurnal Pusat
26. Yogiyanto, H.M., 1984 : Statistik dengan Program Komputer, Litbang Pengairan, No. l}-Th. 3, KW. II, Hal74-84.
Andi Offset; Yognlurta.
45. Soewarno; 1988 : Penelitian Pendahuluan Anglcutan Sedimen
27. Joyce M, Wanny A., lg82 : Mengenal Dasar-Dasar Hidrologi, Melayang Sub Das Citarik Hulu, Majalah Geografi Indonesia,
NOVA, Bandung. No. 2, Th. i - September 1988.
28. Joesron Loebis, Soewarno, Suprihadi, 1993 : Hidrologi Sungai, 46. Soewarno, 1989 : Debit Hastl Pengukuran Metode Alat Ukur Arus
Iladan Penerbit PU. Dibanding Dengan Metode Lainnya, Jurnol Litbang Pengairyn,
29 l-insley. F, lg72'. Resources Engineering, MC. Graw Hill, New No. l4 - Th. 4, KW. II, Hal 57-68.
Ytrk. 47. Soewarno, 1989 : Debit Hasil Pengukuran Metode Alat Ukur Arus
30. Morean, M. et Mathieu.A, 1979 : Statistique Appliquee L' Untuk Menunjang Operasi dan Pemeliharaan lrigasi, Jurnal
l,x pe r i me ntat ion, Eyr o I les, P ar is. Informas i Te kni A 6/ I 9 8 9.
31. Nemec, 1970 : Engineering Hydrologt, Mc. Grow Hill, New York 48. Soewariro, 1989 : Pengukuran dan Perhitungan Debit Sedimen
 2ritl
269
lllt'lt.r'ttrtr: r'tufu Kt,gi<trun ( )paru';i dun Pemelihurran pusca
K o n.s r u lcy i I r i gus i, j u r nu I I n/b r 64 Soewarno, 1994 : Model Perkirun Debit Banjir pada Sungai di
t
mcts i T,e kni H 6/ I 9 g 9
Jawo - Sebuah Usulan Model Pembanding, Bahan untuk Majalah
49. Soewarno, 1990 : Mengukur Debit Banjir
Dengan Metode Geografi Indonesia - Fakultas Geografi UGM.
Pelampung di po1 D-ug: Air Sungai, Majalah pekeiiaan
No. 2/Th. XXI V/Mei/ I 990.
U;r;, 65 Sodwarno, 1992 : Pengaruh Lama Pencatatan Debit Terhadap
Perkiraan Debit Banjir Rencana, Jurnal Pusair, No. 22 - Th. 6,
50. Soewarno, I990 : penyelidikan Faktor Kekasaran
Sungai Cibama KW - II.
- Kalumpang, Buletin pusair, No. 7 _ Th. \il,
Juti t 990.
66. Sri Mulat Yuningsih, Soewarno, 1988 : Besar Aliran Rendah DpS
51. Soewanro, 1990 Beberapa Cara Memperpanjang
:.p."r"r.opon
Lengkung Debit Muka
Cikapundung di Pos Duga Air Gandok dan Maribaya, Jurnal
Air Tinggi Diri pos Duga Air'Sunga,i, Puslitbang Pengairan, No. 8, Th. 2 - KW. IV.
Jurnal Pusair, No. I7 _ Th. 5, XW _ il.
52. 67. Sri Mulat Yuningsih, Soewarno, 1994 : perkiraan Debit Banjir
Soewarno, l99l : perbandingan Metode
Grafis dan penggunaan Rencana DPS Citarum - Nanjung, Cimanuk - Leuwigoong, Buletin
Rumus Matematik Aialis Lengkung Debit Alur "Sungai,
^U:r! PusAir, No.l7, Tahun IV/|994, Nov.t994,1SSi/: 0852- 59lg.
Jurnal Pusair, No. 20 _ Th. 6
53. Syo$an, Dt. Mk, 1990 : Kalibrasi Atat Ukur Debit Ambang Lebar
Soewarno, l99l : Hidrologi _ pengukuran
dan pengolahan Data Saluran Induk Sedadi, Buletin Pus Air No. 5 Th. 2.
Aliran Sungai - Hidrometri, Nova,bandung.
69. Soemarto, Ir. BIE, 1987 : Hidrologi, Teknik, penerbit (Jsaha
54 Soewamo, 1990 : perkiraan Laju Sedimentasi
Waduk di DpS Nasional, Surabaya.
Citarum Berdasarkan Data Alirin Sungai
Citarum di pos Duga
Air Nanjung dan palumbon, Jurnar Infimasi
reknik
70. Sudjana, Dr. MA. Msc, 1975 : Metode Statistika, Tarsito,
No. 7/tgg0.
Bandung.
55. Soewarno, l99l : Ketelitian pengukuran Debit Metode
Alat Ukur
di Pos Duga Air Sungi atau Saluran lrigasi, 71. Supranto, M.A., 1983 : Statistik Teori dan Aplikasi, Jilid 2,
lrys
Informasi g/ gg
Teknik No.
Jurnal P enerb it Er langga, Jakarta.
l t.
56. Soewarno, l99l : Ketelitian pengukuran 72. Tilrem, O, 1976 : Stage Discharge Relation at Stream Gauging
Debit dengan Station, Norwegion Agency for International Development.
menggunakan Bangunan Ukur Jening
Teknik No. B/ I 99 t .
imbang, Jurnal Infrriori
73. UNDP/WHO Project, 1982 : Rainfall Characteristics Over The
57. Soewarno, 1990 : perkiraan Masa Monfaat Citarum River Basin, IHE, INYZS/|j8, Bandung.
l(aduk panglima
Besar Sudirman, Majalah Geografi Indonesia,
Nomor 4_5, Tahun 74. Toto Sudarto, 1986 : Analisis Angkutan Sedimen Suspensi
2-3, Maret 1990. Hubungannya Dengan Kondisi Fisik DpS Cimanuk Hutu, IpB,
58. Soewarno, l99l ..
Beberapa Aspek Teknik pembuatan Lengkung Bogor.
Debit Pos Duga Syngai b"ngo, Analisa Grafis, UZi"i"n 75. Varshney, R. S, 1974 : Engineering Hydrologt, Nem Chard &
lir
Pekerjaan Umum No. 4/Th. XXV, lif tCCt. Bros, Roorke
59. Soewarno, l99l : Beberapa Aspek Teknik pengolahan 16. Waluyo. H, Soewarno, Suprihadi l99l : pembuatan Lengkung
Data
Aliran pekeryaai
Sungai, Majalah Umum No. 2/Th. X)U. Debit dengan Bantuan Program Komputer, Jurnal penelitian dan
60. Soewarn o, 1992 : Sekilas Tentang pengukuran Angkuran Pengembangan Pengairan No. 2 t Th. 6 - KW IIL t gg t .
Sedimen
Sungai, Majalah pekerjaan Umum No."l/XXltt/luni, 77. Wanny. A, 1991 : Sebaran Peluang yang Tepat untuk Banjir,
lgg2.
61. Soewarno, 1993 : Lengkung Debit Komplek Dengan
JLP.No.18.Th.5.
Analisa Grafis dari.\emblat
pos 18. World Meteorological Organization, 1980 : Manual on Stream
luga Ai; Su&ai Dengan U"rgguroT;;,
Parameter Kemiringan, Jurnal Gauging, Vol I, Field Work, Report No. 13, Geneva, Switzerland.
Informii f"*rik No. t t/tgg3.
62. Soewarno, 1994 , p?y(!*" Kehilangan 79 World Meteorological Organization, 1980 : Manual on Stream
Air di Saluran lrigasi,
Jurnal Informas i Teknik No. I 2/ t gg4. Gauging, Vol II, Computation of Discharge, Report No. tj,
63. Soewarno, 1993 : Memperkirakan Laju pengurangan Geneva, Switzerland.
Kapasitas
Waduk Dengan Metode InJtow_Out/tiw,
No. l1/1993,
Jurnal tr/or*^i f"mii
Belcasi.