HIDROMETEOROLOGI TERAPAN
ACARA III
PROBABILITAS HUJAN
Dosen Pengampu : Ferryati Masitoh, S.Si, M.Si
Oleh:
JURUSAN GEOGRAFI
FAKULTAS ILMU SOSIAL
UNIVERSITAS NEGERI MALANG
2018
ACARA III
PROBABILITAS HUJAN
I. TUJUAN
1. Mahasiswa mampu menentukan probabilitas hujan menggunkan metode
sebaran normal, metode log normal dua parameter, metode log – pearson tipe
III dan sebaran gumbel.
2. Mahasiswa mampu membandingakan perbedaan antar metode yang digunakan
dalam menentukan probabilitas hujan.
Distribusi Normal
Distribusi normal atau kurva normal disebut pula distribusi Gaus. Fingsi
densitas peluang normal (PDF = probability density function) dinyatakan dalam
persamaan berikut (Masitoh, 2017) :
1 −1 𝑥− 𝜇 2
𝑃(𝑋) = .𝑒 ( ) 6.1
𝜎 √2𝜋 2 𝜎
Dengan :
P(X) = fungsi kerapatan peluang normal;
𝜋 = 3,14156;
e = 2,17828 dan;
𝜎 = standart deviasi nilai X
Distrbusi normal disebut juga Gausian distribution adalah salah satu fungsi
peluang berbentuk lonceng. Distribusi normal akan memeiliki beberapa ciri
diantaranya : 1) Kurvanya bebrentuk garis lengkung ynag halus dan berbebtuk
seperti genta; 2) Simetris terhadap rataan (mean); 3) Kedua ekor/ujungnya
semakin mendekati sumbu absisnya tetapi tidak pernah memotong; 4) Jarak titik
belok kurva tersebut dengan sumbu simetrisnya sama dengan 𝜎 ; 5) Luas daerah
di bawah lengkungan kurva tersebut dari - ~ sampai + ~ sama dengan 1 atai 100 %
; 6) Koefisien asimetris (kemencengan/skewness) Cs = 0 atau -0,015 < Cs <
+0,015 dan kofisien kurtosis (keruncingan) Ck = 3 𝜎 2 atau +2,70 < Ck < 3,30
(Masitoh, 2017).
Sifat khas lain yaitu nilai asimetris (koefisien skewness) hampir sama dengan
nol dan dengan kurtosis 3 selain itu kemungkinan yaitu (Jayadi, 2000) :
𝑃(𝑥̅ − 𝜎) = 15,87 %
𝑃(𝑥̅ ) = 50 %
𝑃(𝑥̅ + 𝜎) = 84,14%
Data kejadian hijan harian maksimum yang telah dihitung periode ulangnya,
selanjutnya diplot pada kertas grafik peluang umumnya akan berbentuk
persamaan garis lurus dengan persamaan umun (Masitoh, 2017) :
𝑋𝑡𝑟 = 𝑥̅ + 𝑘. 𝑆 6.6
Degan :
Xtr = perkiraan nilai yang diharapkan terjadi pada periode ulang tertentu
𝑥̅ = nilai rata – rata kejadian
k = faktor frekuensi, merupakan fungsi peluang
S = standart deviasi
Dimana :
P(x) = fungsi kerapatan peluang normal
𝜋 = 3,14156;
e = 2,17828
𝜎𝑛 = standart deviasi nilai X
𝜇𝑛 = nilai X rata – rata
1 𝜇4
Nilai X rata – rata 𝜇𝑛 = ln(𝜇2 +𝜎2 ) 6.8
2
𝜎2 +𝜇 2
Variasi 𝜎 2 = ln ( ) 6.9
𝜇2
𝜎𝑛 1⁄
Koefisien variasi Cv = = (𝑒 𝜎 𝑛 − 1) 2 6.9
𝜇𝑛
Dengan :
P(x) = fungsi kerapatan peluang variat x
X = nilai variat
a, b, c = parameter
y = fungsi gamma
Apabila nilai variat X diplot pada kertas logaritmik, maka bentuk persamaan
menjadi : 𝑋𝑡𝑟 = 𝑥̅ + 𝑘 . 𝑆 6.14
Dimana :
Xtr = perkiraan nilai yang diarapkan terjadi pada periode lang tertentu
𝑥̅ = nilai rata – rata kejadian
S = standar deviasi
K = nilai karakteristik distribusi log Pearson tipe III yang tergantung
pada koefisien skewness (Tabel karakteristik nilai k log pearson tipe
III)
Adapun parameter statistik yang diperlukan pa sebaran log – pearson tipe III
yaitu harga rata – rata, standar deviasi, dan koefisien skewness, yang nilainya
koefisien kurtosis mendekati Ck = 1,50 Cv2 + 3 (Masitoh, 2017).
Distribusi Gumbel tipe I
Sebaran Gumbel tipe I, umumnya digunakan pada perhitungan hujan harian
mkasimum untuk menentukan kejadian yang ekstrem. Persamaan garis lurus pada
sebaran gumbel tipe I dapat dideteksi dengan persamaan (Masitoh, 2017) :
𝑋𝑡𝑟 = 𝑥̅ + 𝑘 . 𝑆 6.15
Dimana :
Xtr = perkiraan nilai yang diarapkan terjadi pada periode lang tertentu
𝑥̅ = nilai rata – rata kejadian
S = standar deviasi
k = faktor frekuensi untuk harga ekstren gumbel
𝑌𝑇−𝑌𝑛
k = 6.16
𝑆𝑛
dengan :
YT = reduksi variat
Yn = reduksi rata – rata variat yang nilainya tergantung jumlah data (n)
𝑇𝑟−1
YT = − ln [−𝑙𝑛 { }] 6.17
𝑡𝑟
Tr = periode ulang
Sn = Standar deviasi
Hubungan jumlah data kejadian (n) dengan rata – rata variat (Yn) dan standart
deviasi (Sn) dapat dilihat pada tabel angka Yn dan Sn untuk metode gumbel.
Tabel 6.5 Angka Yn untuk metode E.J Gumbel
∑𝑛 ̅ )2
𝑛−1(𝑋− 𝑋
2. Hitunglah hujan rata – rata menggunakan persamaan : 𝑛−1
∑𝑛 ̅̅̅̅2
𝑛−1(𝑋− 𝑋)
3. Hitung standart devias menggunkan persamaan : 𝑆 = √ 𝑛−1
𝑆
4. Hitung koefisien variasi (Cv) = 𝑋̅
𝑛
5. Hitung koefisien kemencengan (Cs) = (𝑛−1)(𝑛−2 ) 𝑆3 ∑𝑛𝑖=1(𝑥 − 𝑥̅ )3
∑𝑛
𝑛−1 log 𝑋
2. Hitung hujan rata – rata menggunakan persamaan 𝑥̅ = 𝑛
∑𝑛
𝑛−1 log(𝑥−𝑥̅ )
2
3. Hitung standart deviasi menggunakan persamaan S = √ 𝑛−1
𝑆
4. Hitung koefisien variasi (Cv) =
𝑥̅
7. Untuk sebaran Log – Perason III, hitung nilai hujan rencana berdasarkan
persamaan 6.14 dengan nilai k ditetapkan berdasarkan nilai Cs Periode
ulangnya dengan menggunakan tabel nilai karakteristik k log pearsin tipe
III.
8. Untuk persamaan gumbel tipe I, hitung hujan rencana berdasarka
persamaan 6.15 dengan nilai k ditetapkan menggunakan persamaan 6.16
pada setiap periode ulangnya. Nilai Yn dan Sn di tentukan berdasarkan
tabel Yn dan Sn untuk metode gumbel.
V. HASIL PRAKTIKUM
5.1 Perhitungan Probalilitas hujan Metode Sebaran Normal
(Terlampir)
5.2 Perhitungan Probabilitas hujan Metode Logaritmik
(Terlampir)
5.3 Rekapitulasi perhitungan hujan rencana periode ulang 2, 5, 10, 20, dan 50
tahunan
(Terlampir)
VI. PEMBAHASAN
Pada praktikum acara 6 ini praktikan melakukan perhitungan terkait
probabilita hujan menggunakan metode sebaran normal, logaritmik, log person
tipe 3 dan gumbel tipe 1, tahap-tahap yang dilakukan praktikan pada acara ini
adalah pertama praktikan membuat table bantuan yang berisi (x-xrt), (x-xrt)2, (x-
xrt)3, (x-xrt)4, kemudian praktikan mencari standard deviasi, koefisien varians,
koefisien skweness, kurtosis menggunakan rumus metode sebaran normal,
sedangkan metode logaritmik table bantuan yang berisi (x-xrt), (x-xrt)2, (x-xrt)3,
(x-xrt)4 di log kan semua, kemudian praktikan mencari standard deviasi, koefisien
varians, koefisien skwenes berdasarkan rumus tetap. xrt merupakan rerata dari
data (x) selama 10 tahun. Maksud dari beberapa hal yang dicari praktikan meliputi
standard deviasi, koefisien varians, koefisien skwenes dalam Handayani dkk. 2007
adalah sebagai berikut :
1. Standar deviasi
Deviasi standar dapat digunakan untuk mengetahui variabilitas dari distribusi.
Semakin besar deviasi standar maka akan semakin besar penyebaran dari
distribusi. Deviasi standar dapat dihitung dengan persamaan berikut :
2. Koefisien varian adalah nilai perbandingan antara deviasi standar dan nilai
rerata, yang mempunyai bentuk: Cv = S/t
3. Kemencengan (skewness) merupakan derajad ketidaksimetrisan atau dapat
juga didefinisikan sebagai penyimpangan kesimetrisan dari suatu distribusi.
Jika suatu kurva frekuensi dari suatu distribusi memiliki ekor kurva yang lebih
panjang ke arah sisi kanan dibandingkan ke arah sisi kiri dari nilai maksimum
tengah, maka distribusi ini dikenal dengan nama distribusi miring ke kanan,
atau memiliki kemencengan positif. Untuk kondisi kebalikannya, distribusinya
dikenal sebagai distribusi miring ke kiri atau memiliki kemencengan negatif.
Untuk mengetahui derajad ketidaksimetrisan (assymetry) dari suatu bentuk
distribusi.
4. Kurtosis adalah derajat ketinggian puncak atau keruncingan suatu distribusi.
Sebuah distribusi yang mempunyai puncak yang relatif tinggi disebut
leptokurtik, sementara kurva yang memiliki puncak datar atau rata disebut
platikurtik sedangkan kurva dengan puncak yang tidak terlalu runcing ataupun
terlalu datar disebut mesokurtik.
5. Varians
Menurut Triatmodjo (2008), tidak semua variat dari variabel hidrologi sama
dengan nilai reratanya, tetapi ada yang lebih besar atau lebih kecil. Besarnya
derajad sebaran variat di sekitar nilai reratanya disebut varian (variance) atau
penyebaran dispersi (dispersion). Penyebaran data dapat diukur dengan deviasi
standar (standard deviation) dan varian.
Dalam perhitungan hujan rencana, hal pertama yang perlu dihitung adalah
nilai hujan rata-rata, standar deviasi, Cs serta Cv. Hasil perhitungan hujan rencana
menunjukkan bahwa ; metode Log Pearson Tipe III memiliki nilai hujan rencana
cenderung rendah dibandingkan dengan metode lainnya. Nilai tersebut hampir setara
dengan nilai hujan rencana menggunakan metode Gumbel Tipe I. Sama halnya
dengan 2 metode tersebut, pada sebaran normal nilai rancangan hujan juga hampir
setara dengan metode Log Normal 2 Parameter, hanya saja, nilai log tersebut
cenderung lebih tinggi. Hasil perhitungan dari keempat metode tersebut menunjukkan
kecenderungan nilai yang semakin besar kearah periode ulang, seperti dapat kita lihat
pada diagram, semakin lama periode ulang, maka akan semakin besar pula intensitas
hujan, hanya saja kemungkinan terjadinya sangat kecil. Pada dasarnya, untuk menilai
kelayakan hasil perhitungan hujan rencana, dapat dilakukan uji kesesuaian distribusi
dengan signifikan level 5 % menggunakan Uji Chi-Square dan Uji Smirnov-
Kolmogorov, hanya saja pada praktikum ini hal tersebut tidak dilakukan.
Berdasarkan hasil perhitungan yang telah dilakukan praktikan menggunakan
bantuan alat Microsoft excel, telah diketahui bahwa probabilitas hujan
menggunakan metode distribusi normal adalah: peluang terjadinya hujan dengan
curah hujan 105,75 mm dalam periode ulang 2 tahun adalah 50 %; peluang
terjadinya hujan dengan curah hujan 142,71 mm dalam periode ulang 5 tahun
adalah 20%; peluang terjadinya hujan dengan curah hujan 162,07 mm dalam
priode ulang 10 tahun adalah 10%; peluang terjadinya hujan dengan curah hujan
177,92 mm dalam periode ulang 20 tahun adalah 5 % dan; peluang terjadinya
hujan dengan curah hujan 195,95 mm dalam periode ulang 50 tahun adalah 5 %.
Bedasarkan hasil perhitungan, probabilitas hujan menggunakan distribusi log
normal dua parameter dapat diketahui bahwa : peluang terjadinya hujan dengan
curah hujan 97,75 mm dalam periode ulang 2 tahun adalah 50 %; peluang
terjadinya hujan dengan curah hujan 136,82 mm dalam periode ulang 5 tahun
adalah 20%; peluang terjadinya hujan dengan curah hujan 163,03 mm dalam
priode ulang 10 tahun adalah 10%; peluang terjadinya hujan dengan curah hujan
188,32 mm dalam periode ulang 20 tahun adalah 5 % dan; peluang terjadinya
hujan dengan curah hujan 221,48 mm dalam periode ulang 50 tahun adalah 5 %.
Penetapan lamanya periode ulang pada penentuan peluang terjadinya hujan
teridiri dari 2 tahunan, 5 tahunan, 10 tahunan, 20 tahunan serta 50 tahunan.
Angka-angka tersebut ditentukan karena perbedaan kepentingan atau tujuan
pengolahan data tersebut digunakan untuk analisis apa. Bila digunakan untuk
drainase mungkin dibutuhkan analisis pada periode ulang 5 atau 10 tahunan. Bila
digunakan untuk waduk menggunakan analisis sampai 1000 tahunan. Penentuan
angka-angka genap seperti 2, 5, 10, 20…1000 tahunan digunakan untuk
memudahkan perhitungan karena angka-angka tersebut dianggap sudah mewakili
angka-angka diantaranya (missal 5-10 jadi tahun 6,7,8 dan Sembilan sudah
diwakili) dalam analisis data berdasarkan kebutuhan.
Berdasarkan hasil perhitungan, probabilitas hujan menggunakan distribusi log
pearson tipe III dapat diketahui bahwa peluang terjadinya hujan dengan curah
hujan 105,76 mm dalam periode ulang 2 tahun adalah 50 %; peluang terjadinya
hujan dengan curah hujan 105,89 mm dalam periode ulang 5 tahun adalah 20%;
peluang terjadinya hujan dengan curah hujan 105, 96 mm dalam priode ulang 10
tahun adalah 10%; peluang terjadinya hujan dengan curah hujan 106, 00 mm
dalam periode ulang 20 tahun adalah 5 % dan; peluang terjadinya hujan dengan
curah hujan 106,06 mm dalam periode ulang 50 tahun adalah 5 %.
Berdasarkan hasil perhitungan, probabilitas hujan menggunakan distribusi
gumbel tipe I dapat diketahui bahwa : peluang terjadinya hujan dengan curah
hujan 105,72 mm dalam periode ulang 2 tahun adalah 50 %; peluang terjadinya
hujan dengan curah hujan 105,93 mm dalam periode ulang 5 tahun adalah 20%;
peluang terjadinya hujan dengan curah hujan 105, 07 mm dalam priode ulang 10
tahun adalah 10%; peluang terjadinya hujan dengan curah hujan 106,12 mm
dalam periode ulang 20 tahun adalah 5 % dan; peluang terjadinya hujan dengan
curah hujan 106, 37 mm dalam periode ulang 50 tahun adalah 5 %.
Bersasarkan ke empat metode tersebut terdapat perbedaan nilai probabilitas
curah hujan penentuan probabilitas pada periode pengulangan hujan 2, 5, 10,20
dan 50 tahun penentuan probabilitas menggunakan distribusi log pasrson tipe III
memiliki nilai probabilitas yang hampir sama dengan penentuan probabilitas
hujan disrtibusi gambel. Pada distribusi Gumbel tipe I memiliki kecenderungan
nilai probabilitas yang tinggi dan konstan. Hal tersebut dikarenakan pada
distribusi gambel tipe I memiliki kecenderungan perhitungan curah hujan
mkasimum dalam keadaan yang ekstrem. Sedangkan penentuan probabilitas hujan
menggunakan distribusi normal, distribusi log normal dua parameter memiliki
nilai proabilitas yang hampir sama dimana nilai probabilitas tersebut memiliki
variasi sesuai kurva sebaran frekuensi normal yang berbebtuk seperti genta,
dimana terdapat nilai probabilitas terendah, nilai probabilitas rata – rata, serta nlai
probabilitas tetinggi.
Perbedaan dari ke empat metode tersebut terletak pada nilai koefisien
karakteristik distribusi yang digunakan pada setiap metode. Pada metode distribusi
normal nilai k didasarkan pada frekuensi periode ulang; pada metode distribusi
log normal dua parameter nilai k didasarkan pada periode ulang menurut koefsien
variasi (Cv); pada metode log pearson tipe III nilai k didasrkan pada periode ulang
menurut koefisien kemencengan (Cs) dan;pada metode gambel tipe i penentuan k
di dasarkan pada nilai nilai reduksi rata – rata variat yang tergantung pada jumlah
data (Yn) dan standart deviasi yang tergantung pada jumlah data (Sn).
VII. KESIMPULAN
1. Prbabilitas hujan berdasarka mdistribusi normal pada periode pengulangan 2,
5, 10, 20 dan 50 tahun adalah 105, 142, 162, 177 dan 195; Probabilitas hujan
berdasarkan distribusi log normal dua parameter pada periode pengulangan 2,
5, 10, 20 dan 50 tahun adalah 97, 136, 163, 188, dan 221; Probabilitas hujan
berdasarkan distribusi log pearson tipe III pada periode pengulangan 2, 5, 10,
20 dan 50 tahun adalah 105, 105, 105, 106 dan 106; Probabilitas hujan
berdasarkan distribusi gambel tipeI pada periode pengulangan 2, 5, 10, 20 dan
50 tahun adalah105, 105, 106, 106, dan 106.
2. Perbedaan pada setiap metodeterjadi karena nilai koefisien karakteristik
distribusi yang dignakan berbeda.
VIII. DAFTAR PUSTAKA
Anonim. 2015. Analisis Data Hujan Hidrologi. (online).
http://slideplayer.info/slide/2799566/
Jayadi, R. 2000. Hidrologi I Penenalan Hidrologi Teknik Sipil . UGM Press :
Yogyakarta
Lubis, Avril Hilda. 2016. Analisa Intensitas Curah Hujan Maksimum Terhadap
Kemampuan Drainase Perkotaan. (online).
http://download.portalgaruda.org/article.php?article=58913&val=4146
Masitoh, Feryati. 2017. Panduan Praktikum Hidrometeorologi Terapan. Fakultas
Ilmu Sosial. Geografi. Universitas Negeri Malang
Sarisa, Liona Dwi. 2017. Analisis Spasio – Temporal Hujan Ranvangan dan
Hujan Rerata di Provinsi Lampung. Tesis. (onlne).
http://digilib.unila.ac.id/27449/2/TESIS%20TANPA%20BAB%20PE
MBAHASAN.pdf
Soewarno. 1955. Hidrologi Aplikasi Metode Statistik Untuk Analisa Data .
Penerbit Nova :Bandung
Sutarlim. 2012. Komparasi Metode Formulasi Intensitas Hujan di Kawasan Hulu
Daerah Alira Sungai (DAS) Tallo. Skripsi. (online).
http://repository.unhas.ac.id/bitstream/handle/123456789/8119/ta_sutar
lim(d11105115).pdf?sequence=1
Triatmodjo. 2008. Hidrologi Terapan. Yogyakarta : Beta Offset Yogakarta