See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/327010106

Analisis Frekuensi Curah Hujan Ekstrim Di Kabupaten Nagan Raya

Menggunakan Kaedah L-Moment

Preprint · August 2018

CITATIONS READS

0 108

3 authors, including:

Andi Rinaldi Alfiansyah Yulianur

Syiah Kuala University Syiah Kuala University
5 PUBLICATIONS   0 CITATIONS    20 PUBLICATIONS   9 CITATIONS   

SEE PROFILE SEE PROFILE

All content following this page was uploaded by Andi Rinaldi on 14 August 2018.

The user has requested enhancement of the downloaded file.

 Konferensi Nasional Teknik Sipil 12
Batam, 18-19 September 2018

ANALISIS FREKUENSI CURAH HUJAN EKSTRIM DI KABUPATEN NAGAN RAYA

MENGGUNAKAN KAEDAH L-MOMENT

Andi Rinaldi1, Alfiansyah Yulianur2 dan Yulizar3

1
Program Magister Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala, Banda Aceh
Email: andi.rinal@mhs.unsyiah.ac.id
2
Program Magister Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala, Banda Aceh
Email: fian_7anur@yahoo.co.id
3
Program Magister Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala, Banda Aceh
Email: lijar.hydro@googlemail.com

ABSTRAK
Kebutuhan data curah hujan sangat membantu para ahli hidrologi dalam memprediksi hujan
rancangan untuk perencanaan bangunan air yang optimal pada lokasi tinjauan. Selama ini analisis
hujan rancangan di Kabupaten Nagan Raya menggunakan data curah hujan yang tercatat pada Stasiun
Klimatologi Tjut Nyak Dhien. Luas Kabupaten Nagan Raya yang mencapai 3.544,90 km2, kondisi ini
tidak dapat menggambarkan ketinggian curah hujan secara keseluruhan. Untuk itu perlu dilakukan
analisis frekuensi curah hujan ekstrim yang mempengaruhi hujan rancangan di Kabupaten Nagan
Raya dengan menggunakan data dari 13 stasiun hujan. Penelitian ini bertujuan untuk mengetahui jenis
distribusi frekuensi data curah hujan harian maksimum tahunan yang mempengaruhi hujan rancangan
di Kabupaten Nagan Raya. Pengujian homogenitas data menggunakan uji-t, sementara uji Grubbs-
Beck (GB) digunakan untuk melihat outlier data. Perhitungan parameter statistik menggunakan
kaedah l-moment, dimana pemilihan jenis distribusi menggunakan diagram rasio perbandingan
parameter statistik teoritis dari berbagai jenis distribusi. Uji Chi Square dan Smirnov Kolmogorov
digunakan untuk menguji kecocokan jenis distribusi yang terpilih. Uji keandalan data menunjukkan
bahwa data bersifat homogen dan tidak ditemukannya outlier data. Analisis frekuensi menunjukkan
bahwa curah hujan harian maksimum tahunan yang terjadi di Kabupaten Nagan Raya mengikuti 2
jenis distribusi yaitu Generalized Pareto (GPO) dan Generalized Logistic (GLO). Distribusi GPO
mempengaruhi 9 lokasi yaitu Stasiun Klimatologi Tjut Nyak Dhien, BPP Pulo Ie, BPP Seunagan, BPP
Beutong, ASN, SPS II, Kalista Alam, FBB Tadu A dan FBB Tadu B. Sementara itu, Stasiun Socfindo
Div II, Socfindo Div III, Socfindo Div V, dan SPS-I mengikuti distribusi GLO.
Kata kunci: analisis frekuensi, hujan ekstrim, l-moment, generalized pareto, generalized logistic.

1. PENDAHULUAN
Historical dataseries dari curah hujan sangat diperlukan di dalam analisa hidrologi yang selanjutnya digunakan pada
perencanaan hidraulika untuk mendapatkan suatu dimensi bangunan yang optimal.. Analisis data hujan merupakan
tahapan awal dalam rangkaian perencanaan di bidang sumber daya air seperti irigasi, pengendalian banjir dan
sebagainya sehingga ketelitian analisis terhadap data hujan sangat dibutuhkan. Mengingat tidak adanya kepastian
tentang kejadian hujan baik terhadap ruang dan waktu, maka metode yang tepat digunakan dalam menganalisis data
hujan adalah metode analisis frekuensi (Fauzi et al, 2012). Analisis frekuensi sendiri merupakan suatu cara/langkah
yang dilakukan untuk memprediksi banyaknya (frekuensi) kejadian pada masa lalu atau masa lampau yang dapat
digunakan untuk menentukan hujan rancangan periode ulang tertentu berdasarkan distribusi yang paling sesuai
secara statistik.
Kabupaten Nagan Raya adalah salah satu kabupaten yang berada di Provinsi Aceh dengan luas 3.544,90 km2.
Sejauh ini, perencanaan bangunan air menggunakan analisa curah hujan yang hanya berasal dari satu stasiun curah
hujan, yakni Stasiun Klimatologi Tjuk Nyak Dhien. Hal ini tentunya tidak dapat menggambarkan situasi
keseluruhan pola curah hujan di Kabupaten Nagan Raya, akibat adanya perbedaan topografi yang akan
mempengaruhi besaran atau magnitude curah hujan. Untuk mengatasi hal tersebut, salah satu tindakan yang diambil
adalah dengan melakukan analisa tiga belas stasiun curah hujan yang berada di dalam Kabupaten Nagan Raya.
Analisis parameter statistik suatu jenis distribusi frekuensi dapat dilakukan dengan beberapa pendekatan. Hosking
dan Wallis (1997) dalam buku Regional Frequency Analysis : an Approach based on L-Moments menggunakan
pendekatan l-moment. Sedangkan Rao dan Hamed (2000) dalam bukunya flood frequency analysis menggunakan
tiga metode yaitu moment ordinary, maximum likelihood dan probability weighted moment.
Aplikasi pendekatan metode l-moment dalam menentukan jenis distribusi fekuensi data curah hujan ekstrim telah
dilakukan pada beberapa daerah baik di Indonesia maupun di negara lain. Fauzi et al (2017) menggunakan data dari
12 stasiun hujan di WS Akuaman Sumatera Barat dan diperoleh jenis distribusi Normal dan Log Pearson Type III.
Alahmadi (2018) menggunakan data dari 20 stasiun hujan di kota Madinah Arab Saudi dan mendapatkan distribusi
terbaik yaitu Pearson Tipe III. Selanjutnya jenis distribusi GPO merupakan distribusi terbaik untuk daerah Selangor
dan Kuala Lumpur (Shabri dan Ariff, 2009), Luanhe Cina (Hasan dan Ping, 2012) serta Khyber Pakhtunkwha
Pakistan (Khan et al, 2017). Sementara distribusi GEV merupakan distribusi terbaik untuk kota Makassar (Sanusi et
al, 2017), di Kota Sabah Malaysia (Chuah et al, 2017) dan Propinsi Ontario Kanada (Nguyen et al (2018).
Sedangkan distribusi Log Normal III merupakan distribusi terbaik untuk kota Sicilia Italia (Forestier et al, 2018).
Berdasarkan penjabaran diatas, maka penulis menganalisis frekuensi curah hujan ekstrim di Kabupaten Nagan Raya
menggunakan metode l-moment. Tujuan yang hendak dicapai dalam penelitian ini adalah untuk mengetahui jenis
distribusi frekuensi data curah hujan harian maksimum tahunan yang mempengaruhi hujan rancangan di Kabupaten
Nagan Raya. Selanjutnya dari hasil penelitian ini diharapkan dapat bermamfaat dan dijadikan pedoman bagi
peneliti/perencana lainnya dalam perencanaan bangunan air yang optimal di Kabupaten Nagan Raya.

2. TINJAUAN PUSTAKA
Uji kelayakan data
Menurut Rao dan Hamed (2000), ada beberapa rangkaian pengujian yang dilakukan terhadap seri data curah hujan
sebelum digunakan sebagai data masukan dalam analisis frekuensi yaitu uji homogenitas dan uji outlier data.
 Uji Homogenitas
Data yang dianggap homogen adalah jika tidak ditemukan adanya perbedaan nilai rata-rata dan varians suatu sub
kelompok data dengan sub kelompok data lainnya (Soewarno, 1993). Uji t digunakan untuk melihat homogenitas
suatu seri data yang persamaannya dijabarkan sebagaimana dibawah ini (Kamiana, 2010).
( X1  X 2 )
t hitung  1/ 2
 t kritis (1)
 1 1 
  
 N1 N 2 

  
 N * S 2  N 2 * S2 2
   1 1
 1/ 2

(2)
dk 
 

 X 
N1
2
1i  X1
S1 
2 i
(3)
N1  1

 X 
N2
2
2i  X2
S2 
2 i
(4)
N2 1
dk  N1  N 2  2 (5)

dengan thit = variabel t hitung, tcr = variabel t kritis, X 1 = rata-rata hitung sampel 1, X 2 = rata-rata hitung
sampel ke 2, N1 = jumlah sampel set 1, N2 = jumlah sampel set 2, σ = deviasi standar, S12 = varian sampel set 1, S22
= varian sampel set 2 dan dk = derajat kebebasan.

 Uji Outlier
Uji outlier adalah uji yang dilakukan untuk memperbaiki data yang menyimpang terlalu tinggi atau terlalu rendah
dari sekumpulan set data (Talumepa et al, 2017). Uji Grubbs-Beck (Uji GB) digunakan untuk mendeteksi data
outlier dan persamaannya disajikan seperti berikut ini, yaitu (Rao dan Hamed, 2000);
 X H ,L  exp( X  K N * S) (6)

K N  3,62201  6,28446N1 / 4  2,49835N1 / 2  0,491436N 3 / 4  0,037911N (7)

dengan XH = nilai tertinggi dari sampel data, XL = nilai terendah suatu sampel data, X = nilai rata-rata suatu sampel
data, KN = koefisien frekuensi Grubbs-Beck, S = standar deviasi dari sampel data dan N = jumlah data.

Parameter statistik
Metode yang digunakan untuk mengestimasi parameter statistik adalah metode l-momen yaitu metode yang
dibangun dari kombinasi linear dari momen probabilitas terboboti (Hosking dan Wallis, 1997). Persamaan yang
digunakan untuk menghitung parameter statistik dengan metode ini adalah sebagai berikut;
2 b1  b 0
t (8)
b0
6b 2  6b 1  b 0
t3  (9)
2 b1  b 0
20b 3  30b 2  12b1  b 0
t4  (10)
2 b1  b 0
n
b 0  n 1  X j:n (11)
j1

n
( j  1)
b1  n 1  X j;n (12)
j 2 ( n  1)

n
( j  1)( j  2)
b 2  n 1  X j;n (13)
j 3 ( n  1)( n  2)

n
( j  1)( j  2)( j  3)
b 3  n 1  X j;n (14)
j 4 ( n  1)( n  2)( n  3)

dengan t = koefisien variant (L-Cv), t3 = koefisien kemencengan linier (L-Cs), t4 = koefisien kurtosis linier (L-Ck),
bj-1 = momen ke-j, lj = L-momen pertama ke-j, n = jumlah data dan j = angka 1, 2, 3, 4.

Pemilihan jenis distribusi

Penentuan jenis distribusi dapat dilakukan dengan cara menggunakan diagram rasio parameter statistik teoritis dari
berbagai jenis distribusi (Masimin, 2011). Diagram ini merupakan grafik yang menghubungkan nilai dari L-Cs
dengan L-Ck dari masing-masing jenis distribusi. Menurut Hosking (1990), jika n data ≥ 4, maka nilai yang layak
bagi L-Cs dan L-Ck masing-masing adalah sama dengan τ3 dan τ4. Adapun nilai τ3 dan τ4 teoritik masing-masing
jenis distribusi dapat dilihat pada Tabel 1.
Uji kesesuaian jenis distribusi
Menurut Ang et al (1992), ada dua cara yang dapat digunakan untuk menilai kesesuaian jenis distribusi yang telah
diasumsikan yaitu uji Chi Square dan uji Smirnov Kolmogorov.
 Uji Chi Square
Chi square merupakan suatu penjumlahan dari sederatan nilai perbandingan kuadrat perbedaan antara jumlah nilai
pengamatan pada sub kelompok ke-i dan jumlah nilai teoritis sub kelompok ke-i dengan jumlah nilai teoritis
tersebut (Mangkuatmodjo, 2004). Adapun persamaannya adalah sebagai berikut;
k(O i  E i ) 2
 2
kritis  (15)
i 1 Ei
dengan Oi = jumlah nilai pengamatan pada sub kelompok ke-i, Ei = jumlah nilai teoritis pada sub kelompok ke-i dan
k = jumlah sub kelompok.

Tabel 1. Nilai τ3 – τ4 teoritik masing-masing jenis distribusi

No Jenis Distribusi Nilai τ3 – τ4 Teoritik

1 Uniform τ3 = 0,0 , τ 4 = 1,8
2 Exponential τ 3 = 1/3 , τ 4 = 1/6
3 Gumbel (EVI) τ 3 = 0,1699 , τ 4 = 0,1504
4 Logistik τ 3 = 0,0 , τ 4 = 1/6
5 Normal τ 3 = 0,0 , τ 4 = 0,1226
6 Log Normal II τ4 = 0,12282 + 0,77518τ3 + 0,12279τ34 – 0,13638τ36 + 0,11368τ38
2

7 Generalized Logistik (GLO) τ4 = (1 + 5τ32)/6 atau ; τ4 = 0,16667 + 0,83333τ32

8 Generalized Extreme Value
(GEV)
9 Gamma dan Pearson III
10 Generalized Pareto (GPO)
Sumber : Rao dan Hamed (2000)
τ4 = 0,10701 + 0,11090τ3 + 0,84838τ32 - 0,06669τ33 + 0,00567τ34 –
0,04208τ35 + 0,03763τ36
τ4 = 0,1224 + 0,30115τ32 + 0,95812τ34 - 0,57488τ36 + 0,19383τ38
τ4 = τ3 (1 + 5τ3)/(5 + τ3) atau ;
τ4 = 0,20196τ3 + 0,95924τ32 - 0,20096τ33 + 0,04061τ34

 Uji Smirnov Kolmogorov

Uji ini menghitung besarnya jarak maksimum secara vertical antara pengamatan dan teoritisnya dari distribusi
sampelnya. Persamaan yang digunakan dalam uji Smirnov Kolmogorov disajikan sebagaimana persamaan berikut ini
(Mangkuatmodjo, 2004);
D kritis  max Fo ( X)  Fn ( X) (16)

dengan Fo (X) = fungsi distribusi frekuensi kumulatif teoritis yang ditetapkan dan Fn (X) = fungsi distribusi
frekuensi pengamatan.

3. METODE PENELITIAN
Lokasi penelitian
Kabupaten Nagan Raya seperti yang diperlihatkan dari Gambar 1 merupakan salah satu kabupaten di Propinsi Aceh
yang secara geografis terletak pada posisi 03o 40’ – 04o 38’ Lintang Utara dan 96o 11’ – 96o 48’ Bujur Timur,
dengan luas wilayah mencapai 3.554,90 km 2.

Gambar 1. Peta Administrasi Kabupaten Nagan Raya

(Sumber : Bappeda Kabupaten Nagan Raya, 2015)
Ketersediaan data
Data curah hujan yang digunakan dalam penelitian ini adalah data curah hujan harian maksimum tahunan dari 13
stasiun hujan yang tersebar di wilayah Kabupaten Nagan Raya. Data diperoleh dari beberapa instansi terkait yaitu,
Balai Penyuluh Pertanian (BPP), Stasiun Klimatologi Tjut Nyak Dhien, PT. Socfindo, PT. Fajar Baizury &
Brother’s (FBB), PT. Kalista Alam. PT. Agro Sinergi Nusantara (ASN), dan PT. Surya Panen Subur (SPS). Adapun
nama stasiun hujan, lokasi dan sumber data, secara lengkap disajikan pada Tabel 2 berikut ini;

Tabel 2. Nama stasiun hujan, lokasi dan sumber data

Lokasi
No Stasiun Hujan Sumber Data
LU BT
1. Tjut Nyak Dhien 040 02’ 56,3” 960 15’ 00,0” BMKG
2. BPP Pulo Ie 040 05’ 11,7” 960 16’ 31,5” BPP Pulo Ie
3. BPP Seunagan 04 13’ 48,0”
0
960 18’ 36,0” BPP Seunagan
4. BPP Beutong 04 14’ 55,3”
0
960 25’ 09,6” BPP Beutong
5. ASN 0
04 02’ 21,3” 960 31’ 04,7” PT. Agro Sinergi Nusantara
6. Socfindo Div II 030 57’ 56,6” 960 33’ 48,5” PT. Socfindo Seumayam
7. Socfindo Div III 03 56’ 45,5”
0
960 29’ 12,8” PT. Socfindo Seumayam
8. SPS II 03 48’ 25,9”
0
960 29’ 36,0” PT. Surya Panen Subur
9. SPS I 04 06’ 46,2”
0
960 27’ 52,7” PT. Surya Panen Subur
10. Kalista Alam 03 52’ 14,2”
0
960 34’ 52,2” PT. Kalista Alam
11. Socfindo Div V 04 03’ 48,4”
0
960 22’ 24,7” PT. Socfindo Seunagan
12. FBB Tadu A 04 00’ 57,9”
0
960 02’ 00,9” PT. Fajar Baizury & Brother’s
13. FBB Tadu B 03 59’ 10,2”
0
960 24’ 41,9” PT. Fajar Baizury & Brother’s

Metode analisis data

Metode analisis diawali dengan melakukan screening data, yaitu dengan uji t dan uji GB. Uji t digunakan untuk
melihat kehomogenitasan data, analisis menggunakan persamaan (1) hingga (5). Sementara uji GB digunakan untuk
melihat ada tidaknya outlier data dengan menggunaka persamaan (6) dan (7). Selanjutnya perhitungan parameter
statistik menggunakan persamaan (8) hingga (14). Hasil analisis parameter statistik tersebut kemudian diplotkan
pada grafik rasio perbandingan parameter statistik masing-masing jenis distribusi. Selanjutnya dari grafik tersebut
dapat dipilih jenis distribusi frekuensinya. Kesesuaian jenis distribusi terpilih diuji menggunakan persamaan (15)
untuk uji chi square dan persamaan (16) untuk uji Smirnov Kolmogorov. Bagan alir penelitian secara lengkap dapat
dilihat pada Gambar 2 berikut ini;

Gambar 2. Bagan alir penelitian

3. HASIL DAN PEMBAHASAN
Uji kelayakan data
Penyeleksian data hujan perlu dilakukan untuk melihat apakah suatu set data dianggap “layak” atau “tidak layak”
untuk digunakan dalam analisa frekuensi. Kelayakan data dilihat dari sifatnya yang homogen dan tanpa adanya
outlier data. Uji t digunakan untuk menganalisis homogenitas data, dimana nilai thitung harus lebih kecil dari tkritis.

Tabel 3. Hasil uji homogenitas data curah hujan terhadap 13 stasiun hujan di Kabupaten Nagan Raya

Uji Homogenitas Uji Homogenitas

No Stasiun Hujan No Stasiun Hujan
thit tkritis Status thit tkritis Status
1. Tjut Nyak Dhien 0,417 2,787 Layak 8. SPS I 1,316 4,604 Layak
2. BPP Pulo Ie 2,124 2,355 Layak 9. SPS II 0,240 4,032 Layak
3. BPP Seunagan 0,078 3,355 Layak 10. Kalista Alam 0,028 3,707 Layak
4. BPP Beutong 0,526 4,707 Layak 11. Socfindo Div V 1,111 4,032 Layak
5. ASN 1,845 5,841 Layak 12. FBB Tadu A 0,342 3,499 Layak
6. Socfindo Div II 0,610 2,807 Layak 13. FBB Tadu B 0,228 4,032 Layak
7. Socfindo Div III 1,105 3,707 Layak

Tabel 3 menunjukkan hasil bahwa seluruh data yang digunakan memiliki sifat homogen. Hasil analisis
menunjukkan bahwa data dari 12 stasiun hujan bersifat sangat homogen dimana hasil thitung masing-masing set data
lebih kecil dari nilai tkritis. Sementara itu hanya data dari stasiun BPP Pulo Ie yang nilai thitung nya hampir mendekati
nilai tkritis nya.
Hasil uji outlier terhadap data 13 stasiun hujan yang ada di Kabupaten Nagan Raya disajikan pada Gambar 3.
Berdasarkan gambar tersebut dapat dilihat bahwa data hujan terendah memiliki nilai berkisar antara 77,7 mm hingga
129 mm. Nilai ini masih lebih tinggi dari nilai batas bawah (XL) yang berkisar 61,15 hingga 122,65 mm. Sementara
data hujan tertinggi berkisar antara 160 hingga 260 mm, nilainya lebih rendah dibandingkan nilai batas atas (XH)
yang berkisar antara 178,63 mm hingga 335,32 mm. Hasil ini menunjukkan bahwa tidak ditemukan adanya outlier
data pada set data tersebut.

Gambar 3. Box plot hasil uji outlier data 13 stasiun hujan di Kabupaten Nagan Raya

Parameter statistik
Perhitungan parameter statistik dilakukan dengan menggunakan kaedah metode l-momen. Hasil perhitungan
menunjukkan bahwa nilai L-Cs berkisar antara - 0,124 hingga 0,371, sementara nilai L-Ck berkisar antara - 0,444
hingga 0,533. Parameter statistik data curah hujan 13 stasiun hujan disajikan pada Tabel 4.
 Tabel 4. Parameter statistik data curah hujan 13 stasiun hujan di Kabupaten Nagan Raya

Parameter Statistik Parameter Statistik

No Stasiun Hujan No Stasiun Hujan
LCs LCk LCv LCs LCk LCv
1. Tjut Nyak Dhien 0,072 0,020 0,140 8. SPS I 0,115 0,481 0,132
2. BPP Pulo Ie 0,371 0,117 0,227 9. SPS II -0,124 -0,015 0,109
3. BPP Seunagan 0,201 -0,003 0,113 10. Kalista Alam 0,223 0,060 0,082
4. BPP Beutong 0,284 0,005 0,164 11. Socfindo Div V 0,214 0,393 0,131
5. ASN 0,058 -0,444 0,140 12. FBB Tadu A 0,094 -0,054 0,218
6. Socfindo Div II 0,001 0,188 0,104 13. FBB Tadu B 0,191 -0,331 0,148
7. Socfindo Div III 0,118 0,553 0,077

Pemilihan jenis distribusi

Pemilihan jenis distribusi dilakukan dengan menggunakan grafik rasio perbandingan parameter statistik teoritis dari
masing-masing jenis distribusi. Dimana nilai LCs dan LCk dari tiga belas stasiun hujan pada Tabel 3 kemudian
diplotkan ke dalam grafik rasio perbandingan parameter statistik masing-masing jenis distribusi. Gambar 4 berikut
memperlihatkan bahwa data dari sembilan stasiun hujan mendekati jenis distribusi GPO yaitu stasiun Klimatologi
Tjut Nyak Dhien, BPP Pulo Ie, BPP Seunagan, BPP Beutong, ASN, SPS II, Kalista Alam, FBB Tadu A dan FBB
Tadu B. Sedangkan empat stasiun hujan yang lain mendekati jenis distribusi GLO yaitu Socfindo Div. II, Socfindo
Div. III, Socfindo Div. V, dan SPS I.

Gambar 4. Grafik rasio perbandingan parameter statistik 13 stasiun hujan di Kabupaten Nagan Raya

Tabel 5. Hasil uji kesesuaian jenis distribusi terpilih

Distri Uji Chi Square Uji Smirnov-Kolmogorov
No Stasiun Hujan
Busi χ2hit χ2Kritis Ket Dmax Dkritis Ket
1 Tjut Nyak Dhien GPO 1,222 7,815 Sesuai 0,166 0,258 Sesuai
2 BPP Pulo Ie GPO 5,000 5,991 Sesuai 0,100 0,410 Sesuai
3 BPP Seunagan GPO 3,000 5,991 Sesuai 0,100 0,410 Sesuai
4 BPP Beutong GPO 1,000 3,841 Sesuai 0,125 0,470 Sesuai
5 Socfindo Div/ II GLO 2,600 7,815 Sesuai 0,067 0,270 Sesuai
6 Socfindo Div. III GLO 2,000 3,841 Sesuai 0,125 0,470 Sesuai
7 ASN GPO 2,200 3,841 Sesuai 0,150 0,560 Sesuai
8 SPS I GLO 0,667 3,841 Sesuai 0,083 0,530 Sesuai
9 SPS II GPO 1,571 3,841 Sesuai 0,107 0,500 Sesuai
10 Kalista Alam GPO 1,000 3,841 Sesuai 0,125 0,470 Sesuai
11 Socfindo Div. V GLO 1,571 3,841 Sesuai 0,107 0,500 Sesuai
12 FBB Tadu A GPO 0,444 5,991 Sesuai 0,089 0,440 Sesuai
13 FBB Tadu B GPO 1,571 3,841 Sesuai 0,179 0,500 Sesuai
Uji kesesuaian jenis distribusi
Uji kesesuaian jenis distribusi dilakukan untuk melihat apakah jenis distribusi terpilih telah sesuai secara teoritis.
Pengujian dilakukan dengan menggunakan uji Chi Square dan Smirnov Kolmogorov. Tabel 5 menyajikan hasil
bahwa jenis distribusi terpilih masing-masing stasiun telah sesuai secara teoritis. Nilai χ2 hitung berkisar antara
0,444 hingga 5,000 dimana nilai tersebut lebih kecil dibandingkan nilai χ 2 kritis yang berkisar antara 3,841 hingga
7,815. Sementara nilai Dmax berkisar antara 0,067 hingga 0,179 dan lebih kecil dibandingkan nilai D kritis nya
yaitu berkisar antara 0,258 hingga 0,580.

4. KESIMPULAN
Berdasarkan hasil analisis dan pembahasan, maka data curah hujan dari 13 stasiun hujan layak digunakan untuk
analisa hidrologi di Kabupaten Nagan Raya, karena bersifat homogen dan tidak ditemukan adanya outlier data. Jenis
distribusi curah hujan ekstrim di Kabupaten Nagan Raya mengikuti 2 jenis distribusi yaitu distribusi GPO dan GLO.
Sembilan stasiun mengikuti jenis distribusi GPO yaitu Stasiun Klimatologi Tjut Nyak Dhien, BPP Pulo Ie, BPP
Seunagan, BPP Beutong, ASN, Kalista Alam, SPS II, FBB Tadu A dan FBB Tadu B mengikuti distribusi GPO.
Sementara empat stasiun yang lain mengikuti distribusi GLO yaitu Stasiun Socfindo Div II, Socfindo Div. III,
Socfindo Div. V dan SPS I.

DAFTAR PUSTAKA
Alahmadi, F. (2017). Regional Rainfall Frequency Analysis By L-Moment Approach For Madina Region, Saudi
Arabia. International Journal of Engineering Research and Development, Vol. 13, No. 7, 39 – 48.
Ang, AH-S., Tang, W. H., dan Hariandja, B. (1992) Konsep-konsep Probabilitas dalam Perencanaan dan
Perancangan Rekayasa : Prinsip-Prinsip Dasar (Jilid 1). Erlangga, Jakarta.
Chuah, S. L., Ayog, J. L., dan Bolong, N. (2017). Application of Linear Moments and Uncertainty Analysis to
Extreme Rainfall Events in Sabah. MATEC Web of Conferences 103, 04014.
Fauzi, M., Rinaldi, dan Handayani, F. Y. (2012). “Pemilihan Jenis Frekuensi Hujan Harian Maksimum Tahunan
Pada Wilayah Sungai Akuaman Provinsi Sumatera Barat”. Jurnal Sains dan Teknologi, Vol. 11, No. 1, 18 - 24
Forestieri, A., Conti, F. L., Blenkinsop, S., Cannarozzo, M., Fowler, H. J., dan Noto, L. V. (2018), “Regional
Frequency Analysis Of Extreme Rainfall In Sicily (Italia)”. International Journal of Climatology (2018).
Publish online in wileyonlinelibrary.com ; DOI: 10.1002/joc.5400.
Hassan, B. G. H. dan Ping, F. (2012). “Regional Rainfall Frequency Analysis for the Luanhe Basin – by Using L-
Moments and Cluster Techniques”. APCBEE Procedia, Hongkong, 5 – 7 Januari 2012, 126 – 135.
Hosking, J. R. (1990). “L-Moment: Analysis and Estimate of Distributions using Linear Combination of Order
Statistics”, Journal R. Statist. Soc., Vol. 52, No. 1, 105 – 124.
Hosking, J. R. M. dan Wallis, J. R. (1997). Regional Frequency Analysis : An Approach Based on L-Moment.
Cambridge University Press, Cambridge, Inggris.
Kamiana, I. M. (2010). Teknik Perhitungan Debit Rencana Bangunan Air. PT. Graha Ilmu, Jakarta.
Khan, S. A., Hussain, I., Hussain, T., Faisal, M., Muhammad, Y. S., dan Shoukry, A. M. (2017), “Regional
Frequency Analysis of Extremes Precipitation Using L-Moments and Partial L-Moments”. Advances in
Meteorology, Vol. 2017. Publish online in https://doi.org/10.1155/201/6954902.
Mangkuatmodjo, S. (2004). Statistik Lanjutan. PT. Rineka Cipta, Jakarta.
Masimin. (2011). “Rancangan Distribusi Waktu Curah Hujan Menggunakan Metode Momen Probabilitas dan Blok
Puncak”. Jurnal Teknik Sipil, Vol. 1, No. 1, 71 – 80.
Nguyen, T. H., Outayek, S. E., Lim, S. H., dan Nguyen, V. T. V. (2017). “A Systematic Approach To Selecting The
Best Probability Models For Annual Maximum Rainfalls – A Case Study Using Data In Ontario (Canada)”.
Journal of Hydrology, Vol. 533, 49 – 58.
Rao, AR. dan Hamed, KH. (2000). Flood Frequency Analysis. CRC Press, Florida.
 Sanusi, W., Mulbar, U., Jaya, H., Purnamawati dan Side, S. (2017). Modelling of Rainfall Characteristics for
Monitoring of The Extreme Rainfall Event in Makassar City. American Journal of Applied Sciences, Vol. 14,
No. 4, 456 – 461.
Shabri, A. dan Ariff, N. M. (2009). “ Frequency Analysis of Maximum Daily Rainfalls via L-Moment Approach”.
Sains Malaysiana, Vol. 38, No. 2, 149 – 158.
Soewarno, (1993) Aplikasi Metode Statistik Untuk Analisa Data Hidrologi. Nova, Bandung.
Talumepa, MY. Tanudjaja, L. dan Sumarauw, JSF. (2017). “Analisis Debit Banjir dan Tinggi Muka Air Sungai
Sangkub Kabupaten Bolaang Mongondow”. Jurnal Sipil Statik, Vol. 5, No. 10, 699 – 710.

View publication stats