Laporan Akhir Hidrologi

LAPORAN HIDROLOGI
TL-2204
ANALISA HIDROLOGI
Nama/NIM : Anria Niarti Setyawan (15315053)

Winston T Marco (15315054)
Vita Arinita (15315055)
Gina Resti Anjani (15315065)
Asisten : Ramadian Irvanizar (15313061)
Tanggal Pengumpulan : 26 April 2017
PROGRAM STUDI TEKNIK LINGKUNGAN
FAKULTAS TEKNIK SIPIL DAN LINGKUNGAN
INSTITUT TEKNOLOGI BANDUNG
2017
KATA PENGANTAR
Puji syukur kami panjatkan selaku penulis dan penyusun dari laporan yang berjudul
”Analisa Hidrologi” kepada Tuhan Yang Maha Esa karena atas rahmat dan karunia-
Nya kami dapat menyelesaikan laporanini semaksimal mungkin. Tidak lupa juga tim
penyusun mengucapkan terima kasih kepada:
1. Bapak Suharyanto, ST., MSc selaku dosen mata kuliah Hidrologi Teknik
Lingkungan ITB 2016-1017,
2. Ramadian Irvanizar selaku asisten untuk mata kuliah Hidrologi Teknik
Lingkungan ITB 2016-1017,
3. Orang tua dari penulis dan penyusun laporan,
4. Dan rekan-rekan Teknik Lingkungan angkatan 2015
Yang telah membantu kami baik secara moral maupun materil seta memberikan
masukan, dukungan, dan bimbingan kepada penulis dan penyusun untuk
menyelesaikan laporan ini.
Terlepas dari kekurangan pada laporan ini, kami harap laporan ini dapat bermanfaat
bagi penulis, penyusun, dan pembaca.
Bandung, 26 April 2017
Tim Penyusun
DAFTAR ISI
DAFTAR GAMBAR
DAFTAR TABEL
BAB I PENDAHULUAN
I.1 Latar Belakang

Indonesia merupakan daerah beriklim tropis dimana mempunyai dua macam musim
yaitu musim kemarau dan musim penghujan. Curah hujan yang berlebihan akan
menimbulkan masalah bagi manusia jika tidak disediakan suatu sistem saluran yang
tepat untuk mengalirkan air hujan tersebut. Hampir semua kegiatan pengembangan
sumber daya air memerlukan informasi hidrologi untuk dasar perencanaan dan
perancangan.
Ketidakcermatan informasi hidrologi yang dihasilkan dapat mengakibatkan

rancangan yang tidak akurat pula dan bahkan dapat berakibat fatal. Interpretasi
terhadap fenomena hidrologi akan dapat dilakukan dengan cermat apabila didukung
dengan ketersediaan data yang cukup. Oleh sebab itu diperlukan sarana pengumpulan
data yang memadai dan kegiatan pengumpulan data yang konsisten, kemampuan
mengidentifikasi masalah, dan pemilihan cara penyelesaian terbaik. Ketinggian curah
hujan dalam tahun tertentu dapat diperkirakan ketinggiannya, maka dari itu dapat
diperkirakan langkah-langkah pencegahannya.
Hampir semua kegiatan pengembangan sumber daya air memerlukan informasi

hidrologi untuk dasar perencanaan dan perancangan. Salah satu informasi hidrologi
yang diperlukan adalah data curah hujan suatu wilayah. Interpretasi terhadap
fenomena hidrologi akan dapat dilakukan dengan cermat apabila didukung
ketersediaan data curah hujan yang cukup memadai. Oleh karena itu, diperlukan
sarana pengumpulan data yang memadai dan kegiatan pengumpulan data yang
konsisten, kemampuan mengidentifikasi masalah, dan kemampuan memilih cara
penyelesaian masalah yang terbaik. Masalah yang sering didapati pada pos hujan
adalah tidak tersedianya data curah hujan yang lengkap sehingga dapat berakibat fatal
pada perencanaan dan perancangan pengembangan sumber daya air. Untuk itu, perlu
dilakukan metode pelengkapan data curah hujan pada suatu pos hujan.
Besarnya intensitas curah hujan ini sangat diperlukan untuk melakukan perhitungan
debit banjir berdasarkan durasi metode rasional, yang mana tergantung dari lamanya
suatu kejadian hujan. . Suatu intensitas hujan yang tinggi pada umumnya berlangsung
dengan durasi pendek dan meliputi daerah yang tidak sangat luas. Nilai intensitas
hujan yang sangat tinggi akan mempunyai efek samping yang sangat besar juga,
misalnya akan berdampak terjadinya kelongsoran dan banjir.
Bencana banjir sudah menjadi langganan setiap tahun pada saat musim penghujan
selama puluhan tahun di wilayah Banyumas, terutama Banyumas bagian selatan yaitu
kecamatan Kemranjen, kecamatan Sumpiuh, kecamatan Banyumas dan kecamatan
Tambak (Suara Merdeka, 2004). Banjir adalah aliran/genangan air yang
menimbulkan kerugian ekonomi atau bahkan menyebabkan kehilangan jiwa (Asdak,
C. 1995). Aliran/genangan air ini dapat terjadi karena adanya luapan-luapan pada
daerah di kanan atau kiri sungai/saluran akibat alur sungai tidak memiliki kapasitas
yang cukup bagi debit aliran yang lewat (Sudjarwadi, 1987). Bencana banjir selain
akibat kerusakan ekosistem ataupun aspek lingkungan yang tidak terjaga tetapi juga
disebabkan karena bencana alam itu sendiri seperti curah hujan yang tinggi. Dalam
perencanaan bangunan pengendali banjir (saluran drainase, tanggul, dll) data
masukan curah hujan sangat diperlukan. Hasil penelitian berupa kurva IDF dapat
dimanfaatkan untuk menghitung debit banjir rencana yang digunakan dalam
perencanaan bangunan pengendali banjir.
I.2 Maksud dan Tujuan

Analasis laporan kali ini dimaksudkan untuk menentukan Frequency (IDF) curve,
yaitu suatu kurva yang menunjukkan hubungan antara lamanya waktu pengaliran
dengan intensitas hujan. Untuk mengolah data curah hujan menjadi intensitas curah
hujan yang terjadi berdsarkan analisis-analisis dari hasil pengujian sebelumnya.
I.3 Ruang Lingkup
Data yang digunakan pada analisis hidrologi kali ini adalah data yang berasal dari 10
pos pencatat curah hujan yaitu pada daerah Cicalengka, Paseh, Chinchona, Ujung
Berung, Bandung, Cililin, Montaya, Saguling DAM, dan Cisondari. Data yang
dilampirkan pada analisis ini merupakan data pengukuran hujan dari tahun 1986
sampai 2013 yang dicatat pada setiap stasiun.
Pada pendataan curah hujan, ada beberapa data yang tidak tercatat. Oleh karena itu
diperlukan pemahaman mengenai metode aljabar dan metode perbandungan normal
serta pengaplikasiannya untuk melengkapi data curah hujan.
Untuk menentukan nilai curah hujan harian maksimum, diperlukan pengujian yang
lain seperti uji konsistensi, uji homogenitas, perhitungan curah hujan wilayah dengan
metode aritmatika dan metode poligon Thiessen. Selanjutnya dilakukan pula uji
kecocokan, serta analisis intensitas hujan dengan metode Haspers dan Der Weduwen
untuk menentukan kurva IDF.
I.4 Sistematika Penyusunan Laporan

Sistematika penyusunan laporan tugas akhir ini dapat dilihat sebagai berikut:
I.4.1 Bab I Pendahuluan
Bab ini berisi latar belakang, maksud dan tujuan, lokasi perencanaan, ruang lingkup,
metodologi, dan sistematika penyusunan laporan.
I.4.2 Bab II Tinjauan Pustaka

Bab ini menjelaskan dasar-dasar ilmu dan sumber yang dipakai dalam melakukan
analisis hidrologi
I.4.3 Bab III Metodologi
Bab ini menyajikan penjelasan teknik mengenai metode-metode yang digunakan
dalam analisis hidrologi.
I.4.4 Bab IV Lokasi Penelitian

Bab ini mendeskripsikan titik-titik yang menjadi lokasi pengambilan sampel curah
hujan.
I.4.5 Bab V Hasil dan Pembahasan

Bab ini menyajikan langkah-langkah pengolahan data yang digunakan untuk analisis
lebih lanjut.
I.4.6 Bab VI Kesimpulan

Bab ini menjawab tujuan-tujuan pada analisis hidrologi dan merupakan rangkuman
dari hasil analisis dan pembahasan.
BAB II TINJAUAN PUSTAKA
II.1 Hujan
Hujan adalah sebuah peristiwa Presipitasi (jatuhnya cairan dari atmosfer yang
berwujud cair maupun beku ke permukaan bumi) berwujud cairan. Hujan
memerlukan keberadaan lapisan atmosfer tebal agar dapat menemukan suhu di atas
titik leleh es di atas permukaan Bumi. Di Bumi, hujan adalah proses kondensasi
(perubahan wujud benda ke wujud yang lebih padat) uap air di atmosfer menjadi
butiran air yang cukup berat untuk jatuh dan biasanya tiba di daratan. Dua proses
yang mungkin terjadi bersamaan dapat mendorong udara semakin jenuh menjelang
hujan, yaitu pendinginan udara atau penambahan uap air ke udara. Butir hujan
memiliki ukuran yang beragam mulai dari butiran besar hingga butiran kecilnya.
II.2 Curah Hujan

Curah hujan merupakan ketinggian air hujan yang terkumpul dalam tempat yang
datar, tidak menguap, tidak meresap, dan tidak mengalir. Satuan curah hujan selalu
dinyatakan dalam satuan milimeter atau inchi namun untuk di indonesia satuan curah
hujan yang digunakan adalah dalam satuan milimeter (mm). Curah hujan dalam 1
(satu) millimeter memiliki arti dalam luasan satu meter persegi pada tempat yang
datar tertampung air setinggi satu milimeter atau tertampung air sebanyak satu liter.
II.3 Proses Terjadinya Hujan

Presipitasi adalah turunnya air dari atmosfer ke permukaan bumi yang bisa berupa
hujan, hujan salju, kabut, embun, dan hujan es. Di daerah tropis hujan memberikan
sumbangan terbesar sehingga seringkali hujanlah yang dianggap presipitasi
(Triadmojo, 2008). Sedangkan menurut Sosrodarsono (1985), presipitasi adalah
sebutan umum dari uap yang mengkondensasi dan jatuh ke tanah dalam rangkaian
proses siklus hidrologi, biasanya jumlah selalu dinyatakan dengan dalamnya
presipitasi (mm). Jika uap air yang jatuh berbentuk cair disebut hujan (rainfall) dan
jika berbentuk padat disebut salju (snow).
II.4 Stasiun Pengamat Curah Hujan

Pengamatan curah hujan dilakukan dengan sebuah alat ukur curah hujan. Salah satu
alat pengamat curah hujan adalah alat ukur biasa yang diletakkan di suatu tempat
terbuka yang tidak dipengaruhi oleh bangunan atau pepohonan dengan ketelitian
pembacaan sampai 1/10 mm. Pengamatan ini dilaksanakan satu kali sehari dan dibaca
sebagai curah hujan hari sebelumnya dengan waktu yang sama.
II.5 Analisis Data Curah Hujan

II.5.1 Metode Rata-Rata Aljabar
Metode Rata-Rata Aljabar adalah metode yang paling praktis digunakan untuk
mencari data curah hujan yang hilang. Pengukuran yang dilakukan di beberapa
stasiun dalam waktu yang bersamaan dijumlahkan dan kemudian dibagi dengan
jumlah stasiun, stasiun yang digunakan dalam hitungan biasanya masih saling
berdekatan (Saputro, 2011).
𝑝1 +𝑝2 +𝑝3 +⋯𝑝𝑛
𝑝= ……………………………….(2.5.1)
𝑛
Keterangan:
p = Curah hujan yang hilang
p1, p2 ... pn = Hujan di stasiun 1,2,3,…,n
n = Jumlah stasiun hujan
II.5.2 Metode Perbandingan Normal

Metode Normal Ratio adalah salah satu metode yang digunakan untuk mencari data
yang hilang. Metode perhitungan yang digunakan cukup sederhana yakni dengan
memperhitungkan data curah hujan di stasiun hujan yang berdekatan untuk mencari
data curah hujan yang hilang di stasiun tersebut. Variabel yang diperhitungkan pada
metode ini adalah curah hujan harian di stasiun lain dan jumlah curah hujan 1 tahun
pada stasiun lain tersebut. Rumus Metode Normal Ratio untuk mencari data curah
hujan yang hilang sebagai berikut (Wei and McGuiness, 1973):
𝑟𝑥 1 𝑟 𝑟2 𝑟3 𝑟𝑛
𝑁𝑥
=
𝑛
{𝑁1 + 𝑁2
+
𝑁3
…+
𝑁𝑛
} …………………… (2.5.2)
1
Keterangan:
rx = Hujan yang hilang di stasiun x
r1, r2 ... rn = Data hujan di stasiun sekitarnya pada periode yang sama
Nx = Hujan tahunan di stasiun x
N1, N2, ... Nn = Hujan tahunan di stasiun sekitar x
n = Jumlah stasiun hujan disekitar x
II.5.3 Tes Konsistensi
II.5.4 Uji Homogenitas

Pada analisis curah hujan, sangat diperlukan uji homogenitas dari kumpulan data
yang ada. Uji homogenitas diperlukan untuk membuktikan bahwa data yang
diberikan oleh setiap stasiun hujan pada setiap daerah adalah homogen atau memiliki
pola tertentu. Uji homogenitas menjadi penting karena uji ini berfungsi sebagai
penyaring bagi pengujian pada analisis berikutnya. Dalam uji homogenitas dikenal
empat metode yang dapat digunakan yaitu Uji Standard Normal Homogenenity
(SNH), Uji Rentang Buishand (RB), Uji Pettitt, Uji Rasio von Neumann, dan uji
menggunakan kurva homogenitas. Uji menggunakan kurva homogenitas ini
menggunakan grafik dari US Geological Survey.
Uji yang dipakai pada analisis curah hujan kali ini adalah uji menggunakan kurva
homogenitas . Uji dengan metode ini dapat dilakukan dengan langkah-langkah
sebagai berikut :
1. Menghitung rata-rata Curah Hujan Harian Maksimum ( R ) yang telah diuji
konsistensinya (R)
2. Menghitung standar deviasi (σR)
2
( Ri  R)
 …………………………. (2.3)
N 1
3. Menghitung curah hujan tahunan dengan PUH 10 tahunan rata-rata (RT 10)
dengan nilai TR sebesar 10
……………… (2.4)
4. Menghitung occurence interval atau PUH untuk hujan tahunan rata-rata (TR)
……………………………… (2.5)
5. Plotkan ke dalam kurva homogenitas
Figure 1
(Sumber: PPT Hidrologi T03 tahun 2017)
Data dikatakan homogen jika semua titik N (banyaknya data) dan nilai TR yang di
plotkan ke dalam kurva berada di dalam corong kurva homogenitas.
II.6 Curah Hujan Harian Maksimum
II.6.1 Analisis CHHM
Sistem hidrologi terkadang dipengaruhi oleh peristiwa-peristiwa yang ;luar biasa,
seperti hujan lebat, banjir, dan kekeringan. Besaran peristiwa ekstrim berbanding
terbalik dengan frekuensi kejadiannya, peristiwa yang sangat ekstrim kejadiannya
sangat langka (Suripin, 2004).
Tujuan analisis frekuensi data hidrologi berkaitan dengan besaran peristiwa-peristiwa

ekstrim yang berkaitan dengan frekuensi kejadiannya melalui penerapan distribusi
kemungkinan. Data hidrologi yang dianalisis diasumsikan tidak bergantung
(independen), terdistribusi secara acak, dan bersifat stokastik.
Frekuensi hujan adalah besaran kemungkinan suatu besaran hujan disamai atau
dilampaui. Sebaliknya, periode ulang adalah waktu hipotetik dimana hujan dengan
suatu besaran tertentu akan disamai atau dilampaui. Analisis frekuensi ini didasarkan
pada sifat statistik data kejadian yang telah lalu untuk memperoleh probabilitas
besaran hujan di masa yang akan datang dengan anggapan bahwa sifat statistik
kejadian hujan di masa akan datang akan masih sama dengan sifat statistic kejadian
hujan masa lalu.
Dalam ilmu statistik dikenal beberapa macam distribusi frekuensi. Dalam analisis
hidrologi ini digunakan tiga metode analisis frekuensi data curah hujan harian
maksimum yaitu:
1. Metode Gumbel
2. Metode Log Pearson Tipe III
3. Metode Distribusi Normal
II.6.1.1 Metode Gumbel
Menurut Gumbel, curah hujan untuk periode ulang hujan (PUH) tertentu (Tr)
dihitung berdasarkan persamaan berikut (Suripin, 2004):
𝑌 +𝑌
𝑋𝑇𝑟 = 𝑋̅ + 𝑆 ( 𝑇𝑟𝑆 𝑛) (2.4.1)
𝑛
𝑟 𝑇
𝑌𝑇𝑟 = −𝐿𝑛 (𝐿𝑛 (𝑇 −1)) (2.4.2)
𝑟
∑𝑛 ̅ 2 1/2
𝑖=1(𝑅𝑖 −𝑅 )
𝑆=[ ] (2.4.3)
𝑛−1
Keterangan :
YTr : reduced variate
Yn : reduced mean
S : standar deviasi data hujan
Sn : reduced standar deviation
Nilai reduced mean (Yn) dan reduced standard deviation (Sn) berdasarkan jumlah
data (N) dapat dilihat di tabel berikut :
Tabel 2.4.1 Nilai Reduced Mean
(Sumber: Suripin, 2004)

Tabel 2.4.2 Reduce Standard Deviation

II.6.1.2 Metode Log Pearson Tipe III
Metode ini telah mengembangkan serangkaian fungsi probabilitas yang dapat dipakai
untuk hampir semua distribusi probabilitas empiris. Tiga parameter penting dalam
Metode Log Pearson Tipe III, yaitu (Suripin, 2004):
1. Harga rata-rata (R)
2. Simpangan baku (S)
3. Koefisien kemencengan (G)
Hal yang menarik adalah jika G=0 maka distribusi kembali ke distribusi Log Normal.
Berikut langkah-langkah penggunaan distribusi Log Pearson Tipe III (Suripin, 2004):
1. Ubah data ke dalam bentuk logaritmis
𝑅 = 𝐿𝑜𝑔 𝑅 (2.4.4)
2. Hitung harga rata-rata
∑𝑛
𝑖=1 𝐿𝑜𝑔 𝑅
𝐿𝑜𝑔 𝑅̅ = (2.4.5)
𝑛
3. Hitung harga simpangan baku
1/2
∑𝑛 ̅ 2
𝑖=1(𝐿𝑜𝑔 𝑅𝑖 −𝐿𝑜𝑔 𝑅 )
𝑆=[ ] (2.4.6)
𝑛−1
4. Hitung koefisien kemencengan
𝑛 ∑𝑛 ̅ 3
𝑖=1(𝐿𝑜𝑔 𝑅𝑖 −𝐿𝑜𝑔 𝑅 )
𝐺= (𝑛−1)(𝑛−2)𝑆 3
(2.4.7)
5. Hitung logaritma hujan dengan periode ulang T dengan rumus
𝐿𝑜𝑔𝑅𝑇 = 𝐿𝑜𝑔𝑅̅ + 𝐾𝑆 (2.4.8)

Dengan K = variabel standar untuk R yang besarnya tergantung nilai G
6. Menghitung curah hujan dengan menghitung antilog dari Log RT
Tabel 2.4.3 Nilai K untuk Distribusi Log Pearson Tipe III
(sumber: Suripin, 2004)

Untuk mencari persentase peluang terlampaui dengan nilai koefisien di antara 2 nilai
G dalam Tabel 2.4.3, maka digunakan interpolasi antara nilai G dengan menggunakan
persamaan
𝐾2 −𝐾1
𝐾= (𝐺 − 𝐺1 ) + 𝐾1 (2.4.9)
𝐺2 −𝐺1
Setelah dilakukan perhitungan dengan Metode Log Pearson Tipe III, maka diperoleh
curah hujan harian maksimum untuk berbagai PUH.
II.6.1.3 Metode Distribusi Normal

Distribusi normal disebut juga distribusi Gauss. Dalam pemakaian praktis umumnya
digunakan persamaan (Suripin, 2004):
𝑋𝑇 = 𝑋̅ + 𝐾𝑇 𝑆 (2.4.10)
𝑋𝑇 −𝑋̅
𝐾𝑇 = (2.4.11)
𝑆
Keterangan :
XT : Perkiraan nilai yang diharapkan terjadi dengan periode ulang T
X :Nilai rata-rata hitung variat

S : Standar deviasi nilai variat
KT : Faktor frekuensi, merupakan fungsi dari peluang atau periode ulang dan tipe
model matematik distribusi peluang yang digunakan untuk analisis peluang
Tabel 2.4.4 Nilai Variabel Reduksi Gauss
II.6.2 Uji Kecocokan

Uji kecocokan diperlukan untuk mengetes kecocokan distribusi frekuensi sampel data
terhadap fungsi distribusi peluang, yang diperkirakan dapat mewakili distribusi
frekuensi tersebut. Pengujian yang sering dipakain adalah Chi Kuadrat. Uji Chi
Kuadrat bertujuan untuk menentukan apakah persamaan distribusi yang terpilih dapat
mewakili distribusi statistik sampel data yang dianalisis. Pengambilan keputusan uji
ini menggunakan parameter X2 yang dapat dihitung dengan persamaan berikut
(Suripin, 2004):
G
(Oi  Ei )2
X h2  
i 1 Ei (2.5.1)
Keterangan:
X h2 : Parameter Chi Kuadrat terhitung
G : Jumlah sub kelompok
Oi : Jumlah nilai pengamatan pada sub kelompok i
Ei : Jumlah nilai teoritis pada sub kelompok i
Parameter X h2 merupakan variabel acak. Peluang untuk mencapai nilai X h2 sama
atau lebih besar dari nilai Chi Kuadrat sebenarnya ( X 2 )
Tabel 2.5.1 Nilai Kritis untuk Distribusi Chi Kuadrat

Tabel 2.5.2 Derajat Kepercayaan

Prosedur Uji Chi Kuadrat adalah sebagai berikut :
1. Mengurutkan data pengamatan dari paling tinggi hingga paling rendah.
2. Mengelompokkan data menjadi G subgrup yang masing-masing
beranggotakan minimal 4 data pengamatan
3. Menjumlahkan data pengamatan sebesar Oi tiap-tiap subgroup
4. Menjumlahkan data dari persamaan distribusi yang digunakan sebesar Ei
(Oi  Ei )2
5. Menjumlahkan nilai dari seluruh G subgrup untuk menentukan
Ei
nilai Chi Kuadrat hitung
6. Menentukan derajat kebebasan dK (dK = G-R-1)
R = 2 untuk distribusi normal dan binomial
Interpretasi hasil Uji Chi Kuadrat adalah sebagai berikut :

1. Apabila peluang lebih dari 5%, maka persamaan distribusi yang digunakan
dapat diterima.
2. Apabila peluang kurang dari 1%, maka persamaan distribusi yang digunakan
tidak dapat diterima
3. Apabila nilai peluang diantara 1% - 5%, maka tidak mungkin diambil
keputusan, diperlukan data tambahan.
II.7 Analisis Intensitas Hujan

Intensitas curah hujan adalah jumlah curah hujan yang dinyatakan dalam tinggi hujan
atau volume hujan tiap satuan waktu, yang terjadi pada satu kurun waktu air hujan
terkonsentrasi (Wesli, 2008). Besarnya intensitas curah hujan berbeda-beda
tergantung dari lamanya curah hujan dan frekuensi kejadiannya. Intensitas curah
hujan yang tinggi pada umumnya berlangsung dengan durasi pendek dan meliputi
daerah yang tidak luas. Hujan yang meliputi daerah luas, jarang sekali dengan
intensitas tinggi, tetapi dapat berlangsung dengan durasi cukup panjang. Kombinasi
dari intensitas hujan yang tinggi dengan durasi panjang jarang terjadi, tetapi apabila
terjadi berarti sejumlah besar volume air bagaikan ditumpahkan dari langit (Suroso,
2006).
Analisis intensitas hujan digunakan untuk menentukan tinggi atau kedalaman air
hujan per satu satuan waktu. Sifat umum hujan adalah makin singkat
hujanberlangsung, maka makin besar pula intensitasnya dan semakin besar
periodeulangnya, maka makin tinggi pula intensitas hujan yang terjadi
(Suripin,2004).Analisis tahap ini dimulai dari data curah hujan harian maksimum
yang kemudian diubah ke dalam bentuk intensitas hujan. Pengolahan data dilakukan
denganmetoda statistik yang umum digunakan dalam aplikasi hidrologi. Data
yangdigunakan sebaiknya adalah data hujan jangka pendek, misalnya 5 menit, 10
menit, 30 menit, 60 menit, dan jam-jaman. Bila tidak diketahui data untuk durasi
hujan maka diperlukan pendekatan empiris dengan berpedoman pada durasi enam
puluh menit dan pada curah hujan harian maksimum yang terjadi setiap tahun. Cara
lain yang lazim digunakan adalah mengambil pola intensitas hujan dari kota lain yang
mempunyai kondisi yang hampir sama (Wurjanto, A. dan Diding S., 2003).
Metoda-metoda yang dapat digunakan untuk menganalisis intensitas hujan adalah
sebagai berikut:
1. Metoda Van Breen
2. Metoda Bell dan Tanimoto
3. Metode Hasper dan Der Weduwen
II.7.1 Metode Van Breen

Berdasarkan penelitian Ir. Van Breen di Indonesia, khususnya di Pulau Jawa, hujan
harian terkonsentrasi selama 4 jam dengan jumlah hujan sebesar 90% dari jumlah
hujan selama 24 jam (Anonim, 1987). Intensitas hujan dihitung dengan persamaan
berikut:
(2.6.1)
Keterangan:
Ir : intensitas hujan (inch/jam)
Xr : curah hujan (mm/24jam)
Dalam pengembangan kurva pola hujan Van Breen, besarnya intensitas hujan di kota
lain di Indonesia dapat didekati dengan persamaan:
(2.6.2)
Keterangan:
IT : intensitas hujan pada PUH T tahun dan t c > t e (mm/jam)
RT : tinggi hujan pada PUH T tahun (mm/hari)
Apabila t c ≤ t e, maka t c dibuat sama dengan t e.
II.7.2 Metode Bell dan Tanimoto

Data hujan dalam selang waktu yang panjang (paling sedikit 20 tahun) diperlukan
dalam analisis data frekuensi hujan. Bila data ini tidak tersedia dan besarnya curah
hujan selama enam puluh menit dengan periode ulang 10 tahun diketahui sebagai
dasar, maka suatu rumus empiris yang disusun oleh Bell dapat digunakan untuk
menentukan curah hujan dengan durasi 5 – 120 menit dan periode ulang 2 – 100
tahun. Rumus Bell dapat dinyatakan dalam persamaan (Subarkah, 1980):
(2.6.3)
Keterangan:
R : curah hujan (mm)
T : periode ulang (tahun)
t : durasi hujan (menit)
R1 : besarnya curah hujan pada distribusi jam ke 1
R2 : besarnya curah hujan pada distribusi jam ke 2
Data curah hujan maksimum untuk PUH sepuluh tahun dalam penggunaannya untuk
Metoda Bell di atas, digunakan harga rata-rata distribusi hujan dua jam
pertama.Intensitas hujan (mm/jam) menurut Bell dihitung dengan persamaan berikut:
(2.6.4)
Untuk menggunakan metode ini, terdapat beberapa acuan tabel sebagai berikut :
Tabel 2.5.3 Pedoman Pola Hujan Menurut Bell Tanimoto
Jam ke- Intensitas Hujan
170 230 350 470
1 87 90 96 101
2 28 31 36 42
3 18 20 26 31
4 11 14 20 25
5 8 11 16 22
6 6 9 14 20
7 6 8 13 19
8 4 7 12 18
9 2 5 10 15
10 5 10 15
11 4 9 14
12 4 9 14
13 4 9 14
14 4 9 14
15 3 8 13
16 3 8 13
17 3 7 13
18 3 7 12
19 2 7 11
20 7 11
21 7 11
22 6 11
23 4 10
II.7.3 Metode Hasper dan Der Weduwen

Rumus ini berasal dari kecendurungan curah hujan harian yang dikelompokkan atas
dasar anggapan bahwa hujan memiliki distribusi yang simetris dengan durasi hujan
lebih kecil dari 1 jam dan durasi hujan dari 1 sampai 24 jam. Untuk menerapkan
metode ini, digunakan rumus :
(2.6.5)
Keterangan :
t : durasi curah hujan dalam satuan jam
Xt : curah hujan maksimum yang terpilih
(2.6.6)
Nilai R untuk 1 ≤ t < 24 jam
(2.6.7)
Nilai R untuk 0 < t < 1 jam
(2.6.8)
II.8 Pendekatan Matematis Intensitas Hujan

Metode analisis intensitas intensitas hujan yang paling cocok dapat ditentukan dengan
melakukan perhitungan tetapan dengan 3 cara. Tahap-tahap pendekatan yang perlu
dilakukan adalah sebagai berikut:
1. Menentukan minimal 8 jenis durasi curah hujan t menit
2. Nilai dari t tersebut digunakan untuk menentukan besarnya nilai intensitas
hujan. Untuk periode ulang hujan tertentu, nilainya disesuaikan dengan
perhitungan debit puncak rencana.
3. Nilai-nilai t yang sama digunakan untuk menetapkan beberapa tetapan-
tetapan dengan metode kuadrat terkecil (Least Square Method).
Perhitungan dapat dilakukan dengan beberapa rumus, yaitu sebagai berikut:

1. Rumus Talbot
Rumus Talbot dikemukakan oleh Professor Talbot pada tahun 1881.
Rumus ini banyak digunakan di Jepang karena mudah diterapkan. Adapun
rumus tersebut :
𝑎
𝐼=
𝑡+𝑏
Dimana untuk memperoleh nilai konstanta a dan b digunakan perhitungan:
∑[𝐼. 𝑡] ∑[𝐼 2 ] − ∑[𝐼 2 . 𝑡] ∑ 𝐼
𝑎= 2
𝑁 ∑ 𝐼² − (∑ 𝐼 )
∑ 𝐼 ∑[𝐼. 𝑡] − 𝑁 ∑[𝐼 2 . 𝑡]
𝑏= 2
𝑁 ∑ 𝐼² − (∑ 𝐼 )
Keterangan :
I : intensitas curah hujan (mm/jam)
t : durasi curah hujan (jam)
a dan b : konstanta
N : jumlah data
2. Rumus Sherman
Rumus Sherman dikemukakan oleh professor Sherman pada tahun 1905.
Rumus ini pada umumnya lebih cocok digunakan pada curah hujan
dengan durasi lebih dari 2 jam. Adapun bentuk persamaannya sebagai
berikut :
𝑎
𝐼=
𝑡𝑛
Dimana untuk memperoleh nilai konstanta a dan n digunakan persamaan :

∑ log 𝐼 ∑(log 𝑡) 2 − ∑(log 𝑡. log 𝐼) ∑ log 𝑡
log 𝑎 = 2
𝑁 ∑(log 𝑡) 2 − (∑ log 𝑡)
∑ log 𝐼 ∑ log 𝑡 − 𝑁 ∑(log 𝑡. log 𝐼)
𝑛= 2
𝑁 ∑(log 𝑡) 2 − (∑ log 𝑡)
Keterangan :
a dan n : konstanta
N : jumlah data
3. Rumus Ishiguro
Rumus Ishiguro ini dikemukakan oleh Dr. Ishiguro tahun 1953. Adapun
rumus tersebut adalah sebagai berikut :
𝑎
𝐼=
𝑏 + √𝑡
Dimana untuk memperoleh nilai konstanta a dan b digunakan persamaan :

∑(𝐼 √𝑡) ∑ 𝐼 2 − ∑(𝐼 2 √𝑡) ∑ 𝐼
𝑎=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
∑(𝐼 √𝑡) ∑ 𝐼 − 𝑁 ∑(𝐼 2 √𝑡)
𝑏=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
Keterangan :
a dan b : konstanta
N : jumlah data
Setelah didapatkan nilai intensitas yang baru, cari selisih nilai data terukur
(nilai I perhitungan sebelumnya) dengan nilai prediksi (nilai I perhitungan baru).
Adapun rumusnya adalah sebagai berikut :
∆I = |I − I′|
Hasil dari nilai selisih (∆I) tersebut, akan hitung nilai standar deviasi
masing-masing persamaan. Intensitas hujan hasil perhitungan metode dan rumus
dengan nilai standar deviasi terkecil merupakan nilai intensitas hujan yang akan
dipergunakan dalam perencanaan.
II.9 Kurva IDF

Analisis hubungan dua parameter hujan yang penting berupa intensitas dan durasi
dapat dihubungkan secara statistik dengan suatu frekuensi kejadiannya. Penyajian
secara grafik hubungan ini adalah berupa kurva Intensity-Duration-Frequency (IDF)
(Loebis, 1992).
Kurva IDF (Intensity, Duration, Frequency) merupakan sebuah kurva yang

menunjukkan hubungan antara intensitas hujan dengan durasinya. Dalam melakukan
penggambaran kurva IDF diperlukan data curah hujan dalam durasi waktu yang
pendek, yaitu curah hujan dalam satuan menit (Wurjanto. Hidrologi dan Hidrolika).
Kurva tersebut dibentuk dari lamanya durasi hujan dalam satuan menit sebagai absis
dan intensitas curah hujan dalam satuan mm/jam sebagai ordinat.
Kurva IDF biasa digunakan untuk melakukan perhitungan debit limpasan (run-off)
dengan rumus rasional untuk perhitungan debit puncak dengan menggunakan
intensitas hujan yang sebanding dengan waktu pengaliran curah hujan dari titik paling
atas ke titik yang ditinjau di bagian hilir daerah pengaliran tersebut (waktu tiba =
arrival time). Kurva ini menunjukkan besarnya kemungkinan terjadinya intensitas
hujan yang berlaku untuk lama curah hujan sembarang.
Selain digunakan untuk perhitungan debit limpasan, kurva IDF juga digunakan pada
perencanaan debit air yang harus disalurkan melalui suatu bangunan air. Untuk
volume debit air yang harus disalurkan, kita dapat menentukan debit banjir tertentu
yang cukup besar. Bila tersedia data hujan, maka estimasi debit banjir dapat
dikerjakan dengan persamaan Rasional, yang diekspresikan dalam formula sebagai
berikut (Chow, 1964):
𝑄𝑝 = 0.278 𝐶. 𝐼. 𝐴
Keterangan:
Qp = debit puncak (m3/s)
C = koefisien run off, tergantung pada karakteristik DAS
I = intensitas curah hujan, untuk durasi hujan sama dengan waktu konsentrasi (tc)
(mm/jam)
A= luas DAS (km2)
BAB III METODOLOGI
III.1 Metodologi Analisa Hidrologi

Dalam analisis Hidrologi, terdapat beberapa tahapan dalam melaksanakan analisis
hidrologi yaitu:
1. Analisis Data Curah Hujan
2. Analisis Curah Hujan Harian Maksimum
3. Analisis Intensitas Hujan
4. Pembuatan Kurva IDF
III.2 Penjelasan Metodologi Analisa Hidrologi

III.2.1 Analisis Data Curah Hujan
Langkah-langkah pada analisis data curah hujan diantaranya:
1. Mengisi Data Curah Hujan yang Kosong
2. Tes Konsistensi
3. Uji Homogenitas
III.2.2 Analisis Curah Hujan Harian Maksimum

Langkah-langkah pada analisis curah hujan harian maksimum diantaranya:
1. Metode Gumbel
2. Metode Log Pearson Tipe III
3. Metode Distribusi Normal
Dari ketiga metode yang dilakukan dipilih satu metode yang menghasilkan nilai yang
paling representatif dengan menggunakan Metode Statistika Chi Square.
III.2.3 Analisis Intensitas Hujan

Langkah-langkah pada analisis intensitas hujan dengan menggunakan tiga metode
diantaranya:
1. Metode Van Breen
2. Metode Hasper dan Der Weduwen
3. Metode Bell-Tanimoto
Pemilihan metode analisis intensitas hujan dengan 3 metode diantaranya:

1. Persamaan Talbot
2. Persamaan Sherman
3. Persamaan Ishiguro
Dari ketiga persamaan yang dihitung dipilih metode analisis yang menghasilkan nilai
yang paling representatif dengan menggunakan metode statistika Chi Square. Setelah
didapat nilai intensitas hujan yang paling representatif, dibuat kurva IDF.
Langkah-langkah metodologi yang lebih lengkap dapat diamati pada gambar 3.1.
Pengisian Data Curah
Hujan Kosong
Gambar 3.2.1 Langkah-langkah Analisa Hidrologi

BAB IV LOKASI PENELITIAN
Lokasi dari titik-titik pengamatan hujan ini berada di sekitar Jawa Barat , dengan
titik-titik pengamat yang digunakan sebagai berikut :
IV.1 Cicalengka
Cicalengka merupakan sebuah kecamatan daerah dari Kabupaten Bandung yang
memiliki iklim tropis. Suhu di sini rata-rata 27.3 °C. Presipitasi di sini rata-rata 2411
mm.
IV.2 Paseh
Kecamatan Paseh sebagai salah satu Kecamatan dari 31 Kecamatan yang ada
diwilayah Kabupaten Bandung dengan topografis merupakan daerah yang relatif
datar yang memiliki ketinggian 700 m diatas permukaan laut. Suhu udara minimal
21oC maksimal 31oC. Luas Wilayah Kecamatan Paseh adalah 4.477,622 Ha yang
terdiri dari 1.528,000 Ha merupakan areal sawah sisanya 1661,622 Ha. merupakan
tanah darat.
IV.3 Chinchona
Chinchona merupakan bagian dari Kabupaten Bandung beriklim tropis. Lokasi ini
diklasifikasikan sebagai Af berdasarkan Köppen dan Geiger. Suhu rata-rata tahunan
adalah 26.8 °C di Chincona. Curah hujan tahunan rata-rata adalah 3150 mm.
IV.4 Ciparay
Ciparay merupakan salah satu kecamatan di Kabupaten Bandung dengan iklim tropis.
Lokasi ini diklasifikasikan sebagai Af berdasarkan Köppen dan Geiger. Suhu rata-rata
tahunan adalah 26.8 °C di Ciparay. Curah hujan tahunan rata-rata adalah 3164 mm.
Variasi dalam suhu tahunan adalah sekitar 1.5 °C.
IV.5 Ujung Berung
Ujung Berung adalah kota yang beriklim tropis dengan curah hujan yang signifikan
dan diklasifikasikan sebagai Af berdasarkan sistem Köppen-Geiger. Suhu di sini rata-
rata 23.4 °C. Dalam setahun, curah hujan rata-rata adalah 2161 mm.
IV.6 Bandung
Bandung memiliki iklim tropis. Bandung memiliki sejumlah besar curah hujan
sepanjang tahun. Hal ini berlaku bahkan untuk bulan terkering. Menurut Köppen dan
Geiger, iklim ini diklasifikasikan sebagai Af. Suhu di sini rata-rata 23.3 °C. Curah
hujan tahunan rata-rata adalah 2164 mm.
IV.7 Cililin
Cililin yang beriklim tropis memiliki sejumlah besar curah hujan sepanjang tahun.
Lokasi ini diklasifikasikan sebagai Af berdasarkan Köppen dan Geiger. Suhu di sini
rata-rata 22.8 °C.
IV.8 Montaya
Daerah ini dikenal dengan kebun tehnya yang luas. Kebun teh Montaya membentang
dalam areal seluas kurang lebih 1. 194, 00 hektar. Dengan iklim tropis dan suhu
sekitar 13-25oC. Daerah montaya ini terletak di ketinggian lebih dari 1000 m dpl.
Ketinggian tempat tergantung dari klon, teh dapet tumbuh di dataran rendah pada 100
m dpl sampai ketinggian lebih dari 1000 m dpl (Setyamidjaja, 2000).
IV.9 Saguling DAM

Daerah sekitar waduk Saguling yang terletak di Kabupaten Bandung Barat pada
ketinggian 643 m di atas permukaan laut. Waduk ini merupakan salah satu dari tiga
waduk yang membendung aliran Sungai Citarum yang merupakan sungai terbesar
di Jawa Barat. Dua waduk lainnya adalah Waduk Jatiluhur dan Waduk Cirata. Daerah
di sekitar Waduk Saguling berupa perbukitan, dengan banyak sumber air yang
berkontribusi pada waduk. Hal tersebut membuat bentuk Waduk Saguling sangat
tidak beraturan dengan banyak teluk.
IV.10 Cisondari
Iklim Cisondari adalah diklasifikasikan sebagai tropis.. Menurut Köppen dan Geiger,
iklim ini diklasifikasikan sebagai Af. Suhu di sini rata-rata 19.3 °C. Curah hujan di
sini rata-rata 3265 mm.
Untuk melihat letak titik-titik pengukuran dapat di lihat pada gambar 4.1.
Gambar 4.1 Peta Pos Pengukuran Curah Hujan

BAB V HASIL DAN PEMBAHASAN
V.1 Pengisian Data Curah Hujan yang Kosong

Berikut merupakan tabel data curah hujan kosong pada sepuluh stasiun pengamat
curah hujan di wilayah jawa barat:
Tabel 5.1. Data Curah hujan Kosong Tahun 1986-2013
Tahun Cicalengka Paseh Chinchona Ciparay Ujung Berung Bandung Cililin Montaya Saguling DAM Cisondari
1986 214 277 195 158 268 192 184 297 260 245
1987 36 251 267 99 155 87 229 314 252 160
1988 90 131 192 92 51 93 93 248 104 105
1989 130 261 385 186 34 215 303 262
1990 238 423 196 252 417 175 383
1991 58 142 158 91 68 306 190
1992 188 231 248 215 170 189 163 233
1993 195 178 162 216 80 142 149 108 132
1994 218 226 145 141 27 196 258 275
1995 126 161 175 95 106 93 174 203 297 174
1996 103 119 89 39 51 112
1997 159 160 216 122 64 83 111 93
1998 322 224 346 231 235 279 263 425 395 96
1999 45 141 323 64 63 64 131 219 128
2000 96 117 171 91 101 85 22 4 164 195
2001 163 80 211 173 99 120 82 73 204 152
2002 43 123 117 60 56 47 140 121 200 96
2003 294 239 252 290 183 154 111 256 218
2004 123 332 145 231 208 171 211
2005 252 183 347 323 372 274 397 141
2006 91 219 134 187 32 42
2007 379 539 352 270 413 348 349 365 604 280
2008 87 134 204 99 78 66 187 172 297
2009 216 301 449 283 162 253 344 181
2010 312 472 572 468 506 232 444 260
2011 90 131 221 91 56 157 142 220
2012 313 308 311 200 228 248 294 154 325
2013 252 283 319 237 262 236 261 303 218 266
Beberapa tahapan untuk mengisi data yang kosong diantaranya:

1. Penentuan perbedaan curah hujan antara stasiun pembanding dan stasiun yang
kehilangan data. Perhitungan perbedaan curah hujan antara stasiun pembanding
dan stasiun yang kehilangan data dilakukan dengan persamaan:
Contoh perhitungan pada stasiun Cicalengka:

𝛴𝑅𝑖 2007,945
𝑅= = = 200,7945
𝑛 10
∑(𝑅𝑖−𝑅)2 10502.0469
𝑆= √ =√ = 34.15983167
𝑛−1 10−1
𝑆 34.15983167
∆ = 𝑥 100% = 𝑥 100% = 17.01233377 %
𝑅 200,7945
Table 5.1.1 Data Curah Hujan Kosong dan Perhitungan

Cicalengk Chincho Cipara Ujung Bandu Monta Saguling Cisond
Tahun Paseh Cililin
a na y Berung ng ya DAM ari
1986 214 277 195 158 268 192 184 297 260 245
1987 36 251 267 99 155 87 229 314 252 160
1988 90 131 192 92 51 93 93 248 104 105
1989 130 261 385 186 34 215 303 262
1990 238 423 196 252 417 175 383
1991 58 142 158 91 68 306 190
1992 188 231 248 215 170 189 163 233
1993 195 178 162 216 80 142 149 108 132
1994 218 226 145 141 27 196 258 275
1995 126 161 175 95 106 93 174 203 297 174
1996 103 119 89 39 51 112
1997 159 160 216 122 64 83 111 93
1998 322 224 346 231 235 279 263 425 395 96
1999 45 141 323 64 63 64 131 219 128
2000 96 117 171 91 101 85 22 4 164 195
2001 163 80 211 173 99 120 82 73 204 152
2002 43 123 117 60 56 47 140 121 200 96
2003 294 239 252 290 183 154 111 256 218
2004 123 332 145 231 208 171 211
2005 252 183 347 323 372 274 397 141
2006 91 219 134 187 32 42
2007 379 539 352 270 413 348 349 365 604 280
2008 87 134 204 99 78 66 187 172 297
2009 216 301 449 283 162 253 344 181
2010 312 472 572 468 506 232 444 260
2011 90 131 221 91 56 157 142 220
2012 313 308 311 200 228 248 294 154 325
2013 252 283 319 237 262 236 261 303 218 266
N 26 25 23 24 23 28 23 24 24 22
228.8 166.87 167.64 171.2 221.41 185.95
Ri 173.538 40 263.043 5 192.957 3 61 7 236.417 5
Ξ Ri 2007.945
n 10.000
R 200.795
-
28.04 - - 29.53 -
Ri-R -27.256 5 62.249 33.920 -7.838 33.152 4 20.622 35.622 14.840
(Ri- 786.5 3874.93 1150.5 1099.0 872.2 425.27 220.22
R)^2 742.892 50 4 33 61.434 32 36 3 1268.938 4
Ξ(Ri-
R)^2 10502.047
S 34.160
Δ 17.012
2. Penentuan metode yang dipilih untuk menentukan
Metode aljabar dipilih jika nilai ∆ < 10% sedangkan metode perbandingan normal
dipilih jika nilai ∆ > 10%. Karena nilai ∆ > 10% , maka yang digunakan adalah
metode perbandingan normal.
3. Pelengkapan data curah hujan

Berdasarkan persentase perbedaan curah hujan antara stasiun pembanding dan stasiun
yang kehilangan data yang bernilai lebih dari 10% maka pelengkapan data curah
hujan akan menggunakan Metode Perbandingan Normal dengan Persamaan (5.2).
Contoh perhitungan curah hujan tahun 1994 pada stasiun Cicalengka adalah
𝑟𝑥 1 𝑟1 𝑟2 𝑟3 𝑟𝑛
= { + + …+ }
𝑁𝑥 𝑛 𝑁1 𝑁2 𝑁3 𝑁𝑛
1 218 226 145
𝑟 𝐶𝑖𝑐𝑎𝑙𝑒𝑛𝑔𝑘𝑎 = 𝑥 173,538 [( )+( )+( )
8 228,84 166,875 192,957
141 27 196 258
+( )+( )+( )+( )
167,643 171,261 221,417 236,417
275
+( )]
185,955
𝑟 𝐶𝑖𝑐𝑎𝑙𝑒𝑛𝑔𝑘𝑎 = 162,9632 𝑚𝑚/ℎ𝑎𝑟𝑖
Table 5.1.2 Hasil Pengisian Data Curah Hujan Lengkap

Tahu Cicaleng Chincho Cipara Ujung Bandu Monta Saguling Cisonda
Paseh Cililin
n ka na y Berung ng ya DAM ri
1986 214 277 195 158 268 192 184 297 260 245
1987 36 251 267 99 155 87 229 314 252 160
1988 90 131 192 92 51 93 93 248 104 105
1989 130 261 385 186 209.925 34 215 303 257.207 262
264.53
1990 238 423 196 252 298.051 417 175 365.182 383
9
114.79
1991 58 142 158 91 129.337 68 306 190 124.643
4
172.41
1992 188 231 248 215 170 189 163 233 187.212
9
1993 195 178 208.613 162 216 80 142 149 108 132
1994 162.963 218 247.014 226 145 141 27 196 258 275
1995 126 161 175 95 106 93 174 203 297 174
1996 79.667 103 120.757 119 88.582 89 39 51 108.533 112
1997 159 160 216 122 121.454 64 83 111 148.809 93
1998 322 224 346 231 235 279 263 425 395 96
137.14
1999 45 141 323 64 63 64 131 219 128
9
2000 96 117 171 91 101 85 22 4 164 195
2001 163 80 211 173 99 120 82 73 204 152
2002 43 123 117 60 56 47 140 121 200 96

263.49
2003 294 239 252 290 183 154 111 256 218
9
179.19 231.67
2004 123 332 275.232 145 231 208 171 211
7 7
347.76 336.48
2005 252 183 347 323 372 274 397 141
7 6
152.86 114.39 147.90
2006 91 175.708 219 134 187 32 42
0 9 2
2007 379 539 352 270 413 348 349 365 604 280
2008 87 134 204 99 78 66 187 172 297 131.792

218.94
2009 216 301 449 283 162 253 344 181 243.983
9
332.46
2010 312 472 572 468 506 232 444 260 370.478
5
109.00
2011 90 131 221 91 56 157 142 220 121.463
1
220.70
2012 313 308 311 200 228 248 294 154 325
9
2013 252 283 319 237 262 236 261 303 218 266
N 28 28 28 28 28 28 28 28 28 28
231.61 174.50 167.64 170.87 220.25
Ri 169.808 2 252.762 4 188.762 3 0 8 234.062 188.235
V.2 Tes Konsistensi

Tahapan tes konsistensi adalah sebagai berikut:
1. Sejumlah stasiun dalam wilayah iklim yang sama diseleksi sebagai stasiun
dasar (pembanding). Rerata aritmatika dari semua stasiun dasar dihitung untuk
setiap tahun yang sama. Rerata tersebut kemudian ditambahkan mulai dari
tahun awal pengamatan (akumulasi). Demikianpula curah hujan pada stasiun
hujan yang akan dianalisis trend-nya. Kemudian titik-titik akumulasi curah
hujan stasiun dasar dan stasiun utama diplot pada kurva massa ganda.
2. Pada kurva massa ganda, titik-titik yang tergambar akan berdeviasi disekitar
garis trend. Jika ada data yang terlalu jauh menyimpang maka dikatakan data
tersebut tidak mengikuti trend sehingga data tersebut perlu dikoreksi.
Berdasarkan data curah hujan yang didapat pada pengelolaan data yang sudah
dilakukan sebelumnya, maka akan dilakukan tahapan perhitungan uji konsistensi
Untuk tes konsistensi akan dijelaskan metode perhitungan semua stasiun. Stasiun
yang akan di gunakan misalnya Cicalengka. Perhitungannya sebagai berikut:
1. Menghitung rata-rata aritmatika (Stasiun pembanding) dari semua stasiun
dasar tiap tahunnya.
Contoh perhitungannya pada stasiun cicalengka:
R = (277+195+158+268+192+184+297+260+245)/9 = 230,667
2. Mengakumulasi rata-rata aritmatika tersebut dan curah hujan pada stasiun

utama, akumulasi dari tahun terbaru hingga tahun paling lama.
Contoh perhitungan Akumulasi Stasiun utama:
Tahun 2013 => 252
Tahun 2012 => 252 + 313 = 565
Tahun 2011 => 565 + 90 = 655
Tahun 2010 => 655 + 312 = 967
Hingga Tahun 1986 => 4540,63041 + 214 = 4754,63041
3. Mengakumulasi rata-rata aritmatika dan curah hujan pada stasiun

pembanding, akumulasi dari tahun terbaru hingga tahun paling lama.
Contoh perhitungan Akumulasi Stasiun pembanding :
Tahun 2013 => 265
Tahun 2012 => 265 + 254,301 = 519,301
Tahun 2011 => 519,301 + 138,718 = 658,019
Tahun 2010 => 658,019 + 406,3269 = 1064,346
Hingga Tahun 1986 => 5458,643 + 230,667 = 5689,309
4. Menentukan Tan A0
Untuk menentukan nilai Tan A0 kita harus memplot grafik dengan sumbu X
adalah nilai akumulasi stasiun pembanding dan sumbu y adalah nilai
akumulasi stasiun utama pada keseluruhan tahun. Didapat nilai regresi dari
persamaan garis kedua nilai yang kemudian dimasukkan ke dalam kolom tan
A0 pada setiap tahunnya.
Contoh: Pada Statiun Utama Cicalengka didapat grafik seperti di bawah ini.
Nilai regresinya yaitu 0,8512.
6000
5000
4000
y = 0.8512x + 63.554
Akumulasi Stasiun Utama
3000 R² = 0.9969
2000
1000
0
0 1000 2000 3000 4000 5000 6000
Akumulasi Stasiun Pembanding
Gambar 5.2.1 Grafik Akumulasi Stasiun Pembanding terhadap Akumulasi

Stasiun Utama Cicalengka
5. Menentukan Tan A
Untuk menentukan Tan A kita harus mengecek data-data (titik-titik) yang
tidak mengikuti trend garis (tidak menyentuh garis / menyimpang). Untuk itu
dibuat Kurva massa ganda yang menunjukkan terdapat data-data yang tidak
mengikuti trend dan dicari lagi regresi dari data-data yang menyimpang
tersebut. Pada tahun yang memiliki data yang menyimpang maka nilai Tan A-
nya adalah nilai regresi yang didapat pada kurva massa ganda, sedangkan
yang tidak menyimpang nilai Tan A-nya sama dengan nilai Tan A0.
Contoh: Pada Statiun Utama Cicalengka didapat grafik seperti di bawah ini.
Nilai regresi persamaan utama yaitu 0,8512. Sedangkan terdapat
penyimpangan pada data tahun 1990-1997, sehingga didapat persamaan garis
yang baru dengan nilai regresi yaitu 0.8574.
6000
5000
y = 0.8574x + 120.85
4000 R² = 0.9924
Akumulasi Stasiun Utama
3000 y = 0.8512x + 63.554

R² = 0.9969
2000
1000
0
0 1000 2000 3000 4000 5000 6000
Akumulasi Stasiun Pembanding
Gambar 5.2.2 Kurva Massa Ganda Akumulasi Stasiun Pembanding terhadap

Akumulasi Stasiun Utama Cicalengka
6. Menentukan nilai K
Untuk menetukan nilai K menggunakan rumus perhitungan:
𝑇𝑎𝑛 𝐴
𝐾=
𝑇𝑎𝑛 𝐴0
Contoh perhitungan nilai K pada stasiun utama Cicalengka:
Tahun 1987-1989 dan 1998-2013 => 0,8512/0,8512 = 1
Tahun 1990-1997 => 0,8574/0,8512 = 1,0072838
7. Menentukan nilai Curah Hujan Harian Maksimum (CHHM)

Untuk menentukan nilai CHHM perhitungannya dengan mengalikan nilai
curah hujan stasiun utama dengan nilai k, untuk masing-masing tahun.
Contoh perhitungan nilai CHHM pada stasiun utama Cicalengka:

Tahun 1986 => 214 x 1 = 214
Tahun 1987 => 36 x 1 = 36
Tahun 1988 => 90 x 1 = 90
Tahun 1989 => 130 x 1 = 130
Tahun 1990 => 238 x 1,0072838 = 239,7335
Hingga Tahun 2013 => 252 x 1 = 252
V.3 Uji Homogenitas
Untuk menguji data curah hujan yang berasal dari ke-10 stasiun dapat dilakukan
dengan cara sebagai berikut :
 Menghitung rata-rata CHHM
Menghitung nilai rata-rata CHHM pada setiap stasiun akan dapat

menggunakan persamaan sebagai berikut
i  28
Ri
R
i 1 N
Pada stasiun Cicalengka, rata-rata CHHM dapat ditentukan dengan
perhitungan sebagai berikut
214 + 36 + 90 + ⋯ + 252
𝑅̅ =
28
𝑅̅ = 171,7806389
Perhitungan dilanjutkan kepada setiap stasiun hujan. Dari persamaan di atas,
didapatkan nilai curah hujan rata-rata untuk setiap statium dapat dilihat pada
tabel 5.3.1.
Tabel 5.3.1.Hasil Perhitungan CHHM rata-rata
Stasiun Hujan RT
Cicalengka 171.7806389
Paseh 228.4894295
Chinchona 250.768896
Ciparay 179.5340267
Ujung Berung 188.5623261
Bandung 178.0406568
Cililin 168.1116325
Montaya 221.3677118
Saguling DAM 218.8828488
Cisondari 192.5436616
 Menghitung standar deviasi (σR)
Menghitung nilai standar deviasi CHHM pada setiap stasiun akan dapat
2
( Ri  R)

N 1
Pada stasiun Cicalengka, standar deviasi dapat ditentukan dengan
[(214 − 171,78) + (36 − 171,78) + ⋯ + (252 − 171,78)]2

𝜎=√
28 − 1
𝜎 = 98,89230942
didapatkan nilai standar deviasi untuk setiap statium dapat dilihat pada tabel 5.3.2.
Tabel 5.3.2. Hasil Perhitungan Standar Deviasi
Stasiun Hujan σR
Paseh 115.7822975
Ciparay 82.85616527
Bandung 129.9335138
Cililin 81.80894152
Montaya 113.9381549
 Menghitung curah hujan tahunan dengan PUH 10 tahunan rata-rata (RT 10) dengan
nilai TR sebesar 10
Menghitung nilai RT 10 CHHM pada setiap stasiun akan dapat


10
𝑅𝑇 = 171.7806389 − [0,78 (ln (𝑙𝑛 )) + 0,45
10 − 1
𝑅𝑇 = 298,2528639
didapatkan nilai curah hujan tahunan dengan PUH 10 tahunan rata-rata untuk setiap
statium dapat dilihat pada tabel 5.3.3.
Tabel 5.3.3 Hasil Perhitungan RT 10
Stasiun Hujan RT 10
Paseh 379.6185012
Ciparay 287.6850619
Bandung 309.2794571
Cililin 251.2258605
Montaya 336.6111532
 Menghitung occurence interval atau PUH untuk hujan tahunan rata-rata (TR)
Menghitung nilai occurence interval pada setiap stasiun akan dapat


298,2528639
𝑇𝑅 = 𝑥 2,33
171,7806389
𝑇𝑅 = 4,04544
didapatkan nilai occurence interval untuk setiap statium dapat dilihat pada tabel
5.3.4.
Tabel 5.3.4. Hasil Perhitungan occurence interval
Stasiun Hujan TR
Paseh 3.871124846
Ciparay 3.733588594
Bandung 4.047508856
Cililin 3.48194974
Montaya 3.542991797
Secara keseluruhan, perhitungan pada setiap stasiun dapat dilihat pada tabel
berikut.
Tabel 5.3.5. Hasil Perhitungan Komponen Kurva Homogenitas pada Stasiun
Cicalengka
Tahun CHHM CHHM-R (CHHM-R)^2
1986 214 42.21936106 1782.474448
1987 36 -135.7806389 18436.38191
1988 90 -81.78063894 6688.072905
1989 130 -41.78063894 1745.62179
1990 238 66.21936106 4385.003779
1991 62.38815789 -109.392481 11966.71491
1992 202.2236842 30.44304527 926.7790054
1993 209.7532895 37.97265053 1441.922189
1994 175.2926741 3.512035188 12.33439116
1995 135.5328947 -36.2477442 1313.89896
1996 79.66718985 -92.11344909 8484.887502
1997 159 -12.78063894 163.3447317
1998 322 150.2193611 22565.85644
1999 45 -126.7806389 16073.33041
2000 96 -75.78063894 5742.705238
2001 163 -8.780638939 77.09962018
2002 43 -128.7806389 16584.45297
2003 294 122.2193611 14937.57222
2004 123 -48.78063894 2379.550735
2005 252 80.21936106 6435.145889
2006 91 -80.78063894 6525.511627
2007 379 207.2193611 42939.8636
2008 87 -84.78063894 7187.756739
2009 216 44.21936106 1955.351893
2010 312 140.2193611 19661.46922
2011 90 -81.78063894 6688.072905
2012 313 141.2193611 19942.90794
2013 252 80.21936106 6435.145889
Jumlah 4809.85789 253479.2298

R 171.7806389
SD 96.89230942
RT10 298.2528639
TR 4.045445267
N 28
V.4 Analisis CHHM dan Uji Kecocokan

V.4.1 Metode Gumbel
Perhitungan dengan menggunakan Metode Gumbel
Contoh perhitungan menggunakan data PUH 2 tahun
𝑇𝑟
𝑌𝑡 = ln (𝑙𝑛 ( ))
𝑇𝑟 − 1
2
𝑌𝑡 = ln (𝑙𝑛 ( )) = 0.3665129
2−1
Yn = 0.5434
Sn= 1.1047
S =79.3936
(𝑌𝑡 − 𝑌𝑛 )
𝐶𝐻𝐻𝑀 = 𝑋𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 + ( )
𝑆𝑛
(0,36651 − 0,5343)
𝐶𝐻𝐻𝑀 = 199,3772854 + ( )
1,1047
CHHM = 186,947 (untuk PUH 2 tahun)
Dengan melakukan perhitungan yang sama, maka didapatkan komponen nilai yang
dibutuhkan pada PUH 2, 5, 10, 25, 50, dan 100 tahun, yaitu :
Tabel 5.4.1 Hasil Perhitungan Metode Gumbel

Metode Gumbel
PUH = T(tahun) Xrata-rata Yt Yn Sn S CHHM
2 0,36651 186,947
5 1,49994 270,917
10 2,25037 326,512
199,3772854 0,5343 1,1047 81,8419
25 3,19853 396,758
50 3,90194 448,869
100 4,60015 500,596
V.4.2 Metode Log Pearson Tipe III

Perhitungan dengan menggunakaan Metode Log Pearson Tipe III
Contoh perhitungan menggunakan data tahun 1986
Diketahui :
R = 232,769
Ri = log R = log 232,769 = 2,36692524
Jumlah semua curah hujan tiap tahun = 63,45526071
Rata-rata (Rx) = 2,266259311
(𝑅𝑖 − 𝑅𝑥 )2 = 0,01013
Jumlah semua curah hujan tiap tahun dari (𝑅𝑖 − 𝑅𝑥 )2 = 0,79982
1/ 2
 n 2
  (Log Ri  Log R) 
S   i 1 
 n 1 
 
0,79982
𝑆=[ ]
28 − 1
S = 0,172113625
(𝑅𝑖 − 𝑅𝑥 )3 = 0,00102
Jumlah semua curah hujan tiap tahun dari ( Ri  R )3 = 0,03115
Koefisien kemencengan :
n
n (Log Ri  Log R)3
G i 1
(n  1)(n  2) S 3
28 × 0,03115
𝐺= = 0,24366565
27 × 26 × 0,1721136253
Dilakukan interpolasi nilai G sehingga diperoleh nilai persentase peluang terlampaui

(K) untuk masing-masing PUH, dapat dilihat pada Tabel 5.4.3.
Tabel 5.4.2 Perhitungan Metode Log Pearson Tipe III

METODE LOG PEARSON III
(Ri- (Ri-
Tahun R R=log R Rx)^2 Rx)^3
1986 232,769 2,36692524 0,01013 0,00102
1987 186,708 2,271162583 2,4E-05 1,2E-07
1988 121,726 2,085382049 0,03272 -0,0059
1989 216,574 2,335607299 0,00481 0,00033
1990 302,644 2,480931779 0,04608 0,00989
1991 139,664 2,145085559 0,01468 -0,0018
1992 201,06 2,303325342 0,00137 5,1E-05
1993 158,286 2,199441242 0,00446 -0,0003
1994 191,857 2,282978734 0,00028 4,7E-06
1995 162,005 2,209527844 0,00322 -0,0002
1996 112,209 2,050027544 0,04676 -0,0101
1997 121,547 2,0847431 0,03295 -0,006
1998 282,783 2,451453831 0,0343 0,00635
1999 131,21 2,117968346 0,02199 -0,0033
2000 104,725 2,0200504 0,06062 -0,0149
2001 135,932 2,133320774 0,01767 -0,0023
2002 99,7147 1,998759059 0,07156 -0,0191
2003 225,781 2,353687689 0,00764 0,00067
2004 210,631 2,323521378 0,00328 0,00019
2005 300,666 2,4780838 0,04487 0,0095
2006 130,127 2,114365875 0,02307 -0,0035
2007 391,817 2,593083524 0,10681 0,03491
2008 136,263 2,134378792 0,01739 -0,0023
2009 260,555 2,415899451 0,02239 0,00335
2010 387,525 2,588300036 0,10371 0,0334
2011 126,439 2,101882289 0,02702 -0,0044
2012 254,986 2,406516375 0,01967 0,00276
2013 256,36 2,408850774 0,02033 0,0029
Jumlah 63,45526071 0,79982 0,03115
Rata-Rata (Rx) 2,266259311 0,02857 0,00111
S 0,172113625
G 0,24366565
Tabel 5.4.3 Perhitungan Nilai Koreksi Koefisien G

PUH
2 5 10 25 50 100
Koef. G
Persentase Peluang Terlampaui
50 20 10 4 2 1
0,2 -0,033 0,83 1,301 1,818 2,159 2,472
0,3 -0,05 0,824 1,309 1,849 2,211 2,544
K
0,24367 -0,0404 0,82738 1,30449 1,83154 2,1817061 2,50344
Perhitungan selanjutnya menggunakan data PUH 2 tahun.

Berdasarkan perhitungan sebelumnya, didapatkan nilai K = -0,0404, dan S =
0,172113625, maka :
log 𝑅 = 2.26626
log 𝑅𝑡 = log 𝑅 + (𝐾 × 𝑆)
log 𝑅𝑡 = 2.26626 + (−0,0404 × 0,172113625) = 2,2593
𝑅𝑡 = 10log 𝑅𝑡 = 102,2593 = 181,67783
Dengan menggunakan perhitungan yang sama, maka didapatkan nilai dari keempat
komponen di atas pada PUH 2, 5, 10, 25, 50, dan 100 tahun, yaitu :
Tabel 5.4.4 Hasil Perhitungan Metode Log Pearson Tipe III

Perhitungan Log Pearson III
PUH K S log R=Rx log RT RT
2 -0,0404 2,2593 181,67783
5 0,82738 0,17211 2,26626 2,40866 256,2493
10 1,30449 2,49078 309,58533
25 1,83154 2,58149 381,49748
50 2,18171 2,64176 438,28909
100 2,50344 2,69714 497,89219
V.4.3 Metode Distribusi Normal

Contoh perhitungan menggunakan data PUH 2 tahun
Diketahui :
Standar deviasi (S) = 81,84188428
Rata-rata (𝑋̅) = 199,377
Untuk PUH 2 tahun, diketahui nilai K = 0
𝑋𝑇 (𝑚𝑚⁄ℎ𝑎𝑟𝑖 ) = 𝑋̅ + (𝐾 × 𝑆) = 199
Dengan melakukan perhitungan yang sama, maka didapatkan komponen nilai yang
dibutuhkan pada PUH 2, 5, 10, 25, 50, dan 100 tahun, yaitu :
Tabel 5.4.5 Hasil Perhitungan Metode Distribusi Normal
Metode Distribusi Normal
PUH KT S 𝑋̅ XT
2 0 199
5 0,84 268
10 1,28 304
81,84188428 199,377
25 1,7092 339
50 2,05 367
100 2,33 390
V.4.4 Uji Kecocokan

Dilakukan uji kecocokan dengan mengikuti prosedur uji Chi Kuadrat pada bab
tinjauan pustaka.
Dengan menggunakan nilai dari keseluruhan perhitungan yang sudah dilakukan
sebelumnya, maka didapatkan tabel curah hujan untuk metode Gumbel dan metode
Normal, dan metode Log Pearson Tipe III yang sudah disusun berdasarkan nilai curah
hujan yang paling tinggi hingga curah hujan yang paling rendah, yaitu :
Tabel 5.5.1 Pengurutan Data (besar ke kecil)

Peringkat R log R
1 391,8172 2,593084
2 387,5253 2,5883
3 302,6438 2,480932
4 300,6656 2,478084
5 282,7833 2,451454
6 260,555 2,415899
7 256,3603 2,408851
8 254,986 2,406516
9 232,7691 2,366925
10 225,7812 2,353688
11 216,5745 2,335607
12 210,6306 2,323521
13 201,0598 2,303325
14 191,8575 2,282979
15 186,7079 2,271163
16 162,0048 2,209528
17 158,2855 2,199441
18 139,6643 2,145086
19 136,2633 2,134379
20 135,9317 2,133321
21 131,2104 2,117968
22 130,1265 2,114366
23 126,4394 2,101882
24 121,7256 2,085382
25 121,5467 2,084743
26 112,209 2,050028
27 104,725 2,02005
28 99,71467 1,998759
Ravg 199 2
S 81,8419 0,17211
Berdasarkan jumlah data (N=28), maka data dibagi sebanyak 5 kelas. Digunakan 4
jenis range peluang yaitu 0,8; 0,6; 0,4; 0,2, diketahui K untuk 4 jenis range peluang
sesuai urutan yaitu, -0,84, -0,25, 0,25, dan 0,84. Maka dapat dicari nilai X untuk
ketiga metode yaitu :
 Metode Gumbel dan Distribusi Normal
Digunakan contoh perhitungan dengan range peluang 0.8, dan nilai K = -0.84
𝑋𝑡 = 𝑅𝑎𝑣𝑔 + (𝑆 × 𝑘) = 119 + (81,8419 × (−0.84)) = 130,63
 Metode Log Pearson Tipe III :
Digunakan contoh perhitungan dengan range peluang 0.8, dan nilai K = -0.84
𝑋𝑡 = 𝑅𝑎𝑣𝑔 + (𝑆 × 𝑘) = 2 + (0,17211 × (−0.84)) = 2,12168387
Dengan menggunakan cara perhitungan yang sama, maka didapatkan :
Tabel 5.5.2 Hasil Pengolahan Data Koefisien
k Xt Xt (dari log) Range
-0,84 130,63 2,12168387 0,8
-0,25 178,92 2,2232309 0,6
0,25 219,84 2,30928772 0,4
0,84 268,12 2,41083476 0,2
V.4.4.1 Uji Kecocokan Metode Gumbel

Berdasarkan perhitungan sebelumnya, maka dapat dibuat nilai batas kelas untuk data
pada metode Gumbel, yaitu :
Tabel 5.5.3 Batas Kelas dan Hasil Perhitungan Chi Kuadrat Metode Gumbel
Uji Kecocokan Metode
Gumbel
Jumlah Data (Oi-
No Nilai Batas subgrup (Oi) Ei Oi-Ei Ei)^2/Ei
130,6 5,
1 < x < 7 1,4 0,35
0 3 6
178,9 5,
2 130,63 < x < 6 0,4 0,0285714
2 6
219,8 5,
3 178,92 < x < 5 -0,6 0,0642857
4 6
268,1 5,
4 219,84 < x < 5 -0,6 0,0642857
2 6
268,1 5,
5 x > 5 -0,6 0,0642857
2 6
Jumla Chi
0,5714286
h 28 kuadrat
Nilai jumlah data (Oi) diperoleh dari penghitungan jumlah data yang memenuhi
batasan kelas.
𝑗𝑢𝑚𝑎𝑙ℎ 𝑑𝑎𝑡𝑎 28
Dengan nilai jumlah teoritis 𝐸𝑖 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑙𝑎𝑠 = = 5,6.
5
Parameter Chi Kuadrat dihitung dengan :

𝐺
(𝑂𝑖 − 𝐸𝑖 )2
𝑋ℎ2 =∑
𝐸𝑖
𝑖=1
= 0,35 + 0,0285714 + 0,0642857 + 0,0642857 + 0,0642857

𝑋ℎ2 = 0,5714286
Derajat kebebasan untuk metode Gumbel (P = 1) adalah :
𝑑𝑘 = 𝑘 − (𝑃 + 1) = 5 − (1 + 1) = 3
Digunakan derajat kepercayaan, a = 0,05 sehingga diperoleh nilai kritis atau batas
penerimaan untuk metode Gumbel adalah < 7,815. Nilai Chi Kuadrat metode Gumbel
adalah sebesar 0,5714286 yang nilainya memenuhi batas penerimaan atau nilai kritis
sehingga metode Gumbel dapat diterima.
V.4.4.2 Uji Kecocokan Metode Log Pearson Tipe III

pada metode Log Pearson Tipe III, yaitu:
Tabel 5.5.4 Batas Kelas dan Hasil Perhitungan Chi Kuadrat Metode Log Pearson
Tipe III
Uji Kecocokan Metode Log Pearson III
N Jumlah Data
o Nilai Batas subgrup (Oi) Ei Oi-Ei (Oi-Ei)^2/Ei
2,121
1 < x < 8 5,6 2,4 1,0285714
0 7
2,121 2,223
2 < x < 5 5,6 -0,6 0,0642857
7 2
2,223 2,309
3 < x < 3 5,6 -2,6 1,2071429
2 3
2,309 2,410
4 < x < 6 5,6 0,4 0,0285714
3 8
2,410
5 x > 6 5,6 0,4 0,0285714
8
Jumla Chi
h 28 kuadrat 2,3571429
Parameter Chi Kuadrat dihitung dengan:
𝐺
(𝑂𝑖 − 𝐸𝑖 )2
𝑋ℎ2 =∑
𝐸𝑖
𝑖=1
= 1,0285714 + 0,0642857 + 1,2071429 + 0,0285714

+ 0,0285714
𝑋ℎ2 = 2,3571429
Derajat kebebasan untuk metode Log Pearson Tipe III (P = 1) adalah:
𝑑𝑘 = 𝑘 − (𝑃 + 1) = 5 − (1 + 1) = 3
penerimaan untuk metode Log Pearson Tipe III adalah < 7,815. Nilai Chi Kuadrat
metode Log Pearson Tipe III adalah sebesar 2,3571429 yang nilainya memenuhi
batas penerimaan atau nilai kritis sehingga metode Log Pearson Tipe III dapat
diterima.
V.4.4.3 Uji Kecocokan Metode Distribusi Normal

pada metode Distribusi Normal, yaitu :
Tabel 5.5.5 Batas Kelas dan Hasil Perhitungan Chi Kuadrat Metode Distribusi
Normal
Uji Kecocokan Metode Distribusi Normal
Jumlah Data
No Nilai Batas subgrup (Oi) Ei Oi-Ei (Oi-Ei)^2/Ei
1 0 < x < 130,63 7 5,6 1,4 0,35
2 130,63 < x < 178,92 6 5,6 0,4 0,0285714
3 178,92 < x < 219,84 5 5,6 -0,6 0,0642857
4 219,84 < x < 268,12 5 5,6 -0,6 0,0642857
5 x > 268,12 5 5,6 -0,6 0,0642857
Chi
Jumlah 28 kuadrat 0,5714286
Parameter Chi Kuadrat dihitung dengan :
𝐺
(𝑂𝑖 − 𝐸𝑖 )2
𝑋ℎ2 =∑
𝐸𝑖
𝑖=1
= 0,35 + 0,0285714 + 0,0642857 + 0,0642857 + 0,0642857

𝑋ℎ2 = 0,5714286
Derajat kebebasan untuk metode Distribusi Normal (P = 2) adalah :
𝑑𝑘 = 𝑘 − (𝑃 + 1) = 5 − (2 + 1) = 2
penerimaan untuk metode Distribusi Normal adalah < 5,991. Nilai Chi Kuadrat
metode Distribusi Normal adalah sebesar 0,5714286 yang nilainya memenuhi batas
penerimaan atau nilai kritis sehingga metode Distribusi Normal dapat diterima.
V.4.5 Metode Terpilih

Dengan diterimanya metode Gumbel, Log Pearson Tipe III, dan Distribusi Normal,
maka harus dipertimbangkan metode mana yang akan digunakan untuk analisis
selanjutnya. Kriteria pemilihan metode yaitu dengan cara melihat selisih nilai Chi
Kuadrat dengan batas penerimaan/ nilai kritis masing-masing metode. Metode terpilih
adalah yang memiliki selisih paling kecil.
Untuk metode Gumbel, nilai Chi Kuadrat 0,571429 dan batas penerimaan 7,815,
maka terdapat selisih sebesar 7,243571. Untuk metode Log Pearson Tipe III, nilai Chi
Kuadrat 2,357143 dan batas penerimaan 7,815, maka terdapat selisih sebesar
5,457857. Untuk metode Distribusi Normal, nilai Chi Kuadrat 0,571429 dan batas
penerimaan 5,991, maka terdapat selisih sebesar 5,419571.
Karena Chi Kuadrat pada metode Distribusi Normal lebih mendekati batas
penerimaan daripada metode Gumbel dan Log Pearson Tipe III, maka metode yang
dipilih adalah metode Distribusi Normal.
V.5 Analisis Intensitas Hujan
Dari perhitungan yang telah di paparkan sebelumnya dalam menentukan curah hujan
harian maksimum dengan menggunakan tiga metode yaitu metode Gumbel, Log
Pearson Tipe III dan Metode Distribusi Normal, kemudian menguji ketiganya dengan
uji kecocokan, diperoleh kesimpulan bahwa metode yang paling cocok untuk di
terapkan pada penentuan Intensitas hujan selanjutnya ialah hasil curah hujan harian
maksimum dengan metode Distribusi Normal. Analisis intensitas hujan bertujuan
untuk menentukan tinggi atau kedalaman , perhitungan ini merupakan perhitungan
lanjutan dari hasil yang didapat pada perhitungan sebelumnya.
V.5.1 Metode Van Breen

Nilai RT untuk perhitungan digunakan nilai XT dari tabel metode Distribusi Normal
(Tabel 5.4.5)
Contoh perhitungan intensitas hujan dengan data pada PUH 2 tahun saat durasi 5
menit :
54𝑅𝑇 + 0,07𝑅𝑇2
𝐼𝑇 =
𝑡𝑒 + 0,3 𝑅𝑇
54 × 199,3773 + 0,07 × (199,3773)2
𝐼𝑇 =
5 + 0,3 × 199,3773
𝐼𝑇 = 209,0464
Dengan menggunakan cara yang sama untuk semua variasi PUH dan durasi,
diperoleh hasil sebagai berikut :
Tabel 5.6.1 Hasil Perhitungan Metode Van Breen

Metode Van Breen
Durasi Intensitas Hujan (mm/jam) pada PUH
(menit) 2 5 10 25 50 100
te RT
199,3773 268,1245 304,1349 339,2614 367,1531 390,0689
5 209,0464 228,367 237,9264 247,0255 254,1329 259,9107
10 194,0746 215,7413 226,1758 235,9758 243,5569 249,6797
20 169,7585 194,2611 205,8437 216,5983 224,8427 231,4576
40 135,7432 162,0019 174,4747 186,0438 194,8928 201,9765
60 113,0841 138,9308 151,4022 163,044 171,9839 179,1569
80 96,90763 121,6118 133,7192 145,1052 153,8943 160,9703
120 75,35023 97,3425 108,3985 118,934 127,147 133,8047
240 45,19136 60,88889 69,12847 77,17573 83,57192 88,83094
V.5.2 Metode Bell Tanimoto

Terdapat beberapa perhitungan yang harus dikerjakan untuk metode Bell Tanimoto,
yaitu :
1. Menentukan nilai R(60,t), mengacu pada Tabel 2.5.3
Contoh perhitungan menggunakan PUH 2 tahun. Diketahui nilai tinggi hujan pada
PUH 2 tahun adalah 199,3773. Karena nilai intensitas hujan 199,3773 tidak tertera
pada Tabel 2.5.3, maka dilakukan interpolasi dengan menggunakan nilai 23 karena
merupakan nilai yang lebih besar dan mendekati 199,3773
199,3773 90 + 31
𝑅(60, 𝑡) = × = 52,44
230 2
2. Menentukan nilai R(t,T)
Nilai R (t, T) merupakan nilai R pada PUH dan durasi tertentu. nilai R dalam satu
PUH pada kolom ini berbeda-beda bergantung pada durasi nya. Contoh perhitungan
mengunakan data PUH 2 tahun dengan durasi 5 menit :
60 𝑚𝑒𝑛𝑖𝑡
𝑅25 = (0,21 𝐿𝑛 𝑇 + 0,52)(0,54 𝑡 0,25 − 0,5)𝑅10 𝑡𝑎ℎ𝑢𝑛
𝑅25 = (0,21 × 𝐿𝑛 2 + 0,52)(0,54 × 50,25 − 0,5) × 52,44 = 10,73
3. Menentukan nilai intensitas, I(t,T)
Contoh perhitungan dilakukan dengan menggunakan data pada PUH 2 tahun dan
durasi 5 menit :
60 5
𝐼25 = 𝑅
𝑡 2
60
𝐼25 = 10,73 = 128,80
5
Dengan menggunakan cara dan langkah-langkah yang sama untuk semua variasi
PUH dan durasi, maka diperoleh hasil sebagai berikut :
Tabel 5.6.2 Hasil Perhitungan Metode Bell Tanimoto
Metode Bell Tanimoto
PUH Durasi
R (60, t) R (t, T) I (t, T)
(tahun) (menit)
5 10,73 128,80
10 16,07 96,40
20 22,41 67,22
40 29,95 44,92
2 52,44
60 35,01 35,01
80 38,92 29,19
120 44,93 22,47
240 56,74 14,18
5 13,34 160,07
10 19,97 119,80
20 27,85 83,54
40 37,22 55,83
5 50,56
60 43,51 43,51
80 48,37 36,28
120 55,84 27,92
240 70,51 17,63
5 17,70 212,37
10 26,49 158,94
20 36,95 110,84
40 49,38 74,07
10 57,35
60 57,72 57,72
80 64,17 48,13
120 74,09 37,04
240 93,55 23,39
5 23,53 282,32
10 35,22 211,30
20 49,12 147,35
40 65,65 98,47
25 63,98
60 76,73 76,73
80 85,31 63,98
120 98,49 49,25
240 124,36 31,09
50 5 55,85 23,04 276,48
10 34,49 206,93
20 48,10 144,31
40 64,29 96,44
60 75,15 75,15
80 83,54 62,66
120 96,45 48,23
240 121,79 30,45
5 27,13 325,61
10 40,62 243,70
20 56,65 169,95
40 75,72 113,57
100 59,34
60 88,50 88,50
80 98,39 73,79
120 113,59 56,80
240 143,43 35,86
V.5.3 Metode Hasper dan Der Weduwen

Terdapat beberapa perhitungan yang harus dikerjakan untuk metode Hasper dan Der
Weduwen, yaitu :
𝑑𝑢𝑟𝑎𝑠𝑖(𝑚𝑒𝑛𝑖𝑡)
1. Mengkonversi durasi ke dalam satuan jam ( )
60
2. Nilai kolom Xt diisi dengan nilai XT dari metode terpilih.

3. Menentukan Ri
Contoh perhitungan dengan data pada PUH 2 tahun dengan durasi 0,08 jam :
1218𝑡 + 54
𝑅𝑖 = 𝑋𝑡 ( )
𝑋𝑡 (1 − 𝑡) + 1272𝑡
1218(0,08) + 54
𝑅𝑖 = 199,38 ( )
199,38(1 − 0,08) + 1272(0,08)
𝑅𝑖 = 107,37
4. Menghitung nilai R
5. Untuk menghitung nilai R, harus diperhatikan terlebih dahulu nilai durasi,
sebab penentuan nilai R terdapat 2 kasus, yaitu
Kasus I : ketika nilai 1 ≤ t < 24 jam menggunakan persamaan 2.6.7
Kasus II : ketika 0 < t < 1 jam.menggunakan persamaan 2.6.8
Contoh perhitungan pada PUH 2 tahun dengan durasi 0,08 jam :
Karena durasi memenuhi kategori kasus II, maka perhitungan R menggunakan
persamaan :
11300 𝑅𝑖
𝑅= √ [ ]
𝑡 + 3,12 100
11300 107,37
𝑅= √ [ ] = 63,77
0,08 + 3,12 100
6. Menghitung nilai intensitas (I)

Contoh perhitungan pada PUH 2 tahun dengan durasi 0,08 jam :
𝑅 63,77
𝐼= = = 765,22
𝑡 0,08
Dengan menggunakan cara dan langkah-langkah yang sama untuk semua variasi
PUH dan durasi, maka diperoleh hasil sebagai berikut :
Tabel 5.6.3 Hasil Perhitungan Metode Hasper dan Der Weduwen
Metode Haspers dan Der Weduwen
I
Ri R
PUH Durasi Durasi (mm/jam)
Xt
(tahun) (menit) (jam)
5 0,08 107,37 63,77 765,22

10 0,17 135,50 79,45 476,72
20 0,33 164,68 94,20 282,61
40 0,67 188,81 103,14 154,71
2 199,38
60 1,00 199,38 104,42 104,42
80 1,33 205,31 115,97 86,98
120 2,00 211,74 132,46 66,23
240 4,00 218,74 158,86 39,71
5 0,08 118,52 70,39 844,72
10 0,17 158,25 92,79 556,75
20 0,33 204,62 117,05 351,15
40 0,67 247,71 135,32 202,98
5 268,12
60 1,00 268,12 140,42 140,42
80 1,33 280,04 155,96 116,97
120 2,00 293,35 178,14 89,07
240 4,00 308,33 213,63 53,41
10 5 0,08 304,13 122,91 73,00 875,98
10 0,17 167,93 98,47 590,80
20 0,33 223,22 127,69 383,06
40 0,67 277,42 151,55 227,32
60 1,00 304,13 159,28 159,28
80 1,33 320,04 176,90 132,68
120 2,00 338,10 202,06 101,03
240 4,00 358,79 242,32 60,58
5 0,08 126,51 75,14 901,69
10 0,17 176,24 103,34 620,04
20 0,33 240,03 137,30 411,91
40 0,67 305,70 166,99 250,49
25 339,26
60 1,00 339,26 177,67 177,67
80 1,33 359,64 197,33 148,00
120 2,00 383,16 225,40 112,70
240 4,00 410,59 270,31 67,58
5 0,08 129,01 76,62 919,45
10 0,17 182,17 106,82 640,91
20 0,33 252,54 144,46 433,38
40 0,67 327,66 178,99 268,49
50 367,15
60 1,00 367,15 192,28 192,28
80 1,33 391,51 213,56 160,17
120 2,00 419,97 243,93 121,97
240 4,00 453,68 292,53 73,13
5 0,08 130,85 77,71 932,57
10 0,17 186,66 109,45 656,70
20 0,33 262,31 150,05 450,15
40 0,67 345,39 188,68 283,02
100 390,07
60 1,00 390,07 204,28 204,28
80 1,33 417,97 226,89 170,16
120 2,00 450,93 259,16 129,58
240 4,00 490,45 310,79 77,70
V.6 Pendekatan Matematis Intensitas Hujan dan Kurva IDF

V.6.1. Metode Van Breeen
a. Perhitungan dengan Rumus Talbot
Berikut adalah contoh perhitungan instensitas hujan PUH 2 tahun pada
durasi 5 menit.
1. Mengisi kolom nilai t dalam satuan jam
1 𝑗𝑎𝑚
𝑡 = 5 𝑚𝑒𝑛𝑖𝑡 ×
60 𝑚𝑒𝑛𝑖𝑡
𝑡 = 0,0833 𝑗𝑎𝑚
2. Menghitung nilai √𝑡
√𝑡 = √0.0833 = 0.28868 jam
3. Mengisi kolom nilai I. √𝑡
𝐼. √𝑡 = 209.046422 × 0.28868
𝐼. √𝑡 = 60.3465
4. Mengisi kolom nilai I2
𝐼 2 = 209.0464222
𝐼 2 = 43700.4
5. Mengisi kolom nilai I2. √𝑡
𝐼 2 . √𝑡 = 209.0464222 × 0.28868
𝐼 2 . √𝑡 = 12615.2
6. Menghitung jumlah seluruh nilai I
∑ 𝐼 = 1039.156
7. Menghitung seluruh nilai √𝑡
∑ √𝑡 = 7.65968
8. Menghitung jumlah seluruh nilai I. √𝑡
∑ 𝐼. √𝑡 = 770.349
9. Menghitung jumlah seluruh nilai I2
∑ 𝐼 2 = 158509
10. Menghitung jumlah seluruh nilai I2.t
∑ 𝐼 2 . √𝑡 = 95420.7
11. Menghitung nilai a menurut rumus Talbot
∑ 𝐼𝑡 ∑ 𝐼 2 − ∑(𝐼 2 𝑡) ∑ 𝐼
𝑎=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(770.6081)(158508.5) − (76643.13)(1039.15601)
𝑎= = 225.8161
8(158508.5) − 1039.156012
12. Menghitung nilai b menurut rumus Talbot
∑ 𝐼 ∑ 𝐼𝑡 − 𝑁 ∑(𝐼 2 𝑡)
𝑏=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(1039.15601)(770.6081) − 8(76643.13)
𝑏= = 0.99688
8(158508.5) − 1039.156012
13. Menghitung nilai I yang baru menurut rumus Talbot
𝑎 225.8161
𝐼′ = = = 209.04642 mm/jam
𝑏+𝑡 5
0.996886 + (60)
14. Menghitung nilai selisih antara I dengan I yang baru menurut rumus
Talbot
∆I = |𝐼 ′ − 𝐼|
∆I = |209.04642 – 209.046421923046|
∆I = 5.68434E-14
Langkah diatas dilakukan untuk setiap durasi waktu pada PUH.
Standar deviasi ditentukan dari nilai ∆I. Standar deviasi saat PUH 2
tahun durasi 5 menit adalah sebesar 1.39224E-14. Dibawah ini adalah
tabel hasil perhitungan pendekatan matematis metode Van Breen
dengan rumus Talbot.
Tabel 5.6.1.1. Pendekatan Matematis dengan metode Van Breen Perhitungan Rumus
Talbot
PERHITUNGAN DENGAN RUMUS TALBOT
PUH (tahun) Durasi, t (menit) t (jam) I (mm/jam) I.t I^2 I^2 * t a b I' (mm/jam) ∆I
5 0.0833333 209.046422 17.42054 43700.41 3641.701 209.046422 5.68434E-14
10 0.1666667 194.074578 32.34576 37664.94 6277.49 194.074578 2.84217E-14
20 0.3333333 169.758473 56.58616 28817.94 9605.98 169.758473 5.68434E-14
40 0.6666667 135.743233 90.49549 18426.23 12284.15 135.743233 2.84217E-14
2 225.8161 0.996886
60 1 113.084086 113.0841 12788.01 12788.01 113.084086 4.26326E-14
80 1.3333333 96.9076306 129.2102 9391.089 12521.45 96.9076306 2.84217E-14
120 2 75.3502281 150.7005 5677.657 11355.31 75.3502281 2.84217E-14
240 4 45.1913565 180.7654 2042.259 8169.035 45.1913565 2.13163E-14
∑ 1039.15601 770.6081 158508.5 76643.13 STDEV 1.39224E-14
5 0.0833333 228.367038 19.03059 52151.5 4345.959 228.367038 1.13687E-13

10 0.1666667 215.741333 35.95689 46544.32 7757.387 215.741333 1.13687E-13
20 0.3333333 194.261142 64.75371 37737.39 12579.13 194.261142 5.68434E-14
40 0.6666667 162.001854 108.0012 26244.6 17496.4 162.001854 8.52651E-14
5 325.1845 1.340622
60 1 138.930803 138.9308 19301.77 19301.77 138.930803 5.68434E-14
80 1.3333333 121.611792 162.1491 14789.43 19719.24 121.611792 2.84217E-14
120 2 97.342503 194.685 9475.563 18951.13 97.342503 2.84217E-14
240 4 60.8888851 243.5555 3707.456 14829.83 60.8888851 2.13163E-14
∑ 1219.14535 967.0628 209952 114980.8 STDEV 3.74903E-14
5 0.0833333 237.926385 19.8272 56608.96 4717.414 237.926385 2.27374E-13

10 0.1666667 226.175828 37.69597 51155.51 8525.918 226.175828 1.42109E-13
20 0.3333333 205.843675 68.61456 42371.62 14123.87 205.843675 8.52651E-14
40 0.6666667 174.474742 116.3165 30441.44 20294.29 174.474742 0
10 381.6358 1.520674
60 1 151.402248 151.4022 22922.64 22922.64 151.402248 5.68434E-14
80 1.3333333 133.719249 178.2923 17880.84 23841.12 133.719249 8.52651E-14
120 2 108.398486 216.797 11750.23 23500.46 108.398486 1.27898E-13
240 4 69.1284704 276.5139 4778.745 19114.98 69.1284704 1.27898E-13
∑ 1307.06908 1065.46 237910 137040.7 STDEV 6.70862E-14
5 0.0833333 247.025545 20.58546 61021.62 5085.135 247.025545 1.13687E-13

10 0.1666667 235.975759 39.32929 55684.56 9280.76 235.975759 8.52651E-14
20 0.3333333 216.598291 72.19943 46914.82 15638.27 216.598291 8.52651E-14
40 0.6666667 186.043814 124.0292 34612.3 23074.87 186.043814 2.84217E-14
25 439.6167 1.696307
60 1 163.043985 163.044 26583.34 26583.34 163.043985 0
80 1.3333333 145.105224 193.4736 21055.53 28074.03 145.105224 2.84217E-14
120 2 118.934018 237.868 14145.3 28290.6 118.934018 0
240 4 77.1757301 308.7029 5956.093 23824.37 77.1757301 1.42109E-14
∑ 1389.90237 1159.232 265973.6 159851.4 STDEV 4.39241E-14
5 0.0833333 254.132879 21.17774 64583.52 5381.96 254.132879 1.13687E-13

10 0.1666667 243.556872 40.59281 59319.95 9886.658 243.556872 1.13687E-13
20 0.3333333 224.842737 74.94758 50554.26 16851.42 224.842737 2.84217E-14
40 0.6666667 194.892846 129.9286 37983.22 25322.15 194.892846 2.84217E-14
50 487.7062 1.835766
60 1 171.983943 171.9839 29578.48 29578.48 171.983943 0
80 1.3333333 153.894265 205.1924 23683.44 31577.93 153.894265 2.84217E-14
120 2 127.147017 254.294 16166.36 32332.73 127.147017 2.84217E-14
240 4 83.5719244 334.2877 6984.267 27937.07 83.5719244 2.84217E-14
∑ 1454.02248 1232.405 288853.5 178868.4 STDEV 4.28014E-14
5 0.0833333 259.910736 21.65923 67553.59 5629.466 259.910736 1.13687E-13

10 0.1666667 249.679694 41.61328 62339.95 10389.99 249.679694 1.13687E-13
20 0.3333333 231.457647 77.15255 53572.64 17857.55 231.457647 2.84217E-14
40 0.6666667 201.976477 134.651 40794.5 27196.33 201.976477 2.84217E-14
100 528.5747 1.950344
60 1 179.15694 179.1569 32097.21 32097.21 179.15694 8.52651E-14
80 1.3333333 160.970326 214.6271 25911.45 34548.59 160.970326 8.52651E-14
120 2 133.804707 267.6094 17903.7 35807.4 133.804707 1.42109E-13
240 4 88.8309377 355.3238 7890.935 31563.74 88.8309377 1.13687E-13
∑ 1505.78746 1291.793 308064 195090.3 STDEV 4.14314E-14
b. Perhitungan dengan Rumus Sherman
Berikut adalah contoh perhitungan PUH 2 durasi 5 menit dengan rumus
Log I = Log = 2.320243 ∑ Log I = 16.54266

209.046422
Log t 5
= log (60) = -1.07918 ∑ Log t = -1,48252
(Log t)^2 = (Log -1.07918)2 = 1.164632 ∑ (Log t)2 = 2.49750933

Log I* Log = -2.5039624 ∑Log I x Log = -3.9141267
t t
Sherman.
∑ 𝑙𝑜𝑔 𝐼 ∑(𝑙𝑜𝑔 𝑡)2 − ∑(𝑙𝑜𝑔 𝑡 log 𝐼) ∑ log 𝑡

𝐿𝑜𝑔 𝑎 =
𝑁 ∑(𝑙𝑜𝑔𝑡)2 − ((∑ log 𝑡))2
(16.54266)(2,49750933) − ( −3.9141267)(−1,48252)
𝐿𝑜𝑔 𝑎 =
8(2,49750933) − (−1.48252)2
= 1.99709
∑ log 𝐼 ∑ log 𝑡 − 𝑁 ∑(log 𝑡 log 𝐼)

𝑛= 2
𝑁 ∑(𝑙𝑜𝑔𝑡)2 − (∑ log 𝑡)
(16.54266)(−1.48252) − 8(−3.9141267)
𝑛=
8(2,49750933) − (−1.48252)2
= 0.381744
′
10𝑎 101.99709
𝐼 = = = 256.48414 mm/jam
𝑡𝑥𝑛 5
𝑥 0.381744
60
∆I = |𝐼 ′ − 𝐼|
∆I = |256.48414 – 209.046422 |
∆I = 47.43772
Langkah diatas dilakukan untuk setiap durasi waktu pada PUH. Standar
deviasi ditentukan dari ∆I. Nilai standar deviasi saat PUH 2 tahun durasi 5
menit adalah 14.58549. Dibawah ini adalah tabel hasil perhitungan
pendekatan matematis metode Van Breen dengan rumus Sherman
Sherman
PERHITUNGAN DENGAN RUMUS SHERMAN
PUH (tahun) Durasi, t (menit) t (jam) I (mm/jam) Log I Log t Log I * Log t (log t)^2 log a n I' (mm/jam) ∆I
5 0.08333333 209.046422 2.320243 -1.07918 -2.5039624 1.164632 256.48414 47.43772
10 0.16666667 194.074578 2.287969 -0.77815 -1.7803857 0.605519 196.853989 2.779411
20 0.33333333 169.758473 2.229831 -0.47712 -1.0639 0.227645 151.087288 18.67119
40 0.66666667 135.743233 2.132718 -0.17609 -0.375553 0.031008 115.960914 19.78232
2 1.99709 0.381744
60 1 113.084086 2.053401 0 0 0 99.3321661 13.75192
80 1.33333333 96.9076306 1.986358 0.124939 0.24817306 0.01561 89.0010918 7.906539
120 2 75.3502281 1.877085 0.30103 0.56505876 0.090619 76.2383714 0.888143
240 4 45.1913565 1.655055 0.60206 0.99644263 0.362476 58.5136669 13.32231
∑ 1039.15601 16.54266 -1.48252 -3.9141267 2.497509 STDEV 14.58549
5 0.08333333 228.367038 2.358633 -1.07918 -2.545393 1.164632 275.259061 46.89202

10 0.16666667 215.741333 2.333933 -0.77815 -1.8161532 0.605519 219.679402 3.938069
20 0.33333333 194.261142 2.288386 -0.47712 -1.0918376 0.227645 175.322257 18.93888
40 0.66666667 162.001854 2.20952 -0.17609 -0.3890772 0.031008 139.921601 22.08025
5 2.088586 0.32539
60 1 138.930803 2.142799 0 0 0 122.62707 16.30373
80 1.33333333 121.611792 2.084976 0.124939 0.26049423 0.01561 111.668962 9.942829
120 2 97.342503 1.988303 0.30103 0.5985387 0.090619 97.8665022 0.523999
240 4 60.8888851 1.784538 0.60206 1.07439895 0.362476 78.1055295 17.21664
∑ 1219.14535 17.19109 -1.48252 -3.909029 2.497509 STDEV 14.22024
5 0.08333333 237.926385 2.376443 -1.07918 -2.5646123 1.164632 284.354713 46.42833

10 0.16666667 226.175828 2.354446 -0.77815 -1.8321152 0.605519 230.555376 4.379548
20 0.33333333 205.843675 2.313538 -0.47712 -1.1038379 0.227645 186.934765 18.90891
40 0.66666667 174.474742 2.241733 -0.17609 -0.3947495 0.031008 151.567085 22.90766
10 2.127323 0.302578
60 1 151.402248 2.180132 0 0 0 134.067492 17.33476
80 1.33333333 133.719249 2.126194 0.124939 0.26564398 0.01561 122.890899 10.82835
120 2 108.398486 2.035023 0.30103 0.61260303 0.090619 108.702193 0.303708
240 4 69.1284704 1.839657 0.60206 1.10758385 0.362476 88.135958 19.00749
∑ 1307.06908 17.46717 -1.48252 -3.9094841 2.497509 STDEV 14.05471
5 0.08333333 247.025545 2.392742 -1.07918 -2.5822021 1.164632 292.966286 45.94074

10 0.16666667 235.975759 2.372867 -0.77815 -1.8464497 0.605519 240.709148 4.733389
20 0.33333333 216.598291 2.335655 -0.47712 -1.1143907 0.227645 197.773247 18.82504
40 0.66666667 186.043814 2.269615 -0.17609 -0.3996594 0.031008 162.495932 23.54788
25 2.160931 0.283444
60 1 163.043985 2.212305 0 0 0 144.854015 18.18997
80 1.33333333 145.105224 2.161683 0.124939 0.27007795 0.01561 133.511121 11.5941
120 2 118.934018 2.075306 0.30103 0.62472938 0.090619 119.016038 0.082019
240 4 77.1757301 1.887481 0.60206 1.13637664 0.362476 97.7868457 20.61112
∑ 1389.90237 17.70765 -1.48252 -3.911518 2.497509 STDEV 13.92358
5 0.08333333 254.132879 2.405061 -1.07918 -2.5954966 1.164632 299.680604 45.54773

10 0.16666667 243.556872 2.3866 -0.77815 -1.8571361 0.605519 248.528476 4.971604
20 0.33333333 224.842737 2.351879 -0.47712 -1.1221314 0.227645 206.107443 18.73529
40 0.66666667 194.892846 2.289796 -0.17609 -0.403213 0.031008 170.927207 23.96564
50 2.185264 0.270015
60 1 171.983943 2.235488 0 0 0 153.201844 18.7821
80 1.33333333 153.894265 2.187222 0.124939 0.27326881 0.01561 141.751844 12.14242
120 2 127.147017 2.104306 0.30103 0.63345928 0.090619 127.052002 0.095015
240 4 83.5719244 1.92206 0.60206 1.15719567 0.362476 105.365646 21.79372
∑ 1454.02248 17.88241 -1.48252 -3.9140533 2.497509 STDEV 13.80545
5 0.08333333 259.910736 2.414824 -1.07918 -2.606033 1.164632 305.138086 45.22735

10 0.16666667 249.679694 2.397383 -0.77815 -1.8655268 0.605519 254.823707 5.144012
20 0.33333333 231.457647 2.364472 -0.47712 -1.1281396 0.227645 212.805692 18.65196
40 0.66666667 201.976477 2.305301 -0.17609 -0.4059433 0.031008 177.716049 24.26043
100 2.203949 0.259963
60 1 179.15694 2.253234 0 0 0 159.937197 19.21974
80 1.33333333 160.970326 2.206746 0.124939 0.27570804 0.01561 148.412356 12.55797
120 2 133.804707 2.126471 0.30103 0.64013167 0.090619 133.565068 0.239639
240 4 88.8309377 1.948564 0.60206 1.17315257 0.362476 111.541454 22.71052
∑ 1505.78746 18.01699 -1.48252 -3.9166504 2.497509 STDEV 13.69533
c. Perhitungan dengan Rumus Ishiguro
Berikut adalah contoh perhitungan metode Van Breen dengan rumus
Ishigoro pada PUH 2 tahun durasi 5 menit.
I = 209.046421923046 ∑I = 1039.15601
I2 = 43700.41 ∑ I2 = 158508.5
t0.5 5 ∑ t0.5 = 7.659684
= √60 = 0.288675
I x t0.5 = 60.3465 ∑ I x t0.5 = 770.3485

I2 x t0.5 = 12615.22 ∑ I2 x t0.5 = 95420.71
∑(𝐼𝑥√𝑡) ∑ 𝐼 2 − ∑(𝐼 2 𝑥 √𝑡) ∑ 𝐼

𝑎=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(770.3485)(158508.5) − (95420.71)(1039.15601)
𝑎= = 121.929
8(158508.5) − (1039.15601)2
∑(𝐼𝑥√𝑡) ∑ 𝐼 − 𝑁 ∑(𝐼 2 𝑥 √𝑡)
𝑏=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(770.3485)(1039.15601) − 8(95420.71)
𝑏= = 0.19735
8(158508.5) − (1039.15601)2
𝑎
𝐼′ =
√𝑡 + 𝑏
121.929
𝐼′ = = 250.867102 mm/jam
(0.288675 + 0.19735)
∆I = |𝐼 ′ − 𝐼|
∆I = |250.867102– 209.046421923046|
∆I = 41.82068

Standar deviasi ditentukan dari ∆I. Standar deviasi untuk PUH 2 tahun
durasi 5 menit adalah 12.42476. Dibawah ini adalah tabel hasil
perhitungan pendekatan matematis metode Van Breen dengan rumus
Ishigoro.
Ishiguro
PERHITUNGAN DENGAN RUMUS ISHIGURO
PUH (tahun) Durasi, t (menit) t (jam) I (mm/jam) √t I^2 I * √t I^2 * √t a b I' (mm/jam) ∆I
5 0.0833333 209.046422 0.288675 43700.41 60.3465 12615.22 250.867102 41.82068
10 0.1666667 194.074578 0.408248 37664.94 79.23061 15376.65 201.334671 7.260093
20 0.3333333 169.758473 0.57735 28817.94 98.0101 16638.05 157.387481 12.37099
40 0.6666667 135.743233 0.816497 18426.23 110.8339 15044.95 120.263054 15.48018
2 121.9288 0.197354
60 1 113.084086 1 12788.01 113.0841 12788.01 101.83185 11.25224
80 1.3333333 96.9076306 1.154701 9391.089 111.8993 10843.9 90.1803691 6.727261
120 2 75.3502281 1.414214 5677.657 106.5613 8029.419 75.6584988 0.308271
240 4 45.1913565 2 2042.259 90.38271 4084.517 55.4889151 10.29756
∑ 1039.15601 7.659684 158508.5 770.3485 95420.71 STDEV 12.42476
5 0.0833333 228.367038 0.288675 52151.5 65.92389 15054.84 267.670672 39.30363

10 0.1666667 215.741333 0.408248 46544.32 88.07603 19001.64 225.234873 9.493539
20 0.3333333 194.261142 0.57735 37737.39 112.1567 21787.69 183.984503 10.27664
40 0.6666667 162.001854 0.816497 26244.6 132.274 21428.63 146.134912 15.86694
5 169.8782 0.345979
60 1 138.930803 1 19301.77 138.9308 19301.77 126.211673 12.71913
80 1.3333333 121.611792 1.154701 14789.43 140.4252 17077.36 113.200889 8.410902
120 2 97.342503 1.414214 9475.563 137.6631 13400.47 96.5111758 0.831327
240 4 60.8888851 2 3707.456 121.7778 7414.913 72.4125184 11.52363
∑ 1219.14535 7.659684 209952 937.2275 134467.3 STDEV 11.2679
5 0.0833333 237.926385 0.288675 56608.96 68.68343 16341.6 276.156305 38.22992

10 0.1666667 226.175828 0.408248 51155.51 92.3359 20884.15 236.448077 10.27225
20 0.3333333 205.843675 0.57735 42371.62 118.8439 24463.27 196.491803 9.351872
40 0.6666667 174.474742 0.816497 30441.44 142.458 24855.33 158.5914 15.88334
10 196.6274 0.42334
60 1 151.402248 1 22922.64 151.4022 22922.64 138.145075 13.25717
80 1.3333333 133.719249 1.154701 17880.84 154.4057 20647.01 124.602252 9.116997
120 2 108.398486 1.414214 11750.23 153.2986 16617.34 107.004988 1.393497
240 4 69.1284704 2 4778.745 138.2569 9557.491 81.1390008 12.01053
∑ 1307.06908 7.659684 237910 1019.685 156288.8 STDEV 10.77459
5 0.0833333 247.025545 0.288675 61021.62 71.31013 17615.42 284.333375 37.30783

10 0.1666667 235.975759 0.408248 55684.56 96.3367 22733.13 246.840855 10.8651
20 0.3333333 216.598291 0.57735 46914.82 125.0531 27086.28 208.044718 8.553573
40 0.6666667 186.043814 0.816497 34612.3 151.9041 28260.83 170.211354 15.83246
25 223.8381 0.498563
60 1 163.043985 1 26583.34 163.044 26583.34 149.368475 13.67551
80 1.3333333 145.105224 1.154701 21055.53 167.5531 24312.83 135.391645 9.713579
120 2 118.934018 1.414214 14145.3 168.1981 20004.48 117.022591 1.911427
240 4 77.1757301 2 5956.093 154.3515 11912.19 89.5867218 12.41099
∑ 1389.90237 7.659684 265973.6 1097.751 178508.5 STDEV 10.37075
5 0.0833333 254.132879 0.288675 64583.52 73.36184 18643.66 290.782491 36.64961

10 0.1666667 243.556872 0.408248 59319.95 99.43168 24217.27 254.80401 11.24714
20 0.3333333 224.842737 0.57735 50554.26 129.813 29187.51 216.858082 7.984655
40 0.6666667 194.892846 0.816497 37983.22 159.1293 31013.17 179.131614 15.76123
50 246.2438 0.558157
60 1 171.983943 1 29578.48 171.9839 29578.48 158.035363 13.94858
80 1.3333333 153.894265 1.154701 23683.44 177.7018 27347.29 143.762044 10.13222
120 2 127.147017 1.414214 16166.36 179.813 22862.69 124.846668 2.300349
240 4 83.5719244 2 6984.267 167.1438 13968.53 96.2583151 12.68639
∑ 1454.02248 7.659684 288853.5 1158.378 196818.6 STDEV 10.09407
5 0.0833333 259.910736 0.288675 67553.59 75.02977 19501.04 296.061891 36.15116

10 0.1666667 249.679694 0.408248 62339.95 101.9313 25450.18 261.194003 11.51431
20 0.3333333 231.457647 0.57735 53572.64 133.6321 30930.18 223.90197 7.555677
40 0.6666667 201.976477 0.816497 40794.5 164.9131 33308.57 186.287744 15.68873
100 265.1879 0.607043
60 1 179.15694 1 32097.21 179.1569 32097.21 165.016102 14.14084
80 1.3333333 160.970326 1.154701 25911.45 185.8725 29919.96 150.525864 10.44446
120 2 133.804707 1.414214 17903.7 189.2284 25319.65 131.199556 2.605151
88.8309377 2 7890.935 177.6619 15781.87 101.719824 12.88889
∑ 1505.78746 7.659684 308064 1207.426 212308.7 STDEV 9.891155
V.6.2. Metode Bell Tanimoto
Berikut adalah contoh perhitungan instensitas hujan PUH 2 pada durasi 5
menit dengan rumus Talbot.
∑ 𝐼𝑡 ∑ 𝐼 2 − ∑(𝐼 2 𝑡) ∑ 𝐼
𝑎=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(254.75)(35200.93) − (9958.5)(438.184657)
𝑎= = 51.3805
8(35200.93) − 438.1846572
∑ 𝐼 ∑ 𝐼𝑡 − 𝑁 ∑(𝐼 2 𝑡)
𝑏=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(438.184657)(254.75) − 8(9958.5)
𝑏= = 0.35668
8(35200.93) − 438.1846572
𝑎 51.3805
𝐼′ = = = 116.7690602 mm/jam
𝑏+𝑡 5
(0.35668 + (60))
∆I = |𝐼 ′ − 𝐼|
∆I = |116.7690602 – 128.79556938412|
∆I = 12.0265

perhitungan metode Bell Tanimoto dengan rumus Talbot.
Tabel 5.6.2.1. Pendekatan Matematis dengan metode Bell Tanimoto Perhitungan
Rumus Talbot
5 0.0833333 128.795569 10.73296 16588.3 1382.358 116.7690602 12.02651
10 0.1666667 96.395281 16.06588 9292.05 1548.675 98.17588888 1.780608
20 0.3333333 67.2234657 22.40782 4518.994 1506.331 74.46251357 7.239048
40 0.6666667 44.9245561 29.9497 2018.216 1345.477 50.20804213 5.283486
2 51.38045 0.356684
60 1 35.0066767 35.00668 1225.467 1225.467 37.87207458 2.865398
80 1.3333333 29.1889231 38.91856 851.9932 1135.991 30.40231552 1.213392
120 2 22.466176 44.93235 504.7291 1009.458 21.80200789 0.664168
240 4 14.1840089 56.73604 201.1861 804.7444 11.79347563 2.390533
∑ 438.184657 254.75 35200.93 9958.503 STDEV 3.854355
5 0.0833333 160.066481 13.33887 25621.28 2135.107 145.1199964 14.94648

10 0.1666667 119.799567 19.96659 14351.94 2391.989 122.0124972 2.21293
20 0.3333333 83.5449825 27.84833 6979.764 2326.588 92.54163454 8.996652
40 0.6666667 55.8320107 37.22134 3117.213 2078.142 62.39830034 6.56629
5 63.85536 0.356684
60 1 43.5061204 43.50612 1892.783 1892.783 47.06722238 3.561102
80 1.3333333 36.2758457 48.36779 1315.937 1754.583 37.78384366 1.507998
120 2 27.9208496 55.8417 779.5738 1559.148 27.09542492 0.825425
240 4 17.6278143 70.51126 310.7398 1242.959 14.65687175 2.970943
∑ 544.573671 316.602 54369.23 15381.3 STDEV 4.790173
5 0.0833333 212.367462 17.69729 45099.94 3758.328 192.5372826 19.83018

10 0.1666667 158.94352 26.49059 25263.04 4210.507 161.8795152 2.935995
20 0.3333333 110.842918 36.94764 12286.15 4095.384 122.7791847 11.93627
40 0.6666667 74.0748615 49.38324 5487.085 3658.057 82.78665579 8.711794
10 84.71981 0.356684
60 1 57.7215437 57.72154 3331.777 3331.777 62.44621915 4.724675
80 1.3333333 48.1288101 64.17175 2316.382 3088.51 50.12953947 2.000729
120 2 37.0438578 74.08772 1372.247 2744.495 35.94872944 1.095128
240 4 23.387621 93.55048 546.9808 2187.923 19.44593667 3.941684
∑ 722.510594 420.0502 95703.61 27074.98 STDEV 6.35534
5 0.0833333 282.317867 23.52649 79703.38 6641.948 255.9559478 26.36192

10 0.1666667 211.296943 35.21616 44646.4 7441.066 215.200008 3.903064
20 0.3333333 147.352782 49.11759 21712.84 7237.614 163.2206614 15.86788
40 0.6666667 98.4739222 65.64928 9697.113 6464.742 110.0552405 11.58132
25 112.6251 0.356684
60 1 76.7340861 76.73409 5888.12 5888.12 83.01499323 6.280907
80 1.3333333 63.9816613 85.30888 4093.653 5458.204 66.64139858 2.659737
120 2 49.2455052 98.49101 2425.12 4850.24 47.7896592 1.455846
240 4 31.0911249 124.3645 966.658 3866.632 25.85111354 5.240011
∑ 960.493892 558.408 169133.3 47848.57 STDEV 8.448686
5 0.0833333 276.480214 23.04002 76441.31 6370.109 250.6633954 25.81682

10 0.1666667 206.927832 34.48797 42819.13 7136.521 210.7501902 3.822359
20 0.3333333 144.305881 48.10196 20824.19 6941.396 159.8456513 15.53977
40 0.6666667 96.4377187 64.29181 9300.234 6200.156 107.7795633 11.34184
50 110.2963 0.356684
60 1 75.14741 75.14741 5647.133 5647.133 81.29844316 6.151033
80 1.3333333 62.6586747 83.5449 3926.11 5234.813 65.26341499 2.60474
120 2 48.2272268 96.45445 2325.865 4651.731 46.80148417 1.425743
240 4 30.4482353 121.7929 927.095 3708.38 25.31657479 5.131661
∑ 940.633192 546.8615 162211.1 45890.24 STDEV 8.273988
5 0.0833333 325.608244 27.13402 106020.7 8835.061 295.2040107 30.40423

10 0.1666667 243.697033 40.61617 59388.24 9898.041 248.1985903 4.501557
20 0.3333333 169.94773 56.64924 28882.23 9627.41 188.2487759 18.30105
40 0.6666667 113.573828 75.71589 12899.01 8599.343 126.9310156 13.35719
100 129.895 0.356684
60 1 88.5004242 88.50042 7832.325 7832.325 95.74444022 7.244016
80 1.3333333 73.7925537 98.39007 5445.341 7260.455 76.86013277 3.067579
120 2 56.7967682 113.5935 3225.873 6451.746 55.11768404 1.679084
240 4 35.858611 143.4344 1285.84 5143.36 29.81510084 6.04351
∑ 1107.77519 644.0338 224979.6 63647.74 STDEV 9.7442
Sherman.
Log I = Log 128.79557 = 2.1099 ∑ Log I = 13.08666
Log t 5
= log (60) = -1.0792 ∑ Log t = -1,48252
(Log t)^2 = (Log -1.0792)2 = 1.1646 ∑ (Log t)2 = 2.49751

Log I* Log = -2.2769655 ∑Log I x Log = -
t t 3.700433
∑ 𝐿𝑜𝑔 𝐼 ∑(𝑙𝑜𝑔 𝑡)2 − ∑(𝑙𝑜𝑔 𝑡 log 𝐼) ∑ log 𝑡
𝐿𝑜𝑔 𝑎 =
𝑁 ∑(𝑙𝑜𝑔𝑡)2 − ((∑ log 𝑡))2
(13.08666)(2.49751) − (−3.700433)(−1.48252)
𝐿𝑜𝑔 𝑎 =
8(2.49751) − (−1.48252)2
= 1.52951

𝑛= 2
(13.08666)(−1.48252) − 8(−3.700433)
𝑛= = 0.57373
8(2.49751) − (−1.48252)2
10𝑎 101.52951
𝐼′ = = = 140.823342 mm/jam
𝑡𝑥𝑛 5
60 𝑥 0.57373
∆I = |𝐼 ′ − 𝐼|
∆I = |140.823342 − 128.79557|
∆I = 12.0278

perhitungan metode Bell Tanimoto dengan rumus Sherman.
Rumus Sherman
5 0.08333333 128.795569 2.109901 -1.07918 -2.2769655 1.164632 140.823342 12.02777
10 0.16666667 96.395281 1.984056 -0.77815 -1.5438955 0.605519 94.6157198 1.779561
20 0.33333333 67.2234657 1.827521 -0.47712 -0.8719491 0.227645 63.5699614 3.653504
40 0.66666667 44.9245561 1.652484 -0.17609 -0.290988 0.031008 42.7110844 2.213472
2 1.529511 0.573735
60 1 35.0066767 1.544151 0 0 0 33.8462794 1.160397
80 1.33333333 29.1889231 1.465218 0.124939 0.18306249 0.01561 28.696521 0.492402
120 2 22.466176 1.351529 0.30103 0.40685082 0.090619 22.7404778 0.274302
240 4 14.1840089 1.151799 0.60206 0.69345209 0.362476 15.2787645 1.094756
∑ 438.184657 13.08666 -1.48252 -3.7004326 2.497509 STDEV 3.864766
5 0.08333333 160.066481 2.2043 -1.07918 -2.3788396 1.164632 175.014536 14.94806

10 0.16666667 119.799567 2.078455 -0.77815 -1.6173525 0.605519 117.587937 2.21163
20 0.33333333 83.5449825 1.92192 -0.47712 -0.9169891 0.227645 79.0044259 4.540557
40 0.66666667 55.8320107 1.746883 -0.17609 -0.3076109 0.031008 53.0811193 2.750891
5 1.62391 0.573735
60 1 43.5061204 1.63855 0 0 0 42.0639845 1.442136
80 1.33333333 36.2758457 1.559618 0.124939 0.19485665 0.01561 35.6638909 0.611955
120 2 27.9208496 1.445929 0.30103 0.43526789 0.090619 28.2617506 0.340901
240 4 17.6278143 1.246198 0.60206 0.75028624 0.362476 18.9883711 1.360557
∑ 544.573671 13.84185 -1.48252 -3.8403814 2.497509 STDEV 4.803112
5 0.08333333 212.367462 2.327088 -1.07918 -2.5113497 1.164632 232.199725 19.83226

10 0.16666667 158.94352 2.201243 -0.77815 -1.7128999 0.605519 156.009251 2.934269
20 0.33333333 110.842918 2.044708 -0.47712 -0.9755736 0.227645 104.818756 6.024162
40 0.66666667 74.0748615 1.869671 -0.17609 -0.3292327 0.031008 70.425129 3.649732
10 1.746698 0.573735
60 1 57.7215437 1.761338 0 0 0 55.8081965 1.913347
80 1.33333333 48.1288101 1.682405 0.124939 0.21019757 0.01561 47.3169019 0.811908
120 2 37.0438578 1.568716 0.30103 0.47223063 0.090619 37.4961466 0.452289
240 4 23.387621 1.368986 0.60206 0.82421173 0.362476 25.1927333 1.805112
∑ 722.510594 14.82415 -1.48252 -4.0224159 2.497509 STDEV 6.372506
5 0.08333333 282.317867 2.450738 -1.07918 -2.6447909 1.164632 308.682556 26.36469

10 0.16666667 211.296943 2.324893 -0.77815 -1.8091186 0.605519 207.396173 3.90077
20 0.33333333 147.352782 2.168358 -0.47712 -1.0345699 0.227645 139.344358 8.008424
40 0.66666667 98.4739222 1.993321 -0.17609 -0.3510064 0.031008 93.6220269 4.851895
25 1.870348 0.573735
60 1 76.7340861 1.884988 0 0 0 74.1905134 2.543573
80 1.33333333 63.9816613 1.806056 0.124939 0.22564629 0.01561 62.9023238 1.079338
120 2 49.2455052 1.692367 0.30103 0.50945311 0.090619 49.8467705 0.601265
240 4 31.0911249 1.492636 0.60206 0.89865668 0.362476 33.490812 2.399687
∑ 960.493892 15.81336 -1.48252 -4.2057297 2.497509 STDEV 8.471507
5 0.08333333 276.480214 2.441664 -1.07918 -2.6349981 1.164632 302.299745 25.81953

10 0.16666667 206.927832 2.315819 -0.77815 -1.8020574 0.605519 203.10772 3.820112
20 0.33333333 144.305881 2.159284 -0.47712 -1.0302403 0.227645 136.463052 7.842829
40 0.66666667 96.4377187 1.984247 -0.17609 -0.3494085 0.031008 91.6861489 4.75157
50 1.861274 0.573735
60 1 75.14741 1.875914 0 0 0 72.6564323 2.490978
80 1.33333333 62.6586747 1.796981 0.124939 0.22451256 0.01561 61.6016552 1.057019
120 2 48.2272268 1.683292 0.30103 0.50672147 0.090619 48.8160594 0.588833
240 4 30.4482353 1.483562 0.60206 0.8931934 0.362476 32.7983027 2.350067
∑ 940.633192 15.74076 -1.48252 -4.1922769 2.497509 STDEV 8.296336
5 0.08333333 325.608244 2.512695 -1.07918 -2.7116537 1.164632 356.015672 30.40743

10 0.16666667 243.697033 2.38685 -0.77815 -1.8573305 0.605519 239.198122 4.498911
20 0.33333333 169.94773 2.230315 -0.47712 -1.0641309 0.227645 160.711301 9.236429
40 0.66666667 113.573828 2.055278 -0.17609 -0.3619165 0.031008 107.977947 5.595881
100 1.932305 0.573735
60 1 88.5004242 1.946945 0 0 0 85.5668223 2.933602
80 1.33333333 73.7925537 1.868013 0.124939 0.23338713 0.01561 72.5477115 1.244842
120 2 56.7967682 1.754324 0.30103 0.52810403 0.090619 57.4902311 0.693463
240 4 35.858611 1.554593 0.60206 0.93595853 0.362476 38.626264 2.767653
∑ 1107.77519 16.30901 -1.48252 -4.297582 2.497509 STDEV 9.77052
Berikut adalah contoh perhitungan metode Bell Tanimoto PUH 2 pada
durasi 5 menit dengan rumus Ishiguro.
I = 128.79557 ∑I = 438.18467
I2 = 16588.3 ∑ I2 = 35200.93
t0.5 5 ∑ t0.5 = 7.659684
= √60 = 0.288675
I x t0.5 = 37.18008 ∑ I x t0.5 = 280.8766

I2 x t0.5 = 4788.629 ∑ I2 x t0.5 = 16164.43
∑(𝐼𝑥√𝑡) ∑ 𝐼 2 − ∑(𝐼 2 𝑥 √𝑡) ∑ 𝐼

𝑎=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(280.8766)(35200.93) − (16164.43)(438.18467)
𝑎= = 31.2953
8(35200.93) − (438.18467)2
∑(𝐼𝑥√𝑡) ∑ 𝐼 − 𝑁 ∑(𝐼 2 𝑥 √𝑡)
𝑏=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(280.8766)(438.18467) − 8(16164.43)
𝑏= = −0.06964
8(35200.93) − (438.18467)2
𝑎
𝐼′ =
√𝑡 + 𝑏
31.2953
𝐼′ = = 142.876408 mm/jam
0.288675 + (−0.06964)
∆I = |𝐼 ′ − 𝐼|
∆I = |142.876408 − 128.79557|
∆I = 14.08084
deviasi ditentukan dari ∆I. Standar deviasi untuk PUH 2 tahun durasi 5 menit
adalah 4.461718. Dibawah ini adalah tabel hasil perhitungan metode Bell
Tanimoto dengan rumus Ishiguro.
Rumus Ishiguro
PERHITUNGAN DENGAN RUMUS ISHIGURO
PUH (tahun) Durasi, t (menit) t (jam) I (mm/jam) √t I^2 I * √t I^2 * √t a b I' (mm/jam) ∆I
5 0.0833333 128.795569 0.288675 16588.3 37.18008 4788.629 142.876408 14.08084
10 0.1666667 96.395281 0.408248 9292.05 39.35321 3793.464 92.4226789 3.972602
20 0.3333333 67.2234657 0.57735 4518.994 38.81149 2609.043 61.6398126 5.583653
40 0.6666667 44.9245561 0.816497 2018.216 36.68075 1647.866 41.9025798 3.021976
2 31.29533 -0.06964
60 1 35.0066767 1 1225.467 35.00668 1225.467 33.6377736 1.368903
80 1.3333333 29.1889231 1.154701 851.9932 33.70447 983.797 28.8419406 0.346982
120 2 22.466176 1.414214 504.7291 31.77197 713.7947 23.2752354 0.809059
240 4 14.1840089 2 201.1861 28.36802 402.3722 16.2121494 2.028141
∑ 438.184657 7.659684 35200.93 280.8766 16164.43 STDEV 4.461718
5 0.0833333 160.066481 0.288675 25621.28 46.20721 7396.226 177.566076 17.4996

10 0.1666667 119.799567 0.408248 14351.94 48.90797 5859.153 114.862437 4.93713
20 0.3333333 83.5449825 0.57735 6979.764 48.23472 4029.769 76.6056467 6.939336
40 0.6666667 55.8320107 0.816497 3117.213 45.58665 2545.194 52.0763138 3.755697
5 38.89367 -0.06964
60 1 43.5061204 1 1892.783 43.50612 1892.783 41.8048546 1.701266
80 1.3333333 36.2758457 1.154701 1315.937 41.88774 1519.513 35.8446176 0.431228
120 2 27.9208496 1.414214 779.5738 39.48604 1102.484 28.9263446 1.005495
240 4 17.6278143 2 310.7398 35.25563 621.4797 20.1483771 2.520563
∑ 544.573671 7.659684 54369.23 349.0721 24966.6 STDEV 5.545001
5 0.0833333 212.367462 0.288675 45099.94 61.30521 13019.23 235.584969 23.21751

10 0.1666667 158.94352 0.408248 25263.04 64.88842 10313.59 152.393206 6.550314
20 0.3333333 110.842918 0.57735 12286.15 63.99519 7093.413 101.636187 9.206732
40 0.6666667 74.0748615 0.816497 5487.085 60.48187 4480.186 69.092008 4.982853
10 51.602 -0.06964
60 1 57.7215437 1 3331.777 57.72154 3331.777 55.4643971 2.257147
80 1.3333333 48.1288101 1.154701 2316.382 55.57436 2674.728 47.5566803 0.57213
120 2 37.0438578 1.414214 1372.247 52.38793 1940.651 38.3778937 1.334036
240 4 23.387621 2 546.9808 46.77524 1093.962 26.7317659 3.344145
∑ 722.510594 7.659684 95703.61 463.1298 43947.54 STDEV 7.356804
5 0.0833333 282.317867 0.288675 79703.38 81.49815 23008.38 313.182845 30.86498

10 0.1666667 211.296943 0.408248 44646.4 86.26162 18226.82 202.589062 8.707881
20 0.3333333 147.352782 0.57735 21712.84 85.07417 12535.92 135.113502 12.23928
40 0.6666667 98.4739222 0.816497 9697.113 80.40362 7917.66 91.8497974 6.624125
25 68.59887 -0.06964
60 1 76.7340861 1 5888.12 76.73409 5888.12 73.733472 3.000614
80 1.3333333 63.9816613 1.154701 4093.653 73.87966 4726.943 63.2210813 0.76058
120 2 49.2455052 1.414214 2425.12 69.64366 3429.637 51.0189508 1.773446
240 4 31.0911249 2 966.658 62.18225 1933.316 35.536777 4.445652
∑ 960.493892 7.659684 169133.3 615.6772 77666.79 STDEV 9.780016
5 0.0833333 276.480214 0.288675 76441.31 79.81296 22066.71 306.706979 30.22676

10 0.1666667 206.927832 0.408248 42819.13 84.47793 17480.84 198.400008 8.527823
20 0.3333333 144.305881 0.57735 20824.19 83.31504 12022.85 132.31968 11.9862
40 0.6666667 96.4377187 0.816497 9300.234 78.74107 7593.609 89.9505648 6.487154
50 67.18041 -0.06964
60 1 75.14741 1 5647.133 75.14741 5647.133 72.2088414 2.938569
80 1.3333333 62.6586747 1.154701 3926.11 72.35201 4533.481 61.9138216 0.744853
120 2 48.2272268 1.414214 2325.865 68.2036 3289.27 49.9640018 1.736775
240 4 30.4482353 2 927.095 60.89647 1854.19 34.8019621 4.353727
∑ 940.633192 7.659684 162211.1 602.9465 74488.07 STDEV 9.577789
5 0.0833333 325.608244 0.288675 106020.7 93.995 30605.55 361.206031 35.59779

10 0.1666667 243.697033 0.408248 59388.24 99.4889 24245.15 233.653893 10.04314
20 0.3333333 169.94773 0.57735 28882.23 98.11937 16675.16 155.831689 14.11604
40 0.6666667 113.573828 0.816497 12899.01 92.73264 10532 105.933966 7.639862
100 79.11776 -0.06964
60 1 88.5004242 1 7832.325 88.50042 7832.325 85.0396986 3.460726
80 1.3333333 73.7925537 1.154701 5445.341 85.2083 6287.738 72.915347 0.877207
120 2 56.7967682 1.414214 3225.873 80.32276 4562.073 58.8421524 2.045384
240 4 35.858611 2 1285.84 71.71722 2571.68 40.9859556 5.127345
∑ 1107.77519 7.659684 224979.6 710.0846 103311.7 STDEV 11.27968
V.6.3. Metode Harper dan Der Weduwen
Berikut adalah contoh perhitungan instensitas hujan PUH 2 tahun pada
durasi 5 menit.
∑ 𝐼𝑡 ∑ 𝐼 2 − ∑(𝐼 2 𝑡) ∑ 𝐼
𝑎=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(852.2706)(941050.5) − (165324.2)(1976.59336)
𝑎= = 131.231
8(941050.5) − 1976.59336
∑ 𝐼 ∑ 𝐼𝑡 − 𝑁 ∑(𝐼 2 𝑡)
𝑏=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(1976.59336)(852.2706) − 8(165324.2)
𝑏= = 0.099959
8(941050.5) − 1976.59336
𝑎 131.231
𝐼′ = = = 715.9668 mm/jam
𝑏+𝑡 5
0.099959 + (60)
∆I =|𝐼 ′ − 𝐼|
∆I = |715.9668 − 765.2171|
∆I = 49.25

perhitungan metode Harper dan Der Weduwen dengan rumus Talbot.
Tabel 5.6.3.1. Pendekatan Matematis dengan metode Harpers dan Der Weduwen
Rumus Talbot
5 0.0833333 765.217093 63.76809 585557.2 48796.43 715.966809 49.25028
10 0.1666667 476.716229 79.4527 227258.4 37876.39 492.192568 15.47634
20 0.3333333 282.607272 94.20242 79866.87 26622.29 302.869713 20.26244
40 0.6666667 154.714575 103.1431 23936.6 15957.73 171.180144 16.46557
2 131.231 0.099959
60 1 104.415817 104.4158 10902.66 10902.66 119.305428 14.88961
80 1.3333333 86.9767009 115.9689 7564.946 10086.6 91.5591809 4.58248
120 2 66.2315505 132.4631 4386.618 8773.237 62.4922033 3.739347
240 4 39.7141167 158.8565 1577.211 6308.844 32.007895 7.706222
∑ 1976.59336 852.2706 941050.5 165324.2 STDEV 14.50396
5 0.0833333 844.722684 70.39356 713556.4 59463.03 783.531308 61.19138

10 0.1666667 556.745644 92.79094 309965.7 51660.95 576.406948 19.6613
20 0.3333333 351.154746 117.0516 123309.7 41103.22 377.058291 25.90354
40 0.6666667 202.975209 135.3168 41198.94 27465.96 222.887979 19.91277
5 181.7076 0.148575
60 1 140.419383 140.4194 19717.6 19717.6 158.202627 17.78324
80 1.3333333 116.967094 155.9561 13681.3 18241.73 122.617294 5.650201
120 2 89.0688185 178.1376 7933.254 15866.51 84.5712154 4.497603
240 4 53.4079216 213.6317 2852.406 11409.62 43.8000057 9.607916
∑ 2355.4615 1103.698 1232215 244928.6 STDEV 18.08172
5 0.0833333 875.975398 72.99795 767332.9 63944.41 809.579118 66.39628

10 0.1666667 590.803356 98.46723 349048.6 58174.77 612.269374 21.46602
20 0.3333333 383.059642 127.6865 146734.7 48911.56 411.626867 28.56723
40 0.6666667 227.324785 151.5499 51676.56 34451.04 248.656142 21.33136
10 209.3496 0.175257
60 1 159.278394 159.2784 25369.61 25369.61 178.130835 18.85244
80 1.3333333 132.676347 176.9018 17603.01 23470.68 138.771618 6.095271
120 2 101.031197 202.0624 10207.3 20414.61 96.2412873 4.78991
240 4 60.580867 242.3235 3670.041 14680.17 50.1405175 10.44035
∑ 2530.72999 1231.268 1371643 289416.8 STDEV 19.66542
5 0.0833333 901.693657 75.14114 813051.5 67754.29 830.829254 70.8644

10 0.1666667 620.044227 103.3407 384454.8 64075.81 643.079056 23.03483
20 0.3333333 411.911351 137.3038 169671 56556.99 442.904552 30.9932
40 0.6666667 250.490673 166.9938 62745.58 41830.38 272.968162 22.47749
25 237.1453 0.202099
60 1 177.674502 177.6745 31568.23 31568.23 197.276052 19.60155
80 1.3333333 148.00001 197.3333 21904 29205.34 154.448573 6.448563
120 2 112.699954 225.3999 12701.28 25402.56 107.69058 5.009374
240 4 67.5777492 270.311 4566.752 18267.01 56.4349634 11.14279
∑ 2690.09212 1353.498 1500663 334660.6 STDEV 21.0477
5 0.0833333 919.449297 76.62077 845387 70448.92 845.426976 74.02232

10 0.1666667 640.90845 106.8181 410763.6 68460.61 665.08381 24.17536
20 0.3333333 433.381465 144.4605 187819.5 62606.5 466.191518 32.81005
40 0.6666667 268.487019 178.9913 72085.28 48056.85 291.716672 23.22965
50 259.8194 0.22399
60 1 192.281663 192.2817 36972.24 36972.24 212.27248 19.99082
80 1.3333333 160.167541 213.5567 25653.64 34204.85 166.837152 6.669611
120 2 121.965359 243.9307 14875.55 29751.1 116.825789 5.13957
240 4 73.1335215 292.5341 5348.512 21394.05 61.5104162 11.62311
∑ 2809.77432 1449.194 1598905 371895.1 STDEV 22.04472
5 0.0833333 932.571633 77.7143 869689.9 72474.15 856.193299 76.37833

10 0.1666667 656.69901 109.4498 431253.6 71875.6 681.757034 25.05802
20 0.3333333 450.147768 150.0493 202633 67544.34 484.384994 34.23723
40 0.6666667 283.016713 188.6778 80098.46 53398.97 306.765011 23.7483
100 278.8582 0.242362
60 1 204.282852 204.2829 41731.48 41731.48 224.458083 20.17523
80 1.3333333 170.164339 226.8858 28955.9 38607.87 176.974692 6.810353
120 2 129.577782 259.1556 16790.4 33580.8 124.359135 5.218647
240 4 77.6981231 310.7925 6036.998 24147.99 65.7318261 11.9663
∑ 2904.15822 1527.008 1677190 403361.2 STDEV 22.80457
Sherman.
Log I = Log 765.217 = 2.8838 ∑ Log I = 17.580934
Log t 5
= log (60) = -1.079 ∑ Log t = -1.483
(Log t)^2 = (Log - = 1.1646 ∑ (Log t)2 = 2.4975

1.079)2
Log I* Log = -3.11213 ∑Log I x Log = -4.99812
t t
∑ 𝐿𝑜𝑔 𝐼 ∑(𝑙𝑜𝑔 𝑡)2 − ∑(𝑙𝑜𝑔 𝑡 log 𝐼) ∑ log 𝑡

𝐿𝑜𝑔 𝑎 =
𝑁 ∑(𝑙𝑜𝑔𝑡)2 − ((∑ log 𝑡))2
(17.580934)(2.4975) − (−4.99812)(−1.483)
𝐿𝑜𝑔 𝑎 =
8(2.4975) − (−1.483)2
= 2.0525

𝑛= 2
(17.580934)(−1.483) − 8(−4.99812)
𝑛= = 0.7829
8(2.4975) − (−1.483)2
10𝑎 102.0525
𝐼′ = = = 789.5663 mm/jam
𝑡𝑥𝑛 5
60 𝑥 0.7829
∆I = |𝐼 ′ − 𝐼|
∆I = |789.5663 − 765.2171|
∆I = 24.349
deviasi ditentukan dari ∆I. Standar deviasi untuk PUH 2 tahun durasi 5 menit
adalah 9.2261. Dibawah ini adalah tabel hasil perhitungan metode Harper dan
Der Weduwen dengan rumus Sherman.
Tabel 5.6.3.2. Pendekatan Matematis dengan metode Harpers dan Der Weduwen
Rumus Talbot
5 0.08333333 765.217093 2.883785 -1.07918 -3.1121263 1.164632 789.566327 24.34923
10 0.16666667 476.716229 2.67826 -0.77815 -2.0840913 0.605519 458.906981 17.80925
20 0.33333333 282.607272 2.451183 -0.47712 -1.1695117 0.227645 266.723149 15.88412
40 0.66666667 154.714575 2.189531 -0.17609 -0.3855573 0.031008 155.02322 0.308645
2 2.052542 0.782859
60 1 104.415817 2.018766 0 0 0 112.860554 8.444737
80 1.33333333 86.9767009 1.939403 0.124939 0.24230655 0.01561 90.1016615 3.124961
120 2 66.2315505 1.821065 0.30103 0.54819517 0.090619 65.5961308 0.63542
240 4 39.7141167 1.598945 0.60206 0.96266076 0.362476 38.1253877 1.588729
∑ 1976.59336 17.58094 -1.48252 -4.9981241 2.497509 STDEV 9.226109
5 0.08333333 844.722684 2.926714 -1.07918 -3.158455 1.164632 896.654857 51.93217

10 0.16666667 556.745644 2.745657 -0.77815 -2.1365363 0.605519 541.504738 15.24091
20 0.33333333 351.154746 2.545499 -0.47712 -1.2145115 0.227645 327.023691 24.13105
40 0.66666667 202.975209 2.307443 -0.17609 -0.4063205 0.031008 197.49503 5.480179
5 2.167436 0.727579
60 1 140.419383 2.147427 0 0 0 147.040139 6.620755
80 1.33333333 116.967094 2.068064 0.124939 0.25838127 0.01561 119.270524 2.30343
120 2 89.0688185 1.949726 0.30103 0.58692592 0.090619 88.7999781 0.26884
240 4 53.4079216 1.727606 0.60206 1.04012226 0.362476 53.6277794 0.219858
∑ 2355.4615 18.41813 -1.48252 -5.0303939 2.497509 STDEV 17.65182
5 0.08333333 875.975398 2.942492 -1.07918 -3.1754821 1.164632 940.124296 64.1489

10 0.16666667 590.803356 2.771443 -0.77815 -2.1566018 0.605519 577.916184 12.88717
20 0.33333333 383.059642 2.583266 -0.47712 -1.2325313 0.227645 355.258466 27.80118
40 0.66666667 227.324785 2.356647 -0.17609 -0.4149849 0.031008 218.385609 8.939176
10 2.215609 0.701991
60 1 159.278394 2.202157 0 0 0 164.289382 5.010987
80 1.33333333 132.676347 2.122794 0.124939 0.26521914 0.01561 134.246693 1.570346
120 2 101.031197 2.004455 0.30103 0.60340123 0.090619 100.992489 0.038708
240 4 60.580867 1.782335 0.60206 1.07307289 0.362476 62.0824226 1.501556
∑ 2530.72999 18.76559 -1.48252 -5.0379068 2.497509 STDEV 21.7335
5 0.08333333 901.693657 2.955059 -1.07918 -3.1890443 1.164632 976.366437 74.67278

10 0.16666667 620.044227 2.792423 -0.77815 -2.1729272 0.605519 609.911813 10.13241
20 0.33333333 411.911351 2.614804 -0.47712 -1.2475785 0.227645 380.99673 30.91462
40 0.66666667 250.490673 2.398792 -0.17609 -0.4224062 0.031008 237.999174 12.4915
25 2.257041 0.678822
60 1 177.674502 2.249625 0 0 0 180.7344 3.059898
80 1.33333333 148.00001 2.170262 0.124939 0.27114976 0.01561 148.672161 0.672151
120 2 112.699954 2.051924 0.30103 0.61769059 0.090619 112.900282 0.200328
240 4 67.5777492 1.829804 0.60206 1.10165161 0.362476 70.525996 2.948247
∑ 2690.09212 19.06269 -1.48252 -5.0414642 2.497509 STDEV 25.43271
5 0.08333333 919.449297 2.963528 -1.07918 -3.1981836 1.164632 1001.57678 82.12748

10 0.16666667 640.90845 2.806796 -0.77815 -2.1841118 0.605519 633.208374 7.700075
20 0.33333333 433.381465 2.63687 -0.47712 -1.2581069 0.227645 400.321627 33.05984
40 0.66666667 268.487019 2.428923 -0.17609 -0.4277122 0.031008 253.087944 15.39908
50 2.286783 0.661521
60 1 192.281663 2.283938 0 0 0 193.545657 1.263994
80 1.33333333 160.167541 2.204575 0.124939 0.27543675 0.01561 160.005113 0.162428
120 2 121.965359 2.086236 0.30103 0.62801976 0.090619 122.361794 0.396434
240 4 73.1335215 1.864116 0.60206 1.12230996 0.362476 77.3585353 4.225014
∑ 2809.77432 19.27498 -1.48252 -5.042348 2.497509 STDEV 28.15742
5 0.08333333 932.571633 2.969682 -1.07918 -3.2048253 1.164632 1020.27479 87.70315

10 0.16666667 656.69901 2.817366 -0.77815 -2.1923372 0.605519 651.123548 5.575462
20 0.33333333 450.147768 2.653355 -0.47712 -1.2659721 0.227645 415.536951 34.61082
40 0.66666667 283.016713 2.451812 -0.17609 -0.4317427 0.031008 265.189238 17.82748
100 2.309457 0.647955
60 1 204.282852 2.310232 0 0 0 203.918564 0.364288
80 1.33333333 170.164339 2.230869 0.124939 0.2787219 0.01561 169.23966 0.924679
120 2 129.577782 2.112531 0.30103 0.63593506 0.090619 130.137666 0.559883
240 4 77.6981231 1.890411 0.60206 1.13814055 0.362476 83.0518401 5.353717
∑ 2904.15822 19.43626 -1.48252 -5.0420798 2.497509 STDEV 30.10831
Berikut adalah contoh perhitungan metode Van Breen dengan rumus
Ishiguro.
I = 765.2171 ∑I = 1976.59336
I2 = 585557.2 ∑ I2 = 941050.5
t0.5 5 ∑ t0.5 = 7.65968
= √60 = 0.288675
I x t0.5 = 220.8991 ∑ I x t0.5 = 1082.947

I2 x t0.5 = 169035.8 ∑ I2 x t0.5 = 356464.9
∑(𝐼𝑥√𝑡) ∑ 𝐼 2 − ∑(𝐼 2 𝑥 √𝑡) ∑ 𝐼

𝑎=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(1082.947)(941050.5) − (356464.9)(1976.59336)
𝑎= = 86.849
8(941050.5) − (1976.59336)2
∑(𝐼𝑥√𝑡) ∑ 𝐼 − 𝑁 ∑(𝐼 2 𝑥 √𝑡)
𝑏=
𝑁 ∑ 𝐼 2 − (∑ 𝐼)2
(1082.947)(1976.59336) − 8(356464.9)
𝑏= = −0.196
8(941050.5) − (1976.59336)2
𝑎
𝐼′ =
√𝑡 + 𝑏
86.849
𝐼′ = = 940.9539 mm/jam
(0.288675 + (−0.196))
∆I = |𝐼 ′ − 𝐼|
∆I = |940.9539 − 765.2171|
∆I = 175.7368
deviasi ditentukan dari ∆I. Standar deviasi untuk PUH 2 tahun durasi 5
menit adalah 59.56619. Dibawah ini adalah tabel hasil perhitungan
metode Harper dan Der Weduwen dengan rumus Ishiguro.
Tabel 5.6.3.3. Pendekatan Matematis dengan metode Harpers dan Der
Weduwen Rumus Ishiguro
Untuk menentukan metode uji intensitas curah hujan yang paling akurat,
maka dilakukan analisis kuadrat terkecil. Analisis kuadrat terkecil dilakukan untuk
semua metode analisis intensitas curah hujan yang telah dilakukan sebelumnya, baik
metode Van Breen, Bell Tanimoto, maupun Hasper Der Weduwen dari hasil
pengujian dengan rumus Talbot, Sherman, dan Ishiguro. Berikut adalah tabel standar
deviasi setiap metode dan uji.
Tabel 5.6.3.5. Tabel Deviasi Data Terukur dengan Nilai Prediksi
TABEL DEVIASI ANTARA DATA TERUKUR DENGAN NILAI PREDIKSI
Van Breen Bell Tanimoto Hasper dan Der Weduwen

PUH
Talbot Sherman Ishiguro Talbot Sherman Ishiguro Talbot Sherman Ishiguro
2 1.39E-14 14.58549 12.42476 3.854355 3.864766 4.461718 14.50396 9.226109 59.56619
5 3.75E-14 14.22024 11.2679 4.790173 4.803112 5.545001 18.08172 17.65182 56.68767
10 6.71E-14 14.05471 10.77459 6.35534 6.372506 7.356804 19.66542 21.7335 54.56808
25 4.39E-14 13.92358 10.37075 8.448686 8.471507 9.780016 21.0477 25.43271 52.1732
50 4.28E-14 13.80545 10.09407 8.273988 8.296336 9.577789 22.04472 28.15742 50.20285
100 4.14E-14 13.69533 9.891155 9.7442 9.77052 11.27968 22.80457 30.10831 48.62531
Berdasarkan hasil perhitungan, metode terpilih adalah metode Van Breen

perhitungan rumus Talbot karena memiliki nilai kuadrat terkecil paling minimum
untuk semua metode. Maka nilai Intensitas Curah Hujan yang akan diplot pada kurva
IDF adalah nilai intensitas curah hujan hasil perhitungan dengan metode Talbot.
Bila ditinjau dari ketiga hasil pengujian Talbot, terlihat bahwa nilai kuadrat
terkecil pada metode Van Breen karena mendekati 0. Hal ini menunjukkan bahwa
setelah ada koreksi intensitas hujan, nilai intensitas hujan yang diperoleh tetap sama.
Jadi, nilai intensitas curah hujan yang akan dipakai adalah hasil perhitungan dengan
metode Van Breen.
V.6.4. Kurva IDF
Sesuai dengan hasil pendekatan matematis, metode terpilih adalah
metode Van Breen dengan perhitungan Talbot.
Tabel 5.6.4.1. Hasil dari Metode Van Breen dengan Perhitungan
Talbot
Intensitas Hujan (mm/jam) pada PUH
Durasi
2 5 10 25 50 100
(menit)
RT
te
199.3773 268.1245 304.1349 339.2614 367.1531 390.0689
5 209.0464 228.367 237.9264 247.0255 254.1329 259.9107
10 194.0746 215.7413 226.1758 235.9758 243.5569 249.6797
20 169.7585 194.2611 205.8437 216.5983 224.8427 231.4576
40 135.7432 162.0019 174.4747 186.0438 194.8928 201.9765
60 113.0841 138.9308 151.4022 163.044 171.9839 179.1569
80 96.90763 121.6118 133.7192 145.1052 153.8943 160.9703
120 75.35023 97.3425 108.3985 118.934 127.147 133.8047
240 45.19136 60.88889 69.12847 77.17573 83.57192 88.83094
Intensitas hujan pada setiap PUH kemudian diplotkan dengan durasi hujan
sehingga diperoleh kurva IDF seperti dibawah ini.
Kurva IDF
300
Intensitas Hujan (mm/jam)
250
200 PUH 5
PUH 2
150
PUH 10
100 PUH 25
50 PUH 50
PUH 100
0
0 50 100 150 200 250 300
Durasi (menit)
Gambar 5.6.4.1. Kurva IDF

Berdasarkan kurva IDF dapat dlihat bahwa intensitas hujan berpengaruh
terhadap durasi hujan yang terjadi dan juga periode ulang hujan. Semakin lama durasi
hujan yang terjadi, semakin kecil intensitas hujan yang terjadi. Semakin lama periode
ulang hujan (PUH), maka semakin besar intensitas hujan yang akan terjadi. Hal ini
juga terkait dengan debit limpasan yang dihasilkan oleh hujan dengan perbandingan
lurus. Jika intensitas hujan besar, maka debit limpasan juga akan besar. Besarnya
debit limpasan dapat menyebabkan genangan dan pada juga dapat menyebabkan
banjir. Oleh karena itu, dalam pembangunan infrastruktur air, seperti bendungan,
drainase, atau pun bangunan air lainnya harus diperhatikan durasi dan periode ulang
hujan pada daerah tersebut agar tidak terjadi banjir atau debit limpasan pada
bangunan tersebut.
BAB VI KESIMPULAN
Kesimpulan yang didapat dari rangkaian pengujian dan analisis yang dilakukan,
menghasilkan
Tabel 5.6.4.1. Hasil dari Metode Van Breen dengan Perhitungan
Talbot
Intensitas Hujan (mm/jam) pada PUH
Durasi
2 5 10 25 50 100
(menit)
RT
te
199.3773 268.1245 304.1349 339.2614 367.1531 390.0689
5 209.0464 228.367 237.9264 247.0255 254.1329 259.9107
10 194.0746 215.7413 226.1758 235.9758 243.5569 249.6797
20 169.7585 194.2611 205.8437 216.5983 224.8427 231.4576
40 135.7432 162.0019 174.4747 186.0438 194.8928 201.9765
60 113.0841 138.9308 151.4022 163.044 171.9839 179.1569
80 96.90763 121.6118 133.7192 145.1052 153.8943 160.9703
120 75.35023 97.3425 108.3985 118.934 127.147 133.8047
240 45.19136 60.88889 69.12847 77.17573 83.57192 88.83094
Intensitas hujan pada setiap PUH kemudian diplotkan dengan durasi hujan
sehingga diperoleh kurva IDF seperti dibawah ini.
Kurva IDF
300
Intensitas Hujan (mm/jam)
250
200 PUH 5
PUH 2
150
PUH 10
100 PUH 25
50 PUH 50
PUH 100
0
0 50 100 150 200 250 300
Durasi (menit)
Gambar 5.6.4.1. Kurva IDF
Dari grafik diatas dapat disimpulkan bahwa semakin lama durasi terjadinya hujan,
maka semakin kecil insetsitas hujannya.
DAFTAR PUSTAKA
Chow, V. T. 1964. Handbook of Applied Hydrology. McGraw-Hill Book Company.
New York.
Saputro, D. R. dkk. 2011. Pendugaan data tidak lengkap curah hujan di Kabupaten
Indramayu (berdasarkan data tahun 1980-2000). Bogor: IPB Press.
Susilowati dan Dyah Indriana Kusumastuti. 2010. Analisa Krarakteristik Curah
Hujan dan Kurva Intensitas Durasi Frekuensi (IDF) Di Propinsi Lampung.
Jurnal Rekayasa Vol. 14 No. 1
Triadmojo, B. 2008. Hidrologi Terapan. Yogyakarta: Beta Offset.
Wei, T. C. dan McGuiness, J. L. 1973. Reciprocal distance squared, a computer
technique for estimating area precipitation, Technical Report ARS-Nc-8.
US Agricultural Research Service, North CentralRegion, Ohio.
LAMPIRAN

Laporan Akhir Hidrologi

Diunggah oleh

Informasi Dokumen

Hak Cipta

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Laporan Akhir Hidrologi

Diunggah oleh

Hak Cipta:

LAPORAN HIDROLOGI

Nama/NIM : Anria Niarti Setyawan (15315053)

Asisten : Ramadian Irvanizar (15313061)

Tanggal Pengumpulan : 26 April 2017

PROGRAM STUDI TEKNIK LINGKUNGAN

FAKULTAS TEKNIK SIPIL DAN LINGKUNGAN

INSTITUT TEKNOLOGI BANDUNG

Bandung, 26 April 2017

I.1 Latar Belakang

Ketidakcermatan informasi hidrologi yang dihasilkan dapat mengakibatkan

Hampir semua kegiatan pengembangan sumber daya air memerlukan informasi

I.2 Maksud dan Tujuan

I.4 Sistematika Penyusunan Laporan

I.4.2 Bab II Tinjauan Pustaka

I.4.4 Bab IV Lokasi Penelitian

I.4.5 Bab V Hasil dan Pembahasan

I.4.6 Bab VI Kesimpulan

II.2 Curah Hujan

II.3 Proses Terjadinya Hujan

II.4 Stasiun Pengamat Curah Hujan

II.5 Analisis Data Curah Hujan

II.5.2 Metode Perbandingan Normal

II.5.3 Tes Konsistensi

II.5.4 Uji Homogenitas

5. Plotkan ke dalam kurva homogenitas

(Sumber: PPT Hidrologi T03 tahun 2017)

Tujuan analisis frekuensi data hidrologi berkaitan dengan besaran peristiwa-peristiwa

Tabel 2.4.1 Nilai Reduced Mean

(Sumber: Suripin, 2004)

(Sumber: Suripin, 2004)

3. Hitung harga simpangan baku

4. Hitung koefisien kemencengan

𝐿𝑜𝑔𝑅𝑇 = 𝐿𝑜𝑔𝑅̅ + 𝐾𝑆 (2.4.8)

Tabel 2.4.3 Nilai K untuk Distribusi Log Pearson Tipe III

(sumber: Suripin, 2004)

II.6.1.3 Metode Distribusi Normal

X :Nilai rata-rata hitung variat

II.6.2 Uji Kecocokan

Ei : Jumlah nilai teoritis pada sub kelompok i

Parameter X h2 merupakan variabel acak. Peluang untuk mencapai nilai X h2 sama

atau lebih besar dari nilai Chi Kuadrat sebenarnya ( X 2 )

Tabel 2.5.1 Nilai Kritis untuk Distribusi Chi Kuadrat

(sumber: Suripin, 2004)

(sumber: Suripin, 2004)

4. Menjumlahkan data dari persamaan distribusi yang digunakan sebesar Ei

R = 2 untuk distribusi normal dan binomial

Interpretasi hasil Uji Chi Kuadrat adalah sebagai berikut :

II.7 Analisis Intensitas Hujan

II.7.1 Metode Van Breen

II.7.2 Metode Bell dan Tanimoto

170 230 350 470

II.7.3 Metode Hasper dan Der Weduwen

II.8 Pendekatan Matematis Intensitas Hujan

Perhitungan dapat dilakukan dengan beberapa rumus, yaitu sebagai berikut:

Dimana untuk memperoleh nilai konstanta a dan n digunakan persamaan :

Dimana untuk memperoleh nilai konstanta a dan b digunakan persamaan :

II.9 Kurva IDF

Kurva IDF (Intensity, Duration, Frequency) merupakan sebuah kurva yang

III.1 Metodologi Analisa Hidrologi

III.2 Penjelasan Metodologi Analisa Hidrologi

III.2.2 Analisis Curah Hujan Harian Maksimum

III.2.3 Analisis Intensitas Hujan

Pemilihan metode analisis intensitas hujan dengan 3 metode diantaranya:

Gambar 3.2.1 Langkah-langkah Analisa Hidrologi

IV.9 Saguling DAM

Gambar 4.1 Peta Pos Pengukuran Curah Hujan

V.1 Pengisian Data Curah Hujan yang Kosong