Beberapa Metode Analisis Peluang Kejadia PDF
Beberapa Metode Analisis Peluang Kejadia PDF
Kegunaan :
untuk memprediksi besar (magnitude) suatu kejadian hidrologi (hujan) yang terjadi satu kali dalam N
tahun atau kejadian hidrologi (hujan) dengan peluang P tertentu.
Data :
merupakan data series dari tahun 1999 sampai 2007 di stasiun Bili-bili, Sulawesi Selatan
Metode analisis peluang :
A. Analisis Peluang Metode Grafis
Analisis ini terdiri dari
- Weibull : n 1
Tr
m
- Gringorten :
n 0.12
Tr
m 0.44
- Hazen :
2n
Tr
2m 1
- Cunnane :
n 0.2
Tr
m 0.4
m : nomor urut data
n : Jumlah data
Tr : Periode ulang
Dengan menggunakan persamaan di atas maka diperoleh hasil Tr dan P masing-masing metode
seperti pada Tabel 1a.
Gambar 2. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log – Gringoten)
Gambar 3. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log – Hazen)
Gambar 4. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log – Cunnane)
Gambar 5. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal – Weibul)
Gambar 6. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal – Gringoten)
Gambar 7. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal – Hazen)
Gambar 8. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal – Cunnane)
Untuk perhitungan total hujan tahunan rencana periode T (Xt), diperoleh dengan cara ploting T yang
direncanakan terhadap tredline pada masing-masing grafik. Hasil dari ploting T akan diperoleh nilai Xt
seperti pada Tabel 1b, dan Tabel 1c.
Tabel 1b. Total hujan tahunan rencana (Xt, mm) – Metode Grafis Semi Log
Tabel 1c. Total hujan tahunan rencana (Xt, mm) – Metode Grafis Log – Log
No From/to m Data log Xi (log Xi-log x)^2 (log Xi-log x)^3 (log Xi - log x)^4
Distribusi Normal
Distribusi normal atau kurva normal disebut juga distribusi Gauss. Persamaan yang digunakan
untuk menghitung perkiraan nilai yang diharapkan terjadi dengan periode ulang T (Xt) untuk
distribusi ini adalah sebagai berikut :
X T X K TS
XT : Perkiraan nilai yang diharapkan terjadi dengan periode ulang T
KT : Faktor frekuensi, merupakan fungsi dari peluang atau periode ulang dan tipe model
matematik distribusi peluang yang digunakan untuk analisis peluang. Nilai faktor frekuensi
dapat dilihat pada tabel Reduksi Gauss (Tabel 5)
Sehingga perkiraan nilai total hujan (Xt) berdasarkan persamaan distribusi normal dapat dilihat
pada Tabel 6.
Tabel 6. Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T – Distribusi
Normal
Distribusi Gumbel
Persamaan yang digunakan untuk menghitung perkiraan nilai yang diharapkan terjadi dengan
periode ulang T (Xt) untuk distribusi ini adalah sebagai berikut :
Karena data pengamatan hanya 9 data, maka dilakukan ekstrapolasi. Sehingga diperoleh Y9 = 0.4942
Dengan menggunakan persamaan distribusi Gumbel, maka diperoleh total hujan rencana periode ulang
T (Xt) seperti pada Tabel 10.
Tabel 10. Total hujan rencana periode ulang T (Xt) – Distribusi Gumbel
Persamaan yang digunakan untuk menghitung perkiraan nilai yang diharapkan terjadi dengan
periode ulang T (Xt) untuk distribusi ini adalah sebagai berikut :
Karena nilai Cs adalah -0.1697 tidak ada dalam Tabel 10 maka dilakukan interpolasi, sehingga nilai K dan
Xt diperoleh seperti pada Tabel 12.
Tabel 12. Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T – Distribusi
Normal
Dengan menggunakan tahapan tersebut maka diperoleh nilai Delta (D) seperti pada
Tabel 14.
: tingkat kesalahan
n : jumlah data
Karena n pengamatan adalah 9 data maka dilakukan interpolasi nilai Dcr dari Tabel 13.
Dari hasil interpolasi maka diperoleh Dcr untuk nilai α = 0.2 : Dcr = 0.32, α = 0.1 : Dcr =
0.398, α = 0.05 : Dcr = 0.44, α = 0.01 : Dcr = 0.526
Tabel 14. Perhitungan Uji Smirnov-Klomogorov
Dari perhitungan nilai D, Tabel 14, menunjukan nilai Dmax = 0,225, data pada peringkat
m=9. Dengan menggunakan derajat kepercayaan 5 %, maka diperoleh Dcr = 0,44.
Karena nilai Dmax lebih kecil dari nilai Dcr (0,225<0,44), maka persamaan distribusi yang
diperoleh dapat diterima.
C. RAINBOW
1. Statistik Homogenitas
2. Analisis Frekuensi
Hazen Weibull
Cunnane Gringorten
Hazen Weibull
Cunnane Gringorten
Hazen Weibull
Cunnane Gringorten
Berdasarkan grafik CDF, secara sepintas metode Weibull lebih mendekati kurva normal dibandingkan
ketiga metode lainnya.
Hazen Weibull
Cunnane Gringorten
Dari hasil analisis CDF, secara metode Weibull mempunyai nilai R2 yang paling baik dibandingkan ketiga
metode lainnya. Namun menurut analisis PDF semuanya tidak memenuhi syarat (confidence level of
99%)
Hazen Weibull
Cunnane Gringorten
Hazen Weibull
Cunnane Gringorten
Hazen Weibull
Cunnane Gringorten
Berdasarkan hasil perhitungan Rainbow untuk distribusi normal, diperoleh Xt untuk peride ulang T
seperti pada Tabel 15.
Tabel 15. Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T – Distribusi
Normal Rainbow
1. Sebaran data total hujan tahuan Bili-Bili dari tahun 1999-2007 bukan termasuk ke dalam distribusi normal
2. Hasil perhitungan dari berbagai metode analisis peluang, diperoleh nilai Xt (mm) seperti ditunjukkan pada Tabel 16.
3. Menurut uji keselarasan distribusi Smirnov-Klomogorov, distribusi data dapat diterima pada nilai α = 0.05
Tabel 16. Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T, mm