PROPOSAL TUGAS AKHIR

ANALISIS FREKUENSI CURAH HUJAN DI SEKITAR

DAERAH ALIRAN SUNGAI CIMANDIRI
SUKABUMI

Diajukan Sebagai Salah Satu Syarat

Mata Kuliah Tugas Akhir

Disusun Oleh,

MOCH. RIDWAN PRATAMA NIM (112016010)

RAMDAN ABDUROHMAN NIM (112016030)

SUCI MULYANI NIM (112016089)

NUGRAHA NIM (112016039)

LIA WILIYANI NIM (112016029)

PROGRAM STUDI TEKNIK SIPIL

POLITEKNIK SUKABUMI

2018
 LEMBAR PERSETUJUAN
JUDUL PROPOSAL :

ANALISIS FREKUENSI CURAH HUJAN DI SEKITAR

DAERAH ALIRAN SUNGAI CIMANDIRI
SUKABUMI

PROPOSAL TUGAS AKHIR

Oleh,
MOCH. RIDWAN PRATAMA
RAMDAN ABDUROHMAN
SUCI MULYANI
LIA WILIYANI
NUGRAHA

Pengajuan Pembimbing :
1. ........................................
2. ........................................

Menyetujui :
Ketua Jurusan Program Studi
Teknik Sipil Politeknik Sukabumi

DRS. ASEP SUPRIATNA

NIDN. 0402105601
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisis frekuensi merupakan salah satu cara untuk memprediksi
probabilitas terjadinya suatu peristiwa hidrologi berdasarkan data historis yang
berfungsi sebagai dasar perhitungan perencanaan hidrologi untuk antisipasi
terhadap setiap kemungkinan yang akan terjadi di masa mendatang. Dengan
anggapan bahwa pada sifat statistik kejadian hujan yang akan datang masih sama
dengan sifat statistik kejadian hujan masa lalu. Dalam bidang teknik sipil,
khususnya teknik sipil keairan, analisis frekuensi digunakan untuk memprediksi
hujan ekstream seperti hujan rancangan atau banjir rancangan maupun
kekeringan.
Karena data debit aliran di daerah Sukabumi sulit didapatkan maka
perhitungan analisa frekuensi dilakukan dengan menggunakan data curah hujan
harian. Curah hujan rata-rata dianalisis menggunakan metode Poligon Thiessen
dengan bantuan ArcGIS untuk mempermudah dalam mengetahui luas dan bobot
DAS Cimandiri.
Dalam statistik dikenal empat macam distribusi frekuensi yang banyak
digunakan dalam hidrologi, yaitu distribusi Normal, distribusi Log Normal,
distribusi Gumbel dan distribusi Log Pearson III. Masing-masing distribusi
mempunyai sifat yang khas, sehingga data curah hujan harus diuji kecocokannya
dengan sifat statistik masing-masing distribusi tersebut. Pengujian disribusi
dilakukan dengan uji Chi-Kuadrat dan Smirnov-Kolmogorov.
Pelaksanaan penelitian dilakukan dengan pengambilan data curah hujan
selama 15 tahun terakhir (2003-2017) dari 9 stasiun penakar curah hujan di daerah
aliran sungai Cimandiri yaitu stasiun Cicatih, Ciaul, Cikarang Ngawulung,
Cikidang, Geger Bitung, Cimandiri, Cisekarwangi, Citarik dan Ciutara.
Dengan penelitian ini, penulis mencoba untuk menganalisis dan
menentukan pola distribusi frekuensi curah hujan daerah berdasarkan data-data
dari beberapa stasiun pencatat hujan di DAS Cimandiri Sukabumi.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, maka penulis dapat merumuskan
masalah dalam penelitian ini, yaitu sebagai berikut:
1. Bagaimanakah hasil curah hujan rata-rata wilayah yang dianalisis
menggunakan metode Poligon Thiessen dengan bantuan ArcGIS versi 10.3 ?
2. Bagaimanakah analisis frekuensi dengan distribusi Normal, distribusi Log
Normal, distribusi Gumbel, distribusi Log Pearson III?
3. Bagaimana hasil pengujian disribusi yang dilakukan dengan uji Chi Kuadrat
dan Smirnov-Kolmogorov?

1.3 Batasan Masalah

Pada penelitian DAS Cimandiri, terdapat banyak permasalahan yang dapat
ditinjau dan dibahas, maka di dalam laporan Tugas Akhir ini kiranya sangatlah
perlu diadakan suatu pembatasan masalah yang bertujuan menghindari kekaburan
serta penyimpangan dari masalah yang dikemukakan. Namun dalam penulisan
Tugas Akhir ini penulis membatasi permasalahan sebagai berikut:
1. Data yang tersedia dari 9 stasiun pencatat hujan otomatis di DAS Cimandiri
Sukabumi, yaitu: Stasiun Cicatih, Stasiun Ciaul, Stasiun Cikarang
Ngawulung, Stasiun Cikidang, Stasiun Geger Bitung, Stasiun Cimandiri,
Stasiun Cisekarwangi, Stasiun Citarik dan Stasiun Ciutara.
2. Data yang digunakan adalah data curah hujan harian di DAS Cimandiri
Sukabumi dari tahun 2003-2017.
3. Pemodelan dilakukan dengan menggunakan analisis distribusi.
4. Uji kecocokan dalam distribusi curah hujan menggunakan Chi-Kuadrat dan
Smirnov-Kolmogorov.
5. Dalam Mengetahui hujan wilayah dicari dengan metode Poligon Thiessen
dengan bantuan ArcGIS versi 10.3 versi 10.3.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini antara lain sebagai berikut:
1. Mengetahui hasil curah hujan rata-rata wilayah yang dianalisis
menggunakan metode Poligon Thiessen dengan bantuan ArcGIS versi 10.3,
2. Mengetahui hasil frekuensi dengan distribusi Normal, distribusi Log
Normal, distribusi Gumbel, distribusi Log Pearson III,
3. Mengetahui hasil pengujian disribusi yang dilakukan dengan uji Chi
Kuadrat dan Smirnov-Kolmogorov.

1.5 Manfaat Penelitian

1. Untuk Akademik
Sebagai bahan referensi bagi siapa saja yang membacanya khususnya bagi
mahasiswa yang menghadapi masalah yang sama, dapat memahami dan
menambah ilmu pengetahuan serta wawasan khusunya di bidang
Pembangunan irigasi air, danau, waduk, dan sebagai salah satu syarat
kelulusan untuk memperoleh gelar diploma-III.
2. Untuk Instansi (Balai PSDA Wilayah Cisadea-Cibareno Kota Sukabumi)
Dapat membantu pihak Balai PSDA Wilayah Cisadea-Cibareno Kota
Sukabumi untuk mempermudahkan sistem informasi pelayanan reservasi
dan membantu kegiatan yang sedang dilaksanakan.
3. Untuk Masyarakat
Sebagai bahan referensi dan ilmu dalam Hidrologi terutama dalam
menganalisa data curah hujan harian di wilayah DAS Cimandiri Sukabumi
bahwa perlu adanya perencanaan dan perhitungan yang matang sehingga
dapat terlaksana dengan baik.

1.6 Pertanyaan Penelitian

Penulis mengajukan judul Tugas Akhir ini, karena rasa
keingintahuan tentang ANALISIS FREKUENSI CURAH HUJAN
DISEKITAR SUNGAI CIMANDIRI SUKABUMI. Oleh karena itu penulis
mencoba dengan segala keterbatasan dan kemampuan yang dimiliki untuk
meneliti yang difokuskan hanya perencanaan Analisis Frekuensi Curah
Hujan Disekitar Sungai Cimandiri Sukabumi.
 Adapun hal penulis pertanyakan adalah :
1. Bagaimana cara menganalisis curah hujan disekitar daerah sungai
cimandiri ?
2. Metode apa yang digunakan untuk menganalisi curah hujan disekitar
daerah sungai cimandiri?
1.7 Metode Penelitian
Metode penelitian yang dipergunakan dalam tinjauan ini adalah:
1.7.1 Metode Kuantitatif Deskriptif
Penyusunan Tugas Akhir ini dilakukan dengan menggunakan penelitian
kuantitatif deskriftif, yaitu: Penelitian dengan memperoleh data yang berbentuk
angka atau data kualitatif yang diangkakan, yang bertujuan untuk menjelaskan
atau mendeskripsikan suatu keadaan, peristiwa, objek apakah orang, atau segala
sesuatu yang terkait dengan variabel-variabel, baik satu variabel atau lebih
(independen) yang bisa dijelaskan baik dengan angka-angka maupun kata-kata
[3].
1.7.2 Teknik Pengumpulan Data
Dalam penulisan Tugas Akhir ini dilakukan beberapa cara untuk dapat
mengumpulkan data yang mendukung agar Tugas Akhir ini dapat diselesaikan
dengan baik. Beberapa cara yang dilakukan antara lain:
1. Metode Bimbingan
Dilakukan dengan dosen yang ahli mengenai masalah yang dibahas untuk
mendapatkan petunjuk dalam pembuatan Tugas Akhir.
2. Library Research/Kepustakan
Penulis melakukan studi pustaka terhadap semua sumber informasi dalam
media cetak, baik itu buku-buku atau modul dari mata kuliah yang telah
didapatkan, dan pemanfaatan media internet.
1.8 Sistematika Penulisan
Dalam penulisannya, Tugas Akhir ini dikelompokan ke dalam lima bab
dengan sistematika sebagai berikut:
BAB I PENDAHULUAN
Dalam bab ini penulis menjelaskan tentang Latar Belakang, Identifikasi
Masalah, Batasan Masalah, Tujuan dan Manfaat, Pertanyaan Penelitian,
Metode Penulisan dan Sistematika Penulisan.
BAB II LANDASAN TEORI
Dalam bab ini penulis menjelaskan mengenai frekuensi curah hujan dan
durasi kejadian yang dilakukan dengan pendekatan secara empiris dengan
distribusi curah hujan yang sesuai dengan Metode Normal, Metode Log
Normal, Metode Gumbel dan Metode Log Person III. Pengujian kecocokan
dengan Chi-Kuadrat dan Smirnov-Kolmogorov. Hujan wilayah yang dicari
dengan metode Poligon Thiesssen dengan bantuan ArcGIS versi 10.3.

BAB III METODOLOGI PENELITIAN

Dalam bab ini penulis kata menguraikan mengenai uraian umum Analisa
Data, serta hal-hal yang terkait atau yang mempunyai data tentang kajian
tersebut dan Kerangka berfikir/Flowchart.
BAB IV ANALISIS DATA DAN PEMBAHASAN
Dalam bab ini akan dibahas tentang analisis perhitungan distribusi curah
hujan yang sesuai dengan Metode NormaL, Metode Log Normal, Metode
Gumbel dan Metode Log Person III. Pengujian kecocokan dengan Chi-
Kuadrat dan Smirnov-Kolmogorov. Hujan wilayah yang dicari dengan
metode polygon thiesssen dengan bantuan ArcGIS versi 10.3.
BAB V KESIMPULAN DAN SARAN
Pada bab ini akan dibahas mengenai kesimpulan yang merupakan hasil dari
penelitian dan saran–saran dari penulis sebagai bahan pertimbangan instansi
terkait.
 BAB II
LANDASAN TEORI

2.1 Curah Hujan

Data curah hujan yang tercatat diproses berdasarkan areal yang
mendapatkan hujan sehingga didapat tinggi curah hujan rata-rata dan kemudian
diramalkan besarnya curah hujan pada periode tertentu. Berikut dijabarkan
tentang cara menentukan tinggi curah hujan areal. Dengan melakukan penakaran
atau pencatatan hujan, kita hanya mendapat curah hujan di suatu titik tertentu
(point rainfall). Jika di dalam suatu areal terdapat beberapa alat penakar atau
pencatat curah hujan, maka dapat diambil nilai rata-rata untuk mendapatkan nilai
curah hujan areal [4].
Ada 3 macam cara yang berbeda dalam menentukan tinggi curah hujan rata-
rata pada areal tertentu dari angka-angka curah hujan di beberapa titik pos penakar
atau pencatat [4].

2.1.1 Rata-rata Aljabar

Tinggi rata-rata curah hujan didapatkan dengan mengambil nilai rata-rata
hitung (arithmetic mean) pengukuran hujan di pos penakar-penakar hujan di
dalam areal studi [4].
𝑑1 + 𝑑2 +𝑑3 +⋯+𝑑𝑛 𝑑
𝑑= = ∑𝑛𝑖=1 𝑛𝑖 (2.1)
𝑛

Dimana d = tinggi curah hujan rata-rata, d1,d2, d3,… dn = tinggi curah hujan
pada pos penakar 1, 2, 3, … n dan n = banyak pos penakaran.
Cara ini akan memberikan hasil yang dapat dipercaya jika pos-pos
penakarnya ditempatkan secara merata di areal tersebut, dan hasil penakaran
masing-masing pos penakar tidak menyimpang jauh dari nilai rata-rata seluruh
pos di seluruh areal.

2.1.2 Cara Poligon Thiessen

 Cara ini berdasarkan rata-rata timbang (weighted average). Masing-
masing penakar mempunyai daerah pengaruh yang dibentuk dengan
menggambarkan garis-
garis sumbu tegak lurus terhadap garis penghubung di antara dua buah pos
penakar hujan [4].

Gambar 2.1. Poligon Thiessen pada DAS [4]

Gambar 2.2 menunjukan contoh posisi stasiun 1, 2, 3 dari skema Poligon Thiessen
dalam Daerah Aliran Sungai (DAS).
Curah hujan pada suatu daerah dapat dihitung dengan persamaan berikut:
𝐴1 .𝐷1 +𝐴2 .𝐷2 +⋯+𝐴𝑛 .𝐷𝑛
𝑑= (2.2)
𝐴1 +𝐴2 +⋯+𝐴𝑛

Dimana d = tinggi curah hujan rerata daerah (mm), dn = hujan pada pos penakar
hujan (mm), An = luas daerah pengaruh pps penakar hujan (km2) dan A = Luasa
DAS (km2).

3.1.3 Cara Isohyet

Dalam hal ini kita harus menggambarkan dulu kontur dengan tinggi curah
hujan yang sama (Isohyet), seperti terlihat pada Gambar 2.3 di bawah ini [4]:
 Gambar 2.2. Peta Isohyet [4]
Kemudian luas bagian di antara garis kontur yang berdekatan diukur, dan nilai
rata-ratanya dihitung sebagai berikut:
𝑑0 +𝑑1 𝑑 +𝑑 𝑑 +𝑑
𝐴1 + 1 2 𝐴2 +⋯+ 𝑛−1 𝑛 𝐴𝑛
2 2 2
𝑑= (2.3)
𝐴1 +𝐴2 +⋯+𝐴𝑛
𝑑 +𝑑
∑ 𝑖−1 𝑖 𝐴𝑖
2
𝑑= ∑ 𝐴𝑖
(2.4)

Dimana d = tinggi curah hujan rata-rata areal, A = luas areal total = A1 + A2 +A3 +
… + An dan d0, d1, …., dn = curah hujan pada Isohyet 0, 1, 2, …, n. ini adalah cara
yang paling teliti untuk mendapatkan hujan areal rata-rata, tetapi memerlukan
jaringan pos penakar yang relatif lebih padat yang memingkinkan untuk membuat
Isohyet. Pada waktu menggambar garis-garis Isohyet sebaiknya juga
memperhatikan pengaruh bukit atau gunung terhadap distribusi hujan (hujan
orografik).

3.2 Parameter Moment

Parameter statistik digunakan sebagai dasar dalam menetukan distribusi
probabilitas yang cocok terhadap data yang tersedia. Pengukuran statistik yang
seringkali digunakan dalam analisis data hidrologi, yaitu meliputi pengukuran
tendensi sentral (central tendency) dan pengukuran disperse (dispersion) atau
variasi (variation).

3.2.1 Pengukuran tendensi sentral

Nilai rata-rata merupakan nilai yang dianggap cikup representative dalam
suatu distribusi. Hal ini dikarenakan nilai rata-rata tersebut dianggap sebagai nilai
sentral dan dapat dipergunakan untuk pengukuran sebuah distribusi. Dalam
penelitian ini nilai rata-rata yang digunakan adalah nilai rata-rata yang dihitung
dan dirumuskan sebagai berikut:
1
𝑋̅= 𝑛 ∑𝑛𝑖=1 𝑋𝑖 (2.5)
Dengan: 𝑋̅ = rata-rata hitung,
𝑛 = jumlah data,
𝑋𝑖 = sampel ke-i
3.2.2 Pengukuran dispersi
Soewarno (1995) mengemukakan bahwa tidak semua varian dari suatu
variabel hidrologi terletak atau sama dengan nilai rata-ratanya akan tetapi
kemungkinan ada nilai variat yang lebih besar ataau lebih kecil dari nilai rata-rata
tersebut [5]. Variasi atau dispersi merupakan besarnya derajat dari sebaran varian
di sekitar nilai rata-ratanya. Cara menghitung besarnya dispersi disebut
perhitungan dispersi. Adapun beberapa cara untuk mengukur dispersi diantaranya:
1. Kisaran
Kisaran (range) adalah selisish antara nilai terbesar dengan nilai terkecil
dalam suatu distribusi. Cara ini merupakan cara yang paling mudah dalam
mengukur disperse namun jarang digunakan karena hanya dihitung dari dua nilai
ekstrem saja.
2. Deviasi standar (simpangan baku)
Didefinisikan sebagai akar kuadrat varian dan merupakan bilangan tak
negatif serta memiliki satuan yang sama dengan. Simpangan baku juga
menunjukan sebaran data. Kurva simpangan baku dapat dilihat pada Gambar 2.3
[6]. Semakin kecil nilai simpangan baku menunjukan bahwa tidak tersebar dan
terkumpul pada suatu titik. Simpangan baku merupakan momen kedua terhadap
nilai rata-rata dan dirumuskan dengan:
∑𝑛 2 𝑛
1 𝑋𝑖 − ∑1 𝑋𝑖
S= √ (2.6)
𝑛−1
 Gambar 2.3. Simpangan baku [6]
3. Koefisien Variasi
Koefisien variasi merupakan nilai perbandingan antara standar deviasi
dengan nilai rata-rata hitung suatu distribusi.
𝑆
𝐶𝑉 =𝑋̅ (2.7)

dengan:
𝐶𝑉 = koefisien variasi.
4. Koefisien kemencengan (skewness)
Suatu nilai yang menunjukkan derajat ketidaksimetrisan atau kemencengan
dari suatu bnetuk distribusi sebut koefisien skewness. Koefisien kemencengan
merupakan momen ketiga terhadap nilai rata-rata.
𝑛
𝐶𝑆 = (𝑛−1)(𝑛−2)𝑆3 ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)3 (2.8)

Dengan:
Cs = koefisien kemencengan.
Untuk kurva distribusi yang bentuknya simetris, maka 𝐶𝑆 = 0,00. Kurva
distribusi yang bentuknya menceng ke kanan maka 𝐶𝑆 lebih besar dari nol,
sedangkan yang bentuknya menceng ke kiri 𝐶𝑆 kurang dari nol. Bentuk kurva
koefisien skewness dapat dilihat pada Gambar 2.4 [6].
 Gambar 2.4. Koefisien Skewness [6]

5. Koefisien Kurtoris
Koefisien kutoris digunakan untuk mengukur keruncingan yang muncul dari
bentuk kurva distribusi. Koefisien kurtoris merupakan momen keempat terhadap
nilai rata-rata.
𝑛
𝐶𝐾 = (𝑛−1)(𝑛−2)(𝑛−3)𝑆3 ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)4 (2.9)

Dengan:
𝐶𝐾 = koefisien kutoris.

3.3 Distribusi Probabilitas Metode Moment

Metode moment merupakan metode tertua dalam menentukan estimator titik
yang pertama kali dikenalkan oleh Karl Pearson pada tahun 1800. Moment
merupakan ukuran kuantitatif terhadap sifat geometrik dari bentuk suatu
distribusi. Momen biasanya untuk menjelaskan kestabilan sampel, semakin tinggi
momen-momen berarti tidak stabil dan perlu ditambahkan informasi lainnya yang
dapat dipercaya [5]. Sebagai salah satu cara untuk memperkirakan besaran hujan
rancangan atau debit dengan kala ulang tertentu, analisis frekuensi dilakukan
melalui pendekatan statistik sebagai berikut [2].
Ada beberapa macam distribusi yang semuanya dapat dibagi menjadi dua
yaitu distribusi diskret dan distribusi kontinyu. Distribusi diskret antara lain
binomial dan poisson, sedangkan yang termasuk distribusi kontinyu adalah
Normal, Log Normal, Gama, Beta Pearson dan Gumbel. Sedangkan distribusi
yang banyak digunakan dalam hidrologi yaitu Normal, Log-Normal, Log-Pearson
III dan Gumbel.

3.3.1 Distribusi Normal

Fungsi densitas peluang normal (normal probability density function) dari
variabel acak kontinyu X dapat dituliskan sebagai berikut [6]:
 1 𝑋−𝜇 2
1
𝑓(𝑥) = 𝜎√2𝜋 . 𝑒 2( 𝜎
)
(2.10)

Sifat-sifat dari distribusi normal adalah rata-rata = 𝜇, varian = 𝜎 2 , 𝐶𝑠 = 0

dan 𝐶𝑘 = 3. Apabila besaran 𝐶𝑠 dan 𝐶𝑘 mendekati nilai tersebut, maka tipe
distribusi ini dapat digunakan. Apabila digambarkan pada kertas grafik peluang,
umumnya akan membentuk garis lurus model matematik dengan persamaan:
𝑋𝑇 = 𝑥̅ + 𝑘. 𝑆𝑥 (2.11)
Dengan:
𝑋𝑇 = Variabel yang diekstrapolasikan, yaitu besarnya curah hujan rencana
untuk periode ulang T tahun
𝑥̅ = Harga rata-rata dari data
𝑘 = Variabel Reduksi
𝑆𝑥 = Standar Deviasi

Tabel 2.1. Nilai Variabel Reduksi Gauss [7]

No Periode Ulang, T (tahun) Peluang KT

1 1,001 0,999 -3,05

2 1,005 0,995 -2,58
3 1,010 0,990 -2,33
4 1,050 0,950 -1,64
5 1,110 0,900 -1,28
6 1,250 0,800 -0,84
7 1,330 0,750 -0,67
8 1,430 0,700 -0,52
9 1,670 0,600 -0,25
10 2,000 0,500 0
11 2,500 0,400 0,25
12 3,330 0,300 0,52
13 4,000 0,250 0,67
 14 5,000 0,200 0,84
15 10,000 0,100 1,28

Tabel 2.1. Nilai Variabel Reduksi Gauss (lanjutan) [7]

No Periode Ulang, T (tahun) Peluang KT

16 20,000 0,050 1,64
17 50,000 0,020 2,05
18 100,000 0,010 2,33
19 200,000 0,005 2,58
20 500,000 0,002 2,88
21 1,000,000 0,001 3,09

3.3.2 Distribusi Log Normal

Distribusi normal ditransformasikan menjadi distribusi log normal dengan
mngubah variat menjadi nilai variat logaritmik. Probability density function dari
distribusi log normal adalah [6]:
1 𝑦−𝜇𝑦
𝑓(𝑥) = 𝑥𝜎√2𝜋 . 𝑒𝑥𝑝 {−( 2𝜇2 )2 } (2.12)
𝑦

Apabila digambarkan pada kertas peluang logaritmik akan membentuk garis

lurus model matematik dengan persaman:
Log 𝑋𝑇 = log 𝑋 + 𝑘. 𝑆𝑥 log 𝑋 (2.13)
Dengan:
Log 𝑋𝑇 = Variabel yang diekstrapolasikan, yaitu besarnya curah hujan
rancangan untuk periode ulang T tahun.
Log X = Harga rata-rata dari data
𝑆𝑥 𝑙𝑜𝑔 𝑋 = Standar Deviasi
𝐾 = Variabel Reduksi
 Tabel 2.2. Nilai K untuk Distribusi Log Normal [7]
No Periode Ulang, T (tahun) Peluang KT
1 1,001 0,999 -3,05
2 1,005 0,995 -2,58

Tabel 2.2. Nilai K untuk Distribusi Log Normal (lanjutan) [7]

No Periode Ulang, T (tahun) Peluang KT

3 1,010 0,990 -2,33
4 1,050 0,950 -1,64
5 1,110 0,900 -1,28
6 1,250 0,800 -0,84
7 1,330 0,750 -0,67
8 1,430 0,700 -0,52
9 1,670 0,600 -0,25
10 2,000 0,500 0
11 2,500 0,400 0,25
12 3,330 0,300 0,52
13 4,000 0,250 0,67
14 5,000 0,200 0,84
15 10,000 0,100 1,28
16 20,000 0,050 1,64
17 50,000 0,020 2,05
18 100,000 0,010 2,33
19 200,000 0,005 2,58
20 500,000 0,002 2,88
21 1,000,000 0,001 3,09

3.3.3 Distribusi Gumbel

Fungsi densitas dari distribusi gumbel adalah [6]:
 1 𝑥−𝜇 𝑥−𝜇
𝑓(𝑥) = 𝜎 . 𝑒𝑥𝑝 [− − exp( )] (2.14)
𝛼 𝛼

Sifat distribusi ini adalah 𝐶𝑠 = 1,396 dan 𝐶𝑘 = 5,4002. Apabila koefisien

skewness (𝐶𝑠 ) dan koefisien kurtoris (𝐶𝑘 ) mendekati data tersebut, maka
distribusi Gumbel dapat digunakan. Rumus yang digunakan dalam
perhitungannya adalah sebagai berikut:
𝑆
𝑥= 𝑥̅ + 𝑆 (𝑌 − 𝑌𝑛 ) (2.15)
𝑛

Dengan:
𝑥 = Variabel yang diekstrapolasikan, yaitu besarnya curah hujan rancangan
untuk periode ulang T tahun.
𝑥̅ = Harga rata-rata dari data
𝑆 = simpangan baku
𝑆𝑛 = Standar Deviasi
𝑌 = reduced variabel, yaitu parameter Gumbel untuk periode T tahun dengan
rumus:
𝑇𝑟
𝑌 = −ln[ln ( )] (2.16)
𝑇𝑟 −1

Dengan:
𝑌𝑛 = reduced mean,
𝑆𝑛 = reduced standard deviation,
𝑆 = simpangan baku.

Tabel 2.3. Variabel Reduksi sebagai fungsi dari banyak data (Yn) [7]
N 0 1 2 3 4 5 6 7 8 9

10 0,4952 0,4996 0,5035 0,5070 0,5100 0,5128 0,5157 0,5181 0,5202 0,520

20 0,5236 0,5252 0,5288 0,5283 0,5298 0,5300 0,5320 0,5382 0,5343 0,5353

30 0,5382 0,5371 0,5380 0,5388 0,5398 0,5400 0,5410 0,5418 0,5424 0,5430

40 0,5483 0,5442 0,5448 0,5453 0,5488 0,5488 0,5488 0,5473 0,5477 0,5481

50 0,5485 0,5489 0,5493 0,5497 0,5501 0,5504 0,5508 0,5511 0,5515 0,5518
60 0,5521 0,5524 0,5527 0,5530 0,5533 0,0,5535 0,5538 0,5540 0,5543 0,5545

70 0,5548 0,5550 0,5552 0,5555 0,5557 0,5559 0,5561 0,5563 0,5565 0,5567

80 0,5569 0,5570 0,5572 0,5574 0,5576 0,5578 0,5580 0,5581 0,5583 0,5585

90 0,5586 0,5587 0,5589 0,5591 0,5592 0,5593 0,5595 0,5596 0,5598 0,5599

100 0,5600

Tabel 2.4. Reduksi Standar Deviasi (Sn) untuk Distribusi Gumbel [7]
N 0 1 2 3 4 5 6 7 8 9

10 0,9496 0,9676 0,9833 0,9971 10,095 10,206 10,316 10,411 10,493 10,565

20 10,628 10,696 10,754 10,811 10,864 10,315 10,961 11,004 11,047 11,080

40 11,413 11,438 11,458 11,480 11,499 11,519 11,538 11,557 11,574 11,590

50 11,607 11,923 11,658 11,658 11,667 11,681 11,696 11,708 11,721 11,734

60 11,747 11,759 11,770 11,782 11,793 11,803 11,814 11,824 11,834 11,844

70 11,854 11,863 11, 873 11,881 11,890 11,898 11,906 11,915 11,923 11,930

80 11,938 11,945 11,953 11,959 11,967 11,973 11,980 11,987 11,994 12,001

90 12,007 12,013 12,026 12,032 12,038 12,044 12,044 12,049 12,055 12,060

100 12,065

Tabel 2.5. Reduksi Variate (YT) sebagai fungsi periode ulang Gumbel [7]
Periode
Reduced Variate
Ulang
2 0.3665
5 1.4999
10 2.2502
20 2.9606
25 3.1985
50 3.9019
100 4.6001
200 5.296
 500 6.214
1000 6.919
5000 8.539
10000 9.921

3.3.4 Distribusi Log Pearson III

Fungsi densitas dari distribusi Log Pearson III [6]:
1 𝑋−𝑐 𝑏−1 −[𝑋−𝑐]
𝑓(𝑥) = 𝑎.Г.𝑏 [ ] 𝑒 𝑎 (2.17)
𝑎

Dengan:
a,b,c = parameter
Г = fungsi gamma
Persamaan garis lurus model matematik distribusi Log Pearson III adalah:
𝑦𝑇 = 𝑦̅ − 𝐾𝑇 𝑆𝑦 (2.18)
Dengan:
𝑌 = nilai logaritmik 𝑥,
𝑦𝑇 = nilai rata-rata 𝑦,
𝑆𝑦 = deviasi standar 𝑦,
𝐾𝑇 = faktor frekuensi Log Pearson III

Tabel 2.6. Nilai K untuk Distribusi Log Pearson III [7]

Periode Ulang Tahun
2 5 10 25 50 100 200 1000
Kemencengan(Cs)
Peluang (%)
50 20 10 4 2 1 0,5 0,1

3 - 0,396 0,420 1,180 2,278 3,152 4,051 4,970 7,250

2,5 - 0,360 0,518 1,250 2,262 3,048 3,845 5,652 6,600

2,2 - 0,330 0,574 1,284 2,240 2,970 3,705 4,444 6,200

2 - 0,307 0,609 1,302 2,219 2,912 3,605 4,298 5,910

1,8 - 0,282 0,643 1,318 2,193 2,848 3,499 4,147 5,660

1,6 - 0,254 0,675 1,329 2,163 2,780 3,388 3,990 5,390

 1,4 - 0,225 0,705 1,337 2,128 2,706 3,271 3,828 5,110

1,2 - 0,195 0,732 1,340 2,087 2,626 3,149 3,661 4,820

1 - 0,164 0,758 1,340 2,043 2,542 3,022 3,489 4,540

0,9 - 0,148 0,769 1,339 2,018 2,498 2,957 3,401 4,395

0,8 - 0,132 0,780 1,336 1,998 2,453 2,891 3,312 4,250

0,7 - 0,116 0,790 1,333 1,967 2,407 2,824 3,223 4,105

0,6 - 0,099 0,800 1,328 1,939 2,359 2,755 3,132 3,960

0,5 - 0,083 0,808 1,232 1,910 2,311 2,685 3,041 3,815

0,4 - 0,066 0,816 1,317 1,880 2,261 2,615 2,949 3,670

Tabel 2.6. Nilai K untuk Distribusi Log Pearson III (lanjutan) [7]
Periode Ulang Tahun

2 5 10 25 50 100 200 1000

Kemencengan (Cs)
Peluang (%)

50 20 10 4 2 1 0,5 0,1

0,3 - 0,050 0,824 1,309 1,849 2,211 2,544 2,856 3,525

0,2 - 0,033 0,830 1,301 1,818 2,159 2,472 2,763 3,380

0,1 - 0,017 0,836 1,292 1,785 2,107 2,400 2,670 3,235

0 0,000 0,842 1,282 1,751 2,054 2,326 2,576 3,090

-0,1 0,017 0,836 1,270 1,761 2,000 2,252 2,482 3,950

-0,2 0,033 0,850 1,258 1,680 1,945 2,178 2,388 2,810

-0,3 0,050 0,853 1,245 1,643 1,890 2,104 2,294 2,675

-0,4 0,066 0,855 1,231 1,606 1,834 2,029 2,201 2,540

-0,5 0,083 0,856 1,216 1,567 1,777 1,955 2,108 2,400

-0,6 0,099 0,857 1,200 1,528 1,720 1,880 2,016 2,275

-0,7 0,116 0,857 1,183 1,488 1,663 1,806 1,926 2,150

-0,8 0,132 0,856 1,166 1,488 1,606 1,733 1,837 2,035

 -0,9 0,148 0,854 1,147 1,407 1,549 1,660 1,749 1,910

-1 0,164 0,852 1,128 1,366 1,492 1,588 1,664 1,800

-1,2 0,195 0,844 1,086 1,282 1,379 1,449 1,501 1,625

-1,4 0,225 0,832 1,041 1,198 1,270 1,318 1,351 1,465

-1,6 0,254 0,817 0,994 1,116 1,166 1,200 1,216 1,280

-1,8 0,282 0,799 0,945 0,035 1,069 1,089 1,097 1,130

-2 0,307 0,777 0,895 0,959 0,980 0,990 1,995 1,000

-2,2 0,330 0,752 0,844 0,888 0,900 0,905 0,907 0,910

-2,5 0,360 0,711 0,771 0,793 0,798 0,799 0,800 0,802

-3 0,396 0,636 0,660 0,666 0,666 0,667 0,667 0,668

3.4 UJi Distribusi Frekuensi Curah Hujan

Uji kesesuaian distribusi yang dilakukan pada metode moment dalam
penelitian ini adalah uji Chi Kuadrat dan uji Smirnov-kolomogorov.

3.4.1 UJi Chi-Kudrat

Uji Chi-Kuadrat digunakan untuk menguji apakah distribusi pengamatan
dapat disamai dengan baik oleh distribusi teoritis. Perhitungannya dengan
menggunakan persamaan berikut [2]:
(𝐸𝑓𝑖 −𝑂𝑓𝑖 )2
𝑥 2 = ∑𝑘𝑖=1 (2.19)
𝐸𝑓𝑖

Dengan:
𝑥2 = harga Chi Kuadrat
𝐸𝑓𝑖 = frekuensi yang diharapkan untuk kelas 𝑖,
𝑂𝑓𝑖 = frekuensi yang terbaca pada kelas 𝑖,
𝐾 = jumlah kelas
2
Syarat uji Chi Kuadrat adalah harga 𝑥 2 harus lebih kecil dari 𝑥𝑘𝑟𝑖𝑡𝑘 yang besarnya
tergantung pada derajat kebebasan (DK) dan derajat nyata (α). Pada analisis
frekuensi pada umumnya digunakan nilai α = 5%, sedangkan DK didapat dengan
rumus di bawah ini:
𝐷𝐾 = 𝐾 − (𝑃 + 1) (2.20)
Dengan:
𝐷𝐾 = derajat kebebasan,
𝐾 = jumlah kelas,
𝑃 = jumlah parameter distribusi yang dipilih

Tabel 2.7. Nilai kritis untuk uji kesesuaian Chi-Kuadrat [7]

derajat kepercayaan (α)
dk
0.995 0.99 0.975 0.95 0.05 0.025 0.01 0.005
1 3.90E-05 0.00016 0.00098 0.00393 3.841 5.024 6.635 7.879
2 0.01 0.0201 0.0506 0.103 5.991 7.378 9.21 10.597

Tabel 2.7. Nilai kritis untuk uji kesesuaian Chi-Kuadrat (lanjutan) [7]

derajat kepercayaan (α)

Dk
0.995 0.99 0.975 0.95 0.05 0.025 0.01 0.005

3 0.0717 0.115 0.216 0.352 7.815 9.348 11.345 12.838

4 0.207 0.297 0.484 0.711 9.488 11.143 13.277 14.86

5 0.412 0.554 0.831 1.145 11.07 12.832 15.086 16.75

6 0.676 0.872 1.237 1.635 12.592 14.449 16.812 18.548

7 0.989 1.239 1.69 2.167 14.067 16.013 18.475 20.278

8 1.344 1.646 2.18 2.733 15.507 17.535 20.09 21.955

9 1.735 2.088 2.7 3.325 16.919 19.023 21.666 23.589

10 2.156 2.558 3.247 3.94 18.307 20.483 23.209 25.188

11 2.603 3.053 3.816 4.575 19.675 21.92 24.725 26.757

12 3.074 3.571 4.404 5.226 21.026 23.337 26.217 28.3

13 3.565 4.107 5.009 5.892 22.362 24.736 27.688 29.819

14 4.075 4.66 5.629 6.571 23.685 26.119 29.141 31.319

15 4.601 5.229 6.262 7.261 24.996 27.488 30.578 32.801

16 5.142 5.812 6.908 7.962 26.869 28.845 32 34.267

 17 5.697 6.408 7.564 8.672 27.587 30.191 33.409 35.718

18 6.265 7.015 8.231 9.39 28.869 31.526 34.805 37.156

19 6.844 7.633 8.907 10.117 30.144 32.852 36.191 38.582

20 7.434 8.26 9.591 10.851 31.41 34.17 37.566 39.997

3.4.2 Uji Smirnov-Kolmogorof

Uji kesuaian Smirnov-Kolmogorov disebut juga dengan uji keseuaian non
parametik karena proses pengujiannya tidak menggunakan fungsi distribusi
tertentu. Uji ini mneggunakan probabilitas masing-masing data dan menghitung
selisih terbesar antara nilai aktual dengan nilai prediksi [7]. Kemudian
membandingkan ∆𝑚𝑎𝑘𝑠 dengan ∆𝑘𝑟𝑖𝑡𝑘 , distribusi yang dipilih dapat diterima
apabila ∆𝑚𝑎𝑘𝑠 < ∆𝑘𝑟𝑖𝑡𝑖𝑘 .
Tabel 2.8. Nilai D Kritis untuk uji kesesuaian Smirnov-Kolmogorov [7]

Jumlah Data derajat kepercayaan (α)

N 0.2 0.1 0.05 0.01

5 0.45 0.51 0.56 0.67
10 0.32 0.37 0.41 0.49
15 0.27 0.3 0.34 0.4
20 0.23 0.26 0.29 0.36
25 0.21 0.24 0.27 0.32
30 0.19 0.22 0.24 0.29
35 0.18 0.2 0.23 0.27
40 0.17 0.19 0.21 0.25
45 0.16 0.18 0.2 0.24
50 0.15 0.17 0.19 0.23
n>50 1.07/n 1.22/n 1.36/n 1.63/n
 BAB III
METODOLOGI PENELITIAN

3.1 Lokasi Penelitian

Lokasi penelitian ini adalah sebaran stasiun pencatat curah hujan di wilayah
daerah aliran sungai Cimandiri yang termasuk ke dalam wilayah Kabupaten
Sukabumi dan Kota Sukabumi. Dalam penelitian ini diambil 9 stasiun pencatat
curah hujan yaitu stasiun Cicatih, Ciaul, Cikarang Ngawulung, Citarik
Pajagan/Cikidang, Geger Bitung, Cimandiri, Cisekarwangi, Citarik dan Ciutara.
Pemilihan 9 stasiun pencatat curah hujan tersebut berdasarkan pada sebaran lokasi
yang dapat dilihat pada Gambar 3.1.

Gambar 3.1. Peta sebaran stasiun pencatat hujan di wilayah Sukabumi

Secara geografis DAS Cimandiri memiliki luas 201.431 ha terbentang
sekitar Padalarang dan kawasan konservasi gunung halimun pada bagian hulunya
membentang ke barat daya hingga bermuara di teluk pelabuhan ratu. DAS
Cimandiri mempunyai anak-anak sungai yaitu Cicatih, Cipelang, Citarik, Cibodas
dan Cidadap yang semuanya bermuara di teluk pelabuhan ratu Sukabumi.
 Secara geografis letak dari semua pencatat curah hujan tersebut disajikan
pada Tabel 3.1 (Balai PSDA Wilayah Cisadea-Cibareno Kota Sukabumi, 2017)
[8].
Tabel 3.1. Letak geografis stasiun pencatat curah hujan [8]
Koordinat
No Sta. Pencatat Hujan Alamat
Grs. Lintang Grs. Bujur
1 Geger Bitung Kab. Sukabumi 6°59'25.40" 107° 1'47.57"
2 Cicatih Kab. Sukabumi 6°57'5.94" 106°45'21.79"
3 Cikarang Nguluwung Kab. Sukabumi 7°15'17.07" 106°37'27.02"
4 Cikelat Kab. Sukabumi 6°52'55.00" 106°27'31.00"
5 Ciletuh Kab. Sukabumi 7°14'54.07" 106°31'34.06"
6 Cimandiri Kab. Sukabumi 6°58'7.40" 106°56'43.99"
7 Cisekarwangi Kab. Sukabumi 6°54'6.60" 106°49'27.60"
8 Citarik Kab. Sukabumi 7° 0'15.00" 106°35'30.00"
9 Ciaul Kota Sukabumi 6°55'2.07" 106°56'40.59"
10 Ciutara Kab. Sukabumi 6°47'40.00" 106°46'40.50"
11 Datar Nangka Kab. Sukabumi 7° 5'46.34" 106°51'28.00"
12 Citarik pajagan Kab. Sukabumi 6°54'39.72" 106°36'31.89"

3.2 Data Penelitian

Data yang digunakan dalam penelitian ini berupa data sekunder yang
diperoleh dari Balai PSDA Wilayah Cisadea-Cibareno Kota Sukabumi.
Kebutuhan data penelitian disajikan pada Tabel 3.2.
Tabel 3.2. Kebutuhan data penelitian [8]
No Jenis Data Keterangan

1. Data Hidrologi: Balai PSDA Wilayah

Cisadea-Cibareno Kota
- Data rekaman curah hujan harian
Sukabumi
- Koordinat stasiun pencatat curah hujan
2. Peta Lokasi: Google Earth

- Peta sebaran stasiun pencatat curah hujan

Ketersediaan data rekaman curah hujan harian stasiun-stasiun pencatat curah
hujan di wilayah Daerah Aliran Sungai Cimandiri dapat dilihat pada Tabel 3.3.
Tabel 3.3. Ketersediaan data rekaman curah hujan harian [8]
Tahun
Panjan
N g Data 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Nama Stasiun
o (Tahu 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
n) 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1
3 4 5 6 7 8 9 0 1 2 3 4 5 6 7
1 Geger Bitung 15
2 Cicatih 13
Cikarang
3 13
Nguluwung
4 Cimandiri 15
5 Cisekarwangi 15
6 Citarik 15
7 Ciaul 8
8 Ciutara 15
Citarik
9 10
pajagan/Cikidang

Proses pengumpulan data penelitian ini diawali dengan pengumpulan data

hujan harian yang telah dicatat dan direkap oleh Balai PSDA Cisadea-Cibareno
dan kemudian dilakukan proses pemilihan data hujan ekstrem yang terjadi pada
setiap tahun.

3.3 Pengolahan Data

3.3.1 Analisis Hujan Wilayah
Menentukan hujan wilayah dengan metode Poligon Thiessen yang dibantu
untuk pengolahan data peta menggunakan software ArcGIS versi 10.3. dan untuk
pengolahan data menggunakan Software Microsoft Excel 2013.
Langkah-langkah pengerjaan perhitungan hujan wilayah dengan metode Poligon
Thiessen ini adalah sebagai berikut:
1. Add peta wilayah Daerah Aliran Sungai Cimandiri ke ArcMap pada ArcGIS
versi 10.3.
2. Add data curah hujan harian maksimum ke ArcMap pada ArcGIS versi 10.3
lengkap dengan titik koordinat, dan gunakan sistem koordinat WGS 1984.
3. Klik Create Poligon Thiessen yang ada di ArcToolbox pada ArcGIS versi
10.3, kemudian mulai bentuk poligon pada peta DAS Cimandiri.
4. Setelah poligon terbentuk, langkah selanjutnya adalah klik Clip Analysis
yang ada di ArcToolbox pada ArcGIS versi 10.3 dan gunakan sistem
koordinat WGS 1984.
5. Untuk mempermudah dalam perhitungan Poligon Thiessen dalam mencari
luas wilayah hujan yang ada di DAS Cimandiri, langkah selanjutnya adalah
klik Project Data Management yang ada di ArcToolbox pada ArcGIS versi
10.3 dan gunakan sistem koordinat WGS 1984 UTM Zone 48s (untuk Pulau
Jawa).
6. Klik kanan di SHP Project Data Management dan Open attribute table
kemudian hitung menggunakan calculator geometry dan secara otomatis
luas area yang ada di DAS Cimandiri sudah diketahui.
7. Setelah didapatkan luas area wilayah hujan, selanjutnya hitung data curah
hujan harian maksimum menggunakan Software Microsoft Excel 2013.
8. Luas area yang didapat diubah kedalam decimal, kemudian dikalikan
dengan data curah hujan harian maksimum di stasiun pencatat hujan yang
ada di DAS Cimandiri.
9. Maka didapatkan hasil curah hujan wilayah untuk DAS Cimandiri yang
digunakan untuk perhitungan parameter statistik.

3.3.2 Pemilihan Distribusi Untuk Metode Moment

Pemilihan distribusi dengan metode moment dilakukan dengan menguji
kesesuaian parameter moment dengan sifat-sifat statistik masing-masing distribusi
dan kemudian dilakukan uji kecocokan distribusi dengan Chi Kuadrat dan
Smirnov Kolmogorov.
1. Metode Normal
 Langkah-langkah pengerjaan perhitungan hujan atau debit rancangan
dengan metoda normal ini adalah sebagai berikut :
1) Mengumpulkan data curah hujan harian maksimum tahunan yang tadi
sudah dihitung di Microsoft excel 2013 dan menyusunnya dalam suatu
tabel data. Hujan harian maksimum tahunan adalah hujan harian
tertinggi dalam tahun tertentu.
2) Mencari nilai rata-rata dan standar deviasi dari data.
3) Menghitung hujan rancangan
2. Metode Gumbel
Metode Gumbel diciptakan oleh E.J. Gumbel pada tahun 1941. Dalam
metode ini data yang akan diolah diasumsikan mempunyai sebaran tertentu yang
disebut sebaran Gumbel. Langkah-langkah pengerjaan perhitungan hujan atau
debit rancangan dengan metode Gumbel ini adalah:
1) Mengumpulkan hujan harian maksimum tahunan yang tadi sudah
dihitung di Microsoft excel 2013 dan menyusunnya dalam suatu tabel
data. Hujan harian maksimum tahunan adalah hujan harian tertinggi
dalam tahun tertentu.
2) Mencari nilai rata-rata dan standar deviasi dari data.
3) Menghitung hujan rancangan
3. Metode Log Normal
Langkah-langkah pengerjaan perhitungan hujan atau debit rancangan
dengan metode Log normal ini adalah :
1) Mengumpulkan hujan harian maksimum tahunan dan menyusunnya
dalam suatu tabel data
2) Mencari nilai log dari masing-masing data
3) Mencari nilai rata-rata, standar deviasi, dan koefisien kemencengan
dari log data
4. Metode Log Pearson III
Metode ini disebut Log Pearson III karena metode ini melibatkan tiga
parameter dalam proses perhitungannya. Ketiga parameter tersebut adalah harga
rata-rata data (𝑋̅), standar deviasi data (S) dan koefisien kemencengan (Cs),
Langkah-langkah pengerjaan perhitungan hujan atau debit rancangan dengan
metode Log Pearson III ini adalah:
1) Mengumpulkan hujan harian maksimum tahunan yang tadi sudah
dihitung di Microsoft excel 2013 dan menyusunnya dalam suatu tabel
data
2) Mencari nilai log dari masing-masing data
3) Mencari nilai rata-rata, standar deviasi, dan koefisien kemencengan
dari log data
4) Menghitung log hujan rancangan
5) Setelah itu memilih distribusi yang paling cocok.

3.3.3 Pengujian Distribusi Frekuensi Curah Hujan

1. Uji Kecocokan Chi-Kuadrat
Uji ini mengkaji ukuran perbedaan yang terdapat diantara frekuensi yang
diobserasi dengan yang diharapkan dan digunakan untuk menguji simpangan
secara vertikal dengan persamaan parameter Chi-Kuadrat. Uji ini dilakukan
dengan tahapan sebagai berikut:
1) Mengurutkan data curah hujan harian maksimum dari nilai terkecil
sampai dengan nilai terbesar.
2) Memplot harga curah hujan harian maksimum Xi dengan harga
probabilitas.
3) Hitung harga Chi Kritik dengan menentukan taraf signifikan α = 5%
dan dengan derajat kebebasan yang dihitung dengan persamaan 2.20.
2. Uji Kecocokan Smirnov-Kolmogorov
Uji kecocokan ini sering disebut juga uji kecocokan non parametik, karena
pengujiannya tidak menggunakan fungsi distribusi tertentu. Uji ini digunakan
untuk menguji penyimpangan selisih terbesar antara peluang empiris dengan
peluang teoritis yang digambarkan menggunakan aplikasi AProb_2beta. Uji ini
dilakukan dengan tahapan sebagai berikut:
1) Mengurutkan data curah hujan harian maksimum dari nilai terkecil
sampai dengan nilai terbesar.
 2) Memplot harga curah hujan harian maksimum Xi dengan harga
probabilitas.
3) Pengujian terhadap kesesuaian data dengan menggunakan Tabel 2.8
4) Hitung nilai selisih maksimum antara probabilitas teoritis dan
probabilitas empiris dengan penggambaran data pada kertas
probabilitas secara grafis dengan aplikasi AProb_2beta.
5) Membandingkan nilai ∆𝑘𝑟𝑖𝑡𝑖𝑘 dengan ∆𝑚𝑎𝑘𝑠 yang dihasilkan dari
penggambaran kertas probabilitas, dengan ketentuan apabila:
∆𝑘𝑟𝑖𝑡𝑖𝑘 < ∆𝑚𝑎𝑘𝑠 maka distribusi diterima.

3.4 Kerangka Berfikir

Metodologi penulisan Tugas Akhir ini berupa kerangka berfikir atau
Flowchart yaitu langkah-langkah penyusunan penelitian yang akan dibahas.
 Mulai

Pengumpulan data-data sekunder: Data hujan harian

Hujan Wilayah Dengan Poligon Thiessen

Analisis Parameter Statistik

Penentuan Jenis Distribusi Curah Hujan Yang Sesuai

Metode Metode Metode Metode

Normal Log-Normal Gumbel Log-Person III

Uji Kesesuaian Distribusi:

Uji Uji Smirnov -

Chi Kuadrat Kolmogorov

Kesimpulan dan Saran

Selesai

Gambar 3.2 Kerangka berpikir/Flowchart Tugas Akhir

 DAFTAR PUSTAKA

[1] Suripin., “Sistem Drainase Perkotaan yang Berkelanjutan” Yogyakarta:

Andi Offset. 2004.
[2] S. R. Brotowiryo., “Analisis Hidrologi” Jakarta: PT Gramedia. 1993.
[3] Sugiono., “Metode Penelitian Bisnis” Bandung: Pusat Bahasa Depdiknas.
2003.
[4] S. Sosrodarsono dan K. Takeda., “Hidrologi Untuk Pengairan” Jakarta: PT
Pradayana Paramita. 1987.
[5] Soewarno., “Hidrologi Pengukuran dan Pengolahan Data Aliran Sungai
(Hidrometrik)” Bandung: Nova. 1995.
[6] V. T. Chow., D. R. Maidment., and L. W. Mays., “Applied Hidrology”
Singapore: McGraw-Hill Book Company. 1988.
[7] Soemarto., “Hidrologi Teknik” Jakarta: Erlangga. 1999.
[8] Balai PSDA Wilayah Cisadea-Cibareno Kota Sukabumi. 2017.
[9] Upomo, Togani. Cahyadi., dan Kusumawardani, Rini., “Pemilihan
Distribusi Probabilitas pada Analisa Hujan dengan Metode Goodness Of
Fit Test,” Jurnal Teknik Sipil & Perencanaan, Vol. 18 No. 2, pp. 139-148,
2016.