Anda di halaman 1dari 11

UJI KONSISTENSI DATA CURAH HUJAN

Uji konsistensi data hujan diperlukan untuk menentukan apakah data hujan telah
konsisten dan melakukan koreksi jika terjadi inkoreksi. Uji konsistensi dilakukan dengan
metode Kurva Masaa Ganda (Double Mass Curve). Prosesnya adalah dengan menguji
konsistensi kumulatif data hujan di seuatu stasiun untuk sepuluh tahun pengamatan dan
membandingkannya pada waktu yang bersamaan dengan kumulatif data hujan di stasiun lain
yang mengelilinginya. ( Hapsari, RI dan Suhardono Agus. Modul ajar drainase perkotaan)

Adapun pengujian konsistensi data hujan yang dilakukan sebagai beriku :

1) Uji konsistensi Stasiun C terhadap Stasiun D dan Stasiun P


2) Uji konsistensi Stasiun D terhadap Stasiun C dan Stasiun P
3) Uji konsistensi Stasiun P terhadap Stasiun C dan Stasiun D

Data yang akan digunakan pada uji konsistensi data berasal dari pengolahan data hilang
sebagai berikut :

Tabel 1. Hasil Pengolahan Data Hilang curah hujan pada stasiun D


Tahun Sta Dinoyo (D) Sta Celaket (C) Sta Purwantoro (P)
2009 103 77 176
2010 92 96 130
2011 109.304 90 152
2012 104 103 130
2013 68 84 108
2014 190 110 178
2015 91 85 101
2016 108 97 125
2017 77 85 101
2018 102 105 134
Rata - Rata 104.430 93.200 133.500
Didpatkan 109,304 sebagai data hilang pada Stasiun Dinoyo (D) pada tahun 2011.
Sehingga dapat dilakukan uji konsistensi sebagai berikut :

1) Uji konsistensi Stasiun C terhadap Stasiun D dan Stasiun P

Tabel 2. Pengolahan Data Uji Konsistensi Stasiun C Terhadap Stasiun D dan Stasiun P

Kumulatif Rata-Rata Kumulatif Koreksi Kum Kor


Tahun Sta. C Sta. D Sta. P
Sta. C Sta. D dan P Sta. D dan P Sta. C Sta. C
2009 77 77 103 176 139.5 139.5 77 77
2010 96 173 92 130 111 250.5 96 173
2011 90 263 109.304 152 130.652 381.152 90 263
2012 103 366 104 130 117 498.152 103 366
2013 84 450 68 108 88 586.152 84 450
2014 110 560 190 178 184 770.152 111.251 561.251
2015 85 645 91 101 96 866.152 85.967 647.218
2016 97 742 108 125 116.5 982.652 98.103 745.321
2017 85 827 77 101 89 1071.652 85.967 831.288
2018 105 932 102 134 118 1189.652 106.194 937.482
Note : Data pada tahun berwarna merah mengalami inkonsisten sehingga perlu
dilakukan Uji Konsistensi dengan sloope dan faktor koreksi sebagai berikut :

m1 = 0,821 m2 = 0,811 f = 1,011

Sehingga didapat Kura Masa Ganda Sebelum terkoreksi Sebagai Berikut :

Gambar 1. Koreksi Kurva Masa Ganda Uji Konsistensi Stasiun C terhadap Stasiun
D dan Stasiun P Sebelum Terkoreksi
Setelah dilakukan koreksi maka Koreksi Kurva Ganda Yji Konsistensi Stasiun C
terhadap Stasiun D dan Stasiun P sebagai berikut :

Gambar 2. Koreksi Kurva Masa Ganda Uji Konsistensi Stasiun C terhadap Stasiun
D dan Stasiun P Setelah Terkoreksi

2) Uji konsistensi Stasiun D terhadap Stasiun C dan Stasiun P


Tabel 3. Pengolahan Data Uji Konsistensi Stasiun D Terhadap Stasiun C dan
Stasiun P
Kumulatif Rata-Rata Kumulatif Koreksi Kum Kor
Tahun Sta. D Sta. C Sta. P
Sta. D Sta. C dan P Sta. C dan P Sta. D Sta. D
2009 103 103 77 176 127 127
2010 92 195 96 130 113 240
2011 109.304 304.304 90 152 121 361
2012 104 408.304 103 130 117 477
2013 68 476.304 84 108 96 573
2014 190 666.304 110 178 144 717
2015 91 757.304 85 101 93 810
2016 108 865.304 97 125 111 921
2017 77 942.304 85 101 93 1014
2018 102 1044.304 105 134 120 1134
Dari pengolahan data curah hujan diatas didapat kurva masa ganda sebagai berikut :

Gambar 3. Koreksi Kurva Masa Ganda Uji Konsistensi Stasiun D terhadap Stasiun
C dan Stasiun P Sebelum dikoreksi

Gambar 4. Koreksi Kurva Masa Ganda Uji Konsistensi Stasiun D terhadap Stasiun
C dan Stasiun P Setelah dikoreksi
3) Uji konsistensi Stasiun P terhadap Stasiun C dan Stasiun D

Tabel 3. Pengolahan Data Uji Konsistensi Stasiun P Terhadap Stasiun C dan Stasiun D

Kumulatif Rata-Rata Kumulatif Koreksi Kum Kor


Tahun Sta. P Sta. D Sta. C
Sta. P Sta. D dan C Sta. D dan C Sta. P Sta. P
2009 176 176 77 103 90 90
2010 130 306 96 92 94 184
2011 152 458 90 109.304 99.652 284
2012 130 588 103 104 103.5 387
2013 108 696 84 68 76 463
2014 178 874 110 190 150 613
2015 101 975 85 91 88 701
2016 125 1100 97 108 102.5 804
2017 101 1201 85 77 81 885
2018 134 1335 105 102 103.5 988

Dari pengolahan data curah hujan diatas didapat kurva masa ganda sebagai berikut :

Gambar 4. Koreksi Kurva Masa Ganda Uji Konsistensi Stasiun P terhadap Stasiun
C dan Stasiun D

Pada Uji Konsistensi Stasiun P terhadap Stasiun C dan Stasiun D tidak dilakukan
koreks karena pada ilmu statistika jika R mendekati 1 maka data diatas dianggap
Konsisten.
Estimasi Data Curah Hujan Yang Hilang

Teori Estimasi Data Hujan yang Hilang


Data yang ideal adalah data yang untuk dan sesuai dengan apa yang dibutuhkan. Tetapi
dalam praktek sangat sering dijumpai data yang tidak lengkap (incomplete record) hal ini dapat
disebabkan beberapa hal, antara lain yaitu kerusakan alat, kelalaian petugas, penggantian alat,
bencana (pengrusakan) dan sebagainya. Keadaan tersebut menyebabkan pada bagian – bagian
tertentu dari data runtut waktu terdapat data yang kosong (missing record). Dalam
memperkirakan besarnya data yang hilang, harus diperhatikan pula pola penyebaran hujan pada
stasiun yang bersangkutan maupun stasiun-stasiun sekitarnya.

Keadaan data hujan hilang ini untuk kepentingan tertentu dapat mengganggu. Misalnya
pada suatu saat terjadi banjir, sedangkan data hujan pada satu atau beberapa stasiun pada saat
yang bersamaan tidak tersedia (karena berbagai sebab). Keadaan demikian tidak terasa
merugikan bila data tersebut tidak tercatat pada saat yang di pandang tidak penting.

Menurut Soewarno (2000) dalam bukunya Hidrologi Operasional Jilid Kesatu, analisis
hidrologi memang tidak selalu diperlukan pengisian data yang kosong atau hilang. Misal
terdapat data kosong pada musim kemarau sedang analis data hidrologi tersebut menghitung
debit banjir musim penghujan maka dipandang tidak perlu melengkapi data pada periode
kosong musim kemarau tersebut, tetapi bila untuk analisis kekeringan maka data kosong pada
musim kemarau tersebut harus diusahakan untuk melengkapi.

Data hujan yang hilang dapat diestimasi apabila di sekitarnya ada stasiun penakar hujan
(minimal 2 stasiun) yang lengkap datanya atau stasiun penakar yang datanya hilang diketahui
hujan rata-rata tahunannya. (Lily, 2010)

Menghadapi keadaan ini, terdapat dua langkah yang dapat dilakukan yaitu :

1. Membiarkan saja data yang hilang tersebut, karena dengan cara apapun data tersebut tidak
akan diketahui dengan tepat.
2. Bila dipertimbangkan bahwa data tersebut mutlak diperlukan maka perkiraan data tersebut
dapat dilakukan dengan cara-cara yang dikenal.
Metode Estimasi Data Hujan yang Hilang
Beberapa metode yang dapat digunakan menurut buku Mengenal Dasar – dasar
Hidrologi halaman 190-191 oleh Ir. Joyce Martha dan Ir. Wanny Adidarma,Dipl.HE. yaitu
Normal Ratio Method, cara “Inversed Square Distance” dan cara rata – rata aljabar. Sedangkan
menurut Soewarno dalam bukunya Hidrologi Operasional Jilid Kesatu halaman 202, ada 3
metode yang digunakan untuk memperkirakan data hujan periode kosong diantaranya rata –
rata aritmatik (arithmatical average), perbandingan normal (normal ratio), dan kantor cuaca
Nasional Amerika Serikat (US.National Weather service).

Ada kesamaan metode perhitungan dari buku Hidrologi Operasional Jilid Kesatu
dengan buku Mengenal Dasar – dasar Hidrologi, yaitu Metode rata – rata aritmatik dengan rata
– rata aljabar, dan Normal Ratio Method dengan perbandingan normal (normal ratio) yang
terdapat dibuku Soewarno. Yang berbeda adalah metode Kantor Cuaca Amerika Serikat

Normal Ratio Method


Linsley, Kohler dan Paulhus (1958) menyarankan satu metode yang disebut “Normal
Ratio Method” sebagai berikut :

1 n Anx
Dx   d i
n i 1 Ani

Dengan :

Dx = Data tinggi hujan harian maksimum di stasiun x

n = Jumlah stasiun di sekitar x untuk mencari data di x

di = Data tinggi hujan harian maksimumdi stasiun i

Anx = Tinggi hujan rata-rata tahunan di stasiun x

Ani = Tinggi hujan rata-rata tahunan di stasiun sekitar x


Cara “Inversed Square Distance”
Persamaan yang digunakan dalam cara “Inversed Square Distance” adalah :
1 1 1
PA + P + PC
(dXA)2 (dXB)2 B (dXC)2
Px = 1 1 1
+ +
(dXA)2 (dXB)2 (dXC)2

Dengan :

Px = Tinggi hujan yang dipertanyakan

PA, PB, Pc = Tinggi hujan pada stasiun disekitarnya

dXA, dXB, dXC = Jarak stasiun X terhadap masing – masing stasiun A,B,C

Rata – rata Aljabar


Rata – rata aljabar ini digunakan apabila kekurangan data kurang dari 10% (<10%) .
Misalnya adalah diketahui : Hujan rata – rata tahunan di A = 750 mm = ̅
XA, hujan rata – rata
tahunan di B = 725 mm = = ̅
XB. Ditanya : bagaimana mengisi data hujan di A pada suatu tahun
tertentu, bila pada tahun yang sama di B jumlah hujan = 710 mm. Penyelesaiannya adalah :

̅A
X 750
XA = X̅B . XB = 725 . 710 mm = 735 mm

Jadi besarnya data hujan di A adalah 735 mm.

Metode Kantor Cuaca Amerika Serikat


Metode ini memerlukan data dari 4 (empat) pos hujan sebagai pos indeks (index station)
yaitu misalnya pos hujan A, B, C dan D yang berlokasi disekeliling pos hujan X yang
diperkirakan data hujannya. Bila pos indeks itu lokasinya berada disetiap kuadran dari garis
yang menghubungkan utara - selatan dan timur – barat melalui titik pusat dipos hujan X.
Persamaannya adalah :

HX = [ ∑ (Hi/ Li2)] / [ ∑ (1/ Li2)]

Dalam hal ini HX = tebal hujan dipos X yang akan diperkirakan dan Hi = tebal hujan
dipos A, B, C, dan D. Dan nilai Li menunjukkan jarak pos hujan A, B, C dan D terhadap pos
hujan X.
Misalnya : dari suatu DPS (Daerah Pengaliran Sungai) luas 140 Km2 terdapat 5 buah
pos hujan X, A, B, C, dan D. Pada suatu bulan pos hujan X rusak. Tentukan tebal hujan di X
bila pos itu dikelilingi pos hujan A, B, C, dan D sebagai pos indeks yang terletak di setiap
kuadran dengan data :

Kuadran Pos Indeks Hujan (mm) Jarak dari X (Km2)


I B 100 5
II C 90 10
III A 110 8
IV D 120 6
Data pos hujan X dapat dihitung dengan persamaan diatas :

Kuadran Pos H (mm) L (Km2) L2 1/L H/L2


I B 100 5 25 0,04000 4,000
II C 90 10 100 0,01000 0,900
III A 110 8 64 0,01562 1,718
IV D 120 6 36 0,02777 3,333
Jumlah 0,09339 9,9520
Penyelesaiannya adalah:

HX = [ ∑ (Hi/ Li2)] / [ ∑ (1/ Li2)]

HX = (9,9520) / (0,09339)

HX = 106,56 mm

Jadi besarnya data hujan di pos X adalah 106, 56 mm


Tabel 1. Data Hujan Maximum Pada Stasiun Dinoyo, Celaket, dan Purwantoro pada
tahun 2009 - 2018

Tahun Sta Dinoyo (D) Sta Celaket (C) Sta Purwantoro (P)
2009 103 77 176
2010 92 96 130
2011 - 90 152
2012 104 103 130
2013 68 84 108
2014 190 110 178
2015 91 85 101
2016 108 97 125
2017 77 85 101
2018 102 105 134

Dari data diatas dapat dihitung data rata-rata tiap Stasiun pada tahun 2009 - 2018
Tabel 2. Data Curah Hujan rata – rata pada stasiun Dinoyo (D), Celaket (C), dan
Purwantoro (P).

Tahun Sta Dinoyo (D) Sta Celaket (C) Sta Purwantoro (P)
2009 103 77 176
2010 92 96 130
2011 - 90 152
2012 104 103 130
2013 68 84 108
2014 190 110 178
2015 91 85 101
2016 108 97 125
2017 77 85 101
2018 102 105 134
rata - rata 103.89 93.2 133.5

Setelah mendapatkan data rata rata tiap Stasiun dapat dihitung data hilang pada Stasiun
Dinoyo (D) yang hilang pada tahun 2011 dengan rumus perhitungan sebagai berikut :

𝑑𝐶2011 𝑑𝑝2011 1
𝑑𝐷2011 = ( + ) × 𝑑𝑑 𝑟𝑎𝑡𝑎" ×
𝑑𝑐 𝑟𝑎𝑡𝑎" 𝑑𝑝 𝑟𝑎𝑡𝑎" 2

Dengan hasil perhitungan 109,340 . Maka data tersebut menjadi data yang di input pada
Stasiun Dinoyo tahun 2011. Dengan hasil data tabel sebagai berikut :
Tabel 3. Hasil Perhitungan Curah hujan yang hilang Pada Stasiun Dinoyo (D)

Tahun Sta Dinoyo (D) Sta Celaket (C) Sta Purwantoro (P)
2009 103 77 176
2010 92 96 130
2011 109.304 90 152
2012 104 103 130
2013 68 84 108
2014 190 110 178
2015 91 85 101
2016 108 97 125
2017 77 85 101
2018 102 105 134
Rata - rata 104.430 93.200 133.500

Maka, Data hasil perhitungan diatas digunakan untuk Perhitungan Uji Konsistensi
Data.

Kesimpulan
Dalam grafik ini ditunjukkan bahwa garis teortis atau linier yang ditunjukkan dengan
garis bold (utuh) memiliki nilai yang sama dengan garis empiris yang ditunjukkan dengan garis
putus – putus. Sehingga pola yang terjadi berupa garis lurus dan tidak terjadi patahan garis,
jadi dapat di simpulkan bahwa data curah hujan pada 4 stasiun tersebut adalah konsisten.