Perancangan Bangunan Air | 2 0 1 9

3ANALISIS HUJAN RENCANA

PETA DAERAH DULODUO

ANALISIS HUJAN RENCANA MENGGUNAKAN ANALISIS FREKUENSI HUJAN

Analisis Hujan Rencana

Analisis hujan rencana adalah analisis untuk mendapatkan besaran curah hujan yang
direncanakan akan terjadi di daerah penelitian. Untuk analisis ini digunakan Analisis
Frekwensi hujan. Dalam analisis hidrologi ada 4 jenis Distribusi Frekwensi yang sering
digunakan yaitu:
1. Distribusi Frekwensi Normal
2. Distribusi Frekwensi Log-Normal
3. Distribusi Frkewnsi Gumbell
4. Distribusi Frekwensi Log-Pearsson Type III.

Rumus Distribusi Frekwensi

1. Distribusi Nornal
Tipe distribusi normal Distribusi normal disebut juga dengan distribusi Gauss. Distribusi
ini dirumuskan sebagai berikut :
XTR = Xbar + S.K
Xbar : Curah Hujan rata-rata (mm)
S : Standar Deviasi
K : Faktor Frekwensi
2. Distribusi Log-normal
Distribusi log-normal merupakan hasil transformasi dari distribusi normal dengan
merubah variant x menjadi log variant x. Dirumuskan sebagai berikut :
LogXTR = LogXbar + SLog.K
Xbar : Curah Hujan rata-rata (mm)
S : Standar Deviasi
K : Faktor Frekwensi
3. Distribusi Gumbell
Tipe distribusi ini umumnya digunakan untuk analisis data maksimum. Dirumuskan
sebagai berikut :
XTR = Xbar + S.KTR
Dimana mencari KTR dirumuskan sebagai berikut :
𝑇𝑟−1
[− 𝑙𝑛{−𝑙𝑛 }]−𝑌𝑛
𝑇𝑟
KTR =
𝑆𝑛

Page | 26
 Xbar : Curah Hujan rata-rata (mm)
XTR : Nilai curah hujan pada periode ulang yang diharapkan.
KTR : Faktor frekwensi Gumbell
S : Standard deviasi
Yn : Reduced Mean, yang tergantung jumlah data
Sn : Reduced Standard Deviation, yang tergantung jumlah data
4. Distribusi Log-Pearson type III
Distribusi ini merupakan hasil transformasi dari distribusi Pearson tipe III dengan
merubah variant x menjadi nilai log variant x dengan rumus :
LogXTR =LogXbar + Slog . KTR,CS
KTR,CS : Faktor frekwensi Pearson yang dapat dilihat dari table Pearson dengan
memperhitungkan nlai Cs
LogXTR : Curah hujan tergantung pada TR dalam Log
Distribusi Frekwensi apa yang akan digunakan, tergantung dari jenis sebaran data yang ada.
Penentuan Jenis Sebaran Data
Jenis sebaran data dapat diperkirakan dari parameter statistiknya. Parameter parameter
statistic tersebut adalah; Cs (Koefisien Skewness), Cv (Koefisien Variasi) dan Ck (Koefisien
Kurtosisi).
Parameter Statistik

1. Cs (Koefisien Skewness)
Kemencengan (skewness) adalah suatu nilai yang menunjukkan derajat ketidak simetrisan
(asymmetry) dari suatu bentuk distribusi. Apabila suatu kurva frekuensi dari suatu distribusi
mempunyai ekor memanjang kekanan atau kekiri terhadap titik pusat maksimum maka kurva
tersebut tidak akan berbentuk simetri, keadaan itu disebut menceng kekanan atau kekiri.
Rumus :
𝑛 ∑𝑛𝑖=1(𝑋𝑖 −𝑋𝑏𝑎𝑟)
3
Cs =
(𝑛−1)(𝑛−2)𝑆 3

Dimana :
Xbar = Curah hujan rata-rata (mm)
Xi = Curah hujan pada tahun pengamatan (mm)
n = Jumlah data
S = Standard deviasi
Cs = Koefisien Skewness
Untuk perhitungan dalam nilai log seperti pada analisis data outlier maka persamaan harus
diubah dahulu kedalam bentuk logaritmik, sehingga menjadi :

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 27
 Rumus :
𝑛 ∑𝑛
𝑖=1(𝐿𝑜𝑔𝑋𝑖 −𝐿𝑜𝑔𝑋𝑏𝑎𝑟)
3
Cslog =
(𝑛−1)(𝑛−2)𝑆 3

Dimana :
Xbar = Curah hujan rata-rata dalam log (mm)
Xi = Curah hujan pada tahun pengamatan dalam log (mm)
n = Jumlah data
S = Standard deviasi
Cs = Koefisien Skewness
2. Ck (Koefisien Kurtosis)
Pengukuran kurtosis dimaksudkan untuk mengukur keruncingan dari bentuk kurva
distribusi, yang umumnya dibandingkan dengan distribusi normal. Koefisien kurtosis
digunakan untuk menentukan keruncingan kurva distribusi.
Rumus
𝑛 2 ∑𝑛
𝑖=1(𝑋𝑖 −𝑋𝑏𝑎𝑟)
4
Ck =
(𝑛−1)(𝑛−2)(𝑛−3)𝑆 4

Dimana :
Xbar = Curah hujan rata-rata (mm)
Xi = Curah hujan pada tahun pengamatan (mm)
n = Jumlah data
S = Standard deviasi
Ck = Koefisien Kurtosis

3. Cv (Koefisien Variasi)
Koefisien variasi (Coefficient Of Variation) adalah nilai perbandingan antara deviasi
standart dengan nilai rata-rata hitung dari suatu distribusi. Semakin besar nilai variasi berarti
datanya kurang merata (heterogen) Semakin kecil berarti data pengamatan semakin merata
(homogen) Koefisien variasi dapat dihitung dengan rumus berikut :
Rumus:
𝑆
Cv =
𝑋𝑏𝑎𝑟

Dimana :
Cv : Koefisien Variasi
S : Standard deviasi
Xbar : Curah hujan rata-rata

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 28
 Syarat Penentuan Jenis Sebaran Data
Jenis sebaran data bisa dilihat dari parameter statistic data. Parameter statistic data
yang akan dilihat adalah, mean, standar deviasi, koefisien skewness, koefisien kurtosis,
koefisien variasi.
Kriteria pemilihan awal kesesuaian tipe distribusi berdasarkan parameter statistik.
Secara teoritis, langkah awal penentuan tipe distribusi dapat dilihat dari parameter-parameter
statistic data pengamatan. Parameter-parameter yang dilakukan adalah CS, CV, dan CK.
Kriteria pemilihan untuk tiap tipe distribusi berdasarkan parameter statistic adalah
sebagai berikut ini.

Tabel Syarat Penentuan Jenis Sebaran

Cs ≈ 0
Normal
Ck ≈ 3
Cs ≈ Cv^3+3Cv
Log-normal
Ck = Cv^8+6Cv^6+16Cv^4+16Cv^2+3
Cs ≈ 1,14
Gumbell
Ck ≈ 5,40
Log-Pearson
Jika tidak memenuhi ketiga syarat diatas
Type III

Analisis Parameter Statistik data

Berikut ini ditampilkan tabel hujan rerata DAS selama 15 tahun untuk digunakan dalam
analisis frekwensi hujan.
Tabel Hujan Rerata maksimum selama
15 Tahun
NO Tahun Hujan Rerata
1 2004 67.1
2 2005 121.7
3 2006 147.9
4 2007 135.1
5 2008 135.0
6 2009 169.8
7 2010 149.3
8 2011 155.7
9 2012 152.4
10 2013 140.8
11 2014 167.7
12 2015 144.2
13 2016 171.2
14 2017 131.9
15 2018 213.8

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 29
1) Mengurutkan data dari yang paling besar sampai terkecil , seperti ditampilkan pada
table dibawah ini :
Data Setelah diurutkan
NO Tahun Hujan Rerata
1 2004 213.8
2 2017 171.2
3 2012 169.8
4 2007 167.7
5 2006 155.7
6 2015 152.4
7 2010 149.3
8 2009 147.9
9 2008 144.2
10 2013 140.8
11 2014 135.1
12 2011 135.0
13 2005 131.9
14 2016 121.7
15 2018 67.1

2) Menghitung probabilitas seperti yang ditampilkan table dibawah ini :

Tabel probabilitas hujan rerata DAS

m P = m/(N+1) Tahun HujanRerata (mm) Ln Hujan Rerata (mm) Log Hujan (mm)
1 0.0625 2018 213.8 5.365040999 2.330007701
2 0.125 2016 171.2 5.142832464 2.23350376
3 0.1875 2009 169.8 5.134621274 2.229937686
4 0.25 2014 167.6 5.121580188 2.224274014
5 0.3125 2011 155.6 5.047288612 2.192009593
6 0.375 2012 152.4 5.026508643 2.182984967
7 0.4375 2010 149.3 5.005957705 2.174059808
8 0.5 2006 147.9 4.99653637 2.169968174
9 0.5625 2015 144.2 4.971201225 2.15896526
10 0.625 2013 140.7 4.946629964 2.148294097
11 0.6875 2007 135 4.905274778 2.130333768
12 0.75 2008 134.9 4.904533763 2.13001195
13 0.8125 2017 131.8 4.881285622 2.11991541
14 0.875 2005 121.6 4.80073697 2.084933575
15 0.9375 2004 67.1 4.206184044 1.82672252

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 30
3) Membuat table analisis parameter statistic data, seperti ditampilkan pada table
dibawah ini :
Tabel Analisis Parameter Statistik
NO Tahun Hujan Rerata (x) Data (Seri Y), Y = log x (Y-Ῡ) (Y-Ῡ)^2 (Y-Ῡ)^3 (Y-Ῡ)^4 (X-X̅ ) (X-X̅ )^2 (X-X̅ )^3 (X-X̅ )^4
1 2004 213.8 2.330007701 0.174134 0.030323 0.00528 0.000919 66.8933 4474.718 299328.8 20023102
2 2017 171.2 2.23350376 0.077631 0.006026 0.000468 3.63E-05 24.2933 590.166 14337.1 348295.96
3 2012 169.8 2.229937686 0.074064 0.005486 0.000406 3.01E-05 22.8933 524.1047 11998.5 274685.75
4 2007 167.7 2.224533063 0.06866 0.004714 0.000324 2.22E-05 20.7933 432.3627 8990.262 186937.51
5 2006 155.7 2.192288613 0.036415 0.001326 4.83E-05 1.76E-06 8.79333 77.32271 679.9244 5978.8017
6 2015 152.4 2.182984967 0.027112 0.000735 1.99E-05 5.4E-07 5.49333 30.17671 165.7707 910.63389
7 2010 149.3 2.174059808 0.018187 0.000331 6.02E-06 1.09E-07 2.39333 5.728044 13.70912 32.810493
8 2009 147.9 2.169968174 0.014095 0.000199 2.8E-06 3.95E-08 0.99333 0.986711 0.980133 0.9735988
9 2008 144.2 2.15896526 0.003092 9.56E-06 2.96E-08 9.14E-11 -2.7067 7.326044 -19.82916 53.670927
10 2013 140.8 2.148602655 -0.00727 5.29E-05 -3.8E-07 2.79E-09 -6.1067 37.29138 -227.726 1390.6469
11 2014 135.1 2.130655349 -0.02522 0.000636 -1.6E-05 4.04E-07 -11.807 139.3974 -1645.818 19431.629
12 2011 135 2.130333768 -0.02554 0.000652 -1.7E-05 4.25E-07 -11.907 141.7687 -1687.993 20098.367
13 2005 131.9 2.120244796 -0.03563 0.001269 -4.5E-05 1.61E-06 -15.007 225.2 -3379.502 50715.06
14 2016 121.7 2.085290578 -0.07058 0.004982 -0.00035 2.48E-05 -25.207 635.376 -16015.71 403702.72
15 2018 67.1 1.82672252 -0.32915 0.10834 -0.03566 0.011738 -79.807 6369.104 -508297 40565486
Jumlah 2203.6 32.3380987 0.165082 -0.02954 0.012775 13691.03 -195758.5 61900822
Rata-rata 146.9066667 2.155873247

4) Menghitung Parameter Statistik (S,Cv,Cs,Ck) Diketahuni jumlah data (n) = 15

- Standar Deviasi (S)

Standart deviasi atau simpangan baku adalah suatu nilai pengukuran dispersi
terhadap data yang dikumpulkan. Untuk data yang kurang dari 100 digunakan
rumus Fisher dan Wicks dalam menghitung standart deviasi.

𝑛
1
𝑆=√ ∑(𝑋𝑖 − 𝑋̅)2
(𝑛 − 1)
𝑖=1

Keterangan :
X̄ = Curah hujan rata-rata (mm),
Xi = Curah hujan pada tahun pengamatan ke-1 (mm),
S = Standar deviasi,
n = Jumlah data curah hujan.

𝑛 2
1
𝑆𝑙𝑜𝑔 =√ ∑(log 𝑋𝑖 − ̅̅̅̅̅̅̅
log 𝑋)
(𝑛 − 1)
𝑖=1
Keterangan :
Slog = Standar Deviasi (dalam log)
n = Jumlah Data
̅̅̅̅̅̅̅̅
log 𝑋𝑖 = Nilai Rerata Data (dalam log)

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 31
 Menghitung nilai S untuk di masukkan ke rumus Cv,Cs,Ck

1
S = √(15−1) (13699.156)

= 31.28116275

Menghitung nilai S untuk di masukkan ke rumus LogXTR

1
Slog = √(15−1) (0.165137173)

= 0.108607147

- Menghitung Koefisien variasi (Cv)

Menghitung Cv menggunakan rumus yang ada pada halaman 28 :

19,967533
Cv =
146.86

= 0.212999883

- Menghitung Koefisien Skewness (Cs)

Menghitung Cs menggunakan rumus yang ada pada halaman 27 :

15 𝑥 (−194348.4403)
Cs =
(15−1)(15−2)31.281162753

= -0.523301847

Menghitung Cs log menggunakan rumus yang ada pada halaman 28 :

15 𝑥 (−0.029475901)
Cslog =
(15−1)(15−2)31.281162753

= 0.108607147

- Menghitung Koefisien Kurtosis (Ck)

Menghitung Cv menggunakan rumus yang ada pada halaman 28 :

152 𝑥 (61869781.17)
Ck =
(15−1)(15−2)(15−3)31.281162754

= 6.656974799

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 32
 Untuk lebih detailnya ditampilkan pada table parameter statistic data dibawah ini :

Tabel Parameter statistik data

S Cv CS Ck
31.2812 0.213 -0.5233 6.65697

Hasil Analisis Statistik data

Dari hasil analisis statistic data, didapatkan seperti pada tabel berikut.
Jenis Parameter Statistik
Syarat Parameter Statistik Kesimpulan
sebaran Data
Cs ≈ 0 Cs = -0.523301847 Tidak
Normal
Ck ≈ 3 Ck = 6.656974799 Diterima
Log- Cs ≈ Cv^3+3Cv = 0.648663229 Cs = -0.523301847 Tidak
normal Ck = Cv^8+6Cv^6+16Cv^4+16Cv^2+3 = 3.759401211 Ck = 6.656974799 Diterima
Cs ≈ 1,14 Cs = -0.523301847 Tidak
Gumbell
Ck ≈ 5,40 Ck = 6.656974799 Diterima
Log-
Ketiga syarat diatas
Pearson Jika tidak memenuhi ketiga syarat diatas Diterima
tidak memenuhi
Type III

Kesimpulan :
Dari hasil analisis didapatkan, jenis sebaran data mengikuti sebaran Log-Pearson Type III

Menghitung hujan rencana

Untuk menganalisis hujan rencana, menggunakan sebaran Log-Pearson Type III, langkah
selanjutnya menghitung hujan rencana kala ulang 100 tahun.
Rumus Log-Pearson Type III :
LogXTR =LogXbar + Slog . KTR,CS
Dimana diketahui :
LogXbar = 2.155728152
Slog = 0.108607147
Untuk nilai KTR,CS dilihat pada table faktor frekuensi Pearson

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 33
 Tabel Faktor Frekuensi Pearson
Periode Ulang / Kala Ulang (tahun)
2 5 10 25 50 100 200
Cs
Exceedence Probability
0.500 0.200 0.100 0.040 0.020 0.010 0.005
3.0 -0.396 0.420 1.180 2.278 3.152 4.051 4.970
2.9 -0.390 0.440 1.195 2.277 3.134 4.013 4.909
2.8 -0.384 0.460 1.210 2.275 3.114 3.973 4.847
2.7 -0.376 0.479 1.224 2.272 3.093 3.932 4.783
2.6 -0.368 0.499 1.238 2.267 3.071 3.889 4.718
2.5 -0.360 0.518 1.250 2.262 3.048 3.845 4.652
2.4 -0.351 0.537 1.262 2.256 3.023 3.800 4.584
2.3 -0.341 0.555 1.274 2.248 2.997 3.753 4.515
2.2 -0.330 0.574 1.284 2.240 2.970 3.705 4.444
2.1 -0.319 0.592 1.294 2.230 2.942 3.656 4.372
2.0 -0.307 0.609 1.302 2.219 2.912 3.605 4.298
1.9 -0.294 0.627 1.310 2.207 2.881 3.553 4.223
1.8 -0.282 0.643 1.318 2.193 2.848 3.499 4.147
1.7 -0.268 0.660 1.324 2.179 2.815 3.444 4.069
1.6 -0.254 0.675 1.329 2.163 2.780 3.388 3.990
1.5 -0.240 0.690 1.333 2.146 2.743 3.330 3.910
1.4 -0.225 0.705 1.337 2.128 2.706 3.271 3.828
1.3 -0.210 0.719 1.339 2.108 2.666 3.211 3.745
1.2 -0.195 0.732 1.340 2.087 2.626 3.149 3.661
1.1 -0.180 0.745 1.341 2.066 2.585 3.087 3.575
1.0 -0.164 0.758 1.340 2.043 2.542 3.022 3.489
0.9 -0.148 0.769 1.339 2.018 2.498 2.957 3.401
0.8 -0.132 0.780 1.336 1.993 2.453 2.891 3.312
0.7 -0.116 0.790 1.333 1.967 2.407 2.824 3.223
0.6 -0.099 0.800 1.328 1.939 2.359 2.755 3.132
0.5 -0.083 0.808 1.323 1.910 2.311 2.686 3.041
0.4 -0.066 0.816 1.317 1.880 2.261 2.615 2.949
0.3 -0.050 0.824 1.309 1.849 2.211 2.544 2.856
0.2 -0.033 0.830 1.301 1.818 2.159 2.472 2.763
0.1 -0.017 0.836 1.292 1.785 2.107 2.400 2.670
0.0 0.000 0.842 1.282 1.751 2.054 2.326 2.576
-0.1 0.017 0.846 1.270 1.716 2.000 2.252 2.482
-0.2 0.033 0.850 1.258 1.680 2.945 2.178 2.388
-0.3 0.050 0.853 1.245 1.643 1.890 2.104 2.294
-0.4 0.066 0.855 1.231 1.606 1.834 2.029 2.201
-0.5 0.083 0.856 1.216 1.567 1.777 1.955 2.108
-0.6 0.099 0.857 1.200 1.528 1.720 1.880 2.016
PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 34
 -0.7 0.116 0.857 1.183 1.488 1.663 1.806 1.926
-0.8 0.132 0.856 1.166 1.448 1.606 1.733 1.837
-0.9 0.148 0.854 1.147 1.407 1.549 1.660 1.749
-1.0 0.164 0.852 1.128 1.366 1.492 1.588 1.664
-1.1 0.180 0.848 1.107 1.324 1.435 1.518 1.581
-1.2 0.195 0.844 1.086 1.282 1.379 1.449 1.501
-1.3 0.210 0.838 1.064 1.240 1.324 1.383 1.424
-1.4 0.225 0.832 1.041 1.198 1.270 1.318 1.351
-1.5 0.240 0.825 1.018 1.157 1.217 1.256 1.282
-1.6 0.254 0.817 0.994 1.116 1.166 1.197 1.216
-1.7 0.268 0.808 0.970 1.075 1.116 1.140 1.155
-1.8 0.282 0.799 0.945 1.035 1.069 1.087 1.097
-1.9 0.294 0.788 0.920 0.996 1.023 1.037 1.044
-2.0 0.307 0.777 0.895 0.959 0.980 0.990 0.995
-2.1 0.319 0.765 0.869 0.923 0.939 0.946 0.949
-2.2 0.330 0.752 0.844 0.888 0.900 0.905 0.907
-2.3 0.341 0.739 0.819 0.855 0.864 0.867 0.869
-2.4 0.351 0.725 0.795 0.823 0.830 0.832 0.833
-2.5 0.360 0.711 0.771 0.793 0.798 0.799 0.800
-2.6 0.368 0.696 0.747 0.764 0.768 0.769 0.769
-2.7 0.376 0.681 0.724 0.738 0.740 0.740 0.741
-2.8 0.384 0.666 0.702 0.712 0.714 0.714 0.714
-2.9 0.390 0.651 0.681 0.683 0.689 0.690 0.690
-3.0 0.396 0.636 0.666 0.666 0.666 0.667 0.667

Telah diketahui nilai Cs adalah -0.523301847, maka untuk mendapatkan nilai KTR
dilakukan interpolasi
Cs 100 Tahun
Rumus interpolasi : -0.6 (x1) 1.880 (y1)
(𝑥−𝑥1)(𝑦2−𝑦1) -0.523301847 (x) Y
Y = y1 + 𝑥2−𝑥1 -0.5 (x2) 1.955 (y2)
((−0.523301847 )−(−0.6 ))(1.955 −1.880)
Y = 1.880 + −0.5−(−0.6)

= 1.937523615
Dari hasil interpolasi maka didapatkan nilai KTR kala ulang 100 Tahun = 1.937523615

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 35
Setelah mendapatkan nilai KT maka langkah selanjutnya adalah menghitung hujan rencana
untuk kala ulang 100 tahun
 Hujan rencana untuk kala ulang 100 tahun:
Log X̄ = 2.155728152
Slog = 0.108607147
KTR,Cs = 1.937523615
Maka,
LogXTR = LogXbar + Slog . KTR,CS
log X100 = 2.155728152 + (0.108607147 x 1.937523615)
log X100 = 2.366157064
X100 = 232.3 mm
Jadi nilai curah hujan pada periode kala ulang 100 tahun adalah 232.3 mm
Kesimpulan
Dari hasil analisis hujan rencana didapatkan besaran hujan rencana seperti ditunjukkan
pada tabel berikut.
Tabel Hujan Rencana Kala Ulang 100 Tahun
Kala Ulang (Tahun) Hujan Rencana (mm)
100 232.3

PERHITUNGAN DAERAH ALIRAN SUNGAI

KENYO S. SISVANTO | 16021101053

Page | 36