SISTEM PENYALIRAN TAMBANG

(FIRDAUS-FITK 2019)

ANALISA FREKUENSI & PROBABILITAS HUJAN RENCANA-1

Hujan Rencana
 Hujan rencana (XT) adalah hujan dengan periode ulang tertentu (T) yang
diperkirakan akan terjadi di suatu daerah pengaliran.
 Periode ulang adalah waktu hipotetik di mana suatu kejadian dengan nilai tertentu
akan disamai atau dilampaui 1 kali dalam jangka waktu hipotetik tersebut.
 Hal ini tidak berarti bahwa hujan rencana akan berulang secara teratur setiap
periode ulang tersebut.

Misalnya hujan rencana dengan periode ulang 5 tahun (X5) =

10 mm, tidak berarti hujan sebesar 10 mm akan terjadi secara
periodik 1 kali setiap 5 tahun, melainkan setiap tahunnya ada
kemungkinan terjadi 1/5 kali terjadi hujan yang besarnya sama
atau lebih dari 10 mm. Artinya dalam 5 tahun ada kemungkinan
1 kali terjadi hujan yang besarnya yang sama atau lebih dari 10
mm. Dalam 10 tahun ada kemungkinan 2 kali terjadi hujan
yang besarnya sama atau lebih dari 10 mm.
 Peluang terjadinya X ≥ XT setiap tahun :
1 Keterangan
P X ≥ XT = × 100% P : peluang(%);
T
T : periode ulang (tahun);
X : hujan (mm);
XT : hujan rencana dengan periode ulang T (mm).

 Peluang terjadinya X < XT setiap tahun

1
P X < XT = 1 − × 100%
T
 Peluang X ≥ XT paling tidak 1 kali dalam rentang n tahun berurutan adalah:
n
n 1
P X ≥ XT = 1 − 1 − × 100%
T
Analisis Frekuensi
 Sistem hidrologi terkadang dipengaruhi oleh peristiwa-peristiwa yang luar biasa
(Ekstrim), seperti hujan lebat, banjir, dan kekeringan.
 Besaran peristiwa ekstrim berbanding terbalik dengan frekuensi kejadiannya,
peristiwa yang sangat ekstrim kejadiannya sangat langka (jarang).

 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 (independent),
terdistribusi secara acak
Analisis Frekuensi
 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 statistik kejadian hujan masa lalu.
Curah Hujan Rencana
 Curah Hujan Rencana adalah hujan harian maksimum yang akan digunakan untuk
menghitung intensitas hujan.
 Curah Hujan Rencana dihitung berdasarkan distribusi atau sebaran curah hujan
harian maksimum selama (minimal) 10 tahun berturut - turut
Analisa Curah Hujan Rencana
Analisa Curah Hujan Rencana meliputi:
• Analisa frekuensi curah hujan
• Analisa Pengujian Kecocokan Sebaran
• Analisa Distribusi Curah Hujan Rencana
An alisa Frekuensi Curah Hujan
Menghitung Simpangan Baku (Standar Deviasi)
 Simpangan Baku adalah besar perbedaan dari nilai sampel terhadap nilai rata-
rata

Keterangan:
S = Deviasi standart
Xi = Nilai varian ke i
𝑋𝑋 = Nilai rata-rata varian
n = Jumlah data
An alisa Frekuensi Curah Hujan
Menghitung koefisien Variasi

Keterangan:
S = Deviasi standart
𝑋𝑋 = Nilai rata-rata varian
An alisa Frekuensi Curah Hujan
Menghitung Koefesien Kemencengan/Skewness (CS)
 Kemencengan (skewness) adalah suatu nilai yang menunjukkan derajat
ketidaksimestrisan dari suatu bentuk distribusi.

Keterangan:
CS = Koefesien Skewness
S = Simpangan Baku (Deviasi standart)
Xi = Nilai varian ke i
𝑋𝑋 = Nilai rata-rata varian
n = Jumlah data
An alisa Frekuensi Curah Hujan
Menghitung Koefisien Kurtosis (CK)
 Pengukuran kurtosis dimaksud untuk mengukur keruncingan dari bentuk
kurva distribusi, yang umumnya dibandingkan dengan distribusi normal.

Keterangan:
CK = Koefisien Kurtosis
S = Simpangan Baku (Deviasi standart)
Xi = Nilai varian ke i
𝑋𝑋 = Nilai rata-rata varian
n = Jumlah data
Contoh- 1
 Diketahui curah hujan harian maksimum stasiun hujan Kota X (Tabel) dari
tahun (1998 – 2007). Hitung Simpangan Baku, Koefisien Kemencengan,
Koefisien Kurtosis, dan koefisien Variasi dari data tersebut.

No. Tahun Curah Hujan Harian Maksimum

1 1998 76
2 1999 61
3 2000 74
4 2001 67
5 2002 129
6 2003 96
7 2004 70
8 2005 70
9 2006 63
10 2007 92
Penyelesaian
Penyelesaian
Penyelesaian
Penyelesaian
Ana lisa Peng jian Kecocokan Seb aran
u
 Analisa Pengujian Kecocokan Sebaran dilakukan untuk menguji kecocokan
(the goodness of fittest test) distribusi frekuensi sampel data terhadap fungsi
distribusi peluang yang diperkirakan dapat menggambarkan atau mewakili
distribusi frekuensi tersebut.
 Pengujian parameter yang sering dipakai adalah chi-kuadrat, dan
smirnov-Kolmogorov.
 Syarat – syarat batas penentuan sebaran

No. Jenis Distribusi Syarat

1 Normal Cs = 0, Ck = 3
2 Log Normal Cs = 3 Cv = 1,8, Cv = 0,6
3 Gumbel Cs ≤ 1,1396 , Ck ≤ 5,4002
4 Pearson III Cs ≠ 0, Cv = 0,3
5 Log Peason III Cs < 0, Cv = 0,3
Ana lisa Peng jian Kecocokan Seb aran
u
Chi-Kuadrat (Chi-Square)
 Uji Chi-kuadrat dimaksudkan untuk menentukan apakah persamaan distribusi
yang akan dipilih dapat mewakili distribusi statistik sampel data yang
dianalisis.
 Analisa dapat diterima jika nilai
Ch i K u adrat terh it u n g < Ch i-K u adrat K rit is

2
𝑋��ℎ = parameter chi-kuadrat terhitung
G = jumlah sub kelompok
Oi = jumlah nilai pengamatan pada sub kelompok i
Ei = jumlah nilai teoritis pada sub kelompok i
Ana lisa Peng jian Kecocokan Seb aran
u
Chi-Kuadrat (Chi-Square)
 Penentuan Jumlah sub kelompok (G)

G = 1 + 3,322 Log n

 Penentuan Derajat Kebebasan (DK)

DK = G – (P + 1)
Keterangan
nilai P untuk untuk distribusi normal dan binomial = 2
sedangkan untuk distribusi gumbel dan poisson = 1
Ana lisa Peng jian Kecocokan Seb aran
u
Chi-Kuadrat (Chi-Square)
 Menghitung nilai teoritis

 Menghitung interval kelas

Contoh-
2
Berdasarkan data pada Contoh-1. Lakukan uji chi kuadrat untuk data tersebut.

Penyelesaian :
1. Urutkan data pengamatan dari besar ke kecil atau sebaliknya
Curah
No
Hujan
1 129
2 96
3 92
4 76
5 74
6 70
7 70
8 67
9 63
10 61
Contoh-
2
Berdasarkan data pada Contoh-1. Lakukan uji chi kuadrat untuk data tersebut.

Penyelesaian :
2. Penentuan Jumlah sub kelompok

(G) = 1 + 3,322 log 10 = 4,322 ≈ 5

3. Nilai batas sub kelompok :
Contoh-
2
Berdasarkan data pada Contoh-1. Lakukan uji chi kuadrat untuk data tersebut.

Penyelesaian :
Hitung Chi Kuadrat Terhitung

DK = G – (P+1) = 5 – (2+1) = 2 Sub Kelompok Oi Ei Oi - Ei (Oi - Ei)2 (Oi - Ei)2 /Ei

52,5 – 69,5 3 2 1 1 0,5

69,5 – 86,5 4 2 2 4 2
86,5 – 103,5 2 2 0 0 0
103,5 – 120,5 0 2 -2 4 2
120,5 – 137,5 1 2 -1 1 0,5
Chi Kuadrat Terhitung 5

Berdasarkan table chi kuadrat kritis diketahui 5,991 lebih besar dari nilai chi kuadrat terhitung
(5) sehingga analisa distribusi dapat diterima
Tabel Chi-Kuadrat (Chi-Square) Kritis
Tabel Chi-Kuadrat (Chi-Square) Kritis
Ana lisa Peng jian Kecocokan Seb aran
u
Smirnov-Kolmogorov
 Uji kecocokan Smirnov-Kolgomorov sering disebut juga uji kecocokan non
parametrik, karena pengujiannya tidak menggunakan fungsi disribusi tertentu
 Prosedur pelaksanaannya adalah sebagai berikut:
1. Urutkan data (dari besar ke kecil atau sebaliknya) dan tentukan besarnya peluang
dari masing-masing data tersebut.
X1 = P(X1)
X2 = P(X2),
X3 = P(X3), dan seterusnya
2. Urutkan nilai masing-masing peluang teoritis dari hasil penggambaran data (persamaan
distribusinya)
X1 = P’(X1)
X2 = P’(X2)
X3 = P’(X3), dan seterusnya
Ana lisa Peng jian Kecocokan Seb aran
u
Smirnov-Kolmogorov
 Prosedur pelaksanaannya adalah
sebagai berikut:
Tabel Nilai Kritis Do
3. Dari kedua nilai peluang tersebut, Derajat Kepercayaan, α
tentukan selisih tersebarnya antar n
0,2 0,1 0,05 0,01
peluang pengamatan dengan 5 0,45 0,51 0,56 0,67
peluang teoritis. 10 0,32 0,37 0,41 0,49
15 0,27 0,30 0,34 0,40
D = maksimum (P(Xn)-P’(Xn)) 20 0,23 0,26 0,29 0,36
25 0,21 0,24 0,27 0,32
4. Berdasarkan tabel nilai kritis 30 0,19 0,22 0,24 0,29
(Smirnove-Kolmogorov test ) 35 0,18 0,20 0,23 0,27
40 0,17 0,19 0,21 0,25
tentukan harga Do
45 0,16 0,18 0,20 0,24
50 0,15 0,17 0,19 0,23
n>50 1,07/n 1,22/n 1,36/n 1,693/n
Contoh- 3
Berdasarkan data pada Contoh-1. Lakukan uji Smirnov Kolmogorov untuk data
tersebut

Curah
No m
Hujan
1 129 1 0,0909 0,9091 0,1111 0,8889 0,0202
2 96 2 0,1818 0,8182 0,2222 0,7778 0,0404
3 92 3 0,2727 0,7273 0,3333 0,6667 0,0606
4 76 4 0,3636 0,6364 0,4444 0,5556 0,0808
5 74 5 0,4545 0,5455 0,5556 0,4444 0,1010
6 70 6 0,5455 0,4545 0,6667 0,3333 0,1212
7 70 6 0,5455 0,4545 0,6667 0,3333 0,1212
8 67 7 0,6364 0,3636 0,7778 0,2222 0,1414
9 63 8 0,7273 0,2727 0,8889 0,1111 0,1616
10 61 9 0,8182 0,1818 1 0 0,1818
Dmaks 0,1818