Analisis Frekuensi Curah Hujan Rencana

Untuk menentukan besaran debit banjir pada suatu periode ulang tertentu, diperlukan
curah hujan dengan periode ulang yang sesuai. Akan tetapi data curah hujan yang tersedia,
biasanya sangat terbatas, misalnya 20 th, 25 th, dst, sedangkan untuk evaluasi kapasitas
sungai diperlukan debit dengan periode ulang beberapa periode ulang yang lain. Untuk
mengatasi hal ini, maka terhadap data curah hujan yang sangat terbatas tersebut dilakukan
analisis frekuensi, yaitu memperkirakan besar curah hujan dengan periode ulang yang
diinginkan berdasarkan frekuensi terjadinya hujan yang tercatat oleh data yang ada.
1. Parameter Statistik
Besarnya dapat dilakukan pengukuran dispersi, yakni melalui perhitungan
parametrik statistik untuk (Xi- X́ ), (Xi- X́ )2, (Xi- X́ )3, (Xi- X́ )4.
Keterangan:
Xi = Besarnya curah hujan daerah ( mm ).
X́ = Rata-rata curah hujan maksimum daerah ( mm ).
Macam - macam perhitungan parameter statistik:
a. Nilai rata-rata
n
1
X́ = ∑ Xi .........................................................................(II.2)
n i=1
Keterangan:
n = jumlah data.
b. Deviasi Standar (S)

................................................................(II.3)
Keterangan:
S = Deviasi Standar.
X́ = Nilai rata-rata variat ( mm ).
Xi= Nilai Variat ke-i ( mm ).
n = jumlah data.
c. Koefisien Skewness (CS)
Perhitungan koefisien skewness digunakan persamaan sebagai berikut:

............................................................................(II.4)
Keterangan:
 CS = koefisien Skewness.
S = standar deviasi.
d. Koefisien Kurtosis (CK)
X
Xi− ´¿
¿
¿4
Ck = ¿ ............................................................................. (II.5)
¿
n
n2 x ∑ ¿
i=1
¿
e. Koefisien Variasi (CV)
Perhitungan koefisien variasi digunakan persamaan sebagai berikut
S
Cv ¿ ........................................................................................(II.6)
X́

Keterangan:
CV = Koefisien variasi.
X́ = Nilai rata-rata varian.
S = Standar deviasi.
2. Analisis Jenis Sebaran
Ada beberapa metode analisis distribusi untuk mengestimasi kejadian dengan
frekuensi tertentu. Analisis distribusi yang dipakai dalam perhitungan adalah:
a. Metode Distribusi Normal
Fungsi densitas peluang normal dari variabel acak kontinyu X, dapat ditulis
sebagai berikut:

−1 X−μ 2
P( X ) =
1
e
2 σ( )
σ √2 π ....................................................................(II.7)
dengan :
P(X) = fungsi densitas peluang normal (ordinat kurva normal).
X = variabel acak kontinyu.
 = rata-rata dari nilai X.
 = standar deviasi dari nilai X.

Apabila variabel X ditulis dalam periode berikut:

 X−μ
z=
σ
................................................................................... (II.8)

maka persamaan menjadi

1 2
1 −2 z
P( z) = e .. .. .. . .... . .... . .. .. . .. .. ... .. ... .. ... ..... ..... .... . .... . ....
√ 2π (II-9)
dengan z adalah satuan standar, yang terdistribusi normal dengan rerata nol dan
deviasi standar satu. Persamaan dapat ditulis dalam bentuk:
X =  + z...................................................................................... (II.10)
Dimana z adalah faktor frekuensi dari distribusi normal. Pada umumnya,
faktor frekuensi dari distribusi statistik diberi notasi K. Fungsi densitas kumulatif
(CDF) dapat diturunkan dengan integrasi dari fungsi densitas probabilitas yang
menghasilkan:
z 1 2
1 − z
F( z ) = ∫
√2π −∞
e 2 ..... .. ........ .................... .. ......... .......... .......(II .11)

Harto dalam Triatmodjo (2006) memberikan sifat-sifat distribusi normal, yaitu

nilai kemencengan (skewness) sama dengan nol (Cs ≈ 0) dan nilai koefisien
kurtosis Ck ≈ 3. Selain itu terdapat sifat-sifat distribusi frekuensi kumulatif berikut
ini.
P( X́ – s) = 15,87 %.
P( X́ ¿ = 50 %.
P( X́ + s) = 84,14 %.
Kemungkinan variat berada pada daerah ( x́ – s) dan ( x́+ ¿ s) adalah
68,27 % dan yang berada antara ( x́ – 2s) dan ( x́ + 2s) adalah 95,44%.

Tabel II.2 Probabilitas kumulatif distribusi normal standar

z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6417
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7937 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545

Tabel 2.2 Probabilitas kumulatif distribusi normal standar (lanjutan)

z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09

1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633

1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996
(Sumber: Triatmodjo, 2006:220)

b. Metode Distribusi Gumbel

Persamaan Gumbel untuk periode ulang Tr :

X Tr = X + S x (0,78 y − 0,45)
..................................................... (II.12)

T −1
(
Y = −ln −ln
T )
. .. ... .. .. . .. .. .. . .. .. ... .. . .... . .. ... .. .. . .. .. .. . .. .. ... .. . ...( II . 13)
ketera
ngan :
X = nilai rata-rata
Sx = simbangan baku
Y = perubahan reduksi
Bentuk lain dari Persamaan Gumbel :
 X t = X + K .S x (II.14)
...........................................................................
keterangan:
Xt = besaran yang diharapkan terjadi dalam t tahun.
T = periode ulang.

X = harga pengamatan rata-rata.

K = faktor frekuensi.

Sx = standar deviasi.

Harga K tergantung dari banyaknya data dan besarnya periode ulang yang
dikehendaki, dengan rumus

Y t −Y n
K=
Sn .............................................................................(II.15)
sehingga rumus Gumbel menjadi ;

Yt = reduced variate.
Yn = reduced mean.
Sn = reduced standar deviasi.

Y t −Y n
X t = X a+
( Sn )
. S D .. .. . .. .. .. . .. .. . .. .. . .. .. . .. .. . .. .. . .. .. .. . .. .. . .. .. .( II . 16 )
Distrib
usi Gumbel mempunyai sifat bahwa koefisien skewness Cv = 1,1396 dan koefisien
kurtosis Ck = 5,4002. (Harto dalam Triatmodjo, 2006: 225)

Berikut di bawah ini adalah tabel II.3 untuk mencari nilai Yn dan Sn.
Tabel II.3 Nilai Yn dan Sn
n Yn N Sn
10 0,4592 10 0,9496
11 0,4996 11 0,9676
12 0,5053 12 0,9933
13 0,5070 13 0,9971
14 0,5100 14 1,0095
15 0,5128 15 1,0206
16 0,5157 16 1,0316
17 0,5181 17 1,0411
18 0,5202 18 1,0493
19 0,5220 19 1,0565
20 0,5236 20 1,0628
21 0,5252 21 1,0696

Tabel II.3 Nilai Yn dan Sn (Lanjutan)

n Yn N Sn
22 0,5268 22 1,0754
23 0,5283 23 1,0811
24 0,5296 24 1,0864
25 0,5309 25 1,0915
26 0,5320 26 1,1961
27 0,5332 27 1,1004
28 0,5343 28 1,1047
29 0,5353 29 1,1086
30 0,5362 30 1,1124
31 0,5371 31 1,1159
32 0,5380 32 1,1193
33 0,5388 33 1,1226
34 0,5396 34 1,1255
35 0,5402 35 1,1285
36 0,5410 36 1,1313
37 0,5418 37 1,1339
38 0,5424 38 1,1363
39 0,5430 39 1,1388
40 0,5436 40 1,1413
41 0,5442 41 1,1436
42 0,5448 42 1,1458
43 0,5453 43 1,1480
44 0,5458 44 1,1499
45 0,5463 45 1,1519
46 0,5468 46 1,1538
47 0,5473 47 1,1557
48 0,5477 48 1,1574
49 0,5481 49 1,1590
50 0,5485 50 1,1607
51 0,5489 51 1,1623
52 0,5493 52 1,1638
53 0,5497 53 1,1658
54 0,5501 54 1,1667
55 0,5504 55 1,1681
56 0,5508 56 1,1696
57 0,5511 57 1,1708
58 0,5518 58 1,1721

Tabel II.3 Nilai Yn dan Sn (Lanjutan)

n Yn N Sn
59 0,5518 59 1,1734
60 0,5521 60 1,1747
61 0,5524 61 1,1759
62 0,5527 62 1,1770
63 0,5530 63 1,1782
64 0,5533 64 1,1793
65 0,5535 65 1,1803
66 0,5538 66 1,1814
67 0,5540 67 1,1824
68 0,5543 68 1,1834
69 0,5545 69 1,1844
70 0,5548 70 1,1854
71 0,5550 71 1,1863
72 0,5552 72 1,1873
73 0,5555 73 1,1881
74 0,5557 74 1,1890
75 0,5559 75 1,1898
76 0,5561 76 1,1906
77 0,5563 77 1,1915
78 0,5565 78 1,1923
79 0,5567 79 1,1930
80 0,5569 80 1,1938
81 0,5570 81 1,1945
82 0,5572 82 1,1953
83 0,5574 83 1,1959
84 0,5576 84 1,1967
85 0,5578 85 1,1973
86 0,5580 86 1,1980
87 0,5581 87 1,1987
88 0,5583 88 1,1994
89 0,5585 89 1,2001
90 0,5586 90 1,2007
91 0,5587 91 1,2013
92 0,5589 92 1,2020
93 0,5591 93 1,2026
94 0,5592 94 1,2032
95 0,5593 95 1,2038
 (Sumber: Triatmodjo, 2006:227)

Tabel Nilai Yt
Periode Ulang ( T ) Yt
2 0,3665
5 1,4999
10 2,2502
20 2,9702
25 3,1985
50 3,9019
100 4,6001
200 5,2950

c. Metode Distribusi Log Person Tipe III

Perkiraan besarnya probabilitas hujan rencana dengan periode ulang T tahun
dengan metode ini menggunakan perumusan :
Log XTr = log´ X +k. S . log
´ X ................................................(II.17)
Keterangan:
n

log´ X =
∑ log Xi ................................................................(II.18)
i=1
n

√
n

´ X =
S . log ∑ (log Xi− log´ X ) ² .......................................(II.19)
i=1
n−1
n
3
n ∑ ( log X i − log X )
i=1
Cs = ..........................................................( II .20 )
( n−1 ) ( n−2 ) ( S̄ log x )3
XT = Curah Hujan Rencana Periode Ulang T Tahun ( mm ).
S = Standar Deviasi.
n = Jumlah Data.
Cs = Koefisien Kemencengan.
Berikut di bawah ini adalah tabel II.4 untuk mencari nilai k pada persamaan
log pearson III.
 Tabel II.4 Nilai k untuk Log Pearson III
Periode Ulang
Cs
2 5 10 20 25 50 100 200 500 1000
3, - 0,42 1,18 1,91 2,27 3,15 4,05 4,97 5,82 7,25
0 0,360 0 0 2 8 2 1 0 5 0
2, - 0,51 1,25 1,92 2,26 3,04 3,84 4,65 5,38 6,60
5 0,360 8 0 5 2 8 5 2 3 0
2, - 0,57 1,28 1,92 2,24 2,97 3,70 4,44 5,10 6,20
2 0,330 4 4 1 0 0 5 4 3 0
2, - 0,60 1,30 1,91 2,21 2,91 3,60 4,29 4,90 5,91
0 0,307 9 2 3 9 2 5 8 3 0
1, - 0,64 1,31 1,90 2,19 2,84 3,49 4,14 4,71 5,66
8 0,282 3 8 1 3 8 9 7 4 0
1, - 0,67 1,32 1,88 2,16 2,78 3,38 3,99 4,51 5,39
6 0,254 5 9 5 3 0 8 0 5 0
1, - 0,70 1,33 1,86 2,12 2,70 3,27 3,82 4,30 5,110
4 0,225 5 7 4 8 6 1 8 9
1, - 0,73 1,34 1,83 2,08 2,62 3,14 3,66 4,09 4,82
2 0,195 2 0 8 7 6 9 1 6 0
1, - 0,75 1,34 1,80 2,04 2,54 3,02 3,48 3,88 4,54
0 0,164 8 0 9 3 2 2 9 3 0
0, - 0,76 1,33 1,79 2,01 2,49 2,95 3,40 3,77 4,39
9 0,148 9 9 2 8 8 7 1 4 5
0, - 0,78 1,33 1,77 1,99 2,45 2,89 3,31 3,66 4,25
8 0,132 0 6 7 8 3 1 2 4 0
0, -0,116 0,79 1,33 1,75 1,96 2,40 2,82 3,22 3,55 4,10
7 0 3 6 7 7 4 3 4 5
0, - 0,80 1,32 1,73 1,93 2,35 2,75 3,13 3,44 3,96
6 0,099 0 8 5 9 9 5 2 3 0
0, - 0,80 1,32 1,71 1,91 2,311 2,68 3,04 3,33 3,81
5 0,083 8 3 4 0 6 1 1 5
 Tabel II.4 Nilai k untuk Log Pearson III (Lanjutan)
Periode Ulang
Cs
2 5 10 20 25 50 100 200 500 1000
0,4 - 0,81 1,31 1,69 1,88 2,26 2,61 2,94 3,21 3,670
0,066 6 7 2 0 1 5 9 9
0,3 - 0,82 1,30 1,66 1,84 2,211 2,54 2,85 3,10 3,525
0,050 4 9 9 9 4 6 7
0,2 - 0,83 1,30 1,64 1,81 2,15 2,47 2,76 2,99 3,380
0,033 0 1 6 8 9 2 3 4
0,1 - 0,83 1,29 1,62 1,78 2,10 2,40 2,67 2,88 3,235
0,017 6 2 1 5 7 0 0 2
0,0 0,000 0,84 1,28 1,59 1,75 2,05 2,32 2,57 2,76 3,090
2 2 5 1 4 6 6 9
- 0,017 0,83 1,27 1,59 1,76 2,00 2,25 2,48 3,03 3,950
0,1 6 0 7 1 0 2 2 3
- 0,033 0,85 1,25 1,53 1,68 1,94 2,17 2,38 2,54 2,810
0,2 0 8 9 0 5 8 8 6
- 0,050 0,85 1,24 1,51 1,64 1,89 2,10 2,29 2,43 2,675
0,3 3 5 0 3 0 4 4 7
- 0,066 0,85 1,23 1,48 1,60 1,83 2,02 2,20 2,32 2,540
0,4 5 1 1 6 4 9 1 8
- 0,083 0,85 1,21 1,45 1,56 1,77 1,95 2,10 2,21 2,400
0,5 6 6 0 7 7 5 8 8
- 0,099 0,85 1,20 1,41 1,52 1,72 1,88 2,01 2,113 2,275
0,6 7 0 9 8 0 0 6
- 0,116 0,85 1,18 1,38 1,48 1,66 1,80 1,92 2,01 2,150
0,7 7 3 6 8 3 6 6 0
- 0,132 0,85 1,16 1,35 1,44 1,60 1,73 1,83 1,911 2,035
0,8 6 6 4 8 6 3 7
- 0,148 0,85 1,14 1,32 1,40 1,54 1,66 1,74 1,80 1,910
0,9 4 7 0 7 9 0 9 9
- 0,164 0,85 1,12 1,28 1,36 1,49 1,58 1,66 1,71 1,800
1,0 2 8 7 6 2 8 4 5
- 0,195 0,84 1,08 1,21 1,28 1,37 1,44 1,50 1,54 1,625
1,2 4 6 7 2 9 9 1 8
- 0,225 0,83 1,04 1,14 1,19 1,27 1,31 1,35 1,39 1,465
1,4 2 1 6 8 0 8 1 4
- 0,254 0,81 0,99 1,07 1,116 1,16 1,19 1,21 1,24 1,280
1,6 7 4 5 6 7 6 0
- 0,282 0,79 0,94 1,00 1,03 1,06 1,08 1,09 1,10 1,130
1,8 9 5 5 5 9 7 7 9
- 0,307 0,77 0,89 0,93 0,95 0,98 0,99 1,99 1,62 1,000
2,0 7 5 8 9 0 0 5 2
- 0,330 0,75 0,84 0,87 0,88 0,90 0,90 0,90 0,90 0,910
2,2 2 4 3 8 0 5 7 8
- 0,360 0,711 0,77 0,78 0,79 0,79 0,79 0,80 0,80 0,802
2,5 1 6 3 8 9 0 1
 - 0,396 0,63 0,66 0,66 0,66 0,66 0,66 0,66 0,66 0,668
3,0 6 0 4 6 6 7 7 7
(Sumber: Triatmodjo, 2006:233)

d. Distribusi Log Normal

Transformasi dari distribusi normal dengan mengubah varian X menjadi nilai
logaritmix varian X, dapat juga dari distribusi Log Person Tipe III. Koefisien
kemencengan atau CS = 3 CV + CV3, dan nilai kortosis: Ck = Cv8 + 6Cv6 + 15Cv4 +
16Cv2 + 3.

II.4.1 Uji Kesesuaian Distribusi Frekuensi Curah Hujan Rencana

Uji kesesuaian distribusi dimaksudkan untuk mengetahui apakah distribusi yang
dipilih dapat digunakan atau tidak untuk serangkaian data yang tersedia. Dalam studi ini,
untuk keperluan analisis uji kesesuaian distribusi digunakan metode statistik, yaitu Metode
Chi Kuadrat dan Metode Smirnov-Kolmogorov.
1. Metode Chi Kuadrat
n 2
(Oi−Ei)
X2 = ∑ Ei ................................................................(II.21)
t =1

Keterangan:
X2 = Parameter Chi kuadrat terhitung.
Ei = Frekuensi (banyak pengamatan) yang diharapkan sesuai dengan
pembagian kelasnya.
Oi = Frekuensi yang terbaca pada kelas yang sama.
n = jumlah Sub kelompok dalam satu grup.
Nilai X2 yang diperoleh harus lebih kecil dari nilai X2cr (Chi – Kuadrat kritik),
untuk suatu derajat nyata tertentu, yang sering diambil 5%. Derajat kebebasan
dihitung dengan persamaan:
DK = K – (ɑ + 1)........................................................................(II.22)
Keterangan: DK = Derajat kebebasan
K = banyaknya kelas
ɑ = banyaknya keterikatan (banyaknya parameter) = 2.
Nilai X2cr diperoleh dari tabel, disarankan agar banyakan kelas tidak kurang dari 5
dan frekuensi absolut tiap kelas tidak kurang dari 5 pula.
Prosedur Uji Chi-Kuadrat adalah:
a. Urutkan data pengamatan (dari besar ke kecil atau sebaliknya).
b. Kelompokkan data menjadi k subgrup, tiap-tiap sub grup minimal empat data
pengamatan. Tidak ada aturan yang pasti tentang penentuan jumlah kelas (grup),
H.A. Sturges pada tahun 1926 mengemukakan suatu perumusan untuk
menentukan banyaknya kelas, yaitu
k =1+3. 322 log(n ) ………………………………………………(II.23)
Keterangan:
k : banyaknya kelas
n : banyaknya nilai observasi (data)
c. Jumlahkan data pengamatan sebesar Of untuk tiap-tiap sub grup.
d. Jumlahkan data dari persamaan distribusi yang digunakan sebesar Ef.
e. Tiap-tiap subgrup hitung nilai:
(Oi−Ei )2
( Oi−Ei )2 dan Ei …………………………………. (II.24)

(Oi−Ei )2
f. Jumlahkan seluruh K sub grup nilai Ei untuk menentukan nilai Chi-
Kuadrat hitung.
g. Menentukan derajat kebebasan DK = K – (ɑ + 1).
Interpretasi hasilnya adalah:
a. Apabila peluang lebih besar dari 5 %, maka persamaan distribusi teoritis yang
digunakan dapat diterima.
b. Apabila peluang lebih kecil dari 1 %, maka persamaan distribusi teoritis yang
digunakan tidak dapat diterima.
c. Apabila peluang berada diantara 1 % sampai 5 %, adalah tidak mungkin
mengambil keputusan, maka perlu penambahan data.
Berikut di bawah ini adalah tabel II.5 yang menunjukkan harga X2 kritis.
Tabel II.5 Nilai Kritis untuk Distribusi Chi Kuadrat

Derajat
Bebas 0,200 0,100 0,050 0,010 0,001
(Dk)
1 1,642 2,706 3,841 6,635 10,827
2 3,219 4,605 5,991 9,210 13,815
3 4,642 6,251 7,815 11,345 16,268
4 5,989 7,779 9,488 13,277 18,465
 5 7,289 9,236 11,070 15,086 20,517
6 8,558 10,645 12,592 16,812 22,457
7 9,803 12,017 14,067 18,475 24,322
8 11,030 13,362 15,507 20,090 26,125
9 12,242 14,987 16,919 21,666 27,877
10 13,442 15,987 18,307 23,209 29,588
11 14,631 17,275 19,675 24,725 31,264
12 15,812 18,549 21,026 26,217 32,909
13 16,985 19,812 22,362 27,688 34,528
14 18,151 21,064 23,685 29,141 36,123
15 19,311 22,307 24,996 30,578 37,697
(Sumber: Triatmodjo, 2006:240)

2. Metode Smirnov – Kolmogorov

Kecocokan sebaran dengan cara ini dinilai lebih sederhana dibanding dengan
pengujian dengan cara Chi-Kuadrat. Dengan membandingkan probabilitas untuk tiap
variat dari distribusi empiris dan teoritisnya maka didapat perbedaan (Δ) tertentu.
Prosedur perhitungan dari smirnov-kolmogorov adalah sebagai berikut:
1. Urutkan data (dari besar ke kecil atau sebaliknya) dan tentukan besarnya peluang
dari masing-masing data tersebut.
2. Tentukan nilai masing-masing peluang teoritis dari hasil penggambaran data
(persamaan distribusinya).
3. Dari kedua nilai peluang tersebut tentukan selisih terbesarnya antara peluang
pengamatan dengan peluang teoritis.
D = maksimum [ P(Xm) – P`(Xm)].......................................... (II.25)
4. Berdasarkan tabel nilai kritis (Smirnov-Kolmogorovtest) tentukan harga D0.
Apabila D < D0 maka distribusi teoritis yang digunakan dapat diterima, apabila D
> D0 maka distribusi teoretis yang digunakan distribusi tidak dapat diterima. Berikut
di bawah ini adalah tabel II.6 yang menunjukkan harga D kritis.

Tabel II.6 Harga ∆ Kritis untuk Uji Keselarasan Smirnov Kolmogorov

∆
0,200 0,100 0,050 0,010
N
5 0,45 0,51 0,56 0,67
0 0 0 0
10 0,32 0,37 0,41 0,49
0 0 0 0
15 0,27 0,30 0,34 0,40
 0 0 0 0
20 0,23 0,26 0,29 0,36
0 0 0 0
25 0,21 0,24 0,27 0,32
0 0 0 0
30 0,19 0,22 0,24 0,29
0 0 0 0
35 0,18 0,20 0,23 0,27
0 0 0 0
40 0,17 0,19 0,21 0,25
0 0 0 0
45 0,16 0,18 0,20 0,24
0 0 0 0
50 0,15 0,17 0,19 0,23
0 0 0 0
1,07 1,22 1,36 1,63
n > 50 n0,5 n0,5 n0,5 n0,5
(Sumber: Triatmodjo, 2006:241)