Analisis Frekwensi Hujan

Jeffry Swingly Frans Sumarauw

 Analisis Frekwensi adalah,
• Analisis untuk mendapatkan besaran Hujan Rencana (Design Rainfall)
• Hujan Rencana adalah besaran curah hujan yang direncanakan
kemungkinan terjadi. Besaran ini ada hubungannya dengan kala ulang
tertentu.
• Misalnya Hujan Rencana 100 tahun (R100), adalah hujan dengan
besaran tertentu yang secara statistic, peluang terjadinya, p( %) =
1/Tr. P = 1/100 x 100% = 1%.
• Hujan Rencana 50 tahun (R50), adalah hujan dengan besaran tertentu
yg secara statistic peluang terjadinya, p = 1/50 = 2%
- Data Hujan dari berbagai stasiun

- Uji Kwalitas Data

(Uji Data Outlier untuk tiap tiap Stasiun)

- Data Terkoreksi untuk semua Stasiun

- Hitung Hujan Rerata DAS dengan Poligon

Thiessen
- Hitung hujan rencana
Analisis Frekwensi

Distribusi frekwensi yang umum digunakan dalam hidrologi

adalah:
1.Distribusi Normal
2.Distribusi Log-Normal
3.Distribusi Gumbel
4.Distribusi Log Pearson-III

Analisis hidrologi terhadap data hujan yang ada, harus

sesuai dgn tipe distribusi datanya.
 Hujan Rerata
No Tahun (mm)
1 1993 98
2 1994 85 Data hujan rerata harian max (mm)
3 1995 140
4 1996 111
5 1997 108 Kita ingin menghitung hujan rencana,
6 1998 102 misalnya hujan dengan kala ulang 50 tahun,
7 1999 119
8 2000 206 atau 100 tahun.
9 2001 96
10 2002 171
11 2003 108
12 2004 135.5
Kita perlu menganalisis data kita itu menyebar
13 2005 124 mengikuti distribusi apa?
14 2006 176.6
15 2007 162.3
16 2008 124.8
17 2009 137.3 Hujan rencana dihitung dengan rumus
18 2010 143 distribusi yg sesuai
19 2011 155.9
20 2012 107
21 2013 186.6
22 2014 140
Analisis Frekwensi Hujan

Data diurutkan/ diranking

Hitung parameter statistic

(S, X, Cv, Cs, Ck)

Perkiraan awal Jenis sebaran data berdasarkan parameter statistic data.

Sebaran Normal, Log Normal, Gumbel, Log Pearson Type III

Hitung hujan rencana dgn

rumus sebaran yg terpilih

Design Rainfall
(Hujan rencana)
1. Tipe distribusi normal
Distribusi normal disebut juga dengan distribusi Gauss.
Distribusi ini dirumuskan sebagai berikut :
__
X TR  X  S.K -----------------------------------14

2. Tipe distribusi Log normal

Distribusi log normal merupakan hasil transformasi dari distribusi normal
dengan merubah variant x menjadi log variant x
______
log X TR  log X  S log .K --------------------------15
Nilai variable Reduksi
Gauss
(utk distribusi Normal dan Log-
Normal)
 3. Tipe distribusi Gumbell
1. Tipe distribusi Gumbel
Tipe distribusi
1. Tipe distribusiini umumnya digunakan untuk analisis data maksimum.
Gumbel
1. Tipe distribusi Gumbel
Tipe distribusi ini umumnya digunakan
X TR  X
__
untuk
S analisis data maksimum.
.K TR ----------------------------------16
__
Tipe distribusi ini umumnya digunakan untuk analisis data maksimum.
dengan : X TR  X  S .K TR ----------------------------------16
dengan :   
__ 1 
KTR  0.78 ln ln1    0,45 --------------------17
 
 ln
 lnTR
KTR  0.78 
X   X  S.K ----------------------------------16
1  TR1 


TR 
  0,45 --------------------17
   TR 
dengan
2. Tipe :
Distribusi Log Pearson Tipe III
Distribusi
2. Tipe ini merupakan
Distribusi
menjadi
hasil Tipe
Log Pearson
  
Tr log
transformasi
 nilai
III
1 
dari distribusi
dari distribusi Pearson tipe III
1variant
dengan merubah
Distribusi variant x
ini merupakan

hasil
ln 
 LogX
transformasi
xmenjadi
ln
___
 
K  0.78 ln ln1    0,45
variant
Yn x dengan rumus tipe III
Pearson
--------------------17
 
TR
    TR  
dengan merubah variantLogX nilailog .K TR ,Cs x---------------------------18
dengan rumus
Tr S log
KTr LogX
TR ___
TR  LogX  S log .K TR ,Cs ---------------------------18
dengan :
__ Sn
X = curah hujan rata-rata (mm),
2. dengan
Tipe
X Distribusi
TR: X=
__
Log
= Nilai
curah Pearson
curah
hujanhujan Tipe(mm),
pada
rata-rata III
periode ulang yang diharapkan,
Distribusi
S
X
K
TR ini
= merupakan
=
Standart
Nilai
Faktor
curah hasil
Deviasi,
hujan
frekuensi
transformasi
pada
untuk
dari
periode ulang
distribusi normal
distribusi
yang
yang
Pearson tipe III
diharapkan,
tergantung
S = Standart Deviasi,
dengan
K merubah
padavariant
= Faktor Tr x menjadi
(tabel
frekuensidistribusinilai log variant
normal),
untuk distribusi x dengan
normal yang rumus
tergantung
K TR = pada
Faktor
Trfrekuensi Gumbel,___
(tabel distribusi normal),
K TR,Cs
Yn = Reduced LogX  LogX  S log.K
= Faktor frekuensi
Frekuensi
mean, ygGumbel, ---------------------------18
Pearson yang dapat dilihat dari tabel
TR tergantung jumlahTRdata
,Cs
KTR,Cs = Faktor Frekuensi Pearson yang dapat
pearson dengan memperhitungkan nilai dilihat
Cs dari tabel
LogXTR
Sn = Reduced
= pearson
standard
Curah hujan
deviation
tergantung
yang tergantung
pada TR dalam log.
jumlah data
dengan memperhitungkan nilai Cs
Tabel nilai Yn dan Sn
(utk distribusi Gumbell)
 2. Tipe Distribusi Log PearsonTipe III
  1 
KTR  0hasil
Distribusi ini merupakan .78transformasi
ln ln1  daridistribusi
  0,45 --------------------17
Pearson tipe III
dengan merubah variant x 
menjadi
4. Tipe distribusi Log-Pearsson type-IIInilai 
log TR  x dengan rumus
variant
i Log Pearson Tipe III ___
LogX  LogX  S log.K ---------------------------18
TR TR ,Cs
.erupakan
Tipe Distribusihasil transformasi
Log Pearson Tipe III dari distribusi Pe
Distribusi ini merupakan hasil transformasi dari distribusi Pearson tipe III
__
ahdengan
variant : Xx= variant
merubah
dengan menjadix menjadi
curah hujan nilai
nilai
rata-rata log
log
(mm), variant
variant x denganxrumus dengan
___ periode ulang yang diharapkan,
X TR = Nilai curah hujan pada
LogXTR ___LogX  S log.KTR ,Cs ---------------------------18
S
K LogX  LogX  S log.K
__
= Standart Deviasi,
= FaktorTRfrekuensi untuk distribusi normal TR
yang,Cs -------------
tergantung
pada Tr (tabel distribusi normal),
dengan : X = curah hujan rata-rata (mm),
KTR = Faktor frekuensi Gumbel,
X TR = Nilai curah hujan pada periode ulang yang diharapkan,
KTR,Cs = Faktor Frekuensi Pearson yang dapat dilihat dari tabel
S = Standart Deviasi,
pearson denganuntuk
memperhitungkan nilai Csyang tergantung
curah hujan rata-rata (mm),
K = Faktor frekuensi distribusi normal
= Curah hujan tergantung pada TR dalam log.
LogXTR pada Tr (tabel distribusi normal),
Analisis statistic 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. Untuk menghitung parameter-parameter
statistik tersebut digunakan rumus berikut ini.
Kriteria pemilihan awal kesesuaian tipe distribusi berdasarkan parameter statistik.

Secara teoritis, langkah awal penentuan tipe distribusi dapat dilihat dari parameter -
parameter statistik data pengamatan. Parameter-parameter yang
dilakukan adalah CS, CV, dan CK. Kriteria pemilihan untuk tiap tipe distribusi berdasarkan
parameter statistik adalah sebagai berikut ini
1.Tipe distribusi Normal
Jika CS ≈ 0,Ck ≈ 3
2. Tipe distribusi log – Normal
Jika CS ≈ C v^3 + 3 C V
Ck = Cv^8+ 6Cv^6 + 15Cv^4 + 16Cv^2 + 3
3. Tipe distribusi Gumbel
CS ≈ 1,14
Ck ≈ 5,40
Bila Kriteria 3 (tiga) sebaran diatas tidak memenuhi, dianggap tipe sebaran yg cocok adalah :
4. Tipe distribusi log Pearson-III
1. Standart 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
2
1 n __

S    Xi  X  ----------------------------------8
n  1 i 1 

__
dengan : X = curah hujan rata-rata (mm),
Xi = curah hujan pada tahun pengamatan ke-i (mm),
S = standart deviasi,
n = jumlah data curah hujan.

untuk perhitungan dalam nilai log maka persamaan 3.7 harus diubah dahulu
kedalam bentuk logaritmik, sehingga menjadi :
2
1 n __

S log    log Xi  log X  --------------------------9
n  1 i 1 

__
dengan : Log X = curah hujan rata-rata dalam log (mm),
Log Xi = curah hujan pada tahun pengamatan ke-i dalam log
(mm),
Slog = standart deviasi dalam log,
n = jumlah data curah hujan.
1. Koefisien variasi ( Cv )
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 :
S
Cv  __ -----------------------------------------10
X
__
dengan : X = curah hujan rata-rata (mm),
Cv = koefisien variasi,
S = standart deviasi.
1. Koefisien skewness ( Cs )
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
3
n
 __

n  X i  X 
Cs 
i 1
  ---------------------------------11
n  1n  2S 3
__
dengan : X = curah hujan rata-rata (mm),
Xi = curah hujan pada tahun pengamatan ke-i (mm),
n = jumlah data,
S = standart deviasi,
Cs = koefisien Skewness.

untuk perhitungan dalam nilai log seperti pada analisis data outlier maka
persamaan 3.10 harus diubah dahulu kedalam bentuk logaritmik, sehingga
menjadi :
3
n
 ______

n   log X i  log X 
Cslog 
i 1
  ---------------------- ----12
n  1n  2S 3

__
dengan : Log X = curah hujan rata-rata dalam log (mm),
Log Xi = curah hujan pada tahun pengamatan ke-i dalam log (mm),
n = jumlah data,
Slog = standart deviasi,
Cslog = koefisien Skewness.
1. Pengukuran kurtosis ( Ck )
Pengukuran kurtosis dimaksudkan untuk mengukur keruncingan dari
bentuk kurva distribusi, yang umumnya dibandingkan dengan distribusi
normal. Koefisien kurtosis digunakan untuk menentukan keruncingan kurva

 
distribusi
n 4
2n
1 n  X X __
  Xi  Xi

4

Ck  n i 1i1 
n  1n  2n  3S
Ck 
S4
4
----------------------------------13

__
dengan : X = curah hujan rata-rata (mm),
Ck = koefisien Kurtosis,
Xi = nilai curah hujan pada tahun pengamatan ke – i (mm).
 Hujan Rerata Hujan Ln Hujan
No Tahun (mm) m P = m/(N+1) (mm) (mm)
1 1993 98 1 0.043 183.8 5.21
2 1994 85 2 0.087 171.15 5.14
3 1995 140 3 0.130 164 5.10
4
5
1996
1997
111
108
Contoh analisis: 4
5
0.174
0.217
159.8
157
5.07
5.06
6
7
1998
1999
102
119
- Data diurutkan 6
7
0.261
0.304
156
149.65
5.05
5.01
8 2000 206 - Dibuat seri Y 8 0.348 142.75 4.96
9 2001 96 - Hitung probabilitas 9 0.391 142 4.96
10 2002 171 10 0.435 138.4 4.93
11 2003 108 11 0.478 137 4.92
12 2004 135.5 12 0.522 136 4.91
13 2005 124 13 0.565 133.75 4.90
14 2006 176.6 14 0.609 125.5 4.83
15 2007 162.3 15 0.652 125.5 4.83
16 2008 124.8 16 0.696 120 4.79
17 2009 137.3 17 0.739 117.5 4.77
18 2010 143 18 0.783 102.4 4.63
19 2011 155.9 19 0.826 90 4.50
20 2012 107 20 0.870 89.5 4.49
21 2013 186.6 21 0.913 89 4.49
22 2014 140 22 0.957 71.5 4.27
 Hujan Ln Hujan
m P = m/(N+1) Tahun (mm) (mm)
1
2
0.043
0.087
2013
2009
183.8
171.15
5.21
5.14 Parameter
3
4
0.130
0.174
1995
2006
164
159.8
5.10
5.07 statistic data
5 0.217 2002 157 5.06
6 0.261 2000 156 5.05
7 0.304 2007 149.65 5.01 Jumlah Data = 22 22
8 0.348 2011 142.75 4.96 Nilai Rerata (Mean) = 131.918 4.855
9 0.391 1999 142 4.96 Standar Deviasi = 29.456 0.244
10 0.435 2008 138.4 4.93 Koefisien Skewness = -0.385 -0.854
11 0.478 2014 137 4.92
Koefisien Kurtosis = -0.449 0.149
12 0.522 2003 136 4.91
13 0.565 2004 133.75 4.90
Koefisien Variasi = 0.223 0.050
14 0.609 1996 125.5 4.83 Nilai Tengah = 136.5 4.916
15 0.652 2005 125.5 4.83
16 0.696 2010 120 4.79
17 0.739 1993 117.5 4.77 Dari hasil didapat bahwa data lebih
18 0.783 2012 102.4 4.63 mengikuti sebaran Log Pearson-III
19 0.826 1994 90 4.50
20 0.870 1997 89.5 4.49
21 0.913 2001 89 4.49
22 0.957 1998 71.5 4.27
Cek parameter statistic data 1. Cs = -0.385
terhadap syarat tipt distribusi 2. Ck = -0.449
3. Cv = 0.223
peluang
Syarat
1.Tipe distribusi Normal 1. Tidak
Jika CS ≈ 0,Ck ≈ 3 2. Cs = 0.7116
2. Tipe distribusi log – Normal Ck = 3.9138
Jika CS ≈ C v^3 + 3 C V Tidak
Ck = Cv^8+ 6Cv^6 + 15Cv^4 + 16Cv^2 + 3 3. Tidak
3. Tipe distribusi Gumbel 4. OK
CS ≈ 1,14
Ck ≈ 5,40
Bila Kriteria 3 (tiga) sebaran diatas tidak memenuhi, dianggap tipe sebaran yg
cocok adalah :
4. Tipe distribusi log Pearson-III
 2. Tipe Distribusi Log PearsonTipe III
  1 
KTR  0hasil
Distribusi ini merupakan .78transformasi
ln ln1  daridistribusi
  0,45 --------------------17
Pearson tipe III
hujan rencana  nilai log variant
dengan merubah variant x menjadi
Hitung dengan TR  x dengan rumus
menggunakan
i Log Pearson Tipe III
___
LogXTR  LogX  S log.KTR
Tipe distribusi Log-Pearsson ,Cs ---------------------------18
type-III
.erupakan hasil transformasi dari distribusi Pe
Tipe Distribusi Log Pearson Tipe III
Distribusi ini merupakan hasil transformasi dari distribusi Pearson tipe III
__
ahdengan
variant : Xx= variant
merubah
dengan menjadix menjadi
curah hujan nilai
nilai
rata-rata log
log
(mm), variant
variant x denganxrumus
dengan
___ periode ulang yang diharapkan,
X TR = Nilai curah hujan pada
LogXTR ___LogX  S log.KTR ,Cs ---------------------------18
S
K LogX  LogX  S log.K
__
= Standart Deviasi,
= FaktorTRfrekuensi untuk distribusi normal TR
yang,Cs -------------
tergantung
pada Tr (tabel distribusi normal),
dengan : X = curah hujan rata-rata (mm),
KTR = Faktor frekuensi Gumbel,
X TR = Nilai curah hujan pada periode ulang yang diharapkan,
KTR,Cs = Faktor Frekuensi Pearson yang dapat dilihat dari tabel
S = Standart Deviasi,
pearson denganuntuk
memperhitungkan nilai Csyang tergantung
curah hujan rata-rata (mm),
K = Faktor frekuensi distribusi normal
= Curah hujan tergantung pada TR dalam log.
LogXTR pada Tr (tabel distribusi normal),
 -0.3 1.89 2.104
-0.385 1.8424 2.04025
-0.4 1.834 2.029

Log X50 = 4.855+ (0.244 * 1.8424)

= 5.3045
X50 = 201.25 mm
Tugas 3
• Dari data hujan rerata anda, hitung Hujan Rencana (Design Rainfall)
untuk kala ulang 25, 50 dan 100 tahun
• Hitung untuk ke empat jenis sebaran (Normal, Log-Normal, Gumbell,
Log Pearsson-III)
• Tentukan sebaran apa yang paling tepat.

Deadline tugas,
Sekian, Terima kasih