KULIAH

HIDROLOGI I
(MKK 4119), 2 SKS

PENGAMPU:
ARNOLDUS NAMA, SST.,MT

PENGUJIAN SERI DATA HUJAN

JURUSAN TEKNIK SIPIL, PNK

2019
 Beberapa rangkaian pengujian dilakuan terhadap seri data (data hujan
atau data debit yang terkumpul sebelum digunakan sebagai data
masukan dalam analisis frekuensi, 2 diantaranya adalah uji konsistensi dan
uji homogenitas.
I. Uji Konsistensi
Uji konsistensi data dimaksudkan untuk mengetahui kebenaran data
lapangan yang dipengaruhi oleh beberapa faktor:
 Perubahan mendadak pada sistem lingkungan hidrologis, antara lain
adanya pembangunan gedung-gedung baru, tumbuhnya pohon-
pohon, gempa bumi, gunung meletus, dan lain-lain.
 Pemindahan alat pengukur hujan.
 Perubahan cara pengukuran, misalnya berhubungan dengan adanya
alat baru atau metode baru.
Jika dari hasil pengujian ternyata data adalah konsisten artinya tidak
terjadi perubahan lingkungan dan cara penakaran, sebaliknya jika
ternyata data tidak konsisten artinya terjadi perubahan lingkungan dan
cara penakaran.
Pengujian konsistensi data hujan dapat dilakukan dengan beberapa
cara, diantaranya:
1. Metode Kurva Massa Ganda (Double Mass Curve)
Dalam metode ini nilai kumulatif seri data yang diuji (stasiun A
misalnya), dibandingkan dengan nilai kumulatif seri data dari stasiun
referensi (stasiun B misalnya). Stasiun referensi (pembanding) dapat
berupa rerata dari beberapa stasiun di dekatnya.
Nilai komulatif seri data digambarkan pada grafik sistem koordinat
kartesius (X-Y). Kurve yang terbentuk kemudian diperiksa untuk
melihat perubahan kemiringan.

Gambar 1.1 Sketsa analisa kurve massa ganda Stasiun A dan B

 Jika kurva berbentuk garis lurus artinya data stasiun A konsisten. Sebaliknya
jika terjadi perubahan/patahan kemiringan bentuk kurva, artinya data
stasiun A tidak konsisten dan perlu dilakukan koreksi (mengalihkan atau
membagi data sebelum atau sesudah perubahan/patahan) dengan faktor
𝛽
koreksi: (1.2)
𝛼
Keterangan:
 = Kemiringan kurva setelah patahan
 = Kemiringan kurva sebelum patahan
2. Rescaled Adjusted Partial Sums (RAPS)
Dalam metode ini, konsistensi data hujan ditunjukkan dengan nilai
kumulatif penyimpangannya terhadap nilai rata-rata berdasarkan
persamaan berikut:
𝑆𝑘 ∗= 𝑘𝑖=1 𝑌𝑖 − 𝑌 (1.3)
𝑌
𝑌= 𝑖 (1.4)
𝑁
Dengan k = 1,2, …….. N; pada saat k = 0 maka Sk*= 0
Jika persamaan (1.3) dibagi dengan deviasi standar (Dy) maka akan diperoleh
Rescaled Adjusted Partial Sums (RAPS) atau dirumuskan sebagai berikut:
𝑆𝑘∗
𝑆𝑘 ∗∗= (1.5)
𝐷𝑦
𝑁 𝑌𝑖 −𝑌 2
𝐷𝑦 2 = 𝑖=1 (1.6)
𝑁
Keterangan rumus (1.2) s/d (1.5):
Sk* : nilai kumulatif penyimpangannya terhadap nilai rata-rata.
Yi : nilai data Y ke-i.
𝑌: nilai Y rata-rata.
N : jumlah data Y.
Sk** : Rescaed Adjusted Partial Sums (RAPS).
Dy : deviasi standar seri data Y.
Setelah nilai Sk** diperoleh untuk setiap k, tentukan nila Q dan R terhitung
dengan rumus:
𝑄 = 𝑆𝑘 ∗∗ 𝑚𝑎𝑘𝑠 𝑎𝑡𝑎𝑢 𝑅 = 𝑆𝑘 ∗∗ 𝑚𝑎𝑘𝑠 − 𝑆𝑘 ∗∗ 𝑚𝑖𝑛
Bandingkan, untuk jumlah data (N) dan derajat kepercayaan () tertentu,
nilai-nilai di bawah ini:
 Q terhitung dengan Qkritis
 R terhitung dengan Rkritis
 Tabel 1.1. Nilai Qkritis dan Rkritis

Jika:
 Q terhitung < Qkritis atau
 R terhitung < Rkritis
maka seri data yang dianalisis adalah konsisten.
 CONTO SOAL 1.1

Diketahui pencatatan data hujan di stasiun A, B, dan C selama kurun waktu 10

tahun adalah seperti Tabel (1.2). Lakukanlah uji konsistensi data hujan stasiun
A dengan Metode Kurve Massa Canda.
Tabel 1.2. Analisis kurva massa ganda untuk soal 1.1
 CONTO SOAL 1.1

Gambar 1.2. Analisis kurva massa ganda contoh soal 1.1

 CONTO SOAL 1.1

Berdasarkan Cambar (1.2) perubahan kemiringan kurve terjadi setelah tahun

2005. Oleh karena itu, data stasiun A dari tahun sebelum atau sesudah tahun
2005 harus dikoreksi. Berdasarkan gambar (1.2) diperoleh:
𝑡𝑔𝛼 = kemiringan kurva sebelum patahan
236.5−72.5
= = 0.48
453−110
𝑡𝑔= kemiringan kurva setelah patahan
756−236.5
= = 1.17
897−453
𝑡𝑔 1.17
Jadi faktor koreksi = = = 2.44
𝑡𝑔𝛼 0.48
Selanjutnya dilakukan koreksi terhadap data stasiun A dari 2005 s/d 2OO7
dengan cara mengalihkan data tersebut dengan faktor koreksi sehingga
diperoleh data seperti Tabel (1.2) dan Cambar (1.3).
 CONTO SOAL 1.1

Tabel 1.3. Analisis kurva massa ganda untuk soal 1.1. setelah koreksi data stasiun A

Data hujan harian maks stasiun Rerata stasiun Komulatif stasiun

Tahun
B dan C
A B C A Referensi
2007 45,08 60,00 85,00 72,50 45,08 72,50
2006 63,93 76,00 59,00 67,50 109,02 140,00
2005 76,64 99,00 94,00 96,50 185,66 236,50
2004 122,00 155,00 73,00 114,00 307,66 350,50
2003 90,00 78,00 97,00 87,50 397,66 438,00
2002 67,00 95,00 144,00 119,50 464,66 557,50
2001 88,00 65,00 167,00 116,00 552,66 673,50
2000 77,00 86,00 79,00 82,50 629,66 756,00
 CONTO SOAL 1.1
800
2000
700
2001
Komulatif Stasiun Pembanding

600
2002
500

2003
400
2004
300

2005
200

2006
100
2007
0
0 100 200 300 400 500 600 700 800
Komulatif stasiun A

Gambar 1.3. Analisis kurva massa ganda stasiun A setelah koreksi

 CONTO SOAL 1.2

Diketahui seri data hujan tahunan seperti tercantum dalam kolom (2) Tabel
(1.4). Tentukan apakah seri data tersebut konsisten atau tidak berdasarkan
Metode RAPS.
Tabel 1.4. Perhitungan konsistensi seri data dengan Metode RAPS
untuk soal 1.2
K Yi Yi - 𝑌 Sk* Dy2 Sk**
(1) (2) (3) (4) (5) (6)
1 1100.00 -1017.85 -1017.85 79693.14 -1.30
2 1890.00 -227.85 -1245.69 3993.37 -1.59
3 2100.00 -17.85 -1263.54 24.50 -1.61
4 1350.00 -767.85 -2031.38 45352.90 -2.59
5 2500.00 382.15 -1649.23 11233.97 -2.10
6 1205.00 -912.85 -2562.08 64099.08 -3.27
7 3190.00 1072.15 -1489.92 88424.14 -1.90
8 2620.00 502.15 -987.77 19396.81 -1.26
9 2184.00 66.15 -921.62 336.64 -1.18
10 3925.00 1807.15 885.54 251215.77 1.13
11 1470.00 -647.85 237.69 32284.97 0.30
12 2320.00 202.15 439.85 3143.55 0.56
13 1678.00 -439.85 0.00 14881.90 0.00
27532 614080.75
 CONTO SOAL 1.2

Keterangan tabel 1.4

𝑌𝑖 27232
 Nilai 𝑌 = = = 2117.85
𝑁 13
𝑁 𝑌𝑖−𝑌 2
 𝐷𝑦 2 = 𝑖=1 = 6 14080.75
𝑁
 Dy = (614080,75)0.5 = 783.63
 Kolom (3) = kolom (2) – 𝑌
 Kolom (4) baris pertama = persamaan (1.5) pada saat k=1 sehingga = kolom
(3) baris pertama.
 Kolom (4) baris ke dua = kolom (4) baris pertama + kolom (3) baris ke dua.
 Kolom (4) baris ke tiga = kolom (4) baris ke dua + kolom (3) baris ke tiga.
 Kolom (4) baris ke empat = kolom (4) baris ke tiga + kolom (3) baris ke
empat.
 Kolom (4) baris ke lima dan seterusnya, cara perhitungannya adalah sama.
 Kolom (5) persamaan (1.8).
2
𝑘𝑜𝑙𝑜𝑚 3
= , N adalah jumlah data = 13
𝑁
𝑆𝑘 ∗ 𝑘𝑜𝑙𝑜𝑚 (4)
 Kolom (6) =Sk**= =
𝐷𝑦 𝐷𝑦
Berdasar tabel 1.3, didapat :
Qterhitung = 𝑆𝑘 ∗∗ 𝑚𝑎𝑘𝑠 = 3.27
 CONTO SOAL 1.2

Berdasarkan Tabel (1.1), jika jumlah data adalah 13 dan derajat kepercayaan
90% maka nilai:
𝑄
 = 1.0655, atau Qkritis = 1.0655 x 𝑁 = 1.0655 x 13 = 3.8417
𝑁
 Qterhitung < Qkritis, maka seri data hujan pada Tabel (1.4) adalah konsisten.
II. Uji Homogenitas
Uji homogenitas dimaksudkan untuk mengetahui apakah seri data yang
terkumpul dari 2 stasiun penakar yang berada di dalam suatu daerah
pengaliran atau salah satu berada di luar daerah pengaliran yang
bersangkutan berasal dari populasi yang sama atau bukan.
Pengujian homogenitas suatu seri data dilakukan dengan Metode Uji-t,
yang rumusnya sebagai berikut:
𝑋1 −𝑋2
𝑡= 1 (1.7)
1 1 2
𝜎 +
𝑁1 𝑁2
1
2 2
𝑁1𝑆1 +𝑁2𝑆2 2
𝜎= (1.8)
𝑁1+𝑁2−2
1
𝑋1𝑖−𝑋1 2 2
𝑆1 = (1.9)
𝑁1−1
1
𝑋2𝑖−𝑋2 2 2
𝑆2 = (1.10)
𝑁2−1
dk = N1 + N2 – 2 (1.11)
Keterangan rumus (1.7 s/d (1.11):
t : variabel -t terhitung.
𝑋1: rata-rata hitung sampel ke-l.
𝑋2 : rata-rata hitung sampel ke-2.
N1 : jumlah sampel set ke-1.
N2 : jumlah sampel set ke-2.
 : deviasi standar.
S1 : varian sampel set ke-l.
S2 : varian sampel set ke-2.
dk : derajat kebebasan.
Berdasarkan hasil perhitungan nilai t (menggunakan persamaan 1.9 s/d 1.13),
akan diperoleh 2 kemungkinan yaitu:
 tterhitung > tcr, atau t kritis; artinya kedua sampel yang diuji tidak berasal dari
populasi yang sama.
 tterhitung < tcr, atau t kritis; artinya kedua sampel yang diuji berasal dari
populasi yang sama.
Jika asumsi homogenitas tidak terpenuhi (tterhitung > tcr), maka yang harus dilakukan
berbeda-beda tergantung pada metode yang digunakan. Uji Anova = asumsi
homogenitas tidak terpenuhi, maka digunakan koreksi uji Brown Forsythe atau
welch’s F. Uji –t (t test) = asumsi homogenitas tidak terpenuhi, digunakan uji
independen t test unequal variance atau menggunakan uji indepedent welch’s test.
Tabel 1.5. Nilai tc (tcr) untuk uji distribusi 2 sisi
 CONTO SOAL 1.3

Contoh soal 3.3:

Diketahui data curah hujan harian maksimum (mm) dari Stasiun A dan Stasiun B,
seperti tercantum dalam kolom (2) dan kolom (5) Tabel (3.4). Hitung tingkat
homogenitas data hujan tersebut dengan Metode uji-t.

Tabel 1.6. Uji Homogenitas Data Huja dengan Metode Uji -t

 CONTO SOAL 1.3

Keterangan tabel:
Kolom (3) : 𝑋1𝑖 − 𝑋1
Kolom (4) : 𝑋1𝑖 − 𝑋1 2
Kolom (6) : 𝑋2𝑖 − 𝑋2
Kolom (7) : 𝑋2𝑖 − 𝑋2 2
Berdasarkan Tabel (1.6) diperoleh nilai-nilai: S1, 52, , t, dan nilai dk sebagai
berikut:
1
𝑋1𝑖 − 𝑋1 2 2
𝑆1 =
𝑁1 − 1
1
71463.6133 2
𝑆1 = = 71.4461
15 − 1
1
𝑋2𝑖 − 𝑋2 2 2
𝑆2 =
𝑁2 − 1
1
4524.5895 2
𝑆2 = = 17.9773
15 − 1
 CONTO SOAL 1.3

1
2 2
𝑁1𝑆1 +𝑁2𝑆2 2
𝜎=
𝑁1+𝑁2−2
1
2 2
15×71.4461 +15×17.9773 2
𝜎= =53.9232
15+15 −2
𝑋1 −𝑋2
𝑡= 1 1 1/2
𝜎 𝑁 +𝑁
1 2
108.3667−91.72670
𝑡= 1 =0.8451
1 1 2
53.9232 +
15 15
Dk = N1 + N2 – 2 = 28
Dari Tabel Nilai t kritis untuk Distribusi-t uji dua sisi (tabel 1.5), dapat dilihat
bahwa untuk dk : 28 dan derajat kepercayaan  = 5% atau t0.05, diperoleh nilai
t tabel : 1 ,701.
Oleh karena t terhitung < t tabel maka dapat disimpulkan bahwa seri data
hujan dari stasiun A dan stasiun B pada Tabel (1.6) adalah homogen atau
berasal dari satu populasi.
Sekian &