KULIAH

HIDROLOGI I
(MKK 4119), 2 SKS

PENGAMPU:
ARNOLDUS NAMA, SST.,MT

UJI DISTRIUSI PROBABILITAS

JURUSAN TEKNIK SIPIL, PNK

2019
Uji distribusi probabilitas dimaksudkan untuk mengetahui apakah persamaan
distribusi probabilitas yang dipilih dapat mewakili distribusi statistik sampel data
yang dianalisis.

1. Metode Chi-Kuadrat (2)

Rumus yang digunakan dalam perhitungan dengan Metode Uji Chi-Kuadrat adalah
sebagai berikut:
𝑂𝑓−𝐸𝑓 2
2 = 𝑛
σ𝑖=1 (4.1)
𝐸𝑓
Keterangan rumus:
2 = Parameter Chi-Kuadrat terhitung.
Ef = Frekuensi yang diharapkan sesuai dengan pembagian kelas-nya.
Of = Frekuensi yang diamati pada kelas yang sama.
n = Jumlah sub kelompok.
Derajat nyata atau derajat kepercayaan () tertentu yang sering diambil adalah
5%. Derajat kebebasan (Dk) dihitung dengan rumus:
Dk = K – (p + 1) (4.2)
K = 1 + 3,3log n (4.3)
Keterangan rumus:
Dk = Denjat kebebasan.
P = Banyaknya parameter, untuk uji Chi-Kuadrat adalah 2.
K = Jumlah kelas distribusi.
n = Banyaknya data
Selanjutnya distribusi probabilitas yang dipakai untuk menentukan curah hujan
rencana adalah distribusi probabilitas yang mempunyai simpangan maksimum
terkecil dan lebih kecil dari simpangan kritis, atau dirumuskan sebagai berikut:
2  2cr (4.4)
Keterangan rumus:
2 = parameter Chi-Kuadrat terhitung.
2cr = parameter Chi-Kuadrat Kritis/ Chi-Kuadrat tabel (lihat Tabel 4.1).
Prosedur perhitungan dengan menggunakan dengan Metode Uji Chi-Kuadrat adalah
sebagai berikut:
1. Urutkan data dari besar ke kecil atau sebaliknya.
2. Menghitung jumlah kelas.
3. Menghitung derajat kebeasan (Dk) dan 2cr .
4. Menghitung kelas distribusi.
5. Menghitung interval kelas.
6. Perhitungan nilai 2.
7. Bandingkan nilai 2 terhadap 2cr.
Tabel 4.1. Nilai parameter Chi-Kuadrat Kritis, 2cr (uji satu sisi)
 Contoh soal 4.1

Berdasarkan soal (3.1), soal (3.2), soal (3.3), dan soal (3.4) tentukanlah
dengan Metode Chi Kuadrat kesesuaian masing-masing distribusi
probabilitas (Gumbel, Normal, Log Normal, dan Log Pearson Type lll)
terhadap distribusi statistik sampel data yang dianalisis.
Jawaban soal 4.1:
1. Data hujan diurut dari besar ke kecil.
Tabel 4.2. Pengurutan Data Hujan dari Besar ke Kecil
 Contoh soal 4.1

2. Menghitung jumlah kelas.

Jumlah data (n) = 10
Jumlah Kelas (K) = 1 + 3,3 log n = 1 + 3,3 log10 = 4,3 → 5 kelas
3. Menghitung derajat kebeasan (Dk) dan 2cr
• Parameter (p) = 2
• Derajat kebebasan (Dk) = K – (P + 1) = 5 – (2 + 1) = 2
• Nila 2cr dengan jumlah data (n) = 10,  = 5%, Dk = 2 adalah = 5,9910 (lihat
tebel 4.1)
4. Menghitung kelas distribusi
1 1
• Kelas distribusi = × 100 = × 100 = 20%, interval distribusi
𝐾 5
• adalah: 20%: 40%: 60%: 80%
• Persentase 20%
1 1
𝑃(𝑥) = 20% 𝑑𝑖𝑝𝑒𝑟𝑜𝑙𝑒ℎ 𝑇 = = = 5 𝑡𝑎ℎ𝑢𝑛
𝑃𝑥 0,2
• Persebtase 40%
1 1
𝑃(𝑥) = 40% 𝑑𝑖𝑝𝑒𝑟𝑜𝑙𝑒ℎ 𝑇 = = = 2,5 𝑡𝑎ℎ𝑢𝑛
𝑃𝑥 0,4
• Persentase 60%
1 1
𝑃(𝑥) = 60% 𝑑𝑖𝑝𝑒𝑟𝑜𝑙𝑒ℎ 𝑇 = = = 1,67 𝑡𝑎ℎ𝑢𝑛
𝑃𝑥 0,6
 Contoh soal 4.1

• Persentase 80
1 1
𝑃(𝑥) = 80% 𝑑𝑖𝑝𝑒𝑟𝑜𝑙𝑒ℎ 𝑇 = = = 1,25 𝑡𝑎ℎ𝑢𝑛
𝑃𝑥 0,8
5. Menghitung interval kelas
a. Distribusi probabilitas Gumbel
Dengan jumlah data (n) = 10 maka didapatkan nilai:
Yn = 0,4952 (lihat tebel 3.3)
Sn = 0,9497 (lihat tebel 3.3)
𝑇−1
Yt = −𝐿𝑛 − 𝐿𝑛
𝑇
𝑌𝑡−𝑌𝑛 𝑌𝑡−0,4952
K= =
𝑆𝑛 0,9497
Sehingga :
• T = 5; Yt = 1,4999, maka K = 1,0579
• T = 2,5; Yt = 0,6717, maka K = 0,1859
• T = 1,67; Yt = 0,0907, maka K = -0,4259
• T = 1,25; Yt = -0,4759, maka K = -1,0225
ത 105,97 (lihat contoh soal 3.1)
Nilai 𝑋=
Nilai S = 22,37 (lihat contoh soal 3.1)
Maka interval kelas:
XT = 105,97 + 22,37 x K
 Contoh soal 4.1

Sehingga
• X5 = 129,6334 mm
• X2,5 = 110,1277 mm
• X1,67 = 96,4425 mm
• X1,25 = 83,0980 mm
b. Distribusi probabilitas Normal
Nilai KT berdasarkan nilai T dari Tabel 3.5, didapat:
• T = 5, maka KT = 0,84
• T = 2,5, maka KT = 0,25
• T = 1,67, maka KT = -0,25
• T = 1,25, maka KT = -0,84
Interval kelas:
𝑋𝑇 = 𝑋ത + 𝐾𝑇𝑆 = 105,97 + 22,37 × 𝐾𝑇
Sehingga:
• X5 = 124,76 mm
• X2,5 = 111,56 mm
• X1,67 = 100,38 mm
• X1,25 = 87,18 mm
 Contoh soal 4.1

c. Distribusi probabilitas Log Normal

Nilai KT berdasarkan nilai T dari Tabel 3.5, didapat:
• T = 5, maka KT = 0,84
• T = 2,5, maka KT = 0,25
• T = 1,67, maka KT = -0,25
• T = 1,25, maka KT = -0,84
Nilai log 𝑋 = 2,0165 (Lihat contoh soal 3.3)
Nilai S log X = 0,0917 (Lihat contoh soal 3.3)
Interval kelas log XT = log 𝑋 + KT x S logX = 2,0165 + KT x 0,0917
Sehingga:
• X5 = 124,03 mm
• X2,5 = 109,50 mm
• X1,67 = 98,53 mm
• X1,25 = 86,99 mm
 Contoh soal 4.1

d. Distribusi probabilitas Log Pearson Type III

Nilai K, dihitung berdasarkan nilai Cs arau G = 0,0686 dan Nilai T untuk
berbagai periode ulang (lihat tabel 3.7a atau tabel 3.7b) adaiah;
• T = 5, maka KT = 0,8379
• T = 2,5, maka KT = 0,1299
• T = 1,67, maka KT = -0,7662
• T = 1,25, maka KT = -1,7265
Nilai log 𝑋 = 2,0165 (Lihat contoh soal 3.4)
Nilai S log X = 0,0917 (Lihat contoh soal 3.4)
Interval kelas log XT = log 𝑋 + KT x S logX = 2,0165 + KT x 0,0917
Sehingga:
• X5 = 123,97 mm
• X2,5 = 106,76 mm
• X1,67 = 88,36 mm
• X1,25 = 72,14 mm
 Contoh soal 4.1

6. Perhitungan nilai 2 (2hit)

Tabel 4.3. Perhitungan nilai 2 untuk distribusi Gumbel

Tabel 4.4. Perhitungan nilai 2 untuk distribusi Normal

 Contoh soal 4.1

Tabel 4.5. Perhitungan nilai 2 untuk distribusi log Normal

Tabel 4.6. Perhitungan nilai 2 untuk distribusi log Pearson Type III
(𝑂𝑓 − 𝐸𝑓 )
Kelas Interval 𝐸𝑓 𝑂𝑓 𝑂𝑓 - 𝐸𝑓
𝐸𝑓
1 > 123,97 2 3 1 0.5
2 106,76 - 123.97 2 1 -1 0.5
3 88.36 -106.76 2 3 1 0.5
4 72.17 - 88.36 2 3 1 0.5
5 < 72.14 2 0 -2 2
 10 10 2 4
 Contoh soal 4.1

7. Rekapitulasi nilai 2 (2hit) dan 2cr (2tabel) untuk 4 distribusi probabilitas

Tabel 4.7. Rekapitulasi nilai 2 dan 2cr

 Kesimpulan

Dari hasil pengujian dengan metode Chi kuadrat (table 4.7), ternyata semua
distribusi bisa dipakai untuk menganalisis cura hujan harian maksimum pada
lokasi yang ditinjau, karena nilai Chi kuadrat semua distribusi masih dibawah Chi
kuadrat kritis. Namum distribusi Gumbel yang paling baik digunakan karena
mempunyai nilai Chi kuadrat paling kecil. Dapat disimpulkan bahwa pola
sebaran hujan harian maksimum rerata dilokasi yang ditinjau mengikuti
distribusi Gumbel.
2. Metode Smirnov-Kolmogorof
Pengujian distribusi probabilitas dengan Metode Smirnov-Kolmogorof
dilakukan dengan langkah-langkah perhitungan sebagai berikut:
1. Urutkan data (X,) dari besar ke kecil atau sebaliknya.
2. Tentukan peluang empiris masing-masing data yang sudah diurut
tersebut P(X,) dengan rumus tertentu, rumus Weibull misalnya.
𝑖
𝑃(𝑋) = (4.5)
𝑛+1
Keterangan rumus:
n : jumlah data
i : nomor urut data (setelah diurutkan dari besar ke kecil atau sebaliknya
3. Tentukan peluang teoritis masing-masing data yang sudah diurut tersebut
P'(X,) berdasarkan persamaan distribusi probabilitas yang dipilih (Cumbel,
Normal, dan sebagainya).
4. Hitung selisih (Pi) antara peluang empiris dan teoritis untuk setiap data
yang sudah diurut:
Pi = P(Xi) – P’(Xi) (4.6)
5. Tentukan apakah Pi < P kritis, jika "tidak" artinya Distribusi Probabilitas
yang dipilih tidak dapat diterima, demikian sebaliknya.
6. P kritis lihat Tabel (4.8).
Tabel 4.8. Nilai P kritis Smirnov-Kolmogorof
Tabel 4.9. Luas wilayah di bawah kurva normal
Tabel 4.9. Lanjutan
Tabel 4.9. Lanjutan
 Contoh soal 4.2
Diketahui data hujan seperti tercantum dalam kolom 2 Tabel (3.4) soal
3.1. Tentukanlah apakah Distribusi Probabilitas Gumbel seperti yang
diuraikan dalam soal 3.1 dapat diterima. jika diuji dengan Metode Smirnov-
Kolmogorof.
Jawaban soal 4.1:
Tabel 4.10. Perhitungan uji distribusi dengan Metode Smirnov-Kolmogorof
untuk soal 3.12
i Xi P(Xi) f(t) P'(Xi) P
(1) (2) (3) (4) (5) (6)=(5)-(3)
1 141.4 0.091 1.584 0.127 0.036
2 131.2 0.182 1.128 0.189 0.007
3 125 0.273 0.851 0.238 -0.035
4 121.2 0.364 0.681 0.273 -0.090
5 101.6 0.455 -0.195 0.520 0.065
6 100.3 0.545 -0.253 0.623 0.077
7 96.2 0.636 -0.437 0.603 -0.034
8 83 0.727 -1.027 0.801 0.074
9 80 0.818 -1.161 0.840 0.022
10 80 0.909 -1.161 0.840 -0.069
 Contoh soal 4.2

Keterangan Tabel (4.10):

Kolom (1) = nornor urut data.
Kolom (2) = data hujan diurut dari besar ke kecil (mm).
Kolom (3) = peluang empiris (dihitung dengan persamaan Weibull).
Kolom (4) = peluang teoritis berdasarkan Distribusi ProbabiIitas Gumbel
𝑋𝑇 = 𝑋ത + 𝑆 × 𝐾; sehingga
𝑋 −𝑋ത 𝑋 −𝑋ത
𝐾 = 𝑇 ; atau 𝐾 = 𝑖
𝑆 𝑆
di mana K = f(t).
Untuk soal 3.1:
Nilai 𝑋ത : 105,97 mm.
Nilai S : 22,37
Contoh untuk kolom (5) baris (1):
141,4 − 105,97
𝑓 𝑡 = = 1.58
22,37
Demikian seterusnya untuk baris berikutnya cara perhitungannya adalah
sama.
Kolom (5) = ditentukan berdasarkan nilai Yn, Sn, dan K atau f(t) pada
persaman (3.6) dan (3.7).
 Contoh soal 4.2

Contoh angka kolom (5) baris (1) untuk nilai f(t) = 1,58; Yn = 0,4952; Sn= 0,9497,
maka berdasarkan persaman (3.7) didapat nilai Yt = 1,999, kemudian
berdasarkan persamaan (3.8) atau interpolasi berdasarkan Kertas Probabilitas
Gumbel maka untuk Yt = 1,999 dapat dihitung T = 7,89 tahun, sehingga
dapat dihitung selanjutnya peluang teoritis P'(X) : 1/T = 1/8,29 = 0,127.
Demikian seterusnya untuk baris berikutnya cara perhitungannya adalah
sama.
Kolom (6) = (Pi) : kolom (5) - kolom (3).
Berdasarkan Tabel (4.10) dapat dilihat bahwa:
• Simpangan maksimum (P maksimum) : 0,074
• Jika jumlah data 10 dan  (derajat kepercayaan) adalah 5% maka dari
Tabel 4.8 didapat P kritis : 0,41.
• Jadi AP maksimum < AP kritis.
• Oleh karena itu, Distribusi Probabilitas Gumbel dapat diterima untuk
menganalisis data hujan pada soal 3.1.
 Contoh soal 4.3

Diketahui data hujan seperti tercantum dalam kolom 2 Tabel (3.4) soal 3.1.
Tentukanlah apakah Distribusi Probabilitas Normal seperti yang diuraikan
dalam soal 3.2 dapat diterima jika diuji dengan Metode Smirnov-Kolmogorof.
Data hujan diurut dari besar ke kecil.
Tabel 4.11. Perhitungan uji distribusi dengan Metode Smirnov-Kolmogorof
untuk soal 4.3
i Xi P(Xi) f(t) P'(Xi) DP
(1) (2) (3) (4) (5) (6)=(5)-(3)
1 141.4 0.091 1.584 0.051 -0.040
2 131.2 0.182 1.128 0.120 -0.062
3 125 0.273 0.851 0.184 -0.088
4 121.2 0.364 0.681 0.233 -0.131
5 101.6 0.455 -0.195 0.597 0.142
6 100.3 0.545 -0.253 0.619 0.073
7 96.2 0.636 -0.437 0.687 0.050
8 83 0.727 -1.027 0.859 0.132
9 80 0.818 -1.161 0.887 0.069
10 80 0.909 -1.161 0.887 -0.022
 Contoh soal 4.2

Keterangan Tabel (4.11):

Kolom (1) = nornor urut data.
Kolom (2) = data hujan diurut dari besar ke kecil (mm).
Kolom (3) = peluang empiris (dihitung dengan persamaan Weibull).
Kolom (4) = untuk Distribusi ProbabiIitas Normal
𝑋𝑇 = 𝑋ത + 𝐾𝑇𝑆; sehingga
𝑋 −𝑋ത 𝑋 −𝑋ത
𝐾𝑇 = 𝑇 ; atau 𝐾 = 𝑖
𝑆 𝑆
di mana K = f(t).
Untuk soal 3.1:
Nilai 𝑋ത : 105,97 mm.
Nilai S : 22,37
Contoh untuk kolom (5) baris (1):
141,4 − 105,97
𝑓 𝑡 = = 1.58
22,37
Demikian seterusnya untuk baris berikutnya cara
perhitungannya adalah sama.
Kolom (5) = peluang teoritis = 1 – luas di bawah kurva normal sesuai dengan
nilai f(t), yang ditentukan dengan tabel (4.9)
 Contoh soal 4.2

Contoh angka kolom (5) baris (1) untuk nilai f(t) = 1,58; maka luas wilaya di
bawah kurva normal adalah 0,9483, sehingga nilai kolom (5) baris (1) = 1 –
0,9483 = 0,0547. Demikian seterusnya untuk baris berikutnya cara
perhitungannya adalah sama.
Kolom (6) = (Pi) : kolom (5) - kolom (3).
Berdasarkan Tabel (4.11) dapat dilihat bahwa:
• Simpangan maksimum (P maksimum) : 0,142
• Jika jumlah data 10 dan  (derajat kepercayaan) adalah 5% maka dari
Tabel 4.8 didapat P kritis : 0,41.
• Jadi AP maksimum < AP kritis.
• Oleh karena itu, Distribusi Probabilitas normal dapat diterima untuk
menganalisis data hujan pada soal 3.1.
 Contoh soal 4.4

Diketahui data hujan seperti tercantum dalam kolom 2 Tabel (3.6) soal 3.3.
Tentukanlah apakah Distribusi Probabilitas Log Normal seperti yang
diuraikan dalam soal 3.3 dapat diterima jika diuji dengan Metode Smirnov-
Kolnrogorof. Data hujan diurut dari besar ke kecil.
Tabel 4.12. Perhitungan uji distribusi dengan Metode Smirnov-Kolmogorof
untuk soal 4.4

i Xi Log Xi P(Xi) f(t) P'(Xi) DP

(1) (2) (3) (4) (5) (6)=(5)-(3)
1 141.4 2.1504 0.091 1.461 0.052 -0.039
2 131.2 2.1179 0.182 1.106 0.124 -0.058
3 125 2.0969 0.273 0.877 0.177 -0.095
4 121.2 2.0835 0.364 0.731 0.218 -0.146
5 101.6 2.0069 0.455 -0.105 0.562 0.107
6 100.3 2.0013 0.545 -0.166 0.585 0.040
7 96.2 1.9832 0.636 -0.363 0.660 0.024
8 83 1.9191 0.727 -1.062 0.867 0.139
9 80 1.9031 0.818 -1.237 0.901 0.083
10 80 1.9031 0.909 -1.237 0.901 -0.008
 Contoh soal 4.4

Keterangan Tabel (4.12):

Kolom (1) = nornor urut data.
Kolom (2) = nilai log hujan diurut dari besar ke kecil (mm).
Kolom (3) = peluang empiris (dihitung dengan persamaan Weibull).
Kolom (4) = untuk Distribusi ProbabiIitas Log Normal
𝐿𝑜𝑔 𝑋𝑇 = 𝐿𝑜𝑔 𝑋 + 𝐾𝑇 × 𝑆𝐿𝑜𝑔 𝑋; sehingga
𝐿𝑜𝑔 𝑋𝑇−𝑙𝑜𝑔𝑋 𝐿𝑜𝑔 𝑋𝑖−𝐿𝑜𝑔 𝑋
𝐾𝑇 = ; atau 𝐾 =
𝑆 𝐿𝑜𝑔 𝑋 𝑆 𝐿𝑜𝑔 𝑋
di mana K = f(t).
Untuk soal 3.3:
Nilai 𝐿𝑜𝑔 𝑋 : 2,0165 mm.
Nilai S Log X : 0,0917
Contoh untuk kolom (5) baris (1):
2,1504 − 2,0165
𝑓 𝑡 = = 1.46
0,0917
Demikian seterusnya untuk baris berikutnya cara
perhitungannya adalah sama.
Kolom (5) = peluang teoritis = 1 – luas di bawah kurva sesuai dengan nilai f(t),
yang ditentukan dengan tabel (4.9)
 Contoh soal 4.4

Contoh angka kolom (5) baris (1) untuk nilai f(t) = 1,46; maka luas wilaya di
bawah kurva normal adalah 0,9484, sehingga nilai kolom (5) baris (1) = 1 –
0,8484 = 0,052. Demikian seterusnya untuk baris berikutnya cara
perhitungannya adalah sama.
Kolom (6) = (Pi) : kolom (5) - kolom (3).
Berdasarkan Tabel (4.12) dapat dilihat bahwa:
• Simpangan maksimum (P maksimum) : 0,139
• Jika jumlah data 10 dan  (derajat kepercayaan) adalah 5% maka dari
Tabel 4.8 didapat P kritis : 0,41.
• Jadi AP maksimum < AP kritis.
• Oleh karena itu, Distribusi Probabilitas log normal dapat diterima untuk
menganalisis data hujan pada soal 3.3.
 Contoh soal 4.5

Diketahui data hujan seperti tercantum dalam kolom 2 Tabel (3.8) soal 3.4.
Tentukanlah apakah Distribusi Probabilitas Log Pearson Type III seperti yang
diuraikan dalam soal 3.4 dapat diterima jika diuji dengan Metode Smirnov-
Kolnrogorof. Data hujan diurut dari besar ke kecil.
Tabel 4.13. Perhitungan uji distribusi dengan Metode Smirnov-Kolmogorof
untuk soal 4.5
 Contoh soal 4.2

Keterangan Tabel (4.13):

Kolom (1) = nornor urut data.
Kolom (2) = nilai log hujan diurut dari besar ke kecil (mm).
Kolom (3) = peluang empiris (dihitung dengan persamaan Weibull).
Kolom (4) = untuk Distribusi ProbabiIitas Log Pearson Type III
𝐿𝑜𝑔 𝑋𝑇 = 𝐿𝑜𝑔 𝑋 + 𝐾𝑇 × 𝑆𝐿𝑜𝑔 𝑋; sehingga
𝐿𝑜𝑔 𝑋𝑇−𝑙𝑜𝑔𝑋 𝐿𝑜𝑔 𝑋𝑖−𝐿𝑜𝑔 𝑋
𝐾𝑇 = ; atau 𝐾 =
𝑆 𝐿𝑜𝑔 𝑋 𝑆 𝐿𝑜𝑔 𝑋
di mana K = f(t).
Untuk soal 3.4:
Nilai 𝐿𝑜𝑔 𝑋 : 2,0165 mm.
Nilai S Log X : 0,0917
Contoh untuk kolom (5) baris (1):
2,1504 − 2,0165
𝑓 𝑡 = = 1.46
0,0917
Demikian seterusnya untuk baris berikutnya cara
perhitungannya adalah sama.
Kolom (5) = peluang teoritis = 1 – luas di bawah kurva normal sesuai dengan
nilai f(t), yang ditentukan dengan tabel (4.9)
 Contoh soal 4.2

Contoh angka kolom (5) baris (1) untuk nilai f(t) = 1,46; maka luas wilaya di
bawah kurva normal adalah 0,9278, sehingga nilai kolom (5) baris (1) = 1 –
0,9278 = 0,07. Demikian seterusnya untuk baris berikutnya cara
perhitungannya adalah sama.
Kolom (6) = (Pi) : kolom (5) - kolom (3).
Berdasarkan Tabel (4.12) dapat dilihat bahwa:
• Simpangan maksimum (P maksimum) : 0,28
• Jika jumlah data 10 dan  (derajat kepercayaan) adalah 5% maka dari
Tabel 4.8 didapat P kritis : 0,41.
• Jadi AP maksimum < AP kritis.
• Oleh karena itu, Distribusi Probabilitas log Pearson tipe III dapat diterima
untuk menganalisis data hujan pada soal 3.4.
 Contoh soal 4.2

Kesimpulan:
Dari hasil pengujian dengan metode Smirnov Kolmogorov, ternyata semua
distribusi bisa dipakai untuk menganalisis cura hujan harian maksimum, karena
simpangan maksimum semua distribusi masih dibawah simpangan maksimum
kritis. Namum distribusi Gumbel yang paling baik digunakan karena mempunyai
simpangan maksimum paling kecil. Dapat disimpulkan bahwa pola sebaran
hujan harian maksimum rerata dilokasi yang ditinjau mengikuti distribusi
Gumbel.
Sekian &