HIDROLOGI

ANALISIS DATA HUJAN

Analisis Frekuensi dan Probabilitas
 Sistem hidrologi terkadang dipengaruhi oleh peristiwa-
peristiwa yang luar biasa, seperti hujan lebat, banjir,
dan kekeringan. Besaran peristiwa ekstrim berbanding
terbalik dengan frekuensi kejadiannya, peristiwa yang
sangat ekstrim kejadiannya sangat langka.
(Suripin: Sistem Drainase Perkotaan yang Berkelanjutan,2004).
 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, dan
bersifat stokastik.
 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.
Metode Analisis Distribusi Frekuensi yang sering
digunakan dalam bidang hidrologi :

Distribusi Normal
Distribusi Log Normal
Distribusi Log Pearson Type III
Distribusi Gumbel

Untuk memperkirakan hujan/debit

ekstrim (maksimum)
Metode Distribusi Normal
Distribusi normal atau kurva normal disebut juga distribusi
Gauss.

X T X K TS

XT : Perkiraan nilai yang diharapkan terjadi dengan periode ulang T

X : Nilai rata-rata hitung variat
S : Deviasi standar nilai variat
KT : Faktor frekuensi, merupakan fungsi dari peluang atau periode ulang
dan tipe model matematik distribusi peluang yang digunakan untuk
analisis peluang. Nilai faktor frekuensi dapat dilihat pada tabel Reduksi
Gauss
 Pl!l Peluan Kr
1.0014 0.999 -3.05
_005 0.99.c - .58
1.01 0.99 -2.33
1.05 0_9 -1.64
Ll1 0.9 -1. 8
L.2.:- 0.8 -0.84
L 33 0.75 -0.67
1.43 0.7 -Q .52
1.67 0.6 -Q. 5
1 0.5 0
'1 0.4 0.25
---' o_ .:-2
3 .33 0.3
,
o_ - 0.67
.-) - 0.84
10 O ._.
0.1 1.28
20 o_ o- _6
50 o_o 2.05
00 0.01 2.33
200 0J)05 2_ -s
500 o_ oo_ 2.88
1000 0.001 3 .09
Metode Distribusi Log Normal

Mengubah data X kedalam bentuk logaritmik Y = log X

YT  Y K TS
YT : Perkiraan nilai ang diharapkan terjadi dengan periode ulang T
Y : Nilai rata-rata hitung variat
S : Deviasi standar nilai variat
KT : Faktor frekuensi, merupakan fungsi dari peluang atau periode ulang
dan tipe model matematik distribusi peluang yang digunakan untuk
analisis peluang. Nilai faktor frekuensi dapat dilihat pada tabel Reduksi
Gauss
Metode Log Pearson Type III

 Pearson telah mengembangkan serangkaian

fungsi probabilitas yang dapat dipakai untuk
hampir semua distribusi probabilitas empiris.
 Tiga parameter penting dalam Metode Log
Pearson Tipe III, yaitu:
1. Harga rata-rata ( R )
2. Simpangan baku (S)
3. Koefisien kemencengan (G)
Hal yang menarik adalah jika G = 0 maka
distribusi kembali ke distribusi Log Normal.
Langkah-langkah penggunaan distribusi Log
Pearson Tipe III

 Ubah data dalam bentuk logaritmik : Y = log X

 Hitung harga rata-rata :
n

 log
Xi
Y  i 1
n
 Hitung harga simpangan baku :
n
Y )
(logX
i 1
i

S
n 1
Langkah-langkah penggunaan distribusi Log
Pearson Tipe III

 Hitung koefisien kemencengan :

n

n  (logX Y)3
i
i 1
G 3
(n 1) 2)s
(n
 Hitung logaritma hujan dengan periode ulang T
menggunakan persamaan :
 K = variabel standar (standardized variable)
YT  Y untuk X yang besarnya tergantung G
K.s
 Hitung curah hujan dengan menghitung antilog Y.
Tabel 5.8 1\Uai K nntnk DistJibns Log :Pearson Tipe Ill
Periode Llaog
2 ) 10 25 50 ]00
Koef G
Pen.entase PeluauQ Tedampaui
50 20 10 4 2 l
2 -0.307 0.609 l.302 2.2 19 2.912 3.605
1.8 -0.282 0.643 I .318 2.193 2.848 3.499
1.6 -0.254 0.675 l .329 2 .163 2.780 3.380
1.4 -0.225 0.705 ].337 2.128 2.700 3.27 ll
1.2 -0.195 0.732 t340 2.087 2.626 3.149
l -0.164 0.758 ].340 2.043 2.542 3.022
0.9 -0.148 0.769 ll.339 2.018 2.498 2.957
0.8 -0.132 0.780 ll.336 1.998 2.453 2.891
0.7 - 0.790 .333 1.967 2.407 2.824
0.6 -0.099 0.800 ]_3_ 8 1.939 2.359 2.755
0.5 -0.083 0.806 I .323 1.910 2.3 11 2.686
OA· -0.066 0.816 l .317 1.880 2._ 61 .615
0.3 -0.050 0.824 I .309 1.849 2.2 11 2.544
0.2 -0.033 0.830 1.301 1.818 2.159 2.47_
0.1 -0.017 0.836 Jl .292 1.785 2.107 2.400
0 0 0.842 Jl.282 1.751 2.054 ?.-
..10.1 0.0]7 0.846 l.270 1.716 2.000 3 £ " .6
2.252
..10.2 0.033 0.850 Jl _ ·_y)g 1.68 l .945 2. 178
..!Q.3 0.050 0.853 1.245 1.643 L89 2.104
..!Q.4 0.066 0.855 ].23Jl 1.606 l .843 2 .029
..10 .5 0.083 0.856 Jl .216 1.567 1.777 1.955
..10.6 0.099 0.857 Jl.200 1.5_8 1.720 1.880
..!Q.7 O.J 16 0.857 L l83 1.488 1.663 1.806
..i0.8 0.132 0.856 ].166 .448 1.606 1.733
-0.9 0. I -!8 0.854 Ll-f 7 1.407 1.59-t- 1.660
-1 0.164 0.852 l.128 1.366 1.492 l .588
-1.2 0.195 0.844 ].086 1.282 1.379 1.449
-1.6 0.254 0.8 17 0.994 1.116 1.]66 l.197
 Periode LlaUP-
Koef G ' 1
-
) 10 15 50 J OO
Pe en a\e Pc!mmg Tedampaui
50 20 10 4 2 l
-1.8 0.282 0.799 0.945 1.035 1.069 l .087
-2 0.307 0.777 0.895 0.959 0.980 0.990
Metode Distribusi Gumbel

X  K s
X
K = faktor probabilitas, untuk harga-harga ekstrim dapat
dinyatakan dalam persamaan :

Yn
K
YTr

Sn
Yn = reduced mean yang tergantung pada jumlah sampel atau data n
Sn = reduced standard deviation yang juga tergantung pada jumlah sampel
YTr = reduced variate yang dihitung dengan persamaan :
  Tr
1ln ln
Y Tr = PUH untuk curah hujan tahunan

Tr  rata-rata (2,33 tahun)
 Tr 
Metode Gumbel

Tabel. Reduce Mean (Yn)

Metode Gumbel
Tabel. Reduce Standard deviation (Sn)