SI2231 REKAYASA HIDROLOGI

ANALISIS FREKUENSI
DR. ENG. IR. WIDYANINGTIAS
EDUNEX ITB
 Kerangka berpikir analisis
hidrologi: uji validitas
Kurva Massa Ganda
- Bila tersedia 3 atau lebih stasiun hujan
- Stasiun hujan VS stasiun referensi
Uji validitas data - Membandingkan hujan tahunan kumulatif satu
stasiun dengan stasiun lain
- Stasiun referensi: nilai rata-rata beberapa
stasiun di dekatnya

Garis lurus → konsisten

Patah → perlu koreksi
 Langkah-Langkah:

1. Menghitung hujan tahunan untuk masing-masing

stasiun.
2. Menghitung rerata hujan tahunan untuk stasiun
pembanding/stasiun referensi.
3. Menghitung kumulatif dari rerata stasiun hujan
pembanding/stasiun referensi.
4. Menghitung kumulatif untuk stasiun hujan yang akan di
uji.
5. Melakukan penggambaran dalam bentuk sumbu X dan
stasiun yang akan di uji pada sumbu Y.
6. Selanjutnya melakukan analisis terhadap data dengan
cara membuat garis lurus pada diagram, apakah ada
kemencengan (gradien) → mengalikan koefisien (K)
yang dihitung berdasarkan perbandingan
kemencengan sebelum mengalami perubahan (S1)
dan setelah perubahan (S2) atau K = S2/S1.
Kurva Massa Ganda (ppt minggu #3)
Menguji konsistensi data

Perubahan rejim dikoreksi dengan menggunakan hubungan:

M
P
c =
P
X X
c
M
a

dimana:
PcX = hujan hasil koreksi pada periode waktu t1 pada stasiun X
PX = hujan pencatatan awal pada periode waktu t1 pada stasiun X
Mc = kemiringan hasil koreksi dari kurva massa ganda (S2)
Ma = kemiringan awal dari kurva massa (S1)
Contoh

• Stasiun yang dibandingkan: Sta

Saradan
• Rata-ratakan Sta Saradan
• Ambil stasiun referensi adalah Sta
Gemarang dan Sta Catur → rata-
ratakan
• Hitung kumulatif rata-rata Sta
Gemarang dan Sta Catur
Hasil Uji Validitas: konsisten
 SIKLUS HIDROLOGI

Konservasi
Presipitasi
Evapotranspirasi
Waduk Evaporasi
Infiltrasi
Irigasi
Perkolasi

Air
Tanah Kolam Laut
Batuan Retensi Aliran
Permukaan
 PENDAHULUAN

• Hampir semua variabel hidrologi bersifat random/acak

• Random variabel → mengikuti aturan distribusi probabilitas
(probability distribution) tertentu
• Variabel pokok: hujan dan debit (akumulasi limpasan
permukaan)
• Perlunya ditentukan besaran untuk masing masing variabel
dalam upaya rekayasa.
• Besaran andalan: besaran yang dapat diandalkan terjadi
dengan probabilitas tertentu → DEBIT ANDALAN
• Besaran ekstrim: besaran maksimum yang
mempunyaiprobabilitas sangat kecil → PERIODE ULANG
(a) Das Sungai Widas, Madiun, (b) Ilustrasi DAS
Sungai Widas, Madiun
Data hujan harian
Data hujan bulanan
 PENDAHULUAN

• Parameter hidrologi → hujan dan debit

• Informasi yang sangat diperlukan antara
lain adalah sbb.:
• Besaran yang akan terjadi disuatu daerah
dengan probabilitas tertentu?
• Besaran yang dapat dimanfaatkan secara
kontinyu di suatu daerah?
• Besaran berprobabalitas tertentu yang
dapat menimbulkan bahaya di suatu
daerah?

Sumber: https://www.bmkg.go.id/iklim/?p=tren-curah-hujan
Contoh Data Debit Harian
 Probabilitas

Terdapat 2 kemungkinan:
1. Probabilitas kejadian x < X
Titik sampel, elemen data

Kejadian, kumpulan titik sampel

2. Probabilitas kejadian x >X (Exceedance Probability)

dimana :
P (x<X) = probabilitas dari kejadian besaran x<X
P (x>X) = probabilitas dari kejadian besaran x>X
Nx = jumlah frekuensi kejadian x
N = total frekuensi kejadian dari semua besaran.
 Konsep Probabilitas

• Distribusi data pengamatan, dari pengamatan diperoleh runtut data

sesaat terhadap waktu
DATA

WAKTU
Probabilitas

Distribusi Probabilitas: Distribusi dimana peubahnya secara

teoritis tidak dapat menerima
1. Terdiskrit (discrete probability sembarang nilai diantara dua
nilai yang diberikan.
distribution)
2. Kontinyu (continous probability model matematik yang
menghubungkan nilai variabel
distribution) dengan probabilitas terjadinya nilai
itu
Konsep Probabilitas
Distribusi Probabilitas Terdiskrit

• Frequency Distribution (Number of Occurrence), Dengan melakukan

pengelompokan data hasil pengamatan tersebut berdasarkan besaran yang sama
Konsep Probabilitas

• Cumulative frequency distribution,

merupakan adalah jumlah frekuensi
kejadian dari semua besaran x < X
Contoh Distribusi Probabilitas

Distribusi probabilitas terdiskrit Distribusi probabilitas terdiskrit kumulatif

ANALISIS FREKUENSI DAN PROBABILITAS
DALAM HIDROLOGI

• Dipengaruhi peristiwa-peristiwa luar biasa; hujan lebat, banjir, kekeringan

• Besaran peristiwa ekstrim berbanding terbalik dengan frekuensi kejadian
(Suripin, Sistem Drainase Perkotaan yang Berkelanjutan, 2004)
• Tujuan analisis frekuensi data hidrologi: menjelaskan peristiwa-peristiwa
ekstrim yang berkaitan dengan frekuensi kejadian melalui aplikasi distribusi
kemungkinan
• Data hidrologi: tidak bergantung, terdistribusi acak, bersifat stokastik
FREKUENSI HUJAN: Besaran
kemungkinan suatu besaran hujan
dilampaui

PERIODE ULANG: Waktu hipotetik

dimana hujan dengan suatu
besaran tertentu akan dilampaui

ANALISIS FREKUENSI: didasarkan

pada sifat statistic data kejadian
masa lalu untuk memperoleh
probabilitas besaran data hujan
yang akan datang
ASUMSI: sifat statistik kejadian
hujan masa yang akan dating
MASIH SAMA dengan sifat
statistik hujan masa lalu

Kota Lama Semarang, Februari (2021)

Cipali, 9 Februari 2021
Analisis Frekuensi (Frequency Analysis)

• Studi mengenai kejadian ekstrim (debit banjir atau hujan ekstrim)

• Hubungan sederhana antara perioda (T) dan frekuensi (f)
f=1/T , satuan perioda: tahun
• History:
• Horton 1913 menggunakan distribusi normal,
• Fuller (1914), Hazen (1914) menggunakan distribusi log normal,
• Foster (1924) menggunakan distribusi Pearson,
• US-IACWD (1983) menggunakan distribusi log pearson tipe III,
• Gumbel (1943) menyusun distribusi yang saat ini banyak digunakan di seluruh dunia
Extreme Discharge

• Flood Design for Certain Return Period

• Applicable for lower hazard structure such as buidings
• To ensure that structure is built for optimum service time
• Probable Maximum Flood (PMF)
• Applicable for major structures such as high hazard dams, major
spillways, nuclear power plant
• To ensure that the probability of the failure due to flooding is
extremely small
Return Period, Frequency & Risk
Exceedance Probability of an Extreme Discharge (Q) for any year is frequency
(1/T)
1
P (Q ) =
T
Probability of Q for not happening in any years is:
1
P(Q) = 1 −
T
Probability of Q for not happening in n years is:
n
 1
P ( Q ) = 1 − 
 T
The Risk of Q to occurs in n years is:
n
 1
R(Q) = 1 − 1 − 
 T
In this subject, Q can be rainfall or discharge
 Kriteria Desain
Tr=5-10 tahun

Saluran di Perumahan, Parkir,

Drainase Mikro:
 Kriteria Desain
Pelabuhan, Lapangan Udara, Infrastruktur Penting:

Tr=10-25 tahun
Kriteria Desain

Main Drain:

Tr=25-50 tahun
Kriteria Desain

Spillway bendung

Tr=50-100 tahun
Kriteria Desain
Tubuh Bendungan

Probable Maximum Flood

Probable Maximum Flood
• Probability of PMF had been reluctantly assigned by hydrologist (Shalaby,
1994)
• PMF associated with Probable Maximum Precipitation (PMP)
• Estimation of PMP is based on frequency analysis with series of annual
maxima variable

x = x + Ks
• Where : s=Standard Deviation and K Frequency Factor
• K is estimated based on probability type of variable, such as Normal, Log-
normal, Gumbel, Log-Pearson III, Log-Gumbel etc
• Researchers agrees that estimation of PMF corresponds with very high
return periods, example 600.000 years for log-Gumbel (Shalaby, 1994)
Distribusi Probabilitas Kontinyu (Probability
Density Function)

1. Distribusi Normal
2. Distribusi Log-Normal
3. Distribusi Pearson
4. Distribusi Ektrem
a. Distribusi Gumbel
b. Distribusi Log Pearson
Prosedur Perhitungan jika menggunakan
data debit

1. Data debit maksimum dipilih setiap tahun (1 nilai per tahun)

2. Periode data yang digunakan semakin panjang semakin baik (10 tahun, 20 tahun,
30 tahun)
3. Masing-masing data debit diurutkan dari besar ke kecil.
4. Hitung probabilitas terlampauinya untuk masing masing data debit (exceedance
probability) dengan Weibull
5. Uji probabilitas data debit debit dengan membandingkan exceedance probability
yang dihitung pada point 4
6. Extrapolasi nilai debit ekstrim berdasarkan exceedance probability yang dipilih
dari kriteria desain dengan menggunakan jenis probabilitas yang sesuai.
 Prosedur Perhitungan jika menggunakan
data hujan
1. Data hujan harian maksimum dipilih setiap tahun (1 nilai per tahun)
2. Periode data yang digunakan semakin panjang semakin baik (10 tahun, 20 tahun, 30
tahun)
3. Masing-masing data hujan diurutkan dari besar ke kecil.
4. Hitung probabilitas terlampauinya untuk masing masing data hujan (exceedance
probability) dengan Weibull
5. Uji probabilitas data debit debit dengan membandingkan exceedance probability yang
dihitung pada point 4
6. Extrapolasi nilai hujan ekstrim berdasarkan exceedance probability yang dipilih dari
kriteria desain dengan menggunakan jenis probabilitas yang sesuai.
7. Gunakan teknik analisis debit untuk mencari debit ekstrim berdasarkan data hujan. Hal ini
didasari dengan asumsi bahwa debit ekstrim T tahunan berdasarkan hujan ekstrim T
Tahunan.
 Terkait number of
sample n

Data Historis Debit P(Q) =

1
=
m
T n +1

Dimana m=ranking

Weibull Plotting

n
 1
P ( Q ) = 1 − 1 − 
 T
Faktor Frekuensi

• Setiap nilai random variable dapat didekati dengan persamaan:

x = x + Dx
• Dx diekspresikan sebagai simpangan yang sebagai produk dari s
(deviasi standar) dan K (faktor frekuensi)

x = x + Ks
atau

x s
= 1 + KCv Dimana, koefisien keragaman Cv =
x x
Normal Distribution

1. Distribusi yang simetri berbentuk lonceng.

Seringkali digunakan sebagai pendekatan distribusi
fenomena alam. Distribusi Gauss

1 − ( x −  ) 2 /( 2 2 )
f ( x) = e
 (2 ) f(x)
dimana:

= Standar Deviasi populasi (x)

Secara Praktis bisa
= Mean populasi diperoleh dari x dan sx
Normal Distribution
Log-Normal Distribution
 Log-Pearson III
Distribution

K
Gumbel Distribution
Hubungan reduced
factors distribusi
Gumbel
Gumbel
Distribution
Data curah hujan harian maksimum tahunan (2011 – 2020)

Tahun Xi
2011 66.67
2012 67.33 Hitung nilai:
2013 86 1. Standar deviasi
2014 88 2. Koefisien skewness
3. Hujan periode 2 tahun dengan metode:
2015 90.33 a. Normal
2016 91 b. Log-Normal
2017 103 c. Log-Pearson III
2018 105.67 d. Gumbel
2019 114
2020 116