Sifat Fluida Ideal:

- tidak dapat ditekan (volume tetap karena tekanan)

- dapat berpindah tanpa mengalami gesekan
- mempunyai aliran stasioner (garis alirnya tetap bagi setiap partikel)
- kecepatan partikel-partikelnya sama pada penampang yang sama

HUKUM BERNOULLI

Hukum ini diterapkan pada zat cair yang mengalir dengan kecepatan berbeda dalam suatu
pipa.

P + r g Y + 1/2 r v2 = c

P = tekanan
1/2 r v2 = Energi kinetik
r g y = Energi potensial

]® tiap satuan
waktu

CEPAT ALIRAN (DEBIT AIR)

Cepat aliran (Q) adalah volume fluida yang dipindahkan tiap satuan waktu.

Q=A.v

A1 . v1 = A2 . v2

v = kecepatan fluida (m/det)

A = luas penampang yang dilalui fluida

Untuk zat cair yang mengalir melalui sebuah lubang pada tangki, maka besar
kecepatannya selalu dapat diturunkan dari Hukum Bernoulli, yaitu:
v = Ö(2gh)

h = kedalaman lubang dari permukaan zat cair

Contoh:
1. Sebuah kolam air berdinding bujursangkar dengan panjang 15 m, tingginya
7,5m.Tentukanlah tekanan air 4,5 m di bawah permukaan air!

Jawab:

P = r . g . h = 103 . 10 . 4,5
P = 4,5.104 N/m2

2. Air mengalir sepanjang pipa horisontal, penampang tidak sama besar. Pada tempat
dengan kecepatan air 35 cm/det tekanannya adalah 1 cmHg. Tentukanlah tekanan pada
bagian pipa dimana kecepatan aliran airnya 65 cm/det.(g = 980 cm/det2) !

Jawab:

P1 = 1 cmHg = 1.13,6.980 dyne/cm2

P1 = 13328 dyne/cm2

v1 = 35 cm/det; v2 = 65 cm/det

Prinsip Bernoulli:
P1 + pgy1 + 1/2rv12 = P2 + rgy2 + 1/2rv22

Karena y1 = y2 (pipa horisontal), maka:

P1 - P2 = 1/2 r (V22 - V12)

P1 - P2 = 1/2 1 (652 352)
P1 - P2 = 1/2 3000
P1 - P2 = 1500 dyne/cm2

Jadi:

P2 = P1 - 1500
P2 = 13328 - 1500
P2 = 11828 dyne/cm
P2 = 0,87 cmHg

membahas, sebaran peluang membuat aku rada pusing.. neh sekarang lagi di jelasin ama
assist. tp kok tetap ajh ya, ga ngerti...
belajar sendiri di modul bikin pusing juga neh... ahh..
tp gpp dech, modulnya aku selipin disini ajah.. sekalian nge-net sekalian baca..

III.2. Analisis Peluang Menurut Sebaran Normal

Peluang X lebih kecil atau sama dengan x jika X menyebar normal dengan nilai tengah μ
dan ragam σ2 adalah:
P (X x ) = P x (X) =
Dengan memakai transformasi z = (x – μ)/ σ, peubah acak Z menjadi N (0.1) atau sebaran
normal standar.
% peluang = X + z * s
Z adalah besaran yang diperoleh dari kurva sebaran normal baku yang besarnya
tergantung pada tingkat peluang yang diinginkan dan s = σ = simpangan baku data. Data
dengan peluang melampaui persentase tertentu menjadi :
Peluang 70% = X - 0.53 S
Peluang 80% = X - 0.84 S
Peluang 90% = X - 1.26 S
Peluang 95% = X - 1.64 S
Peluang 99% = X - 2.33 S
0.53; 0.84;1.26;1.64 dan 2.33 adalah nilai Z dari tabel normal baku pada masing-masing
peluang 70%; 80%; 90%; 95%; dan 99%.

III.3. Metode Analisis Frekuensi Kumulatif.

Metode sederhana lain yang dapat digunakan dalam analisis peluang hujan bila data
menyebar mendekati normal adalah dengan analisis peluang frekuensi kumulatif. Nilai
frekuensi kumulatif (f) dapat dihitung dengan rumus sebagai berikut:
f = 100*m/(n + 1 )
Dimana n adalah banyaknya tahun pengamatan dan m adalah nomor urut data dari yang
terbesar sampai terkecil. v
Penentuan tingkat peluang adalah dengan memplotkan nilai f dengn nilai curah hujan
yang bersangkutan pada kertas peluang normal. Bila data menyebar normal titik-titik
hubungan akan membentuk suatu garis lurus. Dari garis yang diperoleh dapat ditentukan
besarnya peluang terjadinya hujan untuk suatu nilai tertentu.
Kadang kala sangat sulit memperoleh garis lurus, Hal ini dapat disebabkan karena terlalu
pendeknya periode pengamatan, datanya bias atau sebaran hujannya tidak normal. Hal ini
dapat diatasi dengan cara memplotkan data pada kertas peluang logaritma, atau dengan
cara mentransformasi data dengan transformasi logaritma atau akar.
Sering kali kita temui pada awal atau akhir musim hujan, curah hujan sedikit atau nol.
Dalam keadaan ini nilai peluang kumulatif dihitung dengn cara :
g = p + (1-p)*f
dimana g adalah peluang kejadian hujan dan p proporsi tidak adanya hujan. Misalnya bila
empat kali dalam 16 tahun pengamatan tidak ada hujan maka p = 0,25. Nilai f dihitung
sesuai dengan persamaan di atas tetapi hanya untuk periode tahun yang ada hujan saja,
yaitu 16 - 4 = 12 tahun. Dalah kasus ini biasanya penggunaan sebaran gamma akan
memberikan hasil yang lebih bisa diandalkan.
III.4. Analisis Menurut Sebaran Gamma
Sebaran gamma mempunyai dua parameter yaitu parameter bentuk dan parameter skala.
Fungsi peluang kumulatifnya dinyatakan dalam bentuk :

Px (X) =
dimana χ , adalah parameter skala, η adalah parameter bentuk dan r (n) fungsi gamma.
Pendugaan Parameter. Untuk menduga nilai-nilai parameter dapat digunakan beberapa
cara pendugaan yaitu ( Haan, 1979):
(1) Pendugaan moment
i = x /,2........................................................ .....................(1)
f,=x2 is2............................................................................(2)
dimana x adalah rata-rata tinggi hujan dalam satu periode dan s simpangan baku.
(2) Pendugaan kemungkinan maksimum
Χ = ή/X .......................................................................(3)
Selanjutnya untuk menduga nilai ή dapat dipakai beberapa cara yaitu: Cara Thorn :
ή = ∆ ή...........................................................................(4)
y = ln X – 1/n
X = tinggi hujan rata-rata dalam satu periode tertentu, misalnya bulanan seiama kurun
waktu pengamatan dalam satuan mm (Xi > 0).
Xi = tinggi hujan dalam satu periode tertentu pada tahun pengamatan ke i dalam satuan
mm (Xi>0).
n = banyak tahun selama kurun waktu pengamatan dengan data hujan dalam satu periode
tertentu lebih besar dari 0.
∆ ή adalah faktor koreksi bagi nilai dugaan ή Nilai ∆ ή untuk nilai ή antara 0,2 - 5,6 dapat
dilihat pada lampiran 1. Bila nilai ή yang diperoleh dari persamaan (23) lebih besar dari
5,6, nilai itu ∆ ή dapat diabaikan.
Cara Greenwood dan Durand
ή = ( 0.5000876 + 0,1643852 * y - 0,054427 * y 2) ……………(6)
y
Untuk 0±y < 0,5772 dan
ή = ( 8.898919 + 9,05995* y - 0,9775373* y 2…………………(7)
y*( 17,79728 + ll,968477*y + y2 )
Untuk 0,5772 < y < 17,0
Nilai y dihitung dari persamaan (5). Menurut mereka, kesalahan maksimum yang dibuat
dengan penggunaan persamaan (6) adalah 0,0088% dan persamaan (7) sebesar 0,0054%.
Menurut Sheton dan Bouman (1970, dalam Haan, 1979) nilai rj yangdiperoleh dari
persamaan (4), (6) dan (7) masih mempunyai bias. Dalam praktek besarnya nilai bias
parameter bentuk diduga dalam persamaan berikut :
E( ή- n)= ( 3η – 0.677 + 0.111/ η + 0.32/ η3 ) ………….(8)
( n -3 )
Untuk n ≥ 4 dan η ≥ 1. Namun selanjutnya mereka menyarankan, untuk menduga nilai
bias η digunakan rumus :
E( ή- n)= 3 ή/ η ………………………………… (9)
Sehingga nilai parameter bentuk tak bias (η) adalah
ή = ή – E (ή – η )
= ή – 3 ή/ η……………………………………………(10)
= (η – 3) ή/ η
dan .......................................................................(11)
Menurut Thorn (1958 dalam Haan, 1979) untuk nilai ή < 10, metoda pendugaan moment
tidak bisa dipakai. Dan bila ή mendekati 1, metoda moment hanya menggunakan 50%
informasi data dalam menduga η dan 40% dalam menduga λ Secara umum metoda
pendugaan kemungkinan maksimum lebih sering digunakan.
Penentuan peluang Kejadian Hujan. Menurut Thorn (1971) bila deretan data hujan
mempunyai nilai nol, perhitungan peluang hujan sebaiknya dihitung dengan
menggunakan sebaran campuran yang selanjutnya diubah menjadi peluang dengan
sebaran gamma. Untuk itu dalam penentuan peluang hujan didekati dengan dua cara.
(1) Penentuan peluang hujan yang datanya tidak ada nilai nol.
p(X>x) = 1-p(X
p( X > x) = 1 - Px (x), dimana

Px (x) =

Besarnya nilai 1 - Px ( x ) sudah disajikan dalam bentuk Tabel sesuai dengan besarnya
nilai dan λ2 dan v. Adapun besarnya nilai λ 2 dan v adalah :
X2 = 2 l*Xb..................................................(12)
v = 2* ή* ...................................................................................(13)
Xb adalah tinggi hujan yang dicari peluang kejadiannya. Jadi bila nilai λ 2 pada v yang
diperoleh dimasukan kedalam Tabel lampiran 2 diperoleh nilai 0,9100, berarti peluang
terjadinya hujan paling sedikit Xb mm adalah 0,91. Sebaliknya bila ingin mencari tinggi
hujan terendah dengan peluang kejadian tertentu dapat dilakukan dengan mencari nilai λ
pada v yang telah dihitung yang nilai peluangnya sesuai dengan yang kita kehendaki,
sehingga:
Xb = λ 2/ 2 ...................................................................... (14)
(2) Penentuan peluang hujan yang deretan datanya mengandung nilai nol.
F(x) = 1- G(x)...........................................................................(15)
G(x)= Sebaran peluang kumulatif (X > 0)...............................(16)
H(x)= 1 -Pc(x)......................................................................(17)
F( x ) = Peluang malampaui nilai tertentu ( sebaran gamma)
G( x ) = Sebaran peluang kumulatif ( x > 0 )
H( x ) = Peluang tidak melampaui nilai tertentu ( sebaran campuran ).
Pc(x) = Peluang tidak melampaui nilai tertentu yang terlebih dahulu ditentukan (sebaran
campuran).
p = Peluang menadapat data bernilai lebih besar dari nol.
q = Peluang mendapat data bernilai nol.
Nilai F( x ) yang diperoleh, digunakan untuk mendapatkan tinggi hujan terkecil
yang terlampaui dengan melihat hasil (iterasi) dari persamaan =2 λ T Xb
Pengujian Sebaran. Untuk mengji apaka penyebaran data menyebar menurut sebaran
gamma atau tidak, dapat digunakan uji Khi-kwadrat. Adapun cara pengujiannya adalah
(Hutapea, 1993) :
Χ 2Hitung =
Oi = frekuensi kejadian hujan yang berada pada klas hujan ke i.
Ei = frekuensi kejadian hujan harapan yang berada pada klas hujan ke i.
Dihitung dengan cara mengalikan peluang mendapatkan klas tertentu dikalikan dengan
jumlah pengamatan.
k = banyaknya klas.
Bila χ 2 Tabel lebih besar dari χ 2 hitung, pada taraf dan derajat bebas (k-p-1), dimana p
adaiah banyaknya parameter sebaran yang diduga, berarti data menyebar menurut
sebaran gamma. Dengan demikian sebaran gamma dapat digunakan untuk menduga
peluang kejadian hujan dengan ketelitian yang cukup dapat diandalkan. Untuk
memperoleh banyaknya kelas dan selang kelas digunakan rumus-rumus berikut :
k = 1 + 3,3 logn ..........................................................................(19)
I = R/k ....... .......................................................................................(20)

Dimana R = tinggi hujan tertinggi - tinggi hujan terendah

I = selang kelas.
n = banyaknya tahun pengamatan.
k = banyaknya kelas