ANALISA FREKUENSI
Analisa frekuensi merupakan suatu analisa yang didasarkan pada sifat statistik data
kejadian yang telah lalu untuk memperoleh suatu probabilitas besaran hujan di masa
yang akan datang dengan anggapan bahwa sifat statistik kejadian hujan di masa yang
akan datang akan masin sama dengan sifat statistik kejadian hujan di masa lalu. Untuk
melakukan analisa frekuensi diperlukan sekurang – kurangnya data curah hujan selama
10 tahun berturut – turut. Hasil dari analisa frekuensi ini adalah data curah hujan
rencana untuk periode ulang tertentu.
𝑥𝑇 = 𝑥̅ + 𝐾𝑇 𝑆 (II-7)
√6 𝑇𝑟
𝐾𝑇 = − {0.5772 + 𝑙𝑛 [𝑙𝑛 ( )]}
𝜋 𝑇𝑟 − 1
Keterangan:
𝑆 = standar deviasi
CONTOH PERHITUNGAN
i. Mengurutkan data mulai dari data yang terbesar hingga terkecil yang
kemudian dicari nilai probabilitasnya seperti berikut
ii. Mencari nilai rata-rata dan standar deviasi dari log data curah hujan
𝑥̅ = 119,98 𝑚𝑚
𝑆 = 39,809
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
√6 𝑇𝑟
𝐾𝑇 = − {0.5772 + 𝑙𝑛 [𝑙𝑛 ( )]}
𝜋 𝑇𝑟 − 1
𝐾𝑇 = 1,69
𝑥𝑇 = 𝑥̅ + 𝐾𝑇 𝑆
𝑥𝑇 = 187,16
Untuk periode ulang 1000 tahun dengan nilai probabilitas 0,001 maka
diperoleh nilai
√6 𝑇𝑟
𝐾𝑇 = − {0.5772 + 𝑙𝑛 [𝑙𝑛 ( )]}
𝜋 𝑇𝑟 − 1
𝐾𝑇 = 4,938
𝑥𝑇 = 𝑥̅ + 𝐾𝑇 𝑆
𝑥𝑇 = 316,56 𝑚𝑚
PERIODE
Kt Xt (mm)
ULANG
1000 4.938 316.56
200 3.681 266.51
100 3.138 244.91
50 2.594 223.23
25 2.045 201.38
10 1.305 171.94
5 0.720 148.64
2 -0.164 113.44
Sumber: Hasil Perhitungan 2017
Untuk metode ini memiliki sifat khas yaitu nilai asimetrisnya (skweness) hampir sama
dengan nol (Cs = 0) dengan kurtosis =3. Metode ini menggunakan data curah hujan
selama periode tertentu dengan rumus perhitungan sebagai berikut:
𝑥𝑇 = 𝑥̅ + 𝐾𝑇 𝑆
𝑥𝑇 − 𝑚
𝐾𝑇 =
𝜎
1
1 1/2 1 2
𝑤 = [𝑙𝑛 ( 2 )] (0 < 𝑝 ≤ 0.5) , 𝑤 = [𝑙𝑛 ( 2
)] (0.5 < 𝑝 < 1)
𝑝 1−𝑝
Keterangan:
𝑥𝑇 = curah hujan rencana (mm)
𝑥̅ = curah hujan maksimum rata-rata (mm)
𝑆 = standar deviasi
CONTOH PERHITUNGAN
i. Mengurutkan data mulai dari data yang terbesar hingga terkecil yang
kemudian dicari nilai probabilitasnya seperti berikut
ii. Mencari nilai rata-rata dan standar deviasi dari data curah hujan
𝑥̅ = 119,98 𝑚𝑚
𝑆 = 39,809
iii. Mencari nilai w
1 1
1 2 1 2
𝑤 = [𝑙𝑛 ( 2 )] (0 < 𝑝 ≤ 0.5), 𝑤 = [𝑙𝑛 ( )] (0.5 < 𝑝 < 1)
𝑝 1 − 𝑝2
Untuk rank 1 dengan probabilitas 0,06 maka diperoleh nilai
1
1 2
𝑤 = [𝑙𝑛 ( 2 )]
𝑝
𝑤 = 2,3548
iv. Mencari nilai KT
𝑥𝑇 − 𝑚
𝐾𝑇 =
𝜎
Untuk rank 1 dengan nilai probabilitas 0,06 maka diperoleh
𝑥𝑇 − 𝑚
𝐾𝑇 =
𝜎
𝐾𝑇 = 1,5344
v. Mencari nilai XT
𝑥𝑇 = 𝑥̅ + 𝐾𝑇 𝑆
Untuk rank 1 dengan nilai probabilitas 0,06 maka diperoleh
𝑥𝑇 = 𝑥̅ + 𝐾𝑇 𝑆
𝑥𝑇 = 243,01 𝑚𝑚
Untuk metode ini memiliki sifat khas yaitu besarnya nilai asimetrisnya (skweness)
hampir sama dengan 3 (Cs = 3) dan bertanda positif atau nilai skewness kira-kira
berkisar tiga kali dari nilai koefisien variasi C. Rumus yang digunakan untuk
perhitungan dengan metode ini adalah sebagai berikut :
log 𝑥𝑇 = ̅̅̅̅̅̅
log 𝑥 + 𝐾𝑇 𝑆𝑙𝑜𝑔𝑥
𝑥𝑇 −𝑚
𝐾𝑇 =
𝜎
1
1 1/2 1 2
𝑤 = [𝑙𝑛 ( 2 )] (0 < 𝑝 ≤ 0.5) , 𝑤 = [𝑙𝑛 ( 2
)] (0.5 < 𝑝 < 1)
𝑝 1−𝑝
𝑆 = standar deviasi
CONTOH PERHITUNGAN
PROGRAM STUDI TPSDA-ITB 8-9
Untuk contoh perhitungan dari analisa frekuensi dengan menggunakan metode
distribusi normal ini diperlukan data curah hujan tahunan maksimum seperti di bawah
ini.
i. Mengurutkan data mulai dari data yang terbesar hingga terkecil yang
kemudian dicari nilai probabilitasnya seperti berikut
ii. Mencari nilai rata-rata dan standar deviasi dari log data curah hujan
𝑥̅ = 2,06 𝑚𝑚
𝑆 = 0,127
iii. Mencari nilai Log dari data curah hujan yang telah diurutkan
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
1
1 2
𝑤 = [𝑙𝑛 ( 2 )]
𝑝
𝑤 = 2,3548
v. Mencari nilai KT
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
𝑥𝑇 − 𝑚
𝐾𝑇 =
𝜎
𝐾𝑇 = 1,5344
log 𝑥𝑇 = ̅̅̅̅̅̅
log 𝑥 + 𝐾𝑇 𝑆𝑙𝑜𝑔𝑥
log 𝑥𝑇 = 2,26
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
𝑥𝑇 = 10log 𝑥𝑇
𝑥𝑇 = 180,02
viii. Mencari nilai curah hujan rencana sesuai periode ulang T Tahun
Untuk periode ulang 1000 tahun dengan nilai probabilitas 0,001 maka
diperoleh nilai
1
1 2
𝑤 = [𝑙𝑛 ( 2 )]
𝑝
𝑤 = 3,72
𝑥𝑇 − 𝑚
𝐾𝑇 =
𝜎
𝐾𝑇 = 3,0905
𝑥𝑇 = 10log 𝑥𝑇
𝑥𝑇 = 283,73
Table 8-12 Hasil Analisa Distribusi Log Normal Untuk Periode Ulang T Tahun
PERIODE
p w z Log Xt Xt (mm)
ULANG
1000 0.001 3.72 3.0905 2.45 283.73
200 0.005 3.26 2.5762 2.39 244.12
100 0.010 3.03 2.3268 2.36 226.95
50 0.020 2.80 2.0542 2.32 209.56
25 0.040 2.54 1.7511 2.28 191.79
10 0.100 2.15 1.2817 2.22 167.20
5 0.200 1.79 0.8415 2.17 147.00
2 0.500 1.18 0.0000 2.06 114.94
Sumber: Hasil Perhitungan 2017
𝑋𝑇 = 𝑥̅ + 𝐾𝑇 𝑆
1
1 2
𝑤 = [ln 2 ] (0 < 𝑝 ≤ 0,5 );
𝑝
2,515517 + 0,802853𝑤 + 0,010328𝑤 2
𝑧=𝑤−
1 + 1,432788𝑤 + 0,189269𝑤 2 + 0,001308𝑤 3
1
1 2
𝑤 = [ln ] (0,5 < 𝑝 < 1);
(1 − 𝑝)2
2,515517 + 0,802853𝑤 + 0,010328𝑤 2
𝑧=𝑤−
1 + 1,432788𝑤 + 0,189269𝑤 2 + 0,001308𝑤 3
𝐶𝑠
𝑘=
6
Keterangan :
CONTOH PERHITUNGAN
i. Mengurutkan data mulai dari data yang terbesar hingga terkecil yang
kemudian dicari nilai probabilitasnya seperti berikut
ii. Mencari nilai rata-rata dan standar deviasi dari data curah hujan
𝑥̅ = 119,98 𝑚𝑚
𝑆 = 39,81
𝐶𝑠 (𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠) = 1,79
𝐶𝑠
𝐾= = 0,30
6
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
1
1 2
𝑤 = [𝑙𝑛 ( 2 )]
𝑝
𝑤 = 2,3548
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
v. Mencari nilai Xt
𝑋𝑇 = 𝑥̅ + 𝐾𝑇 𝑆
𝑋𝑇 = 304,65
Untuk periode ulang 1000 tahun dengan nilai probabilitas 0,001 maka
diperoleh nilai
1
1 2
𝑤 = [𝑙𝑛 ( 2 )]
𝑝
𝑤 = 3,72
𝑋𝑇 = 𝑥̅ + 𝐾𝑇 𝑆
PROGRAM STUDI TPSDA-ITB 8-16
𝑋𝑇 = 349,26 𝑚𝑚
Table 8-16 Hasil Analisa Frekuensi dengan Metode Distribusi Pearson III Untuk Periode Ulang T Tahun
PERIODE
p w z Kt Xt (mm)
ULANG
1000 0.001 3.72 3.0905 5.76 349.26
200 0.005 3.26 2.5762 4.17 286.18
100 0.010 3.03 2.3268 3.503 259.43
50 0.020 2.80 2.0542 2.837 232.90
25 0.040 2.54 1.7511 2.174 206.54
10 0.100 2.15 1.2817 1.302 171.81
5 0.200 1.79 0.8415 0.638 145.38
2 0.500 1.18 0.0000 -0.271 109.21
Sumber: Hasil Perhitungan 2017
log 𝑥𝑇 = ̅̅̅̅̅̅
log 𝑥 + 𝐾𝑇 𝑆𝑙𝑜𝑔𝑥
1
1 1/2 1 2
𝑤 = [𝑙𝑛 ( 2 )] (0 < 𝑝 ≤ 0.5) , 𝑤 = [𝑙𝑛 ( )] (0.5 < 𝑝 < 1)
𝑝 1 − 𝑝2
1 1
𝐾𝑇 = 𝑧 + (𝑧 2 − 1)𝑘 + (𝑧 3 − 6𝑧)𝑘 2 − (𝑧 2 − 1)𝑘 3 + 𝑧𝑘 4 + 𝑘 5
3 3
PROGRAM STUDI TPSDA-ITB 8-17
𝑘 = 𝐶𝑠 /6
Keterangan:
𝑆 = standar deviasi
CONTOH PERHITUNGAN
i. Mengurutkan data mulai dari data yang terbesar hingga terkecil yang
kemudian dicari nilai probabilitasnya seperti berikut
ii. Mencari nilai rata-rata dan standar deviasi dari log data curah hujan
𝑥̅ = 2,06 𝑚𝑚
𝑆 = 0,13
𝐶𝑠 (𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠) = 0,86
𝐶𝑠
𝐾= = 0,14
6
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
1
1 2
𝑤 = [𝑙𝑛 ( 2 )]
𝑝
𝑤 = 2,3548
Untuk nilai pada rank 1 dengan probabilitas 0,06 maka diperoleh nilai
log 𝑥𝑇 = ̅̅̅̅̅̅
log 𝑥 + 𝐾𝑇 𝑆𝑙𝑜𝑔𝑥
log 𝑥𝑇 = 2,27
𝑋𝑇 = 10log 𝑥𝑇
𝑋𝑇 = 188,23 𝑚𝑚
Table 8-19 Hasil Analisa Frekuensi dengan Distribusi Log Pearson III
Untuk periode ulang 1000 tahun dengan nilai probabilitas 0,001 maka
diperoleh nilai
1
1 2
𝑤 = [𝑙𝑛 ( 2 )]
𝑝
𝑤 = 3,72
log 𝑥𝑇 = ̅̅̅̅̅̅
log 𝑥 + 𝐾𝑇 𝑆𝑙𝑜𝑔𝑥
PROGRAM STUDI TPSDA-ITB 8-20
log 𝑥𝑇 = 2,61
𝑋𝑇 = 10log 𝑥𝑇
𝑋𝑇 = 412,09 𝑚𝑚
Table 8-20 Hasil Analisa Frekuensi Dengan Metode Log Pearson III Untuk Periode Ulang T Tahun
PERIODE
p w z Kt Log Xt Xt (mm)
ULANG
1000 0.001 3.72 3.0905 4.37 2.61 412.09
200 0.005 3.26 2.5762 3.38 2.49 308.76
100 0.010 3.03 2.3268 2.938 2.43 271.35
50 0.020 2.80 2.0542 2.482 2.38 237.48
25 0.040 2.54 1.7511 2.007 2.32 206.67
10 0.100 2.15 1.2817 1.334 2.23 169.79
5 0.200 1.79 0.8415 0.770 2.16 143.98
2 0.500 1.18 0.0000 -0.140 2.04 110.32
Sumber: Hasil Perhitungan 2017
Analisa pengujian kesesuaian distribusi ini dilakukan untuk menguji kesesuaian atau
kecocokan (the goodness of fittest test) distribusi frekuensi sampel data terhdap fungsi
distribusi peluang yang diperkirakan dapat menggambarkan atau mewakili distribusi
frekuensi tersebut. Pengujian ini dilakukan dengan dua metode yaitu metode Uji
Smirnov-Kolmogorov dan Uji Chi-Square. Adapun penentuan syarat batas sebaran
adalah seperti berikut ini:
Uji kesesuaian Smirnov-Kolmogorov sering disebut juga dengan uji kecocokan non
paraetrik. Hal ini dikarenakan pengujiannya tidak menggunakan fungsi distribusi
tertentu. Uji ini digunakan untuk menguji simpangan/selisih terbesar antara peluang
pengamatan (empiris) dengan peluang teoritis atau dalam persamaan dapat ditulis
seperti berikut ini:
maks= Pe − PT
Keterangan:
maks = Selisih terbesar antara peluang empiris dengan teoritis
Pe = Peluang empiris. dengan menggunakan persamaan dari Weibull:
m
P =
N+1
m = nomor urut kejadian. atau peringkat kejadian
N = jumlah data pengamatan
Untuk mengetahui apakah data hujan masih berada dalam batas uji smirnov
kolmogorov, maka dicari besarnya selisih kritis dari data yang ada.
Secara garis besar, uji ini membandingkan kemungkinan yang dapat terjadi untuk
setiap variant dari distribusi empiris dan teoritisnya, sehingga akan terdapat delta (Δ)
atau perbedaan. Jika (Δ)maksimum yang terbaca kurang dari (Δ) kritiknya untuk suatu
derajat nyata dan jumlah variant tertentu maka kemungkinan terjadi penyimpangan
akibat kesalahan.
Langkah – langkah untuk melakukan uji ini adalah seperti berikut ini:
i. Urutkan data dari besar ke kecil ataupun sebaliknya dari kecil ke besar.
Kemudian tentukan peluang dari masing-masing data tersebut.
ii. Tentukan nilai variabel reduksi untuk metode ini yaitu
(𝑋−𝑋̅)
𝑓(𝑡) = (II-8)
𝑆
iii. Tentukan peluang teoritis dari yaitu {𝑃′(𝑋𝑖)} dari nilai 𝑓(𝑡) dengan
menggunakan tabel
iv. Dari kedua nilai peluang tersebut kemudian tentukan besarnya nilai
selisih antara pengamatan dan teoritis
𝐷𝑚𝑎𝑘𝑠 = 𝑚𝑎𝑘𝑠 {𝑃(𝑋𝑖) − 𝑃′(𝑋𝑖)}
v. Kemudian dengan menggunakan tabel nilai kritis untuk Smirnov-
Kolmogorov ditentukan besarnya nilai 𝐷0
Besarnya nilai kritik hasil perhitungan untuk masing – masing metode analisis
frekuensi harus lebih kecil dari besarnya nilai delta kritik yang telah ditetapkan metode
Smirnov-Kolmogorv.
Table 8-21Perbandingan Data Curah Hujan Asli dengan Hasil Analisa Frekuensi
Kemudian dicari nilai selisih dari data curah hujan asli dengan nilai hasil perhitungan
analisa frekuensi dan diperoleh hasil seperti berikut ini
Dari hasil selisih tersebut kemudian diambil nilai maksimum untuk maisng-masing
metode dan dicari diantara metode tersebut yang mempunyai nilai maksimum paling
kecil dari metode – metode yang lainnya.
Uji Chi-Square ini dimaksudkan untuk menentukan apakah persamaan distribusi yang
akan dipilih dapat mewakili distribusi statik sampel data yang dianalisis. Untuk
pengujian dengan metode ini mempunyai syarat bahwa nilai chi-kuadrat yang
diperoleh harus lebih kecil dari nilai chi-kritik yang sudah ditentukan. Untuk itu maka
disarankan banyaknya kelas yang tidak kurang dari 5 dan frekuensi absolut tiap kelas
tidak kurang dari 5. Rumus yang digunakan untuk metode ini adalah sebagai berikut:
𝑘
(𝑂𝑖 − 𝐸𝑖)2
𝑋𝑖−1
𝐸𝑖
Dimana:
Jika hasil menunjukkan bahwa distribusi yang dipilij tidak cocok, tetapi uji ini dapat
memberikan hasil yang baik jika data yang tersedia cukup panjang (disarankan n ≥ 50
tahun dan jumah kelas interval ≥ 5).
Untuk menyelesaikan uji dengan menggunakan metode ini, maka dilakukan cara
seperti berikut ini:
i. Penggambaran distribusi curha hujan dilakukan untuk setiap metode
distribusi. Hal ini dilakukan untuk mengetahui beda antara frekuensi
yang diharapkan (𝐸𝑓) dengan frekuensi yang terbaca.
ii. Hitung peluang dari masing-masing data hidrologi yang dimiliki
K = jumlah data
P = Probabilitas
CONTOH PERHITUNGAN
Table 8-23 Perbandingan Nilai Curah Hujan Asli dengan Curah Hujan Hasil Analisa Frekuensi
Dari hasil analisa chi-square, diperoleh hasil nilai C kuadrat yang paling keci diperoleh
dengan menggunakan distribusi Log Pearson III sehingga untuk hasil uji Chi-Square
diambil distribusi dengan metode Log Pearson III.