Analisis hidrologi digunakan untuk menghitung data curah hujan yang diperoleh dari stasiun-
stasiun pengamat yang terdekat atau berada di daerah perencanaan.
Curah hujan yang akan dianalisis berupa data array atau kumpulan data besarnya hujan harian
maksimum dalam setahun. Idealnya kumpulan data minimal 30 tahun, sedangkan praktisnya
yang diperlukan data selama 20 tahun pengamatan berturut-turut yang dinyatakan dalam
mm/24 jam. Kumpulan data tersebut terdiri dari angka-angka curah hujan merupakan
kumpulan data mentah atau kasar yang tidak saling tergantung dan tidak dapat digunakan
secara langsung, tetapi harus diolah terlebih dahulu menjadi “Extreme Rainfall”.
Extreme Rainfall adalah angka perkiraan curah hujan harian maksimum yang dianggap terjadi
satu kali dalam periode ulang (return periode). “Extreme Rainfall” yang dinyatakan dalam
mm/24 jam yang dapat dikumpulkan, dihitung, disajikan, dan ditafsirkan dengan
menggunakan prosedur, yaitu dengan menggunakan metode statistik. Statistik sering dipakai
dalam setiap analisis hidrologi, karena dalam setiap analisis hidrologi harus diperoleh suatu
kesimpulan. Jadi penerapan metode statistik dalam analisis hidrologi adalah untuk membuat
keputusan mengenai fenomena hidrologi suatu kota berdasarkan data hidrologi yang
diperoleh.
Tes konsistensi
Tes homogenitas
Dalam perencanaan saluran drainase Kota Tual, stasiun curah hujan yang digunakan yaitu
stasiun Kota Tual. Sumber data ini didapat dari BMKG, PU Pengairan Tual, dan Dinas
Pertanian. Lokasi stasiun hujan Kota Tual dapat dilihat pada Gambar 6.1. Data curah hujan
yang akan dianalisis berupa data array atau kumpulan data besarnya hujan harian maksimum
dalam setahun. Idealnya kumpulan data selama 20 tahun terakhir yang dinyatakan dalam
mm/24 jam. Lokasi stasiun hujan Kota Tual dapat dilihat pada Gambar 6.1
Agar tidak terjadi penyimpangan pada hasil perhitungan, sebelum dianalisa lebih lanjut data
curah hujan yang telah dilengkapi perlu di tes konsistensinya. Tidak konsistennya sekumpulan
data curah hujan dapat disebabkan oleh:
Perubahan ekosistem
Pengecekan konsistensi data dapat dikerjakan dengan teknik kurva massa ganda (double mass
curve technique). Kurva massa ganda dibuat dengan cara memplot akumulasi data curah hujan
salah satu stasiun sebagai salah satu stasiun ordinat dan akumulasi nilai rata-rata curah hujan
stasiun – stasiun terdekat sebagai absis.
Prinsip metoda analisis massa ganda adalah sejumlah tertentu stasiun dalam wilayah iklim
yang sama diseleksi sebagai stasiun dasar. Rata-rata aritmatika dari semua stasiun dasar
dihitung untuk setiap periode yang sama. Rata-rata hujan tersebut ditambahkan atau
diakumulasikan, mulai dari periode awal pengamatan. Demikian pula halnya dengan data
stasiun utama. Data curah hujan akumulatif stasiun dasar dan stasiun utama untuk setiap
periode diplot pada kurva massa ganda.
Apabila data stasiun utama dicek konsistensinya dengan stasiun dasar adalah konsisten, maka
kurva gandanya hampir merupakan garis lurus. Jika terdapat patahan atau belokan yang
menyimpang dari garis lurus pada titik tertentu, maka mulai dari titik tersebut sampai dengan
tahun pengamatan berikutnya dianggap tidak akurat. Menurut Linsley perubahan slope tidak
akan terlihat jelas kecuali didukung paling sedikit oleh 10 tahun data.
Koreksi yang digunakan untuk data yang tidak konsisten tersebut adalah :
tgα
Hz= xHo
tg αo
(5-1)
Dimana:
Lebih jelasnya mengenai grafik kurva massa ganda (Nemec, 1983) yang digunakan dapat
dilihat pada Gambar 5.2.
Sehubungan dengan tidak adanya stasiun curah hujan pembanding di lokasi daerah
perencanaan, maka tes konsistensi tidak dapat dilakukan.
Data curah hujan yang telah konsisten kemudian di tes homogenitasnya. Maksudnya untuk
menguji apakah hujan maksimum terjadi pada keseluruhan daerah studi secara homogen. Jika
tidak homogen perlu dicari kumpulan data yang homogen.
Tes homogenitas dilakukan dengan memplot harga (N ; Tr) pada grafik tes homogenitas
(Homogenity Test Graph). Suatu array data homogen, bila titik (N ; Tr) berada didalam batas
homogenitas pada grafik tersebut.
N adalah banyaknya data hujan sedangkan Tr adalah periode ulang yang persamaannya,
sebagai berikut :
R10 −
Tr= −
x Tr
R
(5-2)
Dimana:
R10
= Curah hujan dengan PUH 10 tahun (mm/hari).
−
Tr
Untuk mendapatkan harga R10 dan digunakan persamaan regresi linear dari Gumbel
Modifikasi karena distribusi curah hujan harian maksimum merupakan urutan data yang
dihipotesakan memenuhi distribusi Gumbel tersebut, menggunakan persamaan :
1
R=μ+ . Yt
α
(5-3)
Dimana:
1
μ = Xr− .Yn
α
(5-4)
1 σR
=
α σN
(5-5)
[ ]
1
∑ ( Ri− R )
n − 2
2
i =1
σR =
n−2
Y T =− ln ln ( Tr
Tr −1 ) (5-6), (5-7)
Dengan mensubstitusikan persamaan (5-5), (5-6) dan (5-7) ke dalam persamaan (5-4) didapat
persamaan Gumbel :
−
Yt−Yn
R=R + . σR
σN
(5-8)
atau
[ ( )
]
Tr
ln ln +Y
− T r−1 N
R=R − σR
σN
(5-9)
Dimana :
Harga YT pada masing-masing periode ulang hujan dapat dilihat pada Tabel 5.5 sebagai
berikut :
Tabel 5.5
Reduced Variate (YT) Pada PUH t Tahun
Periode Ulang YT
2 0,3665
5 1,4999
10 2,2504
25 3,1985
50 3,9019
100 4,6001
Sumber:.Nemec, 1973
Persamaan (5-14) tersebut kemudian dimodifikasi. Menurut Lattenmair dan Burges perkiraan
hidrologi yang lebih tepat diperoleh dengan menggunakan harga limit standar deviasi dan
limit rata-rata (bila harga n = ). Perkiraan ini lebih akurat daripada perkiraan yang
didasarkan pada panjangnya waktu pengamatan (tergantung besarnya n).
Tabel 5.6
Harga Yn dan Sn Sesuai Dengan Tahun Pengamatan
Tahun
Yn Sn
Pengamatan
10 0,4052 0,9496
20 0,5236 1,0628
30 0,5362 1,1124
40 0,5436 1,1413
50 0,5485 1,1607
60 0,5521 1,1747
70 0,5548 1,1854
80 0,5569 1,1936
90 0,5586 1,2007
100 0,5600 1,2065
Sumber : Nemec, 1973
Harga limit rata-rata, YN sama dengan konstanta Euler (YN = 0,5772), sedangkan limit standar
deviasi, n = / √ 6 = 1,2825. Dengan demikian, persamaan (5-5) menjadi :
1 σR
=
α 1,2825 (5-10)
μ = R-0,45 σR (5-11)
Dengan mensubstitusikan persamaan (5-10) dan (5-11) tersebut ke persamaan (5-8) dan
persamaan (5-9), diperoleh persamaan sebagai berikut :
Homogenitas curah hujan periode 20 tahun dapat dilihat pada Tabel berikut ini :
Perhitungan :
n = 20
R = 134,17
= {(102782,17)/(20-1)}^0,5
= 73,55
= 101,07 + 57,37YT
−
Dengan menggunakan persamaan (5-7) untuk Tr = 10, maka harga YT:
YT = - ln
( ln
10−1 ) = 2,
10
2504
YT = 0,57
−
Dengan menggunakan persamaan (5-7) untuk YT = 0,57 maka harga Tr :
( )
−
Tr
ln − −
0,57 = -ln T r −1 , didapat Tr = 2,31
Dari perhitungan di atas diperoleh nilai/ titik (N : TR) = (20 : 2,96), kemudian diplot pada
Homogenitas Test Graph. Ternyata titik tersebut titik tersebut berada di dalam daerah batas
homogenitas, maka data curah hujan yang digunakan sudah homogen. Tes homogenitas curah
hujan periode 20 tahun dapat dilihat pada Gambar 5.7.
Gambar 6.7 Homogenitas Curah Hujan 20 Tahun
Metode Gumbel yang banyak digunakan untuk analisis frekuensi curah hujan data maksimum.
Maksud dari analisis ini adalah untuk mendapatkan garis regresi yang merupakan tempat
kedudukan nilai maksimum curah hujan.
Analisa lebih lanjut untuk mengetahui penyimpangan metode Gumbel dilakukan perhitungan
berdasarkan rentang keyakinan untuk masing-masing harga Xt, yang berarti keyakinan bahwa
harga-harga perkiraan tersebut mempunyai rentang harga.
5. Mencari harga curah hujan maksimum dengan mempergunakan persamaan (5-12), yaitu :
¿
R+(0 ,78 Y T −0 ,45). σR
R=
Setelah CHHM rencana dihitung menurut salah satu metode analisisnya (metode Gumbel)
maka perlu dicari rentang keyakinan, yaitu keyakinan bahwa harga-harga perkiraan
tersebut mempunyai rentang harga.
Persamaannya adalah :
Rk=±t ( a ) . Se
(5-13)
Dimana :
t(a) = Fungsi a
a = Probabilitas Keyakinan.
a = 80 %, t(a) = 1282
a = 68 %, t(a) = 1000
7. Mencari harga Se dengan rumus:
b . σR
Se=
n 0,5
(5-14)
Dimana :
b = (1+1,3K+1,1K2)0,5 (5-15)
K = (0.78YT – 0,45)
σR
= Standar deviasi
Untuk mengetahui perhitungan dasar curah hujan harian maksimum dengan menggunakan
Metode Gumbel Modifikasi, dapat dilihat pada Tabel 5.10
b =√ 1+1,3(K )+1,1( K )2
= √ 1+1,3 x(−0,1641)+1,1x(−0,1641) = 0,9035
2
Untuk perhitungan curah hujan dengan PUH 5, 10, 25, 50 dan 100 tahun digunakan cara yang
sama dengan perhitungan untuk PUH 2 tahun dan hasil perhitungannya dapat dilihat pada
Tabel 5.11
Parameter-parameter statistik yang diperlukan untuk metode distribusi Log Pearson Type
III ini adalah :
Rata-rata log = μ
Standar deviasi log = Sx
Koefisien skew = δ (Cs)
Persamaan-persamaan yang dapat digunakan untuk perhitungan curah hujan dengan metode
Log Pearson Type III ini adalah :
1
∑ log x i
μ = n (5–17)
[ ]
2 1/2
∑ ( log xi−μ)
Sx=
n−2 (5–18)
[ ]
3
Cs=
(
n ∑ log x i−μ )
( n−1 ) . ( n−2 ) . ( Sx )3 (5–19)
Dimana :
μ = Rata-rata xi
xi = Hujan harian maksimum (mm / 24 jam)
Sx = Standar deviasi logaritma
n = Jumlah data
Cs (δ) = Koefisien skew
Besarnya curah hujan harian maksimum yang terjadi pada suatu PUH dihitung dengan
menggunakan rumus :
−
Log XTR = x + KTR . Sx (5–20)
Dimana :
XTR = Curah hujan harian maksimum dalam PUH (mm / 24 jam)
KTR = Skew curve factor, didapat dari Tabel 5.12
Tabel 5.12 Skew Curve Factor K digunakan Log Person Type III
Periode Ulang (Tahun)
Koefisien 2 5 10 25 50 100
Cs ( δ ) Probabilitas Kemungkinan Terjadi
50 20 10 4 2 1
3.0 -0.396 0.420 1.180 2.278 3.152 4.051
2.9 -0.390 0.440 1.195 2.277 3.134 4.013
2.8 -0.384 0.460 1.210 2.275 3.114 3.973
2.7 -0.376 0.479 1.224 2.272 3.093 3.932
2.6 -0.368 0.499 1.238 2.267 3.071 3.889
2.5 -0.360 0.518 1.250 2.262 3.047 3.845
2.4 -0.351 0.537 1.262 2.256 3.023 3.800
2.3 -0.341 0.555 1.274 2.248 2.997 3.753
2.2 -0.330 0.574 1.284 2.240 2.970 3.705
2.1 -0.319 0.592 1.294 2.230 2.942 3.656
2.0 -0.307 0.609 1.302 2.219 2.912 3.605
1.9 -0.294 0.627 1.310 2.207 2.861 3.553
1.8 -0.282 0.643 1.318 2.193 2.848 3.499
1.7 -0.268 0.660 1.324 2.179 2.815 3.444
1.6 -0.254 0.675 1.329 2.163 2.780 3.388
1.5 -0.240 0.690 1.333 2.146 2.743 3.330
1.4 -0.225 0.705 1.337 2.128 2.706 3.271
1.3 -0.210 0.719 1.339 2.108 2.666 3.211
1.2 -0.195 0.732 1.340 2.067 2.626 3.149
1.1 -0.180 0.745 1.341 2.066 2.585 3.087
1.0 -0.164 0.758 1.340 2.013 2.542 3.022
0.9 -0.148 0.769 1.339 2.018 2.498 3.957
0.8 -0.132 0.780 1.336 1.993 2.453 2.891
0.7 -0.116 0.790 1.333 1.967 2.407 2.824
0.6 -0.099 0.800 1.328 1.939 2.399 2.755
0.5 -0.063 0.808 1.323 1.910 2.311 2.686
0.4 -0.066 0.816 1.317 1.880 2.261 2.615
0.3 -0.050 0.824 1.309 1.849 2.211 2.544
0.2 -0.033 0.830 1.301 1.818 2.159 2.472
0.1 -0.017 0.836 1.292 1.785 2.107 2.400
0.0 0.000 0.842 1.262 1.751 2.054 2.326
-0,1 0,017 0,836 1,270 1,716 2,000 2,252
-0,2 0,033 0,850 1,258 1,860 1,945 2,178
-0,3 0,050 0,853 1,245 1,643 1,890 2,104
-0,4 0,066 0,855 1,231 1,606 1,834 2,029
-0,5 0,083 0,856 1,216 1,567 1,777 1,955
Sumber : Soewarno.,(1996)
Tabel 5.13 Parameter Untuk Perhitungan SET Distribusi Log Person Type III
Penentuan batas daerah kepercayaan untuk Log Pearson Type III adalah :
Log SET = δ (Sx2 / n)0,5 (5-26)
Dimana :
Log SET = Kesalahan standar dari perkiraan untuk tiap periode
δ = Parameter SET (dari Tabel 5.13)
Sx = Standar deviasi logaritma
n = Jumlah data
Untuk mengetahui perhitungan dasar curah hujan dengan menggunakan Metode Log Pearson
Type III, dapat dilihat pada Tabel 5.14.
Tabel 5.14 Perhitungan dasar CHHM Metode Log Pearson Type III
No Tahun Xi Log Xi Log Xi-μ (Log Xi-μ)² (Log Xi-μ)³
1 1998 112,70 2,0519 -0,0372 0,0014 -0,0001
2 1999 120,50 2,0810 -0,0081 0,0001 0,0000
3 2000 126,60 2,1024 0,0133 0,0002 0,0000
4 2001 127,80 2,1065 0,0174 0,0003 0,0000
5 2002 74,50 1,8722 -0,2169 0,0471 -0,0102
6 2003 88,90 1,9489 -0,1402 0,0197 -0,0028
7 2004 98,80 1,9948 -0,0943 0,0089 -0,0008
8 2005 89,10 1,9499 -0,1392 0,0194 -0,0027
9 2006 185,50 2,2683 0,1792 0,0321 0,0058
10 2007 127,60 2,1059 0,0168 0,0003 0,0000
11 2008 87,00 1,9395 -0,1496 0,0224 -0,0033
12 2009 192,90 2,2853 0,1962 0,0385 0,0076
13 2010 118,30 2,0730 -0,0161 0,0003 0,0000
14 2011 173,10 2,2383 0,1492 0,0223 0,0033
15 2012 91,20 1,9600 -0,1291 0,0167 -0,0022
16 2013 83,20 1,9201 -0,1690 0,0286 -0,0048
17 2014 143,10 2,1556 0,0665 0,0044 0,0003
18 2015 412,00 2,6149 0,5258 0,2765 0,1454
19 2016 132,50 2,1222 0,0331 0,0011 0,0000
20 2017 98,00 1,9912 -0,0979 0,0096 -0,0009
Jumlah 2683,30 41,7820 0,0000 0,5495 0,1345
Rata2 134,17 2,0891
μ=
∑ log x i 36 , 6480
n = 20 = 1,8324
[ ]
0,5
∑ ( Log xi −μ ) 2
Sx=
n−2 = [0,1605/(20-2)]0.5 = 0,0944
Cs=
[ n ∑ ( Log xi −μ )3
( n−1 ) . ( n−2 ) . ( Sx )3 ]
[ 20 x (−0 , 0029)
= ( 20−1 ) . ( 20−2 ) . ( 0 , 0944 )
3 ]
Cs (δ) = -0,20
Dengan harga Cs (δ) = -0,20 maka dari Tabel 5.12 didapat harga KTR sesuai dengan periode
ulang hujannya ( 2 tahun) yaitu sebesar 0,033
Dengan menggunakan persamaan (5–25), maka dapat dihitung besarnya curah hujan harian
maksimum untuk PUH 2 tahun, yaitu :
Log Rt = μ + KTR . Sx
= 1,8324 + (0,033 * 0,0944)
= 1,8355
Rt = 10^ 1,8355
= 68,4699
Dengan koefisien Skew (δ) yang sama, yaitu -0,20 maka diperoleh δ = 1,0830 (Tabel 5.13).
Log SET = δ (Sx2 / n)0,5
= 1,0830 (0,09442 / 20)0,5
= 0,0228
Untuk PUH 2 tahun dengan derajat kepercayan 90% (α) = 1,64 maka :
SET = 10^ Log SET
= 10^ 0,0228
= 1,0539
αSET= 1,64*1,0539
= 1,7284
Untuk perhitungan curah hujan harian maksimum dengan menggunakan Metode Log Pearson
Type III untuk PUH 5, 10, 25, 50 dan 100 tahun digunakan cara yang sama dengan PUH 2
tahun dan hasil perhitungannya dapat dilihat pada Tabel 5.15.
Ket :
KT : Parameter untuk Metode Log Pearson Type III
K : Parameter SET Metode Log Pearson Type III
5.5.3 Metode Log Normal
Distribusi log normal merupakan hasil transformasi dari distribusi normal, yaitu dengan
mengubah nilai variant data hujan (Ri) menjadi nilai logaritmik variant. Nilai variant yang
diharapkan terjadi secara matematis ditentukan dengan persamaan :
LogR t = μ+ K σ R
Dimana :
Log Rt = nilai variant yang diharapkan terjadi
μ = nilai rata-rata logaritma
R = standar deviasi logaritma
K = karakteristik distribusi peluang log normal (nilai variable reduksi gauss)
Batas rentang kepercayaan ditentukan dengan persamaan :
[ ]
0,5
σ 2R
Log SET =δ
n
Dimana :
SET = kesalahan standar dari perkiraan
δ = parameter yang ditentukan berdasarkan perhitungan SET distribusi Log Normal
R = standar deviasai logaritma
n = jumlah data
Tabel 5.16
Nilai Variabel Reduksi Gauss Yang Dipergunakan
Dalam Distribusi Log Normal
Persamaan regresi distribusi log normal dan hasil perhitungannya dapat dilihat pada tabel
berikut :
Tabel 5.18 Perhitungan dasar CHHM Metode Log Normal
Untuk perhitungan dasar curah hujan harian maksimum dengan Metode Log Normal adalah
sebagai berikut (dari Tabel 5.18) :
μ=
∑ log Ri 36 ,6480
n = 20 = 1,8324
[ ]
0,5
σR =
∑ ( Log Ri−μ )2
n−2 = [0,1605/(20-2)]0.5 = 0,0944
Cs=
[ ∑ n ( Log Ri−μ )3
( n−1 ) . ( n−2 ) . ( σ R ) 3 ]
[
20 x (−0 , 0029)
= ( 20−1 ) . ( 20−2 ) . ( 0 , 0944 )
3 ]
Cs (δ) = -0,2
Maka dari Tabel 5.16 didapat harga K sesuai dengan periode ulang hujannya dimana untuk
PUH 2 = 0
Dengan menggunakan persamaan (5–25), maka dapat dihitung besarnya curah hujan harian
maksimum untuk PUH 2 tahun, yaitu :
Log Rt = μ + K * σR
= 1,8324 + (0 * 0,0944)
= 1,8324
Rt = 10^ 1,8324
= 67,9829
Kemudian dapat dilihat dalam Tabel 5.17 setiap perhitungan CHHM untuk Log Normal.
Log SET = δ (R2 / n)0,5
= 1,0000 (0,09442 / 20)0,5
= 0,0211
Untuk PUH 2 tahun dengan derajat kepercayan 90% (α) = 1,64 maka :
SET = 10^ Log SET
= 10^ 0,0211
= 1,0498
αSET= 1,64*1,0498
= 1,7217
Untuk perhitungan curah hujan harian maksimum demgan menggunakan Metode Log Normal
untuk PUH 5, 10, 25, 50 dan 100 tahun digunakan cara yang sama dengan PUH 2 tahun dan
hasil perhitungannya dapat dilihat pada Tabel 5.19.
Tabel 5.19 Perhitungan CHHM Metode Log Normal
PU
KT Log Rt Rt K Log SET SET αSET Rt-set Rt+αSET CHHM
H
0,000
2 1,000 1,050 1,722 66,261 69,705 Rt<Rt Set
0 1,832 67,983 0,021
5 0,840 1,912 81,603 1,164 0,025 1,058 1,735 79,868 83,339 Rt<Rt Set
10 1,280 1,953 89,794 1,350 0,028 1,068 1,751 88,043 91,545 Rt<Rt Set
25 1,710 1,994 98,593 1,534 0,032 1,077 1,767 96,826 100,360 Rt<Rt Set
50 2,050 2,026 106,156 1,763 0,037 1,089 1,787 104,369 107,943 Rt<Rt Set
100 2,330 2,052 112,818 1,925 0,041 1,098 1,801 111,018 114,619 Rt<Rt Set
Dalam pemilihan metode analisis curah hujan harian maksimum digunakan uji kecocokan
(Test of Goodness of fit) distrsbusi frekuensi dari data terhadap fungsi distribusi peluang yang
diperkirakan dapat menggambarkan/ mewakili distribusi frekuensi tersebut, diperlukan
pengujian parameter.
Pengujian parameter dapat dilakukan dengan uji kecocokan yaitu dengan Chi – Kuadrat (Chi
– Square). Untuk melakukan uji kecocokan ini akan dibandingkan curah hujan harian
maksimum hasil perhitungan berdasarkan metode-metode yang digunakan. Uji Chi – Kuadrat
dimaksudkan untuk menentukan apakah persamaan atau metode yang dipilih dapat mewakili
dari distribusi statistik sampel data yang dianalisis.
Untuk menentukan uji Chi- Kuadrat ini, data curah hujan harian maksimum harus
dikelompokkan dalam bentuk kelas interval. Penentuan jumlah kelas interval bila mengikuti
pendekatan Stuges, adalah :
[ ]
G
( fo−fe)2
∑ fe
i=1
Xh =
2
(5–27)
Dimana :
fo
= Frekuensi dari observasi (data sampel)
fe
= Frekuensi teoritis (expect dari kurva normal)
fe
Pendekatan dengan persamaan :
fe ∑ fo
= x probabilitas (5–28)
fe
Nilai diperoleh dengan cara expect dari kurva normal. Kurva normal dalam statistik
biasanya sudah didekati dengan nilai tabel distribusi normal yang berisi luas area yang
dibatasi oleh rerata dan simpangan baku dan ditandai oleh simbol ”Z”.
Dimana :
Z = Luas area
= Rerata sampel
= Simpangan baku
Untuk menentukan uji Chi-Kuadrat ini, data CHHM harus dikelompokkan dalam bentuk kelas
interval. Penentuan banyaknya kelas interval terhadap suatu data dilakukan dengan mengikuti
pendekatan Sturges, yaitu :
Dimana :
n = Banyaknya data
Dimana :
6. Tentukan probabilitas antara Z dengan menggunakan kurva normal atau Tabel Z (Tabel
5.21).
(5-32).
9. Tentukan derajat kepercayaan yang diterima, biasanya dilakukan uji terhadap kepercayaan
sebesar 99%.
Setelah dilakukan pengolahan data sesuai dengan prosedur di atas, kemudian melakukan
perbandingan antara Xh2 perhitungan dan Xh2 teoritis (Tabel 5.22) pada derajat kepercayaan
99 % dengan interpretasi sebagai berikut :
1. Apabila Xh2 perhitungan < Xh2 teoritis, maka hipotesa dapat diterima.
(1-)
X2 value
X2,value
5.6.1 Uji Chi-Kuadrat Pada Metode Gumbel Modifikasi
Untuk meghitung uji Chi Kuadrat diperlukan parameter terhadap data yang dikelompokkan,
nilai parameter tersebut antara lain :
Tabel 5.23 Array Data
No R Log R
1 74,50 1,8722
2 83,20 1,9201
3 87,00 1,9395
4 88,90 1,9489
5 89,10 1,9499
6 91,20 1,9600
7 98,00 1,9912
8 98,80 1,9948
9 110,00 2,0414
10 112,70 2,0519
11 118,30 2,0730
12 120,50 2,0810
13 126,60 2,1024
14 127,60 2,1059
15 127,80 2,1065
16 132,50 2,1222
17 143,10 2,1556
18 173,10 2,2383
19 185,50 2,2683
20 192,90 2,2853
nb = 192,90
nk = 74,50
Dengan menggunakan persamaan (5-30), mencari nilai k adalah :
k = 1 + 3,322 Log n
= 1 + 3,322 Log 20
= 5,32 ≈ 6 kelas
Dengan menggunakan persamaan (5-31), panjang kelas interval adalah :
nb −nk 101 ,11−49,73
G= k = 6 = 8,563 ≈ 9
fo adalah mencari seberapa banyak data pengamatan pada tiap rentang kelas.
Menentukan nilai tengah (m) :
(49 , 73+59 ,73 )
m= 2 = 54,73
Selanjutnya, hasil perhitungan median dapat dilihat pada tabel di bawah ini :
∑ Fo∗m 1424,6
n 20
R = = = 70,425
[ ]
0,5
∑ Fo∗(m−R )2
n−2
Sx =
[ ]
0,5
3267 ,00
20−2
Sx = = 13,62
Rata-Rata = 70,425
Sx = 13,62
= 49,725
Menentukan nilai luas Z dengan menggunakan Tabel 5.21 Probabilitas Kurva Distribusi
Z:
Z1 = 0,4357
Z2 = 0,3051
Z1 – Z2 = 0,4357– 0,3051
= 0,1306
Menentukan X2 ,yaitu :
X2 = (ƒo-ƒe)2/ ƒe
= (6-2,612)2/ 2,612
= 4,3945
[ ]
G
( fo−fe)2
∑ fe
Xh2 = i=1
= 10,9094
= 6-2-1
= 3
Dari Tabel 5.20 untuk nilai df = 3 dengan tingkat kepercayaan 99% diperoleh :
Kesimpulan
∑ Kelas = 6 kelas
∑ parameter = 2 (R dan Sx)
df = 3
Xh2 perhitungan 99% = 10,9094
Xh2 perhitungan < Xh2 teoritis, berarti hipotesis diterima
5.6.2 Uji Chi-Kuadrat Metode Log Pearson Type III dan Log Normal
Tabel 5.26 Perhitungan dasar Chi-Kuadrat Log Pearson Type III dan Log Normal
G (Kelas) fo m fo*m (m - R) (m - R)² fo*(m-R)²
1,872 1,954
- 5 1,9135 9,5674 -0,1446 0,0209 0,1046
2 8
1,954 2,037
- 3 1,9961 5,9883 -0,0620 0,0038 0,0115
8 4
2,037 2,120
- 7 2,0787 14,5512 0,0207 0,0004 0,0030
4 1
2,120 2,202
- 2 2,1614 4,3228 0,1033 0,0107 0,0213
1 7
2,202 2,285
- 3 2,2440 6,7320 0,1859 0,0346 0,1037
7 3
Jumlah 20 10,3937 41,1617 0,1033 0,0704 0,2441
Rata2(R) 2,0581 0,3837
Sx 0,1165
R (Rata-rata) = ∑(fo*m)/ n
= 36,6552/20
= 1,83276
Sx = (0,1283/18)^0,5
= 0,0844
Contoh perhitungan untuk uji Chi Kuadrat :
nb = 2,0048
nk = 1,6966
k = 1 + 3,322 Log 20
= 5,32 ≈ 6 kelas
nb −nk 2 , 0048−1, 6966
G= k = 6 = 0,0514
Tingkat kepercayaan 99%
Menentukan batas bawah kelas, yaitu :
Bbk = 1,6966 – 0,00005
= 1,69655
Dengan persamaan (5-29), titik Z adalah :
( x−R)
Z = Sx
(1,69655−1,83276 )
Z1 = 0,0844 = -1,61
(1,74795−1, 83276 )
Z2 = 0 ,0844 = -1,00
Menentukan nilai luas Z dengan menggunakan Tabel 5.21 Probabilitas Kurva Distribusi
Z. Z1 = 0.4463
Z2 = 0.3413
Z1 – Z2 = 0,4463 – 0,3413
= 0,1050
Menentukan X2 ,yaitu :
X2 = (ƒo-ƒe)2/ ƒe
= (5-2,1000)2/ 2,1000
= 4,0048
Menentukan Xh2 perhitungan dengan persamaan :
[ ]
G
( fo−fe)2
∑ fe
Xh2 = i=1
= 14,4987
=6-2-1
=3
Dari Tabel 5.20 untuk nilai df= 3 dengan tingkat kepercayaan 99% diperoleh :
Tabel 5.27 Perhitungan X2 Chi-Kuadrat Log Pearson Type III dan Log Normal
Batas Luas Probabilitas
G (Kelas) fo Titik Z fe X²
Kelas Area Z
1,8721 -1,60 0,4452
1,8722 - 1,9548 5 0,1319 2,638 2,115
1,9547 -0,89 0,3133
1,9548 - 2,0374 3 0,2419 4,838 0,698
2,0374 -0,18 0,0714
2,0374 - 2,1201 7 -0,1305 -2,610 -35,384
2,1200 0,53 0,2019
2,1201 - 2,2027 2 -0,1906 -3,812 -8,861
2,2026 1,24 0,3925
2,2027 - 2,2853 3 -0,0819 -1,638 -13,133
2,2853 1,95 0,4744
Jumlah 20 -54,565
Kesimpulan :
∑ Kelas = 6 kelas
df = 3
Hasil perhitungan Chi-Kuadrat untuk setiap metode dapat dilihat pada Tabel 5.28
Tabel 5.28 Interpretasi Hasil Perhitungan
Metoda
Chi Kuadrat Log Pearson Type III dan Log
Gumbel Modifikasi
Normal
Xh² perhitungan 4,936 -54,565
Xh² teoritis 99% 11,345 11,345
Hipotesa Diterima Diterima
Dari hasil uji kecocokan dengan uji Chi-Kuadrat, terlihat bahwa metode Gumbel Modifikasi
dapat diterima. Perhitungan X2 masih dibawah, X2 berdasarkan teoritis dengan derajat
kepercayaan 99%. Dalam perencanaan ini, metode analisis yang akan digunakan adalah
Metode Gumbel Modifikasi.
Tahap akhir dalam analisis curah hujan adalah analisis dalam bentuk Intensity Duration
Frequensy (IDF) yang menunjukkan hubungan antara lamanya waktu pengaliran dengan
intensitas hujan, untuk masing-masing periode ulang hujan.
Apabila tidak diketahui data untuk setiap durasi hujan, maka diperlukan pendekatan secara
empiris dengan berpedoman pada durasi 60 menit (1 jam) dan pada curah hujan harian
maksimum yang terjasi setiap tahun. Cara lain yang lazim digunakan adalah dengan
mengambil pola intensitas hujan untuk kota lain yang mempunyai kondisi yang hampir sama.
Metode yang digunakan antara lain Metode Hasper Der Weduwen dan Metode Van Breen.
Metode ini merupakan hasil penyelidikan yang dilakukan secara umum di Indonesia oleh
Hasper Der Weduwen. Penurunan rumusnya berdasarkan pada kecenderungan hujan yang
dikelompokkan atas dasar anggapan durasi hujan lebih kecil dari 1 jam dan durasi hujan
antara 1 – 24 jam. Rumus yang digunakan adalah sebagai berikut :
0 ≤ t <1, maka :
R=
√ 11300×t
t +3,12
¿ ( )
Rt
100 (5-34)
Rt =X T
√ 1218 t+54
X T ( 1−t ) +1272t (5-35)
R
I=
t (5-36)
Dimana :
PUH Durasi Xt Rt R I
(tahun (mm/24 (mm/24 (mm/24 (mm/
) (menit) jam) jam) jam) jam)
5 63.9573 10.9657 131.5888
10 64.9468 15.5469 93.2813
20 65.6423 21.6792 65.0376
2 40 66.2211 66.0659 29.4674 44.2012
60 34.6806 34.6806
80 38.5179 28.8884
120 43.9962 21.9981
240 52.7625 13.1906
5 77.0319 13.2074 158.4890
10 79.7311 19.0859 114.5156
20 81.7254 26.9908 80.9725
5 40 83.4513 82.9823 37.0127 55.5190
60 43.7043 43.7043
80 48.5399 36.4049
120 55.4437 27.7219
240 66.4909 16.6227
5 85.1573 14.6006 175.2068
10 89.1390 21.3380 128.0280
20 92.1707 30.4405 91.3216
10 40 94.8605 94.1232 41.9819 62.9728
60 49.6794 49.6794
80 55.1762 41.3821
120 63.0238 31.5119
240 75.5813 18.8953
5 94.9010 16.2711 195.2538
10 100.6275 24.0881 144.5286
20 105.1435 34.7250 104.1749
25 40 109.2737 108.1295 48.2291 72.3437
60 57.2277 57.2277
80 63.5597 47.6698
120 72.5997 36.2999
240 87.0653 21.7663
5 101.7960 17.4533 209.4398
10 108.8855 26.0649 156.3894
20 114.6133 37.8525 113.5574
50 40 119.9670 118.4723 52.8423 79.2635
60 62.8279 62.8279
80 69.7795 52.3346
120 79.7042 39.8521
240 95.5853 23.8963
5 108.3878 18.5835 223.0022
10 116.8740 27.9772 167.8629
20 123.8870 40.9152 122.7457
100 40 130.5811 128.6981 57.4033 86.1050
60 68.3866 68.3866
80 75.9532 56.9649
120 86.7560 43.3780
240 104.0422 26.0106
Untuk perhitungan besarnya intensitas dengan menggunakan rumus intensitas dari Hasper
Weduwen untuk PUH 5, 10, 25, 50 dan 100 tahun digunakan cara yang sama dengan
perhitungan untuk PUH 2 tahun dan hasil perhitungannya dapat dilihat pada Tabel 5.30
24
90 %. R
I=
4 (5-37)
Dimana:
I = intensitas hujan (mm/jam)
R24 =Curah hujan harian maksimum ( mm/24 jam)
Berdasarkan persamaan 5-37, maka dapat dibuat suatu kurva durasi intensitas hujan dimana
Van Breen mengambil bentuk kurva kota Jakarta sebagai kurva basis seperti yang terlihat
pada Gambar 5.7
Tabel 5.31 memperlihatkan nilai intensitas curah hujan berdasarkan metode Van Breen.
Berdasarkan hasil perhitungan dan penggambaran bentuk kurva intensitas durasi yang
digambarkan dengan kemiringan yang sama dengan kurva intensitas durasi kota Jakarta, maka
diperoleh kurva intensitas durasi untuk daerah perencanaan.
2 5 10 25 50
250
150
100
50
0
0 50 100 150 200 250 300
Kurva intensitas durasi hujan atau IDF kota Jakarta menggunakan persamaan Talbot dan
memiliki hubungan sebagai berikut :
a
I=
t +b (5-38)
Menurut Van Breen, pendekatan harga a dan b dengan persamaan-persamaan dari hasil analisa
kurva IDF Jakarta, adalah sebagai berikut :
a = 54 R + 0,07 R2 (5-39)
b = 0,3 R (5-40)
Maka persamaan IDF dari kurva Van Breen adalah :
2
54 R+0, 07 R
I = t+0,3R (5-41)
dimana :
I = Intensitas Hujan (mm/jam)
R = Curah Hujan Harian Maksimum (mm/24 jam)
t = Durasi Hujan (menit)
Contoh perhitungan :
PUH = 2 tahun
Durasi = 5 menit
R = 66,2211 mm/24 jam
Berdasarkan pada persamaan (5-39), (5-40) dan (5-41), didapat nilai a dan b adalah sebagai
berikut :
a = 54R + 0,07R2
a = 54*(66,2211) + 0,07*(66,2211)2
a = 3882,9058
b = 0,3R
b = 0,3*(66,2211)
b = 19,8663
maka intensitas hujan untuk PUH 2 tahun dan durasi (t) = 5 menit
3882 ,9057
I= =156 ,1513
5+19 ,8663 mm/jam
Persamaan intensitas hujan dengan menggunakan rumus Van Breen untuk PUH 5, 10, 25, 50
dan 100 tahun dengan menggunakan cara yang sama untuk PUH 2 tahun, dapat dilihat pada
Tabel 5.32
Tabel 5.32 Persamaan intensitas hujan berbagai PUH
R Persamaan I
PUH (mm/24jam) a b (mm/jam)
3882 ,9058
I=
2 66.2211 3882.9058 19.8663 t +19 , 8663
4993 , 8586
I=
5 83.4513 4993.8586 25.0354 t +25 , 0354
5752 ,3630
I=
10 94.8605 5752.3630 28.4582 t +28 , 4582
6736 , 6317
I=
25 109.2737 6736.6317 32.7821 t+32 , 7821
7485 ,6637
I=
50 119.9670 7485.6637 35.9901 t +35 , 9901
8244 , 9791
I=
100 130.5811 8244.9791 39.1743 t +39 , 1743
Besarnya intensitas hujan dengan menggunakan rumus Van Breen dapat dilihat pada Tabel
5.33 dan kurva Intensitas Durasi Frekuensi dari Metode Van Breen dapat dilihat pada
Gambar 5.8
200.0000
2 tahun
150.0000
Durasi (menit)
5 tahun
10 tahun
100.0000
25 tahun
50.0000 50 tahun
100 tahun
0.0000
0 50 100 150 200 250 300
Intensitas Hujan (mm/jam)
160
140 PUH 5 Tahun
120
PUH 10 Tahun
100
80 PUH 25 Tahun
60
PUH 50 Tahun
40
20 PUH 100 Tahun
0
0 50 100 150 200 250
Durasi Hujan (menit)
5.8 Pemilihan Metode Intensitas Hujan
Pemilihan intensitas hujan ysng digunakan, yaitu Metode Hasper Weduwen dan Van Breen.
Keduanya mengadakan penilitian mengenai keadaan hujan di Indonesia, khususnya di Pulau
Jawa. Pemilihan metode intensitas hujam didasarkan atas nilai intensitas hujan yang tertinggi/
terbesar yang diperoleh dari hasil perhitungan.
Berdasarkan hasil perhitungan intensitas hujan terlihat bahwa nilai intensitas curah hujan yang
tertinggi/ terbesar, mayoritas diperoleh dengan menggunakan Metode Van Breen. Nilai
intensitas hujan yang terbesar ini digunakan dalam penentuan dimensi daluran drainase,
dimana saluran sebaiknya dapat menampung curah hujan dengan intensitas maksimum.
Besarnya intensitas curah hujan yang berbeda-beda disebabkan oleh lamanya curah hujan atau
frekuensi kejadiannya. Untuk itu maka intensitas curah hujan terpilih dites dengan persamaan
Talbot, Sherman dan Ishiguro kemudian dibandingkan dengan harga I semula. Dengan
menelaah deviasi rata-rata akan diketahui nilai perbedaan/galat terkecil yang merupakan
persamaan kurva intensitas hujan yang paling mendekati, dan dapat digunakan untuk
perhitungan debit puncak rencana.
Cara perhitungannya adalah sebagai berikut :
1. Menentukan minimal 8 jenis lamanya curah hujan t (menit), misalnya 5, 10, 20, 30, 40, 60,
80, 120 dan 240.
2. Menggunakan harga-harga t tersebut untuk menentukan besarnya periode intesitas hujan
untuk periode ulang hujan tertentu (disesuaikan dengan perhitungan debit puncak
rencana).
3. Menggunakan harga t yang sama untuk menentukan tetapan-tetapan dengan cara kuadrat
terkecil. Perhitungan tetapan-tetapan untuk setiap rumus intensitas hujan adalah sebagai
berikut :
Jenis I (Talbot)
a
I=
t +b
2 2
ΣI . tΣI ΣI . tΣI
a=
nΣI 2 −( ΣI )2
(ΣI . tΣI . t )−(nΣI 2 . t )
b= 2
nΣI 2−( ΣI )
Jenis II (Sherman)
a
I=
tn
2
( Σ LogI )( Σ Logt )−(Σ Logt . LogI .)( Σ Logt )
Loga= 2
nΣ Logt 2 + ( Σ Logt )
(Σ LogI )( Σ Logt )−n(Σ Logt . LogI )
n= 2
nΣ Logt 2 + ( Σ Logt )
( ∑ I √ t ) ∑ I−n(∑ I 2 √ t )
b= 2
n( ∑ I 2 )−( ∑ I )
4. Menentukan standar deviasi rata-rata (galat) terkecil dari intensitas hujan dari hasil
perhitungan intensitas hujan sesuai dengan metoda yang digunakan dengan perhitungan
intensitas hujan menurut ketiga jenis tersebut.
Apabila kita meninjau berdasarkan tempat penelitian dari ketiga metoda di atas, maka metoda
Van Breen merupakan metoda yang mengambil lokasi penelitian dekat dengan daerah
perencanaan, oleh karena itu metoda yang digunakan untuk menghitung intensitas hujan
adalah metoda Van Breen dengan jenis Talbot. Talbot dipilih karena mempunyai rata-rata
selisih yang terkecil diantara ketiga jenis metoda untuk setiap PUH.
1. Nomor = 1
3. Data awal intensitas hujan menurut perhitungan metoda Van Breen =156,1511
4. I x t = 156,1511 x 5 = 780,7557
5. I2 = (156,1511)2 = 24383,1786
7. t2 = (5)2 = 25
Jenis I (Talbot)
Σ( I . t )Σ( I 2 )−Σ( I 2 . t )Σ (I )
a= 2
nΣI 2 −( ΣI )
(19568 ,1825 x 59848 , 1691)−(1057765 , 0165 x 578 ,6204 )
= 8(59848 ,1691 )−(578 , 6204 )2 = 3882,9058
2
(ΣI . ΣI . t )−(nΣI . t )
b= 2
nΣI 2− ( ΣI )
(578 ,6204 x 19568 ,1825 )−(8 x1057765 , 0165)
= (8 x 59848 , 1691)−(578 , 6204)2 = 19,8663
a
I=
t +b
3882,9058
= 5+19 ,8663 = 156,1513
Jenis II (Sherman)
2
( Σ LogI )( Σ Logt )−(Σ Logt . LogI .)( Σ Logt )
Loga= 2
nΣ Logt 2 −( Σ Logt )
=
[
((14 , 0024 )x(22 ,5198 ))−(20 , 9586 )x(12 ,7427 )
8 x(22 , 5198)−(12 ,7427 )2 ]= 2,714
Log a = 2,714
a = 102,714 = 517,7764
(Σ LogI )( Σ Logt )−n(Σ Logt . LogI )
n=
nΣ Logt 2 −( Σ Logt )2
((14 , 0024 ) x(12 , 7427))−( 8 x(20 , 9586 ))
= 8 x (22 ,5198 ))−(12 ,7427 )2 = 0,6051
a
n
I= t
517 , 7764
0 ,6051
= (5) = 195,5219
Untuk hasil perhitungan selengkapnya dapat dilihat pada Tabel di bawah ini :
R I
PUH (mm/24 a b
(mm/jam)
jam)
38.829.05
2 662.211 198.663 1.561.511
8
49.938.58
5 834.513 250.354 1.662.658
6
57.523.63
10 948.605 284.582 1.719.271
0
67.366.31
25 1.092.737 327.821 1.783.022
7
74.856.63
50 1.199.670 359.901 1.826.213
7
82.449.79
100 1.305.811 391.743 1.866.464
1