TUGAS HIDROLOGI

MENGANALISIS CURAH HUJAN RENCANA

Dibuat oleh:

I Kadek Arya Dwipayana Putra

2115124095
19
3E D4 Manajemen Proyek Konstruksi

POLITEKNIK NEGERI BALI

2022
1.1.TAHAPAN ANALISIS CURAH HUJAN RENCANA
Tahapan dalam pekerjaan analisis curah hujan untuk menentukan besarnya curah hujan rencana, debit
banjir rencana dan debit andalan adalah sebagai berikut :
1. Menghitung curah hujan wilayah harian maksimum yaitu curah hujan maksimum rata-rata di
seluruh daerah. Curah hujan wilayah ini diperkirakan dari beberapa titik pengamatan curah hujan.
2. Melakukan uji konsistensi data curah hujan stasiun penakar hujan dengan menggunakan metode
double mass analysis dan RAPS (Rescaled Adjusted Partial Sums) untuk mengetahui adanya
penyimpangan data hujan, sehingga dapat disimpulkan apakah data tersebut layak dipakai dalam
analisa hidrologi atau tidak.
3. Menghitung curah hujan rencana untuk mengetahui besarnya curah hujan terbesar tahunan dengan
peluang tertentu menggunakan metode EJ Gumbel, Log Pearson III. Iwai Kadoya. Dari hasil
perhitungan dilakukan uji frekuensi dengan mengambil nilai Delta maksimum terkecil dari
berbagai metode tersebut.
4. Melakukan uji kesesuaian distribusi terpilih untuk mengetahui kebenaran suatu hipotesa dengan
menggunakan uji Smirnov Kolmogorof dan uji Chi Square. Jika kedua uji distribusi frekuensi
tersebut diterima, maka besarnya curah hujan rencana tersebut juga dapat diterima.

4.2. ANALISIS HUJAN RATA-RATA DAERAH

Data yang tercatat pada stasiun pencatatan hujan adalah merupakan hujan titik (point rainfall). Dalam
analisis selanjutnya yang perlu diketahui adalah besarnya hujan rerata DAS. Untuk menghitung hujan
rerata daerah aliran sungai dalam analisis hidrologis dikenal berbagai metode.
Pada tugas hidrologi ini akan disajikan dengan metode Thiesen dari staiun hujan dan luas koefisin
Thiesen sebagai beikut :
1. Data hujan di Stasiun Parakan Kondang, dengan koefisien Thiesen 0,028
2. Data hujan di Stasiun Cada Ngampar dengan koefisien Thiesen 0,37
3. Data hujan di Stasiun Dayeuh Manggung dengan koefisien Thiesen 0,602
 Tabel 4.1.
Curah Hujan Rata-rata Daerah

NO TAHUN STASIUN PENAKAR HUJAN HUJAN RATA-RATA

Sta. Kuta Utara Sta. Abiansemal Sta. Mengwi DAERAH
Koef. Thiesen (c-1) 0.34 Koef. Thiesen (c-2) 0.32 Koef. Thiesen (c-3) 0.31 (mm)
Data Koef. Data Data Koef. Data Data Koef. Data
1 1997 44 14.96 45 14.40 36 11.16 40.52
2 1998 44 14.96 60 19.20 75 23.25 57.41
3 1999 58 19.72 30 9.60 32 9.92 39.24
4 2000 39 13.26 70 22.40 26 8.06 43.72
5 2001 30 10.20 46 14.72 72 22.32 47.24
6 2002 63 21.42 66 21.12 35 10.85 53.39
7 2003 30 10.20 50 16.00 64 19.84 46.04
8 2004 51 17.34 44 14.08 58 17.98 49.40
9 2005 34 11.56 68 21.76 62 19.22 52.54
10 2006 36 12.24 43 13.76 67 20.77 46.77
11 2007 33 11.22 27 8.64 39 12.09 31.95
12 2008 28 9.52 30 9.60 62 19.22 38.34
13 2009 57 19.38 57 18.24 49 15.19 52.81
14 2010 72 24.48 65 20.80 48 14.88 60.16
15 2011 71 24.14 69 22.08 65 20.15 66.37
16 2012 60 20.40 32 10.24 61 18.91 49.55
17 2013 51 17.34 42 13.44 73 22.63 53.41
18 2014 60 20.40 43 13.76 67 20.77 54.93
19 2015 40 13.60 57 18.24 34 10.54 42.38
20 2016 54 18.36 54 17.28 40 12.40 48.04
21 2017 54 18.36 35 11.20 68 21.08 50.64
22 2018 40 13.60 45 14.40 31 9.61 37.61
23 2019 30 10.20 66 21.12 56 17.36 48.68
24 2020 61 20.74 55 17.60 40 12.40 50.74
25 2021 51 17.34 45 14.40 37 11.47 43.21

4.3. UJI DATA HUJAN

4.3.1. Uji Konsistensi Data
Pada suatu seri data hujan, bisa terjadi data yang tidak homogen (Nonhomogenitas) dan
ketidaksamaan (Incosistency) data. Faktor-faktor yang menyebabkan data menjadi tidak homogen
dan tidak konsisten meliputi :
a. Perubahan mendadak pada sistem hidrologis, misalnya karena adanya pembangunan
gedung-gedung atau tumbuhnya pohon-pohonan, gempa bumi dan lain-lain.
b. Pemindahan alat ukur
c. Perubahan cara pengukuran, misalnya penggantian alat dengan jenis dan spesifikasi alat
baru atau metode yang berbeda, dll.
Data tidak homogen maupun data tidak konsisten menyebabkan hasil analisis tidak teliti. Oleh
karena itu sebelum data tersebut dipakai untuk analisis, terlebih dahulu harus dilakukan uji
konsistensi data. Uji konsistensi data sudah meliputi uji homogenitas data karena data yang
 konsisten juga berarti data tersebut adalah homogen. Metode yang digunakan untuk pengujian data
yaitu dengan Metode Double mass analysis dan Metode RAPS (Rescaled Adjusted Partial Sums)

4.3.2. Metode Double Mass Analysis

Metode umum yang dilakuan adalah double mass analysis. Metode ini menggambarkan besaran
hujan secara kumulatif stasiun yang diuji dengan besaran kumulatif rata-rata stasiun referensi
disekitarnya. Ketidakkonsistenan data ditunjukkan oleh penyimpangan garis terhadap garis
lurusnya.
Persamaan yang dipakai adalah :
i=1
Xt = 
n= t
RAt

i=1
Yt = 
n= t
Ri

DMCt = (Xt,Yt)

dengan:

Xt = Kumulatif hujan stasiun A pada tahun ke t (mm)

Yt = Kumulatif hujan stasiun referensi pada tahun ke
t (mm)
Ri = Rata-rata curah hujan tahunan stasiun referensi pada tahun ke t (mm)
RAt = Curah hujan tahunan di stasiun A (mm)
DMCt = Titik koordinat kurve lengkung massa ganda tahun
ke t
Perhitungan double mass analysis selengkapnya disajikan pada tabel di bawah ini.
 Tabel 4.2
UJI KONSISTENSI DATA HUJAN STASIUN KUTA UTARA
DENGAN METODE MASA GANDA (DOUBLE MASS)

Hujan Tahunan (mm) Hujan Komulatif (mm)

No Tahun
Sta. Kuta Utara Sta. Abiansemal Sta. Mengwi Sta.Referensi Sta. Kuta Utara
1 1997 44 45 36 41 44
2 1998 44 60 75 108 88
3 1999 58 30 32 139 146
4 2000 39 70 26 187 185
5 2001 30 46 72 246 215
6 2002 63 66 35 297 278
7 2003 30 50 64 354 308
8 2004 51 44 58 405 359
9 2005 34 68 62 470 393
10 2006 36 43 67 525 429
11 2007 33 27 39 558 462
12 2008 28 30 62 604 490
13 2009 57 57 49 657 547
14 2010 72 65 48 713 619
15 2011 71 69 65 780 690
16 2012 60 32 61 827 750
17 2013 51 42 73 884 801
18 2014 60 43 67 939 861
19 2015 40 57 34 985 901
20 2016 54 54 40 1032 955
21 2017 54 35 68 1083 1009
22 2018 40 45 31 1121 1049
23 2019 30 66 56 1182 1079
24 2020 61 55 40 1230 1140
25 2021 51 45 37 1271 1191

Gambar 1.
Masa ganda Sta. KUTA UTARA
Akumulatif rerata statiun yg di uji

1400
1200
1000
800
600
400
200
0
0 200 400 600 800 1000 1200 1400
Akumulatif rerata stasiun Referensi
 Tabel 4.3.
UJI KONSISTENSI DATA HUJAN STASIUN ABIANSEMAL
DENGAN METODE MASA GANDA (DOUBLE MASS)

Hujan Tahunan (mm) Hujan Komulatif (mm)

No Tahun
Sta. Kuta Utara Sta. Abiansemal Sta. Mengwi Sta.Referensi Sta. Abiansemal
1 1997 44 45 36 40 45
2 1998 44 60 75 100 105
3 1999 58 30 32 145 135
4 2000 39 70 26 177 205
5 2001 30 46 72 228 251
6 2002 63 66 35 277 317
7 2003 30 50 64 324 367
8 2004 51 44 58 379 411
9 2005 34 68 62 427 479
10 2006 36 43 67 478 522
11 2007 33 27 39 514 549
12 2008 28 30 62 559 579
13 2009 57 57 49 612 636
14 2010 72 65 48 672 701
15 2011 71 69 65 740 770
16 2012 60 32 61 801 802
17 2013 51 42 73 863 844
18 2014 60 43 67 926 887
19 2015 40 57 34 963 944
20 2016 54 54 40 1010 998
21 2017 54 35 68 1071 1033
22 2018 40 45 31 1107 1078
23 2019 30 66 56 1150 1144
24 2020 61 55 40 1200 1199
25 2021 51 45 37 1244 1244

Gambar 2
Masa ganda sta. ABIANSEMAL
1400
Akumulatif rerata yg di uji

1200
1000
800
600
400
200
0
0 200 400 600 800 1000 1200 1400
Akumulatif rerata stasiun referensi
 Tabel 4.4.
UJI KONSISTENSI DATA HUJAN STASIUN MENGWI
DENGAN METODE MASA GANDA (DOUBLE MASS)

Hujan Tahunan (mm) Hujan Komulatif (mm)

No Tahun Sta. Kuta Utara Sta. Abiansemal Sta. Mengwi Sta.Referensi Sta. Mengwi
1 1997 44 45 36 45 36
2 1998 44 60 75 97 111
3 1999 58 30 32 141 143
4 2000 39 70 26 195 169
5 2001 30 46 72 233 241
6 2002 63 66 35 298 276
7 2003 30 50 64 338 340
8 2004 51 44 58 385 398
9 2005 34 68 62 436 460
10 2006 36 43 67 476 527
11 2007 33 27 39 506 566
12 2008 28 30 62 535 628
13 2009 57 57 49 592 677
14 2010 72 65 48 660 725
15 2011 71 69 65 730 790
16 2012 60 32 61 776 851
17 2013 51 42 73 823 924
18 2014 60 43 67 874 991
19 2015 40 57 34 923 1025
20 2016 54 54 40 977 1065
21 2017 54 35 68 1021 1133
22 2018 40 45 31 1064 1164
23 2019 30 66 56 1112 1220
24 2020 61 55 40 1170 1260
25 2021 51 45 37 1218 1297

Gambar 3
Masa ganda Sta. MENGWI
1600
Akumulatif rerata yg di uji

1400
1200
1000
800
600
400
200
0
0 200 400 600 800 1000 1200 1400
Akumulatif rerata stasiun referensi
Metode ini masih sering menimbulkan keraguan karena masih terdapat kemungkinan tidak konsistennya
stasiun-stasiun referensi. Untuk mengatasi hal tersebut digunakan metode pembanding yang menguji
ketidaksesuaian data suatu stasiun dengan data dari stasiun itu sendiri, dengan mendeteksi penggeseran
nilai rata-rata. Metode RAPS dipakai menjadi pembanding dalam menguji konsistensi data.

4.3.3. Metode RAPS

Pengujian konsistensi dengan metode RAPS adalah pengujian dengan menggunakan data dari
stasiun itu sendiri yaitu pengujian dengan komulatif penyimpangan terhadap nilai rata-rata dibagi dengan
akar komulatif rerata penyimpangan terhadap nilai reratanya, lebih jelas lagi bisa dilihat pada rumus di
bawah ini :
So* = 0
k =1
Sk* =  (Yi − Y )
i =1

dengan k = 1,2,3, ……….

Sk *
Sk** =
Dy
n

 (Yi − Y)
i =1
2

Dy2 =
n
Nilai statistik Q dan R
Q = maks Sk * *

0  k  n
R = maks Sk** - min Sk**
0  k  n
Dengan melihat nilai statistik maka dapat dicari nilai Q / n dan R / n . Hasil yang dapat
dibandingkan dengan nilai Q / n syarat dan R / n . Sebagai syarat jika Q / n dan R / n dihitung
lebih kecil maka data masih dalam batasan konsisten. Syarat nilai Q / n dan R / n dapat
dilihat pada Tabel
 Tabel 4.5.
Nilai Q/n 0,5 dan R/n 0,5

Q/n 0,5 R/n 0,5

n 90
95 % 99 % 90 % 95 % 99 %
%
10 1,05 1,14 1,29 1,21 1,28 1,38
20 1,10 1,22 1,42 1,34 1,43 1,60
30 1,12 1,24 1,48 1,40 1,50 1,70
40 1,31 1,48 1,52 1,44 1,55 1,78
100 1,17 1,52 1,55 1,50 1,62 1,85
Sumber : Sri Harto, 1990
 Tabel 4.6.
UJI KONSISTENSI DATA STASIUN KUTA UTARA
METODE RESCALED ADJUSTED PARTIAL SUMS
Hujan
No. Tahun Sk* Dy^2 Sk ** |Sk**|
Harian max
1 1997 44 -3.640 2.167 -0.265 0.265
2 1998 44 -3.640 2.167 -0.265 0.265
3 1999 58 10.360 1.764 0.753 0.753
4 2000 39 -8.640 6.111 -0.628 0.628
5 2001 30 -17.640 18.250 -1.283 1.283
6 2002 63 15.360 5.420 1.117 1.117
7 2003 30 -17.640 18.250 -1.283 1.283
8 2004 51 3.360 0.005 0.244 0.244
9 2005 34 -13.640 12.055 -0.992 0.992
10 2006 36 -11.640 9.437 -0.846 0.846
11 2007 33 -14.640 13.484 -1.065 1.065
12 2008 28 -19.640 21.828 -1.428 1.428
13 2009 57 9.360 1.272 0.681 0.681
14 2010 72 24.360 17.040 1.771 1.771
15 2011 71 23.360 15.429 1.699 1.699
16 2012 60 12.360 2.986 0.899 0.899
17 2013 51 3.360 0.005 0.244 0.244
18 2014 60 12.360 2.986 0.899 0.899
19 2015 40 -7.640 5.162 -0.556 0.556
20 2016 54 6.360 0.279 0.462 0.462
21 2017 54 6.360 0.279 0.462 0.462
22 2018 40 -7.640 5.162 -0.556 0.556
23 2019 30 -17.640 18.250 -1.283 1.283
24 2020 61 13.360 3.717 0.971 0.971
25 2021 51 3.360 0.005 0.244 0.244

RERATA = 47.64 7.340

JUMLAH = 1191 183.509

n 25
Dy 13.547
Sk** maks 1.771
Sk** min -1.428
Q = Sk ** maks 1.771
R = Sk** maks - Sk ** min 3.200
Q / (n^0.5) 0.354 < 1,100 0.900 oke
R / (n^0.5) 0.640 < 1,370 0.900 oke
 Tabel 4.7.
UJI KONSISTENSI DATA STASIUN ABIANSEMAL
METODE RESCALED ADJUSTED PARTIAL SUMS
No. Tahun Hujan Sk* Dy^2 Sk ** |Sk**|
Harian Max
1 1997 45 -4.760 1.618 -0.346 0.346
2 1998 60 10.240 2.986 0.745 0.745
3 1999 30 -19.760 18.250 -1.437 1.437
4 2000 70 20.240 13.898 1.472 1.472
5 2001 46 -3.760 1.149 -0.273 0.273
6 2002 66 16.240 8.573 1.181 1.181
7 2003 50 0.240 0.074 0.017 0.017
8 2004 44 -5.760 2.167 -0.419 0.419
9 2005 68 18.240 11.076 1.326 1.326
10 2006 43 -6.760 2.796 -0.492 0.492
11 2007 27 -22.760 23.736 -1.655 1.655
12 2008 30 -19.760 18.250 -1.437 1.437
13 2009 57 7.240 1.272 0.526 0.526
14 2010 65 15.240 7.442 1.108 1.108
15 2011 69 19.240 12.447 1.399 1.399
16 2012 32 -17.760 14.992 -1.291 1.291
17 2013 42 -7.760 3.504 -0.564 0.564
18 2014 43 -6.760 2.796 -0.492 0.492
19 2015 57 7.240 1.272 0.526 0.526
20 2016 54 4.240 0.279 0.308 0.308
21 2017 35 -14.760 10.706 -1.073 1.073
22 2018 45 -4.760 1.618 -0.346 0.346
23 2019 66 16.240 8.573 1.181 1.181
24 2020 55 5.240 0.530 0.381 0.381
25 2021 45 -4.760 1.618 -0.346 0.346

RERATA = 49.76 6.865

JUMLAH = 1244 171.622

n 25
Dy 13.100
Sk** maks 1.472
Sk** min -1.655
Q = Sk ** maks 1.655
R = Sk** maks - Sk ** min 3.127
Q / (n^0.5) 0.331 < 1,11 0.900 oke
R / (n^0.5) 0.625 < 1,370 0.900 oke
 Tabel 4.8.

UJI KONSISTENSI DATA STASIUN MENGWI

METODE RESCALED ADJUSTED PARTIAL SUMS
No. Tahun Hujan Sk* Dy^2 Sk ** |Sk**|
Harian Max
1 1997 36 -15.880 9.437 -1.155 1.155
2 1998 75 23.120 22.354 1.681 1.681
3 1999 32 -19.880 14.992 -1.446 1.446
4 2000 26 -25.880 25.725 -1.882 1.882
5 2001 72 20.120 17.040 1.463 1.463
6 2002 35 -16.880 10.706 -1.227 1.227
7 2003 64 12.120 6.391 0.881 0.881
8 2004 58 6.120 1.764 0.445 0.445
9 2005 62 10.120 4.528 0.736 0.736
10 2006 67 15.120 9.784 1.099 1.099
11 2007 39 -12.880 6.111 -0.937 0.937
12 2008 62 10.120 4.528 0.736 0.736
13 2009 49 -2.880 0.223 -0.209 0.209
14 2010 48 -3.880 0.452 -0.282 0.282
15 2011 65 13.120 7.442 0.954 0.954
16 2012 61 9.120 3.717 0.663 0.663
17 2013 73 21.120 18.732 1.536 1.536
18 2014 67 15.120 9.784 1.099 1.099
19 2015 34 -17.880 12.055 -1.300 1.300
20 2016 40 -11.880 5.162 -0.864 0.864
21 2017 68 16.120 11.076 1.172 1.172
22 2018 31 -20.880 16.581 -1.518 1.518
23 2019 56 4.120 0.861 0.300 0.300
24 2020 40 -11.880 5.162 -0.864 0.864
25 2021 37 -14.880 8.248 -1.082 1.082

RERATA = 51.88 9.314

JUMLAH = 1297 232.856

n 25
Dy 15.260
Sk** maks 1.681
Sk** min -1.882
Q = Sk ** maks 1.882
R = Sk** maks - Sk ** min 3.563
Q / (n^0.5) 0.376 < 1,11 0.900 oke
R / (n^0.5) 0.713 < 1,370 0.900 oke
4.4. ANALISIS CURAH HUJAN RENCANA
Curah hujan rancangan adalah curah hujan terbesar tahunan dengan suatu kemungkinan terjadi yang
tertentu, atau hujan dengan suatu kemungkinan periode ulang tertentu. Metode analisa hujan
rancangan tersebut pemilihannya sangat tergantung dari kesesuaian parameter statistik dari data yang
bersangkutan, atau dipilih berdasarkan pertimbangan teknis-teknis lainnya.

4.4.1. Metode E.J. Gumbel

Metode E.J. Gumbel dengan persamaan sebagai berikut :
XT = X + K . Sx

dengan :
XT = Variate yang diekstrapolasikan, yaitu besarnya curah hujan rancangan untuk periode
ulang T tahun
X = Harga rerata dari data
n
1
X =
n
  Xi
i=1

Sx = Standard deviasi
n n

 Xi 2 - X
i=1
 Xi
i=1
Sx =
n - 1
K = Faktor frekuensi yang merupakan fungsi dari periode ulang (return periode) dan tipe
distribusi frekuensi.
Untuk menghitung faktor frekuensi E.J Gumbel Type I digunakan rumus :
Yt - Yn
K =
Sn
dengan :
Yt = Reduced variate sebagai fungsi periode ulang
T (th)
= - Ln (-Ln (T - 1) / T)
Yn = Reduced mean sebagai fungsi dari banyaknya data n
Sn = Reduced Standard deviasi sebagai fungsi dari banyaknya data n

Dengan mensubstitusikan ketiga persamaan diatas diperoleh :

 Sx
Xt = X + (Yt - Yn)
Sn
Jika :
1 Sx
=
a Sn
b = X - (Sx / Sn) . Yn
Persamaan diatas menjadi :
Xt = b + (1/a) . Yt
Tabel 4.10.
Hubungan Reduced Mean Yn
Dengan Besarnya Sample n
n Yn n Yn n Yn n Yn

10 0,4952 34 0,5396 58 0,5515 82 0,5572

11 0,4996 35 0,5402 59 0,5518 83 0,5574
12 0,5035 36 0,541 60 0,5521 84 0,5576
13 0,507 37 0,5418 61 0,5524 85 0,5578
14 0,51 38 0,5424 62 0,5527 86 0,558
15 0,5128 39 0,543 63 0,553 87 0,5581
16 0,5157 40 0,5436 64 0,5533 88 0,5583
17 0,5181 41 0,5442 65 0,5535 89 0,5585
18 0,5202 42 0,5448 66 0,5538 90 0,5586
19 0,522 43 0,5453 67 0,554 91 0,5587
20 0,5236 44 0,5458 68 0,5543 92 0,5589
21 0,5252 45 0,5463 69 0,5545 93 0,5591
22 0,5268 46 0,5468 70 0,5548 94 0,5592
23 0,5283 47 0,5473 71 0,555 95 0,5593
24 0,5296 48 0,5477 72 0,5552 96 0,5595
25 0,5309 49 0,5481 73 0,5555 97 0,5596
26 0,532 50 0,5485 74 0,5557 98 0,5598
27 0,5332 51 0,5489 75 0,5559 99 0,5599
28 0,5343 52 0,5493 76 0,5561 100 0,56
29 0,5353 53 0,5497 77 0,5563
30 0,5362 54 0,5501 78 0,5565
31 0,5371 55 0,5504 79 0,5567
32 0,538 56 0,5508 80 0,5569
33 0,5388 57 0,5511 81 0,557

Sumber: J. Nemec/Engineering Hydrology

 Tabel 4.11.
Hubungan Reduced Mean Sn
Dengan Besarnya Sample n

n Sn n Sn n Sn n Sn

10 0,9496 33 1,1226 56 1,1696 79 1,193

11 0,9676 34 1,1255 57 1,1708 80 1,1938
12 0,9833 35 1,1285 58 1,1721 81 1,1945
13 0,9971 36 1,1313 59 1,1734 82 1,1953
14 1,0095 37 1,1339 60 1,1747 83 1,1959
15 1,0206 38 1,1363 61 1,1759 84 1,1967
16 1,0316 39 1,1388 62 1,177 85 1,1973
17 1,0411 40 1,1413 63 1,1782 86 1,198
18 1,0493 41 1,1436 64 1,1793 87 1,1978
19 1,0565 42 1,1458 65 1,1803 88 1,1994
20 1,0628 43 1,148 66 1,1814 89 1,2001
21 1,0696 44 1,1499 67 1,1824 90 1,2007
22 1,0754 45 1,1519 68 1,1834 91 1,2013
23 1,0811 46 1,1538 69 1,1844 92 1,202
24 1,0864 47 1,1557 70 1,1854 93 1,2026
25 1,0915 48 1,1574 71 1,1863 94 1,2032
26 1,0961 49 1,159 72 1,1873 95 1,2038
27 1,1044 50 1,1607 73 1,1881 96 1,2044
28 1,1047 51 1,1623 74 1,189 97 1,2049
29 1,1086 52 1,1638 75 1,1898 98 1,2055
30 1,1124 53 1,1658 76 1,1906 99 1,206
31 1,1159 54 1,1667 77 1,1915 100 1,2065
32 1,1193 55 1,1681 78 1,1923

Sumber: J. Nemec / Engineering Hydrology

 Tabel 4.12.

Perhitungan Hujan Rancangan

Dengan Metode E.J. Gumbel

Tabel
Perhitungan Hujan Rancangan Dengan Metode E.J. Gumbel

Curah Hujan Curah Hujan

Tahun Tahun
(mm/hari) (mm/hari)
1997 41 2012 50
1998 57 2013 53
1999 39 2014 55
2000 44 2015 42
2001 47 2016 48
2002 53 2017 51
2003 46 2018 38
2004 49 2019 49
2005 53 2020 51
2006 47 2021 43
2007 32
2008 38
2009 53
2010 60
2011 66
Sumber: data hujan
Jumlah = 1205.090
Rata-rata = 46.350
St. Deviasi = 12.078
n = 25
Sn = 1.092
Yn = 0.5309
 Tabel 4.13.
Perhitungan Hujan Rancangan Dengan Berbagai Kala Ulang
Persamaan Ekstrapolasi E.J. Gumbel
Xt = 100,472 + K 25,011
Nomor Kala Probabilitas Yt F. Frekuensi H. Rancangan
Ulang (%) K XT (mm/hari)
1 2 50.000 0.367 -0.151 47.048
2 5 20.000 1.500 0.888 55.015
3 10 10.000 2.250 1.575 60.289
4 25 4.000 3.199 2.444 66.954
5 50 2.000 3.902 3.088 71.898
6 100 1.000 4.600 3.728 76.805
7 200 0.500 5.296 4.365 81.695
8 1000 0.100 6.907 5.842 93.021
Sumber: Hasil Perhitungan

4.4.2. Metode Log Pearson Type III

Metode yang dianjurkan dalam pemakaian distribusi Log Pearson Type III ialah dengan
mengkonversikan rangkaian datanya menjadi bentuk logaritmis.
Nilai rerata :
n Log X
Log X = 
i=1 n

Atau dengan cara :

 (log x) - (  log x) / n
2 2
 log x =
n -1

Cs = n2  (log x)3 - 3n  (log x)2 + 2 ( log x)3

n (n - 1) (n - 2) (  log x)3

Standard Deviasi :

n
(log X - Log X) 2
 log x = 
i=1 n -1

Koefisien Asimetri :

n
n  (log x - log x) 3
i=1
Cs =
(n -1) (n - 2) ( log x) 3
Nilai X bagi setiap tingkat probabilitas dihitung dari persamaan :

Log Xt = log x + k  log x

Faktor frekuensi K, diperoleh dari tabel untuk setiap Cs positif atau negatif seperti pada
tabel

Tabel 4.14.
Faktor Frekuensi K Untuk Distribusi Log Pearson Type III
Koefisien Asimetri Cs Posisitf
Return period in years
Skew 2 5 10 25 50 100 200 1000
Coefficient Exceedence probability
Cs or Cw 0,5 0,2 0,1 0,04 0,02 0,01 0,005 0,001

3 -0,396 0,42 1,18 2,278 3,152 4,051 4,97 7,15

2,9 -0,39 0,44 1,195 2,277 3,134 4,013 4,909 7,03
2,8 -0,384 0,46 1,21 2,275 3,114 3,973 4,847 6,92
2,7 -0,376 0,479 1,224 2,272 3,093 3,932 4,783 6,79
2,6 -0,368 0,499 1,238 2,267 3,071 3,889 4,718 6,67
2,5 -0,36 0,518 1,25 2,262 3,048 3,845 4,652 6,55
2,4 -0,351 0,537 1,262 2,256 3,023 3,8 4,584 6,42
2,3 -0,341 0,555 1,274 2,248 2,997 3,753 4,515 6,3
2,2 -0,33 0,574 1,284 2,24 2,97 3,705 4,444 6,17
2,1 -0,319 0,592 1,294 2,23 2,942 3,656 4,372 6,04
2 -0,307 0,609 1,302 2,219 2,912 3,605 4,298 5,91
1,9 -0,294 0,627 1,31 2,207 2,881 3,553 4,223 5,78
1,8 -0,282 0,643 1,318 2,193 2,484 3,499 4,147 5,64
1,7 -0,268 0,66 1,324 2,179 2,815 3,444 4,069 5,51
1,6 -0,254 0,675 1,329 2,163 2,78 3,388 3,99 5,37
1,5 -0,24 0,69 1,333 2,146 2,743 3,33 3,91 5,23
1,4 -0,225 0,705 1,337 2,128 2,706 3,271 3,828 5,1
1,3 -0,21 0,719 1,339 2,108 2,666 3,211 3,745 4,96
1,2 -0,195 0,732 1,34 2,087 2,626 3,149 3,661 4,81
1,1 -0,18 0,745 1,341 2,066 2,585 3,087 3,575 4,67
1 -0,164 0,758 1,34 2,034 2,542 3,022 3,489 4,53
0,9 -0,148 0,769 1,339 2,018 2,498 2,957 3,401 4,39
0,8 -0,132 0,78 1,336 1,993 2,453 2,891 3,312 4,24
0,7 -0,116 0,79 1,333 1,967 2,407 2,824 3,223 4,1
0,6 -0,099 0,8 1,328 1,939 2,359 2,755 3,123 3,96
0,5 -0,083 0,808 1,323 1,91 2,311 2,686 3,041 3,81
0,4 -0,066 0,816 1,317 1,8 2,261 2,615 2,949 3,67
0,3 -0,05 0,824 1,309 1,849 2,211 2,544 2,856 3,52
0,2 -0,033 0,83 1,301 1,818 2,159 2,472 2,763 3,38
0,1 -0,017 0,836 1,292 1,785 2,107 2,4 2,67 3,23
0 0 0,842 1,282 1,751 2,054 2,326 2,576 3,09
Sumber: Chow, Applied Hydrology:392
 Tabel 4.15.
Faktor Frekuensi K Untuk Distribusi Log Pearson Type III
Koefisien Asimetri Cs Negatif

III. Return period in years

Skew 2 5 10 25 50 100 200 1000
Coefficient Exceedence probability
Cs or Cw 0,5 0,2 0,1 0,04 0,02 0,01 0,005 0,001

0 0 0,842 1,282 1,751 2,054 2,326 2,576 3,09

-0,1 0,017 0,846 1,27 1,716 2 2,252 2,482 2,95
-0,2 0,033 0,85 1,258 1,68 1,945 2,178 2,388 2,81
-0,3 0,05 0,853 1,245 1,643 1,89 2,104 2,294 2,67
-0,4 0,066 0,855 1,231 1,606 1,834 2,029 2,201 2,53
-0,5 0,083 0,856 1,216 1,567 1,777 1,955 2,108 2,4
-0,6 0,099 0,857 1,2 1,528 1,72 1,88 2,016 2,27
-0,7 0,116 0,857 1,183 1,488 1,663 1,806 1,926 2,14
-0,8 0,132 0,856 1,166 1,448 1,606 1,733 1,837 2,02
-0,9 0,148 0,854 1,147 1,407 1,549 1,66 1,749 1,9
-1 0,164 0,852 1,128 1,366 1,492 1,588 1,664 1,79
-1,1 0,18 0,848 1,107 1,324 1,435 1,518 1,581 1,168
-1,2 0,195 0,844 1,086 1,282 1,379 1,449 1,501 1,58
-1,3 0,21 0,838 1,064 1,24 1,324 1,383 1,424 1,48
-1,4 0,225 0,832 1,041 1,198 1,27 1,318 1,351 1,39
-1,5 0,24 0,825 1,018 1,157 1,217 1,256 1,282 1,31
-1,6 0,254 0,817 0,994 1,116 1,166 1,197 1,216 1,24
-1,7 0,268 0,808 0,97 1,075 1,116 1,14 1,155 1,17
-1,8 0,282 0,799 0,945 1,035 1,069 1,087 1,097 1,11
-1,9 0,294 0,788 0,92 0,996 1,023 1,037 1,044 1,05
-2 0,307 0,777 0,895 0,959 0,98 0,99 0,995 1
-2,1 0,319 0,765 0,869 0,923 0,939 0,946 0,949 0,95
-2,2 0,33 0,752 0,844 0,88 0,9 0,905 0,907 0,91
-2,3 0,341 0,739 0,819 0,855 0,864 0,867 0,869 0,87
-2,4 0,351 0,725 0,895 0,823 0,83 0,832 0,833 0,833
-2,5 0,36 0,711 0,771 0,793 0,798 0,799 0,8 0,8
-2,6 0,368 0,969 0,747 0,764 0,768 0,769 0,769 0,77
-2,7 0,376 0,681 0,724 0,738 0,74 0,74 0,741 0,74
-2,8 0,384 0,666 0,702 0,712 0,714 0,714 0,714 0,714
-2,9 0,39 0,651 0,681 0,683 0,689 0,69 0,69 0,69
-3 0,396 0,636 0,66 0,666 0,666 0,667 0,67 0,67
Sumber: Chow, Applied Hydrology:393
 Tabel 4.16.
Perhitungan Hujan Rancangan Dengan
Metode Log Pearson Type III
No Rangking Log x (Log x - Log x) (Log x - Log x)^2 (Log x - Log x)^3
(mm/hari)
1 66 1.8220 -0.1678 0.0282 -0.0047
2 60 1.7793 -0.2105 0.0443 -0.0093
3 57 1.7590 -0.2308 0.0533 -0.0123
4 55 1.7398 -0.2500 0.0625 -0.0156
5 53 1.7276 -0.2622 0.0687 -0.0180
6 53 1.7275 -0.2623 0.0688 -0.0181
7 53 1.7227 -0.2671 0.0713 -0.0191
8 53 1.7205 -0.2693 0.0725 -0.0195
9 51 1.7054 -0.2844 0.0809 -0.0230
10 51 1.7045 -0.2853 0.0814 -0.0232
11 50 1.6950 -0.2948 0.0869 -0.0256
12 49 1.6937 -0.2961 0.0877 -0.0260
13 49 1.6874 -0.3024 0.0915 -0.0277
14 48 1.6816 -0.3082 0.0950 -0.0293
15 47 1.6743 -0.3155 0.0995 -0.0314
16 47 1.6700 -0.3198 0.1023 -0.0327
17 46 1.6631 -0.3267 0.1067 -0.0349
18 44 1.6407 -0.3491 0.1219 -0.0426
19 43 1.6356 -0.3542 0.1255 -0.0444
20 42 1.6272 -0.3626 0.1315 -0.0477
21 41 1.6077 -0.3821 0.1460 -0.0558
22 39 1.5937 -0.3961 0.1569 -0.0621
23 38 1.5837 -0.4061 0.1650 -0.0670
24 38 1.5753 -0.4145 0.1718 -0.0712
25 32 1.5045 -0.4853 0.2355 -0.1143
Jumlah 1205.0900 41.9416 -7.8034 2.5556 -0.8755
Rata-rata 1.6777
sumber: hasil perhitungan
Standar Deviasi (Sn) dan Koefisien Asimetri (Cs)
Sn = 0.3263
Cs = -0.0024
Persamaan Ekstrapolasi Log Pearson Tipe III
Log x= Log x + K. Sn
x = 10 ^ (Log x + K. Sn)
x = 10 ^ (1.6777+ K. 0.3263)
 Tabel 4.17.
Perhitungan Hujan Rancangan Dengan Berbagai Kala Ulang
No Kala Ulang Probabilitas Frekwensi Log X Hujan Rancangan
T (Tahun) P (%) K x (mm/hari)
1 2 50 0.000 1.677700 47.610
2 5 20 0.842 1.952445 89.628
3 10 10 1.282 2.096017 124.743
5 25 4 1.751 2.249051 177.440
6 50 2 2.054 2.347920 222.803
7 100 1 2.326 2.436674 273.322
8 200 0.5 2.576 2.518249 329.799
9 1000 0.1 3.090 2.685967 485.252
Sumber: Hasil Perhitungan