Faktor frekuensi (k) didapat dari tabel Nilai Variabel Reduksi Gauss
Sx=√
∑ ( Xi− Xrata−rata )2
n−1
Dimana:
n = Banyaknya pengamatan
xi = Harga besaran pada pengamatan tertentu
Metode Distribusi Log Normal
X = 10log X
k . S Log x + Log Xrata-rata k . S Log
S log x=√
∑ ( Xi− Xa )2
n−1
S log x=√
∑ ( logXi−logXrata−rata )2
n−1
Dimana :
n = Banyaknya pengamatan
xi = Harga besaran pada pengamatan tertentu
Keterangan: Faktor frekuensi (k) didapat dari tabel Nilai Variabel Reduksi Gauss
Metode Gumbel
𝑋𝑡 = 𝑋𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 + 𝑘 . 𝑆𝑥
Dimana:
Xt = Besaran yang diharapkan terja didalam (t) tahun
Xrata-rata = Harga pengamatan aritmatik
k = Faktor frekuensi
Sx = Standart deviasi
Yt =−ln ¿
Dimana:
Yt = Reduced variatied (beda untuk return periode)
T = Kala ulang (tahun)
Yt−Yn
k=
Sn
Dimana:
Yt = Reduced variatied (bedauntuk return periode)
Yn = Reduksivariat rata-rata (reduced mean)
Sn = Deviasi Standar (reduces standard deviation)
Keterangan: Yn didapat daritabel Hubungan Reduksi Variat Rata-Rata (Yn)
Dengan Jumlah Data (N)dan Sn didapat dari tabel Hubungan Antara Deviasi
Standar (Sn) dan Reduksi Variat Dengan Jumlah Data (n)
Sx=√
∑ ( Xi− Xrata−rata )2
n−1
Dimana:
n = Banyaknya pengamatan
xi = Harga besaran pada pengamatan tertentu
Metode Log Person Type III
X = log X10
k . S Log x + Log Xrata-rata
k . S Log x
Kt didapat dari tabel Nilai KT untuk distribusi Pearson III (kemencengan positif)
Cs=
( n . ∑ ( logXi−logXrata−rata )2
3
( ( n−1 ) . ( n−2 ) . ( S logX ) ) )
S log x=√
∑ ( logXi−logXrata−rata )2
n−1
Xrata-rata =
∑ Xi
n
1437,4
= = 130,67
11
Sx =√
∑ ( Xi− Xrata−rata )2
n−1
Sx =
√ 31654,14
11−1
= 56,26
log Xrata-rata =
∑ logXi
n
22,950
= = 2,086
11
Slog x =√
∑ ( log Xi−logXrata−rata )2
n−1
Slog x =
√ 0,257
11−1
= 0,160
Faktor frekuensi (k) didapat dari tabel Nilai Variabel Reduksi Gauss
k . S Log x = 2,33 . 0,160 = 0,374
Xrata-rata =
∑ Xi
n
1437,4
= = 130,67
11
Sx =√
∑ ( Xi− Xrata−rata )2
n−1
Sx =
√ 31654,14
11−1
= 56,26
Yn = 0,5388
Sn = 1,1226
Keterangan:
Yn didapat dari tabel Hubungan Reduksi Variat Rata-Rata (Yn) dengan Jumlah
Data (N).
Sn didapat dari tabel Hubungan Antara Deviasi Standar (Sn) dan Reduksi Variat
dengan Jumlah Data (n).
Yt = −ln(−ln ( T −1
T )
)
Yt = −ln¿ = 4,600
Yt−Yn
k =
Sn
4,600−0,5388
k = = 3,618
1,1226
Xt = Xrata-rata + k.Sx
= 130,67 + 3,618 . 56,26 = 334,210 mm
4) Perhitungan Hujan Rancangan Metode Distribusi Log Pearson Type III
Tabel 4.8 Perhitungan Hujan Rancangan Metode Distribusi Log Pearson
Type III
Tahu Log Log Xi - Log (Log Xi - (Log Xi - Log
No Xi
n Xi Xrata-rata Log Xrata-rata)2 Xrata-rata)3
1 2021 255,5 2,407 0,321 0,103 0,03308
2 2014 213,9 2,330 0,244 0,059 0,01450
3 2011 158,6 2,200 0,114 0,013 0,00148
4 2020 126,1 2,101 0,014 0,000 0,00000
5 2015 116 2,064 -0,022 0,000 -0,00001
6 2016 108 2,033 -0,053 0,003 -0,00015
7 2019 97,4 1,989 -0,098 0,010 -0,00094
8 2012 95,6 1,980 -0,106 0,011 -0,00119
9 2018 91,3 1,960 -0,126 0,016 -0,00200
10 2013 87,8 1,943 -0,143 0,020 -0,00292
11 2017 87,2 1,941 -0,146 0,021 -0,00310
Jumlah 1437,4 22,950 0,000 0,257 0,03877
log Xrata-rata =
∑ logXi
n
22,950
= = 2,086
11
S logx =√
∑ ( log Xi−logXrata−rata )2
n−1
S logx =
√ 0,257
11−1
= 0,160
Cs =
( n . ∑ ( logXi−logXrata−rata )2
3
( ( n−1 ) . ( n−2 ) . ( S logX ) ) )
= ( 11.(0,257)
3
( ( 11−1 ) . ( 11−2 ) . ( 0,160 ) ) ) = 7,620
Tabel 4.9 Hujan Rancangan Metode Distribusi Log Pearson Type III
Kala Faktor
Ulang T Frekuensi k. S log x log X X (mm)
(tahun) (k)
2 -0,268 -0,043 2,043 110,503
5 0,66 0,106 2,192 155,680
10 1,324 0,212 2,299 198,949
50 2,815 0,452 2,538 345,072
100 3,444 0,552 2,639 435,317
Kt didapat dari tabel Nilai Kt untuk distribusi Pearson III (kemiringan positif)
k . S Log x = 3,444 . 0,160 = 0,552
log X = k . S Log x + Log Xrata-rata
= 0,552 + 2,086 = 2,639
X = 10log x
= 102,639 = 435,317 mm
500
450
400
350
300
Curah Hujan
250
200
150
100
50
0
0 20 40 60 80 100 120
Xi Diurutkan dari
No
besar ke kecil (mm)
1 255,5
2 213,9
3 158,6
4 126,1
5 116
6 108
7 97,4
8 95,6
9 91,3
10 87,8
11 87,2
Jumlah data (n) = 11
Persentase 40%
P(x)= 40% diperoleh T =1/ Px = 1/(40/100) = 2,5 Tahun
Persentase 60%
P(x)= 60% diperoleh T =1/ Px = 1/(60/100) = 1,7 Tahun
Persentase 80%
P(x)= 80% diperoleh T =1/ Px = 1/(80/100) = 1,25 Tahun
Persentase 100%
P(x)= 100% diperoleh T =1/ Px = 1/(100/100) = 1 Tahun
Yt = −ln(−ln ( T −1
T )
)
(Yt −Yn)
K =
Sn
Sehingga:
T =2
Yt ( ( ))= ( ( ))
= −ln −ln
T −1
T
−ln −ln
2−1
2
=¿0,367
Xrata-rata = 130,67 mm
Sx = 56,26 mm
Maka interval kelas:
XT =Xn + (Yt - Yn)*Sx/Sn
Jumlah Data
No. Nilai Batas Kelompok (Oi - Ei) (Oi - Ei)^2/Ei
Oi Ei
1 > 182,884 5 2,2 2,8 3,564
2 153,909 - 182,884 2 2,2 -0,2 0,018
3 130,673 - 153,909 1 2,2 -1,2 0,655
4 105,861 - 130,673 3 2,2 0,8 0,291
5 < 105,861 0 2,2 -2,2 2,200
Total = 11 11 6,727
Jumlah Data
No. Nilai Batas Kelompok (Oi - Ei) (Oi - Ei)^2/Ei
Oi Ei
1 > 9,157 2 2,2 -0,2 0,018
2 5,233 - 9,157 4 2,2 1,8 1,473
3 2,086 - 5,233 2 2,2 -0,2 0,018
4 -1,274 - 2,086 3 2,2 0,8 0,291
5 < -1,274 0 2,2 -2,2 2,200
Total = 11 11 4,000
Uji Smirnov
Kolmogorov Terhadap Distribusi Normal
Tabel 4.17 Kolmogorov Terhadap Distribusi Normal
P(x) =
Xn m P(x<) k P'(x) P'(x<) D (%)
No. m/(n+1) %
1 2 3 4 5 6 7 8
1 255,50 11 0,917 0,0833 2,22 0,0060 0,9940 0,077
2 213,90 10 0,833 0,1667 1,48 0,0110 0,9890 0,156
3 158,60 9 0,750 0,2500 0,50 0,2451 0,7549 0,005
4 126,10 8 0,667 0,3333 -0,08 0,2709 0,7291 0,062
5 116,00 7 0,583 0,4167 -0,26 0,3156 0,6844 0,101
6 108,00 6 0,500 0,5000 -0,40 0,4129 0,5871 0,087
7 97,40 5 0,417 0,5833 -0,59 0,4325 0,5675 0,151
8 95,60 4 0,333 0,6667 -0,62 0,4483 0,5517 0,218
9 91,30 3 0,250 0,7500 -0,70 0,5000 0,5000 0,250
10 87,80 2 0,167 0,8333 -0,76 0,5000 0,5000 0,333
11 87,20 1 0,083 0,9167 -0,77 0,5000 0,5000 0,417
Total = 1437,40 mm N = 11 tahun Dmax = 0,417
Rerata = 130,67 mm CS = 1,5280
Std Dev = 56,26 mm CK = 1,3917 Do (5%) = 0,234
Simpangan maksimum (∆D maksimum) = 0,417
Jika jumlah data 11 dan α (derajat kepercayaan) adalah 5% maka dari Tabel Nilai
Kritis Do Untuk Uji Smirnov - kolmogorov.
Didapat ∆D kritis = 0,234. jadi ∆P maksimum > ∆P kritis, dengan demikian
distribusi probabilitas normal tidak dapat diterima untuk menganalisis data hujan
diatas.
Jumlah Data = 11
Keterangan:
Dmaks < Do (5%) (Persamaan distribusi dapat diterima)
Dmaks > Do (5%) (Persamaan distribusi tidak dapat diterima)
4.2.3 Debit banjir rencana
Perhitungan Debit Banjir Rencana (Design Flood) Menggunakan Metode
Haspers. Luas aliran DAS atau Catchment area / luas stasiun = 1553,447 km2 >
100 km2, maka digunakan metode Haspers. Dengan metode Haspersn didasarkan
pada rumus berikut ini :
QT = ά β q F
di mana :
QT : debit maksimum
ά : run off coefisien
β : reduction coefisien, rasio hujan rata-rata dibagi hujan maksimum
pada daerah dan waktu yang sama.
q : intensitas hujan dengan distribusi gumbel (m³/km²/det)
F : luas catchment (km²)