FAKULTAS TEKNIK
PERANCANGAN BANGUNAN AIR
DOSEN PENGAJAR: DR.ENG., IR. JEFFRY S. F. SUMARAUW, MT
2019
Diketahui:
Peta yang digunakan adalah Peta Rupabumi Indonesia Wilayah Atinggola (Lembar
2316 - 43)
Skala 1 : 50.000
Luas 1 kotak millimeter block = 1 cm2
Ditanya:
Luas DAS Sungai Butaya Soklai.
Penyelesaian:
ANALISA SKALA
Apabila skala yang diberikan adalah 1:50.000, artinya 1 cm di peta dan millimeter block
= 50.000 cm jarak sebenarnya atau 0,5 km
Apabila luas 1 kotak millimeter block adalah 1cm2, maka luas sebenarnya adalah:
Luas = 0.5 km x 0.5 km
= 0.25 km2
Terdapat 4 stasiun pengukur hujan yang berada di sekitar DAS Sungai Butaya Soklai,
yaitu Stasiun Buidu Kamengan (Stasiun 1), Stasiun Buidu Parasiden (Stasiun 2), Stasiun
Huidu Lowulowu (Stasiun 3) dan Stasiun Kwandang (Stasiun 4). Untuk menganalisis hujan
DAS Butaya Soklai, akan digunakan data hujan dari 4 stasiun tersebut. Data hujan yang
tersedia di 4 stasiun tersebut berupa data curah hujan harian maksimum, dengan panjang
pencatatan data selama 15 tahun. Data ditunjukkan pada tabel berikut.
Data yang sudah disesuaikan, sudah siap untuk digunakan dalam analisis selanjutnya.
kn=(−3.62201)+(6.28446 n1/ 4 )−(2.49835 n1/ 2)+( 0.491436 n3 /4 )−(0.037911 n)
Jika Cslog < -0,4, maka lakukan Uji Outlier Rendah terlebih dahulu kemudian Uji
Outlier Tinggi dengan metode yang sama.
Dimana,
√
n
1
Slog = ∑ ¿¿¿¿
(n−1) i=1
Keterangan :
Cslog = Koefisien Skewness (dalam log)
Curah Hujan
Harian Max (mm)
No Tahun
Stasiun Buidu
Kamengan
1 2004 62
2 2005 242
3 2006 100
4 2007 181
5 2008 158
6 2009 194
7 2010 83
8 2011 104
9 2012 194
10 2013 90
11 2014 231
12 2015 123
13 2016 94
14 2017 30
15 2018 240
Karena Cslog < -0.4, maka dilakukan Uji Outlier Rendah terlebih dahulu dengan
hasil perhitungan sebagai berikut,
kn = 2.247 (untuk n = 15)
log Xl = 2.092 - 2.247 x 0.254
log Xl = 1.522
Xl = 33.246
Setelah diperoleh nilai Xl, periksa kembali data. Ternyata ada data outlier rendah,
sehingga data yang < Xl diganti nilainya = Xl. Kemudian hitung parameter baru.
Karena tidak ada data (Xi) yang melebihi batas tertinggi (Xh) maka data tidak
dirubah, selanjutnya Data Curah Hujan Maksimum pada Stasiun 1 (Buidu
Kamengan) sudah siap untuk analisis berikutnya.
Kesimpulan:
Data hujan di Stasiun 1 (Buidu Kamengan) yang sudah diuji outlier, ditunjukkan
pada tabel dibawah ini dan data sudah bisa digunakan karena telah memenuhi
syarat uji outlier.
Data Hujan
Harian
Maks (mm)
No Tahun
Stasiun
Buidu
Kamengan
1 2004 62
2 2005 242
3 2006 100
4 2007 181
5 2008 158
6 2009 194
7 2010 83
8 2011 104
9 2012 194
10 2013 90
11 2014 231
12 2015 123
13 2016 94
14 2017 33.246
15 2018 240
Curah Hujan
Harian Max
(mm)
No Tahun
Stasiun
Buidu
Parasiden
1 2004 57
2 2005 139
3 2006 238
4 2007 242
5 2008 260
6 2009 132
7 2010 82
8 2011 32
9 2012 179
10 2013 83
11 2014 95
12 2015 162
13 2016 72
14 2017 102
15 2018 200
Karena CSlog < -0.4, maka dilakukan Uji Outlier Rendah terlebih dahulu dengan
hasil perhitungan sebagai berikut,
kn = 2.247 (untuk n = 15)
log Xl = 2.076 - 2.247 x 0.260
log Xl = 1.492
Xl = 31.010
Setelah diperoleh nilai Xl, periksa kembali data. Karena tidak ada data (Xi) yang
melebihi batas terendah (Xl) maka data tidak dirubah, sehingga selanjutnya dapat
dilakukan Uji Outlier Tinggi dengan hasil perhitungan sebagai berikut.
kn = 2.247 (untuk n = 15)
log Xh = 2.076 + 2.247 x 0.260
log Xh = 2.660
Xh = 457.603
Karena tidak ada data (Xi) yang melebihi batas tertinggi (Xh) maka data tidak
dirubah, selanjutnya Data Curah Hujan Maksimum pada Stasiun 2 (Buidu
Parasiden) sudah siap untuk analisis berikutnya.
Kesimpulan:
Data hujan di Stasiun 2 (Buidu Parasiden) yang sudah diuji outlier, ditunjukkan
pada tabel dibawah ini dan data sudah bisa digunakan karena telah memenuhi
syarat uji outlier.
Data Hujan
Harian
Maks (mm)
No Tahun
Stasiun
Buidu
Parasiden
1 2004 57
2 2005 139
3 2006 238
4 2007 242
5 2008 260
6 2009 132
7 2010 82
8 2011 32
9 2012 179
10 2013 83
11 2014 95
12 2015 162
13 2016 72
14 2017 102
15 2018 200
Curah Hujan
Harian Max
(mm)
No Tahun
Stasiun
Huidu
Lowulowu
1 2004 49
2 2005 106
3 2006 165
4 2007 138
5 2008 97
6 2009 29
7 2010 206
8 2011 149
9 2012 143
10 2013 185
11 2014 89
12 2015 183
13 2016 128
14 2017 161
15 2018 187
Karena Cslog < -0.4, maka dilakukan Uji Outlier Rendah terlebih dahulu dengan
hasil perhitungan sebagai berikut,
kn = 2.247 (untuk n = 15)
log Xl = 2.082 - 2.247 x 0.235
log Xl = 1.553
Xl = 35.740
Setelah diperoleh nilai Xl, periksa kembali data. Ternyata ada data outlier rendah,
sehingga data yang < Xl diganti nilainya = Xl. Kemudian hitung parameter baru.
Karena tidak ada data (Xi) yang melebihi batas tertinggi (Xh) maka data tidak
dirubah, selanjutnya Data Curah Hujan Maksimum pada Stasiun 3 (Huidu
Lowulowu) sudah siap untuk analisis berikutnya.
Kesimpulan:
Data hujan di Stasiun 3 (Huidu Lowulowu) yang sudah diuji outlier, ditunjukkan
pada tabel dibawah ini dan data sudah bisa digunakan karena telah memenuhi
syarat uji outlier.
Data Hujan
Harian
Maks (mm)
No Tahun
Stasiun
Huidu
Lowulowu
1 2004 49
2 2005 106
3 2006 165
4 2007 138
5 2008 97
6 2009 35.740
7 2010 206
8 2011 149
9 2012 143
10 2013 185
11 2014 89
12 2015 183
13 2016 128
14 2017 161
15 2018 187
4) Stasiun 4 (Kwandang)
Curah Hujan
Harian Max
No Tahun (mm)
Stasiun
Kwandang
1 2004 52
2 2005 224
3 2006 123
4 2007 243
5 2008 34
6 2009 125
7 2010 53
8 2011 147
9 2012 186
10 2013 165
11 2014 173
12 2015 108
13 2016 222
14 2017 100
15 2018 191
Karena Cslog < -0.4, maka dilakukan Uji Outlier Rendah terlebih dahulu dengan
hasil perhitungan sebagai berikut,
kn = 2.247 (untuk n = 15)
log Xl = 2.097 - 2.247 x 0.241
log Xl = 1.554
Xl = 35.843
Setelah diperoleh nilai Xl, periksa kembali data. Ternyata ada data outlier rendah,
sehingga data yang < Xl diganti nilainya = Xl. Kemudian hitung parameter baru.
Karena tidak ada data (Xi) yang melebihi batas tertinggi (Xh) maka data tidak
dirubah, selanjutnya Data Curah Hujan Maksimum pada Stasiun 4 (Kwandang)
sudah siap untuk analisis berikutnya.
Kesimpulan:
Data hujan di Stasiun 4 (Kwandang) yang sudah diuji outlier, ditunjukkan pada
tabel dibawah ini dan data sudah bisa digunakan karena telah memenuhi syarat uji
outlier.
Data Hujan
Harian
Maks (mm)
No Tahun
Stasiun
Kwandang
1 2004 52
2 2005 224
3 2006 123
4 2007 243
5 2008 35.843
6 2009 125
7 2010 53
8 2011 147
9 2012 186
10 2013 165
11 2014 173
12 2015 108
13 2016 222
14 2017 100
15 2018 191
Data hasil uji kualitas berupa uji outlier untuk keempat stasiun ditampilkan pada tabel
berikut. Data-data berikut sudah layak untuk digunakan untuk analisis selanjutnya.
2) Stasiun 2
Nama Stasiun : Buidu Parasiden
Diberikan : Jumlah kotak penuh =0
Jumlah kotak gabungan =0
Jumlah kotak keseluruhan = 0 kotak
Jadi, luas DAS = Jumlah kotak keseluruhan x luas 1 kotak millimeter block
= 0 x 0.25 km2
= 0 km2
3) Stasiun 3
Nama Stasiun : Huidu Lowulowu
Diberikan : Jumlah kotak penuh =8
Jumlah kotak gabungan =9
Jumlah kotak keseluruhan = 8 + 9 = 17 kotak
Jadi, luas DAS = Jumlah kotak keseluruhan x luas 1 kotak millimeter block
= 17 x 0.25 km2
= 4.25 km2
4) Stasiun 4
Nama Stasiun : Kwandang
Diberikan : Jumlah kotak penuh = 95
Jumlah kotak gabungan = 25
Jumlah kotak keseluruhan = 95 + 25 = 120 kotak
Jadi, luas DAS = Jumlah kotak keseluruhan x luas 1 kotak millimeter block
= 120 x 0.25 km2
= 30 km2
KONTROL LUAS
Σ Luas Pengaruh Stasiun = Luas DAS
2.75 + 0 + 4.25 + 30 = 37
37 km2 = 37 km2 (OK!)
Luas pengaruh setiap daerah pengaruh stasiun hujan dapat dilihat pada tabel berikut.
Luas Daerah
No Stasiun Hujan Nama Stasiun Hujan 2
Pengaruh (km )
1 Stasiun 1 Buidu Kamengan 2.75
2 Stasiun 2 Buidu Parasiden 0
3 Stasiun 3 Huidu Lowulowu 4.25
4 Stasiun 4 Kwandang 30
Luas Total (Luas DAS) 37
6721.25
R= =181.7 mm
37
(240)(2.75)+(200)(0)+(187)(4.25)+(191)(30)
R=
2.75+0+ 4.25+30
7184.75
R= =194.2 mm
37
Dari analisis didapat curah hujan wilayah, seperti ditunjukkan pada tabel dibawah ini.
Hujan Wilayah
No Tahun
(mm)
1 2004 52.4
2 2005 211.8
3 2006 126.1
4 2007 226.3
5 2008 51.9
6 2009 119.9
7 2010 72.8
8 2011 144.0
9 2012 181.7
10 2013 161.7
11 2014 167.7
12 2015 117.7
13 2016 201.7
14 2017 102.0
15 2018 194.2
Jenis sebaran data bisa dilihat dari parameter statistic data. Parameter statistic
data yang akan dilihat adalah, mean, standar deviasi, koefisien skewness, koefisien
kurtosis, koefisien variasi.
Kriteria pemilihan awal kesesuaian tipe distribusi berdasarkan parameter
statistik. Secara teoritis, langkah awal penentuan tipe distribusi dapat dilihat dari
parameter-parameter statistic data pengamatan. Parameter-parameter yang dilakukan
adalah CS, CV, dan CK.
Kriteria pemilihan untuk tiap tipe distribusi berdasarkan parameter statistic
adalah sebagai berikut ini.
1. Tipe distribusi Normal
Jika CS ≈ 0, Ck ≈ 3
Bila Kriteria 3 (tiga) sebaran diatas tidak memenuhi, dianggap tipe sebaran yang
cocok adalah:
4. Tipe distribusi log Pearson-III
PARAMETER STATISTIK
1) Standar Deviasi
Standart deviasi atau simpangan baku adalah suatu nilai pengukuran dispersi terhadap
data yang dikumpulkan. Untuk data yang kurang dari 100 digunakan rumus Fisher dan
Wicks dalam menghitung standart deviasi
√
n
1
S= ∑
( n−1 ) i=1
( X i −X )
2
Dengan
X̄ = Curah hujan rata-rata (mm),
Xi = Curah hujan pada tahun pengamatan ke-1 (mm),
S = Standar deviasi,
n = Jumlah data curah hujan.
Untuk perhitungan dalam nilai log maka persamaan 8 harus diubah dahulu kedalam
bentuk logaritmik, sehingga menjadi :
√
n
1
Slog = ∑ ¿¿¿¿
(n−1) i=1
Dengan
Slog = Standar Deviasi (dalam log)
n = Jumlah Data
log Xi = Nilai Rerata Data (dalam log)
2) Koefisien Variasi
Koefisien variasi (Coefficient Of Variation) adalah nilai perbandingan antara deviasi
standart dengan nilai rata-rata hitung dari suatu distribusi. Semakin besar nilai variasi
berarti datanya kurang merata (heterogen) Semakin kecil berarti data pengamatan
semakin merata (homogen) Koefisien variasi dapat dihitung dengan rumus berikut :
S
C v=
X
Dengan
X̄ = Curah hujan rata-rata (mm),
Cv = Koefisien variasi,
S = Standar deviasi.
i=1
Cs= 3
(n−1)(n−2) S
X̄ = curah hujan rata-rata (mm),
Xi = curah hujan pada tahun pengamatan ke-i (mm),
n = jumlah data,
S = standart deviasi,
Cs = koefisien Skewness.
Untuk perhitungan dalam nilai log seperti pada analisis data outlier maka persamaan 10
harus diubah dahulu kedalam bentuk logaritmik, sehingga menjadi:
n
Cslog =n ∑ ¿ ¿¿ ¿
i=1
4) Koefisien Kurtosis
Pengukuran kurtosis dimaksudkan untuk mengukur keruncingan dari bentuk kurva
distribusi, yang umumnya dibandingkan dengan distribusi normal. Koefisien kurtosis
digunakan untuk menentukan keruncingan kurva distribusi.
n
n
2
∑ ( X i− X )4
i=1
Ck=
( n−1 )( n−2 )( n−3 ) S4