PERHITUNGAN DATA CURAH HUJAN YANG HILANG DENGAN

MENGGUNAKAN METODE INTERPOLASI LINEAR (STUDI KASUS

PEKANBARU)

Della Puspita Utami1 , Muhammad Radiva Deandri2 , Raden Muhammad Daiva3 ,

T Fatimah Rahmadania4 , Wulan Yuliandriani5
Jurusan Teknik Sipil, Fakultas Teknik, Universitas Islam Riau Jl. Kaharuddin Nst No.113,
1,2,3,4,5

Simpang Tiga, Kec. Bukit Raya, Kota Pekanbaru, Riau 28284 Telp 0761 674674
E-mail : 1dellapuspitautami@student.uir.ac.id, 2muhammadradivadeandri@student.uir.ac.id,
3
radenmuhammaddaiva@student.uir.ac.id, 4tfatimahrahmadania@student.uir.ac.id,
5
wulanyuliandriani559@student.uir.ac.id

Abstract
Rainfall is one kind of precipitation which is easy and properly measured Indonesia as a tropical country assume
rainfall has important factor to support many activities especially an engineeringThe purpose of this research is to
acquire Rainfall data which is frequently does not fulfill the standard. In terms of validity and oftenly losing some
data when recording data Many factors caused thatSo to fulfill losing rainfall data we can use numerical method
Linear Interpolation is one of them. Linear Interpdation assume data value and other data as one straight line. This
numerical method enableus to get rainfall data which already lostThe result of this analysis are linear interpdation
can develop vaid rainfall data. So the conclussion is linear interpolation can be used to get valid rainfall data

Keywords : rainfall, data, interpolation, linear

Abstrak
Didalam pengukuran presipitasi, hujan adalah salah satu yang paling mudah dan jelas pengukurannya. Di indonesia
yang beriklim tropis basah, data curah hujan adalah sesuatu bagian penting yang dapat menunjang banyak kegiatan
yang ada, khususnya dibidang teknik sipil. Tujuan dilaksanakannya penelitian ini adalah untuk mendapatkan data
curah hujan hilang yang baik dan valid. Metode yang digunakan di penelitian ini adalah interpolasi. Interpolasi
adalah salah satu metode yang bisa menentukan nilai diantara dua titik. pendekatan secara numeris ini
memungkinkan kita untuk mendapatkan data curah hujan yang hilang. Hasil dari penelitian ini menunjukkan bahwa
metode interpolasi linear dapat menghasilkan data curah hujan yang valid. Kesimpulan yang didapat bahwa metode
interpolasi linear dapat menghasilkan data curah hujan yang baik

Kata Kunci : curah hujan, data, interpolasi, linear

1. Pendahuluan serta durasi hujan juga menentukan

Memiliki du amusim yaitu musim hujan
dan musim kemarau, Indonesia merupakan
negara beriklim tropis. Indonesia secara
astronomis berada di 6o Lintang Utara – 11o
Lintang Selatan serta 95o Bujur Timur – 141o
Bujur Timur. Pada siklus hidrologi hujan
merupakan faktor krusial dalam menentukan
kapasitas air yg terdapat pada suatu daerah.
Hujan yang turun pada suatu wilayah akan
masuk ke dalam DAS, mengalir ke dalam
sungai, serta akhirnya ke laut. Hujan yang
terjadi akan tidak sama di setiap daerah,
tergantung di ketinggian wilayah, iklim,
musim, dan faktor-faktor lain. Intensitas
banyaknya jumlah air yang turun pada
wilayah tersebut.
Menurut The American Meteorological
Society (AMS), hujan adalah setetes atau
tetesan air yang jatuh dari awan ke
permukaan bumi dengan diameter minimal
0,5 milimeter. Menurut Bambang Triatmodjo
(2010) hujan merupakan salah satu bentuk
presipitasi uap air yang berasal dari alam
yang terdapat di atmosfer. Hujan
memerlukan eksistensi lapisan atmosfer tebal
agar dapat menemukan suhu di atas titik leleh
es di atas permukaan Bumi. pada Bumi,
hujan artinya proses kondensasi (perubahan

1
wujud benda ke wujud yang lebih padat) uap
air pada atmosfer sebagai butiran air yg
relatif berat buat jatuh serta umumnya tiba
pada daratan. 2 proses yg mungkin terjadi
bersamaan bisa mendorong udara semakin
jenuh menjelang hujan, yaitu pendinginan
udara atau penambahan uap air ke udara.
Butir hujan memiliki berukuran yang
beragam mulai dari butiran akbar hingga
butiran kecilnya.
Menurut Soegianto (2010) dalam
bukunya yang berjudul Meteorolgi dan
Oceanografi mengatakan bahwa curah hujan
merupakan ketinggian air hujan yang jatuh
pada tempat yang datar dengan asumsi tidak
menguap, tidak meresap dan tidak mengalir.
Curah hujan 1 mm adalah air hujan setinggi 1
mm yang jatuh pada tempat yang datar seluas
1 m dengan asumsi tidak ada yang menguap,
mengalir dan meresap. Curah Hujan ialah
salah satu faktor penting diindonesia.
Didalam penggunaannya curah hujan
menjadi salah satu data buat membantu
melakukan banyak perkerjaan khususnya
dibidang teknik sipil, seperti
pelabuhan ,bendungan, irigasi, drainase dan
lain – lain. Oleh sebab itu data curah hujan
dicatat terus menerus sebagai akibatnya bias
membantu dalam membantu aktivitas
kehidupan kita. Maka metode untuk
melakukan pendekatan matematis terhadap
data curah hujan tak jarang kita lakukan buat
membantu memperoleh data curah hujan
yang hilang, tentunya menggunakan nilai
error eksklusif yang bisa dicapai pendekatan
matematis tadi.
Interpolasi merupakan salah satu metode
pendekatan numeris yang melakukan
perhitungan perhitungan untuk meperkirakan
nilai diantara nilai lainnya, Interpolasi punya
banyak macam serta jua punya banyak
metode. Interpolasi menurut macamnya
punya tingkat ketelitian yang tidak sinkron.
Interpolasi linear artinya interpolasi yang
menggangap nilai- nilai membentuk satu
garis lurus. pada perhitungannya intepolasi
linear mempunyai ketelitian yang lebih
rendah daripada yang lain. akan tetapi
perhitungan interpolasi linear relatif simpel
dilakukan. sehingga bila kita menganalisis
data dengan jumlah banyak akan menghemat
waktu analisis data.
Permasalahan hilang atau tidak validnya
data hujan yang tercatat, seringkali membuat
kegiatan yang terkait menggunakan curah
hujan terhambat. Sangat luasnya lokasi pada
indonesia menyebabkan alat pencatat curah
hujan menjadi cukup sulit. Sebagai akibatnya
seringnya data curah hujan yang hilang dan
tak validnya data terjadi dalam pencatatan
curah hujan di Indonesia.
Ada beberapa poin tujuan dilaksanakan
penelitian ini. Pertama ialah buat melihat
apakah metode interpolasi dapat
dipergunakan buat menggantikan data curah
hujan yang hilang serta kedua untuk melihat
seberapa besar korelasi.
2. Metode
A. Wilayah Studi
Batas wilayah atau ambang batas
pengumpulan data curah hujan berlaku untuk
penelitian ini. Penelitian ini hanya berfokus
pada satu stasiun curah hujan saja. diambil
data curah hujan saja sebagai contoh. Stasiun
hujan Pekanbaru dipilih sebagai contoh data
hujan dengan nomor pos hujan 142-22 yang
terletak di daerah aliran sungai siak. Secara
geografis, Stasiun Hujan Pekanbaru terletak
pada 0 derajat 32 menit 24,67 detik Lintang
Selatan dan 101 derajat 26 menit 13,92 detik
Bujur Timur. Seperti terlihat pada Gambar
1.1,
Gambar 1.1 Lokasi stasiun hujan pekanbaru
Sumber : Google maps
B. Pengumpulan Data
2
Data curah hujan yang dipertimbangkan dalam
penelitian ini diperoleh dari Balai Wilayah Sungai
Sumatera III (BWSS III) tahun-tahun sebelumnya.
Data yang diperoleh minimal harus berumur 3 tahun,
karena perhitungan interpolasi linier memerlukan 2
data untuk melengkapi pendekatan matematis dan data
yang dimodelkan hilang untuk membandingkan
kesesuaian hasil perhitungan interpolasi linier.  menggantikan data asli.
C. Studi Pustaka
Dalam penelitian ini, penulis melakukan pencarian
literatur yang dapat membantu penelitian ini.
Beberapa referensi ini digunakan untuk mengetahui
bagaimana melakukan analisis ini dengan lebih akurat
dan lebih baik. Penelusuran literatur yang dilakukan
juga membantu dalam memahami metode yang
digunakan, kelebihan dan kekurangan metode tersebut
serta bagaimana perbandingannya dengan metode
lain.  ( x −x1 )
Proses yang akan dilakukan nantinya adalah
sebagai berikut : Dari data curah hujan yang diperoleh,
dimodelkan satu tahun yang dianggap hilang yaitu
ketika dianalisis dengan metode interpolasi linier.
Dengan membandingkan data curah hujan asli dan
data curah hujan yang dianalisis, seseorang dapat
menentukan berapa persen data yang dianalisis dapat
 
Interpolasi linier adalah cara untuk menemukan
data yang hilang karena mengasumsikan bahwa nilai
antara dua tanggal membentuk garis lurus. Oleh
karena itu, kemungkinan data yang dihitung dengan
interpolasi linier tidak terlalu jauh dari nilai referensi.
Di bawah ini adalah rumus untuk interpolasi linier. 
( x−x 1 ) ( y− y )
= (1)
( x 2−x1 ) ( y − y 1 )
y= y1 + x ( y 2− y 1 ) (2)
( x 2−x 1 )

D. Metode Penyajian 3. Hasil dan Pembahasan

Penyajian penelitian ini berfokus pada dua jenis Data curah hujan yang diterima sama sekali tidak
penyajian, yaitu grafik dan tabel. Karena data yang lengkap. Beberapa data curah hujan tidak tersimpan di
diperiksa adalah data curah hujan, maka BBWSMS. Beberapa data curah hujan tidak lengkap
dua penyajian dari hasil ini adalah yang paling setiap bulannya. Ada juga tahun tanpa data, sehingga
menjelaskan hasil atau perbandingan antara data asli 3 tahun terakhir dipilih untuk dianalisis dengan
dan data dari perhitungan interpolasi linier.  menggunakan metode interpolasi linier. 
Metode perhitungan yang dilakukan adalah metode
E. Normalisasi Data perhitungan interpolasi linier. Metode ini hanya
Hal pertama yang kami penulis lakukan menggunakan satu stasiun selama 3 tahun sebagai
saat memproses data adalah menormalkan contoh perhitungan. Dan kami bandingkan dengan
data curah hujan. Data yang diterima data asli menggunakan grafik dan tabel data. Data
diverifikasi dan data curah hujan disusun yang digunakan berasal dari stasiun Sumberejo
menjadi data time series untuk memudahkan Kemiling Bandarlampung selama tiga tahun terakhir. 
perhitungan.  Sebelum melakukan analisis data curah hujan di
stasiun Pekanbaru di Tabel 2.1 adalah data asli curah
F. Validasi Data hujan yang kami dapat dari Balai Wilayah Sungai
Proses ini dilakukan setelah normalisasi Sumatera III..
data. Validasi data dilakukan dengan melihat
data setiap tahun dan membandingkannya Tabel 2.1 Data hujan asli
dengan curah hujan rata-rata tertinggi di Bulan 2020 2021 2022
wilayah Pekanbaru. Jika data yang diperoleh Januari 7,30 17,26 16,57
terlalu jauh dari perbandingan dengan curah Februari 7,11 13,51 19,83
hujan rata-rata tertinggi di Pekanbaru, ada Maret 9,47 20,25 13,57
kemungkinan data yang diperoleh tidak April 18,79 26,76 20,87
benar.  Mei 15,42 14,06 15,96
Juni 13,61 10,32 20,86
G. Pemodelan Data Hilang Juli 12,71 14,10 16,77
Agustus 16,48 10,50 9,80

3
 September 13,54 14,11 11,58 • Januari
Oktober 14,18 20,81 24,94 ( 2021−2020 )
November 19,05 21,71 12,89 y=7,30+ x ( 16,57−7,30 )
( 2022−2020 )
Desember 9,54 11,15 0
¿ 11,94
Sumber : Balai Wilayah Sungai Sumatera III (BWSS
III)
• Februari
Setelah melakukan analisis data curah hujan yang
hilang dengan memodelkan data curah hujan yang ( 2021−2020 )
y=7,11+ x ( 19,83−7,11 )
hilang pada 2021. Hasilnya dapat dilihat di Tabel 2.2 ( 2022−2020 )
sebagai berikut : ¿ 13,47
Tabel 2.2 Data hujan permodelan hasil interpolasi ( 2021−2020 )
linear. • Maret y=9,47+ x ( 13,57−9,47 )
( 2022−2020 )
Bulan 2020 2021 2022 ¿11,52
Januari 7,30 11,94 16,57
Februari 7,11 13,47 19,83 • April
Maret 9,47 11,52 13,57
( 2021−2020 )
April 18,79 19,83 20,87 y=18,79+ x ( 20,87−18,79 )
Mei 15,42 15,69 15,96
( 2022−2020 )
Juni 13,61 17,15 20,86 ¿ 19,83
Juli 12,71 14,74 16,77
Agustus 16,48 13,14 9,80 • Mei
September 13,54 12,56 11,58 ( 2021−2020 )
y=15,42+ x ( 15,96−15,42 )
Oktober 14,18 19,56 24,94 ( 2022−2020 )
November 19,05 15,97 12,89 ¿ 15,69
Desember 9,54 4,77 0
Cara menperoleh data hujan hasil interpolasi linear • Juni
adalah sebagai berikut :
( 2021−2020 )
y=13,61+ x ( 20,68−13,61 )
Diketahui : ( 2022−2020 )
x = 2021 ¿ 17,15
x1 = 2020 • Juli
x2 = 2022 ( 2021−2020 )
y1 = nilai data hujan asli masing - masing bulan pada y=12,71+ x ( 16,77−12,71 )
( 2022−2020 )
tahun 2020 ( dalam tabel berwarna kuning )
y2 = nilai data hujan asli masing - masing bulan pada ¿ 14,74
tahun 2022 ( dalam tabel berwarna biru )
• Agustus
Ditanya : ( 2021−2020 )
y dari masing masing bulan = … ?
y=16,48+ x ( 9,80−16,48 )
( 2022−2020 )
¿ 13,14
Jawab :
Dengan menggunakan rumus berikut :
• September
(2021−2020 )
( x −x1 ) y=13,54 + x (11,58−13,54 )
y= y1 + x ( y 2− y 1 ) (2022−2020 )
( x 2−x 1 ) ¿ 12,56
Maka nilai y masing masing bulan adalah :

4
 • Oktober
( 2021−2020 ) data curah hujan 2021
y=14,18+ x ( 24,94−14,18 )
( 2022−2020 ) 30
25
¿ 19,56 20
15
• November 10
5
( 2021−2020 )
y=19,05+ x ( 12,89−19,05 ) 0
i l
( 2022−2020 ) ja
n
fe
b ar ap r e ju
n
ju u
s
pt ok
t
o
v
m m ag se n
¿15,97
Gambar 2.1 Data curah hujan permodelan hasil
interpolasi linear tahun 2021
( 2021−2020 )
• Desember y=9,54+ x ( 0−9,54 )
( 2022−2020 ) 30
¿ 4,77 25
20
Dari hasil diatas terlihat perbandingan data asli dan
15 2020
data yang sudah dianalisis melalui interpolasi linear
2021
dalam Tabel 2.3 dan bisa membandingkan seberapa 10
2022
besar data asli dan data hasil interpolasi linear 5
mempunyai kesamaan 0
jan ar ei ju
l pt v
Tabel 2.3 Perbandingan data hujan hasil interpolasi m m se no
linear dan data curah hujan asli Gambar 2.2 Perbandingan data curah hujan tahun
Bulan 2021 Hasil Interpolasi 2020, 2022 dan data hujan hasil interpolasi linear
Januari 17,26 11,94 tahun 2021
Februari 13,51 13,47
Maret 20,25 11,52 Sedangkan perbandingan data curah hujan yang
April 26,76 19,83 asli yang didapet dari Balai Besar Wilayah Sungai
Mei 14,06 15,69 Mesuji Sekampung dapat dilihat dalam Gambar 2.3
Juni 10,32 17,15 sebagai berikut :
Juli 14,10 14,74
Agustus 10,50 13,14 30
September 14,11 12,56 25
Oktober 20,81 19,56 20
November 21,71 15,97 15 2020
Desember 11,15 4,77 2021
10
Dilihat dari data sebelum dan data sesudah tahun 2022
5
yang dimodelkan hilang untuk perhitungan interpolasi
maka dihasilkan grafik data seperti Gambar 2.1 dan 0
dapat dibandingkan pula dengan curah hujan tahun jan ar ei ju
l pt v
m m se no
diantaranya seperti Gambar 2.2 Untuk lebih jelasnya
Gambar 2.3 Perbandingan data curah hujan tahun
dapat melihat gambar yang disediakan berikut ini.
2020, 2022 dan 2021 dari BBWSS III

5
 30
25
20
15
10
5 B. Triatmodjo,
0 Ketiga.Yogyakarta: Beta Offset, 2013.
r r i l s t t v s
jan feb ma ap me jun ju agu sep ok no de
Gambar 2.4 Perbandingan data hasil interpolasi dan
data asli
Berdasarkan data yang telah dihasilkan dari
perhitungan analisis data curah hujan yang hilang
telah didapat hasil yang menyesuaikan data dari tahun
tahun sebelumnya. Data yang didapat dari hasil
perhitungan dibandingkan dengan data hasil
pengumpulan stasiun hujan dilapangan memiliki
perbedaan yang dapat dilihat di Gambar 2.4 yang
besar di bulan april, oktober, dan november. Akan
tetapi data hasil interpolasi menyesuaikan tahun tahun
sebelumnya yang menjadi acuan. Sehingga perbedaan
yang signifikan dibulan bulan tertentu bisa jadi terjadi
akibat dari faktor faktor lain.
Perhitungan yang dilakukan dengan metode
interpolasi linier memiliki kelemahan pada tingkat
kesamaan hasil analisis dengan data aslinya, namun
perhitungan yang ditemukan cukup sederhana dapat
menjadi solusi ketika menganalisis data yang banyak
dan waktu yang singkat. Cari tahu keberlakuan data
tanpa harus melakukan perhitungan dengan
menggunakan metode yang lebih kompleks. 
4. Kesimpulan
Dari hasil pembahasan didapat beberapa
kesimpulan sebagaimana berikut:
1. Bahwa data curah hujan di stasiun pekanbaru
dianggap benar dan dapat dianalisis dengan benar
2. Berdasarkan perbandingan antara hasil interpolasi
linier dengan data asli, interpolasi linier dianggap
sebagai solusi untuk menemukan data curah hujan
yang hilang dengan cepat dan mudah.
3. Karena perbedaan yang relatif besar dalam tiga
bulan april, oktober dan november, interpolasi linier
mungkin memiliki kekurangan dalam menghasilkan
kesalahan kecil.
4. Permintaan data dapat digunakan untuk melakukan
interpolasi linier bahkan ketika hanya ada sejumlah
kecil untuk dianalisis.
Daftar Pustaka
P. Fanny, Z. Ahmad, dan S. Tugiono “Analisis data
curah hujan yang hilang dengan menggunakan metode
Normal Ratio, Inversed Square Distance dan Rata
Rata Aljabar,” Jurnal Rekayasa Sipil dan Desain, vol.
04, no. 03, p. 397,September, 2016.
Hidrologi Terapan, Cetakan
Ismail,Muhammad Risky.”perhitungan data curah
hujan yang hilang dengan menggunakan metode
interpolasi linier.”Jurnal Aplikasi Teknik Sipil
Linsley, R. K, Kohler, J. L. Paulhus, & Y.Hermawan,
"Hidrologi untuk Insinyur" Jakarta:Erlangga.
Seyhan, E. “Dasar-Dasar Hidrologi” Yogyakarta:
Gajah Mada University Press, 1990.
Suripin, "Drainase Perkotaan yang Berkelanjutan,”
Bandung, 2004.
I. Fahmi “Analisis Pencarian Data Curah Hujan Yang
Hilang Dengan Model Periodik Stokastik (Studi
Kasus Wilayah Kabupaten Pringsewu)”
Jurnal RekayasaI, vol 09, no 02, Agustus, 2015.
H. Sri, Analisis Hidrologi,Jakarta:PT Gramedia
Pustaka Utama, 1993.
Aziz, S. Kamila & I. Saud, “Pola Disribusi Hujan
Surabaya” Jurnal Aplikasi Teknik Sipil, vol 14, 2016
M.S. Sri, I. Nasrul, Sulistiawaty " Analisis Pola Dan
Intensitas Curah Hujan Berdasakan Data Observasi
Dan Satelit Tropical Rainfall Measuring Missions
(Trmm) 3b42 V7 Di Makassar"Jurnal Sains dan Pend
idikan Fisika, vol 11, no 01, November, 2015. 
Susilowati, S. Ilyas "Analisa Karakteristik Curah
Hujan Di Kota Bandar Lampung" Jurnal Konstruksia,
vol 07, no 1, Desember, 2015.
S.H. Brotowriyatmo, "Hidrologi teori, maslah & 
penyelesaian" Jakarta: Nafiri, 2000
Susilowati, "Analisa Karakteristik Curah hujan dan
Kurva Intensitas Durasi dan Frekuensi di Propinsi
Lampung" Jurnal Rekayasa, vol 04, no 01, 2010.
Sosrodarsono, Suyono & Takeda "Hidrologi
Untuk Pengairan" Jakarta: PT Pradnya Paramita, 2003
Lashari, R. Kusumawardhani & F. Prakasa,
6
“Analisa Distribusi Curah Hujan Di Area
MerapiMenggunakan Metode Aritmatika Dan
Poligon” Jurnal Teknik Sipil & Perencanaan,
vol 19, no 1,2017
 
D. Mulyono, “Analisis Karakteristik Curah Hujan Di
Wilayah Kabupaten Garut Selatan“ Jurnal
Konstruksi, vol 13, no 01, 2014

Muflihah & Y.P. Rizky “Perbandingan Teknik

Interpolasi Berbasis R Dalam Estimasi Data Curah
Hujan Bulanan Yang Hilang Di Sulawesi”
Jurnal Meteorologi dan Geofisika, vol 18, no 03, 2017

Swasnita, Suparti & Sugito. "Perhitungan SukuBunga
Efektif Untuk Penentuan AlternatifPembiayaan
Kendaraan Motor Pada Leasing & bank.
Dengan Metode Interpolasi Linier (Studi Kasus Harga
Sepeda Motor Honda Beat Injeksi Terdaftar
September 2014)" Jurnal Gaussian, vol 04, No 02.
2015

B. Triatmodjo, Metode Numerik, Yogyakarta:Beta

Offset, 1993

P.B. Kosasih,"Komputasi Numerik Teori dan Aplikasi,
” Yogyakarta, 2003

Chapra, S. C, Canale, R. P. 1988. Numerical Methods
for Engineers 2nd Edition. McCraw- Hill