Dokumen - Tips Laporan Antara

5/16/2018 Laporan Antara-slidepdf.
com
LAPORAN ANTARA
TUGAS PRAKTEK PERANCANGAN BANGUNAN
AIR
SEMESTER GENAP T.A. 2011/2012
PROGRAM STUDI TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS ATMA JAYA YOGYAKARTA
APRIL 2012
http://slidepdf.com/reader/full/laporan-antara 1/18
5/16/2018 Laporan Antara-slidepdf.com
Bab 2
PEMBAHASAN
2.1 VALIDASI DAN KOMPILASI DATA HUJAN HARIAN

Dalam perencanaan bendung, diperlukan data hujan harian yang kemudian
dipergunakan untuk menentukan yang terjadi di Daerah Aliran Sungai (DAS) pada
bagian hulu bendung. Data hujan yang dipakai diperolah dari instansi Pemerintah.
Format data yang dipergunakan terbagi dalam dua file, antara lain

1. File dengan 5 stasiun hujan yaitu CLD, TJP, OBSKMY, HLM, dan
SHCGK dimulai dari tahun1989 sampai tahun 1997 dengan orientasi
data mendatar ( landscape)
2. File dengan tahun 1998 dengan orientasi data menurun ( portrait ).
2.2 VALIDASI DATA

Setelah diperolah data hujan harian, langkah selanjutnya adalah dengan
melakukan validasi pada data tersebut. Validasi data adalah pengecekan pada data
curah hujan yang diperoleh dari setiap stasiun. Adapun fungsi dari validasi adalah
untuk mencari kejanggalan dan kelengkapan pada data tersebut.
Langkah-langkah dalam proses validasi data curah hujan adalah sebagai
berikut :
1. Pengecekan konsistensi format penyajian data curah hujan.
2. Pengecekan kelogisan nilai masing-masing nilai curah hujan harian.
3. Pengecekan kelogisan nilai jumlah hujan harian dalam setahun (hujan tahunan).
4. Pengecekan format pengetikan / input data.
5. Pengecekan kelogisan nilai hujan harian di bulan-bulan basah dan bulan-bulan
kering.
6. Pengecekan kelogisan nilai hujan antar stasiun pada waktu yang sama, baik
harian, bulanan, maupun tahunan.
7. Pengecekan catatan/keterangan/notasi yang ada
8. Pengecekan kelengkapan data dan identifikasi data hilang
Dari hasil validasi data pada data curah hujan yang telah diberikan,
ditemukan kejanggalan dan ketidaktepatan data, yaitu :
1. Adanya kejanggalan pada data tahun 1989-1992 di stasiun CLD dimana nilai
curah hujan yang terlalu besar.
2. Adanya kejanggalan pada tahun 1994 bulan 1 pada stasiun CLD dimana nilai
curah hujan pada data tersebur terlalu besar.
3. Hilangnya data curah hujan pada bulan September 1993 sampai Desember 1994
pada stasiun HLM.
4. Adanya beberapa data yang tidak terukur (ttu) pada setiap stasiun sehingga
harus mencari data yang valid. Dibawah ini adalah tanggal hilang pada setiap
stasiun.
Tabel 2.1 Tanggal Data Hujan Tidak Terukur
Tanggal
Tahun Bulan
CLD TJP OBSKMY HLM SHCGK
1989 1
2
3
4
5 30
6
7 23 12,16,26
8
9 10,28,30
10 30,31 2,21,24,30,31
11 1,4
12 29 9,16,18,19
1990 1 4,8,31
2 8,28
3 2
4 1,2,4,21
5
6 7,28 3
7 7,30
8 5,14,16,19
9 18 21
10
11 20
12 19,26
1991 1
2 14,15,26,27
3 1,10
4 5,26 3,18,22
5 4 6
6
7 22
8
9
10 21
11 16,30
12 30 20,22
1992 1 3
2 1,2,3,16
3
4 25
5 28 2
6 20
7 23
8 23,28,29,30
9 4,6,21
10 15 16
11 17,25
12 9 18,28,31
1993 1 2,17
2 17,19 23
3 8,17,21 20 4,10,26
4 10 25
5 27 2
6 14 21,30
7 2,3,29 24 23
8 21,26,30
9 4 7,29 3,28 1 s/d 30
10 23,25 1 s/d 30
11 11 8,9,27 1 s/d 30
12 1 2,10,12,27 1 s/d 30
1994 1 9,10,11 1 s/d 30
2 7,11,22 4,13,15,17,21,22 1 s/d 30
3 17,18,20 11,18,21,25,26 1 s/d 30
4 27 1,20 1 s/d 30
5 1 s/d 30
6 3,28 1 s/d 30
7 1 s/d 30
8 1 s/d 30
9 1 s/d 30
10 27 26 1 s/d 30
11 5,22,27 1 s/d 30
12 26 1 s/d 30
1995 1 4,8,11,22 4,8,26
2 19,21,23,24,25,27 13
3 19,31 6,7,17
4 7
5 4
6 2,21 1,15,20
7 11 6,9,15
8
9 2,3,29 3,4,11
10 8,14,15,21 7,23,26
11 2,20
12 1,3,6,11,15,21,23,24,28
1996 1 8,28,30
2 25,29
3 7,10
4 12,21 26
5 20,29
6 26
7 1
8 29
9 2,7,12,17,20,21 5,11,16
10 1,9,10,25,30
11 7,15,16,27,28
12 1,3,6,11,15,21,23,24,28
1997 1 1,12,29
2 5 7,9,17
3 19
4 6,22 21,22
5 7,15,27
6
7 2
8 3,4
9
10
11 11 11,23
12 8,10 18,21
1998 1 2,30,31 23,29 5,21,27
2 28 24 8,9,22
3 17 23 2,3,7,18,27,28,29 16
4 9,24 8 8,20,23
5 2,3,5,7,21 7,8,17,25
6 14,18,21 8,11,18,21 18,21
7
8 12
9 14 1,6
10 31
11 9,13 20 1,5,28 20
12 9 1,24 11,13,15,21 1,15,28
Setelah di temukan kejanggalan dan ketidak lengkapan pada data hujan,

selanjutnya dilakukan perbaikan data hujan tersebut. Langkah – langkah perbaikan
dan pelengkapan data adalah sebagai berikut :
1. Data pada tahun 1989 – 1992 di stasiun CLD, dimana diketahui nilainya terlalu
besar, dilakukan pengecilan data dengan membagi semua nilai data dengan 10.
2. Cara pada no 1 juga dilakukan pada tahun 1994 di stasiun CLD.
3. Data pada bulan September 1993 sampai dengan Desember 1994 dimana data
tersebut tidak ada maka dianggap tidak terukur.
4. Penghitungan data tidak terukur dilakukan per stasiun dengan pertama kali
mengelompokkan tanggal dan bulan pada data yang tidak terukur tersebut.
5. Penghitungan data yang tidak terukur dihitung dengan menggunakan Normal
Ratio Method
a. Menentukan tahun patokan dimana pada satu tahun yang sama, data
curah hujan harian stasiun yang berpengaruh lengkap
b. Menghitung setiap data curah hujan yang hilang / NR dengan rumus :
1  N x N N 

NR   .P a
.P  ... 
x
b
x
.P 
n
n  N a
N b
N
n 
Dimana :
NR : Not Recorded / Data Curah Hujan yang Hilang
n : Jumlah stasiun pembanding / yang berpengaruh (minimal 3
stasiun)
N x : Jumlah curah hujan tahunan di tahun patokan pada stasiun
yang kehilangan data
N a , N b ,.. : Jumlah curah hujan tahunan di tahun patokan pada stasiun
tertentu yang berpengaruh
Pa , Pb ,... : Data curah hujan harian pada tanggal yang sama dengan
data yang akan dicari di stasiun tertentu yang berpengaruh.
Setelah menentukan stasiun hujan yang mewakili daerah aliran sungai yang akan
dibendung, kemudian dihitung hujan rata-rata daerahnya. Metode yang digunakan
dalam penelitian ini adalah dengan metode poligon Thiessen. Metode poligon Thiessen
dianggap sudah cukup akurat untuk memperhitungkan hujan rata-rata suatu daerah,
karena memperhitungkan luas daerah yang mewakili tiap stasiun hujan.
Cara pembuatan poligon thiessen juga sederhana. Ada beberapa langkah yang
harus dilakukan untuk menggambar poligon thiessen, yaitu sebagai berikut :
1. Membuat segitiga-segitiga yang menghubungan tiga stasiun yang berdekatan baik
yang di dalam daerah aliran sungai, maupun yang di luar daerah aliran sungai.
Dalam pembuatan segitiga, sebaiknya hindari segitiga dengan sudut tumpul kecil
karena akan menyulitkan langkah berikutnya.
2. Pada setiap sisi segitiga, buat garis yang tegak lurus. Garis tegak lurus tersebut
dibuat, tepat di tengah-tengah sisi segitiga. Setiap segitiga memiliki tiga garis tegak
lurus yang akan berpotongan pada satu titik .
3. Garis-garis tegak lurus tersebut merupakan sisi-sisi poligon sedangkann titik-titik
potong pertemuannya adalah titik-titik sudut poligon.
4. Luas poligon merupakan luas yang mewakili stasiun yang ada di dalamnya. Apabila
stasiun terdapat di luar daerah aliran sungai, maka yang menjadi batas luasannya
adalah garis-garis poligon ditambah dengan batas DASnya.
5. Untuk cek : jumlah sisi poligon = jumlah garis penghubung yang keluar dari titik-
titik stasiun tersebut (ditambah batas daerah juga untuk stasiun yang berada di luar
DAS).
GAMBARRRRRR…..!!!
Pada gambar di atas terlihat sangat jelas luas daerah yang mewakili tiap stasiun
setelah digambar poligon thiessennya. Daerah yang berwarna hijau, merupakan daerah
yang mewakili stasiun 1, daerah yang berwarna kuning merupakan daerah yang
mewakili stasiun 2, daerah yang berwarna jingga merupakan daerah yang mewakili
stasiun 3, daerah yang berwarna merah merupakan daerah yang mewakili stasiun 4, dan
daerah yang berwarna biru merupakan daerah yang mewakili stasiun 5.
Setelah poligon thiessen digambar, dari setiap stasiun dihitung luasannya. Dalam
penelitian kami, perhitungan luas stasiun dicari dengan mengkotak-kotaki wilayah DAS
yang ditinjau dengan ukuran kotak 1x1m sehingga dapat luasan stasiunnya.
Setelah data hujan lengkap dan luas daerah sudah diketahui, untuk mencari curah
hujan rata-rata digunakan rumus sebagai berikut :
(A1 x R 1 )  (A 2 x R 2 )  ...  (An x Rn)

R
(A1  A 2  ...  An)
Dimana :
R = curah hujan rata-rata pada suatu daerah, pada waktu
tertentu.
R1,R2,…,Rn = Curah hujan pada stasiun 1,2,…,n
A1,A2,…An = Luas stasiun 1, luas stasiun 2, … , luas stasiun n
n = Jumlah stasiun yang mewakili DAS suatu sungai
Setelah didapat curah hujan rata-rata pada suatu daerah, maka akan
dilakukan uji hipotesis terhadap data curah hujan.
2.3 PENGUJIAN STATISTIKA DATA HUJAN

2.3.1 Uji Ketiadaan Trend
Uji ketiadaan trend dilakukan dengan tujuan untuk mengetahui ada tidaknya
trend atau variasi dalam data. Apabila ada trend maka data tidak disarankan dalam
analisis hidrologi. Data yang baik adalah data yang homogen, artinya data berasal
dari populasi yang sama jenis.

Uji ketiadaan trend dapat dilakukan dengan beberapa metode, antara
lain Uji Korelasi Peringkat (KP) dengan Metode Spearman, Uji Mann dan
Whitney, dan Uji Tanda dengan Metode Cox dan Stuart. Kali ini kami
menggunakan uji ketiadaan trend dengan menggunakan Uji Korelasi Peringkat
dengan Metode Spearman. Langkah – langkah yang dilakukan dalam pengujian
adalah sebagai berikut.

1. H0 : data tidak mempunyai trend
2. H1 : data mempunyai trend
3. α : 0,05
4. Statistik Uji
Daerah kritis untuk uji 2 arah dengan dk = n - 2 = 10 - 2 = 8

t0.025 > + 2.306 dan t0.025 < -2.306

5. Hitung
3
KP = 1 - ( 6 x 198) / (10 - 10) = -0.2
2 1/2
thitung = -0.2 x [(10 - 2)/(1-(-0.2 ))] = -0.833
6. Kesimpulan : thitung dalam daerah penerimaan terima HO
Tabel 2.2 Uji Ketiadaan Trend
No. Tahun Peringkat Tt Rmax Peringkat Rt dt dt2

1 1989 1 77.83 5 4 16
2 1989 2 54.58 9 7 49
3 1989 3 67.62 6 3 9
4 1989 4 86.87 4 0 0
5 1989 5 104.96 2 -3 9
6 1989 6 58.62 8 2 4
7 1989 7 53.16 10 3 9
8 1989 8 128.78 1 -7 49
9 1989 9 64.42 7 -2 4
10 1989 10 90.76 3 -7 49
198
Keterangan :
KS = Koefisien korelasi
t = Nilai distribusi t, dengan dk = n-2
Tt = Peringkat dari tahun terkecil s.d terbesar
Rt = Peringkat curah hujan dari yang terbesar s.d yang terkecil
dt = Selisih antara Rt dan Tt

n = Jumlah data
Dari uji ketiadaan trend diperoleh nilai distribusi t = - 0.833 Nilai ini
dibandingkan dengan nilai yang didapat dari Tabel Nilai Kritis Sebaran t uji dua
sisi untuk dk = n – 2 = 8 dan  = 0,05, yaitu t0.025 > + 2.306 dan t0.025 < -2.306.
Karena -2.306 < t0.025 < 2.120 maka dapat diambil kesimpulan bahwa data yang
diuji tidak memiliki trend dan berasal dari populasi yang sama.
2.3.2 Uji Stasioner

Uji stasioner dilakukan untuk menguji kestabilan nilai varian dan rata-rata
deret berkala. Uji stasioner dilakukan dengan menggunakan metode Distribusi F.
Caranya, data dibagi dalam dua kelompok atau lebih. Setiap kelompok diuji dengan
menggunakan Distribusi F. Apabila nilai varian stabil, maka dilanjutkan dengan
menguji kestabilan nilai rata-ratanya. Sedangkan apabila nilai varian tidak stabil,
maka tidak perlu menguji kestabilan nilai rata-rata. Langkah – langkah yang
dilakukan adalah sebagai berikut.
a. Kestabilan Varian

1. H0 : varian stabil
2. H1 : varian tidak stabil
3. α : 0,05
4. Statistik uji :
Daerah kritis untuk dk1 = n1 - 1 = 5 - 1 = 4 dan dk2 = n2 -1 = 5 - 1 = 4

F0.5 > 6.39 ( dari tabel distribusi F )
5. Hitung F = ( 5*366.94*(5-1))/(5*977.85*(5-1)) = 0.375
Varian data Stabil
b. Uji stabilitas rata - rata

1. Ho : varian data stabil
2. H1 : varian data tidak stabil
3. α : 0.05
4. Statistik uji :
Daerah kritis untuk uji 2 arah dengan α=0.05 dan dk = n1 -n2- 2 = 5 - 5 - 2 = 8

t0.025 > + 2.306 dan t 0.025 < -2.306 (dari tabel distribusi t)
5. Hitung σ = (((5*366.94)-(5*977.85))/(5+5-2)) = -190.91
t = (78.31-79.15)/(-190.91*((1/5)+(1/5))^1/2) = 0.022
Rata-rata data stabil

Tabel 2.3 Uji Stasioner
No. Tahun Kelpk Rmax Rata-Rata Std Dev S2
1 1989 77.83
2 1990 54.58
3 1991 1 67.62 78.37 19.111 365.22
4 1992 86.87
5 1993 104.96
6 1994 58.62
7 1995 53.16
8 1996 2 128.78 79.15 31.271 977.85
9 1997 64.42
10 1998 90.76
Dari uji stasioner didapatkan nilai F = 0.375. Nilai tersebut dibandingkan

dengan nilai yang didapat dari nilai kritis Fc distribusi F untuk DK1 = 4 dan DK2 =
4 yaitu sebesar 6.39. Selain itu juga didapatkan nilai t sebesar 0.022, nilai tersebut
dibandingkan dengan nilai yang diperoleh dari tabel nilai kritis tc untuk distribusi t
uji dua sisi untuk  = 0,05 dan dk = n1 + n2 -2 = 8 yaitu t0.025 < -2.306 atau t0.025 >
2.306 .Karena nilai F = 0.375 lebih kecil dari Fc = 6.39 tetapi nilai t = 0.022 berada
diantara -2.306 < t < 2.306 maka data curah hujan memenuhi uji kestabilan nilai
varian dan rata-rata.
2.3.3 Uji Persistensi

Uji persistensi dilakukan dengan tujuan untuk mengetahui apakah data yang
diuji berasal dari sampel acak atau tidak dan bebas atau tidak.
A c a k a r t i n ya mempunyai peluang yang sama untuk dipilih, sedangkan bebas
artinya data tidak tergantung waktu, data yang dipilih, kejadian tidak tergantung
data yang lainnya dalam suatu populasi yang sama. Persistersi diartikan sebagai
ketidaktergantungan dari setiap nilai dalam deret berkala. Uji persistensi
da pat dilakukan dengan menghitung korelasi serial, misalnya dengan Metode
Spearman.
Langkah – langkah yang dilakukan adalah sebagai berikut:
1. H0 : Data acak

2. H1 : Data tidak acak
3. α = 0.05
4. Statistik Uji
daerah kritis untuk uji satu arah dengan dk = m - 2 = ( 10 - 1 ) - 2 = 7

t0.05 > + 1.895 ( diambil dari tabel distribusi t)
5. Hitung KS = 1-(6-206)/((10-1)^3-(10-1)) = 0.28

thitung = 0.28* (((10-1)-2)/(1-(0.28^2))^1/2 = 1.063368056
Data acak
Tabel 2.4 Hasil Perhitungan Uji Persistensi

Peringkat
No.
Rmax Rt di di2
1 1989.00 5
2 1990.00 9 -4 16
3 1991.00 6 3 9
4 1992.00 4 2 4
5 1993.00 2 2 4
6 1994.00 8 -6 36
7 1995.00 10 -2 4
8 1996.00 1 9 81
9 1997.00 7 -6 36
10 1998.00 3 4 16
206
Dari uji persistensi diperoleh nilai t sebesar 1.063368056. Nilai ini

dibandingkan dengan nilai yang didapat dari Nilai Kritis Sebaran uji dua sisi untuk
dk = m – 2 = 7 dan α = 0.05 yaitu sebesar 1.895. Karena t = 1.063368056 dan
berada di antara – 1.895 dan 1.895 maka, curah hujan diatas memenuhi uji
persistensi dan berasal dari sempel acak.
2.3.4 Estimasi Distribusi Data

Terdapat empat jenis sebaran yang ditawarkan dalam pengerjaan Praktik
Rekayasa II, yaitu Sebaran Normal, Sebaran Log Normal, Sebaran Gumbel Tipe I,
dan Sebaran Log Pearson III. Sebelum menentukan jenis sebaran apa yang dipakai,
maka harus dicari terlebih dahulu koefisien variasi (CV), koefisien kemencengan
(CS), dan koefisien kurtosis (CK).
Tabel 2.5 Pemilihan Jenis Sebaran

No. Sebaran Syarat
1. Normal CS = 0
CS
2. Log Normal CS = 3CV atau  3
CV
CS = 1,1396
3. Gumbel Tipe 1
CK = 5,4
4. Log Pearson III Tidak termasuk di atas atau CS < 0
Tabel 2.6 Perhitungan CV, CS dan CK
no Tahun Rmax xi-x (xi-x)3 (xi-x)4

1 1989 77.83 -0.90 -0.722 0.647
2 1990 54.58 -24.15 -14078.852 339956.231
3 1991 67.30 -11.43 -1491.572 17042.196
4 1992 86.87 8.14 540.262 4400.204
5 1993 104.96 26.23 18042.871 473232.111
6 1994 58.62 -20.11 -8127.986 163422.035
7 1995 53.16 -25.57 -16714.060 427342.362
8 1996 128.78 50.05 125375.115 6275020.137
9 1997 64.42 -14.31 -2927.886 41886.313
10 1998 90.76 12.03 1739.447 20919.357
102356.62 7763221.59
2.3.5 Koefisien Variasi (CV)

Koefisien variasi atau coefficient of variation (CV) merupakan nilai
perbandingan antara deviasi standar dengan nilai rata-rata hitung dari suatu
distribusi. Koefisien variasi dapat dihitung dengan rumus sebagai berikut :
  X 
2
X =
 X i
; S=
i
 X
; CV =
S

n n 1 X
Keterangan :
CV : koefisien variasi
S : standar deviasi
X : rata-rata hitung = H rerata

n : jumlah data hujan = 18 tahun
Semakin besar nilai koefisien variasi, berarti datanya kurang merata

(heterogen) , sebaliknya jika semakin kecil berarti semakin merata (homogen).
Perhitungan koefisien variasi adalah sebagai berikut :
S
CV = X = 0.320
2.3.6 Koefisien Kemencengan (CS)

Koefisien kemencengan atau coefficient of skewness (CS) merupakan suatu
nilai yang menunjukkan derajat ketidaksimetrisan (asimetri) dari suatu bentuk
distribusi. Pengukuran kemencengan adalah mengukur seberapa besar suatu kurva
frekuensi dari suatu distribusi tidak simetri atau menceng.
n 3
a 
(n  1)(n  2)
 X i
 X

= 14216.19689
a
CS  3

S
= 0.889
2.3.7 Koefisien Kurtosis

Pengukuran koefisien kurtosis dimaksudkan untuk mengukur keruncingan
dari bentuk kurva distribusi, yang umumnya dibandingkan dengan distribusi
normal.
2 n
n
Ck =   ( xi  x)
(n  1)(n  2)(n  3) S 4
i 1
Dimana :
Ck = koefisien uji kurtasis
n = jumlah tahun sempel
s = standard deviasi total dari curah hujan maksimum
x = hujan maksimal pada tahun ke n
_
x = rata-rata hujan maksimum selama n tahun
Contoh :
Tabel 2.7 Contoh perhitungan pengukuran kuartasis
no Tahun Rmax (xi-x)4
1 1989 77.83 0.647
2 1990 54.58 339956.231
3 1991 67.30 17042.196
4 1992 86.87 4400.204
5 1993 104.96 473232.111
6 1994 58.62 163422.035
7 1995 53.16 427342.362
8 1996 128.78 6275020.137
9 1997 64.42 41886.313
10 1998 90.76 20919.357
7763221.59
4
S = 402673.8919
2 n
n
Ck =   ( xi  x)
(n  1)(n  2)(n  3) S
4
i 1
= 1.928
2.3.8 Uji Kebaikan Suai

Diperoleh jenis sebaran termasuk jenis Log Pearson III. Setelah diperoleh
jenis sebaran dilakukan uji kebaikan suai dengan metode uji chi-kuadrat.
Perhitungan uji chi-kuadrat dapat dilihat di Tabel 2.8 di bawah ini.
Interval dibagi 6 (G = 6) dengan range 12.6. Data kelompok kami
menggunakan interval 6 karena rentang data antara data terkecil dan terbesar terlalu
jauh, sehingga menyebabkan banyak data yang berukuran kecil terkumpul dalam 1
kelas. Kemudian dicari derajat kebebasan (DK) dengan menggunakan rumus
sebagai berikut:
dk = G – R – 1 , dengan R = 2
Maka dk = 7.815 – 2 – 1 = 4
Tabel 2.8 Perhitungan Uji Chi-Kuadrat

No Kelas Frekuensi Frekuensi (Oi-Ei)2
(Oi) Harapan
1 xi < 65.8 4 1.66 5.4756 2.7378
2 65.8 < xi < 78.4 2 1.66 0.1156 0.0578
3 78.4 < xi < 91 2 1.66 0.1156 0.0578
4 91 < xi < 103.6 0 1.66 2.7556 1.3778
5 103.6 < xi < 116.2 1 1.66 0.4356 0.2178
6 xi > 113.69 1 1.66 0.4356 0.2178
10 10 x hitung = 4.6668
Dari hasil uji chi-kuadrat didapatkan nilai kritis sebesar 4.6668. Nilai ini
kemudian dibandingkan dengan nilai pembanding dalam Tabel Nilai Kritis untuk
Distribusi Chi-Kuadrat pada lampiran. Pada tabel tersebut kita lihat nilai kritis pada
dk = 4 dan α (derajat kepercayaan) = 0,05 didapatkan nilai kritis pembanding
sebesar 7.815. Karena 4.6668 < 7.815 maka data memenuhi syarat.
2.3.9 Perhitungan Nilai Hujan Rencana (Rn)

Penentuan hujan (R) kala ulang ini digunakan untuk menentukan debit
banjir rencana (Q) kala ulang 2 tahun (Q2), 5 tahun (Q5), 10 tahun (Q10), 25 tahun
(Q25), 50 tahun (Q50), 100 tahun (Q100), 200 tahun (Q200), dan 1000 tahun (Q1000).
Cara mendapatkan besarnya hujan dengan kala ulang 2 tahun (R 2), 5 tahun (R5), 10
tahun (R10), 25 tahun (R25), 50 tahun (R50), 100 tahun (R100), 200 tahun (R100), 1000
tahun (R1000) adalah sebagai berikut :
1. Tentukan logaritma dari semua nilai X (curah hujan)
2. Hitung nilai rata-ratanya dengan rumus :
log X 
 log X i
n
3. Tentukan nilai standar deviasi dari log X :
 log X  log X 

2

i
S . log X
n 1
4. Hitung nilai koefisien kemencengan (CS)

3
n. i
CS 
n  1. n  2.S. log X 
3
Tabel 2.9 Perhitungan CS
Rt Xi log Xi log X  log X 

i
2
log X
i
 log X 
3
1989 77.83 1.8912 0.0002 1.9538E-06

1990 54.58 1.7370 0.0201 -2.8395E-03
1991 67.30 1.8280 0.0026 -1.2971E-04
1992 86.87 1.9389 0.0036 2.1851E-04
1993 104.96 2.0210 0.0203 2.8849E-03
1994 58.62 1.7681 0.0122 -1.3525E-03
1995 53.16 1.7256 0.0234 -3.5860E-03
1996 128.78 2.1098 0.0534 1.2357E-02
1997 64.42 1.8090 0.0048 -3.3739E-04
1998 90.76 1.9579 0.0063 4.9710E-04
 = 18.7865 0.1469 0.0077
 log x 18.7865
log X = = = 1.8787
n 10
0,1469
S . log X   0.1277
10  1

3
n. i 10 x(0.0077)
CS    0.00839
n  1. n  2.S. log X 
3
9 x8 x0,12773

Dokumen - Tips Laporan Antara

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Dokumen - Tips Laporan Antara

Diunggah oleh

Hak Cipta:

Format Tersedia

5/16/2018 Laporan Antara-slidepdf.

PROGRAM STUDI TEKNIK SIPIL

2.1 VALIDASI DAN KOMPILASI DATA HUJAN HARIAN

2.2 VALIDASI DATA

Tabel 2.1 Tanggal Data Hujan Tidak Terukur

Setelah di temukan kejanggalan dan ketidak lengkapan pada data hujan,

1  N x N N 

data yang akan dicari di stasiun tertentu yang berpengaruh.

(A1 x R 1 )  (A 2 x R 2 )  ...  (An x Rn)

2.3 PENGUJIAN STATISTIKA DATA HUJAN

dari populasi yang sama jenis.

Daerah kritis untuk uji 2 arah dengan dk = n - 2 = 10 - 2 = 8

6. Kesimpulan : thitung dalam daerah penerimaan terima HO

Tabel 2.2 Uji Ketiadaan Trend

No. Tahun Peringkat Tt Rmax Peringkat Rt dt dt2

dt = Selisih antara Rt dan Tt

2.3.2 Uji Stasioner

a. Kestabilan Varian

Daerah kritis untuk dk1 = n1 - 1 = 5 - 1 = 4 dan dk2 = n2 -1 = 5 - 1 = 4

5. Hitung F = ( 5*366.94*(5-1))/(5*977.85*(5-1)) = 0.375

Varian data Stabil

b. Uji stabilitas rata - rata

Daerah kritis untuk uji 2 arah dengan α=0.05 dan dk = n1 -n2- 2 = 5 - 5 - 2 = 8

5. Hitung σ = (((5*366.94)-(5*977.85))/(5+5-2)) = -190.91

Rata-rata data stabil

Dari uji stasioner didapatkan nilai F = 0.375. Nilai tersebut dibandingkan

2.3.3 Uji Persistensi

1. H0 : Data acak

daerah kritis untuk uji satu arah dengan dk = m - 2 = ( 10 - 1 ) - 2 = 7

5. Hitung KS = 1-(6-206)/((10-1)^3-(10-1)) = 0.28

Tabel 2.4 Hasil Perhitungan Uji Persistensi

Dari uji persistensi diperoleh nilai t sebesar 1.063368056. Nilai ini

2.3.4 Estimasi Distribusi Data

Tabel 2.5 Pemilihan Jenis Sebaran

Tabel 2.6 Perhitungan CV, CS dan CK

no Tahun Rmax xi-x (xi-x)3 (xi-x)4

2.3.5 Koefisien Variasi (CV)

X : rata-rata hitung = H rerata

Semakin besar nilai koefisien variasi, berarti datanya kurang merata

2.3.6 Koefisien Kemencengan (CS)

2.3.7 Koefisien Kurtosis

2.3.8 Uji Kebaikan Suai

Tabel 2.8 Perhitungan Uji Chi-Kuadrat

2.3.9 Perhitungan Nilai Hujan Rencana (Rn)

 log X  log X 

4. Hitung nilai koefisien kemencengan (CS)

 log X  log X 

Tabel 2.9 Perhitungan CS

Rt Xi log Xi log X  log X 

1989 77.83 1.8912 0.0002 1.9538E-06

 log X  log X 

Anda mungkin juga menyukai

5. Hitung F = ( 5366.94(5-1))/(5977.85(5-1)) = 0.375

5. Hitung σ = (((5366.94)-(5977.85))/(5+5-2)) = -190.91