JURNAL TUGAS AKHIR

ANALISIS BEBERAPA METODE PENGISIAN DATA HUJAN

YANG HILANG DI WILAYAH SUNGAI PULAU LOMBOK

Analyses Of Several Methods To Fulfil Missing Rainfall Data In Lombok

Island River Areas

Tugas Akhir
Untuk Memenuhi Sebagian Persyaratan
Mencapai Derajat Sarjana S-1 Jurusan Teknik Sipil

Oleh :
NI MADE KARMILA SANTI
F1A 009 030

JURUSAN TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS MATARAM
2014

i
 ANALISIS BEBERAPA METODE PENGISIAN DATA HUJAN YANG
HILANG DI WILAYAH SUNGAI PULAU LOMBOK

Ni Made Karmila Santi¹, Muh. Bagus Budianto², I Wayan Yasa³

¹Mahasiswa Jurusan Teknik Sipil, Fakultas Teknik, Universitas Mataram
²Dosen Jurusan Teknik Sipil, Fakultas Teknik Universitas Mataram

Jurusan Teknik Sipil, Fakultas Teknik, Universitas Mataram

ABSTRAK
Hujan merupakan salah satu unsur hidrologi yang penting sebagai data masukan
dalam analisis pengairan maupun dalam perancangan dan perencanaan bangunan-bangunan
hidrolik. Data yang tercatat di stasiun hujan merupakan bagian penting di dalam analisis
hidrologi. Adapun kendala yang hampir selalu ada dalam analisis adalah adanya data hujan
yang hilang/kosong baik karena kerusakan alat, kelalaian petugas maupun data yang rusak.
Penelitian ini bertujuan untuk mengetahui jenis metode yang paling tepat dalam
menghitung data hujan yang hilang/kosong pada stasiun hujan di wilayah Sungai Pulau
Lombok. Penelitian ini menggunakan beberapa metode dalam pengisian data hujan yaitu
Rata-rata Aljabar, Normal Ratio Method dan Reciprocal Method dengan memasukkan unsur
letak tinggi elevasi stasiun dan jarak stasiun sebagai salah satu variabel dalam pengisian data
hujan yang hilang/kosong.
Hasil penelitian menunjukkan bahwa penambahan unsur elevasi stasiun sangat
berpengaruh pada pengisian data hujan yang hilang/kosong. Pada metode Rata-rata Aljabar
dengan memasukkan variabel elevasi, persentase penyimpangan berdasarkan nilai Kesalahan
Relatif hujan harian sebesar 98%. Sedangkan untuk data hujan bulanan, Kesalahan Relatifnya
sebesar 59% dengan menggunakan Reciprocal Method.

Kata kunci : data hujan, pengisian data, elevasi stasiun, jarak stasiun

1. PENDAHULUAN seperti ketidakhadiran petugas dalam

Hujan merupakan salah satu
unsur hidrologi yang penting sebagai
data masukan dalam analisis pengairan
maupun dalam perancangan dan
perencanaan bangunan-bangunan
hidrolik.
Alat pengukuran curah hujan
dapat dilakukan dengan dua jenis alat
ukur yaitu penakar hujan biasa (manual
raingauge) dan penakar hujan otomatis
(automatic raingauge). Ada beberapa
faktor yang menyebabkan tidak
lengkapnya data, diantaranya kerusakan
alat, kelalaian petugas dan data yang
hilang. Kerusakan alat bisa disebabkan
oleh kurangnya perawatan alat maupun
kurang cepat dalam penanganan saat
terjadi kerusakan. Kelalaian petugas
pengecekan data, kesengajaan pengamat
tidak mencatat data ataupun bila
mencatat data yang terukur terjadi salah
pengukuran. Data yang hilang terjadi
karena didalam pengarsipan tidak
memadai dan penyimpanan data masih
dalam bentuk manual.
2. DASAR TEORI
2.1 Siklus Hidrologi
Siklus hidrologi merupakan
proses kontinyu dimana air bergerak
dari bumi ke atmosfer dan kemudian
kembali ke bumi lagi. Air di permukaan
tanah dan laut menguap ke udara. Uap
air tersebut bergerak dan naik ke
atmosfer, yang kemudian mengalami

1
 kondensasi dan berubah menjadi titik- (stasiun pengamatan) yang akan
titik air yang berbentuk awan. digunakan dalam analisis, termasuk
Selanjutnya titik-titik air tersebut jatuh di dalamnya pola penyebaran
sebagian tertahan oleh tumbuh- stasiun dalam DAS yang
tumbuhan (intersepsi) dan selebihnya bersangkutan,
sampai ke permukaan tanah. Sebagian 2. Berapa besar ketelitian yang dapat
air hujan yang sampai ke permukaan dicapai oleh suatu jaringan
tanah akan meresap ke dalam tanah pengamatan dengan kerapatan
(infiltrasi) dan sebagian lainnya tertentu.
mengalir di atas permukaan tanah
(aliran permukaan atau surface runoff) 2.4 Uji Kepanggahan Data
mengisi cekungan tanah, danau dan (Consistency)
masuk ke sungai dan akhirnya mengalir a. RAPS (Rescaled Adjusted Partial
ke laut. Air yang meresap ke dalam Sums)
tanah sebagian mengalir di dalam tanah Uji konsistensi dengan metode
(perkolasi) mengisi air tanah yang RAPS (Rescaled Adjusted Partial
kemudian keluar sebagai mata air atau Sums) ini digunakan untuk menguji
mengalir ke sungai. Akhirnya aliran air ketidakpanggahan antar data dalam
di sungai akan sampai ke laut. Proses stasiun itu sendiri dengan
tersebut berlangsung terus menerus mendeteksi pergeseran nilai rata-
yang disebut dengan siklus hidrologi rata (mean). Persamaan yang
(Bambang Triatmodjo, 2009). digunakan sebagai berikut (Sri
Harto, 1993) :
2.2 Hujan
Hujan merupakan komponen
masukan yang paling penting dalam
proses hidrologi. Hujan berasal dari uap
air di atmosfer, sehingga bentuk dan dengan :
jumlahnya dipengaruhi oleh faktor
klimatologi seperti angin, temperatur
dan tekanan atmosfer (Triatmodjo,
2009).
Dalam proses pembentukkan
hujan, ada dua syarat yang harus
dipenuhi (Sri Harto, 1993), yaitu :
a. Tersedia udara lembab.
b. Tersedia sarana, keadaan yang dapat
mengangkut udara basah naik ke
atmosfer, mengalami pendinginan dengan :
sehingga terjadi proses kondensasi. : jumlah data curah hujan
: data curah hujan
2.3 Data Curah Hujan : rata-rata curah hujan
Dalam mempersiapkan data : nilai statistik
untuk analisis hidrologi untuk berbagai : nomor pengamatan
kepentingan pengembangan sumber
daya air, seorang hidrolog diharapkan Nilai statistik Q
pada dua masalah pokok (Sri Harto,
1993) yaitu : 0≤k≤n
1. Ketentuan tentang jumlah stasiun
hujan dan stasiun hidrometri
2
 Nilai statistik R (Range) : hujan di stasiun A, B, C
yang diketahui,
0≤k≤n 0≤k≤n
: jumlah stasiun referensi.

dengan : 3. Reciprocal Method

: nilai statistik Cara ini dianggap lebih baik,
yang memanfaatkan jarak
: jumlah data hujan
antarstasiun sebagai faktor koreksi
(weighting factor). Hal ini dapat
2.5 Pengisian Data Hujan yang
dimengerti, karena korelasi antar dua
Hilang
stasiun hujan menjadi makin kecil
Ada beberapa cara yang dapat
dengan makin besarnya jarak
digunakan untuk mengisi atau
antarstasiun tersebut. Dengan
memprediksi data yang hilang/kosong.
rumusan sebagai berikut (Sri Harto,
Cara-cara yang biasa digunakan adalah
1993) :
sebagai berikut :

1. Rata-rata Aljabar
Cara perhitungan ini
merupakan cara yang paling
sederhana. Memprediksi atau dengan :
memperkirakan data yang hilang : jarak antara stasiun X dan
berdasarkan cara ini didasarkan ada stasiun acuan
rumusan sebagai berikut (Sri Harto,
1993) :
2.6 Kesalahan Relatif
Untuk memperoleh keyakinan
dengan : bahwa nilai-nilai hasil perdiksi cukup
: hujan di stasiun X yang mewakili nilai pengisisan data yang
diperkirakan, hilang, maka dihitung persentase
: hujan di stasiun A, B, perbedaan dari nilai hasil pengukuran
… n, dengan nilai hasil prediksi. Jika nilai
: jumlah stasiun. kesalahan sangat kecil berati nilai
prediksi hampir sama. Sebaliknya jika
2. Normal Ratio Method nilai kesalahan sangat besar maka
Dalam metode ini, jumlah terjadi penyimpangan dari hasil
stasiun acuan (reference station) sebenarnya. Penentuan kesalahan relatif
yang dianjurkan umumnya paling dilakukan dengan menggunakan rumus
tidak tiga buah. Dengan rumusan sebagai berikut :
sebagai berikut (Sri Harto, 1993) :

dengan :
: kesalahan relatif
dengan :
: curah hujan hasil pengukuran
: hujan pada stasiun X yang
diperkirakan, : curah hujan hasil prediksi
: hujan normal tahunan di stasiun
X,
: hujan normal tahunan di
stasiun A, B, C,
3
 3. METODE PENELITIAN Tabel 3.2 Nama stasiun hujan sebagai
3.1 Lokasi Penelitian acuan
Lokasi penelitian ini dilakukan
di Wilayah Sungai Pulau Lombok, Stasiun
No. Acuan
khususnya pada 10 (sepuluh) stasiun Hujan
hujan diantaranya stasiun Perian, Lingkok Lime
Lingkok Lime, Sesaot, Keru, Jurang 1 Perian Keru
Sate, Kuripan, Pengadang, Loang Make, Jur Sate
Ijo Balit dan Pringgabaya.
Perian
Lingkok
2 Keru
Lime
Jur Sate
Keru
3 Sesaot Jur Sate
Lingkok Lime
Sesaot
4 Keru Jur Sate
Lingkok Lime
Keru
5 Jur. Sate Sesaot
Lingkok Lime
Sumber : Balai Informasi Sumber Daya
Sesaot
Air
Gambar 3.1 Lokasi Penelitian 6 Kuripan Jur Sate
Keru
Loang Make
Tabel 3.1 Stasiun hujan di Wilah Pulau 7 Pengadang Jur Sate
Lombok Keru
Stasiun Koordinat Pengadang
No. 8 Loang Make Lingkok Lime
Hujan LS BT
1 Perian 08o 33' 06" 116o 23' 23" Perian
Lingkok Pringgabaya
2 08o 32' 51" 116o 21' 39"
Lime 9 Ijo Balit Loang Make
3 Sesaot 08° 32' 06'' 116° 14' 12''
Perian
4 Keru 08o 33' 41" 116o 15' 38" Ijo Balit
5 Jurang Sate 08o 35' 27" 116o 16' 30" 10 Pringgabaya Perian
6 Kuripan 08o 40' 35" 160o 10' 12" Lingkok Lime
7 Pengadang 08o 40' 51" 116o 19' 41"
Loang
8 08o 42' 50" 116o 24' 22"
Make
9 Ijo Balit 08o 37' 52'' 116o 33’36"
10 Pringgabaya 08o 33' 29" 116o 37' 39"

4
 3.2 Bagan Alir Penelitian 4. HASIL DAN PEMBAHASAN
4.1 Hasil Pengumpulan Data
Mulai Data yang digunakan merupakan
data curah hujan harian yang didapat
dari Balai Informasi Sumber Daya Air
Studi Pustaka
(BISDA) dengan panjang data dari
Pengumpulan
Data Hujan tahun 1998 sampai dengan tahun 2012.

4.2 Uji Kepanggahan Data (Consistensy)

Cek Data Hujan
Pemeriksaan kepanggahan data
untuk mengetahui kualitas data yang
digunakan dalam analisis. Hasil
Tidak
perhitungan dapat dilihat pada tabel
berikut ini.
Uji Kepanggahan Data
(Consistency) dengan
metode RAPS ? Tabel 4.1 Hasil Uji Kepanggahan Data

Nama Hasil
Ya No.
Stasiun Hit. Tabel Hit. Tabel Pengujian
Hubungan Kedalaman Hujan
antar Stasiun hujan 1 Perian 0.868 1.36 0.868 1.49 Konsisten
Lingkok 1.002 1.36 1.096 1.49
2 Konsisten
Lime
3 Sesaot 1.051 1.36 1.051 1.49 Konsisten
Analisis Analisis Pengisian Analisis
4 Keru 1.335 1.36 1.335 1.49 Konsisten
Pengisian Data Data Hujan yang Pengisian Data
Hujan yang Hilang dengan Hujan yang 5 Jurang Sate 0.778 1.36 0.778 1.49 Konsisten
Hilang : Memasukkan Hilang dengan 0.824 1.36 1.095 1.49
6 Kuripan Konsisten
- Metode Rata- Variabel Elevasi Memasukkan
rata Aljabar Stasiun Hujan ke Nilai Koefisien 7 Pengadang 0.841 1.36 0.964 1.49 Konsisten
- Normal Ratio dalam Metode : Korelasi : Loang 1.220 1.36 1.220 1.49
8 Konsisten
Method - Metode Rata-rata - Metode Rata- Make
- Reciprocal Aljabar rata Aljabar 9 Ijo Balit 0.676 1.36 0.868 1.49 Konsisten
Method - Normal Ratio - Normal Ratio 10 Pringgabaya 1.019 1.36 1.145 1.49 Konsisten
Method Method
- Reciprocal - Reciprocal Sumber : Hasil perhitungan
Method Method
4.3 Hubungan antara Kedalaman Hujan
dan Elevasi Stasiun Hujan
Penelitian kedalaman hujan
Analisis Penyimpangan Data Hujan dengan elevasi stasiun hujan untuk
Hasil Pengisian Dengan Kesalahan mengetahui pengaruh dari dua variabel
Relatif (Kr)
tersebut dalam pengisian data hujan.
Hasil perhitungan dapat dilihat pada
Analisa dan Pembahasan tabel berikut ini.

Tabel 4.2 Nilai elevasi stasiun hujan

Kesimpulan dan Saran
dan curah hujan rerata tahunan
Rerata
Elevasi
Selesai No. Stasiun Hujan Tahunan
(m)
(mm)
1 Perian 601.07 2055.42
2 Lingkok Lime 808.33 2566.47

5
 Elevasi
Rerata a) Hubungan koefisien korelasi dengan
No. Stasiun Hujan Tahunan
(m)
(mm)
jarak antar stasiun
3 Sesaot 302.36 2274.48
0.45
4 Keru 476.4 1529.36
0.40
5 Jur. Sate 155.14 1850.12
0.35
6 Kuripan 53.64 1149.94
0.30
7 Pengadang 249.63 1422.86

Koef. Korelasi
0.25
8 Loang Make 293.22 970.63
0.20
9 Ijo Balit 179.53 731.20
0.15
10 Pringgabaya 139.6 664.96
0.10
Sumber : Hasil perhitungan y = -0.0048x + 0.3128
0.05 R² = 0.555

0.00
3000.00
0.00 10.00 20.00 30.00 40.00 50.00 60.00
Δ jarak
2500.00
y = 1.9687x + 879.97
R² = 0.4998
2000.00 Grafik 4.2 Hubungan nilai koefisien
CURAH HUJAN

korelasi dengan jarak antar stasiun

1500.00

Dari hasil Grafik 4.2 hubungan

1000.00 nilai koefisien korelasi dengan jarak
antar stasiun hujan diatas menunjukkan
500.00 bahwa semakin dekat jarak stasiun
hujan yang digunakan maka nilai
0.00 korelasinya akan semakin tinggi.
0 200 400 600 800 1000
ELEVASI
b) Hubungan koefisien korelasi dengan
beda elevasi
Grafik 4.1 Hubungan curah hujan rerata
tahunan dengan elevasi stasiun hujan 0.45

0.40
Dari Grafik 4.1 menunjukkan
bahwa elevasi stasiun hujan berpengaruh 0.35

terhadap tinggi kejadian hujan dapat dilihat 0.30

Koef. Korelasi

dari garis trend pada grafik diatas, karena 0.25

semakin tinggi elevasi stasiun maka 0.20 y = 8E-07x + 0.2082

semakin besar tangkapan curah hujan pada 0.15 R² = 4E-06
stasiun tersebut. 0.10

0.05

0.00
0.00 200.00 400.00 600.00 800.00
ΔH

Grafik 4.3 Hubungan nilai

koefisien korelasi dengan selisih
elevasi

6
 Dari Grafik 4.3 menunjukkan a. Pengisian data hujan yang
bahwa garis regresi hubungan koefisien hilang/kosong tanpa
korelasi dengan selisih elevasi kurang memasukkan variabel elevasi dan
signifikan karena garis regresi nilai koefisien korelasi.
cenderung lurus dengan persamaan  Untuk metode Rata-rata Aljabar,
. Dari menunjukkan bahwa selisih nilai
persamaan hasil pengukuran dengan hasil
yang akan digunakan sebagai faktor pengisian untuk bulan Januari
pembobot didalam metode pengisian tahun 1998 sebesar 122,8 mm.
data hujan yang hilang/kosong Sedangkan untuk nilai selisih
pengisian data hujan dengan
4.4 Analisis Pengisian Data Hujan yang panjang data 15 tahun sebesar
Hilang 1.102 mm.
Pengisian data hujan yang hilang  Untuk Normal Ratio Method,
dilakukan dengan 3 (tiga) metode yaitu menunjukkan bahwa selisih nilai
metode Rata-rata Aljabar, Normal Ratio hasil pengukuran dengan hasil
Method dan Reciprocal Method. pengisian untuk bulan Januari
Pengisian data hujan ini menggunakan 3 tahun 1998 sebesar 48,6 mm.
(tiga) stasiun acuan terdekat dari stasiun Sedangkan untuk nilai selisih
hujan yang tidak diketahui. pengisian data hujan dengan
panjang data 15 tahun sebesar 0
Tabel 4.3 Acuan stasiun dan Jarak antar mm.
semua stasiun hujan  Untuk Reciprocal Method,
No.
Stasiun
Stasiun Acuan
Jarak menunjukkan bahwa selisih nilai
Hujan (km)
Lingkok Lime 3.231
hasil pengukuran dengan hasil
1 Perian Keru 14.150 pengisian untuk bulan Januari
Jur Sate 13.360 tahun 1998 sebesar 229,9 mm.
Perian 3.231 Sedangkan untuk nilai selisih
Lingkok
2 Keru 11.048
Lime
Jur Sate 10.654
pengisian data hujan dengan
Keru 4.172 panjang data 15 tahun sebesar
3 Sesaot Jur Sate 7.660 6.370 mm.
Lingkok Lime 13.988
Sesaot 4.172 Berdasarkan pengisian data
4 Keru Jur Sate 3.629
Lingkok Lime 11.048
hujan yang hilang/kosong dengan
Keru 3.629 menggunakan tiga metode tersebut,
5 Jurang Sate Sesaot 7.660 menghasilkan nilai koefisien
Lingkok Lime 10.654 korelasi maksimum antara data
Sesaot 17.152
6 Kuripan Jur Sate 14.947 pengukuran dengan data pengisian
Keru 16.252 untuk semua stasiun hujan sebesar
Loang Make 9.125 0,84 dengan menggunakan Normal
7 Pengadang Jur Sate 11.682
Keru 15.290
Ratio Method.
Pengadang 9.125
8
Loang
Lingkok Lime 19.016 b. Pengisian data hujan yang
Make
Perian 17.866 hilang/kosong dengan
Pringgabaya 10.893 memasukkan variabel elevasi
9 Ijo Balit Loang Make 19.260
Perian 20.635
pada persamaan Y = 8E-07X +
Ijo Balit 10.893 0.208. Hasil perhitungan dapat
10 Pringgabaya Perian 26.052 dilihat pada tabel berikut ini.
Lingkok Lime 29.246  Untuk metode rata-rata Aljabar,
menunjukkan selisih nilai hasil

7
 pengukuran dengan hasil
pengisian pada bulan Januari
tahun 1998 sebesar 8,7 mm.
Sedangkan untuk nilai selisih
pengisian data hujan dengan
panjang data 15 tahun sebesar
24.635 mm.
 Untuk Normal Ratio Method,
menunjukkan selisih nilai hasil
pengukuran dengan hasil
pengisian pada bulan Januari
tahun 1998 sebesar 24,1 mm.
Sedangkan untuk nilai selisih
pengisian data hujan dengan
panjang data 15 tahun sebesar
24.200 mm.
 Untuk Reciprocal Method,
menunjukkan selisih nilai hasil
pengukuran dengan hasil
pengisian pada bulan Januari
tahun 1998 sebesar 13,7 mm.
Sedangkan untuk nilai selisih
pengisian data hujan dengan
panjang data 15 tahun sebesar
23.070 mm.
Berdasarkan pengisian data
hujan yang hilang/kosong dengan
menggunakan tiga metode tersebut,
menghasilkan nilai koefisien
korelasi maksimum antara data
pengukuran dengan data pengisian
untuk semua stasiun hujan sebesar
0,86 dengan menggunakan metode
Rata-rata Aljabar.
c. Pengisian data hujan yang
hilang/kosong dengan
memasukkan nilai koefisien
korelasi yang terbesar. Hasil
perhitungan dapat dilihat pada
tabel berikut ini.
 Untuk metode Rata-rata Aljabar,
menunjukkan selisih nilai hasil
pengukuran dengan hasil
pengisian pada bulan Januari
tahun 1998 sebesar 18,8 mm.
Sedangkan untuk nilai selisih
pengisian data hujan dengan
panjang data 15 tahun sebesar
19.683 mm.
 Untuk Normal Ratio Method,
menunjukkan selisih nilai hasil
pengukuran dengan hasil
pengisian pada bulan Januari
tahun 1998 sebesar 18,3 mm.
Sedangkan untuk nilai selisih
pengisian data hujan dengan
panjang data 15 tahun sebesar
20.040 mm.
 Untuk Reciprocal, menunjukkan
selisih nilai hasil pengukuran
dengan hasil pengisian pada
bulan Januari tahun 1998 sebesar
65 mm. Sedangkan untuk nilai
selisih pengisian data hujan
dengan panjang data 15 tahun
sebesar 16.247 mm.
Berdasarkan pengisian data
hujan yang hilang/kosong dengan
menggunakan tiga metode tersebut,
menghasilkan nilai koefisien
korelasi maksimum antara data
pengukuran dengan data pengisian
untuk semua stasiun hujan sebesar
0,89 dengan menggunakan Normal
Ratio Method.
4.5 Analisis Penyimpangan Metode
Pengisian Data Hujan
4.5.1 Kesalahan Relatif
Tabel 4.4 Hasil nilai rata-rata Kesalahan
Relatif untuk data hujan harian
Dari Tabel 4.4 hasil perhitungan
menunjukkan bahwa nilai minimum
kesalahan relatif dari masing-masing
metode yaitu :
a. Untuk pengisian data hujan yang
hilang/kosong tanpa memasukkan
variabel elevasi dan nilai koefisien
korelasi :
 Metode Rata-rata Aljabar : 160%
pada stasiun Lingkok Lime
8
  Normal Ratio Method : 213% pada
stasiun Lingkok Lime
 Reciprocal Method : 170% pada
stasiun Lingkok Lime
b. Untuk pengisian data hujan yang
hilang/kosong dengan memasukkan
variabel elevasi pada persamaan Y =
8E-07X + 0.208 :
 Metode Rata-rata Aljabar : 98%
pada stasiun Lingkok Lime
 Normal Ratio Method : 100% pada
stasiun Pringgabaya
 Reciprocal Method : 100% pada
stasiun Lingkok Lime
c. Untuk pengisian data hujan yang
hilang/kosong dengan memasukkan
nilai koefisien korelasi yang terbesar :
 Metode Rata-rata Aljabar : 119%
pada stasiun Lingkok Lime
 Normal Ratio Method : 99% pada
stasiun Ijo Balit dan Pringgabaya
 Reciprocal Method : 110% pada
stasiun Ijo Balit.
Dari tiga pengisian data hujan,
dengan memasukkan variabel elevasi
mendapatkan nilai Kesalahan Relatif
paling kecil dengan menggunakan
metode Rata-rata Aljabar sebesar 98%.
Sedangkan untuk nilai rata-rata
Kesalahan relatif berdasarkan data
hujan bulanan dapat dilihat pada Tabel
4.5.
Tabel 4.5 Hasil nilai rata-rata
Kesalahan Relatif untuk data hujan
bulanan
Dari Tabel 4.5 hasil pengisian
menunjukkan bahwa nilai minimum
kesalahan relatif untuk data hujan bulanan
dari masing-masing metode yaitu :
a. Untuk pengisian data hujan yang
hilang/kosong tanpa memasukkan
variabel elevasi dan nilai koefisien
korelasi :
 Metode Rata-rata Aljabar : 60%
pada stasiun Lingkok Lime
 Normal Ratio Method : 70% pada
stasiun Lingkok Lime
 Reciprocal Method : 59% pada
stasiun Lingkok Lime
b. Untuk pengisian data hujan yang
hilang/kosong dengan memasukkan
variabel elevasi pada persamaan Y =
8E-07X + 0.208 :
 Metode Rata-rata Aljabapr : 77%
pada stasiun Pengadang
 Normal Ratio Method : 77% pada
stasiun Sesaot
 Reciprocal Method : 73% pada
stasiun Perian
c. Untuk pengisian data hujan yang
hilang/kosong dengan memasukkan
nilai koefisien korelasi yang terbesar :
 Metode Rata-rata Aljabar : 68%
pada stasiun Perian
 Normal Ratio Method : 68% pada
stasiun Perian
 Reciprocal Method : 62% pada
stasiun Perian
Berdasarkan dari tiga metode
pengisian data hujan, tanpa
memasukkan variabel elevasi dan nilai
koefisien korelasi terbesar,
mendapatkan nilai Kesalahan Relatif
paling kecil dengan menggunakan
Reciprocal Method sebesar 59%.
5. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari beberapa analisa yang
dilakukan pada studi ini dapat disimpulkan
beberapa hal seperti berikut ini:
1. Besarnya curah hujan suatu wilayah
secara signifikan tidak dipengaruhi
oleh elevasi wilayah. Hal ini
ditunjukkan dari hubungan curah
hujan dengan elevasi menghasilkan
nilai koefisien korelasi hanya sebesar
0,499.
2. Dalam analisis pengisian data hujan
yang hilang/kosong, jarak stasiun
sangat berpengaruh terhadap hasil
pengisian data hujan. Karena semakin
9
 dekat jarak yang digunakan sebagai
acuan maka nilai koefisien korelasi
antar data hujan akan semakin tinggi.
3. Pengisian data hujan yang
hilang/kosong dengan menggunakan
nilai koefisien korelasi terbesar
sebagai acuan, berpengaruh terhadap
hasil pengisian data. Hal ini
ditunjukkan dari nilai koefisien
korelasi hujan bulanan antara data
pengukuran dengan data pengisian
menghasilkan nilai koefisien korelasi
maksimum sebesar 0,89.
4. Dari hasil persentase penyimpangan
data, menunjukkan bahwa nilai
minimum pada tiga metode yang
digunakan dalam pengisian data hujan
yang hilang/kosong yaitu metode
Rata-rata Aljabar dengan memasukkan
variabel elevasi, nilai Kesalahan
Relatif hujan harian sebesar 98%.
Sedangkan untuk data hujan bulanan,
Kesalahan Relatifnya sebesar 59%
dengan menggunakan Reciprocal
Method
5.2 Saran
Beberapa saran yang dapat
diberikan sebagai masukan untuk
penelitian selanjutnya adalah sebagai
berikut :
1. Untuk memperoleh hasil analisis yang
lebih akurat maka diperlukan
kelengkapan data pada masing-masing
stasiun,
2. Perlu penelitian selanjutnya tentang
pengisian data hujan yang
hilang/kosong dengan menggunakan
metode lain.
DAFTAR PUSTAKA
Anonim, 2009, Pedoman Penulisan Tugas
Akhir, Fakultas Teknik Universitas
Mataram.
Anonim, 2010, Tugas Hidrologi, Fakultas
Teknik Universitas Mataram.
Asdak, C., 1995, Hidrologi dan
Pengelolaan Daerah Aliran
Sungai, Gadjah Mada University
Press, Yogyakarta.
Fitri, I.,D., 2009, Analisis Pengisian
Kekosongan Data Hujan dengan
Beberapa Metode untuk Stasiun
Penakar Hujan pada DAS Babak,
Renggung dan Dodokan, Tidak
Dipublikasikan, Fakultas Teknik
Universitas Mataram.
Harto Br., S., 1993, Analisa Hidrologi, PT.
Gramedia Pustaka Utama, Jakarta.
Jonizar, 1994, Pengisian Data Hujan
Harian yang Hilang, Tidak
dipublikasikan, Program Studi
Teknik Sipil Jurusan Ilmu-ilmu
Teknik, Program Pasca Sarjana
Universitas Gadjah Mada,
Yogyakarta.
Khairunnisa, 2009, Karakteristik Hujan di
Pulau Lombok, Tidak
Dipublikasikan, Fakultas Teknik
Universitas Mataram.
Linsley, R., K., Jr., Max A. Kohler, Joseph
L.H. Paulhus, Yandi Hermawan,
Ir., 1996, Hidrologi untuk Insinyur,
Erlangga, Jakarta.
Prajitno, D., 1985, Analisa Regresi-
Korelasi, Liberty, Yogyakarta.
Reksoatmodjo, T.N., 2009, Statistika
Teknik, PT. Refika Aditama,
Bandung.
Soemarto, 1987, Hidrologi Teknik, Usaha
Nasional, Surabaya.
Soewarno, 1995, Hidrologi Aplikasi
Metode Statistik Untuk Analisa
Data, Jilid 1, Nova, Bandung.
Sosrodarsono, S., 1976, Hidrologi untuk
Pengairan, PT. Pradnya Paramita,
Jakarta.
10
Sujono, J., 1990, Prakiraan Hujan Rata-
rata Daerah Aliran Sungai dengan
Reciprocal Method, Tidak
dipublikasikan, Fakultas Teknik
Universitas Gadjah Mada,
Yogyakarta.
Triatmodjo, B., 2009, Hidrologi Terapan,
Beta Offset, Yogyakarta.

11
 Tabel 4.4 Hasil nilai rata-rata Kesalahan Relatif untuk data hujan harian
Penambahan Nilai Koef.
Metode Y=8E-07X + 0.208
Korelasi
Stasiun
No. Rata- Normal Rata- Normal Rata- Normal
Hujan Reciprocal Reciprocal Reciprocal
Rata Ratio Rata Ratio Rata Ratio
Method Method Method
Aljabar Method Aljabar Method Aljabar Method
(%) (%) (%)
(%) (%) (%) (%) (%) (%)
1 Perian 305 317 341 112 118 120 137 134 164
Lingkok
2 160 213 170 98 102 100 119 116 112
Lime
3 Sesaot 315 374 268 102 124 111 133 156 131
4 Keru 353 235 294 116 101 108 135 112 131
5 Jurang Sate 364 303 260 121 120 107 136 130 137
6 Kuripan 509 366 498 143 123 141 144 115 134
7 Pengadang 379 382 364 124 124 123 174 150 153
8 Loang Make 609 289 496 153 103 133 159 107 152
9 Ijo Balit 475 275 335 132 104 110 132 99 110
10 Pringgabaya 708 246 398 174 100 120 138 99 113
Nilai Max 708 382 498 174 124 141 174 156 164
Nilai Min 160 213 170 98 100 100 119 99 110
Rerata 418 300 342 128 112 117 141 122 134
Sumber : Hasil perhitungan

Tabel 4.5 Hasil nilai rata-rata Kesalahan Relatif untuk data hujan bulanan
Menggunakan 3 Stasiun Acuan
Metode Y=8E-07X + 0.208 dengan Nilai Koef. Korelasi
yang Terbesar
Stasiun
No. Rata- Normal Rata- Normal Rata- Normal
Hujan Reciprocal Reciprocal Reciprocal
Rata Ratio Rata Ratio Rata Ratio
Aljabar Method Method Aljabar Method Method Aljabar Method Method
(%) (%) (%) (%) (%) (%) (%) (%) (%)
1 Perian 80 76 92 78 78 73 68 68 62
Lingkok
2 60 70 59 84 80 82 74 70 72
Lime
3 Sesaot 77 85 61 78 77 83 74 72 77
4 Keru 375 264 339 102 101 101 110 95 113
5 Jurang Sate 203 134 130 93 87 87 101 89 101
6 Kuripan 206 125 198 79 82 78 84 79 78
7 Pengadang 96 102 85 77 80 79 79 76 73
8 Loang Make 679 337 563 144 104 131 163 118 158
9 Ijo Balit 571 230 397 139 94 117 151 103 121
10 Pringgabaya 1,058 318 503 208 107 122 129 96 100
Nilai Max 1,058 337 563 208 107 131 163 118 158
Nilai Min 60 70 59 77 77 73 68 68 62
Rerata 340 174 243 108 89 95 103 86 95
Sumber : Hasil perhitungan
12