M4

ANALISIS DATA HUJAN

Apa Itu Data?
Secara sederhana, data dapat didefinisikan sebagai kumpulan dari informasi ataupun keterangan yang
diperoleh dari sebuah pencarian maupun observasi tertentu. Data bisa dibilang sebagai bentuk mentah
karena belum ‘diolah’. Data tersebut kemudian diolah melalui riset serta penelitian untuk mendapatkan
sebuah informasi yang valid. Data biasanya juga diolah untuk mendapatkan solusi dari suatu masalah
tertentu.

Fungsi dan Manfaat Data

Apa sih kegunaan dari data itu? Kita akan membahasnya secara sederhana saja agar mudah dipahami.
Biasanya sekumpulan data akan dikumpulkan kemudian diolah melalui riset atau penelitian. Hal itu untuk
mendapatkan jawaban, informasi ataupun solusi dari suatu masalah tertentu. Sekumpulan data tersebut
menjadi acuan dari riset serta penelitian yang dilakukan. Melalui data-data yang ada, kita bisa menarik
kesimpulan serta mendapatkan informasi yang lebih valid.
DATA CURAH HUJAN BIASA
o o
Tahun : 2011 Lokasi Stasiun : 1 31' 24" LU / 101 20' 30" BT
Stasiun : DUMAI No. Stasiun : 141 - 08
Kecamatan : Bukit Kapur No. Kadaster : 59
Kabupaten : Kota Dumai Tinggi D P L : 12 m
Propinsi : Riau Tahun Pendirian : 1979
Pada D A S : Dumai Dibangun Oleh : DPUP Dati I Riau

Tanggal Januari Februari Maret April Mei Juni Juli Agustus Septemb Oktober Nopemb Desemb
1 - 2 - - - - - - - - - 44
2 25 - - - 28 - - - - - - 17
3 - - - - - - - - 2 - - 5,5
4 24 - 12 - - - - - - - 22 54
5 - - - - - 26 - 28 - - - -
6 - - - - - 2 - - 7 - - 17
7 4 - - - - - - 7 - - - -
8 - - - 13,5 - - - - 6 - - -
9 - - 6 24,5 - 14 - - - - - -
10 - - 34 - - - - - 36,5 - - 14
11 - - 22 14 - - - - - - - -
12 7,5 - 4 - - - - 24 - - 60 -
13 - - - - - - - - - - - -
14 5,5 - - - 26 - - - - - 72 4
15 - - - 41 - - 10 7 22 - 40 1
16 - - - 82 - 11,5 9 - - - - -
17 - - 12 3,5 - - - - - 21,5 7,5 28
18 7 - - 5 48 6 - - - 3 - 8
19 - 14,5 14 - 6 - - - 37 30 24,5 50
20 - - - - 10 5,5 - - 16 3 24,5 10
21 - - 78 - - 11 - 17,5 2 - 22 -
22 - 9,5 16 - 12 - 6 3 65 3 - 14
23 - - - - - - 2 3 8 - 11,5 -
24 - - - 14 - - 11,5 7 - - - - 127
25 - - - 4 - - 13,5 10,5 12,5 2 - 24 109,5
26 - 3 - - - - - 3 40,5 2,5 - - 198
27 8 19 - 3 - - 12,5 2 - 15 - - 241
28 - 61,5 - - - - - - - 47 - - 130
29 - - - 17,5 - - - - - 20 - - 76
30 23 - - 19 - - - - 32 - - - 64,5
31 23 - - - - - - - - - - - 112
Jumlah 127 109,5 198 241 130 76 64,5 112 286,5 147 284 290,5 286,5
Rata-rata 4,1 3,9 6,4 8,0 4,2 2,5 2,1 3,6 9,6 4,7 9,5 9,4 147
Max 25 61,5 78 82 48 26 13,5 28 65 47 72 54 284
J.H.H 9 6 9 12 6 7 7 11 13 10 9 14 290,5
Keterangan : - Tidak ada Hujan
O Hujan dibawah 0.1 mm
X Tidak ada Data
 Sebelum digunakan lebih lanjut
dalam analisis hidrologi, maka data
hujan tersbut harus diuji
kualitasnya. Sehingga tidak terjadi
A B kesalahan yang besar dalam
analisis

C Analisis data hujan dimaksudkan untuk

mendapatkan besaran curah hujan.
Perlunya menghitung curah hujan
wilayah adalah untuk penyusunan
suatu rancangan pemanfaatan air dan
rancangan pengendalian banjir
(Sosrodarsono & Takeda, 1977)
• Data yang diperoleh dari alat pencatat bisa jadi tidak
panggah karena: alat pernah rusak, alat pernah pindah
tempat, lokasi alat terganggu, atau terdapat data tidak
sah.
• Uji konsistensi dapat dilakukan dengan lengkung massa
ganda (double mass curve) untuk stasiun hujan ≥ 3 (tiga),
dan untuk individual stasiun (stand alone station) dengan
cara RAPS (Rescaled Adjusted Partial Sums)

uji konsistensi
• Metode ini membandingkan hujan tahunan kumulatif di stasiun tertentu
(sta. Y) terhadap stasiun rujukan (sta. X dan Sta Z).
• Stasiun rujukan merupakan nilai rata-rata dari beberap stasiun terdekat
• Nilai kumulatif tsb digambarkan pada sistem koordinat kartesian x-y, dan
kurva yang terbentuk diperiksa untuk melihat perubahan kemiringan
(trend)
• Jika garis yang terbentuk lurus maka pencatatan Sta. Y adalah konsisten

Kurva massa ganda (double mass curve)

 Hujan Tahunan (mm)
Tahun
A B C D E
1985 1.314 1.495 1.228 1.828 1.590
1986 1.123 1.235 1.640 1.541 1.583
1987 1.341 1.680 1.618 1.931 1.681
1988 1.183 1.597 1.300 1.386 1.656 Uji konsistensi data
1989 950 1.453 1.469 1.805 1.262
1990 2.336 1.465 2.494 2.131 2.222 stasiun A!
1991 1.850 1.545 1.914 1.603 1.925
1992 1.214 1.076 1.310 1.183 1.594
1993 1.871 1.298 1.455 1.667 1.816
1994 1.523 1.663 1.229 1.925 1.796
1995 1.713 1.253 1.416 1.579 1.306
1996 1.517 1.766 1.567 1.765 1.835
1997 2.027 2.025 1.731 1.558 1.842
1998 1.874 1.644 1.994 1.663 1.991
1999 2.021 1.561 1.915 1.987 1.891
2000 1.375 1.378 1.286 1.277 1.483

Kurva massa ganda (double mass curve)

 Hujan Tahunan (mm) Rerata Kumulatif Kumulatif
Tahun
A B C D E B,C,D,E A B,C,D,E
1985 1.314 1.495 1.228 1.828 1.590 1.535 1.314 1.535
1986 1.123 1.235 1.640 1.541 1.583 1.500 2.437 3.035
1987 1.341 1.680 1.618 1.931 1.681 1.728 3.778 4.763
1988 1.183 1.597 1.300 1.386 1.656 1.485 4.961 6.247
1989 950 1.453 1.469 1.805 1.262 1.497 5.911 7.745
1990 2.336 1.465 2.494 2.131 2.222 2.078 8.247 9.823
1991 1.850 1.545 1.914 1.603 1.925 1.747 10.097 11.569
1992 1.214 1.076 1.310 1.183 1.594 1.291 11.311 12.860
1993 1.871 1.298 1.455 1.667 1.816 1.559 13.182 14.419
1994 1.523 1.663 1.229 1.925 1.796 1.653 14.705 16.072
1995 1.713 1.253 1.416 1.579 1.306 1.389 16.418 17.461
1996 1.517 1.766 1.567 1.765 1.835 1.733 17.935 19.194
1997 2.027 2.025 1.731 1.558 1.842 1.789 19.962 20.983
1998 1.874 1.644 1.994 1.663 1.991 1.823 21.836 22.806
1999 2.021 1.561 1.915 1.987 1.891 1.839 23.857 24.645
2000 1.375 1.378 1.286 1.277 1.483 1.356 25.232 26.001

Kurva massa ganda (double mass curve)

 A Slope, m, tahun1989-2000
= 1,06

Titik patah th 1989

dng m = 0,74

referensi

Kurva massa ganda (double mass curve)

 Koreksi dng pengali =
0,74/1,06 (1990-200)

Titik patah th
1989

Kurva massa ganda (double mass curve)

• untuk individual stasiun (stand alone station) dengan cara RAPS
(Rescaled Adjusted Partial Sums), Sri Harto (2000). Bila yang didapat
lebih kecil dari nilai kritik untuk tahun dan confidence level yang
sesuai, maka data dinyatakan panggah. Uji kepanggahan dapat
dilakukan dengan menggunakan persamaan-persamaan berikut:

Uji raps (rescaled adjusted partial sums)

Uji raps (rescaled
adjusted partial
sums)
Uji raps (rescaled adjusted partial sums)
 k Tahun yi ӯ yi - ӯ sk* = Σ (yi-ӯ) (yi - ӯ) 2 Dy2 = Σ((yi-ӯ) 2/n) Dy sk** = sk*/Dy
1 1985 1314,0 -263,0 -263,0 69169,0000 -0,6934
2 1986 1123,0 -454,0 -717,0 206116,0000 -1,8904
3 1987 1341,0 -236,0 -953,0 55696,0000 -2,5126
4 1988 1183,0 -394,0 -1347,0 155236,0000 -3,5513
5 1989 950,0 -627,0 -1974,0 393129,0000 -5,2044
6 1990 2336,0 759,0 -1215,0 576081,0000 -3,2033
7 1991 1850,0 273,0 -942,0 74529,0000 -2,4836
8 1992 1214,0 -363,0 -1305,0 131769,0000 -3,4406
1577,0 143863,875 379,2939
9 1993 1871,0 294,0 -1011,0 86436,0000 -2,6655
10 1994 1523,0 -54,0 -1065,0 2916,0000 -2,8078
11 1995 1713,0 136,0 -929,0 18496,0000 -2,4493
12 1996 1517,0 -60,0 -989,0 3600,0000 -2,6075
13 1997 2027,0 450,0 -539,0 202500,0000 -1,4211
14 1998 1874,0 297,0 -242,0 88209,0000 -0,6380
15 1999 2021,0 444,0 202,0 197136,0000 0,5326
16 2000 1375,0 -202,0 0,0 40804,0000 0,0000
Maks 0,5326
Min -5,2044

Q= 0,5326 Q/(n^0.5) = 0,13 1,10

R= 5,7370 R/(n^0.5) = 1,43 1,34

Uji raps (rescaled adjusted partial sums)

Log Xh = log Xrerata + S.K

Batas atas

Log Xi = log Xrerata – S.K

Batas bawah

UJI outliers (pencilan)

 JUMLAH JUMLAH
Kn Kn
DATA DATA
10 2,036 38 2,661
11 2,880 39 2,671
12 2,134 40 2,682
13 2,175 41 2,692
14 2,213 42 2,700
15 2,247 43 2,710
16 2,279 44 2,719
17 2,309 45 2,727
18 2,335 46 2,736
19 2,361 47 2,744
20 2,385 48 2,753
21 2,408 49 2,760
22 2,429 50 2,768
23 2,448 55 2,804
24 2,467 60 2,837
25 2,468 65 2,866
26 2,502 70 2,893
27 2,519 75 2,917
28 2,534 80 2,940
29 2,549 85 2,961
30 2,563 90 2,981
31 2,577 95 3,000
32 2,591 100 3,017
33 2,604 110 3,049
34 2,616 120 3,078
35 2,628 130 3,104
36 2,639 140 3,129
UJI outliers (pencilan) 37 2,650
 Tahun
No Bulan
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

1 Januari 124,0 490,0 490,0 408,0 205,0 422,0 298,0 0,0 375,0 339,0 665,0 482,0 465,0 195,0 375,0 148,5 205,0 0,0 2238,5 198,0

2 Febuari 60,0 168,0 291,0 119,0 465,0 449,0 260,0 0,0 164,0 398,0 380,0 511,5 300,0 519,0 535,0 444,0 465,0 125,0 49,0 286,0

3 Maret 219,0 520,0 289,0 168,0 223,0 307,0 260,0 0,0 266,0 640,0 375,0 266,0 277,0 900,0 340,0 272,0 223,0 165,0 425,0 590,0

4 April 399,0 282,0 215,0 251,0 301,0 754,0 385,0 742,5 121,0 160,0 320,0 567,5 280,0 355,0 315,0 167,0 301,0 404,0 471,0 611,0

5 Mei 349,0 174,0 132,0 238,0 109,0 299,0 0,0 356,5 310,0 170,0 198,0 297,0 215,0 273,0 273,0 523,0 109,0 338,0 191,7 364,0

6 Juni 92,0 534,0 198,0 119,0 332,0 121,0 311,0 163,0 143,0 290,0 260,0 578,0 265,0 785,0 585,0 313,0 332,0 152,0 13300,5 390,0

7 Juli 225,0 356,0 129,0 206,0 125,0 121,0 328,0 405,0 220,0 320,0 246,0 348,0 285,0 640,0 400,0 210,0 125,0 170,0 3306,5 193,0

8 Agustus 60,0 656,0 146,0 337,0 223,0 227,0 381,0 339,0 372,0 290,0 175,0 342,5 620,0 520,0 330,0 285,0 223,0 35,0 3161,0 413,0

9 September 41,0 798,0 346,0 439,0 372,0 225,0 275,0 361,0 360,0 0,0 402,0 706,0 665,0 915,0 310,0 331,0 372,0 388,0 263,0 328,0

10 Oktober 16,0 391,0 959,0 241,0 377,0 447,0 199,0 352,5 529,0 0,0 920,0 551,0 705,0 1225,0 377,0 494,0 377,0 434,0 87,0 407,0

11 November 87,0 432,0 654,0 836,0 434,0 621,0 86,0 571,5 409,0 0,0 570,0 755,0 685,0 495,0 590,0 725,0 439,0 485,0 469,5 265,0

12 Desember 0,0 709,0 458,0 515,0 173,0 453,0 316,0 182,0 268,0 0,0 915,0 263,5 550,0 380,0 765,0 456,0 173,0 232,0 274,0 323,0

Hujan bulanan stasiun Kasang ditampilkan pada tabel di atas. Lakukan uji data
untuk memperoleh informasi ada atau tidaknya data pencilan.

UJI outliers (pencilan)

 Tahun
No Bulan
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
1 Januari 2,09 2,69 2,69 2,61 2,31 2,63 2,47 - 2,57 2,53 2,82 2,68 2,67 2,29 2,57 2,17 2,31 - 3,35 2,30
2 Febuari 1,78 2,23 2,46 2,08 2,67 2,65 2,41 - 2,21 2,60 2,58 2,71 2,48 2,72 2,73 2,65 2,67 2,10 1,69 2,46
3 Maret 2,34 2,72 2,46 2,23 2,35 2,49 2,41 - 2,42 2,81 2,57 2,42 2,44 2,95 2,53 2,43 2,35 2,22 2,63 2,77
4 April 2,60 2,45 2,33 2,40 2,48 2,88 2,59 2,87 2,08 2,20 2,51 2,75 2,45 2,55 2,50 2,22 2,48 2,61 2,67 2,79
5 Mei 2,54 2,24 2,12 2,38 2,04 2,48 - 2,55 2,49 2,23 2,30 2,47 2,33 2,44 2,44 2,72 2,04 2,53 2,28 2,56
6 Juni 1,96 2,73 2,30 2,08 2,52 2,08 2,49 2,21 2,16 2,46 2,41 2,76 2,42 2,89 2,77 2,50 2,52 2,18 4,12 2,59
7 Juli 2,35 2,55 2,11 2,31 2,10 2,08 2,52 2,61 2,34 2,51 2,39 2,54 2,45 2,81 2,60 2,32 2,10 2,23 3,52 2,29
8 Agustus 1,78 2,82 2,16 2,53 2,35 2,36 2,58 2,53 2,57 2,46 2,24 2,53 2,79 2,72 2,52 2,45 2,35 1,54 3,50 2,62
9 September 1,61 2,90 2,54 2,64 2,57 2,35 2,44 2,56 2,56 - 2,60 2,85 2,82 2,96 2,49 2,52 2,57 2,59 2,42 2,52
10 Oktober 1,20 2,59 2,98 2,38 2,58 2,65 2,30 2,55 2,72 - 2,96 2,74 2,85 3,09 2,58 2,69 2,58 2,64 1,94 2,61
11 November 1,94 2,64 2,82 2,92 2,64 2,79 1,93 2,76 2,61 - 2,76 2,88 2,84 2,69 2,77 2,86 2,64 2,69 2,67 2,42
12 Desember - 2,85 2,66 2,71 2,24 2,66 2,50 2,26 2,43 - 2,96 2,42 2,74 2,58 2,88 2,66 2,24 2,37 2,44 2,51

Mean 2,02 2,62 2,47 2,44 2,40 2,51 2,42 2,54 2,43 2,48 2,59 2,65 2,61 2,72 2,61 2,52 2,40 2,33 2,77 2,54
Standar Deviasi (S) 0,42 0,22 0,28 0,26 0,21 0,25 0,18 0,21 0,20 0,19 0,24 0,16 0,19 0,23 0,14 0,21 0,21 0,33 0,72 0,16
Koefisien Skewness (Cs) -0,36 -0,73 0,34 0,26 -0,48 -0,51 -2,23 -0,26 -0,50 0,10 0,27 -0,17 0,06 -0,29 0,71 -0,18 -0,48 -1,30 0,44 -0,03
Nilai K (n=20) 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39 2,39
Log Xh 3,03 3,14 3,14 3,05 2,90 3,11 2,85 3,04 2,90 2,94 3,17 3,03 3,07 3,28 2,95 3,02 2,90 3,13 4,48 2,91
Log Xl 1,01 2,09 1,80 1,83 1,91 1,90 1,99 2,05 1,96 2,01 2,02 2,26 2,14 2,17 2,28 2,02 1,91 1,54 1,06 2,16
Cs > 0,4 - - - - - - - - - - - - - - - - - - - -
0,4 - -0,4 √ √ √ √ √ √ - √ √ √ √ √ √ √ √ √ √ - √ √
Cs ≤ -0,4 - - - - - - √ - - - - - - - - - - √ - -
Batas Atas (Xh) 1064,33 1382,69 1375,61 1119,81 787,95 1292,25 715,58 1098,36 798,91 865,27 1478,06 1078,88 1175,09 1911,75 884,55 1037,09 790,95 1360,23 29905,66 814,84
Batas Bawah (Xl) 10,24 123,70 63,24 67,31 81,07 80,13 97,97 111,40 91,23 103,05 103,70 182,85 139,30 146,68 191,86 104,13 80,92 34,37 11,58 144,27
X maksimum 399,00 798,00 959,00 836,00 465,00 754,00 385,00 742,50 529,00 640,00 920,00 755,00 705,00 1225,00 765,00 725,00 465,00 485,00 13300,50 611,00
X minimum 16,00 168,00 129,00 119,00 109,00 121,00 86,00 163,00 121,00 160,00 175,00 263,50 215,00 195,00 273,00 148,50 109,00 35,00 49,00 193,00
Ada Outlier Tinggi ? TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK
Ada Outlier Rendah ? TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK ADA TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK TIDAK

UJI outliers (pencilan)

Dalam analisis hidrologi hujan dianggap turun merata diseluruh daerah aliran sungai,
catchment area, daerah tangkapan air
 Sebagai contoh gambar disamping,
dimana terdapat 4 stasiun hujan
dalam suatu DAS maka :
a. Stasiun A, Sta. B, Sta. C dan Sta
D merupakan point rainfall
A B b. Dalam analisis jika terdapat
lebih dari satu stasiun
D pencatatan hujan maka yang
data hujan yang digunakan
dalam analisis merupakan hasil
C rata-rata dari beberapa stasiun
tersebut. Ini dikenal dengan
hujan rata-rata daerah.
 Metode yang digunakan dalam perhitungan curah hujan
rata-rata wilayah daerah aliran sungai (DAS) ada tiga
metode, yaitu metode rata-rata aritmatik (aljabar),
metode poligon Thiessen dan metode Isohyet (Loebis,
1987)
A B 1. Metode rata-rata aritmatik (aljabar)
Metode ini paling sederhana, pengukuran yang
D dilakukan di beberapa stasiun dalam waktu yang
bersamaan dijumlahkan dan kemudian dibagi jumlah
C stasiun. Stasiun hujan yang digunakan dalam hitungan
adalah yang berada dalam DAS, tetapi stasiun di luar
DAS tangkapan yang masih berdekatan juga bisa
diperhitungkan. Metode rata-rata aljabar memberikan
hasil yang baik apabila :
• Stasiun hujan tersebar secara merata di DAS.
• Distribusi hujan relatif merata pada seluruh DAS
 Metode yang digunakan dalam perhitungan curah hujan
rata-rata wilayah daerah aliran sungai (DAS) ada tiga
metode, yaitu metode rata-rata aritmatik (aljabar),
metode poligon Thiessen dan metode Isohyet (Loebis,
A B 1987)
1. Metode rata-rata aritmatik (aljabar)

D Metode ini paling sederhana, pengukuran yang dilakukan

di beberapa stasiun dalam waktu yang bersamaan
dijumlahkan dan kemudian dibagi jumlah stasiun. Stasiun
C hujan yang digunakan dalam hitungan adalah yang
berada dalam DAS, tetapi stasiun di luar DAS tangkapan
yang masih berdekatan juga bisa diperhitungkan. Metode
rata-rata aljabar memberikan hasil yang baik apabila :
• Stasiun hujan tersebar secara merata di DAS.
• Distribusi hujan relatif merata pada seluruh DAS
 Metode yang digunakan dalam perhitungan curah hujan
rata-rata wilayah daerah aliran sungai (DAS) ada tiga
metode, yaitu metode rata-rata aritmatik (aljabar), metode
poligon Thiessen dan metode Isohyet (Loebis, 1987)
A B 2. Metode Thiessen
Metode ini memperhitungkan bobot dari masing-masing
D stasiun yang mewakili luasan di sekitarnya. Pada suatu
luasan di dalam DAS dianggap bahwa hujan adalah sama

C
dengan yang terjadi pada stasiun yang terdekat, sehingga
hujan yang tercatat pada suatu stasiun mewakili luasan
tersebut. Metode ini digunakan apabila penyebaran stasiun
hujan di daerah yang ditinjau tidak merata, pada metode ini
stasium hujan minimal yang digunakan untuk perhitungan
adalah tiga stasiun hujan. Hitungan curah hujan rata-rata
dilakukan dengan memperhitungkan daerah pengaruh dari
tiap stasiun. Metode poligon Thiessen banyak digunakan
untuk menghitung hujan rata-rata kawasan. Poligon Thiessen
adalah tetap untuk suatu jaringan stasiun hujan tertentu.
Apabila terdapat perubahan jaringan stasiun hujan seperti
pemindahan atau penambahan stasiun, maka harus dibuat
lagi poligon yang baru.(Triatmodjo, 2008).
 Metode yang digunakan dalam perhitungan curah hujan
rata-rata wilayah daerah aliran sungai (DAS) ada tiga
metode, yaitu metode rata-rata aritmatik (aljabar), metode
poligon Thiessen dan metode Isohyet (Loebis, 1987)
A B a. Cara Poligon Thiesen
1. Menghubungkan titik-titik tempat stasiun terdekat berada pada peta
D dengan garis lurus
2. Membentuk garis-garis yang menghubungkan titik-titik stasiun

C menjadi bentuk segitiga.

3. Membagi garis lurus antara dua stasiun (garis 1) yang berdekatan
sama panjang
4. Menarik garis tegak lurus dari garis 1 pada titik pembagi garis
tersebut(garis 2)
5. Membagi luasan wilayah tiap stasiun berdasarkan garis 2
6. Menghitung luasan wilayah tiap stasiun
7. Menghitung cura hujan rata-rata dengan rumus Poligon Thiesen
yang sudah ada.
 Misal luas DAS total = 100 km2
luas DAS A = 23 km2, luas DAS B =
35 km2, luas DAS, luas DAS C =
20 km2, luas DAS D = 22 km2,
30 maka rasio/pembobotan masing
A B sta. Hujan
50
Sta. A = 23/100 = 0,23
Sta. B = 35/100 = 0,35
D Sta. C = 20/100 = 0,20
Sta. D = 22/100 = 0,22

20
C
Hujan rata-rata daerah =
40 (30*0,23) + (50*,35) +
(40*0,20) + (20*0,22) = 36,8
mm
 Metode yang digunakan dalam perhitungan curah hujan
rata-rata wilayah daerah aliran sungai (DAS) ada tiga
metode, yaitu metode rata-rata aritmatik (aljabar), metode
poligon Thiessen dan metode Isohyet (Loebis, 1987)
A B 3. Metode Isohyet
Isohyet adalah garis yang menghubungkan titik-titik
D dengan kedalaman hujan yang sama. Pada metode
Isohyet, dianggap bahwa hujan pada suatu daerah di
C antara dua garis Isohyet adalah merata dan sama
dengan nilai rata-rata dari kedua garis Isohyet
tersebut. Metode Isohyet merupakan cara paling teliti
untuk menghitung kedalaman hujan rata-rata di
suatu daerah, pada metode ini stasiun hujan harus
banyak dan tersebar merata, metode Isohyet
membutuhkan pekerjaan dan perhatian yang lebih
banyak dibanding dua metode lainnya. (Triatmodjo,
2008).
 Metode yang digunakan dalam perhitungan curah hujan
rata-rata wilayah daerah aliran sungai (DAS) ada tiga
metode, yaitu metode rata-rata aritmatik (aljabar), metode
poligon Thiessen dan metode Isohyet (Loebis, 1987)
A B a. Cara Isohyet
1. Menghubungkan titik stasiun dengan curah hujan terbesar
D dengan titik-titik stasiun yang lain dengan garis lurus.
2. Membagi garis lurus tersebut menjadi beberapa bagian
C dengan interval yang sama.
3. Menghubungkan titik-titik dengan curah hujan sama
menjadi garis isohyet
4. Menghitung luas wilayah tiap stasiun berdasarkan garis-
garis isohyet tersebut
5. Menghitung besar rata-rata curah hujan dengan rumus
Isohyet yang sudah ada.
 Isohyet Luasan Antar Isohyet Rerata 2 Isohyet
Area RxA
(mm) (km2) (mm)
20
5 22,5 112,5
25
25
20 27,5 550,0
30
30
26 32,5 845,0
30 35
35 35
40
A 45
B 40
40
22 37,5 825,0

17 42,5 722,5
50 45
45
25 50
7 47,5 332,5

D 97,0 3387,5

45

20 25 C Hujan rata-rata daerah =

3387,5/100 = 33,88 mm
30
35
40
 No Tahun A B C
Jika diketahui hujan tahunan stasiun
1 2000 56 90 87
2 2001 123 100 76 A = 1944 mm
3 2002 87 87 109 B = 2045 mm
4 2003 69 65 86 C = 1890 mm
5 2004 102 45 56
6 2005 98 79 74 Tentukan nilai hujan yang hilang pada
7 2006 86 89 68 stasiun B tahun 2008?
8 2007 65 100 87
9 2008 77 95 101
10 2009 78 98 87
11 2010 92 67 67
12 2011 104 90 68
13 2012 111 93 80
14 2013 120 102 85
15 2014 92 100 101

Pengisian Data Yang Hilang