Kala ulang didefinisikan sebagai waktu hipotetik dimana hujan atau debit
dengan suatu besaran tertentu akan disamai atau dilampaui sekali dalam
jangka waktu tertentu atau setiap tahun suatu besaran hujan/debit
rencana mempunyai kemungkinan terjadi dengan probabilitas p%,
misalnya kala ulang 100 tahun berarti mempunyai kemungkinan kejadian
1/100 atau 1% setiap tahun.
P = 1/T
Dimana;
P = Probabilas terjadi (%)
T = Periode Ulang (Tahun)
Analisis frekuensi ini didasarkan pada sifat statistik data yang tersedia untuk
memperoleh probabilitas besaran hujan (debit) di masa yang akan datang
ANALISA DISTRIBUSI STATISTIK
Data hujan maksimum harian di analisis untuk mendapatkan pola sebaran yang
sesuai dengan distribusi statistik yang ada.
Dalam menentukan hujan rancangan, ada beberapa distribusi statistik yang sering
digunakan: distribusi Normal, log normal, Gumbel, log pearson tipe III.
Standar Deviasi ( S )
Ukuran sebaran yang paling banyak digunakan adalah deviasi standar.
Apabila penyebaran sangat besar terhadap nilai rata-rata maka nilai Sx
akan besar, akan tetapi apabila penyebaran data sangat kecil terhadap
nilai rata-rata maka nilai Sx akan kecil. Jika dirumuskan dalam suatu
persamaan adalah sebagai berikut (Soewarno, 1995):
dimana,
S = Standar Deviasi
Xi = curah hujan minimum (mm/hari)
X = curah hujan rata-rata (mm/hari)
n = lamanya pengamatan
ANALISA DISTRIBUSI STATISTIK
Koefisien Skewness ( Cs )
Kemencengan ( skewness ) adalah ukuran asimetri atau penyimpangan
kesimetrian suatu distribusi. Jika dirumuskan dalam suatu persamaan
adalah sebagai berikut (Soewarno, 1995) :
n
n
3 ∑
Cs ( Xi - X ) 3
(n - 1)(n - 2) Sx i1
dimana,
Cs = koefisien kemencengan
Xi = nilai variat
X = nilai rata-rata
n = jumlah data
S = standar deviasi
ANALISA DISTRIBUSI STATISTIK
Koefisien Kurtosis ( Ck )
Kurtosis merupakan kepuncakan (peakedness) distribusi. Biasanya hal ini
dibandingkan dengan distribusi normal yang mempunyai Ck = 3 dinamakan
mesokurtik, Ck < 3 berpuncak tajam dinamakan leptokurtik, sedangkan Ck >
3 berpuncak datar dinamakan platikurtik.
Leptokurti
k
Mesokurti
k
Platikurtik
n
n
C k (n 1)(n 2)(n 3) Sx 4 ∑ ( Xi X ) 4
i 1
Analisis distribusi statistik
Distribusi Normal
Untuk menghitung curah hujan rencana dengan metode distribusi Normal
digunakan persamaan distribusi frekuensi empiris sebagai berikut
(Soewarno, 1995):
X X k .S
Dimana:
X = perkiraan nilai yang diharapkan pada peluang tertentu atau periode
ulang tertentu.
X = nilai rata-rata hujan
S = standart deviasi
K = faktor frekuensi, merupakan fungsi dari pada peluang atau periode
ulang dari distribusi normal
Nilai variabel reduksi gauss
Periode
Peluang k
Ulang
1,001 0.999 -3,05
1,005 0.995 -2,58
1,010 0.990 -2,33
1,050 0.950 -1,64
1.110 0.900 -1,28
1,250 0,800 -0,84
1,330 0.750 -0,67
1,430 0.700 -0,52
1,670 0.600 -0,25
2,000 0,500 0
2,5 0,400 0,25
3,330 0,300 0,52
4,000 0,250 0,67
5 0,200 0,84
10 0,100 1,28
20 0,050 1,64
50 0,200 2,05
100 0,010 2,33
200 0,005 2,58
500 0,002 2,88
1000 0,001 3,09
(Soewarno, 1995)
Distribusi Gumbel Tipe I
Untuk menghitung curah hujan rencana dengan metode distribusi
Gumble Tipe I digunakan persamaan distribusi frekuensi empiris sebagai
berikut (Soewarno, 1995):
S
XT X YT Yn
Sn
YT = nilai reduksi variat dari variabel yang diharapkan terjadi pada periode
ulang tertentu hubungan antara periode ulang T dengan YT dapat dihitung
dengan rumus :
T 1
YT = -ln ln ; untuk T 20, maka YT = ln T
T
Y = Y +k.S
di mana :
X = curah hujan
Y = nilai logaritmik dari X atau log X
Y = rata-rata hitung (lebih baik rata-rata geometrik) nilai Y
50 20 10 4 2 1 0,5 0,1
Parameter
Metode Log Normal 3 Parameter apabila digambarkan pada kertas
peluang logaritmik akan merupakan persamaan garis lurus, sehingga
dapat dinyatakan sebagai model matematik dangan persamaan sebagai
berikut (Soewarno, 1995) :
Y = Y +k.S
di mana :
X = curah hujan
Y = nilai logaritmik dari X atau log X
Y = rata-rata hitung (lebih baik rata-rata geometrik) nilai Y
Dengan:
P = peluang ke x
m = data ke x
n = jumlah data