HIDROLOGI SESI-

4
OLEH : SRI EKO WAHYUNI

Red Square, Landmark of Russian, 2009.

 GARIS-GARIS BESAR PROGRAM
DATA-DATA PENGAJARAN

No Tujuan Khusus Pokok Bahasan Sub Pokok Bahasan Estimasi Referensi

Pembelajaran Waktu
4. Mahasiswa Metode Isohyet, -Metode Isohyet & 2 x 50’ Buku a ,
dapat Mempersiapkan, Contoh soal. b, c, d, e, f
menjelaskan rangkaian data. -Mempersiapkan
tentang Intensitas hujan.
rangkaian data hujan.
Isohyet, Analisis frekuesi
-Pengertian Tr.
mempersiapka -Perhitungan
n data hujan,
intensitas hujan
Tr & intensitas
dengan cara
hujan.
Mononobe dan dari
data curva IDF.
-Contoh soal.
-Analisis Frekuensi :
Contoh Cara Grafis
 3. METODE
ISOHYET :
ISOHYET ADALAH GARIS YANG
MENGHUBUNGKAN TITIK-TITIK DENGAN
KEDALAMANBAHWA
DIASUMSIKAN HUJAN YANG PADA
: HUJAN SAMA.
SUATU DAERAH
DIANTARA 2 GARIS ISOHYET MERATA DAN = NILAI
RATA-RATA DARI KEDUA GARIS ISOHYET
-TERSEBUT.
Digunakan di daerah datar / pegunungan.
- Stasiun curah hujan tersebar merata & harus banyak.
- Bermanfaat untuk curah hujan yang singkat, metode
paling teliti tetapi analis-nya harus berpengalaman.
I1  I2 I2  I3 In  In1
n
Ii  Ii1
A1
2
 A2
2
...... An
2
 Ai
2
P  i1

A1  A2 .......An n

Ai
i1
PROSES TAHAPANNYA :
1. Plot Stasiun hujan & besar kedalaman curah hujan.
2. Dari nilai kedalaman hujan di dua stasiun yang berdampingan,
dibuat interpolasi dengan pertambahan nilai yang ditetapkan (5, 10
mm dst).
3. Buat kurva isohyet dengan menghubungkan titik-titik interpolasi
dengan kedalaman hujan yang sama.
4. Ukur luas daerah antara 2 isohyet yang berurutan, kalikan dengan
nilai rerata dari nilai kedua garis isohyet.
5. Jumlah hitungan pada butir 4 untuk seluruh garis isohyet dibagi
dengan luas daerah yang ditinjau.
Tebal hujan :
Jumlahkan hasil kali (luas DAS yang dibatasi oleh 2 garis yang
membagi jarak yang sama diantara 2 Isohyet yg berdekatan
dengan tebal hujan) dibagi dengan  Luas
 METODE
ISOHYET Garis isohyet
(tempat kedudukan hujan
dengan kedalaman sama) 
10 mm 25 mm hasil interpolasi dari stasiun
● yang berdekatan
●
BATAS DAS
●53 mm
22 mm
● ●
42 mm
35 mm
●
Pertambahan
Nilai 10 mm

48 mm
● STASIUN HUJAN
& TINGGI HUJAN
Ukur luas antara isohyet 30 mm dan 40
mm, kmd. dikalikan dengan rata2 isohyet
30 mm & 40 mm  Jumlahkan.
 CONTOH 2 = SOAL No. 1, Hitung hujan P dengan metode ISOHYET.

Plot sta, hujan &

kedalamannya

Pertambahan
nilai 5 mm.

Belum dihitung PENYELESAIAN :

- DIBUAT GARIS ISOHYET.
- HITUNG LUASAN DAERAH
30 25
I DI ANTARA 2 GARIS
III
ISOHYET 
V
Antara isohyet  SELANJUTNYA DISAJIKAN
25 & 30 Luas 95 km²
DALAM TABEL SBB. 
Daerah Isohyet Luasan antara 2 Rerata dari 2 Luasan x
mm Isohyet, km² Isohyet, mm Rerata

15
I 20 14 17,5 245
25
II 50 22,5 1.125
30
III 95 di kali kan 27,5 2.613
35
IV 111 32,5 3.608
40
V 140 37,5 5.250
45
VI JUMLA 70
500 42,5 2.975
16.826
●
50 H
(Belum dihitung)
16.826
HUJAN RERATA DAS : P  33,65mm.
500
 CARA MEMPERSIAPKAN DATA HUJAN
RATA-RATA DAS :
1. HITUNG HUJAN RATA-RATA DAS SETIAP HARI (cara
Aljabar, Thiessen, Isohyet). Jika ada 20 tahun data
pengamatan, maka dihitung sebanyak 20 x 365 = 7300
kali. Merupakan cara yg terbaik, tapi perlu waktu
cukup lama.
2. Dalam satu tahun tertentu, untuk Stasiun A, dicari
hujan maksimum
 Kemudian hariannya
cari hujan harian: sta. B,C dst. pada tanggal,
bulan & tahun yg sama, kmd dicari hujan DAS-nya.
 Pada tahun yg sama, cari hujan maksimum harian untuk
stasiun B, kemudian cari hujan DASnya. Demikian,
dilakukan untuk stasiun yang lainnya.
 Jika ada P tahun data dan N stasiun hujan, maka
jumlah data seluruhnya = P x n.
Cara ini merupakan cara yang cukup baik  Lihat Tabel 
 Thn/Stasiun A B C Hujan DAS
1980 : (misal)
15 Jan MAKS B1 C1 117*
20 Okt A2 MAKS C2 115
17 Des A3 B3 MAK 90
S
Harus pada tanggal, bulan & tahun yg sama

1981 : A B C Hujan DAS

21 Nov MAKS B5 C5 102
16 Jan A6 MAKS C6 129**
19 Okt A7 B7 MAK 131*
S
DATA Yang diambil, nilai maksimum setiap tahun.
3. Peak over threshold  ambil 2–5 data terbesar setiap tahun.
 1. Contoh Perhitungan Curah Hujan Rata2 DAS :

Daerah aliran sungai ( DAS ) Kali Putih Yogya

mempunyai 3 stasiun curah hujan yaitu : Sta.
Babadan, Sta.Plawangan
Sta.Ngepos. Data hujan&yang tersedia selama 15 th,
yaitu data tahun 1996 - 2010.
Hitung hujanContoh
DAS Perhitungan CurahThiessen !.
dengan metode
Hujan Rata2 DAS :
Luas Daerah Pengaruh & faktor pembobot Thiessen :
No. Nama stasiun Luas DP (km²) F.Pembobot (%)
1 Babadan 3,631 42,950
2 Plawangan 1,930 FP 
3,631
 42,95 22,798
8,457
3 Ngepos 2,898 34,267
Luas total 8,457 100 %
Tahun Tangga Curah Hujan Harian C.Hujan C.Hujan
l Maksimum Harian Rata2 Harian
Faktor Pembobot Babadan Ngepos Plawangan DAS (mm). Maksimum
42,95 % 34,267 % 22,798 (mm).
%

2010 8 Okt 89 59 26 64,357

8 Des 26 123 5 54,451 75,827
15 Des 14 78 189 75,827
12 81 23 49 53,830
2009 Febr 53,332 53,830
27 3 92 90 45,373
Febr 26 18 123
26
Febr
4 Febr 103 64 42 75,729
2008 27 13 95 9 40,187 75,729
Febr 30 7 70 31,238
1 Febr
27 137 4 15 63,611
2007 Febr 21 142 53 69,758 69,758
26 Des
Data dipotong, mestinya 0 47 198 61,246
7 Des
data tersedia 1996–2010. Data hujan ini yang digunakan untuk analisis hidrologi.
 PERIODE ULANG (RETURN PERIOD =
DATA-DATA Tr)
Adalah periode di mana banjir/hujan dengan
suatu besaran tertentu akan disamai atau
dilampaui sekali dalam kurun waktu tersebut.
Dalam hal ini tidak ada pengertian bahwa kejadian tersebut
akan berulang secara teratur untuk setiap periode ulang.
CONTOH :
MISAL HUJAN RENCANA DENGAN Tr = 5 TAHUN
ADALAH
X5 = 10 mm, TIDAK BERARTI HUJAN SEBESAR 10 mm
AKAN MELAINKAN
TERJADI SECARA PERIODIK 1ADA
SETIAP TAHUNNYA KALI SETIAP 5
TAHUN, KEMUNGKINAN 1/5 KALI TERJADI HUJAN
YANG BESARNYA
ARTINYA BAHWA : ≥ 10 mm.
# DALAM 5 TAHUN ADA KEMUNGKINAN 1 KALI TERJADI
HUJAN YANG BESARNYA ≥ 10 mm.
# DALAM 10 TAHUN ADA KEMUNGKINAN 2 KALI TERJADI
HUJAN YANG BESARNYA ≥ 10 mm  TAPI TIDAK SECARA PERIODIK
 INTENSITAS adalah ukuran yg menyatakan tinggi/tebal
kederasan hujan dalam satuan durasi tertentu (mm/jam).

I. Perhitungan Intensitas dengan Rumus Mononobe :

Perhitungan intensitas curah hujan menggunakan metode
Dr. Mononobe merupakan sebuah variasi dari rumus curah
hujan jangka pendek (hujan harian), persamaannya sbb.:
2/3
R 24  24 
I 
24  t 
I = intensitas curah hujan (mm/jam) ; t = lamanya curah hujan (jam
R24 = curah hujan maksimum selama 24 jam (mm), misalnya = 129,87 m
Metode yang lain : Talbot, Ishiguro, Sherman (baca sendiri).

● Contoh perhitungan intensitas hujan, periode ulang Tr=10 tahun :

2/3
129 ,87  24  Perhitungan selanjutnya
I     45,025 mm / jam
24 1  disajikan dalam Tabel sbb.:
 t R2 R5 R10 R20 R50 R100 R200 R500 R1000
(jam)
82.28 110.92 129.87 148.06 171.51 189.24 206.81 230.00 247.524
1 28.525 38.452 45.025 51.330 59.490 65.605 71.698 79.737 85.812
2 17.970 24.223 28.364 32.336 37.476 41.329 45.167 50.231 54.058
3 13.714 18.486 21.646 24.677 28.600 31.540 34.469 38.333 41.254
4 11.320 15.260 17.868 20.370 23.609 26.035 28.453 31.644 34.054
5 9.756 13.151 15.398 17.554 20.345 22.437 24.520 27.270 29.347
6 8.639 11.645 13.636 15.545 18.017 19.869 21.714 24.149 25.988
7 7.795 10.508 12.304 14.027 16.257 17.928 19.593 21.790 23.450
8 7.131 9.613 11.256 12.832 14.873 16.401 17.925 19.934 21.453
9 6.593 8.887 10.406 11.863 13.749 15.163 16.571 18.429 19.833
10 sd Dipotong
21
22 3.633 4.898 5.735 6.538 7.577 8.356 9.132 10.156 10.929
23 3.527 4.755 5.567 6.347 7.356 8.112 8.865 9.859 10.610
24 3.428 4.621 5.411 6.169 7.150 7.885 8.617 9.583 10.314

Hujan maksimum 24 jam dgn periode ulang Tr = 10 thn  R10 = 129,87 mm,
Intensitasnya 45,025 mm/jam  Intensitas hujan maks. terjadi pada satu jam pertam
Intensitas hujan dengan periode ulang Tr=10 tahun
Jika periode ulang makin panjang maka intensitas hujan rencana juga makin besar.
 II. Perhitungan Intensitas dengan Intencity
Duration Frequency Curve (Curva IDF).

Intensitas
(mm/jam) KURVA HUBUNGAN ANTARA
Data yang dipakai untuk
INTENSITAS DAN LAMA HUJAN
(TURUN EKSPONESIAL). curva IDF adalah data hujan
INTENSITAS HUJAN pendek (5, 10, 30 menit-an
PADA SATU TITIK WAKTU dan hujan jam-jaman).

Data intensitas hujan rencana dari

Curva IDF dipakai utk perhitungan
Debit Rencana non hidrograf.
Misal dengan Metode Rasional :
Q = 0,278 C I A.
I = Intensitas.
t t(waktu)
GAMBAR KEDALAMAN HUJAN Data hyetograf hujan
RENCANA DI SATU TITIK WAKTU rencana diperlukan jika
PADA CURVA IDF (INTENCITY Debit Rencana dihitung
dengan Metode Hidrograf.
DURATION FREQUENCY).
 I. PERHITUNGAN INTENSITAS DENGAN
CURVA IDF :

1. UBAH DATA TINGGI HUJAN MENIT-AN atau JAM-JAM-

P  60
AN (mm) JADI DATA INTENSITAS MENITAN/JAM2-AN
I mm/ jam :
t
2. HITUNG ”NILAI RATA-RATA” DATA INTENSITAS
HUJAN PADA SETIAP DURASI.
3. HITUNG ”STANDARD DEVIASI” DATA INTENSITAS
HUJAN PADA SETIAP DURASI1 :  _ 2

S X  X
N 1 
t 
4. HITUNG DAN REKAP NILAI INTENSITAS HUJAN
RENCANA
(Tr) BERDASARKAN DITRIBUSI
PADA SETIAP DURASI PROBABILITAS
DENGAN BERBAGAI PERIODE
NORMAL, GUMBEL, LOG PEARSON TYPE III.
ULANG
PLOT NILAI INTENSITAS HUJAN RENCANA SEBAGAI
ORDINAT DAN DURASI SEBAGAI ABSIS  lihat slide terakhir 
CONTOH : DIKETAHUI DATA CURAH HUJAN MENIT-AN.
DATA-DATA
TENTUKAN CURVA IDF DENGAN DURASI 5 mnt !.
a. TINGGI HUJAN P DENGAN DURASI
MENIT-an
NO. TAHU 5 mnt 10′ 15′ 30′ Untuk latihan
N
(1) (2) (3) (4) (5) (6) Ubah jadi intensitas
1 2000 21 25 30 35
2 2001 11 22 25 31
3 2002 22 24 28 32
4 2003 21 20 24 28
5 2004 27 21 25 32
6 2005 17 19 23 28
7 2006 15 24 28 34
8 2007 23 28 32 36
9 2008 20 29 35 39
10 2009 27 36 39 43
 b. TINGGI HUJAN DIUBAH JADI DATA INTENSITAS DENGAN RUMUS :
Pmm/menit, SUPAYA SATUAN JADI mm/jam MAKA  Px 60
I  I 
t t
INTENSITAS HUJAN mm/jam TIAP
NO. TAHUN 5 mnt MENIT-an
10′ 15′ 30′
60 (1) (2) (3) (4) (5) (6)
21 x
5 1 2000 252 150 120 70
2 2001 132 132 100 62
3 2002 264 144 112 64
4 2003 252 120 96 56
5 2004 324 126 100 64
6 2005 204 114 92 56
7 2006 180 144 112 68
8 2007 276 168 128 72
9 2008 240 174 140 78
10 2009 324 216 156 86

JUMLAH INTENSITAS 2448 1488 1156 676

INTENSITAS RATA-RATA 244.8 148.8 115.6 67.6
c. KEMUDIAN HITUNG STANDAR DEVIASI, UNTUK
HUJAN 5 MENIT-AN DIPEROLEH : S5-Menit = 60.19.
d. HITUNG INTENSITAS 5 MENIT-AN DENGAN METODE
GUMBEL,

Xt  X  SxK
untuk berbagai Xt
periode ulang
= intensitas (Tr)rencana
hujan
Yt  Yn _
K  X = intensitas rata-rata (244.8)
Sn
S = standard deviasi = 60,19. K = faktor
T 1 frekuensi.
Yt   Ln  Ln Reduced variate ”Yt, Sn, Yn” lihat tabel 
T K={(0,3065-0,4952) : 0,9497}=-0,20
Untuk Tr=2 
Periode Intensitas Standar K Intensitas hujan
_
Ulang Tr Rata-rata X d rencana 5’ (Xt)
Deviasi S 
Xt  X  SxK
2 244.8 60.19 -0.20 232.76  244,8  60,19(0,20)
5 244.8 60.19 1.06 308.51  232,76

10 244.8 60.19 1.85 356.08

20 244.8 60.19 2.61 401.71 DATA INI UNTUK
25 244.8 60.19 2.85 416.19 MENGGAMBAR
pada slide terakhir
50 244.8 60.19 3.59 460.78
 TABEL REDUCED STANDAR TABEL NILAI
DEVIASI, REDUCED VARIATE
Sn DAN REDUCED MEAN Yn. Yt.
n = jumlah data
n Sn Yn N Sn Yn Periode ulang Yt
10 0.9497 0.4952 60 1.1750 0.5521 2 0.3065
15 1.0210 0.5128 70 1.1850 0.5548 5 1.499
20 1.0630 0.5236 80 1.1940 0.5567 10 2.2504
25 1.0910 0.5390 90 1.2010 0.5586 20 2.9702
30 1.1120 0.5392 100 1.2060 0.5600 25 3.1255
50 3.9019
35 1.1280 0.5403 200 1.2360 0.5672
100 4.6001
40 1.1410 0.5436 500 1.2590 0.5724
45 1.1520 0.5463 1000 1.2690 0.5745
Yt  Yn
50 1.1610 0.5485 K 
Sn
● Dari Tabel slide sebelumnya dibuat gambar hub. intensitas hujan rencana dan
durasi untuk beberapa periode ulang. Dari sebaran data tsb. dibuat Analisis
Regresi yg hasilnya adl. kurva IDF yg merupakan bentuk
Pers. Regresinya
persamaan berpangkat, misal Tr 2 thn  Y  563,5 X 0 , 4587
dipakai rumus Talbot,
• Rumus yg dipilih utk pers. Regresi tsb, yang S nya terkecil Ishiguro, Sherman.
 460.78, Tr=50 thn
416.19, Tr=25 thn
Intensitas hujan 5 menitan
401.71, Tr=20 thn dengan periode ulang
356.08, Tr=10 thn 2,5,10,20,25,50 tahun.
308.51, Tr=5 thn

232,76 = Intensitas hujan rencana 5’, Tr=2 tahun

Intensitas hujan rencana 10’, Tr=2 tahun  belum dihitung.

Intensitas hujan rencana 15’, Tr=2 tahun
T=Tr = 2 thn Intensitas hujan renc. 30’, Tr=2 tahun
 ANALISIS
FREKUENSI
TUJUAN ANALISIS FREKUENSI ADALAH UNTUK
MENCARI HUBUNGAN ANTARA BESARNYA SUATU
(BANJIR
KEJADIANATAU KEKERINGAN) DAN FREKUENSINYA
EKSTRIM
DENGAN
MENGGUNAKAN DISTRIBUSI PROBABILITAS  YANG
DIPAKAI ADALAH
HUBUNGAN ANTARA DEBIT/HUJAN
BESARYA MAKSIMUM
KEJADIAN EKSTRIM
TAHUNAN.
DAN FREKUENSINYA ATAU PELUANG KEJADIANNYA
ADALAH BERBANDING TERBALIK1 SBB. :
X 
P
X = BESARNYA SUATU KEJADIAN.
P = FREKUENSI / PELUANG SUATU KEJADIAN.
JADI NILAI X AKAN MAKIN BESAR JIKA P MAKIN
KECIL.
MISAL : MAKIN BESAR CURAH HUJAN/DEBIT ”X”
MAKA FREKUENSI KEJADIAN P MAKIN KECIL,
ATAU :
 ● JIKA DATA DEBIT PENDEK, TAPI DATA
HUJAN
CUKUP PANJANG, MAKA BESAR DEBIT
BANJIR DAPAT DIHITUNG DENGAN MENGALIH
RENCANA
RAGAMKAN DATA CURAH HUJAN MENJADI
LIMPASAN, BIASANYA DENGAN MENGGUNAKAN
MODEL HIDROLOGI (paket program), SEPERTI :
SEASONAL MODEL, STANFORD WATERSHED MODEL DSB.
● JIKA DATA DEBIT ALIRAN CUKUP PANJANG
( 20)
MAKA DEBIT BANJIR RENCANA DAPAT
DIHITUNG
DENGAN MENGGUNAKAN METODE
STATISTIK,
YAITU DIANTARANYA DENGAN ANALISIS
FREKUENSI  SUATU ANALISIS TENTANG
BERULANGNYA SUATU KEJADIAN
DALAM
JUMLAH FREKUENSI PER SATUAN
METODE ANALISIS FREKWENSI MERUPAKAN METODE
YANG PALING BAIK KARENA DATA YANG DIGUNAKAN
UNTUK ANALISIS ADALAH DATA HISTORIES HASIL
PENGUKURAN DI
LAPANGAN, DENGAN SYARAT DATA TSB MEMPUNYAI
KUALITAS YANG BAIK DAN RANGKAIAN DATANYA
JUGA CUKUP PANJANG.
KEMUDIAN DENGAN MENGGUNAKAN SIFAT
STATISTIK DATA tsb (RATA², S, KORELASI) MAKA
AKAN DIDAPAT PROBABILITAS BESARAN DEBIT /
HUJAN UNTUK MASA YANG AKAN DATANG.
JADI DIASUMSIKAN BAHWA : SIFAT STATISTIK (Rata², S,
Kor.) DATA YANG TERSEDIA (DATA HISTORIES) = SIFAT
STATISTIK DATA YAD., YANG BERARTI BAHWA
MAKIN
SIFAT PANJANG RANGKAIAN
HIDROLOGIS DATANYA MAKA
& KLIMATOLOGIS DAS HASIL
ANALISIS
TERSEBUTYANG DIPEROLEH AKAN LEBIH BAIK
SAMA.
KARENA AKAN LEBIH MENDEKATI POPULASI YANG
 DATA-DATA
Analisis Frekuensi

Pengukuran Dispersi :
Nilai dari suatu variabel hidrologi tidak selalu sama
dengan nilai rata-ratanya, tetapi kemungkinan ada
nilai yang lebih besar atau
lebih kecil dari nilai rata-ratanya.
Besarnya dispersi dilakukan dengan pengukuran
dispersi, yakni melalui perhitungan parameter
statistik untuk (Xi–Xrt), (Xi–Xrt)2, (Xi–Xrt)3, (Xi–Xrt)4
terlebih dahulu.
Xi = Besarnya curah hujan DAS (mm).
Xrt = Rata2 curah hujan maksimum DAS (mm).
PARAMETER STATISTIK HIDROLOGI :
1
1. NILAI RATA-RATA (MEAN)X:
N
X
t
t

t  X t  X 
1 2
2. STANDARD DEVIASI S: 
N 1
S
Cv  
X Cv = koefisien variasi harga S terhadap nilai rata2-nya.
S² = Varian = besarnya derajad sebaran variat disekitarX.
Variat = nilai numerik suatu variabel (misal Hujan P = 200 mm).

3. KOEFISIEN SKEWNESS (MEASURE OF ASYMETRI) Cs

atau g : g=0
n 
N  (X i  X )3
g<0
g>0 g  i 1

( N  1)( N  2 ) S
3

g>0  CONDONG KIRI

g<0  CONDONG KE KANAN
g= 0  SIMETRIS  NORMAL
g ± 0.3  DIANGGAP NORMAL
4. KOEFISIEN KURTOSIS (MEASURE OF NORMALITY).
N2 
 tX  X  4

 t

 N  1 N  2 N  3S 4

JIKA  = 3,0 - 3,3 
DIASUMSIKAN BERDISTRIBUSI NORMAL.

<3
=3

>3
 PEMILIHAN JENIS
DISTRIBUSI :
DALAM ANALISIS FREKWENSI, DATA HIDROLOGI
(HUJAN, DEBIT) TERBUKTI SANGAT JARANG DIJUMPAI
RANGKAIAN
DATA YG. SESUAI DENGAN DISTRIBUSI NORMAL,
KEBANYAKAN MENGIKUTI DISTRIBUSI LOG
NORMAL/LOG PEARSON
DISTRIBUSI NORMAL TIPE
: X danIII.
S ; g = Cs = 0 ± 0.3
DISTRIBUSI GUMBEL : X dan S ; g = Cs = 1,14
DISTRIBUSI PEARSON TIPE III : 3 PARAMETER : X, S, g.
MENENTUKAN DEBIT ALIRAN / HUJAN DENGAN Tr
TERTENTU :
A. SECARA GRAFIS : dengan kertas probabilitas
1
PLOTTING POSITION : p
r Tr
p q 1 p
N 1 p = EXCEEDANCE PROBABILITY
q = SAFE PROBABILITY = 1-p = 0,98
= F(x)
N =JUMLAH DATA, r = ranking.
RANKING BESAR KE KECIL.
 CD
F
p●
●

●q

MISAL : BERAPA DEBIT BANJIR SUNGAI DENGAN Tr = 25 TAHUN ?

Tr = 25  p = 1/Tr = 1/25 = 0,04 = EXCEEDANCE PROBABILITY = p
q = SAFE PROBABILITY = 1-p = 0,96 = F(x)
 DAPAT DIBACA PADA KURVA CDFSEHINGGA DIDAPAT NILAI DEBIT.
Kertas
KertasProbabilitas
ProbabilitasDistribusi
DistribusiNormal
Normal
PROSEDUR  RANKING DATA :
● TENTUKAN PLOTTING POSITION, PLOT
PADA KERTAS PROBABILITAS.
● JIKA DATA MEMBENTUK GARIS LURUS,
MAKA DISTRIBUSI DATA = SEPERTI ASUMSI
PADA KERTAS PROBABILITAS.
● JIKA TIDAK, DICOBA LAGI DENGAN HARGA
LOGARITMA, AKAR ATAU DENGAN KERTAS
PROBABILITAS YANG LAIN.
● COCOK TIDAKNYA SUATU DISTRIBUSI,
RELATIF.
JADI DATA SAMPEL PERLU DICOBA DENGAN
BERBAGAI KERTAS PROBABILITAS
- COBA NORMAL  BUKAN :
- COBA LOG NORMAL  BUKAN
- COBA GUMBEL  BUKAN
- COBA LOG PEARSON III  PERLU DI
DALAM PENGUJIAN DATA HUJAN DAN DATA DEBIT DI
P. JAWA OLEH Prof. Sri Harto DITEMUKAN BAHWA :
- DISTRIBUSI GUMBEL DAN DISTRIBUSI NORMAL
HANYA SESUAI DENGAN 7 % KASUS.
- ± 90 % LAINNYA TERNYATA MENGIKUTI
DISTRIBUSI LOG NORMAL DAN LOG PEARSON
TIPE III.

- DISTRIBUSI X : Xrt, S, g (Cs)

DISTRIBUSI LOG X : Log X, Log S, gLog.
MISAL : X LOG X
10 1
11 1,04
20 1,30
n ......
Ʃ=A Ʃ=B Xrt = anti Log
Xrt = A/n Log Xrt = B/n
CONTOH 1. CARA GRAFIS : N = 19 p
r
( N  1)
q=1-p
RUN OFF RANKED OF EXCEEDANCE SAFE
YEAR MILLIONS M3 RANK – r RUNOFF PROB. % PROB. %
1
1951 127 1 128 5 95 p  5%
19  1
1952 122,5 2 127 10 90
1953 104 3 122,3 15 85
1954 119 4 122 20 80
1955 86 5 121,1 25 75
1956 113 6 121 30 70
1957 96 7 119 35 65
1958 111 8 113 40 60
1959 93 9 111 45 55
1960 121,1 10 108 50 50
1961 108 11 104 55 45
1962 85 12 102 60 40
1963 121 13 100 65 35
1964 102 14 98 70 30
1965 100 15 97 75 25
Untuk
1966 97 16 96 80 20
1967 128 17 93 85 15
gambar
1968 122 18 86 90 10
1969 98 19 85 95 5
PLOT PADA KERTAS PROBABILITAS NORMAL SBB.  JIKA
MEMBENTUK GARIS LURUS  DISTRIBUSINYA ”NORMAL” :

KEUNTUNGAN CARA GRAFIS :

TIDAK PERLU MENGHITUNG Xrt
144 DAN S, TAPI DALAM PENARIKAN
GARIS LURUS SUBYEKTIF 
PENARIKAN GARIS LURUS YANG
PALING BAIK DENGAN LEAST
SQUARE  PERLU
DIHITUNG Xrt DAN S.

BERAPA BESAR DEBIT ALIRAN TAHUNAN DENGAN Tr

=100 tahun ?.
DARI GAMBAR DIATAS YG DI EXTRAPOLASI, DIDAPAT
DEBIT ALIRAN sbb :
P = 1/Tr = 1%  SAFE PROBABILITY = 100 - P = 99% 
Jadi VOLUME
DIPEROLEH : Limpasan dg Tr=100 Tahun = 144 juta m³.
 GOOD FIT

Ekstrapolasi

Membentuk garis lurus

 WORST FIT

Deviasi
terlalu besar
SEE YOU NEXT WEEK

KATHEDRAL DIDALAM KREMLIN, RUSIA 2009.

 DATA-DATA 40 mm 74 mm

20 mm
93 mm

123 mm

A3
A1 A2
A4 100 mm
STASIUN HUJAN
A5 & TEBAL HUJAN
57 mm
80 mm
40 mm

20 mm

120 mm

R0 = 20 mm
R5 = 120 mm
60 mm

R1 = 40 mm R3 = 80 mm
R4 = 100 mm
R2 = 60 mm
Pertambahan nilai 20 mm

METODE ISOHYET
PETA ISOHYET JAWA
TENGAH
 Tr DITENTUKAN OLEH BEBERAPA FAKTOR
SBB :

POLITIK, EKONOMI, SOSIAL (KETERSEDIAAN DATA

DAN DANA, DAERAH YANG DILINDUNGI).
UKURAN DAN JENIS PROYEK, KEBIJAKAN POLITIK
DAN TEKNIS, DI MANA FAKTOR TEKNIS BIASANYA
MENEMPATI URUTAN TERBAWAH 
JADI FAKTOR TEKNIS TIDAK BERSIFAT PALING
MENENTUKAN DIBANDING DENGAN FAKTOR YG
BIASANYA TR DAPAT DIPEROLEH
LAIN. SETELAH
DILAKUKAN
ANALISIS EKONOMI  SEHINGGA TR UNTUK
BESARAN
HUJAN / BANJIR DITENTUKAN SECARA
KOMPROMI
DALAM PRAKTEK
ANTARA TIDAK
FAKTOR2 ADA
TSB. DI PEDOMAN YANG JELAS
ATAS (Pol.Ek.Sos.Tek).
UNTUK MENENTUKAN TR KARENA “FAKTOR LOKAL”
LEBIH BANYAK MENENTUKAN.
 Hujan Berpeluang Maksimum
(Probable Maximum Precipitation, PMP)
Berdasarkan rumus Hersfield yang berdasarkan atas
persamaan Frekuensi umum, kemudian dikembangkan oleh
Chow (1951) dalam Ward dan Robinson (1990). Rumus tsb.
mengaitkan antara besarnya PMP untuk lama waktu hujan
tertentu terhadap nilai tengah (Xn) & standar deviasi (Sn).
PMP  Xn  Km .Sn
PMP = Probable Maximum Precipitation.
Km = faktor pengali terhadap standar deviasi, Km = 20.
Xn = nilai rata-rata hujan maksimum tahunan.
Sn = standar deviasi data hujan maksimum tahunan.
Contoh : Xn = 86,250mm ; Sn = 26,850
PMP = 86,250 + (20 x 26,850) = 623,250 mm.
Untuk perencanaan bendungan, besarnya PMP yang akan
digunakan untuk perhitungan PMF adalah sebesar 1/3 PMP.
 II. Perhitungan Intensitas curah hujan
dengan Cara Koefisien Spesifik :
Cara ini digunakan untuk mendapatkan :
Rumus Intensitas Curah hujan, berdasarkan 2 (dua)
jenis data curah hujan, misal :
Curah hujan 60 menit dan 10 menit.
Dengan adanya data curah hujan 60 menit, intensitas
dapat dihitung dengan mudah dgn. ketelitian tinggi.
Semua kurva intensitas curah hujan, dapat dinyatakan
dengan koefisien, yang menunjukkan kemiringan
kurva, dikalikan dengan intensitas curah hujan 1 jam.
Koefisien ini disebut koefisien spesifik.
SYARAT ANALISIS FREKWENSI DATA HIDROLOGI :
1. DATA HARUS KONSISTEN & SERAGAM (HOMOGEN)
 BERASAL DARI POPULASI YANG SAMA
 STASIUN PENGUMPUL DATA HUJAN / HIDROMETRI
TIDAK DIPINDAH & DAS TIDAK BERUBAH MENJADI
DAS PERKOTAAN DAN
 TIDAK ADA GANGGUAN LAIN YANG MENYEBABKAN
DATA YANG TERKUMPUL MENJADI LAIN SIFATNYA.
2. INDEPENDENT  BESARAN DATA EKSTRIM TIDAK
TERJADI LEBIH DARI SATU KALI.
3. MEWAKILI UNTUK PERKIRAAN KEJADIAN YG AKAN
DATANG
 TIDAK TERJADI PERUBAHAN AKIBAT ULAH
MANUSIA
SECARA BESAR-BESARAN, TIDAK DIBANGUN
KONSTRUKSI