Analisis Frekwensi

Latar belakang
• Pendayagunaan sumber daya air memerlukan pemahaman
tentang ketersediaan air.
• Ketersediaan air dapat diperoleh dari informasi debit
berdasarkan data debit aliran permukaan ataupun debit
simulasi neraca air.
• Ketersediaan air dapat di ekspresikan oleh suatu parameter
debit andalan
• Debit yang terjadi pada suatu lokasi merupakan variabel
(bervariasi terhadap waktu)
• Penentuan parameter debit andalan memerlukan analisis
statistik berdasarkan data debit atau debit simulasi
 Analisis Frekwensi/Frequency Analysis

• Aplikasi penting dari analisis frekwensi adalah studi mengenai

kejadian ekstrim (debit banjir atau hujan ekstrim)
• Subyek ini didasarkan pada hubungan sederhana antara
perioda (T) dan frekwensi (f) f=1/T dengan satuan perioda
adalah tahun
• Secara histori terdapat banyak pendekatan i.e Horton 1913
menggunakan distribusi normal, Fuller (1914), Hazen (1914)
menggunakan distribusi log normal, Foster (1924)
menggunakan distribusi Pearson. US-IACWD (1983)
menggunakan distribusi log pearson tipe III, Gumbel (1943)
menyusun distribusi yang saat ini banyak digunakan di
seluruh dunia
 Extreme Discharge
• Flood Design for Certain Return Period
– Applicable for lower hazard structure such as buidings
– To ensure that structure is built for optimum service time
• Probable Maximum Flood (PMF)
– Applicable for major structures such as high hazard dams,
major spillways, nuclear power plant
– To ensure that the probability of the failure due to flooding
is extremely small
 Return Period, Frequency & Risk
Exceedance Probability of an Extreme Discharge (Q) for any year is frequency (1/T)
1
P (Q ) 
Probability of Q for not happening inT
any years is:

1
P (Q)  1 
T
Probability of Q for not happening in n years is:
n
 1
P ( Q )  1  
 T
The Risk of Q to occurs in n years is:
n
 1
R (Q)  1  1  
 T
In this subject, Q can be rainfall or discharge
 Contoh
• Berapakan periode ulang yang harus
ditentukan jika resiko yang bisa ditanggung
sebuah bendung adalah 40 %. Umur layan
bendung tersebut adalah 10 tahun.
n
 1
R(Q)  1  1  
 T
1
T
(1  (1  R (Q ))1/ n
1
T  20.08  20
(1  (1  0.4)1 / 10
 Kriteria Desain
• Saluran di Perumahan, Parkir, Drainase Mikro:
T=5-10 tahun
• Pelabuhan, Lapangan Udara, Infrastruktur
Penting: T=10-25 tahun
• Main Drain: T=25-50 tahun
• Spillway bendung: T=50-100 tahun
• Tubuh Bendungan: Probable Maximum Flood
Prosedur Perhitungan jika menggunakan data
debit
1. Data (Informasi) debit maksimum dipilih setiap tahun (1 nilai per
tahun)
2. Periode data yang digunakan semakin panjang semakin baik (10
tahun, 20 tahun, 30 tahun)
3. Masing-masing data debit diurutkan dari besar ke kecil.
4. Hitung probabilitas terlampauinya untuk masing masing data
debit (exceedance probability) dengan weibull
5. Uji probabilitas data debit debit dengan membandingkan
exceedance probability yang dihitung pada point 4
6. Extrapolasi nilai debit ekstrim berdasarkan exceedance probability
yang dipilih dari kriteria desain dengan menggunakan jenis
probabilitas yang sesuai.
Prosedur Perhitungan jika menggunakan data
hujan
1. Data (Informasi) hujan harian maksimum dipilih setiap tahun (1 nilai per tahun)
2. Periode data yang digunakan semakin panjang semakin baik (10 tahun, 20
tahun, 30 tahun)
3. Masing-masing data hujan diurutkan dari besar ke kecil.
4. Hitung probabilitas terlampauinya untuk masing masing data hujan (exceedance
probability) dengan weibull
5. Uji probabilitas data debit debit dengan membandingkan exceedance
probability yang dihitung pada point 4
6. Extrapolasi nilai hujan ekstrim berdasarkan exceedance probability yang dipilih
dari kriteria desain dengan menggunakan jenis probabilitas yang sesuai.
7. Gunakan teknik analisis debit untuk mencari debit ekstrim berdasarkan data
hujan. Hal ini didasari dengan asumsi bahwa debit ekstrim T tahunan
berdasarkan hujan ekstrim T Tahunan.
 Data Historis Debit

Terkait number of
sample n
1 m
P(Q )  
T n 1
n
 1 Dimana m=ranking
P ( Q )  1  1  
 T

Weibull Plotting
 Faktor Frekwensi
• Setiap nilai random variable dapat didekati dengan
persamaan:
x  x  x
• Dx diekspresikan sebagai simpangan yang sebagai produk
dari s (Standard Deviasi) dan K (faktor frekwensi)

x  x  Ks
atau

x s
 1  KCv Dimana, koefisien keragaman Cv 
x x
 Metodologi Log Pearson tipe III

1. Kumpulkan seri data tahunan xi

2. Hitung yi=log xi
3. Hitung mean y (y), standard deviation sy, dan skew
coefficien Csy
4. Hitung logaritmik dari Qi
log Qi  y  K j s y

dimana Kj frekwesi faktor (lihat tabel)

5. Hitung Q untuk setiap Pj dengan operasi anti logaritmik
6. Plot Q vs probabilitas Pj di kertas probabilitas log pearson III.
7. Bandingkan dengan data
Skewness

1. Skewness (a)
N
N
a 
( N  1)( N  2) i 1
( xi  x ) 3

2. Skew Coefficient
a
Cs 
SX
Metodologi Log Pearson
tipe III (cont’d)
Metodologi Log Pearson
tipe III (cont’d)
 Distribusi Gumbel
1. Kumpulkan seri data tahunan xi
2. Hitung mean x (x), standard deviasi s
3. Hitung mean variate yn dan standard deviasi variate sn
sebagai fungsi dari n (lihat tabel_
5. Pilih beberapa periode ulang Tj dan Pj yang sesuai
6. Hitung Gumbel Variates yj yang berkesesuaian dengan Pj
dengan persamaan
y  yn T
xx s dimana y   ln ln
n T 1
7. Plot di kertas probabilistik gumbel Q vs P, bandingkan
dengan data
Metodologi Gumbel
(cont’d)
Metodologi Gumbel
(cont’d)
 Probable Maximum Flood
• Probability of PMF had been reluctantly assigned by
hydrologist (Shalaby, 1994)
• PMF associated with Probable Maximum Precipitation (PMP)
• Estimation of PMP is based on frequency analysis with series
of annual maxima variable
x  x  Ks
– Where : s=Standard Deviation and K Frequency Factor
– K is estimated based on probability type of variable, such as Normal,
Lognormal, Gumbel, Log pearson III, Log Gumbel etc
• Researchers agrees that estimation of PMF corresponds with
very high return periods, example 600.000 years for log
gumbel (Shalaby, 1994)
 Estimation of K

Source: Engineering Hydrology, Ponce