Você está na página 1de 140

hidrologi

Apllriltdode
Statbtik
antuk Analba ilata

tilid t

st\hr.\\ \ II\II R
8

; ,;ilafbit 'N O V A'

Soewarno

hidrolo sl
Aplknl Metode Statbtlk untuk Analln Data

rilid t

Soewarno
.N PEr{ERBIT ilr xorrx ?os 146!'BAllDUtlO

OVf

gtlo,r lnff

T(ATA PEIIICAITTTAN
dipanjatkan kepada Tuhan atas segala ruhrrrrrl:Nyr, pcnulis dapat menyusun buku ini. Disusun dengan
mnksurl ntcngcnalkan aplikasi metode statistik dalam analisis data hidrokrgi pada kegiatan penelitian yang terkait dengan hidrologi atau sumber daya air, baik oleh hidrologiwan, dosen dan mahasiswa maupun para tenaga fungsional seperti peneliti, perekayasa dan litkayasa serta konsultan teknik.

t'rrii syitkur

Buku dengan judul HIDROLOGI - Aplikasi Metode Statistik untuk Analisa Data, terdiri dari 2 (dua) jilid. Untuk Buku jilid I di mulai tentang uraian metode statistik, variabel hidrologi, pemilihan sampel dan data hidrologi pada Bab I, dilanjutkan tentang pengukuran parameter statistik, yaitu pengukuran tendensi sentral dan dispersi pada Bab II.

HAK PENULIS DILINDUNGI OLEH UNDANG-UNDANG


DILARANG MEMPERBANYAK SEBAGIAN
ATAUPUN SELURUHNYA

Aplikasi distribusi peluang diawali dengan uraian distribusi deskrit, yang meliputi distribusi Binomial dan Poisson disajikan pada Bab III, yang kemudian dilanlrtkan dengan aplikasi distribusi kontinyu mpliputi distribusi : Normal, Gumbel Tipe I, Gumbel Tipe III, Pearson Tipe III, Log Pearson Tipe III, Frechet, log normal dua parameter, log normal tiga parameter dan distribusi Goodrich. Analisis distribusi peluang disajikan pada bagian akhir Bab III, yang meliputi : pengumpulan data, periode ulang, penggambaran, penarikan garis kurva dan uji kecocokan yaulrg meliputi uji
chi-kuadrat dan Smirnov Kolmogorov. Dari Bab IV, akan diuraikan tentang aplikasi metode statistik untuk memperkirakan debit puncak banjir dari suatu daeratr pengaliran sungai (DPS). disampaikan cara memperkirakan debit puncak banjir tahunan rata-rata dengan metode serial data, metode POT dan metode analisis regional disertai perkiraan periode ulangnya. Perbaikan perkiraan debit banjir dan di akhiri dengan cara memperkirakan debit banjir berdasarkan data tinggi muka air.
ru

DARI BUKU INI DALAM BENTUK STENSIL,


FOTO COPY, ATAU CARA LAIN

TANPA IJIN PENULIS

I,,{E} Ii.tBadan FerPr.rl'':;r''ilaltn '! Fropinri ,i r';rr rr'lr-lt

Ilct ,i)r httl

akan diuraikan tentang Aplikasi Uji Hipotesis, Analisis Deret Berkala, Aplikasi Model Regresi dan uji Ketelitian Pengukuran Debit menggunakan Alat Ukur Arus dan Ambang.
Dengan maksud memudahkan pemahaman aplikasi metode statistik untuk analisis data hidrologi, setiap tahapan uraian selalu disajikan contoh persoalan. Namun demikian hendaknya hasil perhitungan dari setiap contoh untuk tidak dijadikan kesimpulan tentang penomena hidrologi dari pos hidrologi atau DpS yang bersangkutan. Pada pokoknya contoh-contoh pada buku ini dimaksudkan hanya sekedar untuk memudahkan pemahaman bukan untuk t rJuan analisis penomena hidrologi yang sebenarnya.
Penulis mengucapkan banyak terima kasih kepada Bapak Ir. Joesron Loebis. M. Eng; Bapak Ir. Ali Hamzah Lubis, Bapak Ir. Sampudjo Komara Winata M.Eng, Bapak Ir. Bambang Kayanto.

Untuk buku

jilid II,

dafitat isi

Kata Pengantar Daftar Isi

tii
v

kesempatan dan bimbingan sepenuhnya kepada penulis untuk melaksanakan penelitian dalam bidang hidrologi terapan sehingga bermanfaat pada penulisan buku ini. Kepada penerbit Nova yang telah menerbitkan buku ini dan kepada semua pihak yang telah membantu, penulis mengucapkan terima kasih.

Dpl. HE, yang telah memberikan

1. PENDAHULUAN

t.l

Pengertian Umum

l.l.l.

Statistik 1.1.2. Metode Statistik

I I I
2 6
T1

Kepada istri tercinta Siti Nurhidayatun dan kedua anak tersayang Teddy Nurhidayat dan Dwiki Nurhidayat, terima kasih
atas kesabaran dan dorongannya.

t.2. Variabel Hidrologi 1.3. Pemilihan Sampel Data Hidrologi t.4. Data Hidrologi,
1.4.1. Pendekatan Proses Hidrologi 1.4.2. Kualitas Data Hidrologi 1.4.3. Pengujian Data Hidrologi 1.4.4. Tipe dan Penyaiian Data Hidrologi 2. PENGT]KURAN PARAMETER STATISTIK

18

18 20 23 39

Akhir kata, penulis menyadari bahwa tulisan ini masih jauh dari sempurna, oleh karena itu kritik dan saran dari semua pihak
akan penulis terima dengan senang

hati.
Bandung, 14 April 1995

DATA HIDROLOGT
2. 1. Pengukuran Tendensi Sentral

37
38 38

Penulis: Soewarno
lV

2.1.1. Rata-rata Hitung 2.1 .2. Rato-rata Timbang 2.1.3. Rata-rata (Ilatr

47
50

2.1.4. 2.1.5. 2.1.6. 2.1.7.

Rata-rata Harmonis Median Modus

52

57
63

3.3.6. Aplikasi Distrihusi Grtodrich 3.4. 'fahapan Aplikasi I)istribusi Peluang 3.4.1. Pengumpulun l)ulu 3.4.2. l'criodc Ilhug 3.4,3. I'tngl4nthurun Kurva Distribusi Peluang
J.1.3.1. Kcrtas Grafik Peluang 3.4.3.2. Penggambaran Posisi Data 3.4.4. Penentuan Kurva Persamaan Distribusi Peluang 3.4.5. Batas Daerah Kepercayaan Periode Uang 3.4.6. Uji.Kecocokan 1. Uj i Chi-Kuadrat 3. 4. 6. 2. Uj i Smirnov - Ko lmo gorov
3. 4. 6.

/.t8 t6J
163

Kuartil

68 69
70

2.2. Pengukuran Dispersi 2.2.1. Range 2.2.2. Deviasi Rata-Rata 2.2.3. Deviasi Stqndar dan Varion 2.2.4. Koefisien Variasi 2.2.5. Kemencengan 2.2.6. Kesalahan Standar 2.2.7 . Pengukuran Momen 2.2.8. Pengukuran Kurtosis

169

t7t
17t
173
...

7l
75

80

173

8t
83 85

177

r93
194
198

89
92

2.3. Contoh Aplikasi Awal Parameter Statistik

3.4.7. Pemilihan Persamaan Distribusi yang sesuai ........

207

3. APLIKASI DISTRIBUSI PELUAI\G TINTUK ANALISIS DATA HIDROLOGI


3.1. Pendatruluan 3.2. Aplikasi Distribusi Peluang Deskrit
3.2.1. Aplikasi Distribusi Peluang Binomial 3.2.2. Aplikasi Distribusi Peluang Poisson

97 97
99 99
102

4. APLIKASI METODE STATISTIK UNTUK MEMPERKIRAKAN DEBIT BANJIR


4.1. Pendahuluan 4.2. Memperkirakan MAF

227 227
229

4.2.I. Metode Serial Data 4.2.2. Metode POT


4.2.3. Metode Regresi

229
235 242

3.3. Aplikasi Distribusi Peluang Kontinyu

106 106
123

3.3.1 Aplikasi Distribusi Normal


3.3.2. Aplikasi Distribusi Gumbel
3.3.2.1 Aplikasi Distribusi Gumbel Tipe 3.3.2.2 Aplikasi Distribusi Gumbel Tipe

4.3. Perbaikan Nilai Perkiraan Debit Banjir


4.3.1. Membandingkan metode 4.3.2. Membandinglcan pengamatan yang lebih lama 4.3.3. Membandingkan data dari tempat lain
4.4. Memperkirakan Debit Banjir Berdasarkan Data Tinggi Muka Air

250
250

I
III

123
131

2s3
258

3.3.3. Aplikasi Distribusi Pearson


3.3.3.1 Aplikasi Distribusi Pearson Tipe III 3.3.3.2 Apt'ikasi Distribusi Log Pearson Tipe

136
138

261

III

141

3.3.4. Aplikasi Distribusi Frechet 3.3.5. Aplikasi Distribusi Log Normal


3.3.5.1 Aplikasi Distribusi Log Normal 2 parameter j.3.5.2 Aplikasi Distribusi Log Normal 3 Parameter

145 148 149 154

Dafior Bacaan

265

vl

vll

bab t
pendohluluan
I.1. PENGEBTIAN UMUTIT
1.1.1.

Statirtik

Data hidrologi adalah kumpulan keterangan atau fakta mengenai penomena hidrologi (hydrologic phenomena). Data hidrologi merupakan bahan informasi yang sangat penting dalam
pelaksanaan inventarisasi potensi sumber-sumber air, pemanfaatan dan pengelolaan sumber-sumber air y.ang tepat dan rehabilitasi sumber-sumber alam seperti air, tanah dan hutan yang telah rusak. Penomena hidrologi seperti besarnya : curah hujan, temperatur, penguapan, lama penyinaran matahari, kecepatan angin, debit sungai, tinggi muka air sungai, kecepatan aliran, konsentrasi sedimen sungai akan selalu berubah menurut waktu. Dengan demikian suatu nilai dari sebuah data hidrologi itu hanya dapat diukur satu kali dan nilainya tidak akan sema atau tidak akan dapat terjadi lagi pada waktu yang berlainan sesuai dengan penomena pada saat pengukuran nilai itu dilaksanakan.

Kumpulan data hidrologi dapat disusun dalam bentuk daftar atau tabel. Sering pula daftar atau tabel tersebut disertai dengan gambar-gambar yang biasa disebut diagram atau grafik, sering pula disajikan dalam bcntuk peta tematik, seperti peta curah hujan, peta tinggi muka air dengan maksud supaya lebih dapat menjelaskan

il

tcntang pcrsoalan yang dipelajari. Kata statistik telah umum untuk menyatakan kumpulan keterangan atau fakta dari suatu penomena, yang biasanya berbentuk angka yang disusun dalam tabel dan atau diagram. Sembarang nilai yang dihitung dari suatu data sampel (sample) disebut dengan statistik (statistics), nilai yang dimaksud misal rata-rata, deviasi, maksimum, minimum dari data sampel. Statistik yang menunjukkan nilai sesuatu data biasanya diberi nama sesuai dengan data yang disajikan, misal statistik curah hujan, statistik penduduk, statistik pendidikan, statistik produksi, statistik pertanian dan sebagainya. Statistik data hidrologi umunnya disajikan dalam bentuk tabel dan diagram dan dihimpun dalam suatu buku publikasi data hidrologi tahunan, misal "Buku publikasi Data Debit Sungai Tahun 1993". (Bagi para pembaca yang ingin mendapatkan data debit sungai dari suatu pos duga air dapat menghubungi Balai Penyelidikan Hidrologi, Pusat Penelitian dan Pengembangan Pengairan, dari Badan Litbang Departemen Pekerjaan Umum di Bandung). Tabel 1.1, menunjukkan salah jatu contoh statistik data hidrologi, yaitu tabel yang menunjukkan data curah hujan rata-rata daerah pengaliran sungai (DPS) Citarum.

pcltyrtiintt rlttlrt 'ir'lttttlipirt rlrtltttl nr('nrl)(:riktut irrlirrrrrirsi yirng bcrgrlrrr. l)t'ttgtttt rh'ttrtLtiln (llrlimr slirlrslikir tlcskriptip nrclrrbcrikan inlirrrrrasi

Iutttyl trrlrirt.r\ rliur lrirrllr rlirrl ylng disa.iikan dan sanra sekali titlak
tt tc I irh r th irr

r I rt'r

rr

lrr

Irllrrr

k csr rrr

pulirn atau penafsiran.


(dalam mm).

lnbcl l.l. ('urah tlujan Rata-Rata DPS Citarum


Sub. DPS . Nanjung (luas
Januari

lJulun

1718 km'1)

Sub. DPS Nanjung Palumbon (luas ; 2j43 km'1) 283 260


307 294

Sub. DPS Palumbon

Jatiluhur
(luas

: 5j9 km'))
325
306 338 308 223
148 108

289
262 308

Februari Maret

April
Mei
Juni

26'l
185

219
128 99
101

98
73

Juli Agustus
September

64
83

98 123

t34
237 306

Oktober

177

283
337

1.1.2. Itfetode

statistih

November
Desember Tahunan

276

Keterangan atau fakta mengenai penomena hidrologi dapat

302 2.384

290

325 2.877

dikumpulkan, dihitung, disajikan

dan ditafsirkan dengan

2.6s8

menggunakan prosedur tertentu, metode statistik dapat digunakan untuk melaksanakan penggunaan prosedur tersebut. Dengan demikian secara umum dapat dikatakan bahwa metode statistik adalah prosedur yang digunakan dalam pengumpulan, perhitungan, penyajian, analisis dan penafsiran data. Metode tersebut dapat dibedakan menjadi dua, yaitu : statistika deskriptip (desuiptive statistics), 2). statistika penafsiran (s tatis t ical infere nce).

Sumber

UNDP/WMO project INS/78I03g


Data tahun

lt79 -

1979.

l).

Data yang disajikan pada tabel l.l, menunjukkan besarnya curah hujan rata-rata dari daerah pengaliran sungai (Dps) citarum Hulu dari dam Jatiluhur, merupakan contoh tabel statistik data hidrologi. Data dikumpulkan dan dihitung dari I l0 pos curah hujan, yang
sebagian besar dibangun setelah tahun 1940, sebagian data dihitung berdasarkan pencatatan curah hujan sejak tahun 1g79. Dari I l0 pos

Statistika deskriptip (descriptive statistics) adalah metodemetode yang berkaitan dengan pengumpulan, perhitungan dan

8 diantaranya merupakan pos curah hujan otomatik. Dari tabel l.l dapat memberikan .informasi yang

curah hujan tersebut

Tabel
Tahun
197 4 197 5

1.2 Debit Aliran


Feb. 70,4 I 15,0

Sungai Serayu-Mrica (m7det.)

Jan

Mar.

Apr.

Mei

Jun.

Jul.

Agt.

Sep.

Okt.

Nop

Des.

Tahunan

I14,0
146,0 1976
1977
l 978

134,0 106,0 91,6 90,8 97,9 1919 76,4 185,0 123,0 133,0

84,2

31,I

23,4

38,6

53,7

56,0

168,0

105,0

l/atrirc.a lt-.e;rcn set@ ,eearr 9l,l l.2to.u : i l2l,0


90,9
37,7 46,0 20,6

25,7 9,72

18,6 8,75

60,6 8,14

182,0

226,0

138,0

I16,0
45,0

2.440.0
r30,0 I13,0
92,4 103,0 104,0 63,9 65,9 25,6 18,0 19,8

I -:

.-<

I12,0

63,4

l.t5o.o t2,t
l16,0
I 14,0 Rata-rata
Malcsimum 102,7 146,0 65,2 68,3
3 1,0

87,1

61,2

i r.240.0 i li
7t,3
I14,0
102,8 I 15,0 103,0 133,0 75,8

:s tt
41,8 I12,0
5 1,8

89,4

74,9 23,6
16,7

84,5

I13,0
24,2
36,1 58,7 86,1

84,2

r.450,0
72,8

,:-i

I ee7.o I
t24,0
185,0
r 10.0

t.6{
8l,
134,0
r

47,7
121,0 71,3

30,6 75,8 Minimum


70,4 16,4 103,0 65,2 31,7

23,7

42,6

84,5

I15,4

106,9

81,4

4l,E
20,6 Sumber : Puslitbang Pengiran, Laporan No. 90/HI - 18/1989. 9,12
8,75

89,4
8,

182,0

226,0

138,0

I16,0

l4

t2,l

31,0

86,1

6t,2

rn'/tlet/bulan. Scdangkan

debit

rata-ratanya adalah

81,4

rnr/det/bulan. Dari tabel I .2 juga dapat diketahui bahwa debit banjir terbesar adalah 2.440 m3ldet, dan debit terkecil yang pernah terjadi adalah 5,8 m3ldet.

sedimen. curah hujan. penguapan, masing-masing ttapat ttirryallktrr dengan sebuah simbol, misal debit dinyatakan dengan simbol (e),

Informasi hidrologi yang ditunjukkan pada tabel 1.2 sangat bermanfaat bagi perencanaan sebelum waduk tersebut di bangun dan pengoperasian waduk PLTA. pB. Sudirman. Dari uraian tabel 1.2 tersebut kita membicarakan suatu nilai yang termasuk dalam statistika deskriptip. Akan tetapi kalau kita berbicara debit banjir sama atau lebih dari 2.440 m3/det, rata-rata akan terjadi berapa kali dalam sekian tahun, atau debit minimumnya sama atau kurang dari 5,8 m3/det, rata-rata akan terjadi berapa kali dalam sekian tahun maka kita telah membuat suatu penafsiran, ini berarti kita telah
berada dalam statistika penafsiran.

curah hujan dengan simbol (R) dan sebagainya. Simbol yang menyatakan sebuah penomena hidrologi disebut dengan variabel (vuriahlc). I)alam statistika suatu variabel dinyatakan dengan sinrbol : X, Y dan scbagainya. Variabel hidrologi (hydrologic wtriuhlc) rncrrcrangkan ukuran dari pada penomena hidrologi, misal dchit rata-rata harian, curah hujan rata-rata jam-jaman dan scbagainya. Sebuah nilai numprrk (numerical value) dari sebuah
variabel disebut dengan variat (variate), pengamatan (obs ervat i on), pengukuran (measurement), misalnya saja X : 130,0 m3/det. Pengukuran dapat mempunyai nilai positip, misal tinggi muka air sungai, debit, dan dapat pula mempunyai nilai negatip, misal tinggi muka air sumur, temperatur. Untuk nilai negatip umumnya disesuaikan menjadi nilai positip.

Penarikan kesimpulan yang berhubungan dengan statislika penafsiran selalu mempunyai sifat tidak pasti, karena analisisnya hanya berdasarkan sebagian data. Untuk memperhitungkan ketidakpastian ini diperlukan pengetahuan tentang teori peluang (probability). Teori peluang sangat bermanfaat dalam memperkirakan frekuensi banjir, kekeringan, tampungan, curah hujan, dan sebagainya. Prosedurnya dapat dilakukan dengan analisis frekuensi (frequency analysis), berdasarkan data hidrologi yang telah dikumpulkan, selama kurun waktu yarrg cukup lama, umumnya minimal selama 30 tahun dipandang cukup. Statistika penafsiran sering dipakai dalam setiap penelitian hidrologi, karena dalam setiap penelitian hidrologi harus diperoleh suatu kesimpulan. Untuk melakukan penaf-siran diperlukan analisis deskriptip yang benar, sedang untuk analisis statistika deskriptip yang benar diperlukan prosedur pengukuran dan pengolahan data lapangan yang benar.

Didalam statistika, variabel dibedakan menjadi 2, yaitu variabel kontinyu (continuous variable) dan variabel deskrit atau variabel terputus (discrete varioble or discontinuous variable). Sebagai contoh, dari suatu pos duga air sungai dilakukan pengukuran tinggi muka air, menggunakan alat duga air otomatik, atau logger, maka grafik tinggi muka air yang dihasilkan dapat disebut sebagai variabel kontinyu, sedangkan pengukuran debit
yang dilakukan sebulan sekali disebut dengan variabel deskrit atau variabel terputus.

Gambar l.l, menunjukkan contoh variabel.kontinyu, data hidrograp debit sungai yang dihasilkan dari pencatatan fluktuasi muka air sungai, setelah dialihragamkan menjadi data debit.

1.2.

VARIABEL HIDROLOGI
Penomena hidrologi, seperti tinggi muka air, debit, angkutan

sungai cikapundung-Gandok, menunjukkan contoh variabel deskrit. Data tinggi muka air dan debit setiap tanggal pengukuran dapat dianggap sebagai variabel deskrit.

Tabel 1.3, menyajikan data pengukuran debit

Dalam suatu penelitian hidrologi untuk mendapatkan

imt .rcric.r. tnisal gunttritr l.l) dan apabila di susun scoara kronologis dcngan interval waktu yang tidak sama maka di sebut dengan
lrcrkrrlrr krrrrtinyu (cttnl inuous
I

deret berkala tidak kontinyu (discontinuous time series) misal data tabel 1.3.

: a ! ;
F

Tabel 1.3. Variabel Deskrit Data Pengukuran Debit


Sungai Cikapundung - Gandok.

I
t
Tanggal

Jam
12.30 10.15 16.10

H
0,480 0,300 0,340 0,550 0,460 0,920 0,510 0,600 0,480 0,430 0,390 0,290 0,400 0,810
0,710 0,600 0,460

o
3,1 30

26-0t-76 t9-06-76

1,150 1,670

05-ll-76
Gambar I.

l.

Contoh Variabel Kontinyu Hidrograf Debit Bengawan Solo'Bojonegoro 1992 ( Puslitbang Pengairan, 199i).

20-12-76 20-01-77 t3-02-77

17.00 09.30
10.15 12.10

3,830 2,760 8,220 3,080 4,250 2,850 2,740 2,120


1,270

kesimpulan yang baik, maka data hidrologi dapat dinyatakan sebagai variabel statistik (stqtistical variable). Sembarang nilai yang dapat menunjukkan ciri dari suatu susunan data disebut
dengan parameter Qtarameters). Parameter yang digunakan dalam analisis susunan data dari suatu variabel disebut dengan parameter statistik (statistical porameters) seperti : rata-rata, nlode, median, koefisien kemencengan (skewness cofficient), dan sebagainya (lihat bab II).

0t-03-77 t6-04-77 t7-05-77


05 - 07

10.30
1

3.10 5.00

-77

14.15
r

t2-07 -77

20-tt-77
08-08-78 08- 12-7E
19-01 -79

t6.l0
08.r0
r
t

2,340
8,310

l.t5
0.40

4,940 4,350 2,900 2,130 2,660 3,440 2,260

Dalam metode statistik, susunan data hidrologi dapat disebut dengan distribusi (distribution) atau seri (serles). Ada beberapa pengertian yang berhubungan dengan susunan data dari suatu variabel hidrologi, antara lain :

19-06-80 14 - 08. 80

10.r5
12.00

24-l0-80
t7 - I I 80

t2.15
12.40 13.00

0,460 0,470
0,570 0,460

04-12-80 13-12-80

t2.50

l).

Deret berkala (time series), susunan data disebut dengan deret berkala apabila data tersebut disusun menurut

waktu. Apabila disusun dengan interval waktu yang sama, misal : hidrograp debit, di sebut dengan deret
I\,I
Badan Propinsi

Sumber

Data pengukuran Debit, Puslitbang Pengairan.

Keterangan

: Q:
H

tinggi muka air (m)


debit 1mr/det)

10

11

2).

3).

Distribusi (distribution), susunan data disebut dengan distribusi apabila data tersebut disusun menurut besarnya, misal : kumpulan data debit banjir diurutkan menurut besarnya, dimulai dari debit banjir yang terbesar dan berakhir pada debit banjir yang terkecil atau sebaliknya dimulai dari debit banjir yang terkecil dan berakhir pada debit banjir yang terbesar (lihat tabel 2.19, Bab II). Distribusi peluang (probability distribution) : Jumlah
kejadian dari pada sebuah variate deskrit dibagi dengan jumlah total kejadian adalah sebuah peluang (P) dari pada variate tersebut. Jumlah total peluang dari seluruh variate adalah 1.0, distribusi dari peluang semua variate disebut dengan distribusi peluang (Tabel 2.14B). Peluang kumulatip (cumulative probabilifl) : Jumlah peluang dari pada variate acak yang mempunyai sebuah nilai sama atau kurang, sama atau lebih dari pada nilai tertentu. adalah jumlah kejadian dari pada sebuah variate dari variabel deskrit (Tabel 2.14F). Interval kelas (c/ass intervals): ukuran pembagian kelas dari suatu variabel (Tabel 2.148). Data kelompok (grouped data): data yang dikelompokkan dalam beberapa interval kelas dari suatu distribusi frekuensi (Tabel2.4).

rata, curah hujan bulanan.

b)

variabel meteorologi, misal :


kelembaban, kecepatan angin, dan radiasi'

temperatur,

B). Variabel fisik permukaan tanah (land surface physical variables)

a).variabel morfometri, misal

luas DPS, panjang

sungai, kerapatan aliran. b).variabel vegetasi dan penggunaan tanah, misal : luas

jati,luas sawah. c).variabel tanah, misal : porositas tanah.


hutan

C;. Variabel keluaran (output variables)

4).

a).variabel aliran permukaan, misal

: banjir tahunan

rata-rata, debit minimum, debit harian.

b).variabel keluaran lainnya, misal


sedimen, erosi.

penguapan,

5). 6). 7). 8).

Frekuensi (frequency)

1.3.

PEIITIL,IIAN SATITPEL DATA III/DROLOG,

Distribusi frekuensi (frequency distribution) : adalah suatu distribusi atau tabel frekuensi yang mengelompokkan data yang belum terkelompok (ungrouped data) menj adi data kelompok (groupe d data).

Pengelompokkan secara umum dari pada variabel daerah pengaliran sungai (DPS) dapat dibedakan menjadi 3 (tiga) katagori,

yaitu:

l).

Variabel iklim (climatic variables)

a) variabel presipitasi, mishl : curah hujan tahunan rato-

Kesimpulan yang dibuat dari suatu penelitian hidrologi diharapkan dapat berlaku untuk persoalan itu secara keseluruhan dan bukan sebagian saja. Akan tetapi dalam pelaksanaan penelitian tersebut hampir tidak mungkin untuk melaksanakan pengukuran atau pengumpulan dari seluruh variabel secara komplit. Faktor waktu, tenaga, dan biaya umumnya menjadi faktor pembatas. Pada kenyataannya penelitian dilakukan dengan mengamati atau mengukur sarhpel (sample) yang dapat mewakili populasi Qtopulation) yang diteliti. Misalnya untuk mengetahui jumlah total dari debit yang mengalir dari suatu pos duga air dalam satu tahun adalah tidak mungkin dilaksanakan dengan mengukur debit setiap saat selama satu tahun, akan tetapi dengan melakukan pengamatan tinggi muka air dalam satu tahun dengan menggunakan alat duga air otomatik dan melakukan pengukuran debit secara periodik. misal satu kali setiap 15 hari. dan kcmudian mclakuknn pcngolahnn tlnlrr

l2
dengan prosedur yang telah ditentukan sehingga debit dalam satu tahun dapat dihitung. (Bagi para pembaca yang ingin mengetahui cara pengukuran dan pengolahan data aliran sungai dapat membaca pada tulisan : Soewarno, 1991, Hidrologi - Pengukuron dan Pengolahan Data Aliran Sungai, penerbit Nova). Dari uraian tersebut maka yang disebut dengan sampel (sample) adalah satu set pengamatan/pengukuran, sedangkan populasi Qtopulation) adalah keseluruhan pengamatan/pengukuran dari suatu variabel tertentu. Atau dengan kata lain sampel adalah suatu himpunan bagian dari keseluruhan pengamatan variabel yang menjadi obyek penelitian kita (populasi).

13

ylng, riilnrir rrnttrk dipilih menjadi sampel. Prosedur pemilihan


s:urrgrr'l s('L:ara acak adalah yang pcrrcl

paling sering dilakukan oleh para

iti dibidang hidrologi.

Ada beberapa tipe pemilihan acak, empat diantaranya disampaikan secara ringkas sebagai berikut :

l).

Dalam suatu penelitian sampel yang dikumpulkan harus data yang benar, dan cara pengumpulan (sampling) data torscbut harus dilakukan dengan benar dan mengikuti metode dan tata cara yang benar sehingga kesimpulan hasil penelitian dapat dipercaya.

Dengan kata lain sampel itu harus dapat mewakili segala karakteristik populasi, sehingga kesimpulan dari sampel terhadap populasi menjadi sah, sesuai dengan keadaan yang sebenarnya. Kesimpulan yang demikian berarti bersifat tak bias (unbias). Prosedur pengambilan sampel yang menghasilkan kesimpulan terhadap populasi yang tidak sesuai dengan keadaan yang sebenarnya dikatakan berbias (bias). Untuk menghilangkan kemungkinan bias ini maka sampel harus diambil berdasarkan
prosedur khusus (spesific procedures). Ada berbagai prosedur untuk memilih sampel, antara lain :

Pemilihan Acak Sederhana (simple random sampling) Pemilihan sejumlah sampel (n) buah dilakukan dengan menggunakan suatu alat mekanik (misal : mata uang, dadu, kartu) atau dengan menggunakan tabel yaitu tabel bilangan random (random digit table). Sebuah sampel yang terdiri dari unsur-unsur yang dipilih dari populasi dianggap acak, dengan ketentuan bahwa setiap unsur yang terdapat dalam populasi tersebut mempunyai peluang yang sama untuk dipilih. Pemilihan yang bersifat acak akan dapat memberikan hasil yang memuaskan bila populasi dari mana asal sampel tersebut dipilih benar-benar bersifat sama jenis atau homogen (homogeneous). Contoh : dua pos hujan yang berdekatan dan dioperasikan dengan cara yang sama dapat dipandang sebagai satu pos untuk menghitung curah hujan, akan tetapi temperatur udara yang diukur di tempat terbuka dan yang satu didalam bangunan tertutup walaupun tempatnya berdekatan tidak dapat dirata-ratakan.

l).
2).

pemilihan acak (rondom selection) pemilihan sengaja Qturposive selection),


:

2.

Secara singkat dapat dijelaskan sebagai berikut

d. Penilihan Acah
Pemilihan sampel data hidrologi yang dilakukan secara acak berdasarkan ketentuan bahwa setiap pengukuran dilakukan seciua terpisah dan masing-masing data yang diukur mempunyai peluang

Pemilihan Acak Berangkai (random serial sampling). Pemilihan sampel ditentukan dengan cara membagi populasi berdasarkan interval tertentu. Contoh : dalam melaksanakan pengukuran debit sungai dari suatu pos duga air dilakukan pengukuran kedalaman aliran pada .iarak tertentu dari titik tetap berdasarkan pembagian lchar penampang basah sesuai dengan besarnya aliran. l)rrta pada tabel L4 diperoleh dengan pemilihan acak lrt'r rrng,kai dari pengukuran debit S. Glagah

l4
Kedungsari, setiap pertambahan
pemilihan acak berangkai.

llr

rai

menunjukkan random

3. Pemilihan Acak bertingkat (stratifeid


sampling).

(:onl()ll : lltcncntukan porositas penampang \crtikill tlari suatu lapisan batuan yang terdiri dari lrcrblgai .lcnis batuan, maka setiap jenis batuan tersebut tlianalisa porositasnya secara acak. Umumnya pcnrilihan acak bertingkat lebih representatip dari pada
St'lrl1p,,;1i

Apabila dalam pemilihan sampel ternyata populasinya terdiri dari bermacam-macam jenis (heterogen), maka populasi tersebut harus dibagi kedalam beberapa stratum dan sampelnya dipilih secara acak dari tiap stratum. Hal tersebut dilakukan dengan tduan untuk :

sampel yang diperoleh dengan pemilihan


sederhana.

acak

. .

menganalisa setiap populasi yang lebih homogen secara terpisah. meningkatkan ketelitian dalam pengambilan keputusan seluruh populasi.
nodtol Looorl?irnl.

Tabel 1.4. Pemilihan Sampel Acak Berangkai Pada Pengukuran Debit

R.ctongulor

Tanggal Jam Tinggi MA


*) No Rai

Sungai - tempat '. K Glagah - Kedungsari Rumus : : 30 Agustus NS 294 Y = 0,1327 N + 0,018

1985 :6.20-'7.02
:
0,54 m

N>294V=0,1310N+0,023

Kecepatan di Dalam

Bagian Penampang Lebar


Luas

Titik

Pularon 50 detik

vertikal Titik RalaRata

Debit

lrctoaguloi
fHoneulor

0
I

0,00 0.50
1,00 1.50

0.00

n))

MA
0,60 0.60 0.60 0.20 0,80 0.20 0.80 0.20 0,80 0.20 0.80 0,60 0.60

Kiri
100 t4'7

I
5

0.26 0.50
0.82 1.06

0.283 0,408
0.41 l

0,283 0,408
0,41 I

0,50 0,50

0,1

l0

0,031

r48
182

050
o;50 0,50 0,50 0,50 0,50

1.00
2.5 0

t23
221
148

6
1

-l,00 1.50 4,00 4,50 4.80

I.l0
0.84
0,62
0,5 s

238
188

0,500 0,344 0,604 0,410 0,649


0.5

0.422 0,507
0,5 83

0,130 0,250 0.410 0,530 0,550

0,053

0,r03
0,1 73

Gambar

1.2. Pemilihan Sampel

Sistim Kisi-Kisi

0,269
0,321

l6
0,572
0,476 0,344

260 r58
173
123

0.707 0.435
0,47 6

0,420
0,3

0,240 0,148 0.076

8 9

l0

0.144

o,:o

0,220

l0

0.00

M.A

Kanan

Kecepatan aliran rata-rata = 0.445 m/detik

Total =

2,93

1,414

Sumber

r)

Soervarno I99l

Jarali dari

titik tetap pcngukuran di tepi aliran

l(;
'l'ahcl
I .5

t7
I)crrrilihan Sarnpel Sistem Kisi Pada Pengukuran Diameter Median Ukuran Butir Di S. Cikondang - Cihaur Tanggal 30 Januari 1985.

,1. l'crrrililran Sistcm Kisi (systematic grid

system)

Ukuran Material Dasar Sungai (mm)

Ukuran (mm) Jumlah Kumulatil.

120
93

179
I .410

99 39

86

68 583 87

8l
138 82
161

645
138 37 80

87

l4l
t.27 5 62

6l
59
73 805

763
103

92

774
87

74

4l
77 106 67

t20
166 57

266
76 85
105

143

726
19 180

9l
62

802

30- 35 35- 40 40- 45 45- 50 50- 60 60- 70 70- 80 80- 90 90 - 100 100 - 120 120 - 140 140 - 160 160 - 180 180 - 200 200 - 240 240 - 280 280 - 320
320 360 400 480 560 640 720 800 960
I 120 1280 1440 1600 1920

)
I I

4
8

II
2t
9

l9

l2
4t

l0
9

5l
60 62 64

7 3

7t
74 75

l'cnrilihan sampel ditentukan dengan membagi populasi dalam sistem kisi (grid system). Pertemuan kisi ataupun ruang kisi dapat dipakai sebagai tempat pengambilan sampel. Gambar 1.2, menunjukkan contoh dari kisi-kisi pemilihan acak. Contoh : kita akan menghitung debit dari suatu pos duga air sungai dengan menggunakan rumus Darcy-Weisbach, diperlukan data diameter material dasar sungai untuk menentukan koefisien kekasaran sungai. Pengukuran diameter material dasar sungai dilakukan pada alur sungai misal 100 m ke arah hilir dan 100 m ke arah hulu pos duga air, maka alur sungai sepanjang 200 m dibagi-bagi dalam sistem kisi. Data pada tabel 1.5 diperoleh dengan pemilihan acak sistem kisi, dari pemilihan sampel ukuran material dasar alur sungai di pos duga air sungai Cikondang - Cihaur.

0 I 0 n 0

Dari uraian tersebut, maka dapat disimpulkan bahwa


pemilihan sampel dari suatu populasi harus bersifat
:

900
74 68

73

75

54 196

890 42s
68

340 400 480

t92
107

471 69 900
93 9'10

60
76 83 95

99

62 102 80

t74
99
67

560 640 720 800 -

4
0
3

,,
82 86 89 96 97 98 99

1. acak artinya mempunyai peluang yang sama


dipilih.

untuk

4
3 7

2.

bebas (independent).

ll0
638

960
I 120

I I
7

1280 1440 1600

0 0

Disamping itu sampel harus diambil dari populasi yang sama jenrs (homogeen), itu semua untuk mendapatkan sampel yang dapat
yang diperoleh sesuai dengan keadaan yang sebenarnya dan bersifat tak bias (unbias).

mewakili karakteristik populasi, sehingga kesimpulan

700
98
169 80

198

90 425 66 610

l6l
665
50

120
76

1920 -2240 2240 - 2560

I
0

r00

830

2fi00
96

435 925

680

Sumber

Soewarno, 1991.

b.

Pemilihon {fengaia
secara

Pemilihan sampel data hidrologi yang dilakukan sengaja adalah pemilihan sampel yang dilakukan dengan kesengajaan oleh pengamhi
Pe

hnya

'"i."n

rPusta'kaao

I.wn

TirnUf

Iri
nrcnganalisa curah hujan dari luas daerah pengaliran sungai dengan luas 2.000 km2, hanya dengan satu pos curah hujan. Pemilihan sampel yang dilakukan dengan cara pemilihan sengaja jarang yang dapat mewakili karakteristik yang sebenarnya dari populasi.

19

hidrologi yang betul-betul deterministik. Contoh yang lain, pencntuan debit dari suatu pos duga air sungai secara langsung menggunakan lengkung debit (grafik yang menggambarkan
hubungan antara tinggi muka air dan debit) dengan anggapan bahwa dasar sungai tidak berubah, padahal kenyataan dilapangan dasar sungai umumnya selalu berubah, terutama sungai aluvium.

Contoh yang lain. misalnya *enga*bil sampel sedimen melayang dari suatu pos duga air sungai dilakukan dengan sengaja tidak menggunakan alat pengambil sampel yang telah ditentukan dan mengambilnya hanya dibagian tepi aliran saja tanpa menggunakan metode pengambilan sampel sedimen yang telah ditentukan. Sampel yang diambil sudah barang tentu tidak dapat mewakili karakteristik populasinya, bila dapat mewakili hanya
faktor kebetulan saja.

1.4. DATA HIDROLOC'


1.4.1. Pendchatrrn hoses

ltidtologi

Proses adalah uraian sembarang penomena yang secara kontinyu selalu berubah menurut waktu. Telah disebutkan pada sub bab 1.1, bahwa penomena hidrologi selalu berubah menurut waktu, karena itu perubahan penomena hidrologi tersebut dinamakan sebagai proses hidrologi. Dalam menganalisa proses hidrologi umumnya dapat didekati dengan 3 (tiga) konsep pendekatan, yaitu :

Apabila perubahan variabel hidrologi merupakan faktor peluang, maka prosesnya disebut stokastik (stochastic) atau peluang (probabilisllc). Proses hidrologi umumnya selalu.berubah menurut waktu, apabila kita menganalisis proses hidrologi dengan memperhatikan perubahan variabel hidrologi menurut fungsi waktu maka pendekatan yang kita lakukan dapat disebut sebagai pendekatan stokastik. Proses stokastik dipandang sebagai proses yang tergantung waktu (time-dependent). Umumnya pendekatan ini sulit dilaksanakan dan jarang digunakan dalam pekerjaan analisis hidrologi yang sifatnya sederhana dan praktis. Sebagai contoh : angkutan sedimen dan debit aliran dapat dipandang sebagai proses stokastik, dimana variabel turbulensi aliran selalu berubah dan sulit diukur, bentuk dan ukuran sedimen juga selalu berubah karena banyak faktor yang mempengaruhinya. Walaupun demikian karena penomena hidrologi adalah stokastik, maka sangat penting untuk mengembangkannya, minimal mempertimbangkan pendekatan stokastik dalam analisis hidrologi.
Penggunaan konsep pendekatan peluang Qtrobabilistic) dalam menganalisis proses hidrologi adalah dengan pendekatan

1). deterministik (deterministic). 2). stokastik (stochastic). 3). peluang Qtrobabilistic).


Pada pendekatan deterministik, variabel hidrologi dipandang sebagai suatu variabel yang tidak berubah menurut waktu. Perubahan variabel selama proses dikaitkan dengan suatu hukum

bahwa perubahan variabel hidrologi mempunyai

berbagai

tertentu yang sridah pasti dan tidak tergantung dari peluang. Sebagai contoh : Dalam perhitungan ketersediaan air menggunakan data debit rata-rata harian yang telah tercatat selama 50 tahun yang lalu dan dianggap bahwa debit tidak berubah dimasa mendatang. Kenyataan dilapangan adalah sangat sulit untuk menentukan proses

kemungkinan (tidak dapat dipastikan 100 %), dan tidak tergantung waktu (time-independent). Sebagai contoh penggunaan analisis debit banjir menggunakan distribusi peluang, untuk menentukan prosentase peluang debit banjir pada periode ulang (return period) 'l'abel L6 tenentu. dapat digunakan sebagai contoh. Analisa peluang didasarkan pada data hidrologi yang telah dicatat pada masa yang lalu untuk analisis besarnya prosentase peluang kejadiannya dimasa mendatang sehingga dapat diperkirakan nilainya pada periode ulang tertentu. Konsep peluang banyak digunakan dalam pekerjaan

20

2L

praktis analisis hidrologi. Dalam analisis dari suatu model hidrologi ada kemungkinan komponen deterministik, stokastik dan peluang digunakan bersama-sama.

Tabel 1.6. Debit Maksimum Sungai Cikapundung - Gandok Pada Berbagai Periode Ulang.
Debit Maksimum perkiraan
(m3/det)

l)rrlir lrrrlrokrgi yung diukur atau nilai yang diperolehnya srrtlrrlr hirrrurp, tcnlu r)lcngandung kesalahan (error). Dalam analisis hitlrokrpr (nrt'skipun menggunakan model) dapat menghasilkan orrlgrrrt yrnll nlcmpunyai kesalahan besar karena input datanya )r ry ir i kcsalahan. Kualitas data sangat menentukan kebenaran rcr tlrrrr lursil analisis. Sebagai contoh : perhitungan debit rata-rata
r

rl|

rr

Periode Ulang

Interval debit untuk Peluang = 0,95 (m3/de)

t,43
2
5

43,23 51,94
66,01

l0
20
50
100

73,38 79,41 86,27 90,96

44,10 56,92 62,84 67,44 34,40

51,55
59,75

75,09 83,84
91,3',7

72,51 75,89

100,03

- 106,02

Irrri:rrr Lcrgantung dari ketepatan: akura.si (accuracy) dan ketelitian presisi Qtrecision) data tinggi muka air, pengukuran debit, pcmbuatan lengkung debit. Ketepatan berhubungan erat dengan nilai yang sebenarnya, sedangkan ketelitian berhubungan dengan kecocokan suatu pengukuran dengan pengukuran lainnya dalam satu populasi. Sebagai contoh : pembacaan tinggi muka air pada alat duga air papan tegak (vertical staff gauge) dari suatu pos duga air sungai yang baru dipasang mempunyai kesalahan 2 mm dari nilai yang sebenarnya, maka dapat dikatakan bahwa pembacaannya mempunyai ketelitian yang tinggi, akan tetapi apabila ketinggian titik nol pada papan duga mempunyai kesalahan pemasangan sebesar 10 cm terhadap titik nol sebelumnya, maka dapat dikatakan ketepatannya rendah.

Sumber: Soewano l99l

1.4.2. Kuolitas dota Hidrologi Analisis statistik dilaksanakan berdasarkan sampel yang dikumpulkan dilapangan dan merupakan fungsi dari kebenaran (:kehandalan) (reability) dari data yang dikumpulkan. Nilai (value)
dari variabel hidrologi dapat diperoleh dengan pengukuran tunggal pada setiap waktu tertentu (discrete time intervals) atau dengan pencatatan yang kontinyu (continuous time intervals). Untuk keperluan analisis statistik umumnya data kontinyu diubah dahulu menjadi data deskrit, misal data tinggi muka air yang tercatat pada grafik alat duga air otomatik (automatic woterlevel recorder = AWLR) yang merupakan data kontinyu diubah menjadi data tinggi rnuka air rata-rata jam-jaman atau harian sebagai data deskrit.

Data lapangan yang berupa data sampel .ataupun populasi sebagai data mentah (raw data) harus sekecil mungkin mengandung kesalahan (eruor). Dengan demikian kesalahan adalah nilai perbedaan antara sampel yang diukur dengan nilai sebenarnya. Interval kepercayaan (confidence interval : uncerlainty) adalah interval dari nilai yang sebenamya (true value) dapat diharapkan terjadi pada tingkat peluang tertentu. Pada umumnya kesalahan dapat dibedakan menjadi 3 jenis, yaitu :

a. b.

c.

kesalahan fatal (spurious errors) kesalahan acak(random errors\ kesalahan sistematik (systematic eruors)
:

Secara singkat dapat dijelaskan sebagai berikut

Kesalahan fatal (spurious errors), disebabkan oleh kesalahan manusia dan atau alat pengukuran tidak berfungsi sebagaimana mestinya. Jenis kesalahan ini tidak dapat diperbaiki dengan analisa

22

23

statistik. Hasil pengukuran tidak dapat digunakan sebagai data hidrologi, sehingga perlu pengukuran diulang lagi agar hasilnya benar. Pengukuran ulang sebaiknya dilakukan oleh petugas yang
berbeda dengan menggunakan alat pengukuran yang berbeda pula.

alat ukur arus yang digunakan untuk mengukur debit. Kesalahan sistematik dapat diperbaiki dengan berbagai cara, misal menggunakan alat yang berbeda, mengulangi pengukuran dan mengganti tenaga pengukur.

merupakan hasil dari ketelitian pengukuran. Besarnya kesalahan acak merupakan nilai pengukuran suatu variabel hidrologi terhadap nilai rata-ratanya. Jika prosedur pengukuran dikurangi maka nilai setiap pengukuran berada disekitar nilai yang sebenarnya dan apabila jumlah pengukuran ditambah maka distribusi dari pada data yang diukur akan mendekati distribusi normal. Jenis kesalahan acak dapat dikurangi dengan cara memperbanyak jumlah pengukuran.

Kesalahan acak (random errors), kesalahan

ini

1.4.3.

Penguiiar lrotq flidtologi

Setelah pengukuran selesai dilaksanakan umumnya data hidrologi dikirim ke Pusat Pengolahan Data untuk dikumpulkan,

dicek dan disimpan serta diolah menjadi data siap pakai. Pengiriman data tersebut dapat dilaksanakan dengan cara
konvensional, misalnya data dikirim melalui pos, atau dengan cara modern, misalnya data dikirim melalui telpon, radio, telex, facsimile, satelite atau fasilitas lainnya.

Kesalahan sistematik (sy,stcmatics errrtr.s), disebabkan terutama oleh karena ketelitian dari peralatan yang digunakan, misalnya alat duga airnya atau alat ukur arus dalam pelaksanaan pengukuran debit dari suatu pos duga air. Kesalahan sistematik tidak dapat dikurangi dengan menambah jumlah pengukuran selama pengukuran masih dilaksanakan dengan menggunakan alat yang sama dan belum diperbaiki atau dikalibrasi. Kesalahan sistematik dapat dibedakan menjadi 2 (dua) kelompok, yaitu :

Data yang telah diterima di Pusat Pengolahan Data


kemudian diurutkan menurut.fungsi waktu sehingga merupakan data deret berkala. Data deret berkala tersebut kemudian dilakukan
pengetesan/penguj ian tentang
:

1).

1).

kesalahan sistematik kbnstan (constant systematic errors).

2).

kesalahan sistematik tidak konstan (variable systematic errors).

2).
Uji

konsistensi (consistency), dan kesamaan j enis (homogeneity).

Kesalahan sistematik konstan, disebabkan oleh faktor alatnya sendiri, kesalahan ini konstan menurut waktu. Misalnya
penggunuuul mmus alat ukur arus pada saat melaksanakan pengukuran debit, nunus itu sendiri mempunyai batas interval kepercayaan, contoh lain : kesalahan pemasangan titik nol alat duga air, tidak tepatnya pengguniuut lengkung debit untuk menghitung debit rata-rata harian, dan sebagainya. Kesalahan sistimatik tidak konstan, umumnya disebabkan oleh karena kurangnya kontrol selama pengukuran berlangsung, yang disebabkan penggunaan alat yang tidak tepat atau tidak sesuai. Sebagai contoh salah memilih rumus kecepatan dari nomor kincir

konsistensi berarti menguji kebenaran data lapangan yang tidak dipengaruhi oleh kesalahan pada saat pengiriman atau saat pengukuran, data tersebut harus betul-betul menggambarkan penomena hidrologi seperti keadaan sebenarnya dilapangan. Dengan kata lain data hidrologi disebut tidak konsisten apabila terdapat perbedaan antara nilai pengukuran dan nilai sebenarnya. Sebagai contoh :
I

).

selama pengukuran debit sungai dari suatu pos duga atr terjadi perubahan tinggi muka air lebih dari 3,00 cm dan

tidak dilakukan perhitungan koreksi tinggi muka air, maka data yang diperoleh dapat dikatakan tidak
konsisten (inc
o

ns i st e ncy),

24

26

2).

pada suatu pos iklim dilakukan pengukuran penguapan dengan panci penguapan kelas A, rumput-rumput disekitar panci tersebut secara perlahan-lahan tumbuh subur oleh karena tidak dilakukan pembersihan rumput di sekitar panci penguapan maka akan dapat

mempengaruhi keseimbangan radiasi (radiation balance) dan akan dapat mempengaruhi konsistensi hasil pengukuran penguapan, sehingga data yang diperoleh dapat dikatakan sebagai data yang tidak
konsisten. Beberapa uji konsistensi yang perlu dilakukan terhadap data debit sungai dari suatu pos duga air adalah :

l).

pengecekan perubahan

titik nol alat duga air (datum

Point).

2). pengecekan perubahan titik nol aliran (zero flow). 3). pengecekan pengukuran debit. 4). koreksi pembacaan tinggi muka air dari grafik AWLR
5).
terhadap pembacaan tinggi muka air dari papan duga air. pengecekan debit yang diukur selain metode alat ukur arus dengan metode alat ukur arus. kalibrasi lengkung debit dengan melaksanakan pengukuran debit menggunakan alat ukur arus secara berkala. pengecekan perhitungan debit rata-rata harian.

6).
7).

UJIKESAMAANJEMS

TAHAPKEII

Pengecekan kualitas data (data quality contro[) merupakan keharusan sebelum data hidrologi diproses untuk diolah dan disebar

luaskan. Pengecekan dapqt dilakukan dengan berbagai


misalnya dengan
:

ceira,

1). inspeksi ke lapangan, 2). perbandingan hidrograp, 3). analisis kurva masa ganda (double mass curve
analysis).

Gambar 1.3. Diagram

Alir

Tahapan Pengujian Data Hidrologi'

Sekumpulan data dari suatu variabel hidrologi sebagai hasil pengamatan atau pengukuran dapat disebut sama jenis (homogeen)

2$

27

apabila data tersebut diukur dari suatu resim (regime) yang tidak berubah. Perubahan resim dari penomena hidrologi dapat terjadi karena banyak sebab, misal :
l ).

Anolisis Gtalis
Analisis grafis dengan menggunakan deret berkala dapat untuk mengetahui kesamaan jenis data yang diurutkan. Gambar 1.4, menunjukan sketsa perubahan nilai rata-rata dari X, pada periode ke I menjadi X, pada perioile II. Gambar 1.5 menunjukkan sketsa perubahan nilai varian yang semakin kecil. Batas antara sama jenis dan tidak sama jenis dilakukan secara empiris.

2).

perubahan alam, misal perubahan iklim, bencana alam, banjir besar, hujan lebat. perubahan karena ulah manusia, misalnya pembuatan bendung pada alur sungai, penggundulan hutan.

Gambar 1.3, menunjukkan tahapan dari pada pengujian data hidrologi. Apabila data telah dikumpulkan dan diurutkan menurut

waktu maka harus dilakukan pengujian konsistensi dan uji


kesamaan jenis. E

Data hidrologi disebut tak sama lenis (rutn-homogeneous) apabila dalam setiap sub kelompok populasi ditandai dengan perbedaan nilai rata-rata (mean) dan perbedaan varian (variance) terhadap sub kelompok yang lain dalam populasi tersebut.

o u,l o
1

Data hidrologi tak sama jenis dapat terjadi karena perubahan penomena hidrologi yang disebabkan oleh karena perubahan alam
atau karena ulah manusia, contoh
:

----------{- WAKTU
Gambar 1.4. Sketsa Perubahan Nilai Rata-Rata Yang Bertambah.

l).
2).

angkutan sedimen dari suatu pos duga air sebelum dan sesudah dibuat bendung disebelah hulu lokasi pos duga air tersebut, maka data kedua resim itu tak sama jenis. hidrograp debit sebelum dan sesudah daerah pengaliran sungai (DPS) dihutankan kembali, data dari kedua resim tersebut tentu tak sama jenis.
data

- rt--- o lrl o
1

Banyak cara untuk menguji kesamaan jenis dari


hidrologi, diantaranya adalah analisis
:

l).
2). 3).

grafis kurva masa ganda statistik


:

----------, WAKTU

Secara singkat dapat dijelaskan sebagai berikut

Canrbar

I .5

Sketso Perubahan N ilai Varian yang Berkurang.

ztl

2t,

Analisls Kutaa llfa,sq Gsnda


Kurva masa ganda adalah salah satu metode grafis untuk alat identifikasi atau untuk menguji konsistensi dan kesamaan jenis data hidrologi dari suatu pos hidrologi. Perubahan kemiringan kurva masa ganda disebabkan oleh banyak hal, misalnya :

Dari tahun 1950 - 1965 metode pengolahan datanya (pembuatan lengkung debit) sama, akan tetapi data tahun 1966 untuk pos y metode pembuatan lengkung debitnya tidak sama dengan tahun sebelumnya sehingga diperoleh kurva masa ganda ABC' tidak lagi ABC. Untuk analisis data debit sebelum tahun 1966 agar dapat
dibandingkan dcngan data debit setelah tahun 1966 maka data debit pos duga air y sctclah tahun 1966 harus disesuaikan dengan nilai banding dari dua bagian kurva masa gandanya sebesar 9/a. Perubahan tcrsebut bukan disebabkan karena perubahan keadaan hidrologis lainnya akan tetapi karena perubahan metode pembuatan lengkung debit dari pos duga air y.

l)" prosedur pengukuran


2). metode pengolahan 3). perubahan lokasi pos

atau pengamatan

Analisis Starfutik
= E
(, 3

,
A

o o o G

g
F
ID

Analisis statistik dapat memberikan hasil yang lebih pasti dalam menentukan kesamaan jenis. Dalam analisis statistik dapat menggunakan uji non parametrik (non-parametric test) atau uji parametrik Qtarametric test). Umumnya penerapan uji parametrik menggunakan uji-F dan ujit (t-test). Uji ini akan dibahas lebih lanjut pada buku jilid II. 1.4.4. Tipe dan Penyaiian Data

Hidtologi

Data hidrologi dapat diperoleh dengan berbagai macam cara, diantaranya :


DEEIT TAHUI{A'{ FOs IrrcA AIR (X' Gambar 1.6. Sketsa Analisa Kurva Masa Ganda Debit Tahunan dari
Pos Duga Air x dan y.

l). 2)

mengumpulkan data yang telah dilaporkan atau dipublikasi oleh kantor pemerintah atau swasta ataupun

Gambar 1.6 menunjukkan sketsa dari contoh analisis kurva masa ganda. Data debit tahunan kumulatip pos duga air x dan y digambarkan pada kertas grafik aritmatik dari tahun 1950 - 1980.

di laboratorium terhadap penomena hidrologi yang diteliti dengan ciua-cara pemilihan sampel yang telatr ditentukan sehingga memperoleh data yang dapat
menggambarkan populasi yang sebenamya.

pbrorangan sebagai data sekunder. melaksanakan pengukuran di lapangan atau

Setelah dikumpulkan maka sebelum data digunakan untuk

:r0

31

analisis hidrologi harus dilakukan pengujian data seperti cara-cara yang telah ditentukan. Menurut tipenya maka data hidrologi dapat dibedakan menjadi 4 (empat) tipe, yaitu :

1). data historis (historic data). 2). data lapangm(field collected data). 3). data hasil percobaan (experimental data). 4). data hasil pengukuran serempak lebih dari dua variabel
(simultaneous data).

Purvuliln data dalam bentuk tabel umumnya dijumpai pada buku prrhliklsi hidrologi, misal Publikasi Debit Sungai Tahunan Qteur luxtk), bagi para pembaca yang ingin mendapatkan data puhlikasi dcbit sungai tahunan dapat menghubungi Balai l'cnyclirlikan Hidrologi, .Pusat Litbang Pengairan, Departemen l)ckcrjaan Umum. Contoh data statistik hidrologi tentang publikasi dcbit dapat dilihat pada bagian halaman terakhir Bab I ini. Data itu di salin dari buku publikasi Debit Sungai Tahun 1990, dari Pusat
Litbang Pengairan.
Penyajian data dalam bentuk diagram antara lain dapat berupa
:

Apabila data yang digunakan untuk analisis hidrologi merupakan data tidak benar maka jangan diharapkan dapat
memperoleh kesimpulan yang sesuai dengan kondisi sebenarnya dilapangan. Berdasarkan tingkat kebenaran datanya (reliability of data), maka data hidrologi dapat dibedakan menjadi 4 (empat) kelas, yaitu :

l).
2).

diagram batang diagram garis

1).

kelas I, data hidrologi yang diperoleh dari pengamatan dan pengukuran langsung.

2).

II, data hidrologi yang diekstrapolasi dari data I, dengan mempertimbangkan berbagai kondisi, misal : luas DPS, geologi, iklim, dan geomorfologi,
kelas kelas
penampang sungai, kekasaran alur sungai.

3).

kelas III, data hidrologi yang diekstrapolasi dari data kelas I, tetapi tidak mempertimbangkan satu atau lebih kondisi yang mempengaruhinya.
dengan persamium empiris (empirical formula).

4). kelas IV, data hidrologi yang dihitung

Data hidrologi yang telah dikumpulkan baik dari sampel


ataupun popula'si setelah diuji konsistensi dan kesamaan jenisnya menjadi data yang benar, kemudian diolah dan dipublikasikan yang umurnnya disajikan dalam bentuk : tabel, diagram, atau peta agar
lebih jelas. Data yang disajikan menurut kepentingannya dan dapat dibedakan menjadi 2 (dua), yaitu :
Gambar 1.7

l).
2).

data siap pakai bagi parapelaksana. data informasi bagi para pengambil keputusan.

Diagron batang menunjuklan Curah Hujan Rata-Rdto Bulanan DPS Citarum - Nonjung (UNDP/WMO P roj ec t INS/7 8/0 3 8).

32

33

\
I

cgFBtEeFBtg

EIpgfii333Ei
Gi

SN _rt N
8 8

sS so\ ${s boI


r-b
$o B g-a

I l

\ \

(D @ @

L
O L.Dh
ICOO

rrr

O IOOO-lloOrn
O
t6OO -

looonr

o e

HM

I
!

I
o
n'

I J
o
E

88
F
ES4

:{i 'is.r

QR

ffi

O furoag tlOO rit

$$

, )I

$$s. r:s

d\s
oci

\.
-o
(3

r\

oo

8t

!G|

t8

('r.P.reutl J.l3lo

g t t g to
-tsGambar

1.9.

Peta Curah Hujan DPS Citarum. (Sumber : Project 1N978/038 River Forecasting
sl<ala

l:500.000).

34 36

100 ffiffi, dengan demikian pada bulan-bulan tersebut dapat dikatakan sebagai bulan kering. Dari diagram tersebut juga dapat
diketahui bahwa banjir sungai citarum dapat terjadi antara bulan November sampai April. Gambar 1.8, menunjukkan contoh diagram garis, yang menunjukkan kurva peluang kumulatip dari kurva "lengkung lama aliran" (duration curve).

Gambar 1.7 menunjukkan contoh diagram batang, yang menunjukkan curah hujan rata-rata bulanan Dps citarum-Nanjung (data tahun 1879-1978). Dari diagram tersebut dapat diketahui distribusi curah hujan Juni samtriai dengan September kurang dari

ll.S(ll,() Nr;rtl
lnrl(l lurrrt ll.r. lhrar.rl

No.02-055-0E-01
llcnlawrn SJlo

ri.

1990

07"2t'00'Ls

II

t"2t'm"BT

lllsr
I tr*

lalartfilan MaflI!il.t l'rt. l)irla A[ lhdrilkN

llsrh l'.nr.llr.tr

FsLil. lr.ft..l.l.n

lrilIl..afl lt.t.

lmt. Al.t

: TugSrl 02-03-1971 olch DPMA : Tuggll 02-03-1971 smpri dcnge : Powrt otorotik minggu

Propinri Jrwa Timur, Krb. Ngawi, Der Napcl. Dui Ngrwi rckitry ll lm kc jururm Ccpu, Bclok kiri I km kc jururu Nrpcl, smpri di Sckohh Duu Napcl bclok kiri 500 m, rdr di rcbchh kxm rliru

t9 0l<m2 ; Elryui PDA | + ........m.

3l-12-1990

Alrrm Llrtrm

All.nrrrlnrl Al[.r 6lrtrrtrr yrng Alrrrrrortror


Alrrm tcrlerl

: m.r. = 9.55 (+.ll) m; q = 1982.00 ml/dct; tgl. l-2-1990 : m.a.= .60(+.ll)m,q=ll.t0oml/dct;tgl. 14-10-1990
pcrnrh tcrjedi smpai dcngu tahun l99O
:

I mla.= 10.16(+.00)m;q=2132.00mlldd;t}l.6-5-1979
no.
I

('.trtu

l'.n.nttn llor AlirD llc.rrnyr rliru ditcrtuku bcrduukm lcngkung alirm rrhun 1979 smpri d.ngm rhun l99l
: :
:

8/07/84

yug diburt

mcnurut

drt! pqgukuru llirm dui

Dari gambar 1.8, dapat diketahui besarnya peluang kumulatip dari debit sungai Bengawan Solo - Bojonegoro tahun
1992, debit sebesar 13,80 m'/det dapat dijumpai sepanjang tahun 1992 (peluang 100 %) debit andalan (dependable /tow) pada peluang 80 % adalatr 49,0 m3ldet dan debit mediannya sebesar 237
m3/det (peluang 50 %).

Pcngukurm dirm m8ih kurmg tcrutrm. untuk muka air tinggi, tir rcninggi yug pcmrh diukur psdr 7.71 m dcngu q = I 397. rn3 /det

Pelaksana

Pengukurm Tgl.

Tabelbeualiranhuim(m

/dct) Js.
315. 984. 522
300

t&a8al 0G0l-1981. Balai Pcnyclidiku Hidrologi

Pcb. Me. Apr. Mei


1853 I t09

Juni Juli Ags Sept. Okt. Nop. De

Contoh penyajian data hidrologi dalam bentuk peta dapat dilihat pada gambar 1.9, yang menyajikan data curatr hujan tahunan dari DPS Citarum disebelah hulu dam Jatiluhur. Dari peta tersebut dapat diketahui bahwa : daerah dengan curah hujan lebih dari 3.500 mm/tahun hanya meliputi luas 0,6 Yo, daerah dengan curatr hujan 3.000 - 3.500 mm/tahun meliputi luas 9,2 Yo dan daerah dengan curah hujan 2.500 - 3.000 mm/tahun meliputi luas 48,0 o/o serla daerah curah hujan kurang dari 2500 mm/tahun meliputi luas 42,2 %o dari luas DPS 4.600 km'?.

'

I 2 I 4 5 6 7 8 9 l0 II l2 t3 t4 t5 16 t7 l8 t9 20 2l 22 23 24 25 26 27 2t 29 30 3 I

75.t 811. t29.


I

149.

t1i.
109. 109.

695.

295.
187.

540.r
556 579 339.

259
318. 567. 413. 366.

556. 863. s63. 407.

317. 267.

2U.

E5,6 84,1

t16.
173.

233.

328.

259. 219.
247. 210.

4t1.
297. 423.
519. 322. 680.

264.
542. 563.

7t2..
1508.

5l l.
491.

&1.
1247 I l4l. 819.

1598
1727.

1730.

t217
675.
1045.

822.
837.

)41. 84,7 22t. 250. 84,7 r93. 2t5. E4,7 2t5. 241. 195. 245. 218. t29.
2fJ6.

469. 572. 508. l5l. lll. 381. 103. 146. 308. 77.5 135. zEt. 109. 221. 37t. 291. 98,2 233 154. 83,8 166 I t84 94.1 171. 1235. 123. 822. 1t06. t7,4

5ll. 5t6.

131. t4,1 633. 84,7 444. 83,8 53t. 183,0 291. 82,9

93t.
E27.

9il.
584. 715.

996.
890. 565.

102. 250. 3lt. 480. 155. 446.

185. 155. 140. 166.

31'.1. zta.
350.

26,6 26,2 25,7 25,1 25,3 25,3 26,6 33,e 51,2 65,8 99,3
t3

I 94,t 9,0 17.0. 94,t 2t5. 19,9 16.6 93,1 180. I9,9 20,8 93,1 73,2 I9,0 26,2 92,2 55,7 19,0 20,1 9t,2 48,2 19,4 30,5 9t,2 42,5 19,4 33"6 57,2 39.7+ t9,0 27.1 31,0 35,4 18,6 33,0 28,5 32,5 19,4 25,7
94,
I

95.0 4J,2 19,0 94.1 39,0 19,0 103. 5t,7 tt,2 124. t2,0 18,2

15,8

15,8 15,8 15,8

53,5 267. 44,6 54'.r. 36,6 574. 32,0 586. 34,8 217. 2J,O 69,0 288. 24,8 48,2 220. 22,6 35,4 173.
I

2t,2 16,8
96,0 40,4 3l.or 28,5 23,5

257.

9,0 3 1,5

173.

455. l9l.
302. 243.

t44.
I

100.
6t2.
63. I 153.

t4.

Rstr-rrta I(.2 (Uda) TinSgi ^,1* Alim (mm) Mct6 Kubik (10'16)
Dru Tthunu

716.

j!.9
198.

1918.

14t0.

4t0 389 I 10. t0l.


1064.

397. 377. 976.

140.

144
38.6

374.

97,1 96..6 63,4 54,2 t9,4 lE,6 18,6 17,8 67,8 47..5 23,8 7,00 4,90 2,46 l8,t l3,l 6,6 t76. t21,0 63,8

t.

32,5 20,3 21,2 10,5 19,9 19,0 2A,5 27,t 21,7 26,2 16,0 t1,O 24,2 17,2 15,4 23,9 36,0 15,8 23,5 36,0 16,2 23,5 31,6 16,0 26,2 27,5 27,1 36,0 18,4 26,6 27,1 30,0 23,0 24,2 27,9 19,9 23,5 24,8 . tg,O 21,0 23,5 lE,6 22,6 20,3 16,6
t6,2
20,9 2,15 5,6

54,r

@,2 t23. 65,8 154. 8t,l )7,t 59,8 t,t3 5,t7 r0,l 16,0 99,4 155.

17,4 3 1,5 t25. t5,4 14,8 111. 13,6 73,6 337. t2,5 16,0 822. 13,2 47,5 912. 13,2 39,7 959. t1,o 38,4 tt31. 23,0 37,8 1ftr8. 19,4 34,8 767. t6,2 49,0 936. 16,6 82,9 871. lJ,o 69.E I 175. 15,4 U,2 692. 22,t 58,0 421. 53,5 92,2 299. 133. lll. 478. I t8. ll7. 415.. 7t..4 16,6 495.
288.

2r8.r
181,0

52t.
53,8 144.
1395.

Rrh-ntr:252.Alimki (ydct):26.0Tinggirlirm(mm):S14.Mctqkubik{10..6):'18t2

bab z
penguhutan par:atnetet statistih data hidrologi
Untuk menyelidiki susunan data kuantitatip dari sebuah variabel hidrologi, maka akan sangat membantu apabila kita mendefinisikan ukuran-ukuran numerik yang menjadi ciri data tersebut. Sembarang nilai yang menjelaskan ciri susunan data
disebut dengan parameter Qtarameters). parameter yang digunakan dalam analisis susunan data dari sebuah variabel disebut dengan parameter statistik (stotisticol parameters), seperti nilai : rata-rata, median, deviasi dan sebagainya. Susunan data itu dapat berupa distribusi (distribution) atau deret berkal a (time series).

Dalam bab ini, akan disampaikan pembahasan tentang pengukuran parameter statistik yang seringkali digunakan dalam analisis data hidrologi yaitu meliputi pengukuran tendensi sentral (c e ntr al t e ndency) dan pengukuran disper si (disper s i on) atauvariasi (variation). Pengukuran tendensi sentral akan dibahas pada sub bab 2.1, sub bab 2.2 menyajikan pengukuran dispersi dan aplikasi
parameter statistik akan disampaikan contoh awal pada sub bab 2.3, sebelum parameter statistik tersebut digunakan dalam pembatrasan analisis data hidrologi pada bab-bab selanjutnya.
37

:t

fi

2.1.

PENGUKURAN TEflDETS/, SENTRAL

Kelcrnrrgrrrr

digunakan sebagai pengukuran tendensi sentral adalah


I

rata-rara (averages) dapat merupakan nilai yang dianggap cukup representatip dalam suatu distribusi. Nilai rata-rata tersebut dianggap sebagai nilai sentral dan dapat dipergunakan untuk pengukuran sebuah distribusi. Jenis rata-rata yang sering
:

Nilai

X rr X,
Snrrlrol

ruta-rata hitung .iumlah data

nilai pengukuran dari suatu variat


dibaca sigma (batrasa Yunani) yang berarti jumlah, i: I sampai n

rata-rata hitung (arithmetic overage or mean) 2). rata-ratatimbang (weighted mean) 3\. rata-rata t*ur (geome tric mean) 4). rata-rata harmonis (harmonic mean) 5). median (median) 6). modus (mode), dan 7). kuartil (quartiles)

).

rlrrliurr persamiuul (2.2)berarti penjumlahan data dari lruuh data.

Contoh 2.1. Data hidrometeorologi yang tercatat dipos hidrometeorologi di Singomerto (+ 310 m), kurang lebih 16 km sebelatr timur waduk PLTA. PB. Sudirman di Banjarnegara, Jawa Tengah ditunjukkan pada tabel 2.1. Hitung nilai rata-rata, tiap variabel data hidrometeorologi pada tabel tersebut.

data).

2.1.1. f,iata.f,tata Hitung Dalam suatu distribusi besarnya nilai rata-rata hitung (mean) dapat dihitung dari data yang tidak dikerompokkan (ungrouped data) atau dari data yang dikelompokkan Qgrouped

Jawob contoh 2.1.

llerdasarkan nrmus 2.1 dan 2.2, data temperatur udara tzbel 2.1, nilai rata-ratanya adalatr :
X=
I

e53

+ 2s,6 + 25,4 + z5,B + 25,4 + 24,7 + 24,5 + 24,9 + 2s,3 + 25,6 + 25,2 + 2s,6)

I)ata Yang Tidah Ulihelompohhan


Rata-rata hitung dari hasil pengukuran variat dengan nilai X,, Xr, Xr,...... X, ialah hasil penjumlahan nilai_nilai tersebut dibagi dengan jumlah pengukuran sebesar n. tsila rata-rata hitung dinyatakan sebagai x ldibaca X bar), maka nilai yang diberikan

x=

3ff

utuu*. :25,27"

(dibulatkan

= 25,30'C)

adalah:

Dengan cara yang sama data hidrometeorologi lainnya dapat dihitung seperti ditunjukkan hasilnya pada tabel 2.1.

V _ Xr +X2 +Xr

--

*
:

....... *Xn

(2.r)

ata Y ang Dikalompohhan

atau dapat ditulis sebagai


rll y=fi)xi

(2.2)

disusun bersama-sama dengan frekuensinya maka disebut dengan data yang dikelompokkan (grouped data). Rata-rata dari data tersebut adalah jumlah perkalian tiap variate dengan frekuensinya dibagi dengan

Dalam suatu distribusi, apabila datanya

40

4l
dapat

jumlah frekuensi. Untuk jelasnya


berikut
:

dilihat pada rumus 2.3,

I rrlrr

l .' .'

)irtir ('uralr I lujan

Di Banjarncgara dan Wonodadi


l(anadadi
R (mm) 469 398 465 387

X=
Keterangan
:

i=l

X fix'
n

Ilanjarnegara llulrtn
R (mn)

i=l

Xr,

Q.3)

Intrrrnr

478

I elrr rrtri

qiq
501

Mnrcl

X: n :
Tabel 2.1

April Mci

403

l9 l7 2l l6
l3
6 6

282
146
108 73
103

rata-ratahitung jumlah data

fXi:

285
184

2l l8 2t t7 t4
8

frekuensi ke i nilai data ke i

Juni

Juli Agustus
September

ll6
89

'

Data Hidrometeorologi Di Singomerto Tahun r ggg


Temperatur Kelembaban Kecepatan Penguapan Udara Relatif Angin i Air Terbula

Oktober November
Desember

275

ll

ll8
32s
479

6 6 6

460 562
3.805

l8
23 159

534 3.849

t4 2t

Bulan
Januari

Jumlah
Sumber
Catatan

t7t

(c)

(%")

(tn/det) \
0,7 0,7 0,6 0,4 0,4 0,4 0,5 0,6 0,6 0,6 0,4 0,5 0,5

(mm) 143,7 I 18,0 142,9 139,0 1J9,8

Februari Maret

April
Mei
Juni

25,3 25,6 25,4 25,8 25,4

86
88

: :

Pusat Litbang Pengairan, Buku laporan No.

R: 1r1 :

90/HI-lg/19g9

besar curah hujan

jumlah hari hujan

24,7
24,5

Juli
Agustus
September

87 89 89 89 87
85

Jawab contoh 2.2.

99,8
109,4

Tabel 2.3 Perhitungan Curah Hujan Pos Banjarnegara


No.

24,9
]

ll7,g
130,9 150,6
134,1

oktober
November Desember Rata-rata

I I

25,3 25,6 25,2 25,6 25,3

85 87
85 85

Curah hujan

Jumlah hari hujan

(x)
I 2
J

Hasil

(f)
t9 t7

UXi)
9.082
7.038
10.521

144,9

478 414
501

129 Sumber: Pusat Litbang pcngairan, Buku Laporan No. 90/HI _ lg/19g9.

87

4
5
6, 7, 8.

403

282
146
108 73
103

2t l6 l3
6

6.448
3.666 876 648 292
515

Contoh 2.2. Data yang tercatat di pos hujan di Banjarn egara (+ 2g9 m) untuk periode 1891 - 1980 dan pos hujan wonodadi (+ 23g m) untuk g93 l 1980, meliputi curah hujan setiap bulan berikut jumlatr hari hujannya, seperti ditunjukkan datanya pada tabel 2.2. Aifingcurah hujan rata-ratabulanan untuk pos hujan Banjarnegara.

6 4

9.
10.

275

ll

3.02s
8.280 12.926
63.317

l. t2.
I

460

l8
23 159

s62
3.805

Jumlah
Sumber

Perhitungan datatabel 2.2.

42

43
I ahel ,'

Berdasarkan nunus 2.3 dan perhitungan data pada tabel2.3, maka rata-rata curah hujan bulanan untuk pos hujan Banjarnegara adalah :

4 l)ntu (lurah Hujan DPS Citarum


('uruh llujan
(mm)
1.500 - 2.000

- Jatiluhur
Luas

63.317 - --'-'' = 398,22 mm/bulan 159


:

ilrr

Luas

(kn')
s95 1.347

(/o) DPS
12,9

Apabila dihitung dengan persamaan 2.2

3.805

t2

= 317,08 mm/bulan.

4
5

2.000 - 2.500 2.s00 - 3.000 3.000 - 3.500 3.500 - 4.000

2.206
422
30

29 48,0
9,2

0,6
100

atau hasilnya mempunyai selisih 20,37 o/o dengan perhitungan nrmus 2.3. Untuk latihan coba saudara hitung untuk pos wonodadi. Apabila data telah disusun dalam suatu tabel frekuensi maka nrmus untuk menghitung'rata-rata seperti ditunjukan pada rumus 2.3 tidak digunakan lagi. Dengan asumsi bahwa data yang terdapat disetiap interval kelas telah didistribusi secara merata unnrk kelas yang bersangkutan, maka nrmus untuk menghitung
rata-rata adalah
k
:

Jumlah
Sumber

4.600

LJNDP/WMD PROJECT INS/78/038 data tahun 1879-1978.

Jawab Contoh 2.3.:


Tabel2.5 Perhitungan Curah Hujan DPS Citarum - Jatiluhur
No Interval Kelas
1500 - 2000

^= TXn i=l
Keterangan:

X
i=l

-'.fi
Q.4)

TitikTengah
(mr) 1.750

Frekuensi

mi.f,
1.041.250 3.030.750 6.066.500
1.371.500

I
2
3

595 1.347

2000 - 2500 2500 - 3000


3000 - 3500

2.250 2.750 3.250 3.750

X: k : m, : { :
Cantoh 2.i.

2.206
422 30

rata-ratahitung jumlah kelas

4
5

3s00 - 4000

I12.500
11.622.s00

titik

tengatr
Sumber

Jumlah
:
perhitungan data tabel 2.4.

4.600

frekuensi kelas i

Tabel 2.4, menunjukkan data curah hujan rata-rata tahunan daerah pengaliran sungai (DPS) citarum kesebelah hulu waduk Jatiluhur dari tatrun 1879 - 1978. Hitung curah hujan rata-rataseluruh DpS
tersebut.

Dari data tabel 2.5 dan berdasarkan nrmus 2.4,makarata-ratacuratr hujan DPS Citarum dari waduk Jatiluhur ke aratr hulu adalatr :

: *-- lj62250 4.600


1\

2.526,63mm/tatrun.

44

46

Iileltodo pethltungan Elnghat


Metode perhitungan singkat (short cut method) digunakan untuk lebih menyederhanakan perhitungan rata-rata hitung, yaitu dengan menentukan nirai rata-iata sementara lproutrionoi *roni. Rata-rata hitung dapat dihitung dengan nrmus :

Tabel
No
I
2
J

2.6

Perhitungan Curah Hujan Pos Banjarngara.


Frekuerui

Curah Hujan

(x)
478

Di-Xi-A
+75

(f)

.f,.D,
+ t425

4t4
50r 403 282 146
108 73
103

X=A+=\-

l r,.n
Q.s)
(2.6)

4
5

l9 t7 2t l6 l3
6

+ll
+98
0

187

+ 2058 0

Xr' i=l Dt:X;-A


Keterangan
:

- t2t
- 257

6
7 8

6 4

-295
- 330 - 300

l0

ll
rata-rata hit*g rata-rata sementara frekuensi ke i data ke i

: : t xi :
A

x :

t2 JUMI.AH

275 460 562


3.805

ll

- 128

l8
25
159

+57
+
159

- 1573 - 1542 - t770 - 1320 - 1500 - 1408 + 1025


+ 3557

760

Sumber : Pcrhitungan data tabcl 2.2

Itlctodo Pahltunjen Doalasl


Contoh 2.4.
ditunjukkan datanya pada tabel 2.2. Jawab Contoh 2.4.
z

krllnjhet

Hitung curah hujan rata-rata dari pos hujan Banjarnegara seperti

Untuk data distribusi frekuensi yang telatr dikelompokkan menjadi data dalam kelas-kelas interval, perhitungan dapat menggunakan persaman 2.5, atau yang lebih sederhana lagi dapat menggunakan metode perhitungan deviasi bertingkat (step
deviation method), dengan rxrmus :

Misal ditentukan curah hujan sementara : 403 mm/bulan (dipilih dari data bulan Apr,). perhitungan ditunjukkan pad,ataber 2.6.
rata-rata dari pos Banjamegara adalah

I=A+*ta \-l
-

$ Ci.fi z,
i=l

tn

(2.7)

Berdasarkan nrmus 2.5, dandata taber 2.6, makacurah hujan


:

Xi-A
I

(2.8)

X=403+1@

Keterangan:

) *. = 398,22mmlbulan
Hasil perhitungan sama dengan perhitungan pada tabel2.3.

ls9

x :

rata-rata hitung

A = rata-rata sementara fi = frekuensi ke i xi = data ke i

I I

Badan perpusrakaan I Propinsi l;rw^ Ti-,,- I

Mr[,]r{

46

47

Contoh 2.5.

l) Jatiluhur dengan

ryabila salah satu data ada yang hilang akan mempcngaruhi ketelitian. hasil perhitungan dapat menyimpang dari keadaan sebenarnya apabila dijumpai nilai yang sangat ekstrem.

Hitung curah hujan rata-rata DPS Citarum


menggunakan data pada tabel 2.4.

2).

Jawab Contoh 2.5.

Misal ditentukan rata-rata sementara curah hujan DPS Citarum

Jatiluhur 2.750 mm/tahun, maka perhitungannya dapat dilihat padatabel2.7.


Tabel2.7 . Perhitungan Curah Hujan DPS Citarum - Jatiluhur
No
I

2.1.2 lfllata-Rata timbang


Dalam perhitungan rata-rata menggunakan metode rata'rata hitung (arithmetic average) kita menganggap batrwa semua data mempunyai bobot yang sama, tetapi umumnya setiap data dapat mempunyai bobot yang berbeda. Apabila bobot setiap data tidak sama maka . perhitungan rata-rata harus menggunakan tata'rata timbang (weighted mean). Untuk menghitung rara-tata timbang dapat menggunakan nrmus sebagai berikut :

Interval Kelas
r500 2000 2500 3000 3500 - 2000 - 2500 - 3000 - 3500 - 4000

Titik Tengah

Frekuensi

C, 't

C,.f,
- 1.190 - t.347

(ml
1.750
2
5

(fi)
595 1.347

4
5

2.250 2.750 3.250


3.7 50

-l
+l
0

2.206 422
30

+2

+ 422 +60

Jumlqh
Sumber : Perhitungan data tabel 2.4

4.600

2.055

X.,='=l; Xw, i=l


Keterangan
:

t w,.r,
Q.9)

Berdasarkan rumus 2.7 dan data perhitungan pada tabel 2.7, maka curah hujan rata-rata DPS Citarum - Jatiluhur ddalah :

I* = rata-ratatimbang Xi = data ke i Wi : bobot datake i n = jumlatr data


Contoh 2.6.

v=2.750. (-?ffi

x 5oo)

V = 2.526,63 mm/tahun Hasil perhitungan sama dengan yang dihitung dengan rumus 2.4
seperti data yang ditunjukkan padatabel2.S. Beberapa keuntungan perhitungan rata-rata hitung
:

Dari peta jaringan Thiessen diketatrui batrwa daeratr pengairan (DP) Badas didaeratr Pare-Kediri terdapat 4 (empat) pos hujan dan luas bagian tiap pos hujan seperti ditunjukkan pada tabel 2.8.

1). umumnya digunakan untuk menghitung nilai rata-rata. 2). sederhana dan mudah. 3). dapat ditentukan dalam setiap persoalan.
Kelemahan perhitungan rata-rata hitung
:

4n

49
I'abel 2.8 Data Hujan Bulan Januari Dp. Badas Tahun lg52
No. Pos Hujan
Km2

- lgTs

Luas
%

Atrrrr rrrcrrrprrrryai rulu-nllit tirrrbang.

sclisih:

10,34 %o,bila dihitung dengan metode

Curah Hujan
(mm)

Contoh 2.7.
I
2
3

Badas
Pare

24 6,75

46

360

t3
11

Bogo Kunjang

I1,60
10,20 52,90

280 314
377

Hitung permeabilitas akuifer air tanah preatis didaerah plematran, Kediri jika datanya ditunjukkan pada tabel 2.10.

19,30
100

Jumlah
Sumber : Soewamo, 1977.

Tbel2.l0 Permeabilitas Sumur


No.

Selubung Daerah plemahan.


Tebal Akuifer
lV,

Sumur
TW.0l0
TW. 0l I

Permeabilitas X, (m/hari)
40,38
10,13 17,72

(m)

Jawab Contoh 2.6.

w,.

x,

l.
2.
J.

TW.0l2
TW.025 TW.024
TW.033

Tabel2.9 Perhitungan curah Hujan Dp Badas Bulan Januari


No.

4. 5. 6.
7.

21,33
19,gg

30,3 30,9 30,9 30,9

1.223,51

313,01 547,54

659,09
579,71
138, I 6 295,83

Pos Hujan

Bobot

(try
I
2
3

Curah Hujan

(x,
360

Wi.Xi

TW.035

4,04 8,65

\29'o

Jumlah
16.573

34,2 34,2 220,4

3.756,88

Badas Pare

46

l3
22 19,30
100

280

3.530

Sumber: Soewarno, 1977 *) dianggap: panjang selubung penyaring (sueen\.

Bogo

3t4
377

6.91I
7.272 34.286

Kunjang

Jowab Contoh 2.7.

Jumlah

Sumber : Perhitungan data tabel 2.8.

Berdasarkan data pada tabel 2.10, maka permeabilitas preatis didaerah Plemahan dihitung dengan rumus 2.9 : 3.756.99 _r x*=ffi:

air tanah

Dengan rata-rata timbang, curah hujan rata-ratabulan Januari unfuk DP. Badas adalah (lihat tabel2.9) :

l7'o4mltrari

n,"=

W:342,86mm
:

Apabila dihitung dengan rata-ratahitung rumus 2.1 40.38+ 1_ -10.

l3+ !7.72+2l.llr lq.99r4-04rg.65

Apabila dihitung dengan rata-ratahitung persamaan 2.1

7_359,9+279,7 t.313,7 +376,g _ 1.330,1


4 4

: JJL'JL 332,52mm tt,-rtt

x
,

122-24 : - ---'-' 7

17,46 m/hari

I I

6l
l-r0

atau mempunyai selisih


hanya cukup besar.

2,48 7o dengan yang dihitung dengan

Ilila dihitung

dengan rata-rata

hitung rumus 2.2 :

rata-ratatimbang.Selisihinikecilkarenafaktorpembobotannya 2'6' mempunyai variasi yang relatip kecil, lain dengan contoh

X: X:

ll4 (2,9 + 2,6 + 3,3 + 3,0)


2,92 mgll

2.1.3 \ata'f,;arta llhut Rata-rata uktx (geometric mean) dihitung dengan


sebagai berikut
:

rumus

Apabila X,, Xr, Xr, ... X, adalah nilai variat dan W,, W2' Vy':, ... Wn adalah bobotnya maka rata-rata ukurnya dapat dihitung dengan rumus sebagai berikut :

*, =i Gr)* i=l
Keterangan
:

(2'10)

E = anti Log
Keterangan
:

Iw' i=l
i=l

LogX
n

(2.r r)

Ew,

Ie
Xi

= rota-rata ukur : data variat ke i : jumlah data

&

X' :

Contoh 2.8.

=rata-rataukur data ke i W, = bobot data ke i n : jumlah data

Pengambilan sampel air di'Pos duga air W'sekampung Kunyir propinsi Lampung pada bulan Januari 1981 yang setelah dilakukan (mg) analisis laboratorium menunjukkan kandungan magnesium sebagai berikut : :2,8 mgA ). tanggal 28, kandungan mg 2). tanggal2g, kandungan mg :2,6 mgll
I

Contoh 2.9

Hitung rata-rata ukur curah hujan yang datanya tercantum Pada


tabel2.8.
Jawab contoh 2.9

:3,3 mgA 3). tanggal 30, kandungan mg 4). tanggal 31, kandungan mg: 3,0 mg/l

Tabel2.l
No
I
2
J

Perhitungan Curah Hujan DP.Badas Bulan Januari


Bobot Curah Hujan

Hitung kandungan mg rata-rata ukurnya'


Jawab contoh 2.8. Data :
z

Pos Hujan Badas


Pare

LogX,
2,556 2,646 2,496 2,756
10,075

W,

LogX,

(w)

(x)
360 280 117,703

X, :2,8 X, :2,6 X, : *s :
(72,072)tt4

X3:3,3 Xo: 3,0


3,0)r/a
t

46

l3
22
19,30

(2,8 x2,6x3,3 x

Bogo Kunians Jumlah

314
377

r00

r.330

30,868 55,086 49,716 253,375

:2,91 mgfi

Sumber : Perhitungan data tabel 2.8.

52

I
tabe

6ll

Dari

2.1

l, maka rata-rata ukur curah hujan DP.Badas untuk


:

bulan Januari adalah

Apabila data tersebut dihitung dalam suatu distribusi liekucnsi maka rata-rata harmonisnya dapat ditulis sebagai berikut :

I, = -ti L"g ?*r xr: l+t,78 mm

anti Log2,533

Xn=tr
3*,
Keterangan
:

tn

(2.13)

Lihat hasil perhitungan pada tabel 2.9, apabila dihitung dengan rata-rata timbang Xn: 342,86 mm dan apabila dihitung dengan rata-rata hitung X : 332,52 mm.
Beberapa keuntungan dari pada penggunaan rata-rata ukur adalah :
'

). dapat digunakan untuk semua 2). perhitungan sederhana.


I

data hidrologi'

: Xi : q : n :
Xn

tutu-rata harmonis data ke i frekuensi ke i jumlah data

3). tidak begitu banyak dipengaruhi oleh nilai ekstrem'


Sedangkan kerugiannYa
:

Apabila suatu distribusi data hidrologi Xr, X2, X3, ... X. dan masing-masing data mempunyai bobot sebesar W,, Wr, W3, ... Wn,
maka rata-rataharmonisnya dapat dihitung dengan rumus
:

perhitungan bila datanya mempunyai nilai nol atau negatiP. ' 2). penggunaan perhitungan logaritmis-

l). tidak dapat dilakukan

tw,
" l5wi LT
i=l ^i Keterangan
:

(2.t4)

2.1.4. \alta-f,rata

Hannonit

Xn W,

: :

, :datakei

rata-rata harmonis bobot data ke i

Rata-rata harmonis (harmonic mean) dari suatu distribusi X,, Xr, Xr, ... Xn dapat ditulis sebagai berikut :

n : jumlah data

Xn=

$r

(2.r2)
Contoh 2.10.

3*,
Keterangan
:

Hitung curah hujan DP.Badas yang datanya ditunjukkan pada tabel


2.8, dengan menggunakan rata-rata harmonis.
rata-rata harmonis data ke i jumlatr data

xn:
Xi: n:

Jawab contoh 2.10.

54

66

Tabel 2.12 Perhitungan Curah Hujan Rata-Rata Dp.Badas.


No.
I

Jowob contoh

2.1l.

Pos Hujan
Badas Pare

Bobot
Wi 46,05 12,62 22,03 19,30
100

Curah Hujan

xi
359,9

Wi/Xi
0,1279
0,0451

Tabel 2.13. Perhitungan Permeabilitas Rata-Rata Sumur


Selubung Daerah Plemahan.

2
J

279,7
313,7 376,8

Bogo Kunjang Jumlah

0,0702 0,0512 0,2945

No.

Sumur
TW.0l0

Bobot wi
30

Permeabilitas

lyt/xl
0,750 3,050
1,743

xi
40

1.330,I

I
2

Sumber : Perhitungan data tabel 2.8

TW.0ll
TW.0l2
TW.025 TW.024 TW.033 TW.035
Jumlah

)
4

3l 3l 3l
29,0 34 34

l0 l8 2l
20 4,04
8,65 122

1,448

Berdasarkan rumus 2.14, maka rata-rata harmonis ctuah DP.Badas untuk bulan Januari adalah :

hujan

I,450
8,465

,l

ll

6 7

i, 100 xr'=ffi

220

3,953 20,863

339'5mm'

Sumber : perhitungan data tabel 2.10.

Dengan demikian rata-rata curah hujan Dp.Badas bulan Januari adalah:

Berdasarkan rumus 2.14, maka rata-rata harmonis permeabilitas akuifer preatis didaerah Plemahan adalah :

l). Dihitung dengan rata-ratahitung, *.:332,52 mm. 2). Dihitung dengan rata-ratatimbang, n* : 342,86 mm. 3). Dihitung dengan rata-rataukur, X, :341,78 mm. 4). Dihitung dengan rata-rataharmonis, Xn :339,5 mm.
Pada contoh perhitungan ini ternyata perhitungan dengan rata-rata

- .'= Xn
lt

220,40 : -:-:-:--20,96

10,56 mArari

Sedang rata-ratahitungnya:

: X: l":U 7

17,46m/hari

hitungkarenatanpamelibatkanbobotdarisetiapdata,memberikan hasil perhitungan yang paling rendah. peihitungan rata-rata harmonis jarang digunakan dan umumnya memberi hasil yang lebih kecil dibanding rata-rata ukur, seperti juga ditunjukkan pada contoh 2.1I seperti berikut :
Contoh 2.t1.

Dengan demikian permeabilitas akuifer preatis daerah plematran


rata-ratanya adalah
l

hitung X : 2). rata-rata timbang I,, : 3). rata-rata harmonis X6 :


1). rata-rata

7,46 mlhari.
17,04 m/hari. 10,56 m/trari.

Hitung permeabilitas akuifer preatis yang datanya tercantum pada


tab el
2.
1

Hasil perhitungan Xn selalu lebih kecil X*.

0, den g an meng gunak an r ataq ata harmoni s.

60

67

Contoh 2.12.
Perhitungan sampel air di Sungai Way Seputih di Segalamider pada tahun 1981, bulan Januari tanggal 20, sebagai berikut :

tersebut tidak diperolch. Hal ini tlischahkan karena bobot dari pada tiap data akan dapat nrc r r r pcn g,aruhi ketelitian dari hasil perhitungan rata-rata.

l)uri conrrh

.1,10 darr

2.ll hubungan

Jam

Konsentrasi (me/l)

2.1.5 ltfedian
Median (median) adalah nilai tengatr dari suatu distribusi, atau dapat dikatakan variat yang membagi distribusi frekuensi menjadi 2 (dua) bagian yang sama, oleh karena itu peluang @robability) dari median selalu S0 %.
Data yang belum dikelompokkan
:

22.30 22.45 23.00 23.15 23.30


(Pus

554 659
838
1.008

835

l). Jumlah data ganjil


Untuk data yang jumlahnya ganjil, median adalah data pada urutan ke'(k,) yang dapat dihitung dengan rumus :

Air, laporan No. 39/HI-l lll982)

r^l-

- n* I
--

(2.rs)

Hitung rata-rata hitung, rata-rata ukur dan rata-rataharmonisnya.


Jawab contoh 2.12.

*",.r*rurj' kr : letak median n : jumlah data


2). Jumlah data genap

l).

Rata-ratahitung X =

(554

659

+838 + 1008 + 835)

X=Y:778,8mg/t
2). Rata-rata ukur

X, : llSS+ x 659 x 838 x 1008 x 835)r/5 X, :12,575 x l0ra)'/5 :762,35 mg/l

Untuk data yang jumlahnya genap, median adalah data yang letaknya pada titik tengah urutan data ke (k,) dan (kr), yang dapat dihitung dengan rumus :
Il rK,- ,2

(2.t6) (2.t7)

3). Rata-rata harmonis X| = l-r-l-l-l-l 5s4'659'838'too8'835


Xn*=

rA.-- -

'2

n*2
:

Keterangan

uJr*

,o-,

:596,52mgll

k,, k, : : n
Contoh 2.13.

letak median jumlah data

Dari contoh2.l2 diperoleh hubungan Xh < Xs < X.

68
l-rl)

Flitung median dari data debit sungai Cikapundung di pos duga air Gandok pada tanggal I sampai dengan 5 Februari 1991, dan hitung mediannya data debit sampai dengan 6 Februari 1991. Datanya sebagai berikut : Tanggal Debit 1m3/det)
Februari 2 Februari 3 Februari 4 Februari 5 Februari 6 Februari

M,r

! ".j

2'64

lZ'tlo

= 2,72m,/det

ll ata Y ang llihelomp ohh an


Median dari data yang tel:ih dikelompokkan menjadi suatu distribusi frekuensi dapat dihitung dengan rumus sebagai berikut :

2,48

2,40 2,89 2,64 2,80 2,72

l-p Ma:b+i(t-)
Keterangan
:

1Z.rr;

(dikutip dari : Buku Publikasi Debit Sungai Tahun 1991, Puslitbang Air)
Jawab contoh 2.13.
z

Median tanggal I jumlatnya ganjil.

- 5 Februari l99l

karena datanya tr

: n : i : f : F : b :
Md
5, maka
Contoh 2.16.

median

jumlah data interval kelas


frekuensi kelas median frekuensi kumulatip sebelum kelas median tepi kelas bawah di mana median terdapat

Urutkan datanya dari nilai kecil ke besar

Tentukan median dari debit sungai cisadane 1974 sebagai berikut :


Debit (m3/det)
kurang 20 Jumlah hari
5

Batubeulah tahun

Xr:2,40
Xr=2,48
Letak mediannya

X3:2,64
Xo=2,72

X5:2,80
dan

1-_n+l-5*l_,

^'-T-T-',
:

Xr:2,64

Jadi mediannya Md

Median tanggal I jumlahnya genap. X, :2,40 X2=2,48 Letak mediannya

:2,64 m3/det. - 6 Februari l99l karena datanya fl

6, maka

2t4t6t-

40 60
80

59 56 69 68

8l - 100

Urutkan datanya dari nilai kecil ke besar

l0l - 120 tzt - 140


X, :2,80 X. = 2,88 - 160 161 - 180
141 181 - 200

47

X3=2,64

Xa:2,72
:

2t t4 l0
7
5

201 - 220 221 - 240

k,=+=+=3,danX3:2,64

kr=*

lebih 241

t:4,

dan Xo = 2,80

(Sumber : Buku publikasi Debit tahun 1974, puslitbang Air)

Jumlah

365 hari

60

6l
z

Jawah contoh 2.16.


pada tabel 2.14A.

Mcrli,rr rlirtir plrl. tirhcl

2.

l4A

Buat distribusi frekuensi kumulatip seperti ditunjukkan datanya

dapat dihitung dcngan rumus

Md bf i(l-f

l-t,
)

Tabel

2.

l4^A Frekuensi Kumulatip Debit S.Cisadane-Batubeulah


Tahun 1974.
Debit
Frekuensi

Mo:60,5+Z0gl88-tZO, '69'/
M6:60,5 +
19,71

:80,21m3ldet.

No

xt

Kumulatif Lebih Dmi


F.

4
5

Jadi median debit S.cisadane - Batubeulah tahun 1974 adalah g0,21 m'/det, atau 50 Yo daridebit selama tahun 1974 adalahgo,2lm3ldet.

kurang 20

r*)

2r-40 4l-60 6l-80*)


8l - 100 101 - 120 tzt - t40 l4l - 160 16l - 180

59

64

Beberapa hal yang perlu diperhatikan dalam menghitung median adalah:


*)

56 68

69 *)

t20
189 257 304

' ' '

memerl,kan pekerjaan mengurutkan data dari kecil ke


besar atau sebaliknya.

47

2t t4 l0
7
5 3

32s
339 349
356
361

kemungkinan tidak dapat mewakili distribusi data seri.

tidak mudah ditentukan bila data yang dihitung jumlah


frekuensinya genap.

l8l

- 200

20t -220 22t -240 lebih dari 241*t*,)


Catatan

364
365

walaupun.demikian penentuan median tidak dipongaruhi oleh nilai ekstrem.

I
365

: *) letak median.
**) **r)
terkecil 16,l m3/det.
terbesar 270 msldet.

Dari tabel 2.14A, jumlah data n

= 365 dan ganjil, maka


:

letak

mediannya ditentukan berdasarkan rumus 2.15, sehingga

, n+l .\=T 188, oleh karena itu median terletak di =ry =


interval kelas 6l - 80.
60 + 6l :60,5 . tepi bawah dimana median terletak adalah rqsr 5 v = 2 . frekuensi kelas median adalah f = 69. . frekuensi kumulatip sebelum kelas median adalah F = 120.

Dengan menggunakan data debit rata-rata harian terbesar 270 m3ldet dan terkecil 16,l mrldet, maka data pada tabel 2.14.A dapat dibuat seperti ditunjukkan pada tabel 2.14.8. Dari data tabel 2.14 B dapat dibuat kurva distribusi frekuensi "kurang dari" atau ojif (ogive), yang untuk data debit disebut dengan kurva ,,Duration Curve" (lengkung frekuensi rama aliran) seperti ditunjukkan pada gambar 2.7- Data digambarkan pada kertas grafik aritmatik. Data batas bawah kolom (2) digambarkan pada skala tegak, berpasangan dengan data pada korom (5) Dengan demikian koordinat titik penggambaran gambar 2.1 adalah (100 dan 16,l), (9g,63 dan 2l), (82,46 dan 4l), (0,27 dan z4r) hingga titik terakhir (mendekati nol,
270).

62
l irlrcl .1

8:r

l,l lt

lrrckrrcrrsi Krrnrrrlrrlip l)chit Stutgiti ('is:tditttc

llatrrhculalr'l'ahun I 974.
Debit Harian
(m3/det)

Frekuensi

Frekuensi Kumulatip

(hari)

Kurang dari (hari)


4
0
9%

xi
I
I
2

I
3 0

)
Lebih dari 270 241 - 2',t0

J
I 4
9

I
3 5

0,00 0,27

to

22t -240
201 -220 l8l - 200

l,0g
2,46 4,38
7,12 10,19 16,l I 29,58
48,21
6',7,12

4
5

E a\ rto

l6
26

6
7 8

16l -

a I o

r
o

l4l 101

180 160

ll

l0

t2t - t40 - 120 8l - 100 6l - 80

l0 l4 2l
47
68

40

6l
108

176

L
I

-+
I

t2 l3

4l2t-

60 40

69 56 59
5

24s
301

360
365

l4 l5

16,l - 20 kurang dari l6,l

82,46 98,63 100,00

0 36s

i------+

roo

UAI?U (Xll!,

aoo

loo

rr'
Sumber

Jumlah

Data Tabel 2.

l4.A

Gambar 2.1. Lengkung' Frekuensi Lama Aliran Cisadane' Batubeulah Tahun 1974.

2.1.6 ltodus
Dari sekumpulan data atau distribusi yang terdiri dari variabel deskrit, yang disebut modus adalah vanat yang terjadi pada frekuensi yang paling banyak. Sedang pada suatu distribusi yang terdiri dari variabel kontinyu, yang disebut dengan modus adarah variat yang mempunyai kerapatan peluang maksimum (mmimum probability density).
Gambar 2.2, menunjukkan letak dari pada rata-r ata (mean), median dan modus. Letak rata-rata, median dan modus untuk distribusi dengan bentuk kurva frekuensi yang simetris, maka nilai

(i4

ri6

'letapi apabila kurva frekuensi suatu distribusi bentuknya tidak


simetris maka letak mean, median dan modus seperti ditunjukkan pada gambai 2.3.

rr)oan, rnedian dan modus terletak pada satu

titik

(gambar 2.2).

llrt!,r11_
Jrtrtrutrr

Kclcrttll:rb:rrr ('),,) 86
88 87

[]rrlan

Kclcnrbaban ('7o)
87 85 85 87
85

Juli
Agustus
September

ljcbruari
Maret

April
Mei
'iTIUTI!I Juni

89 89 89

Oktober November
Desember

85

Tentukan nilai modusnya (Mo).

Iorf

r I.l

itLtt

Jawab contoh 2.17.


pada tabel 2.15.

Dari contoh 2.17 maka dapat disusun tabel frekuensi seperti terlihat

Gambar 2.2. Mean, Medion dan Modus Kurva Frelarcnsi


Simetris.

Tabel

2.15 Distribtrsi Frekuensi Kelembaban Relatip Pos Hidrometeorologi di


Singomerto Tahun 1988.
Kelembaban Frekuensi
F1

No.

(xi)
I
a 3

85 86 87 88 89

I
3

I
3

Gambar 2.3. Mean, Median dan Modus Kurva Frelarcnsi Tidak Simetris.

Sumber : Perhitungan data tabel 2. I

Contoh 2.17.

Dari data tabel 2.1 dapat diketahui bahwa kelembaban relatip (%) dari pos hidro meteorologi di Singomerto tahun 1988 adalah sebagai
berikut
:

Dari tabel 2.75, data dengan frekuensi terbanyak adalah bernilai g5. Maka modus kelembaban relatip pos hidrometeorologi di Singomerto adalah Mo : 85 Yo.
Apabila data telah disusun dalam suatu distribusi frekuensi

{;

(;

67

dala,,, rnterval kelas, maka modus dapat dihitung dengan rumus sebagai berikut
:

Jtttvuh cttttkth

2.

l8

llrrrrt trrlrcl rlistribusi seperti ditunjukkan pada tabel 2.16


'l'abcl
2. 16. Frekuensi

Iv{o=B-it,r_#t5r
Keterangan
:

(2.1e)

Debit S.cisadane-Batubeurah 1974.

Mo

B i f f,

: = : : :

modus
'batas bawah interval kelas interval kelas

l.
2. 3.

kurang 20

frekuensi maksimum kelas modus frekuensi dari kelas sebelum frekuensi maksimum kelas modus frekuensi dari kelas setelah frekuensi maksimum kelas modus (lihat gambar 2.4).

4.
5. 6. 7. 8. 9.
10.

2t-40 4l-60 6l-80


8l .

59 56

69
68

f2 =

l0l tzt - 140 l4l - 160


16l - 180
181 - 200

100 120

47
2T

t4 l0
7
5 3

l.

12.

?irtrxitt

l3

20t - 220 221 - 240 241 - 260 lebrh240

Jumlah
Sumber : Perhitungan data tatrul2.14A

Dari tabel 2.16, nampak bahwa frekuensi maksimum'adalah 69, dan terletak didalam interval kelas 6l - g0, oleh karena itu kelas modus (mode class) adalah 6l - 80 Data yang dapat diperoleh adalah :

B:61, f=
Modus
Gambar
2.

69,

| :56, t:68 f- f''t


r

dan

i:20

4. Diagram Frelarcnsi

Untuk Menghitung Modus.

Mo:B*itG
Ivt:6r

- fr) + (f- fz)

vt:61 +20[
Contoh 2.18.

69-56 (6e-s6)+(6e-68)

Tentukan nilai modus dari debit S. Cisadane - Batubeulah tahun 1974 yang datanya ditunjukkan pada contoh2.16.

+ 20

t+il

NIo:79,57

(itt 80

Jadi modus debit S.Cisadane - Batubeulah tahun 1974 adalah79,57 m'/det, dalam satu tahun terjadi dalam 69 hari atau 18,9 Yo dat'r 365 hari.

Tabel 2.17. Urutan Data Penguapan di Singomcrto Tahun 198t.


Bulan
Penguapan

Dalam perhitungan modus hasilnya dipengaruhi oleh nilai


ekstrem dan perhitungannya mudah. Akan tetapi modus mempunyai beberapa kelemahan, diantaranya adalah nilai ekstrem tidak ada faktor penimbangnya, dan dalam beberapa hal tidak mungkin menentukan satu nilai modus karena kemungkinan mempunyai beberapa modus, disamping itu perhitungannya tidak melibatkan semua data yang dihitung.

Air (x)

Terbuka

(mm/bulan)

I
2
3

99,E 109,4 I l7,t

4
5

I18,0

ll9,E
130,t
134,1 139,0 142,9 143,7 144,8 150,6

6 7
8 9

l0

ll
2.1.7 Kuortil
Kuartil (quartiles) adalah tiga nilai yang membagi distribusi menjadi 4 (empat) bagian yang sama, dengan demikian :

t2
Sumber: data tabel 2.1.

Dari data tabel2.l7 maka dapat ditentukan

1). Kuartil ke 1 adalah 25 Yo dari pengamatan. 2). Kuartil ke 2 adalah 50 o/o dari pengamatan. 3). Kuartil ke 3 adalah 75 o/o dari pengamatan.
Umumnya dalam
kecil ke besar.
suatu distribusi data diurutkan dahulu dari nilai

: 2). Kuartil ke2, dataurutan ke 6:


l). Kuartil ke l,
data urutan ke 3

I17,8 mm/bulan.
130,8 mm/bulan. 142,9 mm/bulan.

3). Kuartil ke 3, data urutan ke 9 =

2.2.

PENCUKUNAND'SPERS'

Contoh 2.19.

Tentukan kuartil dari data penguapan

di pos hidro rneteorologi

Singomerto yang datanya tercantum pada tabel?.l.

Jmttab contoh 2.19.

Urutkan data penguapan pada tabel2.l sebagai tercantum pada tabel 2.17, urutan dari nilai penguapan terkecil ke nilai yang terbesar.

Suatu kenyataan bahwa tidak semua variat dari suatu variabel hidrologi terletak atau sama dengan nilai rata-ratanya akan tetapi kemungkinan ada nilai variat yang lebih besar atau lebih kecil dari pada nilai rata-ratanya. Besarnya derajat dari sebaran variat disekitar nilai rata-ratanya disebut dengan variasi (variation) atau dispersi (dispersion) dari pada suatu data sembarang variabel hidrologi. cara mengukur besarnya variasi atau dispersi disebut dengan pengukuran variabilitas atau pengukuran dispersi. Hasil pengukuran tersebut sangat penting untuk mengetahui sifat dari distribusi disamping pengukuran tendensi sentral (sub bab 2 Beberapa macam cara untuk mengukur dispersi diantaranya adalah :

l)

70

7l

[).

range (range)

Tabel 2.19 Urutan Data Debit dari Data Tabel


No
Tahun t9'12

2. I tl

2). deviasi rata-rata (mean deviation) 3). varians (variance) dan deviasi standar (standard
deviation) 4). koefisien variasi (variation coefficient) 5). kemencengan (skewness) 6). kesalahan standar (standard error)

Debit Minimum

(mt/de\ I
2
3

2,68
3,

t976
t9'l'7
L97L 1970 1975 1979 1978

l0

3,60 3,68 4,02 4,70 5,50 s,80 7,30 7,60 7,67 9,19

Untuk jelasnya akan disampaikan contoh perhitungan


masing-masing cara pengukuran dispersi.

6
7

2.2.1

B;atrryle

8 9

t973
1974
1968 1969

Range adalah perbedaan antara nilai yang terbesar dengan yang terkecil dalam suatu distribusi. Cara ini adalah yang paling mudah untuk mengukur dispersi. Umumnya;jarang digunakan untuk mengukur dispersi karena hanya dihitung dari dua nilai ekstrem saja.

t0

ll
t2

Sumber : data tabel 2.18

Tabel2..l8 Data Debit Minimum Sungai Cimanuk Leuwidaun Tahun 1968 - 1979.
Debit Minimum
(m3/det)

Contoh 2.19.

Hitung range debit minimum dari sungai Cimanuk - Leuwidaun yang


datanya tercantum pada tabel 2, 1 8.

No

Tahun
96E

Jmvab contoh 2.19. :

I
,,

7,67 9,79 4,02


3,68

969 970
9',7r

Untuk memudahkan perhitungan data pada tabel 2.18 diurutkan


besarnya debit minimum seperti ditunjukkan pada tabel 2.
19
.

4
5

972

2,68 7,30 7,60 4,70


3,

6
,7

973 974 975 976


977

Dari data pada tabel 2.79, nilat terbesar adalah 9,79 m3/det dan terkecil 2,68 m'/det, jadi range debit minimum S.Cimanuk Leuwidaun adalah 9,79 - 2,68 :7,1 I m3/det.

8 9

l0

l0

3,60 5,80 s,50

2.2.2 [lcoiasi lt,atg..tata

ll
t2
Sumber

978 979

nilai

Buku Publikasi Debit, Puslitbang Pengairan

Deviasi rata-rata (mean deviation, average deviation) adalah rata-rata penyimpangan (deviasi) mutlak (absolute) dari

72

73

rata-rata hitung (mean) untuk semua nilai variat Karend semua nilai pengamatan/pengukuran dilibatkan dalam perhitungan maka hasil perhitungan lebih teliti jika dibandingkan dengan range yang hanya menggunakan 2 rulai ekstrem saja. Deviasi rata-rata dapat dihitung dengan rumus sebagai berikut
:

Tabel

2.20

Perhitungan Deviasi Rata-Rata Debit Minimum Sungai

Cimanuk - Luewidaun.
No.

DebitMinimum Rata-Rata

It MD: n: lx,rn

Il

xi
(2 20)
I
2
3

x
5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5.43

X,-X

lx,-x
2,7s 2,33

2,69
3,

l0

Keterangan

MD

xi

x
n

lx, - Xl

= deviasi rata-rata : nilai variat ke i : rata-rata hitung semua variat : jumlah data : baca harga mutlak selisih X, dengan X.

6 7 8 9

ll

l0
t2

3,60 3,68 4,02 4,70 5,50 5,80 7,30 7,60 7,67 9-79
65,44

- l,4l
-

2,75
2,33 1,83 1,75

l,g3
1,75

l,4l
o,73 0,07 0,37
1,87

0,73 + 0,07 + 0,37

+ 1,87
+ 2,17 + 2,24

+ 4-36

Jumlah

2,17 2,24 4.36 21,89

Contoh 2.20.

Sumber : perhitungan data tabel 2.18

Hitung deviasi rata-rata debit minimum Sungai


Leuwidaun yang datanya tercantum pada tabel 2.18.

Cimanuk

Dari hasil perhitungan tabel 2.20 dapat diambil kesimpulan


bahwa debit minimum sungai Cimanuk - Leuwidaun selama tahun 1968 1979, mempunyai fluktuasi sebesar 1,82 m}/det dari rata-ratanya sebesar 5,43 m3/det.

Jawab Contoh 2.20.

Perhitungan lihat tabel 2.20

Apabila data telah dikelompokkan kedalam distribusi


frekuensi, maka deviasi rata-rata dapat dihitung dengan rumus sebagai berikut :

Hitung rata-rata hitung

n _ 65,44 _ :5,43 X=

mr/det

\D:

Hitung deviasi rata-r ata'.

t nlx, - xt -" II i=l

(2.2r)

MD: * MD:

I lx,-xl
= 1,82
m3ldet

Contoh 2.21.

'#

Fiitung deviasi rata-rata dari curah hujan DPS.Citarum yang datanya tercantum pada tabel2.4.

Jatiluhur,

74

7Ft

Jawab contoh 2.21.

2.2.3 lltulosl Etandol dan Vatlan


Ulnrrnrrrya ukuran dispersi yang paling banyak digunakan irtlirlalr doviasi standar (slandard deviation) dan varian (variance). Varian dihitung sebagai nilai kuadrat dari deviasi standar. Untuk sampel nilai deviasi standar umumnya diberi simbol (S) dan varian adalah (S2), sedangkan untuk populasi nilai deviasi standar diberi simbol o' (baca : sigma) dan varian (d ). Apabila penyebaran data sangat besar terhadap nilai rata-rata maka nilai S akan besar, akan tetapi apabila penyebaran data sangat kecil terhadap nilai rata-rata maka S akan kecil. Deviasi standar dan varian dapat dihitung dengan rumus :

Perhitungan ditunjukkan pada tabel 2.21

TabelZ.2l. Perhitungan Deviasi Rata-Rata Curah


DPS.Citarum - Jatiluhur.
No
Curah Hujan Frekuensi

Hujan

(nm)

Titik Tengah

xi
1.750

f,x,

w,-xt
1.041.250 3.030.750 6.066.500 777 277 223 723
1.223

tW,-xt
1.359.750
373.1 19

I
a 3

r.500 - 2.000
2.000 - 2.500 2.500 - 3.000 3.000 - 3.500 3.500 - 4.000

595
1.34'.1

2.250 2.750
3.250

2.206 422 30 4.600

491.938 305.106 36.690 2.566.603

4
5

L371.500
l I 2.500

3.750

Jumlah

t1.622.500

t (,,-x)'
i=1

Sumber : Perhitungan data tabel 2.4.

(2.22.a)

Hitung curah hujan rata-rata :

52:

i=l

i tx, -x/
deviasi standar nilai variat

(2.22.b)

f 1L=fr.' tr' i=l


n

inx''-11.622.500
4'600
'.

Keterangan:

=2527mm

Hitung Deviasi tata-rata

S: X' : X: n : 52 :

nilai rata-rata jumlah data


varian

MD:

%-Ir, i=l

tlx, -Xl

Hasil perhitungan persamaan (2.22a dan 2.22b) adalah ukuran


dispersi untuk sampel, tetapi larang digunakan. Umumnya dihitung dengan mmus sebagai berikut.
557.95mm/tahun.

: MD: 2569,Q03 4.600 .

I
52:
i=l

tsl

Gi

-F,

Dengan demikian curah hujan rata-rata DPS Citarum dari waduk Jatiluhur ke arah hulu mempunyai deviasi tata'rata 557,95 mm dari besarnya curah hujan rata-rata hitung (mean) 2527 mm/tahun.

(2.22.c\

t rx,- lqz
nI

(2.22.d)

76

17

Contoh 2.22.

Hitung deviasi standar dan varian dari debit minimum S.Cimanuk Leuwidaun yang datanya tercantum pada tabel 2.19.
Jmvab contoh 2.22. : Perhitungan lihat pada tabel2.22. Tabel2.22 Perhitungan Deviasi Standar Debit Minimum Sungai Cimanuk - Leuwidaun.
No Debit Rata-Rata Minimum

s ll /tu:u 12*
I

2.22 m,/det

Ilcrdasarkan persamaan 2.22.d, maka varian

S': I
.2

i=l

Gi

-x/(n- l)
|

54,2996

t2-

32:

4,9284

xt
I
2
3

(X, -

x)

6,-Xf
7,5625 5,4289 3,3489 3,0625
1,9881

4
5

6
7 8 9
10

2,68 3,10 3,60 3,68 4,02 4,70 5,50


5,80

ll

t2
Jumlah

7,30 7,60 7,67 9.79


65,44

5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5.43

- 2,75 - 2,33

Dengan demikian debit minimum sungai Cimanuk - Leuwidaun selama tahun 1968 - 1979 mempunyai deviasi standar 2,22 rildet dan varian 4,9284 m3ldet df,ri rata-ratanya sebesar 5,43 m'ldet atau deviasi standarnya sama dengan * 50 % dari debit minimum
rata-ratanya.

- 1,83 - 1,75 - r,41


- 0,73 + 0,07 + 0,37

+ 1,87
+ 2,17 + 2,24 + 4.36

0,5329 0,0049 0,1369 3,4969 4,7089 5,0176


19.0096

Varian dan deviasi standar untuk populasi dapat dirumuskan sebagai berikut :

--:.T-

i 1x, _rD,
i-l

(2.22.e)

54,2996

i=l

6, -u)'
n

Sumber: Perhitungan data tabel 2.18.

(2.22.0

Keterangan:

Dantabel2.22,
Hitung rata-rata hitung

x=#:5'43m3/det
Berdasarkan persamaan 2.22.c, maka deviasi standar
:

o': o: X,: tl: n= o:

varian populasi deviasi standar populasi data dalam populasi rata-rata hitung populasi junilah data dalam populasi (baca sigma)

i=l

i t*, -x)'

Untuk perhitungan deviasi standar dan varian dari sampel data hidrologi yang telah disusun dalam distribusi frekuensi dapat

7tt

7lt
:

menggunakan rumus sebagai berikut

wrttlrrk .lrrtilrrlnrr ytrtg tlirttnya tcrcantum pada tabel2.4, dengan cara pcr hil rrttgulr sirrgkat.

(2.23.a)

S2:
Keterangan

I G,-D'.f;
i=l

Jawab contoh (2.23.b)

2.23.

i=l
:

Xt

Perhitungan dari contoh z.2|tercantum pada tabel 2.23.

Tabel2.23 Perhitungan Deviasi Standar Curah Hujan DPS


Citarum - Jatiluhur Dengan Cara Singkat.

S : deviasi standar X, : titik tengah tiap interval kelas X : rata-ratahitung fi : jumlah frekuensi seluruh kelas n = jumlah kelas
Untuk mempersingkat perhitungan maka perhitungan deviasi standar dari sampel data hidrologi yang disusun dalam kelompok-kelompok distribusi, dapat menggunakan cara perhitungan singkat (short-cut method), menggunakan rumus sebagai berikut :

No

Curah Hujan

Frekuenst

Titik Tengah
X,
I

C,

C,.T

c,2

(nm)

(f)
595 1.347

f.c,'
2.380 1.347 0 422 120 4.269

l.
3.
4. 5.

1500 - 2000

7500 2250 2150

-2

- ll90 - 1347
0

2000 - 2500 2500 - 3000 3000 - 3500 3500 - 4000

-l
0

I
0

2.206
422 30 4.600

1250 3750

+l
+2

422

I
4

+60
-2035

Jumlah

Sumber : Datatabdl2.4.

S:i
Keterangan
:

ir,.i -_In
i=l
i=l

r i=l _ \-;-,

ie.c, \,
Xn i=l

(2.24)

Dari perhitungan data pada tabel2.23, maka:

S:i
deviasi standar interval kelas nilai konding data ke i frekuensi kelas ke i jumlah kelas

t,,c? tnc, _ (,=,;

S: i : C, : { : n :
Contoh 2.23.

In
i=l

i=l

In

),

S:500
S

4269 _2055 4600 4600

= 585,88 mm/tahun

Hitung deviasi standar dari curah hujan DPS Citarum sebelah hulu

Jadi deviasi standar curah hujan DPS Citarum - Jatiluhur adalah 585,88 mm dari nilai curah hujan rata-rata sebesar : 2.526,63
mm/tahun.

tt0

n1

2.2.4 Koolllslcn Vatlosl Koefisien variasi (variation cofficient) adalah

nilai perbandingan antara deviasi standar dengan nilai rata-rata hitung dari suatu distribusi. Koefisien variasi dapat dihitung dengan rumus sebagai berikut :

Scrrrnkirr hcrsur nilni koolisicn variasi berarti datanya kurang rnorata (lu'tt'r'ttyt,ttl. iika sclnakin kccil berarti semakin merata (fumogctt).

2.2.5 Kctnenacrtgan
Kemencengan (skewness) adalah suatu nilai yang menunjukkan derajat ketidak simetrisan (assymetry) dari suatu bentuk distribusi. Apabila suatu kurva frekuensi dari suatu distribusi mempunyai ekor memanjang ke kanan atau ke kiri terhadap titik pusat maksimum maka kurva tersebut tidak akan berbentuk simetri, keadaan itu disebut menceng ke kanan atau ke kiri. Kurva yang ditunjukkan pada gambar 2.3 adalah berbentuk tidak simetri, gambar 2.3.a kurvanya menceng ke kanan, sedangkan gambar 2.3.b kurvanya menceng ke kiri, sedangkan gambar 2.2, menunjukkan bentuk kurva yang simetri (tidak menceng).

CV: g

(2.2s)
:

bila dinyatakan dalam persentase

CV: TES

(2.26)

Keterangan

: S : X :
CV
Contoh 2.23.

koefisien variasi deviasi standar rata-ratahitung

Pengukuran kemencengan adalah mengukur seberapa besar

l). Dari perhitungan data curah hujan DPS


Jatiluhur diperoleh
:

Citarum

x =_: S:
maka:

suatu kurva frekuensi dari suatu distribusi tidak simetri atau menceng. Umumnya ukuran kemencengan dinyatakan dengan besarnya koefisien kemencengan (cofficient of skewness) dan dapat dihitung dengan persamaan berikut ini
:

2527 mm (lihat contoh 2.21) 585,88 mm (lihat contoh 2.23)

Untuk populsi

: :

CS: CS:

{ $

(2.27) (2.28) (2.2e)

CV: g-- 585'88: x 2527 CV: 23,18 oh

02318 vtz

atau

Untuk sampel
ct,

*rt,' - p)3
-fu,

biased estimated

2). Dari perhitungan debit minimum pos duga air sungai Cimanuk - Leuwidaun tahun 1968 - 1979, diperoleh :

x = S
maka:

:5,43 m'/det (lihat contohz.2}) :2,22 m'ldet (lihat contoh2.22)

G Keterangan.

a:

t t'' - D3 unbiased estimated (2'30)

CV

+-

4,43 x =*

:0,499

atau 49,9

o/o

: koefisien kemencengan o = deviasi standar dari populasi S = deviasi standardari sampel Lr : rata-rata hitung dari data populasi
CS

82

x :
xi
n

rata-rata hitung dari data sampel


data ke i

litrrng bestl rryt rittt-t,ala hitung

: drd :

jumlah data parameterkemencengan

x q# t2
Deviasi standar

- .s,43 m,/det.
mr/det (lihat contoh2.2Z)

Kurva distribusi yang bentuknya simetri maka CS : 0,00, kurva distribusi yang bentuknya menceng ke kanan maka CS lebih besar nol, sedangkan yang bentuknya menceng ke kiri maka CS kurang
dari nol.

S:2,22 nn

Parameter kemencengan untuk sampel

G:r)G.Lt
17,351

Gr

-D3

Contoh 2.24.

12 a: ( .ltxto)(159,0561)

Hitung koefisien kemencengan dari debit minimum sungai cimanukLeuwidaun yang datanya tercantum pada tabel 2. l g

a=

:1,585 cs: +=,lJ,i+= l1,lil g4l sr (2,22)3 l0,


maka distribusi data debit minimum S.cimantrk - Leuwidaun tidak dapat disebut simetri, akan tetapi menceng ke kanan karena cS lebih besar nol, oleh karena itu nilai
rata-ratahitung (mean) tidak akan sama dengan mediannya.

Jawab contoh

2.24.

Menurut besarnya

cs,

Perhitungan tercantum pada tabel 2.24


Tabel 2.24 Perhitungan Kemencengan Debit Minimum Sungai Cimanuk - Leuwidaun. Debit
No Rata-Rata

Minimum

xi
I
2
3

i
5,43 5,43 5,43 5,43 5,43 5,43 5,43
5,4.3

lX,-xl
2,75 2,33
1,83

$,-Xf
20,'7968

2.2.6 Kcsalahan Standat


Kesalahan standar (standord error) dari suatu parameter statistik (misal rata-rata atau deviasi standar) adalah deviasi standar dari distribusi sampling parameter statistik itu sendiri. Seperti telah dijelaskan sebelumnya bahwa semua sampel data dengan iro,tut buah akan mempunyai

2,68 3,10
3,60

4
5

,6
7 8 9

3,68 4,02 4,70 5,50


5,80

1,75

12,6493 6,1284 5,3594


2,8033 0,3891 0,0003

l,4l
0,73

0,07 0,37
1,87

0,0507

ll

l0

7,30 7,60 7,67


9;79 65,44

t2
Jumlah

5,43 5,43 5,43 5.43

6,5392
10,2183

1). nilai rata-rata

(I)

2,17
2,24

2).

deviasi standar (S)

Lt,2394
82-8819 159,0561

4.36 21,88

Sumber : Data tabel 2.18

Apabila dari kumpulan nilai x dan nilai S dianggap data baru dari suatu populasi dengan ukuran N, maka dapat dihitung :

84

tt6

l).
2\.
3). 4).

nilai rata-rata (p^) dari rata-rat. (Xl deviasi standar (o*) dari rata-rata (X) nilai rata-rata (ps) dari deViasi standar (S) deviasi standar (o.) dari deviasi standar (S)

Kctcrungurr

S = n = jumlah sampel
Contoh 2.25.

SIID

'-

kesalahan standar dari deviasi standar deviasi standar

Kesalahan Etandat dati tata+ata


Kesalahan standar dari rata-rata disebut juga kesalahan standar dari perkiraan (standard error of meqn, stonfur error of estimate) adalah besarnya deviasi standar (o.) dari kumpulan rata-rata (X;, dan merupakan ukuran variasi rata-rata sampel (X) sekitar rata-rata populasi (p). Apabila jumlah populasi N cukup besar dibandingkan dengan jumlah data sampel n, maka besarnya kesalahan standar dari rata-rata dapat dihitung dengan persamaan berikut
:

Hitung kesalahan standar dari rata-rata dan kesalahan standar dari deviasi standar dari data debit minimum sungai Cimanuk
Leuwidaun yang datanya tercantum pada tabel 2.18.

Jawab contoh 2.25. :

Dari contoh 2.22 telah diperoleh deviasi standar dan distribusi debit
minimum sungai Cimanuk - Leuwidaun sebesar 2,22 m3ldet, maka
.

SE=o*:
Keterangan:

+ n'

(2.3t)

SE
kesalahan standar dari rata-rata

Z4= ?,??=: 0,6408m,/det += 3,464 nt/,


ez)+
S
i

S: n :

SE

deviasi standar jumlah data sampel

dan

SED:

2xnl

?,? - ?,.?-?,^ = 6,928 2x(12)t/2

o,31Omr/det

Kcsolqtrsn Stondat

dtti

Dculosl Standar

Kesalahan standar dari deviasi standar (standard error of standard deviation) adalah besarnya deviasi standar (o0 dari Apabila populasi mempunyai kumpulan deviasi standar distribusi normal atau hampir normal, maka distribusi deviasi standar untuk jumlah sampel yang besar (lebih 100) akan mendekati distribusi normal, dan besarnya kesalahan standar dari deviasi standar dapat dihitung dengan rumus sebagai berikut :

(S)

Dengan demikian variasi rata-rata sampel terhadap rata-rata populasi debit minimum S.Cimanuk - Leuwidaun adalah 0,6408 m3/det dan variasi deviasi standar sampel terhadap deviasi standar populasi adalah 0,320 m'ldet.

2.2.7 Pg.ngukutan lrlomcn Momen merupakan ukuran kuantitatip terhadap sifat geomefrik dari bentuk suatu distribusi. Momen biasanya untuk
menjelaskan kestabilan sampel, makin tinggi momen-momen berarti tidak stabil dan perlu menambah informasi lain yang dapat dipercaya.

SED:or:

(2 32)

86

87

Variabel hidrologi X, dengan nilai variatnya sebesar X,, X2,X3,...X', dengan nilai variat sembarang sebesar \, dan momen ke R : l, 2, 3, 4 dan seterusnya, maka momen ke @) dihitung
dengan rumus
:

Ir',x,u
M(
X

l{)

i=1

IT

(2.36)

Data yang belum dikelompokkan

Keterangan

M (R)

: +(I (Xi - Xo)R


.

(2.33)

Mo(R)

:
_

n:
I

x:
a I_ I t,

momen ke R terhadap titik asal jumlah data nilai variat ke i nilai frekuensi variat ke i jumlah kelas
1, 2,

Data yang dikelompokkan

lL

(R):
:

i=l i=l

fr (Xr

- xo)*

R:
(2.34)

3,4 ... dst.

in

Keterangan

Momen terhadap nilai rata-rata (moments about the mean) dan suatu distribusi frekuensi empiris dapat dihitung dengan rumus sebagai berikut
.

M (R): momen ke (R) terhadap nilai

sembarang'

Untuk data yang belum dikelompokkan


' MA(R):*I(x,-D*
i=n

Pengukuran momen umumnya dilakukan terhadap sumbu yang lewat

(2.37)
,

titik:
1). asal (origrn) sehingga nilai

\ : 0.

untuk data yang o,J.l"rrr"*-

2). rata-rata atau titik berat sehingga 4

F, atau

\ : I,
MA(R)

disebut momen pusat atau momen sentral.

I fi(xi -DR i=l


i=l

T ft

; k

(2.38)

Momen terhadap titik asal (Moments about the origin) dari suatu distribusi frekuensi empiris dapat dihitung dengan rumus sebagai berikut :

Keterangan:

MA(R): momen ke R terhadap nilai rata-rata

Untuk data yang belum dikelompokkan

MO(R):

frIx,*
i=1
:

i=n

Untuk mempersingkat perhitungan dapat digunakan nilai koding


(2.3s)
seperti dijelaskan pada sub bab 2.2.3, yaitu dengan nilai koding: C untuk setiap interval kelas, sehingga rumus (2.34) dapat ditulis sebagai berikut :

Untuk data y ang dikelompokkan

88

I
M(R):
iR (

80

=\i=l

it.*
It
I

2.2.t Petrg'ukutan Kuttosls


(2.3e)

Pengukuran kurtosis dimaksudkan untuk mengukur keruncingan dari bentuk kurva distribusi, yang umumnya
dibandingkan dengan distribusi normal. Koefisien kurtosis digunakan untuk menentukan keruncingan kurva distribusi, dan dapat dirumuskan sebagai berikut :

Keterangan

i k t C

M(R)

: : : :

= momen ke R
interval kelas banyaknya kelas frekuensi variat ke i nilai koding (0, 1,2,3...dst) dan (-0, -1, -2, -3...dst)

cK =

MA(4)
s4

Q.43)

Keterangan:
Berdasarkan rumus 2.35 dan2.36 maka momen pertamanya
:

MO(l): nilai X lnitai rata-ratanya)


Berdasarkan rumus 2.37 dan2.38 maka momen

CK : M4 :

S =

koefisien kurtosis momen ke 4 terhadap nilai rata-rata deviasi standar

Untuk data yang belum dikelompokkan, maka

MA(2) MA(3)
gz

nilai varian (S'z), lihat sub bab 2.2.3

cK:ftr_
* CK=
S4

t cx, _gr
(2.44)

nilai kemencengan (CS), lihat sub bab 2.2.5

MA(4)
S4

dan untuk data yang sudah dikelompokkan

nilai kurtosis (CK), akan dibahas pada sub bab 2.2.8

*tCx,-Dofi i=l

(2.4s)

Hubungan antara M(R) dan MA(R) dapat ditulis sebagai berikut

MA(2)=M(2)-M(2)1,
MA(3) = M(4) -

Berdasarkan persamaan (2.42) maka MA(4)/Sa dapat disederhanakan sebagai berikut :

(2.40) (2.41)
+

3$(l)lM(2)l + 2M(l)ll

.. f,n.ci. tn.ci, tn.ci tn..,, tn.ci ln.ci cr = filEln-4(s-fr-Xhh-l*etE n-Xa, -;: -31+6-).1
Secara teoritis maka apabila nilai
:

(2.46)

MA(4): M(4) - 4M(l)ltM(3)l

6M(l)FM(2)l _ 3M(1)1. (2.42)

Contoh perhitungan MA(4), lihat contoh perhitungan2.26, pada sub bab 2.2.8.
I

CK = 3, disebut dengan distribusi yang mesokurtis (mesokurtic),


artinya puncaknya tidak begitu runcing dan tidak begitu datar, serta berbentuk distribusi normal.

tx)

0l

CK CK

., 3,

disebut dengan distribusi yang leptokurtis (leptokurtic), artinya puncaknya sangat runcing.

Contoh 2.26.

< 3, disebut dengan distribusi

yang platikurtis Qtlatilatrtic),

artinya puncaknya lebih datar.


Gambar 2.5. menunjukkan bentuk dari ketiga distribusi tersebut.

'l'entukan bentuk distribusi frekuensi dari data curah hujan DPS (litarum-Jatiluhur yang daranya tercantum pada tabel 2.4, dengan menggunakan nilai dari koefisien kurtosis.

Jawab Contoh 2.26.

Perhitungannya ditunjukkan pada tabel 2.25

/.l'l,ito,,l,filna

T abel

2.25 Contoh Perhitungan

Koefi sien Kurtosis

Data Curah Hujan DPS Citarum - Jatiluhur.

/-lolIlL

Curah Hujan Luas (km2)


(mm)

X
2000 2500 3000 3500
1500 - 2000 - 2500 - 3000 - 3500

f,
595 1.347

C,

f,C,

"f,Cl
+ 2380

I'C,'

f,Ci

-2
-1

-1.190
-1.347 0 + 422

+ 1347
0 + 422
+ 120

- 4760 + 9520 - 1347 + 1347

2.206
422 30

+l
+2

- 4000

+60

+ +

0
422

240

+ +

0
422

480

Jumlah
Sumber

4.600

- 2055

+ 4269

- 5445 + 11769

Perhitrurgan data tatr.l 2.4

Dari contoh2.23 telah diperoleh S = 5g6 mm/tahun


Berdasarkan rumus 2.46, maka:

C* =

:1 to"l tr,"l 1n.", ln.c1 fs," 1n.", i I r=+--4(Er-Xu _ ;+o1d_XEfy,_:1 n )ol


i=l

n= ff,
i=l

,sehingga

Gambar 2.5. Sketsa Bentuk Keruncingan Kurva.

.,. =

[:H[+# -qr?#xf#) *6(ffix?#r, - :12 o:r;n]

{t2

T
9S
(

(1.

'I 7 s5 - = (586)4 r -r-'

5(X)){

-?.ll

l.ll

-0.11 I

Jawah Conbh 2.27.

Cu :

0,53 (1,44) = 0.763

oleh karena ck : 0,763 dan ternyata lebih kecil dari 3, maka bentuk kurva distribusi frekuensi data pada tabel 2.25 adalah dinamakan distribusi yang platikurtis, artinya puncaknya lebih datar dari pada
distribusi normal.

Tclah kita ketahui bahwa data pengamatan curah hujan merupakan salah satu data dasar dalam analisis hidrologi. Berdasarkan data hujan inilah dapat di analisis besarnya hujan badai, tebal dan lamanya hujan, prakiraan banjir, pengaturan air dalam waduk dan sebagainya. Sejauh pengetahuan penulis setidaknya sampai tahun 1995, di Indonesia belum ditentukan berapa jumlah yang optimum dan bagaimana sebaran dari pos pengamatan curah hujan dalam suatu
daerah pengaliran sungai tertentu.

CONTO'I APLIKAS' AWAL PANAMETEB STATIST,,K Parameter statistik yang meliputi data tendensi sentral (rata-rata, median, mode, kuartil) dan data dispersi (range, deviasi rata-rata, deviasi standar, varian, koefisien varian, koefisien
kemencengan, kesalahan perkiraan standar) seperti telah dijelaskan pada sub bab 2.1 dan 2.2, nilai parameter itu selanjutnya digunakan sebagai data dasar dalam analisis hidrologi menggunakan metode statistik. Dalam penerapan metode statistik minimal selalu digunakan 2 (dua) atau lebih parameter statistik tersebut. Sebelum parameter

2.3

Sudah barang tentu ini merupakan tantangan bagi para ahli hidrologi dan ahli iklim di Indonesia untuk mewujudkan suatu metode yang baku "Penentuan Jaringan Pengamatan pos Curah Hujan Yang Optimum di Indonesia", sebagai bahan menentukan jumlah dan sebaran pos pengamatan curah hujan secara nasional. Uraian berikut ini adalah contoh awal prosedur untuk menentukan

jumlah yang optimum dari pos pengamatan curah hujan dari suatu DPS, dan bukan untuk menentukan sebarannya. penulis maksudkan, sekali lagi, untuk 'sekedar contoh awal penggunaan parameter statistik, sebelum diuraikan penggunaannya dalam uraian penerapan metode statistik lainnya yang akan dimulai pada bab III.

Prosedur untuk menentukan jumlah optimum dari


pengamatan pos curah hujan sebagai berikut
:

statistik tersebut digunakan untuk analisis hidrologi yang akan dimulai dari Bab III, berikut ini akan disampaikan sebuah contoh awal kegunaan parameter statistik itu sebagai berikut ini.

1). hitung jumlah total curah hujan tahunan dari pos curah hujan yang telah terpasang, sebanyak n buah.

Contoh 2.27.

XT:X,+&+Xr+...+4
2). hitung besarnya curah hujan rata-rata: X=

(2.47)

5,0 oA (data tentatip dari penulis).

2.950; 2.600 dan 2.450 mm pertahun. Tentukan jumlah pos pengamatan curah hujan yang optimal dari DpS tersebut apabila diinginkan batas kesalahan besarnya curah hujan rata-rata sebesar

Dalam suatu DPS terdapat 4 (empat buah) pos pengamatan curah hujan. Besarnya curah hujan normal dari setiap pos adalah 3.200;

(lihat rumus 2.t)

(2.48)

3) hitung jumlah kuadrat


JK = X,2 +

besarnya curah hujan dari pos curah hujan yang telah terpasang, sebanyak n buah.

)(rr* Xr, + ... + 4,

(2.4e)

94

96

4)

hitung varian
JK _ (XT2/N)

JK ''

(3.200)'? + (2.950)'?+ 12.600)'?+ (2.450), = 31.705.000

n-

(lihat rumus 2.22.d)

+ = | tr r.zoo), = 3l.36o.ooo mm
4). varian curah hujan
,

5). hitung koefisien variasi

CV:

loolE

o, _ JK-(XT?n)
(lihat rumus 2.26)

(2 50)

-_n_

6). jumlah optimum N buah pos pengamatan curah hujan untuk meniperkirakan besarnya curah hujan rata-rata dengan batas kesalahan (k) persen adalah :

sr= 31.705.00q-31.360.000 _ 345*000 = 115.000 mm

4-t

s) koefisien variasi

N:(ffX
7).

(2.s1)
curah

cv =
CV=

looJq

x
loo,mooo
= 15,414
o/o

jumlah pos pengamatan


ditambahkan adalah
:

hujan yang perlu


(2.s2)

X:N-n

6) jumlah optimum dari pos pengamatan curah hujan untuk


k

: 5,0 Yo adalah
N: (?),
=

Tambahan jumlah pos pengamatan curah hujan sebanyak X buah harus di distribusi dalam zone curah hujan yang berbeda (dari peta Isohyet) dan harus menurut proporsi luas.

f#l2

= e,5 buah

N:

l0

buah (dibulatkan)

Dari data tentatip contoh 2.27, maka dapat dihitung

l). jumlah total curah hujan

XT=3200 +2950 +2600 +2450 = ll.200mm 2). curah hujan rata-rata :

Dengan demikian apabila nilai rata-rata curah hujan yang terjadi diharapkan hanya mempunyai batas kesalahan sebesar 5,0 o/o mat<a di daerah tersebut perlu ditambah pos pengamatan curatr hujan dengan jurnlah:

X=ix
X=*
4
I

XT

X:N-n X: l0 - 4:6

buah

Jumlah tambahan pos curah hujan sebanyak 6 buah, tersobut harus di

x 11.200 ntm = 2.800 mm


:

3). jumlah kuadrat curah hujan

distribusi berdasarkan peta isohiyet curah hujan daerah tersebut, menurut proporsi luas sehingga lokasi yang dipilih dapat mewakili kondisi curah hujan dari DPS yang bersangkutan.

bab 3
aplilcasi disffibusi peluang untult analisis data hidrologi

3.1.

PENDA'IULUAN
Teori peluang membatras tentang ukuran atau

: P (muka A) : P (muka B) : ll2. Kalau dihitung banyaknya muka A yang nampak, maka muka B : nol A dan muka
berikut

derajat ketidak-pastian dari suatu kejadian, misal dalam melakukan undian menggunakan sebuah mata uang logam dengan muka dan sebaliknya muka B, maka dapat diperoleh peluang (P) sebagai

A:

lA, dan kalau banyaknya muka A diberi simbul X, maka untuk muka B dan muka A masing-masing X : 0 dan X : l, sehingga akan diperoleh notasi baru P (X:0) : ll2 dan P (X:l) : ll2.
Kebenaran dari kesimpulan yang dibuat dari analisis data hidrologi sebetulnya tidak dapat dipastikan benar secara absolut" karena kesimpulan analisis hidrologi umumnya dibuat berdasarkan data sampel dari populasi, oleh karena itu aplikasi teori peluang sangat diperlukan dalam analisis hidrologi.

98

99

Besarnya peluang sebuah variat adalah jumlah kejadian dari pada deskrit variat dibagi dengan jumlah total kejadiannya. Jumlatr peluang dari semua variat tersebut adalah sama dengan satu, atau

Dari Gambar (3.1) maka:

peluang (probability distribution) adalah suatu distribusi yang menggambarkan peluang dari sekumpulan variat sebagai pengganti frekuensinya. Peluang kumulatip (cumulative probability) dari sebuatr variat adalah peluang dari suatu.variabel acak yang mempunyai nilai sama atau kurang dari suatu nilai tertentu. Kalau nilai sebuatr variat tersebut adalatr x, maka peluang kumulatipnya adalah P (X < x), dan peluang kumulatip dari suatu variabel acak yang mempunyai nilai sama atau lebih dari suatu nilai tertentu adalah l-P (X < x), umumnya ditulis sebagai PCX > x).

P:1. Distribusi

P(asxsb):
@

b-

J r1xlax i
I

(3.1.a)

c J P(x)dx :

(3.1.b)

(x <

a) :

P(x):

] *1*1a*
:

(3.1.c)

Fungsi distribusi peluang umwnnya dibedakan sebagai

l).
2).

deskrit, dan kontinyu

Untuk variabel acak kontinyu (continuous . random variables), peluang sebuah variat dapat dipandang sebagai peluang P (x) dari sebuah kelompok nilai deskrit dalam interval x sampai (x + Ax). Apabila x merupakan nilai yang kontinyu dan Ax menjadi dx, maka peluang P(x) akan menjadi fungsi yang kontinyu (continuous function), yang umumnya disebut dengan densitas peluang @robability density). Gambar 3.1, menunjukkan sketsa kurva sebuatr distribusi peluang kontinyu, gambar (a), menunjukkan sketsa kurva fungsi densitas peluang (probability density function) dan fungsi distribusi kumulative (cumulative distribution) ditunjukkan pada (b).

Sub bab 3.2, akan menyajikan contoh aplikasi fungsi distribusi


peluang deskrit dan sub bab 3.3, menyajikan contoh aplikasi fungsi distribusi peluang kontinyu, sub bab 3.4, menyajikan tatrapan aplikasi distribusi peluang unttrk analisis data hidrologi.

3.2.

APLIKASI D'STRIBUS' PELUANG DESKN'T

Banyak persamaan distribusi peluang deskrit, misal Binomial, Multinomial, Geometrik, Hipergeometrik, Poisson, dan sebagainya, walaupun demikian hanya distribusi Binomial dan Poisson yang disajikan dalam aplikasi analisis hidrologi pada buku ini.

?(xl

P(Xt

3.2.1. Apllkasi DlsffiDusl Pelulang Blnomlo,l


Distribusi ini banyak digunakan untuk variabel deskrit dan merupakan penentuan kondisi yang terjadi atau tidak (tidak terjadi). Densitas peluangnya dapat ditulis sebagai persamaan berikut ini :

.l

(cl
Gambar

(b,
P(R)

Cil P* Q*-*

(3.2)

j.l.

(a) Fungsi Densitas Peluang, (b) Fungsi Distribusi Kumulatif,

100

101
:

Keterangan

P(R;:
N
R
P

peluang terjadinya sebesar R dalam jumlah kejadian

: jumlah kejadian.
= jumlah kejadian yang diharapkan = 0, l, 2, ...N. = peluang terjadinya kejadian : disebut juga parameter dari distribusi. : peluang kegagalan (tidak terjadi): I - P
Jawab Contoh

3). 4). 5).

terjadi dua kali terjadi tiga kali rata-rata dan deviasi standarnya.

tr.I.

a
CX

Dari contoh 3.1, maka dapat diketatrui batrwa

: ffi

dan O! :1!:1

jumlah kombinasi N dari R pada l(satu) satuan waktu dengan N! =l x2 x 3 x ... x (N-l) x N

. T : 5 tahun, maka P : l/T :ll5 : .Q:l-P:l_0,20=0,90 .N:10


Berdasarkan persamaan (3.2)
:

0,20

Parameter distribusi Binomial antara lain adalatr

P(R): Cil P* Q*-* , maka:


(3.3) (3.4)

l).
2). 3).

rata-ratahitung (mean)

p = NP

varian

o*:

NPQ

1).

Peluang debit banjir tidak terjadi, yaitu R = 0

o : ,6tlq P3 Q_P 4). kemencengan CS : -==: o'


deviasi standar

(3.s)
(3.6)

P(R:0): (l')
P(R:o)
2).

(0,20)o (0,80)to
2o)o (0, 80)ro

JNpq

ffi(0, ffi

: 0,107
I

5).

koefisien Kurtosis

CK: k#

.,

Q.7)

Peluang debit banjir terjadi satu kali, yaitu

R:

P(R:l): (lo) (0,20)t P(R:l):


3).

(0, go)e

Dari persamaan (3.2) apabila nilai N bertambah banyak dan mendekati tak terhingga, maka distribusi binomial cenderung
menjadi distribusi normal.

(0,20)r (0,80)e

:0,268

Peluang debit banjir terjadi dua kali, yaitu

R:

P(R:2) Contoh 3.1.

: (y) (0,20)2(0,80)

P(R:o):
4).

Debit puncak banjir sungai Citarum-Nanjung untuk periode ulang T : 5 tahun adalah 359 m3/det. Tentukan dalam wakhi 10 tahun
peluang debit banjir tersebut
:

frfu
(1,)

(0,20)2 (0,80)8 = o,3ol

Peluang debit banjir terjadi tiga kali, yaitu

R: 3

l).
2).

tidakterjadi terjadi satu kali

: P(R:o) :
P(R:3)

(0,20)3 (0, 80)

##-

(0,20)3(0,80)7 = o,2ot

to2

10$

5).

Peluang debit banjir T = 5 tahunan rata-rata terjadi selama l0 tahun, denganrumus (3.3) :

Dengan parameter statistik sebagai berikut

P:NP
p

(10) (0,20)

:Zkali

1). rata-ratahitung (mean) p : 2). varian o2: NPQ 3). deviasi standar o = n6Vfq
4).

NP

(3.e) (3.10)
(3.1

r)

Dalam waktu 10 tahun, rata-rata akan terjadi debit banjir dengan periode 5 tahunan adalah 2 kali, dengan deviasi slandar dapat dihitung dengan rumus (3.a) :

kemencengan

CS:

!;9 NPQ : l-6PQ, ^ NPQ -,

(3.12)
(3.13)

s). koefisien Kurtosis CK

r:

,6gPQ

dimana = 1,26 kali


Keterangan
:

Q=l-P

r:.@,80,

Dari penyelesaian contoh 3.1, maka dapat disimpulkan bahwa debit banjir sungai Citarum-Nanjung untuk periode ulang 5 tahunan sebesar 359 m3/det dalam waktu l0 tatrun sama sekali tidak terjadi : mempunyai peluang 10,7 Yo; terjadi satu kali: 26,8 o/o; terjadi dua kali: 30,1 %o; terladi 3 kali: 20,1 yo. Rata-rata akan terjadi dua kali .selama l0 tahun dengan deviasi standar l,26kali.

P:
Q:

peluang terjadinya. peluang kegagalan.

Distribusi peluang Poisson umunrnya dapat digunakan dalam


analisis hidrologi, apabila
:

l). Jumlah kejadian adalah deskrit. 2). dua kejadian tidak dapat terjadi bersama-sama dalam satu
saat.

3.2.2. AplihasiDirtrlbss 7 Pcluolng Poisson " Apabila jumlah dari pengukuran atau kejadian

N cukup

besar, maka perhitungan dengan menggunakan distribusi binomial akan tidak sesuai, oleh karena itu perhitungan dapat menggunakan distribusi peluang Poisson (umumnya untuk P kecil, misal P < 0,10 dan N > 30) dan nilai rata-rata p adalah konstan, p NP. Fungsi distribusi peluang Poisson dapat dirumuskan sebagai berikut :

3). nilai rata-ratahitung dalam unit waktu adalah konstan. 4). semua kejadian merupakan kejadian bebas.

Contoh 3.2.

P (R)

,p") (e-u) :- *R!

(3.8)

Keterangan P(R) R
tr

Dalam suatu DPS dibangun dam pengendali banjir dengan umur bangunan 100 tahun. Berapa peluang terjadinya banjir 550 m3/det dengan periode ulang 200 tatrun selama periode umur dam tersebut, apabila ditentukan dengan distribusi peluang Poisson.

N
e

: kejadian yang diharapkan, R:0, 1, 2, ... N. : rata-ratahitung (mean) dari distribusi Poisson. : jumlah kejadian.
:2,71828

= peluang terjadinya

sebesar R dalam

N kejadian.

Jawab Contoh 3.2.

Periode ulang banjir 200 tahun, maka peluang'terjadinya banjir adalah :

kali

104

r06

P: +:#:o,oo5 N- 100 tahun


Berdasarkan persamaan 3.9, maka
:

Jowob Contoh.3.3.

Nilai rata-rata

p:

P:NP
100 x 0,005

:0,5
:

: frO x 7.145: 1,553 :1,56


Berdasarkan persamaan (3.8) maka
:

# 'fl *r.*,

Sehingga berdasarkan persamium 3.8, maka

P(R)

Gr)" (e)-'
R!

P(R)=W
:
0,308

P(l) : (o'5)'

(2271828)-q5

l!

P(R)
sehingga:

(l's6)Rq?I828)-116
R!

Dengan demikian didalam Dps tersebut, pada dam pengendali banjir dengan umur bangunan 100 tahun, selama periode umur
tersebut akan terjadi banjir periode 200 tahun dengan peluang 30,90 %.

P(o)=ry:o,2lo
P(l)
P(2)
P(3)

Contoh 3.3.

(t,56)t Q,71828)-t,$

l!
7

= =

0,327

Dari tabel 2.4 pada Bab II, telah disajikan data curah hujan rata-rata tahunan (mm) dalam kaitannya dengan luas DpS citarum-Jatiluhur, yang dapat disajikan dalam bentuk tabel 3.1. Tentukan distribusi frekuensi empirisnya dengan distribusi poisson.

:
_

(1, 5 6)2 (2,

I 828)-

t's6

2t-

0,255 0,132
0'051

(1, 5 6)3 (2, 7 t82g)-

t,s6

3!

'

Tabel3.l. Frekuensi Distribusi Luas Daerah Curah Hujan


DPS Citarum - Jatiluhur. No
Curah Hujan (mm/tahun) Frekuensi Luas
Kelas Interval

P(4)

(l'56)4 (2'.71828)-ts6

4l

Dengan demikian, hasilnya dapat dilihat padatabel3.2. (NJ) (xJ)


0 1.347

(knt') NJ
595 1.347

xl
0

I
2
3

1500 - 2000

Dari tabel 3.2, nampak bahwa curah hujan antara 2000 2500 mm/tahun akan terjadi pada daeratr seluas 1504 km2, kira-kira 32,7 dari tiap 100 kejadian. Curah hujan antara.2s}O 3000 mm/tahun akan terjadi pada daeratr seluas 1173 km2, kira-kira 25,5 kai tiap 100 kejadian. Sedangkan curah hujan antara 3500 - 4000 mm/tahun akan terjadi pada daeratr seluas z34l.lrr, 2, kira-kira 5 kali dari tiap 100 kejadian.

2000 - 2500 2s00 - 3000 3000 - 3500 3500 - 4000 Jumlah

I
2
3

2.206
422 30 4600

4.412
1.266 120

4
5

7.t45

Sumber : Tabel 2.4

I06
'l'abel

to7

3.2 Frekuensi Distribusi


Poisson.

Luas Daerah Hujan DpS Citarum - Jatiluhur Menurut Distribusi peluang

dapat ditulis sebagai berikut

: 2

P(X):
Peluang 0,210 0,327 0,255
Luas Daerah Hujan

No
I
2
3

Curah Hujan (mm/tahun)


1500 - 2000

-= o J2n

.eT\ " /

-l f x-t')

(3.14)

(k"r') 0,210x
0,327 x

Keterangan

4600:
4600:

966

P(X)

2000 - 2500 2500 - 3000 3000 - 3500 3500 - 4000

1504

0,255x4600=1173

4
5

0,132
0,051

0,132x4600=
0,051 x

607

4600:

234

Sumber: Perhitungan Tabel 3.1.

n e X p o

: :

fungsi densitas peluang normal (ordinat kurva normal) 3,14156 2,71828 variabel = acakkontinyu rata-ratadari nilai X deviasi standar dari nilai X

: :

3.3.

APLIKAS' D'S7B,,BUSI PELUANG KONTINYI'

Pada sub bab 3.2 telah dibicarakan aplikasi dua buatr fungsi frekuensi teoritis, yaitu distribusi binomial dan distribusi Poisson, yaitu distribusi khusus untuk variabel acak deskrit (discrete random variables). Pada sub bab 3.3 ini akan disampaikan beberapa model matematik yang menjelaskan aplikasi distribusi dari variabel acak kontinyu (continuous random variables) untuk analisa data dalam buku ini adalah model matematik dari persamaan empiris distribusi peluang kontinyu, dalam buku ini adalatr distribusi normal, Gumbel tipe I, Gumbel tipe III, Pearson, Log Pearson tipe III, Frechet, Log Normal, Goodrich.

grafiknya selalu diatas sumbu datar X, serta mendekati (berasimtut) sumbu datar X, dimulai dari X : F + 3 o dan X -3o. Nilai mean : modus : median. Nilai X mempunyai batas - o < X < + .

Untuk analisis kurva normal cukup menggunakan parameler statistik p dan o. Bentuk kurvanya simetris terhadap ;q-: p, dan

Apabila sebuatr populasi dari data hidrologi, mempunyai . distribusi berbentuk distribusi normal, maka

l).
2).

Kira-kira 68,27 Yo,terletakdidaerah satu deviasi standar sekitar nilai rata-ratanyq yaitu antara (p-o) dan (p+o). Kira-kira 95,45 yo,terletakdidaeratr dua deviasi standar sekitar nilai rata-ratanya, yaitu antara (p-2o) dan
1p+2o).

3.3.1. Aplikasl lDirtriDgsi

Nottnal
analisis

Distribusi normal banyak digunakan dalam

hidrologi, misal dalam analisis frekuensi curah hujan, analisis


statistik dari distribuqi rata-rata curah hujan tahunan, debit rata-rata tahunan dan sebagainya. Distribusi normal atau kurva normal disebut pula distribusi Gauss. Fungsi densitas peluang normal (normal probability density function) dari variabel acak kontinyu X

3). Kira-kira 99,73 %o, terretak didaeratr 3 deviasi standar sekitar nilai rata-ratarryao yaitu antara (p-3o) dan
1p+3o).

108

109

Persamaan (3.17) disebut dengan distribusi normal standard (s t andar no r mal di s tr ibut io n). Dalam Pemakaian praktis, umunnya rumus-nrmus tersebut tidak digunakan secara langsung karena telah dibuat tabel untuk keperluan perhitungan. Tabel III-1, pada bagian akhir buku ini, menunjukkan wilayah luas dibawatr kurva normal, yang merupakan luas dari bentuk kumulatip (cumulativeform) dari distribusi normal.

x
G

l-,.*i**.i
I

l-*^. i-.-r.i

Contoh 3.4.
Gambar 3.2. Kurva Distribusi Frekuensi Normal.

(p+0,6745o).

Untuk lebih jelasnya dapat dilihat pada gambar 3.2. Sedangkan 50 % dari nilainya terletak didaeratr 0t - 0,6745o) dan

- Jatiluhur, telatr dihitung bahwa curatr hujan rata-ratanya adalatr 2527 mmltafuxr (lihat contoh 2.21) dengan deviasi standar 586 mm/tahun (ihat contoh 2.23). Apabila data tersebut sebarannya merupakan
Dari daerah pepgaliran sungai (DPS) Citarum
distribusi normal, tentukan
:

Luas dari kurva normal selalu sama dengan satu unit persegi,
sehingga:

p(-* < x < +*) =j


adalatr

i -|. oJ2n

e-l

(+)'dx : 1,0 :

(3.1s)

Untuk menentukan peluang nilai X antara X


:

x, dan X = xr,

x]

r). berapa peluang batrwa curah hujannya kurang dari 2000 mm/tatnm. 2). berapa peluang batrwa curatr hujannya lebih dari 3500 mm/tatrun. 3). hitung peluang bahwa curah hujannya berkisar antara 2400 dan 2700 mm/tatrun. 4). apabila untuk menghitung curatr hujan rata-ratatersebut dari data sebanyak 100 tatrun, berapa jumlatr data yang curatr hujannya berkisar antara 2400 - 2700 mm/tatrun.

P(X,.X<X2)=J -l-. 6zlt


xl

i(+)'d*
"-

(3.16) Jawab contoh 3.1. : Dari contoh tersebut diketatrui bahwa

Apabila nilai X adalatr standar, dengan kata lain nilai rata-rata p : 0 dan deviasi standar o : 1,0, maka persamaan 3.16 dapat ditulis sebagai berikut :

P(q

= ,L ..-i"
J2n

=2527 mm/tatrun. nilaio= 586mm/tatrun.


P

nilai

(3.17) (3.18)

dengan

,=+

Untuk menjawab pertanyaan butir I sampai dengan 3 perlu dibuat diagram, seperti ditunjukkan pada gambar 3.3.a sampai gambar
3.3.c.

ll0
l)
untuk rnenghitung peluang curah hujan kurang dari 2000 mm/tahun, Iihat gambar 3.3.a, maka : P(X < 2000), harus dihitung luas daerah dibawatr kurva normal disebelah kiri 2000. Ini dapat dicapai dengan menentukan luas disebelah kiri nilai t padanannya, berdasarkan rumus 3.18.

rll
Dan kemudian dengan menggunakan tabel bagian akhir buku ini, akan diperoleh :
P(

III-I

pada

X <2000 ) =P

(t < -0,899) : 0,1867

Jadi curatr hujan DPS Citarum - Jatiluhur kurang dari 2000 mm/tahun hanya mempunyai peluang sebesar
18,67
Yo.

[- X-p
o

f:

2040

- 2527

586

: -H:-0,899

2). Untuk menghitung peluang curatr hujan

lebih dari 3500

mm/tatrun, lihat gambar 3.3.b, maka : P (X > 3500); harus dihitung luas daeratr dibawatr kurva normal di sebelah kanan 3500, dapat dihitung dengan menentukan luas di sebelah kanan nilai t padanannya, berdasarkan nrmus 3.18 :

t- X o t-

3500-2s27 _973 :1,660

586

586

dan berdasarkan tabel

III-1, akan diperoleh

P(X>3500):P(t>1,660)
= I - 0,9515 :0,0485

:l-P(t<1,660)

Jadi curah hujan DPS Citarum-Jatiluhur lebih dari 3500 mm.tatrun hanya mempunyai peluang sebesar 4,85 yo.
3) Untuk menghitung peluang curatr hujan berkisar antara 2400 dan2700 imm/tarhun, lihat gambar 3.3.c, maka harus ditentukan batas luas kurva normal antara :
P

(X < 2400)dan

(X < 2700)

untukP(X<2400),
Gambar 3.3.
Sketsa Luas Daerah Dibawah Kurva Narmal Contoh 3.4'

tt2

113

t:

-P

r) Metode Kalifornia
Dengan metode Kalifornia (California Method), peluang dari Xm, dihitung dengan rumus :

. _2400-2527

'-

586- =-#

=-0,216

untukP(X<2700)
. _ 2700 -2s27
Dengan demikian

P(X.):ft,utu,

(3.19.a)

'- - 586- =#:0,295


:

T(XJ-H
Keterangan:

(3.le.b)

P Q4A0 < X < 2700)

: P (-0,216 <t<0,295) : P (t < 0,295) - P (t < - 0,216)


:0,6141 - 0,4168 :0,1973

X- :

Jadi curah hujan DPS Citarum-Jatiluhur yang besarnya antara 2400 - 2700 mm/tahun mempunyai peluang
sebesar 19,73
Yo.

P(X.):

N : m :
T(X,):

4)

Jumlah data yang curah hujannya berkisar antara 2400 2700 mm/tahun adalah 0,1973 x .100 19,73 data

Wilayah luas dibawah kurva normal seperti ditunjukkan pada Tabel

III-1, merupakan fungsi dari bentuk kumulatif (cumulative form) kurva normal. Apabila data pada tabel III-I digambarkan pada kertas grafik dengan skala linier maka akan membentuk kurva - S.
Kurva-S, tersebut sudah barang tenfu kurang sesuai untuk analisis data hidrologi, maka sebagai penggantinya dapat menggunakan kertas grafik peluang @robability paper).
Kertas grafik peluang mempunyai skala vertikal linier atau logaritmik untuk menggambarkan data variat X, dan skala peluang horisontal (probability horizontal scale) untuk menggambarkan data peluang dari variat X. Skala horisontal juga dapat untuk menggambarkan frekuensi kumulatip variat X. Beberapa metode untuk menentukan besarnya peluang dari variat X, antara lain :

kumpulan nilai yang diharapkan terjadi. Xm X > x adalatr kumpulan nilai X yang besar atau sama dengan suafu nilai x tertenfu. Xm = X < x adalatr kumpulan nilai X yang lebih kecil atau sama dengan nilai x tertentu. peluang terjadinya kumpulan nilai yang diharapkan selama periode pengamatan jumlah pengamatan dari variat X nomor urut kejadian, atau peringkat kejadian. periode ulang dari kejadian Xm sesuai dengan sifat kumpulan nilai yang diharapkan (Xm). Untuk Xm = X > x, maka m adalatr nomor urut kejadian dengan urutan variat dari besar ke kecil. Untuk Xm: X . x, maka m adalalr nomor urut kejadian dengan urutan variat dari kecil ke
besar.

Dari rumus (3.18), jika nilai h : N, maka P(Xm) : l, adalah merupakan peluang yang betul-betul 100 % terjadi, dan merupakan kead&rn yang tidak mungkin terjadi. Dengan demikian satu buah data tidak mungkin digambarkan pada kertas peluang.Umumnya untuk menganalisa data nilai ekstrem, dengan mengurutkan data dari nilai terbesar ke terkecil.

114

l ltr
2). Metode Hazen

Dalam metode Hazen (Hazen or Forster Method, 1930), peluang dari Xm, dihitung dengan rumus :

pcluang, besarnya peluang P(X) adalah 0 < P(Xm) < l. I)apat digunakan untuk sekelompok data tahunan atau partial, sehingga metode Weibull ini yang sering digambarkan untuk analisis peluang dan periode ulang.

# T(Xm):,fr

P(Xm):

,atau

(3.20.a)

5). Metode Lainnya

(3.20.b)

Metode Blom:

Untuk nilai m : l, maka diperoleh TCXm) : 2N, merupakan kelipatan dua dari data yang tersedia. Dengan demikian untuk D: l, yaitu untuk nilai variat X
yang terbesar dan terjadi pada N tahun, seakan-akan
terjadi pada tiap 2N tatrun.
3). Metode Bernard dan Bos-Levenbach

P(xm):54= N + 0,25
.
.
Metode Turkey:
P CXm)

(3.23.a)

I - 3m3N+l

(3.23.b)

Metode Gringorten:

Dalam metode 'Bernard dan Bos-Levenbach, peluang dirumuskan sebagai berikut :

P(xm)-m-o'44

N+0,12

(3.23.c)

PCxm):##,atau
Tfim)-N+o'4 m-0,3
4). Metode Weibull

(3.21.a)

(3.2t.b)

Digunakan untuk daerah delta di negeri Belanda.

Dengan kaitannya dengan pengertian peluang maka yang disebut kurva frekuensi (frequency curve) adalah kurva yang menggambarkan kejadian variat Xm dengan besarnya peluang P(Xm) atau dengan besarnya periode ulang T(Xm). Penggambaran dapat dilaksanakan pada kertas :
.

Dalam metode Weibull, peluang dihitung dengan nrmus sebagai berikut :

P(Xm):ffi,atau

(3.22.a)

T(Xm):Y

(3.22.b)

Rumus ini pada mulanya dikembangkan oleh Weibull (1930), kemudian digunakan oleh Gumbel (1945), Chow

a). semi-lo g (semi-logarithmic). b). log-log (double-logarithmic). c). peluang ekstrem (extreme probability). d). peluang logaritmik (logarithmic probability). e). peluang ekstrem Gumbel (Gumbel's extreme probability). f). peluang ekstrem logaritmik Gumbel (Gumbel's logarithmic extrbme probability).

(1953), Yelz (1952), US Geological Survey

dan

lain-lain. Semua variat dapat digambarkan pada kertas

Salah satu tujuan dalam analisis distribusi peluang adalah menentukan periode ulang (return period, recurrence interval).

116

117
:

Dari persamaan 3.19.a sampai 3.23.c dapat ditunjukkan bahwa

x
S

r(Xm)=

d,

(3.24)

Analisis distribusi peluang dapat untuk menentukan nilai variat dari variabel hidrologi yang dapat diharapkan terjadi dengan peluang sama atau lebih besar (sama atau lebih kecil) daripada nilai rata-ratanya tiap N tahun, atau peristiwa N tahunan. Dengan demikian yang dimaksud dengan periode ulang adolah interval waktu rato-rata nilai vaiiat dari variabel hidrologi tertentu akan disamai atau dilampaui (disamai atau tidak dilampaui) satu kali. Sebagai contoh untuk debit banjir, maka banjir 5 tahunan akan terjadi rata-rata sekali dalam 5 tahun. Terjadinya tidak harus tiap 5 tahun, melainkan rata-rata satu kali tiap 5 tahun, yaitu terjadi l0 kali tiap 50 tatrun, 20 kali tiap 100 tahun dan seterusnya. Atau lebih jelasnya dapat diartikan bahwa debit banjir selama kurun waktu yang panjang katakan 100 tahun akan terjadi 20 kali yang sama atau lebih besar (dilampaui) dari pada banjir 5 tahunan, atau akan terjadi 10 kali banjir l0 tahunan,2 kali banjir 50 tahunan, 1 kali banjir seratus tahunan. Banjir dengan periode ulang yang besar berapapun dapat terjadi sewaktu-waktu (tahun ini atau tahun depan) tanpa menunggu N tahun. Banjir 5 tahunan akan terjadi rata-rata sekali 5 tahun, maka berdasarkan persam,uur (3.24), peluang bahwa kejadian banjir tersebut akan terjadi sembarang waktu (tahun) adalah I tahun/s tahun : 0,20 atzu 20 %. Peluang bahwa kejadian banjir 10
tahunan adalatr l0 yo, dan seterusnya.

nilai rata-rata hitung variat. dcviasi standar nilai variat. faktor frekuensi, merupakan fungsi dari pada peluang atau periode .ulang dan tipe model maternatik dari distribusi peluang yang digunakan untuk analisis
peluang.

Dengan telah disusunnya persamaan (3.25) dan seandainya tidak tersedia kertas grafik peluang, maka kita tetap dapat meramalkan atau mengharapkan nilai dari variat suatu variabel hidrologi pada peluang tertentu atau periode ulang tertentu. Persamaan (3.25) adalah distribusi frekuensi teoritis yang merupakan pendekatan dari sebaran data variat dan peluangnya.

jangka waktu yang relatip pendek, maka untuk menentukan

Karena data pengamatan pada umumnya baru tersedia dalam

distribusi frekuensi yang sebenamya pada umumnya tidak mungkin, oleh karena itu biasanya digunakan distribusi teoritis sebagai pendekatannya. Perpanjangan kurva distribusi teoritis umumnya diperlukan untuk memperkirakan nilai variat harapan pada priode ulang yang lebih .lama daripada lamanya tahun pengamatan. Perpanjangan hanya disarankan sampai dengan perkiraan nilai variat harapan yang besarnya periode ulang sama dengan 2 (dua) kali lamanya tahun pengamatan, karena perpanjangan kurva distribusi umumnya cenderung untuk membuat kesalahan.

Contoh 3.5.
Data variabel hidrologi yarg telah dihitung besarnya peluang atau periode ulangnya, selanjutnya apabila digambarkan pada kertas grafik peluang, umumnya akan membentuk persirmaan garis lurus. Persamaan umum yang digunakan adalatr :

Dari pos duga air sungai Cikapundung - Gandok.antara tatrun 1958 Sampai dengan tahun 1980, telah diperoleh data debit tahunan (annual run ffi dalam juta m3/tahun (Sumber : lihat data pada tabel
3.5 pada contoh 3.6).
il

X:X+k.S
Keterangan
:

(3.2s)
fl il
II

X:

perkiraan nilai yang diharapkan terjadi dengan besar


peluang tertentu atau pada periode ulang tertentu.

il

X : 92,l6juta m3/tahun. S = 25,95juta m3/tahun. X, : 77,8}juti m3/tahun pada peluang 75 %. X2 : 109 juta m3/tahun pada peluang 25 %.

rl8
persamaan model matematik distribusi peluangnya apabila datanya mengikuti distribusi normal.
Jawab Contoh 3.5.

ll9

Tentukan koordinat

dari garis

(iauss). l)rrri tabcl terscbut dapat diketahui dengan lebih mudah huhrrrrgirrr rurtara 'l' (periode ulang), P (peluang) dan k (variabel
rcduksi Gauss).

Berdasarkan persamaan 3.25, adalatr :

maka persamaan garis lurusnya

Contoh 3.6.

X= X+k.S

X:
Untuk

92,16+k(25,95)

O,7S (peluang terlampaui) dan peluang tidak terlampaui adalatr I - p: 1,0 - 0,75 : 0,25. Dari tabel III-1, untuk luas dibawatr kurva normal 0,2500 (terletak antara 0,2514 dan 0,2483) nilai itu sepadan dengan nilai t = -0,67, maka nilai X, adalatr :

Xr dengan peluang 75 yo, maka p =

Dari tabel 3.4, menunjukkan data volume total debit tahunan dari Sungai Cikapundung-Gandok, Kodya Bandung, selama 23 tahun (tahun 1958 - 1980). Tentukan volume total debit tersebut, untuk periode ulang 2 tahun, 5, 10, 20 dan 50 tahun, apabila datanya
mengikuti model matematik distribusi normal.

Tabel3.3 Nilai Variabel Reduksi Gauss


Periode Ulang T (tahun)
1,001 1,005

Xr = 92,16 + (-0,67) (25,95) Xr = 74,77


O,Z5 (peluang terlampaui) dan untuk peluang tidak terlampaui adalah I - p : I 0,25 : 0,75. Dari tabel III-1, untuk luas dibawah kurva normal 0,7500 (terletak antara 0,7486 dan 0,7517) nilai itu sepadan dengan nilai t : * 0,67, maka nilai X, adalah :

Peluang 0,999
0,995 0,990 0,950

k
-3,05

-2,58
-2,33 -1,64 -1,28

Untuk X2 dengan peluang 25 yo, maka

P:

1,010 1,050

l,l l0
t,250
1,330

0,900
0,800

-0,84
-0,67 -0,52 -0,25 0 0,25 0,52 0,67 0,84
1,28 1,64

0,750
0,700 0,600 0,500 0,400 0,300

I,430
1,670

X2:92,16 + (+0,67) (25,95)

Xr:

109,54

2,000 2,500 3,330 4,000


5,000 10,000

0,250
0,200 0,100

Dengan demikian koordinat garis persamaan model matematik dari distribusi peluangnya melalui titik Xr (p O,2S dari 109,54) dan X, (p 0,75 dan 74,77).

20,000
50,000 100,000

0,050
0,200 0,010 0,005 0,002
0,001

Untuk memudahkan dalam perhitungan maka nilai (k) dalam persamaan 3.25 umumnya tidak lagi dibaca dari tabel luas dibawah kurva normal dari tabel III-1, seperti pada contoh 3.5, akan tetapi disusun tabel seperti ditunjukkan pada tabel 3.3, yarig umum disebut dengan tabel nilai variabel reduksi Gauss (variabel reduced

200,000 500,000
1000,000
Sumber : Bonnier, 1980.

2,05 2,33 2,58

2,88
3.09

120

t21 3.4 Data Volume Total Debit Sungaicikapundung-Gandok.


Tahun
I 980 1979

'fabel

llbcl 1.5 l)crhitungan Peringkat - Peluang - Periode Ulang


Volume Total Debit Tahunan Sungai Cikapundung - Gandok, Tahun 1958 - 1980.

Volume (Juta mt) 109,0 125,0 121,0 97,4 78,6 149,4

1978

Volume

t977

Uub mi)
149,4

Peringkat (m)
I
2
3

P=-

I
P
25,00
12,50

N+ I

t976
1975 1974
1973

90,0
I

l4,l

1972

l97l
t970
r969 ,968 967

9l,l
84,6 132,4 83,9 73,0

65,0
97,8 77,8 45,2 68,5 93,6
191,7

966 965 964 963

132,4 125,0 121,0 114,7 109,0 101,7 99,2 97,8 97,4

0,04 0,08
0,13

7,69
5,88

4
5

0,17
0,21 0,25

6
7 8

4,76 4,00
3,45 3,03 2,63

0,29
0,33

l0

9l,l
90,0
89, I

ll

t2 l3

0,38 0,42 0,46 0,50


0,54

2,38 2,17 2,00


1,85 1,72 1,59

962
961 960

959

99,2 41,6

958 89, r Sumber : Buku Publikasi Debit Pusat Litbang pengairan.

84,6 83,8 83,6 78,6 77,8

l4 l5 l6
t7

0,58
0,63

0,67
0,71 0,75

1,49

l,4l
1,33 1,27

l8
t9
20

73,0
68,5 65,0
45,2

0,79
0,83 0,88

1,20

2l )')
N

I,l4
1,09

Jawah Contoh

3.6

41,6

:23

23

0,92 0.96

1,04

Tabel 3.5, menyajikan kembali data tabel 3.4, yang telah disusun

buah

mulai dari nilai yang terbesar ke yang paling kecil. setiap nilai dihitung besamya peluang dan periode ulang berdasarkan nrmus
3.22.adan rumus 3.22.b (metode Weibull).

*. = 92,16 jutam3/tatrun
S

:25,95

juta m3/tahun

Sumber : Perhitungan Data Tabel 3.4.

I
x

:25,95juta m3/tah*, dT

Dari tabel 3.5, maka diperoleh nilai X

:92,l6juta

m3/tatrun dan S
:

persamium garis lurusnya adalah

X:92,76+(25,95).k

122 Berdasarkan nilai variabel reduksi Gauss pada tabel 3.3, maka
:

I
l) 2)
.1.1.2. Aplllasl IDIstrIDrsl Gutm,be,l
.1..r.2.1. Aplikasi Distribusi Gumbel Tipe

723

X2 = 92,16 + (25,95) .0 Xz : 92,l6juta m3/tatrun

: 92,16 + (25,95) .0,84 : 13,95 juta m3/tahun 3) Xro : 92,16 + (25,95) .1,28 Xro : 125,37 jutam'/tatrun 4) Xzo : 92,16 + (25,95) .1,64 Xzo : l34,7ljuta m3/tahun 5) Xso : 92,16 + (25,95) .2,05 Xso : 145,35 juta m3/tatnrn
Xs Xs
1

Distribusi Tipe I Gumbel atau disebut juga dengan distribusi ekstrem tipe I (extreme type I distribution) umumnya digunakan untuk analisis data maksimum, misal untuk analisis
frekuensi banjir. Peluang kumulatip dari distribusi Gumbel adalah
:

: (X ( x):
:

dengan-@+<X<+o
Keterangan

"(-e)-Y

Q.26)

P(X < x)

: fungsi densitas peluang tipe I Gumbel X : variabel acak kontinyu


e:2,71828

Dari perhitungan tersebut nampak bahwa nilai rata-rata 6X; sama dengan nilai perkiraan untuk periode ulang 2 tahun. Tabel 3.6,
menunjukkan rangkuman perhitungan data tabel 3.4.

Y : faktor reduksi Gumbel

:l
l

Tabel 3.6 Perkiraan Volume TotalDebit Sungai Cikapundung - Gandok.


No
I
2
J

Persamaan garis lurus model Matematik Distribusi Gumbel tipe I yang ditentukan dengan menggunakan metode momen adalah :

Y :a(X-&)
a:-1, 283

(3.27)
(3.28)

Volume Total

Peluang

Periode Ulang
(tahun) 2
5

(juta

m3

/tahun)

(%)
50 20

92,16 I 13,95 125,37


134,71 145,35

0-577 Xo: [r--,atau

l0
5

l'0 20 50

)L:p-0,455o
Keterangan
:

(3.2e)

4
5

Sumber

Perhitungan Data Tabel 3.4 dengan menggunakan persamaan model matematik distribusi normal.

p: o:

nilai rata-rata
deviasi standar

Distribusi tipe I Gumbel, mempunyai koefisien kemencengan (coeffcient of skewness) CS : 1,139. Nilai Y, fbktor reduksi
Gumbel merupakan fungsi dari besarnya peluang atau periode ulang seperti ditunjukkan pada tabel 3.7

124 Tabel
T

I
3.7 Nilai
Variabel ReduksiGumbel.
Peluang
0,001 0,005
0,01 Y

126

lnhcl

1.8

Data Debit Banjir Maksimum DPS Citarum di Pos Duga Air Nanjung l9l8 - 1980.
Debit
(mr/det) 244 No. Tahun t9'13

(tahun)
1,001 '1,01

No.

Tahun

Debit
(m3/det)

I,005

1,05

0,05

- 1,930 - 1,670 - 1,530 - 1,097


0,834 0,476

l.
2. 3.

l9l8 l9l9
t920

269 323

2t7
28s

t974 t975 t976


1977 1978 1979 1980

l,l

1,25 1,33 1,43 1,67

0,10 0,20
0,25

3@
241

4.
5. 6. 7. 8. 9.
10.

t92r
1922

26t
29s
2s2 275 204

0,326
0,185

2,00 2,50
3,33

0,30 0,40 0,50 0,60 0,70


0,75

290 302
301

0,087 0,366 0,671


1,030

t923
1924

t92s
1926

284
276 261
303 335

4,00
5,00 10,00

1,240
1,510

208

l98l
r982
1983

20,00
50,00 100,00

0,80 0,90 0,95 0,98 0,99

2,250 2,970
3,900 4,600 5,290 6,210 6,900

t92?

t94
256
207

ll.
t2.
13.

t928
1929

1984
1985

200,00 500,00
1000,00

0,995

r930
193

354 445
350

320

0,998 0,999

14.
15. 16.

N = 30 buatt

t932
r933
1934

336 328

i=286,20
S

m'/det

Sumber: Bonnier, 1980.

17.
Sumber

55,56 m'/det

Buku Publikasi Debit Sungai Tahunan Pusat Litbang Pengairan.

Contoh 3.7. Tabel 3.8, menunjukkan data debit banjir maksimum dari pos duga air sungai Citarum - Nanjung tatrun 1918 - 1934 dan tahun 1973 1985. Apabila sampel data tersebut berasal dari populasi yang homogen tentukan perkiraan debit banjir maksimum yang bisa diharapkan terjadi untuk periode ulang 2; 5; l0; 20; dan 50 tahun dengan menggunakan model matematik dari Distribusi Gumbel Tipe I. Jawab Contoh 3.7.
z

Dari data tabel 3.8, maka parameter statistik dari sampel sebanyak N : 30 (tahun) data debit banjir maksimum sungai Citarum Nanjung adalah
:

X S

=286,20 m3ldet.
55,56 m'ldet (unbiased).

Persamaan garis lurus untuk distribusi Gumbel dihitung dengan prsamaan (3.27) :

t26

I
r27

y=a(x-&)
Nilai a, diperoleh dari
:

u=#=#
dan nilai Xo, adalatr
:

lhbcl 3.9. Ilerkiraan Debit Banjir Maksimum yang dapat diharapkan dari daerah pengaliran sungai Citarum- Nanjung dihitung dengan rumus 3.27.

= 0,023

No.

Debit Maksimum
(m3/det)

Periode ulang (tahun)

Peluang

(%)
50

&=x-ry
0,577 rr A0 -.ra- 5; OrOn

l.
2.
3.

277 328 359


390

)
5

20

l0
20
50
100

l0
5

4:
5. 6.

43t
461

Xn=286,2r'.ffi:261,21

Sumber: Perhitungan Data Tabel 3.8 dengan menggunakan


model matematik persamaan distribusi Gumbel Tipe I.

Dengan demikian persamaar garis lurusnya adalatr

y:a(X-&)
Y

Tabel

3.10

Hubungan Periode Ulang (T) dengan Reduksi Variat dari Variabel (Y) T
2
5

: 0,023 (X - 261,21), atau


Y+
6,005 0,023
:

Y
0,3065 1,4999

-_ ^-

Dari tabel 3.7, maka

l0
20
50
100

x2: x5:
Xro:
Xzo:
Xro

0,366 + 6,005 0,023

:277

2,2504 2,9702 3,9019


4,6001

1,510+6,005 :359 0,023


2,250 + 6,005 = 390 0,023 2,970 + 6,0.05 0,023 4,600 + 6,005 0,023

:431 :461

Perhitungan persamuum garis lurus untuk distribusi Gumbel, menggunakan metode nomen seperti dijelaskan pada rumus 3.27, paling sering digunakan karena lebih sederhana dan kurang menyimpang. Persamaan garis lurus untuk distribusi frekuensi tipe I Gumbel dapat juga menggunakan persam&m distribusi frekuensi empiris sebagai berikut :
e X:X+fr(V-Yn)

Tabel 3.9 menunjukkan rangkuman hasil perhitungan.

i(3.30)

128

l2$
:

Keterangan

x x
Y

nilai variat yang diharapkan terjadi nilai rata-rata hitung variat nilai reduksi variat dari variabel yang diharapkan terjadi pada periode ulang tertentu (hubungan antara periode ulang T dengan Y dapat dilihat pada tabel 3.10), atau dapat dihitung dengan rumus :

+ Xzo = 286,20 + Xso : 286,20 +


X,u :286,20
Xroo

49,946 (2,2504 - 0,5362) 49,946 (2,9019 - 0,5362) 49,946

= 372 mr/dct.

= 2g6,20+ 49,946

= 404 m3/det. (3,9019 - 0,5362) = 454 m3/det. (4,6001 -0,5362):489 m3/det.

Y:-ln[-,"?]
untuk T

Hasil selengkapnya dirangkum pada tabel 3.12.


(3.31)

20, maka

Y:

YN
ln T Tabel

Yn

: nilai rata-rata dari reduksi variat (mean of reduced :


variate) nilainya tergantung dari jumlah data (n) dan dapat dilihat pada tabel 3.1 l.A. deviasi standar dari reduksi variat (standard deviation of the reduced variate), nilainya tergantung dari jumlah data (n) dan dapat dilihat pada tabel 3.1 l.B.

3.1lA. Hubungan Reduksi Variat Rata-rata (Yn)


dengan Jumlah Data (n).

Sn

Yn

n
34
35

Yn

n
58 59 60

Yn

n
82
83

Yn

l0

ll

0,4592 0,4996
0,5053

0,5396 0,5402
0,5410 0,5418

0,5518 0,5518
0,5521

0,5572
0,5574 0,5576 0,5578 0,5580
0,5581 0,5583 0,5585

t2 l3 t4

36
37

84
85

Contoh i.8.

Hitung debit banjir maksimum DPS Citarum - Nanjung pada periode ulang : 2; 5; l0; 20; 50 dan 100 tatrun yang datanya
tercantum pada tabel 3.8.

l5 l6 t7 l8 l9
20

0,5070 0,5100 0,5128 0,5157


0,5181

6l
62
63

38 39

0,5424
0,5430

0,5524 0,5527 0,5530


0,5533 0,5535 0,5538

86
8',7

40

4l
42 43

2l
22
23

0,5202 0,5220 0,5236 0,5252 0,5268


0,5283

0,5436 0,5442 0,5448


0,5453 0,5458

44
45

46
47 48

0,5463 0,5468 0,5473


0,54',17

64 65 66 67 68 69 70

88

89 80

0,5586
o_,5587

0,5540
0,5543 0,5545 0,5548

9t
92
93

0,5589
0,5591

94
95

0,5592
0,5593 0,5595

7t
72 73

24

Jawab Contoh 3.8. :

25

Debit banjir maksimum yang diharapkan terjadi di DpS Citarum-Nanjung dengan n = 30; X:286,20 m3/det dan S : 55,56
m'/det dapat dihitung dengan persam&m garis
:

26 27 28 29 30

0,5296 0,5309 0,5320 0,5332 0,5343


0,5353

0,5550 0,5552
0,5555 0,5557 0,5559 0,5561 0,5563 0,5565 0,5567

49
50

0,5481 0,5485

74
75

5l
52
53

0,5489 0,5493
0,5497 0,5501 0,5504

96 97 98 99
100

76 77
78

0,5596 0,5598 0,5599 0,5600

0,5362
0,5371

3l

X = X+

x2 :286,20 . -i:liif,
X5 :286,20 +
49,946

*,"

- y,o) (0,366s - 0,s362):275m3/det.

32
33

0,5380
0,5388

54 55 56
57

0,s508
0,551

79 80

8l

0,5569 0,5570

(l,49gg - 0,5362) =

334 m,/det.

130 Tabel 3.1

lllI l.B
Sn

Hubungan antara deviasi sandar dan reduksi

3.3.2.2. Aplikasi Distribusi Gumbel Tipe

III

variat dengan jumlah data.


n n
JJ

- Distribusi Gumbel Tipe III, disebut juga distribusi ekstrem


n 79
80

Sr
1,1226
1,1255

n
56 57 58 59 60
61

Sn

Sr

lr0 I ll

ln

,, | t4
l5 l6
t7

0,9496 0,9676 0,9933


0,9971

1,1696
1,1708

t,0095
1,0206 1,0316 1,041I
1,0493 1,0565

34 35 36 37 38 39

l,lg30 l,lg3g
1,1945
1,1953

tipe III (extreme type III distribution) terutama digunakan untuk analisis variabel hidrologi dengan nilai variat minimum, misal
untuk analisis frekuensi distribusi dari debit minimum (low /tows)i. Perhitungan peluangnya harus diubah. Apabila data debit minimum diurut dengan m : 1, adalah nilai yang terbesar, sampai dengan nilai m : N yang terkecil, maka persamaan 3.22.a, harus diubah menjadi:

l, l2g5 l, l3 l3
l, I 339

l,l72l
1,1734
1,1747

8l
82
83

l,lg5g
l,1967

l,1363 l, I 3gg

l,l759
1,1770 1,1782

84
85

62
63

40

l,l4l3
1,1436

l,lg73
l, lgg0

l8 t9
20

4t
42 43

l, l45g
1,1490

2t
22
23

t,0629 t,0696 t,0754


t,08 I I

44
45

l,l4gg l, l5 l9
l, I 539 1,1557 1,1574

24 2s 26 27
28

t,0964 ,0915

46 47
48

64 65 66 67 68 69 70

l,l7g3
l, I 803

l,l8l4
1,1824

86 87 88 89

l,lgg7 l,lgg4
1,2001

P(xm):1-;t_l-+
Keterangan
:

(3.32)

90

l, I 834
1,1844

9l
92
93

1,2007 1,2013

l,lg54
l, I 863
1,1873
i

7t
72

94
95 96 97 98

1,2020 1,2026 1,2032


1,2039

P(Xm)

,l96l
,1004 ,1047 ,1 096

49
50

l,l5g0
1,1607 1,1623 l, I 639

'73

l,l8gl
l, I 890 l, I 898
1,1906

5l
52
53

29 30

74 76 77

7sI
I

1,2044 1,2049
1,2055

peluang kumulatip dari pada suatu kejadian yang nilainya kurang atau sama dengan x. = urutan nilai (m: l,adalah nilai yang terbesar). : jumlah total kejadian.

3r
32

,1124

l, l65g
1,1667

99
100

1,2060
1,2065

,l l59 .l193

54
55

l, l6g I

7sl

l,l9l5
1,1923

Tabel3.l2. Debit Banjir Maksimum yang dapat diharapkan


dari Daerah Pengaliran Sungai Citarum-Nanjung di hitung dengan rumus 3.30.
No Debit Maksimum

Dalam analisis data debit minimum, maka debit minimum terkecil berkaitan dengan periode ulang yang besar. Apabila data diurutkan mulai dari nilai m = I adalah nilai minimum yang paling kecil maka persamzuut kumulatip peluangnya adalatr :

P(xm):ffi=+

(3.33)

(at/det)
I 275

Periode Ulang (tahun)


2
5

Persamaan peluang kumulatip dari distribusi Gumbel Tipe III adalah:


P

)
3

334
372 404

(x):
:
-

e-(#)"

(3.34)

l0
20
50
100

4
5

6
Sumber

454 489

Keterangan

P(X)
^ w

Perhitungan Data Tabel 3.8 dengan menggunakan model matematik persamaan distribusi Gumbel Tipe I.

.,11828. - 1',

peluang kumilatip dari kejadian yang nilainya kurang atau sama dengan X.
(

!s

132

183

x
n
ct

:
= =

variabel acak kontinyu. batas bawatr nilai X. parameter skala. parameter lokasi.

yang diharapkan adalatr

log (X - e) = log (P - e) = los (9 -

.1* *

(bg

Y)

(3.43)

6). persamaan (3.43) dapat digambarkan pada kertas


peluang log - normal atau ekstrem logaritrnik Gumbel.

Transformasinya adalatr

., :

lx-. l" '-lE=l


:

(3.35)

Untuk analisis kekeringan (&aught) umrunnya persamaan (3.43)


digambarkan pada kertas ekstrem logaritmik Gumbel.

maka persamaan (3.34), menjadi

P(X):

"'v

(3.36)

Tabel 3.13 Nilai Reduksi Variat Untuk Distribusi Gumbel Tipe


Periode Ulang Peluang P (x) 0,990
Redaksi log Y 0,663

III

Dengan menggwrakan metode momen, maka parameter distribusi Gumbel Tipe III adalatr :

T:

t/P

(n

p =I+Ao(s) =p_po(S)

l,0l
1,05

(3.37)
(3.38) (3.3e)

0,952
0,909
0,833

0,482
0,380 0,253 0,166 0,099
0,041

l,l0 l,m
1,30 1,40 1,50 1,58

0,769 0,714 0,667


0,633

1).

hitung nilai rata-rata

(X)

2,OO

deviasi standar (S) dan

0,500
0,333

3,00 4,00 5,00


10,00 15,00

0,000 - 0,159 - 0,393 - 0,541 - 0,652 - 0,979

koefisien kemencengan (CS).


2). berdasarkan nilai (CS) tenhrkan nilai parameter llcl., Ao dan B0 dari tabel III-2 pada bagian akhir buku ini.
3). hittrng parameter B dan ;

20,00

0,250 0,200 0,100 0,067 0,050 0,040


0,033

- 1,155 - 1,292 - 1,387 - 1,469 - 1,602 - 1,699 - 1,8t6


- 2.000

F: X +,\

:p-Bo(S)

(s)

(3.40) (3.41)

4). tentukan nilai reduksi variat (log Y) dari tabel 3.13, berkaitan de.ngan periode ulang (T) yang diinginkan atau peluangnya (P) atau dihitung rumus :

25,00 30,00 40,00 50,00 75,00


100.00

0,025 0,020
q,013

0.010

P(X)=

-.v

Q.42)

s). persarnaan teoritis untuk tiap nilai log

Y dan nilai X

1:J4

136

Contoh 3.9.

Data pada tabel 3.14, menunjukkan debit minimum sesaat dari daerah pengaliran sungai Bogowonto di lokasi pos duga air Bener,
Purworejo, Propinsi Jawa Tengah, Tahun 1973 - 1984.

Berdasarkan data dari tabel 3.14, maka diperoleh tiga parameter statistik-:

Tentukan model matematiknya dengan menggunakan persamiurn empiris distribusi peluang Gumbel Tipe III dan tentukan debit minimum yang dapat diharapkan terjadi pada periode ulang :2; 5; I 0; 20; 50 dan I 00 tatrun apabila data tersebut dianggap berasal dari populasi yang homogen.

. . .

debit minimum tataqata 7:2,11 m3/det. S :1,24 m3/det. deviasi standar koefisien kemencengan CS :0,687

Koefisien kemencengan dihitung dengan rumus 2.30 (bab II). Berdasarkan nilai koefisien kemencengan Cs : 0,687, maka dari tabel skala parameter (lihat tabel lll-2, pada bagian akhir buku ini) dapat diperoleh nilai :

Jawab Contoh 3.o.

Terlebih dahulu harus dihitung nilai rata-rata (X), deviasi standar (S) dan koefisien kemencengan (CS).

. . .

skala parameter lls": 0,52. faktor frekuensi Ao:0,235. faktor frekuensi Bo:2,082
B

Tabel3.l4 Debit Minimum Sesaat DPS


Bogowonto-Bener Tahun lg73 1984.
No. Tahun

Dari persamaan (3.a0) dan (3.41), maka dapat dihitung parameter dan e.

Debit (m3/de0
3,89 3,58 3,53

I
4
5

973
974

6
7 8

975 976
977

: : B: e: e: e:
F F

X+A".S
2,11 + (0,235) (1,24) 2,401

P-Bo.S
2,401 - (2,082) (1,24) - 0,180

l,5l
1,50

978 979
980

4,00
1,50 r,51

l0

ll

t2 l3

98r 982
983

t,49
0,85

Langkah selanjutnya adalatr menentukan faktor reduksi variat untuk berbagai nilai periode ulang T (atau peluang P) yaitu nilai log Y, dari tabel 3.13 dan berdasarkan persamaan 3.43, maka dapat dihitung debit minimum berdasarkan periode ulang tertentu.

t,2t
0.75

l4

984

N = 14 buah X = 2,ll m3/det S = 1,24 m'/der


cs :0.687
Sumber data

e): loe (g - ) + j . 0oS Vl Log (X + o,l8o): log (2,581) + 0,52 log Y


Log (X Jadi persamaan garis lurus yang diperoleh adalah
:

: Buku Publikasi Debit


Litbang Pengairan.

Tahunan , Pusat

Log (X + 0,180) = 0,412 + 0,52log Y


maka:

136

L:t7

l). Log (Xz + 0,180) :0,412 + 0,52 (- 0,159) Log (X, + 0,180) :0,329
Log

X, : (log 2,134 - 0,180) X, : l'954

Kritcria untuk menentukan salah satu tipe distribusi Pearson adalah dengan menentukan nilai 8,, B, da K.
0,

MA3

2).

Log (X, + 0,180) :0,412+0,52 (- 0,652) Log (X, + 0,180) = 0,0726 Log X, = (log 2,134 - 0,180)

MAi
MAO

(3.4s)

9, :

(3.46)
(3.A7)

MA3

X, = 1,002
Dengan cara yang sama maka akan dapat diperoleh hasil seperti yang ditunjukkan pada tabel 3.15.
Tabel

KKeterangan
:

0, (0, + 3)2 a (!9, - 3Bl) (29,- 30' - 6)

MAr:

3.15

Perkiraan debit minimum yang dapat diharapkan terjadi di DPS Bogowonto - Bener.

MAr :

MAo:

momen ke 2 terhadap nilai rata-rata. momen ke 3 terhadap nilai rata-rata. momen ke 4 terhadap nilai rata-rata.

No.

Debit Minimum (mt/det)


1,954
1,002

Periode Ulang

Peluang

(tahun\

(%)
50

Perhitungan Momen.lihat sub bab2.2.7 (Bab II).

I
2
J

)
5

20

Pearson telah mengembangkan 12 macam tipe distribusi, dalam buku ini hanya akan disajikan2 (dua) tipe,'yaitu :
1). Distribusi Pearson Tipe III. 2). Distribusi Log Pearson Tipe

4
5

0,619 0,369
0,1 57

l0
20
50
100

l0
5

III.

0,056

Sumber: Perhitungan data tabel 3.14, dengan menggunakan model matematik persamaan distribusi Gumbel Tipe IIL

Dari persamam3.45 - 3.47, apabila nilai p1 :0, gz:3 dan maka distribusi Pearson sama dengan distribusi normal.

K:0,

3.3.3. Aplikasi

[listtibusi Pealtson

Pearson telah mengembangkan banyak macam model matematik fungsi peluang untuk membuat persamaan empiris dari suatu distribusi. Persamazm umumnya adalah :

n,!r\ -f *;#;u* P(X): e--Keterangan


:

(3.44)

-aaattra
Gambar

aa
Tipe

8, bo, br, b2 adalah konstanta.

3.4. Sletsa Distribusi Pearson

III.

138

180

3.3.3.1

Aplikasi Distribusi Pearson Tipe IItr

Sehingga:

Distiibdsi Pearson tipe III, mempunyai bentuk kurva seperti bel (bell - shaped), mode terletak pada tik nol (origin) dan nilai X terletak -a ( X ( o (lihat sketsa gambar 3.4). Distribusi Pearson Tipe III sering juga di sebut dengan Distribusi Gamma. Terjadi apabila nilai K: o atat 2 9z:3 0r + 6.
Fungsi kerapatan peluang distribusi dari distribusi pearson Tipe Adalatr:

u=ry
b=(* x2)'

(3.50)

(3.s1)
(3.52)

.:X-ffi
(3.4e).

III

Bila parameter 4 b, c disubstitusikan dalam persamaan tansformasi

pCX): I
Keterangan:

[x-c'l*'..-(+) ar(b).1 a J -

(3.48)

# =*

atau
:

X=aw+c

maka akan diperoleh


Pearson Tipe

X a b c D

P(X): fungsi kerapatan peluang distribusi

: (baca fungsi gamma)


. dX

* parameter letak

: variabel acak kontinyu : parameter skala : parameter bentuk

III

*=ry.w+x-H

(3.53) (3.s4) (3.5s)

X:x.[?*-&]
X-I+k.S

Fungsi 1-@ =Je-x*u-r


0

Persamaan (3.55) dapat digunakan untuk menentukan persamaan distribusi Pearson Tipe III, dengan menentukan faktor k : faktor sifat dari distribusi Pearson Tipe III yang merupakan fungsi dari besarnya CS dan peluang seperti ditunjqkkan pada tabel 1ll-3*pada bagian akhir buku ini.

Untuk

U:

1,

maka

f(l) =je. dx:


0

tipe III akan merupakan garis lengkung apabila digambarkan pada kertas
Persamaan (3.55) untuk distribusi Pearson peluang normal. W dan dX/a:dW, maka
:

Bila dilakukan transformasi


P

:f

(X): #r(W)tre-*a . dw
nilai
:

Contoh 3.10.
Data volume total debit tahunan, yang dihitung dari lokasi pos duga air Cikapundung - Gandok tahun 1958 - 1976 tercantum pada tabel 3.16. Apabila data tersebut berasal dari populasi yang homogen, tentukan volume total debit tahunan yang dapat diharapkan terjadi

(3.49)

ke 3 parameter fungsi kerapatan (a, b dan c) dapat ditentukan


dengan metode momen; dengan cara menghitung

X:rata-tata

S : deviasi standar CS : koefisien kemencengan

untuk periode ulang : 2; 5; l0;25;50 dan 100 tahun dengan menggunakan model matematik dari persamaan empiris distribusi Pearson tipe III.

140

r4l
Tabel

3.16

Volume Total Debit Tahunan DPS Cikapundung - Gandok.


Tahun 958 r959
I

Berdasarkan data faktor k, dari tabel III-3, nilai CS diperoleh :

:0,47,

maka

No.
I

Volume Total

(uta
2
3

m3)

8l,l
41,6 99,2 101,7 g3,g 68,5 45,2 77,9 97,8

: 85,67 Xj = 87,75 + (26,07)( 0,800) : 108,55 Xro : 87,75 + (26,07)( 1,317) :121,99 Xzs : 87,75 + (26,07)( 1,880) :136,63
X2 :87,75+(26,07)(-0,080)
Xso = 87,75 + (26,07)(2,311) :147,83 Xroo : 87,75 + (26,07)(2,696) : 157,59
Tabel 3.17, menunjukkan rangkuman hasil perhitungannya.

1960

4
5

i96l
962 963 964 965 966
967

6
7
8

ll

l0

t2 l3 t4

968 969 970

65,0 73,0
83,8 132,4 84,6

Tabel 3..17 Volume Total Tahunan yang dapat diharapkan terjadi dari Dps Cikapundung - Gandok.
No.

97t
972

l5 l6 t7 l8 l9
=87,75 S =26,07 CS = 0,47

9l,l
114,7

Yolume Total

973 974 975 976

(juta m3/tahun)

Periode Ulang (tahun)


2
5

Pitluang
("/") 50

90,0
149,4

l.
2.
3.

78,6

85,67 108,55 121,99


136,63

20

l0
25 50
100

l0
4
')

4.
5. 6.

147,83 157,58

Sumber : Data dari Buku publikasi Debit pusat Litbang


Pengairan.

Sumber

perhitungan data tabel 3.14, dengan menggunakan model matematik persamaan distribusi Pearson tipe III.

Jawab Contoh 3.10.

Dari tabel 3.16 diperoleh nilai rata-rataX:87,75, deviasi standar


S.= 26,07 dan koefisien kemencengan CS Bab II).

0,47 (lihat rumus 2.30,

3.3.3.2. Aplikasi Distribusi

Log - Pearson Tipe

III

Berdasarkan persam&m 3.55, model matematik persamaan ernpiris distribusi Pearson tipe III adalah :

X:I.+k.S
X=8'1,75+k.(26,07)

Distribusi log-Pearson tipe III banyak digunakan dalam analisis hidrologi, terutama dalam analisis data maksimum (banjir) dan minimum (debit minimum) dengan nilai ekstrem. Bentuk distribusi log-Pearson tipe III merupakan hasil transformasi dari distribusi Pearson tipe IIi dengan menggantikan variat menjadi nilai logaritmik. Persamaan fungsi kerapatan peluangnya adalah :

142

l4it

P(x):
Keterangan:

6+, [o#]''

s-trr

(3.s6)

SlogX =

(togX-los

(3.60)

4). hitung nilai koefisien kemencengan

: peluang dari variat X : X nilai variat X a,b,c : pararneter f : fungsi gamma


P(X)
Bentuk kumulatip dari distribusi log-Pearson tepi III dengan nilai variatnya X apabila digambarkan pada kertas peluang logaritmik (logarithmic probability paper) akan merupakan model matematik persamium garis lurus. Persamaan garis lurusnya adalah :

CS:

X (rog x -iog ,,)'

3 /-\ (n- 1) (n-2) [slogxJ

(3.61)

sehingga persnmzum (3.57) dapa! ditulis

log

X: logj + t< (ffiej)

(3.62')

Y:Y-k.S
Keterangan:

(3.s7)

5). tentukan anti log dari log X, untuk mendapat nilai X yang diharapkan terjadi pada tingkat peluang atau periode tertentu sesuai dengan nilai CS nya. Nilai CS dapat dilihat pada tabel III-3. Apabila nilai CS : 0, maka distribusi log Pearson tipe III identik dengan distribusi log normal, sehingga distribusi kumulatipnya akan tergambar sebagai garis lurus pada kertas grafik log normal.

Y : nilai logariunik dari X Y : nilai rata-rata dari Y S : deviasi standar dari Y k : karakteristik dari distribusi log Pearson tipe III (lihat
tabel III-3).

Contoh 3.11.

Prosedur untuk menentukan kurva distribusi log Pearson tipe adalah:

III,

r). tentukan logaritma dari semua nilai variat X. 2). hitung nilai rata-ratanya :

log x=
n

: jumlah data

ffi

I l^-*

Tabel 3.18, menunjukkan data debit puncak banjir terbesar dari daerah pengaliran sungai Cigulung - Maribaya selama 30 tahun, mulai tatrun 195211953 sampai dengan tahun 198111982, yang telatr diurutkan dari mulai debit puncak banjir yang terbesar sampai dengan yang terkecil. Tentukan debit puncak banjir yang dapat diharapkan terjadi pada periode ulang : 2; 5; l0;25 dan 50 tatrun apabila distribusi debit puncak banjir tersebut merupakan model matematik yang mengikuti distribusi log-Pearson Tipe III.

(3.58)

3). hitung nilai deviasi standarnya dari log

144

146

'l'abcl

3. I

Data debit puncak banjir terbesar daerah pengaliran sungai Cigulung - Maribaya.
(diurutkan menurut besarnya debit)

Berdasar nilai-nilai CS : - 0,4009, maka dapat ditentukan nilai k untuk setiap periode ulang, sehingga untuk periode ulang :

No.
I

Debit

No.

(m'ldet.)
2
3

Debit (m'/det.)
24,7 23,6
23,5
23,1

5 tahun:

58,3 50,5 46,0

l6 t7
r8

Log X, = 1,4247 + (0,855) (0,1754) Log X, :1,5746

Xr=

37,55

4
5

41,8
38,2 37,9 37,7 35,3 35,2 33,4

l9
20

22,5

50 tahun:

6
7
8

2t
22 23

2l,l
20,5 20,5 20,3 20,2 18,7
17,2

Log Xro = 1,4247 + (1,834X0,1754) Log Xro = 1,7463


Xso

24
25

= 55,76

ll

l0

31,9
3

t2 l3 t4 l5
Sumber

l,l

26 27
28

Hasil perhitungan selengkapnya dicantumkan pada tabel 3.19.

30,9
30,1

29
30

28,8

14,9 12,4 I 1,8

Tabel

3.19 Debit

Buku Publikasi Debit Sungai, pusat Litbang pengairan.


z

puncak banjir terbesar yang dapat diharapkan terjadi di daerah pengaliran


sungai Cigulung-Maribaya.

Jawab Contoh 3.11.

No.

Apabila data debit dianggap variat-X, maka dari tabel 3.1g, dapat diperoleh parameter statistik sebagai berikut (setiap nilai debit dilogkan) :

Periode Ulong (tahun)


2
5

Peluang

Debit Puncak
(m3/det)

('/,)
50

I 2
3

27,30
37,55
43,71

20

. . .

l0
25 50

l0
4
2

nilai rata-ratavariat log X


iog

4
5

X :1,4247
:

50,86 55,76

deviasi standar dari variat log X

Sumber: perhitungan data tabel 3.18, dengan menggunakan model


matematik persamaan distribusi log Pearson tipe III.

SlotT :0,t754
koefisien kemencengan dari variat log X CS: - 0,4009
:

3.3.4. Aplfuasl lrlrtrlDtrs

I Dsectleit

Dari persamaan3.62:

X: GT + k . (S logJ) log X : 1,4247 + k . (0,1754)


log

Distribusi Frechet disebut juga distribusi ekstrem tipe II (extreme Type II distribution) atau Gumbel tipe II, dapat dig.rnakan untuk analisis distribusi dari data hidrologi dengan nilai ekstrem,
misal debit puncak banjir. Peluang kumulatip dari distribusi Frechet

t46
dapat ditulis sebagai persamazm berikut
:

l{?
menyelesaikan persamaan (3.6a), setelah setiap variat data pudu tabel 3.18 ditransformasikan dalam bentuk logaritmik.
Parameter statistik yang diperoleh adalah
:

P(X<x)=6-e-Y
dengan x

(3.63) (3.64)
:

) 0,

dan,Y:a(logX-Xo)
Parameter a dan Xo dihitung dengan persamaan berikut

log

= 1,4247 S logX :0,1754


Selanjutnya menghitung parameter a dan lurus :

a:

(l ,282) 'I

(\

& dari persamaan

gans

\S.logX/
-0,44s

=+ I
fsloe

tg.osl

&=
Keterangan
:

6ffi

kl

Y=a(logx-\)
dimana:

(3.66)

a:
a=
dan

1,292

iolT

: nilai rata-rata variat log X SlogX : deviasi standlr variat log X Y : nilai variabel reduksi Gumbel Qihat tabel3'7)

SlogX

ffi:7,30e

Berdasarkan persamaan (3.64), (3.65) dan (3.66), maka besarnya nilai vf,riat X yang dapat diharapkan terjadi pada periode ulang atau peluang tertentu dapat dihitung. Contoh 3.12.

&:
Xo:

log X - 0,445 (S log X)


1,4247 - 0,445 (0,1754) 1,34656
:

&:

Sehingga model matematik persam&m garis ltrusnya adalah

Dari data debit puncak banjir terbesar DPS Cigulung - Maribaya


yang tertuang pada tabel 3.18, apabila data tersebut dianggap dari populasi yang homogen hitung debit puncak banjir terbesar yang diharapkan terjadi pada periode ulang 2; 5; l0:20 dan 50 tahun menggunakan model matematik persamaan garis dari distribusi Frechet. Jawab Contoh 3.12.
atau

Y:7,309(logX -1,3466)

logX:W
Nilai Y
adalah nilai variabel reduksi Gumbel, yang besarnya merupakan fungsi dari peluang kejadiannya sebagaimana tercantum pada tabel 3.7, maka nilai variat untuk periode ulang :

Persamaan garis lurus dari distribusi Frechet ditunjukkan pada persamaan (3.64). Langkah autal untuk menjawab contoh 3.12, adalah menghitung parameter statistik yang diperlukan untuk

tahun:

log X,

1,51+ 9,8422 7,309

4ti

149

log

Xr: 1,5531 Xr: 35,74


7,309

P(X)

50

tahun: log Xr, : 3,90 +9,8422


log

X X

: : :

peluang log normal nilai variat pengamatan

nilai rata-rata dari logaritnik variat X, umumnya


dihitung nilai rata-rata geometriknya.

Xr6:

1,8801

x
S

Xro= 75,87
Hasil perhitungan selengkapnya tercantum pada tabel 3.20.

= {(X,) (X,) (X,) ...(&)}," (lihat sub bab 2.1.3). : deviasi standar dari logaritmik nilai variat X

Tabel3.20 Debit puncak banjir terbesar yang dapat diharapkan terjadi di DpS Cigulung _
Maribaya.
No
I
2
3

Apabila nilai P(X) digambarkan pada kerras peluang logaritmik (logarithmic probability paper) akan merupakan persamaan garis lurus, sehingga dapat dinyatakan sebagai model matematik dengan
persamiurn:

Periode Ulang (tahun)


2
5

Debit Puncak (m3/de|


24,92 35,74 45,12
56,61

Peluang

(%)
50

Y = Y+k.S
Keterangan:

(3.68)

20

l0
20
50

l0

4
5

75,87

Y Y
S

Sumber: Perhitungan data tabel 3.18 dengan menggunakan


model matematik distribusi Frechet.

: : : :

nilai logaritmik nilai X, atau ln X rata-rata hitung (lebih baik rata-rata geometrik) nilai Y deviasi standar nilai Y karakteristik distribusi peluang log-normal (tabel 3.3) nilai variabel reduksi Gauss.

3.3.5. Aplihasi DistriDssi Loe Nonnal Distribusi log normal merupakan hasil transformasi dari distribusi normal, yaitu dengan mengubah nilai variat X menjadi nilai logaritmik variat {. Distribusi log-pearson Tipe III akan menjadi distribusi log nonhal apabila nilai koefisien kemencengan CS : 0,00. Secara matematis distribusi log-normal di tulis sebagai
berikut
:

3.3.5.1. Aplikasi Distribusi Log-Normol Dua Parameter

Distribusi log-normal dua perameter


persamium transformasi
:

mempunyai

LogX=logX+k.SlogX
Keterangan
:

(3.6e)

P(x):

(logX) (s)
:

(6-) 'exP{+(+=)'i

o67)

log

X : nilai variat X yang diharapkan X:


peluang atau periode ulang tertentu. rata-ratanilai X hasil pengamatan.

terjadi pada

Keterangan

tog

I fiO

151

SlogX.. deviasi srandar logaritmik


pengamatan.

nilai X

hasil

Parametcr distribusi log normal dua parameter adalah

k:

karakteristik dari distribusi log normal. Nilai k dapat diperoleh dari tabel yang merupakan fungsi peluang kumulatip dan periode ulang, lihat tabel 3.3 nilai variabel Gauss.

Momen peringkat adalah:

dari

terhadap titik asal (origin) (3.70)

P(X'

"-.(*) Varian dari X /"\ o2 = p2 . [.-'- lJ


:

M0(l) =

(3.71)

Koefisien variasi

03'o.t

CV:fi=1e-_t;i
Koefisien kemencengan
:

(3.72)

CS:3CV+CV:
Koefisien Kurtosis

(3.73)

CK:
o \{gdian: .
MOde :

CV8 + 6CV6 sln


glur-on2

+ 15CV4 + l6CV2 + 3

(3.74) (3.7s) (3.76)

Keterangan

pn on

: :

rata-rata populasi ln X, atau log X. deviasi standar populasi ln X atau log X.

Penerapan persam&m (3.69) memerlukan perhitungan logaritnis dari data pengamatan (disebut cara ke l). Apabila diinginkan prosedur perhitungan tanpa menggunakan nilai logaritnik, dapat menggunakan cara ke 2, dengan persirm&m sebagai berikut :
Gambar 3.5. Contoh Kurva Peluang Log Normal (Seyhan, 1979).

X:X+k.S
Keterangan
:

(4.77)

Gambar 3.5, menunjukkan contoh sketsa dari kurva peluang log normal.

X : nilai

rata-ratavariat X

L62
S

168

: standar deviasi variat X : nilai karakteristik dari distribusi log normal dua
parameter, yang nilainya tergantung dari koefisien variasi, dapat diperoleh dari tabel yang merupakan fungsi kumulatip dari periode ulang dengan nili"i koefisien variasinya (lihat tabel III.4, pada bagian akhir buku ini).

log X = 1.4247 + k . (0,1754) Dari tabel 3.3, diperoleh nilai (k) setiap periodculang sehingga
:

untuk periode ulang 2 tahrm

log X2:1,4247 + (0,000) (0,1754) log Xr:1,424'l

X2:26,58
Penerapan persamzurn (3.69) di sebut cara ke 1, dan persamaan (3.77) di sebut cara ke 2 dari distribusi log-normal dua parameter.

untuk periode ulang 50 tatrun

Contoh 3.13a

log Xrs:1,4247 + (2,0538) (0,1754) Iog Xso: I ,7849 X56:60,94


Dengan prosedur yang sama maka dapat dihitung perkiraan debit puncak banjir yang lain seperti tertuang pada tabel 3.21.

- Maribaya yang tertuang pada tabel 3.18, apabila data dianggap dari populasi yang homogen hitung debit puncak banjir pada periode ulang 2;5; l0;20 dan 50 tahunnya dengan menggunakan model matematik persam{um distribusi log normal dua parameter.
Dari data debit puncak banjir DPS Cigulung
Jawab contoh 3.13a statistik
z

Tabel 3.21. Debit puncak terbesar yang dapat diharapkan terjadidi DPS Cigulung - Maribaya.
No. Periode Ulang Peluang (Y")
50

Debit Puncak
1m3/det)

Tahap awal perhitungan adalah


:

menentukan

nilai parameter
)
I
J

(tahun)
2
5

26,59
37,35
44,61

. . . .

20

nilai deviasi standar S : I 1,69 nilai koefisien variasi CV =

nilai rata-ratat :28,40

l0
20 50

l0
5
2

4
5

5l,66
60,94

nilai log X = 1,4247

ffi

=o'4116

Sumber

perhitungan data tabel 3.18, dengan menggunakan model matematik distribusi log normal dua parameter cara ke l, bandingkan dengan tabel 3.22.

.,nilaiSlogX=0,1754
Cara ke 2 Cara ke
:

Berpasarkan persamaan (3.77)


:

Berdasarkan persamaan (3.69)

log X :

X:I+k.S
logX=28,40+k.(11,69)

logX + k . S TogT, maka

I tr4

166

= 0,41l6 dan seterah ditentukan nilai (k) setiap periode ulang dari tabel III - 4 :

I)c,gan

(lv

tigu paramcter. Fungsi dari pada distribusi log normal 3 parameter


ntlnluh
:

. .

untuk periode ulang 2 tahun

Xr:28,40 + (-0,l7gg) (11,69) X2:26,30


untuk periode ulang 50 tahun
:

P(X1:
keterangan:

ln(x

- DJzn

e,'l--6--l

I f ln(x-pfpnl

(3.78)

Xso: 28,40 + (2,6212) (l1,69) Xso:59,09


Dengan prosedur yang sama maka dapat dihitung perkiraan debit puncak banjir yang lain seperti tertuang pada tabel 3.22.

X B ts

P(X)

fungsi densitas peluang log normal variat X. = variabel random kontinyu. = parameter batas bawah.

:3,14159.

Tabel3.22. Debit puncak terbesar yang dapat diharapkan


terjadi di DpS Cigulung
_

Irn on

=2,71828. = rata-rata populasi, transformasi dari variat ln (X _ B). : deviasi standar populasi, transformasi dari variat ln (X-B).

Maribaya.

Dengan demikian diferlukan tiga parameter untuk penyelesaian, yaitu parameter : pn, on dan B.
50 20

26,30
36,69 43,64 50,31 59,04

Persamaan garisnya merupakan model matematik

l0
5

Y:Y+k.S
keterangan
:

(3.te)

Sumber: perhitungan data tabel 3,1g, dengan menggunakan model matematik distribusi log normal dua parameter cara ke 2,
bandingkan dengan tabel 3.21.

Y = logaritma dari kejadian (X - B),

pada periode ulang

'
3.3.5.2. Aplikasi Distribusi Log Normar riga parameter
Pada sub bab 3.3.5.r, telah diuraikan distribusi log normal dua parameter, dengan batas bawah sama dengan nol (rihat gambar 3.5). Akan tetapi batas bawah tersebut tidak seialu *u*u d"rrgan

k:

V S

:
:

tertentu. rata-ratakejadian Y. deviasi standar dari kejadian Y. karakteristik dari distribusi log normal (ditentukan dari tabel 3.3).
:

3 parameter

atau dapat ditulis sebagai berikut

nol, oleh karena itu diperrukan modifikasi suatu parameter dengan nilai

ln (X - B)

: pr*_ul + k . orx-rl

(3.80)
:

sebagai batas bawah, sehingga

ditransformasikan menjadi (x - B) dan nirai ln X menjadi in(x - B). Distribusi tersebut dinamakan dengan distribusi log ntrmar dengar

nilai variat X

harus

Dengan metode momen, maka untuk menghitung B adalah

fi:tr-&

(3.81)

l6(i dimana
:

167

CVt : CVlx-o; CVt : CV dari sampel (x-B) CVt

tt :x :S

(3.82) (3.83) (3.84) (3.8s) (3.86) (3.87) (3.88)

Dari tabel III-5, jika CS = 0,00 maka nilai k akan sama dengan nol untuk semua periode ulang, oleh karena itu apabila nilai koefislen kemencengan mendekati nol malca tidak ada persamaan log normal dengan tiga parameter ataupun dengan dua parameter yang cocok untuk menggambarkan distribusi dari data pengamatan.

: I _Y'
:Y2I-CY +(CV'z +4)"1

-2

W
CV
keterangan:

wi

Contoh 3.t3b.
Data tabel 3.16, menunjukkan besamya volume aliran total setiap tahun selama 19 tatrun pengamatan dari DPS Cikapundung
Gandok. Apabila data tersebut dianggap berasal dari populasi yang homogen, tenfukan besarnya volume aliran total yang dapat diharapkan'terjadi pada periode ulang : 2; 5; l0;20 dan 50 tahun, dengan menggunakan model matematik persam{um distribusi log normal 3 parameter.

:fr
:
koefisien variasi dari kejadian koefisien variasi dari (X - B)
:

CV

CVt:

untuk menghitung on dan pn

on

o1x-o;: { ln (Cvt'? +

1)%

(3.8e) (3.e0)

Jawab Contoh 3.13b.

pn

: r\x-oy: t

(&) - | r. (cvt, +r)

Parameter statistik yang dapat diperoleh dari data volume aliran tabel 3.16 adalah :.
. rata-rata *, = 87,75. . deviasi standar S = 26,07. . koefisien kemencengan CS = 0,47. maka berdasarkan persamaan (3.91)
:

Penyesuaian persamarm (3.79) atau persamaan (3.80) agak rumit, oleh karena itu dapat diirilih metode alternatip, dengan menggunakan model matematik :

X=X+k.S
keterangan:

(3.e1)

X=I+k.S
X=87,75+kQ6,07)
dari tabel III-5, maka dengan nilai CS = 0,47 dan dapat dihitung volume aliran total pada periode ulang :
ulang tertentu.

X = nilai yang diharapkan akan terjadi pada periode


.X
S

nilai rata-rata kejadian dari variabel kontinyu X. deviasi standar variabel kontinyu X. nilai karakteristik dari distribusi log normal 3 paftrmeter yang merupakan fungsi dari koefisien kemencengan CS (lihat tabel III-5, pada bagian akhir buku ini).

pada periode ulang 5 tahun

X, : 87,75 + (0,800)(26,07) X, = 108,55

168

I69

pada periode ulang 50 tahun


Xso Xso

= t7,7 5 + (2,31 l)(26,07)

Masing-masing nilai dihitung pada sampel sejumlah N buah

147,93

Tabel 3.23, menunj ukkan hasil perhitungannya.

Tabel3.23 Volume, aliran total pertahun yang dapat diharapkan terjadi di DpS Cikapundung _
Gandok.

ir, o'=fri(*,-x)' MA(3):ffiiG'-x):


Sehingga nilai koefisien kemencengannya adalatr
:

x= *

(3.e3)

(3.e4)
(3.es)

No.

Periode Ulang (tahun)


2
5

Peluang
(%")

Yolume aliran $uta mr/det) 85,67 108,55

rre vu

_ MA(3)
oJ

(3.e6)

I
2
3

50

20

l0
20
50

l0
5

l2l,gg
136,67 147,93

4
5

MA(3) _ o(n) _ , o3
A-n

Sumber: .data tabel 3.16, dihitung dengan model matematik persamaan distribusi log normal tiga parameter.

_o

o,, [=i+-3rr] (r, - rl) '


al

,[n-a
fl[ros"' - tog (r, -.?) ]
Jr, -r?

(3.e8)

atau

log A=

(3.ee)

3.3.6. Apllhesl DistrlEls

I Goodlrfrih

Peluang kumulatip dari distribusi Goodrich dapat ditulis sebagai berikut : , 'l :.-A(x-xo.;' PCX s x)

\.2=fro
Nilai

(3.100)

e.g2)

I: fungsi g.unma dan nilai O(n) merupakan fungsi dari dapat dilihat pada tabel 3.24.Dari persamaan-persaminn tersebut maka :
f, : f
(n+1) (3.101)

Nilai n ditentukan dari tabel 0 (n), tabel3.24. Par4meter dari distribusi Goodrich dapat dihitung dengan metode momen, menggunakan nilai : rnorlr ke 3 terhadap rata-rataMA (3). .rata-rata X:[r
r

fz: |
f:

(2n+l) = [- (3n+l)

(3.r02) (3.r03)

sehingga persam,um 3.90, dapat ditulis sebagai model matematik berikut :

Varian

52

= 62

log(X-\):

nfiog s + log(-logP) - log A]

(3.104)

160

161

Persam'aan 3.104, apabila digambarkan pada kertas akan merupakan kurva garis lengkung.

grafik peltrang

Tabel3.25 Debit Maksimum rata-rata harian DPS


Cikapundung - Gandok.
No. Tahun

Contqh 3.t1.
Data tabel 3.25, menunjukkan data debit banjir rata-rataharian dari DPS cikapundung - Gandok tahun l95g - 1976. Apabira data tersebut diambil dari populasi yang homogen, hitud perkiraan debit maksimum rata-rata harian yang mungkin t"4uoi pada peluang 1,00 oA dan pada peluang lO yo, dengan menggunakan persamarm distribusi Goodrich.

Debil
(m3/det)

No.
I

Tahun

Debit

(n'/det)

1976 1975

18,6 14,0

l.

t964
1965

26,9
12,3

t2.
t3.

t974
r973

l0,l
9,24
20,1 10,5

t964
1963

7,55

t4.
15. 16.

I1,9
23,9 38,8
10,4 6,75

t972

t962

t97l
1970 1969
1968

l96l
1960 1959 1958

14,0
10,3

17.
18. 19.

Tabel3.24 Nilai { (n) distribusi Goodrich.


No.

n 0,30
0,35

t967

ll,2 l6,l

9,17

Q")
0,069 0,217 0,359 0,496
0,631

I
2
3

Sumber : Buku Publikasi Dcbit Tahunan Pusat Litbng Pcngairan.

0,40
0,45

4
5

Jawab Contoh 3.11.

0,50
0,55

6
7
8

0,60
0,65 0,70 0,75

0,764 0,996
1,029 1,160

Langkatr awal adalatr menghitung parameter statistik, dari tabel 3.25 dapat diperoleh parameter sebagai berikut :

ll

l0

1,294

0,80
0,85 0,90 0,95
1,00

t2 l3 t4 l5

r,430
1,567

I,709
1,852

o o2 o'

=
: :

14,83
7174

2,000

= MA(3) :776,05

59,92 463,78

Sumber : Bonnier, 1980

cs

=ry=o(n) =m:1,67
/(n) =
1,67 maka

Berdasarkan data pada tabel 3.24, dengan nilai akan diperoleh nilai n: 0,89.

Dengan nilai n
diperoleh
:

0,89, dari persamaan (3.101) dan (3.102)

162

168

fr = f(n+l) fr = I- (0,89 + l) = 1(1,89) = 0,958 (baca tabel 3.24). F,' = 0,918 f, = I(2n+l)=I(1,89+0,89):f (2,7g)=0,95g +0,g90=
Dari persamaan (3.99) dapat dihitung nilai A log A =
:

log(X-6.158):0,89[og 2,71828 + log(-log P) - log 0,084]


untuk peluang P = 1,0 YopadaX,so, maka
1,849
:

P=

0,01; log

P=

-2

dan log (Jog P): log 2

log (X,* - 6,158) :1,547

-l flog 59,92 - log (1,84g - 0,91g)J losA- l,7g


logA=
atau

fr

[toe

o, -

tog

e2 -rl

r)]

X,* :4l,4m3ldet/trari
Dengan demikian berdasarkan data pada tabel 3.25, dengan menggunakan model matematik persamaan distribusi Goodrich dapat diperkirakan batrwa debit maksimum rata-rata harian DPS Cikapundung - Gandok pada peluang 1,0 o akan dapat diharapkan
terjadi dengan

U,778+0,136l:-

1,075

A:

debit: 41,4 m'ldetlhat',.

e0g4
:

Dari persamaan (3.100) dapat dihitung nilai Xo

Dengan prosedur yang sama pada peluang terjadi dengan debit 25,2 mlldetJhari.

l0 % dapat

diharapkan

x-:X-.4
X6:6,158

Jfz-I''
l,849-0,glg

Xo:14,83-=L?58Qp--

3.4.

TA}TAPAN APL,IKASI DI/S7BIBUS' PELUANG

3.4.1. Pengulmpubn

ltota

Berdasarkan persam&m (3.92)

Dalam analisis distribusi peluang terhadap data hidrologi, maka data hidrologi yang akan dianalisis minimal harus mdmenuhi syarat :

P(Xsx):
P(X S x) :

a-e1x-xoy"!

l).

homogen.

.-o,oercx<,rsry#

matematik persamaan (3.10a)

untuk menyelesaikan persamaan tersebut dapat dilakukan dengan transfogmasi logaritma, sebagaimana ditulis dalam model
:

2). merupakan variabel acak bebas. 3). mewakili kondisi DPS 4). tidak terdapat data kosong. 5). cukup dan tidak menunjukkan adanya trend. Data yang homogen, berarti bahwa yang digunakan untuk analisis harus berasal dari populasi yang sama jenis. Beberapa keadaan yang dapat menyebabkan data tidak homogen, antara lain :

log(X-Xo): n [log e + log (-log p) - log A]


sehingga:

perubatran kondisi daerah pengaliran sungai (DPS), misal dari kondisi hutan menjadi kondisi perkotaan.

164

106

' .
o

perubahan lokasi, peralatan, dan pos pengamatan data hidrologi. perubatran metode pengukuran atau metode perhitungan. perubahan lainnya yang menyebabkan data yang dikumpul- kan menjadi lain sifatnya.

cukup memadai

Uji

homogenitas atau kesamaan jenis dari data hidrologi akan

dibahas pada buku

jilid

dua.

Data harus merupakan variabel acak bebas, acak artinya mempunyai peluang yang sama untuk dipilih, bebas artinya data tidak tergantung waktu, data yang dipilih, kejadiannya tidak tergantung data yang lainnya dalam suatu populasi yang sama. Data yang mewakili, berarti dala historis yang digunakan untuk analisis harus benar-benar mewakili keadaan sebenamya dari DPS yang diteliti, dan dapat untuk memperkirakan kejadian yang akan datang. Misalnya harus yakin bahwa tidak akan terjadi perubahan kondisi DPS akibat ulah manusia, seperti : pembabatan
hutan, perubahan tata guna tanah, bangunan air yang dapat merubah sifat aliran sungai dan sebagainya.

ketersediaannya. Kecukupan (adcquucy)' harus memadai dimaksud- kan bahwa umwnnya pengamatan data menjadi untuk analisis. Kecukuilan data hidrologi umumnya masih untuk analisis masalah di Indonesia. Bila sampel yang digunakan masih terlalu sedikit maka besarnya peluang yang dihalapkan Tabel terjadi dari suatu variat tidak dapat diharapkan cukup handal' ,3.i6, menunjukkan lamanya catatan pengamatan (dalam tahun) yang diperlukan untuk menaksii debit puncak pada derajat L"p"r"uyu* 95 % diterima. Dari tabel 3.26, dapat ditafsirkan upuuitu diinginkan kesalahan sebesar lo % saja untuk T.qt: 90 aeUit Uan5ir pada peluang sebesar 0,1 diperlukan data selamd
tahun dan untuk peluang sebesar 0,01 diperlukan data pengamatan 115 tahun runtut waktu. Sebelum digunakan untuk analisis harus jilid II. Apabila digunakan. Pengujian trend dibatras pada buku rekaman data menunjukkan adanya trend maka data itu tidak dapat digunakan untuk analisis distribusi peluang'

Tabel3.26 Lamanya

Catatart Pengamatan dalam tahun yang

dibutuhkan untuk menaksir debit banjir' Peluang


Kesalahan yang daPat diterima

Data yang digunakan harus lengkap, tidak terdapat periode kosong agar dapat ditentukan data yang tepat untuk analisis. Data harus tepat, dan lengkap, data yang tidak homogen harus disesuaikan datrulu sebelum digunakan untuk analisis. Data yang kosong harus dilengkapi dulu dan dicek ulang kebenarannya, sehingga data yang dikumpulkan harus relevan, artinya harus lengkap dapat memberikan jawaban terhadap permasalatran yang ada. Misal untuk penyelidikan banjir harus tersedia data debit puncak banjir yang tepat dan lengkap. Kebenaran data harus dicek ulang. Kalau perlu data debit banjirnya harus dicek ulang dari lengkung debitnya. Perpanjang an (eksnapolation) lengkung debit yang terlalu besar, dan kondisi alur sungai yang selalu berubah akan menyebabkan berkurangnya ketepatan dan ketelitian dari hasil analisis distribusi peluang.
Data yang digunakan untuk analisis distribusi peluang harus

t0%
0,1

25%

90

l8
39 48

0,02
0,01

ll0
l l5

Semakin lama pencatatan data debit banjir maka hasil analisis peluang akan mempunyai cakupan daeratr kepercayaan yang semakin kecil, sehingga perkiraan debit banjir yang diharapkan terjadi akan mempunyai simpangan yang semakin kecil (semakin confidence) terhadap persamaan distribusi peluangnya.
Tabel 3.27, menunjukkan cakupan batas daerafi kepercayaan dalam

l6(t
hubungannya dengan lama pencatatan data debit banjir dari 4 lokasi pos duga air di Pulau Jawa, pada derajat kepercayaan 95 Yo diterima.
DietiTm
3.1

t87
.
Pcmilihan mctodc analisis Frckucnsi Debil Prmcak Banjir scsuai

dcngan Kacrscdiaan Data. Pda L.kai Pmalltlu tr6al rdr rtN drta krrrrnc dri I nhun

KctrB.diu Drtr

pldr

lrkui Pqclitiu
!0-20thn. ll
hbih20thn

l-3rh"

[[

T abel

.27 Batas daerah kepercayaan dan lamany a catatan pengamatan.


Batas Daerah Keperc ayaan

No
I
2
J

(%\ *)
6
8

Lama Pencotatan 0ahun)

Keterangan

Pcrkiru
dcngm

MAF

!6uti

Hitung MAF

I \I
l-toun. ll
d6g0

\
sqiel rrbun-

Hinrng MAF

kuElrcrittik der.h

rlim

mctodc POT.

dri

pcrmu rcgroi
I

u ta.bil.

47ll
-

(4-10) T (4- 6) r

9- l0
15

qr (%- 2) r
Q-

T:

periode ulang

-rl
badctrtm

Ap*rh tocdir durh diru


?

,/

dd. yog lcbih Fnjeg prd.

Sumber: Soewarno, 1993

r)

terhadap.garis kurva persamaan distribusinya.

Berdasarkan data pada tabel3.27, apabila memerlukan debit yang diharapkan terjadi dengan batas daerah kepercayaan berkisar kurang lebih 10 oZ terhadap kurva persurmrulln distribusinya, maka harus tersedia data paling sedikit dua kali lamanya pencatatan data debit. Apabila diperlukan perpanjangan kurva distribusi paluang maka batasnya adalah sekitar 2 kali jangka waktu lamanya pencatatan data. Catatan data yang baru mencakup waktu 25 tatrun hanya disarankan digunakan untuk menaksir data yang diharapkan terjadi sampai periode ulang 50 tahun saja, bukan untuk menaksir data yang diharapkan terjadi pada periode ulang yang lebih besar lagi. Dengan demikian apabila catatan data yang tersedia masih terlalu pendek, maka perlu diusahakan untuk memperpanjang catatan tersebut dan tidak disarankan memperpanjang kurva persam&m distribusi peluangnya. Salah satu cara membangkitkan (generating) data debit disajikan pada buku jilid II, untuk mempelpanjang catatan data debit.

It lid* PqtituMAF B&dingtoFldlu ---t> da$rdmdui dsiMAF drdrdimtaddot I

Pbt

lagbng

tuhmdbujir
I

YY
Hiu"g

rl

naFguDrk[ f.ho.

q dag)u

PaFajug h3fuag

tc{ri

FnbilJl MAF

dojm

pairdc ulug png

dininh ddU[ maD.tSuad.u frktor

lt YY
Aprbil. mmgkin,

Fttbam
da8l|

hsil

pqhinmsrD

blndioStr qf

Hin ng Qf

AI

l68tuu frchtsri bJtjil

Diagram

3.L

Pemilihan Metode Anatisis Frekuensi Debit Purcak


Banjir sesuai dengan Kelersediaan Data'

Sumbcr

PUSAIR, 1983.

Kctcrangan

MAF

QT

banjir tahunan rata'rata (mean annual/lodl= dcbit yang dapat diharapkan tdadi pada periode tcrtentu' POT : jumlah di atas batas ambang Qrcak wer threshald)

Diagram 3.1, menunjukkan pemilihan metode analisis


frekuensi debit puncak banjir sesuai dengan kecukupan data. Dari

l6tt
diagraun tersebut, terlihat bahwa analisis iistribusi peluang banjir dilakukan bila datanya minimal l0 tahun. Untuk r0 tahun data hanya disarankan menghitung debit banjir sampai periode ulang 20 tahun saja.

189

Data seri durasi parsial diambil dari seluruh debit puncak banjir yang lebih besar dari pada batas ambang debit, oleh karena itu sering disebut dengzin "Puncak diatas batas ambang" Qteal<s over a threshold series : POT).Oleh karena itu data debit puncak banjir

Indonesia hendaknya satu tahun data tidak disamakan dengan satu tahun kalender mulai pukul 0.00 tanggal I Januari sampai dengan pukul 24.00 tanggal 3l Desember tahun yang bersangkutan akan tetapi disarankan mulai pukul 0.00 tanggal I Oktober sampai dengan 30 September pukul 24.00, tahun berikutnya karena musim penghujan umumnya dimulai bulan oktober, agar debit puncak banjir yang terjadi selama musim penghujan dapat ditentukan lebih tepat. Akan tetapi untuk debit minimum hendaknya satu tahun data disamakan dengan satu tahun kalender, karena umunnya musim kering di Indonesia berlangsung mulai bulan April sampai Oktober setiap tahunnya. Untuk analisis distribusi peluang maka data yang digunakan harus bersifat bebas (independent) satu dengan yang lainnya. Debit puncak banjir bulan Januari mungkin masih berhubungan dengan data debit puncak banjir bulan Desember tahun sebelumnya, oleh karena itu untuk keperluan analisis distribusi peluang tidak berdasarkan data dari data tahun kalender akan tetapi tahun air (water year). Tahun air tergantung dari musim dan regim aliran.

Untuk analisis debit banjir

di

yang digunakan lebih banyak dibanding dengan data

seri

maksimum tahunan, akan tetapi anggapan datanya bersifat bebas mungkin kurang terpenuhi. Aplikasi metode POT akan di bahas pada Bab IV.

3.4.2. Pefiodc

lllang

Salah satu tujuan dalam analisis data hidrologi adalah menentukan periode ulang (return period atau recuruence interval) daripada suatu kejadian hidrologi. Contoh menetapkan besarnya curah hujan atau debit banjir dengan besaran tertentu (X) dengan periode ulang tertentu telah disajikan pada sub bab 3.3. Rumus (3.24), merupakan persamuurn yang telah lazim digunakan untuk menentukan periode ulang. Tabel 3.28, menunjukkan hubungan antara periode ulang
dengan data seri maksimum tahunan dan data seri durasi parsial.

Dengan demikian untuk analisis distribusi peluang


diperlukan catatan data yang cukup lama, homogen, tidak terdapat data kosong, dan bersifat bebas, serta tidak mengandung trend. Analisis trend disajikan pada bulan jilid II. untuk analisis debit puncak banjir dapat digunakan dua macam data :

Tabel 3.28 Hubungan periode ulang (tahun) dengan data


seri tahunan dan parsial
No
i
!

Parsial

Tahunan

l). data seri maksimum tahunan (the annual

mmimum

)
3

0,50 r,00
1,45

l, l6 l,58
2,00
2,54 5,52
r

'
2).

series).
data seri durasi parsial (the

portial duration

2,00
5,00
10,00

series).

0,50

Data seri maksimum tahunan diambil dari satu data puncak banjir setiap tahun air, oleh karena itu banyaknya data sama dengan lamd waktu pencatatan tahun air.

7 8

50,00 100,00

50,50 100,50

Sumber : Bonnier, 1980

1?0 Perbedaan antara durasi parsial dan.tahunan berkisar antara 5 l0 %. Periode ulang untuk data seri durasi parsial umwnnya

t7t

Dari tabel 3.29, dapat ditafsirkan bertrwa dcngan


mengharapkan umur proyek 50 tatrun, apabila dirancang dengan periode ulang 37 tahun maka akan mempunyai resiko kehancurzur sebesar 75 %. Penetapan besarnya resiko dari suatu proyek tidaklah mpdah, karena harus memerlukan pertimbangan banyak faktor tSknis ataupun non teknis yang cukup rumit. Bila suatu proyek dirancang dengan nilai periode ulang yang cukup besar mungkin design yang dibuat tidak ekonomis lagi, apalagi kalau data yang digunakan untuk analisis distribusi peluang tidak memenuhi syarat minimal seperti telah dtsqbut pada sub bab 3.4.1.

sampai

kurang lebih 0,50 tahun lebih cepat dibanding dengan data seri maksimum tahunannya, misal 10,00 dan 10,50. Dalam analisis distribusi peluang untuk menentukan suatu variat dengan nilai tertentu yang dapat diharapkan terjadi dari suatu penomena hidrologi pada periode ulang tertentu, sudah pasti mengandung suatu resiko kehancuran atau kegagalan (risk of failure), atau kemungkinan nilai dari variat tersebut terjadi sekali atau lebih selama umur proyek (life time). Secara umum besamya resiko tersebut dapat dihitung dengan menggunakan persamaan sebagai berikut :

RS:,-{r-(+)}'
Keterangan:

(3. l 0s)

3.4.3. Penggambatan Kutaa llistribusl Pchlolng


3.4.3.1.
Kertas GraJik Peluang Seperti telah di sebut pada bab 3.3:1, bahwa distribusi peluang kumulatip dapat digambarkan secara grafis pada kertas grafik peluang. Beberapa ahli telah menyusun kertas grafik peluang berdasarkan persamaan distribusi peluang teoritis.
Pada kertas grafik peluang, skala ordinat umumnya untuk

T : L :

RS = resiko kehancuran atau kegagalan(%)

periode ulang (tahun) urnllr proyek (tahun)

Berdasarkan persamaan (3.105), maka dapat diperkirakan tingkat resiko dari suatu proyek yang tergantung dalam penentuan periode ulang. Tabel 3.29, menunjukkan periode ulang yang dibutuhkan bagi resiko kejadian yang ditentukan selama urirur proyek.
Tabel3.29 Periode ulang yang diperlukan.
Resiko Umur proye k yang di harap kan (tahun)

menggambarkan variat

logaritmik) dan skala absis umumnya digunakan untuk menggambarkan besamya peluang P(X s x) atau P(X : x) atau
periode ulang. Umumnya data yang dianalisis dengan distribusi peluang apabila digambarkan pada kertas grafik peluang akan merupakan atau mendekati garis lurus, dengan maksud untuk mempernudah perpanjangan kurvanya atau untuk perbandingan beberapa kurva distribusi peluang dari sampel yang sama.

dalam skala tertentu (milimeter, atau

yang diperlukan
0,01

I
100

t0
910
95 35

25

50 5260 460

100 9100

2440 234
87

0,10
0,25

l0
4
.,
1,3

940 345
145 72

t7s
72
3',|

'

0,50
0,75

l5
8

37

l8
6

Meskipun demikian tidak semua persamiuill distribusi peluang gambarnya akan dapat merupakan garis lurus, apabila digambarkan pada kertas grafik peluang, misal distribusi peluang Pearson tipe III.
Perpanjangan kurva persamiuul distribusi peluang hanya

0,99

l,0l

2,7

ll

))

172 disarankan sampai dengan perkiraan nilai variat X yang diharapkan terjadi hanya sampai dengan dua kali lamanya tahun pengamatan. Umumnya perpanjangan kurva tersebut dapat cenderung unfuk
salatr.

I
: k:
S
deviasi standar variat X dari sampel.

173

faktor frekwensi, ditentukan dari tiap


distribusi pluang.

persamaan

Beberapa kertas grafik peluang yang digunakan antara lain

Persamaan (3.106), dikenal sebagai "Persamaan Umum untuk Analisis Frekwensi Hidrologi" (general equation for hydrologic

1). sumbu X (atau Y) = milimeter sumbu Y (atau X) : peluang normal misal : distribusi'normal distribusi pearson tipe III

fr"qu"r"y 3.4.3.2.

analysis).

Penggambaran Posisi Data

2). sumbu X (atau Y): logaritmik sumbu.Y (atau X): peluang normal misal : distribusi log normal distribusi log pearson 3). sumbu X (atau Y): milimeter sumbu Y (atau X): peluang Gumbel misal : distribusi Gumbel tipe I 4). sirmbu X (atau Y): logaritmik sumbu Y (atau X): peluang Gumbel
misal : distribusi Gumbel tipe distribusi Frechet

Apabila kertas grafik peluang telatr dipilih sesuai dengan persamaan distribusi peluang yang digunakan, maka langkatr selanjutnya adalah menggambarkan setiap data hubungan antara nilai P(X) atau T(X) dengan nilai variatnya X yang umum dikenal sebagai penggambaran posisi Qtlotting positions).

Data pengamatan variat

disusun mulai dari yang

III

terbesar sampai yang terkecil (umumnya demikian). Nilai peluang atau periode ulang setiap variat X dihitung dengan menggunakan salah satu persamaan 3.19.a sampai 3.23.c, umunnya menggunakan persamuuul dari Weibull seperti ditunjukkan pada persamaan 3.22.a dan 3.22.b. Contoh perhitungan ditunjukkan pada tabel 3.5, dari contoh 3.6.

yaitu dengan model matematik

Apabila tidak tersedia kertas grafik peluang maka persamaan garisnya dapat ditulis sebagai telah dijelaskan pada sub bab 3.3,
:

3.4.4. Pcnentuan Kutata Pctsamann

IDfutribssl Pclueng
Setelah semua data digambarkan pada kertas grafik peluang, maka bentuk kurvanya dapat ditentukan dengan cara menarik garis kurva (curve /itting), ymg dapat dilakukan dengan metode :

X:X+k.S
keterangan
:

(3.106)

X : nilai variat X yang dapat diharapkan terjadi


tingkat peluang atau periode ulang tertentu.

pada

. grafis . matematis atau . gabungan grafis - matematis.


Dengan metode grafis, bentuk dan arah kurva ditentukan dengan pengamatan mata (eye-fit), cara ini sederhana dan mudah

X = nilai rata-rata variat X dari sampel.

174 dilaksanakan secara cepat. Akan tetapi umunnya setiap orang akan menghasilkan kurva frekwensi yang berbeda, dan tidak melibatkan parameter statistik yang digunakan (dua atau tiga parameter), walaupun semua data historis dipertimbangkan. Faktor subjektivitas seseorang sangat menentukan, pengalaman seseorang menentukan kebenaran dari kurva yang dibuat.

lTtt
akan tetapi' penyelesaiannya sangat rumit, sehingga untuk pckcr.iaan praktis jarang sekali digunakan.

Rangkaian data hidrologi, yang merupakan variabel kontinyu dapat digambarkan dalam suatu persam&m distribusi peluang, baik data tersebut merupakan data tahunan ataupun data ekstrem. Model matematik distribusi peluang yang umum
digunakan adalah
:

Dengan metode matematis, untuk data yang sama akan menghasilkan satu jawaban yang sarna, dan dapat dikerjakan dengan program komputer. Dapat dipilih persamaum distribusi peluang yang lebih tepat, dengan menggunakan parameter dtatistik dari sampel data.

Data tahunan:

Metode grafis - matematis dianjurkan bila dimungkinkan dalam satu seri data terdapat perubahan arah kurva. Secara kasar
aratr perubahan kurva ditentukan secara grafis, untuk kemudian data dikelompokan sesuai dengan arah setiap kurva yang selanjutnya setiap bagian kurva ditentukan persamaannya secara matematis.

. . . . r ' ' . . . : .

Distribusi normal Distribusi Pearson Tipe Distribusi Log Normal

III

Data El<strem maksimum:

Penentuan garis kurva secara matematis dapat dilakukan


dengan metode
:

Distribusi Gumbel Tipe I Distribusi Log Normal Distribusi Log-Pearson Tipe III Distribusi Frechet Distribusi Goodrich

. momen (moment) . kuadrat terkecil (least - squares) . duga maksimum (maximum likelihood) Dengan metode momen, parameter statistik atau mornen dihitung dari data sampel dan kemudian didistribusikan dalam fungsi peluang dari suatu distribusi. Dengan metode kuadrat terkecil, persamiuul model matematik dari garis regresi dihitung untuk menarik garis kurvanya. Garis kurva yang diperoleh mungkin tidak

Data Ekstrem Minimum:

Distribusi Log - Pearson Tipe III Distribusi Gumbel Tipe III

Contoh perhitungan untuk setiap distribusi paluang telah


disampaikan pada sub bab 3.3. Walaupun demikian tidak dapat dilakukan. pembatasan yang tegas penggun.uul setiap jenis persamarm distribusi peluang, misal banyak penelitian banjir juga menerapkan persam&m distribusi peluang Pearson tipe III atau normal. Beberapa penelitian, menunjukkan bahwa tidak ada alasan untuk mengharapkan bahwa suatu distribusi tunggal akan berlaht untuk semuo data dari suotu variabel hidrologi suatu DPS. Umumnya, di Indonesia banyak dilakukan analisis distribusi peluang dari data hujan ataupun data debit menggunakan distribusi Gumbel. Penggunaan distribusi Gumbel untuk sementara ini

persis sama dengan distribusi teorinya, akan tetapi cara ini umumnya lebih baik jika dibanding dengan metode momen. Walaupun demikian metode kuadrat terkecil tidak selalu dapat digunakan karena kurva persam&m distribusi peluang tidak selalu merupakan garis lurus (misal distribusi Pearson Tipe III).
Penggunaan metode duga maksimum umumnya lebih teliti,

776

177

persamaim yang diperoleh ataupun membandingkan dengan persamaan distribusi lainnya. Soewarno (tgg3), dalam

nampaknya masih merupakan "keharusan", atau dengan kata lain "salah kaprah", tanpa melakukan pengujian dahulu terhadap

(4). urutkan data dari besar ke kecil atau sebaliknya (5). hitung nilai peluang dan periode ulang setiap variat
(misal persamaan 3.22a - 3.22b). (6). gambarkan nilai peluang atau periode ulang setiap variat dengan nilai variatnya pada kertas peluang yang sesuai dengan model matematik persarhaan distribusi peluang yang digunakan

wanny.A (1991), dalam penelitiannya terhadap data banjir maksimum dari lokasi pos duga air di p.Jawa, menunjukan bahwa untuk DPS yang luasnya kurang dari 250 km2, sampel datanya
cenderung mengikuti distribusi peorson tipe III, dan untuk DpS yang luasnya lebih dari 250 km2 cendemng menglkuti distribusi Log-Normal, dibanding dengan distribusi normal dan Gumbel. soewarno (1993), juga menunjukkan bahwa dari seri data debit banjir terbesar, apabila diperoleh nilai :

penelitiannya terhadap distribusi debit puncak banjir pos duga air sungai menyimpulkan bahwa distribusi Log-pearson tipe III lebih cocok dibanding dengan distribusi Gumbel, Normal dan Frechet.

(7). tentukan (8).

persamaan garis kurvanya (contoh perhitungan

pada sub bab 3.3) tentukan batas daerah kepercayaan setiap periode ulang

sesuai dengan persamaan distribusi yang digunakan (akan disjikan pada sub bab 3.4.5) (9). uji kecocokan (test of Goodness of -fit) dari setiap persamiuul distribusi yang digunakan (akan disajikan
pada sub bab 3.4.6)

' '

debit maksimum terbesar dibagi dengan mediannya lebih dari 3,0. deviasi standar dibagi dengan rata-ratarrya (koefisien variasi, Cn lebih besar 50 %.

(10).tentukan persamium distribusi peluang yang paling sesuai (akan disajikan pada sub bab 3.4.7)

maka data tersebut cenderung tidak mengikuti salah satu distribusi : Normal, Gumbel, Log-Pearson tipe III atau Frechet, mungkin juga tidak mengikuti salah satu distribusi lainnya yang telah disebutkan dalam buku ini.

Butir (l) diuraikan pada buku jilid II, butir (2) sampai butir (7) telah dijelaskan pada bab atau sub bab sebelumnya, butir (8), (9) dan (10) akan diuraikan pada sub bab 3.4.5 - 3.4.7 beikut ini.

Tahapan yang umum digunakan untuk aplikasi analisis distribusi peluang dari data seri variabel hidrologi adalah :

3.4.5. B,artas

Daqah Kcpetcayla,an Pefiodo lllang

(l).

lakukan pengujian terhadap konsistensi dan kesamaan jenis (homogenitas) data (lihat gambar 1.3), serta lakukan pengujian ada tidaknya trend (lihat jilid II).
benar,

Pada sub bab 3.3, telah diberikan contoh perhitungan perkiraan suatu nilai variat X, variabel hidrologi yang dapat
diharapkan terjadi pada peluang atau periode ulang tertentu, dengan menggunakan persamrum distribusi peluang. Salah satu yang harus digaris bawahi bahwa perkiraan nilai X akan dapat berbeda-beda tergantung dari sampel data yang digunakan. Nilai variat perkiraan pada periode ulang tertentu yang dihitung berdasarkan data tahun 1950-1990 akan berbeda dengan yang dihitung dari tahun 1930-1970, walaupun sampel data sama jumlahnya. Oleh karena diperlukan suatu nilai yang menunjukkan batas ketidak-pastian (mar g i n of u nc e rfa i nty).

(2). apabila telah yakin bahwa data tersebut memang kemudian hitung parameter statistik, nilai :

rata-rata, deviasi standar, koefisien variasi, koefisien


kemencengan, koefisien kurtosis, median (lihat Bab

II).

(3). berdasarkan data pada butir (2), perkirakan distribusi


peluang yang akan digunakan untuk analisis

178

l7$

Ketidak-pastian dapat disebabkan oleh karena ukuran sampel terlalu kecil atau oleh karena salah memilih distribusi peluang. Nilai kesalahan standar dari perkiraan (standard error of estimate) dapat digunakan untuk menentukan batas ketidak pastian itu. Nilai kesalahan standar dari perkiraan (SE), merupakan ukuran variasi rata-rata sampel sekitar rata-rata populasi p. Nilai kesalahan standar dari perkiraan untuk periode ulang tertentu (SET) dapat ditentukan dengan metode momen atau dengan metode duga maksimum. Pada bab ini akan disajikan perhitungan nilai SET dengan metode momen. Batas nilai SET terhadap nilai rata-ratanya disebut dengan batas daerah kepercayaan (confidence limit, confidence interval) selanjutnya ditulis (BDK). Dengan demikian batas daerah kepercayaan periode ulang merupakan daerah densitas peluang pada kedua sisi kurva persamium distribusi teoritis suatu data peluang.kumulatip tertentu. Umumnya dapat ditulis sebagai berikut :

'i1('

. : r-['
SET

6=ll+fl" " \''2)

*2\)

(3.10e)

(3.1r0)

keterangan:

6
t o tl

: : : : : :
:

rata-ratapopulasi : rata-ratasampel (X). variabel acak kontinyu. jumlah data.

kesalahan standar dari perkiraan. parameter dapat dilihat dari tabel 3.30. variat standar normal. deviasi standar populasi deviasi standar sampel (S).

Tabel3.30 Parameter untuk perhitungan SET Distribusi Normal

XT - a (SET) s XT s XT + cr (SET)
keierangan
:

(3.107)
Peluang kumulatip

(%)

Periode Ulang (tahun)


2
5

5
1,0000 1,1638 1,3497

XT : nilai variat X yang dapat diharapkan

terjadi pada

50 80 90 95 98 99

o : SET :
Berikut

periode ulang tertentu. tingkat kepercayaan (umumnya diambil 95 yo, artinya bahwa 95 Yoperkiraan diterima dan 5 % ditolak). kesalahan standar dari perkiraan untuk periode ulang tertentu.

l0
20 50
100

1,5340 1,7634
1,9249

ini

disajikan contoh-contoh perhitungan SET, untuk

beberapa persam&rn distribusi peluang.

Contoh 3.15.

a. DlsttibrsllYorrnat
Untuk distribusi normal nilai SET dapat dihitung
menggunakan persamaan
:

dengan

SET

:6

o2

(3.108)

Dari contoh 3.6, telah dihitung perkiraan volume total debit sungai Cikapundung-Gandok, berdasarkan data tatnrn 1958-1980. Tentukan batas daerah kepercayaan volume tersebut pada periode ulang 2;5; 10;20 dan 50 tahun dengan tingkat kepercayaan 95 % diterima.

180
181

Jawab conloh 3.t

5.

f)ari Contoh 3.6, diperoleh nilai X : 92j6juta m3,dan S : 25,95 juta m3. Jumlah data N : 23 buatr. Pada derajat kepercayaan 95 yo, dari tabel III-6 (pada bagian akhir buku ini) untuk uji dua sisi diperoleh nilai o : 1,96. Nilai 5 dibaca dari tabel 3.30, sesuai
dengan periode ulang yang dihitung.

b. Irltttlbus, Log Nonnal2 Pstamctet.


Untuk distribusi log normal dihitung dengan persurmaan berikut :
rog
u=

parameter,

nilai SET, dapat

SEr:
(,

u(S) '

,3.r I r)

Dari data tersebut dapat dihitung

SET:6

F {N
W
Xz

.*)r
on

(3.1t2)
(3.1

1: lnx-lrn
:6,245
keterangan: log SET on pn x
6

l3)

untuk x2, sET: l,ooo

){2*

1,96

(SET):

12,240

untuk X5, SET = 1,1638 x6,245:7,267 X5 t 1,96 (SET): X5 r 14,243


Hasil perhitungan selengkapnya tercantum pada tabel 3.31.

kesalahan standar dari perkiraaan deviasi standar sampel ln x atau log x rata-rata sampel ln x atau log x variabel acak kontinyu parameter (lihat tabel 3.32) variat standar normal

Tabel 3.32 Parameter untuk perhitungan SET Distribusi Log

Tabel3.3l volume Tahunan debit yang dapat diharapkan terjadi


dari sungai Cikapundung - Gandok.

Normal Dua Parameter.


Peluang Kumulatip

No.

Periode Ulang

(tohun)

Volume (1uta mr)

q.

(SEI)

BDK
Quta mt)

(%,)

Periode Ulang (tahun)


2
5

UuM mr)
12,140 14,243
16,9 I g

I
2
3

2
5

92,16 I 13,95

79,92
99,68

104

50 80 90
95

,0000

,r638
,3495
,5339 ,7632 .9251

l0
20 50
100

l0
20
50

t25,37
134,7t
r

4
5

18,757 21,576

45,35

- t28 108,00 - 142 I16,00 - 153 124,00 - 167 Contoh 3.t6.

98 99

Sumber : perhitungan data tabel 3.6. contoh 3.6

BDK

batas daerah keperca.r,aan

:95

o/oditerima.

Dari contoh 3.13a, telah dihitung debit puncak banjir terbesar DpS Cigulung - Maribaya. LJntuk periode ulang 2; 5; l0; 20 dan 50

182

188

tahun dengan menggunakan distribusi log-Normal 2 pararheter, tentukan batas daerah kepercayaannya dengan derajat kepercayaan 95 % diterima.

Tabel3.33 Debit puncak banjir DPS Cigulung-Maribaya yang dapat diharapkan terjadi pada derajat kepercayaan 95
Yo.
o/o.

Periode Ulang (tahun)

Debit Puncak Batas Daerah Kepercayaan (mt/det) (m3/det)

Jawab Contoh 3.16.

I
2
:

2
5

26,58 37,35

23,01 -30,67
31,57 - 44,16 36,67 - 54,15 41,39 - 64,44 47,20 - 79,34

Dari contoh3.lz,diperoleh nilai

X : 28,40 S : 11,69 CV : 0,4116


Berdasarkan rumus (3.1I

l0
20
50

u,6l
5

= 1,4247 Slogx :0,1754 N =30

i"gl<

4
5

1,66

60,94

Sumber : Perhitungan data tabel 3.21.

l)

rogsEr=u{s}}

rogsEr:(ry) * u
log

c. IristriDust logilorrnal tige panametat


Untuk distribusi log-normal tiga parameter, nilai SET, dapat dihitung dengan persamaan sebagai berikut :

SET:6

. (0,0320)

Los SEr=

r{#}*

(3.114)

:1,96, maka :

Dari nilai 6 dalam tabel3.32, dan 95 Yo derajatkepercayaan nilai

cr

o={l*it}i
t-:_ log(x-P)-pn
on

(3.1l5) (3.1l6)

untuk Xz
cr log SET :(1,96X1,000)(0,0320) = 1og26,58 *.0,0627 = t,424 23,01 <26,59 < 30,67

0,062

keterangan

untuk Xs
crlog SET =( I ,96)( l, 1638X0,0320) = log 31,57 537,35 <44,16
37

,35

0,0729

1,5722 + 0,062

on : pn : N : t p :

Dengan cara yang sama maka batas daerah kepercayaan debit banjir DPS Cigulung-Maribaya dapat dilihat pada tabel 3.33.

deviasi standar populasi log (x - B) rata-rata populasi log (x - B) jumlah pengamatan deviasi'standar normal parameter batas bawah distribusi log normal sub bab 3.3.5.2)

(ihat

184

1n6

d' birtribttsl Peatson Tlge III bg Pcatson tigc III


Pearson

dan

Pentntuan batas daerah kepercayaan untuk distribusi Tip. III, adalah :

CS : 0,47 N :19

:26,07

Berdasarkan persamaan (3.117)

sET=
keterangan
;

t {$}*
kesalatran standar dari perkiraan standar populasi atau sampel

(3'rr7)

SEr: r {s}'

o N

SET

SEr: u {tzo,9zl'}i "[ re


J

= deviasi
= jumlatr

p"ngu*"t*
III :
I

SET:6

. (5,98)

Untuk log F.urron tipe

Tabel 3.34 Parameter untuk Perhitungan'SET Distribusi Pearson Tipe III dan Log Pearson tipe III.
Peluong Kumulatip (%)
50

loe

Npr: sfd.) \N/

80

90

Keterangan.

CS 2
5

95

98

99

T (tahun)

log

6 = on = N = jumlatr sampel

\pt:

kesalahan standar dari perkiraan parameter (lihat tabel 3.34) deviasi standar log X

l0

20

50

100

0,0
0,1

,,0801 ,0808

0,2
0,3

,0830
,0868 ,0918 ,0997

,1698 1,3749 ,2000 1,4367 ,2309 1,4989 ,2609 1,5610


.1,6227 ,3199 1,6839 ,3492 1,7441

Tentukan bqtas daeratr kepercayaan hasil perhitungan volume debit Ya\g dapat diharapkan terjadi dari DpS CikapundungY*'?uIl' Psda derajat kepercayaan 95 Yo diteima, yang datarrya ditunjukkan pada tabel 3.17, contoh 3.9.

0,4 0,5 0,6 0,7 0,8 0,9


1,0

,2905

,1073

,l17g
,1304

:9"Y

l,l
1,2 1,3 1,4 1,5

,1449 ,1614

,l7gg
,2003

)))?

,2457

t,6

Dari contoh J.9, diperoleh

t,1 r,8
1,9

,2701 ,2952 ,3204 ,3452


,3090

x \

g7,75

2,0

,3913

,3785 1,8032 ,4082 l,g609 ,4385 l,gl',lo ,4699 1,9714 ,5030 2,0240 ,5382 2,0747 ,5764 2,1237 ,6181 2,l7ll ,6643 2,2173 ,7175 2,2627 ,7732 2,3081 ,8374 2,3541 ,9091 2,4018 .9888 2.4525

1,6845 2,1988 2,6363 1,7810 2,3425 2,8169 1,8815 2,4986 3,0175 1,9852 2,6656 3,2365 2,0952 2,8423 3,4724 2,1998 3,027',1 3,7239 2,3094 3,2209 3,9895 2,4198 3,4208 4,2694 2,5363 3,6266 4,5595 2,6403 3,8374 4,g6lg 2,7492 4,0572 5,1741 2,8564 4,2696 5,4952 2,9613 4,4896 5,8240 3,0631 4,',1100 6,1592 3,1615 4,9301 6,4992 3,2557 5,1486 6,8427 3,3455 5,3644 7,l8g l 3,4303 5,5761 7,5339 3,5100 5,7829 7,9793 3,5844 5,9829 g,2196 3,6536 6,1755 8,5562

186

r87

Dengan

CS:0,47, dari tabel (3.34), maka:


untuk Xr, dengan derajat kepercayaan 95 yo,

1,96

c. DfutriDusl Gumbeltfun I Kesalahan standar dari perkiraan dihitung


persamturn berikut
:

dengan

& + (1,96)(1,0966X5,98) x2 * 12,95

SET =

untuk X5,

keterangan

'(s)+

(3.1l8)

x5 + (1,96)(1,3 167)(5,99)

X, + 15,43

SET

Hasil perhituqgan_selengkapnya tercantum pada tabel 3.35. Contoh untuk perhitungan SET dari distribusi Log Pearson tipe III, hampir mirip contoh 3.20 (dari contoh perhitungan SET distribusi Frechet) hanya berbeda penentuan parameter 6, untuk log Pearson tipe III dari tabel 3.34, sedangkan untuk Frechet dari tabel 3.36 (Gumbel tipe I).

: kesalatran standar dari perkiraan o : deviasi standar 11 : jumlah data 6 : parameter (lihat tabel 3.36)

Contoh 3.18.

Data debit banjir maksimum dari pos duga air sungai Citarum -

Nanjung tahun l9l8-1934 dan tatrun 1973-1985,

seperti

ditunjukkan pada tabel 3.8. Dengan derajat kepercayaan 95 o/o diterima. Tentukan batas daerah kepercayaan debit puncak banjir untuk periode ulang 2; 5; 10:20 dan 50 tahuh, perhitungan contoh
3.7.

Tabel3.35 Volume Debit Tahunan DPS Cikapundung-Gandok yang diharapkan terjadi pada derajat kepercayaan 95 %.
Vo

Jawab Contoh 3.18.

Periode Ulang (tahun)

Volume

guta

m3)

(SEZ) (juta mt)


cr

BDK

Dari contoh 3.7, berdasarkan data tabel 3.8, diperoleh parameter


statistik:

(iuta
72,9
93,6

m3)

I.
2. 3.

2
5

85, 7A
108

12,85
14,43

98,6

*.:286,20
S

m3/det

lo
20 50
100

122
137 148 158

19,72 25,78
35, l6

4.
5. 6.

- 123 103 - l4l ttz - 162 ll3 - 183

= 55,56 m'/det
:

N:30
Berdasarkan persamaan (3.1l8)

42,t9

l16

-200

SEr: r

(s)

Sumber

perhitungan data tabel 3. I 7.

BDK = batas daerah kepercayaan

SEr='{qP}*
SET=6.(10,14)

188 'I'abel 3.36 Parameter untuk perhitungan sET distribusi Gumbel


Peluang Kumulatip (%)
Yo.
T (tahun)

I89

ripe I.

Tabel 3,37 Debit Puncak Banjir Sungai Citarum-Nanjung yang diharapkan terjadi pada derajat kepercayaan 95 %.
Periode Ulang (tahun)
Volume

a (SE7)
$uta
m3)

BDK
Qutam3)

Quta

m3)

l0
l0 l5
20 25 30 35

20

40
45 50
55

0,g2ll

0,9305 l,g53g 2,6lgg 0,9269 1,7695 2,4756 0,9250 t,7249 2,3990 0,9239 l,696g 2,3506 0,9229 1,6772 2,3169 0,9223 1,6672 2,2glg 0,9219 1,662? 2,2725 0,9214 1,6514 2,2569
t,6424
2,2441 2,2333 2,2241

3,3926

3,lg14

3,0745 3,0069 2,9597 3,9103


2,924',7
3,',7624

4,2969 4,1127 3,9670 3,9747

5,1459

l.
2.
J.

)
5

277

20,71 33,20

2s6 -298
295 - 361

4,8174
4,6427 4,5320.

328 3s9
390 431 461

l0
20 50
100

45,86
58,59

313 - 405
331

4.
5. 6.

60
65

70 75 80
85

90 95
100

0,9lgg 0,glg7

0,9209 1,6350 0,9206 1,628g 0,9204 1,6235 0,9202 l,6lgg 0,9201 l,6149 0,glgg l,6l14
1,6093 1,6055 1,6007

2,9975 3,7252 2,E756 3,6954 2,9577 3,670g


2,9426, 3,6502

4,4548 4,3974
4,3527 4,3169 4,2974 4,2627 4,2415

71,46
88,18

- 449 360 - 502 373 - s49

Sumber

perhitungan data tabel 3.8.

2,2162
2,2093

2,gtg6

2,8577 2,9297

BDK = batas daerah kepercayaan

3,6326
3,,6173

4,2332
4,2073 4,1931
4, I 906

3,6040
3,5923
3,5g l g

2,2032
2,1977

2,8099 2,9003 2,7796 2,7739

0,g196 0,9195 l,59g6

2,lg2g 2,lgg4
2,1944

2,7959 .3,5724
3,5639

,. IristriEusi Gumbcl Tfin lII.


kesalatran standar dari perkiraan dihitung dengan persamaim berikut :

4,1693

.4,l5gl
4,l4gg
4,1474

Nilai

3,5562

sEr=r{s}*
Dengan N = 3O,dari tabel (3.36), maka

(3.r 1e)

keterangan:'
:

. .

unhrk Xr, dengan derajat kepercayaan gS yo, & + (1,96) (0,9229) (10,14)

:1,96

X'+'20'71
untr* Xr,

6 : parameter (lihat tabel 3.38) o = deviasi standar N : jumlah sampel SET : Kesalatran standar dari perkiraan
Contoh

&
Xs

+ (1,96) (t,6772)

(lo,l4)

+ 33,20 -

3.F.

Hasil perhitungan selengkapnya tercantum pada tabel 3.37.

tatrun 1973-1984, telah dihitung debit minimum yang dapat diharapkan terjadi seperti ditunjukkan pada tabel 3.14 dan 3.15. Tentukan batas daerah kepercayaannya pada derajat kepercayaan 95 % diterima

Dari data debit minimum sungai Bogowonto-Bener

190

t9l

dengan distribusi Gumbel Tipe


tahun.

III

untuk periode ulang

2 dan 5

Tabel 3.38 Parameter untuk perhitungan SET Distribusi Cumbel tipe


Peluang Kumulatip
(o%)

Ill

Jawab Contoh

3.1a.

CS

50

80

90

95

98

99

T (tahun)

Berdasarkan data tabel 3.14, telatr dihitung parameter statistik data debit minimum sungai Bogowonto - Bener:

25102050100
0,8 0,7 0,6 0,5 0,4
0,3 ),

X : Z,ll m3/det S = 1,24m'ldet N :14


CS

0,687

)265 )741 )212 )710 )854 )886

0,2
0,1

Dari rumus 3.119


(l

1,3665 l,8l 16 1,3556 1,7517 1,3492 1,6940 1,3441 1,6356 1,3259 1,5738 1,2934 r,5063 1952 1,2624 1,4374 1065 1,2282 1,3709

1.,2267

1,1869 ,-,1413 2,0820 1,9840 1,8351

1,7132

2,6325 L,7877 2,8843 1,9094 2,7761 2,4460 2,2300


2,0398

1,7650

,,2475 ],5450
1,6752
,-,5097 ,-,0047 ,-,7011

0,0
0,1

SEr: u{s}'

sET: u{tr,z+l'}

l.14)

SET:

6 . 0,331

0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

Dari tabel 3.38, pada derajat kepercayaan 95 yo, 0,687 :

1,96 dan CS

1,0

l,l
1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9

. .

unfuk X2, x2

r (1,96)(1,1600)(0,33 l)

x2*.0,753 m3/det
unttrk X5,

x5 + (1,96)(0,9913x0,33 Xj + 0,579 m3/det

l)

2,0

1460 I,0281 1,0467 I517 0,9839 0,9905 t567 0,9392 0,9414 , .605 0,8943 0,8981 636 0,9500 0,9646 t657 0,8072 0,8422 0,7669 0,g3lg "671 678 0,7303 0,9316 68t 0,6988 0,8507 680 0,6739 0,8792 676 0,6569 0,glg6 669 0,6499 0,9673 658 0,6494 1,0218 643 0,6595 1,0907 622 0,6742 1,1400 596 0,6940 1,1987 564 0,7148 1,2523

ll57 1,19 t6 1,3042 t2t4 t,1532 1,2374 t3 l8 l,l 136 l,l7l I t394 1,07 t2 1,1078

l,6l8l
1,5255
1,4571

\s248
,-,3559 ,.,2013
1,0658 1,9627

1,9631
1,8437

1,2539 1,2814
1,2172

t,1653
1,1287

1,7336 1,6496 1,5775 1,5230


1,4905 1,4601 1,4583

1,8740 r,8065
1,7623 1,7262

I,l0l4
t,0895

1,7074

I,0914 I,1064
t,1338

1,4630

[,7006
1,7047

t,4788 I,5049
1,5394
1,58

t,7180
1,7413

l,l719
1,2196
1,2745

l5

.,7715
,8075

1,6291

i,3354
,,3987

t,6816
1,7355 1,7908 1,8446

,4638
,5274 ,5877 .6421

,8488 ,8921 ,9376 ,9823


'.,0247 ',,0623

.,8952
.9405

g. Itirtribusi

Dtcchet

Kesalahan standar dari perkiraan untuk distribusi Frechet dapat dihitung dengan persam&m :

t92
log SEr

193

=u

{tt

,', 'E

'
:

(3.120)

log SET :1,6772 ( 0,0320 ) log SET:0,0536 Xs 35,74 (lihat contoh 3.11)

sehingga batas daerah kepercayaannya adalah

log XT

(log SET) . cr

(3.121)

6:

parameter dari tabel 3.36. (Gumbel tipe I)

log X, + cr . log SET log 1,553 * (1,96)(0,0536) log 1,553 * 0,105 sehingga X, = log 1,553 - 0,105

< log 1,553 < log 1,553


<45,49

+ 0,105

28,05< 35,74
Contoh 3.20.

Dari contoh 3.11, telah dihituns besarnya debit maksimum Dps cigulung-Maribaya dengan menggunakan distribusi Frechet,
dengan data:

Hasil selengkapnya tercantum pada tabel 3.39.

. N:30

. S log X= 0,1754

Tabel 3.39 Perkiraan Debit Maksimum DPS Cigulung-Maribaya, dengan Derajat Kepercayaan 95 %.
No.

Tentukan batas daerah kepercayaafinya yang dapat diharapkan


terjadi dengan derajat kepercayaan 95 %o dapatditerima, untuk debit maksimum tersebut pada berbagai periode ulang.

Periode Ulang Debit Maksimum (tahun) (m3/det)

Batas Daerah kepercayaan (m3/det) 21,78 - 29,43 28,05 - 45,49 32,26 - 62,99 36,84 - 86,61 45,04 - 105,0

I
2
5

)
5

24,92
35,V4

lo
20
50

Jawab Contoh 3.20.

:
:

4
5

45,12 56,61 78,87

Berdasarkan persam&m 3.l}O,maka

tog SEr

ret - a{rs

[NJ

,'

Sumber : Perhitungan data tabcl 3.20.

1*
+

log

SET: u{(0, '1. rzs+)'}

30

3.4.6. Afi Kccocohan


Untuk menentukan kecocokan (the goodness of fit test) distribusi frekuensi dari sampel data terhadap fungsi distribusi peluang yang diperkirakan dapat menggambarkan/mewakili distribusi frekuensi tersebut diperlukan pengujian parameter. Pengujian parameter yang akan disajikan dalam sub bab ini adalah
:

log SET:6.( 0,0320)

untuk Xr, dari tabel3.32:

lr,l

ll)tr

). chi-kuadrat (chi - square), 2). Smirnov - Kolmogorov.


I

2).

kelompokan data menjadi ('i sub-grotrp, tiap-tiap sttlr group minimal 4 data pengamatan;

Umumnya pengujian dilaksanakan dengan cara menggambarkan data pada kertas peluang dan menentukan apakah data tersebut merupakan garis lurus, atau dengan membandingkan kurva frekuensi dari data pengamatan terhadap kurva frekuensi
teoritisnya.

3). 4).

jumlahkan data pengamatan sebesar 01 tiap-tiap


group;

sub

jumlahkan data dari persamaan distribusi yang


digunakan sebesar E,
;
:

s).

tiaptiap sub group hitung nilai (o, - E,)'6ur, (or


Ei)2 Ei

3.4.6.1 Uji Chi-K.uadrat


chi-kuadrat dimaksudkan untuk menentukan apakah dipilih dapat mewakili dari distribusi statistik sampel data yang dianalisis. Pengambilan keputusan uji ini menggunakan parameter 1r, oleh karena itu disebut dengan uji Chi-Kuadrat. Parameter X, dapat dihitung dengan mmus :
persamaan distribusi peluang yang telah

6).

jumlah seluruh ,G sub group n,,6


menentukan nilai chi- kuadrat hitung.

(oi: Ei)2 untuk


Ei

Uji

7).

tentukanderajatkebebasandk: G - R - I (nilai R:2, untuk distribusi normal dan binomial, dan nilai R: 1, untuk distribusi Poisson).

^.,-S(oi-Ei)2 u lvh
i=l
r,i
keterangan
:

(3.t22)

Interpretasi hasilnya adalah

l).
2).
3).

apabila peluang lebih dari

yo, maka

persamaan

Xn'

Oi : Ei :

G :

parameter chi-kuadrat terhitung jumlah sub - kelompok jumlah nilai pengamatan pada sub kelompok ke i jumlah nilai teoritis pada sub kelompok ke i

distribusi teoritis yang digunakan dapat diterima; apabila peluang lebih kecil I o/o, maka persamaan distribusi teoritis yang digunakan tidak dapat diterima; apabila peluang berada diantara I - 5 % adalah tidak mungkin mengambil keputusan, misal perlu tambah
data.

Parameter xn2 merupakan variabel acak. peluang untuk mencapai nilai xn2 sama atau lebih besar dari pada nilai chi-kuadrat yang sebenarnya (y2) dapat dilihat pada tabel III-7, pada bagian akhir buku ini.
Prosedur

Contoh 3.21.

uji Chi-Kuadrat adalah :


pengamatan (dari besar

1). urutkan data


sebaliknya);

ke kecil

atau

Dari pengamatan volume total debit tahunan dari DPS Cikapundung di pos duga air Gandok, tclah diperoleh data dari tahun 1958-1980, seperti ditunjukkan pada tabel 3.4. (lihat contoh 3.6). Pada derajat kepercayaan 95 oh diterima, lakukan uji hipotesis bahwa data pada tabel 3.4. mengikuti distribusi normal, dengan menggunakan Uji-Chi kuadrat.

l9(i
Jawob Contoh 3.21.
:

M7

Berdasarkan data tabel'3.4, contoh 3.6, maka dapat disusun nilai peluang perhitungan (exp e r ime nt al pr ob ab il ity), seperti ditunj ukkan pada tabel 3.5. Peluang perhitungan dihitung berdasarkan rumus 3.22.a. Berdasarkan data tabel 3.5, maka dapat digambarkan setiap

nilai volume debit tahunan dengan nilai peluangnya atau periode


ulangnya seperti ditunjukkan pada gambar 3.6.

Dari contoh 3.5, telah diperoleh persamaan garis lurus distribusi


normal:

X:92,16 + 25,95 k
Persamaan tersebut dibuat kurva garis lurusnya seperti ditunjukkan pada gambar 3.6.

Dari gambar 3.6, untuk maksud pengujian maka

dapat

dibuat sub kelompok, setiap sub kelompok minimal terdapat 5 buah data pengamatan. Apabila nilai peluang dari batas setiap sub kelompok peluang (P) = 0,25, maka variabel dari data pengamatan akan terletak sebagai berikut :

X< Subkelompok2 74,77 <X<


Sub kelompok

Subkelompokl 4

74,77 92,16

s
{9

(,
J 3

2
Ll

Subkelompok3 92,16 <X <109,54


109,54 > X
Selanjutnya dapat disusun perhitungan seperti ditunjukkan pada tabel 3.40. Tabel 3.40 Perhitungan Uji Chi - Kuadrat.

2 l J
lrl G

I G

Ll

I
I

a
No.

ruu

tzo

lrto

tGO

Nilai Batas Sub kelompok

Jumlah Data

oi
5

Ei
5,75 5,75 5,75 5,75
z-)

oi-Ei
0,562 5,062

(oi - Eil,
l.,t

,---------t- VOLUME ALTRAN ( Juto m!,

I 2
3

< 74,77

0,097
0,880 4,097 0,097
1,17 I

Gambar

3.6. Distribusi Aliran Sungai Cikapundung - Gandok.

74,77 - 92,16.

8
5 5

92,16 -109,54
109,54 > X Jumlah

4,562
0,562

23

I 1)rl

I0t,

Dari tabel 3.40, diperoleh nilai chi-kuadrat hitung adalah Xn, : l,l7l. Berdasarkan tabel chi-kuadrat (lihat tabel III-7). untuk mencapai nilai chi-kuadrat sama atau lebih besar dari l,l7r; pada derajat kebebasan dk : G-R-l = 4-2-l : l, kurang lebih pada peluang 0,23. Oleh karena peluang yang diperoleh adalah 23 % (lebih besar 5 oh), maka hipotesis bahwa volume debit tahunan Dps
cikapundung-Gandok, mengikuti distribusi normal dapat diterima. Batas daerah kepercayaannya, yang secara visual dapat dilihat pada gambar 3.6, dan tabel 3.41.

2).

tentukan nilai masing-masing pcluang teoritis dui hasil penggambaran data (persamaan distribusinya) :

x. P'(x.) x. P'(&)
3). dari kedua nilai peluang
tersebut tentukan selisih terbesamya arttara peluang pengamatan dengan peluang teoritis.

x2

xr

P'(X,) P'(Xr)

Tabel3.4l Volume Total DpS Cikapundung - Gandok


No.

D: maksimum I P(Xm) - P'CXm) ] 4)


Apabila

(3.123)

Periode Ulang (tahun)


2
5

Nitai Perkiraan Batas Daerah Kepercayaan (juta mr) Quta mr)


92,93

berdasarkan tabel nilai kritis (^Srnirnov-Kolmagorov /esl) tentukan harga Do (lihat tabel3.42).

I 2
3

80,93
100,00 110,20 I 16,80 125,00

I13,95
125,37
134,71 145,35

l0
20 50

4
5

- 103,39 - l25,gg - 140,40 - l5 I ,80 - 165,00

lebih kecil dari Do maka distribusi teoritis yang

Sumber : Perhitungan data tabel 3.4.

digunakan untuk menentukan persamuum distribusi dapat diterima, apabila D lebih besar dari Do maka distribusi teoritis yang digunakan untuk menentukan persam:urn distribusi tidak dapat diterima. Tabel3.42 Nilai Kritis Do Untuk Uji Smirnov-Kolmogorov.

3.4.6.2. Uji Smirnov - Kolmogorov

N
0,20
5

c[ 0,10
0,51 0,05 0,56
0,41 0,01

Uji kecocokan Smirnov-Kolmogorov, sering juga disebut uji kecocokan non parametrik (non parametric test), karena pengujiannya tidak menggunakan fungsi distribusi tertentu.
Prosedurnya adalah sebagai berikut
:

l0 l5
20
25 30 35

0,45 0,3? 0,27 0,23


0,21

0,67

0,3'l
0,30

0,49
0,40 0,36 0,32 0,29

0,26
0,24 0,22

l)"

urutkan data (dari besar ke kecil atau sebaliknya) dan tentukan besarnya peluang dari masing-masing data tersebut ;

0,19
0,18

0,20
0,19 0,18

0,34 0,29 0,27 0,24 0,23


0,21

0,27
0,25 0,24 0.23

40
45 50

0,17 0,16
0,15

0,20

xr P(X,) x2 P(Xr) x. PQq) xn P(&)

0,t7

0.19

N>50
Catatan

f,* sj ffi
Ct = derqiat kepercayaan.

ffi

Sumbcr : Bonnicr, 1980.

200

I
Tabel 3.44. Peluang Debit Minimum
Periode Ulang P(x >)
0,01 P(x <)

20t

Contoh 3.22. 'l'entukan persamaan distribusi normal untuk data debit minimum sesaat S.Cikapundung-Gandok tahun 1965-1984. Lakukan uji kecocokan persaminnnya dengan uji :

(x >)
100

Periode Ulang

(x <)
0,99 0,95 0,90 0,70 0,50 0,30
0, 1,01

Smimov-Kolmogorov Chi - Kuadrat

20

0,05

l,05

Tabel 3.43, menunjukkan datanya. Jawab Contoh 3.22.


z

t0
),JJ 2,00
:

0,l0
0,30 0,50 0,70 0,90 0,95 0,99

l,l

1,43

2,00
J,JJ

Berdasarkan data tabel 3.43, diperoleh parameter statistik

1,43

X :0,266 m3/det S : a)76 m'/det


Dengan demikian persamaannya adalah
:

l,1l
l
t,

l0

l0
20
100

I,05 l,01

0,05
0,01

Sumber : Bonnier, 1980.


t!

X:

0,176. k + 0,266 m'/det

il

!l

Tabel 3.43 Debit Minimum S.Cikapundung - Gandok


No.

Tahun

Debit
(m3/detl 0,02 0,02 0,02 0,24

Periode ulang untuk perhitungan debit minimurn tidak menyatakan suatu nilai sama atau lebih dari besaran tertentu, akan tetapi menyatakan suatu nilai sama atau kurang dari besaran tertentu. Oleh karena itu apabila :

I
2
3

965 966
967 968

PIX>1X+t.S)l:a
maka:

(3.124)

4
5

6 7
8

969 970
971 972

4,26 0,30 0,36


0,41 0,15 0,15 0,56

PIXSlX+t<.S)l:l-a
(3.12s).

(3.12s)

Tabel 3.44, menunjukkan nilai konversi rumus (3.124) menjadi

973
974

l0

il

t2 l3 t4

975 976
977

0,14 0,10
0,18 0,38 0,44 0,35 0,38

Aji $rrrlitfiou . Kobnogotoa


Dari persamaan garis lurus distribusi normal data debit
minimum S.Cikapundung-Gandok adalah
:

l5 l6 t7 l8 l9
20

978 979 980


981

X
apabila

0,17 6

k + 0,266 m3/det,

982
983

984
1984, Puslitbang Pengairan.

0,59

111: X-X
S

(3.t26)
(3.127)

Sumber: Buku Publikasi Debit Sungai Tahun 1965 -

P'(x): (t)

202 kcterangan
:

I
X X t
P'(x)

208

: :
-

f(t): x-x
debit minimum pengamatan (m3/det). debit minimum rata-rata (mr/det). variabel reduksi Gauss (lihat tabel 3.3). peluang dari k'(lihat tabel III-1, bagian akhir buku ini, wilayah luas dibawah kurva normal);
i

Misal untukX: 0,59

_ -0,266 .\,,_JF
ru..r

0r 59

f(t):
t
(

1,840

maka berdasarkan data pada tabel 3.43. dan tabel 3.44, dapat dihitung nilai pelJ,ang P(x<) seperti ditunjukkan pada tabela 3.41,
kolom 4.
Tabel

3.45

Uji Smirnov-Kolmogorov Debit Minimum


S.C

Berdasarkan persamaan 3.127, dapat ditentukan besarnya peluang teoritis P'(X), dari tabel III-1 wilayah luas dibawah kurva normal, dari nilai (t) 1,840, luasnya I - 0,968 0,032 sehingga nilai kolom 6 adalah P'(X; 0,032 dan nilai kolom 7 adalah P'(X<) adalah | - 0,032: 0,968.

ikapundung-Gandok.

P(y)=a/(n+

)
3

P(x<)
1-hilail-kol I

(r):

(x-Dh

P:ql'
6

P'(x<)

fl tt

UntukX:0.26

0,59 0,58 0.44


0,41

0,05

0,95

l,840
1,784
0,988

0,032
0,037

0,968
0,963

2
3

0,l0 0,l5
0,20
0,25

0,90
0,85

0,018 0,063
0,013

4
5

0,80
0,75

'0,38 0,38 0,36


0,35

6
7 8

0,30
0,35

0,70
0,65

0,40
0,45

0,60
0,55

0,818 0,647 0,647 0,534 0,477


0,193

0,t63 0,206
0,257 0,257

.,.\ 0,26 - 0,266 (t): or^


f(t;:
Dengan

0,837

0,794
0,'143 0,'143

0,006 0,007
0,043

- 0,034
setara dengan luas wilayatr dibawah kurva

0,298
0,3 0,5

0,702
0,681

0,052
0,081

f(t; = (- 0,034),

l9 l0

0,30 0,26 0,24

0,424 0.556
0,685

il

l0

0,50
0,55

0,50
0,45

0,r8
0,r5
0,15
0,

l2
l3 t4

0,60 0,65 0,70


0,75

0,40
0,35

0,30
0,25

l4

l5
t6 t7
r8

- 0,034 - 0,147 - 0,488 - 0,659 - 0,659 - 0,715

0,576 0,490

0,026
0,010 0,006 0,085
0,093

- I - 0,490: 0,510, sehingga : adalah I - 0,510 : 0,490.


normal

P'(X) = 0,510 dan P'(X<)

0,444
0,3

l5

0,743 0,743 0,761

0,257 0,257 0,239

0,043

Dengan prosedur yang sama maka dapat dihitung nilai p'(X<),

0,10 0,02 0,02 0,02

0,80 0,85 0,90


0,95

0,20
0,1 5

- 1,943 - t,397
- I,397

0,826
0,917 0,917 0.917

0,174
0,083 0,083 0.083

0,01l 0,026
0,067 0,017
0.033

seperti ditunjukkan pada tabel 3.41, kolom


persamaim 3.123, maka dapat dihitung nilai D.

7.

Berdasarkan

0,10
0.05

l9

1.397

Sumber : Perhitungan data tabel 3.43. m = nilai peringkat;

f : 0,266; S = 0,176

Dari perhitungan nilai D, tabel 3.41, menunjukkan nilai Dmak 0,093, data pada peringkat ke m : 13. Dengan

Data kolom

4:

nilai

1,0 -

nilai kolom

3.

Data kolom 5, tabel 3.45, dihitung bedasarkan persamzran 3.126:

menggunakan data pada tabel 3.38, untuk derajat kepercayaan 5 yo ditolak dan N : 19, maka diperoleh Do : 0,30. Karena nilai Dmak lebih kecil dari nilai Do (0,093 < 0,30) maka persamiuul distribusi normal yang diperoleh dapat diterima uniuk menghitung distribusi peluang data debit minimum DPS Cikapundung - Gandok.

204

20t

(NnHVl

) Ot{V.ln

EOOlS3d

-l+

I
.ta

,/

\o \s o
I

Smirnov-Kolmogorov, meskipun menggunakan perhitungan matematis namun kesimpulan hanya berdasarkan bagian tertentu (sebuah variat) yang mempunyai penyimpangan terbesar, sedangkan Chi-Kuadrat menguji penyimpangan distribusi data pengarhatan dengan mengukur secara matematis kedekatan antara data pengamatan dan seluruh bagian garis persamaan distribusi teoritisnya (garis lurus ataupun garis lengkungnya, dengan demikian lebih teliti dibanding Uji Smirnov Kolmogorov).

Afi Chl - Kuadrat Pada penggunaan Uji

uji

bo

Berdasarkan gambar 3.7 lakukan pembagian data pengamatan menjadi 5 sub-bagian, interval peluang P : 0,20.
Besarnya peluang untuk tiap sub-group adalah
:

-!

\ $'

Subgroup

8:
t oo
6|=

r'
/
o
0

.o q)

Subgroup2 Subgroup3 Subgroup4 Subgroup5

P 50,20

P<0,40 P<0,60 P<0,80 P>0,80


:

.a

. D
= = F 6
lrl

Berdasarkan persamaan garis lurus

a
N

X:0,176k+ 0,266 , maka


Untuk P Untuk P Untuk

9.

-i
-o
B B

'l
18
(.al
o ]t

X:

:l

-0,20:0,80 0)76 x 0,84 + 0,266:0,413 m3/det


x0,25 + 0,266: 0,310 m'/det

X :0,176
X

=l-0,40:0,60

I
vnl Id

B t

: 0,176 x (-0,25) + 0,266:0,222 m'/det Untuk P:l-0,80:0,20


l

P:l-0,60:0,40

X :0,176 x (-0,84) + 0,266:0,1l8 m'/det


Sehingga
:

Sub Group I

x kurang dari 0,1l8 m3lda

206
Sub Group Sub Group Sub Group Sub Group
2
3

207

4
5

18 x < 0,222 m3/det 0,222 x<0,310 m3/det 0,310 x<0,413 m3/det


0,1

Dengan demikian debit minimum S.Cikapundung - Gandok kurang dari 0,1 l8 m3/det, mempunyai periode ulang 5 tahunan.
X,o = 0,176 x (-1,28) + 0,266

x > 0,413 m3/det

: 0,0407 m3/det.

Tabel

.46 menunj ukkan perhitungan uj i Chi-kuad ratny a (y2).

Debit minimum S.Cikapundung - Gandok kurang dari 0,0407 m3/det mempunyai periode ulang l0 tahun.

T abel 3 .46

uj i chi-Kuadrat Debit Minimum s.cikapundung-Gandok


Jumlah

No.

Irxerval Debit

(il/det)
I
Kurang 0,1l8 0,118 - 0,222 0,222 - 0,310 0,310 - 0,413 0,413 - lebih Jumlah

o,
4 4
3

Ei 3,9 3,8 3,8 3,8 3,8

(oi - Eil'z ql2: l\,


0,04 0,04 0,64
1,44

(oi- E
E,

'

3.4.7. Pemilihan Pctsarneoin

Irisfribusi Yang Sesual

)
3

0,010 0,010
0,1 0,1

68 69
.!

4
5

0,378
J,734
l

0,64

l9

l9

Dari tabel 3.46, y2 hitung : 0,734 pada derajat kebebasan : 5-2-l : 2. Berdasarkan tabel 3.43 maka besarnya peluang untuk mencapai 1'z lebih dari 0,743 adalatr berkisar antara 50 - 70 %. oleh karena besarnya peluang lebih besar dari 5 Yo makadistribusi normal untuk mgqggambarkan distribusi debit minimum S.cikapundung-Gandok dapat diterima. Pembaca dapat mencoba dengan menggunakan persamzuul distribusi yang lainnya dan dibandingkan hasilnya, misal dengan menggunakan persamuuur Gumbel Tipe III dan Log pearson Tipe III.

I
I

Seperti telah disebutkan pada sub bab 3.4.4, umumnya, di Indonesia banyak dilakukan analisis distribusi peluang dari data hujan ataupun data debit menggunakan persamium distribusi Gumbel Tipe I, tanpa melakukan pengujian kecocokan terlebih dahulu apakah persam&m distribusi Gumbel Tipe I sesuai dengan distribusi data pengamatan ataupun membandingkan dengan persamzuul distribusi lainnya. Padahal distribusi Gumbel Tipe I belum tentu cocok. Sementara hidrologiwan di Indonesia berpendapat bahwa penggunaan distribusi Gumbel tipe I sebagai suatu hal yang sudatr "salah kaprah". Gambar 3.8 sampai 3.10, menunjukkan ketersediaan data debit maksimum S.Cianten - Kracak, Bogowonto - Bener, S.Serayu - Garung dan S.Cigulung - Maribaya, berikut nilai rata-ratanyadari setiap periode pengamatan (N : berbeda-beda). Gambar 3.11, menunjukkan hasil perbandingan debit puncak banjir untuk periode ulang 5; 50 dan 100 tahunannya, dengan menggunakan persamaan distribusi :
. Normal

Pefiodc lllang
Berdasarkan tabel 3.3 menunjukkan bahwa untuk p 0,80 maka -0,84, untuk frekuensi debit minimurn, berdasarkan gambar 3.7 maka P 1,0 - 0,80 :0,20 yaitu periode ulang 5 tahun, debitnya adalah :

k:

. Gumbel Tipe I . Log Pearson Tipe III (LPS - IID . Frechet


Gambar 3.1l, memperlihatkan bahwa penggun&m distribusi normal pada umumnya memberikan harga taksiran debit banjir yang lebih besar untuk periode ulang 5 tahun dan lebih kecil untuk periode

Xr= 0,176 x (-0,84) + 0,266 = 0,118 m'/det

208

200

ulang 50 dan 100 tahun dibanding dengan harga penaksiran dari ketiga tipe persam&m distribusi lainnya. Distribusi Frechet memberikan penaksiran debit banjir yang lebih kecil untuk periode ulang 5 tatrun dan lebih besar untuk periode ulang 50 dan 100 tatrun dibanding dengan nilai taksiran dari harga ketiga tipe persamaan distribusi lainnya.

a;

a\

Tabel 3.47, menunjukkan distribusi data peluang frekuensi aliran maksimum

hasil uji

kecocokan antara
dengan

! F

persamiuill distribusi yang diharapkan cocok untuk analisis debit banjir maksimum. Nilai X2 ht, S.Cianten-Kracak, S.BogowontoBener, S.Cigulung-Maribaya mempunyai nilai peluang lebih dari 0,05, oleh karena itu dari ke empat tipe persamaan distribusi yang diusulkan sesuai untuk ke. tiga lokasi tersebut. Untuk S.SerayuGarung nilainya kurang dari 0,05, dengan demikian dari ke empat tipe persamaan distribusi yang diusulkan tidak ada yang cocok, lokasi ini mempunyai data perbandingan maldmd lebih besar 3,0 dan koefisien variasi CV : sdD< lebih besar 50 o/o maka perlu penelitian lebih lanjut, mungkin memerlukan persyaratan khusus dalam analisis distribusi peluang'
Tabel 3.47 Nilai Chi-Kuadrat perhitungan.
Distribusi Normal
S.Cianten Kracak S.Selayu Garung S.BogowontoBener S.Cigulung -

tl o

l.!a ?1. Irlo ti. ---....... i. tO tt.

Gambar 3.8A. Tersedianya Data Debit Banjir S. Cianten - Krscak.

Maribaya

x,'hit
P

3,20s
0,190

I I,166 0,005

5,141

5,66s
0,061

0,080

Gumbel

i
0,965

x,'hit
P

6,670 0,032

(1,71

l)

4,666
0,1

! F
a Il o
X3

0,940

0,470

l0

LPS
)

III
(0,101) 4,717 0,030 2,285 0,820 (0,660) 0,450

tr lC li. D ?t. ls lO llr.

x,'hit
P

0,320

Frechet
26'?hit
P

2,st4
0,290

6,039 0,040

1,997

1,664 0,450

0,400

Keterangan : *) tipe III Log-Pearson dan nilai dalam tanda kurung


persamaan yang lebih

(0'l0l)

cocok. Sumber

(Soewarno, 1993).

Gambar

j.88.

Tersediorrya Data Debit Banjir S. Bogowonto - Bener.

210

211

FI

i.,i.d j ill 'OJL

ilii;l
!
t F

Ir.l.'lL xr ao fi.

g
Q a<

I
t

It

to

tl

\)

I.aat

B q

.o
q)

!
00

Gambar 3.9. Tersedianya Data Debit Banjir K.Serayu - Garung.

q)

$
\) .a \) a

I
I

s oo

g
tta

\ s \)
a..

*i
E

a I o

o a
tt

.a

-; \

Gambar 3.10. Tersedianya Data Debit Banjir S.Cigulung - Maribryo.

('tf|/tw r lO -F-

to

l'|oe/rur lO

-.+--

212

I
hit maka persanuun distribusi yang lebih

2t:t
Tabel3.49 Debit Banjir Maksimum
Lama Data Metode Cianten-Kracak
Q5 Q50

Berdasarkan harga y2

S.Cianten-Kracak dan S.Cigulung-Maribaya adalah persamaan tipe III Log-pearson dan untuk S.Bogowonto-Bener adalah persamzuul distribusi Gumbel (untuk N : terlama).

sesuai untuk aliran maksimum

dari

Cigulung-Maribaya
Q5

Bogowonto-Bener
Q5

Qr00

Q50

Ql00
42 46
43 49

Q50

Qr00

N:5
- Normal

Tabel 3.48, menunjukkan persamaan yang lebih cocok setiap N tahun pengamatan. Untuk
Tabel 3.48 Persamaan distribusi yang lebih cocok.
Lama Data Cianten Cigulung BogowontoBener
Frechet

- Gumbel - LPS III

- Frechet

450 440 434 422

587 657

6t9 72t

649 733

7tt
861

33 43 32

40 43

tt4 tt2
r09

t37
148

t42
158 186

40
44

164
155

3l
37 36 36 35

1il
138 135 138 135

t7l
t75
197

N: l0
- Normal

4ll
406 399
385

540

570
687

46
50 52 58

Kracak

Maribaya

- Gumbel - LPS III - Frechet

623
590

627
836

48 54 56

168

r83
187

20t
235

701

7l
46
53

207

N=20

N:
N:
'

N=5
l0
terlama

N:20

LPS.III LPS.III

LPS.ilI LPS.ilI
LPS.III

- Normal

LPS.ilI
LPS.III
Gumbel

LPS.ilI
LPS.III

- Gumbel - LPS III

LPS.ilI

- Frechet

466 434 426 415

599

673 693
802

634 743
773

974

35 34 35 33

46 53

126 122

158

165

49
68

49
68

t23

172 169

186

182

t2t
tt7
l14

l9l
149

218

N:

terlama

Sumber: Soewarno (1993)

- Normal

418

539

577

- Gumbel

4t2
408
395

6ll
545 668

669
579 775

s.Bogowonto-Bener menunjukkan adanya perubahan persamruul yang cocok untuk setiap lama pencatatan data, oleh karena itu di lokasi tersebut perlu dilakukan penelitian tentang
perubahan kondisi daerah pengaliran sungainya.

untuk

- LPS III - Frechet

38 37 37 35

55 65 60 94

55 65 60 94

t64

u3

lll

l6l l8l

157 178 188

209

Sumber : (Soewarno, 1993)

Tabel 3.50 Kondisi daerah pengaliran sungai


Kondisi
Ciantek Cigulung BogowontoBener
94,2
150

Tabel 3.49, menunjukkan debit banjir maksimum untuk periode ualang 5, 50 dan 100 tahun dari setiap persamrum yang cocok, sedangkan pengguniuul persamaan yang lainnya adalatr sebagai nilai pembanding.

Serayu -

Kracak
Luas DAS (km'?)
Sims

Maribrya
49,2
99,1 50,2 19,3

Garung
58,4
103

(m/km) *)

Hutan Padi (%)


A,pbar

**) **)

126,0 86,9 59,5


19,8

0,27 3,5

4,9
0,0

llujan/tahun (mm)

(mm) ***)
:

2950

2709
102

2034

t22

lt6

3424 98,0

Kesamaan suatu distribusi dari kedua lokasi yaitu S.Cianten-Kracak dan Cigulung-Maribaya menunjukkan batrwa untuk kedua lokasi tersebut mempunyai kondisi yang relatip sama. Pernyataan ini dapat dilihat dari data pada tabel 3.50.

Keterangan

#
.l

+) kemiringan r+) terhadap luas DAS ***1 hujan maksimum satu hari rata-rata

Sumber : Pus Air (1983)

ts

x s
T

lF---

217

l'ahcl III -

Wilayah Luas Dibawah Kurva Normal


0,0003 0,0004 0,0005 0,0008
0,00t

-t,l

1,4

-1,2
-1, r

-3,0
-2,8

_)1
-2.6
-2,4

,1

-1 1 -1,t -2,0 -1,9


-1,8 -1,1

-t,6
-

l,5

-1,0 -0,9
-0,8 -0,7 -0,6 -0,4 -0,1 -0,2 -0, I

t,l l,l

t,4

0,0 0,0
O,I 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

I,l

1,0

l,l
1,1 1,8 1,9 2,1

t,2

t,4
r,5
1,6

71
2,3 2,4 2,6 2,8 2,9

1,0
3,1

3,2 3,3 1-4

0,2647 0,261 I 0,2s78 9,?711 0,1085 9,?792 0,1050 0,3015 0,2981 0,2946 0,2912 0,1446 0,1.409 0,7312 0,tt36 0,1300 0,3264 g.lq?l 0.178J 0.1745 0.1707 0.166e 0,3612 0.7291 9,4lqq g,4t2e 0,4090 0,4052 0,40l] 0^,1992 9,419? 9,4s?2 0,4483 0,4443 0,4404 0,5000 0,4950 0,4920 0,4rt0 0,4840 0,4t01 o.,4i6t 0,472t 0,46t1 0,4641 0,5120 0,5t60 o,5lee o,s23s 0,527s o,53te o,s3se 9,!9q 9,!o4g 0.!o8o g,t!?8 0,55r7 0,s557 0,sse6 0,5636 0,5675 0,s714 0,5753 I,il?! 9,111! 0,5e10 0,se48 0,5e87 0,6026 0,6064 0,6103 0,6141 9,t?21 q,lql? g,18?l o,62e3 0,633t 0,6368 0,6406 0.,6443 0,6480 0,6st7 9.!l?9 9,9?17 9,62s5 0,6554 0,6591 0,6628 0,66U 0,6700 0,6136 0,6712 0,680E 0,6844 0,6879 g,q?!g 0,69s5 0,701e 0,7054 0,7088 0,7t23 o;ns1 0,7190 oJzzz 9,9?!l 9,1?17 9,7?et 0,1324 0,1357 0,738e 0,7422 0,74s4 0,?486 0,75t7 o.,,ts4e g,lql! 0,16/2 0,7673 0,1'tu 0,7734 0:,1764 O.,77e4 0,1823 o;t852 9,2!!9 g,?qq! 9,?910 0.7939 0,7e67 0,'t99s 0,8023 0,8051 0,8078 0,8106 0,8133 0,8159 0,8186 0,82t2 0,8238 0,8264 0,8289 0,83t5 0,8140 0,8365 0;8389 9,ry11 9,!_41q g,q4q! 0,8485 0,t50E 0,8s31 0,8554 0,8517 0,85ee o,E62l g,!Ci I,q56: 0,8686 0,8708 0,8729 0,8749 0,8770 0,87e0 0,8810 o,rr3o 0,8m7 0,Ee25 0,8e,t4 o.,8e62 o,Ee80 0,89e7 0,eols 9,q!1? 9,qq62 0,qq88 g,?qq 9,e082 o,eo99 o,el l5 0,el3l 0,et47 o,et62 o,et77 9.:91? 9,ry2 0.9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9278 0,9292 0,9306 0;9319 9,e11? g,?34f 0,e357 0,e3?0 0,e382 0,e394 0,9406 0,e418 0,9429 o,e44t 0,91q4 o,e4e5 0,e505 0,e5r5 o,e52s 0;e535 0,e545 9,e:r? 9,e193 9,2111 g,?lzl 0,es82 0,e5el o,esee 0,e608 0,e616 0,e62s o;e533 9.?:11 g.?:g g,?q9 g,?qsq 0,e964 o,e67t 0,e678 qe6r6 0,e5e3 o:,e6ee o,e7o6 9,?!11 0.971J 0,9719 0,9i26 0,9732 0,9738 0,9744 0,9750 0;9756 0;9?61 o:976j 9.e^71? 9,277E g,?Zqi 0,e7Er o,e1e3 0,e7e8 o,erol 0,e808 0,e8r2 0,e817 g,?qig 0,e834 0,e838 o,et4z o,ea46 0;e850 o;e854 o',e857 9,?!?! g,?C?q 0,e868 0,e87t 0,9875 q9r78 0,e8il 0,9884 0,e887 0;9890 9.?!ql 9,9!64 g,?!?g 9,%96 o,eeol 0,eeo4 0,ee06 0,ee0e o,eer I 0,eel3 0;eel6 9,2!?l 0,9918 0,9920 0,9922 0,9925 0,9921 0,9929 0,9931 0,9932 0:934 0,9936 0,ee4t 0,ee43 0,ee45 q9%6 0,9948 0,ee4e 0,9951 o,ees2 s,??i! g,??ls 0,ee55 0,99s1 0,ee5e 0,9960 0,9%l o,ee6z 0;863 o,9e64 S,99! 0,9tq 9,ry55 0,9967 0,9961 0,9969 0,9970 0,9971 0,9972 0,9973 0,9914 9.9?q5 0,9976 o,ee77 0,9977 0,9978 o,ee1e 0,e979 0,9980 0,9e81 9.?e1! 9,?211 0,9981 0,9982 0,9982 0,9983 0,99t4 0,9984 0,9985 0,9985 0,9986 0:9985 0,9987 0,9988 0,9988 0,9989 0,9989 0,989 0,9990 q9990 s,2!? 0,9987 0,9991 0,999t 0,9992 0,9992 0,9992 0,9992 q9993 0,9993 9.929 0,9991 0,9991 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995 s,?2?i 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,99 0,9996 0,9997 9,?2?t 0,9997 0,9997 0,999't 0,999i 0,9997 0,9997 0,999i 0,9991 0:,9997 0,999t

0,t762 0,17t6 0,l7ll 9,1q1! s,lq!1 0,178E g,?06t 0,20t3 0.2005 o,te17 9,?ll9 9,?S2S 0,2327 0.2296 0,2266 9,2!29 g,?iq2 0,2358 0,?616

0,0045 0,0044 0,0041 0,0040 9,904? 0,0062 0,0060 0,0059 0,0057 0,0055 9,9oq? 9,0080 0,0071 0,0075 0,0073 0,0102 0,0099 0,0096 9,9!9? 9,9!04 0,0132 0,012e 0,0125 9,9!i9 g,9li6 0,0174 0,0170 0,0166 0,0162 9,9!?2 0,0228 0,0222 0,021? o,o2t2 0,020? g,g?!? o,ojar o,o2i4 0,0268 0,0262 9,9159 0,0352 0,0344 0,0115 0,0129 0,0416 0,0421 0,0418 0,0409 9,0446 g,g!48 0,0537 0,0526 0,0516 0,0505 0,0668 0,0655 0,0641 0,0610 0,0618 0,0778 0,0764 0,0749 9,9q9! 9,07?3 0,0914 0,0918 0,0901 I,g9q! 0,0951 0,r I r2 0,10e3 0,t075 I,l!!l 0,1 !i! 0,l]35 0,1314 0,12e2 o,t27t 9,11!? 0,1587 0,1562 0,1539 0,1515 0,1492

9.000j 0,0001 0.0001 0,0003 0,0003 0,0003 0,0003 0,0005 0,0004 0,00&t 0,0004 0,0oot 9,0001 Q,0Q05 q!oa? 0,0006 0,0006 0,0006 0,0006 0,0006 9,000? g,0olg 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0013 0,0013 0,0011 0,00t2 0,0012 0,001 I 0,00t I 0,0017 0,00t7 0,0016 0,00t6 0,0015 9,00!9 0,0olt 0,0025 o,oo24 0,0023 0)0[.22 0,0022 0,002t 9,00?6 g,oolq 0,0034 0,0031 0,0032 0,0030 0,0030 0,0029

0,0015

0,@40 0,0039 0,00t8 0,00J4 0,0052 o,oo5l 0,007t 0,0069 0,0061 0,0094 0,0091 0,0089

0,0021 0,0028

0,0158 0,0202 0,0256 0,0322 0,0401 0,0495 0,0606 0,0?35 0,0885 0,1056

o,ot22

0,01

0,125t

0,1469

0,0314 0,0307 0,0301 0,0294 0,0392 0,0384 0,0175 0,0367 0,04E5 0,0475 0,0465 0,0455 0,0594 0,0582 0,0571 0,0559 0,0722 0,0708 0,0694 0,0681 0,0869 0,0853 0,0E38 0;0823 0,103r o,to2o 0,1003 0,oer5 0,1230 0,12t0 0,1190 0,1170 0,1446 o:,t423 0,1401 0,1379 0,1685 0,1660 0,1615 o,l6ll 0,le4e o,te22 0,18e4 0;1867 0,2236 0,2206 0,2177 0;2148 0,2s46 0,2s14 0,2483 0;24st 0,2A71 0,2843 0,2810 0,2776 0,3228 0,3192 0,1156 0.312t 0,3594 0,3557 0,3520 0,3483 0,1974 0,1936 0,3897 0;3859 0,4364 0,432s d,4286 0,4241

0,0t54 0,0150 0,0146 0,0t97 0,0192 0,0lEt 0,0250 0,0244 o,o2)9

re

0,01

16

0,0004 0,0005 0,0007 0,0010 0,0014 0,0020 o,@21 0,0037 0,0049 0,0066 0,0087
0,01

0,m03

0,0002 0,0003 0,0005 0,0007 0,0010 0,0014 0,0019 0,0026 0,0036 o,oo48 0,0064 o,oo84 0,01 lo 0:0143 0,0183 0,0213

13

2l lt
Tabel III -

2lt)

Skala Parameter untuk Distribusi Gumbel tipe IIL

'l'abel III - 3. Nilai k Distribusi Pearson tipe

lll

dan Log Pearson ti

(..t

1/a

Ao

Bo

CS ,054
,081

l/d
0,66 0,67
0,68

Ao
0,152

Bo

Periode Ulang (tahun)


Kemencengan (CS) 50 3,0 1) 20

0,t57
0,1

,u9
,623 .596 ,573 ,549 ,526
,503

t0
t0

25
Peluang

50
(o/o)

100 200
I
0,5

t000
0,1

0,007 0,038 0,059 0,099


0,129 0,1 58

0,28

0,155

3,357

,to7
,l 34
,150 ,187

0,29 0,30
0,3 t

0,350
0,346 0,341 0,336 0,33 r 0,327

1,46t
3,370 3,277 90 3,1 06 3,030
3,1

0,69 0,70
0,71 0,72 0,13 0,74 0,75 0,76

52 0,147

42
2,278
2,262

0,142 0,136
0,131

0,rE8 0.217
0,245 0,274 0,302 0,331

o,32 0,33 0,34 0.35

,214 ,240
,267

0,t26

0.322
0,31?

2,955
2,885
2,81 8

,294
,321

0,l2l 0,1 l6

,4t0
,45E

)\

,436
,415

2,0
1,8 1,6 1,4 1,2 1,0

-0,350 -0,360 -0,330 -0,307

0,420
0,518
0,s'14

0,36 0,37
0,38 0,39 0,40 0,41 0,42 0,43 0,44 0,45 0,46 0,47

0,llt
0,1

0,312
0,307 0,302

,348

0,77
0,78 0,79

06

2,754

0,359 0,386

0,297 0,292
0,287

2,692 2,634 2,578 2,524


2,472 2,422

,775 ,402
.430

0,l0l
0,096
0,092

0.80

,394 ,374 ,354 ,314


,3

|,457
1,484 t,5 l2

0,8I
0,82 0,83 0,E4 0,85

0,087
0,082

0,4t4
0,442 0,469 0,469
0,523 0,551 0,571

,o(

l4

0,9
0,8 0,1 0,6

-0,195 -0,164 -0,148 -0,132


-0,1
r

-0,282 -0,254 0,675 -0,225 0,70s


0,'132

0,609 0,643

,180 ,250 ,284 ,302 ,318 ,329

2,240
2,219 2,193 2,163 2,128 2,087 2,043

0,758
0,'169

0,282
0,277 0,271

2,374 2,328 2,284 2,241 2,199

t,540 |,567 t,595


t,6?3 r,651

0,077 0,072 0,067


0,063

,276

,258 ,240

0,266
0,?61

0,48
0,49 0,50 0,51

o,256
0,251

0,86 0,87 0,88


0,89

a)a
,204

0,5
0,4 0,3

0,058
0,053

,l 87
,170 .154

0,604
0,63 I 0,658

I,680
1,708

0,049
0,044

0,2
0,1

0,246 0,240 0,235


0,230

2,t59 2,t20
2,082 2,045 2,009

0,90
0,91 0,92 0,93 0,94 0,95 0,96
0,9'7

0,684

0,s2
0,53 0,54 0,55 0,56

t,737 t,765

0,040
0,035 0,03 I

t,137

0,0

I,l2l
1,105 1,089

-0,I
-0,2

0,7rI
0,738 0,764 0,790
0,81 7

t,794
t,823

0,22s
0,219

I,975
1,941

t,852
t,881 t,9l I

0,026 0,022
0,017 0,013

1,074
1,059 1,044

0,7t4
0,209

0,57
0,58

0,843

0,204
99 0,1 93
0,1 0,1 0,1 0,1

I,909 t,877
I,846
1,815

-0,3 -0,4 -0,5 -0,6


-0,7

t,940

0,870 0,896 0,922


0,949 0,975

0,59
0,60
0,61

t,970
2,000 2,309 u,640

0,98 0,99

I,00

0,009 0,004 0,000 -0,040


-0,077

1,029
1,014 1,000

0,099 -0,083 -0,066 -0,050 -0,033 -0,017 0,000 0,842 0,017 0,836 0,033 0,850 0,050 0,853 0,066 0,855 0,083 0,856 0,099 0,857
0,1

0,780 0,790 0,800 0,808 0,816 0,824 0,830 0,836

,340 ,340 ,339 2,0 r 8 ,336 1,998 ,333 1,967 ,328 1,939 ,323 1,910 ,317 1,880 ,309 I,849 ,301 1,818 ,292 t,78s ,282 t,751 ,258 ,245 ,231 ,216 ,200 183 ,166 ,147
,

,33',1

3,048 3,845 2,9',t0 3,705 2,912 3,605 2,848 3,499 2,780 3,388 2,706 3,271 2,626 3,t49 2,542 3,022 2,498 2,957 2,453 2,891 2,407 2,824 2,359 2,755 2,311 2,686

3,t52

4,051

4,9:t0 7,250 4,652 6,600 4,444 6,200 4,298 5,910


3,990 3,828 3,661 3,489 3,401 3,312 3,223 3,132

4,t47

5,660 5,390

5,1r0 4,820 4,540


4,395

4,250
4,105

2,26t

2,2tt

2,6t5
2,544

,2',10 t,76t
I,680
1,643

l,606
1,567 1,528 1,488 1,448 1,407 1,366

2,159 2,472 2,107 2,400 2,054 2,326 2.000 2,252 1,945 2,t78 1,890 2,104 1,834 2,029 1,777 1,955 1,663 l,806 1,606 r,733 1,549 r,660 1,492 l,588 1,379 t,449 1,2'70 1,3 l8 0,980 0,900 0,198 0,666
I ,166 t ,197 I,069 1,087

-0,8
-0,9
- 1,0

88 78 67

I,786
I ,757

l,l0
1,20
1,30 1,40

),865

I,002 I,028

0,62 0,63 0,64 0,55

0,1 83

),752

0,132 0,148 0,164


0, r

l6

r,720

r,880

0,172

t,729 I,702

t,996 t,382
),802

-0,109
-0, I 36

),6s2
),563

-1,2

-t,4
- 1,6 - 1,8

|,675

1,50

-0,160

).486

-2,0

-')

<

-3.0

0,225 0,832 0,254 0,817 0,282 0,799 0,307 0;t't'7 0,330 0,752 0,360 0,71l 0,396 0,636

95

0,857 0,856 0,854 0,852

2,763 3,380 2,670 3,235 2,576 3,090 2,482 3,950 2,388 2,8r0 2,294 2,675 2,201 2,540 2,108 2,400 2,016 2,215 1,926 2,150

3,04r 3,815 2,949 3,670 2,856 3,525

3,960

0,844

,t28

t,837 2,035 I,749 1,910 t,664 I,800


1,50

,086 1,282 ,041 I,198 ,994 l,l l6 ,945 1,035 ,895 0,959 ,844 0,888 ,711 0,'193 ,660 0,666

l,35

0,990 0,905

0,799
0,667

0,907 0,800 0,667

t,216 t,09'l l,99s

t l

t,625
1,465

I,280
1,130

I,000
0,910 0,802 0,668

220

22t

Tabel

III - 4. Faktor

Frekuensi k untuk Distribusi Log Norm al 2

I'abel
P

Ill - 5. Faktor Frekuensi

arameter.

k untuk Distribusi Log Normal 3 Parameter.

Peluang Kumulatif P (/o) : P

Ko$sien
Variasi (CV) 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000
0,3500

s0

80

90

9s

6<

n 98

Peluang Kumulatrf (/o) Koefisien

50

80

90

95

98

99

99

Kemencengan

2s1020s0100
-0,0250 0,8334 -0,0496 0,9222 -0,0738 0,8085 -0,0971 0,7926 -0,1194 0,7746 -0,1406 0,7647 -0,1604 0,7333 -0,1788 0,7100
-0,1957 0,6870 -0,2111 0,6626 -0,2251 0,6379 -0,2375 0,6129

Periode Ulang (ahun)

(CS) -2,00

25102050100

Periode Ulang (tahun)

1,2965 1,3078 1,3156 1,3209 1,3183 1,3126 1,3037 1,2920 1,2778 1,2613 1,2428 1,2226 1,2011 1,1784 1,1548 1,1306 1,0810 1,0560

1,6863

2,1341 2,4570 2,2130 2,5489 2,2999 2,4318 2,5638 2,6212


2,2607

1,80

-r,60
-1,40 -1,20 -1,00 -0,80 -0,60 -0,40
-0,20

1,7247 1,7598

0,2366 -0,6t44 -t,2437 -1,89t6 -2,7943 -3,5196 0,2240 -0,6395 -t,262t -1,8928 -2,7578 -3,4433 0,2092 -0,6654 -t,2792 -1,890.1 -2,7138 -3,3570 0,1920 -0,6920 -1,2943 -t,8827 -2,6615 -3,2601

1,3200 l,79ll 2,3640 2,7716


1,8183

2,8805

1,8414
1,86:02

2,5015 2,9866
3,0890 3,1870

0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500
0,9000

1,8746 1,8848 1,8909


1,8931

0,00

2,6731 3,2799 2,7202 3,3673 2,7613 3,4488 2,7971 3,5211 2,8279 3,3930 2,8532 3,3663 2,8735 3,7118 2,8891 2,9002
3,7617 3,8056 3,8137

0,t722 -0,7186 0,1495 -0,7449 0,124t -0,7700 0,0959 -0,7930 0,0654 -0,813 r 0,0332 -0,8296 0,0000 0,0000
-0,0332 -0,0950 -0,1241 -0,1495 -0,1722 -0,1920 -0,2240
0,8996

-1,3067 -1,8696 -1,3156


-1,8501

-2,6002 -3,r52t
-2,5294 -3,0333

-1,320t -1,8235 -2,4492 -2,9043 -0,3194 -1,7894 -2,3600 -2,7665 -0,3128 -1,7478 -2,2631 -2,6223
-0,3002
-1,6993 0,0000

-2,1602 -2,4745

0,0000

0,0000 2,2631

0,0000

0,20 0,40 0,60 0,80


1,00 1,20 1,40 1,60 1,80

-0,0654 0,gl3l
0,7930 0,7700 0,7449 0,7186 0,6920

1,8915 1,8866 1,8786 1,8677


1,8543

-0,2185 0,5979
-0,2582 0,5631 -0,2667 0,5387 -0,2739 0,51 18

-0,209? 0,66s4
0,6395

-0,2801 0,4914
-0,2852 0,4686 -0,2895 0,4466 -0,2929 0,4254

1,8388

2,00

=0,2366 0,6144

0,3002 t,6993 0,3128 1,7478 0,3194 1,7894 t,3201 t,8235 1,3156 1,8501 t,3067 1,8696 1,2943 r,8827 r,2792 1,8901 1,2621 1,8928 1,2437 1.8916

2,1602 2,4745
2,6223

2,3600 2,7665 2,4492 2,9043 2,5294 2,6002


3,0333 3,1521

2,6615 3,260t 2,7138 3,3s70 2,7578 3,4433 2,7943 3,5t96

1,1060 1,8212 2,9071


1,8021

0,9500
1,0000

2,9103 3,8762 2,9098


3,9035

1,7815

222

228

l'abel

lll - 6

Nilai tc Untuk pengujian DistribusiNormal


0.1

Dcrajat Kepercoyaan

(a)
-

0.05

0,0t

0.02

0.002

Tabel

III - 7 Nilai Kritis untuk Distribusi Chi-Kuadrat


(uji satu sisi)

1,28

- r,645
atau

- 2,33 alau + 2,33

- 2,58
ata4

- 2,88
atau

Uji satu sisi

atau

+ 1,28

+ 1,645

+ 2,58

+ 2,88

dk
0 995

a &rriltkcm
q99
0,v,5
0,95 0,05 0,025

0,0t

0,005

- t,645

1,96

- 2,58
olau
+ 2,58

- 2,8t alau + 2,81

- 3,08
olau + 3,08

I
2
3

Uji dua sisi

olau

atau'

+ 1,645
Smbcr :Bomicr,
Catatan
:

+ 1,96

4
5

lgtl

6 7
E

o o

hipotesis diterima jika nilai t < daripada nilai tc. hipotesis diterimajika nilai t > daripada nilai tc.

l0

Tabel

III - 7 Nilai Kritis untuk Distribusi Chi_Kuadrat


(uji satu sisi)
o
dcrrirt lcocrcrvun

lt
12

dt
I

l3 t4 l5

0,995 0,99 0,97s o,ss 0p5


I 10,0100 0,0201 0,0506 o,lo3 5,99t 0,07t7 0,115 0,216 0,352 7,il5 | o,2o7 I 0.412 0,297 0,414 o,?lt 9,4rr 0,554 0,r3t I.145 ll,o7o | O,t72 1.237 1,635 t2,5y2 I 0,676 t,239 t,69O 2,167 t4,67 | 0,9t9 t.344 1,646 2,1t0 2,733 15,507 r,735 2,0t8 2,7@ 3,325 16,919 2,t56 2,558 3,247 3,9t0 lt,3o7 2,@3 3,053 3,u6 4,575 19,675 3,074 3,57t 4,4U 5,226 21,026 3,565 4,t07 5,0(x) s,t92 22,362 4,075 4,@ 5,629 6,571 23,6t5 4,@t 5,229 6,262 7,26t 24,9X s,t42 i,srz 6,901 7,s62 26,2s6 5,697 6,408 1,5A 8,672 27,5t7 6,265 7,015 8,231 9,390 28,869 6,844 7,633 t,907 . lo,l t7 30,144 '1,434 8,260 9,591 lo,tsl 3l,4lo 8,034 E,E97 10,283 I 1,591 32,671 8,643 9,542 10,9t2 12,338 33,924 9,260 10,196 I 1,689 13,091 36,172 9,886 10,856 12,40t 13,t48 36,415 10,520 tt,524 13,120 14,61 I 37,652 l 1,160 12,198 13,844 15,379 38,885 l l,80t 12,8't9 t4,573 16,151 40,il3 t2,46r 13,565 15,308 t6,92t 4t,337 t3,l2l t4,256 16,M7 t7,?o8 42,557 t3,7E7 14,953 t6,79t tE,493 43,773
I

op25 o,br
5,024 7,37t 9,34t I I,143 t2,t32 6..635 9,2to I t,345
13,277

o.oos

l6
t7 l8
19

o.oooorei o,ooorsz o,ooo9r2 o,oo393 3,r.u

2
3

7,\79 t9597 t2,83t


14,E60

4
5

20

6
7

t
9

t0

u
t2
l3

l4 l5
r6

t't
t8

l9
20

2t
22
23

24
25

26 21

2t
29 30 Sumbcr

I5,0t6 t6,750 14,449 16,il2 tt,54t I5,0t3 18,475 20,27t t7,535 20,090 2t,955 19,023 zl..ffi 23,5t9 20,483 21,209 25,18t 21,920 24,725 26,757 23,337 26.217 28,300 21,736 27,68t 29,819 26,119 29,t4t 3t,319 27,4tt 30,57t 32,t01 2t,t45 32,000 34,267 30,191 33,409 35,7tt 3t,526 34,t05 37,t56 32,t52 36,r9t 3t,582 34,t70 . 37,566 39,997 35,479 38,932 41,401 36,781 40,2E9 42,196 36,076 41,63t /g,ltl 39,364 42,9t0 45,55t 40,646 44,314 46,928 4t,923 45,642 48,290 43,t94 46,963 49,e45 44,461 48,278 50,993 45,722 49,5tt s2,336 46,979 50,E92 53,672

2t
22
23

u
25 25 27

2t
29 30

0,gloo o,07t7 0,2st 0,412 0,06 0,989 t,3u 1,7t5 2,156 2,@3 3,074 3,565 4,075 4,@t s,t4z ss97 6,26s 6,844 7,434 E,03,1 t,6/t3 9,260 9,tt6 1q520 ll,160 u,sds 12,6t l3,l2l

0,0000393

12,879 13,565 14,256 13,787 14,953

o,(,2ot 0,0506 0,115 0,2t6 0,2yt 0lr4 0,554 q83r 0,872 1,237 1,239 1,690 t,ffi 2,180 2,088 2,7@ a55E 3,A7 3,053 3,8',16 3,s7t 4,4U 4,rO7 5,009 4,60 5,629 5,229 6,?62 5,812 6,908 6,,108 7,5il 7,015 8,231 7,633 t,907 8,2@ 9,59t r,r97 10,213 s,542 10,982 lg196 il,689 10,856 lL4ol tt,5?1 13,120 12,198 13,u4

q000r57 0,0009t2 0,0693 3,s.tl

0,103 5,991 0,352 7,u5 0,7n 9,418 I,r45 11,070 1,635 r\sy2 2,tfi 14,67 2733 15,507 3,325 16,919 3,940 18,307 4,575 t9,O5 5,226 2t,026 5,Ey2 22,362 6,571 23,685 7,261 U,96 7,96? 26,296 8,en 27,5t7 9,390 2t,869 t0,ll7 30,t,&t l0,r5l 31,410 ll,59t 32,ot 12,33t 33,9U
13,091
l3,t
36,t72

tE 36,415 ld6u 37,652 t5,3?9 3r,tt5 11,573 t6,l5t ,t0,ll3 15,301 16,928 4t,337 t6,U7 17,70t 42,557 t6,791 18,493 $,m

39,364 42,910 44,311 11,923 45,612 ,t3,19,1 16,963

6..635 7,t79 9,2t0 1q597 11,345 lat3t t3,27t t4,r6o 12,832 1s,086 16,750 t1,49 16,812 lt,54t 16,013 t8,475 20,m 17,535 20,090 21,955 19,023 zt,ffi 23,589 2q483 23,2W 25,1rr 2t,920 24,725 26,757 8,337 26,2t7 2t,300 24,736 27,6tt 29,819 26,1t9 29,t1t 31,319 27,4tt 30,s7t 32,801 28,845 32,0W 34,267 30,191 33,&9 35,7tE 31,526 34,t05 37,t56 32,t52 36,191 3t,582 3,1,170 37,56 39,997 35,479 3t,932 41,401 35,7u 10,289 4\796 38,076 4t,63t 44,18t
45,5sr
46,yaa

5,024 7,3?t 9,34t ll,l43

&,46

14,6t 48,27t 50,993 45,722 49,588 52,336


46,979 50,892
5?,672

48,2n 49,9s

\r

1980

224

22lt

ITlrrrril

il i ilil rll Itl

I i
I

o'

o o

al

o_

o-

Kertas Peluang Distribusi Normal

Kertas Peluang Distribusi Log Pearson tipe

III.

228

a2 <i 5ii 'i2


90

Bab 4
Co 3r.
d da d 2

Eo
E

6i

>

aplikasi metode statistik untuk memperkirakan debit baniir

I
a
!

4.1.

PENDA'IULUAN

Pada sub bab 3.3 dan 3.4, telah diuraikan penggunaan beberapa persamaan distribusi peluang kontinyu (continuous

Probability Distributions) untuk' menghitung debit banjir


maksimum yang dapat diharapkan terjadi pada tingkat peluang atau

periode ulang tertentu. Perhitungannya berdasarkan data debit puncak banjir maksimum tahunan hasil pengamatan dalam periode waktu yang cukup lama, minimal l0 tahun data runtut waktu.

IOH (Institute of Hydrolog), Wallingford, Oxon, Inggris bersama-sama dengan DPMA


Pada tahun 1982-1983,
x,tia:r^

Kertas Peluang Distribusi Gumbel

(Direktorat Penyelidikan Masalah Air, sekarang pusat penelitian dan Pengembangan Pengairan, Badan Litbang pU, Departemen pU) dalam hal ini sub Dit Hidrologi (sekarang Balai penyelidikan Hidrologi), secara bersama-sama, telah melaksanakan penelitian untuk menghitung debit puncak banjir, yang laporannya tercantum dalam buku "Flood Design Manual for Java and Sumatra,,. Perhitungan debit puncak banjir yang diharapkan terjadi pada
peluang atau periode ulang tertentu berdasarkan ketersediaan data debit banjir dengan cara analisis statistik untuk Jawa dan sumatera.
227

22t4

229

Prosedur perhitungannya dapat dilihat dalam {iagram 3.1, pada sub bab 3.4. Prosedur tersebut diperoleh dari penelitian 92 daerah pengaliran sungai (DPS) di Jawa dan Sumatera setiap Dps, minimal 5 tahun data, sehingga yang digunakan untuk analisis adalah l00l tahun data.

suatu DPS, diperlukan minimal 2 (dua) metode, tergantung data yang tersedia. Hal ini dimaksudkan untuk menentukan nilai MAF yang logis terhadap suatu DPS. Penentuan MAF, seringkali masih

memerlukan pertimbangan-pertimbangan'logis, ketelitian dan


pengalaman. Kalau perlu dilakukan pengukuran dan pengecekan lapangan untuk menentukan luas penampang sungai, kecepatan aliran, batas ketinggian aliran melimpatr dan frekuensi kejadiannya, metode perpanjangan lengkung debit (disbharge rating curve extrapolation), (lihat Soewarno, 1991: Hidrologi, Pen'guhran dan Pengolahon Data Aliran Sungai - Hidrometri, Penerbit Nova) dan informasi lainnya yang dapat menentukan ketelitian perhitungan MAF.

Dari diagram 3.1, untuk mendapatkan debit puncak banjir pada periode ulang tertentu, maka ddpat dikelompokan menjadi 2 (dua)
tahap perhitungan, yaitu
:

1). Perhitungan debit puncak banjir tahunan rata-rata (mean


annual

flood:MAF),
factor

2).

GF) terhadap nilai MAF, untuk menghitung debit puncak banjir sesuai dengan periode ulang yang diinginkan.

Penggunzurn faktor pembesar (Growth

Perkiraan debit puncak banjir tatrunan rata-rata, berdasarkan ketersediaan data dari suatu DPS, dengan ketentuan :

l).

Apabila tersedia data debit, minimal l0 tatrun data runtut waktu, maka MAF dihitung berdasarkan data serial debit puncak banjir tahunan,

Sub bab 4.2, akan membahas perkiraan MAF dari ketiga metode yaitu metode serial data, POT dan regresi, dan menguraikan perhitungan debit puncak banjir yang diharapkan dapat terjadi pada periode ulang tertentu.dengan menggunakan nilai fbktor pembesar (GF). Sub bab 4.3 rnembahas cara perbaikan hasil perkiraan debit puncak banjir. Pada sub bab 4.4 akan di bahas memperkirakan debit banjir berdasarkan data tinggi muka air, karena tidak tersedia data curah hujan atau debit di lokasi yang diteliti.

2). Apabila tersedia data debit, kurang dari l0 tahun data


runtut waktu, maka MAF dihitung berdasarkan metode puncak banjir diatas ambang (peak over a threshoild: POT),

4.2

METilPENKTNAKAN

TITAF

3). Apabila dari DPS tersebut, belum tersedia data debit, maka MAF ditentukan dengan persam&m regresi,
berdasarkan data luas DPS (AREA), rata:rata tahunan dari curah hujan terbesar dalam satu hari (APBAR), kemiringan sungai (SIMS), dan indek dari luas genangan seperti luas danau, genangan air, waduk (LAKE).

Seperti telah disebutkan pada sub bab 4.1, perhitungan debit puncak banjir tahunan rata-rata (MAF) dapat dilakukan dengan 3 (tiga) metode, yaitu :

1). Serial data (data series) 2). POT Qteaks over a threshold series) 3). Persamaan regresi (regression equation)
4.2.1. Ilfetodc Sefial llalta
Dalam penerapan metode serial data, untuk memperkirakan

Dari nilai MAF tersebut, berdasarkan nilai faktor pembesar (GF), maka dapat diperhitungkan debit puncak banjir terbesar yang dapat diharapkan dapat terjadi. Apabila data serial debit puncak banjir kurang dari 20 tahun, maka untuk menentukan MAF dari

debit puncak banjir tahunan rata-rata, dilaksanakan

dengan

mengumpulkan data debit puncak banjir terbesar setiap satu tahun,

230

291
Tabel

dari data runtut waktu dari pos duga air sungai dari suatu DPS atau sub DPS, dimana penelitian dilaksanakar5 minimal l0 tahun data. Satu tahun data, di Indonesia disarankan tidak sama dengan satu tahun kalender, akan tetapi dimulai dari awal bulan terkering (misal dimulai tanggal I Oktober dan berakhir tanggal 30 September tahun berikutnya), hal ini dimaksudkan agar data yang dipilih betul-betul merupakan variabel acak bebas. Dalam satu tahun data, maka datanya harus lengkap, tanpa terdapat periode kosong terutama pada musim penghujan
dapat dilaksanakan dengan 2 (dua) cara, tergantung terdapat tidaknya nilai debit puncak banjir yang terlalu besar, yaitu :

4.1. Data Debit Puncak Banjir DPS Cimanuk di Duga Air Leuwigoong
Urutan
Tahun
7475

Pos

No.

Debit (m3/det.)
477,7 381,8 365,79 356,35 356,35 354,79 350,13 334,8 328,77 327,27 325,77
321,3

I
2
3

3738
4243 7071 4142
3637

4
5

Dalam metode serial data, perhitungan MAF

6 7
8

4344
303

l0

ll

3233 6869 3435


7172

l)

Apabila
maka

,*:
X

< 3,.0

t2 l3 (4.1)

=*
[

l4
l5

2728 6566

308,08
305, I 8

Xi

l6
t7 (4.2)
18

2829 3s36
6768 7374

,.: Itrr,-xl'1]
"-' )
3,0

l9
20

3132 3940
3839 7778 7879 7677

2) Apabila R :

2l
22 23

>

maka X:1,06X*.6
Keterangan
:

24
25

3334
7576

300,85 296,56 290,87 279,68 275,54 261,95 261,95 259,27 255,28 252,64 251,32
250,01

26
27 28

2930
7980
7273

X,,,*=

debit puncak banjir maksimum terbesar selama periode pengamatan.

29 30

X : S* : n :

Xmed: median debit puncak banjir maksimum (untuk menentukan median lihat sub bab 2.1.5. pada BAB rr).
debit puncak banjir tahunan rata-rata. deviasi standar MAF jumlatr data: lama periode'pengamhtan.

3l
32
Sumber: DPMA, 1982.

6970 4041 6667

229,47 219,53 219,53 212,22 205,03


193,3 I

232 Contoh 4.1.

23:l

Data dalam tabel 4.1, menunjukkan data debit puncak banjir dari DPS Cimanuk-Leuwigoong, Kabupaten Garut, propinsi Jawa Barat selama 32 tahun. oleh karena datayang tersedia cukup, maka untuk memperkirakan besarnya MAF dapat menggunakan metode serial
data, tentukan parameter statistiknya.

menyatakan bahwa debit puncak banjir rata-rata DPS CimanukLeuwigoong adalah 295 m3/det dengan deviasi standar 60 mr/det atau ketelitiannya sekitar 20,33 Yo dari perkiraan nilai perkiraan debit puncak banjir tahunan rata-ratanya.

Jawab Contoh 4.1.

Untuk memperkirakan besarnya debit puncak banjir yang dapat diharapkan terjadi pada tingkat peluang atau periode ulang tertentu, maka dapat cara mengkalikan nilai MAF dengan besarnya faktor pembesar yang merupakan fungsi dari besarnya periode ulang (T) dan luas DPS.
Besamya debit puncak banjir pada periode ulang tertentu dapat dihitung dengan model matematik :

Dari tabel 4.1. berdasarkan nrmus pengukuran tendensi sentral dan rumus pengukuran dispersi, maka dapat dihitung :

: 294,9378 (rata-rata hitung) X X,n* : 477,700 (maksimum) Xmed : 293,7150 (median) SE : 10,86 (kesalahan standar dari rata-rata) S* : 61,4545 (deviasi standar) CV : 20,84 (koefisien variasi)
Sebelum menentukan nilai MAF, langkah awal adalah menguji rekaman data tersebut, apakah serial data tersebut terdapat data debit puncak yang terlalu besar sehingga nilai perkiraan MAF terlalu besar.

Xr

: (C) (X)

(4.4) (4.s) (4.6)


-t

S*,
Sc

:
:

Xr

t(tl, * f*l,ll
n

0,16 (log T) (C)

I
Keterangan:

i=l

CX,

- X;'

)t
(4.7)

n-l
) xr :
C

XR: X.o

X."a

_ 477,70 :1,62
293,71

debit puncak banjir pada periode ulang ke T faktor pembesar (lihat data tabel4.2) debit puncak banjir tahunan rata-rata deviasi standar dari X.r. deviasi standar C. deviasi standar dari X.

x
Karena nilai XR < 3,0 ; rnaka menunjukkan bahwa serial data tabel 4.1, tidak menunjukkan adanya nilai debit yang terlalu besar. Dengan demikian nilai rata-ratartya sebesar X dapat digunakan sebagai nilai perkiraan MAF.

S*,
SC

sx

MAF :294,937& m3/det (dibulatkan

Z9S m3/det).

Nilai deviasi standar merupakan tolok ukur ketelitian perhitungan,


dengan S*

61,4545 m'/det (dibulatkan 60 m3ldet), maka untuk

2:14

23ti 'f abel4.2. Nilai Faktor Pembesar (C)


Periode Variasi
Redul<si Y
5

Deviasi standar X,

Luas DPS ( km')

l; Sxr: = \z *, [rS. ,,,S*


200

Ulang
T

<

tg1

i00
1,27 1,54 1,84

600
1,24 1,48 1,75

900
1,22 1,44 1,70

> 1500

1,50

1,28 1,56 1,88

10.
20 50
100

2,25

I,l9 l,4l
1,64

l,l7
1,37 1,59 1,96

Sc Sc Sc

: : :
:

l(tl'.(?)'l

0,16 (log T) (C) 0,16 (log 5) (1,23) 0,137

2,97
3,90

2,35

2,30 2,72
3,20 3,92

2,18 2,57
3,01

2,10
2,47

2,03 2,37 3,78


3,41

s5
55

:360[(H),.(#),],
83,48

4,60
5,30 6,21
6,9'.[

2,78
3,27
4,01

2,27 2,66
3,27 3,85

200
500 1.000

2,89
3,56

3,70 4,32

4,68

4,58

4,t6

4,01

Sumber : IOH/DPMA, 1983.

Dengan demikian debit puncak banjir DPS Cimanuk- Leuwigoong untuk periode ulang 5 tahun adalah 360 m3/det dengan deviasi standar 83,48 m'/det. Tabel 4.3, menunjukkan hasil perhitungan
selengkapnya.

Contoh 4.2.
Berdasarkan data pada tabel4.l, telah diperoleh debit puncak banjir tahunan rata-rata dari DPS Cimanuk-Leuwigoong selama 32 tahun data adalah :

Tabel4.3

Perkiraan Debit Puncak Banjir DPS Cimanuk - Leuwigoong Dengan Metode Serial Data.

V: S*:

295 m3/det.

No

Periode Ulang

6o m'/det'
I
2
3

C
I
1,23 1,46

Debil
(m3/ det)

Deviasi
(m3/ det)

(tahun)
2,33
5

'(m3/

Batas
det)

Tentukan debit puncak banjir dan deviasi standamya pada periode ulang 5, 10, 20 dan 50 tahun, diketahui luas DPS :757,4krn2" Jawab Contoh 4.2.

295
360

60
83

l0
20 50

430
504 623

ll0
146

4
5
z

l,7l

235 - 355 279 - 445 320 - 540 358 - 650


412

2,ll

212

- 837

Sumber : Perhitungan Data Tabel 4.1.

Untuk periode ulang 5 tahun

Berdasarkan tabel5.2, nilai faktor pembesar'dengan cara interpolasi adalah 1,23 maka:

4.2.2. Itctode
umumnya

xr:
Xr:

P(n

(c) (x) (l ,23) (295)

Apab-ila pengamatan data debit kurang dari

l0 tahun data, kurang teliti untuk memperkirakan nilai MAF oleh

X5:362,85 m3ldet, dibulatkan 360 m3ldet.

karena itu disarankan memperkirakan MAF dengan metode puncak

2:t(i

237

hanjir diatas ambang (POT). Metode POT disarankan tidak


digunakan apabila lama pengamatan data debit kurang dari 2 tahun. Setiap tahun data dipilih puncak banjir sebanyak 2 sampai 5 buah. Data debit selama tahun pengamatan ditentukan nilai batas ambangnya (qo) dan selanjutnya ditentukan nilai debit puncak banjir yang lebih besar dari qo. Dari hidrograp debit puncak banjir dipilih harus yang independen, apabila tidak independen maka sebaiknya dipilih puncak pertamanya.

ll rrlrr-nrtu lcrlampaui (mean exceedence) N, tlcbit puncak lebih besar dari X, rn jumlah puncak banjir n : lama tahun pengamatan Sx : deviasi standar dari X. A : jumlah puncak banjir terlarnpaui (number of
exceedence) pertahun.

Pemilihan nilai qo, dapat ditentukan dari grafik hidrograp muka air yang terekam dalam grafik tinggi muka air otomatis (AWLR). Berdasarkan nilai qo yang ditentukan dari tinggi muka air AWLR, maka dengan bantuan lengkung debit dapat diperkirakan nilai debit yang besarnya lebih besar dari qr. Gambar 4.1, dapat digunakan sebagai acuan dalam menentukan nilai go, syarat penentuan puncak banjir g, dan qr, adalah :

Contoh 4.i.

Ts>3T,

(4.8) (4.e)
dapat
:

Dari data debit banjir DPS Ciliwung yang terekam di pos duga air Kebonbaru Kabupaten Bogor, Propinsi Jawa Barat dengan luas DPS : 33 km2, selama tahun 1980 - 1984 (empat tahun), untuk memperkirakan debit puncak banjir tahunan rata-ratanya dapat digunakan metode POT. Debit banjir batas ambang (XJ ditentukan 100 m3/det, pada tinggi muka air 4,50 m. Tentukan nilai MAF dan deviasi standarnya dan debit puncak banjir yang dapat diperkirakan
untuk periode ulang 5, 10,20 dan 50 tahun dan deviasi standarnya.

q,'3 q,

Debit banjir lahunan rata-rata dengan metode POT,

diperkirakan dengan persamarul'model matematik sebagai berikut

x:
B:
A:
sx

Xo+B (0,5772 +lnA)

(4.r 0)

ls m? r=
tm

(x' - )i)
I

(4.11)

m n

(4.r2)
.

1r1
B rl

Jn

(bilam> 3/tahun)
rn

(4.13)

sx :

,n:

t; *

(0,5r?2i

A)2

r
,

(bila m < j/tahun)

(4.t4)

Keterangan

X : debitpuncak banjir tahunan rata-rata(MAF) & : debit batas ambang (qo)

Gambar

4.

l.

Garis Batas Ambang

2:t8

2:t1)

Jawab Contoh 4.3.

nl

24 buah kejadian banjir terlartrpaur m


n I

'l'abel 4.4, menunjukkan perhitungannya.

=24 4

:6

buah Qtersamaan 1.12)

Tabel4.4. Perhitungan Debit Puncak Banjir Metode POT DPS Ciliwung - Kebon Baru.
No I
2
J

B: B: '

(X, Qtersamaan m i=l I (903) = 37,63 m'/det. 24


:

Xo)

1.1t)

Tahun
1980

Tanggal

xi

xo
00

(X, - Xo) 27

Berdasarkan persamiurn (a.10)

5-5

2-5

lll

127

4
5

tt-7
30- l0

3-5

242 120
116

6
7
8

t2-12
l98l

126
138

00 00 00 00 00
00 00

ll

X:&+B(0,5772+lnA)

t42
20

t6
26
38

X : 100 + 37,63 (0,5772 + ln 6) X : 189,14 m'/det. X = 190 m'/det (dibulatkan)


Berdasarkan persnmaan (a.13)
:

24-|
18

9
10
11

27-l
-

20-l
3

ll0
140
177

l0
40
77

24-3

t2t

t2 l3
14

7-5 6-5
18

lll

00 00 00 00
00

S*:

2l

l,l+ Jn
37,63

ll

S*: l,l

106

-5

l0l

l5

24-9
22-12 26-12
1982

ll8
104

l6
17

00 00 00
00

l8
4

S, :20,69 m3/det:20 m3/det (dibulatkan).

l8
19

2-l t4-r
19- l

304
107 105

204
7
5

00 00
00

20

255
I l5
123 109

155
15

2t
22 23
1983

22-1 30- l 14-3

00 00
00

23 9

24

4-4
:

tt7

00
Jum lah

t7
903

Dengan demikian dengan menggunakan metode pOT, maka debit puncak banjir tahunan rata-rata (MAF) DpS ciliwung di pos duga air Kebonbaru diperkirakan 190 m3/det, dengan deviasi standar 20 m3/det (atau 10,52 % darl MAF nya). Tabel 4.5, msnunjukkan hasil perhitungan debit puncak banjimya untuk beberapa tahun periode ulang. Kadang-kadang dijumpai bahwa dalam satu tahun data, terdapat periode kosong, artinya terdapat beberapa waktu yang oleh karena suatu sebab tinggi muka air (terutamapadamusirn penghujan) tidak terekam dalam grafik AWLR.sehingga debit puncak banjirnya tidak dapat dihitung. Dalam keadaan demikian maka nilai Xo harus ditentukan berdasarkan 2 atau 5 puncak banjir dari tahun data yang datanya lengkap. Selanjutnya nilai A, dihitung dengan nrmus :

Sumber Data

Pusat Litbang Pengairan.

Dari tabel 4.4, maka akan diperoleh data

: n :
Xo

100 m3/det
4 tahun

2,l o

241

"
Kcterangan

MI.
Nt_
:

Juwsb Contoh 4.4. (4.1s)

'fabel4.6 Ketersediaan Data Debit Puncak Banjir DPS Batanghari - Muara Kilis.
Data
Lengkap
No.

A : jumlah puncak banjir terlampaui/tahun.


ML

NL

jumlah puncak banjir dari tahun data yang lengkap.


lama tahun pengamatan dari tahun data yang lengkap.

Debil
(m3/det)

Data tidak lengkop

No.

Debil
(m3/det)

Maret 1976177

Perhitungan

nilai (B)

berdasarkan rumus

berdasarkan nrmus (4.10), menggunakan sernua data debit puncak banjir yang tersedia.

(4.1l) dan tXl


Maret 1977/78

2
J

2.329,5 2.434,6

Maret 1978/79
Desember 80/81

I
2

2.739
2.562,2 2.308,6

)
4
5

4
5

2.557,9 2.400,9 2.596,5 2.304,4 2.583,6

6
7 8

2.661
3.230,8 2.609,4 2.579,3 2.337,9

Tabel

4.5

Perkiraan Debit Puncak Banjir DPS Ciliwung di pos Duga Air Kebon Baru.

l0
Surnber: DPMA, 1983

No.

Periode Ulang (tahun)


2,33
5

C
I

Debit
(m3/det)
190

Deviasi
(m3/det)

Batas (m3/det\
170

20

- 210
Berdasarkan data tabel 4.6, dari rumus (a.15)
:

2
3

1,26
1,53 1,83

239 290
347 435

4l
56 80

tgs - 27s
227 -335

l0
20 50

4
5

))o

126

- 409 294 - s34


255

A:

H =+ =5 buah
maka
:

Sumber

Perhitungan Data Tabel 4.4.

Dengan menggunakan mmus 4.1I,

B:249,04 m'/det.
Contoh 4.1. Dari Batanghari - Muara Kilis, dengan luas DPS 18065 km2, selama 5 tahun pengamatan, mulai bulan Maret 1976 - Oktober 1981, telah terekam data debit puncak banjir seperti ditunjukkan pada data tabel 4.6. Tentukan besarnya debit puncak banjir tahunan rata-rata dan deviasi standarnya, serta debit puncak banjir yang diharapkan dapat terjadi pada periode'ulang 5, 10, 20 dan 50 tahun, untuk nilai Xo : 2300 m3ldet.

Debit puncak banjir tahunan rata-ratanya, dengan menggunakan


rumus (4.10) dapat dihitung
:

X: X: X:

Xo+B[0,5772+lnA]
2.300 + 249,04 10,5772 + ln 5l 2.844,56 mr/det. (dibulatkan 2.840 m3/det)

242

243
dengan

l)cviasi standar pada kasus data tidak ldngkap dihitung


rumus
:

Sx

:
:
:

terdiri dari daerah perkotaan. Parameter yang diperlukan untuk menerapkan metode persamiuul regresi ini adalah ; 1). Luasdaerah pengaliran (AREA, km').

Sx Sx

fttro, '??f+ *2#p,s722+ Jls J(sx2)

ffi

s722)+(lnA)l

(4.16)

2).
ln 5l

219,36 m'ldet (dibulatkan 220 m3/det)

3). 4).

f;.ata-rata tahunan dari hujan tahunan terbesar dalam I (satulhari (APBAR, mm) seluruh DPS. Index kemiringan (SIMS, m/krn). Index danau (LAKE, proporsi dari DPS, tanpa satuan).

Peastuon Pcltamcto,.
Tabel 4.7 menunjukkan hasil perhitungan selengkapnya.

l).AREA
/ Luas DPS ditentukan dari peta topograpi dari skala
terbesar yang telah tersedia (skala

Tabel4.7 Debit Puncak Banjir

yang Dapat Diharapkan

:50.000).

Terjadi di DPS Batanghari - Muara Kilis


No.

2).APBAR
Batas

Periode Ulang (tahun)


2,33
5

C I

Debit
(m3/det)

Deviasi
(m3/det) 220 451

(m'/det) 2.620 - 3.060 2.871 - 3.773 3.199 - 4.581


3.513 - 5.517

I
2
J

2.840
3.322

I,17
1,37

l0
20
50

3.890
4.515 5.538

69t
1.002

4
5

I,59
1,95

annual I day rainffal), dapat dihitung dari serial data curah hujan terbesar I (satu) hari, seluruh DPS dengan menghitung rata-ratanya menggunakan metode Isohyet hujan maksimum satu titik rata-rata tahunan (PBAR) (mean annual macimum I day point rainffal). APBAR di hitung dengan rumus :
maximum catchment

Untuk mendapatkan data APBAR (mean

L565

3.973 - 7.103

Sumber : Perhitungan Data Tabel 4.6.

APBAR:PBARxARF
Keterangan
:

(4.17)

APBAR = Rata-rata tahunan dari hujan terbesar 4.2.3.

I{etode f,,egtesi

Pada sub bab ini, membahas metode memperkirakan debit puncak banjir tahunan rata-rata. (MAF), apabila dalam suatu DPS atau sub DPS tidak tersedia data aliran sungai. Metode ini dapat digunakan untuk disembarang tempat di Pulau Jawa dan Sumatera dan tidak dianjurkan untuk diterapkan untuk memperkirakan debit puncak banjir tahunan rata-rata pada DPS/sub DPS yang dominan

PBAR :

dalam I (satu) hari seluruh DPS. Nilai rata-rata tahunan dari curah hujan terbesar I (satu) hari, dari peta Isohyet curatr hujan maksimum I hari yang

dibuat data curah hujan


ARF

terbesar rata-rata tahunan dari setiap pos hujan. besarnya


:

faktor reduksi luas, yang


tergantung luas DPS

244

246

ART
Km2

rawa, waduk) yang berpengaruh terhadap debit puncak banjir sebelah hilirnya.

l-10
l0-30
30 - 30.000

0,99 0,97
1,152 - 0,1233log

AREA

Untuk Pulau Jawa dan Sumatera telah dibuat peta Isohyet curah hujan maksimum satu hari tahunan
rata-rata (isohyetal map of mean onnual.mmimum

I day

rainfall)
3).

I i
t

Sebelum digunakan untuk perhitungan MAF, semud pa{ameter AREA, APBAR, LAKE dan SIMS harus di cek dengan persyaratan berlakunya. Gambar 4.2, menunjukkan hubungan arfiara AREA dan APBAR. Penggunaan metode persamium regresi hanya dapat digunakan apabila kombinasi AREA dan APBAR berada "dalam daerah penerimaan" (inner area).

SIMS
Nilai SIMS adalah index yang menunjukkan besarnya
kemiringan alur sungai, dihitung dengan rumus
:

: SIMS : h:
SIMS

MSL

(4.18) MSL kemiringan alur sungai beda tinggi titik tertinggi dengan titik ketinggian lokasi yang diteliti (m). panjang alur sungai utama (km).

Penggunaan Pcr:$atnaan \cgtcsi Penentuah MAF, dengan membuat hubungan MAF


parameter DPS. Model matematik yang digunakan adalah
:

dan

X:a+bXr+cXz+......
Keterangan:

(4.20)

Titik tertinggi ditentukan dari kontur peta topograpi dari sumber alur sungai utama yang cabang sungainya terpanjang sampai berdekatan dengan batas daerah pembagi (divide) DPS. Nilai SIMS harus berada 1,00 SIMS < 150 mlkm.
4\.

X,, X, ... : variabel bebas: parameter DPS

:MAF

Apabila semua variabel

transformasikan kedalam bentuk logaritma, maka persam&m (4.20) menjadi :


log X

di

LAKE
Nilai parameter lake harus berada g
Lake index dihitung dengan rumus
:

A + B log Xr + C log X, +.....


:

(4.2r)

LAKE < 0,25.

atau dapat dinyatakan sebagai model matematik

LAKE _ Luas DPS di sebelah hulu LAKE


Luas DPS

(4.1e)

X=

loA

X,. Xr.

(4.22)

Lake, dalam hal ini adalah luas daerah genangan (danau,

Analisis persamffm regresi dengan berbagai bentuk model matematik dibahas pada buku jilid II.

246

247

Berdasarkan persamaan (4.22), maka untuk rncnentukan MAF di Pulau Jawa dan Sumatera, berdasarkan 4 (empat) parameter DPS : AREA, APBAR, SIMS dan LAKE telah diperoleh persamaan regresi, dengan model matematik :

,t\
a

x=
aa
a

(t,oo)

(lc)

(AREA), (ApBARr'ars 15114s10,rr'11 + LAKE;-.'" (4.23)

a a a a
a

Dari persam aan (4.23),nilai V, dapat dihitung sebagai fungsi dari luas DPS, yaitu :
q)

L tra

60

a(

q)

at aa
a

s aa
.sa

V = 1,02 - 0,02751o9

AREA

(4.24)
data

aa

\s
;t

Nilai V, sesuai dengan luas DPS, dapat dinyatakan sebagai


pada tabel 4.8. Tabel

aaa
a

aa aa aaa
a

,'
t

2-?
al

.! rl

t.s. o
aa

,-.

. .

lo

fr s tl ds a. q.
JV

il& a< -.
\Q

S^

4.8. Nilai V l/
1,02
1,001

sesuai dengan Luas DPS.

Luas DPS (area)

Luas DPS (area)

v
0,95 0,94 0,92
0,91

(km\
I 5

(lan'\
500 1000

\ \
.A

$s :t .as
*ca \v

l0
50

0,99
0,97 0,97

s000
10000

.cO

'r-.,,'
E

aa E\
I.

r00
B

iEE
EA

Ll\

c.P < I
I

<*

Sumber : IOIUDPMA, 1983.

\,/

Es

sr

Persamaan (4.23) ditentukan dari persamaan regresi, kisaran

banjirberadapada

ffi
atau,

sx

<(1,5e)x

(4.2s)

X-ro%X<X<X+se%X

(4.26)

24t4

249 Langkah awal adalah menghitung nilai V


:

l'crsanr:.ran (4.25) atau (4.26) adalah kesalahan standar dari ketidak

tclitiarr perkiraan debit puncak banjir untuk DPS tanpa data aliran
surrgai (unganged basins).

V V V

: : :

1,02 - 0,02751og AREA 1,02 - 0,0275 1og757,4

Contoh 4.5.

0,940
:

Perkirakan debit puncak banjir DPS Cimanuk-Leuwigoong pada periode ulang 5; 10; 20 dan 50 tahun dengan menggunakan metode persamaan regresi, apabila diketahui karakteristik DPS nya adalah :
luas DPS, AREA:757,4\<rnz 2). curah hujan rata-rata terbesar seluruh DPS selama 24 jam dalam setahun, APBAR : 81 mm (nilai diperoleh dari peta Isohyet, nilai PBAR dikalikan ARF). 3). kemiringan alur sungai, SIMS :20,8 m/km 4). index danau, LAKE:0

MAF diperkirakan dengan model matematik

x
maka:

:1s,oo; (105) (AREA)V (APBAR),,4451SIM5;o'ilr

11

+ LAKE;'o'"

l).

x : 1t,oo; o01Q57,4)o'sao 131;2,+rs (20,g)o'r'7 0 + 0,0)-0.r, X : 1a,oo; (10'6) (508,82) (46370,93)(1,426)(1) X : ZAS,tA mr/det.

X:

ZIO mr/det. (dibulatkan)

Perkirakan juga batas kesalahan standar dari debit puncak banjir


tersebut.

Batas kesalahan standarnya adalah

270 .1,59-"170

<X

S 430

Jawab Contoh 4.5.

Sebelum melaksanakan perhitungan lakukan pengecekan parameter:

Dengan demkian debit puncak banjir tahunan rata-rata DPS Cimanuk - Leuwigoong berada antara 170 dan 430 m3/det. Tabel
4.

1). dari kombinasi parameter AREA 757,4 km2 dan APBAR : 8l mm, berdasarkan Gambar 4.2, masih
dalam batas yang dapat diterima. 2). parameter SIMS : 20,8 m/km, masih terletak dalam batas 1,00 < SIMS < 150 m/km. 3). parameter LAKE : 0,0, masih memenuhi kriteria 0 :

9, menunjukkan hasil perhitungan selengkapnya.

LAKE <0,25.

Dengan demikian persamaan regresi (4.23) dapat digunakan,

Dengan semakin bertambah jumlah pos hujan dan pos duga air sungai dan bertambah lama pencatatan rekaman data debit seluruh Indonesia, maka persamaan 4.23 perlu dikalibrasi ulang. sehingga tidak hanya berlaku untuk Pulau Jawa dan sumatera saja. tetapi seluruh Indonesia. Kemungkinan seluruh Indonesia berlaku sebuah rumus atau mungkin lebih dari dua rumus tergantung kondisi hidrologi setiap wilayah. Hal ini merupakan tantangan kepada hidrologiwan Indonesia.

25()

25t
'l'abel

4.9. Perkiraan Debit Puncak Banjir Tahunan Rata-rata DPS Cimanuk - Leuwigoong dengan Metode
Persamaan Regresi.

banjir dengan menggunakan persam.urn distribusi peluang kontinyu seperti dijelaskan pada sub bab 3.3 dan 3.4. Kesimpulan akhir tergantung dari pertimbangan teknis dan pengalaman dari hidrologiwan.
Pengecekan lapangan sangat diperlukan terutama dalam hal menentukan luas penampang, kecepatan dan debit puncak banjir pada tinggi muka air yang diteliti. Pengecekan kebenaran lengkung debit dan data tinggi muka air juga sangat diperlukan.

No
I 2
3

Periode Ulang (tahun)


2,33
5

C
I
1,23 1,46
1,71

Debit
(m3/det)
2',10

Batas
(m3/det)
170

- 430

332 394
461 570

209 - 527 248 - 626 290 - 733 3s8 - 906

l0
20 50

4
5

2,ll

Contoh 1.6.

Sumber

Perhitungan Data Contoh 4.5. Bandingkan dengan Tabel 4.3.

Dari contoh 4.1, telah diketahui bahwa DPS Cimanuk-Leuwigoong, telah terekam serial data debit puncak banjir selama 32 tahun, sehingga dengan metode serial data telah diperoleh :

4.3

PENBAIKAN NILA' PENK'/RAAN DEB'r BANJI/N

X = 295 m3/det &

dengan metode regresi

X = 270 m' /det

(contoh 5.5)

Perkiraan.debit puncak banjir tahunan rata-rata dari suatu DPS jarang yang sama hasilnya, kondisi ini karena disebabkan oleh beberapa hal, misal perbedaan metode, data yang digunakan, lamanya rekaman data yang digunakan dan juga pertimbangan teknis (engineering judgdment). Oleh karena itu pengalaman dari hidrologiwan sangat menentukan dalam membuat kesimpulan hasil analisis. Berikut ini disajikan contoh sederhana untuk memperbaiki hasil perhitungan perkiraan debit puncak banjir, yaitu dengan cara : membandingkan metode, membandingkan nilai pengamatan yang lebih lama, membandingkan dengan'data banjir dari DPS lain yang
berdekatan.

Dari kedua metode perhitungan itu hanya menunjukkan selisih MAF terbesar 8,47 o . Walaupun demikian bila dilihat dari hasil perhitungan debit puncak banjir untuk periode ulang seperti ditunjukkan pada tabel 4.3 dan tabel 4.9, maka tampak bahwa perhitungan dengan metode serial data lebih disarankan untuk digunakan, karena batas ddviasinya tidak terlalu besar dan
pengamatan datanya 32 tahun.

Cantoh 4.7.

Perkirakan debit puncak banjir tahunan rata-rata untuk periode ulang 20 tahun dari DPS Ciliwung-Kebon Baru.
4.3.

1. Iileitbqndinghan tlctoda
Jawab Contoh 4.7,
:

Penggunaan beberapa metode dalarn satu lokasi DPS yang sama sangat diperlukan. Apabila data yang tersedia cukup maka

ketiga metode pada Bab IV ini perlu diterapkan bersama-sama dalam satu lokasi terutama di Pulau Jawa dan Sumatera, dan
hasilnya harus dibandingkan dengan metode perkiraan debit puncak

Data pengamatan debit puncak banjir telah tersedia selama 4 tahun seperti ditunjukkap pada tabel 4.4. Sehingga metode yang digunakan adalah :

2(rJ

. .

POT
persamuum gads regresi

persamaan regresi menggunakan data karakteristik DPS agaknya terlalu besar, akan tetapi. dari metode POT yang hanya menggunakan data debit banjir selama 4 tahun masih belum cukup.
:

Dengan metode

fOf

(lihat contoh 4.2),telahdiperoleh

X :

S* :20

190 m3ldet m3/det

Karakteristik DPS Ciliwung - Kebon Baru:

AREA : 333 km2 APBAR: 103 mm

Oleh karena itu kalau diperkirakan MAF nya adalah 200 m3/det, nampaknya lebih aman. Dari tabpl4.2, faktor pembesar untuk luas DPS 333 km2, pada periode ulang 20 tahun adalah 1,83, sehingga debit puncak banjir untuk periode ulang 20 tahun adalah 1,83 x 200 m3/det : 366 m'ldet, dengan deviasi standar 80 m3/det. Meskipun demikian nilai MAF 200 m3/det. tersebut masih perlu di lakukan pengecekan di lapangan.

SIMS : LAKE :
maka:

34 m/km
O,O

Dengan menggunakan metode persamunn regresi (persamaan 4.23),

4.3.2. Iilembandinghan Pcngamatan yang

leblh lams

X :239

m3/det (dibulatkan 240 m3ldet)

dengan batas kesalahan standar maka debit banjirnya berkisar antara 150 - 380 m'/det.

Rekaman data yang hanya tersedia ,dturnu 4 tahun terlalu pendek, walaupun demikian sangat berguna untuk mengecek nilai MAF yang diper[irakan dari persamaan regresi.

Dari kedua metode memberikan hasil perkiraan ( POT, X : 190 mt/det, dan persamaan regresi X : 240 m3/det) dengan perbedaan
yang cukup besar yaitu

Perkiraan MAF dari suatu DPS di lokasi pos duga air A, mungkin kurang dapat menggambarkan nilai yang sebenarnya dilapangan karena periode pengamatannya lebih pendek jika dibanding dengan pos duga air B dalam DPS yang sarna, dimana pengamatan debitnya lebih lama. Perkiraan MAF di pos duga air tersebut mungkin nilainya lebih besar atau lebih kecil daripada kondisi yang sebenarnya. Apabila kondisi iklim di lokasi pos duga air A sama dengan B atau dengan kata lain kondisi yang mempengaruhi debit dipos duga air A dan B adalah homogen (misal curah hujannya homogen, APBAR nya kurang lebih sama), maka

*kitar

26,31Yo.
?

Nilai mana yang harus digunakan

pos duga air A dapat diperbaiki dengan menggunakan nilai MAF di pos duga air B. Perbaikannya dapat dihitung dengan persamailn berikut ini :
perkiraan MAF

di

Barangkali dapat dijelaskan dari bentuk DPS Ciliwung-Kebon Baru. Bentuknya memanjang dan sempit, dibagian hulu adalah
daerah pegunungan dengan curah hujan disekitar Bogor yang cukup

XA=X/AIaq1 'x/B'
Keterangan
:

vTi

(4.27)

tinggi, sehingga dapat dipandang sebagai daerah penyebab banjir yang lebih besar jika dibandingkan dengan sebelah hilirnya karena
lebih sempit DPS nya dan curah hujannya lebih kecil.

Oleh karena itu nilai MAF dari perhitungan

metode

XA : XT : m :

Nilai MAF dari pos duga air A hasil perbaikan. Nilai MAF dari pos duga.air A hasil pengamatan. Nilai MAF dari pos duga air B hasil pengamatan

2n4
xE : ttitui MAI selama beroperasi.
selama pos duga air

I
I

266

A dari pos.duga air

beropemsi.
B
seluruh poiode

Jonob

con'*

1'8"

'
4.lo
Kar"aktoristik Dps Cimanuk.
A

Tabcl

Untuk menentukan penggunffm rumus (4.27) minimal

harus dilakukan pengujian kesamaan j enis (homogenitos) data curah hujan dengan waktu pengamatan sama dengan waktu pengamatan data debit yang digunakan untuk analisis. Pengujian kesamaan jenis telah dijelaskan pada buku

Karakteristik DPS
Luas DPS (km'?) Curatr hujan tahunan (mm) Curah hujan terbesar / hari (mm) Kemiringan alur sungai (m/km) Proporsi danau, waduk (%) Luas hutan (km2)
Catatan

B
757,4 2560

474,9 2715

8l
3 1,3

8l
20,9 0 273

jilid IL

224

: A:

Contoh 4.8. Perkirakan nilai MAF dari DPS Cimanuk-Leuwidaun. Data debit puncak banjir tahunan rata-rata tersedia selama l0 tahun, sebagai

data DPS Cimanuk - Leuwidaun B = data DPS Cimanuk - Leuwigoong

berikut:

No. I 2
J

Urutan
I
2
J

Tahun 7475 7172

Debit
(m3/det)

Berdasarkan data tabel 4.10, maka dapat dikatakan karakteristik kedua DPS kurang lebih adalah sarna, maka data di pos duga air Leuwidaun (XA) dapat diperbaiki dengan data dari pos duga air Leuwigoong (XB). Dari tabel 4. I , dapat diperoleh (lihat contoh 4.1)
:

165,200

133,670
121,500 108,440

707t
7576
7374

4
5

4
5

98,010
95, I 60

XB :295m'ldet. (data32tahun) XE = 290 m3ldet (tahun tgTO - 1930)


Dari data debit puncak banjir di DPS Cimanuk - Leuwidaun (tahun 1970 - 1980) :

6
7 8

6
7 8

7980
7273 7677

86,720
80,1

l0

7879
7778

75,780 62,560

l0

l0

Sumber : Publikasi debit, Puslitbang Pengairan.

XT :

103 m3/det (dibulatkan)

deviasi standar: 30,61I m3/det. kesalahan standar dari rata-rata: 9,68 m'/det.

rnedian:96,58
Perbaiki nilai MAF nya berdasarkan data debit puncak banjir dari DPS Cimanuk- Leuwigoong, yang rekaman datanya lebih lama, yaitu selama 32 tahun seperti ditunjukkan datanya pada tabel 4.1.

m3/det.

Koefisien Variasi (CV)


Berdasarkan rumus (4.27\
:

: 29,80.

2t-r(i

267

XA = xre XA =
103

(Xql
X'B

Tabel4.l2
104 m'/det.
No

Data Debit DPS Batang Pasaman dan DPS Batang Batahan.

(H. :
290\

Tahun

Batang Pasaman (A)


(m3/det)

Batang Batahan(B)
(m3/det)
139,3

Dengan demikian dengan cara perbaikan data maka debit puncak banjir tahunan rata-rataDPS Cimanuk - Leuwidaun: 104 m3/det.

I
2
3

39-40

Metode perbaikan sub bab 4.3.2 ini dapat dilaksanakan o/o'luas DPS B, DPS A adalah apabila luas DPS A lebih dari 50 yang diperbaiki. Dapat digunakan tidak hanya menaksir perbaikan MAF dalam satu DPS tetapi juga dapat dilaksanakan perbaikan MAF dari DPS yang berdekatan apabila karakteristik DPS nya
kurang lebih sama

40-4t 4t-42
72-73 73-74 74-75 75-76 76-77 77 -78 78-79
79 -80
80 - 8r Rata-rata

4
5

247,1 388,3 317,2

303,8
898,5 1147,9 970,9 694,4
I

6
7
8

l0

ll

036, I

466,3 170,2 466,3 478,7 399,5 508,0

t2

I140,0
981,5

430,0
359,6

Contoh 4.9. Perkirakan nilai MAF dari DPS Batang Pasaman - Air Gadang, Propinsi Sumbar dari pengamatan data debit selama 6 tahun (197511976 - 1980/1981), dengan perbaikan berdasarkan nilai MAF dari DPS Batang Batahan - Silaping yang periode pengamatannya
12 tahun.

Sumber : Publikasi debit, Puslitbang Pengairan

Dari tabel 4.12. Diperoleh nilai debit puncak banjir


:

Jawab Contoh 4.9.

Tabel

4.1I Karakteristik DPS Batang


Batang Batahan.

Pasaman dan DPS

XZ : 9g 1,5 m3/det. XB : 359,6m3ldet. m = 408,8 m'/det.


Berdasarkan rumus (4.27)
:

Karakteristik DPS
Luas DPS (km'?) Curah hujan tahunan (mm) Curah hujan terbesar / hari (mm)

A 1267

B 304
3

3440
103

100

XA =

ll8
?q5
0

fr,tEl 'xrB'
m3/det.

Kemiringan alur sungai (m/km)


Proporsi danau, waduk (%)
Catatan

19,0 0

XT = 981,5(ffir: 863

: A: B:

Batang Pasaman - Air Gadang Batang Betahan - SilaPing

Dengan demikian debit puncak banjir DPS Bt. Pasaman Gadang diperkirakan rata-rata 863 m3ldet.

Air

2trtl

2trt)

4.3.3.

I{cmbsndlnghan llatq dafi Tempat Lr,in

karakteristik DPS
regresi (4.23).

(A) (B)

menggunakan persamaan dengan data menggunakan persam&rn

Kadairg-kadang diperlukan memperkirakan debit puncak banjir dari suatu lokasi penelitian (A) yang mempunyai jarak tertentu di sebelah hulu atau sebelah hilir lokasi pos duga air (B). Debit puncak banjir dilokasi A dapat diperkirakan dengan rumus :

XRB : Nilai MAF DPS (B) yang dihitung


karakteristik DPS

XB :

regresi (4.23).

Nilai MAF DPS (B) yang dihitung berdasarkan data


pengamatan debit dilokasi pos duga air.

XA=xnnf.XRB'
Ketd:rangan
:

xB-)

(4.28)
Syarat menggunakan persamaan (4.29) adalah perbedaan luas DPS

(A) dan DPS (B) tidak lebih 50%.


Perkiraan nilai MAF di lokasi penelitian A Nilai MAF di lokasi penelitian A yang diperkirakan dengan persamaan regresi. Nilai MAF di lokasi pos duga air B yang diperkirakan dengan persamafll regresi dari rumus (4.23).

XA : XRA : Xffi : XB :

Contoh 4.10.

Nilai MAF di lokasi pos duga air B hasil pengamatan debit sungai.

Syarat menggunakan persam&ur (4.28) adalah perbedaan luas DPS di lokasi A dan B tidak lebih dari 50 %. Rumus (4.28) digunakan bila lokasi penelitian terletak dalam satu alur sungai dalam satu DPS/Sub DPS.

Tentukan perkiraan debit banjir tahunan rat-rata dari DPS Cisanggarung - Cilengkrang (DPS-A), berdasarkan debit banjir tahunan rata-rata dari DPS Cimanuk - Leuwigoong (DPS-B). Dari DPS Cimanuk - Leuwigoong telah tersedia data debit selama 32 tahun data dengan MAF = 295 m'/det (contoh 4.1). DPS Cisanggarung - Cilengkrang sebetulnya sudah dilakukan pengamatan debit dengan nilai MAF : 391,8 m3/det (tahun 69170 - 73174), untuk contoh perhitungan ini dianggap belum dilakukan pengamatan.

Kadang-kadang juga diperlukan memperkirakan debit puncak banjir dari suatu DPS (A) yang sama sekali tidak/ belum mempunyai data debit. Pada keadaan demikian apabila DPS (B) yang berdekatan dan mempunyai karakteristik DPS sama dengan DPS ( A ) telah dilakukan pengamatan dengan menggunakan rumus sebagai berikut :

Jawab Contoh 4.10,

Tabel4.13 Karakteristik DPS Cisanggarung - Cilengkrang (A) dan


DPS Cimanuk - Leuwigoong (B).

XA = xRA
Keterangan:

(pl . XRB,

Korakteristik DPS

A
622,1

(4.2e)

Luas DPS (km2 ) Curah hujan tahunan (mm) Curah hujan terbesar / hari (mm)

757,4 2560

2669
88
r

8l
20,8
0

Xe : XRA :

Perkiraan MAF DPS (A).

Kemiringan alur sungai (m/km)

0,9
0

Nilai MAF DPS (A) yang dihitung dengan

data

Proporsi danau, waduk (%)

260
261

llerdasarkan persamuum (4.23), maka


C

nilai MAF
(l
+ LAKE)-o,rj

DpS

isanggarung-Cilengkrang dapat dihitung

4.4.4.

Itempethitahan Debit Banifr Bcr:dasathan Ilata.Tinggi ltluha Afu

IRA :

(8,00) (106) (AREA)V (ApBAp;r,*, (sIMS)o,r'7

Sebelum dilakukan perhitungan maka harus di cek apakah kombinasi nilai AREA = 622,1km2 dan nilai APBAR = 88,0 mm, memenuhi ketentuan pada gambar 4.2, ternyata memenuhi jadi MAF nya dapat dihitung, dengan terlebih dahulu menghitung nilai :

: V:
V
Sehingga:

1,02 - 0,02751og AREA 1,02 -0,02751o9 622,1

V:0,943

Kadang-kadang di lokasi penelitian hanya tersedia data tiirggi muka air dan tidak tersedia data hujan atau data hujannya tidak cukup atau meragukan kebenarannya, sedangkan ciata pengukuran debit sangat sedikit dan hanya dilaksanakan pada keadaan tinggi muka air rendah atau mungkin belum dilaksanakan pengukuran debit sehingga lengkung debitnya belum dapat dibuat. Dengan belum dapat dibuat lengkung debit maka serial data tinggi muka air belum dapat dikonversi menjadi data debit. Apabila telah tersedia data tinggi muka air lebih dari 5 tahun pengamatan maka untuk memperkirakan MAF dapat dilaksanakan dengan 2 (dua ) cara :

xRA : xRA :

(g,00) (10{) (ARE A)v (622,t)z,as

1331o.rrz

(l+0){,s5

Cara ke

XRA = (8,00) (10{)

(431,13) (56788,46) (1,322)(l)

258,93 m'/det.

Menentukan nilai median dari serial data tinggi muka air, dan mengkonversi tinggi muka-hir median kedalam debit dengan menggunakan nrmus Manning atau Chezy.

Dari contoh 4.1, diperoleh nilai : E Dari contoh 4.5, diperoleh nilai : ffiE
sehingga
:

: :

295 m3ldet. 270 m3ldet.

Nilai median dari serial data tinggi muka air yang telah dikonversi menjadi debit adalah dianggap debit median untuk lokasi penelitian. Nilai MAF dapat diperkirakan :

n = 1,06 Md

(4.30)

XA=

1-Pa 1-xB.XRB-1
258,93
283

Keterangan:

il=
XA:

(H)
I det

:282,905 m3/det.
(dibulatkan)

X : nilai MAF perkiraan


Md

m3

debit median (penentuan median lihat sub bab 2.1.5)

Data pengamatan debit DPS Cisanggarung - Cilengkrang selama tahun 69/70 - 73174, MAF nya: 391 m3/det dengan deviasi standar 125 m3/det, daerah batas 391 - 125 :266 m3ldet dan 391 + l2S : 516 m3/det. Jadi perbaikan MAF sebesar 266 < MAF :283 < 516
masih dalam batas deviasi standar.

Cara ke

lmuka air banjirnya, sehingga

serial data tinggi muka air dibuatkan kurva frekuensi tinggi dapat diketahui hubungan antara tinggi muka air dan periode ulangnya.

262

263

t)ata perkiraan tinggi muka air setiap periode

ulang

dikonversi menjadi debit, dengan cara menghitung debit pada tinggi muka air yang bersangkutan menggunakan rumus Manning atau Chezy ataupun metode pengukuran debit lainnya (berbagai metode pengukuran debit dapat dibaca pada: Soewarno, 199/, Hidrologi' Pengukuran dan Pengolahan Data Aliran Sungai Penerbit Nova).

Dari tinggi muka air 2,33 m dilakukan


dilapangan dan diperoleh data rata-rata dari
penampang:

pengukuran minimal 3 buah

. .

luas

penampang A:21,50

m2

- Hidrometri,

. jari-jari hidrolis

R:

0,85 m

kemiringanmukaair S =0,013

Contoh 4.11.

Dari suatu DPS tidak tersedia data hujan dan walaupun telah 9
tahun (lihat tabel 4.14) dilakukan pengamatan tinggi muka air tetapi debit puncak banjir tahunan rata-ratanya belum dapat dihitung, karena pengukuran debitnya masih sangat terbatas, dan terutama baru dilaksanakan saat muka air rendah. Dari data tinggi muka air tersebut perkirakan debit banjir tatrunan rata-ratanya.

Apabila nilai kekasaran alur sungai ditentukan sebesar n : 0,060, maka debit pada muka air 2,33 m dapat dihitung dengan rumus Manning:

emed=
emed =

| ni s| e

(4.31)

ofo

(0,8s)i

(o,rr;l

(21,50)

Qmed = 33,80 m'/det.

Jawab Contoh 1.11. t Tabel4.l4 Data Tinggi Muka Air Banjir


Tahun

i
I

Usahakan penentuan nilai n dilakukan dengan cara melaksanakan kalibrasi, yaitu melaksanakan pengukuran debit dengan alat ukur arus untuk menentukan nilai n (lihat Soewalno, 1991). Sehingga berdasarkan rumus (a.30)
:

Tinggi Muka Air Banjir (m) 2,20


2,71

t9'19

980

l98l
t982
1983 1984

982
983

984
985 986
987

985 l 986
I

1987 1988

988 989

2,60 2,15 2,33 2,45 2,81 2,12

x= x=

1,06 Md 1,06

(33,80): 35,82 m3/det.

:35,82 m'/det. Apabila ltras DPS nya : 30,85 km2, berdasarkan nilai faktor
Dengan demikian MAF pembesar (C) dari tabel4.2, maka debit untuk periode ulang
:

2,30

Sumber : Data Tentatip dari Penulis

I.lntuk menentukan median maka datanya harus diurutkan dari kecil ke besar atau sebaliknya dan diperoleh mediannya : Md: 2,33 m (lihat sub bab 2.1.5).

:45,84 m'ldet. 10 tahun: 55,87 m'/det. 20 tahlm:65,90 m3ldet.


5 tahun

Hasil perhitqhrgan tersebut harus di cek ulang lagi dengan metode regresi dan rnetode POT atau serial data setelah debitny a dapat

zti4

ditcntukan dari kurva lcngkung dcbit, apabila tclah tcrsedia daln hujan dan pengukuran debitnya telah dapat untuk membuat
lengkung debit.

Ilaltat

8,acaan

Anto Dayan,
Jakarta.

l98l

: Pengantar Metode Statistik Jilid I, Lp3S,

Bonnier A, 1980 : Fundamental of Statistics, DPMA, Bandung.

Bonnier

A,

1980 : Regression and Coruelqtion Analysis, DPMA,

Bandung.

Bonnier
Bonnier

A,

1980

Probability Distribution and probability

Analysis, DP MA, Bandung.

A, 1980 : Test Hypothesis and Significance Analysis Variance, DP MA, Bandung.

of

Bonnier A, 1980 : An Introduction into Analysii"of Timeseries, DPMA, Bandung. Bonnier A, 1980 : Sequential Generation of Hydrologicat Data, DPMA, Bandung. Direktorat Penyelidikan Masalah An, l97g : Kalibrasi Bukaan

Pintu lrigasi
Bandung.

di

Prosida Sub-Pro Cirebon, Laporan Intern,

Direktorat Penyelidikan Masalah


264/HY-43/1981.
10.

Air, 1981 :

Measurement and Suspended Sedimen Observation

of

Discharge Citarum

River at Nanjung, Saguling and Palumbon, Supporting Report,

penelitian dan Evaluasi Tingkat Erosi Yang Terjadi Pada Suatu Daerah Pengaliran, Bahan Kursus Hidrologi 1983, DPMA, Bandung.
Direktorat Penyelidikan Masalah

Ar, lg&2 :

IL

Daily Discharge Data Series Cimanuk - Monjot di Daerah


Prosida Sub Proyek Rentang Jawa Barqt, Laporan Intern, No.
7.

DireLctorat Penyelidikan Masalah Afi,19823 : Analisa Pengolahan

I /HI-2

9/ I 983, DPMA, Bandung.

12. Direktorat Penyelidikan Masalah Air - IOH, 1983 : Flood Design Manualfor Java and Sumatera, Laporon Penelitian.
13.

Direktorat Penyelidikan Masalah Air, 1983 : penelitian Sediment

Transport

Kali

Cimanuk

di Monjot, Laporan Intern,

No.

44/HI- I 2/ I 983, DP MA, Bandung.

265

266
t4. Direktorat Penyelidikan Masalah Air, 1983 : Penelitian dan Pengumpulan Data'Sediment Kali Madiun di Dam Jati, Laporan
Intern, No. 46/Hi-14/198i, DPMA, Madiun.
15.

287
32. 53

Laporan No.

Pusat Litbang Pengairan, 1986 : Survei Umum Hidrologi Sungai, I 4 I /Hi-36/ I 986.

Direktorat Penyelidikan Masalah Air, 1983 : Analisa Hidrograp, Bahan Kursus Hidrologi Tahun 1983, DPMA, Bandung. Direktorat Penyelidikan Masalah Air, 1983 : Peranan Hidrologi Dalam Pembangunan di Indonesia, Bahan Kursus Hidrologi Tahun 1983, DPMA, Bandung.

Pusat Litbang Pengairan, 1989 Kursus Hidrologi.

: Hidrologi Operasional,

Bahan

16.

34. Pusat Litbang Pengairan, 1989 : Pengukuran Sedimentasi Waduk P LTA Mrica, Laporan No. 90/HI- I 8/ I 989.
35.

Nggs. H.C, 1977 : Some Statistical Tools in Hydrologt, Book 4


Chap.

Al, USGS, Washington.

t7. Direktorat Penyelidikan Masalah


18.

Air,

1984

: Banjir Rencana

36. Ronald, E.W, 1977 : Pengantar Statistika, Gramedia, Jakarta.


37.

untuk Bangunan Air, DPMA, Bandung.

Departemen Pekerjaan Umum, 1986 : Perencanaan Jaringan Irigasi, Standar Perencanaqn lrigasi Kp-01, Galang Persada CV,
Bandung.

Santosh, K.G, 1977 : ll/ater Resources and Hydrologt, New Delhi,

Khana Publisher.
38.

Schults E.F, 1973 1973


Res ources P

19.

Departemen Pekerjaan Umum, 1986 : Bangunan Standar Perencanaan lrigasi Kp-04, Galang Persada CV, Bandung.

: Problemin Applied Hydrologt, l{ater ublication, USA.

39. Seyhan,

E, 1979 : Application of Statistical Methods to Hydrolog, Institute of Earth Sciences, Free lJniversity, The

20. Elizabeth M Shaw, 1980:. Hydrologt in Practice, Second Edition, Chapman and Halt, London.
21. Fety S, 1992 : Pemantauan Parameter Hidrologi untuk Evaluasi Pengelolaan DAS Progo-Kranggan, Slrripsi Falcultas Geografi
UGM. 22. Henny Maria, Soewamo, 1994 : Penerapan Metode Steven untuk

Netherlands.
40. Soewarno dan Suprihadi, 1982 : Analisa Lenglcung Aliran, Bohan Kursus Hidrologi DPMA Bandung. 41. Soewarno Bandung. 42. Soewarno, 1987 : Testing Hypothesis and Goodness of

dan Suprihadi, 1982

: Cara Perhitungan

Untuk

Publikasi Besar Aliran Sungai, Bahon Kursus Hidrologi DPMA

memperkirakan Debit Banjir, Buletir PusAir, No. 17 Tahun IV, Nov. 1994.

Fit, USAID

Training Course
t -30.

in Statistical Hydrolog, IHE,

Bandung, PP

23. Herschy, R.W, 1978


York.

: Hydrometry, John l{ilye and

Sons, New

43. Soewarno,

24. Hiranadi, M.G, 1969 : Stream Gauging, Ministry of lrrigation and

Power, India. 25. Horst, L, l98l : Hydrometry, International Institutefor Hydraulic and Env ir ontmental Engineer ing, Delfi, Netherlands. 26. Yogiyanto, H.M., 1984 Andi Offset; Yognlurta.
27.

Ali Hamzah Lubis, 1987 : Pengukuran Banjir Rencanq dengan Cara Slope Area, Jurnal Pusal Litbang Pengqiran, No. 7-Th. 2, KW. lil, Hal I l7-124.

Statistik dengan Program Komputer,

44. Soewamo, 1988 : Penerapqn Persamaan Darcy- llteisbach Untuk Menghitung Debit Pada Sungai Berbatu-botu, Jurnal Pusat Litbang Pengairan, No. l}-Th. 3, KW. II, Hal74-84.
45. Soewarno; 1988

Joyce M, Wanny NOVA, Bandung.

A., lg82 : Mengenal Dasar-Dasar Hidrologi,

: Penelitian Pendahuluan Anglcutan Sedimen Melayang Sub Das Citarik Hulu, Majalah Geografi Indonesia, No. 2, Th. i - September 1988.

28. Joesron Loebis, Soewarno, Suprihadi, 1993 : Hidrologi Sungai, Iladan Penerbit PU.
29
30.

l-insley. F,
Ytrk.

lg72'.

Resources Engineering,

MC. Graw Hill, New

46. Soewarno, 1989 : Debit Hastl Pengukuran Metode Alat Ukur Arus Dibanding Dengan Metode Lainnya, Jurnol Litbang Pengairyn, No. l4 - Th. 4, KW. II, Hal 57-68.
47. Soewarno, 1989 : Debit Hasil Pengukuran Metode Alat Ukur Arus

Morean,

M. et Mathieu.A, 1979 :
o I les,

Statistique Appliquee

L'

Untuk Menunjang Operasi dan Pemeliharaan lrigasi, Jurnal


Informas

l,x pe r i me ntat ion, Eyr

P ar is.

31.

Nemec, 1970 : Engineering Hydrologt, Mc. Grow Hill, New York

48. Soewariro, 1989

i Te kni A 6/ I 9 8 9. : Pengukuran dan Perhitungan Debit

Sedimen

2ritl
lllt'lt.r'ttrtr: r'tufu Kt,gi<trun ( )paru';i dun Pemelihurran pusca K o n.s r u lcy i I r i gus i, j u r nu I I n/b r mcts i T,e kni H 6/ I 9 g 9 49. Soewarno, 1990 : Mengukur Debit Banjir Dengan Metode Pelampung di po1 D-ug: Air Sungai, Majalah pekeiiaan U;r;,
t

269
64

Soewarno, 1994 : Model Perkirun Debit Banjir pada Sungai di Jawo - Sebuah Usulan Model Pembanding, Bahan untuk Majalah Geografi Indonesia - Fakultas Geografi UGM.

No. 2/Th. XXI V/Mei/ I 990.

65

50.

Soewarno, I990 : penyelidikan Faktor Kekasaran Sungai Cibama - Kalumpang, Buletin pusair, No. 7 _ Th. \il,

Sodwarno, 1992 : Pengaruh Lama Pencatatan Debit Terhadap Perkiraan Debit Banjir Rencana, Jurnal Pusair, No. 22 - Th. 6, KW - II. Cikapundung

51. Soewanro, 1990 52.

Juti t 990.

^U:r! Jurnal Pusair, No. 20 _ Th. 6


53.
54

Rumus Matematik

Jurnal Pusair, No. I7 _ Th. 5, XW _ il. Soewarno, l99l : perbandingan Metode

:.p."r"r.opon Lengkung Debit Muka Air Tinggi

Beberapa Cara Memperpanjang

66. Sri Mulat Yuningsih, Soewarno, 1988 : Besar Aliran Rendah DpS

Diri

pos Duga Air'Sunga,i,


67.

di Pos Duga Air Gandok dan Maribaya, Jurnal

Puslitbang Pengairan, No. 8, Th. 2 - KW. IV.

Aialis

Grafis dan penggunaan Lengkung Debit Alur "Sungai,

Sri Mulat Yuningsih, Soewarno, 1994 : perkiraan Debit Banjir


Rencana DPS Citarum - Nanjung, Cimanuk - Leuwigoong, Buletin PusAir, No.l7, Tahun IV/|994, Nov.t994,1SSi/: 0852- 59lg.

Soewarno, l99l : Hidrologi _ pengukuran dan pengolahan Data Aliran Sungai - Hidrometri, Nova,bandung.

Syo$an, Dt. Mk, 1990 : Kalibrasi Atat Ukur Debit Ambang Lebar
Saluran Induk Sedadi, Buletin Pus 69. Soemarto, Ir. BIE, 1987 Nasional, Surabaya. 70. Sudjana,
Bandung.

Air Nanjung dan palumbon, Jurnar Infimasi reknik


55. Soewarno,

Soewamo, 1990 : perkiraan Laju Sedimentasi Waduk di DpS Citarum Berdasarkan Data Alirin Sungai Citarum di pos Duga
No. 7/tgg0.

Air No. 5 Th. 2. : Hidrologi, Teknik, penerbit

(Jsaha

Dr. MA. Msc, 1975 :

Metode Statistika, Tarsito,

Alat Ukur di Pos Duga Air Sungi atau Saluran lrigasi, lrys Jurnal Informasi g/ gg
Teknik No.
l

l99l

: Ketelitian pengukuran Debit Metode

t.

71. Supranto, M.A., 1983 : Statistik Teori dan Aplikasi, P enerb it Er langga, Jakarta.
72.

Jilid

2,

56. Soewarno, l99l : Ketelitian pengukuran Debit


menggunakan Bangunan Ukur Jening imbang, Jurnal Teknik No. B/ I 99 t .

dengan

Infrriori

57. Soewarno, 1990 : perkiraan Masa Monfaat l(aduk panglima 58.


Soewarno,

Tilrem, O, 1976 : Stage Discharge Relation at Stream Gauging Station, Norwegion Agency for International Development. 73. UNDP/WHO Project, 1982 : Rainfall Characteristics Over The Citarum River Basin, IHE, INYZS/|j8, Bandung.
74.

Besar Sudirman, Majalah Geografi Indonesia, Nomor 4_5, Tahun 2-3, Maret 1990.

l99l

..

Debit Pos Duga

Beberapa Aspek Teknik pembuatan Lengkung

Hubungannya Dengan Kondisi Bogor. 75. Varshney, R. S, 1974 Bros, Roorke


16.

Toto Sudarto, 1986 : Analisis Angkutan Sedimen Suspensi Fisik DpS Cimanuk Hutu, IpB,
: Engineering Hydrologt, Nem Chard &

Pekerjaan Umum No. 4/Th. XXV,


Sungai, Majalah

lir

Syngai b"ngo, Analisa Grafis, UZi"i"n

59. Soewarno, l99l : Beberapa Aspek Teknik pengolahan Data Aliran pekeryaai 60.
Umum No. 2/Th. X)U. o, 1992 : Sekilas Tentang pengukuran Angkuran Sedimen Sungai, Majalah pekerjaan Umum No."l/XXltt/luni, lgg2.
Soewarn

lif

tCCt.

Waluyo. H, Soewarno, Suprihadi l99l : pembuatan Lengkung Debit dengan Bantuan Program Komputer, Jurnal penelitian dan
Pengembangan Pengairan No.
2

Th. 6 - KW

IIL

t gg t

77.

Wanny.

A,

1991

: Sebaran Peluang yang Tepat untuk Banjir,

61. Soewarno, 1993 : Lengkung Debit Komplek Dengan .\emblat Analisa Grafis dari pos luga Ai; Su&ai Dengan U"rgguroT;;, Parameter Kemiringan, Jurnal Informii f"*rik No. t t/tgg3. 62. Soewarno, 1994 , p?y(!*" Kehilangan Air di Saluran lrigasi, Jurnal Informas i Teknik No. I 2/ t gg4. 63. Soewarno, 1993 : Memperkirakan Laju pengurangan Kapasitas
No. l1/1993,
Waduk Dengan Metode InJtow_Out/tiw, Jurnal
Belcasi.

JLP.No.18.Th.5. 18. World Meteorological Organization, 1980 : Manual on Stream Gauging, Vol I, Field Work, Report No. 13, Geneva, Switzerland.
79

World Meteorological Organization, 1980 : Manual on Stream Gauging, Vol II, Computation of Discharge, Report No. tj,
Geneva, Switzerland.

tr/or*^i f"mii