Aplikasi model regresi dan analisis korelasi data hidrologi

3.1 pendahuluan Metode analisis statistik yang telah dibahas adalah baru mengenai data yang terdiri dari sebuah variabel hidrologi, deskrit maupun kontinyu. Banyak analisis data hidrologi yang bertujuan untuk mengetahui apakah ada hubungan antara dua variabel atau lebih, misalnya saja : y Pengamatan data curah hujan umumnya telah dilaksanakan lebih lama apabila disbanding dengan pengamatan data debit sungai dari suatu DPS, akibatnya dirasakan perlu untuk mempelajari hubungan kedua variabel tersebut untuk kepentingan peramalan debit. Menentukan hubungan antara debit sungai dari dua lokasi pos duga air untuk kepentingan pengisian data kosong, memperbaiki ataupun mengecek data, memperpanjang lama pencatatan data runtut waktu, Menentukan hubungan antara debit sedimen dengan debit aliran sungai, luas DPS dan luas hutan atau variabel hidrologi lainnya. Menentukan hubungan antara debit puncak banjir tahunan rata-rata dengan curah hujan, luas DPS, kemiringan alur sungai dan proporsi luas genangan (telah disajikan contoh pada sub bab 4.2.3, buku jilid I judul sama).

y y

Hubungan antara dua atua lebih variabel hidrologi dapat dinyatakan dalam rumus matematik sehingga merupakan suatu model, yang dapat digunakan untuk berbagai keperluan analisis hidrologi, misal untuk : y y y y Peramalan (prediction) Perpanjangan (extension) Memperbaiki atau mengecek ketelitian data. Pengisian data pada periode kosong.

Suatu analisis yang membahas hubungan dua variabel atau lebih disebut dengan analisis regresi. Apabila dalam analisis regresi telah dapat ditentukan model persamaan matematik yang cocok, persoalan berikutnya adalah menentukan berapa kuat hubungan antara variabel-variabel tersebut. Atau dengan kata lain harus ditentukan derajat hubungan atau derajat asosiasi antara variabel hidrologi yang digunakan dalam analisis regresi. Suatu analisis yang membahas tentang derajat asosiasi dalam analisis regresi disebut dengan analisis korelasi (correlation analysis). Derajat hubungan tersebut umumnya dinyatakan secara kuantitatif sebagai koefisien korelasi (correlation coefficient). Nilai koefisien korelasi yang tinggi tidak berarti menunjukkan kesamaan kejadian fenomena hidrologi (hydrological similarity) akan tetapi lebih cenderung menunjukkan kesamaan waktu kejadian fenomena hidrologi (simultaneity of hydrological events). Pengertian analisis regresi dan korelasi, lebih lanjut dapat dijelaskan dengan contoh sebagai berikut : dari 2 seri data fenomena hidrologi yang telah diukur misalnya curah hujan (X) dan

debit (Y) sebanyak n buah data dapat dinyatakan sebagai {(Xi, Yi); I = 1,2,3,4,5, n}. apabila setiap pasangan data debit dan curah hujan digambarkan pada kertas grafik aritmatik, maka akan diperoleh serangkaian titik-titik koordinat yang menghubungkan kedua hasil pengukuran kedua data fenomena hidrologi tersebut. Penggambaran data tersebut dinamakan dengan diagram pencar (scatter diagram) atau diagram titik (dot diagram), dan contohnya dapat dilihat pada gambar 3.1. Gambar 3.1 diagram pencar Dari gambar 3.1, dapat dikatakan bahwa prosedur penyelesaian dalam menentukan persamaan matematik yang paling sesuai dengan sebaran titik-titik koordinat yang menghubungkan pasangan data (Xi, Yi) disebut dengan analisa regresi. Kurva yang digambarkan dari perssamaan yang sesuai untuk menentukan nilai Y dari data (Xi, Yi) disebut dengan garis regresi Y, nilai Yi disebut variabel tidak bebas (VTB) dan nilai Xi disebut variabel bebas (VB), sebaliknya kurva yang digambarkan dari persamaan yang sesuai untuk menentukan nilai X dari data (Xi, Yi) disebut dengan garis regresi X, nilai Yi disebut VB dan Xi disebut VTB. Pada umumnya garis regresi Y dan garis regresi X tidak berimpitan, karena perbedaan parameter. Umumnya nilai Y yang digunakan sebagai VTB, yaitu nilai Y yang diharapkan terjadi untuk X = Xi. nilai X yang merupakan VB, umumnya merupakan data yang mudah diperoleh, misal Y; sebagai data debit yang diharapkan terjadi pada tinggi muka air sebesar X = Xi atau curah hujan sebesar X = Xi. Titik-titik koordinat pasangan data (Xi, Yi) dapat mempunyai sebaran yang besar atau kecil disekitar garis regresi. Analisis korelasi, membahas tentang derajat hubungan (Xi, Yi). korelasi mempunyai nilai yang besar apabila pasangan koordinat (Xi, Yi) dekat dengan garis regresi. Dalam analisis regresi, data hidrologi umumnya dipandang : y y y y Mengikuti distribusi normal. Tiap variabel adalah homogen, semua nilai data dari setiap variabel diukur dengan cara yang sama. Nilai VB diukur tanpa kesalahan. Nilai VTB merupakan kejadian acak yang saling tidak berhubungan.

Dalam analisis korelasi, data harus merupakan data acak dari distribusi normal, nilai VTB dan VB tanpa mengalami kesalahan dalam pengukuran. Gambar 3.2, menunjukkan diagram pencar dari n buah pengamatan data korelasi {(Xi,Yi); I = 1,2,3,4,5, n}, yang menunjukkan sketsa sejauh mana koordinat (Xi,Yi) menggerombol di sekitar garis lurus. Nilai koefisien korelasi berkisar antara -1,0 R 1,0. Dalam analisis hidrologi hubungan antara fenomena, berdasarkan nialai koefisien korelasi dapat dinyatakan sebagai berikut : R=1 hubungan positif sempurna.

0,6 < R < 1 0 < R < 0,6 R=0 -0,6 < R < 0 -1,0 < R < -0,6 R = -1,0

hubungan langsung positif baik. hubungan langsung positif lemah. tidak terdapat hubungan linier. hubungan langsung negatif lemah. hubungan langsung negatif baik. hubungan negatif sempurna.

Koefisien korelasi antara (Xi, Yi) adalah menunjukkan hubungan linier antara variabel Xi dan Yi. Oleh karena itu untuk nilai R = 0, berarti menunjukkan tidak adanya hubungan linier, mungkin hubungannya kuadratik. Dengan demikian nilai R = 0, itu mungkin menunjukkan adanya hubunagn tak linier yang sempurna antara kedua variabel tersebut.