P. 1
Statistika Hidrologi Bab I Pendahuluan

Statistika Hidrologi Bab I Pendahuluan

|Views: 1,395|Likes:
Published by Manyuk Fauzi

More info:

Published by: Manyuk Fauzi on Jan 27, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

04/24/2013

pdf

text

original

Bab I

Pendahuluan
Dalam bab ini disajikan pengertian umum serta rumus dasar statistik dalam
penerapannya di bidang hidrologi. Terdapat konsep dasar dalam mempelajari
hidrologi yaitu siklus hidrologi dan keseimbangan air. Fenomena hidrologi dalam
konsep dasar tersebut di atas dapat dijelaskan dengan menetapkan variabel-variabel
hidrologi meliputi debit, curah hujan, penguapan, angkutan sedimen, dimana masing-
masing dapat dinyatakan dengan simbol. Misal debit dinyatakan dengan simbol Q,
curah hujan dengan R dan sebagainya. Sementara itu rumus-rumus dasar statistik
yang disjikan adalah nilai rata-rata, simpangan baku (deviasi standar), koefisien
kepencengan (skewness), koefisien keruncingan (kurtosis) dan koefisien variasi.
1.1. Definisi Dalam Statistik Hidrologi
Menurut Soewarno (1995) hidrologi merupakan kumpulan keterangan atau
fakta mengenai fenomena hidrologi (hydrologic phenomena). Data hidrologi sangat
berguna dalam inventarisasi potensi sumber-sumber air, pemanfaatan dan
pengelolaan sumber-sumber air yang tepat beserta rehabilitasinya. Sebagaimana telah
disebutkan di atas maka variable hidrologi menerangkan ukuran dari fenomena
hidrologi.
Sebuah nilai numerik dari variabel disebut variat (variate), misalnya hujan R =
100 mm/hari dan debit Q = 3,0 m
3
/dt. Beberapa pengertian berdasarkan buku
Hidrologi Terapan oleh Bambang Triatmodjo (2006) sebagai berikut :
a. Suatu rangkaian dari variat, yang merupakan deret berkala (time series),
menggambarkan sampel dari populasi.
b. Distribusi (distribution) adalah data yang disusun menurut besarnya,
misalnya debit banjir dari nilai terbesar dan berakhir pada debit banjir terkecil
atau sebaliknya.
1 | Statistik Hidrologi
c. Distribusi probabilitas (probability distribution) adalah jumlah kejadian dari
sebuah variat diskrit dibagi dengan jumlah data. Jumlah total probabilitas dari
seluruh variat adalah 1.
d. Probabilitas komulatif adalah jumlah peluang dari variat acak yang
mempunyai sebuah nilai sama atau kurang dari suatu nilai tertentu.
e. Frekuensi (frequency) adalah jumlah kejadian dari sebuah variat dari variabel
diskrit.
f. Interval kelas (class interval) adalah ukuran pembagian kelas dari suatu
variable.
g. Distribusi frekuensi (frequency distribution) adalah suatu distribusi atau
variabel tabel frekuensi yang mengelompokkan data yang belum terkelompok
menjadi data kelompok.
Beberapa istilah statistik juga telah dipaparkan oleh Sri Harto (2000) dalam bukunya
Hidrologi : Teori, Masalah, Penyelesaiannya, antara lain :
a. Populasi (population) adalah seluruh kemungkinan pengamatan yang dapat
dilakukan atau kumpulan lengkap dari seluruh besaran yang mewakili suatu
proses acak (random) tertentu. Populasi tidak harus tidak terbatas (infinite)
tetapi dapat juga terbatas (finite).
b. Sampel (sample) adalah sejumlah pengamatan yang terbatas, yang merupakan
bagian dari sebuah populasi. Misalnya pengamatan hujan selama 5 tahun
adalah sampel dari seluruh populasi.
c. Variable (variables) adalah karakter suatu sistem yang dapat diukur dan
besarannya berbeda apabila diukur pada saat yang berbeda (fungsi waktu).
d. Parameter (parameters) adalah besaran yang menandai suatu system dan
tidak berubah dengan waktu, misalnya luas DAS (A).
e. Variat (variate, outcome, observation, realization) adalah besaran dari suatu
variabel.
f. Data adalah semua pengamatan sampel bersama-sama dengan semua
informasi lain yang terkait. Dengan demikian semua informasi dari
komponen proses hidrologi adalah ‘data hidrologi’.
2 | Statistik Hidrologi
Sebagaimana dalam buku Statistika Hidrologi (Dasar), Widandi Soetopo & Lily
Montarcih (2009) juga menulis istilah-istilah sebagai berikut :
a. Elemen, merupakan bagian terkecil dari suatu kejadian. Contoh : (1). debit
sebesar 12.6 m3/dt, (2). curah hujan setinggi 78 mm, (3). hujan yang pertama
terjadi dalam 4 hari mendatang.
b. Kejaidan (event), merupakan kumpulan semua elemen dengan spesifikasi
tertentu. Contoh : (1). debit > 1.200 m
3
/dt (berarti semua debit yang lebih dari
1.200 m
3
/dt), (2). curah hujan < 95 mm (berarti semua curah hujan yang
kurang dari 95 mm), (3). dalam 4 hari mendatang terjadi hujan terus-menerus,
dalam 4 hari mendatang sedikitnya terjadi 1 hari hujan.
c. Variabel, merupakan symbol (notasi) yang menyatakan suatu kejadian
(event). Sebagai contoh : (1). Q menyatakan debit sesaat sungai (m
3
/dt), (2).
Qthn menyatakan debit rerata tahunan sungai (m
3
/dt), (3). R menyatakan
curah hujan harian (mm), (4). Rmax menyatakan curah hujan maksimum
tahunan (mm), (5). H menyatakan tinggi muka air sesaat di waduk, sungai
atau saluran (m). Nilai suatu variable akan bervariasi menurut dimensi ruang
(spasial) atau dimensi waktu (temporal).
d. Populasi, merupakan kumpulan dari semua elemen yang mungkin ada
(banyaknya elemen dapat berhingga/finite atau tak berhingga/infinite).
e. Sampel (sample), merupakan bagian dari populasi yang diambil secara acak
(random). Sampel ini dianggap mewakili populasi. Analisa statistic dilakukan
terhadap sampel (analisa langsung terhadap populasi tidak akan praktis,
kecuali untuk ukuran populasi yang cukup kecil).
f. Kala ulang (return period), secara praktis didefinisikan sebagai n period
rerata dari selang waktu antara 2 kejadian tertentu.
Dalam pengertian lebih sederhana untuk definisi kala ulang atau waktu balik
adalah harga rata-rata banyaknya tahun (karena Xn merupakan data debit
maksimum dalam tahun), dimana suatu variate disamai atau dilampui.
Ilustrasi Gambar 1.2 dan Gambar 1.3 akan dapat lebih memperjelas
pemahaman tentang kala ulang.
3 | Statistik Hidrologi
Sedangkan beberapa istilah dalam konteks hidrologi yang berhubungan langsung
dalam analisa-analisa hidrologi antara lain (Widandi S. & Lily M., 2009):
a. Daerah Aliran Sungai (DAS) adalah daerah dimana semua air di area tersebut
akan mengalir ke dalam suatu sungai tertentu. Daerah ini umumnya dibatasi
oleh kondisi topografi tertentu (punggungDAS) dimana run off (aliran)
mengalir menuju sungai tertentu. Nama DAS biasanya ditandai oleh nama
sungai yang ada dalam sistem DAS tersebut dan bagian hilirnya dibatasi oleh
titik control (outlet), yang umunya merupakan stasiun hidrometri, lokasi
bangunan air, titik pertemuan sungai dan muara (lihat Gambar 1.1).

Gambar 1.1. Daerah Aliran Sungai (DAS)
4 | Statistik Hidrologi
b. Data historis merupakan data hasil pencatatan pada waktu yang lalu. Untuk
keperluan analisa hidrologi, sangat bergantung pada data historis seperti data
curah hujan selama 40 tahun terakhir, data debit selama 20 tahun terkahir dan
lain-lain.
c. Stasiun hujan (penakar hujan) adalah stasiun atau penakar yang mengukur
tinggi curah hujan yang jatuh pada daerah tersebut. Dalam suatu DAS
umumnya terdapat lebih dari satu stasiun hujan.
d. Hari hujan merupakan jumlah hari pada suatu daerah, dimana curah hujan
untuk daerah tersebut mempunyai nilai signifikan, misalnya lebih dari
0,5 mm.
e. Hari kering merupakan jumlah hari selain hari hujan, antara lain jumlah hari
pada suatu daerah, dimana curah hujan untuk daerah tersebut mempunyai
nilai tidak signifikan, misalnya kurang diri sama dengan 0,5 mm atau ≤ 0,50.
Selain itu, dalam statistik hidrologi dikenal beberapa istilah dalam konteks
bendungan dan teknik sungai sebagai berikut :
a. Cofferdam merupakan tanggul pengelak sementara untuk melindungi site
konstruksi yang sedang dikerjakan di palung sungai, dapat dibuat dari besi,
beton ataupun timbunan tanah.
b. Tanggul merupakan bangunan untuk melindungi banjir di daerah kiri dan
kanan suatu sungai yang rawan banjir. Umumnya terbuat dari timbunan
material tanah dengan lapisan perlindungan pada sisi ke arah sungai.
c. Bantaran sungai merupakan daerah di tepi kiri dan kanan sungai yang akan
tergenang apabila terjadi debit besar (banjir).
Memperhatikan penjelasan-penjelasan tersebut di atas, dapat dipahami bahwa proses
hidrologi merupakan proses stokstik (stochastic process) meskipun tidak menutup
kemungkinan bahwa di dalamnya terkandung komponen-komponen yang
deterministik (deterministic), maupun ‘time dependent’ dan atau ‘time independent’.
5 | Statistik Hidrologi
Gambar 1.2. Pengertian Kala Ulang (Untuk Banjir Rancangan)
Gambar 1.3. Pemilihan Kala Ulang Banjir Rancangan
6 | Statistik Hidrologi
1.2. Proses Pemecahan Masalah Memakai Statistika
Menurut Widandi Soetopo & Lily Montarcih (2009) terdapat 3 masalah utama
yang harus diperhatikan dalam pemecahan masalah menggunakan statistik, yaitu :
a. Penyusunan model
b. Pengumpulan dan penyederhanaan data
c. Pengujian terhadap model
Gambar 1.4. Proses Pemecahan Masalah Dalam Statistik
1.3. Variabel Diskrit dan Kontinyu
Suatu variable dapat bersifat diskrit atau kontinyu (menerus). Pada suatu
populasi berhingga (finite) dari variabel diskrit, banyaknya elemen dapat dihitung
secara enumerasi. Sebaliknya tidak demikian halnya dengan elemen-elemen dalam
variabel kontinyu.
Contoh variabel diskrit : (1). Banyaknya hari hujan pada bulan tertentu, (2).
Banyaknya kejadian banjir suatu kawasan selama jangka waktu tertentu, (3).
Banyaknya stasiun pengukur hujan pada suatu wilayah.
7 | Statistik Hidrologi
Masalah Penelitian Data Empirik
Pengumpulan
Penyederhanaan Data
Model Matematika
P
e
n
c
a
r
i
a
n
(
P
e
n
y
u
s
u
n
a
n

m
o
d
e
l
)
Data Hipotetik
P
e
r
b
a
n
d
i
n
g
a
n
(
P
e
n
g
u
j
i
a
n

m
o
d
e
l
)
Simulasi
Sedangkan contoh variabel kontinyu sebagai berikut : (1). Tinggi curah hujan
yang tercatat pada suatu stasiun pengukur hujan, (2). Besarnya debit pada titik
pengamatan tertentu dari suatu sungai, (3). Tinggi muka air pada sebuah waduk.
1.4. Variabel Acak
Variabel acak (random) disebut juga sebagai variabel stokastik. Suatu variabel
acak dapat bersifat diskrit atau kontinyu. Dalam kenyataannya semua variabel
hidrologi adalah variabel acak (bersifat independent).
Suatu variabel acak murni mempunyai korelasi serial sama dengan nol, artinya
suatu kejadian dari variabel tersebut bersifat bebas atau tidak terkait terhadap
kejadian-kejadian sebelumnya. Tetapi variabel acak juga mempunyai kecenderungan
untuk berkisar pada harga tertentu, yang disebut sebagai nilai rata-rata (mean).
Disamping itu juga mempunyai sifat disperse di sekitar nilai rata-rata, yang dikenal
sebagai variabilitas.
1.5. Deskriptor Statistik
Pengamatan terhadap variabel hidrologi dilakukan dengan frekuensi dan
jangkuan (range) tertentu. Besaran-besaran variabel tersebut memiliki
kecenderungan dekat dengan nilai tengah tertentu, yaitu nilai rata-rata (mean).
Apabila sampel terdiri dari sejumlah n pengamatan, x
1
, x
2
,…, x
n
, maka besaran rata-
rata variabel tersebut adalah :
( )

·
·
+ + + ·
n
x
i
n
x
n
x
x x x
n
x
1
2 1
1
....
1
dimana :
x = rata-rata variate
n
x
= nilai variate ke-n (n = 1,2,3…dst)
n = jumlah data
Deskriptor tangah lain yang sering digunakan adalah median. Apabila besaran-
besaran variabel dalam sampel dari besar dan kecil, apabila jumlah variatnya ganjil,
maka median adalah besaran variabel dalam urutan ke (n+1)/2. Akan tetapi apabila
8 | Statistik Hidrologi
jumlah variatnya genap, maka mediannya merupakan nilai rata-rata dari variat urutan
ke n/2 dan urutan ke (n/2)+1. Nilai median ini lebih sering dipilih daripada nilai rata-
rata, apabila sampel yang ditinjau mengandung ‘outlier’. Nilai rata-rata dari sampel
yang terakhir ini sangat dipengaruhi oleh nilai ‘outlier’ tersebut (Shahin, 1993).
Deskriptor lain yaitu variabilitas atau penyebaran yang diukur dengan varian
(variance) atau deviasi standar (standar deviation). Varian diartikan sebagai kuadrat
perbedaan antara besaran variat dengan nilai rata-ratanya.
( )
1
1
2


·

·
n
x x
S
n
i
i
dimana :
x = rata-rata variate
i
x
= nilai variate ke-i (i = 1,2,3…dst)
n = jumlah data
S = standar deviasi
Selanjutnya adalah koefisien kepencengan atau koefisien asimetri (skewness,
C
s
) dengan persamaan :
( )
( ) ( )
3
1
3
. 2 . 1
.
S n n
x x n
C
n
i
i
s
− −

·

·
dimana :
x = rata-rata variate
i
x
= nilai variate ke-i (i = 1,2,3…dst)
n = jumlah data
S = standar deviasi
C
s
= koefisien kepencengan
9 | Statistik Hidrologi
Gambar 1.5. Ilustrasi Skewness
Nilai berikutnya yaitu koefisien kurtosis atau keruncingan/kepuncakan
(kurtosis/peakedness) dengan bentuk persamaan :
( ) ( ) ( )
4
4
3
.
3 2 1 S
M
n n n
n
C
C
k
− − −
·
atau,
( ) ( ) ( )
( )

,
`

.
|

− − −
·

·
4
1
4
3
.
3 2 1 S
n
x x
n n n
n
C
n
i
i
k (Widandi S. & Lily M,
2009)
dimana :
M
4C
= momen sentral ke-4
n = jumlah data
S = standar deviasi
C
k
= koefisien kepencengan
Secara teoritis maka apabila nilai (Soewarno, 1995) :
C
k
= 3, disebut dengan distribusi yang mesokurtis (mesokurtic), artinya puncak
tidak begitu runcing dan tidak begitu datar, serta berbentuk distribusi
normal.
C
k
> 3, disebut dengan distribusi yang leptokurtis (mesokurtic), artinya puncak
sangat runcing.
C
k
< 3, disebut dengan distribusi yang platikurtis (platikurtic), artinya puncak
lebih datar.
10 | Statistik Hidrologi
Gambar 1.5. Sketsa Bentuk Keruncingan Distribusi
Bentuk persamaan koefisien kurtosis yang ditulis dalam buku Soewarno (1995),
maka terlihat adanya perbedaan dengan yang telah ditulis oleh Widandi S. & Lily M.
(2009), yaitu sebagai berikut :
4
) 4 (
S
MA
C
k
· (Soewarno, 1995)
dimana :
MA(4) = momen sentral ke-4
S = standar deviasi
C
k
= koefisien kepencengan
Perumusan berbeda juga dapat dilihat pada buku Hidrologi Teknik (CD. Soemarto,
1986), dengan bentuk persamaan :
( ) ( ) ( )
( )
2
2
4
3
3 2 1
C
C
k
M
M
n n n
n
C
− − −
·
(CD. Soemarto,
1986)
dimana :
M
2C
= momen sentral ke-2
M
4C
= momen sentral ke-4
11 | Statistik Hidrologi
Hal yang sama juga terjadi pada buku Hidrologi Terapan (Bambang T., 2008),
dimana bentuk persamaan koefisien kurtosis :
( ) ( ) ( )
( )
4
1
4
2
.
3 2 1

·

− − −
·
n
i
i k
x x
S n n n
n
C
(Bambang T., 2008)
Pemahaman tentang koefisien kurtosis dapat diperoleh dari definisi di bawah ini :
“Kurtosis characterizes the relative peakedness or flatness of a distribution
compared with the normal distribution. Positive kurtosis indicates a relatively
peaked distribution. Negative kurtosis indicates a relatively flat distribution”
( )
( ) ( ) ( )
( )
( ) ( ) 3 2
1 3
3 2 1
) 1
2
4
− −


¹
¹
¹
'
¹
¹
¹
¹
'
¹

,
`

.
|

− − −
+
·

n n
n
S
x x
n n n
n n
Ck
i
(Excel)
( )
( )
3
1
4
1
4



·

·
S n
x x
Ck
n
i
i

http://www.itl.nist.gov/div898/handbook/eda/section3/eda35b.htm
Persamaan terkahir untuk mengukur adanya disperse dari data hidrologi adalah
koefisien variansi, dengan bentuk persamaan sebagai berikut :
x
S
Cv ·
dimana :
Cv = koefisien variansi
S = standar deviasi
x = nilai rata-rata variat
1.6. Hubungan Mendasar Statistik Untuk Hidrologi
Hubungan mendasar statistik untuk hidrologi dinyatakan oleh persamaan
berikut ini :
p
T
1
·
dimana :
12 | Statistik Hidrologi
T = kala ulang (tahun)
p = probabilitas kejadian untuk dapat disamai atau dilampui
Dalam beberapa penulisan variabel kala ulang terkadang ditulis Tr. Sebagai
contoh misalnya untuk suatu titik lokasi pada suatu sungai, besarnya debit banjir
dengan kala ulang 25 tahun atau bias ditulis Q
25
= 312,6 m
3
/dt. Berarti pada titik
lokasi tersebut, probabilitas dalam tahun tertentu akan terjadi debit banjir yang
besarnya menyamai atau melampui 312,6 m
3
/dt adalah sebesar 1/25 atau 0,04 (4%).
Dari uraian paragraph tersebut di atas dapat dipahami bahwa kala ulang
memiliki sifat probabilitas. Probabilitas merupakan kejadian suatu peristiwa yang
ditentukan antara banyaknya kejadian terhadap jumlah kejadian yang mungkin dan
kejadian yang tidak mungkin (berpeluang dan yang tidak berpeluang atau yang
occurrence dan yang non occurence).
Kejadian suatu peristiwa biasanya dinamakan keberhasilan (success),
sedangkan kejadian yang tidak mungkin disebut kegagalan (failure). Sudah barang
tentu probabilitas kejadian tidak dapat lebih dari 1, sedangkan probabilitas kegagalan
tidak dapat kurang dari 0. Probabilitas sama dengan 1 merupakan peristiwa pasti
(sure event). Menurut definisi tersebut di atas, probabilitas keberhasilan adalah :
n
p
x p · ) (
Sedangkan untuk kegagalan :
n
p n
x q

· ) (
atau,
) ( 1 1 ) ( x p
n
p
x q − · − ·
dimana :
p(x) = probabilitas keberhasilan
p = banyaknya kejadian sukses
n = jumlah kejadian
q(x) = probabilitas kegagalan
n-p = jumlah kegagalan
Contoh Soal : (diambil dari Sri Harto, p 287, 2000)
13 | Statistik Hidrologi
No.
R
(mm) M2c M3c M4c
14 | Statistik Hidrologi
1 92.20 1250.33 44211.65 1563324.11
2 74.90 1731.11 5890.51 106382.69
3 10.20 888.04 -101455.51 4731884.84
4 96.20 9254.44 60976.89 2400050.38
5 35.70 1274.49 -9447.46 199719.25
6 63.80 4070.44 337.15 2346.59
7 46.70 2180.89 -1042.59 10571.87
8 24.50 600.25 -33823.62 1093855.77
9 46.20 2134.44 -1204.55 12816.41
10 62.60 3918.76 191.10 1100.75
11 17.90 320.41 -59045.64 2299237.26
12 21.10 445.21 -45652.40 1631616.89
13 55.00 3025.00 -6.23 11.46
14 114.50 13110.25 191700.80 11053467.85
15 8.60 73.96 -112259.19 5415383.24
16 55.40 3069.16 -2.99 4.30
17 79.40 6304.36 11481.99 259033.77
18 13.00 169.00 -84258.10 3693874.89
19 93.50 8742.25 49269.41 1806216.65
20 13.30 176.89 -82540.15 3593798.30
21 124.50 15500.25 309739.06 20956945.01
22 35.90 1288.81 -9181.85 192267.87
23 27.90 778.41 -24237.93 701445.78
24 81.70 6674.89 15363.97 381948.23
25 114.20 13041.64 188724.13 10825216.00
26 100.10 10020.01 80957.96 3502241.26
27 76.50 5852.25 7598.90 149394.31
28 54.50 2970.25 -12.81 29.98
29 71.50 5112.25 3150.66 46188.72
30 19.30 372.49 -52903.31 1985990.07
31 76.70 5882.89 7833.17 155566.82
32 64.60 4173.16 467.29 3626.16
33 19.40 376.36 -52481.65 1964913.16
34 28.90 835.21 -21811.18 609404.43
35 100.40 10080.16 82653.95 3600406.06
36 63.40 4019.56 282.30 1851.89
37 21.10 445.21 -45652.40 1631616.89
38 84.20 7089.64 20480.86 560356.45
39 67.80 4596.84 1316.53 14429.20
40 16.30 265.69 -66627.15 2701064.64
Statistik yang diperoleh sebagai berikut : (Sri Harto, 2000)
a. Rata-rata : 56,84
b. Standard devaisi : 33,29
15 | Statistik Hidrologi
c. Varian coefficient : 0,59
d. Skewness coefficient : 0,24
e. Kurtosis coefficient : -3,66
16 | Statistik Hidrologi

e. c. Populasi tidak harus tidak terbatas (infinite) tetapi dapat juga terbatas (finite). e. outcome. yang merupakan bagian dari sebuah populasi. Interval kelas (class interval) adalah ukuran pembagian kelas dari suatu variable. Beberapa istilah statistik juga telah dipaparkan oleh Sri Harto (2000) dalam bukunya Hidrologi : Teori. Frekuensi (frequency) adalah jumlah kejadian dari sebuah variat dari variabel diskrit. Dengan demikian semua informasi dari komponen proses hidrologi adalah ‘data hidrologi’. f. Variat (variate. Jumlah total probabilitas dari seluruh variat adalah 1. g. realization) adalah besaran dari suatu variabel.c. Probabilitas komulatif adalah jumlah peluang dari variat acak yang mempunyai sebuah nilai sama atau kurang dari suatu nilai tertentu. Distribusi probabilitas (probability distribution) adalah jumlah kejadian dari sebuah variat diskrit dibagi dengan jumlah data. Populasi (population) adalah seluruh kemungkinan pengamatan yang dapat dilakukan atau kumpulan lengkap dari seluruh besaran yang mewakili suatu proses acak (random) tertentu. Data adalah semua pengamatan sampel bersama-sama dengan semua informasi lain yang terkait. d. Misalnya pengamatan hujan selama 5 tahun adalah sampel dari seluruh populasi. Variable (variables) adalah karakter suatu sistem yang dapat diukur dan besarannya berbeda apabila diukur pada saat yang berbeda (fungsi waktu). d. Sampel (sample) adalah sejumlah pengamatan yang terbatas. Masalah. f. Distribusi frekuensi (frequency distribution) adalah suatu distribusi atau variabel tabel frekuensi yang mengelompokkan data yang belum terkelompok menjadi data kelompok. 2 | Statistik Hidrologi . observation. Parameter (parameters) adalah besaran yang menandai suatu system dan tidak berubah dengan waktu. b. misalnya luas DAS (A). antara lain : a. Penyelesaiannya.

(3). Contoh : (1). curah hujan < 95 mm (berarti semua curah hujan yang kurang dari 95 mm). kecuali untuk ukuran populasi yang cukup kecil).200 m3/dt (berarti semua debit yang lebih dari 1.6 m3/dt. merupakan bagian terkecil dari suatu kejadian. Elemen.3 akan dapat lebih memperjelas pemahaman tentang kala ulang. (2). secara praktis didefinisikan sebagai n period rerata dari selang waktu antara 2 kejadian tertentu. debit > 1. Populasi. Dalam pengertian lebih sederhana untuk definisi kala ulang atau waktu balik adalah harga rata-rata banyaknya tahun (karena Xn merupakan data debit maksimum dalam tahun). Contoh : (1).2 dan Gambar 1. Sampel ini dianggap mewakili populasi. c. debit sebesar 12. Analisa statistic dilakukan terhadap sampel (analisa langsung terhadap populasi tidak akan praktis. R menyatakan curah hujan harian (mm). f. e. H menyatakan tinggi muka air sesaat di waduk. Widandi Soetopo & Lily Montarcih (2009) juga menulis istilah-istilah sebagai berikut : a. merupakan kumpulan semua elemen dengan spesifikasi tertentu. Sampel (sample). merupakan symbol (notasi) yang menyatakan suatu kejadian (event). (3). sungai atau saluran (m). (5). dimana suatu variate disamai atau dilampui. d. Qthn menyatakan debit rerata tahunan sungai (m3/dt). dalam 4 hari mendatang sedikitnya terjadi 1 hari hujan. Rmax menyatakan curah hujan maksimum tahunan (mm). Kala ulang (return period). merupakan bagian dari populasi yang diambil secara acak (random). Ilustrasi Gambar 1. hujan yang pertama terjadi dalam 4 hari mendatang.Sebagaimana dalam buku Statistika Hidrologi (Dasar). dalam 4 hari mendatang terjadi hujan terus-menerus. (3). 3 | Statistik Hidrologi . Kejaidan (event). merupakan kumpulan dari semua elemen yang mungkin ada (banyaknya elemen dapat berhingga/finite atau tak berhingga/infinite). (2). Variabel.200 m3/dt). Sebagai contoh : (1). Q menyatakan debit sesaat sungai (m3/dt). b. Nilai suatu variable akan bervariasi menurut dimensi ruang (spasial) atau dimensi waktu (temporal). (4). (2). curah hujan setinggi 78 mm.

1). lokasi bangunan air.. Daerah Aliran Sungai (DAS) 4 | Statistik Hidrologi . titik pertemuan sungai dan muara (lihat Gambar 1. Daerah Aliran Sungai (DAS) adalah daerah dimana semua air di area tersebut akan mengalir ke dalam suatu sungai tertentu.Sedangkan beberapa istilah dalam konteks hidrologi yang berhubungan langsung dalam analisa-analisa hidrologi antara lain (Widandi S.1. & Lily M. Gambar 1. Nama DAS biasanya ditandai oleh nama sungai yang ada dalam sistem DAS tersebut dan bagian hilirnya dibatasi oleh titik control (outlet). 2009): a. Daerah ini umumnya dibatasi oleh kondisi topografi tertentu (punggungDAS) dimana run off (aliran) mengalir menuju sungai tertentu. yang umunya merupakan stasiun hidrometri.

Selain itu.b. b. e. maupun ‘time dependent’ dan atau ‘time independent’. Umumnya terbuat dari timbunan material tanah dengan lapisan perlindungan pada sisi ke arah sungai. dimana curah hujan untuk daerah tersebut mempunyai nilai signifikan. data debit selama 20 tahun terkahir dan lain-lain.5 mm atau ≤ 0. dapat dipahami bahwa proses hidrologi merupakan proses stokstik (stochastic process) meskipun tidak menutup kemungkinan bahwa di dalamnya terkandung komponen-komponen yang deterministik (deterministic). c. dimana curah hujan untuk daerah tersebut mempunyai nilai tidak signifikan. beton ataupun timbunan tanah. Data historis merupakan data hasil pencatatan pada waktu yang lalu. sangat bergantung pada data historis seperti data curah hujan selama 40 tahun terakhir. dapat dibuat dari besi. antara lain jumlah hari pada suatu daerah. Memperhatikan penjelasan-penjelasan tersebut di atas. misalnya lebih dari 0. Dalam suatu DAS umumnya terdapat lebih dari satu stasiun hujan. misalnya kurang diri sama dengan 0. 5 | Statistik Hidrologi . Cofferdam merupakan tanggul pengelak sementara untuk melindungi site konstruksi yang sedang dikerjakan di palung sungai. Hari kering merupakan jumlah hari selain hari hujan. Hari hujan merupakan jumlah hari pada suatu daerah. Stasiun hujan (penakar hujan) adalah stasiun atau penakar yang mengukur tinggi curah hujan yang jatuh pada daerah tersebut. d.5 mm. Untuk keperluan analisa hidrologi. Bantaran sungai merupakan daerah di tepi kiri dan kanan sungai yang akan tergenang apabila terjadi debit besar (banjir). dalam statistik hidrologi dikenal beberapa istilah dalam konteks bendungan dan teknik sungai sebagai berikut : a.50. c. Tanggul merupakan bangunan untuk melindungi banjir di daerah kiri dan kanan suatu sungai yang rawan banjir.

2. Pemilihan Kala Ulang Banjir Rancangan 6 | Statistik Hidrologi .Gambar 1.3. Pengertian Kala Ulang (Untuk Banjir Rancangan) Gambar 1.

Pengujian terhadap model Pengumpulan Masalah Penelitian (Penyusunan model) Penyederhanaan Data Data Empirik (Pengujian model) Simulasi Model Matematika Data Hipotetik Gambar 1.3.4. Banyaknya stasiun pengukur hujan pada suatu wilayah. (2). Variabel Diskrit dan Kontinyu Suatu variable dapat bersifat diskrit atau kontinyu (menerus). 7 | Statistik Hidrologi Perbandingan Pencarian . Penyusunan model b. Pada suatu populasi berhingga (finite) dari variabel diskrit. Pengumpulan dan penyederhanaan data c. yaitu : a. (3). Proses Pemecahan Masalah Memakai Statistika Menurut Widandi Soetopo & Lily Montarcih (2009) terdapat 3 masalah utama yang harus diperhatikan dalam pemecahan masalah menggunakan statistik. Contoh variabel diskrit : (1).1. banyaknya elemen dapat dihitung secara enumerasi. Banyaknya hari hujan pada bulan tertentu. Sebaliknya tidak demikian halnya dengan elemen-elemen dalam variabel kontinyu. Proses Pemecahan Masalah Dalam Statistik 1. Banyaknya kejadian banjir suatu kawasan selama jangka waktu tertentu.2.

(2).Sedangkan contoh variabel kontinyu sebagai berikut : (1). artinya suatu kejadian dari variabel tersebut bersifat bebas atau tidak terkait terhadap kejadian-kejadian sebelumnya. Tinggi curah hujan yang tercatat pada suatu stasiun pengukur hujan. yaitu nilai rata-rata (mean).4. Besaran-besaran variabel tersebut memiliki kecenderungan dekat dengan nilai tengah tertentu.…. Apabila besaran- besaran variabel dalam sampel dari besar dan kecil.5. yang dikenal sebagai variabilitas. (3). Akan tetapi apabila 8 | Statistik Hidrologi . Tinggi muka air pada sebuah waduk. 1.. Dalam kenyataannya semua variabel hidrologi adalah variabel acak (bersifat independent). apabila jumlah variatnya ganjil. maka median adalah besaran variabel dalam urutan ke (n+1)/2. Suatu variabel acak murni mempunyai korelasi serial sama dengan nol. Deskriptor Statistik Pengamatan terhadap variabel hidrologi dilakukan dengan frekuensi dan jangkuan (range) tertentu. Besarnya debit pada titik pengamatan tertentu dari suatu sungai. Tetapi variabel acak juga mempunyai kecenderungan untuk berkisar pada harga tertentu. x1. xn. +x n ) n 1 x= n x ∑ x= 1 n i dimana : x = rata-rata variate x n = nilai variate ke-n (n = 1. maka besaran ratarata variabel tersebut adalah : 1 x = ( x1 +x 2 +. Disamping itu juga mempunyai sifat disperse di sekitar nilai rata-rata. Variabel Acak Variabel acak (random) disebut juga sebagai variabel stokastik. Suatu variabel acak dapat bersifat diskrit atau kontinyu. Apabila sampel terdiri dari sejumlah n pengamatan. yang disebut sebagai nilai rata-rata (mean). x2... 1.2.3…dst) n = jumlah data Deskriptor tangah lain yang sering digunakan adalah median.

2.jumlah variatnya genap.3…dst) n S = jumlah data = standar deviasi Selanjutnya adalah koefisien kepencengan atau koefisien asimetri (skewness. S 3 = rata-rata variate x i = nilai variate ke-i (i = 1. ( n − 2) . Nilai rata-rata dari sampel yang terakhir ini sangat dipengaruhi oleh nilai ‘outlier’ tersebut (Shahin. Nilai median ini lebih sering dipilih daripada nilai ratarata. Varian diartikan sebagai kuadrat perbedaan antara besaran variat dengan nilai rata-ratanya. Deskriptor lain yaitu variabilitas atau penyebaran yang diukur dengan varian (variance) atau deviasi standar (standar deviation). 1993). Cs) dengan persamaan : Cs = dimana : x n . apabila sampel yang ditinjau mengandung ‘outlier’. ∑ xi − x i =1 n ( ) 3 ( n −1) . maka mediannya merupakan nilai rata-rata dari variat urutan ke n/2 dan urutan ke (n/2)+1.2.3…dst) n S = jumlah data = standar deviasi Cs = koefisien kepencengan 9 | Statistik Hidrologi . S= dimana : x ∑( x n i =1 i −x ) 2 n −1 = rata-rata variate x i = nilai variate ke-i (i = 1.

Ck Ck > 3. disebut dengan distribusi yang platikurtis (platikurtic).5. serta berbentuk distribusi normal. artinya puncak sangat runcing. ( n −1) ( n − 2 ) ( n − 3) S 4  n x −x i  3 ∑ n n i= 1 Ck = . 4 C atau. & Lily M.Gambar 1. 10 | Statistik Hidrologi . ( n −1)( n −2 )( n −3)  S4    ( ) 4        (Widandi S. disebut dengan distribusi yang mesokurtis (mesokurtic). artinya puncak tidak begitu runcing dan tidak begitu datar. < 3. 1995) : Ck = 3. artinya puncak lebih datar. 2009) dimana : M4C = momen sentral ke-4 n S Ck = jumlah data = standar deviasi = koefisien kepencengan Secara teoritis maka apabila nilai (Soewarno. disebut dengan distribusi yang leptokurtis (mesokurtic). Ilustrasi Skewness Nilai berikutnya yaitu koefisien kurtosis atau keruncingan/kepuncakan (kurtosis/peakedness) dengan bentuk persamaan : Ck = M n3 .

Sketsa Bentuk Keruncingan Distribusi Bentuk persamaan koefisien kurtosis yang ditulis dalam buku Soewarno (1995). yaitu sebagai berikut : Ck = MA ( 4) S4 (Soewarno.Gambar 1. 1995) dimana : MA(4) = momen sentral ke-4 S Ck = standar deviasi = koefisien kepencengan Perumusan berbeda juga dapat dilihat pada buku Hidrologi Teknik (CD. & Lily M. Soemarto. (2009). dengan bentuk persamaan : Ck = 1986) dimana : M 4C n3 ( n − 1) ( n − 2) ( n − 3) ( M 2C ) 2 (CD. 1986). Soemarto. M2C = momen sentral ke-2 M4C = momen sentral ke-4 11 | Statistik Hidrologi . maka terlihat adanya perbedaan dengan yang telah ditulis oleh Widandi S.5.

Hal yang sama juga terjadi pada buku Hidrologi Terapan (Bambang T.itl. ( n −1) ( n − 2 ) ( n − 3) S 4 ∑( x n i= 1 i −x ) 4 (Bambang T. Negative kurtosis indicates a relatively flat distribution” 4 2   xi − x   n( n +1) )    − 3( n −1) Ck =  ∑ S   ( n − 2) ( n − 3) ( n −1) ( n − 2 ) ( n − 3)      (Excel) Ck = ∑( x n i =1 i −x ) 4 ( n −1) S 4 −3 http://www. dimana bentuk persamaan koefisien kurtosis : n2 Ck = .gov/div898/handbook/eda/section3/eda35b. Hubungan Mendasar Statistik Untuk Hidrologi Hubungan mendasar statistik untuk hidrologi dinyatakan oleh persamaan berikut ini : 1 T= p dimana : 12 | Statistik Hidrologi . Positive kurtosis indicates a relatively peaked distribution.6... 2008) Pemahaman tentang koefisien kurtosis dapat diperoleh dari definisi di bawah ini : “Kurtosis characterizes the relative peakedness or flatness of a distribution compared with the normal distribution. 2008). dengan bentuk persamaan sebagai berikut : S x C = v dimana : Cv S = koefisien variansi = standar deviasi = nilai rata-rata variat x 1.nist.htm Persamaan terkahir untuk mengukur adanya disperse dari data hidrologi adalah koefisien variansi.

sedangkan probabilitas kegagalan tidak dapat kurang dari 0.04 (4%). q( x) = − 1 p = −p ( x ) 1 n dimana : p(x) = probabilitas keberhasilan p n n-p = banyaknya kejadian sukses = jumlah kejadian = jumlah kegagalan q(x) = probabilitas kegagalan Contoh Soal : (diambil dari Sri Harto. probabilitas keberhasilan adalah : p( x) = p n Sedangkan untuk kegagalan : q ( x) = n−p n atau. p 287.6 m3/dt adalah sebesar 1/25 atau 0. 2000) 13 | Statistik Hidrologi . Kejadian suatu peristiwa biasanya dinamakan keberhasilan (success). Menurut definisi tersebut di atas.T p = kala ulang (tahun) = probabilitas kejadian untuk dapat disamai atau dilampui Dalam beberapa penulisan variabel kala ulang terkadang ditulis Tr. Probabilitas sama dengan 1 merupakan peristiwa pasti (sure event). Berarti pada titik lokasi tersebut. Dari uraian paragraph tersebut di atas dapat dipahami bahwa kala ulang memiliki sifat probabilitas. probabilitas dalam tahun tertentu akan terjadi debit banjir yang besarnya menyamai atau melampui 312.6 m3/dt. Sudah barang tentu probabilitas kejadian tidak dapat lebih dari 1. Probabilitas merupakan kejadian suatu peristiwa yang ditentukan antara banyaknya kejadian terhadap jumlah kejadian yang mungkin dan kejadian yang tidak mungkin (berpeluang dan yang tidak berpeluang atau yang occurrence dan yang non occurence). sedangkan kejadian yang tidak mungkin disebut kegagalan (failure). Sebagai contoh misalnya untuk suatu titik lokasi pada suatu sungai. besarnya debit banjir dengan kala ulang 25 tahun atau bias ditulis Q25 = 312.

No. R (mm) M2c M3c M4c 14 | Statistik Hidrologi .

25 2346.40 20480.15 -1042.81 778.80 16.55 191.99 11481.46 11053467.30 124.40 21.04 9254.70 24.85 5415383.23 10825216.96 3069.26 149394.15 309739.44 1274.84 265.84 : 33.65 5890.89 1631616.41 1100.50 35.40 79.10 76.20 2701064.98 46188.20 62.25 73.97 188724.00 114.65 -21811.40 63.51 -101455.30 1250.00 13110.95 282.36 835.81 3150.80 46.64 -45652.89 11.13 80957.89 -9447.89 13041.30 259033.90 -12.89 560356.25 2970.86 1316.20 74.72 1985990.62 -1204.19 -2.18 82653.64 10020.23 191700.44 2180.89 1806216.24 4.00 93.11 106382.56 445.16 4019.69 44211.43 3600406.30 76.66 -52903.00 8742.26 1631616.70 63.38 199719.10 84.78 381948.49 5882.89 600.11 888.06 -9181.10 55.40 28.1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 92.60 55.01 5852.29 -52481.69 4731884.77 12816.41 445.16 376.76 320.75 2299237.59 10571.25 176.90 10.50 8.90 100.30 -45652.29 15 | Statistik Hidrologi . Rata-rata b. 2000) a.64 Statistik yang diperoleh sebagai berikut : (Sri Harto.89 15500.31 7833.25 2134.00 3502241.41 6674.49 4070.96 7598.36 169.15 1563324.64 4596.85 -24237.40 -6.89 4173.87 701445.10 -59045.82 3626.07 155566.53 -66627.50 46.17 467.21 3025.25 1288.50 54.16 609404.25 5112.70 64.31 29.01 192267.06 1851.16 6304.90 27. Standard devaisi : 56.30 20956945.44 3918.46 337.80 -112259.41 -82540.77 3693874.50 71.25 372.20 35.10 49269.99 -84258.21 7089.33 1731.51 60976.93 15363.20 96.65 3593798.21 10080.90 21.16 1964913.45 14429.59 -33823.84 2400050.50 13.40 13.20 100.60 19.50 19.90 81.20 67.87 1093855.70 114.60 17.

24 16 | Statistik Hidrologi .59 : -3. Varian coefficient e.66 d.c. Kurtosis coefficient : 0. Skewness coefficient : 0.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->