Professional Documents
Culture Documents
2015
BAB III
ANALISA FREKWENSI DISTRIBUSI
Maksud dan tujuan dari Penentuan Metode Analisa Disrtribusi Hujan Yang Paling
Sesuai adalah untuk menentukan metode analisa apa yang paling cocok digunakan dalam
menentukan hujan periode ulang tertentu. Metode yang dinaksud adalah metode yang
tercakup dalam distribusi kontinu, diantaranya ;
Metode Normal.
Metode Gumbel Tipe I.
Metode Log Pearson Tipe III.
Metode Log Normal 2 Parameter.
Metode Log Normal 3 Parameter.
Distribusi normal banyak digunakan dalam analisa hidrologi. Distribusi normal atau
kurva normal ini biasanya disebut juga distribusi Gauss. Bentuk persamaan kurva frekuensi
adalah :
X = Xrata-rata + tp.
Dengan :
1,283
a
0,577
Xo atauX 0 0,455
a
T
T (Tahun) Peluang Y Peluang Y
(Tahun)
1,001 0,001 -1,930 3,33 0,700 1,030
1,005 0,005 -1,670 4,00 0,750 1,240
1,01 0,01 -1,530 5,00 0,800 1,510
1,05 0,05 -1,097 10,00 0,900 2,25
1,11 0,10 -0,834 20,00 0,950 2,97
1,25 0,20 -0,476 50,00 0,980 3,9
1,33 0,25 -0,326 100,00 0,990 4,6
1,43 0,30 -0,185 200,00 0,995 5,29
1,67 0,40 0,087 500,00 0,998 6,21
2,00 0,50 0,366 1000,00 0,999 6,9
2,50 0,60 0,671
Sumber : Bonnier 1980 Dalam Soewarno; 1995; 124
Perhitungan persamaan garis lurus untuk distribusi Gumbel Tipe I dapat juga menggunakan
persamaan distribusi frekuensi empiris sebagai berikut :
S
X X (Y Yn )
Sn
Dengan :
X = nilai variat yang diharapkan terjadi
X
= nilai rata-rata hitung variat
Y = nilai reduksi variat dari variabel yang diharapkan terjadi pada periode ulang tertentu
T 1
ln ln
T
Y = , untuk T 20, maka Y = ln T
Yn = nilai rata-rata dari reduksi variat (mean of reduced variate) nilainya tergantung dari
jumlah data (n) seperti rabel berikut :
Sn = deviasi standar dari reduksi variat (standard deviation of the reduced variate), nilai
tergantung dari jumlah data (n) seperti tabel berikut :
Tabel 3.4. Hubungan Antara Deviasi standar dan Reduksi Variat dengan Jumlah Data
n Sn n Sn N Sn n Sn
10 0,9496 33 1,1226 56 1,1696 79 1,193
11 0,9676 34 1,1255 57 1,1708 80 1,1938
12 0,9933 35 1,1285 58 1,1721 81 1,1945
13 0,9971 36 1,1313 59 1,1734 82 1,1953
14 1,0095 37 1,1339 60 1,1747 83 1,1959
15 1,0206 38 1,1363 61 1,1759 84 1,1967
16 1,0316 39 1,1388 62 1,1770 85 1,1973
17 1,0411 40 1,1413 63 1,1782 86 1,198
18 1,0493 41 1,1436 64 1,1793 87 1,1987
19 1,0565 42 1,1458 65 1,1803 88 1,1994
20 1,0628 43 1,1480 66 1,1814 89 1,2001
21 1,0696 44 1,1499 67 1,1824 90 1,2007
22 1,0754 45 1,1519 68 1,1834 91 1,2013
23 1,0811 46 1,1538 69 1,1844 92 1,202
24 1,0864 47 1,1557 70 1,1854 93 1,2026
25 1,0915 48 1,1574 71 1,1863 94 1,2032
26 1,1961 49 1,1590 72 1,1873 95 1,2038
27 1,1004 50 1,1607 73 1,1881 96 1,2044
28 1,1047 51 1,1623 74 1,1890 97 1,2049
29 1,1086 52 1,1638 75 1,1898 98 1,2055
30 1,1124 53 1,1658 76 1,1906 99 1,206
31 1,1159 54 1,1667 77 1,1915 100 1,2065
32 1,1193 55 1,1682 78 1,1923
Sumber ; Soewarno, 1995; 130
Y juga dapat dilihat dari tabel untuk Tr (Xm) tertentu. Tabel hubungan antara Tr(periode
ulang) dengan reduced variate sesuai dengan rumus :
Untuk nilai perode ulang yang besar (Tr20), rumus diatas dapat dinyatakan sebagai Y =
ln(Tr).
Y Y k .S
logaritmik akan merupakan model matematik persamaan garis lurus;
Dimana:
Y = nilai logaritma dari X (log x atau ln x)
Y
= nilai rata-rata hitung atau rata-rata geometrik nilai Y
S = simpangan baku (deviasi standar) nilai Y
k = faktor sifat distribusi Log Pearson Tipe III, didapat dari tabel yang merupakan fungsi
dari probabilitas terjadinya atau periode ulang dan koefisien Skewness, seperti berikut :
prosedur perhitungannya :
1. Tentukan logaritma dari semua nilai variat
2. Hitung nilai rata-ratanya :
log X
log X
n
S log X
log X log X 2
n 1
Cs
n log X log X
n 1 n 2 S log X
Tabel 3.6. Hubungan Perode Ulang (T) dengan Reduksi Variat dari Variabel (Y)
Dimana :
Log X = nilai variat X yang diharapkan terjadi pada peluang atau periode ulang tertentu
LogX
= rata-rata nilai X hasil pengamatan
S log X
= deviasi standar logaritmik nilai X hasil pengamatan
K = karakteristik dari distribusi Log Normal. Nilai k dapat diperoleh dari tabel yang
merupakan fungsi peluang kumulatif dan periode ulang.
X X K .S
Jika tanpa menggunakan nilai logaritmik, dapat menggunakan cara
dimana nilai k diambil dari tabel nilai fungsi kumulatif dari periode ulang dengan nilai
koefisien variasinya
Tabel 3.7. Nilai Faktor Frekuensi k untuk Distribusi Log Normal 2 parameter
3.5 Penentuan Metode Analisa Distribusi Hujan Yang Sesuai (Uji Kecocokan)
Maksud dan tujuannya adalah untuk menentukan metode analisa apa yang cocok
digunakan dalam menentukan hujan periode ulang tertentu. Metode yang dimaksud adalah
metode yang merupakan metode yang tercakup dalam distribusi kontinu; Normal, Pearson
Tipe III, Log Pearson Tipe III, Gumbel Tipe I, Log Normal dan sebagainya.
Ada 2 tahap pengujian, yaitu:
1. Uji Deskriptor Statistik
2. Goodness Of Fit Test; Uji Chi Kuadrat (x2) dan Uji Smirnov-Kolmogorov
( Xi X ) 2
1
n
i 1
n 1
34,06 X= Xi
n i=1
- Nilai rata-rata data tabel dicari dengan adalah
n(n 1) X 1 X
4
3(n 1) 2
Ck s (n 2)( n 3)
(n 1)( n 2)( n 3)
S
Cv
X
Nilai Cv hitung adalah:
Dihitung koefisien skewness (Cs), koefisien kurtosis (Ck), dan koefisien variasi dari metode
yang diuji berdasarkan ketentuan yang berlaku untuk masing-masing metode berdasarkan
tabel acuan berikut :
Tabel 3.9 Nilai Acuan Uji Deskriptor Dari Beberapa Metode
METODE CV CK CS
Normal 3 0
V
Gumbel Tipe
V 5,402 1,139
I
Log Pearson
n n 1
LogXi LogX
4
3 n 1
2
n LogX LogX 3
0,3
n 1 n 2 n 3 S
n 2 n 3 n 1 n 2 S LogX 3
Tipe III
S
n 1
Standar Deviasi ( S ) :
S
Cv
X
Koefisien Variasi ( Cv ) :
Koefisien Kurtosis ( Ck ) :
n n 1 3 n 1
4 2
Xi X
Ck
n 1 n 2 n 3 S
n 2 n 3
n Xi X
3
Cs
n 1 n 2 S 3
Koefisien Skewness ( Cs ) :
Uji parameter statistik dilakukan dengan membandingkan nilai parameter statistik
hitung dengan tetapan dari tabel Nilai Acuan Deskriptor Statistik.Untuk menguji hasil
perhitungan nilai parameter statistik Ck dan Cs dengan Metode Normal dan Gumbel Tipe I,
dapat langsung menggunakan tabel tersebut.Untuk menguji hasil perhitungan nilai parameter
statistik Cv Metode Normal dan Gumbel Tipe I menggunakan perbandingan Standar Deviasi
, dengan nilai rata rata data hujan ( V ).Untuk mendapatkan nilai parameter statistik
Log Pearson Tipe III, Log Normal 2 Parameter dan Log Normal 3 Parameter, maka data
diolah dalam bentuk Logaritma seperti tabel berikut :
Tabel 3.10. Hasil Pengolahan Data Hujan untuk Mendapatkan Parameter Statistik Data
No (Xi) (Xi-X) (Xi-X)^2 (Xi-X)^3 (Xi-X)/SD ((Xi-X)/SD)^4
1 425 250.55 62773.33 15727611.22 2.97 77.82
2 415 240.32 57755.51 13880022.68 2.85 65.87
3 396 221.25 48952.27 10830766.56 2.62 47.32
4 376 201.70 40682.48 8205614.93 2.39 32.68
5 370 195.13 38077.10 7430118.51 2.31 28.63
6 337 162.49 26403.59 4290368.35 1.93 13.77
7 335 160.18 25658.15 4109964.99 1.90 13.00
8 219 44.55 1984.35 88395.08 0.53 0.08
9 208 33.55 1125.34 37750.68 0.40 0.03
10 194 19.55 382.05 7467.55 0.23 0.00
11 192 17.55 307.86 5401.81 0.21 0.00
12 191 16.55 273.77 4529.85 0.20 0.00
13 180 5.55 30.76 170.59 0.07 0.00
14 179 4.55 20.67 93.95 0.05 0.00
15 173 -1.45 2.11 -3.07 -0.02 0.00
16 169 -5.20 27.04 -140.57 -0.06 0.00
17 168 -6.45 41.65 -268.83 -0.08 0.00
18 166 -8.48 71.90 -609.63 -0.10 0.00
Tabel 3.11. Hasil Pengolahan Data Hujan Untuk mendapatkan Nilai Log nya
Metode Cv Ck Cs
Normal 0.484 2.72 1.92
Gumbel Tipe I 0.484 5.402 1.139
Log Person Tipe III 0.3 1.062 1.273
Log Normal 2 Parameter 0.075 3.091 0.226
Log Normal 3 Parameter 0.075 3.8 0.702
Hitung persen relatif error hasil perhitungan terhadap masing-masing metode yang diuji
P - Pn
100%
Pn
dengan
Untuk tiap metode, persen relatif kesalahan hasil perhitungan terhadap tetapan seperti tabel
acuan adalah seperti berikut;
Sebagai contoh diambil perhitungan persen relatif error untuk nilai parameter/deskriptor
statistik metode Log Pearson Tipe III.
Perhitungan untuk persen relatif error nilai Cv, diketahui;
P = Nilai Cv metode Log Pearson Tipe III berdasarkan hasil perhitungan dari data = 0,484
Pn = Nilai Cv berdasarkan tabel acuan = 0,3
P - Pn 0,484 - 0,3
100% 100 %
Pn 0,3
61,18
P - Pn 2,72 - 1,062
100 % 100 %
Pn 1,062
156,06 %
P - Pn 1,273 - 1,922
100% 100 %
Pn 1,922
50,99 %
Fakultas Teknik Sipil
Hidrologi Terapan
2015
Dari tabel 3.15. di atas, diambil keputusan bahwa berdasarkan pengujian deskriptor statistik,
metode yang memiliki rata-rata persen relatif error keseluruhan yang kecil adalah metode
Normal. Sehingga berdasarkan hasil pengujian deskriptor statistik metode Normal adalah
metode yang tepat. Namun agar hasil kajian tidak hanya mengacu pada satu hasil pengujian,
2
selanjutnya dilakukan pengujian dengan metode chi kuadrat ( ) dan Smirnov Kolmogorov.
Dalam Tugas ini saya melakukan pengujuan dengan metode Smirnov Kolmogorov.
3.5.2. Smirnov-Kolmogorov
2
1
0,018
55 1
jumlah data adalah 55, sehingga untuk baris 1 kolom 3 P(x) =
Kolom 4 adalah P(X>) = 1-Nilai Kolom 3 = 1 0,018 = 0,982
55 50
0,19 * (0,19) 0,171
50
diambil 0,05, maka didapat nilai Do adalah Do =
Hasil selengkapnya sebagai berikut;
1
0,018
55 1
jumlah data adalah 60, sehingga untuk baris 1 kolom 3 P(x) =
Kolom 4 adalah P(X>) = 1-Nilai Kolom 3 = 1 0,018 = 0,982
Kolom 5 adalah f(t) = 0,0152X 2,0763. Pada baris 1 kolom 5 nilai f(t) = (0,0152 x
245) 2,0763 = 4,39
Kolom 6 adalah P(x) ditentukan berdasarkan nilai kolom 5 dengan menggunakan
tabel reduksi Gumbel.
Diketahui baris 1 kolom 5 adalah 4,39
Dari tabel reduksi Gumbel 4,39 terdapat di tabel, sehingga untuk mendapatkan harga t
nya dilakukan imterpolasi terlebih dahulu.
Dari tabel diketahui untuk interpolasi antara 5,29 dan 4,6, nilai t nya = 0,995 dan0,99
interpolasi;
(4,39 5,29) x(0,99 0,995
1 0,99 0,0115
5,29 4,6
t pada 4,39 =
Luasnya adalah = 0,0115
LogX LogX
f (t )
S LogX
yakni . P(x) = f(t), dimana P(x) adalah peluang dari k yang didapat
dari tabel distribusi Pearson Tipe III. Maka berdasarkan data dapat dihitung nilai peluang
P(X>) sebagai berikut;
1
0,0182
55 1
data adalah 53, sehingga untuk baris 1 kolom 3 P(x) =
Kolom 4 adalah P(X>) = 1-Nilai Kolom 3 = 1 0,0182 = 0,9818
Tabel III.18. Distribusi Pearson Tipe III dan Log Pearson Tipe III
Peluang (%) Peluang (%) Cs Peluang (%)
Cs 0,1 0,05 Cs 0,1 0,05 0,1 0,05
3 7,25 10,875 0,5 3,815 5,7225 -0,8 2,035 3,0525
2,
5 6,6 9,9 0,4 3,67 5,505 -0,9 1,91 2,865
2,
2 6,2 9,3 0,3 3,525 5,2875 -1 1,8 2,7
2 5,91 8,865 0,2 3,38 5,07 -1,2 1,625 2,4375
1,
8 5,66 8,49 0,1 3,235 4,8525 -1,4 1,465 2,1975
1,
6 5,39 8,085 0 3,09 4,635 -1,6 1,28 1,92
1,
4 5,11 7,665 -0,1 3,95 5,925 -1,8 1,13 1,695
1,
2 4,82 7,23 -0,2 2,81 4,215 -2 1 1,5
1 4,54 6,81 -0,3 2,675 4,0125 -2,2 0,91 1,365
0,
9 4,395 6,5925 -0,4 2,54 3,81 -2,5 0,802 1,203
0,
8 4,25 6,375 -0,5 2,4 3,6 -3 0,668 1,002
0,
7 4,105 6,1575 -0,6 2,275 3,4125
0,
6 3,96 5,94 -0,7 2,15 3,225
Tabel 3.18 Pengujian Smirnov-Kolmogorov dengan Distribusi Log Pearson Tipe III
Peringkat Data
P(x) P(X>) f(t) P'(x) P'(X>) D
(m) Hujan (Xi)
1 2.63 0.0182 0.9818 2.55 2.1151 -1.1151 -2.0969
2 2.62 0.0364 0.9636 2.49 2.1637 -1.16367 -2.1273
3 2.60 0.0545 0.9455 2.36 2.2630 -1.26297 -2.2084
4 2.58 0.0727 0.9273 2.23 2.3735 -1.37353 -2.3008
5 2.57 0.0909 0.9091 2.18 2.4103 -1.41033 -2.3194
6 2.53 0.1091 0.8909 1.94 2.5848 -1.5848 -2.4757
7 2.52 0.1273 0.8727 1.92 2.5974 -1.59744 -2.4702
8 2.34 0.1455 0.8545 0.81 4.5656 -3.56562 -4.4202
9 2.32 0.1636 0.8364 0.68 4.9696 -3.96957 -4.8059
10 2.29 0.1818 0.8182 0.50 5.5158 -4.51576 -5.3339
11 2.28 0.2000 0.8000 0.47 5.5970 -4.59699 -5.3970
12 2.28 0.2182 0.7818 0.45 5.6379 -4.63792 -5.4197
13 2.26 0.2364 0.7636 0.30 6.1029 -5.10288 -5.8665
14 2.25 0.2545 0.7455 0.29 6.1465 -5.14655 -5.8920
15 2.24 0.2727 0.7273 0.20 6.4138 -5.4138 -6.1411
16 2.23 0.2909 0.7091 0.14 6.5854 -5.58537 -6.2945
17 2.23 0.3091 0.6909 0.12 6.6437 -5.64368 -6.3346
18 2.22 0.3273 0.6727 0.09 6.7388 -5.73875 -6.4115
19 2.22 0.3455 0.6545 0.07 6.7821 -5.78207 -6.4366
20 2.21 0.3636 0.6364 0.06 6.8326 -5.83257 -6.4689
21 2.21 0.3818 0.6182 0.01 6.9773 -5.97729 -6.5955
22 2.20 0.4000 0.6000 -0.01 7.0261 -6.02613 -6.6261
23 2.20 0.4182 0.5818 -0.03 7.0753 -6.07527 -6.6571
24 2.20 0.4364 0.5636 -0.04 7.1247 -6.12473 -6.6884
25 2.19 0.4545 0.5455 -0.09 7.2750 -6.27499 -6.8204
26 2.19 0.4727 0.5273 -0.11 7.3257 -6.32573 -6.8530
27 2.18 0.4909 0.5091 -0.16 7.4799 -6.47993 -6.9890
28 2.18 0.5091 0.4909 -0.17 7.5193 -6.51933 -7.0102
29 2.16 0.5273 0.4727 -0.25 7.7439 -6.74388 -7.2166
30 2.16 0.5455 0.4545 -0.27 7.7978 -6.79776 -7.2523
31 2.15 0.5636 0.4364 -0.31 7.9366 -6.93659 -7.3729
32 2.15 0.5818 0.4182 -0.36 8.0728 -7.07282 -7.4910
33 2.14 0.6000 0.4000 -0.38 8.1290 -7.12901 -7.5290
34 2.14 0.6182 0.3818 -0.40 8.1856 -7.18561 -7.5674
35 2.13 0.6364 0.3636 -0.45 8.3579 -7.35789 -7.7215
36 2.12 0.6545 0.3455 -0.49 8.4749 -7.47489 -7.8203
37 2.12 0.6727 0.3273 -0.51 8.5340 -7.53405 -7.8613
38 2.12 0.6909 0.3091 -0.53 8.5937 -7.59366 -7.9027
39 2.11 0.7091 0.2909 -0.55 8.6537 -7.65372 -7.9446
40 2.11 0.7273 0.2727 -0.59 8.7753 -7.77525 -8.0480
LogX LogX
f (t )
LogX LogX k ( S LogX ). S LogX
hujan yang di uji yakni Sehingga . P(x) =
f(t), dimana P(x) adalah peluang dari k yang didapat dari fungsi peluang kumulatif dan
periode ulang dari variabel Gauss
X X k S
Jika tanpa menggunakan nilai Logaritmik dapat menggunakan cara ,
XX
f (t )
S
, P(x) = f(t), dimana P(x) adalah peluang dari k. K diambil dari tabel nilai
fungsi kumulatif dari periode ulang dengan nilai koefisien variasinya. Dalam tugas ini
digunakan cara dengan menggunakan nilai logaritmiknya. Maka berdasarkan data dapat
dihitung nilai peluang P(X>) sebagai berikut;
1
0,0182
55 1
data adalah 55, sehingga untuk baris 1 kolom 3 P(x) =
Kolom 4 adalah P(X>) = 1-Nilai Kolom 3 = 1 0,0182 = 0,9825
LogX LogX
f (t )
LogX LogX k ( S LogX ). S LogX
hujan yang di uji yakni Sehingga . P(x) =
f(t), dimana P(x) adalah peluang dari k yang didapat dari fungsi peluang kumulatif dan
periode ulang dari variabel Gauss
XX
f (t )
S
, P(x) = f(t), dimana P(x) adalah peluang dari k. K diambil dari tabel nilai
fungsi kumulatif dari periode ulang dengan nilai koefisien variasinya. Dalam tugas ini
digunakan cara dengan menggunakan nilai logaritmiknya. Maka berdasarkan data dapat
dihitung nilai peluang P(X>) sebagai berikut;
1
0,0182
55 1
data adalah 55, sehingga untuk baris 1 kolom 3 P(x) =
Kolom 4 adalah P(X>) = 1-Nilai Kolom 3 = 1 0,0182 = 0,9825
% Relatif Error
Rata2 Uji Uji Smirnov
Metode
Deskriptor Kolmogorov
Statistik
Normal 3.11% Diterima
Gumbel Tipe I 39.45% Diterima
Log Person Tipe III 89.41% Diterima
Log Normal 2
Diterima
Parameter 434.98%
Log Normal 3
Diterima
Parameter 248.35%