Scribd Logo
Upload

Welcome to Scribd!

  • Ipi58172 2 PDF

    Uploaded by

    Musyafa Ngehe
    23 views10 pages

    Original Title

    ipi58172_2.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    23 views10 pages

    Ipi58172 2 PDF

    Uploaded by

    Musyafa Ngehe

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 10
    POLI REKAYASA Volume 6, Nomor 2, Maret 2011 ISSN : 1858-3709 UJI KESESUAIAN CHI-KUADRAT DATA HUJAN CATCHMENT AREATARATAK TIMBULUN KABUPATEN PESISIR SELATAN Chi-Quadrat Suitability Test of Catchment Area Taratak Timbulun - Kabupaten Pesisir Selatan Indra Agus & Suhendrik Hanwar Jurusan Teknik Sipil Politeknik Negeri Padang Kampus Unand Limau Manis Padang 25163 Telp. 0751-72590 Fax. 0751-72576 ABSTRACT Rain significantly represent input component in hydrology process. Mostly, rain characteristic are intensity, duration and depth. Data of rain available 10 calculate floods discharge. Floods discharge data are needed to calculate water construction dimension in planning. Plan of rains is calculate by applying frequency distribution analysis such normally distribution, log normally distribution, gumbel distribution, frechet distribution, Pearson III distribution, log Pearson III distribution and others. Unequal results occur from each distribution analysis. Therefore, this research is suppased to determine suitable distribution type from rain data statistic parameter results (Mean x, Standard Deviation S, Coefficient of Vaiation Cv, Coefficient of Skewness Cs, Coefficient of Kurtosis Ck). Recommended frequency distribution results will been tested by using Chi Quadrat method (Chi Quadrat suitability test). Based on Chi Quadrat suitability test results, Log Pearson III was recommenced for the most suitable frequency distribution of Catchment Area Taratak Timbulun Kabupaten Pesisir Selatan. Keywords : frequency distribution, probability, Chi Kuadrat PENDAHULUAN Dalam melakukan analisi hidrologi sering dihadapkan pada kejadian-kejadian ekstrim seperti banjir dan kekeringan. Banjir akan mempengaruhi bangunan- bangunan air seperti bendung, bendungan, tanggul, jembatan, gorong-gorong dan bangunan ‘air lainnya, Bangunan-bangunan tersebut harus direncanakan untuk dapat melewatkan debit banjir _maksimum yang mungkin terjadi. Bangunan air yang dibangun tidak hanya _memperhitungkan bangunan itu sendiri, tapi juga memperhatikan kehidupan dan fasilitas- fasilitas lain yang = mengancam kesclamatannya apabila bangunan tersebut Tuntuh. Masalah —_kekeringan _ banyak berkaitan dengan ketersediaan air untuk berbagai kebutuhan, seperti kebutuhan air irigasi, air baku, pemeliharaan sungai, dan sebagainya. Pada musim kemarau debit sungai kecil, sehingga untuk bisa memenuhi berbagai kebutuhan _perlu dilakukan analisis ketersediaan air. Penentuan jenis distribusi ini sangat diperlukan sekali dalam menghitung hujan rencana, hujan rencana dapat menghitung debit rencana, yang pada akhimya dapat menentukan dimensi bangunan-bangunan air yang akan dirancang. Sebelum data hujan digunakan lebih lanjut ke perhitungan debit maka sangat diperlukan sekali Uji kesesuaian, salah satunya dengan metode Chi Kuadrat Maksud dari Uji kesesuaian Chi Kuadrat adalah untuk menentukan apakah persamaan distribusi peluang yang telah dipilih dapat mewakili dari distribusi statistik sampel data yang dianalisis pada Catchment Area Taratak Timbulun Tujuannya menghitung parameter statistik data hujan Catchment Area Taratak Timbulun dan melakukann uji kesesuaian Chi Kuadrat Curah Hujai Seperti yang telah diketahui dari siklus hidrologi, udara yang membawa uap air dari laut atau ke lautan akan bergerak ke atas menjadi awan. Bila suhu awan 1g POLI REKAYASA Volume 6, Nomor 2, Maret 2011 ASSN : 1858-3709 mencapai titik embun kemudian terjadilah proses pengembunan = uap_—s air (condensation), yang selanjutnya hasil pengembunan itu jatuh dari awan atau diendapkan dari udara menuju permukaan bumi sebagai presipitasi (precipitation). Presipitasi arah vertikal dapat bermacam- macam bentuknya seperti hujan; hujan batu €s, salju atau sebagai presipitasi horizontal, seperti: kabut, embun dan sebagainya. Beberapa —pengertian yang berhubungan dengan curah hujan antara Jain: 1. Hujan (Rain), adalah bentuk tetesan air yang mempunyai garis tengah lebih dari 0.5 mm atau lebih kecil dan terhambur luas pada suatu kawasan. 2. Curah Hujan (H,rain fall), adalah banyak air yang, jatuh kepermukaan bumi, dalam hal ‘ini permukaan bumi dianggap datar dan kedap, tidak mengalami penguapan dan tersebar merata serta dinyatakan sebagai ketebalan air (rain fall depth,cm, mm). 3. Durasi Hujan (tDuration), lamanya waktu hujan tercurah dari atmosfer ke permukaan bumi, dinyatakan sebagai satuan waktu (menit,jam,hari). 4. Intensitas Hujan ([Rain Fall Intensity),adalah _—ukuran yang menyatakan tebal hujan dalam satuan durasi tertentu(mm/jam, cm/hari). 5. Frekuensi Intensitas Hujan (7,Rain Fall Intensity Frequency),adalah interval waktu rata-rata antara kejadian curah hujan yang mempunyai _intensitas tertentu dengan kejadian curah hujan dengan intensitas yang sama atau lebih lebat. 6. Luas daerah Hujan (4,rain Fall Area Extent), adalah luas areal dengan suatu curah hujan yang tebalnya dianggap sama, dan dinyatakan dalam satuan luas (ha,km’), 7. Hitograf (Hytograph), adalah diagaram batang yang menggambarkan hubungan tebal hujan terhadap waktu. 8. Curah Hujan Efektif (He, Efectif Rain Fall), adalah curah hujan yang menjadi aliran permukaan (surface run off). Dalam pengertian irigasi, curah hujan efektif adalah curah hujan yang meresap dalam tanah © untuk memenuhi kebutuhan air tanaman, Curah Hujan Wilayah Dalam analisa hidrologi_sering diperlukan untuk —menentukan —hujan wilayah rata-rata pada daerah tersebut. Metode yang digunakan dalam menghitung curah hujan wilayah adalah metode rata- rata Aljabar, metode poligon Thiessen dan metode Isohyet. Metode Rata-Rata Aljabar Metode ini adalah metode yang paling sederhana untuk menghitung hujan rerata pada suatu daerah. Pngukuran yang dilakukan di beberapa stasiun dalam waktu yang bersamaan dijumlahkan dan kemudian dibagi dengan jumlah stasiun. Stasiun hujan yang digunakan dalam hitungan biasanya adalah berada di dalam DAS, tetapi stasiun di luar DAS yang masih berdekatan juga bisa diperhitungkan. Metode rerata aljabar memberikan hasil yang baik apabilaStasiun hujan tersebut tersebar secara merata di DAS. Distribusi hujan relatif merata pada seluruh DAS. Persamaan rerata aljabar : Be PLEPLEPS tennant Py W aw : curah hujan wilayah wujan di stasiun 1,2,3...n n : jumlah stasiun Metode Thiessen Metode ini memperhitungkan bobot dari masing-masing stasiun yang mewakili luasan disekitarnya. Pada suatu luasan di dalam DAS dianggap bahwa hujan adalah sama dengan yang terjadi pada stasiun yang terdekat, sehingga hujan yang tercatat pada suatu.stasiun mewakili Iuasan tersebut. Metode ini digunakan apabila penybaran stasiun hujan di daerah yang ditinjau tidak merata, Hitungan curah hujan__rerata 120 POLI REKAYASA Volume 6, Nomor 2, Maret 2011 ISSN : 1858-3709 dilakukan dengan memperhitungkan daerah pengaruh dari tiap stasiun. Pembentukan poligon Thiessen adalah sebagai berikut : 1, Stasiun pencatat hujan digambarkan pada peta DAS yang diti stasiun hujan diluar berdekatan, 2. Stasiun-stasiun térsebut dihubungkan dengan garis lurus (garis terputus) schingga membentuk segitiga-segitiga, yang sebaiknya mempunyai sisi dengan panjang yang kira-kira sama. 3. Dibuat garis berat pada sisi-sisi segitiga. 4. Garis-garis berat tersebut_ membentuk poligon yang mengelilingi tiap stasiun. Tiap stasiun mewakili ‘Iuasan yang dibentuk oleh poligon. Untuk stasiun yang berada didekat batas DAS, garis batas DAS membentuk batas tertutup dari poligon. 5. Luas tiap poligon di ukur dan kemudian dikalikan dengan kedalaman hujan di stasiun yang berada didalam poligon. 6. Jumlah dari hitungan pada butir ¢ untuk jun dibagi dengan luas daerah yang ditinjau menghasilkan hhujan rerata daerah tersebut yang dalam bentuk matematik mempunyai_bentuk berikut ini : BPA +P A HPs Ay teecncnnn tPy Ay Athy tg tN Q) Dengan : BP : curah hujan wilayah 1ujan di stasiun 1,2,3...n : luas daerah yang mewakili Metode Isohyet Isohyet adalah —garis yang. menghubungkan —titik-titik dengan kedalaman hujan yang sama. Pada metode isohyet, dianggap bahwa hujan pada suatu daerah di antara dua garis isohyet adalah merata dan sama dengan nilai rerata dari kedua garis isohyet tersebut. Pembuatan garis isohyet dilakukan dengan prosedur berikut ini : 1. Lokasi stasiun hujan dan kedalaman hujan digambarkan pada peta dacrah yang ditinjau. 2. Dari kedua nilai kedalaman hujan di stasiun yang berdampingan dibuat interpolasi dengan pertambahan_nilai yang ditetapkan. 3. Dibuat kurva yang meenghubungkan titik-titik interpolasi_ yang mempunyai kedalaman hujan yang sama. Ketelitian tergantungpada pembuatan garis isohyet dan intervalnya, 4, Diukur luas daerah antara dua isohyet yang berurutan dan kemudian dikalikan dengan nilai rata-rata dari nilai kedua garis isohyet. 5. Jumlah dari hitungan pada butir d untuk seluruh garis isohyet dibagi dengan luas daerah yang ditinjau menghasilkan kedalaman hujan rerata daerah tersebut. Secara matematis hujan rerata tersebut dapat ditulis. Abe yn, tle At Ag to. AN @) P : curah hujan wilayah Tnlndn —: garis isohyet ke 1,2,3,..n, ntl AyAz,..An :luas daerah yang dibatasi oleh garis isohyet ke 1 dan 2,3 dan 3,....n dan n+1 Penentuan Jenis Distribusi Penentuan jenis Distribusi yang sesuai dengan data dilakukan dengan mencocokan parameter statistik dengan syarat masing-masin jenis distribusi. Tabell. Parameter Statistik Untuk Menentukan Jeni Wo Distibusi ersyaraian 1 Normal (2s)=6827% G25) 95.1496 csx0 Cke3 2 LogNormal Gad ase Che cot 6c¥8 41500 10092 43 3 Gumbel 121 POLI REKAYASA Volume 6, Nomor 2, Maret 2011 Konsep Probabiitas Dalam Hidrologi Dalam hidrologi sering dilakukan analisis data dalam jumlah yang sangat banyak. Data tersebut diperoleh dari pengukuran di alam seperti debit sungai, hujan dan sebagainya) yang “dapat diukur hanya satu kali dan kemudian tidak akan terjadi lagi. Salah satu hal penting dalam analisis hidrologi adalah menafsisrkan probabilitas suatu kejadian yang akan datang berdasar data hidrologi yang diperolch pada pencatatan yang telah Jampau. Untuk maksud tersebut digunakan konsep probabilitas dalam analisis data hidrologi. Probabilitas p dari variat adalah sejumlah kejadian dari variat diskret dibagi dengan jumlah total kejadian. Probabilitas total dari variat adalah satu, dan distribusi dari probabilitas semua variat disebut dengan distribusi probabilitas. Probabilitas Komulatif dari suatu variat_ adalah probabilitas bahwa variabel sembarang yang bernilai sama dengan atau kurang dari suatu nilai tertentu, misalnya x, yang dapat dinyatakan dengan p (X< x), dengan X adalah variabelnya. Jadi probabilitas bahwa nilai variabel tadi sama dengan atau lebih daripada x adalah 1 -p(X x) Uji Chi Kuadrat Uji Chi-Kuadrat dimaksudkan untuk menetukan apakah persamaan distribusi peluang yang telah dipilih dapat mewakili dari distribusi statistik sampel data yang dianalisis.Pengambilan keputusan uji ini menggunakn parameter 7’, oleh karena itu disebut dengan uji Chi-Kuadrat. Parameter 3? dapat dihitung dengan rumus : @ parameter chi-kuadrat terhitung, jumlah sub-kelompok Oj; = jumlah nilai pengamatan pada sub kelompok ke i ISSN : 1858-3709 E, = jumlah nilai teoritis pada sub kelompok ke i E; didekati dengan persamaan : E, =f x probalitas 6) Parameter y,? merupakan variabel acak. Peluang untuk mencapai nilai 4,’sama atau lebih besar dari pada nilai chi-kuadrat yang sebenarnya (”). Nilai Ej diperoleh dengan cara ekspaktasi dari kurva normal. Kurva normal dalam statistik biasanya sudah didekati dengan nilai tabel distribusi normal yang berisi Iuas area yang dibatasi oleh rerata dan simpangan baku dan ditandai oleh simbol ‘y’ Nilai y didekati dengan persamaan : = Hy ye ©) ‘=nilai rata-rata sampel o = simpangan baku Untuk menentukan probalitas antara y digunakan tabel y (distribusi probalitas normal standar) yang dapat dilihat pada lampiran tabel y. Parameter yy’ merupakan variable acak. Peluang untuk mencapai nilai %,? sama atau lebih besar dari data pada nilai chi-kuadrat yang sebenamya y” dengan derajat_kebebasan (dk) yang ditentukan melalui parameter statistik yang digunakan. Derajat kebebasan didekati_ dengan persamaan. dk=G-R-1 om nilai R = 2 untuk distribusi normal dan binomial, dan nilai R=1 untuk distribusi Poisson) 122 POLI REKAYASA Volume 6, Nomor 2, Maret 2011 ISSN : 1858-3709 ‘Tabel 2. Nilai Kritis untuk Distribusi Chi-Kuadrat (Uji Satu Sisi) ‘Dk a derajat kepercayaan 0,995 0,99 0,975. 0,95 0,05 0,025 0,01 0,005, T 0,04393 0,0315 0,0398 0,0239 3,841 5,024 6,635 7,879 20,0100 0,0201° 0,0506 0,103 5,991 7,378 + 9,210 10,579 3 00717 0,115 0,216 0,352 7,815 9,348 11,345 12,838 4 0,207 0,297 0,484 «0,711 =: 9,488 —11,143 13,277 14,860 50412 0,554 0,831 _1,145 11,070 _ 12,832 _ 15,086 _16,750 6 0676 0872. 1237 1,635 12,592 14449 16812 18,548 7 0,989 1,236 1,690 2,167 14,067 16,013 18,475 20,278 8 1,344 1,646 2,180 2,733 15,507 17,535 20,090 21,955 9 1,735 2,088 2,700 3,325 16,919 19,023 21,666 23,589 10 2,156 2,558 3,247 3,940 18,307 20,483 23,209 25,188 i 2,603 3,053 3,816 94,575 21,920 24,725 24,725 26,757 12 3,074 3,571 4,404 = 5,226 23,337 26,217 26,217 28,300 13 30565 4,107 5,009 5,892 24,736 27,688 27,688 29,819 14 4,075 4,660 5,629 6,571 26,119 29,141 29,141 31,319 15 4,601 5,229 5,262__-7,261_—- 27,488 30,578 30,578 32,801 16 5,142 5,812 6908 7,962 26,296 28,845 32,000 34,267 17 5,697 6,408 7,564 8,672 27,587 30,191 33,409 35,718 18 6,265 ~7,015 8,231 9,39 28,869 31,526 34,805 37,156 19 6,844 7,633 8,907 10,117 30,144 32,852 36,191 38,582 20 7434 8,260 9,591 10,851 31,410 34,170 37,566 __ 39,997 21 8,034 8,897 10,283 11,594 32,671 35,479 38,932 41,401 22 8,643 9,542 10,982 12,338 33,924 36,781 40,289 + 42,796 23 9,260 10,196 11,689 13,338 36,172 38,076 41,638 += 44,181 24 9,886, 10,856 12,401 13,091 36,415 39,364 42,980 45,558 25 10,520 11,524 13,120 14,611 37,652 40,646 44,314 46,928 26 =:11,160 12,198 13,844 15,379 38,885 41,923 45,642 48,290 27 = -11,808 = 12,879 14,573 16,151 40,113 43,194 46,963 49,645 28 = (12,461 13,565 15,308 16,928 41,113 44,461 48,278 50,993 29 13,121 14,526 16,047 17,708 42,557 45,588 49,588 52,336 30__13,787__14,953__ 16,791 __ 18,493 __43,773__50,892__50,892__ 53,672 Suniber "Bonier, 1986 METODOLOGI Standard Deviation S, Coeffisient of Untuk menentukan jenis distribusi Variation Cv, Coeffisient of Skewness data hujan dan dilakukan langkah-langkah Cs, Coeffisient of Kurtosis Ck. agai beriku: 4. Lakukan pengujian dengan metode Chi seb. 1. 2. 3. Menentukan hujan harian maksimum untuk tiap-tiap tahun data. Menentukan curah hujan wilayah Menentukan parameter statistik dari data yang telah diurutkan dari kecil ke besar atau sebaliknya, yaitu: Mean x , Kuadrat untuk mengetahui apakah jenis distribusi yang dipilih sudah tepat. 123, POLI REKAYASA Volume 6, Nomor 2, Maret 2011 HASIL Curah Hujan Wilayah Tabel. 3. Curah Hujan Wilayah DAS Taratak Timbulun’ ‘Curah Hejan di Stasiun Koto” Curah bo ui Muaro Nan Hujan Labuh_Surantih Tigo Wilayah 1 We 12599 MO. 121333 2 198 90 = 7s 8s 116.67 3 1986 8 163,130, 124333 4 19878028) 159333 5 1988 7519868 148.667 6 198910813121 120.000 7 199038170116 108.000 8 1991 6157217 144.667 ‘Tabel.4.Hasil Hitungan Parameter Statistik JUMLAH NO T 2 3 4 5 6 7 8 9 10 it 12 13, 14 15 16 7 18 19 20 21 22 23 24 XRata2 Xi 168.333, 159.333, 153.667 152,000 145.667 144.667 144.667 136.000 126.000 124.333, 121.333 120.000 116.667 112.000 110.333 108.000 105.000, 104.000 101.333, 96.000 94,333 88.667 85.000 80.000 2897.333 120.722 - Nilai Standar Deviasi, $ S= 25022 Xe ISSN : 1858-3709 9 1992 4h 143-96 94333, 10 1993352389 145.667. 1 199482 190 166 136.000 12 199586 130 240 152.000 13 1996 1071022210333 14 199780 120 104 101.333 15 1998 97,250,158 168,333 16 199952 141 143 112.000 17 200064 121 103 96.000 18 2001 50 157 108 105.000 19 2002-30 191157 126.000 20 200312125189 153.667 21-2008 «40 120 80 80.000 2 205 33 45134 104,000 B 200633, 96 137 88.667 242007 33, 86___136__85.000 Cs Xrerata Xserata)? 47.611 266.818 38.611 1490.818 32.944 1085.336 31278 978.299 24.944 622.225 23.944 573.336 23.944 573.336 15.278 233.410 5.278 27.855 3.611 13.040 0.611 0.373 072 0522 4.056 16.448 8.722 76.077 -10.389 107.929 12.722 161.855 15,722 247.188 16.722 279.633 -19.389 375.929 -24.722 611.188 -26.389 696.373 32.056 1027.559 “35.722 1276.077 40.722 1658.299 0.000 14399.926 - Koefisien Skewness (kemencengan) Cy = 0,240 i Xrerata2)3 107925.719 57562.136 35755.805 30599.031 15521.065 13728.222 13728,222 3565994 147.012 47.089 0.228 0377 -66.704 -663.562 -1121.263 -2059.154 -3886.349 -4676.080 728.846 -15109.932 -18376.522 -32938.963 ~45584.312 -67529.636 79278.823 ec Xrerata2)}4 3138463.397 2222538.015 1177955.144 957069.682 387164.335 328714.650 328714.650 54480.459 775.898 170.045 0.139 0.272 270.521 (5787.734 11648.672 26197.021 61102.042 78194.456 141322.622 373551.103 484935.991 1055876.763 1628372.920 2749956,843 17213263.374 - Koefisien Variasi, Cv cy = 0207 - Koefisien Kurtosis, Ck cy 2,083 124 POLI REKAYASA Volume 6, Nomor 2, Maret 2011 ISSN : 1858-3709 TabelS. Data cuyah —hujan dan probabilitasnya untuk distribusi Norma! dan Gumbel ' _ T NO Xi P(%) shun 1 80.000 4.000 25.00 2 85.000 * 8.000 12.50 3 88.667 12.000 833 4 94.333 16.000 6.25 5 96.000 20.000 5.00 6 101.333 24.000 417 7 104.000 28,000 3.57 8 105.000 32.000 3.13 9 108.000 36.000 2.78 10 110.333 40,000 2.50 u 112.000 44.000 2.27 12 116.667 48.000 2.08 13° 120,000 ~ 52,000 1.92 14 121.333 56.000 1.79 15 124.333 60,000 1.67 16 126,000 64,000 1.56 17 136,000 68,000 147 18 144.667 72.000 139 19 144.667 76.000 1.32 20 145.667 80.000 1.25 21 152,000 84.000 1.19 22 153.667 88.000 1.14 23 159.333 92.000 1.09 24 168.333 96.000 1.04 Tabel.6. Data curah —hujan dan probabilitasnya untuk distribusi Log ‘Normal dan Log Pearson II] rc nome i) (%) (tahun) T 80000 1.903 4.00 25.00 2 85.000 1.929 8.00 12.50 3 88667 1.948 12.00 8.33 4 94333 1.975 16.00 6.25 5 96.000 1.982 20.00 5.00 6 101.333 2.006 2400 4.17 7 104.000 2.017 28.00 3.57 8 105.000 2.021 32.00 3.13 9 108.000 2.033 36.00 2.78 10 110.333 2.043 40.00 2.50 11 112.000 2.049 44.00 2.27 12 116.667 2.067 48.00 2.08 13 120.000 2.079 52.00 1.92 14 121.333 2.084 56.00 1.79 15 124.333 2.095 60.00 1.67 16 126.000 2.100 64.00 1.56 17° 136.000 2.134 68.00 1.47 18 144.667 2.160 72.00 1.39 19 144.667 2.160 76.00 1.32 20 145.667 2.163 80.00 1.25 21 152.000 2.182 84.00 = 1.19 22 (153.667 2.187 88.00 1.14 23 159.333 2.202 92.00 1.09 24 168.333 2.226 96.00 __—*1.04. Penentuan Jenis Distribusi Nitai (¢ ~ s)= (120,722 - 25,022)=95,701 Nilai (x +s)= (120,722 + 25,022) =145,744 Jumlah data yang lebih kecil dari 95,701 adalah 4 buah, jumlah data yang lebih besar dari 145,744 adalah 4 buah, sehingga Y, =8 Banyak variat (0%) oas=69567%e e276 Nilai (c -2s)= (120.722 - 2x25022)= 70,679 Nilai (x +28) (120,722 + 2x25,022)=170,776 Jumlah data yang lebih kecil dari 70,679 tidak ada, jumlah data yang lebih besar dari 145,744 tidak ada, schingga Y2 = 0 Banyak variat = =") oo = 100% #9546% Tabel7. Parameter Statistik. untuk menentukan jenis distribusi. No Disibast Persyaratan ast Hin Rem Exons 8 Namal Ey s)oesavee 65.557% Gs2s)295,44% 100,000% cs=0 24 Ckx3 2083 2 oe cease 0631 Noma = CheCh HEF HY 5.76 +00 43 3 Gumbel M4 028 Cae 2083 4 Lop Pearson am Selain dar nilai diatas Uji Chi Kuadrat Dari hasil perhitungan parameter statistic didapat : - Nilai Standar Deviasi, $ $= 25022 125 POLI REKAYASA Volume 6, Nomor 2, Maret 2011 + Nilai rata-rata,(X). X= 120722 ‘Tabel 8.Interval Hujan dan Frekuensi INTERVAL HUJAN — FREKUENSI (mny/hari) 70 - 85 86-101 102-117 . 118 - 133 134-149 150 - 165 166 - 181 Jumlah hone oants Histogram Data Curah Hujan Gambar 3.Histogram Data Curah Hujan Menentukan nilai probabilitas titik y ~&-®% s 120.722) 022 -2.05 Dari kurva normal dengan nilai -2.05 didapat probabilitasnya adalah 2,02% Tabel 9. Probabilitas’ Data Hujan Menggunakan Kurva Normal BATAS, BAWAH NILAIy —_ PROBABILITAS KELAS 69.5 “2.05 0.0202 85.5 “141 0.0793 101.5 0.77 0.2206 17s 0.13 0.4483 133.5 051 0,695 149.5 Lis 8749 ASSN : 1858-3709 165.5 1.79 0.9633 96.33% Menentukan probabilitas antara y _ &-X) vers es y=[ fax 70 80 70, = f fe(x)dx— [f(x ye & - 1200724 -Pf 25.022 P(70(x,-xP (n(n -2)8° - Koefisien Variasi, Cv - Koefisien Kurtosis, Ck Z ¥(x)-x} = Mn —2)S* Penentuan Jenis Distribusi - Distribusi Normal Untuk distribusi normal disyaratkan bbahwa kemungkinan variat yang berada (c-s) dan (+s) adalah 68,27% dan yang berda antara (¢—2s) dan (-+2s) adalah 95,44%. - Distribusi Log Normal Cs= Cv +3Cv Ch = Cv! + 6Cv" + 15004 + 16C¥? +3 - Distribusi Gumbel Cs=114 Ck=5,4 = Distribusi Log Pearson III Selain dari nilai diatas. Uji Kesesuaian Chi Kuadrat Prosedur Perhitungan Uji Chi Kuadrat: 1) Urutkan data pengamatan (dari besar ke kecil atau sebaliknya). 2) Kelompokan data menjadi G sub-group. 3) Jumlahkan data pengamatan sebesar 0; tiap-tiap sub group; 4) Tentukan batas bawah masing-masing kelas. 5) Hitung transformasi y 6) Tentukan probalitas antara y dengan kurva normal atau tabel y 7) Tentukan frekuensi teoritis 8) Tentukan derajat kebebasan (df) 9) Tentukan derajat kepercayaan yang diterima, biasanya dilakukan uji tehadap derjat kepercayaan sebesar 95% dan 99%. Setelah dilakukan pengolah data sesuai dengan prosedur, lakukan perbandingan ISSN : 1858-3709 antara x? hitungan dan 7? teoritis pada derajat 95% 99% dengan interprestasi sebagai berikut: 1. Apabila 2 hitungan<;? teoritis, maka hipotesa dapat diterima, 2. Apabila x? hitungan>z2, maka hipotesa tidak dapat diterima/ditolak. SIMPULAN Dari hasil uji kesesuaian dengan Chi Kuadrat didapatkan hasil sebagai berikut : Xp 2

    You might also like