LAPORAN HIDROLOGI

Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

BAB IV
ANALISA CURAH HUJAN

4.1 Umum
Pada umumnya sungai-sungai di Indonesia tidak terdapat catatan hujan yang
cukup untuk digunakan dalam analisis debit sungai. Sehingga perkiraan
hujan sungai dianalisis dengan rumus empiris, dengan mempertimbangkan
kondisi klimatologi dan kondisi fisik daerah pengaliran sungai. Hasil
simulasi tersebut selanjutnya dikalibrasi terhadap catatan hujan terhadap
catatan hujan yang ada untuk menetapkan catatan hujan yang ada untuk
menetapkan parameter analisis.

Hujan aliran rendah bersama – sama dengan pola kebutuhan air digunakan
untuk menetapkan kapasitas tampungan yang optimal, sehingga target areal,
pola tanam maupun intensitas tanam dapat terpenuhi dari volume air yang
tertampung diwaduk dengan tingkat kegagalan 20%
Pada bagian ini akan dipaparkan bagaimana data curah hujan ini diolah
sehingga bisa ditemukan curah hujan daerah. Metode yang digunakan dan cara
pengujiannya juga dibahas dalam bab ini.

4.2 Melengkapi Data yang Hilang

Sering kali dijumpai adanya kekosongan pencatatan data hujan pada salah
satu stasiun hujan, hal ini bisa dikarenakan keteledoran petugas pencatat
maupun kerusakan pada stasiun hujan yang bersangkutan. Agar data dari
stasiun yang pencatatan hujannya mengalami kekosongan bisa dianalisa, maka
kekosongan tesebut harus diisi dengan bantuan data yang tersedia pada
stasiun hujan disekitarnya pada saat yang sama.

Saat ini dikenal dua cara untuk memperkirakan data hujan yang hilang yaitu
dengan cara ‘Normal Rasio Methode’ (Linsley, et all, 1958) dan ‘Reciprocal
Methode’ / ‘Inversed squared distance’ (Simanton & Osborne, 1980). Untuk
‘Normal Ratio Methode’ bisa digunakan bila variasi ruang hujan tidak
terlalu besar, sedangkan pada ‘Reciprocal Methode’ memanfaatkan jarak
antar stasiun sebagai factor koreksi. Rumus yang dipakai dalam ‘Normal
Rasio Methode’ adalah sebagai berikut:

CV. LINTAS KHATULISTIWA KONSULTAN 1

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

PX = 1/n [ NX.PA/NA + N.PB/NB + …. + Nx.Pn/Nx ]

Dengan:
PX = curah hujan pada stasiun x yang dicari (mm)
NX = curah hujan normal tahunan di stasiun x
PA = curah hujan pada stasiun A (mm)
NA = curah hujan normal tahunan di stasiun A
n= jumlah stasiun referensi

sedangkan cara yang relative lebih baik adalah cara ‘Reciprocal Methode’
yang memanfaatkan jarak antar stasiun sebagai factor koreksi (weighting
factor). Hal ini bisa dimengerti, karena korelasi antara dua stasiun hujan
menjadi makin kecil dengan makin besarnya jarak antara stasiun tersebut.
Persamaan diatas bisa digunakan, bila dalam DAS tersebut terdapat lebih
dari dua stasiun ujan dan dianjurkan untuk menggunakan paling tidak tiga
stasiun acuan.

PA /(d XA ) 2 + PB /(d XB ) 2 + PCB /(d XC ) 2

PX =
1/(d XA ) 2 + 1/(d XB ) 2 + 1/(d XC ) 2

Dengan
PA = curah hujan pada stasiun A (mm)
dXA = jarak antara stasiun X dengan stasiun acuan A

4.3 Penyajian Data Hujan

Sebagaimana penyajian data curah hujan yang telah diuraikan pada Bab II,

maka data hujan yang ada terlebih dahulu dianalisa secara statistik. Langkah

awal yang perlu dilakukan adalah pengelompokan data yang dapat disajikan

secara grafis sebagai deret berkala (time series) dengan mem-plot

nilai–nilai variate menurut urutan kejadiannya. Plotting nilai–nilai

variate dapat disertai dengan batas–batas konfiden (confident limits) yang

berjarak Sx diatas dan dibawah garis nilai tengah X.

Dengan penggambaran data tersebut kita dapat mengetahui adanya arah gejala

CV. LINTAS KHATULISTIWA KONSULTAN 2

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

(trend) dan perubahan siklik (cyclic change). Disamping itu dengan

pengelompokkan data akan dapat diketahui Range (rentangan) besarnya hujan

sungai yang sering terjadi (dominan) pada daerah bersangkutan.

4.3.1 Cumulative Distribution Function (CDF).

Cumulative Distribution Function (CDF) dipergunakan untuk

menyatakan probabilitas dari suatu nilai variabel random

diskrit, yaitu :

Fx(X) = P ( X O x )

Dimana x merupakan variabel random diskrit jika hanya beberapa

harga diskrit x memiliki probabilitas yang positif.

Grafik CDF untuk hujan harian maksimum tahunan dapat dilihat pada

Lampiran.

4.3.2 Probabily Density Function (PDF)

Probability Density Function (PDF) dipergunakan untuk menyatakan

probabilitas dari suatu nilai variabel random menerus, yaitu :

dFx ( X )
Fx =
dx

Dimana x merupakan variabel random menerus, sehingga

probabilitasnya berkaitan dengan interval pada suatu peristiwa

pada harga x tertentu. Dari grafik PDF dapat pula diketahui

apakah nilai koefisien skewness positif atau negatif melalui arah

kemiringan grafik tersebut sehingga secara umum dapat diketahui

metode distribusi frekuensi yang cocok untuk digunakan pada data

bersangkutan.

CV. LINTAS KHATULISTIWA KONSULTAN 3

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

Grafik PDF untuk hujan harian maksimum tahunan dapat dilihat pada

Lampiran.

4.4 Analisa Distribusi Frekwensi Data Hujan

4.4.1 Distribusi Normal.
Untuk analisa frekuensi data hujan menggunakan metode distribusi

Normal, dengan persamaan sebagai berikut :

XT = X + k.Sx

Dimana :

XT = Variate yang diekstrapolasikan, yaitu besarnya hujan

banjir rancangan untuk periode ulang T tahun.

n
 Xi
1
X = Harga rata – rata dari data =
n
Sx = Standard Deviasi

n n
 X i2 −  X i
1 1
=
n −1

k = Variabel reduksi Gauss (lihat Lampiran).

4.4.2 Distribusi Log Normal.

Untuk analisa frekuensi data hujan menggunakan metode

distribusi Log Normal, dengan persamaan sebagai berikut :

Log XT = Log X + k.SxLog X

CV. LINTAS KHATULISTIWA KONSULTAN 4

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

Dimana :

Log XT = Variate yang diekstrapolasikan, yaitu besarnya hujan

banjir rancangan untuk periode ulang T tahun.

n
 log ( X i )
1
Log X = Harga rata – rata dari data =
n
n n
 ( LogX i − Log 
2
Xi )
1 1
SxLog X = Standard Deviasi =
n −1

k = Varibel reduksi Gauss (lihat Lampiran).

4.4.3 Distribusi Gumbel.

Untuk analisa frekuensi data hujan menggunakan metode E.J.

Gumbel, dengan persamaan sebagai berikut :

XT = X + K.Sx

Dimana :

XT = Variate yang diekstrapolasikan, yaitu besarnya hujan

banjir rancangan untuk periode ulang T tahun.

n
 Xi
1
X = Harga rata – rata dari data =
n
n n
 X i2 −  X i
1 1
Sx = Standard Deviasi =
n −1

K = Faktor frekuensi yang merupakan fungsi dari periode

ulang (return period) dan tipe frekuensi.

CV. LINTAS KHATULISTIWA KONSULTAN 5

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

Untuk menghitung faktor frekuensi E.J. Gumbel mengambil harga

YT − Yn
K =
Sn

Dimana :

YT = Reduced variate sebagai fungsi dari periode

ulang T (lihat Lampiran).

Yn = Reduced mean sebagai fungsi dari banyak data (N),

lihat Lampiran.

Sn = Reduced standard deviation sebagai fungsi dari

banyak data N (lihat Lampiran).

4.4.4 Log Pearson Type III

Untuk analisa frekuensi data hujan menggunakan metode Log Pearson

Type III, dengan persamaan sebagai berikut :

Log XT = LogX + Ktr. S1

Dimana :

Log XT = Variate yang diekstrapolasikan, yaitu besarnya

hujan banjir rancangan untuk periode ulang

(tahun).

CV. LINTAS KHATULISTIWA KONSULTAN 6

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

Log X = Harga rata – rata dari data

n

 LogX i
= LogX = i =1

n
SxLog X = Standard Deviasi

 ( LogX i − LogX ) 2
= S1 = i =1

n −1

KTR = Koefisien frekuensi, didapat berdasarkan hubungan

nilai Cs dengan periode ulang T (lihat Lampiran ).

n
n.  ( LogX i − LogX ) 3
i =1
Cs =
( n − 1)( n − 2).S1
3

Tabel 4.1. Nilai KTR Untuk Periode Ulang T

Ktr2 = - 0.12140 Ktr20 = 1.76186 Nilai Ktr

Ktr2.33 = - 0.02152 Ktr25 = 1.97578 diinterpolasi
Ktr5 = 0.78662 Ktr50 = 2.42254
dari Lampiran
Ktr10 = 1.33401 Ktr100 = 2.84663 Tabel

Tabel. 4.2 Hasil Analisa Distribusi Curah Hujan Curah Hujan Harian Maksimum Tahunan
Daerah ( KAUBUN )
No. Periode Ulang Dist. Normal Dist. Log Normal Dist. Gumbel Dist. LP III
Tr (tahun) (mm) **) (mm) **) (mm) **) (mm) *)

1 2 66.74 55.79 62.71 61.86

2 2.33 73.55 62.23 71.93 88.77
3 5 101.42 97.34 111.99 98.18
4 10 119.59 130.28 144.63 118.55
5 20 134.46 165.38 175.93 123.80
6 25 137.27 173.00 185.86 126.52
7 50 151.39 217.00 216.45 152.81
8 100 162.95 261.24 246.81 163.66
9 1000 194.33 432.25 347.13 54472.40
*) Curah Hujan memenuhi salah satu jenis Uji Distribusi
**) Curah Hujan memenuhi kedua jenis Uji Distribusi ( dipilih Metode Gumbel )
Sumber : Hasil Perhitungan

CV. LINTAS KHATULISTIWA KONSULTAN 7

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

Tabel 4.3. Hasil Analisa Distribusi Curah Hujan Curah Hujan 3 Harian Maksimum Tahunan
Daerah ( KAUBUN )
No. Periode Ulang Dist. Normal Dist. Log Normal Dist. Gumbel Dist. LP III
Tr (tahun) (mm) **) (mm) **) (mm) **) (mm) *)

1 2 101.50 81.61 95.50 92.74

2 2.33 111.64 92.74 109.23 140.91
3 5 153.14 156.46 168.88 157.89
4 10 180.19 220.02 217.46 195.38
5 20 202.32 290.79 264.07 220.80
6 25 206.51 306.53 278.85 234.72
7 50 227.53 399.52 324.39 258.61
8 100 244.74 496.31 369.59 278.41
9 1000 291.47 894.30 518.96 194905.59
*) Curah Hujan memenuhi salah satu jenis Uji Distribusi
**) Curah Hujan memenuhi kedua jenis Uji Distribusi ( dipilih Metode Gumbel )
Sumber : Hasil Perhitungan

4.5 Pengujian Kesesuaian Distribusi Frekuensi

Uji kesesuaian ini dimaksudkan untuk mengetahui kebenaran suatu hipotesa
distribusi frekuensi. Dengan pemeriksaan ini akan diperoleh :

1. Kebenaran antara hasil pengamatan dengan model distribusi yang

diharapkan atau yang diperoleh secara teoritis.
2. Kebenaran hipotesa diterima atau ditolak untuk digunakan pada
perhitungan selanjutnya.

Untuk melakukan pemeriksaan tersebut terlebih dahulu harus dilakukan

tahapan sebagai berikut :

1. Data hujan maksimum harian tiap tahun disusun dari kecil ke besar.
2. Hitung probabilitasnya dengan menggunakan rumus Weibull :

m
Sn( x) =  100%
n +1
Dengan :
Sn(x) = Probabilitas (%)
m = Nomor urut data dari seri yang telah diurutkan
n = Banyaknya data
3. Plotting data hujan (Xi) dengan probabilitas Sn(x)
4. Tarik garis lurus sesuai dengan persamaan yang akan di uji.

CV. LINTAS KHATULISTIWA KONSULTAN 8

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

5. Ada 2 cara untuk mengadakan uji kesesuaian distribusi Log Pearson III,
yaitu Chi Kuadrat (uji data vertikal) dan uji Smirnov Kolmogorov (uji
data horizontal).

4.5.1 Uji Chi – Kuadrat

Uji Chi – Kuadrat (uji data vertikal) adalah ukuran perbedaan yang
didapat antara frekuensi yang diamati dengan yang diharapkan.
Uji ini digunakan untuk menguji simpangan tegak lurus yang
ditentukan dengan rumus Shahin :

(x )
2
k
=
(EF − OF )2 , EF =
n
hit
i =1 EF k

Dengan :
X2hit = Uji statistik
OF = Nilai yang diamati (Observed frequency)
EF = Nilai yang diharapkan (Expected frequency)

Uji Chi – Kuadrat merupakan uji simpangan vertikal dengan

langkah-langkah sebagai berikut :

• Tentukan jumlah kelas disribusi (K)

K = 1 + 3,22 Log n, n = banyaknya data
• Cari nilai Chi kuadrat hitung (X2)cr
• Besarnya nilai (X2)cr` dapat diperoleh pada berdasarkan taraf
signifikan (α) dan derajat bebasnya (DK). Dengan memasukkan
harga K dan sebaran Chi Kuadrat dapat diperoleh harga DK.

DK = K – (P – 1)

• Kemudian nilai (X2)cr bandingkan dengan nilai chi kuadrat

kritis (X2)cr.
• Nilai (X2)cr > (X2)hitung, berarti sebaran vertikal dapat
diterima.

Hasil pengujian dengan uji Chi Kuadrat dapat dilihat pada tabel
berikut :

CV. LINTAS KHATULISTIWA KONSULTAN 9

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

Tabel 4.4. Hasil Uji Chi Kuadrat DAS Kaubun untuk Curah Hujan Harian Maksimum
Hasil Analisa/
No. Jenis Distribusi Teoritis Tabel Rekomendasi
Perhitungan

a Normal 3.00 5.991 Cteoritis < CTabel 5% - Dapat diterima /

digunakan
b Log Normal 3.00 5.991 Cteoritis < CTabel 5% - Dapat diterima /
digunakan
c Gumbel*) 4.00 5.991 Cteoritis < CTabel 5% - Dapat diterima /
digunakan
d Log Pearson Type III 4.00 5.991 Cteoritis < CTabel 5% - Dapat diterima /
digunakan

Catatan : *) Distribusi Terpilih

Sumber : Hasil Perhitungan.

Tabel 4.5. Hasil Uji Chi Kuadrat DAS Kaubun untuk Curah Hujan 3 Harian Maksimum
Hasil Analisa/
No. Jenis Distribusi Teoritis Tabel Rekomendasi
Perhitungan

a Normal 1.00 5.991 Cteoritis < CTabel 5% - Dapat diterima /

digunakan
b Log Normal 3.00 5.991 Cteoritis < CTabel 5% - Dapat diterima /
digunakan
c Gumbel*) 3.00 5.991 Cteoritis < CTabel 5% - Dapat diterima /
digunakan
d Log Pearson Type III 7.00 5.991 Cteoritis > CTabel 5% - Tidak diterima

Catatan : *) Distribusi Terpilih

Sumber : Hasil Perhitungan.

4.5.2 Uji Smirnov – Kolmogorov

Uji Smirnov – Kolmogorov (uji data horizontal) digunakan untuk
menguji simpangan secara mendatar. Untuk melakukan pengujian data
terhadap simpangan horizontal, menggunakan rumus :

 maks = PE ( x) − Pt ( x)

Δmaks = Selisih data probabilitas teoritis dan empiris

Pt(X) = Posisi data x menurut sebaran teoritis
Pe(X) = Posisi data x menurut sebaran empiris

Dari hasil perhitungan diperoleh perbedaan yang maksimum antara

distribusi teoritis dan distribusi empiris yang disebut dengan
Δmaksimum. Kemudian Nilai Δmaksimum hasil perhitungan dibandingkan

CV. LINTAS KHATULISTIWA KONSULTAN 10

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

dengan Δcr yang diperoleh dari tabel untuk suatu derajat yang
tertentu.
Apabila Δcr > Δmaksimum maka hipotesa dapat diterima.

Hasil pengujian dengan uji Smirnov – Kolmogorov dapat dilihat

pada tabel berikut :

Tabel 4.6. Hasil Uji Smirnov – Kolmogorov Curah Hujan

Harian Maksimum DAS Kaubun
Hasil
Jenis
No. D = Dmax D 5 % Analisa/ Rekomendasi
Distribusi
Perhitungan

- Dapat diterima
a Normal 0.168 0.410 D < Do
/ digunakan
- Dapat diterima
b Log Normal 0.136 0.410 D < Do
/ digunakan
- Dapat diterima
c Gumbel*) 0.100 0.410 D < Do
/ digunakan
- Tidak dapat
Log Pearson
d 0.899 0.410 D > Do diterima /
Type III
digunakan

Catatan : *) Distribusi Terpilih

Sumber : Hasil Perhitungan.

Tabel 4.7. Hasil Uji Smirnov – Kolmogorov Curah Hujan

3 Harian Maksimum DAS Kaubun
Hasil
Jenis
No. D = Dmax D 5 % Analisa/ Rekomendasi
Distribusi
Perhitungan

- Dapat diterima
a Normal 0.140 0.410 D < Do
/ digunakan
- Dapat diterima
b Log Normal 0.197 0.410 D < Do
/ digunakan
- Dapat diterima
c Gumbel*) 0.720 0.410 D < Do
/ digunakan
- Tidak dapat
Log Pearson
d 0.888 0.410 D > Do diterima /
Type III
digunakan

Catatan : *) Distribusi Terpilih

Sumber : Hasil Perhitungan.

CV. LINTAS KHATULISTIWA KONSULTAN 11

LAPORAN HIDROLOGI
Perencanaan Jaringan Irigasi Desa Mata Air Kecamatan Kaubun

4.6 Distribusi Frekuensi Yang Dipergunakan

Berdasarkan hasil uji kesesuaian distribusi diatas dan sifat hujan dari
daerah setempat maka nilai distribusi dengan menggunakan metode Gumbel
dianggap paling tepat untuk dipergunakan. Perbandingan masing – masing
distribusi dapat dilihat pada Tabel 4.2 dan Tabel 4.3, Gambar 4.1 dan
Gambar 4.2.
Gambar 4.1. Grafik Perbandingan Metode Distribusi Untuk Curah Hujan
Harian Maksimum DAS Kaubun

Gambar 4.2. Grafik Perbandingan Metode Distribusi Untuk Curah Hujan 3

Harian Maksimum DAS Kaubun

CV. LINTAS KHATULISTIWA KONSULTAN 12