Professional Documents
Culture Documents
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.
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:
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.
Dengan
PA = curah hujan pada stasiun A (mm)
dXA = jarak antara stasiun X dengan stasiun acuan A
maka data hujan yang ada terlebih dahulu dianalisa secara statistik. Langkah
awal yang perlu dilakukan adalah pengelompokan data yang dapat disajikan
Dengan penggambaran data tersebut kita dapat mengetahui adanya arah gejala
diskrit, yaitu :
Fx(X) = P ( X O x )
Grafik CDF untuk hujan harian maksimum tahunan dapat dilihat pada
Lampiran.
dFx ( X )
Fx =
dx
bersangkutan.
Grafik PDF untuk hujan harian maksimum tahunan dapat dilihat pada
Lampiran.
XT = X + k.Sx
Dimana :
n
Xi
1
X = Harga rata – rata dari data =
n
Sx = Standard Deviasi
n n
X i2 − X i
1 1
=
n −1
Dimana :
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
XT = X + K.Sx
Dimana :
n
Xi
1
X = Harga rata – rata dari data =
n
n n
X i2 − X i
1 1
Sx = Standard Deviasi =
n −1
YT − Yn
K =
Sn
Dimana :
lihat Lampiran.
Dimana :
(tahun).
LogX i
= LogX = i =1
n
SxLog X = Standard Deviasi
( LogX i − LogX ) 2
= S1 = i =1
n −1
n
n. ( LogX i − LogX ) 3
i =1
Cs =
( n − 1)( n − 2).S1
3
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) *)
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. 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.
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).
(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)
DK = K – (P – 1)
Hasil pengujian dengan uji Chi Kuadrat dapat dilihat pada tabel
berikut :
Tabel 4.4. Hasil Uji Chi Kuadrat DAS Kaubun untuk Curah Hujan Harian Maksimum
Hasil Analisa/
No. Jenis Distribusi Teoritis Tabel Rekomendasi
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
maks = PE ( x) − Pt ( x)
dengan Δcr yang diperoleh dari tabel untuk suatu derajat yang
tertentu.
Apabila Δcr > Δmaksimum maka hipotesa dapat diterima.
- 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
- 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