Professional Documents
Culture Documents
Apllriltdode
Statbtik
antuk Analba ilata
tilid t
st\hr.\\ \ II\II R
8
Soewarno
hidrolo sl
Aplknl Metode Statbtlk untuk Analln Data
rilid t
Soewarno
.N PEr{ERBIT ilr xorrx ?os 146!'BAllDUtlO
OVf
gtlo,r lnff
T(ATA PEIIICAITTTAN
dipanjatkan kepada Tuhan atas segala ruhrrrrrl:Nyr, pcnulis dapat menyusun buku ini. Disusun dengan
mnksurl ntcngcnalkan aplikasi metode statistik dalam analisis data hidrokrgi pada kegiatan penelitian yang terkait dengan hidrologi atau sumber daya air, baik oleh hidrologiwan, dosen dan mahasiswa maupun para tenaga fungsional seperti peneliti, perekayasa dan litkayasa serta konsultan teknik.
t'rrii syitkur
Buku dengan judul HIDROLOGI - Aplikasi Metode Statistik untuk Analisa Data, terdiri dari 2 (dua) jilid. Untuk Buku jilid I di mulai tentang uraian metode statistik, variabel hidrologi, pemilihan sampel dan data hidrologi pada Bab I, dilanjutkan tentang pengukuran parameter statistik, yaitu pengukuran tendensi sentral dan dispersi pada Bab II.
Aplikasi distribusi peluang diawali dengan uraian distribusi deskrit, yang meliputi distribusi Binomial dan Poisson disajikan pada Bab III, yang kemudian dilanlrtkan dengan aplikasi distribusi kontinyu mpliputi distribusi : Normal, Gumbel Tipe I, Gumbel Tipe III, Pearson Tipe III, Log Pearson Tipe III, Frechet, log normal dua parameter, log normal tiga parameter dan distribusi Goodrich. Analisis distribusi peluang disajikan pada bagian akhir Bab III, yang meliputi : pengumpulan data, periode ulang, penggambaran, penarikan garis kurva dan uji kecocokan yaulrg meliputi uji
chi-kuadrat dan Smirnov Kolmogorov. Dari Bab IV, akan diuraikan tentang aplikasi metode statistik untuk memperkirakan debit puncak banjir dari suatu daeratr pengaliran sungai (DPS). disampaikan cara memperkirakan debit puncak banjir tahunan rata-rata dengan metode serial data, metode POT dan metode analisis regional disertai perkiraan periode ulangnya. Perbaikan perkiraan debit banjir dan di akhiri dengan cara memperkirakan debit banjir berdasarkan data tinggi muka air.
ru
akan diuraikan tentang Aplikasi Uji Hipotesis, Analisis Deret Berkala, Aplikasi Model Regresi dan uji Ketelitian Pengukuran Debit menggunakan Alat Ukur Arus dan Ambang.
Dengan maksud memudahkan pemahaman aplikasi metode statistik untuk analisis data hidrologi, setiap tahapan uraian selalu disajikan contoh persoalan. Namun demikian hendaknya hasil perhitungan dari setiap contoh untuk tidak dijadikan kesimpulan tentang penomena hidrologi dari pos hidrologi atau DpS yang bersangkutan. Pada pokoknya contoh-contoh pada buku ini dimaksudkan hanya sekedar untuk memudahkan pemahaman bukan untuk t rJuan analisis penomena hidrologi yang sebenarnya.
Penulis mengucapkan banyak terima kasih kepada Bapak Ir. Joesron Loebis. M. Eng; Bapak Ir. Ali Hamzah Lubis, Bapak Ir. Sampudjo Komara Winata M.Eng, Bapak Ir. Bambang Kayanto.
Untuk buku
jilid II,
dafitat isi
tii
v
kesempatan dan bimbingan sepenuhnya kepada penulis untuk melaksanakan penelitian dalam bidang hidrologi terapan sehingga bermanfaat pada penulisan buku ini. Kepada penerbit Nova yang telah menerbitkan buku ini dan kepada semua pihak yang telah membantu, penulis mengucapkan terima kasih.
1. PENDAHULUAN
t.l
Pengertian Umum
l.l.l.
I I I
2 6
T1
Kepada istri tercinta Siti Nurhidayatun dan kedua anak tersayang Teddy Nurhidayat dan Dwiki Nurhidayat, terima kasih
atas kesabaran dan dorongannya.
t.2. Variabel Hidrologi 1.3. Pemilihan Sampel Data Hidrologi t.4. Data Hidrologi,
1.4.1. Pendekatan Proses Hidrologi 1.4.2. Kualitas Data Hidrologi 1.4.3. Pengujian Data Hidrologi 1.4.4. Tipe dan Penyaiian Data Hidrologi 2. PENGT]KURAN PARAMETER STATISTIK
18
18 20 23 39
Akhir kata, penulis menyadari bahwa tulisan ini masih jauh dari sempurna, oleh karena itu kritik dan saran dari semua pihak
akan penulis terima dengan senang
hati.
Bandung, 14 April 1995
DATA HIDROLOGT
2. 1. Pengukuran Tendensi Sentral
37
38 38
Penulis: Soewarno
lV
2.1.1. Rata-rata Hitung 2.1 .2. Rato-rata Timbang 2.1.3. Rata-rata (Ilatr
47
50
52
57
63
3.3.6. Aplikasi Distrihusi Grtodrich 3.4. 'fahapan Aplikasi I)istribusi Peluang 3.4.1. Pengumpulun l)ulu 3.4.2. l'criodc Ilhug 3.4,3. I'tngl4nthurun Kurva Distribusi Peluang
J.1.3.1. Kcrtas Grafik Peluang 3.4.3.2. Penggambaran Posisi Data 3.4.4. Penentuan Kurva Persamaan Distribusi Peluang 3.4.5. Batas Daerah Kepercayaan Periode Uang 3.4.6. Uji.Kecocokan 1. Uj i Chi-Kuadrat 3. 4. 6. 2. Uj i Smirnov - Ko lmo gorov
3. 4. 6.
/.t8 t6J
163
Kuartil
68 69
70
2.2. Pengukuran Dispersi 2.2.1. Range 2.2.2. Deviasi Rata-Rata 2.2.3. Deviasi Stqndar dan Varion 2.2.4. Koefisien Variasi 2.2.5. Kemencengan 2.2.6. Kesalahan Standar 2.2.7 . Pengukuran Momen 2.2.8. Pengukuran Kurtosis
169
t7t
17t
173
...
7l
75
80
173
8t
83 85
177
r93
194
198
89
92
207
97 97
99 99
102
227 227
229
229
235 242
106 106
123
250
250
I
III
123
131
2s3
258
136
138
261
III
141
Dafior Bacaan
265
vl
vll
bab t
pendohluluan
I.1. PENGEBTIAN UMUTIT
1.1.1.
Statirtik
Data hidrologi adalah kumpulan keterangan atau fakta mengenai penomena hidrologi (hydrologic phenomena). Data hidrologi merupakan bahan informasi yang sangat penting dalam
pelaksanaan inventarisasi potensi sumber-sumber air, pemanfaatan dan pengelolaan sumber-sumber air y.ang tepat dan rehabilitasi sumber-sumber alam seperti air, tanah dan hutan yang telah rusak. Penomena hidrologi seperti besarnya : curah hujan, temperatur, penguapan, lama penyinaran matahari, kecepatan angin, debit sungai, tinggi muka air sungai, kecepatan aliran, konsentrasi sedimen sungai akan selalu berubah menurut waktu. Dengan demikian suatu nilai dari sebuah data hidrologi itu hanya dapat diukur satu kali dan nilainya tidak akan sema atau tidak akan dapat terjadi lagi pada waktu yang berlainan sesuai dengan penomena pada saat pengukuran nilai itu dilaksanakan.
Kumpulan data hidrologi dapat disusun dalam bentuk daftar atau tabel. Sering pula daftar atau tabel tersebut disertai dengan gambar-gambar yang biasa disebut diagram atau grafik, sering pula disajikan dalam bcntuk peta tematik, seperti peta curah hujan, peta tinggi muka air dengan maksud supaya lebih dapat menjelaskan
il
tcntang pcrsoalan yang dipelajari. Kata statistik telah umum untuk menyatakan kumpulan keterangan atau fakta dari suatu penomena, yang biasanya berbentuk angka yang disusun dalam tabel dan atau diagram. Sembarang nilai yang dihitung dari suatu data sampel (sample) disebut dengan statistik (statistics), nilai yang dimaksud misal rata-rata, deviasi, maksimum, minimum dari data sampel. Statistik yang menunjukkan nilai sesuatu data biasanya diberi nama sesuai dengan data yang disajikan, misal statistik curah hujan, statistik penduduk, statistik pendidikan, statistik produksi, statistik pertanian dan sebagainya. Statistik data hidrologi umunnya disajikan dalam bentuk tabel dan diagram dan dihimpun dalam suatu buku publikasi data hidrologi tahunan, misal "Buku publikasi Data Debit Sungai Tahun 1993". (Bagi para pembaca yang ingin mendapatkan data debit sungai dari suatu pos duga air dapat menghubungi Balai Penyelidikan Hidrologi, Pusat Penelitian dan Pengembangan Pengairan, dari Badan Litbang Departemen Pekerjaan Umum di Bandung). Tabel 1.1, menunjukkan salah jatu contoh statistik data hidrologi, yaitu tabel yang menunjukkan data curah hujan rata-rata daerah pengaliran sungai (DPS) Citarum.
pcltyrtiintt rlttlrt 'ir'lttttlipirt rlrtltttl nr('nrl)(:riktut irrlirrrrrirsi yirng bcrgrlrrr. l)t'ttgtttt rh'ttrtLtiln (llrlimr slirlrslikir tlcskriptip nrclrrbcrikan inlirrrrrasi
Iutttyl trrlrirt.r\ rliur lrirrllr rlirrl ylng disa.iikan dan sanra sekali titlak
tt tc I irh r th irr
r I rt'r
rr
lrr
Irllrrr
k csr rrr
lJulun
1718 km'1)
Jatiluhur
(luas
: 5j9 km'))
325
306 338 308 223
148 108
289
262 308
Februari Maret
April
Mei
Juni
26'l
185
219
128 99
101
98
73
Juli Agustus
September
64
83
98 123
t34
237 306
Oktober
177
283
337
1.1.2. Itfetode
statistih
November
Desember Tahunan
276
302 2.384
290
325 2.877
2.6s8
menggunakan prosedur tertentu, metode statistik dapat digunakan untuk melaksanakan penggunaan prosedur tersebut. Dengan demikian secara umum dapat dikatakan bahwa metode statistik adalah prosedur yang digunakan dalam pengumpulan, perhitungan, penyajian, analisis dan penafsiran data. Metode tersebut dapat dibedakan menjadi dua, yaitu : statistika deskriptip (desuiptive statistics), 2). statistika penafsiran (s tatis t ical infere nce).
Sumber
lt79 -
1979.
l).
Data yang disajikan pada tabel l.l, menunjukkan besarnya curah hujan rata-rata dari daerah pengaliran sungai (Dps) citarum Hulu dari dam Jatiluhur, merupakan contoh tabel statistik data hidrologi. Data dikumpulkan dan dihitung dari I l0 pos curah hujan, yang
sebagian besar dibangun setelah tahun 1940, sebagian data dihitung berdasarkan pencatatan curah hujan sejak tahun 1g79. Dari I l0 pos
Statistika deskriptip (descriptive statistics) adalah metodemetode yang berkaitan dengan pengumpulan, perhitungan dan
8 diantaranya merupakan pos curah hujan otomatik. Dari tabel l.l dapat memberikan .informasi yang
Tabel
Tahun
197 4 197 5
Jan
Mar.
Apr.
Mei
Jun.
Jul.
Agt.
Sep.
Okt.
Nop
Des.
Tahunan
I14,0
146,0 1976
1977
l 978
134,0 106,0 91,6 90,8 97,9 1919 76,4 185,0 123,0 133,0
84,2
31,I
23,4
38,6
53,7
56,0
168,0
105,0
25,7 9,72
18,6 8,75
60,6 8,14
182,0
226,0
138,0
I16,0
45,0
2.440.0
r30,0 I13,0
92,4 103,0 104,0 63,9 65,9 25,6 18,0 19,8
I -:
.-<
I12,0
63,4
l.t5o.o t2,t
l16,0
I 14,0 Rata-rata
Malcsimum 102,7 146,0 65,2 68,3
3 1,0
87,1
61,2
i r.240.0 i li
7t,3
I14,0
102,8 I 15,0 103,0 133,0 75,8
:s tt
41,8 I12,0
5 1,8
89,4
74,9 23,6
16,7
84,5
I13,0
24,2
36,1 58,7 86,1
84,2
r.450,0
72,8
,:-i
I ee7.o I
t24,0
185,0
r 10.0
t.6{
8l,
134,0
r
47,7
121,0 71,3
23,7
42,6
84,5
I15,4
106,9
81,4
4l,E
20,6 Sumber : Puslitbang Pengiran, Laporan No. 90/HI - 18/1989. 9,12
8,75
89,4
8,
182,0
226,0
138,0
I16,0
l4
t2,l
31,0
86,1
6t,2
rn'/tlet/bulan. Scdangkan
debit
rata-ratanya adalah
81,4
rnr/det/bulan. Dari tabel I .2 juga dapat diketahui bahwa debit banjir terbesar adalah 2.440 m3ldet, dan debit terkecil yang pernah terjadi adalah 5,8 m3ldet.
sedimen. curah hujan. penguapan, masing-masing ttapat ttirryallktrr dengan sebuah simbol, misal debit dinyatakan dengan simbol (e),
Informasi hidrologi yang ditunjukkan pada tabel 1.2 sangat bermanfaat bagi perencanaan sebelum waduk tersebut di bangun dan pengoperasian waduk PLTA. pB. Sudirman. Dari uraian tabel 1.2 tersebut kita membicarakan suatu nilai yang termasuk dalam statistika deskriptip. Akan tetapi kalau kita berbicara debit banjir sama atau lebih dari 2.440 m3/det, rata-rata akan terjadi berapa kali dalam sekian tahun, atau debit minimumnya sama atau kurang dari 5,8 m3/det, rata-rata akan terjadi berapa kali dalam sekian tahun maka kita telah membuat suatu penafsiran, ini berarti kita telah
berada dalam statistika penafsiran.
curah hujan dengan simbol (R) dan sebagainya. Simbol yang menyatakan sebuah penomena hidrologi disebut dengan variabel (vuriahlc). I)alam statistika suatu variabel dinyatakan dengan sinrbol : X, Y dan scbagainya. Variabel hidrologi (hydrologic wtriuhlc) rncrrcrangkan ukuran dari pada penomena hidrologi, misal dchit rata-rata harian, curah hujan rata-rata jam-jaman dan scbagainya. Sebuah nilai numprrk (numerical value) dari sebuah
variabel disebut dengan variat (variate), pengamatan (obs ervat i on), pengukuran (measurement), misalnya saja X : 130,0 m3/det. Pengukuran dapat mempunyai nilai positip, misal tinggi muka air sungai, debit, dan dapat pula mempunyai nilai negatip, misal tinggi muka air sumur, temperatur. Untuk nilai negatip umumnya disesuaikan menjadi nilai positip.
Penarikan kesimpulan yang berhubungan dengan statislika penafsiran selalu mempunyai sifat tidak pasti, karena analisisnya hanya berdasarkan sebagian data. Untuk memperhitungkan ketidakpastian ini diperlukan pengetahuan tentang teori peluang (probability). Teori peluang sangat bermanfaat dalam memperkirakan frekuensi banjir, kekeringan, tampungan, curah hujan, dan sebagainya. Prosedurnya dapat dilakukan dengan analisis frekuensi (frequency analysis), berdasarkan data hidrologi yang telah dikumpulkan, selama kurun waktu yarrg cukup lama, umumnya minimal selama 30 tahun dipandang cukup. Statistika penafsiran sering dipakai dalam setiap penelitian hidrologi, karena dalam setiap penelitian hidrologi harus diperoleh suatu kesimpulan. Untuk melakukan penaf-siran diperlukan analisis deskriptip yang benar, sedang untuk analisis statistika deskriptip yang benar diperlukan prosedur pengukuran dan pengolahan data lapangan yang benar.
Didalam statistika, variabel dibedakan menjadi 2, yaitu variabel kontinyu (continuous variable) dan variabel deskrit atau variabel terputus (discrete varioble or discontinuous variable). Sebagai contoh, dari suatu pos duga air sungai dilakukan pengukuran tinggi muka air, menggunakan alat duga air otomatik, atau logger, maka grafik tinggi muka air yang dihasilkan dapat disebut sebagai variabel kontinyu, sedangkan pengukuran debit
yang dilakukan sebulan sekali disebut dengan variabel deskrit atau variabel terputus.
Gambar l.l, menunjukkan contoh variabel.kontinyu, data hidrograp debit sungai yang dihasilkan dari pencatatan fluktuasi muka air sungai, setelah dialihragamkan menjadi data debit.
1.2.
VARIABEL HIDROLOGI
Penomena hidrologi, seperti tinggi muka air, debit, angkutan
sungai cikapundung-Gandok, menunjukkan contoh variabel deskrit. Data tinggi muka air dan debit setiap tanggal pengukuran dapat dianggap sebagai variabel deskrit.
imt .rcric.r. tnisal gunttritr l.l) dan apabila di susun scoara kronologis dcngan interval waktu yang tidak sama maka di sebut dengan
lrcrkrrlrr krrrrtinyu (cttnl inuous
I
deret berkala tidak kontinyu (discontinuous time series) misal data tabel 1.3.
: a ! ;
F
I
t
Tanggal
Jam
12.30 10.15 16.10
H
0,480 0,300 0,340 0,550 0,460 0,920 0,510 0,600 0,480 0,430 0,390 0,290 0,400 0,810
0,710 0,600 0,460
o
3,1 30
26-0t-76 t9-06-76
1,150 1,670
05-ll-76
Gambar I.
l.
Contoh Variabel Kontinyu Hidrograf Debit Bengawan Solo'Bojonegoro 1992 ( Puslitbang Pengairan, 199i).
17.00 09.30
10.15 12.10
kesimpulan yang baik, maka data hidrologi dapat dinyatakan sebagai variabel statistik (stqtistical variable). Sembarang nilai yang dapat menunjukkan ciri dari suatu susunan data disebut
dengan parameter Qtarameters). Parameter yang digunakan dalam analisis susunan data dari suatu variabel disebut dengan parameter statistik (statistical porameters) seperti : rata-rata, nlode, median, koefisien kemencengan (skewness cofficient), dan sebagainya (lihat bab II).
10.30
1
3.10 5.00
-77
14.15
r
t2-07 -77
20-tt-77
08-08-78 08- 12-7E
19-01 -79
t6.l0
08.r0
r
t
2,340
8,310
l.t5
0.40
Dalam metode statistik, susunan data hidrologi dapat disebut dengan distribusi (distribution) atau seri (serles). Ada beberapa pengertian yang berhubungan dengan susunan data dari suatu variabel hidrologi, antara lain :
19-06-80 14 - 08. 80
10.r5
12.00
24-l0-80
t7 - I I 80
t2.15
12.40 13.00
0,460 0,470
0,570 0,460
04-12-80 13-12-80
t2.50
l).
Deret berkala (time series), susunan data disebut dengan deret berkala apabila data tersebut disusun menurut
waktu. Apabila disusun dengan interval waktu yang sama, misal : hidrograp debit, di sebut dengan deret
I\,I
Badan Propinsi
Sumber
Keterangan
: Q:
H
10
11
2).
3).
Distribusi (distribution), susunan data disebut dengan distribusi apabila data tersebut disusun menurut besarnya, misal : kumpulan data debit banjir diurutkan menurut besarnya, dimulai dari debit banjir yang terbesar dan berakhir pada debit banjir yang terkecil atau sebaliknya dimulai dari debit banjir yang terkecil dan berakhir pada debit banjir yang terbesar (lihat tabel 2.19, Bab II). Distribusi peluang (probability distribution) : Jumlah
kejadian dari pada sebuah variate deskrit dibagi dengan jumlah total kejadian adalah sebuah peluang (P) dari pada variate tersebut. Jumlah total peluang dari seluruh variate adalah 1.0, distribusi dari peluang semua variate disebut dengan distribusi peluang (Tabel 2.14B). Peluang kumulatip (cumulative probabilifl) : Jumlah peluang dari pada variate acak yang mempunyai sebuah nilai sama atau kurang, sama atau lebih dari pada nilai tertentu. adalah jumlah kejadian dari pada sebuah variate dari variabel deskrit (Tabel 2.14F). Interval kelas (c/ass intervals): ukuran pembagian kelas dari suatu variabel (Tabel 2.148). Data kelompok (grouped data): data yang dikelompokkan dalam beberapa interval kelas dari suatu distribusi frekuensi (Tabel2.4).
b)
temperatur,
sungai, kerapatan aliran. b).variabel vegetasi dan penggunaan tanah, misal : luas
4).
: banjir tahunan
penguapan,
Frekuensi (frequency)
1.3.
Distribusi frekuensi (frequency distribution) : adalah suatu distribusi atau tabel frekuensi yang mengelompokkan data yang belum terkelompok (ungrouped data) menj adi data kelompok (groupe d data).
Pengelompokkan secara umum dari pada variabel daerah pengaliran sungai (DPS) dapat dibedakan menjadi 3 (tiga) katagori,
yaitu:
l).
Kesimpulan yang dibuat dari suatu penelitian hidrologi diharapkan dapat berlaku untuk persoalan itu secara keseluruhan dan bukan sebagian saja. Akan tetapi dalam pelaksanaan penelitian tersebut hampir tidak mungkin untuk melaksanakan pengukuran atau pengumpulan dari seluruh variabel secara komplit. Faktor waktu, tenaga, dan biaya umumnya menjadi faktor pembatas. Pada kenyataannya penelitian dilakukan dengan mengamati atau mengukur sarhpel (sample) yang dapat mewakili populasi Qtopulation) yang diteliti. Misalnya untuk mengetahui jumlah total dari debit yang mengalir dari suatu pos duga air dalam satu tahun adalah tidak mungkin dilaksanakan dengan mengukur debit setiap saat selama satu tahun, akan tetapi dengan melakukan pengamatan tinggi muka air dalam satu tahun dengan menggunakan alat duga air otomatik dan melakukan pengukuran debit secara periodik. misal satu kali setiap 15 hari. dan kcmudian mclakuknn pcngolahnn tlnlrr
l2
dengan prosedur yang telah ditentukan sehingga debit dalam satu tahun dapat dihitung. (Bagi para pembaca yang ingin mengetahui cara pengukuran dan pengolahan data aliran sungai dapat membaca pada tulisan : Soewarno, 1991, Hidrologi - Pengukuron dan Pengolahan Data Aliran Sungai, penerbit Nova). Dari uraian tersebut maka yang disebut dengan sampel (sample) adalah satu set pengamatan/pengukuran, sedangkan populasi Qtopulation) adalah keseluruhan pengamatan/pengukuran dari suatu variabel tertentu. Atau dengan kata lain sampel adalah suatu himpunan bagian dari keseluruhan pengamatan variabel yang menjadi obyek penelitian kita (populasi).
13
Ada beberapa tipe pemilihan acak, empat diantaranya disampaikan secara ringkas sebagai berikut :
l).
Dalam suatu penelitian sampel yang dikumpulkan harus data yang benar, dan cara pengumpulan (sampling) data torscbut harus dilakukan dengan benar dan mengikuti metode dan tata cara yang benar sehingga kesimpulan hasil penelitian dapat dipercaya.
Dengan kata lain sampel itu harus dapat mewakili segala karakteristik populasi, sehingga kesimpulan dari sampel terhadap populasi menjadi sah, sesuai dengan keadaan yang sebenarnya. Kesimpulan yang demikian berarti bersifat tak bias (unbias). Prosedur pengambilan sampel yang menghasilkan kesimpulan terhadap populasi yang tidak sesuai dengan keadaan yang sebenarnya dikatakan berbias (bias). Untuk menghilangkan kemungkinan bias ini maka sampel harus diambil berdasarkan
prosedur khusus (spesific procedures). Ada berbagai prosedur untuk memilih sampel, antara lain :
Pemilihan Acak Sederhana (simple random sampling) Pemilihan sejumlah sampel (n) buah dilakukan dengan menggunakan suatu alat mekanik (misal : mata uang, dadu, kartu) atau dengan menggunakan tabel yaitu tabel bilangan random (random digit table). Sebuah sampel yang terdiri dari unsur-unsur yang dipilih dari populasi dianggap acak, dengan ketentuan bahwa setiap unsur yang terdapat dalam populasi tersebut mempunyai peluang yang sama untuk dipilih. Pemilihan yang bersifat acak akan dapat memberikan hasil yang memuaskan bila populasi dari mana asal sampel tersebut dipilih benar-benar bersifat sama jenis atau homogen (homogeneous). Contoh : dua pos hujan yang berdekatan dan dioperasikan dengan cara yang sama dapat dipandang sebagai satu pos untuk menghitung curah hujan, akan tetapi temperatur udara yang diukur di tempat terbuka dan yang satu didalam bangunan tertutup walaupun tempatnya berdekatan tidak dapat dirata-ratakan.
l).
2).
2.
d. Penilihan Acah
Pemilihan sampel data hidrologi yang dilakukan secara acak berdasarkan ketentuan bahwa setiap pengukuran dilakukan seciua terpisah dan masing-masing data yang diukur mempunyai peluang
Pemilihan Acak Berangkai (random serial sampling). Pemilihan sampel ditentukan dengan cara membagi populasi berdasarkan interval tertentu. Contoh : dalam melaksanakan pengukuran debit sungai dari suatu pos duga air dilakukan pengukuran kedalaman aliran pada .iarak tertentu dari titik tetap berdasarkan pembagian lchar penampang basah sesuai dengan besarnya aliran. l)rrta pada tabel L4 diperoleh dengan pemilihan acak lrt'r rrng,kai dari pengukuran debit S. Glagah
l4
Kedungsari, setiap pertambahan
pemilihan acak berangkai.
llr
rai
menunjukkan random
(:onl()ll : lltcncntukan porositas penampang \crtikill tlari suatu lapisan batuan yang terdiri dari lrcrblgai .lcnis batuan, maka setiap jenis batuan tersebut tlianalisa porositasnya secara acak. Umumnya pcnrilihan acak bertingkat lebih representatip dari pada
St'lrl1p,,;1i
Apabila dalam pemilihan sampel ternyata populasinya terdiri dari bermacam-macam jenis (heterogen), maka populasi tersebut harus dibagi kedalam beberapa stratum dan sampelnya dipilih secara acak dari tiap stratum. Hal tersebut dilakukan dengan tduan untuk :
acak
. .
menganalisa setiap populasi yang lebih homogen secara terpisah. meningkatkan ketelitian dalam pengambilan keputusan seluruh populasi.
nodtol Looorl?irnl.
R.ctongulor
Sungai - tempat '. K Glagah - Kedungsari Rumus : : 30 Agustus NS 294 Y = 0,1327 N + 0,018
1985 :6.20-'7.02
:
0,54 m
N>294V=0,1310N+0,023
Kecepatan di Dalam
Titik
Pularon 50 detik
Debit
lrctoaguloi
fHoneulor
0
I
0,00 0.50
1,00 1.50
0.00
n))
MA
0,60 0.60 0.60 0.20 0,80 0.20 0.80 0.20 0,80 0.20 0.80 0,60 0.60
Kiri
100 t4'7
I
5
0.26 0.50
0.82 1.06
0.283 0,408
0.41 l
0,283 0,408
0,41 I
0,50 0,50
0,1
l0
0,031
r48
182
050
o;50 0,50 0,50 0,50 0,50
1.00
2.5 0
t23
221
148
6
1
I.l0
0.84
0,62
0,5 s
238
188
0.422 0,507
0,5 83
0,053
0,r03
0,1 73
Gambar
Sistim Kisi-Kisi
0,269
0,321
l6
0,572
0,476 0,344
260 r58
173
123
0.707 0.435
0,47 6
0,420
0,3
8 9
l0
0.144
o,:o
0,220
l0
0.00
M.A
Kanan
Total =
2,93
1,414
Sumber
r)
Soervarno I99l
Jarali dari
l(;
'l'ahcl
I .5
t7
I)crrrilihan Sarnpel Sistem Kisi Pada Pengukuran Diameter Median Ukuran Butir Di S. Cikondang - Cihaur Tanggal 30 Januari 1985.
system)
120
93
179
I .410
99 39
86
68 583 87
8l
138 82
161
645
138 37 80
87
l4l
t.27 5 62
6l
59
73 805
763
103
92
774
87
74
4l
77 106 67
t20
166 57
266
76 85
105
143
726
19 180
9l
62
802
30- 35 35- 40 40- 45 45- 50 50- 60 60- 70 70- 80 80- 90 90 - 100 100 - 120 120 - 140 140 - 160 160 - 180 180 - 200 200 - 240 240 - 280 280 - 320
320 360 400 480 560 640 720 800 960
I 120 1280 1440 1600 1920
)
I I
4
8
II
2t
9
l9
l2
4t
l0
9
5l
60 62 64
7 3
7t
74 75
l'cnrilihan sampel ditentukan dengan membagi populasi dalam sistem kisi (grid system). Pertemuan kisi ataupun ruang kisi dapat dipakai sebagai tempat pengambilan sampel. Gambar 1.2, menunjukkan contoh dari kisi-kisi pemilihan acak. Contoh : kita akan menghitung debit dari suatu pos duga air sungai dengan menggunakan rumus Darcy-Weisbach, diperlukan data diameter material dasar sungai untuk menentukan koefisien kekasaran sungai. Pengukuran diameter material dasar sungai dilakukan pada alur sungai misal 100 m ke arah hilir dan 100 m ke arah hulu pos duga air, maka alur sungai sepanjang 200 m dibagi-bagi dalam sistem kisi. Data pada tabel 1.5 diperoleh dengan pemilihan acak sistem kisi, dari pemilihan sampel ukuran material dasar alur sungai di pos duga air sungai Cikondang - Cihaur.
0 I 0 n 0
900
74 68
73
75
54 196
890 42s
68
t92
107
471 69 900
93 9'10
60
76 83 95
99
62 102 80
t74
99
67
4
0
3
,,
82 86 89 96 97 98 99
untuk
4
3 7
2.
bebas (independent).
ll0
638
960
I 120
I I
7
0 0
Disamping itu sampel harus diambil dari populasi yang sama jenrs (homogeen), itu semua untuk mendapatkan sampel yang dapat
yang diperoleh sesuai dengan keadaan yang sebenarnya dan bersifat tak bias (unbias).
700
98
169 80
198
90 425 66 610
l6l
665
50
120
76
I
0
r00
830
2fi00
96
435 925
680
Sumber
Soewarno, 1991.
b.
Pemilihon {fengaia
secara
Pemilihan sampel data hidrologi yang dilakukan sengaja adalah pemilihan sampel yang dilakukan dengan kesengajaan oleh pengamhi
Pe
hnya
'"i."n
rPusta'kaao
I.wn
TirnUf
Iri
nrcnganalisa curah hujan dari luas daerah pengaliran sungai dengan luas 2.000 km2, hanya dengan satu pos curah hujan. Pemilihan sampel yang dilakukan dengan cara pemilihan sengaja jarang yang dapat mewakili karakteristik yang sebenarnya dari populasi.
19
hidrologi yang betul-betul deterministik. Contoh yang lain, pencntuan debit dari suatu pos duga air sungai secara langsung menggunakan lengkung debit (grafik yang menggambarkan
hubungan antara tinggi muka air dan debit) dengan anggapan bahwa dasar sungai tidak berubah, padahal kenyataan dilapangan dasar sungai umumnya selalu berubah, terutama sungai aluvium.
Contoh yang lain. misalnya *enga*bil sampel sedimen melayang dari suatu pos duga air sungai dilakukan dengan sengaja tidak menggunakan alat pengambil sampel yang telah ditentukan dan mengambilnya hanya dibagian tepi aliran saja tanpa menggunakan metode pengambilan sampel sedimen yang telah ditentukan. Sampel yang diambil sudah barang tentu tidak dapat mewakili karakteristik populasinya, bila dapat mewakili hanya
faktor kebetulan saja.
ltidtologi
Proses adalah uraian sembarang penomena yang secara kontinyu selalu berubah menurut waktu. Telah disebutkan pada sub bab 1.1, bahwa penomena hidrologi selalu berubah menurut waktu, karena itu perubahan penomena hidrologi tersebut dinamakan sebagai proses hidrologi. Dalam menganalisa proses hidrologi umumnya dapat didekati dengan 3 (tiga) konsep pendekatan, yaitu :
Apabila perubahan variabel hidrologi merupakan faktor peluang, maka prosesnya disebut stokastik (stochastic) atau peluang (probabilisllc). Proses hidrologi umumnya selalu.berubah menurut waktu, apabila kita menganalisis proses hidrologi dengan memperhatikan perubahan variabel hidrologi menurut fungsi waktu maka pendekatan yang kita lakukan dapat disebut sebagai pendekatan stokastik. Proses stokastik dipandang sebagai proses yang tergantung waktu (time-dependent). Umumnya pendekatan ini sulit dilaksanakan dan jarang digunakan dalam pekerjaan analisis hidrologi yang sifatnya sederhana dan praktis. Sebagai contoh : angkutan sedimen dan debit aliran dapat dipandang sebagai proses stokastik, dimana variabel turbulensi aliran selalu berubah dan sulit diukur, bentuk dan ukuran sedimen juga selalu berubah karena banyak faktor yang mempengaruhinya. Walaupun demikian karena penomena hidrologi adalah stokastik, maka sangat penting untuk mengembangkannya, minimal mempertimbangkan pendekatan stokastik dalam analisis hidrologi.
Penggunaan konsep pendekatan peluang Qtrobabilistic) dalam menganalisis proses hidrologi adalah dengan pendekatan
berbagai
tertentu yang sridah pasti dan tidak tergantung dari peluang. Sebagai contoh : Dalam perhitungan ketersediaan air menggunakan data debit rata-rata harian yang telah tercatat selama 50 tahun yang lalu dan dianggap bahwa debit tidak berubah dimasa mendatang. Kenyataan dilapangan adalah sangat sulit untuk menentukan proses
kemungkinan (tidak dapat dipastikan 100 %), dan tidak tergantung waktu (time-independent). Sebagai contoh penggunaan analisis debit banjir menggunakan distribusi peluang, untuk menentukan prosentase peluang debit banjir pada periode ulang (return period) 'l'abel L6 tenentu. dapat digunakan sebagai contoh. Analisa peluang didasarkan pada data hidrologi yang telah dicatat pada masa yang lalu untuk analisis besarnya prosentase peluang kejadiannya dimasa mendatang sehingga dapat diperkirakan nilainya pada periode ulang tertentu. Konsep peluang banyak digunakan dalam pekerjaan
20
2L
praktis analisis hidrologi. Dalam analisis dari suatu model hidrologi ada kemungkinan komponen deterministik, stokastik dan peluang digunakan bersama-sama.
Tabel 1.6. Debit Maksimum Sungai Cikapundung - Gandok Pada Berbagai Periode Ulang.
Debit Maksimum perkiraan
(m3/det)
l)rrlir lrrrlrokrgi yung diukur atau nilai yang diperolehnya srrtlrrlr hirrrurp, tcnlu r)lcngandung kesalahan (error). Dalam analisis hitlrokrpr (nrt'skipun menggunakan model) dapat menghasilkan orrlgrrrt yrnll nlcmpunyai kesalahan besar karena input datanya )r ry ir i kcsalahan. Kualitas data sangat menentukan kebenaran rcr tlrrrr lursil analisis. Sebagai contoh : perhitungan debit rata-rata
r
rl|
rr
Periode Ulang
t,43
2
5
43,23 51,94
66,01
l0
20
50
100
51,55
59,75
75,09 83,84
91,3',7
72,51 75,89
100,03
- 106,02
Irrri:rrr Lcrgantung dari ketepatan: akura.si (accuracy) dan ketelitian presisi Qtrecision) data tinggi muka air, pengukuran debit, pcmbuatan lengkung debit. Ketepatan berhubungan erat dengan nilai yang sebenarnya, sedangkan ketelitian berhubungan dengan kecocokan suatu pengukuran dengan pengukuran lainnya dalam satu populasi. Sebagai contoh : pembacaan tinggi muka air pada alat duga air papan tegak (vertical staff gauge) dari suatu pos duga air sungai yang baru dipasang mempunyai kesalahan 2 mm dari nilai yang sebenarnya, maka dapat dikatakan bahwa pembacaannya mempunyai ketelitian yang tinggi, akan tetapi apabila ketinggian titik nol pada papan duga mempunyai kesalahan pemasangan sebesar 10 cm terhadap titik nol sebelumnya, maka dapat dikatakan ketepatannya rendah.
1.4.2. Kuolitas dota Hidrologi Analisis statistik dilaksanakan berdasarkan sampel yang dikumpulkan dilapangan dan merupakan fungsi dari kebenaran (:kehandalan) (reability) dari data yang dikumpulkan. Nilai (value)
dari variabel hidrologi dapat diperoleh dengan pengukuran tunggal pada setiap waktu tertentu (discrete time intervals) atau dengan pencatatan yang kontinyu (continuous time intervals). Untuk keperluan analisis statistik umumnya data kontinyu diubah dahulu menjadi data deskrit, misal data tinggi muka air yang tercatat pada grafik alat duga air otomatik (automatic woterlevel recorder = AWLR) yang merupakan data kontinyu diubah menjadi data tinggi rnuka air rata-rata jam-jaman atau harian sebagai data deskrit.
Data lapangan yang berupa data sampel .ataupun populasi sebagai data mentah (raw data) harus sekecil mungkin mengandung kesalahan (eruor). Dengan demikian kesalahan adalah nilai perbedaan antara sampel yang diukur dengan nilai sebenarnya. Interval kepercayaan (confidence interval : uncerlainty) adalah interval dari nilai yang sebenamya (true value) dapat diharapkan terjadi pada tingkat peluang tertentu. Pada umumnya kesalahan dapat dibedakan menjadi 3 jenis, yaitu :
a. b.
c.
kesalahan fatal (spurious errors) kesalahan acak(random errors\ kesalahan sistematik (systematic eruors)
:
Kesalahan fatal (spurious errors), disebabkan oleh kesalahan manusia dan atau alat pengukuran tidak berfungsi sebagaimana mestinya. Jenis kesalahan ini tidak dapat diperbaiki dengan analisa
22
23
statistik. Hasil pengukuran tidak dapat digunakan sebagai data hidrologi, sehingga perlu pengukuran diulang lagi agar hasilnya benar. Pengukuran ulang sebaiknya dilakukan oleh petugas yang
berbeda dengan menggunakan alat pengukuran yang berbeda pula.
alat ukur arus yang digunakan untuk mengukur debit. Kesalahan sistematik dapat diperbaiki dengan berbagai cara, misal menggunakan alat yang berbeda, mengulangi pengukuran dan mengganti tenaga pengukur.
merupakan hasil dari ketelitian pengukuran. Besarnya kesalahan acak merupakan nilai pengukuran suatu variabel hidrologi terhadap nilai rata-ratanya. Jika prosedur pengukuran dikurangi maka nilai setiap pengukuran berada disekitar nilai yang sebenarnya dan apabila jumlah pengukuran ditambah maka distribusi dari pada data yang diukur akan mendekati distribusi normal. Jenis kesalahan acak dapat dikurangi dengan cara memperbanyak jumlah pengukuran.
ini
1.4.3.
Setelah pengukuran selesai dilaksanakan umumnya data hidrologi dikirim ke Pusat Pengolahan Data untuk dikumpulkan,
dicek dan disimpan serta diolah menjadi data siap pakai. Pengiriman data tersebut dapat dilaksanakan dengan cara
konvensional, misalnya data dikirim melalui pos, atau dengan cara modern, misalnya data dikirim melalui telpon, radio, telex, facsimile, satelite atau fasilitas lainnya.
Kesalahan sistematik (sy,stcmatics errrtr.s), disebabkan terutama oleh karena ketelitian dari peralatan yang digunakan, misalnya alat duga airnya atau alat ukur arus dalam pelaksanaan pengukuran debit dari suatu pos duga air. Kesalahan sistematik tidak dapat dikurangi dengan menambah jumlah pengukuran selama pengukuran masih dilaksanakan dengan menggunakan alat yang sama dan belum diperbaiki atau dikalibrasi. Kesalahan sistematik dapat dibedakan menjadi 2 (dua) kelompok, yaitu :
1).
1).
2).
2).
Uji
Kesalahan sistematik konstan, disebabkan oleh faktor alatnya sendiri, kesalahan ini konstan menurut waktu. Misalnya
penggunuuul mmus alat ukur arus pada saat melaksanakan pengukuran debit, nunus itu sendiri mempunyai batas interval kepercayaan, contoh lain : kesalahan pemasangan titik nol alat duga air, tidak tepatnya pengguniuut lengkung debit untuk menghitung debit rata-rata harian, dan sebagainya. Kesalahan sistimatik tidak konstan, umumnya disebabkan oleh karena kurangnya kontrol selama pengukuran berlangsung, yang disebabkan penggunaan alat yang tidak tepat atau tidak sesuai. Sebagai contoh salah memilih rumus kecepatan dari nomor kincir
konsistensi berarti menguji kebenaran data lapangan yang tidak dipengaruhi oleh kesalahan pada saat pengiriman atau saat pengukuran, data tersebut harus betul-betul menggambarkan penomena hidrologi seperti keadaan sebenarnya dilapangan. Dengan kata lain data hidrologi disebut tidak konsisten apabila terdapat perbedaan antara nilai pengukuran dan nilai sebenarnya. Sebagai contoh :
I
).
selama pengukuran debit sungai dari suatu pos duga atr terjadi perubahan tinggi muka air lebih dari 3,00 cm dan
tidak dilakukan perhitungan koreksi tinggi muka air, maka data yang diperoleh dapat dikatakan tidak
konsisten (inc
o
ns i st e ncy),
24
26
2).
pada suatu pos iklim dilakukan pengukuran penguapan dengan panci penguapan kelas A, rumput-rumput disekitar panci tersebut secara perlahan-lahan tumbuh subur oleh karena tidak dilakukan pembersihan rumput di sekitar panci penguapan maka akan dapat
mempengaruhi keseimbangan radiasi (radiation balance) dan akan dapat mempengaruhi konsistensi hasil pengukuran penguapan, sehingga data yang diperoleh dapat dikatakan sebagai data yang tidak
konsisten. Beberapa uji konsistensi yang perlu dilakukan terhadap data debit sungai dari suatu pos duga air adalah :
l).
pengecekan perubahan
Point).
2). pengecekan perubahan titik nol aliran (zero flow). 3). pengecekan pengukuran debit. 4). koreksi pembacaan tinggi muka air dari grafik AWLR
5).
terhadap pembacaan tinggi muka air dari papan duga air. pengecekan debit yang diukur selain metode alat ukur arus dengan metode alat ukur arus. kalibrasi lengkung debit dengan melaksanakan pengukuran debit menggunakan alat ukur arus secara berkala. pengecekan perhitungan debit rata-rata harian.
6).
7).
UJIKESAMAANJEMS
TAHAPKEII
Pengecekan kualitas data (data quality contro[) merupakan keharusan sebelum data hidrologi diproses untuk diolah dan disebar
ceira,
1). inspeksi ke lapangan, 2). perbandingan hidrograp, 3). analisis kurva masa ganda (double mass curve
analysis).
Alir
Sekumpulan data dari suatu variabel hidrologi sebagai hasil pengamatan atau pengukuran dapat disebut sama jenis (homogeen)
2$
27
apabila data tersebut diukur dari suatu resim (regime) yang tidak berubah. Perubahan resim dari penomena hidrologi dapat terjadi karena banyak sebab, misal :
l ).
Anolisis Gtalis
Analisis grafis dengan menggunakan deret berkala dapat untuk mengetahui kesamaan jenis data yang diurutkan. Gambar 1.4, menunjukan sketsa perubahan nilai rata-rata dari X, pada periode ke I menjadi X, pada perioile II. Gambar 1.5 menunjukkan sketsa perubahan nilai varian yang semakin kecil. Batas antara sama jenis dan tidak sama jenis dilakukan secara empiris.
2).
perubahan alam, misal perubahan iklim, bencana alam, banjir besar, hujan lebat. perubahan karena ulah manusia, misalnya pembuatan bendung pada alur sungai, penggundulan hutan.
Gambar 1.3, menunjukkan tahapan dari pada pengujian data hidrologi. Apabila data telah dikumpulkan dan diurutkan menurut
Data hidrologi disebut tak sama lenis (rutn-homogeneous) apabila dalam setiap sub kelompok populasi ditandai dengan perbedaan nilai rata-rata (mean) dan perbedaan varian (variance) terhadap sub kelompok yang lain dalam populasi tersebut.
o u,l o
1
Data hidrologi tak sama jenis dapat terjadi karena perubahan penomena hidrologi yang disebabkan oleh karena perubahan alam
atau karena ulah manusia, contoh
:
----------{- WAKTU
Gambar 1.4. Sketsa Perubahan Nilai Rata-Rata Yang Bertambah.
l).
2).
angkutan sedimen dari suatu pos duga air sebelum dan sesudah dibuat bendung disebelah hulu lokasi pos duga air tersebut, maka data kedua resim itu tak sama jenis. hidrograp debit sebelum dan sesudah daerah pengaliran sungai (DPS) dihutankan kembali, data dari kedua resim tersebut tentu tak sama jenis.
data
- rt--- o lrl o
1
l).
2). 3).
----------, WAKTU
Canrbar
I .5
ztl
2t,
Dari tahun 1950 - 1965 metode pengolahan datanya (pembuatan lengkung debit) sama, akan tetapi data tahun 1966 untuk pos y metode pembuatan lengkung debitnya tidak sama dengan tahun sebelumnya sehingga diperoleh kurva masa ganda ABC' tidak lagi ABC. Untuk analisis data debit sebelum tahun 1966 agar dapat
dibandingkan dcngan data debit setelah tahun 1966 maka data debit pos duga air y sctclah tahun 1966 harus disesuaikan dengan nilai banding dari dua bagian kurva masa gandanya sebesar 9/a. Perubahan tcrsebut bukan disebabkan karena perubahan keadaan hidrologis lainnya akan tetapi karena perubahan metode pembuatan lengkung debit dari pos duga air y.
atau pengamatan
Analisis Starfutik
= E
(, 3
,
A
o o o G
g
F
ID
Analisis statistik dapat memberikan hasil yang lebih pasti dalam menentukan kesamaan jenis. Dalam analisis statistik dapat menggunakan uji non parametrik (non-parametric test) atau uji parametrik Qtarametric test). Umumnya penerapan uji parametrik menggunakan uji-F dan ujit (t-test). Uji ini akan dibahas lebih lanjut pada buku jilid II. 1.4.4. Tipe dan Penyaiian Data
Hidtologi
l). 2)
mengumpulkan data yang telah dilaporkan atau dipublikasi oleh kantor pemerintah atau swasta ataupun
Gambar 1.6 menunjukkan sketsa dari contoh analisis kurva masa ganda. Data debit tahunan kumulatip pos duga air x dan y digambarkan pada kertas grafik aritmatik dari tahun 1950 - 1980.
di laboratorium terhadap penomena hidrologi yang diteliti dengan ciua-cara pemilihan sampel yang telatr ditentukan sehingga memperoleh data yang dapat
menggambarkan populasi yang sebenamya.
:r0
31
analisis hidrologi harus dilakukan pengujian data seperti cara-cara yang telah ditentukan. Menurut tipenya maka data hidrologi dapat dibedakan menjadi 4 (empat) tipe, yaitu :
1). data historis (historic data). 2). data lapangm(field collected data). 3). data hasil percobaan (experimental data). 4). data hasil pengukuran serempak lebih dari dua variabel
(simultaneous data).
Purvuliln data dalam bentuk tabel umumnya dijumpai pada buku prrhliklsi hidrologi, misal Publikasi Debit Sungai Tahunan Qteur luxtk), bagi para pembaca yang ingin mendapatkan data puhlikasi dcbit sungai tahunan dapat menghubungi Balai l'cnyclirlikan Hidrologi, .Pusat Litbang Pengairan, Departemen l)ckcrjaan Umum. Contoh data statistik hidrologi tentang publikasi dcbit dapat dilihat pada bagian halaman terakhir Bab I ini. Data itu di salin dari buku publikasi Debit Sungai Tahun 1990, dari Pusat
Litbang Pengairan.
Penyajian data dalam bentuk diagram antara lain dapat berupa
:
Apabila data yang digunakan untuk analisis hidrologi merupakan data tidak benar maka jangan diharapkan dapat
memperoleh kesimpulan yang sesuai dengan kondisi sebenarnya dilapangan. Berdasarkan tingkat kebenaran datanya (reliability of data), maka data hidrologi dapat dibedakan menjadi 4 (empat) kelas, yaitu :
l).
2).
1).
kelas I, data hidrologi yang diperoleh dari pengamatan dan pengukuran langsung.
2).
II, data hidrologi yang diekstrapolasi dari data I, dengan mempertimbangkan berbagai kondisi, misal : luas DPS, geologi, iklim, dan geomorfologi,
kelas kelas
penampang sungai, kekasaran alur sungai.
3).
kelas III, data hidrologi yang diekstrapolasi dari data kelas I, tetapi tidak mempertimbangkan satu atau lebih kondisi yang mempengaruhinya.
dengan persamium empiris (empirical formula).
l).
2).
data siap pakai bagi parapelaksana. data informasi bagi para pengambil keputusan.
Diagron batang menunjuklan Curah Hujan Rata-Rdto Bulanan DPS Citarum - Nonjung (UNDP/WMO P roj ec t INS/7 8/0 3 8).
32
33
\
I
cgFBtEeFBtg
EIpgfii333Ei
Gi
SN _rt N
8 8
I l
\ \
(D @ @
L
O L.Dh
ICOO
rrr
O IOOO-lloOrn
O
t6OO -
looonr
o e
HM
I
!
I
o
n'
I J
o
E
88
F
ES4
:{i 'is.r
QR
ffi
$$
, )I
$$s. r:s
d\s
oci
\.
-o
(3
r\
oo
8t
!G|
t8
('r.P.reutl J.l3lo
g t t g to
-tsGambar
1.9.
Peta Curah Hujan DPS Citarum. (Sumber : Project 1N978/038 River Forecasting
sl<ala
l:500.000).
34 36
100 ffiffi, dengan demikian pada bulan-bulan tersebut dapat dikatakan sebagai bulan kering. Dari diagram tersebut juga dapat
diketahui bahwa banjir sungai citarum dapat terjadi antara bulan November sampai April. Gambar 1.8, menunjukkan contoh diagram garis, yang menunjukkan kurva peluang kumulatip dari kurva "lengkung lama aliran" (duration curve).
Gambar 1.7 menunjukkan contoh diagram batang, yang menunjukkan curah hujan rata-rata bulanan Dps citarum-Nanjung (data tahun 1879-1978). Dari diagram tersebut dapat diketahui distribusi curah hujan Juni samtriai dengan September kurang dari
ll.S(ll,() Nr;rtl
lnrl(l lurrrt ll.r. lhrar.rl
No.02-055-0E-01
llcnlawrn SJlo
ri.
1990
07"2t'00'Ls
II
t"2t'm"BT
lllsr
I tr*
llsrh l'.nr.llr.tr
FsLil. lr.ft..l.l.n
lrilIl..afl lt.t.
lmt. Al.t
: TugSrl 02-03-1971 olch DPMA : Tuggll 02-03-1971 smpri dcnge : Powrt otorotik minggu
Propinri Jrwa Timur, Krb. Ngawi, Der Napcl. Dui Ngrwi rckitry ll lm kc jururm Ccpu, Bclok kiri I km kc jururu Nrpcl, smpri di Sckohh Duu Napcl bclok kiri 500 m, rdr di rcbchh kxm rliru
3l-12-1990
Alrrm Llrtrm
: m.r. = 9.55 (+.ll) m; q = 1982.00 ml/dct; tgl. l-2-1990 : m.a.= .60(+.ll)m,q=ll.t0oml/dct;tgl. 14-10-1990
pcrnrh tcrjedi smpai dcngu tahun l99O
:
I mla.= 10.16(+.00)m;q=2132.00mlldd;t}l.6-5-1979
no.
I
('.trtu
l'.n.nttn llor AlirD llc.rrnyr rliru ditcrtuku bcrduukm lcngkung alirm rrhun 1979 smpri d.ngm rhun l99l
: :
:
8/07/84
yug diburt
mcnurut
Dari gambar 1.8, dapat diketahui besarnya peluang kumulatip dari debit sungai Bengawan Solo - Bojonegoro tahun
1992, debit sebesar 13,80 m'/det dapat dijumpai sepanjang tahun 1992 (peluang 100 %) debit andalan (dependable /tow) pada peluang 80 % adalatr 49,0 m3ldet dan debit mediannya sebesar 237
m3/det (peluang 50 %).
Pcngukurm dirm m8ih kurmg tcrutrm. untuk muka air tinggi, tir rcninggi yug pcmrh diukur psdr 7.71 m dcngu q = I 397. rn3 /det
Pelaksana
Pengukurm Tgl.
Tabelbeualiranhuim(m
/dct) Js.
315. 984. 522
300
Contoh penyajian data hidrologi dalam bentuk peta dapat dilihat pada gambar 1.9, yang menyajikan data curatr hujan tahunan dari DPS Citarum disebelah hulu dam Jatiluhur. Dari peta tersebut dapat diketahui bahwa : daerah dengan curah hujan lebih dari 3.500 mm/tahun hanya meliputi luas 0,6 Yo, daerah dengan curatr hujan 3.000 - 3.500 mm/tahun meliputi luas 9,2 Yo dan daerah dengan curah hujan 2.500 - 3.000 mm/tahun meliputi luas 48,0 o/o serla daerah curah hujan kurang dari 2500 mm/tahun meliputi luas 42,2 %o dari luas DPS 4.600 km'?.
'
I 2 I 4 5 6 7 8 9 l0 II l2 t3 t4 t5 16 t7 l8 t9 20 2l 22 23 24 25 26 27 2t 29 30 3 I
149.
t1i.
109. 109.
695.
295.
187.
540.r
556 579 339.
259
318. 567. 413. 366.
317. 267.
2U.
E5,6 84,1
t16.
173.
233.
328.
259. 219.
247. 210.
4t1.
297. 423.
519. 322. 680.
264.
542. 563.
7t2..
1508.
5l l.
491.
&1.
1247 I l4l. 819.
1598
1727.
1730.
t217
675.
1045.
822.
837.
)41. 84,7 22t. 250. 84,7 r93. 2t5. E4,7 2t5. 241. 195. 245. 218. t29.
2fJ6.
469. 572. 508. l5l. lll. 381. 103. 146. 308. 77.5 135. zEt. 109. 221. 37t. 291. 98,2 233 154. 83,8 166 I t84 94.1 171. 1235. 123. 822. 1t06. t7,4
5ll. 5t6.
131. t4,1 633. 84,7 444. 83,8 53t. 183,0 291. 82,9
93t.
E27.
9il.
584. 715.
996.
890. 565.
31'.1. zta.
350.
26,6 26,2 25,7 25,1 25,3 25,3 26,6 33,e 51,2 65,8 99,3
t3
I 94,t 9,0 17.0. 94,t 2t5. 19,9 16.6 93,1 180. I9,9 20,8 93,1 73,2 I9,0 26,2 92,2 55,7 19,0 20,1 9t,2 48,2 19,4 30,5 9t,2 42,5 19,4 33"6 57,2 39.7+ t9,0 27.1 31,0 35,4 18,6 33,0 28,5 32,5 19,4 25,7
94,
I
95.0 4J,2 19,0 94.1 39,0 19,0 103. 5t,7 tt,2 124. t2,0 18,2
15,8
53,5 267. 44,6 54'.r. 36,6 574. 32,0 586. 34,8 217. 2J,O 69,0 288. 24,8 48,2 220. 22,6 35,4 173.
I
2t,2 16,8
96,0 40,4 3l.or 28,5 23,5
257.
9,0 3 1,5
173.
455. l9l.
302. 243.
t44.
I
100.
6t2.
63. I 153.
t4.
Rstr-rrta I(.2 (Uda) TinSgi ^,1* Alim (mm) Mct6 Kubik (10'16)
Dru Tthunu
716.
j!.9
198.
1918.
14t0.
140.
144
38.6
374.
97,1 96..6 63,4 54,2 t9,4 lE,6 18,6 17,8 67,8 47..5 23,8 7,00 4,90 2,46 l8,t l3,l 6,6 t76. t21,0 63,8
t.
32,5 20,3 21,2 10,5 19,9 19,0 2A,5 27,t 21,7 26,2 16,0 t1,O 24,2 17,2 15,4 23,9 36,0 15,8 23,5 36,0 16,2 23,5 31,6 16,0 26,2 27,5 27,1 36,0 18,4 26,6 27,1 30,0 23,0 24,2 27,9 19,9 23,5 24,8 . tg,O 21,0 23,5 lE,6 22,6 20,3 16,6
t6,2
20,9 2,15 5,6
54,r
@,2 t23. 65,8 154. 8t,l )7,t 59,8 t,t3 5,t7 r0,l 16,0 99,4 155.
17,4 3 1,5 t25. t5,4 14,8 111. 13,6 73,6 337. t2,5 16,0 822. 13,2 47,5 912. 13,2 39,7 959. t1,o 38,4 tt31. 23,0 37,8 1ftr8. 19,4 34,8 767. t6,2 49,0 936. 16,6 82,9 871. lJ,o 69.E I 175. 15,4 U,2 692. 22,t 58,0 421. 53,5 92,2 299. 133. lll. 478. I t8. ll7. 415.. 7t..4 16,6 495.
288.
2r8.r
181,0
52t.
53,8 144.
1395.
Rrh-ntr:252.Alimki (ydct):26.0Tinggirlirm(mm):S14.Mctqkubik{10..6):'18t2
bab z
penguhutan par:atnetet statistih data hidrologi
Untuk menyelidiki susunan data kuantitatip dari sebuah variabel hidrologi, maka akan sangat membantu apabila kita mendefinisikan ukuran-ukuran numerik yang menjadi ciri data tersebut. Sembarang nilai yang menjelaskan ciri susunan data
disebut dengan parameter Qtarameters). parameter yang digunakan dalam analisis susunan data dari sebuah variabel disebut dengan parameter statistik (stotisticol parameters), seperti nilai : rata-rata, median, deviasi dan sebagainya. Susunan data itu dapat berupa distribusi (distribution) atau deret berkal a (time series).
Dalam bab ini, akan disampaikan pembahasan tentang pengukuran parameter statistik yang seringkali digunakan dalam analisis data hidrologi yaitu meliputi pengukuran tendensi sentral (c e ntr al t e ndency) dan pengukuran disper si (disper s i on) atauvariasi (variation). Pengukuran tendensi sentral akan dibahas pada sub bab 2.1, sub bab 2.2 menyajikan pengukuran dispersi dan aplikasi
parameter statistik akan disampaikan contoh awal pada sub bab 2.3, sebelum parameter statistik tersebut digunakan dalam pembatrasan analisis data hidrologi pada bab-bab selanjutnya.
37
:t
fi
2.1.
Kelcrnrrgrrrr
rata-rara (averages) dapat merupakan nilai yang dianggap cukup representatip dalam suatu distribusi. Nilai rata-rata tersebut dianggap sebagai nilai sentral dan dapat dipergunakan untuk pengukuran sebuah distribusi. Jenis rata-rata yang sering
:
Nilai
X rr X,
Snrrlrol
rata-rata hitung (arithmetic overage or mean) 2). rata-ratatimbang (weighted mean) 3\. rata-rata t*ur (geome tric mean) 4). rata-rata harmonis (harmonic mean) 5). median (median) 6). modus (mode), dan 7). kuartil (quartiles)
).
Contoh 2.1. Data hidrometeorologi yang tercatat dipos hidrometeorologi di Singomerto (+ 310 m), kurang lebih 16 km sebelatr timur waduk PLTA. PB. Sudirman di Banjarnegara, Jawa Tengah ditunjukkan pada tabel 2.1. Hitung nilai rata-rata, tiap variabel data hidrometeorologi pada tabel tersebut.
data).
2.1.1. f,iata.f,tata Hitung Dalam suatu distribusi besarnya nilai rata-rata hitung (mean) dapat dihitung dari data yang tidak dikerompokkan (ungrouped data) atau dari data yang dikelompokkan Qgrouped
llerdasarkan nrmus 2.1 dan 2.2, data temperatur udara tzbel 2.1, nilai rata-ratanya adalatr :
X=
I
e53
+ 2s,6 + 25,4 + z5,B + 25,4 + 24,7 + 24,5 + 24,9 + 2s,3 + 25,6 + 25,2 + 2s,6)
x=
3ff
utuu*. :25,27"
(dibulatkan
= 25,30'C)
adalah:
Dengan cara yang sama data hidrometeorologi lainnya dapat dihitung seperti ditunjukkan hasilnya pada tabel 2.1.
V _ Xr +X2 +Xr
--
*
:
....... *Xn
(2.r)
(2.2)
disusun bersama-sama dengan frekuensinya maka disebut dengan data yang dikelompokkan (grouped data). Rata-rata dari data tersebut adalah jumlah perkalian tiap variate dengan frekuensinya dibagi dengan
40
4l
dapat
I rrlrr
l .' .'
X=
Keterangan
:
i=l
X fix'
n
Ilanjarnegara llulrtn
R (mn)
i=l
Xr,
Q.3)
Intrrrnr
478
I elrr rrtri
qiq
501
Mnrcl
X: n :
Tabel 2.1
April Mci
403
l9 l7 2l l6
l3
6 6
282
146
108 73
103
fXi:
285
184
2l l8 2t t7 t4
8
Juni
Juli Agustus
September
ll6
89
'
Oktober November
Desember
275
ll
ll8
32s
479
6 6 6
460 562
3.805
l8
23 159
534 3.849
t4 2t
Bulan
Januari
Jumlah
Sumber
Catatan
t7t
(c)
(%")
(tn/det) \
0,7 0,7 0,6 0,4 0,4 0,4 0,5 0,6 0,6 0,6 0,4 0,5 0,5
Februari Maret
April
Mei
Juni
86
88
: :
R: 1r1 :
90/HI-lg/19g9
24,7
24,5
Juli
Agustus
September
87 89 89 89 87
85
99,8
109,4
24,9
]
ll7,g
130,9 150,6
134,1
oktober
November Desember Rata-rata
I I
85 87
85 85
Curah hujan
(x)
I 2
J
Hasil
(f)
t9 t7
UXi)
9.082
7.038
10.521
144,9
478 414
501
129 Sumber: Pusat Litbang pcngairan, Buku Laporan No. 90/HI _ lg/19g9.
87
4
5
6, 7, 8.
403
282
146
108 73
103
2t l6 l3
6
6.448
3.666 876 648 292
515
Contoh 2.2. Data yang tercatat di pos hujan di Banjarn egara (+ 2g9 m) untuk periode 1891 - 1980 dan pos hujan wonodadi (+ 23g m) untuk g93 l 1980, meliputi curah hujan setiap bulan berikut jumlatr hari hujannya, seperti ditunjukkan datanya pada tabel 2.2. Aifingcurah hujan rata-ratabulanan untuk pos hujan Banjarnegara.
6 4
9.
10.
275
ll
3.02s
8.280 12.926
63.317
l. t2.
I
460
l8
23 159
s62
3.805
Jumlah
Sumber
42
43
I ahel ,'
Berdasarkan nunus 2.3 dan perhitungan data pada tabel2.3, maka rata-rata curah hujan bulanan untuk pos hujan Banjarnegara adalah :
- Jatiluhur
Luas
ilrr
Luas
(kn')
s95 1.347
(/o) DPS
12,9
3.805
t2
= 317,08 mm/bulan.
4
5
2.206
422
30
29 48,0
9,2
0,6
100
atau hasilnya mempunyai selisih 20,37 o/o dengan perhitungan nrmus 2.3. Untuk latihan coba saudara hitung untuk pos wonodadi. Apabila data telah disusun dalam suatu tabel frekuensi maka nrmus untuk menghitung'rata-rata seperti ditunjukan pada rumus 2.3 tidak digunakan lagi. Dengan asumsi bahwa data yang terdapat disetiap interval kelas telah didistribusi secara merata unnrk kelas yang bersangkutan, maka nrmus untuk menghitung
rata-rata adalah
k
:
Jumlah
Sumber
4.600
^= TXn i=l
Keterangan:
X
i=l
-'.fi
Q.4)
TitikTengah
(mr) 1.750
Frekuensi
mi.f,
1.041.250 3.030.750 6.066.500
1.371.500
I
2
3
595 1.347
X: k : m, : { :
Cantoh 2.i.
2.206
422 30
4
5
3s00 - 4000
I12.500
11.622.s00
titik
tengatr
Sumber
Jumlah
:
perhitungan data tabel 2.4.
4.600
frekuensi kelas i
Tabel 2.4, menunjukkan data curah hujan rata-rata tahunan daerah pengaliran sungai (DPS) citarum kesebelah hulu waduk Jatiluhur dari tatrun 1879 - 1978. Hitung curah hujan rata-rataseluruh DpS
tersebut.
Dari data tabel 2.5 dan berdasarkan nrmus 2.4,makarata-ratacuratr hujan DPS Citarum dari waduk Jatiluhur ke aratr hulu adalatr :
2.526,63mm/tatrun.
44
46
Tabel
No
I
2
J
2.6
Curah Hujan
(x)
478
Di-Xi-A
+75
(f)
.f,.D,
+ t425
4t4
50r 403 282 146
108 73
103
X=A+=\-
l r,.n
Q.s)
(2.6)
4
5
l9 t7 2t l6 l3
6
+ll
+98
0
187
+ 2058 0
- t2t
- 257
6
7 8
6 4
-295
- 330 - 300
l0
ll
rata-rata hit*g rata-rata sementara frekuensi ke i data ke i
: : t xi :
A
x :
t2 JUMI.AH
ll
- 128
l8
25
159
+57
+
159
760
krllnjhet
Untuk data distribusi frekuensi yang telatr dikelompokkan menjadi data dalam kelas-kelas interval, perhitungan dapat menggunakan persaman 2.5, atau yang lebih sederhana lagi dapat menggunakan metode perhitungan deviasi bertingkat (step
deviation method), dengan rxrmus :
Misal ditentukan curah hujan sementara : 403 mm/bulan (dipilih dari data bulan Apr,). perhitungan ditunjukkan pad,ataber 2.6.
rata-rata dari pos Banjamegara adalah
I=A+*ta \-l
-
$ Ci.fi z,
i=l
tn
(2.7)
Xi-A
I
(2.8)
X=403+1@
Keterangan:
) *. = 398,22mmlbulan
Hasil perhitungan sama dengan perhitungan pada tabel2.3.
ls9
x :
rata-rata hitung
I I
Mr[,]r{
46
47
Contoh 2.5.
l) Jatiluhur dengan
ryabila salah satu data ada yang hilang akan mempcngaruhi ketelitian. hasil perhitungan dapat menyimpang dari keadaan sebenarnya apabila dijumpai nilai yang sangat ekstrem.
2).
Interval Kelas
r500 2000 2500 3000 3500 - 2000 - 2500 - 3000 - 3500 - 4000
Titik Tengah
Frekuensi
C, 't
C,.f,
- 1.190 - t.347
(ml
1.750
2
5
(fi)
595 1.347
4
5
-l
+l
0
2.206 422
30
+2
+ 422 +60
Jumlqh
Sumber : Perhitungan data tabel 2.4
4.600
2.055
t w,.r,
Q.9)
Berdasarkan rumus 2.7 dan data perhitungan pada tabel 2.7, maka curah hujan rata-rata DPS Citarum - Jatiluhur ddalah :
v=2.750. (-?ffi
x 5oo)
V = 2.526,63 mm/tahun Hasil perhitungan sama dengan yang dihitung dengan rumus 2.4
seperti data yang ditunjukkan padatabel2.S. Beberapa keuntungan perhitungan rata-rata hitung
:
Dari peta jaringan Thiessen diketatrui batrwa daeratr pengairan (DP) Badas didaeratr Pare-Kediri terdapat 4 (empat) pos hujan dan luas bagian tiap pos hujan seperti ditunjukkan pada tabel 2.8.
1). umumnya digunakan untuk menghitung nilai rata-rata. 2). sederhana dan mudah. 3). dapat ditentukan dalam setiap persoalan.
Kelemahan perhitungan rata-rata hitung
:
4n
49
I'abel 2.8 Data Hujan Bulan Januari Dp. Badas Tahun lg52
No. Pos Hujan
Km2
- lgTs
Luas
%
sclisih:
Curah Hujan
(mm)
Contoh 2.7.
I
2
3
Badas
Pare
24 6,75
46
360
t3
11
Bogo Kunjang
I1,60
10,20 52,90
280 314
377
Hitung permeabilitas akuifer air tanah preatis didaerah plematran, Kediri jika datanya ditunjukkan pada tabel 2.10.
19,30
100
Jumlah
Sumber : Soewamo, 1977.
Sumur
TW.0l0
TW. 0l I
Permeabilitas X, (m/hari)
40,38
10,13 17,72
(m)
w,.
x,
l.
2.
J.
TW.0l2
TW.025 TW.024
TW.033
4. 5. 6.
7.
21,33
19,gg
1.223,51
313,01 547,54
659,09
579,71
138, I 6 295,83
Pos Hujan
Bobot
(try
I
2
3
Curah Hujan
(x,
360
Wi.Xi
TW.035
4,04 8,65
\29'o
Jumlah
16.573
3.756,88
Badas Pare
46
l3
22 19,30
100
280
3.530
Bogo
3t4
377
6.91I
7.272 34.286
Kunjang
Jumlah
Berdasarkan data pada tabel 2.10, maka permeabilitas preatis didaerah Plemahan dihitung dengan rumus 2.9 : 3.756.99 _r x*=ffi:
air tanah
Dengan rata-rata timbang, curah hujan rata-ratabulan Januari unfuk DP. Badas adalah (lihat tabel2.9) :
l7'o4mltrari
n,"=
W:342,86mm
:
x
,
122-24 : - ---'-' 7
17,46 m/hari
I I
6l
l-r0
Ilila dihitung
dengan rata-rata
rata-ratatimbang.Selisihinikecilkarenafaktorpembobotannya 2'6' mempunyai variasi yang relatip kecil, lain dengan contoh
X: X:
rumus
Apabila X,, Xr, Xr, ... X, adalah nilai variat dan W,, W2' Vy':, ... Wn adalah bobotnya maka rata-rata ukurnya dapat dihitung dengan rumus sebagai berikut :
*, =i Gr)* i=l
Keterangan
:
(2'10)
E = anti Log
Keterangan
:
Iw' i=l
i=l
LogX
n
(2.r r)
Ew,
Ie
Xi
&
X' :
Contoh 2.8.
Pengambilan sampel air di'Pos duga air W'sekampung Kunyir propinsi Lampung pada bulan Januari 1981 yang setelah dilakukan (mg) analisis laboratorium menunjukkan kandungan magnesium sebagai berikut : :2,8 mgA ). tanggal 28, kandungan mg 2). tanggal2g, kandungan mg :2,6 mgll
I
Contoh 2.9
:3,3 mgA 3). tanggal 30, kandungan mg 4). tanggal 31, kandungan mg: 3,0 mg/l
Tabel2.l
No
I
2
J
LogX,
2,556 2,646 2,496 2,756
10,075
W,
LogX,
(w)
(x)
360 280 117,703
X, :2,8 X, :2,6 X, : *s :
(72,072)tt4
46
l3
22
19,30
(2,8 x2,6x3,3 x
314
377
r00
r.330
:2,91 mgfi
52
I
tabe
6ll
Dari
2.1
Apabila data tersebut dihitung dalam suatu distribusi liekucnsi maka rata-rata harmonisnya dapat ditulis sebagai berikut :
anti Log2,533
Xn=tr
3*,
Keterangan
:
tn
(2.13)
Lihat hasil perhitungan pada tabel 2.9, apabila dihitung dengan rata-rata timbang Xn: 342,86 mm dan apabila dihitung dengan rata-rata hitung X : 332,52 mm.
Beberapa keuntungan dari pada penggunaan rata-rata ukur adalah :
'
data hidrologi'
: Xi : q : n :
Xn
Apabila suatu distribusi data hidrologi Xr, X2, X3, ... X. dan masing-masing data mempunyai bobot sebesar W,, Wr, W3, ... Wn,
maka rata-rataharmonisnya dapat dihitung dengan rumus
:
perhitungan bila datanya mempunyai nilai nol atau negatiP. ' 2). penggunaan perhitungan logaritmis-
tw,
" l5wi LT
i=l ^i Keterangan
:
(2.t4)
2.1.4. \alta-f,rata
Hannonit
Xn W,
: :
, :datakei
Rata-rata harmonis (harmonic mean) dari suatu distribusi X,, Xr, Xr, ... Xn dapat ditulis sebagai berikut :
n : jumlah data
Xn=
$r
(2.r2)
Contoh 2.10.
3*,
Keterangan
:
xn:
Xi: n:
54
66
Jowob contoh
2.1l.
Pos Hujan
Badas Pare
Bobot
Wi 46,05 12,62 22,03 19,30
100
Curah Hujan
xi
359,9
Wi/Xi
0,1279
0,0451
2
J
279,7
313,7 376,8
No.
Sumur
TW.0l0
Bobot wi
30
Permeabilitas
lyt/xl
0,750 3,050
1,743
xi
40
1.330,I
I
2
TW.0ll
TW.0l2
TW.025 TW.024 TW.033 TW.035
Jumlah
)
4
3l 3l 3l
29,0 34 34
l0 l8 2l
20 4,04
8,65 122
1,448
Berdasarkan rumus 2.14, maka rata-rata harmonis ctuah DP.Badas untuk bulan Januari adalah :
hujan
I,450
8,465
,l
ll
6 7
i, 100 xr'=ffi
220
3,953 20,863
339'5mm'
Berdasarkan rumus 2.14, maka rata-rata harmonis permeabilitas akuifer preatis didaerah Plemahan adalah :
l). Dihitung dengan rata-ratahitung, *.:332,52 mm. 2). Dihitung dengan rata-ratatimbang, n* : 342,86 mm. 3). Dihitung dengan rata-rataukur, X, :341,78 mm. 4). Dihitung dengan rata-rataharmonis, Xn :339,5 mm.
Pada contoh perhitungan ini ternyata perhitungan dengan rata-rata
- .'= Xn
lt
220,40 : -:-:-:--20,96
10,56 mArari
Sedang rata-ratahitungnya:
: X: l":U 7
17,46m/hari
hitungkarenatanpamelibatkanbobotdarisetiapdata,memberikan hasil perhitungan yang paling rendah. peihitungan rata-rata harmonis jarang digunakan dan umumnya memberi hasil yang lebih kecil dibanding rata-rata ukur, seperti juga ditunjukkan pada contoh 2.1I seperti berikut :
Contoh 2.t1.
7,46 mlhari.
17,04 m/hari. 10,56 m/trari.
60
67
Contoh 2.12.
Perhitungan sampel air di Sungai Way Seputih di Segalamider pada tahun 1981, bulan Januari tanggal 20, sebagai berikut :
tersebut tidak diperolch. Hal ini tlischahkan karena bobot dari pada tiap data akan dapat nrc r r r pcn g,aruhi ketelitian dari hasil perhitungan rata-rata.
l)uri conrrh
.1,10 darr
2.ll hubungan
Jam
Konsentrasi (me/l)
2.1.5 ltfedian
Median (median) adalah nilai tengatr dari suatu distribusi, atau dapat dikatakan variat yang membagi distribusi frekuensi menjadi 2 (dua) bagian yang sama, oleh karena itu peluang @robability) dari median selalu S0 %.
Data yang belum dikelompokkan
:
554 659
838
1.008
835
r^l-
- n* I
--
(2.rs)
l).
Rata-ratahitung X =
(554
659
X=Y:778,8mg/t
2). Rata-rata ukur
Untuk data yang jumlahnya genap, median adalah data yang letaknya pada titik tengah urutan data ke (k,) dan (kr), yang dapat dihitung dengan rumus :
Il rK,- ,2
(2.t6) (2.t7)
rA.-- -
'2
n*2
:
Keterangan
uJr*
,o-,
:596,52mgll
k,, k, : : n
Contoh 2.13.
68
l-rl)
Flitung median dari data debit sungai Cikapundung di pos duga air Gandok pada tanggal I sampai dengan 5 Februari 1991, dan hitung mediannya data debit sampai dengan 6 Februari 1991. Datanya sebagai berikut : Tanggal Debit 1m3/det)
Februari 2 Februari 3 Februari 4 Februari 5 Februari 6 Februari
M,r
! ".j
2'64
lZ'tlo
= 2,72m,/det
2,48
l-p Ma:b+i(t-)
Keterangan
:
1Z.rr;
(dikutip dari : Buku Publikasi Debit Sungai Tahun 1991, Puslitbang Air)
Jawab contoh 2.13.
z
- 5 Februari l99l
karena datanya tr
: n : i : f : F : b :
Md
5, maka
Contoh 2.16.
median
Batubeulah tahun
Xr:2,40
Xr=2,48
Letak mediannya
X3:2,64
Xo=2,72
X5:2,80
dan
1-_n+l-5*l_,
^'-T-T-',
:
Xr:2,64
Jadi mediannya Md
6, maka
2t4t6t-
40 60
80
59 56 69 68
8l - 100
47
X3=2,64
Xa:2,72
:
2t t4 l0
7
5
k,=+=+=3,danX3:2,64
kr=*
lebih 241
t:4,
dan Xo = 2,80
Jumlah
365 hari
60
6l
z
2.
l4A
Md bf i(l-f
l-t,
)
Tabel
2.
Mo:60,5+Z0gl88-tZO, '69'/
M6:60,5 +
19,71
:80,21m3ldet.
No
xt
4
5
Jadi median debit S.cisadane - Batubeulah tahun 1974 adalah g0,21 m'/det, atau 50 Yo daridebit selama tahun 1974 adalahgo,2lm3ldet.
kurang 20
r*)
59
64
56 68
69 *)
t20
189 257 304
47
2t t4 l0
7
5 3
32s
339 349
356
361
l8l
- 200
364
365
I
365
: *) letak median.
**) **r)
terkecil 16,l m3/det.
terbesar 270 msldet.
letak
Dengan menggunakan data debit rata-rata harian terbesar 270 m3ldet dan terkecil 16,l mrldet, maka data pada tabel 2.14.A dapat dibuat seperti ditunjukkan pada tabel 2.14.8. Dari data tabel 2.14 B dapat dibuat kurva distribusi frekuensi "kurang dari" atau ojif (ogive), yang untuk data debit disebut dengan kurva ,,Duration Curve" (lengkung frekuensi rama aliran) seperti ditunjukkan pada gambar 2.7- Data digambarkan pada kertas grafik aritmatik. Data batas bawah kolom (2) digambarkan pada skala tegak, berpasangan dengan data pada korom (5) Dengan demikian koordinat titik penggambaran gambar 2.1 adalah (100 dan 16,l), (9g,63 dan 2l), (82,46 dan 4l), (0,27 dan z4r) hingga titik terakhir (mendekati nol,
270).
62
l irlrcl .1
8:r
l,l lt
llatrrhculalr'l'ahun I 974.
Debit Harian
(m3/det)
Frekuensi
Frekuensi Kumulatip
(hari)
xi
I
I
2
I
3 0
)
Lebih dari 270 241 - 2',t0
J
I 4
9
I
3 5
0,00 0,27
to
22t -240
201 -220 l8l - 200
l,0g
2,46 4,38
7,12 10,19 16,l I 29,58
48,21
6',7,12
4
5
E a\ rto
l6
26
6
7 8
16l -
a I o
r
o
l4l 101
180 160
ll
l0
l0 l4 2l
47
68
40
6l
108
176
L
I
-+
I
t2 l3
4l2t-
60 40
69 56 59
5
24s
301
360
365
l4 l5
0 36s
i------+
roo
UAI?U (Xll!,
aoo
loo
rr'
Sumber
Jumlah
Data Tabel 2.
l4.A
Gambar 2.1. Lengkung' Frekuensi Lama Aliran Cisadane' Batubeulah Tahun 1974.
2.1.6 ltodus
Dari sekumpulan data atau distribusi yang terdiri dari variabel deskrit, yang disebut modus adalah vanat yang terjadi pada frekuensi yang paling banyak. Sedang pada suatu distribusi yang terdiri dari variabel kontinyu, yang disebut dengan modus adarah variat yang mempunyai kerapatan peluang maksimum (mmimum probability density).
Gambar 2.2, menunjukkan letak dari pada rata-r ata (mean), median dan modus. Letak rata-rata, median dan modus untuk distribusi dengan bentuk kurva frekuensi yang simetris, maka nilai
(i4
ri6
titik
(gambar 2.2).
llrt!,r11_
Jrtrtrutrr
Kclcrttll:rb:rrr ('),,) 86
88 87
[]rrlan
Kclcnrbaban ('7o)
87 85 85 87
85
Juli
Agustus
September
ljcbruari
Maret
April
Mei
'iTIUTI!I Juni
89 89 89
Oktober November
Desember
85
Iorf
r I.l
itLtt
Dari contoh 2.17 maka dapat disusun tabel frekuensi seperti terlihat
Tabel
No.
(xi)
I
a 3
85 86 87 88 89
I
3
I
3
Gambar 2.3. Mean, Median dan Modus Kurva Frelarcnsi Tidak Simetris.
Contoh 2.17.
Dari data tabel 2.1 dapat diketahui bahwa kelembaban relatip (%) dari pos hidro meteorologi di Singomerto tahun 1988 adalah sebagai
berikut
:
Dari tabel 2.75, data dengan frekuensi terbanyak adalah bernilai g5. Maka modus kelembaban relatip pos hidrometeorologi di Singomerto adalah Mo : 85 Yo.
Apabila data telah disusun dalam suatu distribusi frekuensi
{;
(;
67
dala,,, rnterval kelas, maka modus dapat dihitung dengan rumus sebagai berikut
:
Jtttvuh cttttkth
2.
l8
Iv{o=B-it,r_#t5r
Keterangan
:
(2.1e)
Mo
B i f f,
: = : : :
modus
'batas bawah interval kelas interval kelas
l.
2. 3.
kurang 20
frekuensi maksimum kelas modus frekuensi dari kelas sebelum frekuensi maksimum kelas modus frekuensi dari kelas setelah frekuensi maksimum kelas modus (lihat gambar 2.4).
4.
5. 6. 7. 8. 9.
10.
59 56
69
68
f2 =
100 120
47
2T
t4 l0
7
5 3
l.
12.
?irtrxitt
l3
Jumlah
Sumber : Perhitungan data tatrul2.14A
Dari tabel 2.16, nampak bahwa frekuensi maksimum'adalah 69, dan terletak didalam interval kelas 6l - g0, oleh karena itu kelas modus (mode class) adalah 6l - 80 Data yang dapat diperoleh adalah :
B:61, f=
Modus
Gambar
2.
69,
dan
i:20
4. Diagram Frelarcnsi
Mo:B*itG
Ivt:6r
vt:61 +20[
Contoh 2.18.
69-56 (6e-s6)+(6e-68)
Tentukan nilai modus dari debit S. Cisadane - Batubeulah tahun 1974 yang datanya ditunjukkan pada contoh2.16.
+ 20
t+il
NIo:79,57
(itt 80
Jadi modus debit S.Cisadane - Batubeulah tahun 1974 adalah79,57 m'/det, dalam satu tahun terjadi dalam 69 hari atau 18,9 Yo dat'r 365 hari.
Air (x)
Terbuka
(mm/bulan)
I
2
3
4
5
I18,0
ll9,E
130,t
134,1 139,0 142,9 143,7 144,8 150,6
6 7
8 9
l0
ll
2.1.7 Kuortil
Kuartil (quartiles) adalah tiga nilai yang membagi distribusi menjadi 4 (empat) bagian yang sama, dengan demikian :
t2
Sumber: data tabel 2.1.
1). Kuartil ke 1 adalah 25 Yo dari pengamatan. 2). Kuartil ke 2 adalah 50 o/o dari pengamatan. 3). Kuartil ke 3 adalah 75 o/o dari pengamatan.
Umumnya dalam
kecil ke besar.
suatu distribusi data diurutkan dahulu dari nilai
I17,8 mm/bulan.
130,8 mm/bulan. 142,9 mm/bulan.
2.2.
PENCUKUNAND'SPERS'
Contoh 2.19.
Urutkan data penguapan pada tabel2.l sebagai tercantum pada tabel 2.17, urutan dari nilai penguapan terkecil ke nilai yang terbesar.
Suatu kenyataan bahwa tidak semua variat dari suatu variabel hidrologi terletak atau sama dengan nilai rata-ratanya akan tetapi kemungkinan ada nilai variat yang lebih besar atau lebih kecil dari pada nilai rata-ratanya. Besarnya derajat dari sebaran variat disekitar nilai rata-ratanya disebut dengan variasi (variation) atau dispersi (dispersion) dari pada suatu data sembarang variabel hidrologi. cara mengukur besarnya variasi atau dispersi disebut dengan pengukuran variabilitas atau pengukuran dispersi. Hasil pengukuran tersebut sangat penting untuk mengetahui sifat dari distribusi disamping pengukuran tendensi sentral (sub bab 2 Beberapa macam cara untuk mengukur dispersi diantaranya adalah :
l)
70
7l
[).
range (range)
2. I tl
2). deviasi rata-rata (mean deviation) 3). varians (variance) dan deviasi standar (standard
deviation) 4). koefisien variasi (variation coefficient) 5). kemencengan (skewness) 6). kesalahan standar (standard error)
Debit Minimum
(mt/de\ I
2
3
2,68
3,
t976
t9'l'7
L97L 1970 1975 1979 1978
l0
3,60 3,68 4,02 4,70 5,50 s,80 7,30 7,60 7,67 9,19
6
7
2.2.1
B;atrryle
8 9
t973
1974
1968 1969
Range adalah perbedaan antara nilai yang terbesar dengan yang terkecil dalam suatu distribusi. Cara ini adalah yang paling mudah untuk mengukur dispersi. Umumnya;jarang digunakan untuk mengukur dispersi karena hanya dihitung dari dua nilai ekstrem saja.
t0
ll
t2
Tabel2..l8 Data Debit Minimum Sungai Cimanuk Leuwidaun Tahun 1968 - 1979.
Debit Minimum
(m3/det)
Contoh 2.19.
No
Tahun
96E
I
,,
969 970
9',7r
4
5
972
6
,7
Dari data pada tabel 2.79, nilat terbesar adalah 9,79 m3/det dan terkecil 2,68 m'/det, jadi range debit minimum S.Cimanuk Leuwidaun adalah 9,79 - 2,68 :7,1 I m3/det.
8 9
l0
l0
ll
t2
Sumber
978 979
nilai
Deviasi rata-rata (mean deviation, average deviation) adalah rata-rata penyimpangan (deviasi) mutlak (absolute) dari
72
73
rata-rata hitung (mean) untuk semua nilai variat Karend semua nilai pengamatan/pengukuran dilibatkan dalam perhitungan maka hasil perhitungan lebih teliti jika dibandingkan dengan range yang hanya menggunakan 2 rulai ekstrem saja. Deviasi rata-rata dapat dihitung dengan rumus sebagai berikut
:
Tabel
2.20
Cimanuk - Luewidaun.
No.
DebitMinimum Rata-Rata
It MD: n: lx,rn
Il
xi
(2 20)
I
2
3
x
5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5.43
X,-X
lx,-x
2,7s 2,33
2,69
3,
l0
Keterangan
MD
xi
x
n
lx, - Xl
= deviasi rata-rata : nilai variat ke i : rata-rata hitung semua variat : jumlah data : baca harga mutlak selisih X, dengan X.
6 7 8 9
ll
l0
t2
3,60 3,68 4,02 4,70 5,50 5,80 7,30 7,60 7,67 9-79
65,44
- l,4l
-
2,75
2,33 1,83 1,75
l,g3
1,75
l,4l
o,73 0,07 0,37
1,87
+ 1,87
+ 2,17 + 2,24
+ 4-36
Jumlah
Contoh 2.20.
Cimanuk
n _ 65,44 _ :5,43 X=
mr/det
\D:
(2.2r)
MD: * MD:
I lx,-xl
= 1,82
m3ldet
Contoh 2.21.
'#
Fiitung deviasi rata-rata dari curah hujan DPS.Citarum yang datanya tercantum pada tabel2.4.
Jatiluhur,
74
7Ft
Hujan
(nm)
Titik Tengah
xi
1.750
f,x,
w,-xt
1.041.250 3.030.750 6.066.500 777 277 223 723
1.223
tW,-xt
1.359.750
373.1 19
I
a 3
r.500 - 2.000
2.000 - 2.500 2.500 - 3.000 3.000 - 3.500 3.500 - 4.000
595
1.34'.1
2.250 2.750
3.250
4
5
L371.500
l I 2.500
3.750
Jumlah
t1.622.500
t (,,-x)'
i=1
(2.22.a)
52:
i=l
i tx, -x/
deviasi standar nilai variat
(2.22.b)
inx''-11.622.500
4'600
'.
Keterangan:
=2527mm
S: X' : X: n : 52 :
MD:
%-Ir, i=l
tlx, -Xl
I
52:
i=l
tsl
Gi
-F,
Dengan demikian curah hujan rata-rata DPS Citarum dari waduk Jatiluhur ke arah hulu mempunyai deviasi tata'rata 557,95 mm dari besarnya curah hujan rata-rata hitung (mean) 2527 mm/tahun.
(2.22.c\
t rx,- lqz
nI
(2.22.d)
76
17
Contoh 2.22.
Hitung deviasi standar dan varian dari debit minimum S.Cimanuk Leuwidaun yang datanya tercantum pada tabel 2.19.
Jmvab contoh 2.22. : Perhitungan lihat pada tabel2.22. Tabel2.22 Perhitungan Deviasi Standar Debit Minimum Sungai Cimanuk - Leuwidaun.
No Debit Rata-Rata Minimum
s ll /tu:u 12*
I
2.22 m,/det
S': I
.2
i=l
Gi
-x/(n- l)
|
54,2996
t2-
32:
4,9284
xt
I
2
3
(X, -
x)
6,-Xf
7,5625 5,4289 3,3489 3,0625
1,9881
4
5
6
7 8 9
10
ll
t2
Jumlah
5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5,43 5.43
- 2,75 - 2,33
Dengan demikian debit minimum sungai Cimanuk - Leuwidaun selama tahun 1968 - 1979 mempunyai deviasi standar 2,22 rildet dan varian 4,9284 m3ldet df,ri rata-ratanya sebesar 5,43 m'ldet atau deviasi standarnya sama dengan * 50 % dari debit minimum
rata-ratanya.
+ 1,87
+ 2,17 + 2,24 + 4.36
Varian dan deviasi standar untuk populasi dapat dirumuskan sebagai berikut :
--:.T-
i 1x, _rD,
i-l
(2.22.e)
54,2996
i=l
6, -u)'
n
(2.22.0
Keterangan:
Dantabel2.22,
Hitung rata-rata hitung
x=#:5'43m3/det
Berdasarkan persamaan 2.22.c, maka deviasi standar
:
varian populasi deviasi standar populasi data dalam populasi rata-rata hitung populasi junilah data dalam populasi (baca sigma)
i=l
i t*, -x)'
Untuk perhitungan deviasi standar dan varian dari sampel data hidrologi yang telah disusun dalam distribusi frekuensi dapat
7tt
7lt
:
wrttlrrk .lrrtilrrlnrr ytrtg tlirttnya tcrcantum pada tabel2.4, dengan cara pcr hil rrttgulr sirrgkat.
(2.23.a)
S2:
Keterangan
I G,-D'.f;
i=l
2.23.
i=l
:
Xt
S : deviasi standar X, : titik tengah tiap interval kelas X : rata-ratahitung fi : jumlah frekuensi seluruh kelas n = jumlah kelas
Untuk mempersingkat perhitungan maka perhitungan deviasi standar dari sampel data hidrologi yang disusun dalam kelompok-kelompok distribusi, dapat menggunakan cara perhitungan singkat (short-cut method), menggunakan rumus sebagai berikut :
No
Curah Hujan
Frekuenst
Titik Tengah
X,
I
C,
C,.T
c,2
(nm)
(f)
595 1.347
f.c,'
2.380 1.347 0 422 120 4.269
l.
3.
4. 5.
1500 - 2000
-2
- ll90 - 1347
0
-l
0
I
0
2.206
422 30 4.600
1250 3750
+l
+2
422
I
4
+60
-2035
Jumlah
Sumber : Datatabdl2.4.
S:i
Keterangan
:
ir,.i -_In
i=l
i=l
r i=l _ \-;-,
ie.c, \,
Xn i=l
(2.24)
S:i
deviasi standar interval kelas nilai konding data ke i frekuensi kelas ke i jumlah kelas
S: i : C, : { : n :
Contoh 2.23.
In
i=l
i=l
In
),
S:500
S
= 585,88 mm/tahun
Hitung deviasi standar dari curah hujan DPS Citarum sebelah hulu
Jadi deviasi standar curah hujan DPS Citarum - Jatiluhur adalah 585,88 mm dari nilai curah hujan rata-rata sebesar : 2.526,63
mm/tahun.
tt0
n1
nilai perbandingan antara deviasi standar dengan nilai rata-rata hitung dari suatu distribusi. Koefisien variasi dapat dihitung dengan rumus sebagai berikut :
Scrrrnkirr hcrsur nilni koolisicn variasi berarti datanya kurang rnorata (lu'tt'r'ttyt,ttl. iika sclnakin kccil berarti semakin merata (fumogctt).
2.2.5 Kctnenacrtgan
Kemencengan (skewness) adalah suatu nilai yang menunjukkan derajat ketidak simetrisan (assymetry) dari suatu bentuk distribusi. Apabila suatu kurva frekuensi dari suatu distribusi mempunyai ekor memanjang ke kanan atau ke kiri terhadap titik pusat maksimum maka kurva tersebut tidak akan berbentuk simetri, keadaan itu disebut menceng ke kanan atau ke kiri. Kurva yang ditunjukkan pada gambar 2.3 adalah berbentuk tidak simetri, gambar 2.3.a kurvanya menceng ke kanan, sedangkan gambar 2.3.b kurvanya menceng ke kiri, sedangkan gambar 2.2, menunjukkan bentuk kurva yang simetri (tidak menceng).
CV: g
(2.2s)
:
CV: TES
(2.26)
Keterangan
: S : X :
CV
Contoh 2.23.
Citarum
x =_: S:
maka:
suatu kurva frekuensi dari suatu distribusi tidak simetri atau menceng. Umumnya ukuran kemencengan dinyatakan dengan besarnya koefisien kemencengan (cofficient of skewness) dan dapat dihitung dengan persamaan berikut ini
:
Untuk populsi
: :
CS: CS:
{ $
02318 vtz
atau
Untuk sampel
ct,
*rt,' - p)3
-fu,
biased estimated
2). Dari perhitungan debit minimum pos duga air sungai Cimanuk - Leuwidaun tahun 1968 - 1979, diperoleh :
x = S
maka:
G Keterangan.
a:
CV
+-
4,43 x =*
:0,499
atau 49,9
o/o
: koefisien kemencengan o = deviasi standar dari populasi S = deviasi standardari sampel Lr : rata-rata hitung dari data populasi
CS
82
x :
xi
n
: drd :
x q# t2
Deviasi standar
- .s,43 m,/det.
mr/det (lihat contoh2.2Z)
Kurva distribusi yang bentuknya simetri maka CS : 0,00, kurva distribusi yang bentuknya menceng ke kanan maka CS lebih besar nol, sedangkan yang bentuknya menceng ke kiri maka CS kurang
dari nol.
S:2,22 nn
G:r)G.Lt
17,351
Gr
-D3
Contoh 2.24.
12 a: ( .ltxto)(159,0561)
Hitung koefisien kemencengan dari debit minimum sungai cimanukLeuwidaun yang datanya tercantum pada tabel 2. l g
a=
Jawab contoh
2.24.
Menurut besarnya
cs,
Minimum
xi
I
2
3
i
5,43 5,43 5,43 5,43 5,43 5,43 5,43
5,4.3
lX,-xl
2,75 2,33
1,83
$,-Xf
20,'7968
2,68 3,10
3,60
4
5
,6
7 8 9
1,75
l,4l
0,73
0,07 0,37
1,87
0,0507
ll
l0
t2
Jumlah
6,5392
10,2183
(I)
2,17
2,24
2).
Lt,2394
82-8819 159,0561
4.36 21,88
Apabila dari kumpulan nilai x dan nilai S dianggap data baru dari suatu populasi dengan ukuran N, maka dapat dihitung :
84
tt6
l).
2\.
3). 4).
nilai rata-rata (p^) dari rata-rat. (Xl deviasi standar (o*) dari rata-rata (X) nilai rata-rata (ps) dari deViasi standar (S) deviasi standar (o.) dari deviasi standar (S)
Kctcrungurr
S = n = jumlah sampel
Contoh 2.25.
SIID
'-
Hitung kesalahan standar dari rata-rata dan kesalahan standar dari deviasi standar dari data debit minimum sungai Cimanuk
Leuwidaun yang datanya tercantum pada tabel 2.18.
Dari contoh 2.22 telah diperoleh deviasi standar dan distribusi debit
minimum sungai Cimanuk - Leuwidaun sebesar 2,22 m3ldet, maka
.
SE=o*:
Keterangan:
+ n'
(2.3t)
SE
kesalahan standar dari rata-rata
S: n :
SE
dan
SED:
2xnl
o,31Omr/det
Kcsolqtrsn Stondat
dtti
Dculosl Standar
Kesalahan standar dari deviasi standar (standard error of standard deviation) adalah besarnya deviasi standar (o0 dari Apabila populasi mempunyai kumpulan deviasi standar distribusi normal atau hampir normal, maka distribusi deviasi standar untuk jumlah sampel yang besar (lebih 100) akan mendekati distribusi normal, dan besarnya kesalahan standar dari deviasi standar dapat dihitung dengan rumus sebagai berikut :
(S)
Dengan demikian variasi rata-rata sampel terhadap rata-rata populasi debit minimum S.Cimanuk - Leuwidaun adalah 0,6408 m3/det dan variasi deviasi standar sampel terhadap deviasi standar populasi adalah 0,320 m'ldet.
2.2.7 Pg.ngukutan lrlomcn Momen merupakan ukuran kuantitatip terhadap sifat geomefrik dari bentuk suatu distribusi. Momen biasanya untuk
menjelaskan kestabilan sampel, makin tinggi momen-momen berarti tidak stabil dan perlu menambah informasi lain yang dapat dipercaya.
SED:or:
(2 32)
86
87
Variabel hidrologi X, dengan nilai variatnya sebesar X,, X2,X3,...X', dengan nilai variat sembarang sebesar \, dan momen ke R : l, 2, 3, 4 dan seterusnya, maka momen ke @) dihitung
dengan rumus
:
Ir',x,u
M(
X
l{)
i=1
IT
(2.36)
Keterangan
M (R)
(2.33)
Mo(R)
:
_
n:
I
x:
a I_ I t,
momen ke R terhadap titik asal jumlah data nilai variat ke i nilai frekuensi variat ke i jumlah kelas
1, 2,
lL
(R):
:
i=l i=l
fr (Xr
- xo)*
R:
(2.34)
in
Keterangan
Momen terhadap nilai rata-rata (moments about the mean) dan suatu distribusi frekuensi empiris dapat dihitung dengan rumus sebagai berikut
.
sembarang'
(2.37)
,
titik:
1). asal (origrn) sehingga nilai
\ : 0.
F, atau
\ : I,
MA(R)
T ft
; k
(2.38)
Momen terhadap titik asal (Moments about the origin) dari suatu distribusi frekuensi empiris dapat dihitung dengan rumus sebagai berikut :
Keterangan:
MO(R):
frIx,*
i=1
:
i=n
88
I
M(R):
iR (
80
=\i=l
it.*
It
I
Pengukuran kurtosis dimaksudkan untuk mengukur keruncingan dari bentuk kurva distribusi, yang umumnya
dibandingkan dengan distribusi normal. Koefisien kurtosis digunakan untuk menentukan keruncingan kurva distribusi, dan dapat dirumuskan sebagai berikut :
Keterangan
i k t C
M(R)
: : : :
= momen ke R
interval kelas banyaknya kelas frekuensi variat ke i nilai koding (0, 1,2,3...dst) dan (-0, -1, -2, -3...dst)
cK =
MA(4)
s4
Q.43)
Keterangan:
Berdasarkan rumus 2.35 dan2.36 maka momen pertamanya
:
CK : M4 :
S =
MA(2) MA(3)
gz
cK:ftr_
* CK=
S4
t cx, _gr
(2.44)
MA(4)
S4
*tCx,-Dofi i=l
(2.4s)
MA(2)=M(2)-M(2)1,
MA(3) = M(4) -
(2.40) (2.41)
+
3$(l)lM(2)l + 2M(l)ll
.. f,n.ci. tn.ci, tn.ci tn..,, tn.ci ln.ci cr = filEln-4(s-fr-Xhh-l*etE n-Xa, -;: -31+6-).1
Secara teoritis maka apabila nilai
:
(2.46)
Contoh perhitungan MA(4), lihat contoh perhitungan2.26, pada sub bab 2.2.8.
I
tx)
0l
CK CK
., 3,
disebut dengan distribusi yang leptokurtis (leptokurtic), artinya puncaknya sangat runcing.
Contoh 2.26.
'l'entukan bentuk distribusi frekuensi dari data curah hujan DPS (litarum-Jatiluhur yang daranya tercantum pada tabel 2.4, dengan menggunakan nilai dari koefisien kurtosis.
/.l'l,ito,,l,filna
T abel
/-lolIlL
X
2000 2500 3000 3500
1500 - 2000 - 2500 - 3000 - 3500
f,
595 1.347
C,
f,C,
"f,Cl
+ 2380
I'C,'
f,Ci
-2
-1
-1.190
-1.347 0 + 422
+ 1347
0 + 422
+ 120
2.206
422 30
+l
+2
- 4000
+60
+ +
0
422
240
+ +
0
422
480
Jumlah
Sumber
4.600
- 2055
+ 4269
- 5445 + 11769
C* =
n= ff,
i=l
,sehingga
.,. =
{t2
T
9S
(
(1.
5(X)){
-?.ll
l.ll
-0.11 I
Cu :
oleh karena ck : 0,763 dan ternyata lebih kecil dari 3, maka bentuk kurva distribusi frekuensi data pada tabel 2.25 adalah dinamakan distribusi yang platikurtis, artinya puncaknya lebih datar dari pada
distribusi normal.
Tclah kita ketahui bahwa data pengamatan curah hujan merupakan salah satu data dasar dalam analisis hidrologi. Berdasarkan data hujan inilah dapat di analisis besarnya hujan badai, tebal dan lamanya hujan, prakiraan banjir, pengaturan air dalam waduk dan sebagainya. Sejauh pengetahuan penulis setidaknya sampai tahun 1995, di Indonesia belum ditentukan berapa jumlah yang optimum dan bagaimana sebaran dari pos pengamatan curah hujan dalam suatu
daerah pengaliran sungai tertentu.
CONTO'I APLIKAS' AWAL PANAMETEB STATIST,,K Parameter statistik yang meliputi data tendensi sentral (rata-rata, median, mode, kuartil) dan data dispersi (range, deviasi rata-rata, deviasi standar, varian, koefisien varian, koefisien
kemencengan, kesalahan perkiraan standar) seperti telah dijelaskan pada sub bab 2.1 dan 2.2, nilai parameter itu selanjutnya digunakan sebagai data dasar dalam analisis hidrologi menggunakan metode statistik. Dalam penerapan metode statistik minimal selalu digunakan 2 (dua) atau lebih parameter statistik tersebut. Sebelum parameter
2.3
Sudah barang tentu ini merupakan tantangan bagi para ahli hidrologi dan ahli iklim di Indonesia untuk mewujudkan suatu metode yang baku "Penentuan Jaringan Pengamatan pos Curah Hujan Yang Optimum di Indonesia", sebagai bahan menentukan jumlah dan sebaran pos pengamatan curah hujan secara nasional. Uraian berikut ini adalah contoh awal prosedur untuk menentukan
jumlah yang optimum dari pos pengamatan curah hujan dari suatu DPS, dan bukan untuk menentukan sebarannya. penulis maksudkan, sekali lagi, untuk 'sekedar contoh awal penggunaan parameter statistik, sebelum diuraikan penggunaannya dalam uraian penerapan metode statistik lainnya yang akan dimulai pada bab III.
statistik tersebut digunakan untuk analisis hidrologi yang akan dimulai dari Bab III, berikut ini akan disampaikan sebuah contoh awal kegunaan parameter statistik itu sebagai berikut ini.
1). hitung jumlah total curah hujan tahunan dari pos curah hujan yang telah terpasang, sebanyak n buah.
Contoh 2.27.
XT:X,+&+Xr+...+4
2). hitung besarnya curah hujan rata-rata: X=
(2.47)
2.950; 2.600 dan 2.450 mm pertahun. Tentukan jumlah pos pengamatan curah hujan yang optimal dari DpS tersebut apabila diinginkan batas kesalahan besarnya curah hujan rata-rata sebesar
Dalam suatu DPS terdapat 4 (empat buah) pos pengamatan curah hujan. Besarnya curah hujan normal dari setiap pos adalah 3.200;
(2.48)
besarnya curah hujan dari pos curah hujan yang telah terpasang, sebanyak n buah.
(2.4e)
94
96
4)
hitung varian
JK _ (XT2/N)
JK ''
n-
+ = | tr r.zoo), = 3l.36o.ooo mm
4). varian curah hujan
,
CV:
loolE
o, _ JK-(XT?n)
(lihat rumus 2.26)
(2 50)
-_n_
6). jumlah optimum N buah pos pengamatan curah hujan untuk meniperkirakan besarnya curah hujan rata-rata dengan batas kesalahan (k) persen adalah :
4-t
s) koefisien variasi
N:(ffX
7).
(2.s1)
curah
cv =
CV=
looJq
x
loo,mooo
= 15,414
o/o
X:N-n
: 5,0 Yo adalah
N: (?),
=
Tambahan jumlah pos pengamatan curah hujan sebanyak X buah harus di distribusi dalam zone curah hujan yang berbeda (dari peta Isohyet) dan harus menurut proporsi luas.
f#l2
= e,5 buah
N:
l0
buah (dibulatkan)
Dengan demikian apabila nilai rata-rata curah hujan yang terjadi diharapkan hanya mempunyai batas kesalahan sebesar 5,0 o/o mat<a di daerah tersebut perlu ditambah pos pengamatan curatr hujan dengan jurnlah:
X=ix
X=*
4
I
XT
X:N-n X: l0 - 4:6
buah
distribusi berdasarkan peta isohiyet curah hujan daerah tersebut, menurut proporsi luas sehingga lokasi yang dipilih dapat mewakili kondisi curah hujan dari DPS yang bersangkutan.
bab 3
aplilcasi disffibusi peluang untult analisis data hidrologi
3.1.
PENDA'IULUAN
Teori peluang membatras tentang ukuran atau
: P (muka A) : P (muka B) : ll2. Kalau dihitung banyaknya muka A yang nampak, maka muka B : nol A dan muka
berikut
derajat ketidak-pastian dari suatu kejadian, misal dalam melakukan undian menggunakan sebuah mata uang logam dengan muka dan sebaliknya muka B, maka dapat diperoleh peluang (P) sebagai
A:
lA, dan kalau banyaknya muka A diberi simbul X, maka untuk muka B dan muka A masing-masing X : 0 dan X : l, sehingga akan diperoleh notasi baru P (X:0) : ll2 dan P (X:l) : ll2.
Kebenaran dari kesimpulan yang dibuat dari analisis data hidrologi sebetulnya tidak dapat dipastikan benar secara absolut" karena kesimpulan analisis hidrologi umumnya dibuat berdasarkan data sampel dari populasi, oleh karena itu aplikasi teori peluang sangat diperlukan dalam analisis hidrologi.
98
99
Besarnya peluang sebuah variat adalah jumlah kejadian dari pada deskrit variat dibagi dengan jumlah total kejadiannya. Jumlatr peluang dari semua variat tersebut adalah sama dengan satu, atau
peluang (probability distribution) adalah suatu distribusi yang menggambarkan peluang dari sekumpulan variat sebagai pengganti frekuensinya. Peluang kumulatip (cumulative probability) dari sebuatr variat adalah peluang dari suatu.variabel acak yang mempunyai nilai sama atau kurang dari suatu nilai tertentu. Kalau nilai sebuatr variat tersebut adalatr x, maka peluang kumulatipnya adalah P (X < x), dan peluang kumulatip dari suatu variabel acak yang mempunyai nilai sama atau lebih dari suatu nilai tertentu adalah l-P (X < x), umumnya ditulis sebagai PCX > x).
P:1. Distribusi
P(asxsb):
@
b-
J r1xlax i
I
(3.1.a)
c J P(x)dx :
(3.1.b)
(x <
a) :
P(x):
] *1*1a*
:
(3.1.c)
l).
2).
Untuk variabel acak kontinyu (continuous . random variables), peluang sebuah variat dapat dipandang sebagai peluang P (x) dari sebuah kelompok nilai deskrit dalam interval x sampai (x + Ax). Apabila x merupakan nilai yang kontinyu dan Ax menjadi dx, maka peluang P(x) akan menjadi fungsi yang kontinyu (continuous function), yang umumnya disebut dengan densitas peluang @robability density). Gambar 3.1, menunjukkan sketsa kurva sebuatr distribusi peluang kontinyu, gambar (a), menunjukkan sketsa kurva fungsi densitas peluang (probability density function) dan fungsi distribusi kumulative (cumulative distribution) ditunjukkan pada (b).
3.2.
Banyak persamaan distribusi peluang deskrit, misal Binomial, Multinomial, Geometrik, Hipergeometrik, Poisson, dan sebagainya, walaupun demikian hanya distribusi Binomial dan Poisson yang disajikan dalam aplikasi analisis hidrologi pada buku ini.
?(xl
P(Xt
.l
(cl
Gambar
(b,
P(R)
Cil P* Q*-*
(3.2)
j.l.
100
101
:
Keterangan
P(R;:
N
R
P
: jumlah kejadian.
= jumlah kejadian yang diharapkan = 0, l, 2, ...N. = peluang terjadinya kejadian : disebut juga parameter dari distribusi. : peluang kegagalan (tidak terjadi): I - P
Jawab Contoh
terjadi dua kali terjadi tiga kali rata-rata dan deviasi standarnya.
tr.I.
a
CX
: ffi
dan O! :1!:1
jumlah kombinasi N dari R pada l(satu) satuan waktu dengan N! =l x2 x 3 x ... x (N-l) x N
0,20
l).
2). 3).
rata-ratahitung (mean)
p = NP
varian
o*:
NPQ
1).
(3.s)
(3.6)
P(R:0): (l')
P(R:o)
2).
(0,20)o (0,80)to
2o)o (0, 80)ro
JNpq
ffi(0, ffi
: 0,107
I
5).
koefisien Kurtosis
CK: k#
.,
Q.7)
R:
(0, go)e
Dari persamaan (3.2) apabila nilai N bertambah banyak dan mendekati tak terhingga, maka distribusi binomial cenderung
menjadi distribusi normal.
(0,20)r (0,80)e
:0,268
R:
: (y) (0,20)2(0,80)
P(R:o):
4).
Debit puncak banjir sungai Citarum-Nanjung untuk periode ulang T : 5 tahun adalah 359 m3/det. Tentukan dalam wakhi 10 tahun
peluang debit banjir tersebut
:
frfu
(1,)
R: 3
l).
2).
: P(R:o) :
P(R:3)
##-
(0,20)3(0,80)7 = o,2ot
to2
10$
5).
Peluang debit banjir T = 5 tahunan rata-rata terjadi selama l0 tahun, denganrumus (3.3) :
P:NP
p
(10) (0,20)
:Zkali
1). rata-ratahitung (mean) p : 2). varian o2: NPQ 3). deviasi standar o = n6Vfq
4).
NP
(3.e) (3.10)
(3.1
r)
Dalam waktu 10 tahun, rata-rata akan terjadi debit banjir dengan periode 5 tahunan adalah 2 kali, dengan deviasi slandar dapat dihitung dengan rumus (3.a) :
kemencengan
CS:
(3.12)
(3.13)
r:
,6gPQ
Q=l-P
r:.@,80,
Dari penyelesaian contoh 3.1, maka dapat disimpulkan bahwa debit banjir sungai Citarum-Nanjung untuk periode ulang 5 tahunan sebesar 359 m3/det dalam waktu l0 tatrun sama sekali tidak terjadi : mempunyai peluang 10,7 Yo; terjadi satu kali: 26,8 o/o; terjadi dua kali: 30,1 %o; terladi 3 kali: 20,1 yo. Rata-rata akan terjadi dua kali .selama l0 tahun dengan deviasi standar l,26kali.
P:
Q:
l). Jumlah kejadian adalah deskrit. 2). dua kejadian tidak dapat terjadi bersama-sama dalam satu
saat.
3.2.2. AplihasiDirtrlbss 7 Pcluolng Poisson " Apabila jumlah dari pengukuran atau kejadian
N cukup
besar, maka perhitungan dengan menggunakan distribusi binomial akan tidak sesuai, oleh karena itu perhitungan dapat menggunakan distribusi peluang Poisson (umumnya untuk P kecil, misal P < 0,10 dan N > 30) dan nilai rata-rata p adalah konstan, p NP. Fungsi distribusi peluang Poisson dapat dirumuskan sebagai berikut :
3). nilai rata-ratahitung dalam unit waktu adalah konstan. 4). semua kejadian merupakan kejadian bebas.
Contoh 3.2.
P (R)
(3.8)
Keterangan P(R) R
tr
Dalam suatu DPS dibangun dam pengendali banjir dengan umur bangunan 100 tahun. Berapa peluang terjadinya banjir 550 m3/det dengan periode ulang 200 tatrun selama periode umur dam tersebut, apabila ditentukan dengan distribusi peluang Poisson.
N
e
: kejadian yang diharapkan, R:0, 1, 2, ... N. : rata-ratahitung (mean) dari distribusi Poisson. : jumlah kejadian.
:2,71828
= peluang terjadinya
sebesar R dalam
N kejadian.
kali
104
r06
Jowob Contoh.3.3.
Nilai rata-rata
p:
P:NP
100 x 0,005
:0,5
:
# 'fl *r.*,
P(R)
Gr)" (e)-'
R!
P(R)=W
:
0,308
P(l) : (o'5)'
(2271828)-q5
l!
P(R)
sehingga:
(l's6)Rq?I828)-116
R!
Dengan demikian didalam Dps tersebut, pada dam pengendali banjir dengan umur bangunan 100 tahun, selama periode umur
tersebut akan terjadi banjir periode 200 tahun dengan peluang 30,90 %.
P(o)=ry:o,2lo
P(l)
P(2)
P(3)
Contoh 3.3.
(t,56)t Q,71828)-t,$
l!
7
= =
0,327
Dari tabel 2.4 pada Bab II, telah disajikan data curah hujan rata-rata tahunan (mm) dalam kaitannya dengan luas DpS citarum-Jatiluhur, yang dapat disajikan dalam bentuk tabel 3.1. Tentukan distribusi frekuensi empirisnya dengan distribusi poisson.
:
_
I 828)-
t's6
2t-
0,255 0,132
0'051
t,s6
3!
'
P(4)
(l'56)4 (2'.71828)-ts6
4l
(knt') NJ
595 1.347
xl
0
I
2
3
1500 - 2000
Dari tabel 3.2, nampak bahwa curah hujan antara 2000 2500 mm/tahun akan terjadi pada daeratr seluas 1504 km2, kira-kira 32,7 dari tiap 100 kejadian. Curah hujan antara.2s}O 3000 mm/tahun akan terjadi pada daeratr seluas 1173 km2, kira-kira 25,5 kai tiap 100 kejadian. Sedangkan curah hujan antara 3500 - 4000 mm/tahun akan terjadi pada daeratr seluas z34l.lrr, 2, kira-kira 5 kali dari tiap 100 kejadian.
I
2
3
2.206
422 30 4600
4.412
1.266 120
4
5
7.t45
I06
'l'abel
to7
: 2
P(X):
Peluang 0,210 0,327 0,255
Luas Daerah Hujan
No
I
2
3
-= o J2n
.eT\ " /
-l f x-t')
(3.14)
(k"r') 0,210x
0,327 x
Keterangan
4600:
4600:
966
P(X)
1504
0,255x4600=1173
4
5
0,132
0,051
0,132x4600=
0,051 x
607
4600:
234
n e X p o
: :
fungsi densitas peluang normal (ordinat kurva normal) 3,14156 2,71828 variabel = acakkontinyu rata-ratadari nilai X deviasi standar dari nilai X
: :
3.3.
Pada sub bab 3.2 telah dibicarakan aplikasi dua buatr fungsi frekuensi teoritis, yaitu distribusi binomial dan distribusi Poisson, yaitu distribusi khusus untuk variabel acak deskrit (discrete random variables). Pada sub bab 3.3 ini akan disampaikan beberapa model matematik yang menjelaskan aplikasi distribusi dari variabel acak kontinyu (continuous random variables) untuk analisa data dalam buku ini adalah model matematik dari persamaan empiris distribusi peluang kontinyu, dalam buku ini adalatr distribusi normal, Gumbel tipe I, Gumbel tipe III, Pearson, Log Pearson tipe III, Frechet, Log Normal, Goodrich.
grafiknya selalu diatas sumbu datar X, serta mendekati (berasimtut) sumbu datar X, dimulai dari X : F + 3 o dan X -3o. Nilai mean : modus : median. Nilai X mempunyai batas - o < X < + .
Untuk analisis kurva normal cukup menggunakan parameler statistik p dan o. Bentuk kurvanya simetris terhadap ;q-: p, dan
Apabila sebuatr populasi dari data hidrologi, mempunyai . distribusi berbentuk distribusi normal, maka
l).
2).
Kira-kira 68,27 Yo,terletakdidaerah satu deviasi standar sekitar nilai rata-ratanyq yaitu antara (p-o) dan (p+o). Kira-kira 95,45 yo,terletakdidaeratr dua deviasi standar sekitar nilai rata-ratanya, yaitu antara (p-2o) dan
1p+2o).
Nottnal
analisis
3). Kira-kira 99,73 %o, terretak didaeratr 3 deviasi standar sekitar nilai rata-ratarryao yaitu antara (p-3o) dan
1p+3o).
108
109
Persamaan (3.17) disebut dengan distribusi normal standard (s t andar no r mal di s tr ibut io n). Dalam Pemakaian praktis, umunnya rumus-nrmus tersebut tidak digunakan secara langsung karena telah dibuat tabel untuk keperluan perhitungan. Tabel III-1, pada bagian akhir buku ini, menunjukkan wilayah luas dibawatr kurva normal, yang merupakan luas dari bentuk kumulatip (cumulativeform) dari distribusi normal.
x
G
l-,.*i**.i
I
l-*^. i-.-r.i
Contoh 3.4.
Gambar 3.2. Kurva Distribusi Frekuensi Normal.
(p+0,6745o).
Untuk lebih jelasnya dapat dilihat pada gambar 3.2. Sedangkan 50 % dari nilainya terletak didaeratr 0t - 0,6745o) dan
- Jatiluhur, telatr dihitung bahwa curatr hujan rata-ratanya adalatr 2527 mmltafuxr (lihat contoh 2.21) dengan deviasi standar 586 mm/tahun (ihat contoh 2.23). Apabila data tersebut sebarannya merupakan
Dari daerah pepgaliran sungai (DPS) Citarum
distribusi normal, tentukan
:
Luas dari kurva normal selalu sama dengan satu unit persegi,
sehingga:
i -|. oJ2n
e-l
(+)'dx : 1,0 :
(3.1s)
x, dan X = xr,
x]
r). berapa peluang batrwa curah hujannya kurang dari 2000 mm/tatnm. 2). berapa peluang batrwa curatr hujannya lebih dari 3500 mm/tatrun. 3). hitung peluang bahwa curah hujannya berkisar antara 2400 dan 2700 mm/tatrun. 4). apabila untuk menghitung curatr hujan rata-ratatersebut dari data sebanyak 100 tatrun, berapa jumlatr data yang curatr hujannya berkisar antara 2400 - 2700 mm/tatrun.
i(+)'d*
"-
Apabila nilai X adalatr standar, dengan kata lain nilai rata-rata p : 0 dan deviasi standar o : 1,0, maka persamaan 3.16 dapat ditulis sebagai berikut :
P(q
= ,L ..-i"
J2n
nilai
(3.17) (3.18)
dengan
,=+
Untuk menjawab pertanyaan butir I sampai dengan 3 perlu dibuat diagram, seperti ditunjukkan pada gambar 3.3.a sampai gambar
3.3.c.
ll0
l)
untuk rnenghitung peluang curah hujan kurang dari 2000 mm/tahun, Iihat gambar 3.3.a, maka : P(X < 2000), harus dihitung luas daerah dibawatr kurva normal disebelah kiri 2000. Ini dapat dicapai dengan menentukan luas disebelah kiri nilai t padanannya, berdasarkan rumus 3.18.
rll
Dan kemudian dengan menggunakan tabel bagian akhir buku ini, akan diperoleh :
P(
III-I
pada
X <2000 ) =P
Jadi curatr hujan DPS Citarum - Jatiluhur kurang dari 2000 mm/tahun hanya mempunyai peluang sebesar
18,67
Yo.
[- X-p
o
f:
2040
- 2527
586
: -H:-0,899
mm/tatrun, lihat gambar 3.3.b, maka : P (X > 3500); harus dihitung luas daeratr dibawatr kurva normal di sebelah kanan 3500, dapat dihitung dengan menentukan luas di sebelah kanan nilai t padanannya, berdasarkan nrmus 3.18 :
t- X o t-
586
586
P(X>3500):P(t>1,660)
= I - 0,9515 :0,0485
:l-P(t<1,660)
Jadi curah hujan DPS Citarum-Jatiluhur lebih dari 3500 mm.tatrun hanya mempunyai peluang sebesar 4,85 yo.
3) Untuk menghitung peluang curatr hujan berkisar antara 2400 dan2700 imm/tarhun, lihat gambar 3.3.c, maka harus ditentukan batas luas kurva normal antara :
P
(X < 2400)dan
(X < 2700)
untukP(X<2400),
Gambar 3.3.
Sketsa Luas Daerah Dibawah Kurva Narmal Contoh 3.4'
tt2
113
t:
-P
r) Metode Kalifornia
Dengan metode Kalifornia (California Method), peluang dari Xm, dihitung dengan rumus :
. _2400-2527
'-
586- =-#
=-0,216
untukP(X<2700)
. _ 2700 -2s27
Dengan demikian
P(X.):ft,utu,
(3.19.a)
T(XJ-H
Keterangan:
(3.le.b)
X- :
Jadi curah hujan DPS Citarum-Jatiluhur yang besarnya antara 2400 - 2700 mm/tahun mempunyai peluang
sebesar 19,73
Yo.
P(X.):
N : m :
T(X,):
4)
Jumlah data yang curah hujannya berkisar antara 2400 2700 mm/tahun adalah 0,1973 x .100 19,73 data
III-1, merupakan fungsi dari bentuk kumulatif (cumulative form) kurva normal. Apabila data pada tabel III-I digambarkan pada kertas grafik dengan skala linier maka akan membentuk kurva - S.
Kurva-S, tersebut sudah barang tenfu kurang sesuai untuk analisis data hidrologi, maka sebagai penggantinya dapat menggunakan kertas grafik peluang @robability paper).
Kertas grafik peluang mempunyai skala vertikal linier atau logaritmik untuk menggambarkan data variat X, dan skala peluang horisontal (probability horizontal scale) untuk menggambarkan data peluang dari variat X. Skala horisontal juga dapat untuk menggambarkan frekuensi kumulatip variat X. Beberapa metode untuk menentukan besarnya peluang dari variat X, antara lain :
kumpulan nilai yang diharapkan terjadi. Xm X > x adalatr kumpulan nilai X yang besar atau sama dengan suafu nilai x tertenfu. Xm = X < x adalatr kumpulan nilai X yang lebih kecil atau sama dengan nilai x tertentu. peluang terjadinya kumpulan nilai yang diharapkan selama periode pengamatan jumlah pengamatan dari variat X nomor urut kejadian, atau peringkat kejadian. periode ulang dari kejadian Xm sesuai dengan sifat kumpulan nilai yang diharapkan (Xm). Untuk Xm = X > x, maka m adalatr nomor urut kejadian dengan urutan variat dari besar ke kecil. Untuk Xm: X . x, maka m adalalr nomor urut kejadian dengan urutan variat dari kecil ke
besar.
Dari rumus (3.18), jika nilai h : N, maka P(Xm) : l, adalah merupakan peluang yang betul-betul 100 % terjadi, dan merupakan kead&rn yang tidak mungkin terjadi. Dengan demikian satu buah data tidak mungkin digambarkan pada kertas peluang.Umumnya untuk menganalisa data nilai ekstrem, dengan mengurutkan data dari nilai terbesar ke terkecil.
114
l ltr
2). Metode Hazen
Dalam metode Hazen (Hazen or Forster Method, 1930), peluang dari Xm, dihitung dengan rumus :
pcluang, besarnya peluang P(X) adalah 0 < P(Xm) < l. I)apat digunakan untuk sekelompok data tahunan atau partial, sehingga metode Weibull ini yang sering digambarkan untuk analisis peluang dan periode ulang.
# T(Xm):,fr
P(Xm):
,atau
(3.20.a)
(3.20.b)
Metode Blom:
Untuk nilai m : l, maka diperoleh TCXm) : 2N, merupakan kelipatan dua dari data yang tersedia. Dengan demikian untuk D: l, yaitu untuk nilai variat X
yang terbesar dan terjadi pada N tahun, seakan-akan
terjadi pada tiap 2N tatrun.
3). Metode Bernard dan Bos-Levenbach
P(xm):54= N + 0,25
.
.
Metode Turkey:
P CXm)
(3.23.a)
I - 3m3N+l
(3.23.b)
Metode Gringorten:
P(xm)-m-o'44
N+0,12
(3.23.c)
PCxm):##,atau
Tfim)-N+o'4 m-0,3
4). Metode Weibull
(3.21.a)
(3.2t.b)
Dengan kaitannya dengan pengertian peluang maka yang disebut kurva frekuensi (frequency curve) adalah kurva yang menggambarkan kejadian variat Xm dengan besarnya peluang P(Xm) atau dengan besarnya periode ulang T(Xm). Penggambaran dapat dilaksanakan pada kertas :
.
P(Xm):ffi,atau
(3.22.a)
T(Xm):Y
(3.22.b)
Rumus ini pada mulanya dikembangkan oleh Weibull (1930), kemudian digunakan oleh Gumbel (1945), Chow
a). semi-lo g (semi-logarithmic). b). log-log (double-logarithmic). c). peluang ekstrem (extreme probability). d). peluang logaritmik (logarithmic probability). e). peluang ekstrem Gumbel (Gumbel's extreme probability). f). peluang ekstrem logaritmik Gumbel (Gumbel's logarithmic extrbme probability).
dan
Salah satu tujuan dalam analisis distribusi peluang adalah menentukan periode ulang (return period, recurrence interval).
116
117
:
x
S
r(Xm)=
d,
(3.24)
Analisis distribusi peluang dapat untuk menentukan nilai variat dari variabel hidrologi yang dapat diharapkan terjadi dengan peluang sama atau lebih besar (sama atau lebih kecil) daripada nilai rata-ratanya tiap N tahun, atau peristiwa N tahunan. Dengan demikian yang dimaksud dengan periode ulang adolah interval waktu rato-rata nilai vaiiat dari variabel hidrologi tertentu akan disamai atau dilampaui (disamai atau tidak dilampaui) satu kali. Sebagai contoh untuk debit banjir, maka banjir 5 tahunan akan terjadi rata-rata sekali dalam 5 tahun. Terjadinya tidak harus tiap 5 tahun, melainkan rata-rata satu kali tiap 5 tahun, yaitu terjadi l0 kali tiap 50 tatrun, 20 kali tiap 100 tahun dan seterusnya. Atau lebih jelasnya dapat diartikan bahwa debit banjir selama kurun waktu yang panjang katakan 100 tahun akan terjadi 20 kali yang sama atau lebih besar (dilampaui) dari pada banjir 5 tahunan, atau akan terjadi 10 kali banjir l0 tahunan,2 kali banjir 50 tahunan, 1 kali banjir seratus tahunan. Banjir dengan periode ulang yang besar berapapun dapat terjadi sewaktu-waktu (tahun ini atau tahun depan) tanpa menunggu N tahun. Banjir 5 tahunan akan terjadi rata-rata sekali 5 tahun, maka berdasarkan persam,uur (3.24), peluang bahwa kejadian banjir tersebut akan terjadi sembarang waktu (tahun) adalah I tahun/s tahun : 0,20 atzu 20 %. Peluang bahwa kejadian banjir 10
tahunan adalatr l0 yo, dan seterusnya.
nilai rata-rata hitung variat. dcviasi standar nilai variat. faktor frekuensi, merupakan fungsi dari pada peluang atau periode .ulang dan tipe model maternatik dari distribusi peluang yang digunakan untuk analisis
peluang.
Dengan telah disusunnya persamaan (3.25) dan seandainya tidak tersedia kertas grafik peluang, maka kita tetap dapat meramalkan atau mengharapkan nilai dari variat suatu variabel hidrologi pada peluang tertentu atau periode ulang tertentu. Persamaan (3.25) adalah distribusi frekuensi teoritis yang merupakan pendekatan dari sebaran data variat dan peluangnya.
distribusi frekuensi yang sebenamya pada umumnya tidak mungkin, oleh karena itu biasanya digunakan distribusi teoritis sebagai pendekatannya. Perpanjangan kurva distribusi teoritis umumnya diperlukan untuk memperkirakan nilai variat harapan pada priode ulang yang lebih .lama daripada lamanya tahun pengamatan. Perpanjangan hanya disarankan sampai dengan perkiraan nilai variat harapan yang besarnya periode ulang sama dengan 2 (dua) kali lamanya tahun pengamatan, karena perpanjangan kurva distribusi umumnya cenderung untuk membuat kesalahan.
Contoh 3.5.
Data variabel hidrologi yarg telah dihitung besarnya peluang atau periode ulangnya, selanjutnya apabila digambarkan pada kertas grafik peluang, umumnya akan membentuk persirmaan garis lurus. Persamaan umum yang digunakan adalatr :
Dari pos duga air sungai Cikapundung - Gandok.antara tatrun 1958 Sampai dengan tahun 1980, telah diperoleh data debit tahunan (annual run ffi dalam juta m3/tahun (Sumber : lihat data pada tabel
3.5 pada contoh 3.6).
il
X:X+k.S
Keterangan
:
(3.2s)
fl il
II
X:
il
X : 92,l6juta m3/tahun. S = 25,95juta m3/tahun. X, : 77,8}juti m3/tahun pada peluang 75 %. X2 : 109 juta m3/tahun pada peluang 25 %.
rl8
persamaan model matematik distribusi peluangnya apabila datanya mengikuti distribusi normal.
Jawab Contoh 3.5.
ll9
Tentukan koordinat
dari garis
(iauss). l)rrri tabcl terscbut dapat diketahui dengan lebih mudah huhrrrrgirrr rurtara 'l' (periode ulang), P (peluang) dan k (variabel
rcduksi Gauss).
Contoh 3.6.
X= X+k.S
X:
Untuk
92,16+k(25,95)
O,7S (peluang terlampaui) dan peluang tidak terlampaui adalatr I - p: 1,0 - 0,75 : 0,25. Dari tabel III-1, untuk luas dibawatr kurva normal 0,2500 (terletak antara 0,2514 dan 0,2483) nilai itu sepadan dengan nilai t = -0,67, maka nilai X, adalatr :
Dari tabel 3.4, menunjukkan data volume total debit tahunan dari Sungai Cikapundung-Gandok, Kodya Bandung, selama 23 tahun (tahun 1958 - 1980). Tentukan volume total debit tersebut, untuk periode ulang 2 tahun, 5, 10, 20 dan 50 tahun, apabila datanya
mengikuti model matematik distribusi normal.
Peluang 0,999
0,995 0,990 0,950
k
-3,05
-2,58
-2,33 -1,64 -1,28
P:
1,010 1,050
l,l l0
t,250
1,330
0,900
0,800
-0,84
-0,67 -0,52 -0,25 0 0,25 0,52 0,67 0,84
1,28 1,64
0,750
0,700 0,600 0,500 0,400 0,300
I,430
1,670
Xr:
109,54
0,250
0,200 0,100
Dengan demikian koordinat garis persamaan model matematik dari distribusi peluangnya melalui titik Xr (p O,2S dari 109,54) dan X, (p 0,75 dan 74,77).
20,000
50,000 100,000
0,050
0,200 0,010 0,005 0,002
0,001
Untuk memudahkan dalam perhitungan maka nilai (k) dalam persamaan 3.25 umumnya tidak lagi dibaca dari tabel luas dibawah kurva normal dari tabel III-1, seperti pada contoh 3.5, akan tetapi disusun tabel seperti ditunjukkan pada tabel 3.3, yarig umum disebut dengan tabel nilai variabel reduksi Gauss (variabel reduced
200,000 500,000
1000,000
Sumber : Bonnier, 1980.
2,88
3.09
120
'fabel
1978
Volume
t977
Uub mi)
149,4
Peringkat (m)
I
2
3
P=-
I
P
25,00
12,50
N+ I
t976
1975 1974
1973
90,0
I
l4,l
1972
l97l
t970
r969 ,968 967
9l,l
84,6 132,4 83,9 73,0
65,0
97,8 77,8 45,2 68,5 93,6
191,7
0,04 0,08
0,13
7,69
5,88
4
5
0,17
0,21 0,25
6
7 8
4,76 4,00
3,45 3,03 2,63
0,29
0,33
l0
9l,l
90,0
89, I
ll
t2 l3
962
961 960
959
99,2 41,6
l4 l5 l6
t7
0,58
0,63
0,67
0,71 0,75
1,49
l,4l
1,33 1,27
l8
t9
20
73,0
68,5 65,0
45,2
0,79
0,83 0,88
1,20
2l )')
N
I,l4
1,09
Jawah Contoh
3.6
41,6
:23
23
0,92 0.96
1,04
Tabel 3.5, menyajikan kembali data tabel 3.4, yang telah disusun
buah
mulai dari nilai yang terbesar ke yang paling kecil. setiap nilai dihitung besamya peluang dan periode ulang berdasarkan nrmus
3.22.adan rumus 3.22.b (metode Weibull).
*. = 92,16 jutam3/tatrun
S
:25,95
juta m3/tahun
I
x
:25,95juta m3/tah*, dT
:92,l6juta
m3/tatrun dan S
:
X:92,76+(25,95).k
122 Berdasarkan nilai variabel reduksi Gauss pada tabel 3.3, maka
:
I
l) 2)
.1.1.2. Aplllasl IDIstrIDrsl Gutm,be,l
.1..r.2.1. Aplikasi Distribusi Gumbel Tipe
723
: 92,16 + (25,95) .0,84 : 13,95 juta m3/tahun 3) Xro : 92,16 + (25,95) .1,28 Xro : 125,37 jutam'/tatrun 4) Xzo : 92,16 + (25,95) .1,64 Xzo : l34,7ljuta m3/tahun 5) Xso : 92,16 + (25,95) .2,05 Xso : 145,35 juta m3/tatnrn
Xs Xs
1
Distribusi Tipe I Gumbel atau disebut juga dengan distribusi ekstrem tipe I (extreme type I distribution) umumnya digunakan untuk analisis data maksimum, misal untuk analisis
frekuensi banjir. Peluang kumulatip dari distribusi Gumbel adalah
:
: (X ( x):
:
dengan-@+<X<+o
Keterangan
"(-e)-Y
Q.26)
P(X < x)
Dari perhitungan tersebut nampak bahwa nilai rata-rata 6X; sama dengan nilai perkiraan untuk periode ulang 2 tahun. Tabel 3.6,
menunjukkan rangkuman perhitungan data tabel 3.4.
:l
l
Persamaan garis lurus model Matematik Distribusi Gumbel tipe I yang ditentukan dengan menggunakan metode momen adalah :
Y :a(X-&)
a:-1, 283
(3.27)
(3.28)
Volume Total
Peluang
Periode Ulang
(tahun) 2
5
(juta
m3
/tahun)
(%)
50 20
l0
5
l'0 20 50
)L:p-0,455o
Keterangan
:
(3.2e)
4
5
Sumber
Perhitungan Data Tabel 3.4 dengan menggunakan persamaan model matematik distribusi normal.
p: o:
nilai rata-rata
deviasi standar
Distribusi tipe I Gumbel, mempunyai koefisien kemencengan (coeffcient of skewness) CS : 1,139. Nilai Y, fbktor reduksi
Gumbel merupakan fungsi dari besarnya peluang atau periode ulang seperti ditunjukkan pada tabel 3.7
124 Tabel
T
I
3.7 Nilai
Variabel ReduksiGumbel.
Peluang
0,001 0,005
0,01 Y
126
lnhcl
1.8
Data Debit Banjir Maksimum DPS Citarum di Pos Duga Air Nanjung l9l8 - 1980.
Debit
(mr/det) 244 No. Tahun t9'13
(tahun)
1,001 '1,01
No.
Tahun
Debit
(m3/det)
I,005
1,05
0,05
l.
2. 3.
l9l8 l9l9
t920
269 323
2t7
28s
l,l
0,10 0,20
0,25
3@
241
4.
5. 6. 7. 8. 9.
10.
t92r
1922
26t
29s
2s2 275 204
0,326
0,185
2,00 2,50
3,33
290 302
301
t923
1924
t92s
1926
284
276 261
303 335
4,00
5,00 10,00
1,240
1,510
208
l98l
r982
1983
20,00
50,00 100,00
2,250 2,970
3,900 4,600 5,290 6,210 6,900
t92?
t94
256
207
ll.
t2.
13.
t928
1929
1984
1985
200,00 500,00
1000,00
0,995
r930
193
354 445
350
320
0,998 0,999
14.
15. 16.
N = 30 buatt
t932
r933
1934
336 328
i=286,20
S
m'/det
17.
Sumber
55,56 m'/det
Contoh 3.7. Tabel 3.8, menunjukkan data debit banjir maksimum dari pos duga air sungai Citarum - Nanjung tatrun 1918 - 1934 dan tahun 1973 1985. Apabila sampel data tersebut berasal dari populasi yang homogen tentukan perkiraan debit banjir maksimum yang bisa diharapkan terjadi untuk periode ulang 2; 5; l0; 20; dan 50 tahun dengan menggunakan model matematik dari Distribusi Gumbel Tipe I. Jawab Contoh 3.7.
z
Dari data tabel 3.8, maka parameter statistik dari sampel sebanyak N : 30 (tahun) data debit banjir maksimum sungai Citarum Nanjung adalah
:
X S
=286,20 m3ldet.
55,56 m'ldet (unbiased).
Persamaan garis lurus untuk distribusi Gumbel dihitung dengan prsamaan (3.27) :
t26
I
r27
y=a(x-&)
Nilai a, diperoleh dari
:
u=#=#
dan nilai Xo, adalatr
:
lhbcl 3.9. Ilerkiraan Debit Banjir Maksimum yang dapat diharapkan dari daerah pengaliran sungai Citarum- Nanjung dihitung dengan rumus 3.27.
= 0,023
No.
Debit Maksimum
(m3/det)
Peluang
(%)
50
&=x-ry
0,577 rr A0 -.ra- 5; OrOn
l.
2.
3.
)
5
20
l0
20
50
100
l0
5
4:
5. 6.
43t
461
Xn=286,2r'.ffi:261,21
y:a(X-&)
Y
Tabel
3.10
Hubungan Periode Ulang (T) dengan Reduksi Variat dari Variabel (Y) T
2
5
Y
0,3065 1,4999
-_ ^-
l0
20
50
100
x2: x5:
Xro:
Xzo:
Xro
:277
:431 :461
Perhitungan persamuum garis lurus untuk distribusi Gumbel, menggunakan metode nomen seperti dijelaskan pada rumus 3.27, paling sering digunakan karena lebih sederhana dan kurang menyimpang. Persamaan garis lurus untuk distribusi frekuensi tipe I Gumbel dapat juga menggunakan persam&m distribusi frekuensi empiris sebagai berikut :
e X:X+fr(V-Yn)
i(3.30)
128
l2$
:
Keterangan
x x
Y
nilai variat yang diharapkan terjadi nilai rata-rata hitung variat nilai reduksi variat dari variabel yang diharapkan terjadi pada periode ulang tertentu (hubungan antara periode ulang T dengan Y dapat dilihat pada tabel 3.10), atau dapat dihitung dengan rumus :
= 372 mr/dct.
= 2g6,20+ 49,946
Y:-ln[-,"?]
untuk T
20, maka
Y:
YN
ln T Tabel
Yn
Sn
Yn
n
34
35
Yn
n
58 59 60
Yn
n
82
83
Yn
l0
ll
0,4592 0,4996
0,5053
0,5396 0,5402
0,5410 0,5418
0,5518 0,5518
0,5521
0,5572
0,5574 0,5576 0,5578 0,5580
0,5581 0,5583 0,5585
t2 l3 t4
36
37
84
85
Contoh i.8.
Hitung debit banjir maksimum DPS Citarum - Nanjung pada periode ulang : 2; 5; l0; 20; 50 dan 100 tatrun yang datanya
tercantum pada tabel 3.8.
l5 l6 t7 l8 l9
20
6l
62
63
38 39
0,5424
0,5430
86
8',7
40
4l
42 43
2l
22
23
44
45
46
47 48
64 65 66 67 68 69 70
88
89 80
0,5586
o_,5587
0,5540
0,5543 0,5545 0,5548
9t
92
93
0,5589
0,5591
94
95
0,5592
0,5593 0,5595
7t
72 73
24
25
Debit banjir maksimum yang diharapkan terjadi di DpS Citarum-Nanjung dengan n = 30; X:286,20 m3/det dan S : 55,56
m'/det dapat dihitung dengan persam&m garis
:
26 27 28 29 30
0,5550 0,5552
0,5555 0,5557 0,5559 0,5561 0,5563 0,5565 0,5567
49
50
0,5481 0,5485
74
75
5l
52
53
0,5489 0,5493
0,5497 0,5501 0,5504
96 97 98 99
100
76 77
78
0,5362
0,5371
3l
X = X+
x2 :286,20 . -i:liif,
X5 :286,20 +
49,946
*,"
32
33
0,5380
0,5388
54 55 56
57
0,s508
0,551
79 80
8l
0,5569 0,5570
(l,49gg - 0,5362) =
334 m,/det.
lllI l.B
Sn
III
Sr
1,1226
1,1255
n
56 57 58 59 60
61
Sn
Sr
lr0 I ll
ln
,, | t4
l5 l6
t7
1,1696
1,1708
t,0095
1,0206 1,0316 1,041I
1,0493 1,0565
34 35 36 37 38 39
l,lg30 l,lg3g
1,1945
1,1953
tipe III (extreme type III distribution) terutama digunakan untuk analisis variabel hidrologi dengan nilai variat minimum, misal
untuk analisis frekuensi distribusi dari debit minimum (low /tows)i. Perhitungan peluangnya harus diubah. Apabila data debit minimum diurut dengan m : 1, adalah nilai yang terbesar, sampai dengan nilai m : N yang terkecil, maka persamaan 3.22.a, harus diubah menjadi:
l, l2g5 l, l3 l3
l, I 339
l,l72l
1,1734
1,1747
8l
82
83
l,lg5g
l,1967
l,1363 l, I 3gg
l,l759
1,1770 1,1782
84
85
62
63
40
l,l4l3
1,1436
l,lg73
l, lgg0
l8 t9
20
4t
42 43
l, l45g
1,1490
2t
22
23
44
45
l,l4gg l, l5 l9
l, I 539 1,1557 1,1574
24 2s 26 27
28
t,0964 ,0915
46 47
48
64 65 66 67 68 69 70
l,l7g3
l, I 803
l,l8l4
1,1824
86 87 88 89
l,lgg7 l,lgg4
1,2001
P(xm):1-;t_l-+
Keterangan
:
(3.32)
90
l, I 834
1,1844
9l
92
93
1,2007 1,2013
l,lg54
l, I 863
1,1873
i
7t
72
94
95 96 97 98
P(Xm)
,l96l
,1004 ,1047 ,1 096
49
50
l,l5g0
1,1607 1,1623 l, I 639
'73
l,l8gl
l, I 890 l, I 898
1,1906
5l
52
53
29 30
74 76 77
7sI
I
1,2044 1,2049
1,2055
peluang kumulatip dari pada suatu kejadian yang nilainya kurang atau sama dengan x. = urutan nilai (m: l,adalah nilai yang terbesar). : jumlah total kejadian.
3r
32
,1124
l, l65g
1,1667
99
100
1,2060
1,2065
,l l59 .l193
54
55
l, l6g I
7sl
l,l9l5
1,1923
Dalam analisis data debit minimum, maka debit minimum terkecil berkaitan dengan periode ulang yang besar. Apabila data diurutkan mulai dari nilai m = I adalah nilai minimum yang paling kecil maka persamzuut kumulatip peluangnya adalatr :
P(xm):ffi=+
(3.33)
(at/det)
I 275
)
3
334
372 404
(x):
:
-
e-(#)"
(3.34)
l0
20
50
100
4
5
6
Sumber
454 489
Keterangan
P(X)
^ w
Perhitungan Data Tabel 3.8 dengan menggunakan model matematik persamaan distribusi Gumbel Tipe I.
.,11828. - 1',
peluang kumilatip dari kejadian yang nilainya kurang atau sama dengan X.
(
!s
132
183
x
n
ct
:
= =
variabel acak kontinyu. batas bawatr nilai X. parameter skala. parameter lokasi.
.1* *
(bg
Y)
(3.43)
Transformasinya adalatr
., :
(3.35)
P(X):
"'v
(3.36)
III
Dengan menggwrakan metode momen, maka parameter distribusi Gumbel Tipe III adalatr :
T:
t/P
(n
p =I+Ao(s) =p_po(S)
l,0l
1,05
(3.37)
(3.38) (3.3e)
0,952
0,909
0,833
0,482
0,380 0,253 0,166 0,099
0,041
l,l0 l,m
1,30 1,40 1,50 1,58
1).
(X)
2,OO
0,500
0,333
20,00
F: X +,\
:p-Bo(S)
(s)
(3.40) (3.41)
4). tentukan nilai reduksi variat (log Y) dari tabel 3.13, berkaitan de.ngan periode ulang (T) yang diinginkan atau peluangnya (P) atau dihitung rumus :
0,025 0,020
q,013
0.010
P(X)=
-.v
Q.42)
Y dan nilai X
1:J4
136
Contoh 3.9.
Data pada tabel 3.14, menunjukkan debit minimum sesaat dari daerah pengaliran sungai Bogowonto di lokasi pos duga air Bener,
Purworejo, Propinsi Jawa Tengah, Tahun 1973 - 1984.
Berdasarkan data dari tabel 3.14, maka diperoleh tiga parameter statistik-:
Tentukan model matematiknya dengan menggunakan persamiurn empiris distribusi peluang Gumbel Tipe III dan tentukan debit minimum yang dapat diharapkan terjadi pada periode ulang :2; 5; I 0; 20; 50 dan I 00 tatrun apabila data tersebut dianggap berasal dari populasi yang homogen.
. . .
debit minimum tataqata 7:2,11 m3/det. S :1,24 m3/det. deviasi standar koefisien kemencengan CS :0,687
Koefisien kemencengan dihitung dengan rumus 2.30 (bab II). Berdasarkan nilai koefisien kemencengan Cs : 0,687, maka dari tabel skala parameter (lihat tabel lll-2, pada bagian akhir buku ini) dapat diperoleh nilai :
Terlebih dahulu harus dihitung nilai rata-rata (X), deviasi standar (S) dan koefisien kemencengan (CS).
. . .
skala parameter lls": 0,52. faktor frekuensi Ao:0,235. faktor frekuensi Bo:2,082
B
Dari persamaan (3.a0) dan (3.41), maka dapat dihitung parameter dan e.
Debit (m3/de0
3,89 3,58 3,53
I
4
5
973
974
6
7 8
975 976
977
: : B: e: e: e:
F F
X+A".S
2,11 + (0,235) (1,24) 2,401
P-Bo.S
2,401 - (2,082) (1,24) - 0,180
l,5l
1,50
978 979
980
4,00
1,50 r,51
l0
ll
t2 l3
98r 982
983
t,49
0,85
Langkah selanjutnya adalatr menentukan faktor reduksi variat untuk berbagai nilai periode ulang T (atau peluang P) yaitu nilai log Y, dari tabel 3.13 dan berdasarkan persamaan 3.43, maka dapat dihitung debit minimum berdasarkan periode ulang tertentu.
t,2t
0.75
l4
984
Tahunan , Pusat
136
L:t7
l). Log (Xz + 0,180) :0,412 + 0,52 (- 0,159) Log (X, + 0,180) :0,329
Log
Kritcria untuk menentukan salah satu tipe distribusi Pearson adalah dengan menentukan nilai 8,, B, da K.
0,
MA3
2).
Log (X, + 0,180) :0,412+0,52 (- 0,652) Log (X, + 0,180) = 0,0726 Log X, = (log 2,134 - 0,180)
MAi
MAO
(3.4s)
9, :
(3.46)
(3.A7)
MA3
X, = 1,002
Dengan cara yang sama maka akan dapat diperoleh hasil seperti yang ditunjukkan pada tabel 3.15.
Tabel
KKeterangan
:
MAr:
3.15
Perkiraan debit minimum yang dapat diharapkan terjadi di DPS Bogowonto - Bener.
MAr :
MAo:
momen ke 2 terhadap nilai rata-rata. momen ke 3 terhadap nilai rata-rata. momen ke 4 terhadap nilai rata-rata.
No.
Periode Ulang
Peluang
(tahun\
(%)
50
I
2
J
)
5
20
Pearson telah mengembangkan 12 macam tipe distribusi, dalam buku ini hanya akan disajikan2 (dua) tipe,'yaitu :
1). Distribusi Pearson Tipe III. 2). Distribusi Log Pearson Tipe
4
5
0,619 0,369
0,1 57
l0
20
50
100
l0
5
III.
0,056
Sumber: Perhitungan data tabel 3.14, dengan menggunakan model matematik persamaan distribusi Gumbel Tipe IIL
Dari persamam3.45 - 3.47, apabila nilai p1 :0, gz:3 dan maka distribusi Pearson sama dengan distribusi normal.
K:0,
3.3.3. Aplikasi
[listtibusi Pealtson
Pearson telah mengembangkan banyak macam model matematik fungsi peluang untuk membuat persamaan empiris dari suatu distribusi. Persamazm umumnya adalah :
(3.44)
-aaattra
Gambar
aa
Tipe
III.
138
180
3.3.3.1
Sehingga:
Distiibdsi Pearson tipe III, mempunyai bentuk kurva seperti bel (bell - shaped), mode terletak pada tik nol (origin) dan nilai X terletak -a ( X ( o (lihat sketsa gambar 3.4). Distribusi Pearson Tipe III sering juga di sebut dengan Distribusi Gamma. Terjadi apabila nilai K: o atat 2 9z:3 0r + 6.
Fungsi kerapatan peluang distribusi dari distribusi pearson Tipe Adalatr:
u=ry
b=(* x2)'
(3.50)
(3.s1)
(3.52)
.:X-ffi
(3.4e).
III
pCX): I
Keterangan:
[x-c'l*'..-(+) ar(b).1 a J -
(3.48)
# =*
atau
:
X=aw+c
X a b c D
* parameter letak
III
*=ry.w+x-H
X:x.[?*-&]
X-I+k.S
Persamaan (3.55) dapat digunakan untuk menentukan persamaan distribusi Pearson Tipe III, dengan menentukan faktor k : faktor sifat dari distribusi Pearson Tipe III yang merupakan fungsi dari besarnya CS dan peluang seperti ditunjqkkan pada tabel 1ll-3*pada bagian akhir buku ini.
Untuk
U:
1,
maka
tipe III akan merupakan garis lengkung apabila digambarkan pada kertas
Persamaan (3.55) untuk distribusi Pearson peluang normal. W dan dX/a:dW, maka
:
:f
(X): #r(W)tre-*a . dw
nilai
:
Contoh 3.10.
Data volume total debit tahunan, yang dihitung dari lokasi pos duga air Cikapundung - Gandok tahun 1958 - 1976 tercantum pada tabel 3.16. Apabila data tersebut berasal dari populasi yang homogen, tentukan volume total debit tahunan yang dapat diharapkan terjadi
(3.49)
X:rata-tata
untuk periode ulang : 2; 5; l0;25;50 dan 100 tahun dengan menggunakan model matematik dari persamaan empiris distribusi Pearson tipe III.
140
r4l
Tabel
3.16
:0,47,
maka
No.
I
Volume Total
(uta
2
3
m3)
8l,l
41,6 99,2 101,7 g3,g 68,5 45,2 77,9 97,8
: 85,67 Xj = 87,75 + (26,07)( 0,800) : 108,55 Xro : 87,75 + (26,07)( 1,317) :121,99 Xzs : 87,75 + (26,07)( 1,880) :136,63
X2 :87,75+(26,07)(-0,080)
Xso = 87,75 + (26,07)(2,311) :147,83 Xroo : 87,75 + (26,07)(2,696) : 157,59
Tabel 3.17, menunjukkan rangkuman hasil perhitungannya.
1960
4
5
i96l
962 963 964 965 966
967
6
7
8
ll
l0
t2 l3 t4
65,0 73,0
83,8 132,4 84,6
Tabel 3..17 Volume Total Tahunan yang dapat diharapkan terjadi dari Dps Cikapundung - Gandok.
No.
97t
972
l5 l6 t7 l8 l9
=87,75 S =26,07 CS = 0,47
9l,l
114,7
Yolume Total
(juta m3/tahun)
Pitluang
("/") 50
90,0
149,4
l.
2.
3.
78,6
20
l0
25 50
100
l0
4
')
4.
5. 6.
147,83 157,58
Sumber
perhitungan data tabel 3.14, dengan menggunakan model matematik persamaan distribusi Pearson tipe III.
III
Berdasarkan persam&m 3.55, model matematik persamaan ernpiris distribusi Pearson tipe III adalah :
X:I.+k.S
X=8'1,75+k.(26,07)
Distribusi log-Pearson tipe III banyak digunakan dalam analisis hidrologi, terutama dalam analisis data maksimum (banjir) dan minimum (debit minimum) dengan nilai ekstrem. Bentuk distribusi log-Pearson tipe III merupakan hasil transformasi dari distribusi Pearson tipe IIi dengan menggantikan variat menjadi nilai logaritmik. Persamaan fungsi kerapatan peluangnya adalah :
142
l4it
P(x):
Keterangan:
6+, [o#]''
s-trr
(3.s6)
SlogX =
(togX-los
(3.60)
CS:
(3.61)
log
(3.62')
Y:Y-k.S
Keterangan:
(3.s7)
5). tentukan anti log dari log X, untuk mendapat nilai X yang diharapkan terjadi pada tingkat peluang atau periode tertentu sesuai dengan nilai CS nya. Nilai CS dapat dilihat pada tabel III-3. Apabila nilai CS : 0, maka distribusi log Pearson tipe III identik dengan distribusi log normal, sehingga distribusi kumulatipnya akan tergambar sebagai garis lurus pada kertas grafik log normal.
Y : nilai logariunik dari X Y : nilai rata-rata dari Y S : deviasi standar dari Y k : karakteristik dari distribusi log Pearson tipe III (lihat
tabel III-3).
Contoh 3.11.
III,
r). tentukan logaritma dari semua nilai variat X. 2). hitung nilai rata-ratanya :
log x=
n
: jumlah data
ffi
I l^-*
Tabel 3.18, menunjukkan data debit puncak banjir terbesar dari daerah pengaliran sungai Cigulung - Maribaya selama 30 tahun, mulai tatrun 195211953 sampai dengan tahun 198111982, yang telatr diurutkan dari mulai debit puncak banjir yang terbesar sampai dengan yang terkecil. Tentukan debit puncak banjir yang dapat diharapkan terjadi pada periode ulang : 2; 5; l0;25 dan 50 tatrun apabila distribusi debit puncak banjir tersebut merupakan model matematik yang mengikuti distribusi log-Pearson Tipe III.
(3.58)
144
146
'l'abcl
3. I
Data debit puncak banjir terbesar daerah pengaliran sungai Cigulung - Maribaya.
(diurutkan menurut besarnya debit)
Berdasar nilai-nilai CS : - 0,4009, maka dapat ditentukan nilai k untuk setiap periode ulang, sehingga untuk periode ulang :
No.
I
Debit
No.
(m'ldet.)
2
3
Debit (m'/det.)
24,7 23,6
23,5
23,1
5 tahun:
l6 t7
r8
Xr=
37,55
4
5
41,8
38,2 37,9 37,7 35,3 35,2 33,4
l9
20
22,5
50 tahun:
6
7
8
2t
22 23
2l,l
20,5 20,5 20,3 20,2 18,7
17,2
24
25
= 55,76
ll
l0
31,9
3
t2 l3 t4 l5
Sumber
l,l
26 27
28
30,9
30,1
29
30
28,8
Tabel
3.19 Debit
No.
Apabila data debit dianggap variat-X, maka dari tabel 3.1g, dapat diperoleh parameter statistik sebagai berikut (setiap nilai debit dilogkan) :
Peluang
Debit Puncak
(m3/det)
('/,)
50
I 2
3
27,30
37,55
43,71
20
. . .
l0
25 50
l0
4
2
4
5
X :1,4247
:
50,86 55,76
SlotT :0,t754
koefisien kemencengan dari variat log X CS: - 0,4009
:
I Dsectleit
Dari persamaan3.62:
Distribusi Frechet disebut juga distribusi ekstrem tipe II (extreme Type II distribution) atau Gumbel tipe II, dapat dig.rnakan untuk analisis distribusi dari data hidrologi dengan nilai ekstrem,
misal debit puncak banjir. Peluang kumulatip dari distribusi Frechet
t46
dapat ditulis sebagai persamazm berikut
:
l{?
menyelesaikan persamaan (3.6a), setelah setiap variat data pudu tabel 3.18 ditransformasikan dalam bentuk logaritmik.
Parameter statistik yang diperoleh adalah
:
P(X<x)=6-e-Y
dengan x
(3.63) (3.64)
:
) 0,
dan,Y:a(logX-Xo)
Parameter a dan Xo dihitung dengan persamaan berikut
log
a:
(l ,282) 'I
(\
gans
\S.logX/
-0,44s
=+ I
fsloe
tg.osl
&=
Keterangan
:
6ffi
kl
Y=a(logx-\)
dimana:
(3.66)
a:
a=
dan
1,292
iolT
: nilai rata-rata variat log X SlogX : deviasi standlr variat log X Y : nilai variabel reduksi Gumbel Qihat tabel3'7)
SlogX
ffi:7,30e
Berdasarkan persamaan (3.64), (3.65) dan (3.66), maka besarnya nilai vf,riat X yang dapat diharapkan terjadi pada periode ulang atau peluang tertentu dapat dihitung. Contoh 3.12.
&:
Xo:
&:
Y:7,309(logX -1,3466)
logX:W
Nilai Y
adalah nilai variabel reduksi Gumbel, yang besarnya merupakan fungsi dari peluang kejadiannya sebagaimana tercantum pada tabel 3.7, maka nilai variat untuk periode ulang :
Persamaan garis lurus dari distribusi Frechet ditunjukkan pada persamaan (3.64). Langkah autal untuk menjawab contoh 3.12, adalah menghitung parameter statistik yang diperlukan untuk
tahun:
log X,
4ti
149
log
P(X)
50
X X
: : :
Xr6:
1,8801
x
S
Xro= 75,87
Hasil perhitungan selengkapnya tercantum pada tabel 3.20.
= {(X,) (X,) (X,) ...(&)}," (lihat sub bab 2.1.3). : deviasi standar dari logaritmik nilai variat X
Tabel3.20 Debit puncak banjir terbesar yang dapat diharapkan terjadi di DpS Cigulung _
Maribaya.
No
I
2
3
Apabila nilai P(X) digambarkan pada kerras peluang logaritmik (logarithmic probability paper) akan merupakan persamaan garis lurus, sehingga dapat dinyatakan sebagai model matematik dengan
persamiurn:
Peluang
(%)
50
Y = Y+k.S
Keterangan:
(3.68)
20
l0
20
50
l0
4
5
75,87
Y Y
S
: : : :
nilai logaritmik nilai X, atau ln X rata-rata hitung (lebih baik rata-rata geometrik) nilai Y deviasi standar nilai Y karakteristik distribusi peluang log-normal (tabel 3.3) nilai variabel reduksi Gauss.
3.3.5. Aplihasi DistriDssi Loe Nonnal Distribusi log normal merupakan hasil transformasi dari distribusi normal, yaitu dengan mengubah nilai variat X menjadi nilai logaritmik variat {. Distribusi log-pearson Tipe III akan menjadi distribusi log nonhal apabila nilai koefisien kemencengan CS : 0,00. Secara matematis distribusi log-normal di tulis sebagai
berikut
:
mempunyai
LogX=logX+k.SlogX
Keterangan
:
(3.6e)
P(x):
(logX) (s)
:
(6-) 'exP{+(+=)'i
o67)
log
terjadi pada
Keterangan
tog
I fiO
151
nilai X
hasil
k:
karakteristik dari distribusi log normal. Nilai k dapat diperoleh dari tabel yang merupakan fungsi peluang kumulatip dan periode ulang, lihat tabel 3.3 nilai variabel Gauss.
dari
P(X'
M0(l) =
(3.71)
Koefisien variasi
03'o.t
CV:fi=1e-_t;i
Koefisien kemencengan
:
(3.72)
CS:3CV+CV:
Koefisien Kurtosis
(3.73)
CK:
o \{gdian: .
MOde :
+ 15CV4 + l6CV2 + 3
Keterangan
pn on
: :
Penerapan persam&m (3.69) memerlukan perhitungan logaritnis dari data pengamatan (disebut cara ke l). Apabila diinginkan prosedur perhitungan tanpa menggunakan nilai logaritnik, dapat menggunakan cara ke 2, dengan persirm&m sebagai berikut :
Gambar 3.5. Contoh Kurva Peluang Log Normal (Seyhan, 1979).
X:X+k.S
Keterangan
:
(4.77)
Gambar 3.5, menunjukkan contoh sketsa dari kurva peluang log normal.
X : nilai
rata-ratavariat X
L62
S
168
: standar deviasi variat X : nilai karakteristik dari distribusi log normal dua
parameter, yang nilainya tergantung dari koefisien variasi, dapat diperoleh dari tabel yang merupakan fungsi kumulatip dari periode ulang dengan nili"i koefisien variasinya (lihat tabel III.4, pada bagian akhir buku ini).
log X = 1.4247 + k . (0,1754) Dari tabel 3.3, diperoleh nilai (k) setiap periodculang sehingga
:
X2:26,58
Penerapan persamzurn (3.69) di sebut cara ke 1, dan persamaan (3.77) di sebut cara ke 2 dari distribusi log-normal dua parameter.
Contoh 3.13a
- Maribaya yang tertuang pada tabel 3.18, apabila data dianggap dari populasi yang homogen hitung debit puncak banjir pada periode ulang 2;5; l0;20 dan 50 tahunnya dengan menggunakan model matematik persam{um distribusi log normal dua parameter.
Dari data debit puncak banjir DPS Cigulung
Jawab contoh 3.13a statistik
z
Tabel 3.21. Debit puncak terbesar yang dapat diharapkan terjadidi DPS Cigulung - Maribaya.
No. Periode Ulang Peluang (Y")
50
Debit Puncak
1m3/det)
menentukan
nilai parameter
)
I
J
(tahun)
2
5
26,59
37,35
44,61
. . . .
20
l0
20 50
l0
5
2
4
5
5l,66
60,94
ffi
=o'4116
Sumber
perhitungan data tabel 3.18, dengan menggunakan model matematik distribusi log normal dua parameter cara ke l, bandingkan dengan tabel 3.22.
.,nilaiSlogX=0,1754
Cara ke 2 Cara ke
:
log X :
X:I+k.S
logX=28,40+k.(11,69)
I tr4
166
= 0,41l6 dan seterah ditentukan nilai (k) setiap periode ulang dari tabel III - 4 :
I)c,gan
(lv
. .
P(X1:
keterangan:
ln(x
- DJzn
e,'l--6--l
I f ln(x-pfpnl
(3.78)
X B ts
P(X)
fungsi densitas peluang log normal variat X. = variabel random kontinyu. = parameter batas bawah.
:3,14159.
Irn on
=2,71828. = rata-rata populasi, transformasi dari variat ln (X _ B). : deviasi standar populasi, transformasi dari variat ln (X-B).
Maribaya.
Dengan demikian diferlukan tiga parameter untuk penyelesaian, yaitu parameter : pn, on dan B.
50 20
26,30
36,69 43,64 50,31 59,04
l0
5
Y:Y+k.S
keterangan
:
(3.te)
Sumber: perhitungan data tabel 3,1g, dengan menggunakan model matematik distribusi log normal dua parameter cara ke 2,
bandingkan dengan tabel 3.21.
'
3.3.5.2. Aplikasi Distribusi Log Normar riga parameter
Pada sub bab 3.3.5.r, telah diuraikan distribusi log normal dua parameter, dengan batas bawah sama dengan nol (rihat gambar 3.5). Akan tetapi batas bawah tersebut tidak seialu *u*u d"rrgan
k:
V S
:
:
tertentu. rata-ratakejadian Y. deviasi standar dari kejadian Y. karakteristik dari distribusi log normal (ditentukan dari tabel 3.3).
:
3 parameter
nol, oleh karena itu diperrukan modifikasi suatu parameter dengan nilai
ln (X - B)
: pr*_ul + k . orx-rl
(3.80)
:
ditransformasikan menjadi (x - B) dan nirai ln X menjadi in(x - B). Distribusi tersebut dinamakan dengan distribusi log ntrmar dengar
nilai variat X
harus
fi:tr-&
(3.81)
l6(i dimana
:
167
tt :x :S
Dari tabel III-5, jika CS = 0,00 maka nilai k akan sama dengan nol untuk semua periode ulang, oleh karena itu apabila nilai koefislen kemencengan mendekati nol malca tidak ada persamaan log normal dengan tiga parameter ataupun dengan dua parameter yang cocok untuk menggambarkan distribusi dari data pengamatan.
: I _Y'
:Y2I-CY +(CV'z +4)"1
-2
W
CV
keterangan:
wi
Contoh 3.t3b.
Data tabel 3.16, menunjukkan besamya volume aliran total setiap tahun selama 19 tatrun pengamatan dari DPS Cikapundung
Gandok. Apabila data tersebut dianggap berasal dari populasi yang homogen, tenfukan besarnya volume aliran total yang dapat diharapkan'terjadi pada periode ulang : 2; 5; l0;20 dan 50 tahun, dengan menggunakan model matematik persam{um distribusi log normal 3 parameter.
:fr
:
koefisien variasi dari kejadian koefisien variasi dari (X - B)
:
CV
CVt:
on
o1x-o;: { ln (Cvt'? +
1)%
(3.8e) (3.e0)
pn
: r\x-oy: t
Parameter statistik yang dapat diperoleh dari data volume aliran tabel 3.16 adalah :.
. rata-rata *, = 87,75. . deviasi standar S = 26,07. . koefisien kemencengan CS = 0,47. maka berdasarkan persamaan (3.91)
:
Penyesuaian persamarm (3.79) atau persamaan (3.80) agak rumit, oleh karena itu dapat diirilih metode alternatip, dengan menggunakan model matematik :
X=X+k.S
keterangan:
(3.e1)
X=I+k.S
X=87,75+kQ6,07)
dari tabel III-5, maka dengan nilai CS = 0,47 dan dapat dihitung volume aliran total pada periode ulang :
ulang tertentu.
nilai rata-rata kejadian dari variabel kontinyu X. deviasi standar variabel kontinyu X. nilai karakteristik dari distribusi log normal 3 paftrmeter yang merupakan fungsi dari koefisien kemencengan CS (lihat tabel III-5, pada bagian akhir buku ini).
168
I69
147,93
Tabel3.23 Volume, aliran total pertahun yang dapat diharapkan terjadi di DpS Cikapundung _
Gandok.
x= *
(3.e3)
(3.e4)
(3.es)
No.
Peluang
(%")
rre vu
_ MA(3)
oJ
(3.e6)
I
2
3
50
20
l0
20
50
l0
5
l2l,gg
136,67 147,93
4
5
MA(3) _ o(n) _ , o3
A-n
Sumber: .data tabel 3.16, dihitung dengan model matematik persamaan distribusi log normal tiga parameter.
_o
,[n-a
fl[ros"' - tog (r, -.?) ]
Jr, -r?
(3.e8)
atau
log A=
(3.ee)
I Goodlrfrih
Peluang kumulatip dari distribusi Goodrich dapat ditulis sebagai berikut : , 'l :.-A(x-xo.;' PCX s x)
\.2=fro
Nilai
(3.100)
e.g2)
I: fungsi g.unma dan nilai O(n) merupakan fungsi dari dapat dilihat pada tabel 3.24.Dari persamaan-persaminn tersebut maka :
f, : f
(n+1) (3.101)
Nilai n ditentukan dari tabel 0 (n), tabel3.24. Par4meter dari distribusi Goodrich dapat dihitung dengan metode momen, menggunakan nilai : rnorlr ke 3 terhadap rata-rataMA (3). .rata-rata X:[r
r
fz: |
f:
(2n+l) = [- (3n+l)
(3.r02) (3.r03)
Varian
52
= 62
log(X-\):
(3.104)
160
161
Persam'aan 3.104, apabila digambarkan pada kertas akan merupakan kurva garis lengkung.
grafik peltrang
Contqh 3.t1.
Data tabel 3.25, menunjukkan data debit banjir rata-rataharian dari DPS cikapundung - Gandok tahun l95g - 1976. Apabira data tersebut diambil dari populasi yang homogen, hitud perkiraan debit maksimum rata-rata harian yang mungkin t"4uoi pada peluang 1,00 oA dan pada peluang lO yo, dengan menggunakan persamarm distribusi Goodrich.
Debil
(m3/det)
No.
I
Tahun
Debit
(n'/det)
1976 1975
18,6 14,0
l.
t964
1965
26,9
12,3
t2.
t3.
t974
r973
l0,l
9,24
20,1 10,5
t964
1963
7,55
t4.
15. 16.
I1,9
23,9 38,8
10,4 6,75
t972
t962
t97l
1970 1969
1968
l96l
1960 1959 1958
14,0
10,3
17.
18. 19.
n 0,30
0,35
t967
ll,2 l6,l
9,17
Q")
0,069 0,217 0,359 0,496
0,631
I
2
3
0,40
0,45
4
5
0,50
0,55
6
7
8
0,60
0,65 0,70 0,75
0,764 0,996
1,029 1,160
Langkatr awal adalatr menghitung parameter statistik, dari tabel 3.25 dapat diperoleh parameter sebagai berikut :
ll
l0
1,294
0,80
0,85 0,90 0,95
1,00
t2 l3 t4 l5
r,430
1,567
I,709
1,852
o o2 o'
=
: :
14,83
7174
2,000
= MA(3) :776,05
59,92 463,78
cs
=ry=o(n) =m:1,67
/(n) =
1,67 maka
Berdasarkan data pada tabel 3.24, dengan nilai akan diperoleh nilai n: 0,89.
Dengan nilai n
diperoleh
:
162
168
fr = f(n+l) fr = I- (0,89 + l) = 1(1,89) = 0,958 (baca tabel 3.24). F,' = 0,918 f, = I(2n+l)=I(1,89+0,89):f (2,7g)=0,95g +0,g90=
Dari persamaan (3.99) dapat dihitung nilai A log A =
:
P=
0,01; log
P=
-2
fr
[toe
o, -
tog
e2 -rl
r)]
X,* :4l,4m3ldet/trari
Dengan demikian berdasarkan data pada tabel 3.25, dengan menggunakan model matematik persamaan distribusi Goodrich dapat diperkirakan batrwa debit maksimum rata-rata harian DPS Cikapundung - Gandok pada peluang 1,0 o akan dapat diharapkan
terjadi dengan
U,778+0,136l:-
1,075
A:
e0g4
:
Dengan prosedur yang sama pada peluang terjadi dengan debit 25,2 mlldetJhari.
l0 % dapat
diharapkan
x-:X-.4
X6:6,158
Jfz-I''
l,849-0,glg
Xo:14,83-=L?58Qp--
3.4.
3.4.1. Pengulmpubn
ltota
Dalam analisis distribusi peluang terhadap data hidrologi, maka data hidrologi yang akan dianalisis minimal harus mdmenuhi syarat :
P(Xsx):
P(X S x) :
a-e1x-xoy"!
l).
homogen.
.-o,oercx<,rsry#
untuk menyelesaikan persamaan tersebut dapat dilakukan dengan transfogmasi logaritma, sebagaimana ditulis dalam model
:
2). merupakan variabel acak bebas. 3). mewakili kondisi DPS 4). tidak terdapat data kosong. 5). cukup dan tidak menunjukkan adanya trend. Data yang homogen, berarti bahwa yang digunakan untuk analisis harus berasal dari populasi yang sama jenis. Beberapa keadaan yang dapat menyebabkan data tidak homogen, antara lain :
perubatran kondisi daerah pengaliran sungai (DPS), misal dari kondisi hutan menjadi kondisi perkotaan.
164
106
' .
o
perubahan lokasi, peralatan, dan pos pengamatan data hidrologi. perubatran metode pengukuran atau metode perhitungan. perubahan lainnya yang menyebabkan data yang dikumpul- kan menjadi lain sifatnya.
cukup memadai
Uji
jilid
dua.
Data harus merupakan variabel acak bebas, acak artinya mempunyai peluang yang sama untuk dipilih, bebas artinya data tidak tergantung waktu, data yang dipilih, kejadiannya tidak tergantung data yang lainnya dalam suatu populasi yang sama. Data yang mewakili, berarti dala historis yang digunakan untuk analisis harus benar-benar mewakili keadaan sebenamya dari DPS yang diteliti, dan dapat untuk memperkirakan kejadian yang akan datang. Misalnya harus yakin bahwa tidak akan terjadi perubahan kondisi DPS akibat ulah manusia, seperti : pembabatan
hutan, perubahan tata guna tanah, bangunan air yang dapat merubah sifat aliran sungai dan sebagainya.
ketersediaannya. Kecukupan (adcquucy)' harus memadai dimaksud- kan bahwa umwnnya pengamatan data menjadi untuk analisis. Kecukuilan data hidrologi umumnya masih untuk analisis masalah di Indonesia. Bila sampel yang digunakan masih terlalu sedikit maka besarnya peluang yang dihalapkan Tabel terjadi dari suatu variat tidak dapat diharapkan cukup handal' ,3.i6, menunjukkan lamanya catatan pengamatan (dalam tahun) yang diperlukan untuk menaksii debit puncak pada derajat L"p"r"uyu* 95 % diterima. Dari tabel 3.26, dapat ditafsirkan upuuitu diinginkan kesalahan sebesar lo % saja untuk T.qt: 90 aeUit Uan5ir pada peluang sebesar 0,1 diperlukan data selamd
tahun dan untuk peluang sebesar 0,01 diperlukan data pengamatan 115 tahun runtut waktu. Sebelum digunakan untuk analisis harus jilid II. Apabila digunakan. Pengujian trend dibatras pada buku rekaman data menunjukkan adanya trend maka data itu tidak dapat digunakan untuk analisis distribusi peluang'
Tabel3.26 Lamanya
Data yang digunakan harus lengkap, tidak terdapat periode kosong agar dapat ditentukan data yang tepat untuk analisis. Data harus tepat, dan lengkap, data yang tidak homogen harus disesuaikan datrulu sebelum digunakan untuk analisis. Data yang kosong harus dilengkapi dulu dan dicek ulang kebenarannya, sehingga data yang dikumpulkan harus relevan, artinya harus lengkap dapat memberikan jawaban terhadap permasalatran yang ada. Misal untuk penyelidikan banjir harus tersedia data debit puncak banjir yang tepat dan lengkap. Kebenaran data harus dicek ulang. Kalau perlu data debit banjirnya harus dicek ulang dari lengkung debitnya. Perpanjang an (eksnapolation) lengkung debit yang terlalu besar, dan kondisi alur sungai yang selalu berubah akan menyebabkan berkurangnya ketepatan dan ketelitian dari hasil analisis distribusi peluang.
Data yang digunakan untuk analisis distribusi peluang harus
t0%
0,1
25%
90
l8
39 48
0,02
0,01
ll0
l l5
Semakin lama pencatatan data debit banjir maka hasil analisis peluang akan mempunyai cakupan daeratr kepercayaan yang semakin kecil, sehingga perkiraan debit banjir yang diharapkan terjadi akan mempunyai simpangan yang semakin kecil (semakin confidence) terhadap persamaan distribusi peluangnya.
Tabel 3.27, menunjukkan cakupan batas daerafi kepercayaan dalam
l6(t
hubungannya dengan lama pencatatan data debit banjir dari 4 lokasi pos duga air di Pulau Jawa, pada derajat kepercayaan 95 Yo diterima.
DietiTm
3.1
t87
.
Pcmilihan mctodc analisis Frckucnsi Debil Prmcak Banjir scsuai
dcngan Kacrscdiaan Data. Pda L.kai Pmalltlu tr6al rdr rtN drta krrrrnc dri I nhun
KctrB.diu Drtr
pldr
lrkui Pqclitiu
!0-20thn. ll
hbih20thn
l-3rh"
[[
T abel
No
I
2
J
(%\ *)
6
8
Keterangan
Pcrkiru
dcngm
MAF
!6uti
Hitung MAF
I \I
l-toun. ll
d6g0
\
sqiel rrbun-
Hinrng MAF
kuElrcrittik der.h
rlim
mctodc POT.
dri
pcrmu rcgroi
I
u ta.bil.
47ll
-
(4-10) T (4- 6) r
9- l0
15
qr (%- 2) r
Q-
T:
periode ulang
-rl
badctrtm
,/
r)
Berdasarkan data pada tabel3.27, apabila memerlukan debit yang diharapkan terjadi dengan batas daerah kepercayaan berkisar kurang lebih 10 oZ terhadap kurva persurmrulln distribusinya, maka harus tersedia data paling sedikit dua kali lamanya pencatatan data debit. Apabila diperlukan perpanjangan kurva distribusi paluang maka batasnya adalah sekitar 2 kali jangka waktu lamanya pencatatan data. Catatan data yang baru mencakup waktu 25 tatrun hanya disarankan digunakan untuk menaksir data yang diharapkan terjadi sampai periode ulang 50 tahun saja, bukan untuk menaksir data yang diharapkan terjadi pada periode ulang yang lebih besar lagi. Dengan demikian apabila catatan data yang tersedia masih terlalu pendek, maka perlu diusahakan untuk memperpanjang catatan tersebut dan tidak disarankan memperpanjang kurva persam&m distribusi peluangnya. Salah satu cara membangkitkan (generating) data debit disajikan pada buku jilid II, untuk mempelpanjang catatan data debit.
Pbt
lagbng
tuhmdbujir
I
YY
Hiu"g
rl
naFguDrk[ f.ho.
q dag)u
PaFajug h3fuag
tc{ri
FnbilJl MAF
dojm
lt YY
Aprbil. mmgkin,
Fttbam
da8l|
hsil
pqhinmsrD
blndioStr qf
Hin ng Qf
AI
Diagram
3.L
Sumbcr
PUSAIR, 1983.
Kctcrangan
MAF
QT
banjir tahunan rata'rata (mean annual/lodl= dcbit yang dapat diharapkan tdadi pada periode tcrtentu' POT : jumlah di atas batas ambang Qrcak wer threshald)
l6tt
diagraun tersebut, terlihat bahwa analisis iistribusi peluang banjir dilakukan bila datanya minimal l0 tahun. Untuk r0 tahun data hanya disarankan menghitung debit banjir sampai periode ulang 20 tahun saja.
189
Data seri durasi parsial diambil dari seluruh debit puncak banjir yang lebih besar dari pada batas ambang debit, oleh karena itu sering disebut dengzin "Puncak diatas batas ambang" Qteal<s over a threshold series : POT).Oleh karena itu data debit puncak banjir
Indonesia hendaknya satu tahun data tidak disamakan dengan satu tahun kalender mulai pukul 0.00 tanggal I Januari sampai dengan pukul 24.00 tanggal 3l Desember tahun yang bersangkutan akan tetapi disarankan mulai pukul 0.00 tanggal I Oktober sampai dengan 30 September pukul 24.00, tahun berikutnya karena musim penghujan umumnya dimulai bulan oktober, agar debit puncak banjir yang terjadi selama musim penghujan dapat ditentukan lebih tepat. Akan tetapi untuk debit minimum hendaknya satu tahun data disamakan dengan satu tahun kalender, karena umunnya musim kering di Indonesia berlangsung mulai bulan April sampai Oktober setiap tahunnya. Untuk analisis distribusi peluang maka data yang digunakan harus bersifat bebas (independent) satu dengan yang lainnya. Debit puncak banjir bulan Januari mungkin masih berhubungan dengan data debit puncak banjir bulan Desember tahun sebelumnya, oleh karena itu untuk keperluan analisis distribusi peluang tidak berdasarkan data dari data tahun kalender akan tetapi tahun air (water year). Tahun air tergantung dari musim dan regim aliran.
di
seri
maksimum tahunan, akan tetapi anggapan datanya bersifat bebas mungkin kurang terpenuhi. Aplikasi metode POT akan di bahas pada Bab IV.
3.4.2. Pefiodc
lllang
Salah satu tujuan dalam analisis data hidrologi adalah menentukan periode ulang (return period atau recuruence interval) daripada suatu kejadian hidrologi. Contoh menetapkan besarnya curah hujan atau debit banjir dengan besaran tertentu (X) dengan periode ulang tertentu telah disajikan pada sub bab 3.3. Rumus (3.24), merupakan persamuurn yang telah lazim digunakan untuk menentukan periode ulang. Tabel 3.28, menunjukkan hubungan antara periode ulang
dengan data seri maksimum tahunan dan data seri durasi parsial.
Parsial
Tahunan
mmimum
)
3
0,50 r,00
1,45
l, l6 l,58
2,00
2,54 5,52
r
'
2).
series).
data seri durasi parsial (the
portial duration
2,00
5,00
10,00
series).
0,50
Data seri maksimum tahunan diambil dari satu data puncak banjir setiap tahun air, oleh karena itu banyaknya data sama dengan lamd waktu pencatatan tahun air.
7 8
50,00 100,00
50,50 100,50
1?0 Perbedaan antara durasi parsial dan.tahunan berkisar antara 5 l0 %. Periode ulang untuk data seri durasi parsial umwnnya
t7t
sampai
kurang lebih 0,50 tahun lebih cepat dibanding dengan data seri maksimum tahunannya, misal 10,00 dan 10,50. Dalam analisis distribusi peluang untuk menentukan suatu variat dengan nilai tertentu yang dapat diharapkan terjadi dari suatu penomena hidrologi pada periode ulang tertentu, sudah pasti mengandung suatu resiko kehancuran atau kegagalan (risk of failure), atau kemungkinan nilai dari variat tersebut terjadi sekali atau lebih selama umur proyek (life time). Secara umum besamya resiko tersebut dapat dihitung dengan menggunakan persamaan sebagai berikut :
RS:,-{r-(+)}'
Keterangan:
(3. l 0s)
T : L :
Berdasarkan persamaan (3.105), maka dapat diperkirakan tingkat resiko dari suatu proyek yang tergantung dalam penentuan periode ulang. Tabel 3.29, menunjukkan periode ulang yang dibutuhkan bagi resiko kejadian yang ditentukan selama urirur proyek.
Tabel3.29 Periode ulang yang diperlukan.
Resiko Umur proye k yang di harap kan (tahun)
menggambarkan variat
logaritmik) dan skala absis umumnya digunakan untuk menggambarkan besamya peluang P(X s x) atau P(X : x) atau
periode ulang. Umumnya data yang dianalisis dengan distribusi peluang apabila digambarkan pada kertas grafik peluang akan merupakan atau mendekati garis lurus, dengan maksud untuk mempernudah perpanjangan kurvanya atau untuk perbandingan beberapa kurva distribusi peluang dari sampel yang sama.
yang diperlukan
0,01
I
100
t0
910
95 35
25
50 5260 460
100 9100
2440 234
87
0,10
0,25
l0
4
.,
1,3
940 345
145 72
t7s
72
3',|
'
0,50
0,75
l5
8
37
l8
6
Meskipun demikian tidak semua persamiuill distribusi peluang gambarnya akan dapat merupakan garis lurus, apabila digambarkan pada kertas grafik peluang, misal distribusi peluang Pearson tipe III.
Perpanjangan kurva persamiuul distribusi peluang hanya
0,99
l,0l
2,7
ll
))
172 disarankan sampai dengan perkiraan nilai variat X yang diharapkan terjadi hanya sampai dengan dua kali lamanya tahun pengamatan. Umumnya perpanjangan kurva tersebut dapat cenderung unfuk
salatr.
I
: k:
S
deviasi standar variat X dari sampel.
173
persamaan
Persamaan (3.106), dikenal sebagai "Persamaan Umum untuk Analisis Frekwensi Hidrologi" (general equation for hydrologic
1). sumbu X (atau Y) = milimeter sumbu Y (atau X) : peluang normal misal : distribusi'normal distribusi pearson tipe III
fr"qu"r"y 3.4.3.2.
analysis).
2). sumbu X (atau Y): logaritmik sumbu.Y (atau X): peluang normal misal : distribusi log normal distribusi log pearson 3). sumbu X (atau Y): milimeter sumbu Y (atau X): peluang Gumbel misal : distribusi Gumbel tipe I 4). sirmbu X (atau Y): logaritmik sumbu Y (atau X): peluang Gumbel
misal : distribusi Gumbel tipe distribusi Frechet
Apabila kertas grafik peluang telatr dipilih sesuai dengan persamaan distribusi peluang yang digunakan, maka langkatr selanjutnya adalah menggambarkan setiap data hubungan antara nilai P(X) atau T(X) dengan nilai variatnya X yang umum dikenal sebagai penggambaran posisi Qtlotting positions).
III
terbesar sampai yang terkecil (umumnya demikian). Nilai peluang atau periode ulang setiap variat X dihitung dengan menggunakan salah satu persamaan 3.19.a sampai 3.23.c, umunnya menggunakan persamuuul dari Weibull seperti ditunjukkan pada persamaan 3.22.a dan 3.22.b. Contoh perhitungan ditunjukkan pada tabel 3.5, dari contoh 3.6.
Apabila tidak tersedia kertas grafik peluang maka persamaan garisnya dapat ditulis sebagai telah dijelaskan pada sub bab 3.3,
:
IDfutribssl Pclueng
Setelah semua data digambarkan pada kertas grafik peluang, maka bentuk kurvanya dapat ditentukan dengan cara menarik garis kurva (curve /itting), ymg dapat dilakukan dengan metode :
X:X+k.S
keterangan
:
(3.106)
pada
174 dilaksanakan secara cepat. Akan tetapi umunnya setiap orang akan menghasilkan kurva frekwensi yang berbeda, dan tidak melibatkan parameter statistik yang digunakan (dua atau tiga parameter), walaupun semua data historis dipertimbangkan. Faktor subjektivitas seseorang sangat menentukan, pengalaman seseorang menentukan kebenaran dari kurva yang dibuat.
lTtt
akan tetapi' penyelesaiannya sangat rumit, sehingga untuk pckcr.iaan praktis jarang sekali digunakan.
Rangkaian data hidrologi, yang merupakan variabel kontinyu dapat digambarkan dalam suatu persam&m distribusi peluang, baik data tersebut merupakan data tahunan ataupun data ekstrem. Model matematik distribusi peluang yang umum
digunakan adalah
:
Dengan metode matematis, untuk data yang sama akan menghasilkan satu jawaban yang sarna, dan dapat dikerjakan dengan program komputer. Dapat dipilih persamaum distribusi peluang yang lebih tepat, dengan menggunakan parameter dtatistik dari sampel data.
Data tahunan:
Metode grafis - matematis dianjurkan bila dimungkinkan dalam satu seri data terdapat perubahan arah kurva. Secara kasar
aratr perubahan kurva ditentukan secara grafis, untuk kemudian data dikelompokan sesuai dengan arah setiap kurva yang selanjutnya setiap bagian kurva ditentukan persamaannya secara matematis.
. . . . r ' ' . . . : .
III
Distribusi Gumbel Tipe I Distribusi Log Normal Distribusi Log-Pearson Tipe III Distribusi Frechet Distribusi Goodrich
. momen (moment) . kuadrat terkecil (least - squares) . duga maksimum (maximum likelihood) Dengan metode momen, parameter statistik atau mornen dihitung dari data sampel dan kemudian didistribusikan dalam fungsi peluang dari suatu distribusi. Dengan metode kuadrat terkecil, persamiuul model matematik dari garis regresi dihitung untuk menarik garis kurvanya. Garis kurva yang diperoleh mungkin tidak
persis sama dengan distribusi teorinya, akan tetapi cara ini umumnya lebih baik jika dibanding dengan metode momen. Walaupun demikian metode kuadrat terkecil tidak selalu dapat digunakan karena kurva persam&m distribusi peluang tidak selalu merupakan garis lurus (misal distribusi Pearson Tipe III).
Penggunaan metode duga maksimum umumnya lebih teliti,
776
177
persamaim yang diperoleh ataupun membandingkan dengan persamaan distribusi lainnya. Soewarno (tgg3), dalam
nampaknya masih merupakan "keharusan", atau dengan kata lain "salah kaprah", tanpa melakukan pengujian dahulu terhadap
(4). urutkan data dari besar ke kecil atau sebaliknya (5). hitung nilai peluang dan periode ulang setiap variat
(misal persamaan 3.22a - 3.22b). (6). gambarkan nilai peluang atau periode ulang setiap variat dengan nilai variatnya pada kertas peluang yang sesuai dengan model matematik persarhaan distribusi peluang yang digunakan
wanny.A (1991), dalam penelitiannya terhadap data banjir maksimum dari lokasi pos duga air di p.Jawa, menunjukan bahwa untuk DPS yang luasnya kurang dari 250 km2, sampel datanya
cenderung mengikuti distribusi peorson tipe III, dan untuk DpS yang luasnya lebih dari 250 km2 cendemng menglkuti distribusi Log-Normal, dibanding dengan distribusi normal dan Gumbel. soewarno (1993), juga menunjukkan bahwa dari seri data debit banjir terbesar, apabila diperoleh nilai :
penelitiannya terhadap distribusi debit puncak banjir pos duga air sungai menyimpulkan bahwa distribusi Log-pearson tipe III lebih cocok dibanding dengan distribusi Gumbel, Normal dan Frechet.
pada sub bab 3.3) tentukan batas daerah kepercayaan setiap periode ulang
sesuai dengan persamaan distribusi yang digunakan (akan disjikan pada sub bab 3.4.5) (9). uji kecocokan (test of Goodness of -fit) dari setiap persamiuul distribusi yang digunakan (akan disajikan
pada sub bab 3.4.6)
' '
debit maksimum terbesar dibagi dengan mediannya lebih dari 3,0. deviasi standar dibagi dengan rata-ratarrya (koefisien variasi, Cn lebih besar 50 %.
(10).tentukan persamium distribusi peluang yang paling sesuai (akan disajikan pada sub bab 3.4.7)
maka data tersebut cenderung tidak mengikuti salah satu distribusi : Normal, Gumbel, Log-Pearson tipe III atau Frechet, mungkin juga tidak mengikuti salah satu distribusi lainnya yang telah disebutkan dalam buku ini.
Butir (l) diuraikan pada buku jilid II, butir (2) sampai butir (7) telah dijelaskan pada bab atau sub bab sebelumnya, butir (8), (9) dan (10) akan diuraikan pada sub bab 3.4.5 - 3.4.7 beikut ini.
Tahapan yang umum digunakan untuk aplikasi analisis distribusi peluang dari data seri variabel hidrologi adalah :
3.4.5. B,artas
(l).
lakukan pengujian terhadap konsistensi dan kesamaan jenis (homogenitas) data (lihat gambar 1.3), serta lakukan pengujian ada tidaknya trend (lihat jilid II).
benar,
Pada sub bab 3.3, telah diberikan contoh perhitungan perkiraan suatu nilai variat X, variabel hidrologi yang dapat
diharapkan terjadi pada peluang atau periode ulang tertentu, dengan menggunakan persamrum distribusi peluang. Salah satu yang harus digaris bawahi bahwa perkiraan nilai X akan dapat berbeda-beda tergantung dari sampel data yang digunakan. Nilai variat perkiraan pada periode ulang tertentu yang dihitung berdasarkan data tahun 1950-1990 akan berbeda dengan yang dihitung dari tahun 1930-1970, walaupun sampel data sama jumlahnya. Oleh karena diperlukan suatu nilai yang menunjukkan batas ketidak-pastian (mar g i n of u nc e rfa i nty).
(2). apabila telah yakin bahwa data tersebut memang kemudian hitung parameter statistik, nilai :
II).
178
l7$
Ketidak-pastian dapat disebabkan oleh karena ukuran sampel terlalu kecil atau oleh karena salah memilih distribusi peluang. Nilai kesalahan standar dari perkiraan (standard error of estimate) dapat digunakan untuk menentukan batas ketidak pastian itu. Nilai kesalahan standar dari perkiraan (SE), merupakan ukuran variasi rata-rata sampel sekitar rata-rata populasi p. Nilai kesalahan standar dari perkiraan untuk periode ulang tertentu (SET) dapat ditentukan dengan metode momen atau dengan metode duga maksimum. Pada bab ini akan disajikan perhitungan nilai SET dengan metode momen. Batas nilai SET terhadap nilai rata-ratanya disebut dengan batas daerah kepercayaan (confidence limit, confidence interval) selanjutnya ditulis (BDK). Dengan demikian batas daerah kepercayaan periode ulang merupakan daerah densitas peluang pada kedua sisi kurva persamium distribusi teoritis suatu data peluang.kumulatip tertentu. Umumnya dapat ditulis sebagai berikut :
'i1('
. : r-['
SET
*2\)
(3.10e)
(3.1r0)
keterangan:
6
t o tl
: : : : : :
:
kesalahan standar dari perkiraan. parameter dapat dilihat dari tabel 3.30. variat standar normal. deviasi standar populasi deviasi standar sampel (S).
XT - a (SET) s XT s XT + cr (SET)
keierangan
:
(3.107)
Peluang kumulatip
(%)
5
1,0000 1,1638 1,3497
terjadi pada
50 80 90 95 98 99
o : SET :
Berikut
periode ulang tertentu. tingkat kepercayaan (umumnya diambil 95 yo, artinya bahwa 95 Yoperkiraan diterima dan 5 % ditolak). kesalahan standar dari perkiraan untuk periode ulang tertentu.
l0
20 50
100
1,5340 1,7634
1,9249
ini
Contoh 3.15.
a. DlsttibrsllYorrnat
Untuk distribusi normal nilai SET dapat dihitung
menggunakan persamaan
:
dengan
SET
:6
o2
(3.108)
Dari contoh 3.6, telah dihitung perkiraan volume total debit sungai Cikapundung-Gandok, berdasarkan data tatnrn 1958-1980. Tentukan batas daerah kepercayaan volume tersebut pada periode ulang 2;5; 10;20 dan 50 tahun dengan tingkat kepercayaan 95 % diterima.
180
181
5.
f)ari Contoh 3.6, diperoleh nilai X : 92j6juta m3,dan S : 25,95 juta m3. Jumlah data N : 23 buatr. Pada derajat kepercayaan 95 yo, dari tabel III-6 (pada bagian akhir buku ini) untuk uji dua sisi diperoleh nilai o : 1,96. Nilai 5 dibaca dari tabel 3.30, sesuai
dengan periode ulang yang dihitung.
parameter,
SEr:
(,
u(S) '
,3.r I r)
SET:6
F {N
W
Xz
.*)r
on
(3.1t2)
(3.1
1: lnx-lrn
:6,245
keterangan: log SET on pn x
6
l3)
){2*
1,96
(SET):
12,240
kesalahan standar dari perkiraaan deviasi standar sampel ln x atau log x rata-rata sampel ln x atau log x variabel acak kontinyu parameter (lihat tabel 3.32) variat standar normal
No.
Periode Ulang
(tohun)
q.
(SEI)
BDK
Quta mt)
(%,)
UuM mr)
12,140 14,243
16,9 I g
I
2
3
2
5
92,16 I 13,95
79,92
99,68
104
50 80 90
95
,0000
,r638
,3495
,5339 ,7632 .9251
l0
20 50
100
l0
20
50
t25,37
134,7t
r
4
5
18,757 21,576
45,35
98 99
BDK
:95
o/oditerima.
Dari contoh 3.13a, telah dihitung debit puncak banjir terbesar DpS Cigulung - Maribaya. LJntuk periode ulang 2; 5; l0; 20 dan 50
182
188
tahun dengan menggunakan distribusi log-Normal 2 pararheter, tentukan batas daerah kepercayaannya dengan derajat kepercayaan 95 % diterima.
Tabel3.33 Debit puncak banjir DPS Cigulung-Maribaya yang dapat diharapkan terjadi pada derajat kepercayaan 95
Yo.
o/o.
I
2
:
2
5
26,58 37,35
23,01 -30,67
31,57 - 44,16 36,67 - 54,15 41,39 - 64,44 47,20 - 79,34
l0
20
50
u,6l
5
i"gl<
4
5
1,66
60,94
l)
rogsEr=u{s}}
rogsEr:(ry) * u
log
SET:6
. (0,0320)
Los SEr=
r{#}*
(3.114)
:1,96, maka :
cr
o={l*it}i
t-:_ log(x-P)-pn
on
(3.1l5) (3.1l6)
untuk Xz
cr log SET :(1,96X1,000)(0,0320) = 1og26,58 *.0,0627 = t,424 23,01 <26,59 < 30,67
0,062
keterangan
untuk Xs
crlog SET =( I ,96)( l, 1638X0,0320) = log 31,57 537,35 <44,16
37
,35
0,0729
1,5722 + 0,062
on : pn : N : t p :
Dengan cara yang sama maka batas daerah kepercayaan debit banjir DPS Cigulung-Maribaya dapat dilihat pada tabel 3.33.
deviasi standar populasi log (x - B) rata-rata populasi log (x - B) jumlah pengamatan deviasi'standar normal parameter batas bawah distribusi log normal sub bab 3.3.5.2)
(ihat
184
1n6
dan
CS : 0,47 N :19
:26,07
sET=
keterangan
;
t {$}*
kesalatran standar dari perkiraan standar populasi atau sampel
(3'rr7)
SEr: r {s}'
o N
SET
= deviasi
= jumlatr
p"ngu*"t*
III :
I
SET:6
. (5,98)
Tabel 3.34 Parameter untuk Perhitungan'SET Distribusi Pearson Tipe III dan Log Pearson tipe III.
Peluong Kumulatip (%)
50
loe
80
90
Keterangan.
CS 2
5
95
98
99
T (tahun)
log
6 = on = N = jumlatr sampel
\pt:
kesalahan standar dari perkiraan parameter (lihat tabel 3.34) deviasi standar log X
l0
20
50
100
0,0
0,1
,,0801 ,0808
0,2
0,3
,0830
,0868 ,0918 ,0997
Tentukan bqtas daeratr kepercayaan hasil perhitungan volume debit Ya\g dapat diharapkan terjadi dari DpS CikapundungY*'?uIl' Psda derajat kepercayaan 95 Yo diteima, yang datarrya ditunjukkan pada tabel 3.17, contoh 3.9.
,2905
,1073
,l17g
,1304
:9"Y
l,l
1,2 1,3 1,4 1,5
,1449 ,1614
,l7gg
,2003
)))?
,2457
t,6
t,1 r,8
1,9
x \
g7,75
2,0
,3913
,3785 1,8032 ,4082 l,g609 ,4385 l,gl',lo ,4699 1,9714 ,5030 2,0240 ,5382 2,0747 ,5764 2,1237 ,6181 2,l7ll ,6643 2,2173 ,7175 2,2627 ,7732 2,3081 ,8374 2,3541 ,9091 2,4018 .9888 2.4525
1,6845 2,1988 2,6363 1,7810 2,3425 2,8169 1,8815 2,4986 3,0175 1,9852 2,6656 3,2365 2,0952 2,8423 3,4724 2,1998 3,027',1 3,7239 2,3094 3,2209 3,9895 2,4198 3,4208 4,2694 2,5363 3,6266 4,5595 2,6403 3,8374 4,g6lg 2,7492 4,0572 5,1741 2,8564 4,2696 5,4952 2,9613 4,4896 5,8240 3,0631 4,',1100 6,1592 3,1615 4,9301 6,4992 3,2557 5,1486 6,8427 3,3455 5,3644 7,l8g l 3,4303 5,5761 7,5339 3,5100 5,7829 7,9793 3,5844 5,9829 g,2196 3,6536 6,1755 8,5562
186
r87
Dengan
1,96
dengan
SET =
untuk X5,
keterangan
'(s)+
(3.1l8)
x5 + (1,96)(1,3 167)(5,99)
X, + 15,43
SET
Hasil perhituqgan_selengkapnya tercantum pada tabel 3.35. Contoh untuk perhitungan SET dari distribusi Log Pearson tipe III, hampir mirip contoh 3.20 (dari contoh perhitungan SET distribusi Frechet) hanya berbeda penentuan parameter 6, untuk log Pearson tipe III dari tabel 3.34, sedangkan untuk Frechet dari tabel 3.36 (Gumbel tipe I).
: kesalatran standar dari perkiraan o : deviasi standar 11 : jumlah data 6 : parameter (lihat tabel 3.36)
Contoh 3.18.
Data debit banjir maksimum dari pos duga air sungai Citarum -
seperti
ditunjukkan pada tabel 3.8. Dengan derajat kepercayaan 95 o/o diterima. Tentukan batas daerah kepercayaan debit puncak banjir untuk periode ulang 2; 5; 10:20 dan 50 tahuh, perhitungan contoh
3.7.
Tabel3.35 Volume Debit Tahunan DPS Cikapundung-Gandok yang diharapkan terjadi pada derajat kepercayaan 95 %.
Vo
Volume
guta
m3)
BDK
(iuta
72,9
93,6
m3)
I.
2. 3.
2
5
85, 7A
108
12,85
14,43
98,6
*.:286,20
S
m3/det
lo
20 50
100
122
137 148 158
19,72 25,78
35, l6
4.
5. 6.
= 55,56 m'/det
:
N:30
Berdasarkan persamaan (3.1l8)
42,t9
l16
-200
SEr: r
(s)
Sumber
SEr='{qP}*
SET=6.(10,14)
I89
ripe I.
Tabel 3,37 Debit Puncak Banjir Sungai Citarum-Nanjung yang diharapkan terjadi pada derajat kepercayaan 95 %.
Periode Ulang (tahun)
Volume
a (SE7)
$uta
m3)
BDK
Qutam3)
Quta
m3)
l0
l0 l5
20 25 30 35
20
40
45 50
55
0,g2ll
0,9305 l,g53g 2,6lgg 0,9269 1,7695 2,4756 0,9250 t,7249 2,3990 0,9239 l,696g 2,3506 0,9229 1,6772 2,3169 0,9223 1,6672 2,2glg 0,9219 1,662? 2,2725 0,9214 1,6514 2,2569
t,6424
2,2441 2,2333 2,2241
3,3926
3,lg14
5,1459
l.
2.
J.
)
5
277
20,71 33,20
2s6 -298
295 - 361
4,8174
4,6427 4,5320.
328 3s9
390 431 461
l0
20 50
100
45,86
58,59
313 - 405
331
4.
5. 6.
60
65
70 75 80
85
90 95
100
0,9lgg 0,glg7
0,9209 1,6350 0,9206 1,628g 0,9204 1,6235 0,9202 l,6lgg 0,9201 l,6149 0,glgg l,6l14
1,6093 1,6055 1,6007
4,4548 4,3974
4,3527 4,3169 4,2974 4,2627 4,2415
71,46
88,18
Sumber
2,2162
2,2093
2,gtg6
2,8577 2,9297
3,6326
3,,6173
4,2332
4,2073 4,1931
4, I 906
3,6040
3,5923
3,5g l g
2,2032
2,1977
2,lg2g 2,lgg4
2,1944
2,7959 .3,5724
3,5639
4,1693
.4,l5gl
4,l4gg
4,1474
Nilai
3,5562
sEr=r{s}*
Dengan N = 3O,dari tabel (3.36), maka
(3.r 1e)
keterangan:'
:
. .
unhrk Xr, dengan derajat kepercayaan gS yo, & + (1,96) (0,9229) (10,14)
:1,96
X'+'20'71
untr* Xr,
6 : parameter (lihat tabel 3.38) o = deviasi standar N : jumlah sampel SET : Kesalatran standar dari perkiraan
Contoh
&
Xs
+ (1,96) (t,6772)
(lo,l4)
+ 33,20 -
3.F.
tatrun 1973-1984, telah dihitung debit minimum yang dapat diharapkan terjadi seperti ditunjukkan pada tabel 3.14 dan 3.15. Tentukan batas daerah kepercayaannya pada derajat kepercayaan 95 % diterima
190
t9l
III
2 dan 5
Ill
Jawab Contoh
3.1a.
CS
50
80
90
95
98
99
T (tahun)
Berdasarkan data tabel 3.14, telatr dihitung parameter statistik data debit minimum sungai Bogowonto - Bener:
25102050100
0,8 0,7 0,6 0,5 0,4
0,3 ),
0,687
0,2
0,1
1,3665 l,8l 16 1,3556 1,7517 1,3492 1,6940 1,3441 1,6356 1,3259 1,5738 1,2934 r,5063 1952 1,2624 1,4374 1065 1,2282 1,3709
1.,2267
1,7132
1,7650
,,2475 ],5450
1,6752
,-,5097 ,-,0047 ,-,7011
0,0
0,1
SEr: u{s}'
sET: u{tr,z+l'}
l.14)
SET:
6 . 0,331
1,96 dan CS
1,0
l,l
1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9
. .
unfuk X2, x2
r (1,96)(1,1600)(0,33 l)
x2*.0,753 m3/det
unttrk X5,
l)
2,0
1460 I,0281 1,0467 I517 0,9839 0,9905 t567 0,9392 0,9414 , .605 0,8943 0,8981 636 0,9500 0,9646 t657 0,8072 0,8422 0,7669 0,g3lg "671 678 0,7303 0,9316 68t 0,6988 0,8507 680 0,6739 0,8792 676 0,6569 0,glg6 669 0,6499 0,9673 658 0,6494 1,0218 643 0,6595 1,0907 622 0,6742 1,1400 596 0,6940 1,1987 564 0,7148 1,2523
ll57 1,19 t6 1,3042 t2t4 t,1532 1,2374 t3 l8 l,l 136 l,l7l I t394 1,07 t2 1,1078
l,6l8l
1,5255
1,4571
\s248
,-,3559 ,.,2013
1,0658 1,9627
1,9631
1,8437
1,2539 1,2814
1,2172
t,1653
1,1287
1,8740 r,8065
1,7623 1,7262
I,l0l4
t,0895
1,7074
I,0914 I,1064
t,1338
1,4630
[,7006
1,7047
t,4788 I,5049
1,5394
1,58
t,7180
1,7413
l,l719
1,2196
1,2745
l5
.,7715
,8075
1,6291
i,3354
,,3987
t,6816
1,7355 1,7908 1,8446
,4638
,5274 ,5877 .6421
.,8952
.9405
g. Itirtribusi
Dtcchet
Kesalahan standar dari perkiraan untuk distribusi Frechet dapat dihitung dengan persam&m :
t92
log SEr
193
=u
{tt
,', 'E
'
:
(3.120)
log SET :1,6772 ( 0,0320 ) log SET:0,0536 Xs 35,74 (lihat contoh 3.11)
log XT
(log SET) . cr
(3.121)
6:
log X, + cr . log SET log 1,553 * (1,96)(0,0536) log 1,553 * 0,105 sehingga X, = log 1,553 - 0,105
+ 0,105
28,05< 35,74
Contoh 3.20.
Dari contoh 3.11, telah dihituns besarnya debit maksimum Dps cigulung-Maribaya dengan menggunakan distribusi Frechet,
dengan data:
. N:30
. S log X= 0,1754
Tabel 3.39 Perkiraan Debit Maksimum DPS Cigulung-Maribaya, dengan Derajat Kepercayaan 95 %.
No.
Batas Daerah kepercayaan (m3/det) 21,78 - 29,43 28,05 - 45,49 32,26 - 62,99 36,84 - 86,61 45,04 - 105,0
I
2
5
)
5
24,92
35,V4
lo
20
50
:
:
4
5
tog SEr
ret - a{rs
[NJ
,'
1*
+
log
30
lr,l
ll)tr
2).
kelompokan data menjadi ('i sub-grotrp, tiap-tiap sttlr group minimal 4 data pengamatan;
Umumnya pengujian dilaksanakan dengan cara menggambarkan data pada kertas peluang dan menentukan apakah data tersebut merupakan garis lurus, atau dengan membandingkan kurva frekuensi dari data pengamatan terhadap kurva frekuensi
teoritisnya.
3). 4).
sub
s).
6).
Uji
7).
tentukanderajatkebebasandk: G - R - I (nilai R:2, untuk distribusi normal dan binomial, dan nilai R: 1, untuk distribusi Poisson).
^.,-S(oi-Ei)2 u lvh
i=l
r,i
keterangan
:
(3.t22)
l).
2).
3).
yo, maka
persamaan
Xn'
Oi : Ei :
G :
parameter chi-kuadrat terhitung jumlah sub - kelompok jumlah nilai pengamatan pada sub kelompok ke i jumlah nilai teoritis pada sub kelompok ke i
distribusi teoritis yang digunakan dapat diterima; apabila peluang lebih kecil I o/o, maka persamaan distribusi teoritis yang digunakan tidak dapat diterima; apabila peluang berada diantara I - 5 % adalah tidak mungkin mengambil keputusan, misal perlu tambah
data.
Parameter xn2 merupakan variabel acak. peluang untuk mencapai nilai xn2 sama atau lebih besar dari pada nilai chi-kuadrat yang sebenarnya (y2) dapat dilihat pada tabel III-7, pada bagian akhir buku ini.
Prosedur
Contoh 3.21.
ke kecil
atau
Dari pengamatan volume total debit tahunan dari DPS Cikapundung di pos duga air Gandok, tclah diperoleh data dari tahun 1958-1980, seperti ditunjukkan pada tabel 3.4. (lihat contoh 3.6). Pada derajat kepercayaan 95 oh diterima, lakukan uji hipotesis bahwa data pada tabel 3.4. mengikuti distribusi normal, dengan menggunakan Uji-Chi kuadrat.
l9(i
Jawob Contoh 3.21.
:
M7
Berdasarkan data tabel'3.4, contoh 3.6, maka dapat disusun nilai peluang perhitungan (exp e r ime nt al pr ob ab il ity), seperti ditunj ukkan pada tabel 3.5. Peluang perhitungan dihitung berdasarkan rumus 3.22.a. Berdasarkan data tabel 3.5, maka dapat digambarkan setiap
X:92,16 + 25,95 k
Persamaan tersebut dibuat kurva garis lurusnya seperti ditunjukkan pada gambar 3.6.
dapat
dibuat sub kelompok, setiap sub kelompok minimal terdapat 5 buah data pengamatan. Apabila nilai peluang dari batas setiap sub kelompok peluang (P) = 0,25, maka variabel dari data pengamatan akan terletak sebagai berikut :
Subkelompokl 4
74,77 92,16
s
{9
(,
J 3
2
Ll
2 l J
lrl G
I G
Ll
I
I
a
No.
ruu
tzo
lrto
tGO
Jumlah Data
oi
5
Ei
5,75 5,75 5,75 5,75
z-)
oi-Ei
0,562 5,062
(oi - Eil,
l.,t
I 2
3
< 74,77
0,097
0,880 4,097 0,097
1,17 I
Gambar
74,77 - 92,16.
8
5 5
92,16 -109,54
109,54 > X Jumlah
4,562
0,562
23
I 1)rl
I0t,
Dari tabel 3.40, diperoleh nilai chi-kuadrat hitung adalah Xn, : l,l7l. Berdasarkan tabel chi-kuadrat (lihat tabel III-7). untuk mencapai nilai chi-kuadrat sama atau lebih besar dari l,l7r; pada derajat kebebasan dk : G-R-l = 4-2-l : l, kurang lebih pada peluang 0,23. Oleh karena peluang yang diperoleh adalah 23 % (lebih besar 5 oh), maka hipotesis bahwa volume debit tahunan Dps
cikapundung-Gandok, mengikuti distribusi normal dapat diterima. Batas daerah kepercayaannya, yang secara visual dapat dilihat pada gambar 3.6, dan tabel 3.41.
2).
tentukan nilai masing-masing pcluang teoritis dui hasil penggambaran data (persamaan distribusinya) :
x. P'(x.) x. P'(&)
3). dari kedua nilai peluang
tersebut tentukan selisih terbesamya arttara peluang pengamatan dengan peluang teoritis.
x2
xr
P'(X,) P'(Xr)
(3.123)
berdasarkan tabel nilai kritis (^Srnirnov-Kolmagorov /esl) tentukan harga Do (lihat tabel3.42).
I 2
3
80,93
100,00 110,20 I 16,80 125,00
I13,95
125,37
134,71 145,35
l0
20 50
4
5
digunakan untuk menentukan persamuum distribusi dapat diterima, apabila D lebih besar dari Do maka distribusi teoritis yang digunakan untuk menentukan persam:urn distribusi tidak dapat diterima. Tabel3.42 Nilai Kritis Do Untuk Uji Smirnov-Kolmogorov.
N
0,20
5
c[ 0,10
0,51 0,05 0,56
0,41 0,01
Uji kecocokan Smirnov-Kolmogorov, sering juga disebut uji kecocokan non parametrik (non parametric test), karena pengujiannya tidak menggunakan fungsi distribusi tertentu.
Prosedurnya adalah sebagai berikut
:
l0 l5
20
25 30 35
0,67
0,3'l
0,30
0,49
0,40 0,36 0,32 0,29
0,26
0,24 0,22
l)"
urutkan data (dari besar ke kecil atau sebaliknya) dan tentukan besarnya peluang dari masing-masing data tersebut ;
0,19
0,18
0,20
0,19 0,18
0,27
0,25 0,24 0.23
40
45 50
0,17 0,16
0,15
0,20
0,t7
0.19
N>50
Catatan
f,* sj ffi
Ct = derqiat kepercayaan.
ffi
200
I
Tabel 3.44. Peluang Debit Minimum
Periode Ulang P(x >)
0,01 P(x <)
20t
Contoh 3.22. 'l'entukan persamaan distribusi normal untuk data debit minimum sesaat S.Cikapundung-Gandok tahun 1965-1984. Lakukan uji kecocokan persaminnnya dengan uji :
(x >)
100
Periode Ulang
(x <)
0,99 0,95 0,90 0,70 0,50 0,30
0, 1,01
20
0,05
l,05
t0
),JJ 2,00
:
0,l0
0,30 0,50 0,70 0,90 0,95 0,99
l,l
1,43
2,00
J,JJ
1,43
l,1l
l
t,
l0
l0
20
100
I,05 l,01
0,05
0,01
X:
il
!l
Tahun
Debit
(m3/detl 0,02 0,02 0,02 0,24
Periode ulang untuk perhitungan debit minimurn tidak menyatakan suatu nilai sama atau lebih dari besaran tertentu, akan tetapi menyatakan suatu nilai sama atau kurang dari besaran tertentu. Oleh karena itu apabila :
I
2
3
965 966
967 968
PIX>1X+t.S)l:a
maka:
(3.124)
4
5
6 7
8
969 970
971 972
PIXSlX+t<.S)l:l-a
(3.12s).
(3.12s)
973
974
l0
il
t2 l3 t4
975 976
977
0,14 0,10
0,18 0,38 0,44 0,35 0,38
l5 l6 t7 l8 l9
20
X
apabila
0,17 6
k + 0,266 m3/det,
982
983
984
1984, Puslitbang Pengairan.
0,59
111: X-X
S
(3.t26)
(3.127)
P'(x): (t)
202 kcterangan
:
I
X X t
P'(x)
208
: :
-
f(t): x-x
debit minimum pengamatan (m3/det). debit minimum rata-rata (mr/det). variabel reduksi Gauss (lihat tabel 3.3). peluang dari k'(lihat tabel III-1, bagian akhir buku ini, wilayah luas dibawah kurva normal);
i
_ -0,266 .\,,_JF
ru..r
0r 59
f(t):
t
(
1,840
maka berdasarkan data pada tabel 3.43. dan tabel 3.44, dapat dihitung nilai pelJ,ang P(x<) seperti ditunjukkan pada tabela 3.41,
kolom 4.
Tabel
3.45
Berdasarkan persamaan 3.127, dapat ditentukan besarnya peluang teoritis P'(X), dari tabel III-1 wilayah luas dibawah kurva normal, dari nilai (t) 1,840, luasnya I - 0,968 0,032 sehingga nilai kolom 6 adalah P'(X; 0,032 dan nilai kolom 7 adalah P'(X<) adalah | - 0,032: 0,968.
ikapundung-Gandok.
P(y)=a/(n+
)
3
P(x<)
1-hilail-kol I
(r):
(x-Dh
P:ql'
6
P'(x<)
fl tt
UntukX:0.26
0,05
0,95
l,840
1,784
0,988
0,032
0,037
0,968
0,963
2
3
0,l0 0,l5
0,20
0,25
0,90
0,85
0,018 0,063
0,013
4
5
0,80
0,75
6
7 8
0,30
0,35
0,70
0,65
0,40
0,45
0,60
0,55
0,t63 0,206
0,257 0,257
0,837
0,794
0,'143 0,'143
0,006 0,007
0,043
- 0,034
setara dengan luas wilayatr dibawah kurva
0,298
0,3 0,5
0,702
0,681
0,052
0,081
f(t; = (- 0,034),
l9 l0
0,424 0.556
0,685
il
l0
0,50
0,55
0,50
0,45
0,r8
0,r5
0,15
0,
l2
l3 t4
0,40
0,35
0,30
0,25
l4
l5
t6 t7
r8
0,576 0,490
0,026
0,010 0,006 0,085
0,093
0,444
0,3
l5
0,043
0,20
0,1 5
- 1,943 - t,397
- I,397
0,826
0,917 0,917 0.917
0,174
0,083 0,083 0.083
0,01l 0,026
0,067 0,017
0.033
7.
Berdasarkan
0,10
0.05
l9
1.397
f : 0,266; S = 0,176
Dari perhitungan nilai D, tabel 3.41, menunjukkan nilai Dmak 0,093, data pada peringkat ke m : 13. Dengan
Data kolom
4:
nilai
1,0 -
nilai kolom
3.
menggunakan data pada tabel 3.38, untuk derajat kepercayaan 5 yo ditolak dan N : 19, maka diperoleh Do : 0,30. Karena nilai Dmak lebih kecil dari nilai Do (0,093 < 0,30) maka persamiuul distribusi normal yang diperoleh dapat diterima uniuk menghitung distribusi peluang data debit minimum DPS Cikapundung - Gandok.
204
20t
(NnHVl
) Ot{V.ln
EOOlS3d
-l+
I
.ta
,/
\o \s o
I
Smirnov-Kolmogorov, meskipun menggunakan perhitungan matematis namun kesimpulan hanya berdasarkan bagian tertentu (sebuah variat) yang mempunyai penyimpangan terbesar, sedangkan Chi-Kuadrat menguji penyimpangan distribusi data pengarhatan dengan mengukur secara matematis kedekatan antara data pengamatan dan seluruh bagian garis persamaan distribusi teoritisnya (garis lurus ataupun garis lengkungnya, dengan demikian lebih teliti dibanding Uji Smirnov Kolmogorov).
uji
bo
Berdasarkan gambar 3.7 lakukan pembagian data pengamatan menjadi 5 sub-bagian, interval peluang P : 0,20.
Besarnya peluang untuk tiap sub-group adalah
:
-!
\ $'
Subgroup
8:
t oo
6|=
r'
/
o
0
.o q)
P 50,20
.a
. D
= = F 6
lrl
a
N
9.
-i
-o
B B
'l
18
(.al
o ]t
X:
:l
X :0,176
X
=l-0,40:0,60
I
vnl Id
B t
P:l-0,60:0,40
Sub Group I
206
Sub Group Sub Group Sub Group Sub Group
2
3
207
4
5
Dengan demikian debit minimum S.Cikapundung - Gandok kurang dari 0,1 l8 m3/det, mempunyai periode ulang 5 tahunan.
X,o = 0,176 x (-1,28) + 0,266
: 0,0407 m3/det.
Tabel
Debit minimum S.Cikapundung - Gandok kurang dari 0,0407 m3/det mempunyai periode ulang l0 tahun.
T abel 3 .46
No.
Irxerval Debit
(il/det)
I
Kurang 0,1l8 0,118 - 0,222 0,222 - 0,310 0,310 - 0,413 0,413 - lebih Jumlah
o,
4 4
3
(oi- E
E,
'
)
3
0,010 0,010
0,1 0,1
68 69
.!
4
5
0,378
J,734
l
0,64
l9
l9
Dari tabel 3.46, y2 hitung : 0,734 pada derajat kebebasan : 5-2-l : 2. Berdasarkan tabel 3.43 maka besarnya peluang untuk mencapai 1'z lebih dari 0,743 adalatr berkisar antara 50 - 70 %. oleh karena besarnya peluang lebih besar dari 5 Yo makadistribusi normal untuk mgqggambarkan distribusi debit minimum S.cikapundung-Gandok dapat diterima. Pembaca dapat mencoba dengan menggunakan persamzuul distribusi yang lainnya dan dibandingkan hasilnya, misal dengan menggunakan persamuuur Gumbel Tipe III dan Log pearson Tipe III.
I
I
Seperti telah disebutkan pada sub bab 3.4.4, umumnya, di Indonesia banyak dilakukan analisis distribusi peluang dari data hujan ataupun data debit menggunakan persamium distribusi Gumbel Tipe I, tanpa melakukan pengujian kecocokan terlebih dahulu apakah persam&m distribusi Gumbel Tipe I sesuai dengan distribusi data pengamatan ataupun membandingkan dengan persamzuul distribusi lainnya. Padahal distribusi Gumbel Tipe I belum tentu cocok. Sementara hidrologiwan di Indonesia berpendapat bahwa penggunaan distribusi Gumbel tipe I sebagai suatu hal yang sudatr "salah kaprah". Gambar 3.8 sampai 3.10, menunjukkan ketersediaan data debit maksimum S.Cianten - Kracak, Bogowonto - Bener, S.Serayu - Garung dan S.Cigulung - Maribaya, berikut nilai rata-ratanyadari setiap periode pengamatan (N : berbeda-beda). Gambar 3.11, menunjukkan hasil perbandingan debit puncak banjir untuk periode ulang 5; 50 dan 100 tahunannya, dengan menggunakan persamaan distribusi :
. Normal
Pefiodc lllang
Berdasarkan tabel 3.3 menunjukkan bahwa untuk p 0,80 maka -0,84, untuk frekuensi debit minimurn, berdasarkan gambar 3.7 maka P 1,0 - 0,80 :0,20 yaitu periode ulang 5 tahun, debitnya adalah :
k:
208
200
ulang 50 dan 100 tahun dibanding dengan harga penaksiran dari ketiga tipe persam&m distribusi lainnya. Distribusi Frechet memberikan penaksiran debit banjir yang lebih kecil untuk periode ulang 5 tatrun dan lebih besar untuk periode ulang 50 dan 100 tatrun dibanding dengan nilai taksiran dari harga ketiga tipe persamaan distribusi lainnya.
a;
a\
hasil uji
kecocokan antara
dengan
! F
persamiuill distribusi yang diharapkan cocok untuk analisis debit banjir maksimum. Nilai X2 ht, S.Cianten-Kracak, S.BogowontoBener, S.Cigulung-Maribaya mempunyai nilai peluang lebih dari 0,05, oleh karena itu dari ke empat tipe persamaan distribusi yang diusulkan sesuai untuk ke. tiga lokasi tersebut. Untuk S.SerayuGarung nilainya kurang dari 0,05, dengan demikian dari ke empat tipe persamaan distribusi yang diusulkan tidak ada yang cocok, lokasi ini mempunyai data perbandingan maldmd lebih besar 3,0 dan koefisien variasi CV : sdD< lebih besar 50 o/o maka perlu penelitian lebih lanjut, mungkin memerlukan persyaratan khusus dalam analisis distribusi peluang'
Tabel 3.47 Nilai Chi-Kuadrat perhitungan.
Distribusi Normal
S.Cianten Kracak S.Selayu Garung S.BogowontoBener S.Cigulung -
tl o
Maribaya
x,'hit
P
3,20s
0,190
I I,166 0,005
5,141
5,66s
0,061
0,080
Gumbel
i
0,965
x,'hit
P
6,670 0,032
(1,71
l)
4,666
0,1
! F
a Il o
X3
0,940
0,470
l0
LPS
)
III
(0,101) 4,717 0,030 2,285 0,820 (0,660) 0,450
x,'hit
P
0,320
Frechet
26'?hit
P
2,st4
0,290
6,039 0,040
1,997
1,664 0,450
0,400
(0'l0l)
cocok. Sumber
(Soewarno, 1993).
Gambar
j.88.
210
211
FI
ilii;l
!
t F
Ir.l.'lL xr ao fi.
g
Q a<
I
t
It
to
tl
\)
I.aat
B q
.o
q)
!
00
q)
$
\) .a \) a
I
I
s oo
g
tta
\ s \)
a..
*i
E
a I o
o a
tt
.a
-; \
('tf|/tw r lO -F-
to
l'|oe/rur lO
-.+--
212
I
hit maka persanuun distribusi yang lebih
2t:t
Tabel3.49 Debit Banjir Maksimum
Lama Data Metode Cianten-Kracak
Q5 Q50
Berdasarkan harga y2
S.Cianten-Kracak dan S.Cigulung-Maribaya adalah persamaan tipe III Log-pearson dan untuk S.Bogowonto-Bener adalah persamzuul distribusi Gumbel (untuk N : terlama).
dari
Cigulung-Maribaya
Q5
Bogowonto-Bener
Q5
Qr00
Q50
Ql00
42 46
43 49
Q50
Qr00
N:5
- Normal
Tabel 3.48, menunjukkan persamaan yang lebih cocok setiap N tahun pengamatan. Untuk
Tabel 3.48 Persamaan distribusi yang lebih cocok.
Lama Data Cianten Cigulung BogowontoBener
Frechet
- Frechet
587 657
6t9 72t
649 733
7tt
861
33 43 32
40 43
tt4 tt2
r09
t37
148
t42
158 186
40
44
164
155
3l
37 36 36 35
1il
138 135 138 135
t7l
t75
197
N: l0
- Normal
4ll
406 399
385
540
570
687
46
50 52 58
Kracak
Maribaya
623
590
627
836
48 54 56
168
r83
187
20t
235
701
7l
46
53
207
N=20
N:
N:
'
N=5
l0
terlama
N:20
LPS.III LPS.III
LPS.ilI LPS.ilI
LPS.III
- Normal
LPS.ilI
LPS.III
Gumbel
LPS.ilI
LPS.III
LPS.ilI
- Frechet
599
673 693
802
634 743
773
974
35 34 35 33
46 53
126 122
158
165
49
68
49
68
t23
172 169
186
182
t2t
tt7
l14
l9l
149
218
N:
terlama
- Normal
418
539
577
- Gumbel
4t2
408
395
6ll
545 668
669
579 775
s.Bogowonto-Bener menunjukkan adanya perubahan persamruul yang cocok untuk setiap lama pencatatan data, oleh karena itu di lokasi tersebut perlu dilakukan penelitian tentang
perubahan kondisi daerah pengaliran sungainya.
untuk
38 37 37 35
55 65 60 94
55 65 60 94
t64
u3
lll
l6l l8l
209
Tabel 3.49, menunjukkan debit banjir maksimum untuk periode ualang 5, 50 dan 100 tahun dari setiap persamrum yang cocok, sedangkan pengguniuul persamaan yang lainnya adalatr sebagai nilai pembanding.
Serayu -
Kracak
Luas DAS (km'?)
Sims
Maribrya
49,2
99,1 50,2 19,3
Garung
58,4
103
(m/km) *)
**) **)
0,27 3,5
4,9
0,0
llujan/tahun (mm)
(mm) ***)
:
2950
2709
102
2034
t22
lt6
3424 98,0
Kesamaan suatu distribusi dari kedua lokasi yaitu S.Cianten-Kracak dan Cigulung-Maribaya menunjukkan batrwa untuk kedua lokasi tersebut mempunyai kondisi yang relatip sama. Pernyataan ini dapat dilihat dari data pada tabel 3.50.
Keterangan
#
.l
+) kemiringan r+) terhadap luas DAS ***1 hujan maksimum satu hari rata-rata
ts
x s
T
lF---
217
l'ahcl III -
-t,l
1,4
-1,2
-1, r
-3,0
-2,8
_)1
-2.6
-2,4
,1
-t,6
-
l,5
-1,0 -0,9
-0,8 -0,7 -0,6 -0,4 -0,1 -0,2 -0, I
t,l l,l
t,4
0,0 0,0
O,I 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
I,l
1,0
l,l
1,1 1,8 1,9 2,1
t,2
t,4
r,5
1,6
71
2,3 2,4 2,6 2,8 2,9
1,0
3,1
0,2647 0,261 I 0,2s78 9,?711 0,1085 9,?792 0,1050 0,3015 0,2981 0,2946 0,2912 0,1446 0,1.409 0,7312 0,tt36 0,1300 0,3264 g.lq?l 0.178J 0.1745 0.1707 0.166e 0,3612 0.7291 9,4lqq g,4t2e 0,4090 0,4052 0,40l] 0^,1992 9,419? 9,4s?2 0,4483 0,4443 0,4404 0,5000 0,4950 0,4920 0,4rt0 0,4840 0,4t01 o.,4i6t 0,472t 0,46t1 0,4641 0,5120 0,5t60 o,5lee o,s23s 0,527s o,53te o,s3se 9,!9q 9,!o4g 0.!o8o g,t!?8 0,55r7 0,s557 0,sse6 0,5636 0,5675 0,s714 0,5753 I,il?! 9,111! 0,5e10 0,se48 0,5e87 0,6026 0,6064 0,6103 0,6141 9,t?21 q,lql? g,18?l o,62e3 0,633t 0,6368 0,6406 0.,6443 0,6480 0,6st7 9.!l?9 9,9?17 9,62s5 0,6554 0,6591 0,6628 0,66U 0,6700 0,6136 0,6712 0,680E 0,6844 0,6879 g,q?!g 0,69s5 0,701e 0,7054 0,7088 0,7t23 o;ns1 0,7190 oJzzz 9,9?!l 9,1?17 9,7?et 0,1324 0,1357 0,738e 0,7422 0,74s4 0,?486 0,75t7 o.,,ts4e g,lql! 0,16/2 0,7673 0,1'tu 0,7734 0:,1764 O.,77e4 0,1823 o;t852 9,2!!9 g,?qq! 9,?910 0.7939 0,7e67 0,'t99s 0,8023 0,8051 0,8078 0,8106 0,8133 0,8159 0,8186 0,82t2 0,8238 0,8264 0,8289 0,83t5 0,8140 0,8365 0;8389 9,ry11 9,!_41q g,q4q! 0,8485 0,t50E 0,8s31 0,8554 0,8517 0,85ee o,E62l g,!Ci I,q56: 0,8686 0,8708 0,8729 0,8749 0,8770 0,87e0 0,8810 o,rr3o 0,8m7 0,Ee25 0,8e,t4 o.,8e62 o,Ee80 0,89e7 0,eols 9,q!1? 9,qq62 0,qq88 g,?qq 9,e082 o,eo99 o,el l5 0,el3l 0,et47 o,et62 o,et77 9.:91? 9,ry2 0.9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9278 0,9292 0,9306 0;9319 9,e11? g,?34f 0,e357 0,e3?0 0,e382 0,e394 0,9406 0,e418 0,9429 o,e44t 0,91q4 o,e4e5 0,e505 0,e5r5 o,e52s 0;e535 0,e545 9,e:r? 9,e193 9,2111 g,?lzl 0,es82 0,e5el o,esee 0,e608 0,e616 0,e62s o;e533 9.?:11 g.?:g g,?q9 g,?qsq 0,e964 o,e67t 0,e678 qe6r6 0,e5e3 o:,e6ee o,e7o6 9,?!11 0.971J 0,9719 0,9i26 0,9732 0,9738 0,9744 0,9750 0;9756 0;9?61 o:976j 9.e^71? 9,277E g,?Zqi 0,e7Er o,e1e3 0,e7e8 o,erol 0,e808 0,e8r2 0,e817 g,?qig 0,e834 0,e838 o,et4z o,ea46 0;e850 o;e854 o',e857 9,?!?! g,?C?q 0,e868 0,e87t 0,9875 q9r78 0,e8il 0,9884 0,e887 0;9890 9.?!ql 9,9!64 g,?!?g 9,%96 o,eeol 0,eeo4 0,ee06 0,ee0e o,eer I 0,eel3 0;eel6 9,2!?l 0,9918 0,9920 0,9922 0,9925 0,9921 0,9929 0,9931 0,9932 0:934 0,9936 0,ee4t 0,ee43 0,ee45 q9%6 0,9948 0,ee4e 0,9951 o,ees2 s,??i! g,??ls 0,ee55 0,99s1 0,ee5e 0,9960 0,9%l o,ee6z 0;863 o,9e64 S,99! 0,9tq 9,ry55 0,9967 0,9961 0,9969 0,9970 0,9971 0,9972 0,9973 0,9914 9.9?q5 0,9976 o,ee77 0,9977 0,9978 o,ee1e 0,e979 0,9980 0,9e81 9.?e1! 9,?211 0,9981 0,9982 0,9982 0,9983 0,99t4 0,9984 0,9985 0,9985 0,9986 0:9985 0,9987 0,9988 0,9988 0,9989 0,9989 0,989 0,9990 q9990 s,2!? 0,9987 0,9991 0,999t 0,9992 0,9992 0,9992 0,9992 q9993 0,9993 9.929 0,9991 0,9991 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995 s,?2?i 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,99 0,9996 0,9997 9,?2?t 0,9997 0,9997 0,999't 0,999i 0,9997 0,9997 0,999i 0,9991 0:,9997 0,999t
0,t762 0,17t6 0,l7ll 9,1q1! s,lq!1 0,178E g,?06t 0,20t3 0.2005 o,te17 9,?ll9 9,?S2S 0,2327 0.2296 0,2266 9,2!29 g,?iq2 0,2358 0,?616
0,0045 0,0044 0,0041 0,0040 9,904? 0,0062 0,0060 0,0059 0,0057 0,0055 9,9oq? 9,0080 0,0071 0,0075 0,0073 0,0102 0,0099 0,0096 9,9!9? 9,9!04 0,0132 0,012e 0,0125 9,9!i9 g,9li6 0,0174 0,0170 0,0166 0,0162 9,9!?2 0,0228 0,0222 0,021? o,o2t2 0,020? g,g?!? o,ojar o,o2i4 0,0268 0,0262 9,9159 0,0352 0,0344 0,0115 0,0129 0,0416 0,0421 0,0418 0,0409 9,0446 g,g!48 0,0537 0,0526 0,0516 0,0505 0,0668 0,0655 0,0641 0,0610 0,0618 0,0778 0,0764 0,0749 9,9q9! 9,07?3 0,0914 0,0918 0,0901 I,g9q! 0,0951 0,r I r2 0,10e3 0,t075 I,l!!l 0,1 !i! 0,l]35 0,1314 0,12e2 o,t27t 9,11!? 0,1587 0,1562 0,1539 0,1515 0,1492
9.000j 0,0001 0.0001 0,0003 0,0003 0,0003 0,0003 0,0005 0,0004 0,00&t 0,0004 0,0oot 9,0001 Q,0Q05 q!oa? 0,0006 0,0006 0,0006 0,0006 0,0006 9,000? g,0olg 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0013 0,0013 0,0011 0,00t2 0,0012 0,001 I 0,00t I 0,0017 0,00t7 0,0016 0,00t6 0,0015 9,00!9 0,0olt 0,0025 o,oo24 0,0023 0)0[.22 0,0022 0,002t 9,00?6 g,oolq 0,0034 0,0031 0,0032 0,0030 0,0030 0,0029
0,0015
0,@40 0,0039 0,00t8 0,00J4 0,0052 o,oo5l 0,007t 0,0069 0,0061 0,0094 0,0091 0,0089
0,0021 0,0028
0,0158 0,0202 0,0256 0,0322 0,0401 0,0495 0,0606 0,0?35 0,0885 0,1056
o,ot22
0,01
0,125t
0,1469
0,0314 0,0307 0,0301 0,0294 0,0392 0,0384 0,0175 0,0367 0,04E5 0,0475 0,0465 0,0455 0,0594 0,0582 0,0571 0,0559 0,0722 0,0708 0,0694 0,0681 0,0869 0,0853 0,0E38 0;0823 0,103r o,to2o 0,1003 0,oer5 0,1230 0,12t0 0,1190 0,1170 0,1446 o:,t423 0,1401 0,1379 0,1685 0,1660 0,1615 o,l6ll 0,le4e o,te22 0,18e4 0;1867 0,2236 0,2206 0,2177 0;2148 0,2s46 0,2s14 0,2483 0;24st 0,2A71 0,2843 0,2810 0,2776 0,3228 0,3192 0,1156 0.312t 0,3594 0,3557 0,3520 0,3483 0,1974 0,1936 0,3897 0;3859 0,4364 0,432s d,4286 0,4241
re
0,01
16
0,0004 0,0005 0,0007 0,0010 0,0014 0,0020 o,@21 0,0037 0,0049 0,0066 0,0087
0,01
0,m03
0,0002 0,0003 0,0005 0,0007 0,0010 0,0014 0,0019 0,0026 0,0036 o,oo48 0,0064 o,oo84 0,01 lo 0:0143 0,0183 0,0213
13
2l lt
Tabel III -
2lt)
lll
(..t
1/a
Ao
Bo
CS ,054
,081
l/d
0,66 0,67
0,68
Ao
0,152
Bo
0,t57
0,1
,u9
,623 .596 ,573 ,549 ,526
,503
t0
t0
25
Peluang
50
(o/o)
100 200
I
0,5
t000
0,1
0,28
0,155
3,357
,to7
,l 34
,150 ,187
0,29 0,30
0,3 t
0,350
0,346 0,341 0,336 0,33 r 0,327
1,46t
3,370 3,277 90 3,1 06 3,030
3,1
0,69 0,70
0,71 0,72 0,13 0,74 0,75 0,76
52 0,147
42
2,278
2,262
0,142 0,136
0,131
0,rE8 0.217
0,245 0,274 0,302 0,331
,214 ,240
,267
0,t26
0.322
0,31?
2,955
2,885
2,81 8
,294
,321
0,l2l 0,1 l6
,4t0
,45E
)\
,436
,415
2,0
1,8 1,6 1,4 1,2 1,0
0,420
0,518
0,s'14
0,36 0,37
0,38 0,39 0,40 0,41 0,42 0,43 0,44 0,45 0,46 0,47
0,llt
0,1
0,312
0,307 0,302
,348
0,77
0,78 0,79
06
2,754
0,359 0,386
0,297 0,292
0,287
,775 ,402
.430
0,l0l
0,096
0,092
0.80
|,457
1,484 t,5 l2
0,8I
0,82 0,83 0,E4 0,85
0,087
0,082
0,4t4
0,442 0,469 0,469
0,523 0,551 0,571
,o(
l4
0,9
0,8 0,1 0,6
0,609 0,643
2,240
2,219 2,193 2,163 2,128 2,087 2,043
0,758
0,'169
0,282
0,277 0,271
,276
,258 ,240
0,266
0,?61
0,48
0,49 0,50 0,51
o,256
0,251
a)a
,204
0,5
0,4 0,3
0,058
0,053
,l 87
,170 .154
0,604
0,63 I 0,658
I,680
1,708
0,049
0,044
0,2
0,1
2,t59 2,t20
2,082 2,045 2,009
0,90
0,91 0,92 0,93 0,94 0,95 0,96
0,9'7
0,684
0,s2
0,53 0,54 0,55 0,56
t,737 t,765
0,040
0,035 0,03 I
t,137
0,0
I,l2l
1,105 1,089
-0,I
-0,2
0,7rI
0,738 0,764 0,790
0,81 7
t,794
t,823
0,22s
0,219
I,975
1,941
t,852
t,881 t,9l I
0,026 0,022
0,017 0,013
1,074
1,059 1,044
0,7t4
0,209
0,57
0,58
0,843
0,204
99 0,1 93
0,1 0,1 0,1 0,1
I,909 t,877
I,846
1,815
t,940
0,59
0,60
0,61
t,970
2,000 2,309 u,640
0,98 0,99
I,00
1,029
1,014 1,000
0,099 -0,083 -0,066 -0,050 -0,033 -0,017 0,000 0,842 0,017 0,836 0,033 0,850 0,050 0,853 0,066 0,855 0,083 0,856 0,099 0,857
0,1
,340 ,340 ,339 2,0 r 8 ,336 1,998 ,333 1,967 ,328 1,939 ,323 1,910 ,317 1,880 ,309 I,849 ,301 1,818 ,292 t,78s ,282 t,751 ,258 ,245 ,231 ,216 ,200 183 ,166 ,147
,
,33',1
3,048 3,845 2,9',t0 3,705 2,912 3,605 2,848 3,499 2,780 3,388 2,706 3,271 2,626 3,t49 2,542 3,022 2,498 2,957 2,453 2,891 2,407 2,824 2,359 2,755 2,311 2,686
3,t52
4,051
4,t47
5,660 5,390
4,250
4,105
2,26t
2,2tt
2,6t5
2,544
,2',10 t,76t
I,680
1,643
l,606
1,567 1,528 1,488 1,448 1,407 1,366
2,159 2,472 2,107 2,400 2,054 2,326 2.000 2,252 1,945 2,t78 1,890 2,104 1,834 2,029 1,777 1,955 1,663 l,806 1,606 r,733 1,549 r,660 1,492 l,588 1,379 t,449 1,2'70 1,3 l8 0,980 0,900 0,198 0,666
I ,166 t ,197 I,069 1,087
-0,8
-0,9
- 1,0
88 78 67
I,786
I ,757
l,l0
1,20
1,30 1,40
),865
I,002 I,028
0,1 83
),752
l6
r,720
r,880
0,172
t,729 I,702
t,996 t,382
),802
-0,109
-0, I 36
),6s2
),563
-1,2
-t,4
- 1,6 - 1,8
|,675
1,50
-0,160
).486
-2,0
-')
<
-3.0
0,225 0,832 0,254 0,817 0,282 0,799 0,307 0;t't'7 0,330 0,752 0,360 0,71l 0,396 0,636
95
2,763 3,380 2,670 3,235 2,576 3,090 2,482 3,950 2,388 2,8r0 2,294 2,675 2,201 2,540 2,108 2,400 2,016 2,215 1,926 2,150
3,960
0,844
,t28
,086 1,282 ,041 I,198 ,994 l,l l6 ,945 1,035 ,895 0,959 ,844 0,888 ,711 0,'193 ,660 0,666
l,35
0,990 0,905
0,799
0,667
t l
t,625
1,465
I,280
1,130
I,000
0,910 0,802 0,668
220
22t
Tabel
III - 4. Faktor
I'abel
P
arameter.
Ko$sien
Variasi (CV) 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000
0,3500
s0
80
90
9s
6<
n 98
50
80
90
95
98
99
99
Kemencengan
2s1020s0100
-0,0250 0,8334 -0,0496 0,9222 -0,0738 0,8085 -0,0971 0,7926 -0,1194 0,7746 -0,1406 0,7647 -0,1604 0,7333 -0,1788 0,7100
-0,1957 0,6870 -0,2111 0,6626 -0,2251 0,6379 -0,2375 0,6129
(CS) -2,00
25102050100
1,2965 1,3078 1,3156 1,3209 1,3183 1,3126 1,3037 1,2920 1,2778 1,2613 1,2428 1,2226 1,2011 1,1784 1,1548 1,1306 1,0810 1,0560
1,6863
1,80
-r,60
-1,40 -1,20 -1,00 -0,80 -0,60 -0,40
-0,20
1,7247 1,7598
0,2366 -0,6t44 -t,2437 -1,89t6 -2,7943 -3,5196 0,2240 -0,6395 -t,262t -1,8928 -2,7578 -3,4433 0,2092 -0,6654 -t,2792 -1,890.1 -2,7138 -3,3570 0,1920 -0,6920 -1,2943 -t,8827 -2,6615 -3,2601
2,8805
1,8414
1,86:02
2,5015 2,9866
3,0890 3,1870
0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500
0,9000
0,00
2,6731 3,2799 2,7202 3,3673 2,7613 3,4488 2,7971 3,5211 2,8279 3,3930 2,8532 3,3663 2,8735 3,7118 2,8891 2,9002
3,7617 3,8056 3,8137
0,t722 -0,7186 0,1495 -0,7449 0,124t -0,7700 0,0959 -0,7930 0,0654 -0,813 r 0,0332 -0,8296 0,0000 0,0000
-0,0332 -0,0950 -0,1241 -0,1495 -0,1722 -0,1920 -0,2240
0,8996
-2,6002 -3,r52t
-2,5294 -3,0333
-1,320t -1,8235 -2,4492 -2,9043 -0,3194 -1,7894 -2,3600 -2,7665 -0,3128 -1,7478 -2,2631 -2,6223
-0,3002
-1,6993 0,0000
-2,1602 -2,4745
0,0000
0,0000 2,2631
0,0000
-0,0654 0,gl3l
0,7930 0,7700 0,7449 0,7186 0,6920
-0,2185 0,5979
-0,2582 0,5631 -0,2667 0,5387 -0,2739 0,51 18
-0,209? 0,66s4
0,6395
-0,2801 0,4914
-0,2852 0,4686 -0,2895 0,4466 -0,2929 0,4254
1,8388
2,00
=0,2366 0,6144
0,3002 t,6993 0,3128 1,7478 0,3194 1,7894 t,3201 t,8235 1,3156 1,8501 t,3067 1,8696 1,2943 r,8827 r,2792 1,8901 1,2621 1,8928 1,2437 1.8916
2,1602 2,4745
2,6223
0,9500
1,0000
1,7815
222
228
l'abel
lll - 6
Dcrajat Kepercoyaan
(a)
-
0.05
0,0t
0.02
0.002
Tabel
1,28
- r,645
atau
- 2,58
ata4
- 2,88
atau
atau
+ 1,28
+ 1,645
+ 2,58
+ 2,88
dk
0 995
a &rriltkcm
q99
0,v,5
0,95 0,05 0,025
0,0t
0,005
- t,645
1,96
- 2,58
olau
+ 2,58
- 3,08
olau + 3,08
I
2
3
olau
atau'
+ 1,645
Smbcr :Bomicr,
Catatan
:
+ 1,96
4
5
lgtl
6 7
E
o o
hipotesis diterima jika nilai t < daripada nilai tc. hipotesis diterimajika nilai t > daripada nilai tc.
l0
Tabel
lt
12
dt
I
l3 t4 l5
op25 o,br
5,024 7,37t 9,34t I I,143 t2,t32 6..635 9,2to I t,345
13,277
o.oos
l6
t7 l8
19
2
3
4
5
20
6
7
t
9
t0
u
t2
l3
l4 l5
r6
t't
t8
l9
20
2t
22
23
24
25
26 21
2t
29 30 Sumbcr
I5,0t6 t6,750 14,449 16,il2 tt,54t I5,0t3 18,475 20,27t t7,535 20,090 2t,955 19,023 zl..ffi 23,5t9 20,483 21,209 25,18t 21,920 24,725 26,757 23,337 26.217 28,300 21,736 27,68t 29,819 26,119 29,t4t 3t,319 27,4tt 30,57t 32,t01 2t,t45 32,000 34,267 30,191 33,409 35,7tt 3t,526 34,t05 37,t56 32,t52 36,r9t 3t,582 34,t70 . 37,566 39,997 35,479 38,932 41,401 36,781 40,2E9 42,196 36,076 41,63t /g,ltl 39,364 42,9t0 45,55t 40,646 44,314 46,928 4t,923 45,642 48,290 43,t94 46,963 49,e45 44,461 48,278 50,993 45,722 49,5tt s2,336 46,979 50,E92 53,672
2t
22
23
u
25 25 27
2t
29 30
0,gloo o,07t7 0,2st 0,412 0,06 0,989 t,3u 1,7t5 2,156 2,@3 3,074 3,565 4,075 4,@t s,t4z ss97 6,26s 6,844 7,434 E,03,1 t,6/t3 9,260 9,tt6 1q520 ll,160 u,sds 12,6t l3,l2l
0,0000393
o,(,2ot 0,0506 0,115 0,2t6 0,2yt 0lr4 0,554 q83r 0,872 1,237 1,239 1,690 t,ffi 2,180 2,088 2,7@ a55E 3,A7 3,053 3,8',16 3,s7t 4,4U 4,rO7 5,009 4,60 5,629 5,229 6,?62 5,812 6,908 6,,108 7,5il 7,015 8,231 7,633 t,907 8,2@ 9,59t r,r97 10,213 s,542 10,982 lg196 il,689 10,856 lL4ol tt,5?1 13,120 12,198 13,u4
0,103 5,991 0,352 7,u5 0,7n 9,418 I,r45 11,070 1,635 r\sy2 2,tfi 14,67 2733 15,507 3,325 16,919 3,940 18,307 4,575 t9,O5 5,226 2t,026 5,Ey2 22,362 6,571 23,685 7,261 U,96 7,96? 26,296 8,en 27,5t7 9,390 2t,869 t0,ll7 30,t,&t l0,r5l 31,410 ll,59t 32,ot 12,33t 33,9U
13,091
l3,t
36,t72
tE 36,415 ld6u 37,652 t5,3?9 3r,tt5 11,573 t6,l5t ,t0,ll3 15,301 16,928 4t,337 t6,U7 17,70t 42,557 t6,791 18,493 $,m
6..635 7,t79 9,2t0 1q597 11,345 lat3t t3,27t t4,r6o 12,832 1s,086 16,750 t1,49 16,812 lt,54t 16,013 t8,475 20,m 17,535 20,090 21,955 19,023 zt,ffi 23,589 2q483 23,2W 25,1rr 2t,920 24,725 26,757 8,337 26,2t7 2t,300 24,736 27,6tt 29,819 26,1t9 29,t1t 31,319 27,4tt 30,s7t 32,801 28,845 32,0W 34,267 30,191 33,&9 35,7tE 31,526 34,t05 37,t56 32,t52 36,191 3t,582 3,1,170 37,56 39,997 35,479 3t,932 41,401 35,7u 10,289 4\796 38,076 4t,63t 44,18t
45,5sr
46,yaa
&,46
48,2n 49,9s
\r
1980
224
22lt
ITlrrrril
I i
I
o'
o o
al
o_
o-
III.
228
Bab 4
Co 3r.
d da d 2
Eo
E
6i
>
I
a
!
4.1.
PENDA'IULUAN
Pada sub bab 3.3 dan 3.4, telah diuraikan penggunaan beberapa persamaan distribusi peluang kontinyu (continuous
periode ulang tertentu. Perhitungannya berdasarkan data debit puncak banjir maksimum tahunan hasil pengamatan dalam periode waktu yang cukup lama, minimal l0 tahun data runtut waktu.
(Direktorat Penyelidikan Masalah Air, sekarang pusat penelitian dan Pengembangan Pengairan, Badan Litbang pU, Departemen pU) dalam hal ini sub Dit Hidrologi (sekarang Balai penyelidikan Hidrologi), secara bersama-sama, telah melaksanakan penelitian untuk menghitung debit puncak banjir, yang laporannya tercantum dalam buku "Flood Design Manual for Java and Sumatra,,. Perhitungan debit puncak banjir yang diharapkan terjadi pada
peluang atau periode ulang tertentu berdasarkan ketersediaan data debit banjir dengan cara analisis statistik untuk Jawa dan sumatera.
227
22t4
229
Prosedur perhitungannya dapat dilihat dalam {iagram 3.1, pada sub bab 3.4. Prosedur tersebut diperoleh dari penelitian 92 daerah pengaliran sungai (DPS) di Jawa dan Sumatera setiap Dps, minimal 5 tahun data, sehingga yang digunakan untuk analisis adalah l00l tahun data.
suatu DPS, diperlukan minimal 2 (dua) metode, tergantung data yang tersedia. Hal ini dimaksudkan untuk menentukan nilai MAF yang logis terhadap suatu DPS. Penentuan MAF, seringkali masih
Dari diagram 3.1, untuk mendapatkan debit puncak banjir pada periode ulang tertentu, maka ddpat dikelompokan menjadi 2 (dua)
tahap perhitungan, yaitu
:
flood:MAF),
factor
2).
GF) terhadap nilai MAF, untuk menghitung debit puncak banjir sesuai dengan periode ulang yang diinginkan.
Perkiraan debit puncak banjir tatrunan rata-rata, berdasarkan ketersediaan data dari suatu DPS, dengan ketentuan :
l).
Apabila tersedia data debit, minimal l0 tatrun data runtut waktu, maka MAF dihitung berdasarkan data serial debit puncak banjir tahunan,
Sub bab 4.2, akan membahas perkiraan MAF dari ketiga metode yaitu metode serial data, POT dan regresi, dan menguraikan perhitungan debit puncak banjir yang diharapkan dapat terjadi pada periode ulang tertentu.dengan menggunakan nilai fbktor pembesar (GF). Sub bab 4.3 rnembahas cara perbaikan hasil perkiraan debit puncak banjir. Pada sub bab 4.4 akan di bahas memperkirakan debit banjir berdasarkan data tinggi muka air, karena tidak tersedia data curah hujan atau debit di lokasi yang diteliti.
4.2
METilPENKTNAKAN
TITAF
3). Apabila dari DPS tersebut, belum tersedia data debit, maka MAF ditentukan dengan persam&m regresi,
berdasarkan data luas DPS (AREA), rata:rata tahunan dari curah hujan terbesar dalam satu hari (APBAR), kemiringan sungai (SIMS), dan indek dari luas genangan seperti luas danau, genangan air, waduk (LAKE).
Seperti telah disebutkan pada sub bab 4.1, perhitungan debit puncak banjir tahunan rata-rata (MAF) dapat dilakukan dengan 3 (tiga) metode, yaitu :
1). Serial data (data series) 2). POT Qteaks over a threshold series) 3). Persamaan regresi (regression equation)
4.2.1. Ilfetodc Sefial llalta
Dalam penerapan metode serial data, untuk memperkirakan
Dari nilai MAF tersebut, berdasarkan nilai faktor pembesar (GF), maka dapat diperhitungkan debit puncak banjir terbesar yang dapat diharapkan dapat terjadi. Apabila data serial debit puncak banjir kurang dari 20 tahun, maka untuk menentukan MAF dari
dengan
230
291
Tabel
dari data runtut waktu dari pos duga air sungai dari suatu DPS atau sub DPS, dimana penelitian dilaksanakar5 minimal l0 tahun data. Satu tahun data, di Indonesia disarankan tidak sama dengan satu tahun kalender, akan tetapi dimulai dari awal bulan terkering (misal dimulai tanggal I Oktober dan berakhir tanggal 30 September tahun berikutnya), hal ini dimaksudkan agar data yang dipilih betul-betul merupakan variabel acak bebas. Dalam satu tahun data, maka datanya harus lengkap, tanpa terdapat periode kosong terutama pada musim penghujan
dapat dilaksanakan dengan 2 (dua) cara, tergantung terdapat tidaknya nilai debit puncak banjir yang terlalu besar, yaitu :
4.1. Data Debit Puncak Banjir DPS Cimanuk di Duga Air Leuwigoong
Urutan
Tahun
7475
Pos
No.
Debit (m3/det.)
477,7 381,8 365,79 356,35 356,35 354,79 350,13 334,8 328,77 327,27 325,77
321,3
I
2
3
3738
4243 7071 4142
3637
4
5
6 7
8
4344
303
l0
ll
l)
Apabila
maka
,*:
X
< 3,.0
t2 l3 (4.1)
=*
[
l4
l5
2728 6566
308,08
305, I 8
Xi
l6
t7 (4.2)
18
2829 3s36
6768 7374
,.: Itrr,-xl'1]
"-' )
3,0
l9
20
3132 3940
3839 7778 7879 7677
2) Apabila R :
2l
22 23
>
maka X:1,06X*.6
Keterangan
:
24
25
3334
7576
300,85 296,56 290,87 279,68 275,54 261,95 261,95 259,27 255,28 252,64 251,32
250,01
26
27 28
2930
7980
7273
X,,,*=
29 30
X : S* : n :
Xmed: median debit puncak banjir maksimum (untuk menentukan median lihat sub bab 2.1.5. pada BAB rr).
debit puncak banjir tahunan rata-rata. deviasi standar MAF jumlatr data: lama periode'pengamhtan.
3l
32
Sumber: DPMA, 1982.
23:l
Data dalam tabel 4.1, menunjukkan data debit puncak banjir dari DPS Cimanuk-Leuwigoong, Kabupaten Garut, propinsi Jawa Barat selama 32 tahun. oleh karena datayang tersedia cukup, maka untuk memperkirakan besarnya MAF dapat menggunakan metode serial
data, tentukan parameter statistiknya.
menyatakan bahwa debit puncak banjir rata-rata DPS CimanukLeuwigoong adalah 295 m3/det dengan deviasi standar 60 mr/det atau ketelitiannya sekitar 20,33 Yo dari perkiraan nilai perkiraan debit puncak banjir tahunan rata-ratanya.
Untuk memperkirakan besarnya debit puncak banjir yang dapat diharapkan terjadi pada tingkat peluang atau periode ulang tertentu, maka dapat cara mengkalikan nilai MAF dengan besarnya faktor pembesar yang merupakan fungsi dari besarnya periode ulang (T) dan luas DPS.
Besamya debit puncak banjir pada periode ulang tertentu dapat dihitung dengan model matematik :
Dari tabel 4.1. berdasarkan nrmus pengukuran tendensi sentral dan rumus pengukuran dispersi, maka dapat dihitung :
: 294,9378 (rata-rata hitung) X X,n* : 477,700 (maksimum) Xmed : 293,7150 (median) SE : 10,86 (kesalahan standar dari rata-rata) S* : 61,4545 (deviasi standar) CV : 20,84 (koefisien variasi)
Sebelum menentukan nilai MAF, langkah awal adalah menguji rekaman data tersebut, apakah serial data tersebut terdapat data debit puncak yang terlalu besar sehingga nilai perkiraan MAF terlalu besar.
Xr
: (C) (X)
S*,
Sc
:
:
Xr
t(tl, * f*l,ll
n
I
Keterangan:
i=l
CX,
- X;'
)t
(4.7)
n-l
) xr :
C
XR: X.o
X."a
_ 477,70 :1,62
293,71
debit puncak banjir pada periode ulang ke T faktor pembesar (lihat data tabel4.2) debit puncak banjir tahunan rata-rata deviasi standar dari X.r. deviasi standar C. deviasi standar dari X.
x
Karena nilai XR < 3,0 ; rnaka menunjukkan bahwa serial data tabel 4.1, tidak menunjukkan adanya nilai debit yang terlalu besar. Dengan demikian nilai rata-ratartya sebesar X dapat digunakan sebagai nilai perkiraan MAF.
S*,
SC
sx
Z9S m3/det).
2:14
Deviasi standar X,
Ulang
T
<
tg1
i00
1,27 1,54 1,84
600
1,24 1,48 1,75
900
1,22 1,44 1,70
> 1500
1,50
10.
20 50
100
2,25
I,l9 l,4l
1,64
l,l7
1,37 1,59 1,96
Sc Sc Sc
: : :
:
l(tl'.(?)'l
2,97
3,90
2,35
2,30 2,72
3,20 3,92
2,18 2,57
3,01
2,10
2,47
s5
55
:360[(H),.(#),],
83,48
4,60
5,30 6,21
6,9'.[
2,78
3,27
4,01
2,27 2,66
3,27 3,85
200
500 1.000
2,89
3,56
3,70 4,32
4,68
4,58
4,t6
4,01
Dengan demikian debit puncak banjir DPS Cimanuk- Leuwigoong untuk periode ulang 5 tahun adalah 360 m3/det dengan deviasi standar 83,48 m'/det. Tabel 4.3, menunjukkan hasil perhitungan
selengkapnya.
Contoh 4.2.
Berdasarkan data pada tabel4.l, telah diperoleh debit puncak banjir tahunan rata-rata dari DPS Cimanuk-Leuwigoong selama 32 tahun data adalah :
Tabel4.3
Perkiraan Debit Puncak Banjir DPS Cimanuk - Leuwigoong Dengan Metode Serial Data.
V: S*:
295 m3/det.
No
Periode Ulang
6o m'/det'
I
2
3
C
I
1,23 1,46
Debil
(m3/ det)
Deviasi
(m3/ det)
(tahun)
2,33
5
'(m3/
Batas
det)
Tentukan debit puncak banjir dan deviasi standamya pada periode ulang 5, 10, 20 dan 50 tahun, diketahui luas DPS :757,4krn2" Jawab Contoh 4.2.
295
360
60
83
l0
20 50
430
504 623
ll0
146
4
5
z
l,7l
2,ll
212
- 837
Berdasarkan tabel5.2, nilai faktor pembesar'dengan cara interpolasi adalah 1,23 maka:
4.2.2. Itctode
umumnya
xr:
Xr:
P(n
2:t(i
237
ll rrlrr-nrtu lcrlampaui (mean exceedence) N, tlcbit puncak lebih besar dari X, rn jumlah puncak banjir n : lama tahun pengamatan Sx : deviasi standar dari X. A : jumlah puncak banjir terlarnpaui (number of
exceedence) pertahun.
Pemilihan nilai qo, dapat ditentukan dari grafik hidrograp muka air yang terekam dalam grafik tinggi muka air otomatis (AWLR). Berdasarkan nilai qo yang ditentukan dari tinggi muka air AWLR, maka dengan bantuan lengkung debit dapat diperkirakan nilai debit yang besarnya lebih besar dari qr. Gambar 4.1, dapat digunakan sebagai acuan dalam menentukan nilai go, syarat penentuan puncak banjir g, dan qr, adalah :
Contoh 4.i.
Ts>3T,
(4.8) (4.e)
dapat
:
Dari data debit banjir DPS Ciliwung yang terekam di pos duga air Kebonbaru Kabupaten Bogor, Propinsi Jawa Barat dengan luas DPS : 33 km2, selama tahun 1980 - 1984 (empat tahun), untuk memperkirakan debit puncak banjir tahunan rata-ratanya dapat digunakan metode POT. Debit banjir batas ambang (XJ ditentukan 100 m3/det, pada tinggi muka air 4,50 m. Tentukan nilai MAF dan deviasi standarnya dan debit puncak banjir yang dapat diperkirakan
untuk periode ulang 5, 10,20 dan 50 tahun dan deviasi standarnya.
q,'3 q,
x:
B:
A:
sx
(4.r 0)
ls m? r=
tm
(x' - )i)
I
(4.11)
m n
(4.r2)
.
1r1
B rl
Jn
(bilam> 3/tahun)
rn
(4.13)
sx :
,n:
t; *
(0,5r?2i
A)2
r
,
(4.t4)
Keterangan
Gambar
4.
l.
2:t8
2:t1)
nl
=24 4
:6
Tabel4.4. Perhitungan Debit Puncak Banjir Metode POT DPS Ciliwung - Kebon Baru.
No I
2
J
B: B: '
Xo)
1.1t)
Tahun
1980
Tanggal
xi
xo
00
(X, - Xo) 27
5-5
2-5
lll
127
4
5
tt-7
30- l0
3-5
242 120
116
6
7
8
t2-12
l98l
126
138
00 00 00 00 00
00 00
ll
X:&+B(0,5772+lnA)
t42
20
t6
26
38
24-|
18
9
10
11
27-l
-
20-l
3
ll0
140
177
l0
40
77
24-3
t2t
t2 l3
14
7-5 6-5
18
lll
00 00 00 00
00
S*:
2l
l,l+ Jn
37,63
ll
S*: l,l
106
-5
l0l
l5
24-9
22-12 26-12
1982
ll8
104
l6
17
00 00 00
00
l8
4
l8
19
2-l t4-r
19- l
304
107 105
204
7
5
00 00
00
20
255
I l5
123 109
155
15
2t
22 23
1983
00 00
00
23 9
24
4-4
:
tt7
00
Jum lah
t7
903
Dengan demikian dengan menggunakan metode pOT, maka debit puncak banjir tahunan rata-rata (MAF) DpS ciliwung di pos duga air Kebonbaru diperkirakan 190 m3/det, dengan deviasi standar 20 m3/det (atau 10,52 % darl MAF nya). Tabel 4.5, msnunjukkan hasil perhitungan debit puncak banjimya untuk beberapa tahun periode ulang. Kadang-kadang dijumpai bahwa dalam satu tahun data, terdapat periode kosong, artinya terdapat beberapa waktu yang oleh karena suatu sebab tinggi muka air (terutamapadamusirn penghujan) tidak terekam dalam grafik AWLR.sehingga debit puncak banjirnya tidak dapat dihitung. Dalam keadaan demikian maka nilai Xo harus ditentukan berdasarkan 2 atau 5 puncak banjir dari tahun data yang datanya lengkap. Selanjutnya nilai A, dihitung dengan nrmus :
Sumber Data
: n :
Xo
100 m3/det
4 tahun
2,l o
241
"
Kcterangan
MI.
Nt_
:
'fabel4.6 Ketersediaan Data Debit Puncak Banjir DPS Batanghari - Muara Kilis.
Data
Lengkap
No.
NL
Debil
(m3/det)
No.
Debil
(m3/det)
Maret 1976177
Perhitungan
nilai (B)
berdasarkan rumus
berdasarkan nrmus (4.10), menggunakan sernua data debit puncak banjir yang tersedia.
2
J
2.329,5 2.434,6
Maret 1978/79
Desember 80/81
I
2
2.739
2.562,2 2.308,6
)
4
5
4
5
6
7 8
2.661
3.230,8 2.609,4 2.579,3 2.337,9
Tabel
4.5
Perkiraan Debit Puncak Banjir DPS Ciliwung di pos Duga Air Kebon Baru.
l0
Surnber: DPMA, 1983
No.
C
I
Debit
(m3/det)
190
Deviasi
(m3/det)
Batas (m3/det\
170
20
- 210
Berdasarkan data tabel 4.6, dari rumus (a.15)
:
2
3
1,26
1,53 1,83
239 290
347 435
4l
56 80
tgs - 27s
227 -335
l0
20 50
4
5
))o
126
A:
H =+ =5 buah
maka
:
Sumber
B:249,04 m'/det.
Contoh 4.1. Dari Batanghari - Muara Kilis, dengan luas DPS 18065 km2, selama 5 tahun pengamatan, mulai bulan Maret 1976 - Oktober 1981, telah terekam data debit puncak banjir seperti ditunjukkan pada data tabel 4.6. Tentukan besarnya debit puncak banjir tahunan rata-rata dan deviasi standarnya, serta debit puncak banjir yang diharapkan dapat terjadi pada periode'ulang 5, 10, 20 dan 50 tahun, untuk nilai Xo : 2300 m3ldet.
X: X: X:
Xo+B[0,5772+lnA]
2.300 + 249,04 10,5772 + ln 5l 2.844,56 mr/det. (dibulatkan 2.840 m3/det)
242
243
dengan
Sx
:
:
:
terdiri dari daerah perkotaan. Parameter yang diperlukan untuk menerapkan metode persamiuul regresi ini adalah ; 1). Luasdaerah pengaliran (AREA, km').
Sx Sx
ffi
s722)+(lnA)l
(4.16)
2).
ln 5l
3). 4).
f;.ata-rata tahunan dari hujan tahunan terbesar dalam I (satulhari (APBAR, mm) seluruh DPS. Index kemiringan (SIMS, m/krn). Index danau (LAKE, proporsi dari DPS, tanpa satuan).
Peastuon Pcltamcto,.
Tabel 4.7 menunjukkan hasil perhitungan selengkapnya.
l).AREA
/ Luas DPS ditentukan dari peta topograpi dari skala
terbesar yang telah tersedia (skala
:50.000).
2).APBAR
Batas
C I
Debit
(m3/det)
Deviasi
(m3/det) 220 451
I
2
J
2.840
3.322
I,17
1,37
l0
20
50
3.890
4.515 5.538
69t
1.002
4
5
I,59
1,95
annual I day rainffal), dapat dihitung dari serial data curah hujan terbesar I (satu) hari, seluruh DPS dengan menghitung rata-ratanya menggunakan metode Isohyet hujan maksimum satu titik rata-rata tahunan (PBAR) (mean annual macimum I day point rainffal). APBAR di hitung dengan rumus :
maximum catchment
L565
3.973 - 7.103
APBAR:PBARxARF
Keterangan
:
(4.17)
I{etode f,,egtesi
Pada sub bab ini, membahas metode memperkirakan debit puncak banjir tahunan rata-rata. (MAF), apabila dalam suatu DPS atau sub DPS tidak tersedia data aliran sungai. Metode ini dapat digunakan untuk disembarang tempat di Pulau Jawa dan Sumatera dan tidak dianjurkan untuk diterapkan untuk memperkirakan debit puncak banjir tahunan rata-rata pada DPS/sub DPS yang dominan
PBAR :
dalam I (satu) hari seluruh DPS. Nilai rata-rata tahunan dari curah hujan terbesar I (satu) hari, dari peta Isohyet curatr hujan maksimum I hari yang
244
246
ART
Km2
rawa, waduk) yang berpengaruh terhadap debit puncak banjir sebelah hilirnya.
l-10
l0-30
30 - 30.000
0,99 0,97
1,152 - 0,1233log
AREA
Untuk Pulau Jawa dan Sumatera telah dibuat peta Isohyet curah hujan maksimum satu hari tahunan
rata-rata (isohyetal map of mean onnual.mmimum
I day
rainfall)
3).
I i
t
Sebelum digunakan untuk perhitungan MAF, semud pa{ameter AREA, APBAR, LAKE dan SIMS harus di cek dengan persyaratan berlakunya. Gambar 4.2, menunjukkan hubungan arfiara AREA dan APBAR. Penggunaan metode persamium regresi hanya dapat digunakan apabila kombinasi AREA dan APBAR berada "dalam daerah penerimaan" (inner area).
SIMS
Nilai SIMS adalah index yang menunjukkan besarnya
kemiringan alur sungai, dihitung dengan rumus
:
: SIMS : h:
SIMS
MSL
(4.18) MSL kemiringan alur sungai beda tinggi titik tertinggi dengan titik ketinggian lokasi yang diteliti (m). panjang alur sungai utama (km).
dan
X:a+bXr+cXz+......
Keterangan:
(4.20)
Titik tertinggi ditentukan dari kontur peta topograpi dari sumber alur sungai utama yang cabang sungainya terpanjang sampai berdekatan dengan batas daerah pembagi (divide) DPS. Nilai SIMS harus berada 1,00 SIMS < 150 mlkm.
4\.
:MAF
di
LAKE
Nilai parameter lake harus berada g
Lake index dihitung dengan rumus
:
(4.2r)
(4.1e)
X=
loA
X,. Xr.
(4.22)
Analisis persamffm regresi dengan berbagai bentuk model matematik dibahas pada buku jilid II.
246
247
Berdasarkan persamaan (4.22), maka untuk rncnentukan MAF di Pulau Jawa dan Sumatera, berdasarkan 4 (empat) parameter DPS : AREA, APBAR, SIMS dan LAKE telah diperoleh persamaan regresi, dengan model matematik :
,t\
a
x=
aa
a
(t,oo)
(lc)
a a a a
a
Dari persam aan (4.23),nilai V, dapat dihitung sebagai fungsi dari luas DPS, yaitu :
q)
L tra
60
a(
q)
at aa
a
s aa
.sa
V = 1,02 - 0,02751o9
AREA
(4.24)
data
aa
\s
;t
aaa
a
aa aa aaa
a
,'
t
2-?
al
.! rl
t.s. o
aa
,-.
. .
lo
fr s tl ds a. q.
JV
il& a< -.
\Q
S^
4.8. Nilai V l/
1,02
1,001
v
0,95 0,94 0,92
0,91
(km\
I 5
(lan'\
500 1000
\ \
.A
$s :t .as
*ca \v
l0
50
0,99
0,97 0,97
s000
10000
.cO
'r-.,,'
E
aa E\
I.
r00
B
iEE
EA
Ll\
c.P < I
I
<*
\,/
Es
sr
banjirberadapada
ffi
atau,
sx
<(1,5e)x
(4.2s)
X-ro%X<X<X+se%X
(4.26)
24t4
tclitiarr perkiraan debit puncak banjir untuk DPS tanpa data aliran
surrgai (unganged basins).
V V V
: : :
Contoh 4.5.
0,940
:
Perkirakan debit puncak banjir DPS Cimanuk-Leuwigoong pada periode ulang 5; 10; 20 dan 50 tahun dengan menggunakan metode persamaan regresi, apabila diketahui karakteristik DPS nya adalah :
luas DPS, AREA:757,4\<rnz 2). curah hujan rata-rata terbesar seluruh DPS selama 24 jam dalam setahun, APBAR : 81 mm (nilai diperoleh dari peta Isohyet, nilai PBAR dikalikan ARF). 3). kemiringan alur sungai, SIMS :20,8 m/km 4). index danau, LAKE:0
x
maka:
11
+ LAKE;'o'"
l).
x : 1t,oo; o01Q57,4)o'sao 131;2,+rs (20,g)o'r'7 0 + 0,0)-0.r, X : 1a,oo; (10'6) (508,82) (46370,93)(1,426)(1) X : ZAS,tA mr/det.
X:
270 .1,59-"170
<X
S 430
Dengan demkian debit puncak banjir tahunan rata-rata DPS Cimanuk - Leuwigoong berada antara 170 dan 430 m3/det. Tabel
4.
1). dari kombinasi parameter AREA 757,4 km2 dan APBAR : 8l mm, berdasarkan Gambar 4.2, masih
dalam batas yang dapat diterima. 2). parameter SIMS : 20,8 m/km, masih terletak dalam batas 1,00 < SIMS < 150 m/km. 3). parameter LAKE : 0,0, masih memenuhi kriteria 0 :
LAKE <0,25.
Dengan semakin bertambah jumlah pos hujan dan pos duga air sungai dan bertambah lama pencatatan rekaman data debit seluruh Indonesia, maka persamaan 4.23 perlu dikalibrasi ulang. sehingga tidak hanya berlaku untuk Pulau Jawa dan sumatera saja. tetapi seluruh Indonesia. Kemungkinan seluruh Indonesia berlaku sebuah rumus atau mungkin lebih dari dua rumus tergantung kondisi hidrologi setiap wilayah. Hal ini merupakan tantangan kepada hidrologiwan Indonesia.
25()
25t
'l'abel
4.9. Perkiraan Debit Puncak Banjir Tahunan Rata-rata DPS Cimanuk - Leuwigoong dengan Metode
Persamaan Regresi.
banjir dengan menggunakan persam.urn distribusi peluang kontinyu seperti dijelaskan pada sub bab 3.3 dan 3.4. Kesimpulan akhir tergantung dari pertimbangan teknis dan pengalaman dari hidrologiwan.
Pengecekan lapangan sangat diperlukan terutama dalam hal menentukan luas penampang, kecepatan dan debit puncak banjir pada tinggi muka air yang diteliti. Pengecekan kebenaran lengkung debit dan data tinggi muka air juga sangat diperlukan.
No
I 2
3
C
I
1,23 1,46
1,71
Debit
(m3/det)
2',10
Batas
(m3/det)
170
- 430
332 394
461 570
l0
20 50
4
5
2,ll
Contoh 1.6.
Sumber
Dari contoh 4.1, telah diketahui bahwa DPS Cimanuk-Leuwigoong, telah terekam serial data debit puncak banjir selama 32 tahun, sehingga dengan metode serial data telah diperoleh :
4.3
(contoh 5.5)
Perkiraan.debit puncak banjir tahunan rata-rata dari suatu DPS jarang yang sama hasilnya, kondisi ini karena disebabkan oleh beberapa hal, misal perbedaan metode, data yang digunakan, lamanya rekaman data yang digunakan dan juga pertimbangan teknis (engineering judgdment). Oleh karena itu pengalaman dari hidrologiwan sangat menentukan dalam membuat kesimpulan hasil analisis. Berikut ini disajikan contoh sederhana untuk memperbaiki hasil perhitungan perkiraan debit puncak banjir, yaitu dengan cara : membandingkan metode, membandingkan nilai pengamatan yang lebih lama, membandingkan dengan'data banjir dari DPS lain yang
berdekatan.
Dari kedua metode perhitungan itu hanya menunjukkan selisih MAF terbesar 8,47 o . Walaupun demikian bila dilihat dari hasil perhitungan debit puncak banjir untuk periode ulang seperti ditunjukkan pada tabel 4.3 dan tabel 4.9, maka tampak bahwa perhitungan dengan metode serial data lebih disarankan untuk digunakan, karena batas ddviasinya tidak terlalu besar dan
pengamatan datanya 32 tahun.
Cantoh 4.7.
Perkirakan debit puncak banjir tahunan rata-rata untuk periode ulang 20 tahun dari DPS Ciliwung-Kebon Baru.
4.3.
1. Iileitbqndinghan tlctoda
Jawab Contoh 4.7,
:
Penggunaan beberapa metode dalarn satu lokasi DPS yang sama sangat diperlukan. Apabila data yang tersedia cukup maka
ketiga metode pada Bab IV ini perlu diterapkan bersama-sama dalam satu lokasi terutama di Pulau Jawa dan Sumatera, dan
hasilnya harus dibandingkan dengan metode perkiraan debit puncak
Data pengamatan debit puncak banjir telah tersedia selama 4 tahun seperti ditunjukkap pada tabel 4.4. Sehingga metode yang digunakan adalah :
2(rJ
. .
POT
persamuum gads regresi
persamaan regresi menggunakan data karakteristik DPS agaknya terlalu besar, akan tetapi. dari metode POT yang hanya menggunakan data debit banjir selama 4 tahun masih belum cukup.
:
Dengan metode
fOf
X :
S* :20
Oleh karena itu kalau diperkirakan MAF nya adalah 200 m3/det, nampaknya lebih aman. Dari tabpl4.2, faktor pembesar untuk luas DPS 333 km2, pada periode ulang 20 tahun adalah 1,83, sehingga debit puncak banjir untuk periode ulang 20 tahun adalah 1,83 x 200 m3/det : 366 m'ldet, dengan deviasi standar 80 m3/det. Meskipun demikian nilai MAF 200 m3/det. tersebut masih perlu di lakukan pengecekan di lapangan.
SIMS : LAKE :
maka:
34 m/km
O,O
leblh lams
X :239
dengan batas kesalahan standar maka debit banjirnya berkisar antara 150 - 380 m'/det.
Rekaman data yang hanya tersedia ,dturnu 4 tahun terlalu pendek, walaupun demikian sangat berguna untuk mengecek nilai MAF yang diper[irakan dari persamaan regresi.
Dari kedua metode memberikan hasil perkiraan ( POT, X : 190 mt/det, dan persamaan regresi X : 240 m3/det) dengan perbedaan
yang cukup besar yaitu
Perkiraan MAF dari suatu DPS di lokasi pos duga air A, mungkin kurang dapat menggambarkan nilai yang sebenarnya dilapangan karena periode pengamatannya lebih pendek jika dibanding dengan pos duga air B dalam DPS yang sarna, dimana pengamatan debitnya lebih lama. Perkiraan MAF di pos duga air tersebut mungkin nilainya lebih besar atau lebih kecil daripada kondisi yang sebenarnya. Apabila kondisi iklim di lokasi pos duga air A sama dengan B atau dengan kata lain kondisi yang mempengaruhi debit dipos duga air A dan B adalah homogen (misal curah hujannya homogen, APBAR nya kurang lebih sama), maka
*kitar
26,31Yo.
?
pos duga air A dapat diperbaiki dengan menggunakan nilai MAF di pos duga air B. Perbaikannya dapat dihitung dengan persamailn berikut ini :
perkiraan MAF
di
Barangkali dapat dijelaskan dari bentuk DPS Ciliwung-Kebon Baru. Bentuknya memanjang dan sempit, dibagian hulu adalah
daerah pegunungan dengan curah hujan disekitar Bogor yang cukup
XA=X/AIaq1 'x/B'
Keterangan
:
vTi
(4.27)
tinggi, sehingga dapat dipandang sebagai daerah penyebab banjir yang lebih besar jika dibandingkan dengan sebelah hilirnya karena
lebih sempit DPS nya dan curah hujannya lebih kecil.
metode
XA : XT : m :
Nilai MAF dari pos duga air A hasil perbaikan. Nilai MAF dari pos duga.air A hasil pengamatan. Nilai MAF dari pos duga air B hasil pengamatan
2n4
xE : ttitui MAI selama beroperasi.
selama pos duga air
I
I
266
beropemsi.
B
seluruh poiode
Jonob
con'*
1'8"
'
4.lo
Kar"aktoristik Dps Cimanuk.
A
Tabcl
harus dilakukan pengujian kesamaan j enis (homogenitos) data curah hujan dengan waktu pengamatan sama dengan waktu pengamatan data debit yang digunakan untuk analisis. Pengujian kesamaan jenis telah dijelaskan pada buku
Karakteristik DPS
Luas DPS (km'?) Curatr hujan tahunan (mm) Curah hujan terbesar / hari (mm) Kemiringan alur sungai (m/km) Proporsi danau, waduk (%) Luas hutan (km2)
Catatan
B
757,4 2560
474,9 2715
8l
3 1,3
8l
20,9 0 273
jilid IL
224
: A:
Contoh 4.8. Perkirakan nilai MAF dari DPS Cimanuk-Leuwidaun. Data debit puncak banjir tahunan rata-rata tersedia selama l0 tahun, sebagai
berikut:
No. I 2
J
Urutan
I
2
J
Debit
(m3/det)
Berdasarkan data tabel 4.10, maka dapat dikatakan karakteristik kedua DPS kurang lebih adalah sarna, maka data di pos duga air Leuwidaun (XA) dapat diperbaiki dengan data dari pos duga air Leuwigoong (XB). Dari tabel 4. I , dapat diperoleh (lihat contoh 4.1)
:
165,200
133,670
121,500 108,440
707t
7576
7374
4
5
4
5
98,010
95, I 60
6
7 8
6
7 8
7980
7273 7677
86,720
80,1
l0
7879
7778
75,780 62,560
l0
l0
XT :
deviasi standar: 30,61I m3/det. kesalahan standar dari rata-rata: 9,68 m'/det.
rnedian:96,58
Perbaiki nilai MAF nya berdasarkan data debit puncak banjir dari DPS Cimanuk- Leuwigoong, yang rekaman datanya lebih lama, yaitu selama 32 tahun seperti ditunjukkan datanya pada tabel 4.1.
m3/det.
: 29,80.
2t-r(i
267
XA = xre XA =
103
(Xql
X'B
Tabel4.l2
104 m'/det.
No
(H. :
290\
Tahun
Batang Batahan(B)
(m3/det)
139,3
Dengan demikian dengan cara perbaikan data maka debit puncak banjir tahunan rata-rataDPS Cimanuk - Leuwidaun: 104 m3/det.
I
2
3
39-40
Metode perbaikan sub bab 4.3.2 ini dapat dilaksanakan o/o'luas DPS B, DPS A adalah apabila luas DPS A lebih dari 50 yang diperbaiki. Dapat digunakan tidak hanya menaksir perbaikan MAF dalam satu DPS tetapi juga dapat dilaksanakan perbaikan MAF dari DPS yang berdekatan apabila karakteristik DPS nya
kurang lebih sama
40-4t 4t-42
72-73 73-74 74-75 75-76 76-77 77 -78 78-79
79 -80
80 - 8r Rata-rata
4
5
303,8
898,5 1147,9 970,9 694,4
I
6
7
8
l0
ll
036, I
t2
I140,0
981,5
430,0
359,6
Contoh 4.9. Perkirakan nilai MAF dari DPS Batang Pasaman - Air Gadang, Propinsi Sumbar dari pengamatan data debit selama 6 tahun (197511976 - 1980/1981), dengan perbaikan berdasarkan nilai MAF dari DPS Batang Batahan - Silaping yang periode pengamatannya
12 tahun.
Tabel
Karakteristik DPS
Luas DPS (km'?) Curah hujan tahunan (mm) Curah hujan terbesar / hari (mm)
A 1267
B 304
3
3440
103
100
XA =
ll8
?q5
0
fr,tEl 'xrB'
m3/det.
19,0 0
XT = 981,5(ffir: 863
: A: B:
Dengan demikian debit puncak banjir DPS Bt. Pasaman Gadang diperkirakan rata-rata 863 m3ldet.
Air
2trtl
2trt)
4.3.3.
karakteristik DPS
regresi (4.23).
(A) (B)
Kadairg-kadang diperlukan memperkirakan debit puncak banjir dari suatu lokasi penelitian (A) yang mempunyai jarak tertentu di sebelah hulu atau sebelah hilir lokasi pos duga air (B). Debit puncak banjir dilokasi A dapat diperkirakan dengan rumus :
XB :
regresi (4.23).
XA=xnnf.XRB'
Ketd:rangan
:
xB-)
(4.28)
Syarat menggunakan persamaan (4.29) adalah perbedaan luas DPS
XA : XRA : Xffi : XB :
Contoh 4.10.
Nilai MAF di lokasi pos duga air B hasil pengamatan debit sungai.
Syarat menggunakan persam&ur (4.28) adalah perbedaan luas DPS di lokasi A dan B tidak lebih dari 50 %. Rumus (4.28) digunakan bila lokasi penelitian terletak dalam satu alur sungai dalam satu DPS/Sub DPS.
Tentukan perkiraan debit banjir tahunan rat-rata dari DPS Cisanggarung - Cilengkrang (DPS-A), berdasarkan debit banjir tahunan rata-rata dari DPS Cimanuk - Leuwigoong (DPS-B). Dari DPS Cimanuk - Leuwigoong telah tersedia data debit selama 32 tahun data dengan MAF = 295 m'/det (contoh 4.1). DPS Cisanggarung - Cilengkrang sebetulnya sudah dilakukan pengamatan debit dengan nilai MAF : 391,8 m3/det (tahun 69170 - 73174), untuk contoh perhitungan ini dianggap belum dilakukan pengamatan.
Kadang-kadang juga diperlukan memperkirakan debit puncak banjir dari suatu DPS (A) yang sama sekali tidak/ belum mempunyai data debit. Pada keadaan demikian apabila DPS (B) yang berdekatan dan mempunyai karakteristik DPS sama dengan DPS ( A ) telah dilakukan pengamatan dengan menggunakan rumus sebagai berikut :
XA = xRA
Keterangan:
(pl . XRB,
Korakteristik DPS
A
622,1
(4.2e)
Luas DPS (km2 ) Curah hujan tahunan (mm) Curah hujan terbesar / hari (mm)
757,4 2560
2669
88
r
8l
20,8
0
Xe : XRA :
0,9
0
data
260
261
nilai MAF
(l
+ LAKE)-o,rj
DpS
4.4.4.
IRA :
Sebelum dilakukan perhitungan maka harus di cek apakah kombinasi nilai AREA = 622,1km2 dan nilai APBAR = 88,0 mm, memenuhi ketentuan pada gambar 4.2, ternyata memenuhi jadi MAF nya dapat dihitung, dengan terlebih dahulu menghitung nilai :
: V:
V
Sehingga:
V:0,943
Kadang-kadang di lokasi penelitian hanya tersedia data tiirggi muka air dan tidak tersedia data hujan atau data hujannya tidak cukup atau meragukan kebenarannya, sedangkan ciata pengukuran debit sangat sedikit dan hanya dilaksanakan pada keadaan tinggi muka air rendah atau mungkin belum dilaksanakan pengukuran debit sehingga lengkung debitnya belum dapat dibuat. Dengan belum dapat dibuat lengkung debit maka serial data tinggi muka air belum dapat dikonversi menjadi data debit. Apabila telah tersedia data tinggi muka air lebih dari 5 tahun pengamatan maka untuk memperkirakan MAF dapat dilaksanakan dengan 2 (dua ) cara :
xRA : xRA :
1331o.rrz
(l+0){,s5
Cara ke
258,93 m'/det.
Menentukan nilai median dari serial data tinggi muka air, dan mengkonversi tinggi muka-hir median kedalam debit dengan menggunakan nrmus Manning atau Chezy.
Dari contoh 4.1, diperoleh nilai : E Dari contoh 4.5, diperoleh nilai : ffiE
sehingga
:
: :
Nilai median dari serial data tinggi muka air yang telah dikonversi menjadi debit adalah dianggap debit median untuk lokasi penelitian. Nilai MAF dapat diperkirakan :
n = 1,06 Md
(4.30)
XA=
1-Pa 1-xB.XRB-1
258,93
283
Keterangan:
il=
XA:
(H)
I det
:282,905 m3/det.
(dibulatkan)
m3
Data pengamatan debit DPS Cisanggarung - Cilengkrang selama tahun 69/70 - 73174, MAF nya: 391 m3/det dengan deviasi standar 125 m3/det, daerah batas 391 - 125 :266 m3ldet dan 391 + l2S : 516 m3/det. Jadi perbaikan MAF sebesar 266 < MAF :283 < 516
masih dalam batas deviasi standar.
Cara ke
serial data tinggi muka air dibuatkan kurva frekuensi tinggi dapat diketahui hubungan antara tinggi muka air dan periode ulangnya.
262
263
ulang
dikonversi menjadi debit, dengan cara menghitung debit pada tinggi muka air yang bersangkutan menggunakan rumus Manning atau Chezy ataupun metode pengukuran debit lainnya (berbagai metode pengukuran debit dapat dibaca pada: Soewarno, 199/, Hidrologi' Pengukuran dan Pengolahan Data Aliran Sungai Penerbit Nova).
. .
luas
penampang A:21,50
m2
- Hidrometri,
. jari-jari hidrolis
R:
0,85 m
kemiringanmukaair S =0,013
Contoh 4.11.
Dari suatu DPS tidak tersedia data hujan dan walaupun telah 9
tahun (lihat tabel 4.14) dilakukan pengamatan tinggi muka air tetapi debit puncak banjir tahunan rata-ratanya belum dapat dihitung, karena pengukuran debitnya masih sangat terbatas, dan terutama baru dilaksanakan saat muka air rendah. Dari data tinggi muka air tersebut perkirakan debit banjir tatrunan rata-ratanya.
Apabila nilai kekasaran alur sungai ditentukan sebesar n : 0,060, maka debit pada muka air 2,33 m dapat dihitung dengan rumus Manning:
emed=
emed =
| ni s| e
(4.31)
ofo
(0,8s)i
(o,rr;l
(21,50)
i
I
Usahakan penentuan nilai n dilakukan dengan cara melaksanakan kalibrasi, yaitu melaksanakan pengukuran debit dengan alat ukur arus untuk menentukan nilai n (lihat Soewalno, 1991). Sehingga berdasarkan rumus (a.30)
:
t9'19
980
l98l
t982
1983 1984
982
983
984
985 986
987
985 l 986
I
1987 1988
988 989
x= x=
1,06 Md 1,06
:35,82 m'/det. Apabila ltras DPS nya : 30,85 km2, berdasarkan nilai faktor
Dengan demikian MAF pembesar (C) dari tabel4.2, maka debit untuk periode ulang
:
2,30
I.lntuk menentukan median maka datanya harus diurutkan dari kecil ke besar atau sebaliknya dan diperoleh mediannya : Md: 2,33 m (lihat sub bab 2.1.5).
Hasil perhitqhrgan tersebut harus di cek ulang lagi dengan metode regresi dan rnetode POT atau serial data setelah debitny a dapat
zti4
ditcntukan dari kurva lcngkung dcbit, apabila tclah tcrsedia daln hujan dan pengukuran debitnya telah dapat untuk membuat
lengkung debit.
Ilaltat
8,acaan
Anto Dayan,
Jakarta.
l98l
Bonnier
A,
Bandung.
Bonnier
Bonnier
A,
1980
of
Bonnier A, 1980 : An Introduction into Analysii"of Timeseries, DPMA, Bandung. Bonnier A, 1980 : Sequential Generation of Hydrologicat Data, DPMA, Bandung. Direktorat Penyelidikan Masalah An, l97g : Kalibrasi Bukaan
Pintu lrigasi
Bandung.
di
Air, 1981 :
of
Discharge Citarum
penelitian dan Evaluasi Tingkat Erosi Yang Terjadi Pada Suatu Daerah Pengaliran, Bahan Kursus Hidrologi 1983, DPMA, Bandung.
Direktorat Penyelidikan Masalah
Ar, lg&2 :
IL
I /HI-2
12. Direktorat Penyelidikan Masalah Air - IOH, 1983 : Flood Design Manualfor Java and Sumatera, Laporon Penelitian.
13.
Transport
Kali
Cimanuk
No.
265
266
t4. Direktorat Penyelidikan Masalah Air, 1983 : Penelitian dan Pengumpulan Data'Sediment Kali Madiun di Dam Jati, Laporan
Intern, No. 46/Hi-14/198i, DPMA, Madiun.
15.
287
32. 53
Laporan No.
Pusat Litbang Pengairan, 1986 : Survei Umum Hidrologi Sungai, I 4 I /Hi-36/ I 986.
Direktorat Penyelidikan Masalah Air, 1983 : Analisa Hidrograp, Bahan Kursus Hidrologi Tahun 1983, DPMA, Bandung. Direktorat Penyelidikan Masalah Air, 1983 : Peranan Hidrologi Dalam Pembangunan di Indonesia, Bahan Kursus Hidrologi Tahun 1983, DPMA, Bandung.
: Hidrologi Operasional,
Bahan
16.
34. Pusat Litbang Pengairan, 1989 : Pengukuran Sedimentasi Waduk P LTA Mrica, Laporan No. 90/HI- I 8/ I 989.
35.
Air,
1984
: Banjir Rencana
Departemen Pekerjaan Umum, 1986 : Perencanaan Jaringan Irigasi, Standar Perencanaqn lrigasi Kp-01, Galang Persada CV,
Bandung.
Khana Publisher.
38.
19.
Departemen Pekerjaan Umum, 1986 : Bangunan Standar Perencanaan lrigasi Kp-04, Galang Persada CV, Bandung.
39. Seyhan,
E, 1979 : Application of Statistical Methods to Hydrolog, Institute of Earth Sciences, Free lJniversity, The
20. Elizabeth M Shaw, 1980:. Hydrologt in Practice, Second Edition, Chapman and Halt, London.
21. Fety S, 1992 : Pemantauan Parameter Hidrologi untuk Evaluasi Pengelolaan DAS Progo-Kranggan, Slrripsi Falcultas Geografi
UGM. 22. Henny Maria, Soewamo, 1994 : Penerapan Metode Steven untuk
Netherlands.
40. Soewarno dan Suprihadi, 1982 : Analisa Lenglcung Aliran, Bohan Kursus Hidrologi DPMA Bandung. 41. Soewarno Bandung. 42. Soewarno, 1987 : Testing Hypothesis and Goodness of
: Cara Perhitungan
Untuk
memperkirakan Debit Banjir, Buletir PusAir, No. 17 Tahun IV, Nov. 1994.
Fit, USAID
Training Course
t -30.
Bandung, PP
Sons, New
43. Soewarno,
Power, India. 25. Horst, L, l98l : Hydrometry, International Institutefor Hydraulic and Env ir ontmental Engineer ing, Delfi, Netherlands. 26. Yogiyanto, H.M., 1984 Andi Offset; Yognlurta.
27.
Ali Hamzah Lubis, 1987 : Pengukuran Banjir Rencanq dengan Cara Slope Area, Jurnal Pusal Litbang Pengqiran, No. 7-Th. 2, KW. lil, Hal I l7-124.
44. Soewamo, 1988 : Penerapqn Persamaan Darcy- llteisbach Untuk Menghitung Debit Pada Sungai Berbatu-botu, Jurnal Pusat Litbang Pengairan, No. l}-Th. 3, KW. II, Hal74-84.
45. Soewarno; 1988
: Penelitian Pendahuluan Anglcutan Sedimen Melayang Sub Das Citarik Hulu, Majalah Geografi Indonesia, No. 2, Th. i - September 1988.
28. Joesron Loebis, Soewarno, Suprihadi, 1993 : Hidrologi Sungai, Iladan Penerbit PU.
29
30.
l-insley. F,
Ytrk.
lg72'.
Resources Engineering,
46. Soewarno, 1989 : Debit Hastl Pengukuran Metode Alat Ukur Arus Dibanding Dengan Metode Lainnya, Jurnol Litbang Pengairyn, No. l4 - Th. 4, KW. II, Hal 57-68.
47. Soewarno, 1989 : Debit Hasil Pengukuran Metode Alat Ukur Arus
Morean,
M. et Mathieu.A, 1979 :
o I les,
Statistique Appliquee
L'
P ar is.
31.
Sedimen
2ritl
lllt'lt.r'ttrtr: r'tufu Kt,gi<trun ( )paru';i dun Pemelihurran pusca K o n.s r u lcy i I r i gus i, j u r nu I I n/b r mcts i T,e kni H 6/ I 9 g 9 49. Soewarno, 1990 : Mengukur Debit Banjir Dengan Metode Pelampung di po1 D-ug: Air Sungai, Majalah pekeiiaan U;r;,
t
269
64
Soewarno, 1994 : Model Perkirun Debit Banjir pada Sungai di Jawo - Sebuah Usulan Model Pembanding, Bahan untuk Majalah Geografi Indonesia - Fakultas Geografi UGM.
65
50.
Soewarno, I990 : penyelidikan Faktor Kekasaran Sungai Cibama - Kalumpang, Buletin pusair, No. 7 _ Th. \il,
Sodwarno, 1992 : Pengaruh Lama Pencatatan Debit Terhadap Perkiraan Debit Banjir Rencana, Jurnal Pusair, No. 22 - Th. 6, KW - II. Cikapundung
Juti t 990.
Rumus Matematik
66. Sri Mulat Yuningsih, Soewarno, 1988 : Besar Aliran Rendah DpS
Diri
Aialis
Soewarno, l99l : Hidrologi _ pengukuran dan pengolahan Data Aliran Sungai - Hidrometri, Nova,bandung.
Syo$an, Dt. Mk, 1990 : Kalibrasi Atat Ukur Debit Ambang Lebar
Saluran Induk Sedadi, Buletin Pus 69. Soemarto, Ir. BIE, 1987 Nasional, Surabaya. 70. Sudjana,
Bandung.
Soewamo, 1990 : perkiraan Laju Sedimentasi Waduk di DpS Citarum Berdasarkan Data Alirin Sungai Citarum di pos Duga
No. 7/tgg0.
(Jsaha
Alat Ukur di Pos Duga Air Sungi atau Saluran lrigasi, lrys Jurnal Informasi g/ gg
Teknik No.
l
l99l
t.
71. Supranto, M.A., 1983 : Statistik Teori dan Aplikasi, P enerb it Er langga, Jakarta.
72.
Jilid
2,
dengan
Infrriori
Tilrem, O, 1976 : Stage Discharge Relation at Stream Gauging Station, Norwegion Agency for International Development. 73. UNDP/WHO Project, 1982 : Rainfall Characteristics Over The Citarum River Basin, IHE, INYZS/|j8, Bandung.
74.
Besar Sudirman, Majalah Geografi Indonesia, Nomor 4_5, Tahun 2-3, Maret 1990.
l99l
..
Toto Sudarto, 1986 : Analisis Angkutan Sedimen Suspensi Fisik DpS Cimanuk Hutu, IpB,
: Engineering Hydrologt, Nem Chard &
lir
59. Soewarno, l99l : Beberapa Aspek Teknik pengolahan Data Aliran pekeryaai 60.
Umum No. 2/Th. X)U. o, 1992 : Sekilas Tentang pengukuran Angkuran Sedimen Sungai, Majalah pekerjaan Umum No."l/XXltt/luni, lgg2.
Soewarn
lif
tCCt.
Waluyo. H, Soewarno, Suprihadi l99l : pembuatan Lengkung Debit dengan Bantuan Program Komputer, Jurnal penelitian dan
Pengembangan Pengairan No.
2
Th. 6 - KW
IIL
t gg t
77.
Wanny.
A,
1991
61. Soewarno, 1993 : Lengkung Debit Komplek Dengan .\emblat Analisa Grafis dari pos luga Ai; Su&ai Dengan U"rgguroT;;, Parameter Kemiringan, Jurnal Informii f"*rik No. t t/tgg3. 62. Soewarno, 1994 , p?y(!*" Kehilangan Air di Saluran lrigasi, Jurnal Informas i Teknik No. I 2/ t gg4. 63. Soewarno, 1993 : Memperkirakan Laju pengurangan Kapasitas
No. l1/1993,
Waduk Dengan Metode InJtow_Out/tiw, Jurnal
Belcasi.
JLP.No.18.Th.5. 18. World Meteorological Organization, 1980 : Manual on Stream Gauging, Vol I, Field Work, Report No. 13, Geneva, Switzerland.
79
World Meteorological Organization, 1980 : Manual on Stream Gauging, Vol II, Computation of Discharge, Report No. tj,
Geneva, Switzerland.
tr/or*^i f"mii