Tugas Mata Kuliah : KAPITA SELEKTA tahun atau kejadian hidrologi (hujan) dengan peluang P tertentu.
Data :
merupakan data series dari tahun 1999 sampai 2007 di stasiun Bili-bili, Sulawesi Selatan Metode analisis peluang :
A. Analisis Peluang Metode Grafis Analisis ini terdiri dari
- Weibull : seperti pada Tabel 1a.
Tabel 1a. Return periode (Tr) dan peluang
Tr
1 1999 3820 2 5.00 20.00 5.85 17.11 6.00 16.67 5.75 17.39
2 2000 3821 1 10.00 10.00 16.29 6.14 18.00 5.56 15.33 6.52
3 2001 3328 3 3.33 30.00 3.56 28.07 3.60 27.78 3.54 28.26
4 2002 2702 5 2.00 50.00 2.00 50.00 2.00 50.00 2.00 50.00
5 2003 2773 4 2.50 40.00 2.56 39.04 2.57 38.89 2.56 39.13
6 2004 1708 6 1.67 60.00 1.64 60.96 1.64 61.11 1.64 60.87
7 2005 1429 7 1.43 70.00 1.39 71.93 1.38 72.22 1.39 71.74
8 2006 1395 8 1.25 80.00 1.21 82.89 1.20 83.33 1.21 82.61
9 2007 1201 9 1.11 90.00 1.07 93.86 1.06 94.44 1.07 93.48
No From/to Data m
Gambar 1. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log - Weibull)
Gambar 3. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log – Hazen)
Gambar 5. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal – Weibul)
Gambar 7. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal – Hazen)
Untuk perhitungan total hujan tahunan rencana periode T (Xt), diperoleh dengan cara ploting T yang direncanakan terhadap tredline pada masing-masing grafik. Hasil dari ploting T akan diperoleh nilai Xt seperti pada Tabel 1b, dan Tabel 1c.
Tabel 1b. Total hujan tahunan rencana (Xt, mm) – Metode Grafis Semi Log
Tabel 1c. Total hujan tahunan rencana (Xt, mm) – Metode Grafis Log – Log
B.
Analisis Peluang Metode Matematis
1.
Pengukuran dispersi
Besarnya dispersi dapat dilakukan pengukuran dispersi, yakni melalui perhitungan
parametrik statistik untuk
(Xi- rt X ), (Xi- X rt)
2, (Xi-Xrt )
3, (Xi- X rt)
4terlebih dahulu.
Pengukuran dispersi ini digunakan untuk analisa distribusi Normal dan
Gumbel
.
Dimana :
Xi
= besarnya total hujan tahunan (mm).
X rt
= rata-rata total hujan tahunan (mm).
Sedangkan untuk pengukuran besarnya dispersi Logaritma dilakukan melaui
perhitungan parametrik statistik untuk
(LogXi-Log X rt), (LogXi-Log X rt)
2, (LogXi-Log X rt)
3,
(LogXi-Log X rt)
4terlebih dahulu. Pengukuran dispersi ini digunakan untuk analisa distribusi
Log Normal dan
Log Pearson Type III
.
Macam pengukuran dispersi :
a. Standar deviasi (S)
2 2130 2165 2173 2160
5 3006 2625 2577 2658
10 4466 3392 3251 3488
20 7387 4926 4598 5147
50 16147 9529 8640 10126
Periode
2 50 2464 2464 2464 2464
5 20 3595 3496 3482 3505
10 10 3972 3839 3821 3851
20 5 4160 4011 3991 4025
b. Koefisien Skewness (Cs)
c. Pengukuran Kurtosis (Ck)
d. Koefisien variasi (Cv)
Tabel 2. Perhitungan parameter statistik untuk distribusi normal dan Gumbel
No From/to m Data Xi - x (Xi - x)^2 (Xi - x)^3 (Xi - x)^4
1 1999 2 3820 1355.89 1838434.68 2492713154.22 3379842068995.22 2 2000 1 3821 1356.89 1841147.46 2498232526.92 3389823957644.74
3 2001 3 3328 863.89 746304.01 644723744.00 556969678843.26
4 2002 5 2702 237.89 56591.12 13462399.48 3202555254.10
5 2003 4 2773 308.89 95412.35 29471813.44 9103515707.97
6 2004 6 1708 -756.11 571704.01 -432271756.00 326845477732.15 7 2005 7 1429 -1035.11 1071455.01 -1109074988.33 1148015843480.68 8 2006 8 1395 -1069.11 1142998.57 -1221992468.93 1306445726224.27 9 2007 9 1201 -1263.11 1595449.68 -2015230216.78 2545459678260.60
Sigma 8959496.889 900034208 1.26657E+13
Rata-rata 2464.1111 -2.021E-13
S 1058.2708
Cv 0.4295
Cs 0.1220
Tabel 3. Perhitungan parameter statistik untuk distribusi normal dan Gumbel
2.
Pemilihan jenis sebaran
Dalam statistik dikenal beberapa jenis distribusi antara lain
Gumbel
, Log Normal,
Log
Pearson Type III
. Ketentuan dalam pemilihan distribusi untuk daerah studi tercantum
dalam Tabel 4 sebagai berikut :
Tabel 4. Parameter pemilihan distribusi data total hujan tahunan
Jenis sebaran
Kriteria (Soeharto
Hasil
Keterangan
Log normal
Cs = 3 Cv +Cv
2= 0.159
Distribusi normal atau kurva normal disebut juga distribusi Gauss. Persamaan yang digunakan
untuk menghitung perkiraan nilai yang diharapkan terjadi dengan periode ulang T (Xt) untuk
distribusi ini adalah sebagai berikut :
No From/to m Data log Xi (log Xi-log x)^2 (log Xi-log x)^3 (log Xi - log x)^4
1 1999 2 3820 3.5821 0.0527 0.0121 0.0028
2 2000 1 3821 3.5822 0.0527 0.0121 0.0028
3 2001 3 3328 3.5222 0.0288 0.0049 0.0008
4 2002 5 2702 3.4317 0.0063 0.0005 0.0000
5 2003 4 2773 3.4429 0.0082 0.0007 0.0001
6 2004 6 1708 3.2325 0.0144 -0.0017 0.0002
7 2005 7 1429 3.1550 0.0390 -0.0077 0.0015
8 2006 8 1395 3.1446 0.0432 -0.0090 0.0019
9 2007 9 1201 3.0795 0.0745 -0.0203 0.0056
Sigma 0.3198 -0.0084 0.0156
X
T: Perkiraan nilai yang diharapkan terjadi dengan periode ulang T
X : Nilai rata-rata hitung variat
S : Deviasi standar nilai variat
K
T: Faktor frekuensi, merupakan fungsi dari peluang atau periode ulang dan tipe model
matematik distribusi peluang yang digunakan untuk analisis peluang. Nilai faktor frekuensi
dapat dilihat pada tabel Reduksi Gauss (Tabel 5)
Tabel 5. Nilai variable reduksi Gauss
Sehingga perkiraan nilai total hujan (Xt) berdasarkan persamaan distribusi normal dapat dilihat
pada Tabel 6.
Distribusi Gumbel
Persamaan yang digunakan untuk menghitung perkiraan nilai yang diharapkan terjadi dengan
periode ulang T (Xt) untuk distribusi ini adalah sebagai berikut :
Nilai Yn, Sn, dan Yt mengacu kepada Tabel 7, 8, dan 9. Tabel 7. Reduced Mean (Yn)
Karena data pengamatan hanya 9 data, maka dilakukan ekstrapolasi. Sehingga diperoleh Y9 = 0.4942
Karena data pengamatan hanya 9 data, maka dilakukan ekstrapolasi. Sehingga diperoleh S9 = 0.9460
Tabel 9. Reduced Variate (Yt)
Dengan menggunakan persamaan distribusi Gumbel, maka diperoleh total hujan rencana periode ulang T (Xt) seperti pada Tabel 10.
Tabel 10. Total hujan rencana periode ulang T (Xt) – Distribusi Gumbel
Distribusi Log Pearson III
Persamaan yang digunakan untuk menghitung perkiraan nilai yang diharapkan terjadi dengan
periode ulang T (Xt) untuk distribusi ini adalah sebagai berikut :
Dalam perhitungan Xt dengan metode Distribusi log Pearson III, nilai K menggunakan acuan Tabel 10. x
KS X
X
log
logTabel 11. Nilai K untuk distribusi Log-Pearson III
Karena nilai Cs adalah -0.1697 tidak ada dalam Tabel 10 maka dilakukan interpolasi, sehingga nilai K dan Xt diperoleh seperti pada Tabel 12.
Tabel 12. Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T
–
Distribusi
Normal
Distribusi Log Pearson III
No Periode ulang K K.S Log X Xt (mm)
1 2 0.028 0.006 3.358 2281
2 5 0.849 0.170 3.522 3328
3 10 1.262 0.252 3.605 4025
4 20 1.548 0.310 3.662 4592
3.
Uji Keselarasan Distribusi Smirnov Kolmogorov
Pengujian kecocokan sebaran dengan cara ini dinilai lebih sederhana dibanding
dengan pengujian dengan cara Chi-Kuadrat. Dengan membandingkan kemungkinan
(
probability
) untuk setiap variat, dari distribusi empiris dan teoritisnya, akan didapat
per edaa Δ terte tu
(Soewarno, 1995).
Apa ila harga Δ a
(Dmax)
a g ter a a pada kertas pro a ilitas kura g dari Δ
kritis (Dcr) untuk suatu derajat nyata dan banyaknya variat tertentu, maka dapat
disimpulkan bahwa penyimpangan yang terjadi disebabkan oleh kesalahan-kesalahan
yang terjadi secara kebetulan. Adapun nilai
Δ
kritis (Dcr) untuk uji keselarasan distibusi
–
Smirnov-Klomogorov dapat dilihat pada Tabel 13.
Tahapan :
a.
Mengurutkan data (dari besar ke kecil atau sebaliknya) dan juga besarnya
peluang dari masing-masing data tersebut.
b.
Menentukan nilai masing-masing peluang teoritis dari hasil penggambaran data
(persamaan distribusinya).
c.
Dari kedua nilai peluang ditentukan selisih terbesarnya antara peluang
pengamatan dengan peluang teoritis.
d.
Berdasarkan tabel nilai kritis (
Smirnov-Kolmogorov Test
)
dapat ditentukan harga
Δ
kritis (Dcr).
Dengan menggunakan tahapan tersebut maka diperoleh nilai Delta (D) seperti pada
Tabel 14.
Tabel 13. Nilai Dcr
–
Uji keselarasan Smirnov-Klomogorov
:
tingkat kesalahan
n : jumlah data
Karena n pengamatan adalah 9 data maka dilakukan interpolasi nilai Dcr dari Tabel 13.
Dari hasil i terpolasi aka diperoleh D r u tuk ilai α = . : D r = . , α = . : D r =
Tabel 14. Perhitungan Uji Smirnov-Klomogorov
Dari perhitungan nilai D, Tabel 14, menunjukan nilai Dmax = 0,225, data pada peringkat
m=9. Dengan menggunakan derajat kepercayaan 5 %, maka diperoleh Dcr = 0,44.
Karena nilai Dmax lebih kecil dari nilai Dcr (0,225<0,44), maka persamaan distribusi yang
diperoleh dapat diterima.
C.
RAINBOW
1.
Statistik Homogenitas
Data m P(x) P(x<) P'(x) P'(x<) D
3821 1 0.1 0.9 0.125 0.875 0.025
3820 2 0.2 0.8 0.25 0.75 0.05
3328 3 0.3 0.7 0.375 0.625 0.075
2773 4 0.4 0.6 0.5 0.5 0.1
2702 5 0.5 0.5 0.625 0.375 0.125
1708 6 0.6 0.4 0.75 0.25 0.15
1429 7 0.7 0.3 0.875 0.125 0.175
1395 8 0.8 0.2 1 0 0.2
2. Analisis Frekuensi
Hazen Weibull
Hazen Weibull
Hazen Weibull
Cunnane Gringorten
Hazen Weibull
Cunnane Gringorten
Hazen Weibull
Hazen Weibull
Hazen Weibull
Cunnane Gringorten
Berdasarkan hasil perhitungan Rainbow untuk distribusi normal, diperoleh Xt untuk peride ulang T seperti pada Tabel 15.
Tabel 15.
Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T
–
Distribusi
Normal Rainbow
Periode ulang Xt (mm)
2 2464
5 3304
10 3743
20 3304
Rangkuman
1. Sebaran data total hujan tahuan Bili-Bili dari tahun 1999-2007 bukan termasuk ke dalam distribusi normal
2. Hasil perhitungan dari berbagai metode analisis peluang, diperoleh nilai Xt (mm) seperti ditunjukkan pada Tabel 16. 3. Menurut uji keselarasan distribusi Smirnov-Klomogorov, distribusi data dapat diterima pada nilai α = 0.05
Tabel 16.
Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T, mm
Metode Grafis Metode Matematis Software
Periode
Cunnane Normal Gumbel