Professional Documents
Culture Documents
Jadi, total luas DAS adalah 234,25 km2 , Luas ini dapat digunakan dalam perhitungan
analisis selanjutnya.
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Ada empat stasiun pengukur hujan yang berada di sekitar DAS, yaitu; stasiun Buiro
Subo, stasiun Huidu Tulumotumoro, stasiun Buidu Balagudu, dan stasiun Buiru Konito.
Untuk menganalisis hujan DAS akan digunakan data hujan dari empat stasiun tersebut. Data
hujan yang tersedia di empat stasiun tersebut berupa data curah hujan harian maksimum,
dengan panjang pencatatan data selama 15 tahun. Data ditunjukkan pada table.
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Keterangan :
Perhitungan nilai kn
Keterangan :
Xh = Batas tertinggi
Xl = Batas terendah
kn = Konstanta uji outlier (tergantung jumlah data)
𝑋̅ = Rata-rata hujan
Perhitungan nilai kn
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Keterangan :
Xh = Batas tertinggi
Xl = Batas terendah
kn = Konstanta uji outlier (tergantung jumlah data)
𝑋̅ = Rata-rata hujan
- Jika terdapat data <Xl, maka data-data tersebut disesuaikan menjadi = Xl, serta
Jika terdapat data >Xh, maka data-data tersebut disesuaikan menjadi = Xh.
- Data yang sudah disesuaikan sudah siap digunakan dalam analisis selanjutnya.
Perhitungan nilai kn
Keterangan :
Xh = Batas tertinggi
Xl = Batas terendah
kn = Konstanta uji outlier (tergantung jumlah data)
𝑋̅ = Rata-rata hujan
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Membuat Tabel Analisis parameter statistik untuk mendapatkan atau memudahkan dalam
menghitung Cslog dan Slog.
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Jika n = 15
Selanjutnya menghitung Cs log dengan menggunakan rumus yang ada pada halaman materi outlier,
maka hasilnya didapat
15 𝑥 −0,02790383
Cslog =√(15−1)(15−2)(0,37674797)3
Cs Log = -0,520954047
Setelah itu menghitung nilai kn dengan menggunakan rumus seperti dibawah ini :
Kn = 2,246730305
Cs Log = -0,520954047
Cs < -0,4
-0,520954047 < -0,4
Karena Cs Log < -0,4 maka dilakukan uji outlier rendah terlebih dahulu.
Uji Outlier Rendah
Kn = 2,246730305
Log XI =
Log Xl = 1,764031865
XL = 10𝐿𝑜𝑔 𝑋𝐼
XL = 101,764031865
XL = 58,08070305
Setelah mendapatkan hasil Xl, kita melihat pada tabel data hujan stasiun Buiro Subo jikaada data
yang berada diatas nilai Xl, maka data tersebut diganti dengan nilai Xh dan hasilnya lihat pada tabel
data terkoreksi outlier rendah dibawah ini:
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari tabel diatas dapat dilihat bahwa ada data yang berada dibawah atau kurang dari nilai Xl yaitu
pada tahun 2004, maka data hujan pada tahun 2004 dari 55 menjadi nilai Xl yaitu 58,08070305.
Karena ada data yang berubah maka hitung parameter stasistik data yang baru.
Tabel Analisis Parameter Statistik (Stasiun Buiro Subo) Data Terkoreksi Outlier Rendah
Stasiun Buiro Subo Data (Seri Y)
No Tahun (Y - Ῡ) (Y − ̅
Y)2 ̅)3
(Y − Y
(x) Y = log X
1 2004 58,08070305 1,764031865 -0,3701415 0,1370047 -0,0507111
2 2005 158 2,198657087 0,0644837 0,0041582 0,0002681
3 2006 101 2,004321374 -0,1298520 0,0168615 -0,0021895
4 2007 123 2,089905111 -0,0442682 0,0019597 -0,0000868
5 2008 126 2,100370545 -0,0338028 0,0011426 -0,0000386
6 2009 222 2,346352974 0,2121796 0,0450202 0,0095524
7 2010 212 2,326335861 0,1921625 0,0369264 0,0070959
8 2011 123 2,089905111 -0,0442682 0,0019597 -0,0000868
9 2012 114 2,056904851 -0,0772685 0,0059704 -0,0004613
10 2013 211 2,324282455 0,1901091 0,0361415 0,0068708
11 2014 145 2,161368002 0,0271946 0,0007395 0,0000201
12 2015 111 2,045322979 -0,0888504 0,0078944 -0,0007014
13 2016 127 2,103803721 -0,0303696 0,0009223 -0,0000280
14 2017 109 2,037426498 -0,0967469 0,0093600 -0,0009055
15 2018 231 2,36361198 0,2294386 0,0526421 0,0120781
Jumlah 2171,080703 32,01260042 0,3587032 -0,0193236
Rata-rata 144,7387135 2,134173361
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari hasil perhitungan parameter statistik data yang baru didapat S log (terkoreksi)
Dengan menggunakan rumus pada halaman pertama maka didapatlah Slog (terkoreksi)
1
Slog = √(15−1) 𝑥 0,3587032
Slog (terkoreksi) = 0,160067664
Setelah itu menguji outlier tinggi atau menghitung nilai Xh untuk mendapatkan apakah ada data
hujan yang melebihi nilai Xh
Uji Outlier Tinggi
Kn = 2,246730305
Log Xh =
Xh = 10𝐿𝑜𝑔 𝑋ℎ
Xh = 102,493802232
Xh = 311,7469633362
Setelah mendapatkan hasil Xh, kita melihat pada tabel data hujan stasiun Buiro Subo kalau ada data
yang berada diatas nilai Xh maka data tersebut diganti dengan nilai Xh, hasilnya lihat pada tabel
data terkoreksi outlier tinggi dibawah ini:
Dari hasil koreksi outlier tinggi ini didapatkan bahwa tidak ada data hujan yang melebihi nilai Xh
atau tidak ada data yang berubah.
Data hasil koreksi Outlier ini dapat digunakan dalam analisis selanjutnya. Tabel hasil koreksi data
hujan stasiun Buiro Subo seperti dibawah ini :
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Membuat Tabel Analisis parameter statistik untuk mendapatkan atau memudahkan dalam
menghitung Cslog dan Slog.
Jika n = 15
Selanjutnya menghitung Cs log dengan menggunakan rumus yang ada pada halaman materi outlier,
maka hasilnya didapat
15 𝑥 −0,0304502
Cslog =√(15−1)(15−2)(0,15172511)3
Cs Log = -0,71851768
Setelah itu menghitung nilai kn dengan menggunakan rumus seperti dibawah ini :
Kn = 2,246730305
Cs Log = -0,71851768
-0,71851768 < -0,4
-0,71851768 < -0,4
Karena Cs Log < -0,4 maka dilakukan uji outlier rendah terlebih dahulu.
Uji Outlier Rendah
Kn = 2,246730305
Log XI =
XL = 10𝐿𝑜𝑔 𝑋𝐼
XL = 101,826150835
XL = 67,011730792
Setelah mendapatkan hasil Xl, kita melihat pada tabel data hujan stasiun Huidu Tulumotumoro
jikaada data yang berada diatas nilai Xl, maka data tersebut diganti dengan nilai Xh dan hasilnya
lihat pada tabel data terkoreksi outlier rendah dibawah ini:
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari tabel diatas dapat dilihat bahwa ada data yang berada dibawah atau kurang dari nilai Xl yaitu
pada tahun 2004, maka data hujan pada tahun 2004 dari 62 menjadi nilai Xl yaitu 67,01173079.
Karena ada data yang berubah maka hitung parameter stasistik data yang baru.
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari hasil perhitungan parameter statistik data yang baru didapat S log (terkoreksi)
Dengan menggunakan rumus pada halaman pertama maka didapatlah Slog (terkoreksi)
1
Slog = √(15−1) 𝑥 0,2505227
Slog (terkoreksi) = 0,13377025
Setelah itu menguji outlier tinggi atau menghitung nilai Xh untuk mendapatkan apakah ada data
hujan yang melebihi nilai Xh
Uji Outlier Tinggi
Kn = 2,246730305
Log Xh =
Xh = 10𝐿𝑜𝑔 𝑋ℎ
Xh = 102,455042476
Xh = 285,129712355
Setelah mendapatkan hasil Xh, kita melihat pada tabel data hujan stasiun Huidu Tulumotumoro
kalau ada data yang berada diatas nilai Xh maka data tersebut diganti dengan nilai Xh, hasilnya
lihat pada tabel data terkoreksi outlier tinggi dibawah ini:
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari hasil koreksi outlier tinggi ini didapatkan bahwa tidak ada data hujan yang melebihi nilai Xh
atau tidak ada data yang berubah.
Data hasil koreksi Outlier ini dapat digunakan dalam analisis selanjutnya. Tabel hasil koreksi data
hujan stasiun Stasiun Huidu Tulumotumoro seperti dibawah ini :
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Membuat Tabel Analisis parameter statistik untuk mendapatkan atau memudahkan dalam
menghitung Cslog dan Slog.
Jika n = 15
Selanjutnya menghitung Cs log dengan menggunakan rumus yang ada pada halaman materi outlier,
maka hasilnya didapat
15 𝑥 −0,039390061
Cslog =√(15−1)(15−2)(0,149026669)3
Cs Log = -0,980876982
Setelah itu menghitung nilai kn dengan menggunakan rumus seperti dibawah ini :
Kn = 2,246730305
Cs Log = -0,980876982
Cs < -0,4
-0,980876982 < -0,4
Karena Cs Log < -0,4 maka dilakukan uji outlier rendah terlebih dahulu.
Uji Outlier Rendah
Kn = 2,246730305
Log XI =
XL = 10𝐿𝑜𝑔 𝑋𝐼
XL = 101,806945271
XL = 64,112877784
Setelah mendapatkan hasil Xl, kita melihat pada tabel data hujan stasiun Buido Balagudu jika ada
data yang berada diatas nilai Xl, maka data tersebut diganti dengan nilai Xh dan hasilnya lihat pada
tabel data terkoreksi outlier rendah dibawah ini:
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari tabel diatas dapat dilihat bahwa ada data yang berada dibawah atau kurang dari nilai Xl yaitu
pada tahun 2004, maka data hujan pada tahun 2004 dari 57 menjadi nilai Xl yaitu 64,112877784.
Karena ada data yang berubah maka hitung parameter stasistik data yang baru.
dibawah ini:
Dari hasil perhitungan parameter statistik data yang baru didapat S log (terkoreksi)
Dengan menggunakan rumus pada halaman pertama maka didapatlah Slog (terkoreksi)
1
Slog = √(15−1) 𝑥 0,3380502
Slog (terkoreksi) = 0,155391267
Setelah itu menguji outlier tinggi atau menghitung nilai Xh untuk mendapatkan apakah ada data
hujan yang melebihi nilai Xh
Uji Outlier Tinggi
Kn = 2,246730305
Log Xh =
Xh = 10𝐿𝑜𝑔 𝑋ℎ
Xh = 102,516824998
Xh = 328,719144351
Setelah mendapatkan hasil Xh, kita melihat pada tabel data hujan stasiun Buido Balagudu kalau ada
data yang berada diatas nilai Xh maka data tersebut diganti dengan nilai Xh, hasilnya lihat pada
tabel data terkoreksi outlier tinggi dibawah ini:
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari hasil koreksi outlier tinggi ini didapatkan bahwa tidak ada data hujan yang melebihi nilai Xh
atau tidak ada data yang berubah.
Data hasil koreksi Outlier ini dapat digunakan dalam analisis selanjutnya. Tabel hasil koreksi data
hujan stasiun Buidu Balagudu seperti dibawah ini :
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Membuat Tabel Analisis parameter statistik untuk mendapatkan atau memudahkan dalam
menghitung Cslog dan Slog.
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Jika n = 15
Selanjutnya menghitung Cs log dengan menggunakan rumus yang ada pada halaman materi outlier,
maka hasilnya didapat
15 𝑥 −0,0696945
Cslog =√(15−1)(15−2)(0,157270960)3
Cs Log = -1,476634260
Setelah itu menghitung nilai kn dengan menggunakan rumus seperti dibawah ini :
Kn = 2,246730305
Cs Log = -1,476634260
Cs < -0,4
-1,476634260 < -0,4
Karena Cs Log < -0,4 maka dilakukan uji outlier rendah terlebih dahulu.
Uji Outlier Rendah
Kn = 2,246730305
Log XI =
XL = 10𝐿𝑜𝑔 𝑋𝐼
XL = 101,774725238
XL = 59,52854093
Setelah mendapatkan hasil Xl, kita melihat pada tabel data hujan stasiun Buiro Konito jika ada data
yang berada diatas nilai Xl, maka data tersebut diganti dengan nilai Xh dan hasilnya lihat pada tabel
data terkoreksi outlier rendah dibawah ini:
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari tabel diatas dapat dilihat bahwa ada data yang berada dibawah atau kurang dari nilai Xl yaitu
pada tahun 2004, maka data hujan pada tahun 2004 dari 49 menjadi nilai Xl yaitu 59,528540931.
Karena ada data yang berubah maka hitung parameter stasistik data yang baru.
Dari hasil perhitungan parameter statistik data yang baru didapat S log (terkoreksi)
Dengan menggunakan rumus pada halaman pertama maka didapatlah Slog (terkoreksi)
1
Slog = √(15−1) 𝑥 0,308102562
Slog (terkoreksi) = 0,148348663
Setelah itu menguji outlier tinggi atau menghitung nilai Xh untuk mendapatkan apakah ada data
hujan yang melebihi nilai Xh
Uji Outlier Tinggi
Kn = 2,246730305
Log Xh =
Xh = 10𝐿𝑜𝑔 𝑋ℎ
Xh = 102,494749568
Xh = 312,427726298
Setelah mendapatkan hasil Xh, kita melihat pada tabel data hujan stasiun Buiro Konito kalau ada
data yang berada diatas nilai Xh maka data tersebut diganti dengan nilai Xh, hasilnya lihat pada
tabel data terkoreksi outlier tinggi dibawah ini:
Dari hasil koreksi outlier tinggi ini didapatkan bahwa tidak ada data hujan yang melebihi nilai Xh
atau tidak ada data yang berubah.
Data hasil koreksi Outlier ini dapat digunakan dalam analisis selanjutnya. Tabel hasil koreksi data
hujan stasiun Buiro Konito seperti dibawah ini :
Stasiun Buiro
NO Tahun
Konito (x)
1 2004 59,528540931
2 2005 109
3 2006 189
4 2007 111
5 2008 134
6 2009 211
7 2010 234
8 2011 115
9 2012 125
10 2013 146
11 2014 167
12 2015 187
13 2016 165
14 2017 145
15 2018 187
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Data hasil uji kualitas berupa uji Outlier ditampilkan pada tabel data hujan harian maksimum yang
sudah dikoreksi atau diuji. Data tersebut sudah layak untuk digunakan untuk analisis selanjutnya.
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
R1.A1+R2.A2+R3.A3+⋯+Rn.An
Ṝ= A1+A2+A3+⋯+An
Keterangan :
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Contoh Perhitungan Hujan Wilayah (Hujan Rerata DAS) pada tahun 2004 :
Diketahui data hujan harian maksimum 4 stasiun yang sudah diuji outlier dan luas
pengaruh masing-masing stasiun
Stasiun Buiro Subo
Curah hujan maksimum = 58,08 mm
Luas pengaruh = 46,5 km2
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
R1.A1+R2.A2+R3.A3+R4.A4
Ṝ =
A1+A2+A3+A4
(58,08×46,5)+(67,01×35,75)+(64,11×30,75)+(59,53×121,25)
=
46,5 + 35,75 + 30,75 + 121,75
= 61 mm
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dari analisis didapatkan curah hujan wilayah (hujan rerata DAS) selama 15 tahun seperti
ditujukan pada table dibawah ini.
Hujan Rata-rata
NO Tahun
Maksimum (mm)
1 2004 61,0
2 2005 120,9
3 2006 169,7
4 2007 130,6
5 2008 148,2
6 2009 193,7
7 2010 209,6
8 2011 132,8
9 2012 128,6
10 2013 157,5
11 2014 165,9
12 2015 156,3
13 2016 145,1
14 2017 135,4
15 2018 205,5
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Analisis hujan rencana adalah analisis untuk mendapatkan besaran curah hujan yang
direncanakan akan terjadi di daerah penelitian. Untuk analisis ini digunakan Analisis
Frekwensi hujan. Dalam analisis hidrologi ada 4 jenis Distribusi Frekwensi yang sering
digunakan yaitu:
1. Distribusi Frekwensi Normal
2. Distribusi Frekwensi Log-Normal
3. Distribusi Frkewnsi Gumbell
4. Distribusi Frekwensi Log-Pearsson Type III.
1. Distribusi Nornal
Tipe distribusi normal Distribusi normal disebut juga dengan distribusi Gauss.
Distribusi ini dirumuskan sebagai berikut :
2. Distribusi Log-normal
Distribusi log-normal merupakan hasil transformasi dari distribusi normal dengan
merubah variant x menjadi log variant x. Dirumuskan sebagai berikut :
3. Distribusi Gumbell
Tipe distribusi ini umumnya digunakan untuk analisis data maksimum. Dirumuskan
sebagai berikut :
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Keterangan : KTR,CS : Faktor frekwensi Pearson yang dapat dilihat dari table
Pearson dengan memperhitungkan nlai Cs
LogXTR : Curah hujan tergantung pada TR dalam Log
Distribusi Frekwensi apa yang akan digunakan, tergantung dari jenis sebaran data yang
ada.
Parameter Statistik
1. Cs (Koefisien Skewness)
Kemencengan (skewness) adalah suatu nilai yang menunjukkan derajat
ketidak simetrisan (asymmetry) dari suatu bentuk distribusi. Apabila suatu
kurva frekuensi dari suatu distribusi mempunyai ekor memanjang kekanan
atau kekiri terhadap titik pusat maksimum maka kurva tersebut tidak akan
berbentuk simetri, keadaan itu disebut menceng kekanan atau kekiri.
Rumus :
𝑛 ∑𝑛
𝑖=1(𝑋𝑖 −𝑋𝑏𝑎𝑟)
3
Cs =
(𝑛−1)(𝑛−2)𝑆 3
Dimana :
Xbar = Curah hujan rata-rata (mm)
Xi = Curah hujan pada tahun pengamatan (mm)
n = Jumlah data
S = Standard deviasi
Cs = Koefisien Skewness
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Untuk perhitungan dalam nilai log seperti pada analisis data outlier maka
persamaan harus diubah dahulu kedalam bentuk logaritmik, sehingga
menjadi :
Rumus :
𝑛 ∑𝑛
𝑖=1(𝐿𝑜𝑔𝑋𝑖 −𝐿𝑜𝑔𝑋𝑏𝑎𝑟)
3
Cslog =
(𝑛−1)(𝑛−2)𝑆 3
Dimana :
Xbar = Curah hujan rata-rata dalam log (mm)
Xi = Curah hujan pada tahun pengamatan dalam log (mm)
n = Jumlah data
S = Standard deviasi
Cs = Koefisien Skewness
2. Ck (Koefisien Kurtosis)
Pengukuran kurtosis dimaksudkan untuk mengukur keruncingan dari bentuk
kurva distribusi, yang umumnya dibandingkan dengan distribusi normal.
Koefisien kurtosis digunakan untuk menentukan keruncingan kurva
distribusi.
Rumus
𝑛 2 ∑𝑛
𝑖=1(𝑋𝑖 −𝑋𝑏𝑎𝑟)
4
Ck =
(𝑛−1)(𝑛−2)(𝑛−3)𝑆 4
Dimana :
Xbar = Curah hujan rata-rata (mm)
Xi = Curah hujan pada tahun pengamatan (mm)
n = Jumlah data
S = Standard deviasi
Ck = Koefisien Kurtosis
3. Cv (Koefisien Variasi)
Koefisien variasi (Coefficient Of Variation) adalah nilai perbandingan antara
deviasi standart dengan nilai rata-rata hitung dari suatu distribusi. Semakin
besar nilai variasi berarti datanya kurang merata (heterogen) Semakin kecil
berarti data pengamatan semakin merata (homogen) Koefisien variasi dapat
dihitung dengan rumus berikut :
Rumus:
𝑆
Cv =
𝑋𝑏𝑎𝑟
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dimana :
Cv = Koefisien Variasi
S = Standard deviasi
Xbar = Curah hujan rata-rata
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Berikut ini ditampilkan table hujan rerata DAS selama 15 tahun untuk digunakan dalam
analisis frekwensi hujan.
Setelah itu data diurutkan dari yang paling besar dampai terkecil , seperti ditampilkan
pada table dibawah ini :
Setelah data diurutkan dari yang terbesar hingga yan terkecil selanjutnya menghitung
probabilitas seperti yang ditampilkan table dibawah ini :
Langkah selanjutnya membuat table analisis parameter statistic data, seperti ditampilkan
pada table dibawah ini :
Tabel Analisis Parameter Statistik
NO Tahun Hujan Rerata (x) Data (Seri Y), Y = log x (Y-Ῡ) (Y-Ῡ)^2 (Y-Ῡ)^3 (Y-Ῡ)^4 (X-Xbar) (X-Xbar)^2 (X-Xbar)^3 (X-Xbar)^4
1 2010 209,6 2,321483702 0,15865 0,02517 0,00399 0,00063 58,91961 3471,52016 204540,60603 12051452,25389
2 2018 205,5 2,312873847 0,15004 0,02251 0,00338 0,00051 54,80435 3003,51636 164605,75027 9021110,51904
3 2009 193,7 2,287160966 0,12433 0,01546 0,00192 0,00024 42,98898 1848,05223 79445,87649 3415297,03429
4 2006 169,7 2,229652071 0,06682 0,00447 0,00030 0,00002 18,96336 359,60919 6819,40000 129318,76668
5 2014 165,9 2,219795256 0,05697 0,00325 0,00018 0,00001 15,15547 229,68817 3481,03147 52756,65678
6 2013 157,5 2,197317342 0,03449 0,00119 0,00004 0,00000 6,78834 46,08153 312,81697 2123,50720
7 2015 156,3 2,194035776 0,03121 0,00097 0,00003 0,00000 5,60264 31,38956 175,86436 985,30443
8 2008 148,2 2,170843825 0,00801 0,00006 0,00000 0,00000 -2,52650 6,38319 -16,12710 40,74507
9 2016 145,1 2,161805704 -0,00102 0,00000 0,00000 0,00000 -5,57879 31,12291 -173,62825 968,63582
10 2017 135,4 2,131684384 -0,03114 0,00097 -0,00003 0,00000 -15,30451 234,22808 -3584,74650 54862,79540
11 2011 132,8 2,123157587 -0,03967 0,00157 -0,00006 0,00000 -17,93738 321,74970 -5771,34752 103522,86946
12 2007 130,6 2,115921173 -0,04691 0,00220 -0,00010 0,00000 -20,13162 405,28211 -8158,98532 164253,58942
13 2012 128,6 2,109160949 -0,05367 0,00288 -0,00015 0,00001 -22,14870 490,56471 -10865,36837 240653,73496
14 2005 120,9 2,082317794 -0,08051 0,00648 -0,00052 0,00004 -29,85521 891,33330 -26610,93895 794475,05333
15 2004 61,0 1,785222797 -0,37761 0,14259 -0,05384 0,02033 -89,74004 8053,27393 -722701,08656 64855220,99795
Jumlah 2260,9 32,44243317 0,22978 -0,04487 0,02180 19423,79513 -318500,88299 90887042,46373
Rata-rata 150,7 2,162828878
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
𝑛
1
𝑆=√ ∑(𝑋𝑖 − 𝑋̅)2
(𝑛 − 1)
𝑖=1
Keterangan :
X̄ = Curah hujan rata-rata (mm),
Xi = Curah hujan pada tahun pengamatan ke-1 (mm),
S = Standar deviasi,
n = Jumlah data curah hujan.
𝑛 2
1
𝑆𝑙𝑜𝑔 =√ ∑(log 𝑋𝑖 − ̅̅̅̅̅̅̅
log 𝑋)
(𝑛 − 1)
𝑖=1
Keterangan :
Slog = Standar Deviasi (dalam log)
n = Jumlah Data
̅̅̅̅̅̅̅
log 𝑋𝑖 = Nilai Rerata Data (dalam log)
Standard Deviasi
1
S = √(15−1) (0,22978)
= 37,248005829
1
Slog = √(15−1) (0.19254)
= 0.117273853
Koefisien Variasi
37,248005829
Cv =
150,7
= 0,247125594
Koefisien Skewness
15 𝑥 (−318500,88299)
Cs =
(15−1)(15−2)(37,248005829)3
= -0,507950547
15 𝑥 (−0,04487)
Cslog =
(15−1)(15−2)(37,248005829)3
= -0,000000072
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Koefisien Kurtosis
152 𝑥 (90887042,46373)
Ck =
(15−1)(15−2)(15−3)(37,248005829)4
= 4,864293250
Untuk lebih detailnya ditampilkan pada table parameter statistic data dibawah ini :
Kesimpulan
Dari hasil analisis didapatkan, jenis sebaran data mengikuti sebaran Log-Pearson Type III
Dimana diketahui :
LogXbar = 2,162828878
Slog = 0,128111333
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Telah diketahui nilai Cs adalah -0,507950547, maka untuk mendapatkan nilai KTR dilakukan
interpolasi
Cs 50 Tahun 100 Tahun
-0,5 1,777 1,955
-0,50795 1,772 1,949
-0,6 1,720 1,880
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Setelah mendapatkan nilai KT maka langkah selanjutnya adalah menghitung hujan rencana
untuk masing-masing kala ulang
Jadi nilai curah hujan pada periode kala ulang 50 tahun adalah 245,4155854 mm
Jadi nilai curah hujan pada periode kala ulang 100 tahun adalah 258,5369475 mm
Setelah mendapatkan nilai KT maka langkah selanjutnya adalah menghitung hujan rencana
untuk masing-masing kala ulang.
Kesimpulan
Dari hasil analisis hujan rencana didapatkan besaran hujan rencana seperti ditunjukkan pada
tabel berikut.
Tabel Hujan Rencana dengan Berbagai Kala Ulang
Kala Ulang (Tahun) Hujan Rencana (mm)
50 245,4155854
100 258,5369475
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Debit banjir rencana adalah debit sungai terbesar yang direncanakan mungkin terjadi
pada sungai yang bersangkutan. Jika tersedia data debit yang cukup panjang, maka debit
banjir rencana dapat didapatkan dengan cara analisis frekwensi data debit. Jika tidak
terdapat data debit yang cukup, maka debit banjir rencana dapat diturunkan dari data hujan
dengan metode pengalihragaman hujan menjadi aliran, dengan anggapan bahwa kala ulang
hujan, sama dengan kala ulang banjir.
Pada sungai Ongkako Biyou tidak tersedia data debit, sehingga debit banjir rencana,
diturunkan dari data hujan. Ada banyak metode untuk mengalihragamkan hujan menjadi
aliran. Salah satu metode yang sering digunakan adalah metode hidrograf satuan sintetik
SCS. DAS sungai Ongkako Biyou di titik A dengan luas DAS sebesar 234,25 km2, dan
mempunyai waktu konsentrasi (Tc) lebih dari 1 jam, termasuk DAS sedang. Metode yang
sering digunakan untuk mengalihragamkan hujan menjadi aliran untuk DAS sedang dan
besar jika tidak terdapat data debit adalah metode hidrograf satuan sintetik SCS. Dari uraian
di atas, untuk menganalisis debit banjir Rencana DAS Ongkako Biyou di titik A, sangat
cocok menggunakan metode Hidrograf Satuan Sintetik SCS.
1. PARAMETER-PARAMETER SCS
Langkah pertama mencari kemiringan (S) :
Selisih elevasi = Elevasi maksimum - Elevasi minimum
= 1182-404
= 778 m
778
= 225000
= 0,0346 m/m
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
𝑳𝟎,𝟖 (𝟐𝟓𝟒𝟎−𝟐𝟐,𝟖𝟔𝑪𝑵)𝟎,𝟕
𝑻𝒍 = = untuk Luas DAS < 16 km2
𝟏𝟒,𝟏𝟎𝟒𝑪𝑵𝟎,𝟕 𝒙 𝑺𝟎,𝟓
𝑻𝒍 = 𝟎, 𝟔𝑻𝒄
𝟎,𝟔𝟎𝟔(𝑳.𝒏)𝟎,𝟒𝟔𝟕
𝑻𝒄 =
𝑺𝟎,𝟐𝟑𝟒
Ket :
Tc = Waktu konsentrasi (jam)
L = Panjang sungai (km)
S = Kemiringan lahan antara elevasi maksimum dan minimum (m/m)
n = Koefisien kekasaran lahan
Nilai n digunakan 0,8 dalam DAS dominan hutan, dan langsung masukkan
kedalam rumus, dan hasilnya seperti dibawah ini
0,606(22,5×0,8)0,467
Tc =
0,03460,234
Tc = 5,1358 jam
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
𝑻𝒍 = 𝟎, 𝟔𝑻𝒄
Tl = 0,6 x 5,1358
Tl = 3,0815 jam
𝑻𝒓
𝑻𝒑 = + 𝑻𝒍
𝟐
Untuk Tr diketahui selama 8 jam dan Tl telah diketahui nilainya dari perhitungan
sebelumnya, maka langsung masukkan kedalam rumus
8
𝑇𝑝 = + 3,0815
2
Tp = 7,0815 jam
𝟐,𝟎𝟖 𝒙 𝑨
𝑸𝒑 =
𝑻𝒑
Diketahui untuk luas DAS sebesar 234,25 km2 dan Tp telah diketahui dari
perhitungan sebelumnya , setelah itu langsung masukkan nilai A dan Tp kedalam
rumus
2,08 𝑥 234,25
𝑄𝑝 =
7,0815
Qp = 68,8049 m³/det
𝟖
𝑻𝒃 = + 𝑻𝒑 = untuk A < 2km2
𝟑
𝒔
𝑻𝒃 = 𝟓 𝟐𝟎 𝑻𝒑
𝒅
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
𝑇𝑏 = 5 𝑥 7,0815
Tb = 35,4073 jam
Tp Qp
Tl (Jam) Tb (Jam)
(Jam) (m3/det)
3,0815 7,0815 68,8049 35,4073
Setelah Tp dan Qp sudah diketahui, maka selanjutnya yang dihitung adalah nilai
t dan Qt (dengan menggunakan tabel).
t/Tp Qt/Qp t Qt
0 0 0 0
0,1 0,015 0,70814677 1,03207419
0,2 0,075 1,41629354 5,16037093
0,3 0,16 2,12444031 11,0087913
0,4 0,28 2,83258707 19,2653848
0,5 0,43 3,54073384 29,5861267
0,6 0,6 4,24888061 41,2829674
0,7 0,77 4,95702738 52,9798082
0,8 0,89 5,66517415 61,2364017
0,9 0,97 6,37332092 66,7407974
1 1 7,08146769 68,8049457
1,1 0,98 7,78961446 67,4288468
1,2 0,92 8,49776122 63,3005501
1,3 0,84 9,20590799 57,7961544
1,4 0,75 9,91405476 51,6037093
1,5 0,66 10,6222015 45,4112642
1,6 0,56 11,3303483 38,5307696
1,8 0,42 12,7466418 28,8980772
2 0,32 14,1629354 22,0175826
2,2 0,24 15,5792289 16,513187
2,4 0,18 16,9955224 12,3848902
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
50
40
30
20
10
0
0 5 10 15 20 25 30 35 40
Waktu (Jam)
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
HUJAN EFEKTIF
Hujan efektif (effective rainfall) atau hujan lebihan (excess rainfall) adalah bagian dari hujan
yang menjadi aliran langsung disungai.
Hujan efektif = hujan total yang jatuh dipermukaan tanah dikurangi kehilangan air.
Langkah pertama ubahlah hujan rencana harian menjadi hujan rencana jam-jaman dengan
pola distribusi hujandaerah, karena pada data sebelumnya adalah data rencana hujan harian.
a. Hujan rencana kala ulang 50 tahun (R50)
R(50) = 245,416 mm
Karena tabel diatas masih berupa distribusi hujan harian (%), maka diubah terlebih dahulu
menjadi hujan rencana jam-jaman (mm).
Untuk mendapatkan hasil hujan rencana jam-jaman (mm), maka menggunakan cara sebagai
berikut :
Contoh :
51
𝐻𝑢𝑗𝑎𝑛 = × 245,416 𝑚𝑚
100
𝐻𝑢𝑗𝑎𝑛 = 125,162 𝑚𝑚
Jam
1 2 3 4 5 6 7 8
ke-
Hujan
125,162 61,3539 22,0874 12,2708 9,81662 7,36247 4,90831 2,45416
(mm)
Karena tabel diatas masih berupa distribusi hujan harian (%), maka diubah terlebih dahulu
menjadi hujan rencana jam-jaman (mm).
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Untuk mendapatkan hasil hujan rencana jam-jaman (mm), maka menggunakan cara sebagai
berikut :
Contoh :
51
𝐻𝑢𝑗𝑎𝑛 = × 258,537 𝑚𝑚
100
𝐻𝑢𝑗𝑎𝑛 = 131,854 𝑚𝑚
Jam
1 2 3 4 5 6 7 8
ke-
Hujan
131,854 64,6342 23,2683 12,9268 10,3415 7,75611 5,17074 2,58537
(mm)
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
1000
𝑆 = (( ) − 10) 𝑥 (25,4)
74
S = 89,2432
Sehingga dapat dihitung hujan efektif selama 8 jam seperti dibawah ini
Jam ke- 1 2 3 4 5 6 7 8
Hujan
125,161949 61,3539 22,0874 12,2708 9,81662 7,36247 4,90831 2,45416
(mm)
Dengan hujan rencana atau nilai P yang telah didapatkan, maka kita dapat menghitung
hujan efektif (mm) dengan rumus :
Karena dalam hidrograf terjadi hujan 1 satuan (1 cm) di DAS, maka ubah kedalam satuan
cm
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Dengan hujan rencana atau nilai P yang telah didapatkan, maka kita dapat menghitung
hujan efektif (mm) dengan rumus :
Karena dalam hidrograf terjadi hujan 1 satuan (1 cm) di DAS, maka ubah kedalam satuan
cm
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Debit banjir rencana (Q50) adalah debit puncak yang terjadi = 508,695 m3/det
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
WIDYA NOVELIA
16021101040
UNIVERSITAS SAM RATULANGI
FAKULTAS TEKNIK SIPIL
MATA KULIAH “PERANCANGAN BANGUNAN AIR”
2019
Dosen Pengajar : Dr. Eng. Ir. Jeffry S. F. Sumarauw, MT
Debit banjir rencana (Q100) adalah debit puncak yang terjadi = 557,840 m3/det
Dari analisis dengan menggunakan Hidrograf Satuan Sintetik SCS, didapatkan debit rencana
deengan berbagai kala ulang, seperti pada table berikut :
WIDYA NOVELIA
16021101040