ACARA III

Probabilitas Hujan

Dosen Pengampu: Ferryati Masitoh, S.Si, M.Si

Asisten Praktikum: Unsila Tammiya Artawan

Mata Kuliah: Hidrometeorologi

Oleh:

Nama: Piska Adelia

NIM: 160722614635

Offering: H/2016

Universitas Negeri Malang

Fakultas Ilmu Sosial

Jurusan Geografi

2018
I. JUDUL
Probabilitas Hujan

II. TUJUAN
1. Mahasiswa mampu menentukan probabilitas hujan menggunakan Metode Sebaran
Normal, dan Metode Logaritmik
2. Mahasiswa mampu menghitung besaran hujan harian rencana pada periode yang
telah ditentukan
3. Mahasiswa dapat melakukan analisis dan perbandingan pada hasil praktikum

III. ALAT DAN BAHAN

Alat:
1. Kalkulator
2. Alat tulis menulis
3. Penggaris
4. Microsoft Excel

Bahan:

1. Data Curah Hujan Maksimum Bulan Januari-Desember tahun 1995 sampai 2004

IV. DASAR TEORI

Sistem hidrologi terkadang dipengaruhi oleh peristiwa-peristiwa yang luar biasa,
seperti hujan lebat, banjir dan kekeringan. Besaran peristiwa ekstrim berbanding
terbalik dengan frekuensi kejadiannya, peristiwa yang sangat ekstrim kejadiannya
sangat langka. Data hidrologi yang dianalisis diasumsikan tidak bergantung
(independent), terdistribusi secara acak, dan bersifat stokastik. Frekuensi hujan adalah
besaran kemungkinan suatu besaran hujan disamai atau dilampaui. Sebaliknya, periode
ulang adalah waktu hipotetik dimana hujan dengan suatu besaran tertentu akan disamai
atau dilampaui. (Puspita, 2015)
Analisis frekuensi ini didasarkan pada sifat statistic data kejadian yang telah lalu
untuk memperoleh probabilitas besaran hujan di masa yang akan datang dengan
anggapan bahwa sifat statistic kejadian hujan di masa akan datang akan masih sama
dengan sifat statistic kejadian hujan masa lalu. Curah hujan rencana adalah hujan harian
maksimum yang akan digunakan untuk menghitung intensitas hujan. Curah hujan
rencana dihitung berdasarkan distribusi atau sebaran curah hujan harian maksimum
selama minimal 10 tahun berturut-turut. (Puspita, 2015)
Banjir atau kekeringan akan mengakibatkan dampak negatif bagi kehidupan.
Curah hujan yang sangat tinggi akan mengakibatkan banjir dan sebaliknya, jika tidak
ada hujan akan mengakibatkan kekeringan. Kejadian hujan merupakan proses
stokastik, sehingga untuk keperluan analisa dan menjelaskan proses stokastik tersebut
digunakan teori probabilitas dan analisa frekuensi. Terdapat empat distribusi
probabilitas yang cukup dikenal dalam ilmu hidrologi, yaitu: distribusi normal,
distribusi log-normal, distribusi log-pearson III dan distribusi gumbel. (Upomo dan
Kusumawardani, 2016)

Penyebaran data dapat diukur dengan deviasi standar (standard deviation) dan varian.
Nilai rerata dapat dihitung dengan persaamaan sebagai berikut;

Keterangan:
𝑥̅ = rerata
𝑥𝑖 = variabel random
𝑛 = jumlah data

Deviasi standar dapat digunakan untuk mengetahui variabilitas dari distribusi. Semakin
besar deviasi standar maka akan semakin besar penyebaran dan distribusi. Deviasi
standar dapat dihitung dengan persamaan berikut;

Langkah selanjutnya yaitu menghitung koefisien varian. Koefisien varian adalah nilai
perbandingan antara deviasi standard an nilai rerata, yang mempunyai bentuk;
 𝑠
𝐶𝑣 =
𝑥̅

Kemencengan skewness merupakan derajad ketidak simetrisan atau dapat juga

didefinisikan sebagai penyimpangan kesimetrisan dari suatu distribusi. Jika suatu kurva
frekuensi dari suatu distribusi memiliki ekor kurva yang lebih panjang ke arah sisi
kanan dibandingkan ke arah sisi kiri dari nilai maksimum tengah, maka distribusi ini
dikenal dengan nama distribusi miring ke kanan, atau memiliki kemencengan positif.
Untuk kondisi kebalikannya, distribusinya dikenal sebagai distribusi miring ke kiri atau
memiliki kemencengan negatif. Kemencengan diberikan oleh bentuk sebagai berikut;

Kurtosis adalah derajat ketinggian puncak atau keruncingan suatu distribusi. Sebuah
distribusi yang mempunyai puncak relative tinggi disebut leptokurtic, sementara kurva
yang memiliki puncak datar atau rata disebut platikurtik sedangkan kurva dengan
puncak yang tidak terlalu runcing ataupun terlalu datar disebut mesokurtik. Koefisien
kurtosis diberikan oleh persamaan berikut; (Triadmojo, 2008)

Ada berbagai macam distribusi teoritis yang kesemuanya dapat dibagi menjadi dua
yaitu distribusi diskrit dan distribusi kontinyu. Yang diskrit adalah binomial dan
poisson, sedangkan yang kontinyu adalah Normal, Log Normal, Gama, Beta, Pearson
dan Gumbel. Untuk memilih jenis sebaran ada beberapa macam distribusi yang sering
dipakai yaitu distribusi normal, distribusi log normal, distribusi gumbel dan distribusi
log pearson III. Dalam tahap perhitungan pada perencanaan ini, berdasarkan data yang
sudah didapat maka digunakan jenis sebaran distribusi log pearson III.
Data kejadian hujan harian maksimum yang telah dihitung periode ulangnya,
selanjutnya diplot pada kertas grafik peluang umumnya akan berbentuk persamaan
garis lurus dengan persamaan umum, yaitu:

𝑋𝑡𝑟 = 𝑥̅ + 𝑘. 𝑠
Keterangan:
Xtr = perkiraan nilai yang diharapkan terjadi pada periode ulang tertentu
𝑥̅ = nilai rata-rata kejadian
K = faktor frekuensi, merupakan fungsi peluang atau periode ulang
S = standar deviasi
Log normal dua parameter memiliki rumus yang sama, namun untuk mencari nilai
k mempunyai perbedaan parameter yang digunakan. Apabila prosedur perhitungan
tidak menggunakan nilai logaritma, maka persamaannya Xtr = 𝑥̅ + 𝑘. 𝑠 dengan nilai k
yaitu nilai karakteristik distribusi log normal dua parameter yang nilainya tergantung
dari nilai koefisien variasinya. Sebaran log normal dua parameter mempunyai sifat
khusus bahwa besarnya koefisien asimetris (skewness) Cs = + (positif) atau log Cs = 0
atau Cs = 3Cv + Cv3 dengan koefisien kurtosis Ck = 3. (Masitoh, 2018)
Sebaran log-Pearson III, sering digunakan pada perhitungan hujan harian
maksimum untuk menghitung besarnya banjir rencana yang terjadi pada periode ulang
tertentu. Apabila nilai variat X diplot pada kertas logaritmik, maka bentuk persamaan
menjadi 𝑋𝑡𝑟 = 𝑥̅ + 𝑘. 𝑠 dengan nilai k yaitu nilai karakteristik distribusi log-Pearson
III, yang nilainya tergantung dari nilai koefisien skewnessnya. Adapun parameter
statistic yang diperlukan pada sebaran log-Pearson tipe III yaitu harga rata-rata, standar
deviasi, dan koefisien skewness yang nilainya koefisien kurtosis mendekati Ck = 1,50
Cv2 + 3. (Masitoh, 2018)
Sebaran Gumbel tipe I, umumnya digunakan pada perhitungan hujan harian
maksimum untuk menentukan kejadian yang ekstrem. Persamaan garis lurus pada
sebaran Gumbel tipe I juga dapat dideteksi dengan persamaan Xtr = 𝑥̅ + k.s dengan
nilai k merupakan faktor frekuwnsi untuk harga ekstrim Gumbel. Ditulis dengan
rumus;
𝑌𝑟 − 𝑌𝑛
𝑘=
𝑆𝑛
 YT = reduksi variat
Yn = reduksi rata-rata variat yang nilainya tergantung jumlah data (n)

𝑇𝑟 − 1
𝑌𝑇 = −𝑙𝑛 [− ln { }]
𝑇𝑟
Tr = periode ulang
Sn = standar deviasi variat yang nilainya tergantung jumlah data (n)

V. LANGKAH KERJA
1. Mempersiapkan data praktikum berupa data curah hujan maksimum bulan
januari-desember
2. Membuat tabel perhitungan parameter statistic setiap metode yaitu Metode
Sebaran Normal dan Metode Logaritmik
3. Melakukan perhitungan berupa standar deviasi, koefisien variasi, koefisien
kemencengan dan koefisien kurtosis
4. Menghitung nilai hujan rencana berdasarkan periode ulangnya menggunakan
metode Normal, Log Normal Dua Parameter, Log Pearson III dan Gumbel Tipe I
5. Menganalisis dan menyusun laporan
VI. DIAGRAM ALIR

Data Praktikum

Membuat tabel perhitungan

setiap metode

Menghitung beberapa
parameter statistik

Menghitung nilai hujan Menyusun Laporan

rencana berdasarkan
metode

VII. HASIL PRAKTIKUM

1. Perhitungan Metode Sebaran Normal dan hujan harian rencana periode ulang 2, 5,
10, 20, 50 tahun (terlampir)
2. Perhitungan Metode Logaritmik dan hujan harian rencana periode ulang 2, 5, 10,
20, 50 tahun (terlampir)
3. Rekapitulasi perhitungan hujan rencana (terlampir)
VIII. PEMBAHASAN
Pada praktikum acara III membahas tentang probabilitas hujan. Unsur iklim yang
paling berpengaruh di Indonesia yaitu curah hujan. Curah hujan selain menjadi sumber
daya alam yang sangat dibutuhkan juga menjadi sumber bencana. Hal tersebut apabila
tingginya curah hujan maka akan terjadi banjir. Hujan-hujan maksimum sering terjadi
di Indonesia banyak faktor yang menyebabkan turunnya hujan maksimum setiap
tahunnya.
Variasi hujan spasial paling besar dipengaruhi oleh faktor topografi. Dengan
adanya gunung yang berhadapan dengan sumber uap air seperti lautan juga akan
meningkatkan curah hujan di wilayah pegunungan tersebut, terutama pada bagian
depan yang mnghadap arah angina, karena pada wilayah etrsebut uap air akan terangkat
naik karena adanya gunung dan membentuk awan. Berdasarkan data praktikum hujan
maksimum pada tahun 1995-2004, hujan maksimum terbesar terjadi di tahun 2000 pada
bulan November dengan hujan maksimum 209,3mm. Tingginya curah hujan di suatu
wilayah dapat menyebabkan limpasan permukaan. Limpasan permukaan terjadi
apabila bangunan air tidak dapat menahan volume air hujan yang besar sehingga
meluap ke permukaan. Penanganan masalah banjir tidak terlepas dari tersedianya
infrastruktur pengendali banjir seperti bendungan, bendung, saluran irigasi, saluran
drainase dan sebagainya. untuk mendesain bangunan air tersebut maka diperlukan
informasi curah hujan maksimum dengan periode ulang tertentu.
Besaran curah hujan maksimum yang diperlukan untuk merancang bangunan
banjr tergantung pada kebutuhan dan kapasitas daya tamping. Untuk bangunan waduk
yangbesar maka dibutuhkan informasi hujan maksimum dengan periode ulang yang
besar yaitu 50, atau 100 tahunan. Sedangkan untuk saluran irigasi membutuhkan
informasi curah hujan maksimum dengan periode ulang 2,5, 10 tahun.
Periode ulang yang dibutuhkan untuk mendesain bangunan air biasanya terdiri
dari angka 2, 5, 10, 20 dan seterusnya atau disebut bilangan bulat sedangkan tidak
menggunakan periode ulang 6, 9, 11 tahun. Hal tersebut karena penentuan trance curah
hujan atau pola intensitas hujan menggunakan grafik log yang setiap intervalnya
dibentuk oleh perpangkatan 10.
DAFTAR PUSTAKA

Masitoh, Ferryati. 2018. Panduan Praktikum Hidrometeorology. Malang: Universitas

Negeri Malang
Puspita, Norma. 2015. Rekayasa Hirdologi. Universitas Indo Global Mandiri
Triatmodjo, 2008. Hidrologi Terapan. Yogyakarta: Beta Offset Yogyakarta.
Upomo, T. C, & Kusumawardani, R. 2016. Pemilihan Distribusi Probabilitas Pada
Analisa Hujan Dengan Metode Goodness Of Fit Test. Jurnal Teknik Sipil dan
Perencanaan, 18(2), 139-148.