HUJAN RANCANGAN ANALITIS

KALA ULANG 100 TAHUN

Kelompok 2
1. Andreannisa E.R. (F1A016015)
2. Arthadena Ananda K.P. (F1A016021)
3. Arthur Aditya Yohanis (F1A016022)
4. Dwi Putra Andika D. (F1A016039)
 HUJAN RANCANGAN ANALITIS
KALA ULANG 100 TAHUN

1 Pemilihan Jenis Sebaran

2 Analisa Sebaran

3 Uji Kecocokan Sebaran

4
 Pemilihan Jenis Sebaran
Penentuan jenis sebaran diperlukan untuk mengetahui suatu rangkaian
data cocok untuk suatu sebaran tertentu dan tidak cocok untuk sebaran
lain. Untuk mengetahui kecocokan terhadap suatu jenis sebaran
tertentu, perlu dihitung terlebih dahulu parameter-parameter statistiknya.

𝑛 . Σ(𝑋𝑖 − 𝑋)3
𝐶𝑠 =
𝑛 − 1 𝑛 − 2 . (𝑆𝐷)3

𝑛2 . 𝛴(𝑋𝑖 − 𝑋)4
𝐶𝑘 =
𝑛 − 1 𝑛 − 2 𝑛 − 3 . (𝑆𝐷)4

𝑆𝐷
𝐶𝑣 =
𝑋
 Pemilihan Jenis Sebaran
Dalam statistik dikenal beberapa jenis distribusi antara lain Normal,
Gumbel, Log Normal, Log Pearson Type III.
Tipe Distribusi Kriteria
Cs ≈ 0
Normal
Ck ≈ 3
Log Normal Cs ≈ 3Cv
Cs ≈ 1.1396
Gumbel
Ck ≈ 5.4002
Tidak termasuk ketiga
Log Pearson Type III
persyaratan di atas
 Xi (Xi - Ẍ) (Xi - Ẍ)2 (Xi - Ẍ)3 (Xi - Ẍ)4
No
mm mm mm2 mm3 mm4
1 38.12 -36.437 1327.670 -48376.603 1762708.5
2 40.59 -33.962 1153.432 -39173.092 1330404.8
Standar Deviasi
3
4
5
44.55
51.48
61.38
-30.002
-23.072
-13.172
900.133
532.327
173.507
-27005.969
-12281.958
-2285.472
810238.8
283371.9
30104.7
1 Σ(𝑋𝑖 − 𝑋)2
6 -11.687 136.591 -1596.366 18657.1 𝑆𝐷 =
7
62.87
-4.757 22.631 -107.661 512.2
(𝑛 − 1)
69.80
8 69.80 -4.757 22.631 -107.661 512.2
9 72.77 -1.787 3.194 -5.709 10.2
10 75.24 0.688 0.473 0.325 0.2 8584.490
𝑆𝐷 = = 21.838
11 75.74 1.183 1.399 1.655 2.0 18
12 82.17 7.618 58.031 442.066 3367.6
13 86.13 11.578 134.045 1551.947 17968.1
14 86.72 12.172 148.152 1803.281 21949.2 Koefisien Variasi
15
16
89.10
91.58
14.548
17.023
211.638
289.775
3078.868
4932.785
44790.7
83969.8 2 𝑆𝐷
17 95.44 20.884 436.133 9108.103 190211.7 𝐶𝑣 =
18 99.30 24.745 612.305 15151.349 374916.9 𝑋
19 123.75 49.198 2420.422 119079.436 5858445.0
21.838
Banyak Data Hujan (n) 19
𝐶𝑣 =
74.552
Σ (Ẍ) 1416.492
Rerata (Ẍ) 74.552
Σ (Xi - Ẍ )2 8584.490
𝐶𝑣 = 0.293
Σ (Xi - Ẍ )3 24209.323
Σ (Xi - Ẍ )4 10832141.408
 Koefisien Kepencengan (Cs)
3 𝑛 . Σ(𝑋𝑖 − 𝑋)3
𝐶𝑠 =
𝑛 − 1 𝑛 − 2 . (𝑆𝐷)3

19. (24209.323)
𝐶𝑠 = = 0.144
19 − 1 19 − 2 . (21.838)3

Koefisien Kurtosis (Ck)

4 𝑛2 . 𝛴(𝑋𝑖 − 𝑋)4
𝐶𝑘 =
𝑛 − 1 𝑛 − 2 𝑛 − 3 . (𝑆𝐷)4

192 . (10832141.408)
𝐶𝑘 = = 3.512
19 − 1 19 − 2 19 − 3 . (21.838)4
Dengan melihat nilai Cs, Cv dan Ck dapat diketahui sebaran yang cocok digunakan
untuk menghitung hujan rancangan periode ulang.
Tipe Distribusi Kriteria Hasil Hitungan
Cs ≈ 0
Normal Cs 0.144
Ck ≈ 3
Log Normal Cs ≈ 3Cv
Ck 3.512
Cs ≈ 1.1396
Gumbel
Ck ≈ 5.4002
3Cv 0.879
Log Pearson Type III -

Berdasarkan Tabel di atas, untuk analis pemilihan sebaran digunakan Log Pearson
Type III (Tiga)
 Xi Log Xi (Log Xi - Log Ẍ) (LogXi - LogẌ)2 (LogXi - LogẌ)3

Analisa Sebaran
No
mm mm mm mm2 mm3
1 38.12 1.581 -0.272 0.074 -0.020145
2 40.59 1.608 -0.245 0.060 -0.014665
3 44.55 1.649 -0.204 0.042 -0.008532
4 51.48 1.712 -0.142 0.020 -0.002836 Setelah dilakukan pemilihan jenis
5 61.38 1.788 -0.065 0.004 -0.000277 sebaran, maka jenis sebaran tersebut
6 62.87 1.798 -0.055 0.003 -0.000164
perlu dianalisa lagi untuk
7 69.80 1.844 -0.009 0.000 -0.000001
8
mendapatkan hujan rancangan yang
69.80 1.844 -0.009 0.000 -0.000001
9 72.77 1.862 0.009 0.000 0.000001
diinginkan.
10 75.24 1.876 0.023 0.001 0.000013
11 75.74 1.879 0.026 0.001 0.000018
12 82.17 1.915 0.062 0.004 0.000233
13 86.13 1.935 0.082 0.007 0.000551
14 86.72 1.938 0.085 0.007 0.000613
15 89.10 1.950 0.097 0.009 0.000904
16 91.58 1.962 0.109 0.012 0.001280
17 95.44 1.980 0.127 0.016 0.002025
18 99.30 1.997 0.144 0.021 0.002970
19 123.75 2.093 0.239 0.057 0.013713
Banyak Data Hujan (n) 19
Σ Log(Ẍi) 35.211
Rerata Log (Ẍi) 1.853
Σ (LogXi - LogẌ )2 0.337
Σ (LogXi - LogẌ )3 -0.02430
 Analisa Sebaran Log Pearson Tipe III
Standar Deviasi Koefisien Kepencengan (Cs)
11 𝑆𝐷 =
Σ(𝑙𝑜𝑔𝑋𝑖 − 𝑙𝑜𝑔𝑋)2
3 𝑛 . Σ(𝑙𝑜𝑔𝑋𝑖 − 𝑙𝑜𝑔𝑋)3
𝐶𝑠 =
(𝑛 − 1) 𝑛 − 1 𝑛 − 2 . 𝑆𝐷 3

0.337 19. (−0.0243)

𝑆𝐷 = = 0.137 𝐶𝑠 = = −0.588
18 19 − 1 19 − 2 . (0.137)3

Koefisien Variasi
2 𝑆𝐷
𝐶𝑣 =
𝑋
0.137
𝐶𝑣 =
1.853
𝐶𝑣 = 0.074
Menentukan Hujan Rancangan Dengan Periode Ulang (5,10,20,50,100,500, 1000) tahun
1. Menentukan Nilai K Untuk Tiap Periode
Didapatkan nilai Cs = -0.588
• Tabel Nilai K
Cs -0.5 Cs -0.6
Tahun K Tahun K
5 0.856 5 0.857
10 1.216 10 1.183
25 1.567 25 1.488
50 1.777 50 1.663
100 1.955 100 1.806
200 2.108 200 1.926
1000 2.4 1000 2.15
a. Nilai K untuk Periode Ulang 5 Tahun b. Nilai K untuk Periode Ulang 10 Tahun

Cs K Cs K
-0.5 0.856 -0.5 1.216
-0.588 0.856 -0.588 1.212
-0.6 0.857 -0.6 1.183

c. Nilai K untuk Periode Ulang 20 Tahun

Nilai K pada CS = -0.5 Nilai K pada CS = -0.6 Sehingga,
Tahun K Tahun K Cs K
10 1.216 10 1.2 -0.5 1.333
20 1.333 20 1.309 -0.588 1.330
25 1.567 25 1.567
-0.6 1.309
d. Nilai K untuk Periode Ulang 50 Tahun e. Nilai K untuk Periode Ulang 100 Tahun
Cs K Cs K
-0.5 1.777 -0.5 1.955
-0.588 1.764 -0.588 1.946
-0.6 1.663 -0.6 1.88

f. Nilai K untuk Periode Ulang 500 Tahun

Nilai K pada CS = -0.5 Nilai K pada CS = -0.6 Sehingga,
Tahun K Tahun K Cs K
200 2.108 200 2.016 -0.5 2.291
500 2.291 500 2.178 -0.588 2.277
1000 2.4 1000 2.275
-0.6 2.178
g. Nilai K untuk Periode Ulang 1000 Tahun
Cs K
-0.5 2.4
-0.588 2.385
-0.6 2.275

PERHITUNGAN CURAH HUJAN DENGAN ANALITIS LOG PEARSON TIPE III

Periode Ulang
Log X K Sd (log) Log XT XT
(Tahun)
5 1.853 0.856 0.1369 1.9704 93.4073
10 1.853 1.212 0.1369 2.0191 104.4993
20 1.853 1.330 0.1369 2.0353 108.4624
50 1.853 1.764 0.1369 2.0946 124.3382
100 1.853 1.946 0.1369 2.1196 131.7035
500 1.853 2.277 0.1369 2.1649 146.1901
1000 1.853 2.385 0.1369 2.1797 151.2544
 Uji Kecocokan Sebaran
Agar lebih meyakinkan, setelah dilakukan perhitungan secara analitis, perbedaan
maksimum yang ada tidak boleh lebih besar dari perbedaan kritis yang diijinkan
(diperoleh dari tabel yang tersedia). perlu dilakukan uji keselarasan sebaran
(Goodness of fit tes) yaitu dengan Chi Kuadrat dan Smirnov-Kolmogorof.

1. Uji Chi Kuadrat 2. Uji Smirnov-Kolmogorov

Uji Chi Kuadrat dimaksudkan untuk Uji Smirnov – Kolmogorov juga disebut
menentukan apakah persamaan uji kecocokan non parametrik karena
distribusi peluang yang telah dipilih pengujian tidak menggunakan fungsi
dapat mewakili dari distribusi statistik distribusi tertentu.
sampel data yang dianalisis.
1. Uji Chi Kuadrat
• Penentuan Jumlah Kelas
K = 1 + 3,322 log n (n = jumlah data)
K = 1 + 3,322 log 19
K = 5,2480 ≈ 6

• Penentuan Range (jumlah kelas)

Diketahui : Curah hujan tertinggi = 123,7500 mm
Curah hujan terendah = 38,1150 mm
R = curah hujan tertinggi – curah hujan terendah
R = 123,7500 – 38,1150
R = 85,6350 mm

• Penentuan Interval Kelas

I = R/K
I = 85,6350 / 6
I = 14,2725
1. Uji Chi Kuadrat
• Pembagian Interval
P1 = nilai data terkecil + interval kelas
P1 = 38,115 + 14,2725
P2 = P1 + 14,2725
P2 = 66,6600
*Perhitungan selanjutnya ditabelkan

P1 52,3875
P2 66,6600
P3 80,93250
P4 95,2050
P5 109,4775
P6 123,7500
1. Uji Chi Kuadrat
INTERVAL (P) Oi Ei=(n/K) (Oi-Ei) (Oi-Ei)²

0 < P ≤ 52,3875 4 3,167 0,833 0,694

52,3875 <P ≤66,66 2 3,167 -1,167 1,361

66,66<P≤80,9325 5 3,167 1,833 3,361

80,9325<P≤95,205 5 3,167 1,833 3,361

95,205<P≤109,4775 2 3,167 -1,167 1,361

109,4775<P≤123,75 1 3,167 -2,167 4,694

JUMLAH 19 19,000 0,000 14,833

Oi = jumlah data pada interval

n = jumlah data
1. Uji Chi Kuadrat
• Mencari Derajat Kebebasan
Diketahui : K= 6
P= 2 untuk log person III
Dk = K –(P+1)
Dk = 6 –(2+1)
Dk = 3
Jadi nilai derajat kebebasan sebesar 3

• Uji Kecocokan
Dengan menggunakan derajat kepercayaan (α) = 85% dan Dk= 3 sehingga berdasarkan tabel nilai
kritis untuk distribusi chi – kuadrat (uji satu sisi) diperoleh nilai derajat kepercayaan sebesar 0,793.
(X² table = 0,793 (interpolasi))
(𝑂𝑖−𝐸𝑖)²
X² hitungan = Σ
𝐸𝑖
14,833
X² hitungan = = 0,7807
19

X² hitungan < X² table

0,7807 < 0.793
Jadi, dari hasil pengujian chi – kuadrat, maka persamaan log pearson tipe III yang digunakan untuk
cara analitis dianggap benar dan dapat diterima
2. Uji Smirnov-Kolmogorov
• Excel
Xi Freq Cumul Sn(x) Z-Score F(x) Difference Statistik Var I
38,115 1 1 0,0526 -1,6685 0,0476 0,0050 N Sampel 19
40,59 1 2 0,1053 -1,5552 0,0600 0,0453 Mean 74,552
44,55 1 3 0,1579 -1,3738 0,0847 0,0731 Simpangan Baku 21,838
51,48 1 4 0,2105 -1,0565 0,1454 0,0652 Dmaks= 0,076
D Tabel (α=20% ,
61,38 1 5 0,2632 -0,6032 0,2732 0,0100 0,238
n=19)
62,865 1 6 0,3158 -0,5352 0,2963 0,0195 Dmaks<Dtabel (Normal)
69,795 1 7 0,3684 -0,2178 0,4138 0,0454
69,795 1 8 0,4211 -0,2178 0,4138 0,0073
72,765 1 9 0,4737 -0,0818 0,4674 0,0063
75,24 1 10 0,5263 0,0315 0,5126 0,0138
75,735 1 11 0,5789 0,0542 0,5216 0,0574
82,17 1 12 0,6316 0,3488 0,6364 0,0048
86,13 1 13 0,6842 0,5302 0,7020 0,0178
86,724 1 14 0,7368 0,5574 0,7114 0,0255
89,1 1 15 0,7895 0,6662 0,7473 0,0421
91,575 1 16 0,8421 0,7795 0,7822 0,0600
95,436 1 17 0,8947 0,9563 0,8305 0,0642
99,297 1 18 0,9474 1,1331 0,8714 0,0760
123,75 1 19 1,0000 2,2528 0,9879 0,0121

• Sn(x)=Probabilitas komulatif empiris

• F(x) = Probabilitas komulatif normal
2. Uji Smirnov-Kolmogorov
• SPSS
Sig= 0,200 (α=20%),
data cocok berdasarkan smirnov kolmogorov)
2. Uji Smirnov-Kolmogorov
• SPSS
Kurva y = Z-score (pada excel)
Kurva x = data curah hujan

KESIMPULAN : Dari hasil perhitungan di excel dan SPSS dapat disimpulkan bahwa
sebaran data hujan ini normal/dapat digunakan.
Terima Kasih