Tugas Mata Kuliah : KAPITA SELEKTA

Materi : Analisis Peluang

Nama : Ifah Latifah
NRP : F451110071

Kegunaan :
untuk memprediksi besar (magnitude) suatu kejadian hidrologi (hujan) yang terjadi satu kali dalam N
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 :

- Gringorten :


- Hazen :

- Cunnane :


m : nomor urut data
n : Jumlah data
Tr : Periode ulang
Dengan menggunakan persamaan di atas maka diperoleh hasil Tr dan P masing-masing metode
seperti pada Tabel 1a.

Tabel 1a. Return periode (Tr) dan peluang

Tr
(Weibull)
P1
Tr
(Gringoten)
P2
Tr
(Hazen)
P3
Tr
(Cunnane)
P4
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
Metode Grafis
m
n
Tr
1

44 . 0
12 . 0

m
n
Tr
1 2
2

m
n
Tr
4 . 0
2 . 0

m
n
Tr

Gambar 1. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log - Weibull)

Gambar 2. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log Gringoten)

Gambar 3. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log Hazen)

Gambar 4. Grafik total hujan wilayah Bili-Bili , 1999-2007 (semi log Cunnane)

Gambar 5. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal Weibul)


Gambar 6. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal Gringoten)

Gambar 7. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal Hazen)

Gambar 8. Grafik total hujan wilayah Bili-Bili , 1999-2007 (log normal Cunnane)

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)
4
terlebih 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)
4
terlebih dahulu. Pengukuran dispersi ini digunakan untuk analisa distribusi
Log Normal dan Log Pearson Type III.

Macam pengukuran dispersi :
a. Standar deviasi (S)

Periode
ulang
Semilog
Weibull
Semilog
Gringoten
Semilog
Hazen
Semilog
Cunnane
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
ulang
P
log - log
Weibull
log - log
Gringoten
log - log
Hazen
log - log
Cunnane
2 50 2464 2464 2464 2464
5 20 3595 3496 3482 3505
10 10 3972 3839 3821 3851
20 5 4160 4011 3991 4025
50 2 4274 4114 4093 4129

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
Ck 1.1220 1.122017698
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
Cv 0.06
Cs = 0.182
Cv = 0.0596
Mendekati
Log Pearson Type III Cs 0
Cv 0.3
Cs = -0.1697
Cv = 0.0596
Mendekati
Gumbel Cs = 1.139
Ck = 5.4
Cs = 0.1220
Cv = 0.4295
Kurang
Normal Cs = 0
Ck = 3
Cs = 0.1220
Ck = 1.1222
Kurang

Distribusi Normal

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
Rata-rata 2464.1111 3.3525
S 0.1999
Cv 0.0596
Cs -0.1697
Ck 1.0875 1.087548192
S K X X
T T


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.
Tabel 6. Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T Distribusi
Normal



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 Y
9
= 0.4942
Tabel 8. Reduced standard deviation (Sn)

Karena data pengamatan hanya 9 data, maka dilakukan ekstrapolasi. Sehingga diperoleh S
9
= 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
log log
Tabel 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
5 50 1.962 0.392 3.745 5556

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
perbedaan ( ) LerLenLu (Soewarno, 1995).
Apablla harga max (Dmax) yang Lerbaca pada kerLas probablllLas kurang darl
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 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
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.
uarl hasll lnLerpolasl maka dlperoleh ucr unLuk nllal = 0.2 : ucr = 0.32, = 0.1 : ucr =
0.398, = 0.03 : ucr = 0.44, = 0.01 : ucr = 0.326
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
1201 9 0.9 0.1 1.125 -0.125 0.225
2. Analisis Frekuensi

Hazen Weibull

Cunnane Gringorten



Hazen Weibull


Cunnane Gringorten




Hazen Weibull


Cunnane Gringorten
Berdasarkan grafik CDF, secara sepintas metode Weibull lebih mendekati kurva normal dibandingkan
ketiga metode lainnya.



Hazen Weibull


Cunnane Gringorten
Dari hasil analisis CDF, secara metode Weibull mempunyai nilai R2 yang paling baik dibandingkan ketiga
metode lainnya. Namun menurut analisis PDF semuanya tidak memenuhi syarat (confidence level of
99%)



Hazen Weibull


Cunnane Gringorten




Hazen Weibull


Cunnane Gringorten


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
50 2464

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 = 0.05
Tabel 16. Perkiraan total hujan yang diharapkan terjadi dengan periode ulang T, mm
Metode Grafis Metode Matematis Software
Periode
Ulang
Semilog
Weibull
Semilog
Gringoten
Semilog
Hazen
Semilog
Cunnane
log - log
Weibull
log - log
Gringoten
log - log
Hazen
log - log
Cunnane
Normal Gumbel
Log
Pearson
III
Rainbow
2 2130 2165 2173 2160 2464 2464 2464 2464 2464 2321 2281 2464
5 3006 2625 2577 2658 3595 3496 3482 3505 3353 2183 3328 3304
10 4466 3392 3251 3488 3972 3839 3821 3851 3819 1965 4025 3743
20 7387 4926 4598 5147 4160 4011 3991 4025 4200 2759 4592 3304
50 16147 9529 8640 10126 4274 4114 4093 4129 4634 3941 5556 2464