Cara Mencari Curah Hujan Yang Hilang

7/24/2019 Cara Mencari Curah Hujan Yang Hilang

http://slidepdf.com/reader/full/cara-mencari-curah-hujan-yang-hilang 1/19

SOAL 2

ESTIMASI DATA HUJAN YANG HILANG dan UJI KONSISTENSI DATA

2.1. Teori Estimasi Data Huan !an" Hi#an"

Data yang ideal adalah data yang untuk dan sesuai dengan apa yang

dibutuhkan. Tetapi dalam praktek sangat sering dijumpai data yang tidak lengkap

(incomplete record) hal ini dapat disebabkan beberapa hal, antara lain yaitu

kerusakan alat, kelalaian petugas, penggantian alat, bencana (pengrusakan) dan

sebagainya. Keadaan tersebut menyebabkan pada bagian – bagian tertentu dari data

runtut waktu terdapat data yang kosong (missing record). Dalam memperkirakan

besarnya data yang hilang, harus diperhatikan pula pola penyebaran hujan pada

stasiun yang bersangkutan maupun stasiun-stasiun sekitarnya.

Keadaan data hujan hilang ini untuk kepentingan tertentu dapat mengganggu.

isalnya pada suatu saat terjadi banjir, sedangkan data hujan pada satu atau beberapa

stasiun pada saat yang bersamaan tidak tersedia (karena berbagai sebab). Keadaan

demikian tidak terasa merugikan bila data tersebut tidak tercatat pada saat yang di

pandang tidak penting.

enurut !oewarno ("###) dalam bukunya $idrologi %perasional &ilid

Kesatu, analisis hidrologi memang tidak selalu diperlukan pengisian data yang

kosong atau hilang. isal terdapat data kosong pada musim kemarau sedang analis

data hidrologi tersebut menghitung debit banjir musim penghujan maka dipandang

tidak perlu melengkapi data pada periode kosong musim kemarau tersebut, tetapi bila

untuk analisis kekeringan maka data kosong pada musim kemarau tersebut harus

diusahakan untuk melengkapi.

Data hujan yang hilang dapat diestimasi apabila di sekitarnya ada stasiun

penakar hujan (minimal " stasiun) yang lengkap datanya atau stasiun penakar yang

datanya hilang diketahui hujan rata-rata tahunannya. ('ily, "##)

enghadapi keadaan ini, terdapat dua langkah yang dapat dilakukan yaitu

. embiarkan saja data yang hilang tersebut, karena dengan cara apapun data

tersebut tidak akan diketahui dengan tepat.

". *ila dipertimbangkan bahwa data tersebut mutlak diperlukan maka perkiraan data

tersebut dapat dilakukan dengan cara-cara yang dikenal.

+



+

2.2. Metode Estimasi Data Huan !an" Hi#an"

*eberapa metode yang dapat digunakan menurut buku engenal Dasar –

dasar $idrologi halaman #- oleh /r. &oyce artha dan /r. 0anny

1didarma,Dipl.$2. yaitu Normal Ratio Method , cara 3 Inversed Square Distance”

dan cara rata – rata aljabar. !edangkan menurut !oewarno dalam bukunya $idrologi

%perasional &ilid Kesatu halaman "#", ada + metode yang digunakan untuk

memperkirakan data hujan periode kosong diantaranya rata – rata aritmatik

(arithmatical average), perbandingan normal (normal ratio), dan kantor cuaca

4asional 1merika !erikat (US.National eather service).

1da kesamaan metode perhitungan dari buku $idrologi %perasional &ilid

Kesatu dengan buku engenal Dasar – dasar $idrologi, yaitu etode rata – rata

aritmatik dengan rata – rata aljabar, dan Normal Ratio Method dengan perbandingan

normal (normal ratio) yang terdapat dibuku !oewarno. 5ang berbeda adalah metode

Kantor 6uaca 1merika !erikat

2.5.1.1. Normal Ratio Method

'insley, Kohler dan 7aulhus (8) menyarankan satu metode yang disebut

!Normal Ratio Method” sebagai berikut

∑=

=n

i i

"

i

#n

#nd

n D"

(

(

Dengan

D9 : Data tinggi hujan harian maksimum di stasiun 9

n : &umlah stasiun di sekitar 9 untuk mencari data di 9

di : Data tinggi hujan harian maksimumdi stasiun i

1n9 : Tinggi hujan rata-rata tahunan di stasiun 9

1ni : Tinggi hujan rata-rata tahunan di stasiun sekitar 9

2.2.2. $ara % Inversed Square Distance”

7ersamaan yang digunakan dalam cara !Inversed Square Distance” adalah

79 :

1

(dXA)2 P

A+

1

(dXB)2 P

B+

1

(dXC )2 P

C

1

(dXA)2+

1

(dXB)2 +

1

(dXC )2



+;

Dengan

79 : Tinggi hujan yang dipertanyakan

71, 7*, 7c : Tinggi hujan pada stasiun disekitarnya

d<1, d<*, d<6 : &arak stasiun < terhadap masing – masing stasiun 1,*,6

2.2.3. &ata ' rata A#a(ar

=ata – rata aljabar ini digunakan apabila kekurangan data kurang dari #>

(?#>) . isalnya adalah diketahui $ujan rata – rata tahunan di 1 : ;# mm :

´ X 1, hujan rata – rata tahunan di * : ;" mm : : ´ X *. Ditanya bagaimana

mengisi data hujan di 1 pada suatu tahun tertentu, bila pada tahun yang sama di *

jumlah hujan : ;# mm. 7enyelesaiannya adalah

<1 :´ X A

´ X B . <* :

750

725 . ;# mm : ;+ mm

&adi besarnya data hujan di 1 adalah ;+ mm.

2.2.4. Metode Kantor $ua)a Ameri*a Seri*at

etode ini memerlukan data dari @ (empat) pos hujan sebagai pos indeks

(inde" station) yaitu misalnya pos hujan 1, *, 6 dan D yang berlokasi disekeliling pos hujan < yang diperkirakan data hujannya. *ila pos indeks itu lokasinya

berada disetiap kuadran dari garis yang menghubungkan utara - selatan dan timur –

barat melalui titik pusat dipos hujan <. 7ersamaannya adalah

$< : A ∑❑ ($iB 'i")C B A ∑❑ (B 'i

")C

Dalam hal ini $< : tebal hujan dipos < yang akan diperkirakan dan $i :

tebal hujan dipos 1, *, 6, dan D. Dan nilai ' i menunjukkan jarak pos hujan 1, *, 6

dan D terhadap pos hujan <.isalnya dari suatu D7! (Daerah 7engaliran !ungai) luas @# Km" terdapat

buah pos hujan <, 1, *, 6, dan D. 7ada suatu bulan pos hujan < rusak. Tentukan

tebal hujan di < bila pos itu dikelilingi pos hujan 1, *, 6, dan D sebagai pos indeks

yang terletak di setiap kuadran dengan data

Kuadran +os Inde*s Huan ,mm- Jara* dari ,Km2-

/ * ##

// 6 # #

/// 1 # 8

/ D "# Data pos hujan < dapat dihitung dengan persamaan diatas



+8

Kuadran +os H ,mm- L ,Km2- L2 1/L H/L2

/ * ## " #,#@### @,###

// 6 # # ## #,#### #,##

/// 1 # 8 @ #,#" ,;8

/ D "# + #,#";;; +,+++

Jum#a0 #,#++ ,"#7enyelesaiannya adalah

$< : A ∑❑ ($iB 'i")C B A ∑❑ (B 'i

")C

$< : (,"#) B (#,#++)

$< : #, mm

&adi besarnya data hujan di pos < adalah #, mm

2.. Teori Ui Konsistensi Dataenurut !oewarno dalam bukunya $idrologi %perasional &ilid Kesatu, data

hujan yang diperlukan untuk analisis disarankan minimal +# tahun data runtut waktu.

Data itu harus tidak mengandung kesalahan dan harus dicek sebelum digunakan

untuk analisis hidrologi lebih lanjut. 1gar tidak mengandung kesalahan (error) dan

harus tidak mengandung data kosong (missing record). %leh karena itu harus

dilakukan pengecekan kualitas data (data qualit$ control). *eberapa kesalahan yang

mungkin terjadi dapat disebabkan oleh Eaktor manusia, alat dan Eaktor lokasi. *ila

terjadi kesalahan maka data itu dapat disebut tidak konsisten (inconsistenc$). Fji

konsistensi (consistenc$ test) berarti menguji kebenaran data. Data hujan disebut

konsisten (consistent) berarti data yang terukur dan dihitung adalah teliti dan benar

serata sesuai dengan Eenomena saat hujan itu terjadi.

*eberapa cara untuk mengecek kualitas data hujan antara lain (a)

melaksanakan pengecekan lapangan, (b) melaksanakan pengecekan ke kantor

pengolahan data, (c) membandingkan data hujan dengan data iklim untuk lokasi yang

sama, (d) analisis kurGa masa ganda (lengkung masa ganda), dan (e) analisis

statistik.

!alah satu cara untuk menguji konsistensi data hujan dengan menggunakan

analisis kurGa masa ganda (dou%le mass curve anal$sis). 7engujian tersebut dapat

diketahui apakah terjadi perubahan lingkungan atau perubahan cara menakar. &ika

hasil uji menyatakan data hujan disuatu stasiun konsisten berarti pada daerah

pengaruh system tersebut tidak terjadi perubahan lingkungan dan tidak terjadi

perubahan cara menakar selama pencatatan data tersebut dan sebaliknya.



+

Ketelitian hasil perhitungan dalam ramalan $idrologi sangat diperlukan, yang

tergantung dari konsistensi data itu sendiri. Dalam suatu rangkaian data pengamatan

hujan, dapat timbul non-homogenitas dan ketidaksesuaian, yang dapat

mengakibatkan penyimpangan dalam perhitungan.

4on-homogenitas ini dapat disebabkan oleh beberapa Eaktor, antara lain

a. 7erubahan letak stasiun.

b. 7erubahan system pendataan.

c. 7erubahan iklim.

d. 7erubahan dalam lingkungan sekitar.

Fji konsistensi ini dapat diselidiki dengan cara membandingkan curah hujan

tahunan komulatiE dari stasiun yang diteliti dengan harga komulatiE curah hujan rata-

rata dari suatu jaringan stasiun dasar yang bersesuaian. 7ada umumnya, metode ini

disusun dengan urutan kronologis mundur dan dimulai dari tahun yang terakhir atau

data yang terbaru hingga data terakhir.

&ika data hujan tidak konsisten karena perubahan atau gangguan lingkungan di

sekitar tempat penakar hujan dipasang, misalnya, penakar hujan terlindung oleh

pohon, terletak berdekatan dengan gedung tinggi, perubahan penakaran dan

pencatatan, pemindahan letak penakar dan sebagainya, memungkinkan terjadi

penyimpangan terhadap trend semula. $al ini dapat diselidiki dengan menggunakan

lengkung massa ganda.

Kalau tidak ada perubahan terhadap lingkungan maka akan diperoleh garis

1*6 berupa garis lurus dan tidak terjadi patahan arah garis, maka data hujan tersebut

adalah konsisten. Tetapi apabila pada tahun tertentu terjadi perubahan lingkungan,

didapat garis patah 1*6H. 7enyimpangan tiba-tiba dari garis semula menunjukkan

adanya perubahan tersebut, yang bukan disebabkan oleh perubahan iklim atau

keadaan hidrologis yang dapat menyebabkan adanya perubahan trend . !ehingga data

hujan tersebut dapat dikatakan tidak konsisten dan harus dilakukan koreksi.

1pabila data hujan tersebut tidak konsisten, maka dapat dilakukan koreksi

dengan menggunakan rumus

5I : Jk 9 5

Jk : tan

tan #



@#

Keterangan

5I Data hujan yang diperbaiki, mm

5 Data hujan hasil pengamatan, mm

Tg Kemiringan sebelum ada perubahan

Tg c Kemiringan setelah ada perubahan

Gam(ar .1. Len"*un" Massa Ganda

Sum(er Materi Ku#ia0 Hidro#o"i Te*ni* Dasar

Keteran"an 3 7ola yang terjadi berupa garis lurus dan tidak terjadi patahan arah garis itu,

maka data hujan pos < adalah konsisten.

3 7ola yang terjadi berupa garis lurus dan terjadi patahan arah garis itu, maka

data hujan pos < adalah tidak konsisten dan harus dilakukan koreksi.

2.4. Soa# 2 dan Data

!oal " adalah lakukan estimasi data hujan yang hilang dan uji konsistensi data.

Data yang diketahui adalah pada tabel dibawah ini

Ta(e# 2.1. Data Huan Harian Ma*simum Stasiun A5 65 $5 D



@

No. Ta0un

Stasiun

Huan

A

Stasiun

Huan

6

Stasiun

Huan

$

Stasiun

Huan

D

"### ";,# "", "+8,

" "## "@,# "@,+ ""8, ",+ "##" +"@,# +#;,8 ", ";,@

@ "##+ "8;,# ";",; "8,+ "@@,#

"##@ "+,# ""+,+ ", ,8

"## ",# "#8, ;,

; "## +#,# "8,# ";#, ",

8 "##; "+,# "@, "+,; ""+,

"##8 @,# 8@,+ ;@, @,

# "## ";8,# "@, "#," "+,+

"## +",# +#,# ";"," "# +,# ", ";, "@,"

Keterangan

Data yang hilang pada stasiun 1

Data yang hilang pada stasiun 6

Data yang hilang pada stasiun D

Data yang diasumsi adalah jarak antar stasiun. &arak antar stasiun ini didasarkan

pada lampiran peta yang terdapat dalam soal. *erikut ini adalah jarak antar stasiun

hasil pengukuran. !atuan untuk jarak dibawah ini adalah Km.

+OS A 6 $ D

A # "# +#

6 # "", "",8

$ "# "", # ,8

D +# "",8 ,8 #

2.7. +en!e#esaian Estimasi Data Huan !an" Hi#an"

Dalam penyelesaian estimasi data hujan yang hilang ini digunakan metode

!Normal Ratio Method” atau perbandingan normal karena data yang diketahui

adalah data hujan saja dan juga metode !Inversed Square Distance” yang

didasarkan atas jarak antar stasiun juga.

2.7.1. Metode “Normal Ratio Method”

2.7.1.1. Data Huan !an" Hi#an" di Stasiun A ta0un 2888

Ta(e# 2.2. Data Huan Stasiun 65 $5 D

Ta0unStasiun Huan

A

Stasiun Huan

6

Stasiun Huan

$

Stasiun Huan

D"### ";,# "", "+8,



@"

Ta0unStasiun Huan

A

Stasiun Huan

6

Stasiun Huan

$

Stasiun Huan

D

"## "@,# "@,+ ""8, ",

"##" +"@,# +#;,8 ", ";,@

"##+ "8;,# ";",; "8,+ "@@,#

"##@ "+,# ""+,+ ", ,8

Jum#a

0118858 184751 99858 9751

!umber $asil 7erhitungan

Ta(e# 2.. Data Huan Stasiun 65 $5 D dan Huan Ta0unan

+os HuanTin""i Huan Huan Ta0unan

,mm- ,mm-1 ##,#

* ";,# #@,

6 "", #,#

D "+8, +,


1nalisa perhitungan data yang hilang di stasiun hujan 1

∑=

=n

i i

"

i

#n

#nd

n D"

(

(

D9 :

×+

×+

× .,"+8

(,.+

#,((##.,""

#,..#

#,((###,"-;

(,(#@

#,((##

+

(

: "8 mm

&adi, data $ang hilang di stasiun hu'an # pada tahun adalah *+ mm.

2.7.1.2. Data Huan !an" Hi#an" di Stasiun $ ta0un 2818

Ta(e# 2.4. Data Huan Stasiun A5 65 D

Ta0unStasiun Huan

A

Stasiun Huan

6

Stasiun Huan

$

Stasiun Huan

D

"## +#,# "8,# ";#, ",

"##; "+,# "@, "+,; ""+,

"##8 @,# 8@,+ ;@, @,

"## ";8,# "@, "#," "+,+

"## +",# +#,# ";",

"# +,# ", ";, "@,"

Jum#a0 14;58 12;95< 12125 114459




@+

Ta(e# 2.7. Data Huan Stasiun A5 65 D dan Huan Ta0unan


,mm- ,mm-

1 +",# +@;,#

* +#,# ";,86 "",+

D ";", @@,



∑=

=n

i i

"

i

#n

#nd

n D"

(

(

D9 :

×+

×+

× .,";"

.,((@@

+,("("#,+#

8,(";.

+,("("#,+"(

#,(+@;

+,("("

+

(

: "88, mm

&adi, data $ang hilang di stasiun hu'an pada tahun + adalah **,- mm.

2.7.1.. Data Huan !an" Hi#an" di Stasiun D ta0un 2887

Ta(e# 2.=. Data Huan Stasiun A5 65 $

Ta0unStasiun

Huan A

Stasiun Huan

6

Stasiun Huan

$

Stasiun Huan

D

"### "8,# ";,# "", "+8,

"## "@,# "@,+ ""8, ",

"##" +"@,# +#;,8 ", ";,@

"##+ "8;,# ";",; "8,+ "@@,#"##@ "+,# ""+,+ ", ,8

"## ",# "#8, ;,

"## +#,# "8,# ";#, ",

"##; "+,# "@, "+,; ""+,

"##8 @,# 8@,+ ;@, @,

"## ";8,# "@, "#," "+,+

"## +",# +#,# "88, ";",

"# +,# ", ";, "@,"

Jum#a0 84958 2<9=59 2;4451 27915<!umber $asil 7erhitungan



@@

Ta(e# 2.;. Data Huan Stasiun A5 65 $ dan Huan Ta0unan


,mm- ,mm-

1 ",# +#@,#* "#8, "8,

6 ;, ";@@,

D ",8


1nalisa perhitungan data yang hilang di stasiun hujan D

∑=

=n

i i

"

i

#n

#nd

n D"

(

(

D9 :

×+

×+

× (,(.;

(,";@@8,".((,"#8

#,"8.-8,".(#,"(.

#,+#@.8,".(

+(

: 8," mm

&adi, data $ang hilang di stasiun hu'an D pada tahun adalah +*/, mm.

2.7.2. Metode “Inversed Square Distance”

2.7.2.1. Data Huan !an" Hi#an" di Stasiun A ta0un 2888

Ta(e# 2.<. Data Huan Stasiun 65 $5 D

Ta0unStasiun

Huan A

Stasiun

Huan 6

Stasiun

Huan $

Stasiun

Huan D"### ";,# "", "+8,

Jara* dari stasiun

A# "# +#



79 :

1

(dXB

)

2 P

B+

1

(dXC

)

2 P

C +

1

(dXD

)

2 P

D

1

(dXB)2 +

1

(dXC )2 +

1

(dXD)2

71 :

1

(15)2267+

1

(20)2252,9+

1

(30)2238,9

1

(15)2+

1

(20)2+

1

(30)2

71 :

1

225267+

1

400252,9+

1

900238,9

1

225+ 1

400+ 1

900



@

71 : "8,; mm

&adi, data $ang hilang di stasiun hu'an # pada tahun adalah "8,; mm

2.7.2.2. Data Huan !an" Hi#an" di Stasiun $ ta0un 2818

Ta(e# 2.9. Data Huan Stasiun A5 65 D

Ta0unStasiun

Huan A

Stasiun

Huan 6

Stasiun

Huan $

Stasiun

Huan D

"## +",# +#,# ";",

Jara* dari stasiun

$"# "", # ,8



79 :

1

(dXA)2 P

A+

1

(dXB)2 P

B+

1

(dXD)2 P

D

1

(dXA)2 +

1

(dXB)2+

1

(dXD)2

76 :

1

(20)2321+

1

(22,6)2305+

1

(16,8)2272,9

1

(20)2+ 1

(22,6)2+ 1

(16,8)2

76 :

1

499321+

1

511305+

1

282272,9

1

499+ 1

511+ 1

282

76 : "8@,+ mm

&adi, data $ang hilang di stasiun hu'an pada tahun + adalah "8@,+ mm

2.7.2.. Data Huan !an" Hi#an" di Stasiun D ta0un 2887

Ta(e# 2.18. Data Huan Stasiun A5 65 $

Ta0unStasiun

Huan A

Stasiun

Huan 6

Stasiun

Huan $

Stasiun

Huan D

"## ",# "#8, ;,

Jara* dari stasiun

$+# "",8 ,8 #




@

1nalisa perhitungan data yang hilang di stasiun hujan D

79 :

1

(dXA)2 P

A+

1

(dXB)2 P

B+

1

(dXC )2 P

C

1

(dXA)2+

1

(dXB)2+

1

(dXC )2

7D:

1

(30)2219+

1

(22,8)2208,1+

1

(16,8)2197,1

1

(30)2 +

1

(22,8)2+

1

(16,8)2

7D:

1

900219+

1

520208,1+

1

282197,1

1

900+ 1

520+ 1

282

7D : "#,# mm

&adi, data $ang hilang di stasiun hu'an D pada tahun adalah "#,# mm

2.7.. +er(andin"an Hasi# Metode ! Normal Ratio Method” dan metode

“Inversed Square Distance”

7erhitungan penyelesaian estimasi data hujan yang hilang dengan metode

!Normal Ratio Method” diketahui bahwa data yang hilang dapat dihitung. $asilnya

adalah pada tabel berikut

Ta(e# 2.11. Hasi# +er0itun"an Data Huan !an" Hi#an"

Ta0un

Stasiun

Huan

A

Stasiun

Huan

6

Stasiu

n

Huan

$

Stasiun

Huan

D

"### ""+,8 ";,# "", "+8,

"## "@,# "@,+ ""8, ",

"##" +"@,# +#;,8 ", ";,@"##+ "8;,# ";",; "8,+ "@@,#



@;

Ta0un

Stasiun

Huan

Stasiun

Huan

Stasiu

n

Stasiun

Huan

"##@ "+,# ""+,+ ", ,8

"## ",# "#8, ;, ;,8

"## +#,# "8,# ";#, ",

"##; "+,# "@, "+,; ""+,

"##8 @,# 8@,+ ;@, @,

"## ";8,# "@, "#," "+,+

"## +",# +#,# "++,+ ";",

"# +,# ", ";, "@,"


7erhitungan penyelesaian estimasi data hujan yang hilang dengan metode

!Inversed Square Distance” diketahui bahwa data yang hilang dapat dihitung.

$asilnya adalah pada tabel berikut

Ta(e# 2.12. Hasi# +er0itun"an Data Huan !an" Hi#an"

Ta0un

Stasiu

n

Huan

A

Stasiu

n

Huan

6

Stasiu

n

Huan

$

Stasiu

n

Huan

D

"### "8,; ";,# "", "+8,"## "@,# "@,+ ""8, ",

"##" +"@,# +#;,8 ", ";,@

"##+ "8;,# ";",; "8,+ "@@,#

"##@ "+,# ""+,+ ", ,8

"## ",# "#8, ;, "#,#

"## +#,# "8,# ";#, ",

"##; "+,# "@, "+,; ""+,

"##8 @,# 8@,+ ;@, @,

"## ";8,# "@, "#," "+,+"## +",# +#,# "8@,+ ";",

"# +,# ", ";, "@,"


&ika dibandingkan menjadi tabel maka hasilnya adalah

Ta(e# 2.1. Hasi# Ana#isa di Stasiun A5 $5 D

Ta0un/

Stasiun

“Normal Ratio Method” “Inversed Square

Distance”

2888/ ""+,8 "8,;



@8

Ta0un/

Stasiun“Normal Ratio Method”

“Inversed Square

Distance”

A

2818/

$ "++,+ "8@,+

2887/

D;,8 "#,#


2.7.4. Kesim>u#an

Dari hasil perhitungan mendapatkan nilai yang berbeda antara metode

!Normal Ratio Method” dan metode !Inversed Square Distance”. &ika pada metode

!Normal Ratio Method” hasil yang didapat adalah lebih kecil dari hasil perhitungan

menggunakan metode !Inversed Square Distance” hal ini dikarenakan ada Eaktor

jarak yang mempengaruhi. &adi, dapat disimpulkan dalam mengestimasi hujan yang

hilang tidak hanya Eaktor tinggi hujan distasiun lain yang dipertimbangkan, namun

juga harus diperhatikan jarak antara stasiun yang diketahui dengan stasiun yang

dicari.

2.=. +en!e#esaian Ui Konsistensi Data

Data yang dipakai dalam Fji Konsistensi ini data berdasarkan analisa

menggunakan metode !Normal Ratio Method” karena data dalam perhitungan

menggunakan metode tersebut adalah asli atau tanpa asumsi.

2.=.1. Ui Konsistensi Stasiun A ter0ada> Stasiun 65$5D

Ta(e# 2.14. Data Ui Konsistensi Stasiun A ter0ada> Stasiun 65$5D

No. Ta0un

Stasiun

Huan

A

Komu#ati?

&erata65$5D

Komu#ati? 65$5DA

"# +,# +,# ";, ";,

" "## +",# +",# "88, 8,8

+ "## ";8,# #,# "#," 8,#

@ "##8 @,# #@,# ;@, +,

"##; "+,# +;,# "+,; "+#,+

"## +#,# 8,# ";#, #,+

; "## ",# 88;,# ;, 8,@

8 "##@ "+,# """,# ", #,

"##+ "8;,# "@#,# "8,+ "8,+



@

No. Ta0unStasiun

Hu an

Komu#ati? &erata

6 $ D

Komu#ati?

6 $ DA

# "##" +"@,# ";++,# ", "@,

"## "@,# "8;,# ""8, "88,

" "### "8,# +"8,# "", "@,@ !umber $asil 7erhitungan

0.0

500.0

1000.0

1500.0

2000.0

2500.0

3000.0

3500.0

0.0

500.0

1000.0

1500.0

2000.0

2500.0

3000.0

3500.0

Komulatif Rerata Stasiun B,C,D

Komulatif Stasiun A

Gra?i* .1. Ui Konsistensi Stasiun A ter0ada> Stasiun 65$5D

2.=.2. Ui Konsistensi Stasiun 6 ter0ada> Stasiun A5$5D

Ta(e# 2.17. Data Ui Konsistensi Stasiun 6 ter0ada> Stasiun A5$5D

No. Ta0un

Stasiun

Huan

6

Komu#ati? &erata

A5$5D

Komu#ati?

A5$5D6

"### ", ", "8,# "8,#

" "## +#,# ##, "@,+ ;,+

+ "##" "@, 8@, "@,8 8+@,

@ "##+ 8@,+ #@8, ;;,8 #",#

"##@ "@, "8,8 "@, "+,

"## "8,# 8@,8 ";, ",#

; "## "#8, ;", "##,8 ;",8

8 "##; ""+,+ "#," ",@ @," "##8 ";",; ""88, "+, ""#8,+



#

No. Ta0unStasiun

Hu an

Komu#ati? &erata

A $ D

Komu#ati?

A $ D6

# "## +#;,8 ",; ";,# "#,+

"## "@,+ "8+8,# "+",8 ";+8,

" "# ";,# +#,# ";, ",; !umber $asil 7erhitungan

0.0

500.0

1000.0

1500.0

2000.0

2500.0

3000.0

3500.0

0.0

500.0

1000.0

1500.0

2000.0

2500.0

3000.0

3500.0

Komulatif Rerata Stasiun A,C,D

Komulatif Stasiun B

Gra?i* .2. Ui Konsistensi Stasiun 6 ter0ada> Stasiun A5$5D

2.=.. Ui Konsistensi Stasiun $ ter0ada> Stasiun A565D

Ta(e# 2.1=. Data Ui Konsistensi Stasiun $ ter0ada> Stasiun A565D

No. Ta0un

Stasiun

Huan

$

Komu#ati? &erata

A565D

Komu#ati?

A565D$

"### ";, ";, "#," "#,"

" "## "88, 8,8 ", 8,

+ "##" "#," 8,# ", 8@,+

@ "##+ ;@, +, 8, #+#,@

"##@ "+,; "+#,+ "@, ";,

"## ";#, #," "8,# ,

; "## ;, 8,+ "#@,@ ;,+

8 "##; ", #,8 ",@ 8#,;

"##8 "8,+ "8, ";, ""@8,# "## ", "@,; +#",@ ",#



No. Ta0unStasiun

Hu an

Komu#ati? &erata

A 6 D

Komu#ati?

A 6 D$

"## ""8, "88,+ "+;, ";88,#

" "# "", "@," "",+ +##,+


0.0

500.0

1000.0

1500.0

2000.0

2500.0

3000.0

3500.0

0.0

500.0

1000.0

1500.0

2000.0

2500.0

3000.0

3500.0

Komulatif Rerata Stasiun A,B,D

Komulatif Stasiun C

Gra?i* .. Ui Konsistensi Stasiun $ ter0ada> Stasiun A565D

2.=.4. Ui Konsistensi Stasiun D ter0ada> Stasiun A565$

Ta(e# 2.1;. Data Ui Konsistensi Stasiun d ter0ada> Stasiun A565$

No. Ta0un

Stasiun

Huan

D

Komu#ati? &erata

A565$

Komu#ati?

A565$D

"### "@," "@," ", "," "## ";", +;, +#,# ##,@



"

No. Ta0unStasiun

Hu an

Komu#ati? &erata

A 6 $

Komu#ati?

A 6 $D

+ "##" "+,+ ;;+,@ "@, 8@,

@ "##+ @, +8,+ 8@,+ #@8,8

"##@ ""+, , "@, "8,; "## ", @;,8 "8,# 8@,;

; "## 8," #@,# "#8, ;",;

8 "##; ,8 8#+,8 ""+,+ "#,#

"##8 "@@,# "#@;,8 ";",; ""88,;

# "## ";,@ "+"+," +#;,8 ",

"## ", "+, "@,+ "8+;,8

" "# "+8, ";;8,# ";,# +#@,;


0.0

500.0

1000.0

1500.0

2000.0

2500.0

3000.0

3500.0

0.0

500.0

1000.0

1500.0

2000.0

2500.0

3000.0

Komulatif Rerata Stasiun A,B,C

Komulatif Stasiun D

Gra?i* .4. Ui Konsistensi Stasiun D ter0ada> Stasiun A565$

2.=.7. Kesim>u#an



+

*erdasarkan graEik uji konsistensi stasiun 1 terhadap *, 6, D. aka dapat

disimpulkan bahwa data hujan konsisten, hal ini dikarenakan graEik berupa garis

lurus dan tidak terjadi patahan. *egitu juga yang terjadi pada graEik uji konsistensi

stasiun * terhadap 1,6,D, graEik uji konsistensi stasiun 6 terhadap 1,*,D, dan graEik

uji konsistensi stasiun D terhadap 1,*,6.

Dalam graEik ini ditunjukkan bahwa garis teoritis atau linier yang ditunjukkan

dengan warna merah memiliki nilai yang sama dengan garis empiris yang

ditunjukkan dengan warna hitam, sehingga pola yang terjadi berupa garis lurus dan

tidak terjadi patahan arah garis. &adi dapat disimpulkan data – data pada @ stasiun

tersebut adalah konsisten.

Da?tar 6a)aan

. 'imantara, '.. , ("##). 0idrologi 1ra2tis , 6. 'ubuk 1gung, *andung

". &oyce artha dkk. Mengenal Dasar 3 dasar 0idrologi. 4oGa, *andung

3. !oewarno, ("###). 0idrologi 4perasional 3 &ilid 5esatu, 7enerbit 6itra 1ditya

*akti, *andung

Documents

Cara Mencari Curah Hujan Yang Hilang