Upload
l-sigar-canggih-ranesa
View
241
Download
47
Embed Size (px)
DESCRIPTION
JURNAL HODROLOGI
Citation preview
Spektrum Sipil, ISSN 1858-4896 139 Vol. 1, No. 2 : 139 - 150, Agustus 2010
* Jurusan Teknik Sipil Fakultas Teknik Universitas Mataram Jl. Majapahit 62 Mataram
Uji Validasi Dan Perbaikan Data Hujan Serta Korelasinya Terhadap Data Debit AWLR
Validation and Amelioration of Rainfall Data and Their Correlation Towards Observed Streamflow
Ery Setiawan*
Abstrak
Pada umumnya, analisis hidrologi akan memberikan hasil yang semakin baik jika data hujan lengkap dan akurat. Akan tetapi, dalam praktek sering dijumpai data tidak lengkap karena adanya kekosongan/kehilangan data hujan. Oleh karena itu, untuk mengurangi kesalahan dalam analisis dan akurasinya tetap tinggi, perlu dilakukan uji validasi serta perbaikan pada sekumpulan data hujan yang mengalami kerusakan/hilang. Metode yang digunakan untuk uji validasi mencakup uji konsistensi, log Pearson III, trend, homogenitas dan persistensi. Sedangkan metode rantai Markov digunakan untuk mengisi/memperbaiki data. Uji validasi dan perbaikan dilakukan terhadap data hujan dengan interval waktu setengah bulanan pada pos ARR (Automatic rainfall Recorder) Kuripan dan Kabul (terdapat di DAS Dodokan). Hasil yang diperoleh menyatakan, bahwa perbaikan data hujan yang dilakukan bervariasi mulai 0% (yang berarti data valid) sampai dengan 100% kesalahan (data invalid. Bobot perbaikan rerata data hujan pos Kuripan sebesar 18,33%, sedangkan untuk pos hujan Kabul sebesar 7,08%. Dari hasil analisis regresi dan korelasi, data hujan setelah diuji/diperbaiki tidak dapat memperbaiki/meningkatkan koefisien korelasi antar parameter hujan dan debit AWLR (Automatic Water Level Recorder). Hal ini diperlihatkan dengan tidak berubahnya nilai koefisien korelasi secara signifikan, bahkan ada kecenderungan nilai koefisien korelasinya menurun.
Kata kunci : data hujan, uji validasi, perbaikan data, regresi, koefisien korelasi
PENDAHULUAN
Ketersediaan data dan informasi hidrologi yang memadai, akurat, tepat waktu dan
berkesinambungan sudah menjadi tuntutan mendesak untuk dapat segera diwujudkan, sebagaimana
yang diamanatkan dalam Undang-Undang Sumber Daya Air No. 7 Tahun 2004. Namun
kenyataannya, hingga saat ini kualitas data hidrologi yang ada dapat dikatakan secara umum masih
rendah, padahal analisis pendugaan parameter hidrologi dengan data curah hujan akan semakin baik
jika data curah hujan tersebut lengkap dan akurat. Akan tetapi, dalam praktek sering dijumpai data
tidak lengkap karena adanya kekosongan/kehilangan data hujan. Hal ini disebabkan antara lain
karena kerusakan alat, kelalaian petugas, penggantian alat, pemindahan lokasi alat, bencana dan
pengrusakan. Dalam proses pengumpulan data hujan, pada umumnya data dikumpulkan dari
lapangan oleh para petugas, kemudian dipindahkan kedalam formulir baku yang telah disediakan.
Dengan mengikuti prosedur tersebut dan juga karena sebab-sebab lainnya sering terjadi data hujan
tidak terekam, atau hilang/rusak, sehingga data hujan pada hari tertentu tidak diketahui. Jika hal
seperti ini terlalu sering terjadi akan sangat merugikan dan hal inilah yang kadang-kadang digunakan
sebagai salah satu alasan untuk tidak menggunakan data di stasiun tersebut secara keseluruhan
dalam analisis (Anonim, 2004; Fitri 2009 dan Lestari, 2009). Tanpa disadari bahwa dengan
berkurangnya jumlah stasiun dalam analisis justru akan mengundang kesalahan lain.
Oleh karena itu, untuk mengurangi kesalahan analisis karena adanya data yang rusak/hilang,
perlu dilakukan analisis uji validasi serta melakukan pengisian dan/atau perbaikan terhadap
sekumpulan data hujan pada suatu pos hujan yang mengalami kerusakan/hilang. Metode yang
140 Spektrum Sipil, 1(2), Agustus 2010
digunakan untuk uji validasi data hujan mencakup uji konsistensi menggunakan log Pearson III, uji
trend dan homogenitas menggunakan peringkat Spearman serta uji persistensi menggunakan
koefisien serial Spearman. Sedangkan metode rantai Markov digunakan untuk mengisi/memprediksi
data, jika data hujan hilang dan memperbaiki data jika data invalid. Pemilihan metode-metode tersebut
dengan pertimbangan kelengkapan kandungan faktor dan memiliki kesederhanaan serta kemudahan
dalam penggunaannya.
Lokasi studi uji validasi dan perbaikan data hujan adalah DAS Dodokan di Sub Wilayah Sungai
(Sub WS) Dodokan, Pulau Lombok. Sub WS Dodokan dengan luas 1.908 km2 terdiri dari 16 Daerah
Aliran Sungai (DAS) dengan kisaran luas 22,89 sampai dengan 581,40 km2
(Dinas Kimpraswil, 2006).
Salah satunya adalah DAS Dodokan dengan luas terbesar yaitu 581,40 km2 dan terdiri dari 2 buah
sungai utama, yaitu Sungai Dodokan dan Sungai Dalem. Cakupan DAS Dodokan yaitu sebagian
besar Kabupaten Lombok Barat dan Kabupaten Lombok Tengah dan seluruh Kota Mataram.
Besarnya curah hujan tahunan antara 836 mm di bagian selatan sampai 2500 mm di bagian utara
(Balai Hidrologi, 2004 dan Fitri, 2009). Pada Gambar 1 disajikan peta lokasi studi di DAS Dodokan,
sedangkan pada Tabel 1 disajikan pos hidroklimatologi yang ada didalamnya.
TINJAUAN PUSTAKA
Uji Validasi Data Hujan
Jika suatu alat penakar hidrologi di lapangan dapat dikategorikan layak ukur, maka proses
selanjutnya adalah memastilkan validitas data secara statistika hidrologi. Jika data yang digunakan
belum valid, bagaimana upaya yang harus dilakukan untuk membuktikan bahwa data tersebut dapat
Gambar 1. Peta lokasi studi di Pulau Lombok (a dan b), sedangkan (c) peta Sungai Dalem dan Dodokan di DAS Dodokan serta pos hidroklimatologi di dalamnya (sumber : Balai Hidrologi, 2004).
(a)
(b) (c)
AWLR Kr. Makam
AWLR-Kr. Anyar
Pengga
ARR Kabul Mataram
DAS Dodokan
ARR Kuripan
Batujai U
U
Setiawan : Uji Validasi Dan Perbaikan Data Hujan 141
dikatakan valid. Selama ini pengujian hanya dilakukan sebatas untuk membuktikan bahwa data
homogen. Namun, sebenarnya sifat data harus dipandang secara menyeluruh, sehingga layak
digunakan dalam analisis hidrologi terapan (Anonim, 2004).
Tabel 1. Daftar pos hidroklimatologi yang ada di DAS Dodokan
No Sungai utama Nama dan jenis pos Panjang data Keterangan
1. Dodokan Rembitan, Kabul (ARR) 10 tahun (1999-2008) digunakan pos Kabul
Pengga (CR) 25 tahun (1984-2008) tidak digunakan
Karang Anyar (AWLR) 12 tahun (1992-2003)
2. Dalem Pengadang, Kuripan (ARR) 10 tahun (1999-2008) digunakan pos Kuripan
Karang Makam (AWLR) 12 tahun (1992-2003)
Sumber : Balai Hidrologi (2004), Lestari (2009), Fitri (2009), diolah 2010
Pelczer dan Cisneros-Iturbe (2007) dari Universitas Nasional, Mexico, Menggunakan artificial
intelligence (metode kecerdasan buatan ) untuk melakukan validasi dan prediksi data hujan dengan
hasil berupa analisis frekuensi hujan terkoreksi dengan kala ulang 20 tahun. Abaje et al (2010) dari
Kaduna State, Nigeria, melakukan penelitian tentang anomali trend data hujan bulanan selama 35
tahun. Pengamatan yang dilakukannya menggunakan metode statistik (rerata, deviasi, koefisien
skweness, koefisien kurtosis dan koefisien variasi). Hasilnya menyimpulkan bahwa deklinasi dan
terjadi anomali pada bulan musim hujan, yaitu Juli sampai Oktober. Fitri (2009) melakukan studi
tentang pengisian data hujan yang rusak/hilang di Pulau Lombok menggunakan 2 metode yaitu :
normal ratio method dan reciprocal method. Normal ratio method adalah cara mengisi atau
memperbaiki data hujan suatu pos berdasarkan data hujan beberapa pos terdekat disekitarnya dalam
durasi waktu yang sama. Sedangkan reciprocal method adalah metode perbandingan hasil kali data
hujan dan jarak antar pos hujan terhadap seper-kuadrat jarak antara pos referensi dan pos uji. Uji
konsistensi yang dilakukan terhadap data hujan tersebut menggunakan 2 metode, yaitu : uji RAPS
(Rescaled Adjusted Partial Sums) dan DMC (Double Mass Curve). Deidda (2010) menggunakan
metode multiple statistik untuk membuat garis trend dan regresi pada deret berkala dari sekumpulan
data hujan. Hasilnya digunakan untuk memprediksi data hujan pada tahun-tahun mendatang pada
wilayah setempat yang digunakan untuk lokasi studi. Mazvimavi (2010), melakukan uji validasi data
hujan bulanan dan tahunan menggunakan the Mann-Kendall test untuk mencari penyimpangan
terhadap rentetan data hujan observasi pada 40 stasiun hujan sepanjang tahun 1892 - 2000.
Diperoleh regresi dengan nilai R sangat rendah (
142 Spektrum Sipil, 1(2), Agustus 2010
koridor batas kepercayaan. Rumus-rumus yang digunakan dalam uji validasi data hujan adalah
sebagai berikut.
a) Rumus log Pearson III untuk uji konsistensi
log Xab = log X S.k......................................................................(1)
dengan
Xab = nilai batas atas (X,) dan batas bawah (Xb) yang diperkenankan
X = rerata data hujan setengah bulanan
S = deviasi standar
K = koefisien log Pearson III (fungsi dari koefisien kemencengan dan batas kepercayaan)
b) Rumus peringkat Spearman untuk uji trend, yaitu :
nn
dt
KP
n
i
3
1
26
1 .........................................................................(2)
2
1
21
2
KP
nKPt .........................................................................(3)
dengan
KP = koefisien korelasi peringkat Spearman
n = jumlah data hujan setengah bulanan
dt = Rt Tt
Rt = peringkat variabel hidrologi deret berkala
Tt = peringkat waktu
t = nilai distribusi t pada derajat kebebasan (dk) pada n - 2.
Dengan mengembalikan nilai t sebagai fungsi dari probabilitas (100-LS) dan dk, maka didapatkan
nilai Tc (t kritis) untuk melaksanakan pengujian dua sisi.
c) Rumus uji F untuk uji homogenitas, yaitu :
1
1
1
2
22
2
2
11
nSn
nSnF .........................................................................(4)
dengan
n1 = jumlah data kelompok 1
S1 = deviasi standar kelompok 1
n2 = jumlah data kelompok 2
S2 = deviasi standar kelompok 2
Dengan mengembalikan nilai F sebagai fungsi dari probabilitas (100-LS) dan dk kelompok 1 dan
kelompok 2, maka didapatkan nilai Fc (F kritis) untuk melaksanakan pengujian.
d) Rumus koefisien serial Spearman untuk uji keacakan, yaitu :
mm
di
KS
n
i
3
1
2
6
1 ...................................................................(5)
Setiawan : Uji Validasi Dan Perbaikan Data Hujan 143
2
1
21
2
KS
mKSt .......................................................................(6)
dengan
KS = koefisien korelasi serial Spearman
m = jumlah data hujan setengah bulanan = (n) - 1
di = perbedaan nilai antara peringkat ke i dan ke i-1
t = nilai distribusi t pada derajat kebebasan (dk) = m-2.
Dengan mengembalikan nilai t sebagai fungsi dari probabilitas (100-LS) dan dk maka didapatkan
nilai T untuk melaksanakan pengujian dua sisi.
e) Rumus rantai Markov untuk pembangkitan data hujan yang rusak/hilang, yaitu :
Xi = . Xi-1 + (1-). X + S . z (1-2)1/2
......................................................(7)
dengan
Xi = data setengah bulanan ke i
Xi-1 = data setengah bulanan ke i-1
X = rerata setengah bulanan keseluruhan data
S = deviasi standar keseluruhan data
= koefisien korelasi lag 1
z = bilangan acak yang harus ditransformasi dari bilangan acak uniform (komputer)
METODOLOGI PENELITIAN
Secara garis besar, ada 3 kegiatan utama dalam pelaksanaan analisis ini, yaitu uji validasi
terhadap data hujan, perbaikan terhadap hasil uji, dan verifikasi/kontrol terhadap data debit observasi
(AWLR). Metode untuk melakukan verifikasi/kontrol terhadap data debit observasi digunakan
persamaan regresi linier dan koefisien korelasi sebagai indikator tingkat hubungan antar 2 variabel
atau lebih (Kustituanto, 1984). Secara umum pelaksanaan kegiatan analisis uji validasi dan perbaikan
data hujan, ditampilkan dalam bentuk bagan alir pelaksanaan kegiatan seperti yang disajikan pada
Gambar 2 di bawah ini.
ANALISIS DAN PEMBAHASAN
Uji Validasi dan Perbaikan Data Hujan
Dari hasil pengumpulan data pos hidroklimatologi di DAS Dodokan (seperti tercantum pada Tabel 1
diatas), didapatkan 4 buah pos hujan dan 2 buah pos debit (AWLR). Pos tersebut yaitu 2 pos hujan
(Pengadang dan Kuripan) dan 1 Pos debit Karang Makam terdapat di Sub DAS Sungai Dalem serta 2
pos hujan (Kabul dan Rembitan) dan 1 Pos AWLR Karang Anyar di DAS Dodokan. Uji dilakukan
terhadap data hujan dengan interval waktu setengah bulanan pada Pos Kuripan dan Kabul dengan
durasi data masing-masing pos selama 10 tahun (tahun 1999 s/d 2008). Pada Tabel 2 di bawah,
disajikan data hujan yang ada di Pos Kuripan selama 10 tahun, sedangkan untuk data Pos Kabul
disajikan pada lampiran.
144 Spektrum Sipil, 1(2), Agustus 2010
Gambar 2. Bagan alir metode pelaksanaan kegiatan uji validasi dan perbaikan data hujan.
Pada tabel tersebut terlihat ada beberapa data yang hilang/rusak sehingga diberi notasi N/A. Uji
yang dilakukan meliputi uji konsistensi, trend, homogenitas dan persistensi, dengan menggunakan
persamaan (1) sampai dengan (6) seperti disebutkan pada Tinjauan Pustaka. Urutan/langkah
perhitungan uji validasi dan perbaikan dijelaskan sebagai berikut. Semua data diuji dan akan
mempunyai persen kesalahan tertentu, kemudian setelah diuji akan dilakukan perbaikan terhadap
data yang bersifat outlier serta pengisian terhadap data yang kosong atau bernotasi N/A. Rumus
Rantai Markov pada persamaan (7) digunakan untuk proses perbaikan/pengisian data hujan hasil uji.
Kemudian setelah proses pengisian/perbaikan, data akan diuji lagi hingga didapatkan tingkat
kesalahannya mendekati 0%. Untuk mempermudah dan mempercepat hitungan uji validasi dan
perbaikan/pengisian data ini digunakan fasilitas macro-VBA (Visal Basic for Application) yang terdapat
pada Microsoft Excel. Rekapitulasi prosentase bobot perbaikan data hujan untuk tiap setengah
bulanan, baik dari Pos Kuripan maupun Kabul disajikan pada Tabel 3. Sedangkan rekapitulasi data
hujan hasil pengujian dan pengisian/perbaikan data hujan ditabelkan pada Tabel 4 untuk Pos Kuripan.
Perbandingan data hujan observasi/asli dengan data hujan hasil pengisian/perbaikan disajikan secara
grafik pada Gambar 3 dan Gambar 4 (kedua pos ARR diwakili oleh data tahun 1999 dan 2000).
Grafik-grafik tersebut hanya merupakan representasi dari keseluruhan data hujan baik dari Pos
Uji Data :
1. Uji Konsistensi
2. Uji Trend
3. Uji Stasioner
4. Uji Persistensi
Hasil uji :
data valid ?
Mulai
Ya
Data bisa
diperbaiki ?Data tidak dapat
digunakan
Pengumpulan & Inventarisasi
a. Peta DAS
b. Positioning pos hujan dan aliran
c. Pengumpulan data hujan dan aliran
Ya
Tidak
Analisis regresi dan korelasi data hujan
vs data aliran/debit
a. data asli vs data aliran,
b. data hasil perbaikan vs data aliran
Pengisian dan
perbaikan data
Tidak
Kesimpulan dan rekomendasi
Selesai
Setiawan : Uji Validasi Dan Perbaikan Data Hujan 145
Kuripan atau Kabul yang diuji dan mengalami perbaikan data. Hampir semua data dari kedua pos
tersebut menunjukkan bentuk pola perbaikan data seperti yang terlihat pada Gambar 3 dan 4.
Tabel 2 data hujan observasi pos ARR Kuripan sepanjang 10 tahun (mm)
Sumber : Balai Hidrologi, 2004, Fitri (2009), dan Lestari (2009)
Tabel 3 Bobot perbaikan hasil uji validasi data hujan periode setengah bulanan (dalam %)
Sumber : hasil analisis, 2010
Setelah dilakukan uji validasi, hampir 83,33% data hujan pos ARR Kuripan mengalami perbaikan,
sedangkan pos ARR Kabul 62,50% data mengalami perbaikan. Bobot perbaikan rerata data hujan pos
Kuripan sebesar 18,33% dengan bobot perbaikan tertinggi sebesar 100% terjadi pada bulan Juni-1.
Sedangkan untuk pos hujan Kabul bobot perbaikan rerata sebesar 7,08% dengan bobot perbaikan
tertinggi sebesar 20% terjadi pada bulan April-2 dan Nov-1. Bobot perbaikan 0% hanya terjadi selama
3 periode untuk Pos Kuripan, sedangkan Pos Kabul lebih baik lagi yaitu 9 periode. Bobot perbaikan
0% berarti kondisi data hujan observasi sebelum dan setelah diuji adalah valid, sehingga tidak ada
perbaikan akibat kerusakan data maupun pengisian akibat data kosong/hilang. Bobot perbaikan 100%
hanya terjadi 1 periode saja di Pos Kuripan yaitu pada periode Juni-1, yang berarti bahwa data tidak
valid karena mengalami kerusakan 100% dan/atau data hujan hilang/kosong.
Perbaikan yang terjadi pada hampir semua data hujan bisa disebabkan oleh beberapa faktor (Sri
Harto, 1993), yaitu : kesalahan pengamatan dalam menuliskan data, kerusakan mekanik alat, kondisi
lingkungan yang kurang memenuhi kriteria untuk penempatan pos hujan, penggantian dan
pemindahan alat, serta adanya gangguan lain yang disebabkab oleh binatang buas ataupun manusia.
Tabel 4 Data hujan hasil uji validasi dan perbaikan/pengisian data di pos Kuripan (mm)
Sumber : hasil analisis, 2010
Tahun
I II I II I II I II I II I II I II I II I II I II I II I II
1999 130 55 148 41 59 278 45 59 25 197 28 39 1 9 11 0 0 63 19 14 221 159 116 162
2000 60 124 113 38 259 133 176 21 36 65 65 38 0 0 2 0 0 0 29 41 177 166 29 65
2001 155 36 91 9 30 75 65 29 19 43 43 13 0 1 0 14 1 0 37 141 33 172 106 212
2002 85 60 50 7 129 119 166 16 17 33 192 75 2 0 11 0 2 22 15 46 12 85 74 91
2003 85 45 34 114 72 204 36 90 40 44 19 38 0 3 0 4 1 15 3 0 14 280 85 157
2004 128 122 94 84 12 28 54 46 22 39 39 26 2 6 1 0 6 23 8 0 13 195 159 203
2005 91 68 30 11 0 27 62 43 13 52 52 33 2 0 8 9 1 29 3 11 14 81 97 190
2006 51 128 41 76 69 128 75 80 23 37 37 39 0 5 0 0 7 0 48 0 46 35 171 120
2007 76 51 128 47 111 95 137 92 15 191 191 24 3 12 0 1 0 0 8 52 120 36 169 186
2008 69 38 61 89 37 46 52 21 29 70 70 0 0 0 1 1 0 46 14 71 25 75 44 64
sumber : BISDA-NTB (2009) dengan analisis validasi, 2010
Sept Okt Nov DesMei Juni Juli AgustJan Feb Maret Apr
Tahun
I II I II I II I II I II I II I II I II I II I II I II I II
1999 2 55 148 41 59 278 45 59 57 0 0 39 1 9 11 0 0 63 19 14 221 159 116 162
2000 210 124 113 38 259 133 176 181 36 65 0 38 0 0 2 0 0 0 29 41 177 166 29 1
2001 155 36 91 9 30 75 65 29 19 43 32 13 0 64 0 14 1 0 37 141 33 172 106 15
2002 85 17 50 0 129 119 166 16 17 0 58 75 16 0 11 73 2 22 15 46 3 85 74 91
2003 85 45 34 114 72 204 36 90 40 5 0 NA 3 NA 4 NA 15 3 0 14 280 85 157
2004 128 122 94 84 12 28 54 46 22 39 8 26 NA 6 1 0 41 23 8 0 13 195 159 203
2005 91 68 NA NA NA NA 62 43 13 52 NA NA 2 0 NA NA 1 29 0 11 14 81 97 190
2006 51 128 41 76 69 128 75 80 23 37 0 39 0 5 NA NA 7 0 48 0 46 35 171 120
2007 76 51 128 47 111 4 137 92 15 191 48 24 3 12 0 1 0 0 8 52 120 7 169 186
2008 69 38 61 89 37 46 52 3 29 70 0 0 0 0 1 1 0 46 14 71 25 75 4 64
sumber : BISDA-NTB, 2009
NA = data hilang
Sept Okt Nov DesMei Juni Juli AgustJan Feb Maret Apr
Januari Februari Maret April Mei Juni No Pos ARR
1 2 1 2 1 2 1 2 1 2 1 2
1. Kuripan 20 10 10 20 0 20 0 20 10 30 100 20
2. Kabul 10 10 10 10 10 10 0 20 10 0 10 0
Juli Agustus September Oktober November Desember No Pos ARR
1 2 1 2 1 2 1 2 1 2 1 2
1. Kuripan 30 10 30 30 20 0 10 0 10 10 10 20
2. Kabul 10 10 0 10 0 10 0 0 20 10 0 0
146 Spektrum Sipil, 1(2), Agustus 2010
Hasil Verifikasi Data Hujan Terhadap Data Debit AWLR
Data hujan yang sudah diuji dan mengalami pengisian/perbaikan, datanya harus diverifikasi
terhadap data debit (AWLR) dengan pos debit yang terdekat. Verifikasi ini dilakukan dengan tujuan
untuk mengetahui besarnya perubahan hasil pengujian dan perbaikan yang telah dilakukan. Data
hujan yang digunakan untuk verifikasi adalah data hujan asli/observasi (sebelum diuji/diperbaiki) dari
pos ARR maupun data hujan setelah diuji dan diperbaiki. Pos debit yang digunakan untuk verifikasi
adalah Pos debit Karang Makam (untuk verfikasi data hujan Pos ARR Kuripan), sedangkan pos debit
Karang Anyar, digunakan untuk verifikasi data hujan Pos Kabul. Verifikasi yang dilakukan
menggunakan metode regresi linier dengan variabel tak bebas Y sebagai data debit, sedangkan
variabel bebas x adalah data hujan. Pasangan data debit dan hujan yang akan diregresi harus
mempunyai panjang dan tahun data yang sama. Berdasarkan Tabel 1 di atas, panjang dan tahun data
debit tidak sama dengan data hujan, sehingga digunakan dalam range atau jangkauan yang sama
yaitu pasangan data tahun 1998 s/d tahun 2003 (panjang pasangan data 6 tahun). Hasil regresi linier
untuk ke-2 pasangan data disajikan secara grafis dalam Gambar 5 dan Gambar 6. Pada Gambar 5a
disajikan hasil regresi antara data debit Karang Makam dengan data hujan pos Kuripan sebelum
dilakukan uji dan perbaikan data. Sedangkan Gambar 5b adalah data hujan pos Kuripan yang sudah
0
50
100
150
200
250
300
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
setengah bulanan ke-
hu
jan
(m
m)
data asli rekomendasi
0
50
100
150
200
250
300
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
setengah bulanan ke-
hu
jan
(m
m)
data asli rekomendasi
Gambar 3. Hasil uji dan perbaikan data hujan Stasiun Kuripan: (a) tahun 1999 dan (b) tahun 2000
(a). (b).
Gambar 4. Hasil uji dan perbaikan data hujan Stasiun Kabul: (a) tahun 1999 dan (b) tahun 2000
(a). (b).
0
50
100
150
200
250
300
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
setengah bulanan ke-
hu
jan
(m
m)
data asli rekomendasi
0
50
100
150
200
250
300
350
400
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
setengah bulanan ke-
hu
jan
(m
m)
data asli rekomendasi
Setiawan : Uji Validasi Dan Perbaikan Data Hujan 147
diuji dan mengalami perbaikan/pengisian. Demikian juga analog untuk Gambar 6a dan Gambar 6b,
yaitu korelasi data hujan pos ARR Kabul dengan data debit pos AWLR Karang Anyar.
Untuk pos Kuripan, pada Gambar 5a hasil regresi untuk data hujan sebelum diuji dan diperbaiki
memiliki persamaan regresi y = 0.0177x + 1.879, mengandung pengertian bahwa hujan yang terjadi
akan dialihragam menjadi aliran di sungai sebesar 1,77% saja, sedangkan sisanya akan menjadi
parameter lainnya (seperti evaporasi, infiltrasi, perkolasi dan air tanah). Koefisien korelasi (R) data
hujan pos Kuripan terhadap data debit AWLR Karang Makam sebesar 0,6292, mempunyai keterikatan
hubungan antar parameter yang cukup baik. Pada Gambar 5b hasil regresi data hujan setelah diuji
dan diperbaiki memiliki persamaan regresi y = 0.0152x + 1.924, dengan koefisien korelasi (R) sebesar
0,5689, artinya mempunyai keterikatan hubungan antar parameter yang kurang baik. Demikian pula
hasil analisis pos Kabul yang ditabelkan di Lampiran (Tabel A s.d Tabel C) dan disajikan secara grafis
pada Gambar 6a dan 6b. Koefisien korelasi (R) data hujan Pos Kabul terhadap data debit AWLR
Karang Anyar sebelum diuji sebesar 0,7206 dengan persamaan y = 0.0678x + 3.615. Setelah diuji
diperoleh koefisien korelasinya sebesar 0,7212 dengan persamaan y = 0.0677x + 3.7569. Dilihat dari
persamaan regresi dan koefisien korelasinya, setelah diuji ternyata tidak mengalami perubahan yang
signifikan, baik data hujan sebelum ataupun setelah diuji/diperbaiki, akan tetapi hasil ini lebih baik
dibandingkan dengan data hasil uji dari Pos Kuripan terhadap data debit AWLR Karang Makam. Hal
ini bisa terjadi dimungkinkan karena beberapa faktor, yaitu kesalahan pengamatan dan pencatatan
(human error), kerusakan mekanik alat, kondisi lingkungan yang kurang memenuhi syarat dan faktor
topografi.
Tabel 5 Data debit AWLR Karang Makam, Sungai Dalem, DAS Dodokan (m3/detik)
Sumber : Balai Hidrologi (2004) dan Fitri (2009)
y = 0.0177x + 1.8785
R2 = 0.3959
0
1
2
3
4
5
6
7
8
9
0 50 100 150 200 250 300hujan (mm)
de
bit
(m
3/d
et)
y = 0.0152x + 1.9244
R2 = 0.3236
0
1
2
3
4
5
6
7
8
9
0 50 100 150 200 250 300hujan (mm)
de
bit
(m
3/d
et)
(a). (b).
Gambar 5. Grafik korelasi data hujan Stasiun Kuripan dengan debit Sungai Dalem di AWLR Karang Makam: (a) dengan data hujan asli, dan (b) data hujan hasil uji/perbaikan.
TAHUN
I II I II I II I II I II I II I II I II I II I II I II I II
1992 3.13 3.13 1.29 2.25 3.62 2.67 4.50 1.84 0.61 3.55 1.09 0.48 1.01 0.21 0.26 0.22 0.60 1.49 1.89 2.09 2.05 8.79 4.53 1.43
1993 2.45 5.87 6.88 1.19 2.17 1.23 2.05 1.81 2.27 0.97 1.85 2.04 1.26 0.54 0.15 0.58 0.21 0.03 0.64 0.25 0.49 2.58 2.63 5.03
1994 1.77 3.87 3.10 3.70 6.03 3.60 1.68 1.50 0.57 0.33 0.32 0.15 0.26 0.23 0.35 0.18 0.05 0.05 0.01 0.00 0.02 0.77 1.22 0.52
1995 2.80 3.86 6.73 2.80 3.75 4.62 4.66 2.96 1.07 1.21 0.91 0.95 0.85 0.50 0.65 0.13 0.11 0.17 0.17 0.16 2.43 3.74 7.21 1.25
1996 0.67 1.95 3.76 4.81 3.28 1.53 1.59 2.28 0.76 0.55 0.33 0.20 0.21 0.08 0.28 0.19 0.23 0.12 0.06 0.42 0.31 3.89 7.43 1.44
1997 0.81 1.02 1.12 10.76 1.52 0.22 1.89 1.51 3.49 0.31 0.86 0.27 0.62 0.26 0.20 0.09 0.10 0.11 0.06 0.06 0.09 0.38 2.00 0.32
1998 2.18 2.44 3.28 2.48 3.24 2.97 5.96 4.23 2.58 1.93 2.03 2.94 3.32 2.63 2.78 1.73 1.59 3.78 3.57 2.79 6.23 2.67 2.73 3.78
1999 4.23 5.81 5.63 4.45 3.87 3.81 4.20 2.88 2.82 1.75 1.88 2.09 1.91 1.81 2.23 1.57 1.53 1.59 1.82 2.79 7.76 6.61 3.15 2.76
2000 3.55 4.64 4.36 2.69 5.42 6.32 4.87 4.37 2.83 3.19 1.92 1.97 1.60 1.34 1.36 1.26 1.18 0.80 0.88 2.55 6.47 6.68 2.55 1.75
2001 5.25 3.04 4.28 2.56 3.15 3.08 4.31 5.21 1.79 1.76 2.95 2.37 1.63 6.18 2.30 1.37 1.21 1.11 1.94 4.48 2.04 34.60 8.54 2.81
2002 4.74 25.21 2.62 28.02 3.81 7.07 4.48 5.25 2.78 1.52 1.46 1.17 1.04 0.88 0.87 0.83 0.80 0.80 0.79 0.60 0.65 0.70 3.08 4.23
2003 6.06 4.85 3.59 4.00 3.52 2.39 2.11 2.18 1.83 1.33 1.09 1.40 1.49 1.38 1.34 1.25 1.74 1.17 1.20 0.92 0.75 3.55 4.21 5.17
sumber : BISDA - NTB, 2005
JUN OKTSEPAGTJULMEIMARPEBJAN DESNOPAPR
148 Spektrum Sipil, 1(2), Agustus 2010
SIMPULAN DAN SARAN
Simpulan
Melihat hasil uji validasi dan perbaikan 2 pos hujan (ARR) tersebut di atas, dapat disimpulkan
sebagai berikut. Perbaikan data hujan yang dilakukan bervariasi mulai 0% sampai dengan 100%
kesalahan data untuk durasi tiap setengah bulan. Bobot perbaikan rerata data hujan pos Kuripan
sebesar 18,33%, sedangkan untuk pos hujan Kabul sebesar 7,08%. Dari hasil regresi dan koefisien
korelasi (R) untuk tiap pasangan data pos hujan dan debit AWLR diperoleh bahwa data hujan Pos
Kuripan setelah diuji/diperbaiki tidak dapat memperbaiki/meningkatkan korelasi antar parameter
alihragam hujan dan debit AWLR, hal ini diperlihatkan dengan tidak berubahnya nilai koefisien
korelasi secara signifikan, bahkan ada kecenderungan nilai koefisien korelasinya menurun. Demikian
pula Pos Kabul, tidak ada peningkatan yang cukup signifikan dari nilai koefisien korelasi setelah
diuji/diperbaiki atau dapat dikatakan cenderung tetap. Artinya data hujan yang telah diperbaikipun
tidak dapat merubah hasil pada proses pengalihragaman hujan menjadi aliran/debit di sungai.
Saran
Verifikasi data hujan hasil uji dan perbaikan pada analisis di atas, sebatas korelasi langsung
terhadap data debit observasi (AWLR). Disarankan untuk melakukan verifikasi data hujan sebelum
dan setelah diuji/diperbaiki dengan menggunakan model hidrologi hujan aliran, baik model aliran
kontinyu (Mock, Nreca, dan Rational) maupun model banjir sesaat (hidrograf Nakayasu, Gama I, dan
Snyder).
DAFTAR RUJUKAN
Abaje, I.B., Ishaya, S and Usman, S.U., 2010, An Analysis of Rainfall Trends In Kafanchan,
Kaduna State, Nigeria, Environmental and Earth Sciences 2(2), pp. 89-96.
Anonim, 2004, Laporan Akhir : Penyusunan Model Hujan Aliran, Balai Hidrologi, Dinas
Pengairan, Provinsi Nusa Tenggara Barat.
y = 0.0678x + 3.6152
R2 = 0.5192
0
5
10
15
20
25
30
35
0 50 100 150 200 250 300 350 400hujan (mm)
de
bit
(m
3/d
et)
y = 0.0677x + 3.7569
R2 = 0.5201
0
5
10
15
20
25
30
35
0 50 100 150 200 250 300 350 400hujan (mm)
de
bit
(m
3/d
et)
(a). (b).
Gambar 6. Grafik korelasi antara data hujan Stasiun Kabul dengan debit Sungai Dodokan di AWLR Karang Anyar: (a) dengan data hujan asli, dan (b) data hujan hasil uji/perbaikan.
Setiawan : Uji Validasi Dan Perbaikan Data Hujan 149
Anonim, 2006, Laporan Akhir : Studi Role Sharing PSDA Berbasis Wilayah Sungai Lintas
Kabupaten/Kota Khusus Wilayah Sungai Dodokan SWS Lombok, Dinas Permukiman Dan Prasarana
Wilayah, Provinsi Nusa Tenggara Barat.
Deidda, R., 2010, A multiple Threshold Method For Fitting The Generalized Pareto Distribution
to Rainfall Time Series, Hydrology Earth System Science, Vol. 14, pp. 25592575,
Fitri, I.D., 2009, Analisis Pengisian Kekosongan Data Hujan Di DAS Babak, Renggung dan
Dodokan, Tugas Akhir S-1 Pada Jurusan Teknik Sipil Fakultas Teknik Universitas Mataram, Tidak
Dipublikasikan.
Kustituanto, B., 1984, Statistik Analisa Runtut Waktu dan Regresi-Korelasi, BPFE dan LMP2M
AMP YKPN, Yogyakarta.
Lestari, S., 2009, Analisis Perhitungan Hujan Rerata Wilayah Di Pulau Lombok, Tugas Akhir
S-1 Pada Jurusan Teknik Sipil Fakultas Teknik Universitas Mataram, Tidak Dipublikasikan.
Mazvimavi, D., 2010, Investigating Changes Over Time Of Annual Rainfall In Zimbabwe,
Hydrology and Earth System Sciences, Vol 14, pp. 26712679.
Pelczer, I. and Cisneros-Iturbe H.L., 2007, Automated Validation Of Data From A Rainfall
Network, Instituto de Ingeniera, Universidad Nacional Autnoma de Mxico.
Soemarto C.D., 1987. Hidrologi Teknik, Usaha Nasional, Surabaya.
Sri Harto, 1993, Analisis Hidrologi, PT. Gramedia Pustaka Utama Jakarta.
Stampone, M.D., Artter, J.H., Chapman, C.A and Ryan, S.J., 2011, Trends and Variability In
Localized Precipitation Around Kibale National Park, Uganda, Africa, Journal of Environmental and
Earth Sciences 3 (1), pp. 14-23, 2011.
150 Spektrum Sipil, 1(2), Agustus 2010
Lampiran
Tabel A Data hujan observasi pos hujan (ARR) Kabul (mm)
Sumber : Balai Hidrologi (2004), Fitri (2009), dan Lestari (2009)
Tabel B Data hujan hasil uji validasi dan perbaikan pos hujan (ARR) Kabul (mm)
Sumber : hasil analisis, 2010
Tabel C Data debit AWLR Karang Anyar, Sungai Dodokan, DAS Dodokan (m3/detik)
Sumber : Balai Hidrologi (2004), dan Fitri (2009)
Tahun
I II I II I II I II I II I II I II I II I II I II I II I II
1999 173 340 307 166 107 331 100 89 0 0 0 0 0 0 0 0 0 0 40 113 118 158 195 19
2000 108 250 102 109 115 149 119 66 130 59 0 0 0 0 0 7 0 0 114 17 273 170 65 53
2001 192 114 62 28 36 98 102 78 27 10 88 0 0 0 0 0 0 0 0 0 31 77 34 21
2002 84 128 261 151 57 175 119 66 0 0 0 0 0 0 0 0 0 0 0 0 1 139 130 72
2003 85 63 46 67 61 21 63 0 12 0 4 0 0 9 0 0 87 50 0 0 10 80 82 153
2004 15 69 15 90 60 36 5 0 0 48 0 0 0 0 0 0 0 0 0 0 41 146 39 162
2005 43 19 99 10 98 84 107 11 0 48 0 38 48 0 0 30 0 11 10 59 0 76 133 100
2006 168 171 43 188 160 178 85 136 8 12 0 57 0 0 0 0 0 0 58 0 14 9 86 19
2007 77 8 66 9 55 7 130 79 0 54 0 8 28 5 5 1 0 0 0 8 49 0 25 92
2008 57 56 124 25 150 167 100 3 4 11 0 0 0 0 1 2 0 14 0 4 35 20 48 27
sumber : BISDA-NTB, 2009
Jan Feb Maret Apr Mei Juni Juli Agust Sept Okt Nov Des
Tahun
I II I II I II I II I II I II I II I II I II I II I II I II
1999 173 340 307 166 107 331 100 89 0 0 0 0 0 0 0 0 0 0 40 113 118 158 195 19
2000 108 250 102 109 115 149 119 66 1 59 0 0 0 0 0 7 0 0 114 17 273 170 65 53
2001 192 114 62 28 60 98 102 78 27 10 5 0 0 0 0 0 0 0 0 0 31 77 34 21
2002 84 128 261 151 57 175 119 66 0 0 0 0 0 0 0 0 0 0 0 0 106 139 130 72
2003 85 63 46 67 61 21 63 4 12 0 4 0 0 5 0 0 87 6 0 0 10 80 82 153
2004 274 69 25 90 60 36 5 112 0 48 0 0 0 0 0 0 0 0 0 0 41 146 39 162
2005 43 19 99 10 98 84 107 11 0 48 0 38 26 0 0 8 0 11 10 59 216 76 133 100
2006 168 171 43 188 160 178 85 136 8 12 0 57 0 0 0 0 0 0 58 0 14 9 86 19
2007 77 521 66 10 55 30 130 79 0 54 0 8 28 5 5 1 0 0 0 8 49 23 25 92
2008 57 56 124 25 150 167 100 3 4 11 0 0 0 0 1 2 0 14 0 4 35 20 48 27
sumber : BISDA-NTB (2009) dengan analisis validasi, 2010
Jan Feb Maret Apr Mei Juni Juli Agust Sept Okt Nov Des
I II I II I II I II I II I II I II I II I II I II I II I II
1992 20.76 52.79 28.13 24.03 65.07 43.43 46.83 19.37 3.85 20.83 5.64 3.38 7.33 6.13 9.95 4.58 5.61 14.68 27.26 26.93 9.98 44.41 30.04 7.12
1993 16.93 48.86 54.59 15.80 32.73 30.38 27.67 9.64 15.26 4.64 3.94 7.34 4.07 5.09 5.75 6.34 3.54 3.40 3.87 2.77 3.72 10.73 11.75 57.79
1994 24.82 60.96 45.71 55.98 54.51 57.27 16.94 15.25 3.29 2.83 2.96 3.11 2.61 3.06 3.21 3.34 3.25 3.13 2.55 2.42 2.36 3.41 5.21 3.74
1995 11.92 17.85 36.24 26.63 52.33 46.78 39.99 18.91 10.23 7.10 5.27 9.16 7.80 4.17 3.89 3.09 2.57 2.52 4.84 4.05 16.71 40.31 60.48 20.69
1996 6.48 9.93 48.52 56.04 32.64 19.69 7.62 14.40 4.20 5.57 5.73 3.41 3.86 3.47 8.04 4.30 3.47 3.29 3.31 4.51 4.36 8.57 28.90 4.79
1997 1.84 8.54 2.65 12.94 79.13 4.98 1.22 31.62 1.53 9.44 2.12 8.59 2.45 1.53 0.83 0.85 0.79 0.75 0.86 0.98 1.18 1.37 3.95 0.90
1998 1.83 1.83 1.83 2.25 6.22 12.75 33.57 21.55 3.83 1.68 2.42 2.88 8.23 19.51 0.07 0.18 0.14 0.26 0.12 0.15 1.83 1.95 1.83 1.83
1999 12.48 20.82 14.93 23.94 13.82 19.69 27.64 5.33 3.73 2.29 2.21 2.72 1.63 3.12 1.94 1.30 0.59 0.62 0.69 1.25 5.95 11.82 23.99 2.70
2000 12.48 20.82 34.69 5.52 9.82 23.39 20.98 19.65 7.10 7.56 21.29 9.10 2.82 2.87 2.53 2.14 3.72 2.00 1.19 2.52 29.07 59.98 6.40 6.36
2001 20.88 21.94 24.89 8.58 11.90 16.53 25.97 9.29 9.15 5.34 10.10 6.12 4.88 5.64 2.11 0.96 0.36 0.17 0.17 7.24 2.16 6.60 15.96 2.22
2002 5.52 15.96 30.00 14.27 7.33 7.00 4.56 6.18 3.37 3.26 3.07 2.94 2.35 2.35 2.35 2.35 2.35 2.76 4.98 5.15 3.63 7.04 3.99 10.34
2003 9.85 11.93 9.26 7.28 5.10 5.17 6.29 5.33 6.29 5.31 3.86 3.77 2.94 2.94 2.99 2.94 2.94 4.46 3.29 3.26 5.23 8.35 9.53 17.04
Sumber : BISDA - NTB, 2005
PEBJAN DESNOPOKTSEPAPR AGTJULJUNMEITAHUN
MAR