Uji Validasi Dan Perbaikan Data Hujan Serta Korelasinya Terhadap Data Debit AWLR

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 (


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)


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.


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


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)


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


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


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


hu

jan

(m

m)


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


hu

jan

(m

m)


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


hu

jan

(m

m)



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


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


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.


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.


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)


Tabel C Data debit AWLR Karang Anyar, Sungai Dodokan, DAS Dodokan (m3/detik)

Sumber : Balai Hidrologi (2004), dan Fitri (2009)

Tahun


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


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


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

Documents

Uji Validasi Dan Perbaikan Data Hujan Serta Korelasinya Terhadap Data Debit AWLR