SOAL 2 ESTIMASI DATA DATA HUJAN YANG HILANG HILAN G dan UJI KONSISTENSI KONSI STENSI DATA DATA
2.1. 2.1.
Teori eori Esti Estima masi si Data Data Hu Hua an n !an !an" " Hi# Hi#an an" "
Data Data yang yang ideal ideal adala adalah h data data yang yang untu untuk k dan dan sesua sesuaii deng dengan an apa apa yang yang dibutuhkan. Tetapi dalam praktek sangat sering dijumpai data yang tidak lengkap (inc (incom ompl plet etee recor ecord) d) hal hal ini ini dapa dapatt diseb disebab abka kan n bebe bebera rapa pa hal, hal, anta antara ra lain lain yait yaitu u kerusa kerusakan kan alat, alat, kelalai kelalaian an petuga petugas, s, pengga pengganti ntian an alat, alat, bencan bencanaa (pengr (pengrusa usakan kan)) dan sebagainya. sebagainya. Keadaan tersebut menyebabkan menyebabkan pada bagian bagian – bagian tertentu tertentu dari data runtut runtut waktu terdapat terdapat data data yang yang koson kosong g (missing record). 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. enuru enurutt !oewar !oewarno no ("###) ("###) dalam dalam bukun bukunya ya $idrol $idrologi ogi %perasi %perasiona onall &ilid &ilid Kesatu Kesatu,, analisi analisiss hidrol hidrologi ogi memang memang tidak tidak selalu selalu diperlu diperlukan kan pengis pengisian ian data data yang yang kosong kosong atau hilang. hilang. isal terdapat data kosong pada musim kemarau 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 hujan yang hilang hilang dapat diestimasi diestimasi apabila apabila di sekitarnya sekitarnya ada stasiun penakar hujan (minimal " stasiun) yang lengkap datanya atau stasiun penakar yang datanya hilang diketahui hujan rata-rata rata- rata tahunannya. ('ily, "##) enghadapi keadaan ini, terdapat dua langkah yang dapat dilakukan yaitu . embiar embiarkan kan saja data yang yang hilang hilang tersebut tersebut,, karena karena dengan dengan cara apapun apapun data tersebut tidak akan diketahui dengan tepat. ". *ila dipertimbangk dipertimbangkan an bahwa data tersebut mutlak mutlak diperlukan 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 Dx=
1
n
∑
n i= 1
di
An x Ani
Dengan D9
: Data tinggi hujan harian maksimum di stasiun 9
n
: ¨ah 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 1 2
79 :
( dXA )
P A +
1
1 2
( dXB ) 1
P B +
1
( dXC )2 1
+ + ( dXA )2 ( dXB )2 ( dXC )2
PC
+;
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
, hujan rata – rata tahunan di * : ;" mm : :
1
´
X
*.
Ditanya bagaimana
mengisi data hujan di 1 pada suatu tahun tertentu, bila pada tahun yang sama di * jumlah hujan : ;# mm. 7enyelesaiannya adalah X A ´
<1 :
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 ,mmJara* dari ,Km 2/ * ## // 6 # # /// 1 # 8 / D "# Data pos hujan < dapat dihitung dengan persamaan diatas
+8 Kuadran / // /// /
H ,mm## # # "# Jum#a0 7enyelesaiannya adalah
$< : A
+os * 6 1 D
∑❑
($iB 'i")C B A
L ,Km2 # 8
∑❑
L2 " ## @ +
1/L #,#@### #,#### #,#" #,#";;; #,#++
H/L2 @,### #,## ,;8 +,+++ ,"#
(B 'i")C
$< : (,"#) B (#,#++) $< : #, mm &adi besarnya data hujan di pos < adalah #, mm
2..
Teori Ui Konsistensi Data
enurut !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 ratarata 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
2.4.
3
7ola yang terjadi berupa garis lurus dan tidak terjadi patahan arah garis itu,
3
maka data hujan pos < adalah konsisten. 7ola yang terjadi berupa garis lurus dan terjadi patahan arah garis itu, maka data hujan pos < adalah tidak konsisten dan harus dilakukan koreksi. 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
" + @ ; 8 # "
"### "## "##" "##+ "##@ "## "## "##; "##8 "## "## "#
Stasiun
"@,# +"@,# "8;,# "+,# ",# +#,# "+,# @,# ";8,# +",# +,#
Stasiun
Stasiun
";,# "", "@,+ ""8, +#;,8 ", ";",; "8,+ ""+,+ ", "#8, ;, "8,# ";#, "@, "+,; 8@,+ ;@, "@, "#," +#,# ", ";, Keterangan
Stasiun
"+8, ", ";,@ "@@,# ,8 ", ""+, @, "+,+ ";", "@,"
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 2.7.
A # "# +#
6 # "", "",8
$ "# "", # ,8
D +# "",8 ,8 #
+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 Ta0un
"### "## "##" "##+
Stasiun Huan
Stasiun Huan
Stasiun Huan
Stasiun Huan
"@,# +"@,# "8;,#
";,# "@,+ +#;,8 ";",;
"", ""8, ", "8,+
"+8, ", ";,@ "@@,#
@"
Ta0un
Stasiun Huan
Stasiun Huan
Stasiun Huan
Stasiun Huan
"##@ Jum#a
"+,#
""+,+
",
,8
118858
184751
99858
9751
0 !umber $asil 7erhitungan
Ta(e# 2.. Data Huan Stasiun 65 $5 D dan Huan Ta0unan +os Huan
Tin""i Huan ,mm-
1 * ";,# 6 "", D "+8, !umber $asil 7erhitungan
Huan Ta0unan ,mm##,# #@, #,#
+,
1nalisa perhitungan data yang hilang di stasiun hujan 1 Dx=
1
D9 :
3
[(
1
n
∑
n i= 1
di
1100 0 ,
1045 1
An x Ani
)(
× 267 , 0 +
,
1100 0 ,
990 0
)(
×252 , 9 +
,
1100 0 ,
935 1
× 238 , 9
,
)]
: "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 Ta0un
Stasiun Huan
"## +#,# "##; "+,# "##8 @,# "## ";8,# "## +",# "# +,# Jum#a0 14;58 !umber $asil 7erhitungan
Stasiun Huan
Stasiun Huan
Stasiun Huan
"8,# "@, 8@,+ "@, +#,# ", 12;95<
";#, "+,; ;@, "#,"
", ""+, @, "+,+ ";", "@," 114459
";, 12125
Ta(e# 2.7. Data Huan Stasiun A5 65 D dan Huan Ta0unan +os Huan
1 *
Tin""i Huan ,mm+",# +#,#
Huan Ta0unan ,mm+@;,# ";,8
@+
+os Huan
Tin""i Huan ,mm-
6 D ";", !umber $asil 7erhitungan
Huan Ta0unan ,mm"",+ @@,
1nalisa perhitungan data yang hilang di stasiun hujan 6 Dx=
1
D9 :
3
[(
1
n
∑
n i= 1
di
1212 3 ,
1347 0
An x Ani
)(
×321 , 0 +
,
1212 3 ,
1279 8
)(
×305 , 0 +
,
1212 3 ,
1144 9
×272 , 9
,
)]
: "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 $ Ta0un
Stasiun
"### "8,# "## "@,# "##" +"@,# "##+ "8;,# "##@ "+,# "## ",# "## +#,# "##; "+,# "##8 @,# "## ";8,# "## +",# "# +,# Jum#a0 84958 !umber $asil 7erhitungan
Stasiun Huan
Stasiun Huan
Stasiun Huan
";,# "@,+ +#;,8 ";",; ""+,+ "#8, "8,# "@, 8@,+ "@, +#,# ", 2<9=59
"", ""8, ", "8,+ ", ;, ";#, "+,; ;@, "#," "88, ";, 2;4451
"+8, ", ";,@ "@@,# ,8 ", ""+, @, "+,+ ";", "@," 27915<
Ta(e# 2.;. Data Huan Stasiun A5 65 $ dan Huan Ta0unan +os Huan
Tin""i Huan ,mm-
Huan Ta0unan ,mm-
@@ 1 ",# * "#8, 6 ;, D !umber $asil 7erhitungan
+#@,# "8, ";@@, ",8
1nalisa perhitungan data yang hilang di stasiun hujan D Dx=
1 3
D9 :
[(
1
n
∑
n i= 1
di
2591 8 ,
3049 0
An x Ani
)(
×219 , 0 +
,
2591 8 ,
2896 0
)(
×208 , 1 +
,
2591 8 ,
2744 1
×197 , 1
,
)]
: 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 Stasiun
Ta0un
"### Jara* dari stasiun
Stasiun
Stasiun
Stasiun
";,#
"",
"+8,
"#
+#
#
A !umber $asil 7erhitungan
1nalisa perhitungan data yang hilang di stasiun hujan 1 1 2
79 :
( dXB )
1 2
( dXC )
1
P C +
( dXD )2
1
267 + 2
( 15)
1
P D
1
252,9 + 2
( 20 )
1 2
+
1 2
( 15 ) ( 20) 1
71 :
1
+ + 2 2 ( dXB ) ( dXC ) ( dXD )2 1
71 :
P B +
225
267 +
1 400
+
252,9 +
1
( 30 )2
238,9
1
( 30 )2 1
900
238,9
1 + 1 + 1 225 400 900
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 Ta0un
Stasiun
Stasiun
"## Jara* dari stasiun
+",#
+#,#
"#
"",
$ !umber $asil 7erhitungan
Stasiun
Stasiun
";", #
,8
1nalisa perhitungan data yang hilang di stasiun hujan 6 1
P A +
2
79 :
( dXA )
1 2
1 2
( dXB )
P B +
1
+
(dXD )2
P D
1
+
( dXA ) (dXB ) ( dXD )2 1 2
76 :
( 20)
321 +
2
1
1
( 22,6 )
1 2
1
+
2
( 20 ) ( 22,6 ) 1
76 :
499
321+
1 511
1
305 +
2
305 +
+
(16,8)2
272,9
1
( 16,8 )2
1
272,9
282
1 1 1 + + 499 511 282
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 $ Ta0un
Stasiun
Stasiun
Stasiun
"## Jara* dari stasiun
",#
"#8,
;,
+#
"",8
,8
$ !umber $asil 7erhitungan
1nalisa perhitungan data yang hilang di stasiun hujan D 1 2
79 :
( dXA )
P A +
1
1 2
( dXB )
PB +
1 2
( dXC )
1 1 + + ( dXA )2 ( dXB )2 ( dXC )2
P C
Stasiun
#
@ 1 2
7D:
( 30)
219 +
1 2
( 22,8)
1
208,1 +
1
1
( 16,8 )2
197,1
1
+ + 2 2 ( 30 ) ( 22,8 ) ( 16,8)2 1
7D:
900
219 +
1 520
1 900
+
208,1 + 1 520
+
1 282
197,1
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
Stasiun
"### ""+,8 ";,# "## "@,# "@,+ "##" +"@,# +#;,8 "##+ "8;,# ";",; "##@ "+,# ""+,+ "## ",# "#8, "## +#,# "8,# "##; "+,# "@, "##8 @,# 8@,+ "## ";8,# "@, "## +",# +#,# "# +,# ", !umber $asil 7erhitungan
Stasiun
Stasiun
"", ""8, ", "8,+ ", ;, ";#, "+,; ;@, "#," "++,+ ";,
"+8, ", ";,@ "@@,# ,8 ;,8 ", ""+, @, "+,+ ";", "@,"
@;
7erhitungan penyelesaian estimasi data hujan yang hilang dengan !Inversed Square Distance”
metode
diketahui bahwa data yang hilang dapat dihitung.
$asilnya adalah pada tabel berikut Ta(e# 2.12. Hasi# +er0itun"an Data Huan !an" Hi#an" Stasiu
Stasiu
Stasiu
"### "8,; ";,# "## "@,# "@,+ "##" +"@,# +#;,8 "##+ "8;,# ";",; "##@ "+,# ""+,+ "## ",# "#8, "## +#,# "8,# "##; "+,# "@, "##8 @,# 8@,+ "## ";8,# "@, "## +",# +#,# "# +,# ", !umber $asil 7erhitungan
"", ""8, ", "8,+ ", ;, ";#, "+,; ;@, "#," "8@,+ ";,
"+8, ", ";,@ "@@,# ,8 "#,# ", ""+, @, "+,+ ";", "@,"
Ta0un
Stasiu
&ika dibandingkan menjadi tabel maka hasilnya adalah Ta(e# 2.1. Hasi# Ana#isa di Stasiun A5 $5 D “Normal Ratio Method”
“Inversed Square
""+,8
"8,;
"++,+
"8@,+
;,8 D !umber $asil 7erhitungan
"#,#
Ta0un/ 2888/ A 2818/ $ 2887/
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
@8 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 Stasiun No.
Ta0un
Huan
A "# +,# " "## +",# + "## ";8,# @ "##8 @,# "##; "+,# "## +#,# ; "## ",# 8 "##@ "+,# "##+ "8;,# # "##" +"@,# "## "@,# " "### "8,# !umber $asil 7erhitungan
Komu#ati?
&erata
Komu#ati?
A
65$5D
65$5D
+,# +",# #,# #@,# +;,# 8,# 88;,# """,# "@#,# ";++,# "8;,# +"8,#
";, "88, "#," ;@, "+,; ";#, ;, ", "8,+ ", ""8, "",
";, 8,8 8,# +, "+#,+ #,+ 8,@ #, "8,+ "@, "88, "@,@
@
3500.0
3000.0
2500.0
A n 2000.0 u i s a S f t a 1500.0 l u m o K 1000.0
500.0
0.0 0.0
500.0
1000.0
1500.0
2000.0
2500.0
3000.0
3500.0
Komulatf Reraa Sasiun B,C,D
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 Stasiun No.
Ta0un
Huan
6 "### ", " "## +#,# + "##" "@, @ "##+ 8@,+ "##@ "@, "## "8,# ; "## "#8, 8 "##; ""+,+ "##8 ";",; # "## +#;,8 "## "@,+ " "# ";,# !umber $asil 7erhitungan
Komu#ati?
&erata
Komu#ati?
6
A5$5D
A5$5D
", ##, 8@, #@8, "8,8 8@,8 ;", "#," ""88, ",; "8+8,# +#,#
"8,# "@,+ "@,8 ;;,8 "@, ";, "##,8 ",@ "+, ";,# "+",8 ";,
"8,# ;,+ 8+@, #",# "+, ",# ;",8 @," ""#8,+ "#,+ ";+8, ",;
#
3500.0
3000.0
2500.0
B n 2000.0 u i s a S f t a 1500.0 l u m o K 1000.0
500.0
0.0 0.0
500.0
1000.0
1500.0
2000.0
2500.0
3000.0
Komulatf Reraa Sasiun A,C,D
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 Stasiun No.
Ta0un
Huan
$ "### ";, " "## "88, + "##" "#," @ "##+ ;@, "##@ "+,; "## ";#, ; "## ;, 8 "##; ", "##8 "8,+ # "## ", "## ""8, " "# "", !umber $asil 7erhitungan
Komu#ati?
&erata
Komu#ati?
$
A565D
A565D
";, 8,8 8,# +, "+#,+ #," 8,+ #,8 "8, "@,; "88,+ "@,"
"#," ", ", 8, "@, "8,# "#@,@ ",@ ";, +#",@ "+;, "",+
"#," 8, 8@,+ #+#,@ ";, , ;,+ 8#,; ""@8, ",# ";88,# +##,+
3500.0
3500.0
3000.0
2500.0
C n 2000.0 u i s a S f t a 1500.0 l u m o K 1000.0
500.0
0.0 0.0
500.0
1000.0
1500.0
2000.0
2500.0
3000.0
3500.0
Komulatf Reraa Sasiun A,B,D
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$ Stasiun No.
" + @ ; 8
Ta0un
Huan
"### "## "##" "##+ "##@ "## "## "##; "##8
D "@," ";", "+,+ @, ""+, ", 8," ,8 "@@,#
Komu#ati?
&erata
Komu#ati?
D
A565$
A565$
"@," +;, ;;+,@ +8,+ , @;,8 #@,# 8#+,8 "#@;,8
", +#,# "@, 8@,+ "@, "8,# "#8, ""+,+ ";",;
", ##,@ 8@, #@8,8 "8,; 8@,; ;",; "#,# ""88,;
"
No.
Ta0un
Stasiun
Hu an # "## ";,@ "## ", " "# "+8, !umber $asil 7erhitungan
Komu#ati? D "+"+," "+, ";;8,#
&erata
Komu#ati?
A6$ +#;,8 "@,+ ";,#
A6$ ", "8+;,8 +#@,;
3000.0
2500.0
2000.0
D n u i s a 1500.0 S f t a l u m o 1000.0 K
500.0
0.0 0.0
500.0
1000.0
1500.0
2000.0
2500.0
3000.0
3500.0
Komulatf Reraa Sasiun A,B,C
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 s tasiun 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