36
35
Komulatif Rerata Stasiun B,C,D
Komulatif Stasiun A
Komulatif Rerata Stasiun A,C,D
Komulatif Stasiun B
Komulatif Rerata Stasiun A,B,C
Komulatif Stasiun D
Komulatif Rerata Stasiun A,B,D
Komulatif Stasiun C
SOAL 2
ESTIMASI DATA HUJAN YANG HILANG dan UJI KONSISTENSI DATA
Teori Estimasi Data Hujan yang Hilang
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. Misalnya 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.
Menurut Soewarno (2000) dalam bukunya Hidrologi Operasional Jilid Kesatu, analisis hidrologi memang tidak selalu diperlukan pengisian data yang kosong atau hilang. Misal 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 2 stasiun) yang lengkap datanya atau stasiun penakar yang datanya hilang diketahui hujan rata-rata tahunannya. (Lily, 2010)
Menghadapi keadaan ini, terdapat dua langkah yang dapat dilakukan yaitu :
Membiarkan saja data yang hilang tersebut, karena dengan cara apapun data tersebut tidak akan diketahui dengan tepat.
Bila dipertimbangkan bahwa data tersebut mutlak diperlukan maka perkiraan data tersebut dapat dilakukan dengan cara-cara yang dikenal.
Metode Estimasi Data Hujan yang Hilang
Beberapa metode yang dapat digunakan menurut buku Mengenal Dasar – dasar Hidrologi halaman 190-191 oleh Ir. Joyce Martha dan Ir. Wanny Adidarma,Dipl.HE. yaitu Normal Ratio Method, cara "Inversed Square Distance" dan cara rata – rata aljabar. Sedangkan menurut Soewarno dalam bukunya Hidrologi Operasional Jilid Kesatu halaman 202, ada 3 metode yang digunakan untuk memperkirakan data hujan periode kosong diantaranya rata – rata aritmatik (arithmatical average), perbandingan normal (normal ratio), dan kantor cuaca Nasional Amerika Serikat (US.National Weather service).
Ada kesamaan metode perhitungan dari buku Hidrologi Operasional Jilid Kesatu dengan buku Mengenal Dasar – dasar Hidrologi, yaitu Metode rata – rata aritmatik dengan rata – rata aljabar, dan Normal Ratio Method dengan perbandingan normal (normal ratio) yang terdapat dibuku Soewarno. Yang berbeda adalah metode Kantor Cuaca Amerika Serikat
Normal Ratio Method
Linsley, Kohler dan Paulhus (1958) menyarankan satu metode yang disebut "Normal Ratio Method" sebagai berikut :
Dengan :
Dx = Data tinggi hujan harian maksimum di stasiun x
n = Jumlah stasiun di sekitar x untuk mencari data di x
di = Data tinggi hujan harian maksimumdi stasiun i
Anx = Tinggi hujan rata-rata tahunan di stasiun x
Ani = Tinggi hujan rata-rata tahunan di stasiun sekitar x
Cara "Inversed Square Distance"
Persamaan yang digunakan dalam cara "Inversed Square Distance" adalah :
Px = 1(dXA)2 PA+ 1(dXB)2 PB+ 1(dXC)2 PC1(dXA)2 + 1(dXB)2 + 1(dXC)2
Dengan :
Px = Tinggi hujan yang dipertanyakan
PA, PB, Pc = Tinggi hujan pada stasiun disekitarnya
dXA, dXB, dXC = Jarak stasiun X terhadap masing – masing stasiun A,B,C
Rata – rata Aljabar
Rata – rata aljabar ini digunakan apabila kekurangan data kurang dari 10% (<10%) . Misalnya adalah diketahui : Hujan rata – rata tahunan di A = 750 mm = XA, hujan rata – rata tahunan di B = 725 mm = = XB. Ditanya : bagaimana mengisi data hujan di A pada suatu tahun tertentu, bila pada tahun yang sama di B jumlah hujan = 710 mm. Penyelesaiannya adalah :
XA = XAXB . XB = 750725 . 710 mm = 735 mm
Jadi besarnya data hujan di A adalah 735 mm.
Metode Kantor Cuaca Amerika Serikat
Metode ini memerlukan data dari 4 (empat) pos hujan sebagai pos indeks (index station) yaitu misalnya pos hujan A, B, C dan D yang berlokasi disekeliling pos hujan X yang diperkirakan data hujannya. Bila pos indeks itu lokasinya berada disetiap kuadran dari garis yang menghubungkan utara - selatan dan timur – barat melalui titik pusat dipos hujan X. Persamaannya adalah :
HX = [ (Hi/ Li2)] / [ (1/ Li2)]
Dalam hal ini HX = tebal hujan dipos X yang akan diperkirakan dan Hi = tebal hujan dipos A, B, C, dan D. Dan nilai Li menunjukkan jarak pos hujan A, B, C dan D terhadap pos hujan X.
Misalnya : dari suatu DPS (Daerah Pengaliran Sungai) luas 140 Km2 terdapat 5 buah pos hujan X, A, B, C, dan D. Pada suatu bulan pos hujan X rusak. Tentukan tebal hujan di X bila pos itu dikelilingi pos hujan A, B, C, dan D sebagai pos indeks yang terletak di setiap kuadran dengan data :
Kuadran
Pos Indeks
Hujan (mm)
Jarak dari X (Km2)
I
B
100
5
II
C
90
10
III
A
110
8
IV
D
120
6
Data pos hujan X dapat dihitung dengan persamaan diatas :
Kuadran
Pos
H (mm)
L (Km2)
L2
1/L
H/L2
I
B
100
5
25
0,04000
4,000
II
C
90
10
100
0,01000
0,900
III
A
110
8
64
0,01562
1,718
IV
D
120
6
36
0,02777
3,333
Jumlah
0,09339
9,9520
Penyelesaiannya adalah:
HX = [ (Hi/ Li2)] / [ (1/ Li2)]
HX = (9,9520) / (0,09339)
HX = 106,56 mm
Jadi besarnya data hujan di pos X adalah 106, 56 mm
Teori Uji Konsistensi Data
Menurut Soewarno dalam bukunya Hidrologi Operasional Jilid Kesatu, data hujan yang diperlukan untuk analisis disarankan minimal 30 tahun data runtut waktu. Data itu harus tidak mengandung kesalahan dan harus dicek sebelum digunakan untuk analisis hidrologi lebih lanjut. Agar tidak mengandung kesalahan (error) dan harus tidak mengandung data kosong (missing record). Oleh karena itu harus dilakukan pengecekan kualitas data (data quality control). Beberapa kesalahan yang mungkin terjadi dapat disebabkan oleh faktor manusia, alat dan faktor lokasi. Bila terjadi kesalahan maka data itu dapat disebut tidak konsisten (inconsistency). Uji konsistensi (consistency test) berarti menguji kebenaran data. Data hujan disebut konsisten (consistent) berarti data yang terukur dan dihitung adalah teliti dan benar serata sesuai dengan fenomena saat hujan itu terjadi.
Beberapa 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 kurva masa ganda (lengkung masa ganda), dan (e) analisis statistik.
Salah satu cara untuk menguji konsistensi data hujan dengan menggunakan analisis kurva masa ganda (double mass curve analysis). Pengujian tersebut dapat diketahui apakah terjadi perubahan lingkungan atau perubahan cara menakar. Jika 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 Hidrologi 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.
Non-homogenitas ini dapat disebabkan oleh beberapa faktor, antara lain :
Perubahan letak stasiun.
Perubahan system pendataan.
Perubahan iklim.
Perubahan dalam lingkungan sekitar.
Uji konsistensi ini dapat diselidiki dengan cara membandingkan curah hujan tahunan komulatif dari stasiun yang diteliti dengan harga komulatif curah hujan rata-rata dari suatu jaringan stasiun dasar yang bersesuaian. Pada umumnya, metode ini disusun dengan urutan kronologis mundur dan dimulai dari tahun yang terakhir atau data yang terbaru hingga data terakhir.
Jika 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. Hal ini dapat diselidiki dengan menggunakan lengkung massa ganda.
Kalau tidak ada perubahan terhadap lingkungan maka akan diperoleh garis ABC 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 ABC'. Penyimpangan tiba-tiba dari garis semula menunjukkan adanya perubahan tersebut, yang bukan disebabkan oleh perubahan iklim atau keadaan hidrologis yang dapat menyebabkan adanya perubahan trend. Sehingga data hujan tersebut dapat dikatakan tidak konsisten dan harus dilakukan koreksi.
Apabila data hujan tersebut tidak konsisten, maka dapat dilakukan koreksi dengan menggunakan rumus :
Yz = Fk x Y Fk = tan α tan α0
Yz = Fk x Y
Fk = tan α
tan α0
Keterangan:
Yz : Data hujan yang diperbaiki, mm
Y : Data hujan hasil pengamatan, mm
Tgα : Kemiringan sebelum ada perubahan
Tg αc : Kemiringan setelah ada perubahan
Gambar 3.1. Lengkung Massa Ganda
Sumber : Materi Kuliah Hidrologi Teknik Dasar
Keterangan :
Pola yang terjadi berupa garis lurus dan tidak terjadi patahan arah garis itu, maka data hujan pos X adalah konsisten.
Pola yang terjadi berupa garis lurus dan terjadi patahan arah garis itu, maka data hujan pos X adalah tidak konsisten dan harus dilakukan koreksi.
Soal 2 dan Data
Soal 2 adalah lakukan estimasi data hujan yang hilang dan uji konsistensi data. Data yang diketahui adalah pada tabel dibawah ini :
Tabel 2.1. Data Hujan Harian Maksimum Stasiun A, B, C, D
No.
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
1
2000
267,0
252,9
238,9
2
2001
254,0
241,3
228,6
215,9
3
2002
324,0
307,8
291,6
275,4
4
2003
287,0
272,7
258,3
244,0
5
2004
235,0
223,3
211,5
199,8
6
2005
219,0
208,1
197,1
7
2006
301,0
286,0
270,9
255,9
8
2007
263,0
249,9
236,7
223,6
9
2008
194,0
184,3
174,6
164,9
10
2009
278,0
264,1
250,2
236,3
11
2010
321,0
305,0
272,9
12
2011
311,0
295,5
279,9
264,2
Keterangan :
Data yang hilang pada stasiun A
Data yang hilang pada stasiun C
Data yang hilang pada stasiun D
Data yang diasumsi adalah jarak antar stasiun. Jarak antar stasiun ini didasarkan pada lampiran peta yang terdapat dalam soal. Berikut ini adalah jarak antar stasiun hasil pengukuran. Satuan untuk jarak dibawah ini adalah Km.
POS
A
B
C
D
A
0
15
20
30
B
15
0
22,6
22,8
C
20
22,6
0
16,8
D
30
22,8
16,8
0
Penyelesaian Estimasi Data Hujan yang Hilang
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.
Metode "Normal Ratio Method"
Data Hujan yang Hilang di Stasiun A tahun 2000
Tabel 2.2. Data Hujan Stasiun B, C, D
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
2000
267,0
252,9
238,9
2001
254,0
241,3
228,6
215,9
2002
324,0
307,8
291,6
275,4
2003
287,0
272,7
258,3
244,0
2004
235,0
223,3
211,5
199,8
Jumlah
1100,0
1045,1
990,0
935,1
Sumber : Hasil Perhitungan
Tabel 2.3. Data Hujan Stasiun B, C, D dan Hujan Tahunan
Pos Hujan
Tinggi Hujan
Hujan Tahunan
(mm)
(mm)
A
1100,0
B
267,0
1045,1
C
252,9
990,0
D
238,9
935,1
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan A :
Dx =
= 281 mm
Jadi, data yang hilang di stasiun hujan A pada tahun 2000 adalah 281 mm.
Data Hujan yang Hilang di Stasiun C tahun 2010
Tabel 2.4. Data Hujan Stasiun A, B, D
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
2006
301,0
286,0
270,9
255,9
2007
263,0
249,9
236,7
223,6
2008
194,0
184,3
174,6
164,9
2009
278,0
264,1
250,2
236,3
2010
321,0
305,0
272,9
2011
311,0
295,5
279,9
264,2
Jumlah
1347,0
1279,8
1212,3
1144,9
Sumber : Hasil Perhitungan
Tabel 2.5. Data Hujan Stasiun A, B, D dan Hujan Tahunan
Pos Hujan
Tinggi Hujan
Hujan Tahunan
(mm)
(mm)
A
321,0
1347,0
B
305,0
1279,8
C
1212,3
D
272,9
1144,9
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan C :
Dx =
= 288,9 mm
Jadi, data yang hilang di stasiun hujan C pada tahun 2010 adalah 288,9 mm.
Data Hujan yang Hilang di Stasiun D tahun 2005
Tabel 2.6. Data Hujan Stasiun A, B, C
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
2000
281,0
267,0
252,9
238,9
2001
254,0
241,3
228,6
215,9
2002
324,0
307,8
291,6
275,4
2003
287,0
272,7
258,3
244,0
2004
235,0
223,3
211,5
199,8
2005
219,0
208,1
197,1
2006
301,0
286,0
270,9
255,9
2007
263,0
249,9
236,7
223,6
2008
194,0
184,3
174,6
164,9
2009
278,0
264,1
250,2
236,3
2010
321,0
305,0
288,9
272,9
2011
311,0
295,5
279,9
264,2
Jumlah
3049,0
2896,9
2744,1
2591,8
Sumber : Hasil Perhitungan
Tabel 2.7. Data Hujan Stasiun A, B, C dan Hujan Tahunan
Pos Hujan
Tinggi Hujan
Hujan Tahunan
(mm)
(mm)
A
219,0
3049,0
B
208,1
2896,9
C
197,1
2744,1
D
2591,8
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan D :
Dx = = 186,2 mm
Jadi, data yang hilang di stasiun hujan D pada tahun 2005 adalah 186,2 mm.
Metode "Inversed Square Distance"
Data Hujan yang Hilang di Stasiun A tahun 2000
Tabel 2.8. Data Hujan Stasiun B, C, D
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
2000
267,0
252,9
238,9
Jarak dari stasiun A
0
15
20
30
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan A :
Px = 1(dXB)2 PB+ 1(dXC)2 PC+ 1(dXD)2 PD1(dXB)2 + 1(dXC)2 + 1(dXD)2
PA = 1(15)2 267+ 1(20)2 252,9+ 1(30)2 238,91(15)2 + 1(20)2 + 1(30)2
PA = 1225 267+ 1400 252,9+ 1900 238,91225 + 1400 + 1900
PA = 258,7 mm
Jadi, data yang hilang di stasiun hujan A pada tahun 2000 adalah 258,7 mm
Data Hujan yang Hilang di Stasiun C tahun 2010
Tabel 2.9. Data Hujan Stasiun A, B, D
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
2010
321,0
305,0
272,9
Jarak dari stasiun C
20
22,6
0
16,8
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan C :
Px = 1(dXA)2 PA+ 1(dXB)2 PB+ 1(dXD)2 PD1(dXA)2 + 1(dXB)2 + 1(dXD)2
PC = 1(20)2 321+ 1(22,6)2 305+ 1(16,8)2 272,91(20)2 + 1(22,6)2 + 1(16,8)2
PC = 1499 321+ 1511 305+ 1282 272,91499 + 1511 + 1282
PC = 284,3 mm
Jadi, data yang hilang di stasiun hujan C pada tahun 2010 adalah 284,3 mm
Data Hujan yang Hilang di Stasiun D tahun 2005
Tabel 2.10. Data Hujan Stasiun A, B, C
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
2005
219,0
208,1
197,1
Jarak dari stasiun C
30
22,8
16,8
0
Sumber : Hasil Perhitungan
Analisa perhitungan data yang hilang di stasiun hujan D :
Px = 1(dXA)2 PA+ 1(dXB)2 PB+ 1(dXC)2 PC1(dXA)2 + 1(dXB)2 + 1(dXC)2
PD= 1(30)2 219+ 1(22,8)2 208,1+ 1(16,8)2 197,11(30)2 + 1(22,8)2 + 1(16,8)2
PD= 1900 219+ 1520 208,1+ 1282 197,11900 + 1520 + 1282
PD = 201,0 mm
Jadi, data yang hilang di stasiun hujan D pada tahun 2005 adalah 201,0 mm
Perbandingan Hasil Metode "Normal Ratio Method" dan metode "Inversed Square Distance"
Perhitungan penyelesaian estimasi data hujan yang hilang dengan metode "Normal Ratio Method" diketahui bahwa data yang hilang dapat dihitung. Hasilnya adalah pada tabel berikut :
Tabel 2.11. Hasil Perhitungan Data Hujan yang Hilang
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
2000
223,8
267,0
252,9
238,9
2001
254,0
241,3
228,6
215,9
2002
324,0
307,8
291,6
275,4
2003
287,0
272,7
258,3
244,0
2004
235,0
223,3
211,5
199,8
2005
219,0
208,1
197,1
175,8
2006
301,0
286,0
270,9
255,9
2007
263,0
249,9
236,7
223,6
2008
194,0
184,3
174,6
164,9
2009
278,0
264,1
250,2
236,3
2010
321,0
305,0
233,3
272,9
2011
311,0
295,5
279,9
264,2
Sumber : Hasil Perhitungan
Perhitungan penyelesaian estimasi data hujan yang hilang dengan metode "Inversed Square Distance" diketahui bahwa data yang hilang dapat dihitung. Hasilnya adalah pada tabel berikut :
Tabel 2.12. Hasil Perhitungan Data Hujan yang Hilang
Tahun
Stasiun Hujan A
Stasiun Hujan B
Stasiun Hujan C
Stasiun Hujan D
2000
258,7
267,0
252,9
238,9
2001
254,0
241,3
228,6
215,9
2002
324,0
307,8
291,6
275,4
2003
287,0
272,7
258,3
244,0
2004
235,0
223,3
211,5
199,8
2005
219,0
208,1
197,1
201,0
2006
301,0
286,0
270,9
255,9
2007
263,0
249,9
236,7
223,6
2008
194,0
184,3
174,6
164,9
2009
278,0
264,1
250,2
236,3
2010
321,0
305,0
284,3
272,9
2011
311,0
295,5
279,9
264,2
Sumber : Hasil Perhitungan
Jika dibandingkan menjadi 1 tabel maka hasilnya adalah :
Tabel 2.13. Hasil Analisa di Stasiun A, C, D
Tahun/
Stasiun
"Normal Ratio Method"
"Inversed Square Distance"
2000/
A
223,8
258,7
2010/
C
233,3
284,3
2005/
D
175,8
201,0
Sumber : Hasil Perhitungan
Kesimpulan
Dari hasil perhitungan mendapatkan nilai yang berbeda antara metode "Normal Ratio Method" dan metode "Inversed Square Distance". Jika pada metode "Normal Ratio Method" hasil yang didapat adalah lebih kecil dari hasil perhitungan menggunakan metode "Inversed Square Distance" hal ini dikarenakan ada faktor jarak yang mempengaruhi. Jadi, dapat disimpulkan dalam mengestimasi hujan yang hilang tidak hanya faktor tinggi hujan distasiun lain yang dipertimbangkan, namun juga harus diperhatikan jarak antara stasiun yang diketahui dengan stasiun yang dicari.
Penyelesaian Uji Konsistensi Data
Data yang dipakai dalam Uji Konsistensi ini data berdasarkan analisa menggunakan metode "Normal Ratio Method" karena data dalam perhitungan menggunakan metode tersebut adalah asli atau tanpa asumsi.
Uji Konsistensi Stasiun A terhadap Stasiun B,C,D
Tabel 2.14. Data Uji Konsistensi Stasiun A terhadap Stasiun B,C,D
No.
Tahun
Stasiun Hujan A
Komulatif
Rerata B,C,D
Komulatif B,C,D
A
1
2011
311,0
311,0
279,9
279,9
2
2010
321,0
632,0
288,9
568,8
3
2009
278,0
910,0
250,2
819,0
4
2008
194,0
1104,0
174,6
993,6
5
2007
263,0
1367,0
236,7
1230,3
6
2006
301,0
1668,0
270,9
1501,3
7
2005
219,0
1887,0
197,1
1698,4
8
2004
235,0
2122,0
211,5
1909,9
9
2003
287,0
2409,0
258,3
2168,3
10
2002
324,0
2733,0
291,6
2459,9
11
2001
254,0
2987,0
228,6
2688,5
12
2000
281,0
3268,0
252,9
2941,4
Sumber : Hasil Perhitungan
Grafik 3.1. Uji Konsistensi Stasiun A terhadap Stasiun B,C,D
Uji Konsistensi Stasiun B terhadap Stasiun A,C,D
Tabel 2.15. Data Uji Konsistensi Stasiun B terhadap Stasiun A,C,D
No.
Tahun
Stasiun Hujan B
Komulatif
Rerata A,C,D
Komulatif A,C,D
B
1
2000
295,5
295,5
285,0
285,0
2
2001
305,0
600,5
294,3
579,3
3
2002
264,1
864,6
254,8
834,1
4
2003
184,3
1048,9
177,8
1012,0
5
2004
249,9
1298,8
241,1
1253,1
6
2005
286,0
1584,8
275,9
1529,0
7
2006
208,1
1792,9
200,8
1729,8
8
2007
223,3
2016,2
215,4
1945,2
9
2008
272,7
2288,9
263,1
2208,3
10
2009
307,8
2596,7
297,0
2505,3
11
2010
241,3
2838,0
232,8
2738,1
12
2011
267,0
3105,0
257,6
2995,7
Sumber : Hasil Perhitungan
Grafik 3.2. Uji Konsistensi Stasiun B terhadap Stasiun A,C,D
Uji Konsistensi Stasiun C terhadap Stasiun A,B,D
Tabel 2.16. Data Uji Konsistensi Stasiun C terhadap Stasiun A,B,D
No.
Tahun
Stasiun Hujan C
Komulatif
Rerata A,B,D
Komulatif A,B,D
C
1
2000
279,9
279,9
290,2
290,2
2
2001
288,9
568,8
299,6
589,9
3
2002
250,2
819,0
259,5
849,3
4
2003
174,6
993,6
181,1
1030,4
5
2004
236,7
1230,3
245,5
1275,9
6
2005
270,9
1501,2
281,0
1556,9
7
2006
197,1
1698,3
204,4
1761,3
8
2007
211,5
1909,8
219,4
1980,7
9
2008
258,3
2168,1
267,9
2248,6
10
2009
291,6
2459,7
302,4
2551,0
11
2010
228,6
2688,3
237,1
2788,0
12
2011
252,9
2941,2
262,3
3050,3
Sumber : Hasil Perhitungan
Grafik 3.3. Uji Konsistensi Stasiun C terhadap Stasiun A,B,D
Uji Konsistensi Stasiun D terhadap Stasiun A,B,C
Tabel 2.17. Data Uji Konsistensi Stasiun d terhadap Stasiun A,B,C
No.
Tahun
Stasiun Hujan D
Komulatif
Rerata A,B,C
Komulatif A,B,C
D
1
2000
264,2
264,2
295,5
295,5
2
2001
272,9
537,1
305,0
600,4
3
2002
236,3
773,4
264,1
864,5
4
2003
164,9
938,3
184,3
1048,8
5
2004
223,6
1161,9
249,9
1298,7
6
2005
255,9
1417,8
286,0
1584,7
7
2006
186,2
1604,0
208,1
1792,7
8
2007
199,8
1803,8
223,3
2016,0
9
2008
244,0
2047,8
272,7
2288,7
10
2009
275,4
2323,2
307,8
2596,5
11
2010
215,9
2539,1
241,3
2837,8
12
2011
238,9
2778,0
267,0
3104,7
Sumber : Hasil Perhitungan
Grafik 3.4. Uji Konsistensi Stasiun D terhadap Stasiun A,B,C
Kesimpulan
Berdasarkan grafik uji konsistensi stasiun A terhadap B, C, D. Maka dapat disimpulkan bahwa data hujan konsisten, hal ini dikarenakan grafik berupa garis lurus dan tidak terjadi patahan. Begitu juga yang terjadi pada grafik uji konsistensi stasiun B terhadap A,C,D, grafik uji konsistensi stasiun C terhadap A,B,D, dan grafik uji konsistensi stasiun D terhadap A,B,C.
Dalam grafik 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. Jadi dapat disimpulkan data – data pada 4 stasiun tersebut adalah konsisten.
Daftar Bacaan :
Limantara, L.M. , (2010). Hidrologi Praktis , CV. Lubuk Agung, Bandung
Joyce Martha dkk. Mengenal Dasar – dasar Hidrologi. Nova, Bandung
Soewarno, (2000). Hidrologi Operasional – Jilid Kesatu, Penerbit Citra Aditya Bakti, Bandung
