Curah Hujan Harian Maksimum Tahunan Stasiun Gunungan

Wonogiri - Jawa Tengah

Analisa HHMT, uji data, curah hujan rancangan, dan distribusi terbaik sementara mengacu SNI 2415:2026.

Detail Stasiun Cetak PDF Uji Distribusi
Jumlah Data
3 tahun
Rata-rata HHMT
98,83 mm
Hujan Maksimum
106,70 mm
Distribusi Terbaik
Gumbel

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 3 tahun, rata-rata 98,83 mm, dan nilai maksimum 106,70 mm pada tahun 2018. Distribusi terbaik sementara berdasarkan uji otomatis adalah Gumbel.

Status uji data: Perlu Review. Hasil curah hujan rancangan perlu diperlakukan sebagai hasil sementara karena seri data tidak homogen, terdapat tren signifikan, seri data tidak independen. Verifikasi data dan review teknis disarankan sebelum hasil digunakan sebagai dasar desain final.

1. Informasi Stasiun Hujan

Nama StasiunGununganPeriode Data2017 s.d. 2019
LokasiDesa Gunungan, Kec. Manyaran, WONOGIRIProvinsiJAWA TENGAH
Wilayah SungaiBengawan SoloKoordinat-7.837038, 110.829540
PengelolaBBWS Bengawan Solo

Peta Lokasi Stasiun Hujan

Stasiun Hujan Gunungan berlokasi di Desa Gunungan, Kecamatan Manyaran, Wonogiri, Provinsi Jawa Tengah. Koordinat: latitude -7.837038, longitude 110.82954.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
Belum ada stasiun hujan lain yang teridentifikasi dalam radius 10 km berdasarkan data koordinat dan data hujan yang tersedia.

2. Status Panjang Data dan Catatan Validasi SNI 2415:2026

Jumlah data HHMT3 tahunTahun kosong0 tahun
Data HHMT < 50 mm0 dataStatus uji dataDitampilkan lengkap pada bagian Uji Data HHMT.

3. Data Curah Hujan Harian Maksimum Tahunan

Data berikut adalah seri Curah Hujan Harian Maksimum Tahunan (HHMT) yang menjadi dasar uji data, statistik deskriptif, dan analisa curah hujan rancangan.

No.TahunHHMT (mm)TanggalCatatan
12017104,8026-11-2017OK
22018106,7012-02-2018OK
3201985,0006-03-2019OK

Grafik Data HHMT

Grafik deret waktu Curah Hujan Harian Maksimum Tahunan untuk melihat pola perubahan dan indikasi nilai ekstrem.

4. Ringkasan Nilai Ekstrem dan Pencilan

Nilai maksimum
106,70 mm
Tahun 2018
Nilai minimum
85,00 mm
Tahun 2019
Data > 150 mm
0 data
Data < 50 mm
0 data

Daftar Data Pencilan

TahunHHMTBatas BawahBatas AtasStatus
Tidak ada data pencilan berdasarkan uji yang digunakan.

5. Uji Data HHMT

Uji DataStatusKeterangan
Uji PencilanTidak Ada PencilanTidak ditemukan data di luar batas pencilan.
Uji TrenTidak Dapat DihitungJumlah data kurang dari 4.
Uji HomogenitasTidak Dapat DihitungJumlah data kurang dari 6.
Uji IndependensiTidak Dapat DihitungJumlah data kurang dari 5.
Status akhir uji data: Perlu Review. Seri data perlu review teknis pada satu atau lebih uji data.
  • Uji Tren: Jumlah data kurang dari 4.
  • Uji Homogenitas: Jumlah data kurang dari 6.
  • Uji Independensi: Jumlah data kurang dari 5.

Detail Parameter Uji Data

UjiParameterNilai
Uji PencilanKn1,1550
Uji PencilanBatas bawah84,97 mm
Uji PencilanBatas atas113,78 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-
Uji Trent hitung-
Uji Trent kritis-
Uji TrenArah-
Uji HomogenitasF hitung-
Uji HomogenitasF kritis-
Uji HomogenitasVarian kelompok awal-
Uji HomogenitasVarian kelompok akhir-
Uji Independensir1 lag-1-
Uji IndependensiBatas bawah-
Uji IndependensiBatas atas-

6. Statistik Deskriptif dan Interpretasi

Jumlah data3 tahun
Minimum85,00 mm
Maksimum106,70 mm
Rata-rata98,83 mm
Median104,80 mm
Standar deviasi sampel12,02 mm
Koefisien variasi0,122
Skewness sampel-1,683
Excess kurtosis-
Interpretasi statistik:

Data HHMT menunjukkan skewness negatif. Pemilihan distribusi perlu memperhatikan bentuk sebaran data.

7. Ringkasan Curah Hujan Rancangan

Catatan kelayakan: Hasil curah hujan rancangan perlu diperlakukan sebagai hasil sementara karena seri data tidak homogen, terdapat tren signifikan, seri data tidak independen. Verifikasi data dan review teknis disarankan sebelum hasil digunakan sebagai dasar desain final.

Analisa curah hujan rancangan dihitung dengan distribusi Gumbel, Log Normal, Log Pearson III, dan GEV.

Kala UlangGumbelLog NormalLog Pearson IIIGEV
296,85998,321106,394106,568
5107,479109,35897,093107,542
10114,511115,61294,225107,593
20121,256121,04597,498107,600
25123,395122,675100,044107,601
50129,986127,466113,627107,602
100136,529131,934138,716107,602
200143,047136,161182,059107,602
1.000158,146145,309451,884107,602

Grafik Perbandingan Curah Hujan Rancangan

Grafik perbandingan hasil hujan rancangan untuk distribusi Gumbel, Log Normal, Log Pearson III, dan GEV pada berbagai kala ulang.

8. Detail Perhitungan Curah Hujan Rancangan

Metode Gumbel

Langkah perhitungan:
  1. Hitung rata-rata dan standar deviasi sampel data HHMT.
  2. Estimasi parameter lokasi Gumbel (μ) dan skala Gumbel (β).
  3. Untuk setiap kala ulang T, hitung P = 1 - 1/T.
  4. Hitung Y_T = -ln[-ln(P)].
  5. Hitung X_T = μ + β × Y_T.
Rumus: X_T = μ + βY_T; Y_T = -ln[-ln(P)]. Parameter: x̄ = 98,833 mm; S = 12,018 mm; μ = 93,42476; β = 9,37010.
TPY_TK_TX_T (mm)
250,000%0,36651-0,1642896,859
580,000%1,499940,71945107,479
1090,000%2,250371,30455114,511
2095,000%2,970201,86580121,256
2596,000%3,198532,04383123,395
5098,000%3,901942,59228129,986
10099,000%4,600153,13667136,529
20099,500%5,295813,67907143,047
1.00099,900%6,907264,93551158,146

Metode Log Normal

Langkah perhitungan:
  1. Transformasikan data menjadi Y = log10(X).
  2. Hitung rata-rata log Ybar dan standar deviasi log S_Y.
  3. Untuk setiap kala ulang T, hitung P = 1 - 1/T.
  4. Ambil K_T dari invers distribusi normal standar.
  5. Hitung Y_T = Ybar + K_T × S_Y.
  6. Konversi ke mm dengan X_T = 10^Y_T.
Rumus: Y = log10(X); Y_T = Ybar + K_T S_Y; X_T = 10^Y_T. Parameter: Ybar = 1,99265; S_Y = 0,05490.
TPK_Tlog X_TX_T (mm)
250,000%0,000001,9926598,321
580,000%0,841622,03885109,358
1090,000%1,281552,06300115,612
2095,000%1,644852,08295121,045
2596,000%1,750692,08876122,675
5098,000%2,053752,10539127,466
10099,000%2,326352,12036131,934
20099,500%2,575832,13405136,161
1.00099,900%3,090232,16229145,309

Metode Log Pearson III

Langkah perhitungan:
  1. Transformasikan data HHMT menjadi Y = log10(X).
  2. Hitung rata-rata log, standar deviasi log, dan koefisien kemencengan log.
  3. Untuk setiap kala ulang T, hitung P = 1 - 1/T dan nilai Z normal standar.
  4. Hitung faktor frekuensi K_T yang dikoreksi oleh koefisien kemencengan log.
  5. Hitung Y_T = Ybar + K_T × S_Y.
  6. Konversi ke mm dengan X_T = 10^Y_T.
Rumus: Y = log10(X); Y_T = Ybar + K_T S_Y; X_T = 10^Y_T. Parameter: Ybar = 1,99265; S_Y = 0,05490; C_s log = -1,69276.
TPZK_Tlog X_TX_T (mm)
250,000%0,000000,624242,02692106,394
580,000%0,84162-0,099491,9871997,093
1090,000%1,28155-0,336661,9741794,225
2095,000%1,64485-0,066551,9889997,498
2596,000%1,750690,137372,00019100,044
5098,000%2,053751,144562,05548113,627
10099,000%2,326352,722882,14213138,716
20099,500%2,575834,873942,26021182,059
1.00099,900%3,0902312,065842,65503451,884

Metode GEV

Langkah perhitungan:
  1. Urutkan data HHMT dan hitung probability weighted moments.
  2. Turunkan L-moments: L1, L2, dan rasio L-skewness t3.
  3. Estimasi parameter GEV: lokasi (ξ), skala (α), dan bentuk (k).
  4. Untuk setiap kala ulang T, hitung P = 1 - 1/T.
  5. Hitung kuantil GEV sebagai X_T.
  6. Bandingkan hasilnya dengan distribusi lain melalui uji kecocokan distribusi.
Rumus: GEV dihitung dari parameter lokasi (ξ), skala (α), dan bentuk (k) dengan pendekatan L-moments. Parameter: ξ = 105,00364; α = 6,53171; k = 2,51390. L1 = 98,83333; L2 = 7,23333; t3 = -0,82488.
TPX_T (mm)
250,000%106,568
580,000%107,542
1090,000%107,593
2095,000%107,600
2596,000%107,601
5098,000%107,602
10099,000%107,602
20099,500%107,602
1.00099,900%107,602

9. Uji Distribusi dan Distribusi Terbaik Sementara

Distribusi terbaik sementara: Gumbel. Pemilihan distribusi terbaik bersifat sementara dan perlu ditinjau bersama kualitas data, uji data awal, serta pertimbangan teknis perencana.
DistribusiDmaxD kritisK-SChi hitungChi kritisChiCatatan
Gumbel0,243040,67000Diterima--DitolakTerpilih sementara berdasarkan skor otomatis uji kecocokan.
Log Normal0,193160,67000Diterima--DitolakK-S diterima, tetapi Chi-Square tidak diterima; gunakan sebagai pembanding.
Log Pearson III0,223150,67000Diterima--DitolakK-S diterima, tetapi Chi-Square tidak diterima; gunakan sebagai pembanding.
GEV0,231310,67000Diterima--DitolakK-S diterima, tetapi Chi-Square tidak diterima; gunakan sebagai pembanding.
Catatan: Untuk data kurang dari 50 tahun, uji Chi-Square dipakai sebagai indikator pendukung bersama uji Kolmogorov-Smirnov dan pertimbangan teknis.

10. Detail Parameter Distribusi

DistribusiParameterSimbolNilaiSatuan
GumbelRata-ratax̄98,833mm
GumbelStandar deviasiS12,018mm
GumbelLokasi Gumbelμ93,42476-
GumbelSkala Gumbelβ9,37010-
Log NormalRata-rata log10(X)Ybar1,99265-
Log NormalStandar deviasi log10(X)S_Y0,05490-
Log Pearson IIIRata-rata log10(X)Ybar1,99265-
Log Pearson IIIStandar deviasi log10(X)S_Y0,05490-
Log Pearson IIIKoefisien kemencengan logC_s-1,69276-
GEVLokasiξ105,00364-
GEVSkalaα6,53171-
GEVBentukk2,51390-

11. Catatan Kelayakan dan Penggunaan Hasil

Catatan kelayakan: Hasil curah hujan rancangan perlu diperlakukan sebagai hasil sementara karena seri data tidak homogen, terdapat tren signifikan, seri data tidak independen. Verifikasi data dan review teknis disarankan sebelum hasil digunakan sebagai dasar desain final.

Hasil curah hujan rancangan pada halaman ini merupakan dasar awal untuk analisa lanjutan. Untuk debit banjir rencana, tahapan berikutnya adalah hujan wilayah, distribusi hujan rencana, hujan efektif, transformasi hujan-limpasan dengan HSS/metode lain, serta kalibrasi dan validasi apabila data observasi tersedia.

Ringkasan Analisa

Stasiun
Gunungan
Distribusi Terbaik Sementara
Gumbel
Status Uji Data
Perlu Review
Hasil perlu dibaca bersama uji data, terutama jika terdapat pencilan atau data tidak homogen.
Data HHMT Grafik HHMT Ringkasan Ekstrem Uji Data Hujan Rancangan Grafik Rancangan Uji Distribusi Cetak PDF