Curah Hujan Harian Maksimum Tahunan Stasiun PADARINCANG

Serang - Banten

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

Detail Stasiun Cetak PDF Uji Distribusi
Jumlah Data
21 tahun
Rata-rata HHMT
131,43 mm
Hujan Maksimum
250,00 mm
Distribusi Terbaik
Gumbel

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 21 tahun, rata-rata 131,43 mm, dan nilai maksimum 250,00 mm pada tahun 1987. Distribusi terbaik sementara berdasarkan uji otomatis adalah Gumbel.

Status uji data: Memenuhi Pemeriksaan Awal. Hasil uji data awal tidak menunjukkan masalah utama. Hasil curah hujan rancangan dapat digunakan sebagai dasar awal analisa lanjutan dengan tetap mempertimbangkan kualitas data dan tujuan desain.

1. Informasi Stasiun Hujan

Nama StasiunPADARINCANGPeriode Data1975 s.d. 1995
LokasiDesa Bugel, Kec. Padarincang, SerangProvinsiBanten
Wilayah SungaiCIDANAU-CIUJUNG-CIDURIANKoordinat-6.212506, 105.939449
PengelolaBBWS CIDANAU CIUJUNG CIDURIAN

Peta Lokasi Stasiun Hujan

Stasiun Hujan Padarincang berlokasi di Desa Bugel, Kecamatan Padarincang, Serang, Provinsi Banten. Koordinat: latitude -6.212506, longitude 105.939449.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
1CinangkaCinangka, Serang7,330 tahun-

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

Jumlah data HHMT21 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
11975125,0020-10-1975OK
2197688,0004-03-1976OK
31977182,0011-02-1977OK
41978153,0023-03-1978OK
5197990,0003-03-1979OK
61980150,0012-01-1980OK
71981100,0006-01-1981OK
8198280,0019-01-1982OK
91983170,0012-03-1983OK
101984215,0028-12-1984OK
11198580,0027-04-1985OK
121986135,0007-01-1986OK
131987250,0020-02-1987OK
141988106,7029-10-1988OK
151989118,0022-02-1989OK
161990144,0027-04-1990OK
171991100,0018-03-1991OK
181992134,2020-10-1992OK
19199378,0015-03-1993OK
201994142,0002-01-1994OK
211995119,2003-12-1995OK

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
250,00 mm
Tahun 1987
Nilai minimum
78,00 mm
Tahun 1993
Data > 150 mm
5 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 Ada TrenTidak terdapat indikasi tren signifikan pada tingkat kepercayaan yang digunakan.
Uji HomogenitasHomogenVarians dua kelompok data tidak berbeda signifikan; seri data dapat dianggap homogen berdasarkan uji ini.
Uji IndependensiIndependenAutokorelasi lag-1 berada dalam batas penerimaan; seri data dapat dianggap independen berdasarkan uji ini.
Status akhir uji data: Memenuhi Pemeriksaan Awal. Seri data memenuhi pemeriksaan awal pencilan, tren, homogenitas, dan independensi.

Detail Parameter Uji Data

UjiParameterNilai
Uji PencilanKn2,4052
Uji PencilanBatas bawah57,10 mm
Uji PencilanBatas atas272,77 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-0,09032
Uji Trent hitung-0,39530
Uji Trent kritis2,09302
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung1,02700
Uji HomogenitasF kritis3,96387
Uji HomogenitasVarian kelompok awal2.107,34444
Uji HomogenitasVarian kelompok akhir2.164,24964
Uji Independensir1 lag-1-0,20523
Uji IndependensiBatas bawah-0,47716
Uji IndependensiBatas atas0,37716

6. Statistik Deskriptif dan Interpretasi

Jumlah data21 tahun
Minimum78,00 mm
Maksimum250,00 mm
Rata-rata131,43 mm
Median125,00 mm
Standar deviasi sampel45,22 mm
Koefisien variasi0,344
Skewness sampel1,074
Excess kurtosis1,121
Interpretasi statistik:

Data HHMT menunjukkan skewness positif kuat. Hal ini mengindikasikan adanya nilai ekstrem di sisi kanan distribusi, sehingga Log Pearson III dan GEV perlu diperhatikan sebagai pembanding terhadap Gumbel. Nilai excess kurtosis positif menunjukkan distribusi cenderung berekor berat dan perlu pemeriksaan nilai ekstrem.

7. Ringkasan Curah Hujan Rancangan

Catatan kelayakan: Hasil uji data awal tidak menunjukkan masalah utama. Hasil curah hujan rancangan dapat digunakan sebagai dasar awal analisa lanjutan dengan tetap mempertimbangkan kualitas data dan tujuan desain.

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

Kala UlangGumbelLog NormalLog Pearson IIIGEV
2124,005124,802122,490121,833
5163,965164,076162,159162,819
10190,423189,302189,966191,919
20215,802213,033217,914221,400
25223,852220,490227,069231,087
50248,652243,319256,251261,980
100273,268265,866286,840294,285
200297,795288,327319,136328,184
1.000354,609340,809402,128413,781

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 = 131,433 mm; S = 45,218 mm; μ = 111,08266; β = 35,25662.
TPY_TK_TX_T (mm)
250,000%0,36651-0,16428124,005
580,000%1,499940,71945163,965
1090,000%2,250371,30455190,423
2095,000%2,970201,86580215,802
2596,000%3,198532,04383223,852
5098,000%3,901942,59228248,652
10099,000%4,600153,13667273,268
20099,500%5,295813,67907297,795
1.00099,900%6,907264,93551354,609

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 = 2,09622; S_Y = 0,14118.
TPK_Tlog X_TX_T (mm)
250,000%0,000002,09622124,802
580,000%0,841622,21504164,076
1090,000%1,281552,27716189,302
2095,000%1,644852,32845213,033
2596,000%1,750692,34339220,490
5098,000%2,053752,38618243,319
10099,000%2,326352,42466265,866
20099,500%2,575832,45989288,327
1.00099,900%3,090232,53251340,809

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 = 2,09622; S_Y = 0,14118; C_s log = 0,34887.
TPZK_Tlog X_TX_T (mm)
250,000%0,00000-0,057532,08810122,490
580,000%0,841620,805482,20994162,159
1090,000%1,281551,292322,27868189,966
2095,000%1,644851,714532,33828217,914
2596,000%1,750691,841122,35616227,069
5098,000%2,053752,213042,40867256,251
10099,000%2,326352,559922,45764286,840
20099,500%2,575832,888122,50398319,136
1.00099,900%3,090233,599172,60436402,128

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 = 109,30138; α = 33,72768; k = -0,07434. L1 = 131,43333; L2 = 25,16143; t3 = 0,21835.
TPX_T (mm)
250,000%121,833
580,000%162,819
1090,000%191,919
2095,000%221,400
2596,000%231,087
5098,000%261,980
10099,000%294,285
20099,500%328,184
1.00099,900%413,781

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
Gumbel0,064990,32000Diterima0,247335,93687DiterimaTerpilih sementara berdasarkan skor otomatis uji kecocokan.
Log Normal0,070420,32000Diterima0,272265,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Pearson III0,076040,32000Diterima0,262303,74676DiterimaTetap perlu dipertimbangkan karena data memiliki skewness positif kuat.
GEV0,068770,32000Diterima0,306113,74676DiterimaDiterima oleh kedua uji; dapat menjadi kandidat 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-ratax̄131,433mm
GumbelStandar deviasiS45,218mm
GumbelLokasi Gumbelμ111,08266-
GumbelSkala Gumbelβ35,25662-
Log NormalRata-rata log10(X)Ybar2,09622-
Log NormalStandar deviasi log10(X)S_Y0,14118-
Log Pearson IIIRata-rata log10(X)Ybar2,09622-
Log Pearson IIIStandar deviasi log10(X)S_Y0,14118-
Log Pearson IIIKoefisien kemencengan logC_s0,34887-
GEVLokasiξ109,30138-
GEVSkalaα33,72768-
GEVBentukk-0,07434-

11. Catatan Kelayakan dan Penggunaan Hasil

Catatan kelayakan: Hasil uji data awal tidak menunjukkan masalah utama. Hasil curah hujan rancangan dapat digunakan sebagai dasar awal analisa lanjutan dengan tetap mempertimbangkan kualitas data dan tujuan desain.

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
PADARINCANG
Distribusi Terbaik Sementara
Gumbel
Status Uji Data
Memenuhi Pemeriksaan Awal
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