Curah Hujan Harian Maksimum Tahunan Stasiun PASIR ONA

Lebak - Banten

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

Detail Stasiun Cetak PDF Uji Distribusi
Jumlah Data
31 tahun
Rata-rata HHMT
102,12 mm
Hujan Maksimum
193,00 mm
Distribusi Terbaik
Gumbel

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 31 tahun, rata-rata 102,12 mm, dan nilai maksimum 193,00 mm pada tahun 2021. 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 StasiunPASIR ONAPeriode Data1991 s.d. 2022
LokasiDesa Rangkasbitung Timur, Kec. Rangkasbitung, LebakProvinsiBanten
Wilayah SungaiCIDANAU-CIUJUNG-CIDURIANKoordinat-6.369444, 106.265833
PengelolaBBWS CIDANAU CIUJUNG CIDURIAN

Peta Lokasi Stasiun Hujan

Stasiun Hujan Pasir Ona berlokasi di Desa Rangkasbitung Timur, Kecamatan Rangkasbitung, Lebak, Provinsi Banten. Koordinat: latitude -6.369444, longitude 106.265833.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
1Warung GunungCibadak, Lebak6,050 tahun-
2Cisalak BaruMaja, Lebak6,0728 tahun1994–2022
3Cimarga BpsdaCimarga, Lebak6,9345 tahun1975–2019

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

Jumlah data HHMT31 tahunTahun kosong1 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
11991150,0008-11-1991OK
21992100,0023-05-1992OK
31993127,0024-11-1993OK
4199474,0007-01-1994OK
5199596,0024-11-1995OK
61996100,6019-05-1996OK
7199777,0012-02-1997OK
8199899,0029-05-1998OK
9199995,0023-01-1999OK
10200085,0017-05-2000OK
112001108,0019-07-2001OK
122002135,0009-04-2002OK
13200388,0017-11-2003OK
14200470,0027-12-2004OK
152005112,0019-02-2005OK
16200670,0020-03-2006OK
17200892,0020-05-2008OK
18200996,0005-10-2009OK
192010108,0029-10-2010OK
202011102,0023-11-2011OK
212012110,0014-01-2012OK
222013142,0022-07-2013OK
23201482,0009-01-2014OK
24201554,0006-02-2015OK
252016149,0009-03-2016OK
262017107,0021-02-2017OK
272018102,0016-02-2018OK
28201975,0001-12-2019OK
29202075,0002-05-2020OK
302021193,0014-09-2021OK
31202292,0016-07-2022OK

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
193,00 mm
Tahun 2021
Nilai minimum
54,00 mm
Tahun 2015
Data > 150 mm
1 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 PencilanKn2,5760
Uji PencilanBatas bawah49,71 mm
Uji PencilanBatas atas195,54 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-0,02522
Uji Trent hitung-0,13584
Uji Trent kritis2,04523
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung2,29670
Uji HomogenitasF kritis2,94932
Uji HomogenitasVarian kelompok awal511,42781
Uji HomogenitasVarian kelompok akhir1.174,59583
Uji Independensir1 lag-1-0,20356
Uji IndependensiBatas bawah-0,38516
Uji IndependensiBatas atas0,31849

6. Statistik Deskriptif dan Interpretasi

Jumlah data31 tahun
Minimum54,00 mm
Maksimum193,00 mm
Rata-rata102,12 mm
Median99,00 mm
Standar deviasi sampel28,76 mm
Koefisien variasi0,282
Skewness sampel1,207
Excess kurtosis2,173
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
297,39298,59597,29896,587
5122,805123,314122,359121,855
10139,631138,610139,066139,406
20155,770152,663155,279156,883
25160,890157,019160,479162,562
50176,662170,191176,726180,477
100192,317182,981193,273198,907
200207,914195,526210,273217,932
1.000244,045224,175252,089264,680

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 = 102,116 mm; S = 28,757 mm; μ = 89,17406; β = 22,42156.
TPY_TK_TX_T (mm)
250,000%0,36651-0,1642897,392
580,000%1,499940,71945122,805
1090,000%2,250371,30455139,631
2095,000%2,970201,86580155,770
2596,000%3,198532,04383160,890
5098,000%3,901942,59228176,662
10099,000%4,600153,13667192,317
20099,500%5,295813,67907207,914
1.00099,900%6,907264,93551244,045

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 = 1,99386; S_Y = 0,11544.
TPK_Tlog X_TX_T (mm)
250,000%0,000001,9938698,595
580,000%0,841622,09101123,314
1090,000%1,281552,14180138,610
2095,000%1,644852,18374152,663
2596,000%1,750692,19595157,019
5098,000%2,053752,23094170,191
10099,000%2,326352,26241182,981
20099,500%2,575832,29121195,526
1.00099,900%3,090232,35059224,175

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 = 1,99386; S_Y = 0,11544; C_s log = 0,30100.
TPZK_Tlog X_TX_T (mm)
250,000%0,00000-0,049821,9881097,298
580,000%0,841620,812382,08764122,359
1090,000%1,281551,293892,14322139,066
2095,000%1,644851,708772,19111155,279
2596,000%1,750691,832702,20542160,479
5098,000%2,053752,195502,24730176,726
10099,000%2,326352,532232,28617193,273
20099,500%2,575832,849372,32278210,273
1.00099,900%3,090233,531742,40155252,089

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 = 88,72328; α = 21,25598; k = -0,05093. L1 = 102,11613; L2 = 15,47785; t3 = 0,20290.
TPX_T (mm)
250,000%96,587
580,000%121,855
1090,000%139,406
2095,000%156,883
2596,000%162,562
5098,000%180,477
10099,000%198,907
20099,500%217,932
1.00099,900%264,680

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
Gumbel0,084480,27000Diterima2,109425,93687DiterimaTerpilih sementara berdasarkan skor otomatis uji kecocokan.
Log Normal0,097010,27000Diterima2,552455,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Pearson III0,080930,27000Diterima2,008093,74676DiterimaTetap perlu dipertimbangkan karena data memiliki skewness positif kuat.
GEV0,080410,27000Diterima1,819203,74676DiterimaDiterima 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-ratax̄102,116mm
GumbelStandar deviasiS28,757mm
GumbelLokasi Gumbelμ89,17406-
GumbelSkala Gumbelβ22,42156-
Log NormalRata-rata log10(X)Ybar1,99386-
Log NormalStandar deviasi log10(X)S_Y0,11544-
Log Pearson IIIRata-rata log10(X)Ybar1,99386-
Log Pearson IIIStandar deviasi log10(X)S_Y0,11544-
Log Pearson IIIKoefisien kemencengan logC_s0,30100-
GEVLokasiξ88,72328-
GEVSkalaα21,25598-
GEVBentukk-0,05093-

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
PASIR ONA
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