Curah Hujan Harian Maksimum Tahunan Stasiun Sajira BPSDA

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
24 tahun
Rata-rata HHMT
63,90 mm
Hujan Maksimum
122,00 mm
Distribusi Terbaik
GEV

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 24 tahun, rata-rata 63,90 mm, dan nilai maksimum 122,00 mm pada tahun 2004. Distribusi terbaik sementara berdasarkan uji otomatis adalah GEV.

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

1. Informasi Stasiun Hujan

Nama StasiunSajira BPSDAPeriode Data1998 s.d. 2022
LokasiDesa Sajira, Kec. Sajira, LebakProvinsiBanten
Wilayah SungaiCIDANAU-CIUJUNG-CIDURIANKoordinat-6.491667, 106.353889
PengelolaBPSDA Ciujung Cidanau

Peta Lokasi Stasiun Hujan

Stasiun Hujan Sajira Bpsda berlokasi di Desa Sajira, Kecamatan Sajira, Lebak, Provinsi Banten. Koordinat: latitude -6.491667, longitude 106.353889.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
1Ciminyak - CilakiMuncang, Lebak7,360 tahun-

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

Jumlah data HHMT24 tahunTahun kosong1 tahun
Data HHMT < 50 mm8 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
1199857,0030-01-1998OK
2199940,0001-01-1999Perlu cek
3200040,0003-01-2000Perlu cek
4200160,0007-02-2001OK
5200240,0012-02-2002Perlu cek
6200365,0026-04-2003OK
72004122,0021-04-2004OK
8200575,0018-02-2005OK
92006118,0030-07-2006OK
102007120,0006-02-2007OK
11200860,0028-02-2008OK
12200987,0013-03-2009OK
13201085,0014-02-2010OK
14201199,5026-11-2011OK
15201296,0017-04-2012OK
16201398,0010-01-2013OK
17201415,0015-01-2014Perlu cek
18201510,0009-02-2015Perlu cek
1920167,0023-10-2016Perlu cek
20201753,0018-12-2017OK
21201810,0024-06-2018Perlu cek
2220199,0013-10-2019Perlu cek
23202184,0014-09-2021OK
24202283,0029-12-2022OK

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
122,00 mm
Tahun 2004
Nilai minimum
7,00 mm
Tahun 2016
Data > 150 mm
0 data
Data < 50 mm
8 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 IndependensiTidak IndependenAutokorelasi lag-1 berada di luar batas penerimaan; seri data perlu review independensi.
Status akhir uji data: Perlu Review. Seri data perlu review teknis pada satu atau lebih uji data.
  • Uji Independensi: Autokorelasi lag-1 berada di luar batas penerimaan; seri data perlu review independensi.

Detail Parameter Uji Data

UjiParameterNilai
Uji PencilanKn2,4658
Uji PencilanBatas bawah5,25 mm
Uji PencilanBatas atas445,29 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-0,15934
Uji Trent hitung-0,75704
Uji Trent kritis2,07387
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung1,68300
Uji HomogenitasF kritis3,47370
Uji HomogenitasVarian kelompok awal977,69697
Uji HomogenitasVarian kelompok akhir1.645,46023
Uji Independensir1 lag-10,51392
Uji IndependensiBatas bawah-0,44318
Uji IndependensiBatas atas0,35622

6. Statistik Deskriptif dan Interpretasi

Jumlah data24 tahun
Minimum7,00 mm
Maksimum122,00 mm
Rata-rata63,90 mm
Median62,50 mm
Standar deviasi sampel36,80 mm
Koefisien variasi0,576
Skewness sampel-0,129
Excess kurtosis-1,038
Interpretasi statistik:

Data HHMT relatif mendekati simetris berdasarkan nilai skewness. Nilai excess kurtosis negatif menunjukkan distribusi relatif lebih datar dibanding distribusi normal.

7. Ringkasan Curah Hujan Rancangan

Catatan kelayakan: Hasil curah hujan rancangan perlu diperlakukan sebagai hasil sementara karena 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
257,85048,35760,74965,013
590,371103,17077,72797,316
10111,902153,31189,981112,758
20132,556212,634112,421124,276
25139,107233,892123,311127,376
50159,289307,270176,346135,535
100179,322392,746281,785141,908
200199,282491,659504,378146,911
1.000245,518781,2793.027,425154,803

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 = 63,896 mm; S = 36,799 mm; μ = 47,33428; β = 28,69214.
TPY_TK_TX_T (mm)
250,000%0,36651-0,1642857,850
580,000%1,499940,7194590,371
1090,000%2,250371,30455111,902
2095,000%2,970201,86580132,556
2596,000%3,198532,04383139,107
5098,000%3,901942,59228159,289
10099,000%4,600153,13667179,322
20099,500%5,295813,67907199,282
1.00099,900%6,907264,93551245,518

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 = 1,68446; S_Y = 0,39102.
TPK_Tlog X_TX_T (mm)
250,000%0,000001,6844648,357
580,000%0,841622,01355103,170
1090,000%1,281552,18557153,311
2095,000%1,644852,32763212,634
2596,000%1,750692,36902233,892
5098,000%2,053752,48752307,270
10099,000%2,326352,59411392,746
20099,500%2,575832,69166491,659
1.00099,900%3,090232,89281781,279

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 = 1,68446; S_Y = 0,39102; C_s log = -1,12289.
TPZK_Tlog X_TX_T (mm)
250,000%0,000000,253391,7835460,749
580,000%0,841620,527101,8905777,727
1090,000%1,281550,689711,9541589,981
2095,000%1,644850,937002,05085112,421
2596,000%1,750691,039692,09100123,311
5098,000%2,053751,437022,24637176,346
10099,000%2,326351,957582,44992281,785
20099,500%2,575832,604202,70276504,378
1.00099,900%3,090234,594673,481073.027,425

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 = 51,58873; α = 38,97087; k = 0,34200. L1 = 63,89583; L2 = 21,45199; t3 = -0,03157.
TPX_T (mm)
250,000%65,013
580,000%97,316
1090,000%112,758
2095,000%124,276
2596,000%127,376
5098,000%135,535
10099,000%141,908
20099,500%146,911
1.00099,900%154,803

9. Uji Distribusi dan Distribusi Terbaik Sementara

Distribusi terbaik sementara: GEV. Pemilihan distribusi terbaik bersifat sementara dan perlu ditinjau bersama kualitas data, uji data awal, serta pertimbangan teknis perencana.
DistribusiDmaxD kritisK-SChi hitungChi kritisChiCatatan
Gumbel0,154320,32000Diterima3,795655,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Normal0,180550,32000Diterima9,899075,93687DitolakK-S diterima, tetapi Chi-Square tidak diterima; gunakan sebagai pembanding.
Log Pearson III0,258060,32000Diterima6,415483,74676DitolakK-S diterima, tetapi Chi-Square tidak diterima; gunakan sebagai pembanding.
GEV0,095380,32000Diterima0,961983,74676DiterimaTerpilih sementara berdasarkan skor otomatis uji kecocokan.
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-ratax̄63,896mm
GumbelStandar deviasiS36,799mm
GumbelLokasi Gumbelμ47,33428-
GumbelSkala Gumbelβ28,69214-
Log NormalRata-rata log10(X)Ybar1,68446-
Log NormalStandar deviasi log10(X)S_Y0,39102-
Log Pearson IIIRata-rata log10(X)Ybar1,68446-
Log Pearson IIIStandar deviasi log10(X)S_Y0,39102-
Log Pearson IIIKoefisien kemencengan logC_s-1,12289-
GEVLokasiξ51,58873-
GEVSkalaα38,97087-
GEVBentukk0,34200-

11. Catatan Kelayakan dan Penggunaan Hasil

Catatan kelayakan: Hasil curah hujan rancangan perlu diperlakukan sebagai hasil sementara karena 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
Sajira BPSDA
Distribusi Terbaik Sementara
GEV
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