Curah Hujan Harian Maksimum Tahunan Stasiun Rancasumur

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
20 tahun
Rata-rata HHMT
100,17 mm
Hujan Maksimum
163,00 mm
Distribusi Terbaik
Gumbel

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 20 tahun, rata-rata 100,17 mm, dan nilai maksimum 163,00 mm pada tahun 2013. 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 StasiunRancasumurPeriode Data1997 s.d. 2016
LokasiDesa Rancasumur, Kec. Kopo, SerangProvinsiBanten
Wilayah SungaiCIDANAU-CIUJUNG-CIDURIANKoordinat-6.299370, 106.389000
PengelolaBBWS CIDANAU CIUJUNG CIDURIAN

Peta Lokasi Stasiun Hujan

Stasiun Hujan Rancasumur berlokasi di Desa Rancasumur, Kecamatan Kopo, Serang, Provinsi Banten. Koordinat: latitude -6.29937, longitude 106.389.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
1CicintaKopo, Serang2,960 tahun-
2CisokaCisoka, Tangerang7,150 tahun-

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

Jumlah data HHMT20 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
1199784,2015-01-1997OK
21998160,0020-02-1998OK
3199994,0019-07-1999OK
4200088,2018-05-2000OK
52001107,0011-11-2001OK
6200296,0028-03-2002OK
7200378,0020-11-2003OK
82004134,5021-02-2004OK
92005100,0029-09-2005OK
10200671,0018-01-2006OK
112007110,2002-06-2007OK
12200861,0012-10-2008OK
13200998,8025-11-2009OK
14201084,0014-07-2010OK
15201178,8009-09-2011OK
16201296,0004-02-2012OK
172013163,0010-01-2013OK
18201498,6003-02-2014OK
192015126,8002-02-2015OK
20201673,2012-09-2016OK

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
163,00 mm
Tahun 2013
Nilai minimum
61,00 mm
Tahun 2008
Data > 150 mm
2 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 PencilanKn2,3850
Uji PencilanBatas bawah52,47 mm
Uji PencilanBatas atas179,15 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-0,03310
Uji Trent hitung-0,14049
Uji Trent kritis2,10092
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung1,17571
Uji HomogenitasF kritis4,02599
Uji HomogenitasVarian kelompok awal732,05433
Uji HomogenitasVarian kelompok akhir860,68267
Uji Independensir1 lag-1-0,24194
Uji IndependensiBatas bawah-0,49029
Uji IndependensiBatas atas0,38502

6. Statistik Deskriptif dan Interpretasi

Jumlah data20 tahun
Minimum61,00 mm
Maksimum163,00 mm
Rata-rata100,17 mm
Median96,00 mm
Standar deviasi sampel27,49 mm
Koefisien variasi0,274
Skewness sampel1,091
Excess kurtosis0,827
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 relatif moderat.

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
295,64996,94894,95493,910
5119,944120,404118,532118,381
10136,029134,843134,822136,281
20151,459148,064151,076154,845
25156,353152,154156,383161,037
50171,431164,501173,264181,082
100186,397176,461190,933202,517
200201,309188,167209,592225,515
1.000235,850214,812257,721285,791

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 = 100,165 mm; S = 27,492 mm; μ = 87,79233; β = 21,43509.
TPY_TK_TX_T (mm)
250,000%0,36651-0,1642895,649
580,000%1,499940,71945119,944
1090,000%2,250371,30455136,029
2095,000%2,970201,86580151,459
2596,000%3,198532,04383156,353
5098,000%3,901942,59228171,431
10099,000%4,600153,13667186,397
20099,500%5,295813,67907201,309
1.00099,900%6,907264,93551235,850

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 = 1,98654; S_Y = 0,11181.
TPK_Tlog X_TX_T (mm)
250,000%0,000001,9865496,948
580,000%0,841622,08064120,404
1090,000%1,281552,12983134,843
2095,000%1,644852,17045148,064
2596,000%1,750692,18228152,154
5098,000%2,053752,21617164,501
10099,000%2,326352,24665176,461
20099,500%2,575832,27454188,167
1.00099,900%3,090232,33206214,812

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 = 1,98654; S_Y = 0,11181; C_s log = 0,49992.
TPZK_Tlog X_TX_T (mm)
250,000%0,00000-0,080721,9775194,954
580,000%0,841620,780762,07384118,532
1090,000%1,281551,280942,12976134,822
2095,000%1,644851,723052,17919151,076
2596,000%1,750691,857162,19419156,383
5098,000%2,053752,255342,23871173,264
10099,000%2,326352,632522,28088190,933
20099,500%2,575832,994692,32138209,592
1.00099,900%3,090233,797612,41115257,721

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 = 86,60731; α = 19,54041; k = -0,10622. L1 = 100,16500; L2 = 15,09132; t3 = 0,23968.
TPX_T (mm)
250,000%93,910
580,000%118,381
1090,000%136,281
2095,000%154,845
2596,000%161,037
5098,000%181,082
10099,000%202,517
20099,500%225,515
1.00099,900%285,791

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
Gumbel0,098760,36000Diterima2,355475,93687DiterimaTerpilih sementara berdasarkan skor otomatis uji kecocokan.
Log Normal0,118760,36000Diterima2,950485,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Pearson III0,084650,36000Diterima2,037373,74676DiterimaTetap perlu dipertimbangkan karena data memiliki skewness positif kuat.
GEV0,072960,36000Diterima1,762153,74676DiterimaDiterima 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-ratax̄100,165mm
GumbelStandar deviasiS27,492mm
GumbelLokasi Gumbelμ87,79233-
GumbelSkala Gumbelβ21,43509-
Log NormalRata-rata log10(X)Ybar1,98654-
Log NormalStandar deviasi log10(X)S_Y0,11181-
Log Pearson IIIRata-rata log10(X)Ybar1,98654-
Log Pearson IIIStandar deviasi log10(X)S_Y0,11181-
Log Pearson IIIKoefisien kemencengan logC_s0,49992-
GEVLokasiξ86,60731-
GEVSkalaα19,54041-
GEVBentukk-0,10622-

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
Rancasumur
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