Curah Hujan Harian Maksimum Tahunan Stasiun CILIMAN

Pandeglang - Banten

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

Detail Stasiun Cetak PDF Uji Distribusi
Jumlah Data
19 tahun
Rata-rata HHMT
90,58 mm
Hujan Maksimum
178,00 mm
Distribusi Terbaik
Gumbel

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 19 tahun, rata-rata 90,58 mm, dan nilai maksimum 178,00 mm pada tahun 2017. 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 StasiunCILIMANPeriode Data1998 s.d. 2025
LokasiDesa Pasanggrahan, Kec. Munjul, PandeglangProvinsiBanten
Wilayah SungaiCILIMAN-CIBUNGURKoordinat-6.609543, 105.902795
PengelolaBBWS CIDANAU CIUJUNG CIDURIAN

Peta Lokasi Stasiun Hujan

Stasiun Hujan Ciliman berlokasi di Desa Pasanggrahan, Kecamatan Munjul, Pandeglang, Provinsi Banten. Koordinat: latitude -6.609543, longitude 105.902795.

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 HHMT19 tahunTahun kosong9 tahun
Data HHMT < 50 mm1 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
1199896,0021-02-1998OK
2199956,0010-01-1999OK
3200049,0019-11-2000Perlu cek
4200198,0009-02-2001OK
5200255,5026-11-2002OK
6200395,0001-01-2003OK
72004100,0001-04-2004OK
8200598,0024-03-2005OK
9200691,0013-01-2006OK
10200875,0022-11-2008OK
11200951,0014-01-2009OK
122010100,0018-12-2010OK
13201168,0013-10-2011OK
142017178,0011-06-2017OK
152020120,5007-12-2020OK
162022111,0026-10-2022OK
17202384,0025-02-2023OK
18202484,0002-12-2024OK
192025111,0017-11-2025OK

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
178,00 mm
Tahun 2017
Nilai minimum
49,00 mm
Tahun 2000
Data > 150 mm
1 data
Data < 50 mm
1 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 PencilanKn2,3610
Uji PencilanBatas bawah39,86 mm
Uji PencilanBatas atas186,20 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman0,39807
Uji Trent hitung1,78913
Uji Trent kritis2,10982
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung2,67377
Uji HomogenitasF kritis4,35723
Uji HomogenitasVarian kelompok awal468,65278
Uji HomogenitasVarian kelompok akhir1.253,06944
Uji Independensir1 lag-10,10521
Uji IndependensiBatas bawah-0,50451
Uji IndependensiBatas atas0,39340

6. Statistik Deskriptif dan Interpretasi

Jumlah data19 tahun
Minimum49,00 mm
Maksimum178,00 mm
Rata-rata90,58 mm
Median95,00 mm
Standar deviasi sampel30,06 mm
Koefisien variasi0,332
Skewness sampel1,098
Excess kurtosis2,914
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
285,64086,15186,47787,776
5112,208113,391113,482113,935
10129,799130,903130,537129,332
20146,672147,386146,389142,810
25152,025152,567151,332146,839
50168,513168,434166,363158,556
100184,880184,110181,059169,214
200201,186199,731195,561178,952
1.000238,960236,252228,943198,520

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 = 90,579 mm; S = 30,064 mm; μ = 77,04857; β = 23,44076.
TPY_TK_TX_T (mm)
250,000%0,36651-0,1642885,640
580,000%1,499940,71945112,208
1090,000%2,250371,30455129,799
2095,000%2,970201,86580146,672
2596,000%3,198532,04383152,025
5098,000%3,901942,59228168,513
10099,000%4,600153,13667184,880
20099,500%5,295813,67907201,186
1.00099,900%6,907264,93551238,960

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 = 1,93526; S_Y = 0,14177.
TPK_Tlog X_TX_T (mm)
250,000%0,000001,9352686,151
580,000%0,841622,05458113,391
1090,000%1,281552,11695130,903
2095,000%1,644852,16846147,386
2596,000%1,750692,18346152,567
5098,000%2,053752,22643168,434
10099,000%2,326352,26508184,110
20099,500%2,575832,30045199,731
1.00099,900%3,090232,37338236,252

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 = 1,93526; S_Y = 0,14177; C_s log = -0,06940.
TPZK_Tlog X_TX_T (mm)
250,000%0,000000,011571,9369086,477
580,000%0,841620,844072,05493113,482
1090,000%1,281551,272982,11574130,537
2095,000%1,644851,624042,16551146,389
2596,000%1,750691,725792,17993151,332
5098,000%2,053752,015862,22106166,363
10099,000%2,326352,275172,25782181,059
20099,500%2,575832,511182,29128195,561
1.00099,900%3,090232,993962,35973228,943

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 = 78,49607; α = 25,90003; k = 0,12442. L1 = 90,57895; L2 = 16,20175; t3 = 0,09277.
TPX_T (mm)
250,000%87,776
580,000%113,935
1090,000%129,332
2095,000%142,810
2596,000%146,839
5098,000%158,556
10099,000%169,214
20099,500%178,952
1.00099,900%198,520

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
Gumbel0,128170,36000Diterima3,338365,93687DiterimaTerpilih sementara berdasarkan skor otomatis uji kecocokan.
Log Normal0,119140,36000Diterima3,689685,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Pearson III0,114530,36000Diterima3,733733,74676DiterimaTetap perlu dipertimbangkan karena data memiliki skewness positif kuat.
GEV0,097850,36000Diterima4,139583,74676DitolakK-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-ratax̄90,579mm
GumbelStandar deviasiS30,064mm
GumbelLokasi Gumbelμ77,04857-
GumbelSkala Gumbelβ23,44076-
Log NormalRata-rata log10(X)Ybar1,93526-
Log NormalStandar deviasi log10(X)S_Y0,14177-
Log Pearson IIIRata-rata log10(X)Ybar1,93526-
Log Pearson IIIStandar deviasi log10(X)S_Y0,14177-
Log Pearson IIIKoefisien kemencengan logC_s-0,06940-
GEVLokasiξ78,49607-
GEVSkalaα25,90003-
GEVBentukk0,12442-

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
CILIMAN
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