Curah Hujan Harian Maksimum Tahunan Stasiun CAWANG

Kota Administrasi Jakarta Timur - Dki Jakarta

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
145,87 mm
Hujan Maksimum
330,00 mm
Distribusi Terbaik
GEV

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 19 tahun, rata-rata 145,87 mm, dan nilai maksimum 330,00 mm pada tahun 2017. Distribusi terbaik sementara berdasarkan uji otomatis adalah GEV.

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 StasiunCAWANGPeriode Data2004 s.d. 2022
LokasiDesa Cipinang Melayu, Kec. Makasar, Kota Administrasi Jakarta TimurProvinsiDKI Jakarta
Wilayah SungaiCILIWUNG-CISADANEKoordinat-6.241320, 106.880226
PengelolaBBWS CILIWUNG CISADANE

Peta Lokasi Stasiun Hujan

Stasiun Hujan Cawang berlokasi di Desa Cipinang Melayu, Kecamatan Makasar, Kota Administrasi Jakarta Timur, Provinsi Dki Jakarta. Koordinat: latitude -6.24132, longitude 106.880226.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
1Inlet Sudetan CiliwungJatinegara, Kota Administrasi Jakarta Timur1,840 tahun-
2Pa ManggaraiMenteng, Kota Administrasi Jakarta Pusat5,130 tahun-
3Kelurahan SenayanKebayoran Baru, Kota Administrasi Jakarta Selatan7,620 tahun-
4Jeruk PurutPasar Minggu, Kota Administrasi Jakarta Selatan8,360 tahun-

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

Jumlah data HHMT19 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
12004145,0029-11-2004OK
22005314,0030-06-2005OK
32006134,5009-02-2006OK
42007195,0003-02-2007OK
52008143,0002-02-2008OK
6200999,0006-05-2009OK
72010121,0026-10-2010OK
8201155,0006-01-2011OK
92012103,0005-03-2012OK
102013149,0017-01-2013OK
112014138,0029-01-2014OK
122015130,0010-03-2015OK
132016146,0015-08-2016OK
142017330,0012-12-2017OK
152018150,0005-02-2018OK
162019109,0031-12-2019OK
172020108,0022-02-2020OK
182021108,0019-01-2021OK
19202294,0007-09-2022OK

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
330,00 mm
Tahun 2017
Nilai minimum
55,00 mm
Tahun 2011
Data > 150 mm
3 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 PencilanKn2,3610
Uji PencilanBatas bawah51,62 mm
Uji PencilanBatas atas348,88 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-0,29048
Uji Trent hitung-1,25164
Uji Trent kritis2,10982
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung1,19517
Uji HomogenitasF kritis4,10196
Uji HomogenitasVarian kelompok awal5.466,12500
Uji HomogenitasVarian kelompok akhir4.573,51111
Uji Independensir1 lag-10,12085
Uji IndependensiBatas bawah-0,50451
Uji IndependensiBatas atas0,39340

6. Statistik Deskriptif dan Interpretasi

Jumlah data19 tahun
Minimum55,00 mm
Maksimum330,00 mm
Rata-rata145,87 mm
Median134,50 mm
Standar deviasi sampel68,68 mm
Koefisien variasi0,471
Skewness sampel1,891
Excess kurtosis3,560
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
2134,586134,201129,655126,215
5195,276188,652183,652177,027
10235,459225,410225,029220,797
20274,002261,108269,474272,446
25286,229272,533284,653291,144
50323,893308,091335,066356,925
100361,280344,020391,227436,483
200398,529380,564454,210532,963
1.000484,815468,627633,468844,522

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 = 145,868 mm; S = 68,675 mm; μ = 114,96096; β = 53,54578.
TPY_TK_TX_T (mm)
250,000%0,36651-0,16428134,586
580,000%1,499940,71945195,276
1090,000%2,250371,30455235,459
2095,000%2,970201,86580274,002
2596,000%3,198532,04383286,229
5098,000%3,901942,59228323,893
10099,000%4,600153,13667361,280
20099,500%5,295813,67907398,529
1.00099,900%6,907264,93551484,815

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 = 2,12776; S_Y = 0,17574.
TPK_Tlog X_TX_T (mm)
250,000%0,000002,12776134,201
580,000%0,841622,27566188,652
1090,000%1,281552,35297225,410
2095,000%1,644852,41682261,108
2596,000%1,750692,43542272,533
5098,000%2,053752,48868308,091
10099,000%2,326352,53658344,020
20099,500%2,575832,58043380,564
1.00099,900%3,090232,67083468,627

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 = 2,12776; S_Y = 0,17574; C_s log = 0,53083.
TPZK_Tlog X_TX_T (mm)
250,000%0,00000-0,085162,11279129,655
580,000%0,841620,775232,26399183,652
1090,000%1,281551,277372,35224225,029
2095,000%1,644851,722792,43052269,474
2596,000%1,750691,858212,45432284,653
5098,000%2,053752,261172,52513335,066
10099,000%2,326352,644122,59243391,227
20099,500%2,575833,013012,65726454,210
1.00099,900%3,090233,835072,80172633,468

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 = 112,96600; α = 34,31233; k = -0,28196. L1 = 145,86842; L2 = 33,36842; t3 = 0,36386.
TPX_T (mm)
250,000%126,215
580,000%177,027
1090,000%220,797
2095,000%272,446
2596,000%291,144
5098,000%356,925
10099,000%436,483
20099,500%532,963
1.00099,900%844,522

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
Gumbel0,205340,36000Diterima5,774215,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Normal0,191640,36000Diterima6,185155,93687DitolakK-S diterima, tetapi Chi-Square tidak diterima; gunakan sebagai pembanding.
Log Pearson III0,156730,36000Diterima4,508843,74676DitolakTetap perlu dipertimbangkan karena data memiliki skewness positif kuat.
GEV0,122760,36000Diterima3,591063,74676DiterimaTerpilih 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-ratax̄145,868mm
GumbelStandar deviasiS68,675mm
GumbelLokasi Gumbelμ114,96096-
GumbelSkala Gumbelβ53,54578-
Log NormalRata-rata log10(X)Ybar2,12776-
Log NormalStandar deviasi log10(X)S_Y0,17574-
Log Pearson IIIRata-rata log10(X)Ybar2,12776-
Log Pearson IIIStandar deviasi log10(X)S_Y0,17574-
Log Pearson IIIKoefisien kemencengan logC_s0,53083-
GEVLokasiξ112,96600-
GEVSkalaα34,31233-
GEVBentukk-0,28196-

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
CAWANG
Distribusi Terbaik Sementara
GEV
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