Curah Hujan Harian Maksimum Tahunan Stasiun Marore

Kepulauan Sangihe - Sulawesi Utara

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

Detail Stasiun Cetak PDF Uji Distribusi
Jumlah Data
12 tahun
Rata-rata HHMT
120,42 mm
Hujan Maksimum
213,00 mm
Distribusi Terbaik
Log Normal

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 12 tahun, rata-rata 120,42 mm, dan nilai maksimum 213,00 mm pada tahun 2017. Distribusi terbaik sementara berdasarkan uji otomatis adalah Log Normal.

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 StasiunMarorePeriode Data2009 s.d. 2020
LokasiDesa Marore, Kec. Kepulauan Marore, KEPULAUAN SANGIHEProvinsiSULAWESI UTARA
Wilayah SungaiTondano Sangihe Talaud MiangasKoordinat4.729583, 125.479250
PengelolaBalai Wilayah Sungai Sulawesi I

Peta Lokasi Stasiun Hujan

Stasiun Hujan Marore berlokasi di Desa Marore, Kecamatan Kepulauan Marore, Kepulauan Sangihe, Provinsi Sulawesi Utara. Koordinat: latitude 4.729583, longitude 125.47925.

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 HHMT12 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
1200955,0008-02-2009OK
2201098,0004-10-2010OK
32011148,0028-12-2011OK
42012132,0021-11-2012OK
5201398,0021-01-2013OK
6201490,0016-06-2014OK
7201570,0014-11-2015OK
82016190,0021-06-2016OK
92017213,0016-06-2017OK
102018144,0021-01-2018OK
11201970,0018-01-2019OK
122020137,0007-01-2020OK

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
213,00 mm
Tahun 2017
Nilai minimum
55,00 mm
Tahun 2009
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 PencilanKn2,1340
Uji PencilanBatas bawah45,53 mm
Uji PencilanBatas atas272,31 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman0,29123
Uji Trent hitung0,96268
Uji Trent kritis2,22814
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung3,26892
Uji HomogenitasF kritis7,14638
Uji HomogenitasVarian kelompok awal1.077,50000
Uji HomogenitasVarian kelompok akhir3.522,26667
Uji Independensir1 lag-10,26477
Uji IndependensiBatas bawah-0,65436
Uji IndependensiBatas atas0,47254

6. Statistik Deskriptif dan Interpretasi

Jumlah data12 tahun
Minimum55,00 mm
Maksimum213,00 mm
Rata-rata120,42 mm
Median115,00 mm
Standar deviasi sampel49,02 mm
Koefisien variasi0,407
Skewness sampel0,541
Excess kurtosis-0,472
Interpretasi statistik:

Data HHMT menunjukkan skewness positif sedang. Distribusi yang memperhitungkan kemencengan perlu dibandingkan dalam analisa frekuensi. 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
2112,363111,350112,341113,216
5155,684158,438158,637159,991
10184,366190,511189,124189,525
20211,879221,839218,186216,826
25220,606231,899227,380225,282
50247,491263,301255,687250,729
100274,177295,164283,843275,113
200300,766327,692312,054298,572
1.000362,357406,520378,467349,861

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 = 120,417 mm; S = 49,020 mm; μ = 98,35491; β = 38,22099.
TPY_TK_TX_T (mm)
250,000%0,36651-0,16428112,363
580,000%1,499940,71945155,684
1090,000%2,250371,30455184,366
2095,000%2,970201,86580211,879
2596,000%3,198532,04383220,606
5098,000%3,901942,59228247,491
10099,000%4,600153,13667274,177
20099,500%5,295813,67907300,766
1.00099,900%6,907264,93551362,357

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 = 2,04669; S_Y = 0,18199.
TPK_Tlog X_TX_T (mm)
250,000%0,000002,04669111,350
580,000%0,841622,19986158,438
1090,000%1,281552,27992190,511
2095,000%1,644852,34604221,839
2596,000%1,750692,36530231,899
5098,000%2,053752,42045263,301
10099,000%2,326352,47006295,164
20099,500%2,575832,51547327,692
1.00099,900%3,090232,60908406,520

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 = 2,04669; S_Y = 0,18199; C_s log = -0,12672.
TPZK_Tlog X_TX_T (mm)
250,000%0,000000,021132,05054112,341
580,000%0,841620,844632,20041158,637
1090,000%1,281551,264112,27675189,124
2095,000%1,644851,605222,33883218,186
2596,000%1,750691,703732,35675227,380
5098,000%2,053751,983722,40771255,687
10099,000%2,326352,233022,45308283,843
20099,500%2,575832,459142,49423312,054
1.00099,900%3,090232,919602,57803378,467

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 = 97,51158; α = 43,24506; k = 0,05028. L1 = 120,41667; L2 = 28,67424; t3 = 0,13818.
TPX_T (mm)
250,000%113,216
580,000%159,991
1090,000%189,525
2095,000%216,826
2596,000%225,282
5098,000%250,729
10099,000%275,113
20099,500%298,572
1.00099,900%349,861

9. Uji Distribusi dan Distribusi Terbaik Sementara

Distribusi terbaik sementara: Log Normal. Pemilihan distribusi terbaik bersifat sementara dan perlu ditinjau bersama kualitas data, uji data awal, serta pertimbangan teknis perencana.
DistribusiDmaxD kritisK-SChi hitungChi kritisChiCatatan
Gumbel0,122100,40000Diterima2,643655,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Normal0,119160,40000Diterima2,661965,93687DiterimaTerpilih sementara berdasarkan skor otomatis uji kecocokan.
Log Pearson III0,113150,40000Diterima2,623743,74676DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
GEV0,103580,40000Diterima2,635003,74676DiterimaDiterima 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-ratax̄120,417mm
GumbelStandar deviasiS49,020mm
GumbelLokasi Gumbelμ98,35491-
GumbelSkala Gumbelβ38,22099-
Log NormalRata-rata log10(X)Ybar2,04669-
Log NormalStandar deviasi log10(X)S_Y0,18199-
Log Pearson IIIRata-rata log10(X)Ybar2,04669-
Log Pearson IIIStandar deviasi log10(X)S_Y0,18199-
Log Pearson IIIKoefisien kemencengan logC_s-0,12672-
GEVLokasiξ97,51158-
GEVSkalaα43,24506-
GEVBentukk0,05028-

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
Marore
Distribusi Terbaik Sementara
Log Normal
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