Curah Hujan Harian Maksimum Tahunan Stasiun Ladang Padi

Kota Padang - Sumatera Barat

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

Detail Stasiun Cetak PDF Uji Distribusi
Jumlah Data
50 tahun
Rata-rata HHMT
147,70 mm
Hujan Maksimum
336,00 mm
Distribusi Terbaik
GEV

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 50 tahun, rata-rata 147,70 mm, dan nilai maksimum 336,00 mm pada tahun 2022. Distribusi terbaik sementara berdasarkan uji otomatis adalah GEV.

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

1. Informasi Stasiun Hujan

Nama StasiunLadang PadiPeriode Data1975 s.d. 2024
LokasiDesa Kelurahan Indarung, Kec. Lubuk Kilangan, KOTA PADANGProvinsiSUMATERA BARAT
Wilayah SungaiAquaman - Batang ArauKoordinat-0.946917, 100.518833
PengelolaBWS SUMATERA V

Peta Lokasi Stasiun Hujan

Stasiun Hujan Ladang Padi berlokasi di Kelurahan Indarung, Kecamatan Lubuk Kilangan, Kota Padang, Provinsi Sumatera Barat. Koordinat: latitude -0.946917, longitude 100.518833.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
1Simpang Alai / Limau ManisPauh, Kota Padang7,5648 tahun1975–2022
2Batu BusukPauh, Kota Padang8,6048 tahun1975–2025
3Gunung NagoPauh, Kota Padang9,7619 tahun2007–2025

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

Jumlah data HHMT50 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
11975168,0011-01-1975OK
21976170,0012-10-1976OK
31977150,0013-09-1977OK
41978150,0006-03-1978OK
51979180,0004-04-1979OK
61980290,0026-08-1980OK
71981235,0015-10-1981OK
81982215,0023-04-1982OK
91983250,0016-05-1983OK
101984105,0029-09-1984OK
111985100,0021-06-1985OK
121986121,0024-09-1986OK
131987134,0004-12-1987OK
141988181,0029-11-1988OK
151989150,0015-05-1989OK
161990150,0026-06-1990OK
171991160,0012-04-1991OK
181992110,0024-09-1992OK
191993107,0002-06-1993OK
20199485,0007-06-1994OK
211995180,0017-11-1995OK
221996177,0012-10-1996OK
231997150,0007-04-1997OK
241998160,0030-08-1998OK
251999315,0023-03-1999OK
262000116,0030-06-2000OK
272001110,0025-07-2001OK
282002110,0031-05-2002OK
292003105,0017-08-2003OK
30200495,0005-10-2004OK
31200596,0027-08-2005OK
322006155,0029-11-2006OK
33200775,0017-06-2007OK
34200880,0025-02-2008OK
352009145,0006-01-2009OK
362010109,0024-02-2010OK
372011118,0022-06-2011OK
382012117,0024-07-2012OK
392013125,0003-12-2013OK
402014125,0030-10-2014OK
41201576,0003-11-2015OK
422016118,0007-10-2016OK
432017122,0028-08-2017OK
442018192,0010-12-2018OK
45201999,0027-08-2019OK
46202051,0018-05-2020OK
472021107,0018-12-2021OK
482022336,0017-09-2022OK
492023272,0006-05-2023OK
502024138,0012-05-2024OK

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
336,00 mm
Tahun 2022
Nilai minimum
51,00 mm
Tahun 2020
Data > 150 mm
17 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 TrenAda TrenTerdapat indikasi tren signifikan pada seri data; data perlu review stasioneritas.
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 Tren: Terdapat indikasi tren signifikan pada seri data; data perlu review stasioneritas.
  • Uji Independensi: Autokorelasi lag-1 berada di luar batas penerimaan; seri data perlu review independensi.

Detail Parameter Uji Data

UjiParameterNilai
Uji PencilanKn2,7680
Uji PencilanBatas bawah47,21 mm
Uji PencilanBatas atas397,71 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-0,32460
Uji Trent hitung-2,37767
Uji Trent kritis2,01063
Uji TrenArahturun
Uji HomogenitasF hitung1,13150
Uji HomogenitasF kritis2,26928
Uji HomogenitasVarian kelompok awal3.255,62667
Uji HomogenitasVarian kelompok akhir3.683,72667
Uji Independensir1 lag-10,37517
Uji IndependensiBatas bawah-0,29753
Uji IndependensiBatas atas0,25671

6. Statistik Deskriptif dan Interpretasi

Jumlah data50 tahun
Minimum51,00 mm
Maksimum336,00 mm
Rata-rata147,70 mm
Median129,50 mm
Standar deviasi sampel61,71 mm
Koefisien variasi0,418
Skewness sampel1,360
Excess kurtosis1,763
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 curah hujan rancangan perlu diperlakukan sebagai hasil sementara karena terdapat tren signifikan, 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
2137,562137,021134,720132,541
5192,095189,452187,678184,714
10228,201224,414225,529224,720
20262,834258,101264,005267,777
25273,820268,834276,685282,481
50307,664302,101317,306331,229
100341,257335,528360,154385,232
200374,727369,351405,623445,246
1.000452,259450,237523,180612,156

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 = 147,700 mm; S = 61,708 mm; μ = 119,92823; β = 48,11334.
TPY_TK_TX_T (mm)
250,000%0,36651-0,16428137,562
580,000%1,499940,71945192,095
1090,000%2,250371,30455228,201
2095,000%2,970201,86580262,834
2596,000%3,198532,04383273,820
5098,000%3,901942,59228307,664
10099,000%4,600153,13667341,257
20099,500%5,295813,67907374,727
1.00099,900%6,907264,93551452,259

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 = 2,13679; S_Y = 0,16719.
TPK_Tlog X_TX_T (mm)
250,000%0,000002,13679137,021
580,000%0,841622,27750189,452
1090,000%1,281552,35105224,414
2095,000%1,644852,41179258,101
2596,000%1,750692,42948268,834
5098,000%2,053752,48015302,101
10099,000%2,326352,52573335,528
20099,500%2,575832,56744369,351
1.00099,900%3,090232,65344450,237

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 = 2,13679; S_Y = 0,16719; C_s log = 0,26523.
TPZK_Tlog X_TX_T (mm)
250,000%0,00000-0,044002,12943134,720
580,000%0,841620,817192,27341187,678
1090,000%1,281551,294432,35320225,529
2095,000%1,644851,703612,42161264,005
2596,000%1,750691,825472,44199276,685
5098,000%2,053752,181302,50148317,306
10099,000%2,326352,510332,55649360,154
20099,500%2,575832,819172,60812405,623
1.00099,900%3,090233,480272,71865523,180

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 = 117,55747; α = 39,71824; k = -0,15666. L1 = 147,70000; L2 = 32,53837; t3 = 0,27416.
TPX_T (mm)
250,000%132,541
580,000%184,714
1090,000%224,720
2095,000%267,777
2596,000%282,481
5098,000%331,229
10099,000%385,232
20099,500%445,246
1.00099,900%612,156

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
Gumbel0,083610,23000Diterima2,146695,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Normal0,084460,23000Diterima2,110675,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Pearson III0,069160,23000Diterima1,143283,74676DiterimaTetap perlu dipertimbangkan karena data memiliki skewness positif kuat.
GEV0,060360,23000Diterima0,613273,74676DiterimaTerpilih 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-ratax̄147,700mm
GumbelStandar deviasiS61,708mm
GumbelLokasi Gumbelμ119,92823-
GumbelSkala Gumbelβ48,11334-
Log NormalRata-rata log10(X)Ybar2,13679-
Log NormalStandar deviasi log10(X)S_Y0,16719-
Log Pearson IIIRata-rata log10(X)Ybar2,13679-
Log Pearson IIIStandar deviasi log10(X)S_Y0,16719-
Log Pearson IIIKoefisien kemencengan logC_s0,26523-
GEVLokasiξ117,55747-
GEVSkalaα39,71824-
GEVBentukk-0,15666-

11. Catatan Kelayakan dan Penggunaan Hasil

Catatan kelayakan: Hasil curah hujan rancangan perlu diperlakukan sebagai hasil sementara karena terdapat tren signifikan, 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
Ladang Padi
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