Curah Hujan Harian Maksimum Tahunan Stasiun Bendung Koto Tuo

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
11 tahun
Rata-rata HHMT
152,24 mm
Hujan Maksimum
218,00 mm
Distribusi Terbaik
Log Pearson III

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 11 tahun, rata-rata 152,24 mm, dan nilai maksimum 218,00 mm pada tahun 2016. Distribusi terbaik sementara berdasarkan uji otomatis adalah Log Pearson III.

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 StasiunBendung Koto TuoPeriode Data2012 s.d. 2022
LokasiDesa Koto Panjang Ikua Koto, Kec. Koto Tangah, KOTA PADANGProvinsiSUMATERA BARAT
Wilayah SungaiAkuamanKoordinat-0.840169, 100.367528
PengelolaDinas PSDA Prov. Sumatera Barat

Peta Lokasi Stasiun Hujan

Stasiun Hujan Bendung Koto Tuo berlokasi di Desa Koto Panjang Ikua Koto, Kecamatan Koto Tangah, Kota Padang, Provinsi Sumatera Barat. Koordinat: latitude -0.840169, longitude 100.367528.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
1Sungai LatungKoto Tangah, Kota Padang2,6116 tahun2009–2024
2Muaro PanjalinanKoto Tangah, Kota Padang3,6614 tahun2009–2023
3Tabing BmkgKoto Tangah, Kota Padang5,2032 tahun1970–2001
4Gunung SarikKuranji, Kota Padang6,5847 tahun1975–2025
5Kantor Pu Khatib SulaimanPadang Utara, Kota Padang7,4017 tahun2009–2025

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

Jumlah data HHMT11 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
12012151,6029-02-2012OK
22013174,0003-12-2013OK
32014153,0003-01-2014OK
42015145,0002-08-2015OK
52016218,0016-06-2016OK
62017140,0007-10-2017OK
72018151,0023-06-2018OK
82019111,0013-06-2019OK
9202095,0004-07-2020OK
102021174,0019-08-2021OK
112022162,0021-09-2022OK

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
218,00 mm
Tahun 2016
Nilai minimum
95,00 mm
Tahun 2020
Data > 150 mm
7 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 PencilanKn2,0880
Uji PencilanBatas bawah93,61 mm
Uji PencilanBatas atas237,05 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-0,16401
Uji Trent hitung-0,49878
Uji Trent kritis2,26216
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung1,03839
Uji HomogenitasF kritis9,36447
Uji HomogenitasVarian kelompok awal889,61200
Uji HomogenitasVarian kelompok akhir923,76667
Uji Independensir1 lag-10,01052
Uji IndependensiBatas bawah-0,68799
Uji IndependensiBatas atas0,48799

6. Statistik Deskriptif dan Interpretasi

Jumlah data11 tahun
Minimum95,00 mm
Maksimum218,00 mm
Rata-rata152,24 mm
Median151,60 mm
Standar deviasi sampel32,48 mm
Koefisien variasi0,213
Skewness sampel0,165
Excess kurtosis1,239
Interpretasi statistik:

Data HHMT relatif mendekati simetris berdasarkan nilai skewness. 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
2146,901148,967152,453152,156
5175,603179,642177,450180,309
10194,606198,114190,965194,506
20212,835214,792202,981205,537
25218,617219,910206,710208,587
50236,430235,248218,180216,822
100254,111249,957229,799223,509
200271,727264,223241,877228,966
1.000312,534296,261272,941238,116

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 = 152,236 mm; S = 32,479 mm; μ = 137,61930; β = 25,32340.
TPY_TK_TX_T (mm)
250,000%0,36651-0,16428146,901
580,000%1,499940,71945175,603
1090,000%2,250371,30455194,606
2095,000%2,970201,86580212,835
2596,000%3,198532,04383218,617
5098,000%3,901942,59228236,430
10099,000%4,600153,13667254,111
20099,500%5,295813,67907271,727
1.00099,900%6,907264,93551312,534

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 = 2,17309; S_Y = 0,09662.
TPK_Tlog X_TX_T (mm)
250,000%0,000002,17309148,967
580,000%0,841622,25441179,642
1090,000%1,281552,29692198,114
2095,000%1,644852,33202214,792
2596,000%1,750692,34224219,910
5098,000%2,053752,37153235,248
10099,000%2,326352,39787249,957
20099,500%2,575832,42197264,223
1.00099,900%3,090232,47167296,261

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 = 2,17309; S_Y = 0,09662; C_s log = -0,59303.
TPZK_Tlog X_TX_T (mm)
250,000%0,000000,103992,18314152,453
580,000%0,841620,786432,24908177,450
1090,000%1,281551,116352,28095190,965
2095,000%1,644851,390632,30746202,981
2596,000%1,750691,472462,31536206,710
5098,000%2,053751,715192,33881218,180
10099,000%2,326351,948412,36135229,799
20099,500%2,575832,178652,38359241,877
1.00099,900%3,090232,721742,43607272,941

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 = 140,91455; α = 32,30805; k = 0,28642. L1 = 152,23636; L2 = 18,27273; t3 = -0,00100.
TPX_T (mm)
250,000%152,156
580,000%180,309
1090,000%194,506
2095,000%205,537
2596,000%208,587
5098,000%216,822
10099,000%223,509
20099,500%228,966
1.00099,900%238,116

9. Uji Distribusi dan Distribusi Terbaik Sementara

Distribusi terbaik sementara: Log Pearson III. Pemilihan distribusi terbaik bersifat sementara dan perlu ditinjau bersama kualitas data, uji data awal, serta pertimbangan teknis perencana.
DistribusiDmaxD kritisK-SChi hitungChi kritisChiCatatan
Gumbel0,152410,40000Diterima3,371915,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Normal0,140110,40000Diterima2,894065,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Pearson III0,090590,40000Diterima1,892133,74676DiterimaTerpilih sementara berdasarkan skor otomatis uji kecocokan.
GEV0,107510,40000Diterima2,273633,74676DiterimaDiterima 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-ratax̄152,236mm
GumbelStandar deviasiS32,479mm
GumbelLokasi Gumbelμ137,61930-
GumbelSkala Gumbelβ25,32340-
Log NormalRata-rata log10(X)Ybar2,17309-
Log NormalStandar deviasi log10(X)S_Y0,09662-
Log Pearson IIIRata-rata log10(X)Ybar2,17309-
Log Pearson IIIStandar deviasi log10(X)S_Y0,09662-
Log Pearson IIIKoefisien kemencengan logC_s-0,59303-
GEVLokasiξ140,91455-
GEVSkalaα32,30805-
GEVBentukk0,28642-

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
Bendung Koto Tuo
Distribusi Terbaik Sementara
Log Pearson III
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