Curah Hujan Harian Maksimum Tahunan Stasiun Pabelan

Sukoharjo - Jawa Tengah

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

Detail Stasiun Cetak PDF Uji Distribusi
Jumlah Data
45 tahun
Rata-rata HHMT
113,94 mm
Hujan Maksimum
191,00 mm
Distribusi Terbaik
Log Normal

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 45 tahun, rata-rata 113,94 mm, dan nilai maksimum 191,00 mm pada tahun 1982. 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 StasiunPabelanPeriode Data1975 s.d. 2019
LokasiDesa Pabelan, Kec. Kartasura, SUKOHARJOProvinsiJAWA TENGAH
Wilayah SungaiBengawan SoloKoordinat-7.561318, 110.768720
PengelolaBBWS Bengawan Solo

Peta Lokasi Stasiun Hujan

Stasiun Hujan Pabelan berlokasi di Desa Pabelan, Kecamatan Kartasura, Sukoharjo, Provinsi Jawa Tengah. Koordinat: latitude -7.561318, longitude 110.76872.

Radius pencarian: 10 km
Stasiun aktif Stasiun hujan terdekat Radius 10 km
No. Stasiun Hujan Terdekat Lokasi Jarak (km) Panjang Data Periode Data
1TritisColomadu, Karanganyar5,860 tahun-

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

Jumlah data HHMT45 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
11975106,0010-03-1975OK
2197680,0028-12-1976OK
31977154,0022-04-1977OK
41978158,0021-02-1978OK
51979149,0005-05-1979OK
61980117,0007-03-1980OK
7198185,0026-12-1981OK
81982191,0024-01-1982OK
91983112,0025-12-1983OK
10198483,0027-09-1984OK
111985150,0025-01-1985OK
121986116,0006-02-1986OK
13198785,0021-03-1987OK
141988150,0028-01-1988OK
151989127,0013-02-1989OK
161990105,0014-12-1990OK
171991115,0008-04-1991OK
18199275,5008-06-1992OK
191993131,0004-02-1993OK
201994111,0016-03-1994OK
211995149,0001-05-1995OK
221996112,0005-03-1996OK
231997136,0015-12-1997OK
24199895,0017-01-1998OK
25199990,0009-12-1999OK
26200092,0011-12-2000OK
27200180,0022-01-2001OK
28200280,0018-11-2002OK
29200385,0017-11-2003OK
302004104,0030-03-2004OK
31200589,0021-06-2005OK
32200692,0027-02-2006OK
332007133,0026-12-2007OK
342008126,0031-12-2008OK
352009142,0031-01-2009OK
362010103,0028-04-2010OK
372011114,0004-12-2011OK
38201299,0022-01-2012OK
39201376,0018-04-2013OK
402014123,0018-06-2014OK
412015166,0020-03-2015OK
422016138,0015-07-2016OK
432017118,0021-12-2017OK
44201869,0007-03-2018OK
452019116,0026-03-2019OK

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
191,00 mm
Tahun 1982
Nilai minimum
69,00 mm
Tahun 2018
Data > 150 mm
4 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 PencilanKn2,7270
Uji PencilanBatas bawah56,56 mm
Uji PencilanBatas atas216,36 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman-0,13412
Uji Trent hitung-0,88747
Uji Trent kritis2,01669
Uji TrenArahtidak_signifikan
Uji HomogenitasF hitung1,48042
Uji HomogenitasF kritis2,37277
Uji HomogenitasVarian kelompok awal921,48755
Uji HomogenitasVarian kelompok akhir622,45059
Uji Independensir1 lag-10,09370
Uji IndependensiBatas bawah-0,31483
Uji IndependensiBatas atas0,26937

6. Statistik Deskriptif dan Interpretasi

Jumlah data45 tahun
Minimum69,00 mm
Maksimum191,00 mm
Rata-rata113,94 mm
Median112,00 mm
Standar deviasi sampel28,27 mm
Koefisien variasi0,248
Skewness sampel0,532
Excess kurtosis-0,218
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
2109,299110,619110,314110,646
5134,286136,065135,929136,840
10150,829151,618151,848152,699
20166,698165,793166,532166,888
25171,732170,166171,096171,190
50187,238183,338184,937183,875
100202,630196,055198,435195,658
200217,966208,464211,734206,647
1.000253,490236,587242,331229,488

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 = 113,944 mm; S = 28,274 mm; μ = 101,21970; β = 22,04504.
TPY_TK_TX_T (mm)
250,000%0,36651-0,16428109,299
580,000%1,499940,71945134,286
1090,000%2,250371,30455150,829
2095,000%2,970201,86580166,698
2596,000%3,198532,04383171,732
5098,000%3,901942,59228187,238
10099,000%4,600153,13667202,630
20099,500%5,295813,67907217,966
1.00099,900%6,907264,93551253,490

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 = 2,04383; S_Y = 0,10684.
TPK_Tlog X_TX_T (mm)
250,000%0,000002,04383110,619
580,000%0,841622,13375136,065
1090,000%1,281552,18075151,618
2095,000%1,644852,21957165,793
2596,000%1,750692,23087170,166
5098,000%2,053752,26325183,338
10099,000%2,326352,29238196,055
20099,500%2,575832,31903208,464
1.00099,900%3,090232,37399236,587

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 = 2,04383; S_Y = 0,10684; C_s log = 0,06723.
TPZK_Tlog X_TX_T (mm)
250,000%0,00000-0,011202,04263110,314
580,000%0,841620,837542,13331135,929
1090,000%1,281551,287722,18141151,848
2095,000%1,644851,662942,22150166,532
2596,000%1,750691,772842,23324171,096
5098,000%2,053752,089062,26702184,937
10099,000%2,326352,375412,29762198,435
20099,500%2,575832,639102,32579211,734
1.00099,900%3,090233,187742,38441242,331

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 = 101,55629; α = 25,23333; k = 0,09468. L1 = 113,94444; L2 = 16,14192; t3 = 0,11079.
TPX_T (mm)
250,000%110,646
580,000%136,840
1090,000%152,699
2095,000%166,888
2596,000%171,190
5098,000%183,875
10099,000%195,658
20099,500%206,647
1.00099,900%229,488

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
Gumbel0,093340,24000Diterima4,261125,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Normal0,077470,24000Diterima3,087915,93687DiterimaTerpilih sementara berdasarkan skor otomatis uji kecocokan.
Log Pearson III0,076180,24000Diterima3,182263,74676DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
GEV0,069950,24000Diterima2,697433,74676DiterimaDiterima 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-ratax̄113,944mm
GumbelStandar deviasiS28,274mm
GumbelLokasi Gumbelμ101,21970-
GumbelSkala Gumbelβ22,04504-
Log NormalRata-rata log10(X)Ybar2,04383-
Log NormalStandar deviasi log10(X)S_Y0,10684-
Log Pearson IIIRata-rata log10(X)Ybar2,04383-
Log Pearson IIIStandar deviasi log10(X)S_Y0,10684-
Log Pearson IIIKoefisien kemencengan logC_s0,06723-
GEVLokasiξ101,55629-
GEVSkalaα25,23333-
GEVBentukk0,09468-

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
Pabelan
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