Curah Hujan Harian Maksimum Tahunan Stasiun PCH SAMBOJA

Kutai Kartanegara - Kalimantan Timur

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

Detail Stasiun Cetak PDF Uji Distribusi
Jumlah Data
10 tahun
Rata-rata HHMT
157,37 mm
Hujan Maksimum
237,00 mm
Distribusi Terbaik
GEV

Kesimpulan Singkat Analisa

Data HHMT memiliki panjang 10 tahun, rata-rata 157,37 mm, dan nilai maksimum 237,00 mm pada tahun 2019. 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 StasiunPCH SAMBOJAPeriode Data2008 s.d. 2019
LokasiDesa Karya Jaya, Kec. Samboja, Kutai KartanegaraProvinsiKalimantan Timur
Wilayah SungaiMAHAKAMKoordinat-1.041890, 117.050985
PengelolaBWS KALIMANTAN IV

Peta Lokasi Stasiun Hujan

Stasiun Hujan Pch Samboja berlokasi di Desa Karya Jaya, Kecamatan Samboja, Kutai Kartanegara, Provinsi Kalimantan Timur. Koordinat: latitude -1.04189, longitude 117.050985.

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 HHMT10 tahunTahun kosong2 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
12008135,0006-10-2008OK
22009100,1019-01-2009OK
3201085,5007-04-2010OK
4201167,5028-06-2011OK
52012180,0019-11-2012OK
62013146,7003-05-2013OK
72014210,7011-05-2014OK
82017230,2012-12-2017OK
92018181,0017-12-2018OK
102019237,0005-02-2019OK

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
237,00 mm
Tahun 2019
Nilai minimum
67,50 mm
Tahun 2011
Data > 150 mm
5 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 PencilanKn2,0360
Uji PencilanBatas bawah60,16 mm
Uji PencilanBatas atas352,46 mm
Uji PencilanJumlah pencilan0
Uji Trenr Spearman0,83030
Uji Trent hitung4,21389
Uji Trent kritis2,30600
Uji TrenArahnaik
Uji HomogenitasF hitung1,42439
Uji HomogenitasF kritis9,60453
Uji HomogenitasVarian kelompok awal1.990,99700
Uji HomogenitasVarian kelompok akhir1.397,78700
Uji Independensir1 lag-10,58151
Uji IndependensiBatas bawah-0,72707
Uji IndependensiBatas atas0,50485

6. Statistik Deskriptif dan Interpretasi

Jumlah data10 tahun
Minimum67,50 mm
Maksimum237,00 mm
Rata-rata157,37 mm
Median163,35 mm
Standar deviasi sampel60,27 mm
Koefisien variasi0,383
Skewness sampel-0,146
Excess kurtosis-1,364
Interpretasi statistik:

Data HHMT relatif mendekati simetris berdasarkan nilai skewness. Nilai excess kurtosis negatif menunjukkan distribusi relatif lebih datar dibanding distribusi normal.

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
2147,468145,611152,960160,452
5200,733209,842203,716214,226
10236,000254,009234,008239,133
20269,828297,409263,077257,265
25280,558311,394272,562262,067
50313,615355,187303,238274,521
100346,427399,815336,758284,027
200379,120445,556374,327291,321
1.000454,849557,058484,186302,421

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 = 157,370 mm; S = 60,273 mm; μ = 130,24384; β = 46,99485.
TPY_TK_TX_T (mm)
250,000%0,36651-0,16428147,468
580,000%1,499940,71945200,733
1090,000%2,250371,30455236,000
2095,000%2,970201,86580269,828
2596,000%3,198532,04383280,558
5098,000%3,901942,59228313,615
10099,000%4,600153,13667346,427
20099,500%5,295813,67907379,120
1.00099,900%6,907264,93551454,849

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 = 2,16319; S_Y = 0,18856.
TPK_Tlog X_TX_T (mm)
250,000%0,000002,16319145,611
580,000%0,841622,32189209,842
1090,000%1,281552,40485254,009
2095,000%1,644852,47335297,409
2596,000%1,750692,49331311,394
5098,000%2,053752,55046355,187
10099,000%2,326352,60186399,815
20099,500%2,575832,64890445,556
1.00099,900%3,090232,74590557,058

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 = 2,16319; S_Y = 0,18856; C_s log = -0,63882.
TPZK_Tlog X_TX_T (mm)
250,000%0,000000,113412,18458152,960
580,000%0,841620,773382,30903203,716
1090,000%1,281551,092672,36923234,008
2095,000%1,644851,362342,42008263,077
2596,000%1,750691,443922,43546272,562
5098,000%2,053751,689562,48178303,238
10099,000%2,326351,931042,52732336,758
20099,500%2,575832,174632,57325374,327
1.00099,900%3,090232,767332,68501484,186

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 = 137,57319; α = 66,81058; k = 0,37486. L1 = 157,37000; L2 = 36,25222; t3 = -0,04928.
TPX_T (mm)
250,000%160,452
580,000%214,226
1090,000%239,133
2095,000%257,265
2596,000%262,067
5098,000%274,521
10099,000%284,027
20099,500%291,321
1.00099,900%302,421

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
Gumbel0,161430,49000Diterima3,696475,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Normal0,141880,49000Diterima2,232545,93687DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
Log Pearson III0,132150,49000Diterima2,719553,74676DiterimaDiterima oleh kedua uji; dapat menjadi kandidat pembanding.
GEV0,083300,49000Diterima1,359963,74676DiterimaTerpilih 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-ratax̄157,370mm
GumbelStandar deviasiS60,273mm
GumbelLokasi Gumbelμ130,24384-
GumbelSkala Gumbelβ46,99485-
Log NormalRata-rata log10(X)Ybar2,16319-
Log NormalStandar deviasi log10(X)S_Y0,18856-
Log Pearson IIIRata-rata log10(X)Ybar2,16319-
Log Pearson IIIStandar deviasi log10(X)S_Y0,18856-
Log Pearson IIIKoefisien kemencengan logC_s-0,63882-
GEVLokasiξ137,57319-
GEVSkalaα66,81058-
GEVBentukk0,37486-

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
PCH SAMBOJA
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