Hidrologi

Analisis frekuensi bertujuan untuk memprediksi seberapa sering sebuah nilai pada kejadian hidrologi (hujan atau debit) terjadi. Analisis frekuensi juga dilakukan untuk menguji kehandalan sebuah prediksi. Desain-desain bangunan hidrologi seperti saluran drainase ditentukan kapasitasnya berdasarkan hasil dari analisis frekuensi.

Sebagai contoh, sebuah bangunan drainase akan dirancang agar dalam waktu 10 tahun hanya terjadi satu kali failure (kegagalan desain, yaitu air meluap karena lebih banyak dari kapasistas saluran drainase). Kapasitas saluran drainase tersebut akan ditentukan sebesar debit maksimum yang mungkin terjadi sebanyak satu kali dalam 10 tahun. 

Menghitung nilai hujan maksimum yang mungkin terjadi satu kali dalam waktu 10 tahun (periode ulang 10 tahun), digunakan persamaan : 

$P_T = \bar{P} + K \cdot \sigma$

$P_T \ adalah \ nilai \ Presipitasi \ dalam \ periode \ ulang \ (T) \ yang \ diinginkan. \ Dalam \ hal \ ini \ 10 \ tahun$

$\bar{P} \  adalah \ nilai \ hujan \ rata-rata \ dari \ data \ hujan \ maksimum \ tahunan$

$K \  adalah  \ faktor \ frekuensi \ dari \ distribusi \ yang \ sesuai \ dengan \ data$

$\sigma \  adalah \ standar \ deviasi \ data$

Jadi untuk menjawab berapa kapasitas saluran drainase, kita harus mengetahui besar presipitasi ekstrim dengan periode ulang 10 tahun (P_10). Jika diketahui data series nilai maksimum beberapa tahun, maka kita dapat menghitung rata-rata hujan (P_bar), dan standar deviasi (sigma). Nilai faktor frekuensi (K) harus ditentukan berdasarkan distribusi yang sesuai. Karenanya perlu langkah untuk mencocokkan histogram data dengan distribusi yang cocok

Metodologi

Diberikan kode program dalam bahasa (Python) untuk analisis frekuensi dan data time series hujan atau debit. Jalankanlah program tersebut untuk mendapatkan jenis distribusi data yang cocok. Langkah-langkah yang akan dilakukan program adalah : 

1. Membaca data pada file data dan memasukkan ke dalam memori program
2. Melakukan uji kecocokan data (fit data) dengan berbagai distribusi yang tersimpan dalam library program
3. Menentukan distribusi yang paling cocok untuk data time series
4. Menghitung rata-rata data, standar deviasi, Cv, Cs, dan Ck
5. Memplot data time series dan distribusi data yang cocok ke dalam grafik

Langkah-langkah praktikum adalah : 

1. Install python, scipy, numpy, dan matplotlib satu per-satu (atau install paket program 'anaconda' yang sudah mencakup semuanya). Video tutorial instalasi dapat dilihat pada : 
    . (Perhatikan, agar program ini bisa dijalankan, versi python yang harus diinstal adalah 2.7, bukan versi 3.*)
2. Kopi satu folder program tersebut ke komputer anda, lalu jalankan python dengan working folder dari folder tersebut
3. Jalankan script "freqAnalysis.py"
4. Pada script freqAnalysis.py terdapat baris kode :
===========================
#read data from file
filename = 'dataDebitUTS.csv'
===========================

5. Ganti filename dengan set data lainnya yang ada di folder, yaitu : DataDebitMaxTahunan.csv, , dataDebitUTS.csv, DataHujanMaxTahunan.csv
6. Buatlah laporan untuk beberapa set data tersebut, sertakan gambar yang dibuat program

Laporan Praktikum

• I. Pendahuluan
• II. Tinjauan Pustaka
• III. Metodologi
• IV. Hasil dan Pembahasan
• V. Kesimpulan

Pada pembahasan, tentukanlah nilai maksimum untuk return period (perode ulang) 5 tahun, 10 tahun, dan 100 tahun untuk masing-masing set data