PEMODELAN PERIODIK DAN STOKASTIK UNTUK MENGANALISIS DATA CURAH HUJAN YANG HILANG MENGGUNAKAN STUDI KASUS STASIUN HUJAN SUKARAME

Ashruri, 1225011010 (2015) PEMODELAN PERIODIK DAN STOKASTIK UNTUK MENGANALISIS DATA CURAH HUJAN YANG HILANG MENGGUNAKAN STUDI KASUS STASIUN HUJAN SUKARAME. Fakultas Teknik, Universitas Lampung.

[img]
Preview
Text
Abstract.pdf

Download (7Kb) | Preview
[img]
Preview
Text
Abstrak.pdf

Download (8Kb) | Preview
[img]
Preview
Text
Cover Dalam.pdf

Download (33Kb) | Preview
[img]
Preview
Text
Daftar Gambar.pdf

Download (155Kb) | Preview
[img]
Preview
Text
Daftar Isi.pdf

Download (93Kb) | Preview
[img]
Preview
Text
Daftar Tabel.pdf

Download (95Kb) | Preview
[img]
Preview
Text
Motto.pdf

Download (128Kb) | Preview
[img]
Preview
Text
Persetujuan.pdf

Download (785Kb) | Preview
[img]
Preview
Text
Pengesahan.pdf

Download (906Kb) | Preview
[img]
Preview
Text
Pernyataan.pdf

Download (489Kb) | Preview
[img]
Preview
Text
Persembahan.pdf

Download (81Kb) | Preview
[img]
Preview
Text
Riwayat Hidup.pdf

Download (90Kb) | Preview
[img]
Preview
Text
Sanwacana.pdf

Download (141Kb) | Preview
[img]
Preview
Text
BAB I.pdf

Download (91Kb) | Preview
[img]
Preview
Text
BAB II.pdf

Download (409Kb) | Preview
[img]
Preview
Text
BAB III.pdf

Download (354Kb) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (3977Kb)
[img]
Preview
Text
BAB V.pdf

Download (85Kb) | Preview
[img]
Preview
Text
BAB V.pdf

Download (85Kb) | Preview
[img]
Preview
Text
Daftar Pustaka.pdf

Download (8Kb) | Preview

Abstrak

ABSTRAK Data curah hujan sangat penting untuk perencanaan teknik khususnya untuk bangunan air misalnya irigasi, bendungan, drainase perkotaan, pelabuhan, dermaga, dan lain-lain. Hujan mempunyai sifat periodik dan stokastik, karena dipengaruhi oleh parameter iklim seperti suhu udara, arah angin, kelembaban dan lain sebagainya. Parameter ini ditransfer menjadi komponen bersifat periodik dan stokastik. Namun terkadang di beberapa titik stasiun pencatat curah hujan terdapat data yang hilang karena tidak bekerjanya pencatatan di stasiun hujan atau kesalahan manusia itu sendiri. Metodologi yang dipakai adalah pemodelan periodik dan stokastik. Komponen periodik P(t) berkenaan dengan suatu perpindahan yang berosilasi untuk suatu interval tertentu. Keberadaan P(t) diidentifikasikan dengan menggunakan metode Transformasi Fourier. Komponen Stokastik dibentuk oleh nilai yang bersifat random yang tidak dapat dihitung secara tepat dan dimodelkan dalam bentuk model autoregresif. Komponen stokastik merupakan selisih antara data curah hujan harian dengan hasil simulasi curah hujan harian. Selanjutnya Parameter stokastik dapat dicari dengan menggunakan metode kuadrat terkecil (least squares method). Untuk membandingkan hasil pemodelan digunakan metode rata-rata, metode normal ratio, dan metode inversed square distance. Dari hasil perhitungan berbagai metode yang telah dilakukan dapat ditarik kesimpulan berdasarkan Koefisien Korelasi (R) untuk series waktu harian metode terbaik adalah Model Periodik dengan Korelasi Rata-rata sebesar 0,4703, kumulatif bulanan dan rata-rata bulanan terbaik adalah Metode Normal Ratio dengan Korelasi Rata-rata sebesar 0,7583 dan 0,7651. Sedangkan berdasarkan Persentase Kesalahan series waktu harian metode terbaik adalah Metode Rata-Rata dengan Persentase Kesalahan Rata-rata sebesar 38,5602 %, kumulatif bulanan dan rata-rata bulanan metode terbaik adalah Metode Normal Ratio dengan Persentase Kesalahan Rata-rata sebesar 83,7392 % dan 76,6944 %. Kata Kunci : Model Periodik, Model Stokastik, Model Periodik dan Stokastik ABSTRACT Rainfall data is very important for planning in engineering, especially for hydrology buildings such as water irrigation, dams, urban drainage, ports, docks, etc. Rainfall has periodic and stochastic parts, and influenced by climatic parameters such as temperature, wind direction, humidity, etc. These parameters are transferred into the periodic and stochastic rainfall components. The rainfall is calculated to determine both, periodic and stochastic components. The missing data were caused by the malfunction of operation of the recording in the rain stations or human error itself. The methodology that we used were periodic and stochastic modeling. Periodic component P(t) with regard to a displacement that oscillated for a specific interval. The existence of P(t) is identified by using fourier transformation method. Stochastic component formed by a random value that can not be calculated precisely and modeled in autoregressive models. Stochastic component is the difference between the daily rainfall data and daily rainfall simulation results which are obtained from the model periodically. Furthermore, stochastic parameters can be figured using the least squares method. To compare the results of the modeling, the writer used average method, normal ratio method, and inversed square distance method. The result of various methods which based on correlation coefficient (R) the daily time series is the best method Periodic Model with average Correlation 0.4703, monthly cumulative and monthly average results is Normal Ratio method with average correlation of 0.7583 and 0.7651. Whereas based on the percentage of error for the results of the daily time series, the best method is Average Method with Error Percentage up to 38.5602%, monthly cumulative and monthly average results Normal Ratio Method with Error Percentage up to 83.7392 and 76.6944%. Keywords: Periodic Model, Stochastic Model, Periodic and Stochastic Models

Tipe Karya Ilmiah: Skripsi
Subyek: Teknologi > Mesin (General). Mesin Sipil (General)
Teknologi > Mesin (General). Mesin Sipil (General)
Mesin (General). Mesin Sipil (General)
Program Studi: Fakultas Teknik > Prodi Magister Teknik Sipil
Depositing User: 9269901 . Digilib
Date Deposited: 13 Jul 2015 06:58
Last Modified: 13 Jul 2015 06:58
URI: http://digilib.unila.ac.id/id/eprint/11154

Actions (login required)

View Item View Item