Upload
june
View
127
Download
0
Tags:
Embed Size (px)
DESCRIPTION
Sistem Dalam DAS Model Fisik Hidrologi. PROSES. INPUT. OUTPUT. Kualitas Ruang DAS Tata Guna Lahan Topografi Morfologi Sifat Batuan. Curah Hujan (P). Debit (Q). Variabel Acak/stokastik. Variabel Acak/stokastik. Konsep Dasar Hidrologi. Siklus Hidrologi. DAS. P. Q. - PowerPoint PPT Presentation
Citation preview
Variabel Acak/stokastik Variabel Acak/stokastik
INPUT OUTPUTPROSES
Curah Hujan(P)
Debit(Q)
Kualitas Ruang DAS- Tata Guna Lahan- Topografi- Morfologi- Sifat Batuan
Sistem Dalam DAS Model Fisik Hidrologi
Pola Distribusi Hujan
DASP
Q
Siklus Hidrologi
Konsep Dasar Hidrologi
POS HUJAN SAGULING
Bandung
Sukawana
Saguling Dam
Homogen
Q P1
P3P2
Dasar Teori
Korelasi antar variabel dinyatakan dengan persamaan matematis yang menyatakan hubungan fungsional antar variabel disebut persamaan regresi.
Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama untuk data kuantitatif disebut koefisien korelasi (Sudjana, 2002).
Model Kontinu Metode Regresi Linier Ganda
Dibangun berdasarkan korelasi antara dua variabel acak, yaitu :
* Stasiun pengamat hujan (P )* Stasiun pengamat debit (Q )
Model dengan nilai koefisien Korelasi (R) terbesar dipilih sebagai model yang paling baik untuk membangun data debit.
Korelasi 2 variabel
xy
= Koefisien korelasi 2 variabel xy
iX iY = nilai Variabel X atau Yke–i
yx , = Simpangan baku variabel X dan Y
n = Jumlah populasi ,bila n<10 maka (n-1)
yx
n
iii
xy n
YYXX
0
))((
REGRESI LINAIR Y = a + b . X
dimana: n = jumlah pasangan observasi atau pengukuran b = koefisien regresi, kemiringan grafik
22 XXn
YXXYnb
n
XbYa
2222
YYnXXN
YXXYnr
r = koefisien korelasi ( -1 < r < 1 )
r < 0 korelasi berlawanan arah
r> 0 korelasi searah
NilaiP1 P2 P3 P4 Pn
P1 1 ρ 1n
P2 ρ21 1 ρ 2n
P3 ρ 31 ρ 32 1 ρ 3n
P4 ρ 41 ρ 42 ρ 43 1 ρ 4n
… … … … … …
Pm ρ m1 ρ m2 ρ m3 ρ m4 ρ mn
Tabel 4.1 Penyusunan Koefisien Korelasi Antar Pos Hujan
Tabel 4.2 Penyusunan Koefisien Korelasi Pos Hujan dan Debit
Nilai P1 P2 P3 Qt Qt+1 Qt-1
P1 1
P2 ρ P2P1 1
P3 ρ P3 P1 ρ P3 P2 1
Qt ρ Qt P1 ρ Qt P2 ρ Qt P3 1
Qt+1 ρ Qt+1 P1 ρ Qt+1 P2 ρ Qt+1 P3 ρ Qt+1 Qt 1
Qt-1 ρ Qt-1 P1 ρ Qt-1 P2 ρ Qt-1 P3 ρ Qt-1 Qt ρ Qt-1 Qt+1 1
4 Variabel(Kuaterner)
3 Variabel(Terner)
2 Variabel(Biner)
R >>>
MODEL PEMBANGKITAN DEBITTERPILIH
Korelasi Regresi Ganda
Persamaan Regresi Linier Model Biner :
x1 = r2x2 + ε Koefisien Determinasi Dinyatakan sbb :
R = ρ12 ε2 = 1 – R2
12
X1
X2 (Q1)P (Q1)Q
Model 2 Variabel (Biner)
Persamaan Regresi Linier Model Terner :
x1 = r2x2 + r3x3 + ε Koefisien Determinasi Dinyatakan sbb :
(Q1)PP (Q1)QP (Q1)QQ
12
X1
X2
X313
23
223
ρ123
ρ13
ρ12
2ρ213
ρ212
ρ2R
Model 3 Variabel (Terner)
Koefisien Korelasi Parsiil Dinyatakan sbb
223
ρ123
ρ13
ρ12
ρ2r
223
ρ123
ρ12
ρ13
ρ3r
Model 3 Variabel (Terner) (Lanjutan)
Persamaan Regresi Linier Model Kuaterner :
x1 = r2x2 + r3x3 + r4x4 + ε Koefisien Determinasi Dinyatakan sbb :
ε2 = 1 – R2
ε = 1 + r22 + r32 + r42 – 2(r2ρ12 + r3ρ13 + r4ρ14) + 2(r2r3ρ23 + r2r4ρ24 + r3r4ρ34)
(Q1)PPP (Q1)QPP (Q1)QQP (Q1)QQQ
X1
X3
X414
34
X2
12
232
4
2
4
Model 4 Variabel (Kuaterner)
Koefisien Korelasi Parsiil Dinyatakan sbb
Δ = 1 – (ρ232 + ρ242 + ρ342) + 2ρ23ρ24 ρ34
Δ2 = ρ12(1- ρ342) – ρ13(ρ23 – ρ24 ρ34) – ρ14(ρ24 - ρ23 ρ34)
Δ3 = ρ13(1- ρ242) – ρ12(ρ23 – ρ24 ρ34) – ρ14(ρ34 - ρ23 ρ24)
Δ4 = ρ14(1- ρ232) – ρ12(ρ24 – ρ23 ρ34) – ρ13(ρ34 - ρ23 ρ24)
Δ2
Δ2r
Δ3
Δ3r
Δ4
Δ4
r
Model 4 Variabel (Lanjutan)
Matrik
0
100
200
300
400
500
600
700
800
0 6 12 18 24 30 36 42 48 54 60
Bulan
Juta
m3
HISTORIS NORMAL REGRESI MARKOV
Perbandingan Model Pembangkitan DebitModel Kontinu – Model Diskrit Waduk Saguling
Debit hasil peramalan dengan model kontinu dan model diskrit dapat mengikuti fluktuasi debit historis yang ada.
Elastisitas debit antisipasi terbaik Metode Diskrit Chain Markov. Metode peramalan terpilih Pengelolaan Waduk Aktual
Korelasi & Regresi
0
100
200
300
400
500
600
700
0 6 12 18 24 30 36 42 48 54 60
Bulan
Juta
m3
HISTORIS NORMAL REGRESI MARKOV
Perbandingan Model Pembangkitan DebitModel Kontinu – Model Diskrit Waduk Cirata
Debit hasil peramalan dengan model kontinu dan model diskrit dapat mengikuti fluktuasi debit historis yang ada.
Elastisitas debit antisipasi terbaik Metode Regresi Linier Ganda.Metode peramalan terpilih Pengelolaan Waduk AktualMetode Regresi Linier Ganda Model Heterogen Q(1)QQP