UJI KECOCOKAN SEBARAN

Uji kecocokan sebaran dilakukan untuk mengetahui jenis sebaran yang paling sesuai dengan data hujan. Uji sebaran dilakukan dengan uji kecocokan distribusi yang dimaksudkan untuk menentukan apakah persamaan sebaran peluang yang telah dipilih dapat menggambarkan atau mewakili dari sebaran statistik sample data yang dianalisis tersebut (Soemarto, 1999).

Ada dua jenis uji kecocokan (Goodness of fit test) yaitu uji kecocokan Chi-Square dan Smirnov-Kolmogorof. Umumnya pengujian dilaksanakan dengan cara mengambarkan data pada kertas peluang dan menentukan apakah data tersebut merupakan garis lurus, atau dengan membandingkan kurva frekuensi dari data pengamatan terhadap kurva frekuensi teoritisnya (Soewarno, 1995).

1. Uji Kecocokan Chi-Square

Uji kecocokan Chi-Square dimaksudkan untuk menentukan apakah persamaan sebaran peluang yang telah dipilih dapat mewakili dari distribusi statistik sampel data yang dianalisis. Prinsip pengujian dengan metode ini didasarkan pada jumlah pengamatan yang diharapkan pada pembagian kelas dan ditentukan terhadap jumlah data pengamatan yang terbaca di dalam kelas tersebut atau dengan membandingkan nilai Chi-Square (X²) dengan nilai Chi-Square kritis (X² cr).

Parameter X_h² merupakan variabel acak. Peluang untuk mencapai nilai X_h² sama atau lebih besar dari pada nilai Chi-Square yang sebenarnya (X²). Suatu distribusi dikatakan selaras jika nilai X² hitung < X² kritis. Nilai X² kritis dapat dilihat di Tabel 3.7. Dari hasil pengamatan yang didapat dicari penyimpangannya dengan Chi- Square kritis paling kecil.

Dimana :

X_h² = harga Chi-Square terhitung

Oi  = jumlah data yang teramati terdapat pada sub kelompok ke-i

Ei  = jumlah data yang secara teoritis terdapat pada sub kelompok  ke-i

G   = jumlah sub kelompok 

Untuk suatu nilai nyata tertentu (level of significant) yang sering diambil adalah 5 %. Adapun kriteria penilaian hasilnya adalah sebagai berikut :

• Apabila peluang lebih dari 5%, maka persamaan dirtibusi teoritis yang digunakan dapat diterima.
• Apabila peluang lebih kecil dari 1%, maka persamaan distribusi teoritis yang digunakan tidak dapat diterima.
• Apabila peluang lebih kecil dari 1%-5%, maka tidak mungkin mengambil keputusan, misal perlu penambahan data. 

Tabel 3.7 Nilai Kritis untuk Uji Kecocokan Chi Square

              2.     Uji Kecocokan Smirnov-Kolmogorof

                    Uji kecocokan Smirnov-Kolmogorof sering juga disebut uji kecocokan non parametrik (non parametrik test) karena pengujiannya tidak menggunakan fungsi distribusi tertentu. 

Rumus yang dipakai (Soewarno, 1995)

  

 Tabel 3.8 Nilai DO Kritis untuk

   Uji Kecocokan Smirnov Kolmogorof

         3. Uji Sebaran SRI HARTO

          Uji konsistensi berarti menguji kebenaran data lapangan yang tidak dipengaruhi oleh kesalahan pada saat pengiriman atau saat pengukuran, data tersebut harus betul-betul menggambarkan fenomena hidrologi seperti keadaan sebenarnya di lapangan. Dengan kata lain data hidrologi disebut tidak konsisten apabila terdapat perbedaan antara nilai pengukuran dengan nilai sebenarnya (Soewarno, 1995:23) 

           Uji konsistensi yang dilakukan adalah dengan menggunakan metode RAPS (Rescaled Adjusted Partial Sums). Cara ini dilakukan dengan cara menghitung nilai kumulatif penyimpangannya terhadap nilai rata-rata (mean) 

            Pengujian dengan menggunakan data dari stasiun itu sendiri yaitu pengujian dengan komulatif penyimpangan terhadap nilai rata-rata dibagi dengan akar komulatif rerata penyimpangan kuadrat terhadap nilai reratanya. 

             Dengan melihat nilai statistik diatas maka dapat dicari nilai Q/√n dan R/√n. Hasil yang di dapat dibandingkan dengan nilai Q/√n syarat dan R/√n syarat, jika lebih kecil maka data masih dalam batasan konsisten.

Tabel Nilai Q/√n dan R/√n (Harto,2009)

DAFTAR PUSTAKA

Soemarno,1995. Hidrologi Aplikasi Metode Statistik untuk Analisa Data. Bandung: Penerbit Nova

Harto, 1993. Analisis Hidrologi. Jakarta: Gramedia Pustaka Utama