METODE PRAKTIS ESTIMASI MODEL-MODEL PROBABILISTIK PADA ANALISIS FREKUENSI BANJIR UNTUK PRAKTISI PENYELENGGARA INFRASTRUKTUR DI KALIMANTAN SELATAN

Aqli Mursadin(1*), Erika Zeannyta(2)

(1) Universitas Lambung Mangkurat
(2) Universitas Lambung Mangkurat
(*) Corresponding Author

Sari


Sebuah metode praktis diusulkan untuk keperluan estimasi model-model probabilistik pada analisis frekuensi  banjir.  Ini  merupakan  sebuah  implementasi  tepat  guna  dari  metode  estimasi  berbasis  L- moments. Model-model yang dimaksud meliputi sejumlah distribusi nilai ektrem, yaitu Gumbel, generalized extreme value, lognormal tiga parameter, Pearson tipe III, log-Pearson tipe III, generalized logistic, dan generalized Pareto. Data untuk keperluan pengujian diambil dari aliran maksimum di dunia nyata. Metode yang diusulkan berupa sebuah prosedur sederhana empat tahap pada aplikasi pengolah spreadsheet. Tidak ada pengodean yang diperlukan. Validasi dilakukan dalam bentuk perbandingan terhadap hasil-hasil menggunakan perangkat lunak komputasi statistik R.  Kesederhanaan metode ini bersama dengan kinerja estimasinya yang relatif tinggi berpotensi untuk memungkinkannya diadopsi oleh kalangan praktisi penyelenggara konstruksi, khususnya di Kalimantan Selatan. Rekomendasi untuk pengembangan lanjutan juga diberikan.

Kata kunci: analisis frekuensi banjir, estimasi parameter, L-moments

Teks Lengkap:

PDF

Referensi


Bikova, D. 2012. Lognormal Distribution and Using L-moment Method for Estimating Its

Parameters. Int. J. Mathematical Models and Methods in Applied Sciences, 6 (1), 30-44.

Bilkova, D. 2014. Alternative Means of StatData An.: L-Moments and TL-Moments of Prob

Distibutions. Statistika, 94 (2), 77-94.

Canty, A. and B. Ripley. 2020. boot: Bootstrap R (S-Plus) Functions. R package version 1.3-

Hassan, M. U., O. Hayat, and Z. Noreen. 2019. Selecting the best probability distribution for at-site food frequency analysis; a study of Torne River. SN Applied Sciences. URL: https://link.springer.com/article/10.1007/s42452-019-1584-z (last accessed 10 May 2021).

Hosking, J. R. M. 1990. L-moments: Analysis and estimation of distributions using linear combinations of order statistics. J. Royal Statistical Society B, 52, 105-24.

Hosking, J. R. M. 2019. L-Moments. R package, version 2.8. URL: https://CRAN.R- project.org/package=lmom.

Hosking, J. R. M. and J. R. Wallis. 1997. Regional Frequency Analysis – An Approach

Based on L-Moments. Cambridge, UK: Cambridge Univ. Press.

Hosking, J. R. M., J. R. Wallis, and E. F. Wood. 1985. Estimation of the GEV Distribution by the Method of PWMs. Technometrics, 27 (3), 251-61.

Jain, D. and V. A. Singh. 1986. Comparison of transformation methods for flood frequency analysis, Water Resources Bulletin, 22 (6), 903-12.

Khan, S. A., I. Hussain, T. Hussain, M. Faisal, Y. S. Muhammad, and A. M. Shoukry. 2017.

Regional Frequency Analysis of Extremes Precipitation Using L-Moments and Partial L- Moments, India. Advances in Meteorology. URL: https://doi.org/10.1155/2017/6954902 (last accessed 10 May 2021).

Kottegoda, N. T. dan R. Rosso. 1997. Statistics, Probability, and Reliability for Civil and

Environmental Engineers. Singapore: McGraw-Hill Co.,Inc.

R Core Team. 2020. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.

Roy, P. and S. K. De. 2015. A Comparative Approach to Flood Frequency Analysis of the

Puthimari River in Assam, India. Asian J. Spatial Sc., 3, 90-9.

Shabri, A. and N. M. Ariff. 2010. On Selection of Probability Distributions of Annual

Maximum Daily Rainfalls Using TL-Moments. Matematika, 26 (2), 137-51.

Shabri, A., U. N. Ahmad, and Z. A. Zakaria. 2011. TL-moments and L-moments Estimation of the Generalized Logistic Distribution. J. Mathematics Research, 3 (1), 97-106




DOI: http://dx.doi.org/10.31602/jk.v4i1.5155

Refbacks

  • Saat ini tidak ada refbacks.



This work is licensed under a Creative Commons Attribution 4.0 International License.