75720667 Analisis Variabilitas Curah Hujan

ANALISIS VARIABILITAS CURAH HUJAN WILAYAH INDONESIA BERDASARKAN PENGAMATAN TAHUN 1975-2004 Ina Juaeni Bidang Pemodelan

Iklim, Pusat Pemanfaatan Sains Atmosfer dan Iklim-LAPAN, Jl.Dr.Junjunan 133, Telp. (022)6037445, 6012602; Fax. (022)6037443 Bandung, 40173 EXTENDED ABSTRACT LAPAN sebagai Lembaga Nasional dengan salah satu tugas dan fungsinya melakukan Penelitian dan Pengembangan di bidang Pengetahuan Atmosfer, sangat berkepentingan dengan ilmu-ilmu Matematika , terutama Matematika Terapan, Statistika dan Komputer. Berbagai data parameter atmosfer seperti temperatur, curah hujan, tekanan, kelembaban, ozon, polusi udara dan lain-lain memerlukan suatu alat bantu agar dapat dianalisis lebih lanjut. Ilmu Matematika, Statistika dan Komputer adalah alat bantu yang sangat penting agar dari data-data tersebut di peroleh informasi yang menyangkut perilaku (rata-rata, variabilitas, kejadian ekstrim) masing-masing data, kaitan suatu parameter dengan parameter lainnya, untuk selanjutnya informasi-informasi tersebut dapat dijadikan dasar dalam memperkirakan nilai parameter-pameter tersebut pada waktu yang akan datang. Prakiraan parameter atmosfer terutama hujan sudah menjadi kebutuhan Nasional. Betapa tidak, bencana banjir akibat hujan yang turun dengan jumlah di atas normal atau bencana kekeringan akibat jumlah curah hujan yang berada di bawah normal, sering melanda wilayah Indonesia, bahkan disertai kerugian materi dan jiwa. Semua itu dapat diantisipasi dengan informasi yang akurat tentang berapa curah hujan yang akan turun di suatu tempat pada suatu saat. Memang sampai saat ini belum ada suatu metoda, baik Matematika, Statistika maupun Komputer yang mampu dengan tepat memberikan informasi prakiraan hujan. Hal ini disebabkan sangat kompleksnya sistem atmosfer terutama di wilayah Indonesia sebagai bagian dari wilayah tropis. Banyak parameter dan proses yang terlibat dan saling berkaitan satu sama lain. Kepulauan maritim Indonesia yang berada di wilayah tropik memiliki curah hujan tahunan yang tinggi, curah hujan semakin tinggi di daerah pegunungan. Curah hujan yang tinggi di wilayah tropik pada umumnya dihasilkan dari proses konveksi dan pembentukan awan hujan panas. Curah

atau dihasilkan dari proses dinamika seperti konvergensi atau juga dihasilkan akibat terjadi dorongan massa udara secara fisik di lokasi pegunungan. 2000-2004 1975 – 1996 . Perioda 1. Semarang. Skala ruang yang berbeda ini tergantung pada sel konveksinya. Dengan mengabaikan jenisnya. Agar terjadi gerakan ke atas.7 %. presentase curah hujan yang diterima bervariasi antara 8 % sampai 37 % dengan rata-rata 22 %. Metoda Statistika seperti harga rata-rata. intensitas curah hujan di wilayah tropik pada umumnya tinggi. Data yang digunakan dalam penelitian ini diperlihatkan pada berikut ini: No. Bandung. pada dasarnya curah hujan dihasilkan dari gerakan massa udara lembab ke atas. Karena itu jumlah hujan tahunan. Sementara itu di Indonesia. Jakarta Wilayah Indonesia dengan grid 2. Sumatera: Aceh. 2000-2004 2. Sebagai perbandingan nilai tertinggi di Bavaria. durasi. Jambi. Gabungan ilmu fisis atmosfer dan ilmu Statistika memberikan informasi keadaan atmosfer dengan lebih lengkap. lebih dari 80 % curah hujan yang diterima terjadi dengan curah paling sedikit 20 mm. frekuensi dan distribusinya terhadap ruang dan waktu sangat bervariasi. Namun demikian metoda ini sangat berguna untuk mempelajari perilaku curah hujan. deviasi standar dan koefisien variasi sudah umum digunakan dan bukan metoda Statistika baru. Palembang. intensitas. tunggal atau membentuk jalur. Jakarta. Jawa: Bandung. 2. Jenis Data 1. Jerman adalah 3. Data Curah Hujan Bulanan Per Stasiun Lokasi 1.hujan konveksi adalah curah hujan yang dihasilkan proses konveksi akibat pemanasan. Tabing.75o 1. Di Bogor. Data Curah Hujan Bulanan Per Wilayah 3. 2. Curah hujan konveksi umumnya terjadi di atas daerah dengan luas terbatas antara 10 – 20 km2 atau 200-300 km2. Lampung. Jadi kestabilan udara ditentukan oleh kondisi kelembaban. Karena proses konveksi. seperti yang dilakukan dalam penelitian ini. Data Curah Hujan Harian 2. atmosfer harus dalam kondisi tidak stabil. Kondisi tidak stabil terjadi jika udara yang naik lembab dan lapse rate udara lingkungannya berada antara lapse rate adiabatik kering dan lapse rate adiabatik jenuh.5o x 3.

Bandung 2.720556 1. 7. 5. Hal ini juga menjadi indikator bahwa prediksi curah hujan dalam perioda waktu yang pendek (3 jam-an) memiliki kesulitan yang tinggi. Kalimantan: Banjarmasin. Jadi sebagai fungsi waktu dan tempat (Negril et al. Banyuwangi.565211 1. Makassar. Waingapu 1975 – 2004 (Kecuali Surabaya: mulai 1982) Biak Tabel 1 di bawah ini menunjukkan bahwa variabilitas curah hujan kumulatif 3 jam-an sangat bervariasi terhadap waktu. Proses pembentukan awan dan kejadian hujan merupakan proses skala lokal yang sangat tergantung kondisi setempat pada saat itu. Tabel 1: Koefisien variasi curah hujan kumulatif 3 jam-an selama 5 tahun adalah: No.041585 1.966599 1. Papua: Sentani . Lokasi 1. Bali: Denpasar.605377 1. 4.638337 σ 1. Jakarta Keterangan: x = curah hujan kumulatif σ = standar deviasi Cv = koefisien variasi x 0. Pola curah hujan Aceh. NTT: Kupang. yang berarti bahwa beda curah hujan antara perioda (3 jam) satu dengan perioda (3 jam) lainnya besar. Surabaya 3. Tabing.256443 0. Bogor 3. Sentani. Sulawesi: Menado. 2005). Kurang jelas apakah mengikuti pola . Banjarbaru. Ini yang dengan metoda statistika ditunjukkan dengan nilai koefisien variasi yang cukup tinggi.029229 Cv 1.61236 3 jam-an Curah hujan pengamatan dalam perioda bulanan dari 23 stasiun (lihat Gambar 1) di Indonesia menunjukkan variasi yang tinggi baik terhadap waktu maupun terhadap ruang. Manokwari. 6. Ini ditandai dengan koefisien variasi yang cukup tinggi (>1) . Palangkaraya. Biak dan Balikpapan sulit ditentukan.Jogjakarta. Balikpapan.

65 100.40 1. Sementara puncak curah hujan di lokasi lain relatif tetap atau bergeser sedikit. Menado.83 x 117 196 347 199 159 215 271 215 210 220 σ 86. Curah hujan di Jambi.735526 0.0962 322. Pola Curah Hujan di 23 Lokasi Pengamatan Koefisien variasi yang menyatakan keragaman data curah hujan di perlihatkan pada tabel 2 di bawah ini. Palangkaraya.53 -5. Sentani.92 119.45 -1. Semarang. dan Bandung mengikuti pola ekuatorial.809386 0.53 -1. Stasiun Aceh Jambi Tabing Palembang Lampung Menado Makassar Banjarmasin Banjarbaru Balikpapan Lintang (o) -5.70 105.88 -2. Tabing. Banjarbaru. 2.1175 110. 7.6324 137. 3. 10. Banyuwangi.90 -4.40 103.75 114.514324 0. Jakarta.04117 158.666266 1.45 104. 5.6589 Cv 0.767495 0.9928 143.19 124. Tabel 2: Koefisien variasi curah hujan bulanan per stasiun untuk perioda 19752004 No. 9. sehingga puncak tidak tetap atau bergeser secara ekstrim.640524 0.71 116. 8. Waingapu dan Manokwari.ekuatorial (dua nilai maksimum / puncak curah hujan dalam satu tahun) atau lokal (satu nilai maksimum / puncak curah hujan dalam satu tahun).189185 0. Gambar 1. Palembang. 1. Kupang.63 -0. Balikpapan. Jogjakarta. Denpasar. Banjarmasin.50 114.25 Bujur (o) 95. Pada enam stasiun tersebut (Aceh.636 132.503365 . Biak dan Balikpapan) terjadi pergeseran pola curah hujan tahunan. 6.628017 0.45 -3. Sementara pola curah hujan monsunal tampak di Lampung.5711 121.636567 0. Makassar.60 -3. Surabaya.8414 178. 4.3794 126.

18 -1. Palangkaraya Jakarta Bandung Semarang Jogjakarta Surabaya Banyuwangi Denpasar Waingapu Kupang Biak Sentani Manokwari -2.82 107. Surabaya.860858 0.689932 Keterangan: x = curah hujan rata-rata bulanan σ = standar deviasi Cv = koefisien variasi Koefisien variasi pada tabel 2 di atas menunjukkan bahwa curah hujan bulanan sangat bervariasi terhadap ruang dan waktu.7616 107. Manokwari. 13.10 140. 12.58 110.93 106. Ini ditunjukkan pula oleh Todd dan Richard Washington (2005). sehingga faktor laut diduga secara dominan mempengaruhi variabilitas curah hujan di Indonesia bagian selatan. untuk lokasi yang sama yaitu Bandung dan Jakarta.65 113.01653 0. Balikpapan.98 -7.2505 80.874962 1. Banjarbaru. Jambi (10 tahun).67 -10. 1996) diperoleh bahwa siklus curah hujan bulanan. Di lokasi lain meskipun koefisien variasi tidak setinggi di 6 lokasi tersebut.1009 88. Ini berarti curah hujan bulanan variasinya tidak sebesar curah hujan 3 jam-an.67 -9.3901 154. Jakarta. 20.22 -8. Semarang. Surabaya.78 114.67 136.90 -6. Sentani. Lampung. 23. Bandung. Denpasar.80314 0. Jogjakarta.07 214 152 133 170 131 152 113 149 71 134 220 133 203 132. Variabilitas terhadap waktu tertinggi di temukan di Makassar.1457 0.491845 0.52 134.98583 182.22 -6. Dengan metoda WWZ (Foster. 21.17 120.2528 130.87181 140. Waingapu dan Kupang. 15.0691 108. Banjarmasin. Kupang.617399 0. Jogjakarta.248175 1.095004 1. 22.57 -0. Variabilitas yang tinggi seperti itu dapat digunakan sebagai indikator bahwa prediksi curah hujan di lokasi-lokasi tersebut memiliki tingkat kesulitan yang tinggi. namun kesulitan memprediksi curah hujan masih relatif tinggi. . Dari tabel 2 juga tampak bahwa semakin bergeser ke selatan koefisien variasi semakin besar atau curah hujan semakin berfluktuasi. Makassar. 18.38 -8.78 -7. 16. Distribusi lautan di selatan lebih luas dibanding di utara.38 110. Tabing. 14. pada umumnya terjadi pada perioda 2-3 tahun (Palembang. Palangkaraya (11 tahun). Denpasar) periodisitas di atas 3 tahun ditemukan di Aceh (5 tahun).17 -6.3439 133.609536 0.33 123.33 115. Waingapu.0423 105.015009 1. 19.11.927845 1. Jika dibandingkan antara tabel 1 dan 2.43 112. 17. Banyuwangi.356868 0.2174 148.18 -2. nampak bahwa koefisien variasi 3 jam-an lebih tinggi dibanding koefisien bulanan.2973 163. Biak.

artinya pola curah hujan bulanan stasiun dapat didekati dengan pola data curah hujan wilayah/grid.dan Menado (11 tahun). Namun demikian pola data grid mengikuti pola data insitu. Bandung) dengan Koefisien Variasi Curah Hujan Bulanan Per Stasiun dan Koefisien Variasi Curah Hujan Bulanan Per Wilayah Curah hujan pengamatan kumulatif 3 jam-an untuk Jakarta dan Bandung mempunyai variabilitas yang lebih kompleks dari curah hujan pengamatan bulanan. Gambar 2. Variasi curah hujan bulanan dari data wilayah (1975 – 1996) relatif lebih rendah dibandingkan variasi curah hujan bulanan data stasiun. Perbandingan Koefisien Variasi Curah Hujan Kumulatif 3 Jam-an (Jakarta. namun pola koefisien variasi terhadap ruangnya hampir sama (Gambar 2). Ini sebagai indikator bahwa fenomena alam seperti El Nino dan La Nina ( dengan perioda 2-5 tahun) dan siklus matahari (dengan perioda 10-11 tahun) sangat dominan dalam mempengaruhi pola curah hujan di Indonesia (Lampiran A). Data curah hujan bulanan ini diperoleh dari " A historical monthly preciptation data set for global land areas ". jadi bukan data insitu. dengan resolusi 2. Variabilitas curah hujan di Indonesia bagian selatan lebih tinggi dibanding Indonesia bagian utara. Variasi yang lebih kecil ini dimungkinkan karena data wilayah/grid diperoleh dengan metoda interpolasi dari data stasiun yang ada.5 x 3. Pola data curah hujan . USA (1997).75 derajat . Data dikumpulkan dari 11800 stasiun cuaca di seluruh dunia yang diperoleh dari Global Historical Climatology Network di Arizona State University.

2006. . 2.bulanan per wilayah dapat digunakan sebagai pendekatan pola curah hujan pengamatan bulanan stasiun. N0. Catatan : Makalah ini dipresentasikan pada Seminar Dies Natalis FMIPA UNDIP dan diterbitkan pada jurnal Matematika UNDIP. 9.

Sign up to vote on this title
UsefulNot useful