P. 1
75720667 Analisis Variabilitas Curah Hujan

75720667 Analisis Variabilitas Curah Hujan

|Views: 43|Likes:
Dipublikasikan oleh bgastomo

More info:

Published by: bgastomo on Apr 18, 2012
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/23/2012

pdf

text

original

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

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

Proses pembentukan awan dan kejadian hujan merupakan proses skala lokal yang sangat tergantung kondisi setempat pada saat itu.565211 1. Sulawesi: Menado. Manokwari. Banyuwangi.605377 1. Bandung 2. Bali: Denpasar.029229 Cv 1. Kurang jelas apakah mengikuti pola . Tabel 1: Koefisien variasi curah hujan kumulatif 3 jam-an selama 5 tahun adalah: No. Balikpapan.256443 0.966599 1. 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. Makassar.638337 σ 1.Jogjakarta. Banjarbaru. Palangkaraya. 7. Hal ini juga menjadi indikator bahwa prediksi curah hujan dalam perioda waktu yang pendek (3 jam-an) memiliki kesulitan yang tinggi. Pola curah hujan Aceh. Papua: Sentani . Tabing. Ini ditandai dengan koefisien variasi yang cukup tinggi (>1) . Sentani. Jakarta Keterangan: x = curah hujan kumulatif σ = standar deviasi Cv = koefisien variasi x 0. 4. Surabaya 3.041585 1. 2005). Ini yang dengan metoda statistika ditunjukkan dengan nilai koefisien variasi yang cukup tinggi. 6.61236 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. Bogor 3. yang berarti bahwa beda curah hujan antara perioda (3 jam) satu dengan perioda (3 jam) lainnya besar. Jadi sebagai fungsi waktu dan tempat (Negril et al. 5. Biak dan Balikpapan sulit ditentukan. Lokasi 1. NTT: Kupang. Kalimantan: Banjarmasin.720556 1.

640524 0.1175 110.60 -3. Jogjakarta. Menado.8414 178.666266 1. Banjarmasin.5711 121.9928 143. Sementara puncak curah hujan di lokasi lain relatif tetap atau bergeser sedikit.90 -4. Pada enam stasiun tersebut (Aceh.514324 0. Waingapu dan Manokwari. 8.53 -1. 5.40 1.88 -2.19 124.ekuatorial (dua nilai maksimum / puncak curah hujan dalam satu tahun) atau lokal (satu nilai maksimum / puncak curah hujan dalam satu tahun).65 100. Tabing. Curah hujan di Jambi. Palembang. Gambar 1. Stasiun Aceh Jambi Tabing Palembang Lampung Menado Makassar Banjarmasin Banjarbaru Balikpapan Lintang (o) -5. Denpasar.50 114.636567 0.40 103.70 105.53 -5. 3.0962 322.25 Bujur (o) 95.75 114. Semarang.189185 0. Biak dan Balikpapan) terjadi pergeseran pola curah hujan tahunan.3794 126.71 116. sehingga puncak tidak tetap atau bergeser secara ekstrim. Surabaya. Palangkaraya.6589 Cv 0.92 119.45 104.45 -1. 7. Sementara pola curah hujan monsunal tampak di Lampung.83 x 117 196 347 199 159 215 271 215 210 220 σ 86. Sentani.45 -3.04117 158.735526 0. 2. Balikpapan. Kupang. Makassar. Banjarbaru. 10.503365 . Tabel 2: Koefisien variasi curah hujan bulanan per stasiun untuk perioda 19752004 No.636 132.63 -0. Jakarta. dan Bandung mengikuti pola ekuatorial. 9. Pola Curah Hujan di 23 Lokasi Pengamatan Koefisien variasi yang menyatakan keragaman data curah hujan di perlihatkan pada tabel 2 di bawah ini. Banyuwangi.628017 0. 1.809386 0. 6. 4.6324 137.767495 0.

67 -10.98583 182.860858 0. 18. Denpasar. Banjarmasin. namun kesulitan memprediksi curah hujan masih relatif tinggi.82 107.18 -2. 12.927845 1.17 -6.1457 0.07 214 152 133 170 131 152 113 149 71 134 220 133 203 132. Dari tabel 2 juga tampak bahwa semakin bergeser ke selatan koefisien variasi semakin besar atau curah hujan semakin berfluktuasi. Surabaya. Sentani.0423 105.609536 0. Jogjakarta. nampak bahwa koefisien variasi 3 jam-an lebih tinggi dibanding koefisien bulanan. Manokwari.874962 1. 14.491845 0. 19.095004 1.58 110.3439 133. Waingapu dan Kupang. 21.248175 1.78 -7. Palangkaraya (11 tahun). Waingapu.65 113.7616 107. 23.43 112. Semarang.87181 140. Dengan metoda WWZ (Foster. 22. 16. Bandung.38 110. pada umumnya terjadi pada perioda 2-3 tahun (Palembang. 1996) diperoleh bahwa siklus curah hujan bulanan.38 -8. Palangkaraya Jakarta Bandung Semarang Jogjakarta Surabaya Banyuwangi Denpasar Waingapu Kupang Biak Sentani Manokwari -2.33 115.0691 108. 17. Balikpapan. sehingga faktor laut diduga secara dominan mempengaruhi variabilitas curah hujan di Indonesia bagian selatan. Biak. Variabilitas yang tinggi seperti itu dapat digunakan sebagai indikator bahwa prediksi curah hujan di lokasi-lokasi tersebut memiliki tingkat kesulitan yang tinggi.617399 0. Variabilitas terhadap waktu tertinggi di temukan di Makassar.2528 130.90 -6. Distribusi lautan di selatan lebih luas dibanding di utara. Jika dibandingkan antara tabel 1 dan 2.356868 0. Makassar.33 123. Jogjakarta.3901 154. Tabing.22 -8.98 -7.93 106.2973 163. Lampung.52 134.2505 80.18 -1.67 136. Banyuwangi. Jakarta.10 140. Di lokasi lain meskipun koefisien variasi tidak setinggi di 6 lokasi tersebut.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. 20. Kupang.78 114. .1009 88.11. Banjarbaru. untuk lokasi yang sama yaitu Bandung dan Jakarta. Surabaya. Ini ditunjukkan pula oleh Todd dan Richard Washington (2005). Denpasar) periodisitas di atas 3 tahun ditemukan di Aceh (5 tahun). 15.80314 0.01653 0.57 -0. Jambi (10 tahun).015009 1. Ini berarti curah hujan bulanan variasinya tidak sebesar curah hujan 3 jam-an.67 -9.22 -6. 13.17 120.2174 148.

artinya pola curah hujan bulanan stasiun dapat didekati dengan pola data curah hujan wilayah/grid. Data curah hujan bulanan ini diperoleh dari " A historical monthly preciptation data set for global land areas ". Gambar 2. Pola data curah hujan . 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). Variasi yang lebih kecil ini dimungkinkan karena data wilayah/grid diperoleh dengan metoda interpolasi dari data stasiun yang ada. Data dikumpulkan dari 11800 stasiun cuaca di seluruh dunia yang diperoleh dari Global Historical Climatology Network di Arizona State University. Variabilitas curah hujan di Indonesia bagian selatan lebih tinggi dibanding Indonesia bagian utara. Perbandingan Koefisien Variasi Curah Hujan Kumulatif 3 Jam-an (Jakarta. 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. dengan resolusi 2. USA (1997).5 x 3.dan Menado (11 tahun).75 derajat . Variasi curah hujan bulanan dari data wilayah (1975 – 1996) relatif lebih rendah dibandingkan variasi curah hujan bulanan data stasiun. Namun demikian pola data grid mengikuti pola data insitu. namun pola koefisien variasi terhadap ruangnya hampir sama (Gambar 2). jadi bukan data insitu.

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

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->