Prosiding SNM 2017

Te ra p a n , Ha l 9 11 -92 2

EVALUASI TIGA MODEL PENDUGAAN EVAPORASI

PANCI (EPAN) DI WILAYAH BALI
TRINAH WATI1 DAN FATKHUROYAN2

1Pusat Informasi Perubahan Iklim BMKG, trinah.wati@bmkg.go.id

2 Pusat Penelitian dan Pengembangan BMKG, fatkhuroyan@bmkg.go.id

Abstrak. Dalam penelitian ini dilakukan evaluasi model pendugaan

evaporasi/penguapan panci Klas A (Epan) metode Penman [1], KNF (Kohler -
Nordenson-Fox) [2] dan Linacre [3] dengan Epan hasil pengukuran di 5 stasiun
cuaca di wilayah Bali. Analisis menggunakan Metode RMSE (Root Mean
Square Error) digunakan untuk mengetahui keakuratan dan keandalan ketiga
model pendugaan tersebut. Hasil menunjukkan metode Penman terbaik di empat
stasiun yaitu di stasiun Sanglah, Kahang, Negara dan BBMKG wilayah 3
sedangkan di stasiun Ngurah Rai metode KNF yang terbaik. Nilai RMSE yang
semakin kecil menunjukkan hasil pendugaan semakin mendekati data observasi.
Nilai RMSE hasil pendugaan metode Penman, KNF dan Linacre juga
dibandingkan dengan model pendugaan yang dilakukan secara lokal yaitu Wati
[4] menghasilkan nilai yang lebih besar. Hal ini menunjukkan bahwa keandalan
model pendugaan Epan dipengaruhi oleh tipe iklim. Pendugaan yang dilakukan
di iklim yang sama dengan lokasi penelitian lebih akurat dibandingkan iklim
sub tropis pada ketiga model tersebut.
Kata kunci : evaporasi panci, Penman, KNF, Linacre, Bali

1.Pendahuluan

Pemahaman besaran nilai dan variasi kehilangan air akibat

penguapan/evaporasi dibutuhkan pada sektor pertanian dan hidrologi. Pada sektor
tersebut dibutuhkan dalam perencanaan dan managemen sumber daya air, desain
waduk, penilaian efisiensi sistem irigasi, evaluasi persyaratan drainase di masa
mendatang, kuantifikasi kehilangan air akibat perkolasi di bawah tanah, kebutuhan
ketersediaan air yang diusulkan dalam suatu projek irigasi dan dalam sistem
prakiraan debit sungai [5]. Bentuk dari proses evaporasi ada dua yaitu evaporasi dari
permukaan air terbuka dan transpirasi dari vegetasi. Evaporasi adalah jumlah air
yang mengalami penguapan dari permukaan air terbuka atau dari permukaan tanah,
sedangkan transpirasi didefinisikan sebagai proses perpindahan air dari vegetasi ke
atmosfer dalam bentuk uap air. Kedua proses evaporasi dan transpirasi disebut
dengan istilah evapotranspirasi dimana merupakan jumlah uap air yang
berevaporasi/menguap dari tanah dan tanaman ketika permukaan tanah pada
kandungan kelengasan yang alami [6].

Pengukuran evaporasi di Indonesia dilakukan di stasiun-stasiun pengamatan

cuaca menggunakan panci terbuka standar yaitu Clas A pan (panci klas A). Data
pengamatan evaporasi panci klas A mengunakan satuan tinggi air dalam milimeter
yang secara langsung dapat dibandingkan dengan curah hujan. Besarnya laju

911
evaporasi panci (Epan) berbeda dengan laju evapotranspirasi di permukaan
bervegetasi, keduanya dihubungkan dengan koefisien panci [5]. Besaran koefisien
panci klas A berbeda-beda tergantung pada penempatan dan lingkungan pada
beberapa tingkatan kelembaban relatif dan kecepatan angin [7].

Terdapat beberapa kendala dalam pengukuran Epan antara lain : biaya yang
cukup tinggi karena sistem pengukuran otomatis, ketidakcocokan dengan beberapa
lingkungan seperti di wilayah yang mengalami pembekuan pada suhu tertentu dan
curah hujan juga mempengaruhi keakuratan pengukuran Epan [8]. Namun seiring
dengan kemajuan teknologi, sistem pengukuran Epan secara otomatis semakin
berkembang, sehingga data dapat tercatat secara otomatis dan dapat dimonitor dari
jarak jauh (remote system) [9]. Di Indonesia sendiri ketersedian data Epan cukup
terbatas, sehingga pendugaan menggunakan metode yang sudah ada lebih diminati
dengan menggunakan data pengamatan cuaca.

Dalam penelitian ini dilakukan evaluasi model pendugaan Epan yang telah
berkembang antara lain : metode Penman [1], KNF (Kohler-Nordenson-Fox) [2] dan
Linacre [3] dengan Epan hasil pengukuran di 5 stasiun cuaca di wilayah Bali.
Analisis menggunakan Metode RMSE (Root Mean Square Error) digunakan untuk
mengetahui keakuratan dan keandalan ketiga model pendugaan tersebut.
Perbandingan hasil RMSE dilakukan juga antara hasil dugaan ketiga model tersebut
dengan hasil model pendugaan lokal Wati [4] yang pernah dilakukan di stasiun
penelitian.

2. Model Pendugaan Evaporasi Panci

Formula Penman (1948) untuk menghitung evaporasi air terbuka

berdasarkan prinsip fisika mengkombinasi pendekatan perpindahan massa
(aerodinamik) dan keseimbangan energi. Formula Penman dalam mengestimasi
evaporasi yaitu :
∆H+ γE
𝐸𝑝𝑎𝑛 = ∆+γ a (1)

H = E (1+β)
= (1-r)Ra (0.18 + 0.55 n/N) – σT4 (0.56 – 0.092√ed)(0.10 +0.90n/N) (2)

2𝑈
𝐸𝑎 = 0.35 (0.5 + 100)(ea − ed) (3)

Keterangan :
γ : konstanta psychrometri
H : Radiasi Netto dalam unit evaporasi merupakan komponen keseimbangan
energi dengan rumus pada persamaan (2)
r : koefisien pemantulan permukaan (untuk nilai rata-rata tahunan, Penman
menggunakan 0.05 untuk air terbuka, 0.10 untuk tanah gundul dan 0.20
untuk vegetasi hijau)
Ra : Radiasi Angot
n/N : nisbah antara lama penyinaran dan panjang hari
σ : konstanta Stefan Boltzman
𝑑𝑒 𝑒𝑎 −𝑒𝑑
∆ : kemiringan (slope) kurva tekanan uap jenuh dengan suhu ( ≅ )
𝑑𝑇 𝑇𝑎 −𝑇𝑑

912
 pada suhu udara tertentu T dalam mb/°C
ea : tekanan uap air jenuh pada suhu T dalam mm Hg
ed : tekanan uap air jenuh pada suhu titik embun dalam mm Hg
Ea : komponen aerodinamik (perpindahan massa uap air) dengan rumus pada
persamaan (3):

Metode Penman 1948 banyak diaplikasikan di Amerika dan Eropa untuk

evaporasi air terbuka sedangkan di India diaplikasikan untuk lahan terbuka dan di
Kepulauan Inggris untuk lahan gambut [1]. Pendugaan Epan metode KNF (Kohler-
Nordenson-Fox) [2] telah banyak digunakan untuk menduga besaran evaporasi [10]
contohnya pada percobaan di Danau Hefner, Okla dan komputasi di 21 stasiun di
Amerika Serikat dan satu di Alaska dengan mengadopsi metode Penman, formula
metode KNF [2] yaitu:

∆𝑅𝑛 +𝛾+𝐸𝑎
𝐸𝑝𝑎𝑛 = ∆+ 𝛾
(4)

𝐸𝑎 = 25.2[0.96(𝑒𝑎 − 𝑒𝑑 )0.88 (0.37 + 0.00255 𝑈𝑝 )] (5)

∆𝑅𝑛 = 154.4 exp[(1.8𝑇 − 180)(0.1024 − 0.01066 ln(0.239 𝑅𝑠 ))

−0.01544] (6)

Metode Linacre [3] menyederhanakan metode Penman dengan hanya

menggunakan suhu udara untuk meduga Epan, berikut adalah formula metode
Linacre :
700 𝑇𝑚
( )+15(𝑇−𝑇𝑑 )
100−𝐴
𝐸𝑝𝑎𝑛 = (7)
80−𝑇

𝑒
243.5 log( 𝑑 )
𝑇𝑑 = 6.112
𝑒 (8)
17.67− log( 𝑑 )
6.112

Keterangan :
Rn : Radiasi netto
Rs : Radiasi matahari
T : Suhu udara
Tm : T – 0.006 h dengan h adalah ketinggian
A : derajat lintang posisi stasiun cuaca
Td : suhu titik embun dengan rumus pada persamaan (8)

Wati [4] melakukan pendugaan Epan di wilayah Pulau Jawa dan Bali
Indonesia dengan parameter cuaca yang memiliki korelasi tertinggi dengan Epan.
Analisis regresi dan korelasi dilakukan antara Epan dengan unsur – unsur cuaca yaitu
suhu udara, kelembapan relatif, lama penyinaran, defisit tekanan uap air dan
kecepatan angin. Hasil model pendugaan Epan untuk 5 stasiun cuaca di Pulau Bali
antara lain :

913
 1. Negara
Epan = 2.29 + 0.36VPD (9)

2. Ngurah Rai
Epan = 14.62 – 0.11RH (10)

3. Balai Besar BMKG wilayah 3

Epan = 7.14 – 0.10T (11)

4. Sanglah
Epan = 2.38 + 0.30VPD (12)

5. Kahang
Epan = 1.844 + 0.37LP (13)

Keterangan :
VPD : defisit tekanan uap air
RH : kelempaban relatif
T : suhu udara rata-rata
LP : lama penyinaran

Evaluasi keandalan model pendugaan dalam penelitian ini dilakukan

menggunakan analisis Root Mean Square Error (RMSE) dengan formula sebagai
berikut:

∑𝑛
𝑖=1(𝑋𝑖 −𝑌𝑖 )
2
𝑅𝑀𝑆𝐸 = √ 𝑛
(14)

dengan Xi dan Yi merupakan data observasi dan hasil dugaan.

Uji hasil model dilakukan dengan uji beda nilai tengah dua populasi dengan
asumsi keragaman sama. Tujuan uji t ini adalah untuk menentukan apakah dua
populasi yaitu Epan observasi dan Epan hasil pendugaan memiliki nilai tengah yang
sama atau tidak. Uji beda nyata ini pada taraf α 5 %.
Hipotesis : H0 : µ1 = µ2
H1 : µ1 ≠ µ2
(𝑥̅1 −𝑥̅2 )−𝛿0
|𝑡𝐻𝑖𝑡𝑢𝑛𝑔 | = (15)
𝑆(𝑥
̅ 1 −𝑥
̅2 )

1 1
𝑆(𝑥̅1−𝑥̅2) = 𝑠𝑔 √( + ) (16)
𝑛1 𝑛2

(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22

𝑠𝑔 = √ 𝑛1 +𝑛2 −2
(17)

Keterangan:
µ = nilai tengah
n = jumlah data
s = ragam

914
Dengan derajat bebas (db) sebesar n1 + n2 – 2, Sg merupakan ragam gabungan dari
kedua populasi. Keputusan jika |thitung| > ttabel(α,db) maka menolak hipotesis H0, jika
sebaliknya maka terima H0..
3. Hasil – Hasil Utama

Data yang digunakan dalam penelitian ini adalah data harian pengamatan
Epan, suhu udara rata-rata, kelembapan relatif, lama penyinaran dan kecepatan
angin. Periode data cuaca yang digunakan dan posisi stasiun cuaca disajikan pada
Tabel 1 dan Gambar 1. Data penelitian observasi sebelum digunakan dalam analisis
sudah dilakukan quality control terlebih dahulu [4]. Deskripsi statistik data evaporasi
harian di Bali menunjukkan kisaran data evaporasi harian antara 0 mm – 3,9 mm,
standar deviasi berkisar antara 1,5 – 2,0 mm dengan median antara 4,3 – 5,6 mm.
Quartil ke-1 data evaporasi harian berkisar antara 3,1 – 4,4 mm dan quartil ke-3
berkisar antara 3,0 - 6,5 mm [4].

Tabel 1. Lokasi stasiun penelitan dan periode data yang digunakan

No Stasiun Lintang Bujur Ketinggian Periode
Penelitian (m) data

1 Negara -8.3400 114.6164 23.7 1999-2012

2 Ngurah Rai -8.7450 115.1710 6.0 1979-2012

3 BBMKG -8.7392 115.1786 3.5 2002-2010

wilayah 3

4 Sanglah -8.6769 115.2100 15.0 1995-2012

5 Kahang -8.3560 115.6110 140.0 1994-2012

Gambar 1. Posisi Stasiun Penelitian

Gambar 2 hingga 6 merupakan grafik ploting data Epan observasi dengan

hasil dugaan model rata-rata harian di masing-masing stasiun. Berdasarkan gambar,
hasil dugaan Epan model Linacre di semua stasiun overestimate dibandingkan
dengan data observasi, sedangkan model Penman dan KNF underestimate
dibandingkan data observasi. Epan hasil dugaan Wati lebih mendekati observasi
dibandingkan ketiga model lainnya, meskipun pola tidak sama kecuali di stasiun

915
Kahang yang paling mendekati pola Epan observasi. Berdasarkan pola data harian,
pendugaan metode Penman paling mendekati pola observasi meskipun
underestimate.

Gambar 2. Epan rata-rata harian hasil dugaan dengan observasi di stasiun Negara

Gambar 3. Epan rata-rata harian hasil dugaan dengan observasi di stasiun Ngurah
Rai

Gambar 4. Epan rata-rata harian hasil dugaan dengan observasi di BBMKG

Wilayah 3

916
Gambar 5. Epan rata-rata harian hasil dugaan dengan observasi di stasiun Sanglah

Gambar 6. Epan rata-rata harian hasil dugaan dengan observasi di stasiun Kahang

Epan observasi bulanan di Pulau Bali rata-rata sepanjang tahun sebesar 141
mm dengan kisaran antara 127 – 167 mm. Sedangkan Epan tahunan rata-rata sebesar
1656 mm dengan kisaran antara 1485 – 1959 mm. Pola Epan bulanan di pulau Bali
menurut Wati [4] terendah rata-rata terjadi di bulan Februari dan tertinggi di bulan
Oktober. Di pulau Bali pola Epan memiliki dua puncak yaitu pada bulan Oktober
dan bulan Maret.

Gambar 7 merupakan grafik ploting Epan rata-rata bulanan observasi dan

hasil dugaan di 5 stasiun penelitian. Gambar menunjukkan hal yang sama dengan
data rata-rata harian, yaitu model Linacre overestimate sedangkan model Penman
dan KNF underestimate dibandingkan dengan observasi di semua stasiun di Bali.
Sedangkan model pendugaan Wati yang paling mendekati nilai observasi
dibandingkan ketiga model tersebut. Besaran rata-rata bulanan Epan observasi dan
hasil dugaan disajikan pada Tabel 3 hingga Tabel 7.

RMSE digunakan untuk mengukur tingkat keakuratan hasil pendugaan suatu

model dan merupakan nilai rata-rata dari jumlah kuadrat kesalahan [10]. RMSE
dapat dinyatakan sebagai ukuran besarnya kesalahan yang dihasilkan oleh suatu

917
model pendugaan. Nilai RMSE yang rendah menunjukkan bahwa variasi nilai yang
dihasilkan oleh suatu model dugaan mendekati variasi nilai obeservasinya.

(a) (b)

(c)

(d) (e)

Gambar 7. Epan rata-rata bulanan hasil dugaan dengan observasi di stasiun cuaca
wilayah Bali

Tabel 2. Nilai RMSE dari pendugaan evaporasi data harian

No Stasiun Penelitian Penman KNF Linacre Wati

1 Negara 2.2 3.2 3.7 1.5

2 Ngurai Rai 3.0 2.4 3.3 1.8

3 BBMKG wil 3 2.5 3.6 4.1 1.8

4 Sanglah 1.9 3.1 3.9 1.4

918
 5 Kahang 2.3 3.3 3.0 1.9

Hasil analisis RMSE data harian ketiga model pendugaan Epan

menunjukkan model Penman memiliki nilai terkecil dibandingkan model KNF dan
Linacre di empat stasiun cuaca di Bali yaitu di Negara, BBMKG wilayah 3, Sanglah
dan Kahang seperti yang disajikan dalam Tabel 2. Sedangkan di stasiun Ngurah Rai
nilai RMSE terendah adalah model KNF. Nilai RMSE Epan hasil dugaan Penman
bervariasi antara 1,9 hingga 3,0, model KNF 2,4 hingga 3,3, sedangkan model
Linacre 3,0 hingga 4,1. Jika dibandingkan dengan ketiga model Epan maka nilai
RMSE model Wati memiliki nilai paling rendah yaitu 1,5 hingga 1,9.
Hasil uji t uji beda nilai tengah antara populasi Epan observasi dengan hasil
pendugaan disajikan pada tabel 3. Keputusan hasil uji t menolak hipotesis H0 pada
taraf α 5%, nilai tengah pendugaan Epan metode Penman, KNF dan Linacre berbeda
nyata dengan Epan observasi di 5 stasiun penelitian, sedangkan hasil pendugaan
Wati memiliki nilai tengah yang sama dengan Epan observasi di stasiun Negara dan
Kahang, di stasiun lainnya berbeda nyata.
Pada penelitian sebelumnya, evaluasi 5 metode estimasi Epan di Florida,
Amerika Serikat [5] dilakukan untuk penggunaan jadwal irigasi dan pengisian data
Epan yang hilang. Hasil menunjukkan metode KNF memiliki RMSE paling kecil
dibandingkan dengan metode Penman, Cristiansen, Priestley-Taylor dan Linacre
sehingga metode KNF yang terbaik digunakan untuk pendugaan Epan di wilayah
tersebut.

Tabel 3. Nilai |t hitung| dengan t tabel = 1.96

No Stasiun Penelitian Penman KNF Linacre Wati

1 Negara 53.55 130.96 148.11 0.66

2 Ngurai Rai 101.21 44.39 172.44 25.42

3 BBMKG wil 3 45.78 100.59 112.85 2.84

4 Sanglah 46.17 156.07 190.60 2.11

5 Kahang 52.37 113.24 94.92 1.62

919
 Tabel 4. Persentase kesalahan dari pendugaan evaporasi data bulanan di stasiun
Negara
Stasiun Negara Metode
Epan (mm) Observasi Penman % Ey KNF % Ey Linacre % Ey Wati % Ey
Januari 126 85 32 45 64 248 -97 135 -7
Februari 112 73 35 39 65 222 -99 119 -7
Maret 125 83 34 44 65 246 -97 133 -7
April 116 84 28 42 64 236 -104 126 -9
Mei 115 86 25 43 62 238 -107 131 -14
Juni 110 75 32 40 64 218 -98 123 -12
Juli 118 80 32 41 65 216 -83 126 -7
Agustus 134 93 31 45 67 218 -62 133 1
September 140 100 29 45 68 223 -59 133 5
Oktober 144 110 23 50 65 247 -72 144 0
November 130 96 27 47 64 245 -88 136 -4
Desember 115 82 29 47 59 252 -118 139 -21
rata-rata 29.8 64.3 -90.4 -6.8
tahunan 1484.8 1044.6 29.6 528.9 64.4 2808.6 -89.2 1578.8 -6.3

Tabel 5. Persentase kesalahan dari pendugaan evaporasi data bulanan di stasiun

Ngurah Rai
Stasiun Ngurah Rai Metode
Epan (mm) Observasi Penman % Ey KNF % Ey Linacre % Ey Wati % Ey
Januari 158 100 36 121 24 263 -67 177 -12
Februari 147 92 38 113 23 238 -62 163 -11
Maret 167 89 47 105 37 261 -56 177 -6
April 156 99 37 114 27 252 -62 170 -9
Mei 152 103 33 135 11 255 -67 179 -17
Juni 150 96 36 145 3 240 -60 176 -18
Juli 161 95 41 164 -2 241 -50 186 -16
Agustus 177 93 48 165 7 240 -36 187 -6
September 180 85 53 136 24 238 -32 177 1
Oktober 186 97 48 129 31 259 -39 183 1
November 169 101 40 118 30 259 -53 176 -4
Desember 157 114 27 137 13 266 -69 180 -14
rata-rata 40.1 19.0 -54.5 -9.2
tahunan 1959.0 1164.5 40.6 1581.5 19.3 3010.8 -53.7 2132.0 -8.8

Tabel 6. Persentase kesalahan dari pendugaan evaporasi data bulanan di BBMKG

Wilayah 3
BBMKG Wilayah 3 Metode
Epan (mm) Observasi Penman % Ey KNF % Ey Linacre % Ey Wati % Ey
Januari 138 87 37 42 70 265 -92 134 3
Februari 121 49 59 33 73 228 -88 124 -2
Maret 134 78 42 41 69 265 -98 134 0
April 125 88 30 38 70 253 -102 130 -4
Mei 135 81 40 40 71 257 -90 136 0
Juni 135 92 32 39 71 239 -78 134 1
Juli 137 100 27 43 69 243 -77 139 -2
Agustus 150 99 34 39 74 238 -58 140 7
September 128 99 23 41 68 237 -84 134 -5
Oktober 148 103 30 42 71 247 -67 139 6
November 133 91 32 42 68 263 -97 129 3
Desember 137 78 43 41 70 267 -95 134 2
rata-rata 35.7 70.4 -85.5 0.8
tahunan 1622.4 1045.2 35.6 480.2 70.4 3001.1 -85.0 1606.5 1.0

920
 Tabel 7. Persentase kesalahan dari pendugaan evaporasi data bulanan di stasiun
Sanglah
Stasiun Sanglah Metode
Epan (mm) Observasi Penman % Ey KNF % Ey Linacre % Ey Wati % Ey
Januari 143 100 30 54 63 261 -82 141 2
Februari 132 86 34 50 62 238 -81 130 1
Maret 142 107 25 56 61 263 -86 145 -2
April 140 109 22 55 61 256 -82 142 -1
Mei 135 111 18 58 57 260 -93 148 -10
Juni 122 101 17 55 54 242 -99 142 -16
Juli 129 105 19 56 56 242 -89 144 -12
Agustus 145 116 20 58 60 242 -67 147 -2
September 146 119 19 56 61 241 -65 143 2
Oktober 166 133 20 60 64 263 -59 152 9
November 148 110 25 58 61 261 -77 147 0
Desember 139 89 36 56 60 264 -90 145 -4
rata-rata 23.8 60.0 -80.7 -2.8
tahunan 1685.7 1284.7 23.8 672.4 60.1 3034.2 -80.0 1725.5 -2.4

Tabel 8. Persentase kesalahan dari pendugaan evaporasi data bulanan di stasiun

Kahang
Stasiun Kahang Metode
Epan (mm) Observasi Penman % Ey KNF % Ey Linacre % Ey Wati % Ey
Januari 91 56 39 39 57 206 -127 109 -20
Februari 77 45 41 34 56 185 -141 94 -23
Maret 103 65 37 43 58 212 -106 117 -14
April 121 74 39 49 59 213 -77 122 -1
Mei 132 93 30 56 58 221 -68 148 -12
Juni 130 79 39 53 59 207 -59 136 -5
Juli 139 95 31 54 61 206 -48 161 -16
Agustus 153 118 23 57 63 203 -32 179 -17
September 168 123 27 57 66 205 -22 173 -3
Oktober 168 128 24 61 63 228 -36 168 0
November 142 104 27 57 60 224 -57 143 0
Desember 107 65 39 47 56 217 -103 112 -5
rata-rata 32.9 59.6 -73.0 -9.5
tahunan 1530.2 1044.8 31.7 608.1 60.3 2526.7 -65.1 1660.4 -8.5

Persentase kesalahan/error (% Ey) hasil pendugaan Epan rata-rata bulanan

terhadap data observasi di masing-masing stasiun disajikan pada tabel 4 hingga tabel
8. Berdasarkan tabel tersebut diperoleh bahwa metode Penman memiliki persentase
kesalahan paling rendah di 4 stasiun di wilayah Bali yaitu Negara, BBMKG wilayah
3, Sanglah dan Kahang dengan kisaran antara 23,8% hingga 40,1%. Sedangkan di
stasiun Ngurah Rai metode KNF memiliki persentase kesalahan paling rendah
sebesar 19%, persentase kesalahan metode KNF di stasiun lainnya antara 59,6
hingga 70,4%. Persentase kesalahan model Linacre di 5 stasiun penelitian antara -
54,5% hingga -90,4%. Sedangkan persentase kesalahan model Wati lebih kecil
dibandingkan dengan metode Penman, KNF dan Linacre yaitu sebesar -9,8% hingga
0,8%.

921
 4. Kesimpulan

Hasil Evaluasi tiga model menunjukkan baik data harian maupun bulanan
metode Penman terbaik di empat stasiun yaitu di stasiun Sanglah, Kahang, Negara
dan BBMKG wilayah 3, sedangkan di stasiun Ngurah Rai metode KNF yang terbaik.
Nilai RMSE hasil pendugaan metode Penman, KNF dan Linacre lebih besar
dibandingkan dengan model pendugaan Wati menunjukkan keandalan model
pendugaan Epan dipengaruhi oleh tipe iklim. Pendugaan yang dilakukan di iklim
yang sama (meskipun hanya dengan parameter yang lebih sedikit) lebih akurat
dibandingkan dengan ketiga model tersebut yang dilakukan pada tipe iklim yang
berbeda (iklim sub tropis).

Pernyataan terima kasih. Terima kasih diucapkan kepada stasiun Badan

Meteorologi Klimatologi dan Geofisika dan Balai Besar MKG wilayah 3 di wilayah
Bali atas ketersediaan datanya dalam penelitian ini.

Referensi

[1] Penman, H.L., 1948, Natural evaporation from open water, bare soil and grass. In Proc.
of the Royal Soc. of London A: Math., Physic. and Eng. Sci. (Vol. 193, No. 1032, pp.
120-145). The Royal Society.
[2] Kohler, M.A., Nordenson, T.J. and Fox, W.E., 1955, Evaporation from pans and lakes.
[3] Linacre, E.T., 1977, A simple formula for estimating evaporation rates in various
climates, using temperature data alone. Agri. Met., 18(6), pp.409-424.
[4] Wati, T., 2015, Kajian Evaporasi Pulau Jawa dan Bali Berdasarkan Data Pengamatan
1975-2013, Tesis, Sekolah Pascasarjana Institut Pertanian Bogor.
[5] Irmak, S. dan Haman, D.Z., 2003, Evaluation of five methods for estimating class A pan
evaporation in a humid climate. Hort. Tech., 13(3), pp.500-508.
[6] World Meteorological Organization. 1992, International Meteorological Vocabulary.
Second edition, WMO-No.182, Geneva.
[7] Allen R.G., Pereira L.S., D. Raes dan M. Smith, 1998, Crop Evapotranspiration
Guidelines for Computing Crop Water Requirements, FAO Irrigation and Drainage
Paper, No 56.
[8] Lindsey, S. D., dan R. K. Farnsworth, 1997, Sources of solar radiation estimates and
their effect on daily potential evaporation for use in streamflow modeling. J. Hydrol.
201(1-4): 348-366.
[9] Hoogenboom, G., 1996, The Georgia Automated Environmental Monitoring Network.
In Preprints of the 22nd Conf. on Agri. and Forest Met., 343-346. Boston, Mass.:
American Meteorological Society.
[10] Makridakis, S., Andersen, A., Carbone, R., Fildes, R., Hibon, M., Lewandowski, R.,
Newton, J., Parzen, E. and Winkler, R., 1982. The accuracy of extrapolation (time
series) methods: Results of a forecasting competition. J. of forecast., 1(2), pp.111-153

922