BAB I

PENDAHULUAN

1.1 Latar Belakang

Manusia hidup di bumi pasti tidak akan terpisah dengan lingkungan.
Dalam lingkungan itu sendiri terdapat unsur yang penting yaitu iklim atau
cuaca. Dikatakan iklim jika terbentuk dalam waktu yang panjang dan
dikatakan cuaca jika terbentuk dalam jangka waktu yang singkat. Pada setiap
tempat tentunya memiliki iklim atau cuaca yang berbeda tergantung dengan
tofografi dan sebagainya.
Kita bisa merasakan keadaan udara sekitar hanya dengan menggunakan
indra. Tapi yang dirasakan oleh indra adalah sangat subjektif. Karena
seseorang dapat merasakan keadaan udara pada suatu saat adalah panas sekali
akan tetapi orang lain hanya merasakan panas biasa saja. Untuk
menghilangkan subjektivitas ini kemudian digunakan alat-alat pengamatan.
Pengetahuan tentang cuaca dan iklim adalah sangat penting sekali karena
sering adanya penyimpangan permulaan musim penghujan sangat
mempengaruhi terhadap kegiatan usaha tani di Indonesia. Dengan demikian
dapat menentukan waktu bertani yang sesuai dengan keadaan cuaca dan iklim
yang sesuai pula. Seperti kondisi suhu (temperatur) udara, curah hujan, pola
musim sangat menentukan kecocokan dalam optimalisasi pembudidayaan
tanaman pertanian. (Ruzhlieh, 2014).
Iklim merupakan gabungan dari berbagai kondisi cuaca sehari-hari. Iklim
berkaitan dengan atmosfer dalam jangka yang panjang, iklim merupakan
suatu konsep yang abstrak. Ini merupakan komposit dari keadaan cuaca dari
hari ke hari. Meski iklim merupakan suatu konsep yang abstrak, namun
penerapannya bersifat praktis pada tempat atau kawasaan tertentu.

1.2 Tujuan
Adapun tujuan dari praktikum ini yaitu untuk memperkiraka salah satu
data analisir iklim berdasarkam data meteorologi yang tersedia.

1
 BAB II
TINJAUAN PUSTAKA

2.1 Cuaca
Setiap masalah dalam meteorology dan klimatologi dapat dianalisis
dengan menggunakan suatu model dapat berupa konsepsi mental, hubungan
empirik atau kumpulan pernyataan-pernyataan matematik statistik. Model-
model dalam meteorologi umumnya dapat dikelompokkan dalam model-
model deterministik, parametrik, stokastik atau kombinasinya. Pembagian
menjadi kelompok-kelompok tersebut tidak selalu dapat dilakukan dengan
tegas , kita dapat membayangkan model-model sebagai tersusun dari
berbagai komponen yang masing-masing seolah-olah merupakan sebuah titik
dalam suatu spectrum kontinu tipe yang satu hingga stokastik murni pada
ujung lain ( Bey , 1991).
Probabilitas dan prakiraan data curah hujan lebih praktis mendapatkan
perhatian karena hal ini dapat mengubah hasil panen tanaman, permintaan
evaporasi, dan tipe tanah. Pada faktanya periode dengan kalkulasinya
dibutuhkan untuk mengubah nilai kritik dari curah hujan dalam suatu periode.
Permasalahan yang ada seperti ketidaktepatan dalam perubahan kalkulasi
dengan jangka waktu yang pendek dan curah hujan yang rendah (Jackson,
1984).
Jumlah curah hujan tidak menunjukkan informasi yang dibutuhkan untuk
mengukur pengikisan dari badai hujan. Kekuatan yang digunakan di
permukaan tanah dengan setiap tetesan air hujan dapat diperlihatkan dengan
kekuatan yang meliputi badai hujan. Untuk menghitung nilai ini, informasi
yang harus tersedia adalah besar dan lamanya hujan badai, ukuran dan
kecepatan pada tiap tetesan hujan dan penyaluran ukuran tiap tetes
(Linder,1981).
Agar data dalam analisis data meteorologi agar lebih bermanfaat maka
dilakukan pengorganisasian dan analisis data secara sistematis dari seluruh
jaringan pengamatan cuaca. Misalnya analisis data berdasarkan time series
(pengamatan jangka panjang), penafsiran terhadap suatu parameter yang

2
 sukar dilakukan dengan cara didekati dengan parameter yang mempunyai
hubungan dan berdasarkan rumus antara hubungan-hubungan parameter
tersebut (Wisnubroto, 1999).
Pada analisa regresi terdapat analisa regresi logistik yang dapat diterpkan
dalam berbagai skala data. Model regresi logistik menghasilkan nilai
probabilitas yang dipakai sebagai dasar untuk klasifikasi. Pengklasifikasian
merupakan salah satu analisis statistika yang diperlukan jika ada beberapa
kelompok yang kemudian ingin diketahui apakah kelompok-kelompok
tersebut memang berbeda secara statistika. Kelompok-kelompok ini terjadi
karena ada pengaruh satu atau variabel lain yang merupakan variabel
independen (Wibowo, 2002).

2.2 Iklim
Keadaan iklim di Indonesia sangat dipengaruhi oleh letak geografis dan
topografi. Indonesia terletak di daerah equator (7° LU - 11°LS) dan diapit
oleh benua Asia dan benua Australia. Benua Asia dan Australia terletak
moonson foci yang menyebabkan adanya adanya dua periode musim yaitu
musim hujan dan musim kemarau. Dan persebaran curah hujan di Indonesia
yang tidak merata karena sebaran pulau dan gunung yang banyak. Dengan
melihatkeadaan iklim yang khas itu, maka untuk menentukan tipe iklim di
Indonesia diperlukan metode iklim tersendiri (Subarno, 1998).
Iklim disusun oleh unsur-unsur yang sama dengan penyusunan cuaca.
Untuk mencari harga rata-rata ini tergantung pada keadaan dan kebutuhan.
Hanya perlu diketahui untuk mengetahui penyimpangan-penyimpangan iklim
harus berdasarkan pada harga normal. Yaitu haraga rata-rata selama sepuluh
tahun, angka tiga puluh tahun merupakan persetujuan internasional
(Wisnusubroto et.al; 1986).
Hujan adalah nama yang diberikan untuk semua curahan cair yang bukan
gerimis. Titik hujan terkecil bergaris tengah 0,5 mm. ukuran tebesar
mengalami perbatasan alami. Titik yang bergaris tengah > 0,5mm tidak
mantap dan terpecah menjadi titik kecil ketika jatuh. Dalam awan yang
mengalami gerakan ke atas melebihi kecepatan itu, tidak ada titik yang dapat

3
 jatuh ke tanah. Hujan curah yang terdiri dar hujan dengan perubahan
intensitas yang cepat serta permulaan dan akhir yang tiba-tiba jatuh dari awan
bergolak. Hujan dikatakan kecil jika jatuh dengan kecepatan kurang dari
0,5mm / jam, hujan dari 0,5-44 mm / jam, hujan lebat lebih dari 44 mm / jam
(Neiburger, 1982).
Karena iklim terdiri dari suatu tempat disusun oleh unsur-unsur yang
variasinya besar, maka hampir tidak mungkin ada dua tempat yang memiliki
dua iklim identik. Pengklasifikasian iklim mempunyai persamaan tujuan yaitu
berusaha untuk menyederhanakan jumlah iklim lokal yang tidak terbatas
jumlahnya itu menjadi golongan yang jumlahnya relatif sedikit yaitu kelas-
kelas yang mempungyai sifat penting yang besamaan (Wisnusubroto, 1986).
Koppen membagi permukaan bumi menjadi lima golongan iklim
(Wisnusubroto, 1986) :
a. iklim hujan tropika
b. iklim kering
c. iklim sedang
d. iklim dingin
e. iklim kutub
Pertanian mungkin dipertimbangkan sumber iklim proses eksploitasi dari
hasilnya, peternakan dan peralatan (mesin) yang digunakan. Dalam
penyerapan permukaan dengan properti yang khusus, tanah dalam
pembuatannya mengunakan elemen-elemen ini. Jangka waktu sumber iklim
peratanian menunjukkan pada sumber ilmu iklim pada pertanian (William,
1983).

2.3 Metode Rumus Empiris

Metodestatistika merupakan teknik analisis data untuk sebuah persoalan
yang menyangkut dua peubah atau lebih yang ada atau diduga ada dalam
suatu pertautan tertentu yang disebut teknik analisis regresi dan analisis
korelasi. Regresi multipel adalah regresi yang melibatkan sebuah peubah tak
bebas dan dua atau lebih peubah bebas. Kemudian disusun analisis
korelasinya dalam bentuk korelasi multipel. Regresi merupakan bentuk

4
hubungan antara peubah respon (Y) dan peubah prediktor (X) (Sudjana,
1991).
Menurut Tjasyono (2004) ada beberapa macam rumus empiris,
diantaranya adalah:
1. Rumus empiris prosentase lama penyinaran bulanan berdasarkan jumlah
air hujan bulanan.
S = ( - 2,25 hari hujan + 90 ) %
Dimana:
S = prosentase lama penyinaran bulanan.
2. Rumus empiris untuk menentukan energy radiasi matahari
Banyak stasiun meteorology hanya mencatat panjang lama penyinaran
matahari dan radiasi serta jumlah penyinaran matahari. Angstrom
menyatakan hibungan dengan kedua variabel tersebut sebagai berikut:
I / IO a + b.n / N
Dimana:
I : energy radiasi matahari sampai dibumi (cal/cm2)
I0 : energy radiasi matahari pada puncak atmosfer (cal/cm2)
n : jumlah jam penyinaran matahari actual (jam)
N : panjang penyinaran matahari (jam).
a dan b : konstanta. Untu daerah Tropis (a) = 0,23 dan (b) = 0,48 dan
akan berubah sesuai dengan latitude dan massa udara daerah tersebut.
3. Rumus empiris untuk menentukan tekanan uap air berdasarkan wet bulb
dan dry bulb:
ed = es – 0,000660 .p. (Ta – Tw) . (1 + 0,00115. Tw)
Dimana:
Ed = tekanan uap air dari udara (mbar)
Es = tekanan uap jenih pada wet bulb temperature (mbar)
P = tekanan udara (°C)
Ta = dry bulb temperature (°C)
Tw = wet bulb temperature (°C)

5
 BAB III
METODE PRAKTIKUM

3.1 Waktu dan Tempat

Pada praktikum Klimatologi Pertanian mengenai Rumus Empiris dalam
Perkiraan Anasir Iklim dilaksanakan pada hari Rabu, 26 Februari 2020 pada
pukul 09.10 - 10.50 WIB. Bertempat di Laboratorium Bioteknologi,
Agroekoteknologi, Fakultas Pertanian Universitas Sultan Ageng Tirtayasa.

3.2 Alat dan Bahan

Adapun alat yang digunakan pada praktikum kali ini adalah alat tulis dan
kalkulator.
Adapun bahan yang digunakan yaitu, kertas HVS.

3.3 Cara Kerja

Adapun cara kerja praktikum ini antara lain :
1. Disiapkan alat dan bahan
2. Menghitung lama penyinaran menggunakan rumus empirisnya dengan
bantuan kalkulator
3. Data untuk energi radiasi matahari dihitung menggunakan rumus empiris
dengan bantuan kalkulator
4. RH dari tekanan uap berdasarkan wet bulb dan dry blub dihitung
menggunakan rumus empiris dengan bantuan kalkulator
5. Dibuat tabel dan grafik dalam bentuk laporan.

6
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Hasil
Tabel 1. Hasil Perhitungan Prosentase Lama Penyinaran Bulanan.
Jumlah Hari % Penyinaran Hasil % Penyinaran
Bulan
Hujan Pengamatan Perhitungan
Januari 25 45,9 33,75%
Februari 19 43,1 47,25%
Maret 18 59,5 49,5%
April 11 60,0 65,25%
Mei 4 63,9 81%
Juni 2 61,9 85,5%
Juli 1 64,4 87,75%
Agustus 5 88,1 78,75%
September 0 72,3 90%
Oktober 14 46,9 58,5%
November 18 45,3 49,5%
Desember 19 57,8 47,25%

Grafik 1. Hasil Perhitungan Prosentase Lama Penyinaran Bulanan.

100
80
60
40
%Pengamatan
20 %Perhitungan
0

Tabel 2. Hasil Perhitungan Energi Radiasi Matahari.

7
 Tgl /Maret Io a b n/N I (Kal/cm2/hari)
1 814.6 0.230 0.480 0.98 570.53
2 814.6 0.230 0.480 0.95 558.82
3 814.6 0.230 0.480 1.00 578.37
4 814.6 0.230 0.480 0.76 484.52
5 814.6 0.230 0.480 0.50 382.86
6 814.6 0.230 0.480 0.50 382.86
7 814.6 0.230 0.480 0.90 539.27
8 814.6 0.230 0.480 0.75 480.61
9 814.6 0.230 0.480 0.80 500.16
10 814.6 0.230 0.480 0.90 539.27
11 814.6 0.230 0.480 1.00 578.37
12 814.6 0.230 0.480 0.90 539.27
13 814.6 0.230 0.480 0.90 539.27
14 814.6 0.230 0.480 0.75 480.61
15 814.6 0.230 0.480 0.20 265.56
16 814.6 0.230 0.480 0.70 461.06
17 814.6 0.230 0.480 0.85 519.71
18 814.6 0.230 0.480 0.70 461.06
19 814.6 0.230 0.480 0.90 539.27
20 814.6 0.230 0.480 0.70 461.06
21 814.6 0.230 0.480 0.90 539.27
22 814.6 0.230 0.480 0.70 461.06
23 814.6 0.230 0.480 0.75 480.61
24 814.6 0.230 0.480 1.00 578.37
25 814.6 0.230 0.480 1.00 578.37
26 814.6 0.230 0.480 0.85 519.71
27 814.6 0.230 0.480 1.00 578.37
28 814.6 0.230 0.480 1.00 578.37
29 814.6 0.230 0.480 0.80 500.16
30 814.6 0.230 0.480 1.00 578.37
31 814.6 0.230 0.480 0.50 382.86

Tabel 3. TekananUap Air Berdasarkan WB dan DB.

Tgl / Ta (drj Tw (drj P Es Ed RH (%) RH+
Mei celcius) celcius) (mbar) (mbar) (mbar)
1 25,300 21,200 1012,38 25,59 22,78 88,9 78
2 25,300 21,000 1012,38 25,27 22,46 88,88 78
3 25,400 21,100 1012,38 25,43 22,49 88,44 74
4 25,400 24,200 1012,38 30,39 29,57 97,3 80
5 26,600 23,800 1012,38 29,75 27,83 93,55 84
6 27,500 23,800 1012,38 29,75 28,31 95,16 80
7 27,600 25,000 1012,38 31,67 29,88 94,35 79
8 27,800 25,600 1012,38 32,96 31,12 94,42 81
9 28,400 25,000 1012,38 31,67 28,74 90,75 82

8
 10 27,500 23,200 1012,38 28,79 25,15 87,36 86
11 26,800 23,400 1012,38 29,11 26,23 90,11 80
12 26,800 24,000 1012,38 30,07 27,68 92,05 82
13 27,500 25,200 1012,38 31,99 30,01 93,81 82
14 27,900 24,800 1012,38 31,85 29,19 91,65 80
15 26,800 23,000 1012,38 28,47 25,26 88,72 84
16 26,500 22,400 1012,38 27,51 24,07 87,49 82
17 25,900 20,800 1012,38 24,95 20,73 83,21 78
18 25,100 21,000 1012,38 25,27 22,07 87,34 78
19 25,700 22,000 1012,38 26,87 23,77 88,46 75
20 26,800 21,600 1012,38 26,23 21,89 83,42 76
21 26,500 24,200 1012,38 30,39 28,43 92,64 75
22 27,500 24,200 1012,38 30,39 27,57 90,72 79
23 27,600 23,000 1012,38 28,47 24,58 86,34 74
24 26,800 23,600 1012,38 29,43 26,7 90,72 75
25 27,300 24,400 1012,38 30,71 28,3 92,15 75
26 27,400 23,800 1012,38 29,75 26,69 89,71 75
27 27,000 23,800 1012,38 29,75 27,03 91,78 79
28 27,300 24,600 1012,38 31,03 28,72 92,56 79
29 27,600 24,000 1012,38 30,07 27 89,79 76
30 27,100 23,600 1012,38 29,43 26,46 89,91 75
31 26,700 23,800 1012,38 29,75 27,28 95,44 80

Grafik 3. Tekanan Uap Air Berdasarkan WB dan DB.

120

100

80

60
RH (%)
40 RH+

20

4.2 Pembahasan
Pada praktikum kali ini, kami melakukan penghitungan menggunakan
rumus empiris untuk menentukan iklim di suatu tempat dan
membandingkannya dengan data yang sudah ada. Salah satu variable yang

9
dihitung adalah hujan, Menurut Neiburger (1982) Hujan adalah nama yang
diberikan untuk semua curahan cair yang bukan gerimis. Titik hujan terkecil
bergaris tengah 0,5 mm. ukuran tebesar mengalami perbatasan alami. Titik
yang bergaris tengah > 0,5mm tidak mantap dan terpecah menjadi titik kecil
ketika jatuh. Dalam awan yang mengalami gerakan ke atas melebihi
kecepatan itu, tidak ada titik yang dapat jatuh ke tanah. Hujan curah yang
terdiri dar hujan dengan perubahan intensitas yang cepat serta permulaan dan
akhir yang tiba-tiba jatuh dari awan bergolak. Hujan dikatakan kecil jika jatuh
dengan kecepatan kurang dari 0,5mm / jam, hujan dari 0,5-44 mm / jam,
hujan lebat lebih dari 44 mm / jam.
Rumus empiris ini digunakan untuk menentukan data yang didapatkan
dengan cara manual dan membandingkannya dengan data hasil dari
perhitungan stasiun statistika. Setelah dibandingkan, kita dapat mengetahui
tingkat akurasi dan perbedaan antara perhitungan alat dan penghitungan
secara manual. Untuk menghitung manual kita menggunakan rumus empiris,
dimana rumus empiris sendiri terbagi tiga yaitu rumus untuk lamanya
penyinaran sinar matahari menggunakan S = ( - 2,25 hari hujan + 90 ) %,
rumus untuk mencari energi radiasi matahari meggunakan rumus I / IO a +
b.n / N, dan rumus untuk menentukan tekanan uap air dengan menggunakan
rumus ed = es – 0,000660 .p. (Ta – Tw) . (1 + 0,00115. Tw), ketiga rumus ini
saling berkaitan untuk menentukan iklim di suatu wilayah.
Dari data yang telah didapatkan bisa dilihat bahwa pada data stasiun
klimatologi sangat jarang sekali ditemukan angka yang seragam, namun
sangat mudah ditemukan angka yang seragam pada penghitungan manual, hal
ini mungkin dikarenakan masih ada variable lain yang digunakan oleh stasiun
klimatologi pada penghitungannya. Selain itu data yang digunakan oleh
stasiun klimatologi tidak mengalami pembulatan sama sekali sehingga
dihasilkan data yang berbeda dan jarang ditemukan angka yang sama. Dari
hasil yang di dapat berbeda - beda dapat dipengaruhi juga oleh faktor lain,
yaitu berbedanya jumlah jam penyinaran matahari pada tiap harinya, ini jelas
membuat hasil yang didapatkan berbeda, selain itu ada juga faktor lain yang
mempengaruhi berbeda - bedanyanya hasil seperti suhu udara, jika suhu udara

10
berbeda dan suhu dipermukaan berbeda maka akan membuat jam penyinaran
dan jumlah penyinaran semakin besar, dan juga kelembapan dapat
mempengaruhi energi radiasi matahari.
Dari hasil grafik juga bisa dilihat dimana grafik menunjukkan
perbandingan angka yang sedikit hingga sangat jauh yang saling
berdampingan. Selain itu juga ada beberapa hasil dari perhitungan yang
hampir signifikan dan ada juga beberapa data yang sangat berbeda bahkan
sangat jauh hingga berbalik. Faktor lainnya yang juga dapat mempengaruhi
yaitu ketelitian manusia dalam penghitungan dimana data tersebut bisa saja
terdapat kesalahan yang dapat mengubah hasil akhirnya karena penghitungan
manual perlu dihitung satu persatu dan dapat melelahkan mata.

11
 BAB V
PENUTUP

5.1 Simpulan
Berdasarkan hasil praktikum yang telah dilakukan, kami mendapatkan
bahwa ada banyak sekali hal yang dapat memuat hasil menghitungan
menggunakan alat dan penghitungan manual menjadi berbeda, beberapa
diantaranya yaitu penghitungan yang kurang akurat, kelengkapan data,
pembulatan angka, tingkat akurasi data yang tinggi, dan juga factor kelalaian
manusia

5.2 Saran
Pada praktikum kali ini, saran yang bisa diberikan adalah pastikan saat
melakukan penghitungan, data yang telah dihitung sudah benar hasilnya,
pastikan juga pada saat pembulatan bisa dibulatkan ke 3 angka terakhir
ataupun lebih mendekati lagi.

12
 DAFTAR PUSTAKA

Bey, A. 1991. Kapita Selekta Dalam Agroklimatologi. Bogor : Direktorat Jendral

Tinggi Departemen Pendidikan dan Kebudayaan.
Jackson, I. J. 1984. Climate, Water, and Agriculture. New  York : John Wiley and
Sons, Inc.
Linder, Van der. 1981. An Input-Output analysis with respect to water
and it’s load for a tropical watershed. The Indonesia Journal of
Geography. Vol.11 No.42 Hal.19-39.
Neiburger, M. Memahami Lingkungan Atmosfer Kita. Bandung : Institut
Teknologi Bandung Press.
Ruzlieh. 2014. Klimatologi Umum. Bandung : Penerbit Bandung.
Subarno, M. T.1998. Klimatologi Dasar. Yogyakarta : UPN Veteran Press.
Wibowo, W. 2002. Perbandingan hasil klasifikasi analisis diskriminan dan regresi
logistik pada pengklasifikasian data respon biner. Kappa Jurnal Sains.
Vol.3 No.1 Hal.36-37.
Wisnubroto. 1999. Meteorologi Pertanian Indonesia. Yogyakarta : Mitra Gama
Widya.
Williams, G. D. V. 1983. Agroclimatic resource and analysis an example using a
index derived and applied for Canada. Agricultural Meteorological
Journal, Vol.28 No.1 Hal.31-47.
Wisnusubroto, S. Aminah, S. Siti Lela. dan Nitisapto Mulyono. 1986. Asas-asas
Meteorologi. Yogyakarta : Ghalia Indonesia.

13