ANALISIS CURAH HUJAN

Dr. HILDA SUSANTI, S.P, M.Si

DIAGRAM ALIR STRATEGI PENDEKATAN AGROKLIMAT DALAM
SISTEM USAHA TANI
PENDUGAAN DATA HILANG DAN PENGECEKAN DATA

kehilangan data dapat mengurangi ketepatan hasil analisis.

Oleh karena itu pendugaan nilai data hilang perlu dilakukan.
Pengecekan data apakah bersifat homogen atau tidak merupakan bagian
penting dalam analisis statistika. Uji kehomogenan data merupakan suatu
keharusan sebelum analisis dilakukan.

suatu deretan data iklim mempunyai sifat seperti peubah acak, artinya deretan
data iklim dapat didefinisikan sebagai contoh yang diambil dari suatu populasi.
Jadi, bilamana data tidak homogen berarti contoh yang diambil bukan berasal
dari populasi yang sama.
PENGECEKAN KUALITAS DATA IKLIM

Pengecekan data dilakukan untuk menguji apakah data homogen

atau tidak. Data iklim dikatakan homogen apabila simpangan yang
terdapat pada data hanya diakibatkan oleh simpangan pada iklim dan
cuaca, bukan oleh hal lain (perubahan lingkungan di sekitar stasiun
pengamat iklim, perubahan alat atau cara pengukuran).

Data yang dapat dipercaya dan dapat dianalisis lebih lanjut adalah
data yang konsisten. Data iklim disebut konsisten berarti data yang
terukur dan dihitung adalah teliti dan benar serta sesuai dengan
fenomena saat hujan itu terjadi.
Beberapa hal yang menyebabkan data hujan tidak konsisten, antara lain
karena:

1) Periode data yang tersedia kurang panjang

2) Pengantian jenis alat atau spesifikasi alat dari alat ukur biasa menjadi alat
ukur otomatis
3) Perkembangan lingkungan sekitar pos pengamat, misal dari kawasan
persawahan menjadi kawasan perkantoran dengan gedung tinggi sehingga
hujan tidak dapat terukur seperti kondisi semula.
4) Pemindahan lokasi pos pengamat atau perubahan elevasi (misal penakar
hujan), dari alat ukur biasa ditanam berubah elevasi menjadi 1,2 m, dan
5) Perubahan alam, misal perubahan iklim (climate change).
Lima cara untuk mengecek kualitas data iklim adalah:

1) Melaksanakan pengecekan lapangan, untuk memastikan apakah pos

pengamat masih beroperasi sama dengan ketentuan teknisnya atau sudah
terjadi perubahan, cek jenis alat, kedudukan alat, perubahan lokasi dan
perkembangan lokasi sekitar pos hujan tersebut
2) Melaksanakan pengecekan ke kantor pengolahan data untuk mengetahui
sejarah pengoperasian pos pengamat, metode pengukuran dan atau
perhitungan yang dilakukan
3) Membandingkan data hujan dengan data iklim untuk lokasi yang sama
4) Analisis kurva massa ganda, dan
5) Analisis statistik
MENGUJI KONSISTENSI ANALISIS KURVA MASSA GANDA

Besar koreksi sesuai dengan

kemiringan perubahan dari garis
lurus tersebut. Jika data sebelum
perubahan garis itu kemiringannya
sebesar b dan setelah berubah
sebesar a ke arah bawah, maka
rekaman data pos Y yang
tergambar pada kemiringan b (data
pos Y terdahulu sebelum berubah)
harus dikoreksi dengan dikalikan
suatu faktor sebesar (a/b) agar
konsisten dengan rekaman data
yang terbaru (setelah berubah)
Teladan 1.
Data hujan tahunan dari pos Y dan data hujan acuan tahunan X (rerata dari pos
A, B, C, D dan E dengan alat ukur otomatis) yang berada di sekeliling pos Y
ditunjukkan pada Tabel 1. Data yang digunakan mulai tahun 1984 – 1997.
Gunakan analisis kurva massa ganda untuk menguji konsistensi data hujan pos
Y karena pada tahun 1991 terjadi pergantian alat di pos Y dari alat ukur biasa
menjadi otomatis.

Jawaban

Sebelum tahun 1991 kemiringannya sebesar b = 1,21 dan setelah tahun 1991
kemiringannya sebesar a = 0,97. Maka faktor koreksi sebesar (a/b)
=(0,97/1,21) = 0,80 Maka untuk mengoreksi data hujan pos Y sebelum tahun
1991 harus dikalikan 0,80 dan hasilnya ditunjukkan pada Tabel 2.
Tabel 2.

Jika garis yang dihasilkan berfluktuasi cukup berarti, maka yang dirajahkan
adalah data hasil rerata bergerak (moving averages) 5 tahunan.
PENGUJIAN KEERATAN DATA ANTAR STASIUN KLIMATOLOGI
Metode yang cepat dan sederhana yang dapat menunjukkan keeratan
hubungan antar stasiun adalah Metode Ranking Kendall.
Metode ini membandingkan data dari kedua stasiun yang akan dibandingkan.

Bila T = 1 berarti hubungan antara kedua stasiun sangat erat, bila T = -1 berarti
tidak ada hubungan sama sekali antara kedua stasiun tersebut. Semakin kecil
nilai T, maka penggunaan data dari stasiun pembanding untuk menduga data
hilang semakin tidak disarankan.
Menguji Apakah Pos A memiliki Keeratan Data
dengan Pos B
PENGISIAN DATA KOSONG

Tiga cara untuk memperkirakan data hujan periode kosong tersebut

adalah sebagai berikut:
1) Rerata aritmatik (aritmatical average)
2) Perbandingan normal (normal ratio)
3) Kantor Cuaca Nasional Amerika Serikat (US National Weather
Service).
METODE RERATA ARITMATIK

Apabila pos pengamat iklim, misal pos pencatat hujan (X) terdapat data kosong,
maka data pada periode kosong itu dapat diduga berbasis data dari pos hujan
A, B dan C yang lokasinya berdekatan. Apabila semua pos hujan itu mempunyai
karakteristik sama dan curah hujan normal tahunan dari pos A, B dan C
tersebut lebih kecil dari 10% berbeda dengan pos hujan X, maka data hujan
dari pos X pada periode kosong dapat dihitung dengan rumus: Rx = 1/3 (Ra +
Rb + Rc )

Rx, Ra, Rb, dan Rc adalah curah hujan di pos X, A, B dan C.

METODE PERBANDINGAN NORMAL

Apabila curah hujan normal di pos A, B dan C tersebut berbeda lebih

dari 10% dari pos hujan X, maka metode aritmatik tidak berlaku.
Metode perbandingan normal berikut ini dianjurkan untuk
digunakan:

Rx = 1/3 {(Nx/Na) Ra + (Nx/Nb) Rb + (Nx/Nc) Rc )

Teladan 2
Selama bulan Januari 1997 suatu wilayah dengan luas 80 km2
mempunyai 4 pos hujan, yaitu X, A, B dan C. Pos hujan X saat itu
rusak sehingga data hujan di pos itu tidak terukur. Tentukan tinggi
hujan di pos X dengan kedua metode di atas, bila curah hujan
normal tercatat lebih dari 30 tahun dan diketahui :
METODE KANTOR CUACA AMERIKA SERIKAT

Rx = tinggi hujan di pos X yang

akan diduga
Hi = tinggi hujan di pos A, B, C dan
D.
Li menunjukkan jarak pos hujan A,
Posisi Pos Hujan X dan Pos Hujan Indeks A, B, C dan D.
B, C dan D terhadap pos hujan X
Teladan 3.
Jawaban

Rx =106.56 mm