LAPORAN PRAKTIKUM

HIDROMETEOROLOGI

(GEL 0203)

ACARA V

HUJAN EKSTREM DAN ANALISIS FREKUENSI

Disusun oleh:

Nama : Fiqi Ilham Santoso

NIM : 21/478214/GE/09615
Hari : Kamis, 29 September 2022
Waktu : 09.15-11.55
Asisten : 1. Azhar Firman Ghani
2. Fachrurizal Sai Kintoro

LABORATORIUM HIDROLOGI DAN KLIMATOLOGI LINGKUNGAN

DEPARTEMEN GEOGRAFI LINGKUNGAN
FAKULTAS GEOGRAFI
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2022
I. Judul
Acara V
Hujan Ekstrem dan Analisis Frekuensi

II. Tujuan
Kegiatan praktikum dilakan dengan harapan mampu menjawab tujuan-tujuan di
antaranya sebagai berikut.
1. Menentukan karakteristik hujan ekstrem suatu wilayah
2. Menentukan distribusi frekuensi hujan suatu wilayah

III. Langkah Kerja

Alat dan Bahan

Kegiatan praktikum dilakukan dengan menggunakan alat dan bahan di antaranya
sebagai berikut.
1. Laptop
2. Alat tulis
3. Data presipitasi Tahun 2003-2018
4. Software GNU Octave
5. Microsoft Excel
6. Bahan literatur tambahan
Diagram Alir

Data Octave Hujan

Tahun 2003-2018

Export Data Hujan Tahun 2003-2018

ke format Excel dengan GNU Octave

Input data hujan gabungan 2003-2018

ke dalam Excel meliputi hari, bulan,
dan tahun

Pembuatan tabel dan formula Excel
perhitungan RX1D, RX5D, R20mm,
R50mm, dan RTOT
Pengolahan data untuk mengetahui
RX1D, RX5D, R20mm, R50mm, dan
RTOT
Pembuatan tabel dan formula excel
koreksi, pembulatan, curah hujan,
frekuensi, distribusi frekuensi, dan
frekuensi kumulatif
Pengolahan data untuk mengetahui
distribusi frekuensi dan frekuensi
kumulatif

Tabel pivot jumlah kejadian hujan Penentuan R90p dan R95p dengan
ekstrem tahunan untuk R20mm, R50, perhitungan manual
RX1D, RX5D, RTOT, R90p, dan
R95p
Grafik Distribusi Frekuensi dan
Distribusi Frekuensi Kumulatif (CDF)
dari data hujan

input proses output

IV. Hasil dan Pembahasan
Hasil
Berdasarkan kegiatan praktikum yang telah dilakukan, dapat diperoleh hasil antara lain
sebagai berikut.
1. Tabel 5.1 Jumlah Kejadian Hujan Ekstrem Tahunan untuk R20mm, R50mm, R90p, R95p,
RX1d, Rx5d, R90p, R95p dan RTOT Tahun 2003-2018 (terlampir).
2. Gambar 5.1 Grafik Jumlah Kejadian Hujan Ekstrem Tahunan untuk R20mm, R50mm,
R90p, R95p, RX1d, Rx5d, R90p, R95p, dan RTOT Tahun 2003-2018 (terlampir).
3. Gambar 5.2 Grafik Fungsi Distribusi Kumulatif (CDF) (terlampir).
4. Tabel 5.2 Contoh perhitungan R90p dan R95p (terlampir).
5. Gambar 5.3 Grafik Distribusi Frekuensi (terlampir).
Pembahasan
Hujan dengan intensitas yang relatif tinggi atau bisa disebut juga sebagai hujan ekstrem
menjadi salah satu penyabab bencana meteorologis yang diperlikan memiliki frekuensi yang
semakin meningkat dalam skala global saat ini. Bencana yang berkaitan dengan adanya curah hujan
ekstrem meliputi banjir dan tanah longsor (Sekaranom, 2021). Hal ini mendorong adanya
identifikasi lebih lanjut mengenai curah hujan ekstrem untuk mengkaji dampak dan implikasi yang
berpengaruh langsung terhadap kondisi lingkungan dan aktivitas penduduk. Proses identifikasi
peristiwa curah hujan diperlukan beberapa indeks seperti ambang batas curah hukan harian,
ambang batas spesifik lokasi dengan persentil, serta dengan intensitas curah hujan maksimum
(Sekaranom, 2021).
Secara umum, indeks ambang batas yang digunakan meliputi ambang batas tetap curah
hujan harian 20mm (R20mm). dan 50mm (R50mm), ambang batas spesifik lokasi dengan persentil
R90p dan R95p. Selain itu, analisis hujan ekstrem dengan intensitas curah hujan maksimum
meliputi harian maksimum (RX1d), kumulatif maksimum lima harian (RX5d), dan kumulatif total
curah hujan tahunan (RTOT). Menurut (Marpaung, et al., 2012), nilai ambang batas (threshold)
diperlukan karena berfungsi sebagai penanda atau syarat dalam melakukan identifikasi kejadian
hujan ekstrem dengan menerapkan fungsi distribusi kumulatif. Menurut (Fadholi & Adzani, 2018),
hasil dari nilai ambang batas curah hujan ekstrem dan frekuensi yang telah diperoleh dapat menjadi
bahan analisis lebih lanjut serta dapat disajikan salah satunya dalam bentuk peta interpolasi
sehingga diperoleh distribusi nilai batas ekstrem dan pola distribusinya.
Berdasarkan data yang disajikan pada Tabel 5.1, terdapat data jumlah curah hujan ekstrem
dengan indeks analisis untuk R20mm, R50mm, R90p, R95p, RX1d, Rx5d, dan RTOT pada periode
2003-2018. Indeks ambang batas untuk R20mm dan R50mm mengindikasikan jumlah hari hujan
lebat yang menunjukkan intensitas ≥ 20 mm dan ≥ 50 mm (Uddin, et al., 2022). Berdasarkan Tabel
5.1, contohnya pada tahun 2003-2018 jumlah ambang batas R20mm adalah 439 menggambarkan
bahwa telah terjadi 439 kali periode curah hujan harian yang intensitasnya ≥ 20 mm dalam periode
waktu tersebut, serta pada jumlah ambang batas R50mm yang bernilai 26 maka terjadi 26 kali
intensitas curah hujan lebat harian dalam periode 2003-2018. Sementara itu, pada parameter RX1D,
RX5D, dan RTOT menunjukkan besar intensitas curah hujan dimana pada perhitungan curah hujan
maksimum harian (RX1D), maksimum kumulatif lima harian (RX5D), dan maksimum kumulatif
tahunan secara berututan bernilai 30984,41 untuk RX1D dan RTOT karena RTOT merupakan
kumulatif curah hujan RX1D tiap tahun dan 154822,47 untuk RX5D.
Berdasarkan grafik pada Gambar 5.1, tahun 2010 menunjukkan bahwa nilai RX1D dan
RX5D memiliki hubungan linier yakni menjadi puncak dari jumlah hujan ektrem periode 2003-
2018. Kondisi ini dapat memperkuat dugaan mengenai bencana hidrometeorlogis akibat intensitas
curah hujan ekstrem tahun tersebut karena mampu menjadi dasar analisis hubungan kausalitas
peristiwa pada tahun tersebut. Selain menggunakan indeks ambang batas dan intensitas jumlah
hujan maksimum, analisis hujan ekstrem juga dapat diketahui dengan melihat indeks lokasi
persentil R90p dan R95p yang dapat diperoleh melalui data fungsi distribusi kumulatif. Menurut
(Wang & Chen, 2013), pencocokan fungsi distribusi kumulatif dengan interval sama dapat
digunakan untuk memperbaiki bias curah hujan dengan pemodelan yang masih mentah.
Berdasarkan grafik fungsi distribusi kumulatif (CDF) pada Gambar 5.2, diketahui bahwa
terdapat nilai persentil 90 (R90p) dan 95 (R95p) yang menunjukkan nilai curah hujan tertentu.
Berdasarkan data yang telah diolah dan telah dilakukan perhitungan untuk mencari nilai R90p dan
R95p seperti pada Tabel 5.2, diperoleh nilai curah hujan sebesar 22,63 pada persentil 90 dan 29,62
pada persentil 95. Implikasi dari hasil data R90p dan R95p mampu memperlihatkan distribusi
spasial curah hujan di suatu stasiun serta dapat mengetahui kondisi iklim di suatu wilayah seperti
kering, sangat kering, basah, dan sangat basah (Katsanos, et al., 2018). Berdasarkan nilai R90p dan
R95p seperti pada Tabel 5.1, mengindikasikan bahwa wilayah observasi memiliki karakteristik
sangat basah karena adanya pengaruh intensitas curah hujan ekstrem.
Konsekueni dari laju presipitasi memberikan dampak pada permukaan lahan karena faktor
jumlah presipitasi dan intensitasnya yang sampai di permukaan sehingga juga berkorelasi terhadap
jumlah ketersediaan air di permukaan (Shelton, 2009). Jika ditinjau dari adanya pengaruh hujan
ekstrem, dapat dipastikan bahwa suatu lokasi relatif memiliki ketersediaan air yang melimpah.
Namun, kondisi hujan ekstrem juga dapat memicu adanya potensi bencana di suatu wilayah yang
merugikan. Dengan demikian, analisis hujan ekstrem perlu dilakukan untuk melihat bagaimana
potensi dan permasalahan yang dapat ditimbulkan guna melakukan proses perencanaan dan
mitigasi menganai implikasi dari hasil analisis hujan ekstrem tersebut.
V. Kesimpulan
Berdasarkan hasil dan pembahasan pada kegiatan praktiikum yang telah dilakukan, maka
dapat ditarik beberapa kesimpulan di antaranya sebagai berikut.
1. Karakteristik hujan ekstrem di suatu wilayah dapat dilakukan dengan proses identifikasi
peristiwa presipitasi menggunakan indeks seperti ambang batas curah hukan harian, ambang
batas spesifik lokasi dengan persentil, serta dengan intensitas curah hujan maksimum. Selain
itu, analisis karakteristik hujan ekstrem juga dapat menggunakan data ditribusi frekuensi dan
fungsi distribusi kumulatif (CDF). Karakteristik hujan ekstrem mampu menggambarkan
potensi dan permasalahan sebagai bagain dari implikasi dari adanya intensitas hujan yang
sangat tinggi seperti bencana-bencana hidrometeorologis.
2. Distribusi frekuensi hujan merupakan suatu data yang dapat digunakan sebagai parameter
untuk melakukan analisis hujan ekstrem di suatu wilayah. Hasil dari nilai ambang batas
(threshold) dari data hujan kemudian dilakukan pengolahan untuk melihat distribusi frekuensi
hujan untuk mengetahui nilai batas curah hujan ekstrem dan pola distribusinya. Distribusi
frekuensi hujan dapat disajikan menggunakan grafik yang menunjukkan hubungan antara
presentil dengan curah hujan. Selain itu, fungsi distribusi frekuensi hujan kumulatif dengan
interval yang sama dapat digunakan untuk memperbaiki bias curah hujan dengan pemodelan
yang masih belum matang sehingga dihasilkan data pemodelan dengan bias yang lebih rendah.

Daftar Pustaka
Fadholi, A., & Adzani, R. (2018). Analisis Frekuensi Curah Hujan Ekstrem Kepulauan Bangka
Belitung Berbasis Data Climate Hazards Group Infra-Red Precipitation with Stations
(CHIRPS). Jurnal Pendidikan Geography, 22-32.
Marpaung, S., Setiadi, D., & Harjana, T. (2012). Analisis Kejadian Curah Hujan Ekstrem di Pulau
Sumatera Berbasis Data Satelit . Jurnal Sains Dirgantara, 127-138.
Katsanos, D., Retalis, A., Tymvios, F., & Michaelides, S. (2018). Study of Extreme Wet and Dry
Periods in Cyprus Using Climatic Indices. Atmospheric Research, 88-93.
Sekaranom, A. B. (2021). Kejadian Hujan Ekstrem Wilayah Tropis. Yogyakarta: Gadjah Mada
University Press.
Shelton, M. L. (2009). Hydroclimatology: Perspective and Applications. New York: Cambridge
University Press.
Uddin, M. J., Li, Y., Tamim, M. Y., Miah, M. B., & Ahmed, S. S. (2022). Extreme Rainfall Indices
Prediction with atmospheric Parameters and Ocean-Atmospheric Teleconnections Using a
Random Forest Model . Journal of Applied Meteorology and Climatology, 651-667.
LAMPIRAN

Tabel 5.1 Jumlah Kejadian Hujan Ekstrem Tahunan untuk R20mm, R50mm, R90p, R95p,
RX1d, Rx5d, dan RTOT Tahun 2003-2018
Sum of Sum of Sum of Sum of
Tahun Sum of RX1D R90p R95p
R20mm R50mm RTOT RX5D
2003 27 1 30984,41 1670,857479 8272,957858
2004 29 3 1875,455042 9307,888807
2005 20 0 1655,471355 8181,61323
2006 37 2 2047,326363 10355,6784
2007 21 1 1942,894755 9671,326562
2008 33 4 2259,619533 11207,80225
2009 21 1 1603,763774 8097,124322
2010 35 2 2744,01984 13712,66268
26,63 29,62
2011 30 1 1936,437338 9662,501639
2012 23 2 1868,755776 9041,621577
2013 30 1 2001,310597 10393,85645
2014 19 0 1550,501564 7796,660839
2015 18 0 1492,093713 7388,248056
2016 40 3 2567,018835 12766,46234
2017 32 2 2083,880505 10522,59105
2018 24 3 1685,00326 8443,469652
Grand
439 26 30984,41 30984,40973 154822,4657 29,63 29,62
Total
 Grafik Hujan Ekstrem Tahunan untuk R20mm, R50mm,
R90p, R95p, RX1d, Rx5d, dan RTOT Tahun 2003-2018
Sum of RX1D Sum of RX5D Sum of R20mm Sum of R50mm
Sum of RTOT Sum of R90p Sum of R95p
35000

30000

25000

20000
Jumlah

15000

10000

5000

0
2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018
Tahun

Gambar 5.1 Grafik Jumlah Kejadian Hujan Ekstrem Tahunan untuk R20mm, R50mm, R90p, R95p,
RX1D, dan RX5D
 Grafik Cumulative Distribution Function (CDF)
120,00

100,00
95
90
80,00
Persentil

60,00

40,00

20,00

0,00
0 10 20 30 40 50 60
Curah hujan

Frequensi kumulatif (%)

Gambar 5.2 Grafik Fungsi Distribusi Kumulatif (CDF)

Persentil 90 (R90p) Persentil 95 (R95p)

𝑋 − 22 90 − 89,19 𝑋 − 29 95 − 94,74
= =
23 − 22 90,47 − 89,19 29 − 30 95,16 − 94,74
0,81 0,26
𝑋 − 22 = 𝑋 − 29 =
1,28 0,42
𝑋 − 22 = 0,63 𝑋 − 29 = 0,62
𝑋 = 22,63 𝑋 = 29,62

Nilai R90p = 22,63 Nilai R95p = 29,62

Tabel 5.2 Contoh perhitungan R90p dan R95p

 Grafik Distribusi Frekuensi
18,00

16,00

14,00

12,00

10,00
Persentil

8,00

6,00

4,00

2,00

0,00
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52
Curah Hujan (mm)

Gambar 5.3 Grafik Distribusi Frekuensi