See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/338883061

Model Stokastik Markov Untuk Perhitungan Probabilitas Jenis Tahun Kering-

Normal-Basah Berdasarkan Data Curah Hujan di Pos Hujan Slamet Waingapu,
Kabupaten Sumba Timur

Conference Paper · January 2020

CITATIONS READS

0 1,087

1 author:

Jakobis Johanis Messakh

Universitas Nusa Cendana
22 PUBLICATIONS 106 CITATIONS

SEE PROFILE

All content following this page was uploaded by Jakobis Johanis Messakh on 29 January 2020.

The user has requested enhancement of the downloaded file.

 ISBN: 978-602-52419-6-3

PROCEEDING

Inovasi Pendidikan dalam Nuasnsa Kebangsaan

Makna Sosial Dan Religius Lodok sebagai Lambang Identitas Kultural Masyarakat Mangga-
rai .......................................................................................................................... 104-107
Hendrikus Pous, dkk.

Self regulated learning sebagai Strategi Belajar Siswa Sekolah Dasar ......................... 108-114
Benediktus Kasa

Peningkatan Kinerja Unit Produksi Jasa Sekolah Menengah Kejuruan Melalui Penerapan
Lean Production System dan Aplikasi Sistem Estimasi Waktu dan Biaya Produksi .......... 115-118
Fahrizal

Pelatihan Penulisan Penelitian Tindakan Kelas dan Artikel Ilmiah Sebagai Upaya Peningka-
tan Profesionalisme Guru-Guru SMA Negeri 1 Kupang Tengah .................................... 119-123
Markus U. K. Yewang, dkk.

Penyuluhan tentang Pelestarian Situs Sejarah dan Pemanfaatan Nilai-Nilai Sejarah Kerajaan
Amanuban di Sonaf Sonbesi di Kelurahan Niki-Niki Kecamatan Amanuban Tengah Kabupaten
Timor Tengah Selatan ............................................................................................. 124-127
Malkisedek Taneo, dkk.

Peningkatkan Hasil Belajar Siswa Mata Pelajaran Kimia melalui Sumber Belajar Modul Berba-
Sis Web ................................................................................................................. 128-133
Sudirman dan Jasman

Model Stokastik Markov untuk Perhitungan Probabilitas Jenis Tahun Kering-Normal-Basah

Berdasarkan Data Curah Hujan di Pos Hujan Slamet Waingapu, Kabupaten Sumba Timur
.............................................................................................................................. 134-142
Jakobis Johanis Messakh

Arsitektur Eksperimental: Wujud Budaya Inovatif Arsitektur Modern dalam Mengantisipasi

Masa Depan ........................................................................................................... 143-153
Ariency Kale Ada Manu

Pelatihan Program “Geogebra”, Model-Model Pembelajaran, Penulisan Proposal dan Lapo-

ran Hasil Ptk Bagi Guru-Guru Matematika Smp Kecamatan Larantuka........................... 154-158
Maria A. Kleden, Uda Geradus, dan Yoseph Sugi

Lingkungan Tata Ruang Kantor Layanan Administrasi Mahasiswa Terhadap Kinerja Pega-
wai di Biro Administrasi Akademik, Kemahasiswaan, Perencanaan, dan Sistem Informa-
si Undana Kupang NTT............................................................................................. 159-168
Agus H. H. Soepranoto, Hari Rarindo, dan Andreas Umbu Roga

Efektivitas Tata Warna dan Dekorasi Tempat Kerja Terhadap Prestasi Keselamatan dan
Kesehatan Kerja (K3) Pekerja di Pabrik Semen Kupang NTT ........................................ 169-176
Eben H. Kupa, Hari Rarindo, dan Jefri S. Bale

Pengaruh Proteksi Bahaya Kebakaran dan Manajemen Risiko terhadap Pengendalian Pem-
adam Api Ringan di Lingkungan Gedung Rektorat Undana ......................................... 177-184
Jonson Hermanus Laning, Hari Rarindo, dan Jefri S. Bale

Penggunaan Media Grafis dapat Meningkatkan Aktivitas dan Hasil Belajar Siswa Pada Kom-
petensi Dasar Transformasi di Kelas XI-IPS - 5 SMA Negeri 3 Kota Kupang Tahun Pelajaran
2016/2017 Semester Genap ..................................................................................... 185-193
Silvester Wanggur
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

MODEL STOKASTIK MARKOV UNTUK PERHITUNGAN

PROBABILITAS JENIS TAHUN KERING-NORMAL-BASAH
BERDASARKAN DATA CURAH HUJAN DI POS HUJAN SLAMET
WAINGAPU, KABUPATEN SUMBA TIMUR

Jakobis Johanis Messakh

Program Studi Pendidikan Teknik Bangunan, Fakultas Keguruan dan Ilmu Pendidikan, Universitas Nusa Cendana, Kupang,
Nusa Tenggara, Indonesia
email: jakobismessakh@staf.undana

Abstrak: Salah satu masalah terbesar bagi semua makhluk hidup adalah ketersediaan air yang
memadai dan memenuhi syarat. Air dalam jumlah banyak menyebabkan banjir, air dalam jumlah
sedikit menyebabkan masalah kekeringan, air tercemar menjadi sumber penyakit. Hujan
merupakan salah satu komponen utama siklus hidrologi dan merupakan sumber air utama di muka
bumi. Di sisi yang sama, kejadian hujan bersifat acak dan stokastik dalam ruang dan waktu
sehingga keberlanjutan pengelolaan sumber daya air sering menjadi masalah pelik. Secara
statistika persoalan ini dapat diminimalisir dengan melakukan prakiraan jenis tahun ke depan
untuk kepentingan pengelolaan sumber daya air. Penelitian ini bertujuan untuk mengkaji
probabilitas kejadian jenis tahun ke depan menurut klasifikasi tahun “kering-normal-basah” untuk
kepentingan pengelolaan sumber daya air berkelanjutan, berdasarkan data curah hujan di Pos
Hujan Slamet Waingapu, Kabupaten Sumba Timur. Data time series curah hujan yang dianalisis
sebanyak 29 tahun dari 1986 sampai 2014. Pengolahan dan analisis data menggunakan model
matematika yakni Model Stokastik Markov dan kalibrasi data menggunakan nilai korelasi R-
squared (R2). Hasil penelitian menunjukkan nilai R2 antara data curah hujan prakiraan dan time
series curah hujan historis adalah 0,66. Pada model markov prakiraan jenis tahun, menunjukkan
bahwa jika tahun saat ini adalah kering, maka peluang terbesar musim tahun mendatang adalah
tahun normal dengan probabilitas 0,50. Bila tahun saat ini adalah normal, maka peluang terbesar
kejadian musim tahun depan adalah tahun basah dengan probabilitas 0,56. Dan jika saat ini basah,
maka peluang terbesar kejadian musim tahun depan adalah tahun kering dengan probabilitas 0,50.
Hasil penelitian ini dapat digunakan oleh stakeholder terkait dalam rangka pengelolaan sumber
daya air berkelanjutan.

Keywords: Stokastik Markov, Waingapu, Curah Hujan, Sumber Daya Air

PENDAHULUAN
Menurut Cow, dkk. (1988). Kodoati dan Sjarief (2010), (Arwin, 2009), (Arwin, 2010), dan Messakh
(2017), air merupakan sumber daya alam yang paling unik jika dibandingkan dengan sumber daya lain
karena sifatnya yang terbarukan dan dinamis dalam suatu proses yang dinamakan siklus hidrologi.
Dalam proses ini, hujan memegang peranan penting dalam ketersediaan air di muka bumi, dimana
hujan akan selalu datang pada musimnya sesuai dengan waktu, namun ia juga bersifat acak dan
stokastik dalam ruang dan waktu. Namun, pada kondisi tertentu air dapat bersifat tak terbarukan, misal
pada kondisi geologi tertentu dimana proses perjalanan air tanah memerlukan waktu ribuan tahun,
sehingga bila pengambilan air tanah dilakukan secara berlebihan akan habis. Dalam pengertian ini
hujan adalah titik-titik air yang jatuh dari awan melalui lapisan atmosfer ke permukaan bumi secara
alami.
Arwin (2009) mengatakan bahwa komponen utama siklus hidrologi adalah hujan dan debit merupakan
parameter penting dalam input perencanaan infrastruktur sumber daya air dan pengelolaannya. Besar
curah hujan tercatat melalui pos hujan dalam periode menitan, jaman, harian, bulanan, dan tahunan.
Tipe hujan di suatu wilayah dipengaruhi oleh kondisi meteorologi pada saat itu dan keadaan topografi.
Pola curah hujan di Indonesia memiliki variasi yang berbeda secara spasial (Adrian dan Susanto,
2003), hal ini disebabkan karena wilayahnya yang berupa kepulauan dan berada pada daerah tropis.

134
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

Keunikan iklim dan pola hujan di Indonesia juga dipengaruhi oleh letaknya yang berada diantara dua
samudera dan dua benua.
Hujan yang merupakan salah satu komponen utama dalam siklus hidrologi merupakan sebuah
fenomena hidrologi yang sangat kompleks sehingga sulit untuk dapat dipahami seluruhnya. Untuk itu
dibutuhkan suatu abstraksi yang menempatkan fenomena tersebut ke dalam suatu model. Model
adalah suatu perkiraan atau penyederhanaan dari realitas yang sebenarnya (Indarto, 2010). Menurut
(Eriyatno, 1999) model adalah representasi atau abstraksi dari obyek atau situasi aktual yang
menggambarkan hubungan antar variabel.
Ada berbagai cara untuk mengklasifikasikan model. Berdasarkan bentuknya ada model fisik, model
analog dan model matematis (Indarto, 2010). Model dapat pula diklasifikasi menjadi: model
kuantitatif, model kualitatif, dan model ikonik (Muhammadi dan Soesilo, 2001). Tujuan dari model
hidrologi adalah untuk mempelajari siklus air yang ada di alam dan meramalkan outputnya. Model
hidrologi dapat digunakan antara lain untuk pengaturan bendungan, pengelolaan, dan pengembangan
DAS (Indarto, 2010).
Model-model matematik dalam ilmu hidrologi pada dasarnya dapat dibagi menjadi dua kelompok
besar yaitu: deterministik, dan stokastik (Indarto, 2010). Model hidrologi deterministik berusaha untuk
menggambarkan proses-proses fisis yang sesungguhnya dari siklus hidrologi, dengan cara menirukan
(simulasi) peristiwa-peristiwa hidrologi yang terjadi, misalnya dengan membuat transformasi dari
serangkaian masukan curah hujan ke hidrograf aliran yang dihasilkannya. Model stokastik berusaha
mengungkapkan kembali perilaku statistik dari serangkaian waktu hidrologi tanpa memperhatikan
kejadian yang sebenarnya.
Penelitian tentang model stokastik markov untuk prakiraan debit dan curah hujan telah dilakukan oleh
Arwin (1992), Arwin (1993), Messakh, dkk. (2013), Marganingrum, dkk. (2013), namun belum
dilakukan pada wilayah Sumba Timur, yang secara pengamatan memiliki keunikan dalam hal iklim,
curah hujan dan ketersediaan air yang ada (Messakh, dkk., 2017)
Daerah Kabupaten Sumba Timur merupakan daerah tropis kering dengan curah hujan berkisar antara
dua sampai tiga bulan (Messakh, dkk., 2017; FAO, 1989, UNEMG, 2010). Persoalan penyediaan air
bersih di sebagian besar wilayah ini masih menjadi persoalan yang serius setiap tahunnya yang belum
tertangani hingga saat ini.
Penelitian ini bertujuan untuk untuk mengetahui probabilitas kejadian jenis tahun ke depan pada
klasifikasi tahun “kering-normal-basah” berdasarkan data curah hujan di Pos Hujan Slamet Waingapu,
Kabupaten Sumba Timur. Penelitian ini diharapkan akan memberikan kontribusi terhadap stakeholder
terkait yang berkaitan dengan pengelolaan sumber daya air berkelanjutan di daerah beriklim kering,
khususnya di Sumba Timur.

Lokasi Penelitian

Lokasi penelitian di Kota Waingapu, Kabupaten Sumba Timur, Pulau Sumba, Provinsi Nusa Tenggara
Timur (NTT) yang merupakan daerah beriklim tropis kering di Indonesia (Gambar 1). Data BPS NTT
(2016) menyebutkan bahwa curah hujan di daerah tersebut berkisar antara dua sampai tiga bulan per-
tahun, dan sisanya sembilan sampai 10 bulan adalah musim kering yang panjang. Oleh karena itu
daerah ini lebih kering dari daerah lainnya di Nusa Tenggara Timur. Secara astronomi Kabupaten
Sumba Timur terletak diantara 8º - 12º Lintang Selatan, dan antara 118º - 125º Bujur Timur (BPS
NTT, 2016). Sedangkan letak Pos Hujan Slamet Waingapu adalah pada koordinat 9º40’ Lintang
Selatan dan 120º18’ Bujur Timur.

135
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

Gambar 1. Lokasi penelitian

METODE, DATA DAN ANALISIS

Pengumpulan data dilakukan dengan metode library research dengan mengambil data-data sekunder
yang diterbitkan oleh instansi Pemerintah terkait. Data mengenai curah hujan diperoleh dari Pos Hujan
Slamet Waingapu Kabupaten Sumba Timur dengan panjang data 29 tahun, dari tahun 1986 sampai
2014.
Prakiraan jenis tahun dilakukan berdasarkan tiga kelas klasifikasi yakni tahun kering (kode “0”), tahun
normal (kode “1”) dan tahun basah (kode “2”). Model matematika yang digunakan adalah Model
Stokastik Markov (Arwin dan Thiriot, 1991; Arwin, 1993). Model ini memperkenalkan sebuah
asumsi bahwa hasil atau output dari suatu percobaan (trial) bergantung hanya pada hasil/output
percobaan sebelumnya. Asumsi ini mengantarkan pada sebuah formulasi dari konsep klasik proses
stokhastik yang dikenal dengan Proses Markov atau Chain Markov. Pada proses Markov, probabilitas
pada suatu waktu tertentu bergantung/ditentukan hanya dari kejadian waktu sebelumnya. Konsep
Chain Markov adalah sebagai berikut (Rieske dan Sapto, 2012; Marganingrum, 2013):
1) Probabilitas kejadian pada suatu waktu tertentu ditentukan hanya dari kejadian waktu
sebelumnya.
2) Jika t0 < t1 < … < tn , (n = 0,1,2…) > titik-titik waktu, maka kumpulan variabel acak {X(tn)}
merupakan Proses Markov jika memenuhi kondisi Pij = P{X(tn) = j / X(tn-1) = i} >
Probabilitas transisi peluang kejadian j terjadi jika diketahui kejadian i terjadi.
3) Jika t0 < t1 < … < tn, (n = 0,1,2…) menyatakan titik-titik waktu, maka kumpulan variabel acak
[X(tn)] adalah suatu Proses Markov yang memenuhi kondisi: P{X(tn) = XnIX(tn-1) = Xn-1
,…,X(t0) = X0}, untuk seluruh harga X(t0), X(t1),…, X(tn). Probabilitas PXn-1,Xn = P{X(tn) =
XnIX(tn-1) = Xn-1} atau Pij = P{X(tn) = j/X(tn-1)=i} disebut sebagai probabilitas transisi yang
menyatakan probabilitas bersyarat (conditonal probability) dari sistem pada kondisi (j) pada
saat tn jika diketahui bahwa sistem ini tetap sepanjang waktu. Dengan kata lain peluang
kejadian j terjadi jika diketahui kejadian i terjadi.
Jika proses Markov dengan n-kejadian probalilitas transisi dari kondisi i pada Xn-1 ke kondisi j pada Xn
dan diasumsikan probabilitas ini tetap sepanjang waktu, maka transisi tersebut akan lebih mudah
disusun dalam bentuk matrik. Sebuah matrik transisi P berukuran ukuran N x N, dengan N = nm
dimana n merupakan jumlah kelas dan m adalah ketergantungan Markov dalam m selang waktu
(Tabel 1)

136
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

Tabel 1. Matrik Transisi Orde Satu

Kondisi Debit Kondisi Debit Waktu tn
Waktu tn-1 0 1 2 … N
Kedua matrik P
di atas 0 P00 P01 P02 … P0N disebut
matrik 1 P10 P11 P12 … P1N transisi
2 P20 P21 P22 … P2N
… … … … … …
N PN0 PN1 PN2 … PNN
homogen atau matriks stokastik. Semua transisi probabilitas Pij adalah tetap dan independen terhadap
waktu. Oleh karena itu jumlah probabilitas Pij harus memenuhi kondisi (Persamaan 1):
k

P
…………….………………………………………………… (1)
k
ij (n)  1
j1

Untuk seluruh nilai i ; dan Pij ≥ 0 untuk seluruh nilai i dan j. Dimana Pkij (n) adalah probabilitas state
debit yang akan diobservasi adalah (n+1,j) jika state observasi saat ini adalah (n,i) dan jika keputusan
yang diambil adalah k.

HASIL DAN PEMBAHASAN

Model Markov Prakiraan Curah Hujan Bulanan Dengan Klasifikasi Tiga Kelas: Kering-
Normal-Basah
Hasil analisis prakiraan curah hujan model markov berdasarkan data curah hujan pada Pos Hujan
Slamet Waingapu, sebagaimana pada Tabel 2 sampai Tabel 6. Data hujan bulan Januari menunjukkan
curah hujan terbesar adalah sebesar 247 mm, sedangkan data terkecil adalah 40 mm. Untuk bulan
Desember, data curah hujan terbesar adalah 322 mm sedangkan terkecil adalah 34 mm. Pada bulan
Juli sampai Oktober, data curah hujan yang terjadi relatif kecil bahkan terdapat banyak data bulanan
dalam rentang waktu yang ada, sama sekali tidak terjadi hujan.
Tabel 2 menampilkan data interval hujan kategori tahun kering, normal dan basah, berdasarkan data
rata-rata hujan bulanan. Data terbaca sebagai berikut: pada bulan Januari, curah hujan dikatakan
kering, jika curah hujan yang terjadi adalah 80,70 mm atau lebih kecil. Curah hujan dikatakan normal
jika yang terjadi adalah antara 80,70 sampai 170,67 mm, dan basah jika curah hujan yang terjadi lebih
besar dari 232 mm. pada tabel ini juga menunjukkan adanya data-data interval yang tersamar pada
data bulan Agustus, September dimana curah hujan antara dua interval adalah sama. Data ini juga
menunjukkan bahwa adanya variabilitas data curah hujan dengan interval yang berbeda pada bulan
yang berbeda.

137
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

Tabel 2. Interval hujan kategori tahun kering, normal dan basah

Interval Hujan (mm)
Bulan
Hujan Kering (0) Hujan Normal (1) Hujan Basah (2)
Januari 80.70 170.67 232.50
Februari 93.70 179.89 251.50
Maret 69.70 159.00 247.80
April 27.10 77.22 181.20
Mei 0.20 12.56 64.00
Juni 0.00 1.56 35.40
Juli 0.00 0.11 21.30
Agustus 0.00 0.00 1.50
September 0.00 0.00 12.70
Oktober 0.00 0.44 35.00
Nopember 6.30 57.22 104.60
Desember 82.12 142.56 232.90
Sumber: hasil analisis penelitian

Tabel 3 berikut menunjukkan tentang contoh matriks transisi markov bulan Desember sampai Januari.
Dari tabel tersebut diketahui bahwa, jika pada bulan Desember terjadi curah hujan bulan kering, maka
secara statistik probabilitas kejadian curah hujan bulan Januari adalah bulan kering. Jika terjadi bulan
normal pada Desember maka probabilitas terbesar kejadian hujan di bulan Januari adalah bulan
normal, sedangkan apabila terjadi bulan basah pada Desember maka probablitas terbesar kejadian
bulan Januari adalah curah hujan basah.
Tabel 3. Matriks transisi markov Desember – Januari
1
Jan
Des

Jumlah
0 1 2
0 0,400 0,300 0,300 1,00
1 0,222 0,444 0,333 1,00
2 0,400 0,200 0,400 1-00
Sumber: hasil analisis penelitian
Dari hasil analisis matiks transisi markov bulan Desember – Januari, januari – Februari, Febnruari –
Maret, Maret – April, April – Mei, Mei – Juni, Juni – Juli, Juli – Agustus, Agustus – September,
September – Oktober, Oktober – November, dan November – Desember, selanjutnya ditentukan
matriks transisi markov orde 1 sebagaimana data pada Tabel 4 berikut.

138
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

Tabel 4. Matriks transisi markov orde 1

Tahun Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nop Des
1986 1 2 0 1 0 1 0 0 0 2 1 0
1987 2 0 2 0 1 0 0 0 0 0 2 0
1988 2 0 0 1 2 0 0 0 0 0 0 1
1989 1 1 1 1 1 1 0 0 0 0 0 0
1990 2 0 1 1 1 0 0 0 0 0 1 2
1991 2 1 1 2 2 0 0 0 0 0 2 0
1992 1 2 2 0 2 0 0 0 0 0 0 0
1993 0 1 2 0 0 1 0 0 0 0 1 2
1994 0 0 0 0 0 0 0 0 0 0 1 0
1995 2 2 1 1 2 1 0 0 0 0 1 2
1996 1 0 1 0 0 0 0 0 0 0 2 2
1997 1 2 2 0 1 0 0 0 0 0 1 1
1998 2 0 2 2 2 0 0 0 0 2 0 1
1999 2 2 0 2 0 0 0 0 0 2 2 2
2000 1 1 0 2 1 0 0 0 0 2 2 1
2001 0 0 0 0 0 1 0 0 0 0 2 2
2002 0 2 2 2 0 0 0 0 0 0 0 1
2003 2 2 1 2 0 1 0 0 0 2 2 1
2004 0 1 1 0 2 1 0 0 0 0 1 0
2005 0 0 2 1 0 0 0 0 0 2 0 0
2006 0 0 0 2 1 0 0 0 0 0 1 1
2007 0 1 1 2 2 1 0 0 0 0 0 2
2008 0 2 1 0 2 0 0 0 0 0 0 2
2009 1 1 0 0 1 0 0 0 0 0 1 1
2010 1 0 2 2 1 0 0 0 0 2 2 2
2011 2 2 0 2 2 0 0 0 0 0 0 0
2012 1 1 0 1 1 0 0 0 0 0 0 1
2013 2 2 2 1 1 1 0 0 0 0 2 2
2014 0 1 2 1 0 0 0 0 0 0 1 0
Sumber: hasil analisis penelitian
Keterangan: 0 = bulan kering
1 = bulan normal
2 = bulan basah
Dari tabel matriks transisi markov orde 1 tersebut, selanjutnya dapat ditentukan curah hujan prakiraan
dengan model Markov tiga kelas, sebagaimana Tabel 5. Hasil analisis curah hujan prakiraan ini
selanjutnya diuji dengan melakukan kalibrasi terhadap data curah hujan historis dari Pos Hujan Slamet
Waingapu Tahun 1986 – 2014 sebagaimana Gambar 2 dan Gambar 3 .

139
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

Tabel 5. Curah hujan dengan model prakiraan markov 3 kelas

Tahun Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nop Des
1986 171 252 70 77 0 2 0 0 0 35 57 82
1987 233 94 248 27 13 0 0 0 0 0 105 82
1988 233 94 70 77 64 0 0 0 0 0 6 143
1989 171 180 159 77 13 2 0 0 0 0 6 82
1990 233 94 159 77 13 0 0 0 0 0 57 233
1991 233 180 159 181 64 0 0 0 0 0 105 82
1992 171 252 248 27 64 0 0 0 0 0 6 82
1993 81 180 248 27 0 2 0 0 0 0 57 233
1994 81 94 70 27 0 0 0 0 0 0 57 82
1995 233 252 159 77 64 2 0 0 0 0 57 233
1996 171 94 159 27 0 0 0 0 0 0 105 233
1997 171 252 248 27 13 0 0 0 0 0 57 143
1998 233 94 248 181 64 0 0 0 0 35 6 143
1999 233 252 70 181 0 0 0 0 0 35 105 233
2000 171 180 70 181 13 0 0 0 0 35 105 143
2001 81 94 70 27 0 2 0 0 0 0 105 233
2002 81 252 248 181 0 0 0 0 0 0 6 143
2003 233 252 159 181 0 2 0 0 0 35 105 143
2004 81 180 159 27 64 2 0 0 0 0 57 82
2005 81 94 248 77 0 0 0 0 0 35 6 82
2006 81 94 70 181 13 0 0 0 0 0 57 143
2007 81 180 159 181 64 2 0 0 0 0 6 233
2008 81 252 159 27 64 0 0 0 0 0 6 233
2009 171 180 70 27 13 0 0 0 0 0 57 143
2010 171 94 248 181 13 0 0 0 0 35 105 233
2011 233 252 70 181 64 0 0 0 0 0 6 82
2012 171 180 70 77 13 0 0 0 0 0 6 143
2013 233 252 248 77 13 2 0 0 0 0 105 233
2014 81 180 248 77 0 0 0 0 0 0 57 82
Sumber: hasil analisis penelitian

Gambar 2. Kalibrasi Curah Hujan Bulanan Model Markov dan Historis (1986-2014) (sumber: hasil
analisis penelitian)

140
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

Gambar 3. Korelasi CH_historis CH_markov PH Slamet Waingapu (1986-2014) (Sumber: hasil

analisis penelitian)
Hasil uji korelasi antara curah hujan historis dan curah hujan model markov tiga kelas diperoleh nilai
R2 = 0,66, atau korelasi mendekati nilai satu, yang berarti bahwa data prakiraan mendekati benar dan
dapat digunakan untuk kepentingan pengelolaan sumber daya air berkelanjutan. Penelitian yang
dilakukan oleh Messakh, dkk (2014) berdasarkan data debit sungai Tilong menunjukkan nilai korelasi
R2 = 0,764, yang berarti bahwa secara statistika lebih baik dibanding dengan hasil prakiraan pada Pos
Hujan Slamet Waingapu, Kabupaten Sumba Timur. Hal ini bisa disebabkan karena debit lebih bersifat
dependent dibanding hujan yang independent. Perlu kajian lebih mendalam untuk menentukan hal ini,
karena baik hujan maupun debit sama-sama bersifat acak dan stokastik dalam ruang dan waktu.

Model Markov Jenis Tahun Kedepan: Kering-Normal-Basah

Kajian selanjutnya dilakukan untuk menentukan prakiraan jenis tahun berdasarkan data curah hujan
tahunan, dengan hasil sebagaimana Tabel 6.
Tabel 6. Model matriks tahunan markov tiga kelas
t+1
t Jumlah
0 1 2
0 0.300 0.500 0.200 1.00
1 0.222 0.222 0.556 1.00
2 0.500 0.200 0.300 1.00
Jumlah 1.022 0.922 1.056
Sumber: Hasil analisis penelitian
Data Tabel 6, menunjukkan nilai probabilitas prakiraan jenis tahun berdasarkan data curah hujan
yakni, apabila tahun saat ini (t) yadalah jenis tahun kering (‘0’) dengan curah hujan berkisar antara
411 – 725 mm per-tahun, maka probabilitas paling mungkin kejadian curah hujan pada tahun (t+1)
adalah tahun normal dengan curah hujan berkisar antara 745 – 896 mm per-tahun. Apabila tahun saat
ini adalah tahun normal, maka probabilitas paling besar kejadian hujan tahun mendatang adalah tahun
basah dengan curah hujan berkisar Antara 906 – 1161 mm, sedangkan apabila tahun saat ini adalah
basah, maka probabilitas terbesar peluang hujan tahun berikut adalah kering dengan curah hujan 411 –
725 mm per-tahun. Hasil kajian ini hampir sama dengan kajian prakiraan jenis tahun yang dilakukan
oleh Messakh, dkk (2014) di Kupang dan sekitarnya pada 8 pos hujan.

141
Proceeding Seminar Nasional Pendidikan: “Inovasi Pendidikan dalam Nuansa Kebangsaan”
Oleh FKIP Undana: Kupang, 7 Oktober 2017

KESIMPULAN

Model stokastik markov dalam prakiraan jenis tahun berdasarkan data curah hujan memberikan nilai
berupa probabilitas secara statika yang dapat digunakan untuk kepentingan pengelolaan sumber daya
air yakni antisipasi bahaya banjir dan kekeringan di daerah Waingapu Kabupaten Sumba Timur. Hasil
kalibrasi data prakiraan dan data historis menunjukkan nila R2 sebesar 0,66, yang secara statistika
berarti bahwa data prakiraan dapat digunakan meskipun terdapat deviasi.
Wilayah terpengaruh oleh Pos Hujan Slamet bersifat terbatas di sekitar Kota Waingapu, sehingga
untuk menghasilkan data yang komprehensif untuk wilayah Kabupaten Timur, perlu dilakukan kajian
pada pos hujan lainnya. Penelitian-penelitian selanjutnya dapat dilakukan dengan mengembangkan
model markov ini, memperluas area wilayah terpengaruh dengan penambahan pos hujan lainnya,
membandingkan dengan metode prakiraan lainnya, atau melakukan analisis berdasarkan klasifikasi
yang lebih detail yakni lima kelas dengan jenis tahun sangat kering, kering, normal, basah dan sangat
basah.

DAFTAR RUJUKAN

Aldrian E dan Susanto R D. (2003): Identification of three dominant rainfall region within Indonesia and their
relationship to sea surface temperature. International Journal of Climatology, 23 (12) 1435-52
Arwin (1992): Modelisation des Resources en Equ et Leur Exploitation Energetique Sur L’exemple du
bassin Superieur di Citarum en Indonesie. Disertation INPT France. Toulouse, 9 Juillet 1992.
Arwin (1993): Rainfall-runoff Watershed Model by Multiple Regression Method for Optimizing
Hydroelectric Power of Saguling with Incertain Future. Conference Paper 4th IAWQ
(International Association on Water Quality) Vol. I on Water Conservation and Pollution
Control, Jakarta 5-9 October 1993, Indonesia.
Arwin (2009): Pidato Guru Besar di Majelis Guru Besar ITB Bandung.
Arwin (2010): Perubahan Iklim, Konversi Lahan dan Ancaman Banjir dan Kekeringan di Kawasan
Terbangun - Pidato Guru Besar di Majelis Guru Besar ITB Bandung, disampaikan pada rapat
majelis guru besar ITB Bandung pada tanggal 27 Februari 2009.
BPS NTT (2016): Nusa Tenggara Timur Dalam Angka 2015, BPS NTT, Kupang.
Cow, Ven Te., Maident, David R., W. Larry (1988): Applied Hydrology, McGraw-Hill Book
Company. (Book)
Eriyatno (1999): Ilmu Sistem, IPB, Bogor.
Food and Agriculture Organization 1989 Arid zone forestry: A guide for field technicians, Rome
Indarto (2011): Hidrologi Operasional, Penerbit Andi, Yogjakarta.
Kodoatie, R.J., dan Sjarief, R. (2010): Tata Ruang Air, Penerbit Andi, Yogyakarta.
Marganingrum, D. (2013): Manajemen Sumberdaya Air Terpadu “Waduk Saguling” Dalam Rangka
Pengembangan SPAM Regional KSN Cekungan Bandung, Disertasi Pascasarjana Institut
Teknologi Bandung.
Marganingrum, D. (2013): Manajemen Sumberdaya Air Terpadu “Waduk Saguling” Dalam Rangka
Pengembangan SPAM Regional KSN Cekungan Bandung, Disertasi Pascasarjana Institut
Teknologi Bandung.
Messakh J J (2017). Pengelolaan Sumber Daya Air. Penerbit MIPA Press. Kupang.
Messakh J J, Arwin, dan Hadihardaja I K (2014). Climate change and strategy of reservoir operation
in semi-arid area, West Timor. International Proceeding: The 3rd International Seminar on
Sustainable Urban Development 112-9
Messakh J J, Arwin, dan Hadihardaja I K (2015): Management strategy of water resources base on
rainfall characteristics in the semi-arid region in Indonesia. International Journal of Scientific &
Engineering Research. 6 (8) 331-7
Muhammadi, A.E. dan Soesilo, B. (2001): Analisis Sistem Dinamis, UMJ, Jakarta.
Muhammadi, A.E. dan Soesilo, B. (2001): Analisis Sistem Dinamis, UMJ, Jakarta.
Rieske, H., Sapto, W.I. (2012): Proses Stokastik. Penerbit ITB, Bandung
UNEMG (2011): Global Drylands: A UN System Wide Respons, United Nations Environment
Management Group, New York.

142
View publication stats