BAB I

PENDAHULUAN

1.1 Latar Belakang

Iklim adalah fenomena cuaca atau statistic cuaca di suatu area luas dalam
jangka waktu yang lama. Iklim dapat didefinisikan sebagai kelanjutan dari hasil
pencatatan cuaca dari hari ke hari dalam rentang waktu yang lama. Iklim
memiliki sifat siklis atau berulang dan apabila dibandingkan dengan cuaca,
iklim bersifat lebih stabil. Iklim juga dapat mengalami perubahan yang
berlangsung dalam periode yang lama, sekitar 30 tahun dan berdampak pada
area yang sangat luas. Iklim pada setiap wilayah berbeda-beda. Perbedaan iklim
diakibatkan karena adanya perbedaan kondisi alam yang berbeda pula.
Perbedaan iklim juga dipelajari dalam sebuah ilmu yang disebut klimatologi.
Klimatologi adalah ilmu yang isinya mempelajari tentang sifat iklim,
perbedaan iklim, dan keterkaitan antara iklim dan manusia. Klimatologi juga
dapat diartikan sebagai jenis iklim di muka bumi yang mencakup interpretasi
dan koleksi data pengamatan maka ilmu ini memerlukan teknik statistik.
Meteorologi merupakan ilmu yang mempelajari keadaan fisis atmosfer yang
meliputi intensitas cahaya matahari, suhu tanah, suhu udara, kelembapan tanah,
serta kecepatan udara. Hubungan antara ilmu pertanian dan klimatologi dapat
dipelajari dalam agroklimatologi. Agroklimatologi dapat menjelaskan
perubahan iklim yang terjadi dan penyelesaian masalahnya terutama pada
bidang pertanian.
Persamaan empiris dapat digunakan dalam agroklimatologi yang berguna
untuk mempelajari sifat-sifat dan perubahan iklim yang kompleks. Metode
Blanney-Criddle merupakan metode yang cukup bagus dan paling sederhana
dalam menghitung evapotranspirasi tanaman. Metode radiasi digunakan karena
tidak hanya melihat ETo dari satu data saja. Kedua metode tersebut digunakan
karena stasiun yang digunakan untuk analisis memiliki data iklim yang lengkap.
Oleh karena itu, digunakan kedua metode rumus empiris tersebut supaya ciri-
 ciri unsur iklim dan informasi iklim dari data dapat dihitung dan dianalisis
dengan mudah, serta membandingkan metode yang terbaik untuk suatu daerah.
1.2 Tujuan
Memperkirakan salah satu data anasir iklim berdasarkan data meteorologi
yang tersedia.
1.3 Manfaat

Manfaat yang diperoleh dari praktikum acara II “Rumus Empiris dalam

Perkiraaan Anasir Iklim” yaitu praktikan dapat menganalisis iklim berdasarkan
data untuk mencari yang lebih tepat dan akurat.
 BAB II

TINJAUAN PUSTAKA

Anasir iklim meliputi suhu udara, kelembapan udara, kecepatan angin,

radiasi matahari, dan penguapan (evaporasi dan transpirasi). Anasir iklim
tersebut memiliki keterkaitan dan saling mempengaruhi satu sama lain. Suhu
udara merupakan salah satu unsur iklim yang berpengaruh terhadap bidang
pertanian. Hal ini dikarenakan, pertumbuhan tanaman memiliki suhu udara
optimum tertentu pada ketinggian tertentu. Kelembapan udara merupakan
ukuran dari banyaknya uap air yang terkandung dalam udara pada suhu
tertentu. Kelembapan udara sangat berpengaruh pada efektivitas kegiatan pada
seluruh sektor kehidupan manusia, termasuk pada sektor pertanian.
Selanjutnya, kecepatan angin merupakan ukuran kecepatan aliran udara dari
tekanan tinggi ke tekanan rendah (Ahrens & Henson, 2018). Radiasi matahari
merupakan aliran cahaya matahari yang diterima oleh permukaan bumi.
Radiasi matahari ini sangat berpengaruh dalam aktivitas pertanian karena
menentukan terjadinya proses fotosintesis dalam tumbuhan.

Evaporasi merupakan jumlah maksimum dari proses perubahan air dari fase
cair ke bentuk fase gas. Proses evaporasi terjadi pada permukaan air, tanah, dan
vegetasi. Proses evaporasi terjadi karena adanya energi panas dan defisit
tekanan uap air yang bergantung pada faktor cuaca seperti suhu udara,
kecepatan angin, tekanan atmosfer, dan radiasi matahari. Selain itu, faktor lain
yang mempengaruhi evaporasi adalah faktor lokasi geografis, interval waktu,
dan musim sehingga evaporasi merupakan proses yang cukup rumit untuk
dilakukan pengukuran (Wati et al., 2015). Permukaan bidang evaporasi kasar
akan memberikan laju evaporasi yang lebih tinggi daripada bidang evaporasi
yang rata. Semakin tinggi suhu udara di atas permukaan bidang evaporasi,
maka proses evaporasi akan semakin besar. Proses evaporasi juga bergantung
pada jumlah uap air yang dapat diserap oleh udara sebelum udara menjadi
jenuh (saturation deficit). Oleh karena itu, evaporasi lebih besar terjadi pada
daerah yang memiliki kondisi udara cenderung kering (Binsasi et al., 2016).
 BAB III

METODOLOGI

3.1 Alat dan Bahan

Alat yang digunakan pada praktikum ini adalah sebagai berikut:

1. Excel

2. Pensil

3. Tabel Daily Percentage (p) of Annual Daytime Hours for Different

Latitudes.

4. Tabel format for Calculation of Blaney-Criddle Method.

5. Grafik Precdition of ETo from Blaney-Criddle f factor for different

conditions of minimum relative humidity, sunshine duration, and day
time wind.

6. Tabel Extra Terrastrial Radiation (Ra) expressed in equivalent

evaporation in mm/day.

7. Tabel Mean Daily Duration of Maximum Possible Sunshine Hours

(N) for Different Month and Latitudes.

8. Tabel Values of Weighting Factor (W) for Effect of Radiation on

ETo at Different Temperatures and Altitudes.

9. Grafik Prediction of ETo from W.RS for Different Conditions of

Mean Relative humidity and day time wind.

Bahan yang digunakan pada praktikum ini adalah sebagai berikut:

1. Tabel Data Evaporasi

3.2 Cara Kerja

Pada praktikum ini dilakukan 2 metode yaitu Blanney-Criddle dan

Radiasi. Metode Blanney-Criddle dan metode Radiasi dilakukan untuk
 mencari nilai ETo dan mencari nilai Epan. Nilai ETo dan nilai Epan yang
didapat akan digunakan untuk dibuat grafik dengan microsoft excel.
Berdasarkan grafik yang dibuah, akan diketahui nilai R2 dan dilakukan
perbandingan antara metode Blanney-Criddle dengan metode Radiasi.

3.3 Cara Analisa Data

Pada praktikum acara 2 digunakan 2 metode yaitu metode Blanney-

Criddle dan metode Radiasi.

1. Metode Blanney-Criddle (Contoh Bulan Mei 2016, Stasiun Tanjung

Sari)
Tmax+Tmin
a. Menghitung nilai rata-rata dengan cara pada tabel data
2

temperatur evaporasi
27,4+22,8
=25,1 oC
2

b. Menghitung nilai ‘P’ dengan menggunakan metode interpolasi pada p

(Perhatikan Latitudes , LU = North, LS = South)
8,14−5 P−0,27
= 0,26−0,27=0,274
10−5

c. Menentukan Rh dengan data evaporasi 𝑅ℎ𝑚𝑒𝑎𝑛

∑ 𝑅ℎ
𝑅ℎ𝑚𝑒𝑎𝑛 = 12

Jika nilai Rh :
• <20% = low
• (20-50)% = medium
• >50% = high
𝑅ℎ𝑚𝑒𝑎𝑛 = 92,851 % (High)
d. Menghitung nilai ‘f’ dengan rumus :
f = P[(0,46x𝑇𝑚𝑒𝑎𝑛 ) + 8]
f = 0,274[(0,46x25,1) + 8]
f = 5,36
e. Menghitung ‘n’ (lama penyinaran aktual) berdasarkan tabel evaporasi
(6,057 jam/hari)
f. Menghitung nilai ‘N’ (lama penyinaran maksimum) dengan
menggunakan metode interpolasi pada Tabel N
8,14−5 N−11,9
= 11,6−11,9= 11,71
10−5

g. Menghitung nilai perbandingan antara lama penyinaran aktual dengan

𝑛
lama penyinaran maksimum ( 𝑁 )
6,057
= 0,52 (Medium)
11,71

Jika hasil :
• <0,45 = low
• 0,46 – 0.7 = medium
• 0,71 – 0,9 = high
h. Konversi Uday menjadi m/s dengan cara :
1000
Uday = Kec. angin x 3600

5,4 km/jam = 5,4 km/jam x 1000 m/km x 1 jam/3600 detik = 1,5 m/s
Jika nilai Uday :
• 0 – 2 m/s = garis 1
• 2 – 5 m/s = garis 2
• 5 – 8 m/s = garis 3
i. Menghitung nilai ETo menggunakan gambar Prediction of Eto (9 grafik)
berdasarkan nilai (𝑅ℎ𝑚𝑒𝑎𝑛 , n/N, Uday dan f) f sebagai sumbu x dan y
sebagai hasil NOTE : Dilaporan tolong dicoret-coret tabelnya dengan
jelas
j. Membuat grafik hubungan Eto vs Epan setelah didapat nilai ETo dari
bulan januari-desember
Epan = 0,75 x Evap
k. Mencari nilai R dari grafik ETo Vs Epan
2. Metode Radiasi
𝑇𝑚𝑎𝑥+𝑇𝑚𝑖𝑛
a. Menghitung nilai rata-rata dengan cara pada table data
2

temperatur evaporasi
27,4+22,8
=25,1 oC
2

b. Menghitung ‘n’ (lama penyinaran aktual) berdasarkan tabel evaporasi

n = 6,057 jam/hari
c. Menghitung nilai ‘N’ (lama penyinaran maksimum) dengan
menggunakan metode interpolasi pada Tabel N
8,14−5 N−11,9
= 11,6−11,9= 11,71
10−5

d. Menghitung nilai perbandingan antara lama penyinaran aktual dengan

𝑛
lama penyinaran maksimum ( 𝑁 )

Jika hasil :
• <0,45 = low
• 0,46 – 0.7 = medium
• 0,71 – 0,9 = high
6,057
= 0,52 (Medium)
11,71

e. Menghitung nilai ‘Ra’ dengan metode interpolasi pada tabel Ra

8,14−8 Ra−13,1
= 12,8−13,1 = Ra = 13,08
10−8

f. Menghitung Rs dengan cara :

Rs = Ra (0,25 + ( 0,5 x n/N ))
Rs = 13,08 (0,25 + ( 0,5 x 0,52 ))
g. Menghitung nilai ‘W’ dengan menggunakan metode interpolasi
sebanyak 3 kali pada Tabel W
110,59−0 X1−0,73
= 0,74−0,73 => X1 = 0,73
500−0
110,59−0 X1−0,75
500−0
= 0,76−0,75 => X1 = 0,75
25,1−24 W−0,73
26−24
= 0,75−0,73 => W = 0,74

h. Menghitung nilai WxRs kemudian dijadikan sebagai sumbu x di grafik

Precdition of Eto (W*Rs)
 0,74 * 6,67 = 4,94
i. Konversi Uday menjadi m/s dengan cara :
1000
Uday = Kec. angin x 3600

Jika nilai Uday :

• 0 – 2 m/s = garis 1
• 2 – 5 m/s = garis 2
• 5 – 8 m/s = garis 3
• >8 m/s = garis 4
5,4 km/jam = 5,4 km/jam x 1000 m/km x 1 jam/3600 detik = 1,5
m/s (dibuat yang rapi lebih baik)
j. Menghitung nilai ETo menggunakan Precdition berdasarkan nilai
(𝑅ℎ𝑚𝑒𝑎𝑛 , Uday dan WxRs)
4,3
k. Membuat grafik hubungan Eto vs Epan setelah didapat nilai ETo dari
bulan januari-desember
Epan = 0,75 x Evap
l. Mencari nilai R dari grafik ETo Vs Epan
 BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil Pengamatan

Berikut tabel hasil perhitungan menggunakan metode Blanney-Criddle.

Rerata ETo
Bulan P Rhmean f n N n/N Uday Epan
T BC
Januari 24.6 0.286 91.054 5.52 13.226 12.48 1.059 1.5 4.32 2.96
Februari 25.4 0.28 91.054 5.51 19.596 12.36 1.58 1.05 4.19 4.41
Maret 25.3 0.28 91.054 5.49 9.476 12.1 0.78 1.47 4.16 2.14
April 25.7 0.27 91.054 5.35 10.602 11.87 0.88 1.55 4.2 2.42
Mei 25.1 0.26 91.054 5.36 6.057 11.71 0.52 1.5 3.26 1.39
Juni 25.7 0.26 91.054 5.43 9.829 11.61 0.85 2.14 5.23 2.21
Juli 25.1 0.26 91.054 5.35 10.136 11.67 0.86 2 4.21 2.31
Agustus 25.9 0.27 91.054 5.37 10.493 11.83 0.88 1.5 4.15 2.36
September 25.8 0.27 91.054 5.36 10.95 12 0.91 2.05 4.67 2.5
Oktober 25.1 0.28 91.054 5.47 12.475 12.26 1.02 2.5 4.45 2.83
November 25.8 0.28 91.054 5.56 14.957 12.48 1.2 3.97 5.13 3.36
Desember 26.4 0.286 91.054 5.76 13.843 12.58 1.1 4 6.69 3.15
Tabel 4.1.1 Hasil perhitungan dengan metode Blanney-Criddle

Berikut tabel hasil perhitungan menggunakan metode Radiasi.

Rerata Eto
Bulan n N n/N Ra Rs W W*Rs Uday Epan
T Rad
Januari 24.6 13.226 12.48 1.059 16.2 12.56 0.75 9.29 1.5 7.55 2.96
Februari 25.4 19.596 12.36 1.58 16.11 16.75 0.744 12.46 1.05 8.34 4.41
Maret 25.3 9.476 12.1 0.78 15.5 9.92 0.743 7.37 1.47 6.89 2.14
April 25.7 10.602 11.87 0.88 14.38 9.92 0.747 7.41 1.55 5.75 2.42
Mei 25.1 6.057 11.71 0.52 13.07 6.67 0.74 4.94 1.5 4.83 1.39
Juni 25.7 9.829 11.61 0.85 12.37 8.35 0.747 6.23 2.14 5.73 2.21
Juli 25.1 10.136 11.67 0.86 12.67 8.59 0.74 6.35 2 4.8 2.31
Agustus 25.9 10.493 11.83 0.88 13.68 9.43 0.73 7.07 1.5 5.31 2.36
September 25.8 10.95 12 0.91 14.89 10.49 0.75 7.86 2.05 6.76 2.5
Oktober 25.1 12.475 12.26 1.02 15.8 12 0.74 8.88 2.5 7.43 2.83
November 25.8 14.957 12.48 1.2 16.01 13.6 0.75 10.2 3.97 8.23 3.36
Desember 26.4 13.843 12.58 1.1 16.01 12.8 0.75 9.6 4 6.13 3.15
Tabel 4.1.2 Hasil perhitungan menggunakan metode Radiasi
Berikut tabel perbandingan nilai ETo BC, ETo Radiasi, dan Epan.

ETo
Bulan Eto Rad Epan
BC
Januari 4.32 7.55 2.96
Februari 4.19 8.34 4.41
Maret 4.16 6.89 2.14
April 4.2 5.75 2.42
Mei 3.26 4.83 1.39
Juni 5.23 5.73 2.21
Juli 4.21 4.8 2.31
Agustus 4.15 5.31 2.36
September 4.67 6.76 2.5
Oktober 4.45 7.43 2.83
November 5.13 8.23 3.36
Desember 6.69 6.13 3.15
Tabel 4.1.3 Perbandingan nilai ETo BC, ETo Radiasi, dan Epan

Berikut grafik perbandingan antara ETo BC dengan Epan.

ETo BC vs Epan
8
7
6
y = 0.4096x + 3.4615
ETo BC

5 R² = 0.1353
4
3
2
1
0
0 1 2 3 4 5
Epan

Grafik 4.1.1 Perbandingan ETo BC dengan Epan

Berikut grafik perbandingan antara ETo Radiasi dengan Epan.

ETo Rad vs Epan

5
4.5
4
3.5
y = 0.4768x - 0.4191
ETo Rad

3 R² = 0.6123
2.5
2
1.5
1
0.5
0
0 1 2 3 4 5 6 7 8 9
Epan

Grafik 4.1.2 Perbandingan ETo Radiasi dengan Epan

 BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan praktikum yang telah dilakukan, dapat disimpulkan bahwa

hasil ETo menggunakan metode Blanney-Criddle dengan hasil ETo
menggunakan metode Radiasi dipengaruhi oleh data iklim yang digunakan.
Berdasarkan grafik Blanney-Criddle menunjukkan bahwa data hubungan
antara ETo dengan Epan yang kurang akurat karena nilai R nya diperoleh
sebesar 0,1353. Sedangkan, grafik Radiasi menunjukkan bahwa data hubungan
antara ETo dengan Epan lebih akurat dibandingkan dengan Blanney-Criddle,
karena nilai R nya diperoleh sebesar 0,6123.

5.2 Saran

Praktikum yang dilaksanakan berjalan dengan baik, serta asisten praktikum

juga menyampaikan materi praktikum dengan baik.
 DAFTAR PUSTAKA

Ahrens, C.D. dan Henson,R. 2018. Meteorology Today: An Introduction to

Weather, Climate, and The Environment. Boston: Cengage Learning.
Binsasi, R., Sancayaningsih, R.P., Murti, S.H., 2016. Evaporasi dan Transpirasi tiga
spesies dominan dalam konservasi air di Daerah Tangkapan Air ( DTA )
mata Air Geger Kabupaten Bantul Yogyakarta. Jurnal Pendidikan Biologi
1, 32–34.
Hidayati, I., N. dan Suryanto. 2015. PENGARUH PERUBAHAN IKLIM
TERHADAP PRODUKSI PERTANIAN DAN STRATEGI ADAPTASI
PADA LAHAN RAWAN KEKERINGAN. Jurnal Ekonomi dan Studi
Pembangunan. 16(1):42-52
Lang, D., Zheng, J. Shi, J., Liao, F., Ma, X. Wang, W. Zhang, M. 2017. A
Comparative Study of Potential Evapotranspiration Estimation by Eight
Methods with FAO. Water, 9 (734): 1-18.
Wati, T., Pawitan, H., dan Sopaheluwakan, A. 2015. Pengaruh Parameter Cuaca
Terhadap Proses Evaporasi Pada Interval Waktu yang Berbeda. Jurnal
Meteorologi dan Geofisika. 16(3):156-165.
Wirawan, J. Idkham, M. dan Chairani, S. 2013. Analisis Evapotranspirasi dengan
Menggunakan Metode Thornhwaite, Blaney Criddle, Hargreaves, dan
Radiasi. Rona Teknik Pertanian. 6(2):451-457.