analisis geospasial untuk deteksi kekeringan meteorologis ......paling kering yaitu di angka -1.59...
TRANSCRIPT
1
Analisis Geospasial untuk Deteksi Kekeringan Meteorologis di
Wilayah Kabupaten Boyolali dan Kabupaten Klaten
Artikel Ilmiah
Peneliti :
Yan Estevan Verdinan (672012003)
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
November 2016
2
Analisis Geospasial untuk Deteksi Kekeringan Meteorologis di
Wilayah Kabupaten Boyolali dan Kabupaten Klaten
Artikel Ilmiah
Diajukan Kepada
Fakultas Teknologi Informasi
Untuk Memperoleh Gelar Sarjana Komputer
Peneliti :
Yan Estevan Verdinan (672012003)
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
November 2016
3
4
5
6
7
Analisis Geospasial untuk Deteksi Kekeringan Meteorologis di
Wilayah Kabupaten Boyolali dan Kabupaten Klaten
Yan Estevan Verdinan 1, Sri Yulianto 2
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Jl. Diponegoro 52-60, Salatiga 50711, Indonesia
E-mail: [email protected], [email protected]
Abstract With the recent climate change that occurred causing difficulty to predict the rainy season
and the dry season in a period time. The purpose of this study was to analyze the drought
index using the Standardized Precipitation Index (SPI) methode and presented the results
into a mapping of drought distribute through a web browser with a case study in Boyolali
and Klaten. Stages of the research conducted is to prepare the rainfall data Boyolali and
Klaten district in 2010. The results at Boyolali district is the rainy season starting from
January till March, where the index in January was 1:44 in January. The dry season began
in June until August. July is the driest at -1.59 point in Boyolali district while in the other
months in a normal state. For the Klaten district, average of every district throughout the
month of January until December are in the normal classification at Klaten district.
Keywords: Keywords: Boyolali District, Klaten District, Drought, Standardized Precipitation
Index (SPI)
Abstrak Dengan adanya perubahan iklim yang terjadi menyebabkan musim hujan dan musim
kemarau sulit untuk di prediksi dalam suatu periode waktu. Tujuan penelitian ini adalah
menganalisis indeks kekeringan menggunakan metode Standardized Precipitation Index
(SPI) serta mempresentasikan hasil kedalam sebuah pemetaan sebaran kekeringan melalui
web browser dengan studi kasus di Kabupaten Boyolali dan Klaten. Tahapan penelitian yang
dilaksanakan yaitu mempersiapkan data curah hujan Kabupaten Boyolali dan Klaten tahun
2010. Hasil penelitian pada Kabupaten Boyolali adalah musim hujan kabupaten Boyolali
dimulai dari bulan januari sampai maret dimana indeks pada bulan januari adalah 1.44 pada
bulan januari. Musim kemarau mulai pada bulan juni sampai agustus. Bulan Juli adalah
paling kering yaitu di angka -1.59 pada kabupaten Boyolali sedangkan pada bulan-bulan
yang lain dalam keadaan yang normal. Untuk hasil Kabupaten Klaten rata-rata dari setiap
kecamatan sepanjang bulan januari sampai desember Kabupaten Klaten dalam klasifikasi
normal.
Kata Kunci: Kabupaten Boyolali, Kabupaten Klaten, Kekeringan, Standardized Precipitation
Index (SPI)
1)Mahasiswa Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana 2)Staf Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana.Salatiga
8
1. Pendahuluan
Perubahan iklim dan cuaca yang tidak beraturan dapat mempengaruhi lamanya
waktu musim hujan dan musim kemarau tidak lagi seimbang. Musim kemarau yang
tidak seimbang akan menyebabkan suatu daerah akan terjadi kekeringan. Kekeringan
dapat dilihat tidak hanya dari aspek meteorologi saja, dimana ketika terjadi
kekurangan curah hujan dalam durasi waktu tertentu, maka akan menimbulkan
dampak kekurangan air bagi aspek yang lain, sehingga aspek terdampak dapat
disebut pula mengalami kekeringan. Namun demikian, semua jenis kekeringan
berasal dari kurangnya curah hujan yang turun [1] dan atau ketidakcukupan curah
hujan yang turun pada suatu periode tertentu [2].
Kabupaten Boyolali mempunyai curah hujan yang tinggi dan memiliki sumber
air yang dapat dimanfaatkan untuk aktivitas masyarakatnya. Secara administatif
kabupaten Boyolali terbagi ke dalam 19 kecamatan yaitu Ampel, Andong,
Banyudono, Boyolali, Cepogo, Juwangi, Karanggede, Kemusu, Klego, Mojosongo,
Musuk, Ngemplak, Nogosari, Sambi, Sawi, Selo, Simo, Teras dan Wonosegoro[3].
Kondisi iklim Kabupaten Klaten mempunyai iklim tropis dengan musim hujan dan
musim kemarau silih berganti sepanjang tahun, secara administatif kabupaten Klaten
terbagi ke dalam 26 kecamatan yaitu Prambanan, Jogonalan, Pedan, Gantiwarno,
Manisrenggo, Karangdowo, Wedi, Karanganom, Juwiring, Bayat, Klaten Selatan,
Klaten Tengah, Klaten Utara, Wonosari, Cawas, Kemalang, Delanggu, Trucuk,
Karangnongko, Polanharjo, Kalikotes, Ngawen, Tulung, Kebonarum, Ceper, dan
Jatinom[4]. Standardized Precipitation Index (SPI) adalah salah satu cara dalam
menganalisis indeks kekeringan pada suatu daerah, dan kemudian di petakan untuk
mengetahui penyebaran dari bencana kekeringan yang terjadi[5].
Informasi mengenai sebaran kondisi kekeringan diperlukan, sebagai salah satu
upaya non struktural yang dapat dijadikan untuk masukan bagi pembangunan
wilayah kabupaten Boyolali dan Kabupaten Klaten .Tujuan Penelitian ini adalah
menganalisis data curah hujan untuk menghasilkan indeks kekeringan berdasarkan
SPI dalam menentukan kondisi kekeringan di wilayah kabupaten Boyolali dan
kabupaten Klaten.
2. Tinjauan Pustaka
Di Indonesia, kekeringan merupakan salah satu bencana yang memiliki dampak
yang besar dan salah satu penyebab kegagalan pada produksi tanaman pangan[6].
Upaya untuk mengatasinya adalah dengan memahami karakteristik iklim setiap
daerah dengan baik. Hujan merupakan salah satu faktor utama pembentuk
kaakteristik iklim dan menjadi penyebab utama terjadinya kekeringan
meteorologi[7].
Pada penelitian sebelumnya yang berjudul Kajian Kekeringan Menggunakan SPI
di Indonesia dan hubungannya dengan Kejadian El Nino 1997-1998. Penelitian ini
berhasil mengukur kemampuan SPI dalam menganalisis sejarah kekeringan
9
meteorologi yang terjadi di daerah Ambon, Medan, Denpasar untuk berbagai skala
waktu 3, 6 dan 12 bulan. Dalam peneitian ini juga melihat perbedaan respon
kekeringan di ketiga daerah tersebut dan mengetahui hubungannya dengan kejadian
El Nino kuat tahun 1997-1998[8].
Metode SPI merupakan metode yang dikembangkan oleh McKee pada tahun
1993[9]. Tujuannya adalah untuk mengetahui dan memonitoring kekeringan. Kriteria
nilai indeks kekeringan metode SPI diklasifikasikan dalam tabel seperti berikut :
Tabel 1 Klasifikasi Tingkat Kekeringan[10]
3. Metodologi
Metode yang dilakukan untuk menentukan indeks kekeringaan adalah dengan
perhitungan indeks kekeringan SPI. Dalam analisa SPI untuk kabupaten Boyolali dan
kabupaten Klaten dibutuhkan data curah hujan bulanan dengan periode satu tahun.
Dalam penelitian ini digunakan data curah hujan tahun 2010. Analisa indeks SPI
yang dilakukan menggunakan skala waktu SPI-1 (1 Bulan) dengan klasifikasi
Tingkat kekeringan berdasarkan nilai SPI nya yang dibagi kedalam lima klasifikasi
tingkatan. Adapun persamaan SPI yang digunakan adalah sebagai berikut:[10]
𝑍𝑖𝑗 = 𝑥𝑖𝑗−𝑋𝑗̅̅̅̅
𝜎𝑗 ………………………. (1)
Dimana : Zij = perubah Z, tahun ke I bulan ke j.
Xij = Hujan bulanan tahun ke 1 bulan ke j.
𝑥�̅� = hujan bulan j, rata-rata
σj = simpangan baku bulan j
.
Dengan simpangan baku :
𝜎√∑(𝑥−�̅�)−2
𝑛−1 ………………………… (2)
Keterangan: x = data curah hujan
�̅� = jumlah rata-rata curah hujan
n = Jumlah data
Nilai Klasifikasi
>= 2.0 Amat Sangat Basah
1.5 ~ 1.99 Sangat Basah
1.00 ~ 1.49 Basah
-0.99 ~ 0.99 Normal
-1.00 ~ -1.49 Kering
-1.5 ~ -1.99 Sangat Kering
<= -2 Amat Sangat Kering
10
Setalah hasil nilai indeks kekeringan SPI didapatkan, maka dilakukan pembuatan
peta sebaran kekeringan untuk mengetahui sebaran kekeringan meteorologis
didaerah kajian. Peta indeks kekeringan SPI dibuat menggunakan program ArcGIS
3.3 dan akan ditampilkan mengunakan web browser.
4. Hasil dan Pembahasan
Penelitian ini menentukan deteksi kekeringan menggunakan metode perhitugan
SPI. Data curah hujan yang digunakan berupa data curah hujan bulanan dalam tahun
2010 yang berasal dari kabupaten Boyolali dan kabupaten Klaten.
Algoritma dari proses perhitungan indeks kekeringan dengan metode SPI, adalah
sebagai berikut:
1. Input data curah hujan kedalam variabel Xij
2. Pilih data curah bulan ke j dan tahun ke i untuk dihitung
3. Hitung rata-rata data curah bulan ke j yaitu 𝑥�̅�
4. “Xij” dikurangkan dengan 𝑥�̅�
5. Hitung simpangan baku bulan ke j σj
6. Hasil “Xij” - 𝑥�̅� dibagi dengan σj
7. Mendapatkan hasil perhitungan Zij
Pseudocode perhitungan SPI :
1. Input : data = (curah hujan), average, Sigma, SD, spi_value
2. Function:
3. spi_value = {}
4. for i=1 To N Do
5. average = 0
6. For j=M Downto M-12 do
7. average = average + data ij
8. End For
9. average = (𝑎𝑣𝑒𝑟𝑎𝑔𝑒
12)
10. Sigma = 0
11. For j=M DownTo M-12 Do
12. Sigma = sigma + (Dataij – average)2
13. End for
14. SD = sqrt(𝑠𝑖𝑔𝑚𝑎
12−1)
15. Spi_valuei = 𝑑𝑎𝑡𝑎𝑙𝑒𝑛𝑔ℎ𝑡−𝑎𝑣𝑒𝑟𝑎𝑔𝑒
𝑆𝐷
16. End For
17. End Function
11
Dengan menggunakan perhitungan pada persamaan(1) didapatkan hasil
perhitungan SPI dengan periode hitungan perbulan seperti hasil pada tabel dibawah
ini
Gambar 1 Grafik nilai SPI di kabupaten Boyolali bulan Januari
Gambar 1.a menunjukan nilai indeks SPI kabupaten Boyolali pada bulan januari
di kecamatan ampel 2.16, kecamatan teras 2.45, kecamatan sawit 2 sehingga ketiga
kecamatan tersebut masuk kedalam klasifikasi sangat basah dimana keadaan sangat
basah menunjukan pada daerah tersebut masuk dalam musim hujan pada bulan
januari. Dengan hasil indeks rata-rata bulan januari keadaan kabupaten boyolali
masuk dalam klasifikasi basah dimana pada klasifikasi basah dapat dimanfaatkan
untuk mulai bercocok tanam dikarenakan suplai air di kabupaten Boyolali tersedia
dengan baik. Berikut adalah hasil pemetaan kabupaten Boyolali pada bulan januari
2010.
-0.5
0
0.5
1
1.5
2
2.5
3
Indeks SPI kabupaten Boyolali bulan januari 2010
12
Gambar 2 Boyolali bulan januari
Gambar 2 menunjukan bahwah hampir keseluruhan kabupaten Boyolali bulan
januari berwarna biru dan biru muda. Warna biru menandakan bahwa pada
kecamatan tersebut masuk dalam klasifikasi sangat basah, warna biru muda
menandakan masuk klasifikasi basah. Hanya terdapat 5 kecamatan yang berada
dalam keadaan normal yaitu kecamatan Juwangi, Wonosegoro, Ngemplak, Cepogo
dan Musuk.
Gambar 3 Grafik nilai SPI di kabupaten Boyolali bulan Juli
-1.22
-1.83
-1.46-1.36-1.58-1.48
-1.56-1.79-1.82
-1.45-1.68
-2.39
-1.34
-1.64
-1.32 -1.4
-1.92
-1.52-1.45
-2.5
-2
-1.5
-1
-0.5
0
0.5
Indeks SPI kabupaten Boyolali bulan juli 2010
13
Gambar 3 menunjukan nilai indeks SPI di kabupaten Boyolai pada bulan juli
rata-rata dari seluruh kecamatan adalah -1.59. Sehingga dapat disimpulkan bahwa
kekeringan terjadi pada bulan juli. Bulan juli masuk dalam klasifikasi sangat kering.
Dimana keadaan sangat kering menunjukan kabupaten boyolali pada bulan juli
masuk dalam musim kering sehingga pada bulan juni tidak disarankan untuk
bercocok tanam dikarenakan cuaca kabupaten Boyolali dalam ketersediaan air yang
sedikit.
Gambar 4 Boyolali bulan juli
Gambar 4 adalah pemetaan bulan juli di kabupaten Boyolali. Dimana warna mulai
dari warna kuning yang menandakan kering, warna orange menandakan sangat
kering serta warna merah yang menandakan keadaan amat sangat kering. Bulan juli
di kabupaten Boyolali adalah bulan yang paling kering di kabupaten Boyolali.
14
Gambar 5 Grafik nilai SPI kabupaten Klaten tahun 2010
Gambar 5 menunjukan bahwa di kabupaten Klaten pada bulan januari rata-rata
nilai indeks SPI di seluruh daerah mendapatkan hasil 0.52 sehingga pada bulan
januari tahun 2010 masuk dalam klasifikasi normal. Dimana kondisi normal
menunjukan di daerah tersebut ketersediaan air sangat cocok dalam penggunaan
untuk lahan pertaniaan.
Gambar 6 Klaten bulan Januari
Gambar 6 menunjukan hasil pemetaan sebaran hasil perhitungan indeks
kekeringan menggunakan metode SPI dimana dari 26 kecamatan 18 kecamatan
masuk dalam klasifikasi normal sedangkan 5 kecamatan Tulung, Delaggu Wonosari,
-0.3
0
0.510.53
-0.01
0.821.04
-0.3
0.14
0.820.950.7
0
1.58
0.911.21.21
1.481.74
0
1.04
-0.5
-0.92
0 0
0.92
-1.5
-1
-0.5
0
0.5
1
1.5
2
Indeks SPI kabupaten Klaten bulan januari
15
Juwiring dan Kalikotes masuk dalam klasifikasi basah. Kecamatan Karanganom,
Polanharjo, dan Pedan masuk dalam klasifikasi sangat basah.
Gambar 7 Grafik nilai SPI kabupaten Klaten 2010
Gambar 7 menunjukan hasil rata-rata bulan juli -0.85 sehingga pada bulan juli di
kabupaten Klaten termasuk klasifikasi normal. Hanya pada kecamatan wedi,
kecamatan bayat dan kecamatan juwiring masuk dalam keadaan sangat kering.
Dengan demikian dapat disimpulkan sepanjang tahun 2010 kabupaten Klaten
untuk indeks kekeringan masuk dalam klasifikasi normal menurut metode
perhitungan SPI.
Gambar 8 Klaten bulan Juli
-0.3
0
-1.73-1.56
-1.2-1.22
-0.96
-0.3
-0.69-0.79
-1.25
-0.99
0
-1.12-1.17
-1.59
-1.28-1.3-1.31
0
-1.11
-0.5-0.66
0 0
-1.15
-2
-1.5
-1
-0.5
0
0.5INDEKS SPI KABUPATEN KLATEN BULAN JULI
16
Gambar 8 menunjukan kecamatan Bayat, Wedi dan Juwiring masuk dalam
klasifikasi sangat kering dengan warna orange, untuk kecamatan Cawas, Trucuk,
Pedan, Karangdowo, Karangnongko, Klaten Utara, Karanganom, Tulung,
Polanharjo, Delanggu dan Wonosari masuk dalam klasifikasi kering dengan warna
kuning di dalam peta. Untuk kecamatan yang lain masuk dalam klasifikasi normal
dengan warna hijau. Tabel 2 Keterangan indeks SPI
Warna
Nilai >= 2 1.5 ~ 2 1 ~ 1.5 -1.0 ~ 1.0 -1.0 ~ -
1.5
-1.5 ~ -
2.0
<= ~2
Klasifikasi Amat
Sangat
Basah
Sangat
Basah
Basah Normal Kering Sangat
Kering
Amat
Sangat
Kering
5. Simpulan
Setelah melalui beberapa proses perhitungan dan analisis, dapat disimpulkan
bahwa kekeringan di kabupaten Boyolali terjadi mulai dari bulan juli sampai agustus
dimana hasil indeks -1.16 bulan juni -1.59 bulan juli serta bulan agustus -1.03.
Indeks kekeringan di kabupaten Klaten dalam setahun masuk dalam kategori normal
dengan rata-rata indeks 0.03. Adapun manfaat dari penelitian ini adalah (1) dapat
dijadikan rujukan untuk menentukan arah perkembangan dimasa depan dengan
berbasiskan data historis. Penilaian kekeringan pada penelitian ini yang didasarkan
pada data historis sehingga tidak menutup kemungkinan dapat dijadikan
pertimbangan untuk melakukan proyeksi mengenai sebaran kekeringan di masa
depan. (2) Diharapkan dari penelitian ini dapat menjadi masukan bagi para
pemangku kepentingan di lingkup daerah untuk dapat digunakan sebagaimana
mestinya. Terutama bagi pemerintah untuk dapat dijadikan sumber informasi
maupun data yang nantinya dapat digunakan sebagai masukan didalam
merencanakan mitigasi maupun adaptasi bagi wilayah yang rawan akan bahaya
kekeringan sehingga dampak negatif dari kekeringan akan mampu untuk
diminimalisasi.
6. Daftar Pustaka
[1] Wilhite, Donald A., William E. Easterling., and Deborah A.
Wood.1987. Planning for Drought–Toward a Reduction of
SocietalVulnerability. Colorado: Westview Press, Inc.
[2] Kodoatie, Robert J. dan Roestam Sjarief. 2010. Tata Ruang Air.
Yogyakarta: Penerbit Andi Offset
[3] Percepatan Pembaguhnan Sanitasi. 2015. Permukiman Buku putih
sanitasi kabupaten Boyolali gambaran umum kabupaten Boyolali.
http://ppsp.nawasis.info/dokumen/perencanaan/sanitasi/pokja/bp/kab.
17
boyolali/Boyolali%20BPS%20bab%202.pdf di unduh pada 28
oktober 2016.
[4] Departement Kesehatan. 2012. Profil Kesehatan Kabupaten Klaten.
http://www.depkes.go.id/resources/download/profil/PROFIL_KAB_K
OTA_2012/3310_Jateng_Kab_Klaten_2012.pdf di unduh pada 28
oktober 2016.
[5] Hadi Muliawan. 2014. Analisa Indeks Kekeringan dengan Metode
Standard Precipitation Index(SPI) dan Sebaran Kekeringan dengan
Geographic Information System(GIS) pada DAS Ngrowo.
http://scholar.google.co.id/scholar?start=40&q=standard+precipitation
+index+adalah&hl=id&as_sdt=0,5
[6] Rahayu, S. P. 2011. Penyebab Kekeringan dan Upaya
Penanggulangannya. Modul TOT Penyuluh Pertanian dalam Rangka
Peningkatan Kesadaran Petani Terhadap Isu-isu Perubahan iklim serta
Mitigasi dan Adaptasinya, Kerjasama Badan Litbang Pertanian
dengan BMKG. Badan Penyuluhan dan Pengambangan Sumber Daya
Manusia Pertanian. Kementan RI.
[7] Kumar, M. N., Murthy, C. S., Shesa Sai, M. V. S., Roy, P. S. 2009.
On the Use of Standardiezed Precipitation Index for Dorught Intensity
Assessement. Royal Meteorological Society, Meteorol. Appl. 16 :
381-389
[8] Robi Muharsyah. 2015. Kajian Kekeringan Menggunakan Standard
Precipitation Index di Indonesia dan Hubungannya dengan Kejadian
El Nino 1997-1998.
[9] McKee, T. B., Doesken, N. J., and Kleist, J. 1993. The Relationship of
Drought frequency and Duration to Time Scales, Procedings of the 8th
Conference on Applied Climatology.
[10] Ceglar, Andrej. 2007.Drought IndicesStandardized Precipitation
Index,Biotechnical faculty, University of Ljubljana.