Model Prakiraan Curah Hujan Bulanan di Wilayah

1
I. PENDAHULUAN
1.1 Latar Belakang
Hujan merupakan salah satu bentuk presipitasi di samping salju dan hujan es.
Hujan yang terjadi di daerah tropik, seperti Indonesia, umumnya adalah hujan
konvektif, yang terjadi akibat naiknya massa udara lembab akibat pemanasan
permukaan bumi. Dengan naiknya massa udara ini, suhu akan turun dan pada
ketinggian tertentu uap air yang terbawa akan terkondensasi menjadi awan.
Proses terjadinya hujan itu sendiri diawali dari ketersediaan uap air di
atmosfer yang berkondensasi sehingga terbentuk awan. Sumber uap air terbesar
adalah lautan. Sementara itu matahari yang merupakan sumber energi bagi bumi,
memancarkan energinya melalui radiasi gelombang pendek, dan sebagian energi
tersebut akan dipancarkan kembali dengan radiasi gelombang panjang.
Dan
radiasi balik sinar matahari yang terjadi dari pancaran awan di atmosfer dan
kembali ke ruang angkasa dikenal sebagai Outgoing Longwave Radiation (OLR).
Posisi geografis Indonesia di daerah tropik yang berada antara benua Asia dan
Australia, serta dikelilingi Samudera Hindia dan Samudera Pasifik berdampak
pada keragaman curah hujan atau iklim di Indonesia sangat tinggi. Hal ini akibat
pengaruh west monsoon season (angin baratan) yang umumnya terjadi pada
periode Desember hingga Maret. Muson ini dipicu oleh pemanasan yang kuat
sehingga muncul palung tekanan rendah di benua Australia yang pada saat itu
musim panas. Muson tersebut melewati laut yang hangat di negara kepulauan
Indonesia
ini berkonvergensi dengan angin pasat dari Samudera Pasifik di
wilayah Indonesia bagian selatan hingga utara Australia dan memberikan
kontribusi 60% - 90% curah hujan di Australia bagian utara (McGregor dan
Nieuwolt, 1998). Penelitian yang dilakukan telah menunjukkan pengaruh suhu
muka laut (SML) di sekitar Laut Timor, Laut Banda, dan Laut Arafura terhadap
variabilitas curah hujan di Indonesia secara musiman, dan untuk interannual
wilayahnya mulai pantai barat Sumatera hingga selatan Jawa dan pantai utara
Jawa. (Slingo et al., 2005)
Keadaan sebaliknya terjadi saat dry monsoon season (angin timuran) pada
periode Mei hingga September. Angin pasat Pasifik Selatan yang panas dan stabil
serta
membawa massa udara kering menuju wilayah Pasifik bagian selatan
2
sebelah timur Australia sehingga cepat membentuk lapisan inversi rendah. Angin
timuran ini hanya melalui laut yang pendek antara Australia-Indonesia sehingga
menjadikan massa udaranya tipis uap air. Akibatnya curah hujan di sebagian besar
wilayah Indonesia bagian selatan pada periode tersebut sangat rendah. Hanya
faktor orografi yang dapat menjadikan hujan lokal berkontribusi pada wilayah
tersebut saat periode musim kering berlangsung.
Kebutuhan informasi tentang curah hujan sangat penting bagi berbagai
sektor/bidang dalam merencanakan atau melaksanakan kegiatannya, antara lain
informasi prakiraan curah hujan dalam jangka menengah atau panjang. Prakiraan
curah hujan merupakan salah satu upaya manusia untuk memperoleh gambaran
tentang curah hujan beberapa waktu kemudian. Berkembang pesatnya teknikteknik prakiraan saat ini, sejalan dengan makin canggihnya komputer berikut
perangkat lunaknya, telah menjadikan bidang prakiraan makin menarik perhatian.
Fokus teknik prakiraan terletak pada kesalahan (error) yang merupakan
bagian yang melekat pada setiap prosedur prakiraan. Prakiraan yang dibuat untuk
mengetahui kejadian masa yang akan datang jarang sekali yang akurat. Prakiraan
berusaha untuk membuat kesalahan sekecil mungkin. Hingga saat ini sudah
banyak model prakiraan yang berbasis deret waktu yang dipergunakan untuk
memprakirakan curah hujan seperti ARIMA, Regressi dan lain sebagainya.
Jaringan syaraf tiruan (JST) merupakan salah satu teknik yang dapat
digunakan untuk memprakirakan curah hujan. Prakiraan curah hujan dengan
aplikasi jaringan saraf tiruan bukan hal yang baru (Lutfiati 2000, Suherlan 2006).
Lutfiati (2000) menjelaskan perlunya data pengamatan yang akurat sebagai input
atau pembelajaran JST, karena apabila terjadi kesalahan data pengamatan akan
menghasilkan penyimpangan yang besar sehingga luaran (output) yang diperoleh
meragukan.
Aplikasi JST tersebut dipergunakan untuk memprakirakan curah
hujan harian di wilayah sebagian Bali bagian selatan dengan input curah hujan
sebagai target dan beberapa unsur parameter cuaca lainnya seperti data suhu,
komponen angin, angin, geopotensial, dan kecepatan vertikal pada lapisan standar
100 mb, 200 mb, 500 mb, 850 mb sebagai input pembelajaran.
3
Pada lapisan permukaan Lutfiati (2000) menggunakan data tekanan udara, suhu,
komponen angin, dan OLR. Hasilnya menunjukkan semakin pendek periode
prakiraan hariannya, semakin baik luarannya.
Otok (2000) telah mengidentifikasi bahwa pendekatan JST adalah pendekatan
alternatif yang sangat bagus untuk masalah prakiraan. Suherlan (2006) telah
menjadikan berbagai parameter unsur pengamatan cuaca sebagai input seperti data
suhu jam 7 (t7), suhu jam 13 (t13), suhu jam 18 (t18), tingkat penyinaran matahari
(rm), tekanan udara (tu), kelembaban nisbi jam 7 (k7), jam 13 (k13), jam 18 (k18),
dan Indeks Osilasi Selatan (ios). Sedangkan luaran model adalah curah hujan
bulanan. Suherlan (2006) mendapatkan simpulan bahwa JST dengan sistem
Neurofuzzy berstruktur ANFIS dapat diterapkan dalam pendugaan sifat hujan
bulanan di Darmaga Bogor dengan tingkat akurasi yang baik.
Dalam penelitian ini yang akan dijadikan objek penelitian, adalah sebagian
daerah pantai utara Banten, DKI Jakarta, Jawa Barat, Jawa Tengah hingga Jawa
Timur. Daerah tersebut sebagian besar merupakan pusat kegiatan industri,
perikanan, pertanian, dan jalur utama tranportaasi sepanjang Pulau Jawa. Pada
wilayah tersebut distribusi curah hujan bulanannya mempunyai periode bulan
basah dan kering yang hampir sama.
Penelitian ini akan menghubungkan SML dan OLR di wilayah Indonesia
dengan curah hujan bulanan di wilayah Jawa bagian utara. Hal ini dikarenakan
laut adalah sumber uap air terbesar dalam pembentukan awan dan hujan.
Sementara OLR menggambarkan perawanan yang terbentuk, semakin kecil OLR
semakin banyak awan dan sebaliknya. Untuk menerapkan prakiraan curah hujan
bulanan dengan prediktor SML dan OLR akan digunakan model JST.
Digunakannya model tersebut, karena pendekatan JST adalah pendekatan yang
bagus untuk prakiraan.
4
1.2 Tujuan Penelitian
Penelitian ini bertujuan :
•
Menganalisis korelasi curah hujan bulanan di wilayah Jawa bagian utara
dengan SML dan OLR di sekitar wilayah Indonesia.
•
Menyusun model prakiraan curah hujan bulanan di wilayah tersebut dengan
prediktor SML dan OLR di sekitar wilayah Indonesia menggunakan model
JST. Kemudian, melakukan verifikasi hasil model dengan data observasi
dalam periode tahun 2003 sampai dengan 2007 untuk validasi model.