Curah hujan, analisis data

hilang, peluang hujan dan

Evapotranspirasi

GUSTI RUSMAYADI PS Agroekoteknologi

grusmayadi@yahoo.com,sg

Perkuliahan Agroklimatologi,

Faperta UNLAM, BANJARBARU

Keragaman/ embutan

tinggi

Sulit dimodifikasi

Sulit diduga/

di r a mal

o Parametrik

o Non parametrik

o Stokastik

Kausal

Time - series

Dlsb

o Analisis Citra Image analysis

Karakter Iklim dan Cuaca

ADAPTASI SISTEM USAHA TANI

DAN PERENCANAAN PENGELOLAAN TANAMAN

PEWILAYAHAN AGROEKOLOGI

IDENTIFIKASI INTERPRETASI PREDIKSI HASIL

Pengalaman -

Fenomena

Analisis aritmatika

Analisis l

kuantitatif

MODIFIKASI

TERBATAS

PENGAMATAN A

DI STASIUN AGROKLIMATOLOGI

TEK. SATELIT/ PENGINDERAAN

JAUH

Pendugaan Data Hilang dan Pengecekan Data

Pengecekan Kualitas Data Iklim

• analisis kurva massa ganda

Sebelum tahun 1991 kemiringannya sebesar b = 1,21 dan setelah tahun 1991 kemiringannya sebesar a = 0,97. Maka faktor koreksi sebesar (a/b) =(0,97/1,21) = 0,80

0

50

100

150

200

250

300

350

400

450

0 50 100 150 200 250 300 350 400

Hujan rata-rata 5 pos (mm)

b = 1,21

a = 0,97

Hujan pos Y (mm)

1991

Tinggi hujan (x 1000 mm) Kumulatif Y koreksi Tahun Pos Y Pos X Acuan Y X = Y x 0,80

1984 38 30 38 30 30,4

1985 36 28 74 58 28,8

1986 31 24 105 82 24,8

1987 26 20 131 102 20,8

1988 19 18 150 120 15,2

1989 25 22 175 142 20,0

1990 30 25 205 167 24,0

1991 30 30 235 197 -

1992 34 36 269 233 -

1993 39 38 308 271 -

1994 40 43 348 314 -

1995 28 33 376 347 -

1996 24 30 400 377 -

1997 40 23 440 400

Pengujian Keeratan Data Antar Stasiun Klimatologi

(Metode Ranking Kendall)

4 x R

T = 1 - ---------

{n (n-1)}

n = jumlah pasangan data

T = ukuran keeratan

Tabel 9.1. Pasangan data curah hujan antara stasiun A dan B (1956-1964)

untuk uji Ranking Kendall.

Kolom 1 Kolom 2 Tahun

A B A B Nilai R

1956 75 70 20 25 1

1957 85 90 30 20 0

1958 50 55 35 40 1

1959 65 70 45 35 0

1960 45 35 50 55 0

1961 30 20 65 65 0

1962 20 25 65 70 0

1963 65 65 75 70 0

1964 35 40 85 90 0

Jumlah 2

4 x R 4 x 2

Nilai T = 1 - --------- = 1 - --------

{n (n-1)} {9(9-1)}

= 1 – 8/72

= 0,89

Pengisian Data Kosong

1. Metode Rata-rata Aritmatik

• Bila semua pos hujan mempunyai karakteristik sama dan curah hujan normal tahunan dari pos A, B dan C lebih kecil dari 10% berbeda dengan pos hujan X, maka data hujan dari pos X pada periode kosong dapat dihitung dengan rumus :

• CHx = 1/n (CHa + CHb + CHc )

• CHx, CHa, CHb, dan CHc adalah curah hujan di pos X, A, B dan C.

Pos Hujan Tinggi Hujan (mm)

X - 2200

A 100 2500

B 120 2700

C 110 2600

Jawab Teladan 9.2

1) Metode rata-rata aritmatik ;

CHx = 1/3 (CHa + CHb + CHc )

CHx = 1/3 (100 + 120 + 110 ) mm

= 110 mm

Jan

Pengisian Data Kosong

2. Metode Perbandingan Normal

Jika curah hujan normal di pos A, B dan C berbeda lebih dari 10% dari pos hujan X, maka metode aritmatik tidak berlaku.

Metode perbandingan normal berikut ini dian-jurkan untuk digunakan :

CHx = 1/n {(Nx/Na) CHa + (Nx/Nb) CHb + (Nx/Nc) CHc )

CHx = 1/3 {(Nx/Na) CHa + (Nx/Nb) CHb + (Nx/Nc) CHc )

CHx = 1/3 {(2200/2500)(100)+(2200/2700)(120)+(2200/2600)(110 )}

= 92,9 mm

Pos Hujan Tinggi Hujan (mm)

X - 2200

A 100 2500

B 120 2700

C 110 2600

Jan

Pengisian Data Kosong

3. Metode Kantor Cuaca Amerika Serikat

Pos indeks berlokasi di setiap kuadran dari garis yang menghubungkan Utara – Selatan dan Timur – Barat melalui di pos hujan X, maka persamaannya adalah:

[∑ (Hi/Li2)] CHx = -------------- [∑ (1/Li2)]

CHx = tinggi hujan di

pos X yang akan diduga dan Hi = tinggi hujan di pos A, B, C dan D. Nilai Li menunjukkan jarak pos hujan A, B, C dan D terhadap pos hujan X

U

D

Ld B

X Lb B

La T

A Lc

C

S

Gambar 9.2. Posisi Pos Hujan X dan Pos Hujan Indeks A, B, C dan D

Metode Kantor Cuaca Amerika Serikat/

Kuadran Empat

Suatu wilayah luas 140 km2 terdapat 5 buah pos hujan X, A, B, C dan D.

Pada suatu bulan pos hujan X rusak. Tentukan tinggi hujan di X bila pos

itu di kelilingi pos hujan A. C dan D sebagai pos indeks yang terletak di

setiap kuadran dengan data :

Kuadran Pos Indeks, P Curah Hujan, CH (mm) Jarak dari X (km2), L

I B 100 5

II C 90 10

III A 110 8

IV D 120 6

Jawab Teladan 9.2.

Kuadran P CH (mm) L (km2) L2 1/L2 H/L2

I B 100 5 25 0,04000 4,000

II C 90 10 100 0,01000 0,900

III A 110 8 64 0,01562 1,718

IV D 120 6 36 0,02777 3,333

Jumlah 0,09339 9,9520

[∑ (Hi/Li2)] (9,9520)

CHx = -------------- = ----------

[∑ (1/Li2)] (0,09339)

CHx = 106,56 mm

Metode Pendekatan Curah Hujan Wilayah

Hujan dapat merata di seluruh kawasan yang luas atau bersifat setempat.

Hujan bersifat setempat artinya tinggi hujan belum tentu dapat mewakili hujan untuk kawasan yang lebih luas, kecuali hanya untuk lokasi di sekitar pos penakar. Peluang hujan pada intensitas tertentu dari suatu lokasi satu ke lokasi yang lain dapat berbeda-beda.

Curah hujan diukur dari suatu pos hujan dapat mewakili karakteristik hujan untuk wilayah yang luas, sangat bergantung dari beberapa fungsi, yaitu: 1) Jarak pos hujan itu sampai titik tengah kawasan

yang dihitung curah hujannya, 2) luas wilayah, 3) topografi, dan 4) sifat hujan.

Curah hujan wilayah

Metode pendekatan yang digunakan untuk menentukan tinggi hujan rata-rata (pada periode tertentu; setiap jam, harian, mingguan, dekade, bulanan dan tahunan) suatu wilayah, antara lain:

1) Rata-rata aritmatik (Arithmetic mean method)

2) Poligon Thiessen (Thiessen polygon method)

3) Isohiet (Isohyetal method)

Teladan 9.3. Suatu wilayah dengan luas 57,20 km2

mempunyai 7 buah pos hujan dengan sebaran seperti pada Gambar 9.3. Selama bulan September terukur tinggi hujan setiap pos, pos1 = 105 mm, pos2 = 102 mm, pos 3 = 104 mm, pos 4 = 109 mm, pos 5 = 110 mm, pos 6 = 120 mm dan pos 7 = 113 mm. Hitung tinggi hujan rata-rata (mm) seluruh wilayah pada bulan itu dengan metode aritmatik, poligon Thiessen dan juga Isohiet.

Jawaban Teladan 9.3. 1) Metode Aritmatik

CHr = 1/n (CH1 + CH2 + CH3 + . . . + CHn) CHr = 1/7 (105 + 102 + 104 + 109 + 110 + 120 + 113)

mm CHr = 109 mm

o7

o6

o4 A

o5

o3

o2

o1

116

o7 o7

o6 B o6

o4 o4 C

o5 o5 108

o3 o3

o2 o2 103

o1 o1

Gambar 9.3. Curah hujan Wilayah menurut metode A) Aritmatik, B) Poligon Thiessen, dan C) Isohiet

2) Metode Poligon Thiessen

Tabel 9.2. Perhitungan Metode Poligon Thiessen

Pos Hujan Hujan,

CH (mm)

Luas Poligon,

A (km2)

Luas Poligon,

A (%)

CH x A %,

(mm)

1 105 6,56 11,47 12,0

2 102 10,52 18,39 18,8

3 104 8,02 14,02 14,6

4 109 9,08 15,87 17,3

5 110 6,32 11,05 12,1

6 120 7,42 12,97 15,6

7 113 9,28 16,22 18,3

57,20 100.00 108,7

CHr = 1/A (A1●CH1 + A2●CH2 + A3●CH3 + . . . + An●CHn)

CHr = 108,7 mm

Tabel 9.4. Perhitungan menurut Metode Isohiet

Pos Hujan Isohiet,

CH (mm)

Luas Wilayah,

A (km2)

CH x A ,

(mm x km2)

1 dan 2 103 18,34 1889,02

3,4 dan 5 108 16,22 1751,76

6 dan 7 110 22,64 2490,40

57,20 6131,18

CHr = 1/A (A1●CH1 + A2●CH2 + A3●CH3 + . . . + An●CHn)

CHr = 1/57,20 km2 (6131,18 mm km2)

CHr = 107,2 mm

Analisis Gerombol

Tujuan analisis Gerombol

Mengelompokan sekumpulan objek menjadi kelompok kecil (kelas), sehingga yang mempunyai sifat sama berada dalam kelompok yang sama.

Sifat yang dilihat seperti;

• Pola curah hujan,

• Warna/citra Satelite

Analisis Gerombol

Analisis gerombol dilakukan setelah analisis komponen utama, jika variabel saling berkorelasi.

Analisis ini digunakan untuk mengelompokkan objek-objek menjadi beberapa gerombol berdasarkan pengukuran peubah-peubah yang diamati, sehingga diperoleh kemiripan objek dalam gerombol yang sama dibandingkan antar objek pada gerombol yang lain.

Masalah mendasar dalam analisis ini adalah menentukan ukuran kedekatan yang digunakan dan cara penggerombolannya.

Ukuran kedekatan dihitung berdasarkan jarak Eucledian, Manhattan, Pearson dan sebagainya.

Persamaan jarak Eucledian dari dua pengamatan xi dan yi yang berdimensi p adalah sebagai berikut:

dimana dij adalah jarak antara objek ke-i dan ke-j, xik adalah besaran nilai sifat ke-k dari objek atau komponen utama ke-i, xjk adalah besaran nilai sifat ke-k dari objek atau komponen utama ke-j, dan p adalah banyaknya sifat yang diamati.

Semakin besar jarak Eucledian maka semakin besar pula perbedaan antara objek-objek tersebut.

p

k

jkikij xxd1

2

Contoh neirest neighbour

Individu

Variabel

1 2 3 4 5 6 7 8 9 10

1 12 20 28 11 22 8 13 20 39 16

2 30 18 26 5 15 34 24 14 34 11

d12 = √(x11 – x21)2 +(x12 – x22)

2

d12 = √(12 – 20)2 +(30 – 18)2

d12 = 14,4

d13 = √(x11 – x31)2 +(x12 – x32)

2

d13 = √(12 – 28)2 +(30 – 26)2

d13 = 16,5

p

k

jkikij xxd1

2

Matrik jarak antar individu dengan menggunakan fungsi jarak Euclidien

1 2 3 4 5 6 7 8 9 10

1 0,0 14,4 16,5 25,0 18,0 5,7 6,1 17,9 27,3 19,4

2 0,0 11,3 15,8 3,6 20,0 9,2 4,0 24,8 8,1

3 0,0 27,0 12,5 21,5 15,1 14,4 13,6 19,2

4 0,0 14,9 29,2 19,1 12,7 40,3 7,8

5 0,0 23,6 12,7 2,2 25,5 7,2

6 0,0 11,2 13,3 31,0 24,4

7 0,0 12,2 27,9 13,3

8 0,0 27,6 5,0

9 0,0 52,5

10 0,0

Matrik baru setelah individu 5 & 8 melebur

1 2 3 4 5,8 6 7 8 9 10

1 0,0 14,4 16,5 25,0 17,9 5,7 6,1 * 27,3 19,4

2 0,0 11,3 15,8 3,6 20,0 9,2 * 24,8 8,1

3 0,0 27,0 12,5 21,5 15,1 * 13,6 19,2

4 0,0 12,7 29,2 19,1 * 40,3 7,8

5 0,0 23,6 12,7 * 25,5 7,2

6 0,0 11,2 * 31,0 24,4

7 0,0 * 27,9 13,3

8 0,0 27,6 5,0

9 0,0 52,5

10 0,0

Prosedur di atas diulang sampai semua individu melebur

Tahapan Peleburan Titik

terdekat Jarak antar

cluster ∑ cluster

1 [5,8] 5,8 2,2 10

2 [5,8], 2 2,5 3,6 9

3 [5,8,2], 10 8,10 5,0 8

4 [1,6] 1,6 5,7 7

5 [1,6], 7 1,7 6,1 6

6 [5,8,2,10], 4 4,10 7,8 5

7 [5,8,2,10,4], [1,6,7] 2,7 9,2 4

8 [5,8,2,10,4,1,6,7], 3 2,3 11,3 3

9 [5,8,2,10,4,1,6,7,3], 9 3,9 13,6 2

10 Semua melebur 1

dendogram

5 8 2 4 10 1 6 7 3 9

Data curah hujan untuk analis Gerombol

Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nop Des

1. Batulicin 382.6 259.6 266.4 194.3 263.9 207.2 201.5 171.4 181.1 201.8 182.1 267.9

2. Satui 324.0 223.0 170.2 204.0 225.2 266.3 177.4 164.2 138.3 78.8 193.9 180.7

3. Sajang Heulang 262.0 257.7 173.1 143.4 161.2 297.0 162.4 83.2 175.5 118.4 134.6 159.3

4. Angsana Estate 238.0 278.5 155.9 153.8 167.4 213.9 181.5 136.1 119.0 69.5 157.6 146.1

5. Pt.Bunati Estate 140.9 195.2 196.8 153.0 179.2 373.0 154.8 85.8 186.8 101.0 113.2 118.8

6. Kusan Hilir 229.4 213.2 192.5 173.4 156.9 160.2 135.3 76.9 88.0 92.3 146.2 191.5

7. Sungai Loban 140.2 201.4 247.1 212.4 250.5 419.3 252.8 168.8 137.8 142.6 220.1 285.1

8. Stagen 235.9 214.4 213.9 216.0 236.0 248.3 202.5 123.3 119.0 150.2 157.7 242.2

9. Sungai Panci 266.4 242.6 231.4 231.3 207.8 215.3 135.5 116.3 109.6 133.8 221.8 268.8

KarakterIndividu

Selanjutnya pada menu session akan ditampilkan 12 komponen utama (KU) dengan

sumbangan keragamannya masing-masing (ditunjukkan oleh proportion dalam eigen

analysis of the covarian matrix).

Hasil komponen utama yang menerangkan keragaman data 80% tersebut kemudian

dianalisis gerombol terhadap KU 1, KU2 dan KU 3.

759684231

161.64

107.76

53.88

0.00

Distance

Observations

Contoh

Batu

licin

Satu

i

Saja

ng

Heula

ng

Pt. B

unati

Esta

te

Sta

gen

Sungai

Loban

Kusan

Hilir

Sungai

Panci

Angsana

Esta

te

Panjang Periode Data

a b c d e

Menurut Conrad dan Pollak (1950) panjang periode normal adalah sekitar 25 sampai 30 tahun. Umumnya di Indonesia periode data yang harus tersedia untuk unsur udara dan sejenisnya cukup 10 tahun pengamatan dan untuk curah hujan minimal 20 tahun pengamatan.

Tahun

Peluang Hujan

Keragaman Curah Hujan

Analisis peluang menurut sebaran Normal

Analisis peluang menurut sebaran Gamma

Analisis peluang menurut sebaran Gumbel

Rantai Markove

Keragaman Curah Hujan

Analisis umum dipakai untuk menggambarkan keadaan iklim, terdiri dari 1) rerata (mean), 2) simpangan baku, dan 3) nilai maksimum, minimum, dan kisarannya.

n Х = ∑ xi/n i=1 Keragaman curah hujan dicirikan oleh dua parameter, yaitu rerata data

(х) dan simpangan baku (s).

∑ Xi2 – 1/n (∑xi)2

s = √ --------------------

n – 1 Parameter yang digunakan menentukan keragaman curah hujan adalah

koefisien keragaman (Cv): s Cv = ---- x Nilai cv lebih kecil dari 20% menunjukkan keragaman sedang. Ini berarti

panjang seri data, diterima untuk tujuan analisis. Sebaliknya, bila lebih besar dari 25% menunjukkan panjang seri data

terlalu pendek atau disebabkan terlalu tinggi keragaman curah hujan akibat kesalahan pengamatan atau alat.

Teladan

Hitung koefisien keragaman data di stasiun A untuk periode pengamatan 1958 – 1971 dan kemukakan pendapat anda terhadap hasil perhitungan tersebut ?

Penyelesaian; n Х = ∑ xi/n = 850/16 i=1 ∑ Xi2 – 1/n (∑xi)2

s =√ --------------------

n – 1 = (51250 – 45156)/15 = 20.2

= (20,2/53) = 38%

Tahun Curah hujan (mm)

Tahun Curah hujan (mm)

1958 75 1966 35

1959 85 1967 80

1960 50 1968 45

1961 65 1969 25

1962 45 1970 60

1963 30 1971 75

1964 20 1972 40

1965 65 1973 55

%100)/( xxsCv

Analisis Peluang

1. Analisis peluang menurut sebaran normal Peluang X ≤ x jika X menyebar normal dengan nilai tengah μ dan ragam

σ2 adalah: x P (X ≤ x) = Px (x) = ∫(2 μ σ2)1/2 λ-1/2(t- μ)2/ σ2 dt -oo

Transformasi z = (x – μ) / σ, peubah acak Z menjadi N (0, 1) atau

sebaran normal standar. Doorenbos (1976); jika curah hujan suatu periode menyebar normal,

simpangan baku digunakan menghitung tinggi curah hujan minimal pada suatu peluang tertentu.

% peluang = x + a ● s

a adalah nilai besaran yang diperoleh dari kurva sebaran normal baku dan tergantung pada tingkat peluang yang diskenariokan (Hann, 1977) dan s = σ = simpangan, contoh;

Peluang 70% = x – 0,53 s Peluang 75% = x – 0,69 s Peluang 90% = x – 1,26 s

Teladan 9.5 Hitung tinggi curah hujan minimal yang jatuh dengan

peluang 70%, 75% dan 90% dengan menggunakan data pada Teladan 9.4.

Jawaban Teladan 9.5. Х = 361,6 dan s = 101,5 Peluang 70% = x – 0,53 s = 361,6 – 0,53 (101,5) = 307,8 mm Peluang 75% = x – 0,69 s = 361,6 – 0,69 (101,5) = 291,6 mm Peluang 90% = x – 1,26 s = 361,6 – 1,26 (101,5) = 233,7 mm

Hasil menunjukkan;

• 7 kali dalam 10 tahun kemungkinan curah hujan pada penakar hujan Martapura pada bulan Januari minimal 307,8 mm atau

• > 7 dalam 10 tahun minimal 291,6 mm atau • 9 kali dalam 10 tahun minimal 233,7 mm.

2. Analisis Peluang menurut Frekuensi Kumulatif

Bila data menyebar normal maka analisis frekuensi kumulatif dapat dipergunakan. Nilai frekuensi kumulatif (f) dapat dihitung dengan persamaan sebagai berikut:

100 ● m

f = ----------

(n +1)

n adalah jumlah tahun pengamatan dan m adalah nomor urut data dari yang terbesar sampai terkecil.

Tabel 9.6. Hasil analisis frekuensi kumulatif

Tahun CH (mm) Urutan No. Urut f = (100 ● m)/(n +1)

1931-60 354 484 1 9,1

1961-70 337 442 2 18,2

1971 396 418 3 27,3

1972 267 417 4 36,4

1973 372 396 5 45,0

1974 129 372 6 54,5

1975 484 354 7 63,6

1976 442 337 8 72,7

1977 418 267 9 81,8

1978 417 129 10 90,9

3. Analisis Peluang menurut Sebaran Gamma

Sebaran data yang miring (skewnes) lebih baik didekati dengan sebaran Gamma. Sebaran ini mempunyai dua parameter, yaitu parameter bentuk dan parameter skala. Fungsi peluang kumulatifnya dinyatakan dalam bentuk:

α adalah parameter skala, β adalah parameter bentuk dan Г (α) fungsi gamma.

)(

x-exp

),;(

1

ab

bbba

a

G

x

xf

4. Analisis peluang menurut sebaran Gumbel

Menurut Haan (1977) sebaran Gumbell digunakan untuk;

• Mengestimasi kejadian ekstrim tertinggi apabila sebaran asalnya adalah sebaran gamma, eksponensial, log normal, dan normal.

• Mengestimasi kejadian ekstrim apabila sebaran asalnya sebaran normal.

• Fungsi kepekatan peluang sebaran Gumbell

0;;

1}]/)(exp{/)(exp[)(

ab

aabab

x

xxxP

5. Rantai Markove

Peluang kejadian suatu keadaan pada waktu tertentu dengan waktu sebelumnya diketahui.

Peluang kejadian suatu keadaan pada waktu t (Xt) ditentukan oleh keadaan pada waktu sebelumnya t (Xt-1, Xt-2, Xt-3, . . ., Xo).

Bila keadaan pada waktu t ditentukan oleh keadaan pada waktu t – 1 dan tidak oleh t – 2, t -3, . . . dst, maka disebut model rantai Markove berordo satu.

Peluang Kejadian Hujan

)()(

)()(

)()(

)()(

1011

1111

0001

0101

inin

inip

inin

inip

)(1

)(ln)(

)(1

)(ln)(

11

1111

01

0101

ip

ipig

ip

ipig

Tabel 10.7.

Perhitungan peluang periode kering selama satu dekade; Wilayah

Tatakan, Kabupaten Tapin-Kalimantan Selatan, Lintang 2˚53’LS,

112˚05BT, pada minggu 1 – 10, tahun 1989.

Sumber: Rusmayadi et al. (2000).

Tahun Minggu

Curah

Hujan

(mm)

Jumlah minggu basah, F(W) dan minggu kering, F(D)

dan kombinasinya.

1987 N F (W) F (D) Jumlah Peluang

0 0

1 35 1 0 F (D) = 6 P(D) = F(D)/N

2 55 1 0 F (W) = 4 = 6/10= 0,6

3 13 0 1 F (DD) = 4 P(DD)=P(DD)/F(D)

4 30 1 0 F (WW) = 2 = 4/6 = 0,7

5 8 0 1 F (W/D) = 3 P(W) = F(W)/N

6 13 0 1 F (D/W) = 2 = 4/10= 0,4

7 0 0 1 P(WW)=P(WW)/F(W)

8 19 0 1 = 2/4 = 0,5

9 67 1 0 P(W/D)=F(W/D)/F(D)

10 21 0 1 = 3/6 = 0,5

Minggu basah > 25 mm dan kering < 25 mm untuk pembungaan jeruk

Evapotranspirasi

Evapotranspirasi rujukan (ETo) pada prinsipnya sama dengan evapotranspirasi potensial (ETp) untuk tanaman rujukan.

Untuk memperkirakan evapotranspirasi rujukan dapat menggunakan data klimatologi, misal data suhu, kelembapan relatif, lama penyinaran matahari dan kecepatan angin.

Kegunaan data ETo

Kegunaan dari data evapotranspirasi rujukan (ETo) adalah untuk memperkirakan evapotranspirasi dari tanaman atau kebutuhan untuk tanaman pertanian (ETc), karena

ETc = kc • ETo

Kegunaan data ETo

Nilai kc adalah koefisien tanaman (crop coefficient).

Nilai kc bergantung dari varietas dan umur dari setiap jenis tanaman.

Nilai kc di Indonesia masih cukup memberikan peluang untuk dilakukan penelitian sesuai kondisi iklim, vareitas dan umur setiap jenis tanaman.

Nilai kc untuk jenis tanaman padi sawah dan beberapa tanaman leguminosa sebagian telah diketahui dan digunakan untuk menghitung kebutuhan air tanaman tersebut.

Model ETo

Berdasarkan pada ketersediaan data iklim, maka untuk memperkirakan ETo dapat dihitung menggunakan beberapa model (Tabel 1):

• (1) Suhu,

• (2) Suhu dan Kelembapan,

• (3) Radiasi Global,

• (4) Radiasi Bersih,

• (5) Kombinasi, dan

• (6) Regresi.

Tabel 1.

Metode menduga ETo dan unsur iklim sebagai masukan

1. Model Suhu

Model ini disebut demikian karena untuk memperkirakan ETo hanya berbasis satu data iklim, yaitu data suhu. Model suhu antara lain dapat dihitung dengan metode;

• Thornthwaite

• Blaney dan Criddle

• Hamon

1.1. Metode Thornthwaite

Metode ini dikembangkan pada tahun 1948 di Amerika Serikat di wilayah beriklim sedang (temperate) antara 29ºLU hingga 43ºLU.

Model ini diperoleh dari percobaan lisimeter daerah bervegetasi pendek dn pada dengan persediaan air yang cukup

1.1. Metode Thornthwaite

Model Thorthwaite sudah popular digunakan di Indonesia dan dapat ditulis sebagai persamaan :

ETo = C • Ta

• ETo : evapotranspirasi rujukan (cm/bulan) • T : suhu rata-rata (ºC/bulan) • C dan a : koefisien yang tergantung lokasi dan di Indonesia sebaiknya

nilai C dan a masih perlu diteliti. • Nilai a dapat dihitung dengan rumus: • a = (675 • 10-9) I3 – (771 • 10-7) I2 + (1792 • 10-5) I + 0,49239 • Nilai I adalah indeks panas tahunan (aanual heat indek), dapat dihitung

dengan persamaan : • 12 • I = ∑ (T/5)1,51

• m = 1 • Nilai c dapat dilihat pada 2.2. Nilai ETo (0) untuk suhu mulai lebih dari

26,5ºC sudah dihitung dan ditunjukkan pada Tabel 2.1.

Tabel 2.1.

Nilai evapotranspirasi rujukan ETo (0) untuk suhu lebih dari

26,5ºC metode Thonthwaite

No. Suhu

ºC/bulan

ETo (0)

(cm/bulan) No.

Suhu

ºC/bulan

ETo (0)

(cm/bulan)

1 26,5 13,50 13 32,5 17,53

2 27,0 13,95 14 33,0 17,72

3 27,5 14,37 15 33,5 17,90

4 28,0 14,78 16 34,0 18,05

5 28,5 17,17 17 34,5 18,18

6 29,0 15,54 18 35,0 18,29

7 29,5 15,89 19 35,5 18,27

8 30,0 16,21 20 36,0 18,43

9 30,5 16,52 21 36,5 18,47

10 31,0 16,80 22 37,0 18,49

11 31,5 17,07 23 37,5 18,50

12 32,0 17,31 24 38,0 18,50

Contoh 1.1

Perkiraan evapotranspirasi rujukan di lokasi garis lintang 2º55’ dan 114ºBT pada elevasi 1 m dpl, mempunyai data suhu sebagai berikut (ºC).

Bulan Suhu (ºC) Bulan Suhu (ºC)

Januari 26.4 Juli 26.7

Februari 26.8 Agustus 27.2

Maret 27.1 September 27.4

April 27.1 Oktober 27.1

Mei 27.2 Nopember 27.3

Juni 27.1 Desember 26.6

Jawaban contoh 1.1

T = 26,4ºC i = (T/5)1,514 i = (26,4/5) 1,514 = 12.42 12 12 I = ∑ (T/5) 1,51 = ∑ (i) atau penjumlah kolom 3 m = 1 m=1 I = 154,18 a = (675 • 10-9) I3 – (771 • 10-7) I2 + (1792 • 10-5) I + 0,49239 a = 3.897

Evapotranspirasi rujukan untuk lintang 0ºC : ETo (0) = 1,62 (10T/I)a

= 1,62 {(10x26,5)/154,18}2,42 ETo (0) = 13.01 cm/bulan Januari Faktor koreksi, c untuk lintang 2º55’ (lihat Tabel) diperoleh nilai c

= 1,05, maka evapotranspirasi rujukan untuk bulan Januari adalah,

ETo = c • ETo (0) ETo = 1,05 x 13.01 cm = 13.69 cm/bulan Januari ETo = 4.56 mm/hari/Januari

Tabel Lampiran 1.

Konstanta c untuk Metode Thorthwaite

Tabel 2.2.

Evapotranspirasi rujukan di lokasi garis lintang 2º55’ dan

114ºBT pada elevasi 1 m dpl menurut metode Thorthwaite1)

ETo Bulan

Suhu,

T (ºC) i=(T/5)1,514

ETo (0)

(cm/bln)

Faktor

C cm/bln mm/hari

Januari 26.4 12.42 13.01 1.05 13.69 4.56

Februari 26.8 12.70 13.79 0.95 13.10 4.37

Maret 27.1 12.92 14.41 1.04 14.98 4.99

April 27.1 12.92 14.41 1.00 14.41 4.80

Mei 27.2 12.99 14.61 1.03 15.05 5.02

Juni 27.1 12.92 14.41 0.99 14.26 4.75

Juli 26.7 12.63 13.59 1.03 14.00 4.67

Agustus 27.2 12.99 14.61 1.03 15.05 5.02

September 27.4 13.14 15.04 1.00 15.04 5.01

Oktober 27.1 12.92 14.41 1.05 15.13 5.04

Nopember 27.3 13.07 14.82 1.02 15.12 5.04

Desember 26.6 12.56 13.40 1.05 14.07 4.69

Jumlah 154,18

1) Rusmayadi, G (2000)