1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Air adalah sumber kehidupan dan penghidupan bagi makhluk hidup, air

sebagai sumber daya alam memegang peranan yang sangat penting. Ketersediaan

air merupakan suatu masalah yang senantiasa mendapat perhatian manusia, secara

kuantitatif pada suatu saat jumlah ketersediaan air tidak mencukupi kebutuhan,

dan akan menjadi masalah. Nampaknya masalah air dalam konteks kehidupan

makhluk hidup semakin hari tidak menjadi sederhana, bahkan persoalan semakin

bertambah dan bahkan berkembang menjadi lebih kompleks (Soewarno,1995).

Wilayah Indonesia terletak di bagian iklim tropis yang mempunyai ciri

khusus yaitu curah hujan tinggi pada musim penghujan dan curah hujan rendah

pada saat musim kemarau (Koppen, 1990 dalam Nugroho, 2013) sehingga pada

musim penghujan sulit untuk mengendalikan air, namun sebaliknya saat musim

kemarau panjang sulit untuk memenuhi kebutuhan air. Indonesia merupakan

negara agraris yang menjadikan sektor pertanian sebagai salah satu mata

pencaharian bagi masyarakat banyak. Namun kekeringan yang terjadi di beberapa

daerah di Indonesia mengakibatkan kerugian bagi petani karena padi dan palawija

yang ditanam mengalami gagal panen sehingga berdampak pada berkurangnya

pendapatan masyarakat.

Menurut Kepala Bidang Produksi Tanaman Pangan Distan Dompu, M

Syahroni, SP, MM pada Suara NTB, “pihaknya belum mendapat laporan dari

petani dampak kekeringan saaat ini. Kondisi ini terjadi di hampir seluruh wilayah

di Dompu. Tapi untuk tanaman pertanian di wilayah Huu, Pajo, Woja dan Dompu

aman. Kekhawatiran pihaknya sebagai dampak dari kemarau terhadap tanaman

petani sejauh ini tidak ada masalah, kecuali untuk wilayah Manggelewa. Karena

tanaman petani seperti jagung dan palawija dilakukan di sawah yang masih bisa

dijangkau air irigasi. Sementara di wilayah Manggelewa, tanaman jagung petani

di daerah yang dekat dengan mata air. Kita khawatir karena mata air sudah mulai

2

berkurang. Sementara tanaman jagung di Manggelewa sekarang lagi banyak

membutuhkan air” (Suara NTB, 2015 dalam suwardji 2012).

Dalam beberapa tahun belakangan ini banyak upaya dilakukan baik oleh

masyarakat maupun pemerintah untuk menanggulangi bencana kekeringan yang

sering terjadi, dimulai dari mendistribusikan pompa sumur kepada para petani

sampai pembuatan sistem irigasi lahan kering. Tetapi kita tidak bisa menerka

kapan kekeringan itu terjadi. Maka diperlukan analisis lebih jauh untuk

memperkirakan tahun, maupun bulan kering yang akan terjadi pada wilayah

Kabupaten Dompu khususnya Kecamatan Manggelewa yang menjadi wilayah

studi dalam Tugas Akhir ini.

Perkiraan kekeringan dapat dilakukan berdasarkan pola hujan, iklim

maupun pola debit yang pernah terjadi. Analisis indeks kekeringan dapat

dilakukan dengan berbagai cara seperti: Crop Moisture Index (CMI), Surface

Water Supply Index (WSI), Palmer Drought Severity Index (PDSI), Reclamation

Drought Index (RDI), Standardized Precipitation Index (SPI), metode Run,

Percent Normal Index (PNI) dan masih banyak lainnya. Indeks kekeringan ini

diciptakan tergantung daerah penelitian, pengguna, proses, input dan output-nya

(Suryanti, 2008, dalam Charisma, 2009).

Dalam penelitian ini digunakan dua metode analisis kekeringan dengan

metode statistik yaitu metode Run, dan metode Standardized Precipitation Index

(SPI). Diharapkan nantinya dengan menggunakan kedua metode ini akan

didapatkan suatu ukuran penentu bulan kering berdasarkan data hujan pada tahun-

tahun sebelumnya. Data hujan yang ada pada tahun sebelumnya kemudian

dibangkitkan dengan menggunakan metode Thomas Fiering untuk

memprediksikan bulan kering yang dapat digunakan untuk merencanakan langkah

antisipasi pencegahan atau mengurangi dampak kekeringan yang terjadi.

3

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang di atas maka dapat dirumuskan

permasalahan sebagai berikut :

1. Berapakah lama durasi bulan-bulan kering terpanjang berdasarkan metode

Run untuk wilayah Kecamatan Manggelewa Kabupaten Dompu pada

Tahun 2004 sampai dengan tahun 2015

2. Berapakah nilai indeks kekeringan terparah berdasarkan metode SPI untuk

wilayah Kecamatan Manggelewa Kabupaten Dompu pada tahun 2004

sampai dengan tahun 2015

3. Berapakah prediksi lama durasi bulan-bulan kering terpanjang berdasarkan

metode Run dan prediksi nilai indeks kekeringan terparah berdasarkan

metode SPI di Kecamatan Manggelewa Kabupaten Dompu pada tahun

2016 sampai dengan tahun 2020 dengan metode Thomas Fiering untuk

memprediksi data curah hujannya.

1.3 Tujuan Penelitian

Terkait dengan rumusan masalah di atas, maka tujuan yang ingin dicapai

penelitian ini adalah :

1. Mengetahui lama durasi bulan-bulan kering terpanjang yang terjadi

berdasarkan metode Run di Kecamatan Manggelewa Kabupaten Dompu

pada tahun 2004 sampai tahun 2015.

2. Mengetahui nilai indeks kekeringan terparah yang terjadi berdasarkan

metode SPI untuk wilayah Kecamatan Manggelewa Kabupaten Dompu

pada tahun 2004 sampai tahun 2015.

3. Mengetahui prediksi lama durasi bulan-bulan kering terpanjang

berdasarkan metode Run dan prediksi nilai indeks kekeringan terparah

berdasarkan metode SPI di Kecamatan Manggelewa Kabupaten Dompu

pada tahun prediksi 2016 sampai tahun 2020 dengan metode Thomas

Fiering untuk memprediksi data curah hujannya.

4

1.4 Manfaat Penelitian

Adapun manfaat yang diharapkan dari penelitian ini antara lain mampu

menganalisis nilai indeks kekeringan yang terjadi sehingga dapat dijadikan

sebagai acuan bagi pihak-pihak terkait untuk merespon hal yang semestinya

dilakukan terhadap bencana kekeringan sebelum terjadi, sehingga dampak negatif

yang ditimbulkan dapat diminimalkan.

1.5 Batasan Masalah

Agar penelitian ini tidak terlampau luas dan lebih terarah, maka dalam

penelitian ini dibatasi dengan pokok-pokok pada permasalahan sebagai berikut:

1. Wilayah yang dianalisis adalah Kecamatan Manggelewa Kabupaten

Dompu.

2. Data yang digunakan untuk analisis adalah data curah hujan dari tahun

2004 sampai dengan tahun 2015 (11 tahun) pada stasiun Dompu dan

stasiun Kadindi.

3. Polygon Thiessen digunakan sebagai alat bantu pembagian cakupan

wilayah masing-masing stasiun hujan.

4. Analisis bangkitan data curah hujan menggunakan Model Thomas Fiering

yang digunakan untuk prediksi data curah hujan. Metode ini sebagai alat

bantu dalam memprediksikan data curah hujan periode tahun 2016 sampai

tahun 2020.

5. Analisis prediksi lama durasi kekeringan dan prediksi nilai indeks

kekeringan menggunakan metode Run dan metode Standartdized

Precipitation Index (SPI).

5

BAB II

DASAR TEORI

2.1 Tinjauan Pustaka

Berdasarkan hasil penelitian yang dilakukan oleh Charisma (2009)

menunjukkan rata-rata bulan kering periode tahun 1988 sampai tahun 2007 pada

bulan Mei sampai Oktober. Untuk metode SPI pada stasiun Mangkung, stasiun

Rembitan dan stasiun Sekotong didapatkan hasil dalam Keadaan rata-rata normal.

Sedangkan untuk metode Run periode tahun 1988-2007 menunjukkan durasi

kekeringan terpanjang pada stasiun Mangkung, stasiun Rembitan dan stasiun

sekotong berturut-turut adalah 12 bulan dengan jumlah kekeringan 572 mm, 11

bulan dengan jumlah kekeringan 737 mm, dan 7 bulan dengan jumlah kekeringan

379 mm.

Penelitian yang dilakukan oleh Hadi Muliawan (2015) menunjukkan hasil

analisis indeks kekeringan DAS Ngrowo untuk data historis dengan menggunakan

metode SPI menunjukkan pada semua periode defisit kekeringan terparah terjadi

pada tahun 1997 dengan nilai indeks kekeringan masing-masing pada periode

defisit 1 bulan (-4,014), pada periode defisit 4 bulan (-3,614), pada periode defisit

6 bulan (-3,750), pada periode defisit 12 bulan (-3,819), pada periode defisit 24

bulan (-3,066). Dari hasil analisa disimpulkan kekeringan meteorology

berhubungan dengan kekeringan hidrologis, dan peristiwa El Nino.

Penelitian lain oleh Basillius Retno Santoso (2013) di Kecamatan

Entikong berdasarkan analisis kekeringan menggunakan metode Run di peroleh

durasi kekeringan terpanjang untuk periode ulang 5 tahun adalah 8 bulan dan

untuk periode ulang 10 tahun adalah 10 bulan. Jumlah kekeringan terbesar untuk

periode ulang 5 tahun adalah 704,45 mm dan untuk periode ulang 10 tahun adalah

827,93 mm.

2.2 Landasan Teori

2.2.1 Hujan

Menurut Sri Harto (1993), hujan merupakan komponen masukan yang

paling penting dalam proses hidrologi, karena jumlah kedalaman hujan (rainfall

6

depth) ini yang dialihragamkan menjadi aliran di sungai, baik melalui lapisan

permukaan (survace run off), aliran antara (interflow, subsurface flow) maupun

sebagai aliran tanah (groundwater flow).

Hujan terjadi karena udara basah yang naik ke atmosfer mengalami

pendinginan sehingga terjadi proses kondensasi, naiknya udara ke atas dapat

terjadi secara siklonik, orografik, dan konvektif (Triatmodjo, 2008).

a. Hujan Siklonik

Jika massa udara panas yang relatif ringan bertemu dengan massa udara

dingin yang relatif berat, maka udara panas akan bergerak di atas udara dingin.

Udara yang bergerak ke atas tersebut akan mengalami pendinginan dan

kemudian terkondensasi dan terbentuk awan dan hujan.

b. Hujan Orografis

Udara lembab yang tertiup angin dan melintasi daerah pegunungan akan

naik dan mengalami pendinginan sehingga terbentuk awan dan hujan. Sisi

gunung yang dilalui awan tersebut banyak mendapatkan hujan, sedang sisi

yang lain (sisi yang berlawanan arah) dilalui udara kering. Daerah tersebut

tidak tetap tergantung pada musim (arah angin).

c. Hujan Konvektif

Di daerah tropis pada musim kemarau udara yang berada di dekat

permukaan tanah mengalami pemanasa yang intensi. Pemanasan tersebut

menyebabkan rapat massa berkurang, udara basah naik ke atas dan mengalami

pendinginan sehingga terjadi kondensasian terjadi hujan. Biasanya hujan ini

terjadi setempat, mempunyai intensitas yang tinggi dan durasi singkat.

Jumlah hujan yang terjadi dinyatakan dalam kedalaman air (biasanya mm),

yang dianggap terdistribusi secara merata pada seluruh daerah tangkapan air.

Intensitas hujan adalah jumlah curah hujan dalam satuan waktu, yang biasanya

dinyatakan dalam mm/jam, mm/hari, mm/bulan, hujan mingguan, hujan bulanan,

dan sebagainya (Triatmodjo, 2008).

7

2.2.2 Kekeringan dalam Hidrologi

Kekeringan merupakan hubungan antara ketersediaan air yang jauh di

bawah kebutuhan air baik untuk kebutuhan hidup maupun kebutuhan yang

lainnya. Kekeringan diklasifikasikan sebagai berikut:

2.2.2.1 Kekeringan Alamiah

a. Kekeringan meteorologist

Kekeringan ini berkaitan dengan tingkat curah hujan di bawah normal

dalam satu musim. Perhitungan tingkat kekeringan meteorologis

merupakan indikasi pertama terjadinya kondisi kekeringan. Intensitas

kekeringan berdasarkan definisi meteorologis adalah sebagai berikut:

1) Kering: apabila curah hujan antara 70%-85% dari kondisi normal

(curah hujan di bawah kondisi normal).

2) Sangat kering: apabila curah hujan antara 50%-70% dari kondisi

normal (curah hujan jauh di bawah nornal).

3) Amat sangat kering: apabila curah hujan <50% dari kondisi normal

(curah hujan amat jauh di bawah normal).

b. Kekeringan hidrologi

Kekeringan ini berkaitan dengan kekurangan pasokan air permukaan dan

air tanah. Intensitas kekeringan berdasarkan definisi hidrologis adalah

sebagai berikut:

1) Kering: apabila debit air sungai mencapai periode ulang aliran di

bawah periode 5 tahunan.

2) Sangat kering: apabila debit air sungai mencapai periode ulang aliran

jauh di bawah periode 25 tahunan.

3) Amat sangat kering: apabila debit air sungai mencapai periode ulang

aliran amat jauh di bawah perioe 50 tahunan.

c. Kekeringan pertanian

Kekeringan pertanian berhubungan dengan kekurangan kandungan air di

dalam tanah sehingga tidak mampu memenuhi kebutuhan tanaman tertentu

pada periode waktu tertentu pada wilayah yang luas.

8

d. Kekeringan sosial ekonomi

Kekeringan ini berkaitan dengan kondisi dimana pasokan komoditi

ekonomi kurang dari kebutuhan normal akibat terjadinya kekeringan

meteorologi, hidrologi dan pertanian.

2.2.2.2 Kekeringan Antropogenik

Kekeringan yang disebabkan ketidakpatuhan pada aturan yang terjadi karena

beberapa hal antara lain:

a. Kebutuhan air lebih besar dari pada pasokan yang direncanakan akibat

ketidakpatuhan dalam penggunaan air.

b. Kerusakan kawasan tangkapan air, sumber-sumber air akibat perbuatan

manusia.

2.2.2.3 Gejala Terjadinya Kekeringan

a. Kekeringan berkaitan dengan menurunnya tingkat curah hujan dibawah

normal dalam satu musim. Pengukuran kekeringan Meteorologis merupakan

indikasi pertama adanya bencana kekeringan.

b. Tahap kekeringan selanjutnya adalah terjadinya kekurangan pasokan air

permukaan dan air tanah. Kekeringan ini diukur berdasarkan elevasi muka

air sungai, waduk, danau dan air tanah. Kekeringan Hidrologis bukan

merupakan indikasi awal adanya kekeringan.

c. Kekeringan pada lahan pertanian ditandai dengan kekurangan lengas tanah

(kandungan air di dalam tanah) sehingga tidak mampu memenuhi kebutuhan

tanaman tertentu pada periode waktu tertentu pada wilayah yang luas yang

menyebabkan tanaman menjadi kering dan mengering (Sumber: Set

Bakornas PBP, 2008).

2.2.3 Statistik dalam Hidrologi

Model merupakan tiruan dari sistem yang sebenarnya. Selanjutnya model

hidrologi menurut Sri Harto (1993) adalah suatu sajian sederhana (simple

representation) dari sebuah sistim hidrologi yang kompleks. Model hidrologi

dapat dibedakan dalam tiga pendekatan/metode (Bagiawan, 2000, dalam

Charisma, 2009):

9

1) Metode deterministik

Metode deterministik adalah suatu model matematik dimana input dan

output dari sistimnya sudah tertentu misalnya model rainfall-run off. Model

ini sudah jelas inputnya (hujan) dan outputnya (debit). Model ini dapat

dikembangkan untuk memperpanjang data debit bila tersedia data curah

hujan dengan periode yang panjang sedangkan data debitnya jauh lebih

pendek (Bagiawan, 2000, dalam Charisma, 2009).

2) Metode stokastik

Metode ini dibedakan dengan metode statistik. Dalam metode stokastik

proses perhitungan sangat dipengaruhi oleh runtutan waktu, (time

dependent). Metode ini merupakan gabungan antara metode deterministik

dan faktor random (acak), (Bagiawan, 2000, dalam Charisma, 2009).

3) Metode statistik

Metode ini berkaitan dengan korelasi dan probabilistik. Dalam bidang

hidrologi metode ini digunakan untuk menghitung banjir rencana dan atau

korelasi antara dua atau beberapa variabel hidrologi (Bagiawan, 2000,

dalam Charisma, 2009).

Didalam aplikasi metode statistik untuk analisa data pengertian model

deterministik adalah variabel hidrologi dipandang sebagai suatu variabel yang

tidak berubah menurut waktu, perubahan variabel selama proses dikaitkan dengan

suatu hukum tertentu yang sudah pasti dan tidak tergantung pada peluang.

Sedangkan model stokastik adalah perubahan variabel hidrologi merupakan faktor

peluang, yaitu proses hidrologi umumnya selalu berubah menurut waktu

(Soewarno, 1995). Variabel hidrologi dapat berubah-ubah mengikuti ruang

maupun waktu. Sedangkan panjang data yang dikumpulkan dalam hidrologi,

hidrometeorologi dan hidrometri adalah dalam bentuk deret kala (time series)

(Soemarto, 1999).

10

Menurut Sri Harto Br dalam buku Analisis Hidrologi (1993) tujuan

penggunaan model dalam hidrologi adalah:

a. Peramalan (forecasting), temasuk didalamnya untuk sistem peringatan dan

manajemen. Pengertian peramalan menunjukkan bail besaran maupun

waktu kejadian yang dianalisis berdasar cara probabilistik.

b. Perkiraan (prediction), yaitu besaran dan waktu hipotetik.

c. Sebagai alat deteksi dalam masalah pengendalian. Dengan sistem yang

telah pasti dan keluaran yang telah diketahui maka masukan dapat

dikontrol atau diatur.

d. Sebagai alat pengenal (identification tool) dalam masalah perencanaan.

e. Ekstrapolasi data atau informasi

f. Perkiraan lingkungan akibat tingkat perilaku manusia yang berubah/

meningkat.

g. Penelitian dasar pada proses hidrologi.

2.2.4 Analisis Kekeringan

Kekeringan telah memberi dampak yang buruk kepada masyarakat berupa

kekurangan pangan bahkan hilangnya pekerjaan bagi masyarakat petani.

Ketiadaan curah hujan dalam kurun waktu yang lama bahkan melebihi waktu

musim kemarau dapat mempengaruhi semua sektor kehidupan. Karena besarnya

dampak kekeringan bagi kehidupan masyarakat maka perlu dilakukan upaya

untuk menanggulanginya.

Indeks kekeringan merupakan suatu perangkat utama untuk mendeteksi,

memantau dan mengevaluasi kejadian kekeringan. Untuk menduga nilai indeks

kekeringan suatu wilayah terdapat beberapa metode yang dalam proses

perhitungannya dapat memanfaatkan beberapa data, baik data iklim maupun data

kelengasan tanah. Beberapa metode tersebut seperti Standardized Precipitation

Index (SPI) dan metode Run. Tingkat keparahan kekeringan, intensitas dan waktu

kekeringan telah ditentukan dengan menggunakan metode-metode tersebut.

11

2.2.5 Penyiapan Data

Data hujan yang dimaksud dalam análisis adalah data hujan dilakukan dua

hal untuk memperoleh data hujan yang diinginkan :

1. Dalam satu tahun tertentu, untuk stasiun A dicari hujan maksimum,

selanjutnya, dicari data hujan pada stasiun lain pada hari kejadian yang

sama, kemudian dihitung hujan rata-rata DAS. Masih dalam tahun yang

sama, dicari hujan harian untuk stasiun lain dicari dan dirata-ratakan.

2. Jika data hujan yang tersedia kurang dari sepuluh tahun maka dicari data

hujan dengan puncak diatas ambang yang ditentukan dengan jumlah data

untuk satu tahun antara dua sampai dengan lima buah data. Untuk tahun

berikutnya cara yang sama dilakukan sampai seluruh data yang tersedia.

Data hujan seperti yang diperoleh dari instansi pengelolanya perlu

mendapatkan perhatian secukupnya. Beberapa kesalahan yang dapat terjadi adalah

tidak lengkapnya data akibat hilang atau alat penakar hujan rusak. Menghadapi

keadaan seperti ini maka terdapat dua langkah yang dapat dilakukan yaitu :

1. Membiarkan saja data yang hilang tersebut, karena dengan cara apapun data

tersebut tidak akan dapat diketahui dengan tepat.

2. Bila dipertimbangkan bahwa data tersebut mutlak diperlukan maka perkiraan

data tersebut dapat dilakukan dengan cara-cara yang dikenal

(Harto, 1993).

2.2.6 Analisa Hidrologi

Tahapan awal dalam perencanaan suatu rancang bangun untuk

memperkirakan besarnya debit banjir yang terjadi di suatu daerah adalah dengan

melakukan analisa hidrologi pada daerah tersebut. Tahapan analisa hidrologi yang

dapat dilakukan, adalah sebagai berikut :

Uji Konsistensi Data.

Uji konsistensi data dengan menggunakan metode RAPS (Rescaled

Adjusted Partial Sums), digunakan untuk menguji ketidakpanggahan antar data

dalam stasiun itu sendiri dengan mendeteksi pergeseran nilai rata-rata (mean).

12

Persamaan yang digunakan adalah sebagai berikut (Harto, 1993):

y

kk

D

SS

(2-1)

k = 0,1,2,…,n

n

YY

D

n

1i

2

i2

y

(2-2)

2n

1i

ik YYS

(2-3)

k = 1,2,3,…,n

dengan : n = jumlah data hujan

Yi = data curah hujan

Y = rerata curah hujan

Sk*, Sk

**, Dy = nilai statistik

Nilai statistik Q :

k

nk0SmaksQ (2-4)

Nilai statistik R (Range) :

k

nk0k

nk0SminSmaksR (2-5)

dengan : Q = nilai statistik

n = jumlah data hujan

Nilai statistik Q dan R diberikan pada Tabel 2.1. Adapun nilai Q/√n dan

R√n ditunjukkan untuk mengetahui data hujan tersebut konsisten apa tidaknya,

sehingga nilai dari Tabel 2.1 digunakan sebagai control dari metode RAPS

tersebut.

13

Tabel 2.1 Nilai nRdannQ //

2.2.7 Model Bangkitan Data dengan Model Thomas Fiering

Thomas Fiering merupakan suatu metode yang telah lama dikenal untuk

membangkitkan data debit atau data hujan bulanan. Metode ini memiliki

keunggulan antara lain adalah mengawetkan rata-rata, simpang baku, dan korelasi

antar bulan. Metode ini akan dikembangkan untuk peramalan, dengan

mengeliminir komponen yang bersifat acak, dan dilakukan dalam periode tengah-

bulanan.

Bentuk Persamaan model Thomas Fiering.

PersamaanMetode Thomas Fiering (Fiering, 1971 dalam Charisma, 2009):

211,, 1( jjijjjijjji rstXpBXP (2-6)

Dimana :

Pij = Data curah hujan hasil bangkitan

pij = curah hujan bulan ke-j dalam tahun i (j = 1,2,......12),

jX = rata – rata curah hujan bulan j,

n

p

X

n

i

ji

j

1

,

(2-7)

rj = koefisien korelasi bulan j dari bulan j-1,

90% 95% 99% 90% 95% 99%

10 1,05 1,14 1,29 1,21 1,28 1,38

20 1,10 1,22 1,42 1,34 1,43 1,60

30 1,12 1,24 1,46 1,40 1,50 1,70

40 1,13 1,26 1,50 1,42 1,53 1,74

50 1,14 1,27 1,52 1,44 1,55 1,78

100 1,17 1,29 1,55 1,50 1,62 1,86

> 100 1,22 1,36 1,53 1,62 1,75 2,00

Sumber : Sri Harto, 1993

Q/n R/nn

14

n

i

jjijji

n

i

jjijji

j

pppp

pppp

r

1

2

11,

2

,

1

11,,

)()(

)()(

(2-8)

Bj = koefisien regresi

1

j

jj

js

srB (2-9)

sj = simpangan baku bulan j,

1

)(1

,

n

pp

s

n

i

jji

j (2-10)

sj-1 = simpangan baku bulan j-1,

1jX = Curah hujan rata – rata curah hujan bulan j-1,

tij = variabel acak distribusi normal baku, dengan rata-rata = 0 dan

deviasi standar = 1,0, dengan catatan bahwa untuk j =1 (bulan

Januari) maka j-1 (bulan Desember).

Secara sederhana dapat dikatakan bahwa curah hujan tengah bulanan

mendatang adalah sama dengan rata-rata curah hujan tengah bulanan mendatang

ditambah suatu faktor yang bergantung pada besarnya curah hujan saat ini, dan

ditambah suatu faktor inovasi yang besarnya adalah acak. Metode ini memiliki

banyak keunggulan, yaitu mengawetkan nilai rata-rata, simpangan baku dan

koefisien korelasi antara bulan. Metode ini akan dikembangkan untuk bangkitan

data curah hujan tengah bulanan (Saidah, 2004, dalam Charisma, 2009).

15

2.2.8 Menghitung Kekeringan dengan menggunakan Metode Run

Metode Run apabila diaplikasikan dalam menentukan kekeringan secara

kuantitatif, ini menerangkan bagaimana suatu proses hidrologi melebihi atau

kurang daripada nilai normal dalam skor z. Nilai 0x adalah nilai bagi x dimana

sisi negatif kekeringan ditentukan. Hanya sisihan negatif ( 0xx ) < 0 mewakili

kejadian kekeringan. Ini menandakan permulaan suatu kejadian kekeringan seperti

yang ditetapkan oleh nilai pembagi. Untuk sebaran kejadian kekeringan i, waktu

Run ( Li ) didefinisikan sebagai mulainya suatu sisi negatif dan berakhirnya sisi

positif (Roswati, 2007, dalam Charisma, 2009).

Metode ini menggunakan Rumus :

XiXiZi (2-11)

11 iDDi ; 0Zi (2-12)

0Di ; 0Zi (2-13)

0Lni ; 1 iDDi (2-14)

iDLni ; 1 iDDi (2-15)

Dengan :

Ln = Lama waktu kekeringan (Bln)

Zi = Nilai surplus / defisit (mm/bln)

Xi = Nilai hujan (mm/bln)

Xi = n

xn

1 ;n = Panjang tahun

Di = Durasi kekeringan (National Climate Data Center / NCDC AS)

Kekeringan ditunjukan sebagai jumlah alur berturut-turut sama dengan

atau di bawah satu nilai normal. Normal adalah nilai rata-rata variasi hujan pada

16

suatu stasiun. Menurut metode ini kekeringan sesuai dengan “negatif berjalan”,

didefinisikan sebagai dipilihnya variabel hidrologi yang masih dibawah ambang

batas normal analisa dan harus hati-hati dipilih berdasarkan tujuan penelitian,

karena sering kali ambang batas sama dengan nilai seri data variabel yang dipilih.

Tetapi sering kali pula nilai rata-rata atau standar deviasi yang dapat dipilih.

Tingkat ambang (batas nilai) rata-rata yang menentukan permulaan atau

penghentian suatu periode kekeringan dengan memeriksa apakah satu nilai

hidrologi waktu seri terletak di atas atau di bawah ambang batas nilai normal.

Metode Run dapat didefinisikan dengan panjang, pengeluaran defisit dan

intensitas. Jumlah berturut-turut interval waktu dimana curah hujan masih

dibawah tingkat kritis. Pengeluaran defisit adalah total jumlah berturut-turut

defisit dan intensitas diberikan oleh rasio (Roswati, 2007, dalam Charisma 2009).

2.2.9 Menghitung Indeks Kekeringan dengan menggunakan Metode

Standardized Precipitation Index (SPI)

Terjadinya kondisi diatas merupakan tanda awal terjadinya kekeringan,

sehingga perlu dilakukan analisis untuk mengetahui tingkat kekeringannya

sehingga bisa dijadikan sebagai peringatan awal akan adanya kekeringan yang

lebih jauh.

Salah satu metode yang digunakan dalam analisis kekeringan ini adalah

menggunakan metode Standardized Precipitation Index (SPI) yang

dikembangkan oleh McKee, et al tahun 1993. Metode ini merupakan model untuk

mengukur kekurangan/defisit curah hujan pada berbagai periode berdasarkan

kondisi normalnya. Perhitungan nilai SPI berdasarkan distribusi gamma. Mc.Kee

et al (1993) menggunakan sistem klasifikasi seperti yang ditunjukan dalam Tabel

2.3 berikut untuk mendefinisikan tingkat kekeringan pada analisis SPI.

Mc Kee et al juga menjelaskan kriteria untuk kejadian kekeringan dalam

skala waktu. Kekeringan terjadi apabila nilai SPI adalah negatif dan mencapai

pengamatan -1.0 atau kurang, sedangkan kekeringan akan berakhir apabila nilai

17

SPI menjadi positif. Adapun nilai SPI dan klasifikasinya ditunjukkan pada Tabel

2.2 sebagai berikut,

Tabel 2.2 Nilai SPI dan klasifikasinya

Nilai SPI Klasifikasi

≥ 2.0 Extrem Basah

1.5 Sampai 1.99 Sangat Basah

1.0 Sampai 1.49 Basah

-0.99 Sampai 0.99 Normal

-1.49 Sampai -1.0 Kering

-1.99 Sampai -1.5 Sangat Kering

≤ -2.0 Extrem Kering

Sumber : NOAA (National Weather Service Forecast Office)

Adapun langkah-langkah pengerjaan metode SPI ini adalah :

1. Menghitung nilai mean :

x = n

x (2-20)

Dengan :

x = nilai rata-rata kejadian hujan (mm)

x = jumlah kejadian hujan (mm)

n = jumlah data

as an Excel function, the mean = AVERAGE (first : last)

2. Menghitung Standar Deviasi :

n

xxS

)( (2-21)

Dengan :

S = standar deviasi

as an Excel function, the standard deviation = STDEV (first : last)

18

3. Menghitung nilai kemencengan :

2

)2)(1(

s

xx

nn

nSkew (2-22)

as an Excel function, the skew = SKEW (first : last)

4. Menghitung log mean :

x ln = n

xln (2-23)

5. Menghitung nilai bentuk (Shape) :

3

41

4

1 u

u (2-24)

xU ln( ) -n

x)ln( (2-25)

6. Menghitung skala (scale) :

x (2-26)

7. Menghitung gamma distribusi :

dxeta

dxxgxG

xx x

a

0 0

1

)(

1)()( (2-27)

as an Excel function, the gamma transform = GAMMADIST (x, β, α, true)

8. Menghitung transfom gamma distribution :

2

1ln

Xgt dimana Xg ≤ 0.5 (2-28)

)1(

1ln

2Xgt dimana Xg < 1.0 (2-29)

Dengan :

)()1( xGqqXg (2-30)

q = m/n dengan m adalah jumlah kejadian hujan 0 mm dalam deret seri

data hujan.

19

9. Menghitung nilai SPI :

32

2

001.0189.0433.11

010.0803.0516.2Z

ttt

tttSPI dimana Xg ≤ 0.5 (2-31)

32

2

001.0189.0433.11

010.0803.0516.2Z

ttt

tttSPI dimana Xg<1.0 (2-32)

Analisis kekeringan dengan menggunakan metode SPI ini dapat dilakukan

dengan periode waktu bulanan, tiga bulananan, dan seterusnya sesuai dengan

tujuan dilakukannya analalisis (L.Giddings, et al, 2004, dalam Charisma, 2009).

20

BAB III

METODE PENELITIAN

3.1 Lokasi Penelitian

Penelitian ini dilaksanakan diwilayah Kabupaten Dompu dengan

mengambil sampel kecamatan Manggelewa, dengan dua stasiun hujan sebagai

sampel penelitian, antara lain : Stasiun Dompu dan Stasiun Kadindi. Adapun

gambar lokasi penelitian ditunjukkan pada Gambar 3.1 sebagai berikut,

Gambar 3.1 Peta Lokasi Penelitian

3.2 Alat dan Bahan

Alat-alat yang digunakan pada penelitian ini adalah sebagai berikut:

a. Alat-alat tulis.

b. Komputer untuk menganalisis data dan penyusunan skripsi.

Bahan yang digunakan dalam penelitian ini adalah data hujan setengah

bulanan yang terukur dari ARR Dompu dan ARR Kadindi.

LOKASI

PENELITIAN

21

3.3 Pelaksanaa Penelitian

3.3.1 Tahap Persiapan

Tahap persiapan yang dimaksud adalah pengumpulan literatur-literatur

dan referensi yang menjadi landasan teori.

3.3.2 Pengumpulan Data

Pengumpulan data dapat diperoleh dari observasi langsung dilapangan

(data primer) dan dapat juga diperoleh dari instansi-instansi terkait (data

sekunder).

Dalam analisis ini data diperoleh hanya dari data sekunder, yaitu data

hujan yang ada dalam rentang waktu pencatatan yang cukup panjang. Dalam hal

ini digunakan 11 tahun data curah hujan yang tercatat untuk kegiatan perhitungan

parameter-parameter statistik dari tahun 2004-2015.

Data sekunder dari penelitian ini adalah data hujan setengah bulanan yang

diambil dari ARR Kadindi dan ARR Dompu.

3.3.3 Perhitungan dan Pengolahan Data

Berikut ini adalah tahapan-tahapan pengolahan data dan penarikan

kesimpulan dalam analisis kekeringan di wilayah Kecamatan Manggelewa dengan

menggunakan beberapa metode statistik yaitu metode Run dan SPI :

1) Mengumpulkan data curah hujan setengah bulanan selama 11 tahun.

2) Mentabulasikan data curah hujan bulanan, dimana kolom-kolom

menyatakan curah hujan bulanan dan baris menyatakan tahun.

3) Uji konsistensi data curah hujan bulanan.

Uji konsistensi data hujan ini dilakukan dengan menggunakan metode

RAPS (Rescaled Adjusted Partial Sums) periode tahun 2004-2015 dan

periode tahun 2016-2021.

4) Perhitungan bangkitan data debit hujan dengan menggunkaan Model

Thomas Fiering sebanyak 5 tahun (2016-2020)

a. Menghitung rata-rata curah hujan.

b. Menghitung simpang baku.

c. Menghitung koefisien korelasi.

22

d. Menghitung koefisien regresi.

e. Mencari bilangan acak distribusi normal baku, dengan rata-rata =0 dan

deviasi standar =1,

f. Menghitung bangkitan data berdasarkan parameter-parameter statistik

dengan menggunakan Persamaan (2-6) sampai Persamaan (2-10).

5) Menganálisis kekeringan dengan menggunakan data tahun 2004 sampai

tahun 2015 dan data hasil bangkitan (tahun 2016-2021) dengan

menggunakan metode Run dan SPI.

a) Metode Run

1. Menghitung jumlah datanya dan rata-rata hujan untuk setiap

bulannya.

2. Menghitung nilai surplus dan defisit pada setiap bulannya.

3. Menghitung durasi kekeringan kumulatif.

4. Menghitung durasi kekeringan terpanjang.

b) Standardized Precipitation Index (SPI)

1. Menghitung nilai Mean (2-20).

2. Menghitung Standar Devisiasi (2-21)

3. Menghitung nilai kemencengan (2-22)

4. Menghitung log mean (2-23)

5. Menghitung nilai bentuk/shape (2-24 dan 2-25)

6. Menghitung skala/scale (2-26)

7. Menghitung gamma distribusi (2-27)

8. Menghitung transfom gamma distribution (2-28 sampai 2-30)

9. Menghitung nilai SPI (2-31 dan 2-32)

10. Dengan menggunakan kriteria SPI yang telah ditentukan dan

dicocokkan dengan nilai SPI yang diperoleh dengan kriteria

yang sesuai.

6) Perbandingan bulan basah dan bulan kering yang diperoleh dari metode

Run dan SPI berdasarkan kriteria masing-masing metode tersebut.

7) Kesimpulan

23

3.4 Bagan Alir Penelitian

Proses perencanaan dilakukan sesuai dengan bagan alir (flow chart).

Adapun gambar Bagan alir penelitian ditunjukkan pada Gambar 3.2 sebagai

berikut,

Mulai

Pengumpulan Data

Data Curah Hujan Terukur

Setengah Bulanan 11 Tahun

Uji konsistensi data

periode 2004-2015

Ya

Tidak

Data Hujan Bulanan Periode Tahun

2004-2015

A B

24

Gambar 3.2 Bagan Alir Penelitian

Ya

a. Analisis lama durasi bulan-

bulan kering dan jumlah

kekeringan terbesar berdasarkan

metode Run.

b. Analisis nilai indeks kekeringan

berdasarkan metode SPI.

Data Hujan Bulanan Periode

Tahun 2016-2020

Selesai

Tidak

A

Uji konsistensi data

periode 2016-2020

Membangkitkan Data Curah Hujan

dengan Model Thomas Fiering

B

Analisis prediksi lama durasi bulan-bulan

kering dan jumlah kekeringan terbesar

berdasarkan metode Run dan prediksi nilai

indeks kekeringan berdasarkan metode SPI

Kesimpulan

Pembahasan

25

BAB IV

ANALISA DAN PEMBAHASAN

4.1 Tinjauan Umum

Kecamatan Manggelewa merupakan salah satu dari delapan Kecamatan yang

berada di Kabupaten Dompu. Kecamatan Manggelewa memiliki luas wilayah 176,46

km2. Kecamatan Manggelewa berbatasan langsung dengan Kecamatan Kilo di sebelah

Utara, Kecamatan Kempo di sebelah Barat, Kecamatan Woja di sebelah Timur dan

Kabupaten Sumbawa di sebelah Selatan.

4.2 Analisis Hidrologi

4.2.1 Pemilihan Stasiun Hujan Yang Berpengaruh Terhadap Lokasi Studi

Dalam analisis kekeringan menggunakan metode Run dan SPI pada suatu lokasi,

dibutuhkan data curah hujan dengan periode waktu yang cukup panjang. Perhitungan

analisis kekeringan pada suatu lokasi dapat dilakukan dengan melakukan analisis pada

stasiun hujan yang berpengaruh pada lokasi tersebut. Untuk mengetahui stasiun hujan

yang berpengaruh terhadap lokasi studi dapat digunakan metode Polygon Thiessen. Pada

kabupaten Dompu hanya ada dua stasiun Hujan sehingga berdasarkan penggambaran

Polygon Thiessen diperoleh bahwa stasiun yang berpengaruh pada Kecamatan

Manggelewa Kabupaten Dompu adalah Stasiun Dompu sebesar 80,63% dan Stasiun

Kadindi sebesar 19,37% terhadap Kecamatan Manggelewa. Berikut ini adalah

penggambaran Polygon Thiessen untuk lokasi Studi di tunjukkan dengan Gambar 4.1

berikut ini.

26

Gambar 4.1 Polygon Theissen lokasi studi

4.2.2 Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data hujan yang berpengaruh

pada Kecamatan Manggelewa, Kabupaten Dompu. Stasiun hujan yang digunakan antara

lain :

a. Stasiun penakar hujan Dompu (2004 - 2015)

Desa/Kec/Kab : Woja/Dompu/Dompu

Koordinat : 80 34' 48.4" LS dan 118

0 28' 12" BT

b. Stasiun penakar hujan Kadindi (2004-2015)

Desa/Kec/Kab : Kadindi/Pekat/Dompu

Koordinat : 80 11' 51.3" LS dan 117

0 54' 7.8" BT

27

Data tersebut diperoleh dari Balai Informasi Sumber Daya Air (BISDA) DPU

PROV. NTB dan digunakan data curah hujan setengah bulanan selama 11 tahun yaitu

dari tahun 2004 sampai 2015 dan data tersebut digunakan untuk bangkitan data dengan

menggunakan Model Thomas Fiering, sedangkan untuk analisis kekeringan

menggunakan data curah hujan bulanan yang diperoleh dari penjumlahan data curah

hujan setengah bulanan di setiap bulannya. Adapun data curah hujan dari masing-masing

stasiun penakar hujan dapat dilihat pada halaman Lampiran 1.

4.2.3 Uji Konsistensi Data Curah Hujan

Dalam studi ini uji konsistensi data curah hujan menggunakan metode RAPS

(Rescaled Adjusted Partial Sums) seperti tercantum dalam Persamaan(2-1) sampai

dengan Persamaan (2-5).

Contoh analisis uji konsistensi data curah hujan untuk stasiun Dompu pada tahun

2004 adalah sebagai berikut :

1. Curah hujan tahun 2004 (Xi) = 920,0 mm

2. Jumlah data hujan (n) = 11

3. Nilai rata-rata keseluruhan hujan ( X ) = 1233,05 mm

4. Nilai Statistik (SK *)

= ( xxi )

= 920,0 – 1233,05

= -313,05 mm

5. Nilai Statistik (Dy2) =

n

XX i

2)(

=98000,3/11

= 8908,86

6. Dy = 2

yD

= 636,14

7. Nilai Statistik SK **

= Dy

SK *

28

= 636,14

313,05-

= -0,49

8. Harga Mutlak | SK **

| = 0,49

Hasil perhitungan untuk tahun-tahun selanjutnya di stasiun hujan Dompu dapat

dilihat pada Tabel 4.1.

Tabel 4.1 Uji RAPS Stasiun Hujan Dompu

No Tahun Hujan (X)

Sk* Dy2 Sk** | Sk** |

1 2004 920.0 -313.05 -313.05 8908.86 -0.49 0.49

2 2005 1548.5 315.45 2.41 9046.51 0.00 0.00

3 2006 1096.1 -136.95 -134.54 1704.91 -0.21 0.21

4 2007 1796.3 563.25 428.72 28841.43 0.67 0.67

5 2008 1770.5 537.46 966.18 26260.74 1.52 1.52

6 2009 698.6 -534.46 431.73 25967.51 0.68 0.68

7 2011 389.6 -843.45 -411.72 64672.75 -0.65 0.65

8 2012 949.4 -283.65 -695.36 7314.07 -1.09 1.09

9 2013 2711.7 1478.65 783.29 198765.39 1.23 1.23

10 2014 1012.1 -220.95 562.35 4437.90 0.88 0.88

11 2015 670.7 -562.35 0.00 28748.40 0.00 0.00

Jumlah = 13563.5 404668.46

Rata-rata = 1233.05 36788.04

n = 11

Dy = 636.14

Sk**min = -1.09

Sk**maks = 1.52

Qy = |Sk**maks| = 1.52

Ry = Sk**maks - Sk**min = 2.61

Qy/(√n) = 0.46 < 1,303 (Tabel 2.1) Konsisten

Ry/(√n) = 0.79 < 1,402 (Tabel 2.1) Konsisten

Sumber : Hasil Perhitungan

29

Tabel 4.2 Uji RAPS Stasiun Hujan Kadindi

No Tahun Hujan (X)

Sk* Dy2 Sk** | Sk** |

1 2004 697.5 -514.27 -514.27 24043.31 -1.01 1.01

2 2005 749.2 -462.57 -976.85 19452.14 -1.93 1.93

3 2006 932.6 -279.17 -1256.02 7085.22 -2.48 2.48

4 2007 726.5 -485.27 -1741.29 21408.15 -3.44 3.44

5 2008 1047.4 -164.37 -1905.66 2456.22 -3.76 3.76

6 2009 974.1 -237.67 -2143.34 5135.30 -4.23 4.23

7 2011 1322.3 110.53 -2032.81 1110.57 -4.01 4.01

8 2012 1259.7 47.93 -1984.88 208.82 -3.92 3.92

9 2013 2484.1 1272.33 -712.55 147165.15 -1.41 1.41

10 2014 1390.6 178.83 -533.73 2907.20 -1.05 1.05

11 2015 1745.5 533.73 0.00 25896.80 0.00 0.00

Jumlah = 13329.5 256868.88

Rata-rata = 1211.77 23351.72

n = 11

Dy = 506.82

Sk**min = -4.23

Sk**maks = 0.00

Qy = |Sk**maks| = 4.23

Ry = Sk**maks - Sk**min = 4.23

Qy/(√n) = 1.28 < 1,303 (Tabel 2.1) Konsisten

Ry/(√n) = 1.28 < 1,402 (Tabel 2.1) Konsisten

Untuk hasil uji konsistensi diatas berlaku pada tahun periode 2004-2015. Berikut

adalah hasil rekapitulasi perhitungan uji konsistensi data menggunakan metode RAPS

dapat dilihat pada Tabel berikut.

30

Tabel 4.3 Rekapitulasi Uji RAPS Periode Tahun 2004-2015

Stasiun

Qy/(√n) Ry/(√n)

Keterangan Qy/(√n)

Hitungan

Qy/(√n)

Tabel 2.1

Ry/(√n)

Hitungan

Ry/(√n)

Tabel 2.1

Dompu 0,46 1,303 0,79 1,402 Konsisten

Kadindi 1.28 1,303 1.28 1,402 Konsisten

Sumber : Hasil Perhitungan

Dari Tabel diatas dapat disimpulkan bahwa masing-masing stasiun hujan

didapatkan nilai nRnR // Tabel 99% dan juga nQnQ // Tabel 99%

(Tabel 2.1) sehingga memenuhi syarat.

Tabel 4.3 Uji RAPS bangkitan stasiun hujan Dompu

No Tahun Hujan (X)

Sk* Dy2 Sk** | Sk** |

1 2016 1419.5 59.15 59.15 699.85 0.37 0.37

2 2017 1646.9 286.57 345.73 16424.98 2.17 2.17

3 2018 1264.9 -95.36 250.37 1818.56 1.57 1.57

4 2019 1249.9 -110.43 139.94 2439.11 0.88 0.88

5 2020 1220.4 -139.94 0.00 3916.59 0.00 0.00

Jumlah = 6801.5 25299.08

Rata-rata = 1360.30 5059.82

n = 5

Dy = 159.06

Sk**min = 0.00

Sk**maks = 2.17

Qy = |Sk**maks| = 2.17

Ry = Sk**maks - Sk**min = 2.17

Qy/(√n) = 0.97 < 1.29 (Tabel 2.1) Konsisten

Ry/(√n) = 0.97 < 1.38 (Tabel 2.1) Konsisten

31

Tabel 4.4 Uji RAPS bangkitan stasiun hujan Kadindi

No Tahun Hujan (X)

Sk* Dy2 Sk** | Sk** |

1 2016 1779.0 213.12 213.12 9084.04 1.27 1.27

2 2017 1680.5 114.56 327.68 2624.83 1.95 1.95

3 2018 1563.8 -2.08 325.60 0.87 1.94 1.94

4 2019 1281.1 -284.84 40.76 16227.27 0.24 0.24

5 2020 1525.2 -40.76 0.00 332.20 0.00 0.00

Jumlah = 7829.6 28269.20

Rata-rata = 1565.92 5653.84

n = 5

Dy = 168.13

Sk**min = 0.00

Sk**maks = 1.95

Qy = |Sk**maks| = 1.95

Ry = Sk**maks - Sk**min = 1.95

Qy/(√n) = 0.87 < 1.29 (Tabel 2.1) Konsisten

Ry/(√n) = 0.87 < 1.38 (Tabel 2.1) Konsisten

Tabel 4.5 Rekapitulasi Uji RAPS Periode Tahun 2016-2020

Stasiun

Qy/(√n) Ry/(√n)

Keterangan Qy/(√n)

Hitungan

Qy/(√n)

Tabel 2.1

Ry/(√n)

Hitungan

Ry/(√n)

Tabel 2.1

Dompu 0,97 1,29 0,97 1,38 Konsisten

Kadindi 0,87 1,29 0,87 1,38 Konsisten

Sumber : Hasil Perhitungan

Dari hasil perhitungan untuk uji RAPS (Rescaled Adjusted Partial Sums)

didapatkan nilai nRnR // Tabel 99% dan juga nQnQ // Tabel 99%

(Tabel 2.1) sehingga data hujan hasil bangkitan memenuhi syarat.

4.3 Model Bangkitan Data Menggunakan Model Thomas Fiering

Menghitung parameter-parameter statistik.

1. Menghitung curah hujan rata-rata setengah bulanan.

Persamaan yang digunakan untuk menghitung adalah:

32

n

p

P

n

i

ji

j

1

,

dengan:

jp = Curah hujan rerata bulan ke-j (mm)

pij = Curah hujan ke-I, bulan ke-j (mm)

n = Panjang data bulan ke-j

Contoh perhitungan pada sasiun hujan Dompu :

a. Rata-rata bulan Januari I:

n

p

p

n

i

ji

j

1

,

=11

2015) . . .2005(2004 IJan hujan Curah

= 93,10311

2,1143 mm

b. Rata-rata bulan Januari II :

n

p

p

n

i

ji

j

1

,

=11

2015) . . .2005(2004 IIJan hujan Curah

= 03,12011

3,1320 mm

Hasil perhitungan pada stasiun Dompu periode 2004-2015 menggunakan Persamaan

diatas didapatkan nilai rata-rata curah hujan setengah bulanan seperti yang ditampilkan

pada Tabel 4.6 dan Tabel 4.7.

33

Tabel 4.6 Nilai Rata-rata stasiun hujan Dompu

Bulan Pj Bulan Pj

Jan I 103.927 Jul I 9.282

II 120.031 II 2.482

Feb I 75.923 Agt I 1.673

II 115.441 II 0.131

Mar I 78.155 Sep I 0.000

II 86.219 II 0.055

Apr I 95.645 Okt I 10.882

II 37.064 II 21.018

Mei I 14.427 Nov I 69.155

II 59.745 II 65.327

Jun I 5.045 Des I 97.727

II 19.455 II 144.236

Sumber : Hasil Perhitungan

Tabel 4.7 Nilai Rata-rata stasiun hujan Kadindi

Bulan Pj Bulan Pj

Jan I -0.007 Jul I 0.607

II 0.456 II 0.378

Feb I 0.147 Agt I -0.138

II 0.766 II 0.354

Mar I 0.345 Sep I 0.084

II 0.200 II 0.148

Apr I 0.516 Okt I -0.213

II 0.387 II -0.086

Mei I 0.504 Nov I -0.007

II -0.167 II 0.236

Jun I 0.060 Des I 0.312

II -0.065 II 0.373

Sumber : Hasil Perhitungan

34

2. Menghitung simpangan baku/standar deviasi

Persamaan yang digunakan untuk menghitung nilai simpangan baku adalah sebagai

berikut:

1

)2

1

,

n

pp

s

n

i

jji

j

dengan :

Sj= Simpangan baku bulan ke-j

pi,j= Curah hujan tahun ke-I, bulan ke-j (mm)

jp = Curah hujan rerata bulan ke-j (mm)

Contoh perhitungan pada stasiun Dompu periode 2004-2015.

Simpangan baku bulan Januari II (Sj) :

= 5– 120.03 = -115.03 mm

= -115.032 = 13232.11 mm

2

)( , jji pp

2

, )( jji pp

35

Tabel 4.8 Analisis Parameter Nilai Simpangan Baku Bulan Januari II(Sj)

Tahun

2004 5 -115.03 13232.11

2005 66 -54.03 2919.34

2006 201 80.47 6475.27

2007 113 -7.03 49.43

2008 301 181.17 32822.24

2009 42 -77.69 6035.88

2011 10 -110.23 12150.85

2012 67 -52.73 2780.55

2013 206 85.97 7390.68

2014 185 65.37 4273.12

2015 124 3.77 14.21

Jumlah 1320.34 88143.69

Rerata 120.03 `

Sumber : Hasil Perhitungan

Sehingga simpangan baku untuk bulan Januari II (Sj) :

1

)( 2

1

,

n

pp

s

n

i

jji

j

111

88143.69

js

= 93.885 mm

Hasil perhitungan selanjutnya dapat dilihat pada Tabel 4.9, sedangkan untuk

perhitungan pada stasiun hujan Kadindi dapat dilihat pada halaman Lampiran 3.

36

Tabel 4.9 Nilai Simpang Baku Stasiun Dompu

Bulan Sj Bulan Sj

Jan I 135.586 Jul I 16.149

II 93.885 II 7.810

Feb I 81.542 Agt I 5.416

II 127.085 II 0.291

Mar I 70.559 Sep I 0.000

II 58.048 II 0.181

Apr I 78.790 Okt I 14.373

II 43.765 II 30.234

Mei I 18.691 Nov I 87.636

II 122.658 II 70.417

Jun I 10.548 Des I 83.973

II 46.478 II 135.897

Sumber : Hasil Perhitungan

3. Menghitung koefisien korelasi

Persamaan yang digunakan untuk menghitung nilai koefisien korelasi adalah sebagai

berikut:

n

i

jjijji

n

i

jjijji

j

pppp

pppp

r

1

2

11,

2

,

1

11,,

)()(

)()(

dengan:

rj = Koefisien korelasi curah hujan rerata bulan ke-j dengan bulan ke-j-1

pi,j = Curah hujan tahun ke-i, bulan ke-j (mm)

j

p = Curah hujan rerata bulan ke-j (mm)

pi,j-1 = Curah hujan tahun ke-i, bulan ke j-1(mm)

j

p -1 = Curah hujan rerata bulan ke j-1 (mm)

37

Contoh perhitungan pada stasiun hujan Dompu :

a) Koefisien korelasi bulan Januari II (rj) :

Dimana :

pi,j adalah curah hujan Januari II

pi,j-1 adalah curah hujan Januari I

jp adalah curah hujan rata-rata Januari II

jp -1 adalah curah hujan rata-rata Januari I

Contoh perhitungan analisis parameter pada stasiun hujan Dompu periode 2004-

2015. Dengan menggunakan Persamaan diatas dapat dilihat pada Tabel 4.10 berikut,

sedangkan untuk perhitungan pada stasiun hujan Kadindi dapat dilihat pada halaman

Lampiran 4.

38

Tabel 4.10 Analisa parameter koefisien korelasi (rj) bulan Januari II

Tahun jip , 1, jip

jp

jji pp ,

1jp

11, jji pp

2

, )(jji pp

2

11, )(

jji pp )( , jji pp )(11,

jji pp

1 2 3 4 5 6 7 8 9 10 = 5 x 7

2004 5.0 119.5 120.0 -115.0 103.9 15.6 13232.1 242.5 -1791.345

2005 66.0 0.0 120.0 -54.0 103.9 -103.9 2919.3 10800.9 5615.285

2006 200.5 122.0 120.0 80.5 103.9 18.1 6475.3 326.6 1454.2959

2007 113.0 73.0 120.0 -7.0 103.9 -30.9 49.4 956.5 217.44684

2008 301.2 100.7 120.0 181.2 103.9 -3.2 32822.2 10.4 -584.6821

2009 42.3 35.0 120.0 -77.7 103.9 -68.9 6035.9 4751.0 5355.0225

2011 9.8 10.0 120.0 -110.2 103.9 -93.9 12150.9 8822.3 10353.689

2012 67.3 37.3 120.0 -52.7 103.9 -66.6 2780.5 4439.2 3513.3167

2013 206.0 492.0 120.0 86.0 103.9 388.1 7390.7 150600.4 33362.26

2014 185.4 103.5 120.0 65.4 103.9 -0.4 4273.1 0.2 -27.93043

2015 123.8 50.2 120.0 3.8 103.9 -53.7 14.2 2886.6 -202.503

Jumlah 1754.8 1468.2 0 0 88143.7 183836.7 57264.9

Sumber : Hasil Perhitungan

39

Berdasarkan analisa parameter koefisien korelasi pada Tabel diatas maka diperoleh

nilai koefisien korelasi (rj) :

n

i

jjijji

n

i

jjijji

j

pppp

pppp

r

1

2

11,

2

,

1

11,,

)()(

)()(

450,0)7.88143()7.183836(

9.57264

Untuk hasil perhitungan nilai koefisien regresi bulan selanjutnya untuk stasiun

hujan Dompu dapat dilihat pada Tabel 4.11, sedangkan untuk stasiun hujan Kadindi

dapat dilihat pada halaman Lampiran 5.

Tabel 4.11 Nilai Koefisien Korelasi Stasiun Dompu

Bulan rj Bulan rj

Jan I -0.282 Jul I 0.443

II 0.450 II 0.382

Feb I 0.549 Agt I -0.053

II 0.684 II 0.646

Mar I -0.015 Sep I 0.000

II 0.623 II 0.000

Apr I 0.579 Okt I -0.251

II 0.173 II 0.837

Mei I 0.054 Nov I 0.453

II -0.012 II -0.084

Jun I 0.776 Des I 0.392

II 0.901 II 0.680

Sumber : Hasil Perhitungan

40

4. Menghitung koefisien regresi

Persamaan yang digunakan untuk menghitung nilai koefisien regresi (Bj) adalah

sebagai berikut:

1

j

jj

js

srB

dengan :

bj = Koefisien regresi bulan ke-j

rj = Koefisien korelasi curah hujan rerata bulan ke-j dengan bulan ke-j-1

Sj = Simpangan baku bulan ke-j

Sj-1= Simpangan baku bulan ke-j-1

Contoh perhitungan stasiun hujan Dompu:

a. Koefisien Regresi bulan Februari I

dimana :

Koefisien korelasi (rj) bulan Februari I : 0,549

Simpangan baku bulan ke j : 81,542 mm

Simpangan baku bulan ke j-1 : 93,885 mm

Maka diperoleh nilai koefisien regresi untuk bulan Februari I

1

j

jj

js

srb 477,0

885,93

81,542 0,549

b. Koefisien Regresi bulan Februari II

dimana :

Koefisien korelasi (rj) bulan Februari II : 0,684

Simpangan baku bulan ke j : 127,085 mm

Simpangan baku bulan ke j-1 : 81,542 mm

41

Maka diperoleh nilai koefisien regresi untuk bulan Februari II

1

j

jj

js

srb 066,1

542,81

085,127684,0

Seperti contoh di atas didapatkan nilai koefisien regresi setengah bulanan pada

stasiun hujan Dompu seperti yang ditampilkan pada Tabel 4.12, sedangkan untuk

perhitungan stasiun hujan Kadindi dapat dilihat pada halaman Lampiran 6.

Tabel 4.12 Nilai Koefisien Regresi Stasiun Dompu

Bulan Bj Bulan Bj

Jan

I -0.281

Jul

I 0.154

II 0.311 II 0.185

Feb

I 0.477

Agt

I -0.037

II 1.066 II 0.035

Mar

I -0.008

Sep

I 0.000

II 0.512 II 0.000

Apr

I 0.786

Okt

I -19.950

II 0.096 II 1.761

Mei

I 0.023

Nov

I 1.314

II -0.078 II -0.068

Jun

I 0.067

Des

I 0.467

II 3.969 II 1.101

Sumber : Hasil Perhitungan

5. Menentukan rangkaian bilangan acak dengan menggunakan program Minitab.

Rangkaian bilangan acak untuk stasiun hujan Dompu yang didapat dari program

Minitab17 dapat dilihat pada Tabel 4.13, sedangkan untuk stasiun hujan Kadindi dapat

dilihat pada halaman Lampiran 7.

42

Tabel 4.13 Nilai Bilangan Acak Stasiun Hujan Dompu

2016 2017 2018 2019 2020

-0.0669819 1.93739873 0.7720355 -0.12405 -0.80243

0.71664504 -0.5298452 -1.89906756 -0.07379 0.915119

0.54385266 -0.1955245 -1.07018431 -1.44176 0.093259

1.25182589 1.30594286 0.62498286 -0.31212 -0.75158

1.96064209 1.76915174 -0.28299002 -1.24627 -1.48668

-0.0850475 -1.5172157 0.14374183 -0.56905 -1.09444

0.67179319 -0.0861363 -2.4491278 0.591501 0.690591

-1.0323836 -1.4063525 0.96104997 1.634704 1.126362

0.6863196 -0.6623059 0.76868611 -0.55965 0.365779

-1.8849065 -1.5122181 0.4442241 0.873921 0.696712

2.23140455 -0.444135 -0.11916516 1.5021 1.206521

0.18918365 -0.3171961 1.8947836 1.026382 1.392178

0.53142028 1.13190088 -0.92726065 1.378771 -0.70235

-1.4528265 0.9902699 1.07450045 -1.0109 1.001991

0.45310759 -1.1211085 1.03166808 0.186447 -0.64892

0.19746998 -0.7200638 -0.02627728 1.447664 0.209915

-0.6134996 2.32210813 -1.02202536 -1.59091 1.702117

-0.162808 0.93975432 0.50204395 -1.09072 0.696255

2.61037193 -2.6097829 0.72869166 -0.02566 -1.68692

1.17557202 3.41824975 -0.7777526 0.402852 -0.39577

2.14749717 -0.3349712 -1.85339514 0.108558 0.429407

-0.8818468 0.11814182 1.17443909 0.148851 0.850118

-1.3668653 -0.4654304 1.83018302 -0.35574 2.955346

-0.7109418 -1.309829 -1.72703563 -0.36008 0.086939

Sumber : Program Minitab 17

6. Membangkitkan data hujan

Setelah semua parameter statistik dan rangkaian bilang acak diketahui maka data

bangkitan menggunakan metode Thomas Fiering dapat dicari. Dengan demikian didapat

nilai prediksi data hujan pada tahun 2016-2020.

Persamaan yang digunakan adalah :

43

p i, j = j

p +Bj . )(11,

jji pp + ti,j. )1(2

jj rs

Berikut analisis bangkitan data untuk stasiun hujan Dompu pada tahun 2016 dan

hanya menampilkan analisis bangkitan untuk bulan Januari I.

Diketahui :

Curah hujan (pi,j-1) bulan Januari I (Des II tahun 2015) : 0,00 mm

Curah hujan rata-rata (j

p ) bulan Januari I : 103,927 mm

Curah hujan rata-rata (1j

p ) bulan Januari I : 144,236 mm

Koefisien korelasi (rj) bulan Januari I : -0,282

Simpangan baku (Sj) bulan Januari I : 135,897 mm

Koefisien regresi (Bj) bulan Januari I : -0,281

Nilai variant acak (tij) bulan Januari I : -0,067

Maka diperoleh data hasil bangkitan untuk bulan Januari I, yaitu

2

, 282,01(897,1350,067-236,1440,00281,0927,103 jip

135,777, jip mm

Hasil perhitungan selanjutnya dapat dilihat pada Tabel 4.14 serta rekapitilasi tahun

berikutnya dapat dilihat pada Tabel 4.15,sedangkan untuk stasiun hujan Kadindi dapat

dilihat pada halaman Lampiran 8 dan Lampiran 9.

44

Tabel 4.14 Perhitungan Bangkitan Data Curah Hujan Tahun 2016 Stasiun Dompu

No Bulan Pij-1 j

p 1j

p Sj Sj-1 rj Bj tij Pi,j

1 Jan I 0.000 103.927 144.236 135.586 135.897 -0.282 -0.281 -0.067 135.777

2 II 135.777 120.031 103.927 93.885 135.586 0.450 0.311 0.717 190.042

3 Feb I 190.042 75.923 120.031 81.542 93.885 0.549 0.477 0.544 146.383

4 II 146.383 115.441 75.923 127.085 81.542 0.684 1.066 1.252 306.616

5 Mar I 306.616 78.155 115.441 70.559 127.085 -0.015 -0.008 1.961 214.885

6 II 214.885 86.219 78.155 58.048 70.559 0.623 0.512 -0.085 152.394

7 Apr I 152.394 95.645 86.219 78.790 58.048 0.579 0.786 0.672 190.817

8 II 190.817 37.064 95.645 43.765 78.790 0.173 0.096 -1.032 1.726

9 May I 1.726 14.427 37.064 18.691 43.765 0.054 0.023 0.686 26.429

10 II 26.429 59.745 14.427 122.658 18.691 -0.012 -0.078 -1.885 172.369

11 Jun I 172.369 5.045 59.745 10.548 122.658 0.776 0.067 2.231 27.413

12 II 27.413 19.455 5.045 46.478 10.548 0.901 3.969 0.189 112.047

13 Jul I 112.047 9.282 19.455 16.149 46.478 0.443 0.154 0.531 31.224

14 II 31.224 2.482 9.282 7.810 16.149 0.382 0.185 -1.453 3.952

15 Aug I 3.952 1.673 2.482 5.416 7.810 -0.053 -0.037 0.453 4.070

16 II 4.070 0.131 1.673 0.291 5.416 0.646 0.035 0.197 0.258

17 Sep I 0.258 0.000 0.131 0.000 0.291 0.000 0.000 -0.613 0.000

45

18 II 0.000 0.055 0.000 0.181 0.000 0.000 0.000 -0.163 0.025

19 Oct I 0.025 10.882 0.055 14.373 0.181 -0.251 -19.950 2.610 47.786

20 II 47.786 21.018 10.882 30.234 14.373 0.837 1.761 1.176 105.450

21 Nov I 105.450 69.155 21.018 87.636 30.234 0.453 1.314 2.147 347.849

22 II 347.849 65.327 69.155 70.417 87.636 -0.084 -0.068 -0.882 15.427

23 Dec I 15.427 97.727 65.327 83.973 70.417 0.392 0.467 -1.367 31.188

24 II 31.188 144.236 97.727 135.897 83.973 0.680 1.101 -0.711 0.166

Sumber : Hasil Perhitungan

46

Tabel 4.15 Hasil Bangkitan Data Curah Hujan Stasiun Hujan Dompu

No Bulan 2016 2017 2018 2019 2020

1 Jan I 135.777 396.524 244.924 128.353 40.103

2 II 190.042 85.525 29.282 123.765 206.683

3 Feb I 146.383 96.006 36.410 11.093 115.682

4 II 306.616 311.635 248.485 161.582 120.828

5 Mar I 214.885 201.375 56.594 11.366 28.327

6 II 152.394 87.341 162.787 130.409 106.545

7 Apr I 190.817 142.135 9.640 185.660 192.025

8 II 1.726 14.393 87.649 116.686 94.775

9 May I 26.429 1.258 27.966 3.174 20.446

10 II 172.369 126.659 113.298 166.000 144.265

11 Jun I 27.413 9.602 11.765 22.558 20.590

12 II 112.047 101.824 146.478 128.948 136.332

13 Jul I 31.224 39.918 10.105 43.493 13.361

14 II 3.952 13.682 14.290 0.762 13.767

15 Aug I 4.070 4.445 7.199 2.628 1.891

16 II 0.258 0.054 0.208 0.536 0.261

17 Sep I 0.000 0.000 0.000 0.000 0.000

18 II 0.025 0.225 0.145 0.143 0.181

19 Oct I 47.786 24.839 21.607 11.112 12.000

20 II 105.450 142.515 73.167 92.679 79.480

21 Nov I 347.849 153.935 35.325 188.580 213.643

22 II 15.427 54.739 128.855 56.893 106.099

23 Dec I 31.188 38.466 215.848 46.942 302.789

24 II 0.166 59.479 101.029 35.108 79.628

Sumber : Hasil Perhitungan

47

4.4 Analisis Kekeringan

Kekeringan adalah suatu kondisi kekurangan air akibat menurunnya curah hujan

dari biasanya dan berlangsung secara berkepanjangan sampai mencapai satu musim atau

lebih sehingga tidak mampu memenuhi kebutuhan air yang dicanangkan.

4.4.1 Metode RUN

Metode Run menganalisis kekeringan dalam bentuk durasi kekeringan terpanjang

dan jumlah kekeringan terbesar pada suatu lokasi stasiun hujan yang tersebar pada suatu

lokasi. Metode ini menentukan kekeringan secara kuantitatif, metode ini menentukan

bagaimana suatu proses hidrologi melebihi atau kurang dari nilai yang menjadi rata-

ratanya.

Dengan menggunakan Persamaan 2-11 sampai dengan Persamaan 2-15 maka

akan diperoleh lama durasi kekeringan dan jumlah kekeringan yang terjadi pada stasiun

hujan Dompu dan stasiun hujan Kadindi.

Berikut ini adalah contoh perhitungan analisis kekeringan dengan menggunakan

metode Run pada stasiun hujan Dompu periode tahun 2004-2015.

a. Rerata hujan bulan Januari 2004

Xi = n

xn

n

1 = = 224,0 mm

Hasil perhitungan selanjutnya untuk stasiun hujan Dompu periode Tahun 2004-2015

dapat dilihat pada Tabel 4.16 dan untuk periode tahun 2016-2020 dapat dilihat pada Tabel

4.17. Sedangkan untuk stasiun hujan Kadindi dapat dilihat pada halaman Lampiran 10

dan Lampiran 11.

11

54,2463

48

Tabel 4.16 Data hujan bulanan stasiun hujan Dompu periode tahun 2004-2015 (mm)

NO

THN

BLN

JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2004 124.5 84.0 95.0 16.5 59.0 0.0 0.0 0.0 0.0 0.0 261.0 280.0

2 2005 66.0 276.0 431.0 170.0 0.0 34.0 40.0 0.0 0.0 43.5 155.5 332.5

3 2006 322.5 79.7 247.0 213.0 40.0 22.0 0.0 0.0 0.0 0.0 16.0 155.9

4 2007 186.0 298.5 230.0 140.3 185.0 6.5 0.0 0.0 0.0 0.0 220.0 530.0

5 2008 401.9 590.0 57.7 91.7 19.2 3.2 0.0 0.0 0.0 69.8 192.5 344.5

6 2009 77.3 68.0 127.5 72.0 15.0 0.0 0.0 0.7 0.0 68.0 133.0 137.0

7 2011 19.8 0.0 183.2 67.7 53.4 0.0 0.2 0.0 0.0 0.0 0.0 65.3

8 2012 104.6 0.0 0.0 0.0 0.0 0.2 0.0 0.0 0.0 40.6 189.2 614.8

9 2013 698.0 437.5 198.9 305.0 412.5 190.5 52.5 0.0 0.0 129.0 287.8 0.0

10 2014 288.9 55.3 87.2 254.7 31.8 12.9 36.7 18.7 0.0 0.0 24.3 201.6

11 2015 174.0 216.0 150.6 128.9 0.0 0.2 0.0 0.4 0.6 0.0 0.0 0.0

n 11 11 11 11 11 11 11 11 11 11 11 11

Rerata 224.0 191.4 164.4 132.7 74.2 24.5 11.8 1.8 0.1 31.9 134.5 242.0

St. Dev 196.6 192.3 116.0 96.5 123.9 56.2 20.4 5.6 0.2 43.0 107.7 202.6

Skewness 1.5 1.0 1.0 0.4 2.5 3.1 1.3 3.3 3.3 1.3 -0.1 0.6

Kurtosis 2.6 0.2 2.0 -0.6 6.2 9.9 0.0 10.9 11.0 1.1 -1.6 -0.4

Sumber : Hasil Perhitungan

49

Tabel 4.17 Data Hujan Bulanan Stasiun Hujan Dompu Periode Tahun 2016-2020 (mm)

NO

THN

BLN

JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2016 325.8 453.0 367.3 192.5 198.8 139.5 35.2 4.3 0.0 153.2 363.3 31.4

2 2017 482.0 458.0 288.7 156.5 127.9 111.4 53.6 4.5 0.2 167.4 208.7 97.9

3 2018 274.2 344.5 219.4 97.3 141.3 158.2 24.4 7.4 0.1 94.8 164.2 316.9

4 2019 252.1 172.7 141.8 302.3 169.2 151.5 44.3 3.2 0.1 103.8 245.5 82.0

5 2020 246.8 236.5 134.9 286.8 164.7 156.9 27.1 2.2 0.2 91.5 319.7 382.4

n 5 5 5 5 5 5 5 5 5 5 5 5

Rerata 316.2 332.9 230.4 207.1 160.4 143.5 36.9 4.3 0.1 122.1 260.3 182.1

St. Dev 97.8 127.6 99.0 87.0 27.3 19.4 12.1 2.0 0.1 35.5 81.0 156.6

Skewness 1.7 -0.3 0.5 -0.1 0.3 -1.5 0.5 1.0 -1.1 0.6 0.2 0.6

Kurtosis 2.9 -2.4 -1.4 -2.0 -0.3 2.1 -1.4 1.5 2.0 -2.7 -1.7 -2.6

Sumber : Hasil Perhitungan

b. Nilai surplus/defisit

Bulan Januari 2004

XiXiZi 46,990,2245,124

Bulan Mei 2004

XiXiZi 64,844,1910,276

Perhitungan nilai surplus dan defisit hujan bulanan stasiun hujan Dompu periode

Tahun 2004-2015 dapat dilihat pada Tabel 4.18 dan untuk periode Tahun 2016-2020

dapat dilihat pada Tabel 4.19. Sedangkan untuk stasiun hujan Kadindi dapat dilihat pada

halaman Lampiran 12 .

(Surplus)

(Defisit)

50

Tabel 4.18 Nilai Surplus dan Defisit Hujan Bulanan Stasiun Dompu Periode Tahun 2004-2015 (mm)

NO THN BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2004 -99.46 -107.36 -69.37 -116.21 -15.17 -24.50 -11.76 -1.80 -0.05 -31.90 126.52 38.04

2 2005 -157.96 84.64 266.63 37.29 -74.17 9.50 28.24 -1.80 -0.05 11.60 21.02 90.54

3 2006 98.54 -111.66 82.63 80.29 -34.17 -2.50 -11.76 -1.80 -0.05 -31.90 -118.48 -86.06

4 2007 -37.96 107.14 65.63 7.59 110.83 -18.00 -11.76 -1.80 -0.05 -31.90 85.52 288.04

5 2008 177.94 398.64 -106.67 -41.01 -54.97 -21.30 -11.76 -1.80 -0.05 37.90 58.03 102.54

6 2009 -146.62 -123.36 -36.86 -60.71 -59.17 -24.50 -11.76 -1.06 -0.05 36.10 -1.48 -104.96

7 2011 -204.16 -191.36 18.83 -65.01 -20.77 -24.50 -11.56 -1.80 -0.05 -31.90 -134.48 -176.66

8 2012 -119.36 -191.36 -164.37 -132.71 -74.17 -24.30 -11.76 -1.80 -0.05 8.70 54.72 372.84

9 2013 474.04 246.14 34.53 172.29 338.33 166.00 40.74 -1.80 -0.05 97.10 153.32 -241.96

10 2014 64.94 -136.06 -77.17 121.99 -42.37 -11.60 24.94 16.90 -0.05 -31.90 -110.18 -40.36

11 2015 -49.96 24.64 -13.77 -3.81 -74.17 -24.30 -11.76 -1.40 0.55 -31.90 -134.48 -241.96

Sumber : Hasil Perhitungan

51

Tabel 4.19 Nilai Surplus dan Defisit Hujan Bulanan Stasiun Dompu Periode Tahun 2016-2020 (mm)

NO THN

BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2016 9.62 120.06 136.87 -14.56 38.43 -4.05 -1.73 0.02 -0.12 31.11 103.01 -150.77

2 2017 165.85 125.08 58.31 -50.57 -32.46 -32.09 16.69 0.19 0.08 45.23 -51.60 -84.18

3 2018 -41.99 11.55 -11.02 -109.81 -19.11 14.73 -12.52 3.10 0.00 -27.35 -96.09 134.75

4 2019 -64.08 -160.26 -88.63 95.24 8.80 7.99 7.34 -1.15 0.00 -18.34 -14.80 -100.08

5 2020 -69.41 -96.43 -95.53 79.70 4.34 13.41 -9.78 -2.16 0.04 -30.65 59.47 200.29

Sumber : Hasil Perhitungan

52

c. Durasi kekeringan

Perhitungan durasi kekeringan, menggunakan Persamaan 2-13. Bila perhitungan

yang dihasilkan adalah positif, diberi nilai nol (0) dan negatif diberi nilai satu (1). Bila

terjadi nilai negatif berturut-turut, maka nilai satu (1) dijumlahkan sampai dipisahkan

kembali oleh nilai nol (0), untuk kemudian menghitung dari awal lagi. Perhitungan

dilakukan dari data tahun pertama berturut sampai tahun terakhir.

Contoh perhitungan sebagai berikut dan untuk hasil perhitungan hujan bulanan

stasiun hujan Dompu periode Tahun 2004-2015 dapat dilihat pada Tabel 4.20 sampai

dengan Tabel 4.23, sedangkan untuk periode Tahun 2016-2020 dapat dilihat pada Tabel

4.24 sampai dengan Tabel 4.27 dan untuk stasiun hujan Kadindi dapat dilihat pada

halaman Lampiran 13 sampai dengan Lampiran 18.

Tabel 4.20 Durasi kekeringan stasiun hujan Dompu periode tahun 2004-2015 (Bulan)

NO THN

BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2004 1 1 1 1 1 1 1 1 1 1 0 0

2 2005 1 0 0 0 1 0 0 1 1 0 0 0

3 2006 0 1 0 0 1 1 1 1 1 1 1 1

4 2007 1 0 0 0 0 1 1 1 1 1 0 0

5 2008 0 0 1 1 1 1 1 1 1 0 0 0

6 2009 1 1 1 1 1 1 1 1 1 0 1 1

7 2011 1 1 0 1 1 1 1 1 1 1 1 1

8 2012 1 1 1 1 1 1 1 1 1 0 0 0

9 2013 0 0 0 0 0 0 0 1 1 0 0 1

10 2014 0 1 1 0 1 1 0 0 1 1 1 1

11 2015 1 0 1 1 1 1 1 1 0 1 1 1

Sumber : Hasil Perhitungan

53

Tabel 4.21 Durasi kekeringan komulatif stasiun hujan Dompu periode tahun 2004-2015

(Bulan)

No THN

BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2004 1 2 3 4 5 6 7 8 9 10 0 0

2 2005 1 0 0 0 1 0 0 1 2 0 0 0

3 2006 0 1 0 0 1 0 1 2 3 4 5 6

4 2007 7 0 0 0 0 1 2 3 4 5 0 0

5 2008 0 0 1 2 3 4 5 6 7 0 0 0

6 2009 1 2 3 4 5 6 7 8 9 0 1 2

7 2011 3 4 5 6 7 8 9 10 11 12 13 14

8 2012 15 16 17 18 19 20 21 22 23 0 0 0

9 2013 0 0 0 0 0 0 0 1 2 0 0 0

10 2014 0 1 2 0 1 2 0 0 1 2 3 4

11 2015 5 0 1 2 3 4 5 6 7 8 9 10

Sumber : Hasil Perhitungan

Dari Tabel diatas dapat terlihat bahwa durasi kekeringan terpanjang pada stasiun

hujan Dompu periode tahun 2004-2015 sebesar 23 bulan yang terjadi dimulai dari bulan

November tahun 2009 sampai September tahun 2012.

54

Tabel 4.22 Durasi kekeringan stasiun hujan Dompu periode tahun 2004-2015 (Ln)

(Bulan)

No THN

BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2004 0 0 0 0 0 0 0 0 0 10 0 0

2 2005 1 0 0 0 1 0 0 0 2 0 0 0

3 2006 0 1 0 0 1 0 0 0 0 0 0 0

4 2007 7 0 0 0 0 0 0 0 0 5 0 0

5 2008 0 0 0 0 0 0 0 0 7 0 0 0

6 2009 0 0 0 0 0 0 0 0 9 0 0 0

7 2011 0 0 0 0 0 0 0 0 0 0 0 0

8 2012 0 0 0 0 0 0 0 0 23 0 0 0

9 2013 0 0 0 0 0 0 0 0 2 0 0 0

10 2014 0 0 2 0 0 2 0 0 0 0 0 0

11 2015 5 0 0 0 0 0 0 0 0 0 0 10

Dari Tabel diatas dapat terlihat bahwa durasi kekeringan terpanjang pada stasiun

Dompu periode tahun 2004-2015 sebesar 23 bulan yang terjadi pada tahun 2009 sampai

2012.

Tabel 4.23 Durasi Kekeringan Terpanjang Stasiun Dompu (Bulan)

No Tahun Max T.2 th T.5 th T.10 th T.11 th

1 2004 10 10 10 23 23

2 2005 2

3 2006 6 7

4 2007 7

5 2008 7 9

6 2009 9 23

7 2011 14 23

8 2012 23

9 2013 2 4

10 2014 4

11 2015 10 10 10 10

Rerata 9 11 14 17 23

Sumber : Hasil Perhitungan

55

Dari data Tabel di atas terlihat bahwa dari periode 11 tahun stasiun hujan Dompu,

durasi kekeringan terpanjang sebanyak 23 bulan yaitu pada tahun 2012.

Tabel 4.24 Durasi kekeringan stasiun hujan Dompu Periode Tahun 2016-2020 (mm)

NO THN

BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2016 0 0 0 1 0 1 1 0 1 0 0 1

2 2017 0 0 0 1 1 1 0 0 0 0 1 1

3 2018 1 0 1 1 1 0 1 0 0 1 1 0

4 2019 1 1 1 0 0 0 0 1 0 1 1 1

5 2020 1 1 1 0 0 0 1 1 0 1 0 0

Sumber : Hasil Perhitungan

Tabel 4.26 Durasi kekeringan stasiun hujan Dompu (Ln) (Bulan)

No THN

BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2016 0 0 0 1 0 0 2 0 1 0 0 1

2 2017 0 0 0 0 0 3 0 0 0 0 0 0

3 2018 3 0 0 0 3 0 1 0 0 0 2 0

4 2019 0 0 3 0 0 0 0 1 0 0 0 0

5 2020 0 0 6 0 0 0 0 2 0 1 0 0

Sumber : Hasil Perhitungan

Tabel 4.25 Durasi kekeringan komulatif stasiun hujan Dompu Periode Tahun 2016-2020

(Bulan)

No THN

BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2016 0 0 0 1 0 1 2 0 1 0 0 1

2 2017 0 0 0 1 2 3 0 0 0 0 1 2

3 2018 3 0 1 2 3 0 1 0 0 1 2 0

4 2019 1 2 3 0 0 0 0 1 0 1 2 3

5 2020 4 5 6 0 0 0 1 2 0 1 0 0

56

Dari Tabel diatas dapat terlihat bahwa durasi kekeringan terpanjang pada stasiun

Dompu periode tahun 2016-2020 jatuh pada tahun 2020 yaitu sebesar 6 bulan dimulai

dari bulan Oktober 2019 sampai Maret 2020.

Tabel 4.27 Durasi Kekeringan Terpanjang Stasiun Dompu Periode Tahun 2016-2020

(Bulan)

No Tahun Max T.2 th T.5 th

1 2016 2 3 6

2 2017 3

3 2018 3 3

4 2019 3

5 2020 6 6

Dari Tabel diatas dapat disimpulkan bahwa dari periode 5 tahun data stasiun hujan

Dompu, durasi kekeringan terparah yaitu sebanyak 6 bulan yang terjadi pada tahun 2020.

d. Jumlah kekeringan komulatif

Menghitung jumlah kekeringan atau defisit hampir sama dengan cara menghitung

nilai durasi kekeringan. Jika jumlah defisitnya berurutan dan lebih dari satu maka pada

bulan selanjutnya merupakan nilai kumulatifnya.

Hasil perhitungan jumlah kekeringan komulatif pada stasiun hujan Dompu periode

Tahun 2004-2015 dapat dilihat pada Tabel 4.28 sampai dengan Tabel 4.30 dan untuk

periode tahun 2016-2020 dapat dilihat pada Tabel 4.31 sampai dengan Tabel 4.33,

sedangkan untuk stasiun hujan Kadindi dapat dilihat pada halaman Lampiran 19 sampai

dengan Lampiran 22.

a. Bulan Januari 2004, nilai Run adalah -99,46 yang berarti defisit maka nilainya

tetap karena bulan pertama.

b. Bulan Februari 2004, nilai Run adalah -107,36 yang berarti defisi tmaka nilainya -

99,46 + (-107,36) = -206,82

c. Bulan Maret 2006, nilai Run adalah 82,63 yang berarti surplus maka diberi nilai

0.

57

Tabel 4.28 Jumlah kekeringan kumulatif stasiun hujan Dompu periode tahun 2004-2015 (mm)

NO THN

BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2004 -99.46 -206.82 -276.20 -392.40 -407.58 -432.08 -443.84 -445.64 -445.70 -477.60 0 0

2 2005 -157.96 0 0 0 -74.17 0 0 -1.80 -1.86 0 0 0

3 2006 0 -111.66 0 0 -34.17 0 -11.76 -13.57 -13.62 -45.52 -164.00 -250.07

4 2007 -288.03 0 0 0 0 -18.00 -29.76 -31.57 -31.62 -63.52 0 0

5 2008 0 0 -106.67 -147.68 -202.66 -223.96 -235.72 -237.52 -237.58 0 0 0

6 2009 -146.62 -269.98 -306.85 -367.55 -426.73 -451.23 -462.99 -464.05 -464.11 0 -1.48 -106.45

7 2011 -310.60 -501.97 -483.14 -548.15 -568.92 -593.42 -604.99 -606.79 -606.85 -638.75 -773.23 -949.89

8 2012 -1069.25 -1260.61 -1424.99 -1557.70 -1631.87 -1656.17 -1667.93 -1669.74 -1669.79 0 0 0

9 2013 0 0 0 0 0 0 0 -1.80 -1.86 0 0 -241.96

10 2014 0 -136.06 -213.24 0 -42.37 -53.97 0 0 -0.05 -31.95 -142.14 -182.50

11 2015 -232.46 0 -13.77 -17.58 -91.76 -116.06 -127.82 -129.22 -128.68 -160.58 -295.06 -537.02

Sumber : Hasil Perhitungan

58

Tabel 4.29 Jumlah kekeringan stasiun hujan Dompu periode tahun 2004-2015 (Dn) (mm)

NO THN BLN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2004 0 0 0 0 0 0 0 0 0 477.60 0 0

2 2005 157.96 0 0 0 74.17 0 0 0 1.86 0 0 0

3 2006 0 111.66 0 0 0 0 0 0 0 0 0 0

4 2007 288.03 0 0 0 0 0 0 0 0 63.52 0 0

5 2008 0 0 0 0 0 0 0 0 237.58 0 0 0

6 2009 0 0 0 0 0 0 0 0 464.11 0 0 0

7 2011 0 0 0 0 0 0 0 0 0 0 0 0

8 2012 0 0 0 0 0 0 0 0 1669.79 0 0 0

9 2013 0 0 0 0 0 0 0 0 1.86 0 0 241.96

10 2014 0 0 213.24 0 0 53.97 0 0 0 0 0 0

11 2015 232.46 0 0 0 0 0 0 0 0 0 0 537.02

59

Dari Tabel 4.28 dan 4.29 menunjukkan bahwa jumlah kekeringan atau defisit air

terbesar pada stasiun Dompu periode tahun 2004-2015 sebanyak 1669.79 mm yang

terjadi pada bulan September tahun 2012.

Tabel 4.30 Jumlah Kekeringan Terpanjang Stasiun Dompu (Bulan)

No Tahun Max T.2 th T.5 th T.10 th T.11 th

1 2004 477.60

477.6

477.6

1669.79

1669.79

2 2005 157.96

3 2006 111.66

288.03

4 2007 288.03

5 2008 237.58

464.11

6 2009 464.11

1669.79

7 2011 0.00

1669.79

8 2012 1669.79

9 2013 241.96

241.96

10 2014 213.24

11 2015 537.02 10 10 10

Rerata 400 525 719 840 1670

Sumber : Hasil Perhitungan

Dari Tabel 4.30 dapat disimpulkan bahwa jumlah kekeringan atau defisit air terbesar

pada stasiun Dompu periode 11 tahun sebanyak 1669.79 mm yang terjadi pada tahun

2012.

60

Tabel 4.31 Jumlah Kekeringan Kumulatif Stasiun Dompu Periode Tahun 2016-2020 (mm)

NO TAHUN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2016 0 0 0 -14.56 0 -4.05 0 0.02 -0.10 0 0 -150.77

2 2017 0 0 0 -50.57 -83.03 -115.11 0 0 0 0 -51.60 -135.78

3 2018 -177.77 0 0 -109.81 -128.92 0 -12.52 0 0.00 -27.35 -123.44 0

4 2019 -64.08 -224.34 -312.97 0 0 0 0 -1.15 0 -18.34 -33.13 -133.21

5 2020 -202.62 -299.05 -394.58 0 0 0 -9.78 -11.94 0 -30.65 0 0

Sumber : Hasil Perhitungan

Tabel 4.32 Jumlah Kekeringan Stasiun Dompu Periode Tahun 2016-2020 (Dn) (mm)

NO TAHUN JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOP DES

1 2016 0 0 0 14.56 0 4.05 0 0 0.10 0 0 150.77

2 2017 0 0 0 0 0 115.11 0 0 0 0 0 0

3 2018 177.77 0 0 0 128.92 0 12.52 0 0 0 123.44 0

4 2019 0 0 312.97 0 0 0 0 1.15 0 0 0 0

5 2020 0 0 394.58 0 0 0 0 11.94 0 30.65 0 0

Sumber : Hasil Perhitungan

61

Dari Tabel di atas menunjukkan bahwa jumlah kekeringan atau defisit air terbesar

pada stasiun Dompu periode tahun 2016-2020 sebanyak 394,58 mm yang terjadi pada

bulan Maret tahun 2020.

Tabel 4.33 Jumlah Kekeringan Terpanjang Stasiun Dompu

Periode Tahun 2016-2020 (Bulan)

No Tahun Max T.2 th T.5 th

1 2016 150.77 150.77 394.58

2 2017 115.11

3 2018 177.77 312.97

4 2019 312.97

5 2020 394.58 394.58

Sumber : Hasil Perhitungan

Dari Tabel di atas dapat disimpulkan bahwa jumlah kekeringan atau defisit air

terbesar pada stasiun Dompu periode 5 tahun sebanyak 394,58 mm yang terjadi pada

tahun 2020.

Dari perhitungan analisis kekeringan denganmenggunakan metode Run pada

stasiun hujan Dompu periode tahun 2004 sampai tahun 2015 tersebut didapatkan durasi

kekeringan terpanjang sebanyak 23 bulan yang terjadi pada bulan November 2009

sampai September 2012 dan mencapai tingkat defisit air sebanyak 1669,79 mm dari rata-

rata hujan yang normal. Pada stasiun hujan Kadindi periode tahun 2004 sampai tahun

2015 tersebut didapatkan durasi kekeringan terpanjang mencapai 10 bulan yaitu dari

bulan Maret 2009 sampai Desember 2009 dan mencapai tingkat defisit air sebanyak

556,71 mm dari rata-rata hujan yang normal.

Hasil perhitungan analisis kekeringan periode 2016-2020 didapatkan durasi

kekeringan untuk stasiun Dompu selama 6 bulan yaitu dari bulan Oktober 2019 sampai

Maret 2020 sebanyak 394,58 mm dan stasiun Kadindi selama 7 bulan yaitu dari

September 2019 sampai Maret 2020 sebanyak 394,18 mm. Perhitungan analisis

kekeringan pada stasiun hujan Dompu dan stasiun hujan Kadindi memiliki hasil yang

beragam, namun pada tahun-tahun kering yang terjadi pada masing-masing stasiun hujan

juga mengalami kondisi defisit air dengan durasi dan jumlah kekeringan yang berbeda.

62

Perbedaan durasi dan jumlah kekeringan terjadi karena curah hujan mempunyai

keragaman yang besar dalam ruang dan waktu.

4.4.2 Metode Standardized Precipitation Index (SPI)

Standardized Precipitation Index (SPI) untuk suatu lokasi dihitung berdasarkan

data hujan yang cukup panjang untuk periode yang diinginkan. SPI positif

mengidentifikasikan hujan yang lebih besar dari median dan SPI negatif menunjukan

hujan yang lebih kecil dari median.

McKee et al (1993) menggunakan klasifikasi di bawah ini untuk

mengidentifikasikan intensitas kekeringan, dan juga kriteria kejadian kekeringan untuk

skala waktu tertentu. Kekeringan terjadi pada waktu SPI secara berkesinambungan

negatif dan mencapai intensitas kekeringan dengan SPI bernilai -1 atau kurang,

sedangkan kekeringan akan berakhir apabila nilai SPI menjadi positif.

Contoh perhitungan stasiun hujan Dompu tahun 2004 :

1. Menghitung rata-rata :

x = n

x

dengan :

x = Nilai rata-rata kejadian hujan (mm)

x = Jumlah kejadian hujan (mm)

n = Jumlah data

x = n

x = 12

Desember) . . .Februari(Januari 2004hujan Curah

= 76,6712

920,00 mm

2. Menghitung Standar Deviasi :

1

)( 2

n

xxSd

dengan :

Sd = Standar deviasi

63

x = Curah hujan (mm)

x = Nilai rata-rata kejadian hujan (mm)

n = Jumlah data

1

)( 2

n

xxSd

=

222

112

76,67)-280,00(...)67,7600,84()76,67-124,50(

= 104,32

3. Menghitung nilai bentuk alpha :

2

2

Sd

x

dengan :

x = Nilai rata-rata kejadian hujan (mm)

Sd = Standar deviasi

2

2

Sd

x = 0,54

32,104

76,67

2

2

4. Menghitung skala beta :

x

dengan :

x = Nilai rata-rata kejadian hujan (mm)

= Nilai bentuk (shape)/alpha

x = 95,141

54,0

76,67

Hasil perhitungan selanjutnya dapat dilihat pada Tabel 4.34 dan Tabel 4.35.

Sedangkan untuk stasiun hujan Kadindi dapat dilihat pada halaman Lampiran 23 dan

Lampiran 24.

64

Tabel 4.34 Perhitungan nilai α dan β stasiun hujan Dompu tahun 2004-2015

Tahun/Bulan 2004 2005 2006 2007 2008 2009 2011 2012 2013 2014 2015

Januari 124.50 66.00 322.50 186.00 401.90 77.34 19.80 104.60 698.00 288.90 174.00

Februari 84.00 276.00 79.70 298.50 590.00 68.00 0.00 0.00 437.50 55.30 216.00

Maret 95.00 431.00 247.00 230.00 57.70 127.51 183.20 0.00 198.90 87.20 150.60

April 16.50 170.00 213.00 140.30 91.70 72.00 67.70 0.00 305.00 254.70 128.90

Mei 59.00 0.00 40.00 185.00 19.20 15.00 53.40 0.00 412.50 31.80 0.00

Juni 0.00 34.00 22.00 6.50 3.20 0.00 0.00 0.20 190.50 12.90 0.20

Juli 0.00 40.00 0.00 0.00 0.00 0.00 0.20 0.00 52.50 36.70 0.00

Agustus 0.00 0.00 0.00 0.00 0.00 0.74 0.00 0.00 0.00 18.70 0.40

September 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.60

Oktober 0.00 43.50 0.00 0.00 69.80 68.00 0.00 40.60 129.00 0.00 0.00

November 261.00 155.50 16.00 220.00 192.51 133.00 0.00 189.20 287.80 24.30 0.00

Desember 280.00 332.50 155.90 530.00 344.50 137.00 65.30 614.80 0.00 201.60 0.00

Jumlah 920.00 1548.50 1096.10 1796.30 1770.51 698.59 389.60 949.40 2711.70 1012.10 670.70

Mean (rata-rata) 76.67 129.04 91.34 149.69 147.54 58.22 32.47 79.12 225.98 84.34 55.89

St dev 104.32 151.80 92.18 170.15 187.23 56.82 57.30 187.23 162.49 84.91 79.70

n 11 11 11 11 11 11 11 11 11 11 11

m 5 3 4 4 3 3 6 7 3 2 5

q=m/n 0.45 0.27 0.36 0.36 0.27 0.27 0.55 0.64 0.27 0.18 0.45

Alpha (α) 0.54 0.72 0.98 0.77 0.62 1.05 0.32 0.18 1.93 0.99 0.49

Beta (β) 141.95 178.56 93.02 193.41 237.59 55.46 101.12 443.07 116.84 85.48 113.66

65

Tabel 4.35 Perhitungan nilai α dan β stasiun hujan Dompu tahun 2016-2020 Tahun/Bulan 2016 2017 2018 2019 2020

Januari 325.82 482.05 274.21 252.12 246.79

Februari 453.00 458.02 344.49 172.67 236.51

Maret 367.28 288.72 219.38 141.78 134.87

April 192.54 156.53 97.29 302.35 286.80

Mei 198.80 127.92 141.26 169.17 164.71

Juni 139.46 111.43 158.24 151.51 156.92

Juli 35.18 53.60 24.39 44.25 27.13

Agustus 4.33 4.50 7.41 3.16 2.15

September 0.03 0.22 0.15 0.14 0.18

Oktober 153.24 167.35 94.77 103.79 91.48

November 363.28 208.67 164.18 245.47 319.74

Desember 31.35 97.94 316.88 82.05 382.42

Jumlah 552.22 478.70 583.38 434.62 795.97

Mean (rata-rata) 110.44 95.74 116.68 86.92 159.19

St dev 154.49 93.99 130.71 99.99 180.37

n 1.49 0.09 0.98 1.15 0.50

m 5 5 5 5 5

q=m/n 0 0 0 0 0

Alpha (α) 0.00 0.00 0.00 0.00 0.00

Beta (β) 0.51 1.04 0.80 0.76 0.78

Sumber : Hasil Perhitungan

66

5. Menghitung gamma distribusi :

dxexa

dxxgxG

xx x

a

0 0

1

)(

1)()(

dengan :

x = Curah hujan (mm)

= Nilai bentuk (shape)/alpha

β = Nilai skala (scale)/beta

Contoh perhitungan bulan Januari tahun 2004 :

dxexa

dxxgxG

xx x

a

0 0

1

)(

1)()(

=

=

= 0,80

Hasil perhitungan selanjutnya dapat dilihat pada Tabel 4.36 dan Tabel 4.37.

Sedangkan untuk stasiun hujan Kadindi dapat dilihat pada halaman Lampiran 25.

67

Tabel 4.36 Perhitungan gamma distribusi G(x) stasiun hujan Dompu tahun 2004-2015

Tahun/Bulan 2004 2005 2006 2007 2008 2009 2011 2012 2013 2014 2015

Januari 0.80 0.64 0.96 0.88 0.98 0.68 0.37 0.75 1.00 0.95 0.87

Februari 0.70 0.95 0.69 0.95 1.00 0.65 0.00 0.00 0.99 0.59 0.91

Maret 0.73 0.98 0.93 0.92 0.60 0.80 0.88 0.00 0.90 0.71 0.84

April 0.34 0.87 0.91 0.82 0.72 0.66 0.64 0.00 0.96 0.93 0.80

Mei 0.61 0.00 0.52 0.88 0.36 0.32 0.59 0.00 0.98 0.46 0.00

Juni 0.00 0.48 0.39 0.21 0.14 0.00 0.00 0.03 0.89 0.30 0.03

Juli 0.00 0.52 0.00 0.00 0.00 0.00 0.03 0.00 0.58 0.50 0.00

Agustus 0.00 0.00 0.00 0.00 0.00 0.07 0.00 0.00 0.00 0.36 0.05

September 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.06

Oktober 0.00 0.54 0.00 0.00 0.65 0.65 0.00 0.52 0.81 0.00 0.00

November 0.94 0.85 0.33 0.91 0.89 0.81 0.00 0.89 0.95 0.41 0.00

Desember 0.95 0.97 0.85 0.99 0.97 0.82 0.64 1.00 0.00 0.90 0.00

Sumber : Hasil perhitungan

68

Tabel 4.37 Perhitungan gamma distribusi G(x) stasiun hujan Dompu tahun 2016-2020

Tahun/Bulan 2016 2017 2018 2019 2020

Januari 0.91 0.96 0.89 0.87 0.87

Februari 0.96 0.96 0.92 0.79 0.86

Maret 0.93 0.89 0.84 0.74 0.73

April 0.81 0.77 0.65 0.90 0.89

Mei 0.82 0.72 0.74 0.78 0.78

Juni 0.74 0.68 0.77 0.76 0.77

Juli 0.42 0.51 0.36 0.47 0.37

Agustus 0.15 0.15 0.20 0.13 0.11

September 0.01 0.03 0.03 0.03 0.03

Oktober 0.76 0.78 0.64 0.67 0.63

November 0.93 0.83 0.78 0.86 0.91

Desember 0.40 0.65 0.91 0.61 0.94

Sumber : Hasil perhitungan

69

6. Menghitung probabilitas kumulatif H(x)

H(x) =

dengan :

q = m/n dengan m adalah jumlah kejadian hujan 0 mm dalam deret seri

data hujan (dapat dilihat pada Tabel 4.34)

G(x) = Gamma distribusi

Contoh perhitungan bulan Januari tahun 2004 :

H(x) =

= 0,45 + (1 – 0,45 ) x 0,80

= 0,89

Hasil perhitungan selanjutnya dapat dilihat pada Tabel 4.38 dan Tabel 4.39.

Sedangkan untuk stasiun hujan Kadindi dapat dilihat pada halaman Lampiran 26.

70

Tabel 4.38 Perhitungan probabilitas kumulatif H(x) stasiun hujan Dompu tahun 2004-2015

Tahun/Bulan 2004 2005 2006 2007 2008 2009 2011 2012 2013 2014 2015

Januari 0.89 0.74 0.98 0.93 0.99 0.77 0.71 0.91 1.00 0.96 0.93

Februari 0.84 0.96 0.80 0.97 1.00 0.74 0.55 0.64 0.99 0.67 0.95

Maret 0.85 0.99 0.96 0.95 0.71 0.86 0.95 0.64 0.92 0.76 0.91

April 0.64 0.90 0.94 0.89 0.80 0.75 0.84 0.64 0.97 0.95 0.89

Mei 0.79 0.27 0.69 0.92 0.54 0.51 0.81 0.64 0.99 0.56 0.45

Juni 0.45 0.62 0.61 0.50 0.38 0.27 0.55 0.65 0.92 0.43 0.47

Juli 0.45 0.65 0.36 0.36 0.27 0.27 0.56 0.64 0.70 0.59 0.45

Agustus 0.45 0.27 0.36 0.36 0.27 0.32 0.55 0.64 0.27 0.48 0.48

September 0.45 0.27 0.36 0.36 0.27 0.27 0.55 0.64 0.27 0.18 0.49

Oktober 0.45 0.66 0.36 0.36 0.75 0.74 0.55 0.83 0.86 0.18 0.45

November 0.97 0.89 0.58 0.94 0.92 0.86 0.55 0.96 0.96 0.52 0.45

Desember 0.97 0.98 0.90 1.00 0.98 0.87 0.83 1.00 0.27 0.92 0.45

Keterangan : = 0 < H(x) ≤ 0.5

= 0.5 < H(x) ≤ 1.0

Sumber : Hasil perhitungan

71

Tabel 4.39 Perhitungan probabilitas kumulatif H(x) stasiun hujan Dompu tahun 2016-

2020

Tahun/Bulan 2016 2017 2018 2019 2020

Januari 0.91 0.96 0.89 0.87 0.87

Februari 0.96 0.96 0.92 0.79 0.86

Maret 0.93 0.89 0.84 0.74 0.73

April 0.81 0.77 0.65 0.90 0.89

Mei 0.82 0.72 0.74 0.78 0.78

Juni 0.74 0.68 0.77 0.76 0.77

Juli 0.42 0.51 0.36 0.47 0.37

Agustus 0.15 0.15 0.20 0.13 0.11

September 0.01 0.03 0.03 0.03 0.03

Oktober 0.76 0.78 0.64 0.67 0.63

November 0.93 0.83 0.78 0.86 0.91

Desember 0.40 0.65 0.91 0.61 0.94

Keterangan : = 0 < H(x) ≤ 0.5

= 0.5 < H(x) ≤ 1.0

Sumber : Hasil perhitungan

72

7. Menghitung transform gamma distribusi :

2)(

1ln

xHt untuk 0 < H(x) ≤ 0.5

2))(1(

1ln

xHt untuk 0.5 < H(x) ≤ 1.0

Contoh perhitungan dengan 0 < H(x) ≤ 0.5 bulan Juni tahun 2004 :

245,0

1lnt

= 1,26

Contoh perhitungan dengan 0.5 < H(x) ≤ 1.0 bulan Januari tahun 2004 :

2)89,01(

1lnt

= 2,10

Hasil perhitungan selanjutnya dapat dilihat pada Tabel 4.40 dan 4.41 sebagai

berikut. Sedangkan untuk stasiun hujan Kadindi dapat dilihat pada halaman Lampiran 27.

73

Tabel 4.40 Perhitungan transform gamma distribusi (t) stasiun hujan Dompu tahun 2004-2015

Tahun/Bulan 2004 2005 2006 2007 2008 2009 2011 2012 2013 2014 2015

Januari 2.10 1.63 2.74 2.28 2.91 1.71 1.58 2.20 3.62 2.54 2.30

Februari 1.90 2.54 1.80 2.66 3.38 1.65 1.26 1.42 3.01 1.48 2.45

Maret 1.96 2.99 2.50 2.44 1.58 1.97 2.41 1.42 2.27 1.69 2.21

April 1.43 2.16 2.38 2.09 1.79 1.67 1.91 1.42 2.63 2.42 2.12

Mei 1.76 1.61 1.54 2.28 1.24 1.19 1.83 1.42 2.94 1.29 1.26

Juni 1.26 1.39 1.38 1.17 1.40 1.61 1.26 1.45 2.24 1.31 1.22

Juli 1.26 1.45 1.42 1.42 1.61 1.61 1.28 1.42 1.54 1.33 1.26

Agustus 1.26 1.61 1.42 1.42 1.61 1.51 1.26 1.42 1.61 1.14 1.21

September 1.26 1.61 1.42 1.42 1.61 1.61 1.26 1.42 1.61 1.85 1.20

Oktober 1.26 1.47 1.42 1.42 1.66 1.65 1.26 1.87 1.98 1.85 1.26

November 2.60 2.10 1.05 2.40 2.25 2.00 1.26 2.52 2.58 1.21 1.26

Desember 2.66 2.72 2.16 3.28 2.75 2.01 1.90 3.63 1.61 2.23 1.26

Keterangan : = 0 < H(x) ≤ 0.5

= 0.5 < H(x) ≤ 1.0

Sumber : Hasil perhitungan

74

Tabel 4.41 Perhitungan transform gamma distribusi (t) stasiun hujan Dompu tahun 2016-

2020

Tahun/Bulan 2016 2017 2018 2019 2020

Januari 2.22 2.58 2.08 2.02 2.00

Februari 2.52 2.53 2.27 1.76 1.97

Maret 2.32 2.12 1.92 1.65 1.62

April 1.83 1.70 1.45 2.16 2.12

Mei 1.85 1.59 1.64 1.75 1.73

Juni 1.64 1.52 1.71 1.68 1.70

Juli 1.31 1.19 1.44 1.23 1.40

Agustus 1.94 1.93 1.80 2.02 2.12

September 3.00 2.60 2.69 2.69 2.65

Oktober 1.69 1.74 1.44 1.48 1.42

November 2.31 1.89 1.73 2.00 2.20

Desember 1.35 1.45 2.20 1.37 2.36

Keterangan : = 0 < H(x) ≤ 0.5

= 0.5 < H(x) ≤ 1.0

Sumber : Hasil perhitungan

75

8. Menghitung nilai SPI :

)1

(3

3

2

21

2

210

tdtdtd

tctcctSPIZ

untuk 0 < H(x) ≤ 0.5

)1

(3

3

2

21

2

210

tdtdtd

tctcctSPIZ

untuk 0.5 < H(x) ≤ 1.0

dengan :

c0= 2.515517 d1= 1.432788

c1= 0.802853 d2= 0.189269

c2= 0.010328 d3= 0.001308

Contoh perhitungan dengan 0 < H(x) ≤ 0.5 bulan Juni tahun 2004 :

)1

(3

32

21

2210

tdtdtd

tctcctSPI

)26,1001308,026,1189269,026,1432788.11

26,1010328,026,1802853,0515517.226,1(

32

2

xxx

xx

= - 0,11

Contoh perhitungan dengan 0.5 < H(x) ≤ 1.0 bulan Januari tahun 2004 :

)1

(3

32

21

2210

tdtdtd

tctcctSPI

)10,2001308,010,2189269,010,2432788,11

10,2010328,010,2802853,0515517,210,2(

32

2

xxx

xx

= 1,22

Hasil perhitungan selanjutnya dapat dilihat pada Tabel 4.42 dan Tabel 4.43

sebagai berikut. Sedangkan untuk stasiun hujan Kadindi dapat dilihat pada halaman

Lampiran 28 dan Lampiran 29.

76

Tabel 4.42 Perhitungan nilai SPI stasiun hujan Dompu tahun 2004-2015

Tahun/Bulan 2004 2005 2006 2007 2008 2009 2011 2012 2013 2014 2015

Januari 1.22 0.63 1.98 1.44 2.19 0.73 0.56 1.35 2.98 1.75 1.47

Februari 0.98 1.76 0.84 1.90 2.72 0.65 0.11 0.35 2.30 0.43 1.65

Maret 1.05 2.28 1.70 1.64 0.56 1.06 1.60 0.35 1.43 0.71 1.36

April 0.36 1.29 1.56 1.22 0.83 0.68 0.99 0.35 1.86 1.61 1.25

Mei 0.80 -0.60 0.50 1.44 0.10 0.02 0.88 0.35 2.22 0.16 -0.11

Juni -0.11 0.31 0.28 -0.01 -0.31 -0.60 0.11 0.38 1.39 -0.19 -0.07

Juli -0.11 0.38 -0.35 -0.35 -0.60 -0.60 0.15 0.35 0.51 0.22 -0.11

Agustus -0.11 -0.60 -0.35 -0.35 -0.60 -0.47 0.11 0.35 -0.60 -0.06 -0.05

September -0.11 -0.60 -0.35 -0.35 -0.60 -0.60 0.11 0.35 -0.60 -1.02 -0.03

Oktober -0.11 0.42 -0.35 -0.35 0.67 0.65 0.11 0.94 1.07 -1.02 -0.11

November 1.83 1.22 0.19 1.59 1.40 1.10 0.11 1.74 1.80 0.04 -0.11

Desember 1.90 1.96 1.30 2.61 2.00 1.12 0.97 3.00 -0.60 1.38 -0.11

Keterangan : = 0 < H(x) ≤ 0.5

= 0.5 < H(x) ≤ 1.0

Sumber : Hasil perhitungan

77

Tabel 4.43 Perhitungan nilai SPI stasiun hujan Dompu tahun 2015-2020

Tahun/Bulan 2016 2017 2018 2019 2020

Januari 1.37 1.80 1.20 1.13 1.11

Februari 1.73 1.74 1.43 0.80 1.07

Maret 1.50 1.25 1.00 0.65 0.61

April 0.89 0.72 0.38 1.30 1.25

Mei 0.92 0.57 0.65 0.78 0.76

Juni 0.64 0.48 0.73 0.70 0.73

Juli -0.19 0.02 -0.37 -0.08 -0.32

Agustus -1.03 -1.02 -0.85 -1.13 -1.25

September -2.29 -1.83 -1.93 -1.93 -1.88

Oktober 0.71 0.78 0.37 0.43 0.34

November 1.48 0.96 0.76 1.10 1.35

Desember -0.25 0.39 1.34 0.27 1.54

Keterangan : = 0 < H(x) ≤ 0.5

= 0.5 < H(x) ≤ 1.0

78

Tabel 4.44 Klasifikasi tingkat kekeringan SPI stasiun hujan Dompu tahun 2004-2015

Tahun/Bulan 2004 2005 2006 2007 2008 2009 2011 2012 2013 2014 2015

Januari B N SB B EB N N B EB SB B

Februari N SB N SB EB N N N EB N SB

Maret B EB SB SB N B SB N B N B

April N B SB B N N N N SB SB B

Mei N N N B N N N N EB N N

Juni N N N N N N N N B N N

Juli N N N N N N N N N N N

Agustus N N N N N N N N N N N

September N N N N N N N N N K N

Oktober N N N N N N N N B K N

November SB B N SB B B N SB SB N N

Desember SB SB B EB EB B N EB N B N

Sumber : Hasil perhitungan

79

Tabel 4.45 Klasifikasi tingkat kekeringan SPI stasiun hujan Dompu tahun 2016-2020

Tahun/Bulan 2016 2017 2018 2019 2020

Januari B SB B B B

Februari SB SB B N B

Maret SB B B N N

April N N N B B

Mei N N N N N

Juni N N N N N

Juli N N N N N

Agustus K K N K K

September EK SK SK SK SK

Oktober N N N N N

November B N N B B

Desember N N B N SB

Sumber : Hasil perhitungan

Keterangan :

EB : Extrem basah K : Kering

SB : Sangat basah SK : Sangat kering

B : Basah EK : Extrem Kering

N : Normal

Dari Tabel di atas dapat disimpulkan bahwa nilai Indeks kekeringan periode

2004-2015 terbesar terjadi pada bulan September dan Oktober 2014 dengan nilai -1,02

yang tergolong Kering pada stasiun hujan Dompu. Sedangkan pada stasiun hujan Kadindi

kekeringan terbesar terjadi pada bulan September 2014 dengan nilai indeks sebesar -1,28

yang tergolong Kering.

Hasil analisis kekeringan periode 2016-2020 menggunakan metode SPI

didapatkan rata-rata kekeringan terjadi pada bulan Agustus dan September. Sedangkan

kekeringan terparah pada stasiun hujan Dompu terjadi pada bulan September 2016

dengan nilai indeks kekeringan sebesar -2,29 (Extrem Kering) dan pada stasiun hujan

Kadindi kekeringan terparah terjadi pada bulan September 2016 dengan nilai indeks

kekeringan -2,35 (Extrem Kering).

80

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil yang diperoleh pada perhitungan analisis kekeringan di

Kecamatan Manggelewa Kabupaten Dompu yang diwakili oleh 2 stasiun hujan

yang berpengaruh maka dapat ditarik kesimpulan :

1. Analisis kekeringan periode 2004 sampai 2015 pada Kecamatan Manggelewa

untuk metode Run didapatkan hasil durasi terpanjang sebanyak 23 bulan yang

terjadi pada bulan November 2009 sampai September 2012 dengan jumlah

kekeringan (defisit) sebanyak 1.669,79 mm.

2. Analisis kekeringan periode 2004 sampai 2015 pada Kecamatan Manggelewa

untuk metode SPI didapatkan kekeringan terparah terjadi pada bulan

September 2014 dengan indeks kekeringan sebesar -1,69 (Sangat Kering).

3. Hasil analisis kekeringan dengan metode Run dan SPI periode 2016-2020

pada Kecamatan Manggelewa :

a. Hasil dengan metode Run durasi kekeringan terpanjang sebanyak 7

bulan dari bulan September 2019 sampai bulan Maret 2020 dengan

jumlah kekeringan (defisit) sebanyak 394,18 mm.

b. Hasil dengan metode SPI kekeringan terparah terjadi pada bulan

September 2016 dengan nilai indeks kekeringan sebesar -2,35 (Extrem

Kering).

5.2 Saran

Sesuai dengan kesimpulan yang didapat maka penyusun ingin

memberikan saran antara lain :

1. Penelitian ini dapat dikembangkan untuk menghitung analisis indeks

kekeringan menggunakan variable lain selain data hujan seperti data

debit, suhu, atau temperature sesuai dengan metode yang akan

digunakan.

2. Untuk menghitung dengan metode SPI menggunakan rata-rata

hujan tahunan.

81

3. Untuk memperoleh hasil yang lebih akurat diharapkan

menggunakan data hujan dengan durasi lebih dari 20 Tahun.

4. Penelitian ini dapat dikembangkan untuk menghitung analisis

kekeringan pada daerah lain yang memiliki kondisi wilayah yang

kering.

5. Untuk membangkitkan curah hujan yang digunakan sebagai

input analisa prediksi dapat dicoba dengan metode yang lain.

82

DAFTAR PUSTAKA

Anonim, 2014, Pedoman Penulisan Tugas Akhir, Mataram : Jurusan Teknik Sipil

Universitas Mataram.

Anonim, 2015, Laporan Peta Kekeringan Meteoroligis dengan Metode

Standardized precipitation Index (SPI), BMKG, Nusa Tenggara Barat.

Anonim, 2015, Statistik Daerah Kecamatan Manggelewa Kabupaten Dompu,

Dompu : Badan Pusat Statistik (BPS) Kabupaten Dompu.

Charisma, Made Mira, 2009, Analisis Kekeringan di Sub Wilayah Sungai Jelateng

Menggunakan Perbandingan Beberapa Metode Statistik, Universitas

Mataram.

Harto, Sri., 1999, Analisa Hidrologi. PT. Gramedia Pustaka Utama. Jakarta.

Muliawan, Hadi., 2015, Analisa indeks kekeringan dengan metode Standardized

Precipitation Indek (SPI) dan sebaran kekeringan dengan Geographic

Information System (GIS) pada DAS Ngrowo, Universitas Brawijaya.

Nugroho, Adi Prasetya., 2013, Analisis Kekeringan Daerah Aliran Sungai

Keduang dengan Menggunakan Metode Palmer, Universitas Sebelas

Maret, Surakarta.

Pratama, Adiansyah., 2014, Analisa Kekeringan Menggunakan Metode Theory Of

Run pada sub DAS Ngrowo, Universitas Brawijaya, Malang.

Purnama A, Baiq Maria., 2015, Analisis Keandalan Data Debit Bangkitan dengan

Metode Thomas Fiering (Studi Kasus: Awlr Aik Nyet dan Awlr Keling),

Universitas Mataram, Mataram.

Roswati, Sharifah., 2007, Pengurusan Kemarau Menggunakan Analisis Indeks

Curahan Piawai (SPI), Universiti Teknologi Malaysia, Malaysia.

Santoso, Basillius Retno, 2013, Penerapan Teori RUN untuk menentukan Indeks

Kekeringan di Kecamatan Entikong, Universitas Tanjungpura,

Pontianak.

Soemarto, C.D., 1987, Hidrologi Teknik, Usaha Nasional, Surabaya.

Soewarno., 1995, Hidrologi Aplikasi Metode Statistik Untuk Analisa Data, Jilid 1,

Nova, Bandung.

Soewarno., 1995, Hidrologi Aplikasi Metode Statistik Untuk Analisa Data, Jilid 2,

Nova, Bandung.

83

Sosrodarsono, Suyono., 1990, Hidrologi untuk Pengairan. PT. Pradnya

Paramita. Jakarta.

Suwardji, 2012, Lahan Kering di NTB, http://www.prof-

suwardji.com/2012/05/lahan-kering-di-ntb.html, diunduh tanggal 09

Mei 2012

Triatmodjo, Bambang., 2008, Hidrologi Terapan, Beta Offset, Yogyakarta.