UJI HOMOGENITAS

I.1LATAR BELAKANGSetiap stasiun pengamat memiliki riwayat (meta data) yang berbeda satu sama lainserta adanya pengaruh beberapa faktor luar seperti adanya pencemaran, hujan buatan, yang sangat memungkinkan bagi data untuk menjadi tidak homogen. Maka perlu dilakukan pengujian terhadap homogenitas data untuk dapat dijadikan sebagai bahan analisis data.

I.2TUJUANMenentukan homogenitas atau tidaknya data curah hujanI.3 LINGKUPPada laporan ini dilakukan pengujian homogenitas data curah hujan yang meliputi data dari stasiun I.II.3TEORI DASARA. Homogenitas DataPemahaman tentang perlunya dilakukan analisis homogenitas merupakan suatu langkah awal untuk membenahi data sekaligus menerapkan pengawasan kualitas (quality control) terhadap asset data iklim yang ada di BMG. Selanjutnya perlu disadari bahwa merupakan suatu kewajiban ilmiah untuk memberikan keterangan apakah suatu seri data telah teruji homogenitasnya atau belum. Secara rinci keterangan tentang homogenitas data seyogyanya meliputi:

1. Jenis parameter2. Periode pengamatan data3. Basis skala waktu (bulanan, mingguan, tahunan, dsb)4. Jenis teknik (test) yang dipakai dalam uji homogenitas serta penjelasannya.5. Jumlah seri data yang homogen/ tidak homogen pada suatu stasiun (berapa seri data yang ditemukan homogen/ tidak homogen)6. Jumlah kasus, panjangnya periode dan variasi tahunan kasus tidak homogen (jumlah kasus setiap bulannya) dalam satu seri data.7. Ukuran penyimpangan dan faktor koreksi yang digunakan untuk memperbaiki (meng-adjust) ketidak homogenan seri tersebut.8. Faktor non-klimat yang diidentifikasi telah mengakibatkan ketidak homogenan dalam suatu seri data (pemindahan instrumen, pergantian waktu pengamatan, pergantian pengamat, kecenderungan/ trend memanas/ mendingin secara perlahan-lahan misalnya karena dampak perkotaan dan dampak perubahan tata guna lahan).

B. MetadataAgar data yang diperoleh dalam melakukan pengamatan unsur iklim atau cuaca menjadi bermanfaat, maka terutama sekali kita harus mengetahui di mana dan bagaimana pengamatan telah dilakukan. Oleh karena itu diperlukan catatan mengenai hal tersebut. Dokumentasi stasiun yang berisi informasi mengenai data atau data tentang data disebut metadata. Kata metadata berasal dari bahasa Yunani, yaitu meta (di luar) dan dari bahasa latin yaitu datum (fakta yang diberikan), atau jika diperluas pengertiannya menjadi fakta yang diberikan oleh hasil pengamatan di lapangan.

Metadata harus mencerminkan bagaimana, di mana, ketika, dan oleh siapa informasi hasil pengamatan telah dikumpulkan. Idealnya, metadata yang lengkap perlu mencantumkan semua perubahan yang terjadi terhadap stasiun sejak didirikan hingga saat sekarang yang lebih dikenal sebagai station history (riwayat stasiun). Sebagai contoh jika stasiun pernah dipindahkan atau ada alat yang diganti, maka harus ada catatan khusus yang menjelaskan hal tersebut. Penjelasan tambahan tentang pengamatan seperti jenis instrument dapat mempengaruhi interpretasi dari hasil pengamatan. Kadang-kadang ketika instrument berubah atau diganti, maka pengamatan akan menunjukkan hasil yang berbeda dari sebelumnya, baik berkurang atau bertambah. Perbedaan seperti itu merupakan suatu contoh dari ketakserbasamaan atau inhomogenity. Data seperti itu haruslah dihomogenkan terlebih dahulu sebelum diolah lebih lanjut sehingga diperoleh hasil yang baik. Jika suatu rangkaian data dalam jangka panjang bersifat homogen, maka semua variabilitas dan perubahan dalam data tersebut semata-mata hanya disebabkan oleh perubahan perilaku atmosfer.

Mencatat suatu perubahan ke dalam metadata tepat pada saat hal tersebut terjadi memang sangat disarankan. Di samping itu sangatlah penting untuk menjaga agar data tersedia dalam periode yang panjang mencakup beberapa tahun. Dengan membandingkan data-data yang baru dan yang lama sangatlah mungkin untuk memperoleh faktor koreksi dan melakukan penyesuaian data menjadi homogen. Jika periode pengamatan tidak terlalu panjang, atau data telah hilang atau terputus, datadata sebelumnya bisa diinterpolasi untuk mengisi data yang hilang tersebut. Data dari beberapa stasiun yang terdekat dapat pula digunakan dan dengan metode statistik dapat diperoleh persamaan-persamaan untuk mengisi data yang hilang (missing values).

Setiap pengguna dan penyedia data klimatologi harus berhadapan dengan metadata dan homogenitas data sampai taraf tertentu. Banyak peneliti iklim di seluruh dunia sudah mengembangkan pendekatan yang efektif dalam hubungan dengan banyak aspek dari metadata dan homogenitas. Metadata yang baik diperlukan untuk memastikan bahwa pengguna data tidak mempunyai keraguan tentang kondisi dimana data telah dicatat, dikumpulkan, dan disebarkan, untuk mendapatkan kesimpulan yang akurat dari analisa mereka, misalnya mengenai tanggal dan waktu yang pasti tentang kapan sebuah alat pengamatan telah diganti dan bagaimana karakteristik alat yang lama dan yang baru. Hal-hal seperti itu dapat mengantisipasi adanya perubahan/penyimpangan data yang disebabkan oleh faktor-faktor non klimat mengingat data yang homogen dalam jangka panjang sangat diperlukan untuk mengamati adanya trend perubahan iklim.

Metadata mempunyai peran kunci dalam proses pembuatan database. Jika kita mengetahui metadata yang lengkap dari suatu stasiun, maka kita dapat meneliti apakah variabilitas dari data yang ada hanya disebabkan oleh pengaruh perubahan iklim saja atau ada penyebab lain. Para pengguna data klimatologi juga memperoleh manfaat dari adanya metadata yang lengkap. Mereka harus teliti akan keakuratan data hasil pengamatan dan juga perlu dilakukan perbandingan antar data dari tempat dan waktu yang berbeda.

Data klimatologi dipengaruhi oleh banyak faktor, misalnya jenis instrument, letak instrument, cara pencatatan, dan banyak lagi. Ada suatu kebutuhan untuk mempunyai metadata yang lengkap agar data klimatologi dapat digunakan semaksimal mungkin dan diolah dengan baik. Informasi yang lengkap akan menjadi suatu keuntungan bagi pengguna data klimatologi sebagaimana juga bagi penyedia data. Metadata yang lengkap menggambarkan riwayat stasiun sejak didirikan hingga saat sekarang (pencatatan). Untuk mendapatkan database yang berkualitas sangatlah penting untuk memiliki data stasiun yang menyeluruh dan menjaganya tetap baru atau selalu terupdate. Agar hal tersebut dapat diwujudkan, perlu adanya kerjasama yang baik antara kepala stasiun dan para pengamat sehingga mereka mengetahui apa saja permasalahan seputar data klimatologi yang ada.

C. Uji HomogenitasUntuk meyakinkan suatu data homogen atau tidak, perlu dilakukan tes statistik Tes yang paling baik untuk menguji homogenitas data iklim adalah dengan menggunakan tes nonparametrik. Statistik nonparametrik tidak memerlukan asumsi mengenai bentuk distribusi dan karena itu merupakan statistik yang bebas distribusi (free distribution). Dalam statistik nonparametrik, kesimpulan dapat ditarik tanpa memperhatikan bentuk distribusi populasi, sementara dalam statistik parametrik kesimpulan dianggap sah apabila asumsi-asumsi tertentu yang diberlakukan terbukti benar.

Metode statistik nonparametrik sebaiknya dipakai untuk situasi-situasi seperti berikut:

1. Apabila ukuran sample demikian kecil sehingga distribusi statistik pengambilan sample tidak mendekati normal, dan apabila tidak ada asumsi yang dapat dibuat tentang bentuk distribusi populasi yang menjadi sumber sample.2. Apabila digunakan data peringkat atau ordinal. (Data ordinal hanya memberikan informasi tentang apakah suatu data lebih tinggi, lebih rendah, atau sama dengan data lainnya, data ini sama sekali tidak menyatakan ukuran perbedaan).3. Apabila data nominal digunakan. (Data nominal adalah data dimana sebutan seperti laki-laki atau perempuan diberikan kepada suatu jenis data dan tidak ada implikasi di dalam sebutan tersebut bahwa data yang satu lebih tinggi atau lebih rendah daripada data lainnya).

Menurut WMO Technical Note No. 81 (Some Methods Of Climatological Analysis), metode untuk menguji homogenitas data iklim dengan tes non parametrik yang lebih sering digunakan adalah dengan RUN TEST. Run test merupakan uji deret untuk melihat keacakan. Tujuan dari uji deret adalah untuk menetukan apakah dalam suatu data terdapat pola tertentu atau apakah data tersebut merupakan sample yang acak. Dalam kaitannya dengan uji homogenitas data klimatologi, maka dari pelaksanaan run test ini akan didapat 2 kemungkinan, yaitu jika data bersifat acak (random) terhadap median maka data tersebut homogen, sedangkan jika data memiliki kecenderungan (trend) lebih banyak di atas median atau di bawah median maka data tersebut tidak homogen.

Adapun prosedur dari run test adalah sebagai berikut :1. Merumuskan Hipotesis Nol (H0) dan Hipotesis Alternatif (H1).Untuk run test yang kita lakukan, hipotesisnya adalah :H0 : Data yang dianalisis homogenH1 : Data yang dianalisis tidak homogen2. Mengurutkan data dari yang terkecil sampai yang terbesar lalu menentukan median data.3. Menghitung jumlah data yang lebih kecil dari median (N1) dan jumlah data yang lebih besar atau sama dengan median (N2).4. Menghitung jumlah Run (R) data.5. Menarik kesimpulan statistik berdasarkan perbandingan R hasil hitungan dan R pada table.

Table R (terlampir) ini didasarkan pada asumsi bahwa H0 benar dan menyajikan nilai R kritis menurut N1, N2, dan taraf nyata () sebesar 0,05. Aturan pengambilan keputusan berikut ini digunakan untuk membandingkan nilai R hitung dengan nilai R table:

Hipotesis nol (H0) harus ditolak jika nilai R sample sama atau lebih kecil dari nilai teratas pada R table.Hipotesis nol (H0) harus ditolak jika nilai R sample sama atau lebih besar dari nilai terbawah pada R table.

DAFTAR PUSTAKANurhayati, Dra., M.Sc. 2006. Analisa Homogenitas dan Metadata, Modul Diklat TeknisAnalisa Data Klimatologi dan Kualitas Udara. Pusdiklat BMGhttp://www.pawitra1.files.wordpress.com/.../uji-homogenitas-data... diakses 1 Mei 2014 pukul 17.44 WIB

PENDAHULUANCURAH HUJAN WILAYAH

I.1LATAR BELAKANGDistribusi curah hujan adalah berbeda-beda sesuai dengan jangka waktu yang ditinjau yakni curah hujan tahunan (jumlah curah hujan dalam setahun), curah hujan bulanan (jumlah curah hujan sebulan), curah hujan harian ( jumlah curah hujan 24 jam), curah hujan per jam. Begitu juga dengan distribusi wilayahnya akan berbeda-beda di setiap tempat. Maka perlu dilakukan penghitungan curah hujan ini berdasarkan wilayah bukan titik untuk dapat dilakukan analisis dan pemanfaatan air beserta pengendaliannya.

I.2TUJUANMenentukan nilai curah hujan wilayah dengan metode rerata aljabar, polygon Thiessen, dan Rerata IsohyetI.3 LINGKUPPada laporaan ini dilakukan penentuan curah hujan wilayah dengan metode rerata aljabar, polygon Thiessen, dan Rerata Isohyet yang meliputi data dari stasiun hujan P1 hingga P4

TEORI DASAR

II.4CURAH HUJAN WILAYAHData curah hujan dan debit merupakan data yang paling fundamental dalam perencanaan/penelitian pembuatan embung. Ketetapan dalam memilih lokasi dan peralatan baik curah hujan maupun debit merupakan faktor yang menentukan kualitas data yang diperoleh. Analisis data hujan dimaksudkan untuk mendapatkan besaran curah hujan dan analisis statistik yang diperhitungkan dalam perhitungan debit banjir rencana. Data curah hujan yang dipakai untuk perhitungan dalam debit banjir adalah hujan yang terjadi pada Daerah Aliran Sungai pada waktu yang sama (Sosrodarsono&Takeda, 1993).

Curah hujan wilayah ini dapat diperhitungkan dengan beberapa cara, antara lain :

a. Metode Rata-Rata AljabarTinggi rata-rata curah hujan yang didapatkan dengan mengambil nilai rata-rata hitung (arithmetic mean) pengukuran hujan di pos penakar-penakar hujan didalam areal tersebut. Jadi cara ini akan memberikan hasil yang dapat dipercaya jika pos-pos penakarnya ditempatkan secara merata di areal tersebut, dan hasil penakaran masingmasing pos penakar tidak menyimpang jauh dari nilai rata-rata seluruh pos di seluruh areal (Soemarto, 1999).

b. Metode Polygon ThiessenCara ini bardasar rata-rata timbang (weighted average). Metode ini sering digunakan pada analisis hidrologi karena lebih teliti dan obyektif dibanding metode lainnya, dan dapat digunakan pada daerah yang memiliki titik pengamatan yang tidak merata (Mori, 1977). Cara ini adalah dengan memasukkan faktor pengaruh daerah yang mewakili oleh stasiun hujan yang disebut faktor pembobotan atau koefisien Thiessen.

Untuk pemilihan stasiun hujan yang dipilih harus meliputi daerah aliran sungai yang akan dibangun. Besarnya koefisien Thiessen tergantung dari luas daerah pengaruh stasiun hujan yang dibatasi oleh poligon-poligon yang memotong tegak lurus pada tengah-tengah garis penghubung stasiun. Setelah luas pengaruh tiap-tiap stasiun didapat, maka koefisien Thiessen dapat dihitung dengan rumus sebagai berikut (Soemarto, 1999) :

Hal yang perlu diperhatikan dalam metode ini adalah sebagai berikut : Jumlah stasiun pengamatan minimal tiga buah stasiun. Penambahan stasiun akan mengubah seluruh jaringan Topografi daerah tidak diperhitungkan Stasiun hujan tidak tersebar merata

c. Metode Rata Rata IsohyetDengan cara ini, kita dapat menggambar dulu kontur tinggi hujan yang sama (isohyet). Kemudian luas bagian diantara isohyet-isohyet yang berdekatan diukur, dan nilai rata-rata dihitung sebagai nilai rata-rata timbang nilai kontur, kemudian dikalikan dengan masing-masing luasnya. Hasilnya dijumlahkan dan dibagi dengan luas total daerah, maka akan didapat curah hujan areal yang dicari ( Soemarto,1999):

Ini adalah cara yang paling teliti untuk mendapatkan hujan areal rata-rata, tetapi memerlukan jaringan pos penakar yang relative lebih padat yang memungkinkan untuk membuat isohyet. Pada saat menggambar garis-garis isohyet, sebaiknya juga memperhatikan pengaruh bukit atau gunung terhadp distribusi hujan (hujan orografik).

Dalam analisis curah hujan diperlukan data lengkap dalam arti kualitas dan panjang periode data. Data curah hujan umumnya ada yang hilang dikarenakan sesuatu hal atau dianggap kurang panjang jangka waktu pencatatannya. Untuk memperoleh data yang hilang maka dapat digunakan Metode Reciprocal dimana metode ini menggunakan data curah hujan referensi dengan mempertimbangkan jarak stasiun yang akan dilengkapi datanya dengan stasiun referensi tersebut atau dengan persamaan matematis sebagai berikut :

DAFTAR PUSTAKAeprints.undip.ac.id/34223/6/1760_chapter_II.pdf

http://ariellacla.wordpress.com/2011/04/04/analisis-curah-hujan/

1. Uji HomogenitasData curah hujan stasiun utama yang telah dikoreksi disajikan dalam tabel berikut (curah hujan untuk 30 tahun):

Tabel 1. Stasiun Pencatat Hujan

TahunP1P2P3P4P5P6P7P8

SukawanaUjg.BerungCicalengkaPasehChinchonaCisondariMontayaSaguling

198080939658701495690

19819680999250906485

1982688348653512674,33898670,909485

1983701058390301276593

198475856467251856875

19859275576030767940

19868854100101256911577,54936

19878358664920746357,620423

1988136290811156464151127,19559

198999,261622609190726511888,853822

199091,87124880809844908982,238345

19915552647527877561,82857

19929377809029588872,650558

199365511106017705760,002508

19948869,0038358161,9040428654061,293019

199584,26965284,9235555776,185781407910675,433793

199611574858289564873

199715599,9842227255647193,10683388,81151

199850936670,077747466872,74186979

199980,76567481,3923877473,017935456975,79383372,297215

200097,04386297,7968888087,7345794810491,06995586,8686

200186,80521387,478799078,478109506081,46158577,703495

200275,85369876,44229668,568,5771584462,571,18423367,900271

200386989275,551349218978,42355974,805623

2004579564,571,436723536574,15250970,731611

200565,24212755596832,58249364,561,22589858,401346

200669,8025748969,25834,86002149,565,50560962,483621

20077972818040,81203578,576,69006373,152099

200877901056041,14238462,577,31082473,744223

200985708710846,8755149788,08397284,02037

Rata2 84,79718985,86739978,3476,13211442,07574882,3578,76965875,383182

Std Dev21,46869140,73082115,19481516,19170316,73660129,40327421,84335514,954388

R10112,81998139,0327998,17358797,26692663,921807120,7297107,2814994,902943

Tr3,09999143,77263552,91989352,97682443,53975433,41591013,17337782,9333314

N30

Lalu tentukan persamaan R (untuk jumlah data curah hujan selama 30 tahun):Stasiun 1 :R = 84,797189 + (0,78 Yt 0,45) x standar deviasi = 84,797189 + 16,74557898 Yt 9,66091095Nilai Yt untuk periode ulang 10 tahun adalah 2,2504Maka diperoleh nilai curah hujan 112,820529 mm.Dengan nilai Tr 3,0999914 dihitung nilai TR.

Setelah diperoleh nilainya, TR dicek homogenitasnya menggunakan kurva homogenitas, diperoleh hasil sebagai berikut :

Terlihat bahwa hasil perpotongan 2 garis berada pada area homogen stasiun 3 sehingga dapat disimpulkan bahwa data curah hujan yang diuji bersifat tidak homogen.

Karena uji homogenitas pada jumlah data 30 tahun tidak homogen, maka jumlah data direduksi menjadi 20 data curah hujan (dari tahun 1990 hingga tahun 2009):Data curah hujan untuk 20 tahun:Tabel 1. Stasiun Pencatat Hujan

TahunP1P2P3P4P5P6P7P8

SukawanaUjg.BerungCicalengkaPasehChinchonaCisondariMontayaSaguling

199091,87124880809844908982,238345

19915552647527877561,82857

19929377809029588872,650558

199365511106017705760,002508

19948869,0038358161,9040428654061,293019

199584,26965284,9235555776,185781407910675,433793

199611574858289564873

199715599,9842227255647193,10683388,81151

199850936670,077747466872,74186979

199980,76567481,3923877473,017935456975,79383372,297215

200097,04386297,7968888087,7345794810491,06995586,8686

200186,80521387,478799078,478109506081,46158577,703495

200275,85369876,44229668,568,5771584462,571,18423367,900271

200386989275,551349218978,42355974,805623

2004579564,571,436723536574,15250970,731611

200565,24212755596832,58249364,561,22589858,401346

200669,8025748969,25834,86002149,565,50560962,483621

20077972818040,81203578,576,69006373,152099

200877901056041,14238462,577,31082473,744223

200985708710846,8755149788,08397284,02037

N20

Rata282,83270279,65109978,2674,84817142,06362272,27575,48753772,818339

Std dev22,48114414,64129313,77604413,29309415,447514,21924315,36088,6678538

R10112,1770498,76218196,24168592,19946762,22703690,83518695,53778284,132371

Tr3,15542642,88904842,86536072,87014043,44689752,92834292,94887132,69202

Lalu tentukan persamaan R (untuk jumlah data curah hujan selama 30 tahun):Stasiun 1 :R = 82,832702 + (0,78 Yt 0,45) x standar deviasi = 82,832702 + 17,53529232 Yt 10,1165148Nilai Yt untuk periode ulang 10 tahun adalah 2,2504Maka diperoleh nilai curah hujan 112,177609 mm.Dengan nilai Tr 3,1554264, dihitung nilai TR.

Setelah diperoleh nilainya, TR dicek homogenitasnya menggunakan kurva homogenitas, diperoleh hasil sebagai berikut :

Terlihat bahwa hasil perpotongan 2 garis berada pada area homogen sehingga dapat disimpulkan bahwa data curah hujan untuk jumlah data 20 tahun yang diuji bersifat homogen.

Curah Hujan Wilayah1. Metoda aritmatikR=(91.80+80.00+80.00+102.55+44.00+90.00+88.92+82.20)/8=82.43Perhitungan yang sama dilakukan untuk data berikutnya

Metode Aritmatik

TahunPw

199081,888699

199162,103571

199273,45632

199361,250313

199461,775112

199575,351598

199677,75

199787,362821

199868,102452

199971,408381

200086,564236

200176,490899

200266,869707

200376,847566

200468,852605

200557,993983

200662,293978

200772,644275

200873,337179

200983,247482

Pw1445,5912

St.dev8,6551926

2. Metode Poligon ThiessenMetode Polygon Thiessen

TahunPw

199082,38315506

199163,68235275

199272,04167321

199360,69782321

199461,45380648

199575,41743324

199676,12044818

199785,29736961

199868,46735324

199971,01442026

200087,56269178

200174,96971954

200266,387276

200376,99855513

200468,79179336

200558,35293594

200661,08092226

200772,76496566

200871,66358761

200984,24603973

Pw1439,394322

St.dev8,610873706

Data hasil polygon pada kertas grafik

Luas total (At)55,82523

Luas poligon (Ai)

A1A2A3A4A5A6A7A8

5,94218136,56767415,47306187,349546,72404710,164265,9421817,662286

Karena nilai St dev Thiessen < St dev Aritmatik maka data metode polygon Thiessen yang digunakan dalam uji kecocokan