Saran - KESIMPULAN DAN SARAN - Aplikasi dataluaran regCM3 untuk analisis kekeringan di Sub DAS

V. KESIMPULAN DAN SARAN

5.2 Saran

Luasan kekeringan yang dihasilkan dari model sedikit overestimate dari kekeringan aktual, namun demikian secara umum pendekatan yang digunakan dalam kajian ini cukup baik untuk menilai karakteristik kekeringan wilayah. Oleh sebab itu untuk penelitian yang akan datang, perlu adanya validasi kekeringan model dengan kekeringan aktual jenis tanaman lainnya agar diperoleh gambaran kekeringan aktual yang lebih detail. Selain itu untuk meminimalkan error luasan wilayah, sebaiknya satuan penelitian berdasarkan batas administrasi. Penelitian ini merekomendasikan penggunaan data luaran RegCM3 untuk analisis dampak iklim pada wilayah-wilayah yang ketersediaan data iklim harian terbatas atau bahkan tidak tersedia.

DAFTAR PUSTAKA

Arikunto S.1991. Prosedur Penelitian Suatu Pendekatan Praktik. Penerbit Rineka Cipta. Jakarta

Balai Hidrologi.2003. Permasalahan Kekeringan dan Cara Mengatasinya.

Departeman Permukiman dan Prasarana Wilayah. Bandung

Bazrafshan J, Hejabi S, Nokhandan MH. 2010. Is the SPI sufficient for monitoring meteorological droughts in extreme costal climates of Iran?. Advances in Natural and Applied Sciences, 4(3). 345-351

Bennett JC et al.2012. High-Resolution Projections Of Surface Water Availability

For Tasmania, Australia.Hydrol. Earth Syst. Sci. Discuss.9.1783–1825

Boer R and Subbiah AR. 2005. Agriculture Drought in Indonesia. In VK.Boken,

A.P. Cracknell and R.L. Heathcote. Oxford University Press, p:330-344

Boer R and Suharnoto Y. 2012. Climate change and its its impact on Indonesia’s

food crop sector. Paper presented at the Sixth Executive Forum on Natural

Resource Management: Water & Food in a Changing Environment on 11-13 April 2012 at SEARCA headquarters, Los Baños, Philippines

Boer R.2003.Penyimpangan Iklim di Indonesia. Seminar Nasional Ilmu Tanah:

Menggagas Strategi Alternatif dalam Menyiasati Penyimpangan Iklim serta

Implikasinya pada Tata Guna Lahan dan Ketahanan Pangan Nasional.

Universitas Gadjah Mada . Yogyakarta

Borton J and Nicholds N. 1994. Drought and Famine 2^nd edition . London

Caparrini F. 2009. Hydrometeorological and vegetation indices for the drought monitoring system in Tuscany Region, Italy. Advance in Geosciences., 17, pp. 105–110

Damayanti, A. 2001. Sebaran Stasiun Dan Kualitas Data Hujan di Jawa Barat. Seminar Nasional Pengelolaan Sumberdaya Wilayah untuk Mendukung Otonomi Daerah dalam Menghadapi Era Globalisasi. Pertemuan Ilmiah Tahunan Ke-3 Ikatan Geograf Indonesia (IGI) di Universitas Negeri Malang tanggal 22-23 Oktober 2001

Dirjen PLA. 2006. Banjir dan Kekeringan 2005-2006. Buletin Pengelolaan Lahan dan Air edisi Desember 2006.Jakarta

Dirmeyer P.2011. Floods and Droughts in a Changing Climate – Now and the Future. http://www.earthzine.org diakses tanggal 3 Desember 2012

Ditlintan. 2008. Pedoman antisipasi dampak fenomena iklim. Direktorat Perlindungan Tanaman Departemen Pertanian. Jakarta

Elguindi N et al. 2007. RegCM Version 3.1 User’s Guide.Trieste. Italy

Enciso JM, Porter D, Peries X.2007. Irrigation Monitoring withSoil Water Sensors. Texas Cooperative Extension

Fahrizal. 2008. Manfaat Informasi Iklim Bagi Pembangunan Pertanian.

Faqih A, Buono A, Boer R and JadmikoSD.2011. Researches on Dynamical Downscaling for Climate Change Projections: A Case Study for Pacitan and Indramayu. Improving Research Excelence on Agricultural Adaptation. I-MHERE B2C - IPB

Giorgi F. 2009. Producing a new generation ofregional climate model projections: The CORDEX framework. High resolution modeling workshop. ICTP 10-14 August, 2009. Trieste. Italy

Hagemann S and Haerter JO. 2010. Bias correction of Climate Model Data –The Golden Solution for Impact Models or Cursed Black Magic?; http://www.gwsp.org /fileadmin/GCI_conference/Products/Pres_-_Hagemann_-_Bias_correction.pdf, diakses tanggal 10 Maret 2012

Hardjowigeno S. 1993. Klasifikasi Tanah dan Pedogenesis. Penerbit Akademika

Pressindo. Jakarta

Hay et al. 2002. Use of Regional Climate Model Output for Hydrologic Simulations. J ournal of Hydrometeorology Volume 3 pp.571-590

Hidayah E. 2010. Model Disagregasi Data Hujan Temporal Dengan Pendekatan Bayesian Sebagai Input Pemodelan Banjir. Desertasi Doktor. Institut Teknologi Sepuluh November. Surabaya

Jadmiko SD.2011. Proyeksi Perubahan Iklim Berdasarkan Hasil Keluaran Model Regional (Studi Kasus: Kabupaten Indramyu dan Kabupaten Pacitan).

Skripsi Sarjana.FMIPA IPB; Bogor

Kirono DGC, Kent DM, Hennessy KJ, Mpelasoka F. 2011. Characteristics Of

Australian Droughts Under Enhanced Greenhouse Conditions: Result From 14 Global Climate Models. Journal of Arid Enviroments 75(2011) p.566-576

Las, Irianto dan Surmaini. 2000. Pengantar Agroklimat dan Beberapa

Pendekatannya. Balitbang Pertanian.Jakarta.

Lavinson D. 2009. Rainfall and Drought :overview of NCDC Product &

Applications for Climate Adaptation Planning. Oregon Coastal

Management Program Climate Adaptation Planning Information System. August 13 2009

Liu L. 2011. Hydro-Climatological Drought Analyses and Projection Using Meteorological and Hydrological Drought Indices: A Case Study in Blue River Basin, Oklahoma. 36^th NOAA Annual Climate Diagnostics and Prediction Workshop Forth Worth,TX,3-6 October 2011

Ministry of Agriculture, Food and Fisheries. 2002. Soil Water Storage Capacity and Available Soil Moisture.Canada

Moriasi DN et al. 2007. Model Evaluation Guidelines For Systematic Quantification Of Accuracy In Watershed Simulations. American Society of Agricultural and Biological Engineers. Vol. 50(3): 885−900

Nalbantis I. 2008 .Evaluation of a Hydrological Drought Index. European Water 23/24: pp. 67-77

Nicholls N. 2004. The changing nature of Australian droughts. Climatic Change 63,pp.323-336.

Nieuwolt, 1997. Tropical Climatology an Introduction to the Climate of the Low

Latitude. John Wiley and Son. New York

Ogallo LJ and Gbeckor-Kove N. 1989. Drought and Desertification. WCAP-7

WMO/TD No. 286

Pareira AR and Pruitt WO. 2004. Adaptation Of The Thornthwaite Scheme For

Estimating Daily Reference Evapotransptiraion. Agricultural Water

Management 66 (2004) 251–257

Ruijter J dan Agus F .2004. Pengenalan Tanah. World Agroforestry Centre.

Sachs JD.2012. Perubahan Iklim, Banjir, dan Kekeringan. http://www.tempo.co diakses tanggal 3 Desember 2012

Seyhan E. 1991. Dasar-Dasar Hidrologi. Gadjah Mada University Press.

Yogyakarta

Sharma UC & Sharma V. 2007. Hydrology for food security and poverty

alleviation in northeastern region of India. Proceeding Of The Third International Conference On Climate And Water. Helsinki, 3-6 September 2007.

Sinaga S. 2008. Asam Absisik Sebuah Mekanisme Adaptasi Tanaman Terhadap

Cekaman Kekeringan. www.research.mercubuana.ac.id diakses tanggal 3 Juni 2012.

Sudibyakto. 1985. Evaluasi Kekeringan di Daerah Kedu Selatan dengan Menggunakan Indeks Palmer. Tesis S2. Fakultas Pascasarjana IPB. Bogor

Supijatno.2012. Adaptasi Padi Gogo Terhadap Cekaman Ganda di Lahan Kering.

Disertasi S3. Sekolah Pascasarjana IPB

Suseno W. 2008. Pola Kekeringan Pertanian di Pulau Jawa. Skripsi Sarjana. Geografi FMIPA UI; Jakarta

Tanaka K, Kojiri T, Fujihara Y. 2005. Bias correction of the meteorological variables from RCM for hydrological application; http://wrrc.dpri.kyoto-u.ac.jp/wrrc-rep/26/papers/ICCAP-Report-Bias2005.pdf, diakses 10 Maret 2012

Teutschbein C and Seibert J. 2010.Regional Climate Models for Hydrological Impact Studies at the Catchment Scale: A Review of Recent Modeling Strategies; Geography Compass 4/7 (2010): 834–860, 10.1111/j.1749-8198.2010.00357.x

Thornthwaite CW and Mather JR. 1955.The Water Balance. Publications in Climatology, vol. 8, No. 1, Drexel Institute of Technology, Laboratory of Climatology, Centerton, New York.

Turyanti A. 1995. Sebaran Indeks Kekeringan Wilayah Jawa Barat. Skripsi S1. Jurusan Geofisika dan Meteorologi FMIPA IPB.Bogor

Wigena AH. 2006. Statistical Downscaling Luaran GCM. Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Bogor.

Worosuprojo S. 2003. Laporan Akhir: Penyusunan Rencana Induk (Grand Design) Pengelolaan Lingkungan Hidup SWS Seluna Jawa Tengah. Fakultas Geografi UGM. Yogyakarta

Yang W. 2010.Drought Analysis under Climate Change by Application of Drought Indices and Copulas. Master of Sciences Thesis. Portland State University.

Zanis P et al. 2008. A sensitivity study of the Regional Climate Model (RegCM3) to the convective scheme with emphasis in central eastern and southeastern

Lampiran 1. Data rata-rata curah hujanan bulanan observasi (1998-2010)

No Nama Staiun Bujur Lintang Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Tahunan

1 Karanggede (Boyolali) 110.65 -7.37 413 388 324 280 123 84 43 43 51 195 290 342 2577.154 2 Klego (Boyolali) 110.68 -7.35 327 194 250 197 114 101 140 130 75 194 327 289 2390.231 3 Andong (Boyolali) 110.75 -7.36 119 134 120 115 34 15 25 14 15 56 119 74 817.6154 4 Kemusuk (Boyolali) 110.79 -7.31 385 401 298 276 173 101 46 53 74 207 385 297 2664.308 5 Ketro (Sragen) 110.89 -7.37 358 373 349 284 119 80 47 38 58 194 358 236 2458.692 6 Kedawung (Sragen) 110.94 -7.31 392 407 324 272 176 103 51 50 69 191 392 275 2621.846 7 Semen (Grobogan) 110.88 -7.17 300 284 252 239 127 65 44 45 49 199 300 222 2069.538 8 Pojok (Grobogan) 111.03 -7.16 356 307 364 230 135 57 45 52 79 241 356 246 2446.846 9 Butak (Grobogan) 111.12 -7.17 302 288 267 243 143 76 59 45 73 244 302 217 2226.154 10 Pengkol (Grobogan) 110.84 -7.09 200 158 194 165 111 75 85 44 95 156 200 190 1724.846 11 Wolo (Grobogan) 110.82 -7.05 310 314 249 252 120 56 50 33 70 219 310 226 2119.923 12 Brati (Grobogan) 110.87 -7.02 297 312 239 214 120 77 40 41 70 175 297 182 1985.538 13 Godong (Grobogan) 110.77 -7.02 367 326 267 233 147 97 40 39 87 203 367 276 2313.846 14 Kunduran (Blora) 111.23 -7.05 348 362 303 322 162 85 44 52 84 211 348 266 2546.308 15 Jatisono (Demak) 110.71 -6.92 366 339 286 200 130 73 43 25 47 173 366 227 2165.923 16 Gajah (Demak) 110.74 -6.86 430 260 272 217 193 88 78 75 92 154 430 165 2267.231 17 Karanganyar (Demak) 110.81 -6.83 317 377 231 225 154 112 71 63 97 184 317 218 2340.462 18 Kudus (Kudus) 110.86 -6.80 356 327 263 161 110 80 85 40 67 150 356 221 2259.615

19 Besito Karangmalang (Kudus) 110.84 -6.77 362 470 273 188 113 86 63 48 61 165 362 239 2351.231

20 Karanggayam (Kudus) 110.85 -6.74 486 523 322 190 95 69 32 27 35 107 486 196 2458.615

21 Trangkil (Pati) 111.03 -6.67 258 300 192 153 116 66 63 49 50 54 258 149 1671.615

22 Pati (Pati) 111.02 -6.73 208 223 144 131 81 71 53 52 44 79 208 144 1456.615

23 Langse (Pati) 111.00 -6.77 231 206 182 128 101 62 51 33 40 126 231 136 1511.538

24 Cabean (Pati) 111.12 -6.86 282 300 220 214 152 121 72 58 104 155 282 227 2142.308

25 Jukno Jakenan (Pati) 111.15 -6.76 258 246 228 184 126 58 34 39 52 124 258 194 1769.308

26 Sumber (Rembang) 111.25 -6.79 275 279 220 208 110 53 47 22 35 73 275 163 1732.231

27 Tempuran (Blora) 111.46 -6.91 261 268 238 173 133 69 67 52 58 96 261 153 1725.615

28 Blora (Blora) 111.42 -6.97 288 283 268 213 122 90 61 35 62 115 288 211 2002.077

29 Jiken (Blora) 111.51 -7.00 252 273 240 200 123 70 52 15 41 106 252 178 1745.692

Lampiran 2. Data rata-rata suhu bulanan observasi (1990-1997)

Nama Pos Bujur Lintang Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

Getas(Salatiga) 110.4333 -7.3833 21.71 21.85 22.25 22.46 22.15 21.78 21.07 21.15 21.68 22.33 22.28 22.07

Colo (Kudus) 110.0833 -6.6667 26.13 26.10 25.61 25.35 24.80 24.51 23.84 23.80 24.29 25.19 25.15 25.70

Lab PHPTP (pati) 110.0167 -6.7667 25.99 26.25 26.58 26.79 26.65 26.23 25.54 25.64 26.35 27.04 26.87 26.24

Nambak Kapung (Grobogan) 110.6167 -7.0167 25.99 26.13 26.14 26.03 26.44 26.23 25.86 26.06 26.58 26.74 26.27 25.97

Rendole (Pati) 110.6167 -6.7167 26.37 26.51 26.14 25.84 25.05 24.66 23.79 23.69 24.24 25.46 25.64 26.20

Lampiran 7. Proses Running RegCM3

Langkah running model RegCM3

DATA DAN CODDING MODEL 1. Buat file directory

cd/scratch mkdir nama file

2. cd RegCM PRE-PROCESSING DATA 1. cd RegCM/Preproc/DATA 2. 3. ./datalinker.x TERRAIN 1. cd RegCM/Preproc/TERRAIN 2. domain lokasi) 3. cp Makefile_IFC8 Makefile 4. ./terrain.x

Parameter Description ^{Use in} Model iy number of grid points in y direction (i) 36 jx number of grid points in x direction (j) 36 kz number of vertical levels (k) 18 ds grid point separation in km 10 ptop pressure of model top in cb 5

clat central latitude of model domain in degrees -7,00 clon central longitude of model domain in

degrees

111,00 ntypec resolution of the global terrain and land-use

data

2 iproj map projection NORMER igrads true=output GrADS control file 1

ibyte for direct access open statements 1 for IFC8, SGI, DEC; 4 for PGI, IFC7, SUN,

IBM

IDATE1 beginning date of simulation 1989120100 IDATE2 ending date of simulation 2010123100

SSTTYP SST dataset OISST

DATTYP global analysis dataset NNRP1 LSMTYP Landuse categories ‘BATS’

AERTYP Aerosol type option AER00D0 NPROC Number of processors used for parallel

computing 4 ICBC 1. cd RegCM/Preproc/ICBC 2. dengan Terrain) 3. cp Makefile_IFC8 Makefile 4. ./icbc.x

74 PROCESSING 1. cd RegCM 2. mkdir running 3. cd running 4. cp ../Commons/regcm.in 5. cp ../Commons/regcm.x 6.

Parameter Description ^{Use in}

Model ifrest true or false for restart simulation .false. idate0 start date of first simulation 1989120100 idate1 start date of this simulation 1989120100 idate2 end date of this simulation 2010123100 radfrq time step for radiation model 30 abemh time step for LW absorption/emissivity 18

abatm time step for LSM 90

dt time step for atmosphere model 30 iocnflx ocean flux parameterization scheme; 1= BATS, 2=Zeng 2 iboudy lateral boundary conditions; 0=fixed, 1=relaxation

(linear), 2=time dependent, 3=time and inflow/outflow dependent 4=sponge, 5=relaxation (exponential)

ibltyp planetary boundary layer scheme; 1=Holtslag 1 ipptls Large-scale precipitation scheme; 1=SUBEX 1

ipgf pressure gradient scheme; 0=normal way, 1= hydrostatic deduction 0 7. cd running 8. cp ../Main/Makefile_IFC8 ../Main/Makefile 9. ./regcm.x POST-PROCESSING 1. cd RegCM/PostProc 2. cp Makefile_IFC8 Makefile 3. cp postproc.x ../running/ 4. cp postproc.in ../running/ 5. cp user.in ../running/

6. masuk ke folder running  edit postproc.in dan user.in 7. ./postproc.x

Lampiran 8. Script untuk gridding data observasi

load Gridd_new.txt -ascii

for s = 1.0: 1: 4747.0 x=Gridd_new(:,1); y=Gridd_new(:,2); z=Gridd_new(:,s+2); xi=110.2:.1:111.4; yi=-7.4:.1:-6.2; [XI,YI]=meshgrid(xi,yi); [XI,YI,ZI]=griddata(x,y,z,XI,YI); sss=int2str(s); if (s<10) file=['000' sss 'CH_Seluna.txt']; elseif ((s>=10) && (s<100)) file=['00' sss 'CH_Seluna.txt']; elseif ((s>=100) && (s<1000)) file=['0' sss 'CH_Seluna.txt']; else file=[sss 'CH_Seluna.txt']; end A=0; A(1,1)=s; A(2,2:14)=xi; A(3:15,1)=yi; A(3:15,2:14)=ZI;

78 L a m p ir a n 11. P o la Hub u n ga n C ur a h Hu ja n da n P e rs en K apa sit as L ap a n g da ri 1990 sa m pa i de n ga n 2 010 0 0 .1 ⁰.2 ⁰.3 ⁰.4 ⁰.5 ⁰.6 ⁰.7 ⁰.8 ⁰.9 ¹ 0 100 200 300 400 500 600 700 Jan-90 Jul-90 Jan-91 Jul-91 Jan-92 Jul-92 Jan-93 Jul-93 Jan-94 Jul-94 Jan-95 Jul-95 Jan-96 Jul-96 Jan-97 Jul-97 Jan-98 Jul-98 Jan-99 Jul-99 Jan-00 Jul-00 Jan-01 Jul-01 Jan-02 Jul-02 Jan-03 Jul-03 Jan-04 Jul-04 Jan-05 Jul-05 Jan-06 Jul-06 Jan-07 Jul-07 Jan-08 Jul-08 Jan-09 Jul-09 Jan-10 Jul-10 Persen KL (%) CH (mm/bln) Gr af ik Hu b u n gan Cur ah Hu jan d an P er se n K L CH P er sen K L

iii

ABSTRACT

UNGGUL HANDOKO. Application of RegCM3 Output for Drought Analysis in

Seluna Sub Basin. Under direction of RIZALDI BOER, WAHYOE SOEPRI H and AKHMAD FAQIH.

Assessment of drought characteristics requires long historical climate data. In many cases, long historical data is hardly available. Climate dynamic model is very potential to be used for reconstructing long historical climate data. This study aims to reconstruct daily climate data using climate model RegCM3 and to assess the characteristic of drought occurrence in rice paddy using the reconstructed data from the climate model. The drought analysis was done using water balance model. The result of the analysis suggests that the development of correction factor for RegCM3 is required before the reconstructed data is used for drought analysis. The pattern of drought generated using the reconstructed data is similar to that of the observed ones. The result of analysis indicates that the rice start suffering from drought when the soil water has dropped below 30% of field capacity and this condition occurs mostly during August to October. This study recommends the use of RegCM3 output for climate impact analysis in areas where daily climate data is limited or not available.

RINGKASAN

UNGGUL HANDOKO. Aplikasi Data Luaran RegCM3 untuk Analisis

Kekeringan di Sub DAS Seluna. Dibimbing oleh RIZALDI BOER, WAHYOE SOEPRI H dan AKHMAD FAQIH.

Evaluasi karakteristik kekeringan membutuhkan data iklim historis jangka panjang. Pada beberapa kasus, data iklim historis jangka panjang susah untuk didapatkan. Untuk menanggulangi permasalahan tersebut dapat menggunakan model iklim dinamik beresolusi tinggi. Salah satu model iklim tersebut ialah

RegCM3. Model ini berpotensi merekonstruksi data historis dengan cukup baik. Tujuan dari penelitian ini adalah untuk mengevaluasi penggunaan model RegCM3

dalam merekonstruksi data iklim historis dan menganalisis karakteristik kejadian kekeringan pada tanaman padi dengan menggunakan data iklim hasil rekonstruksi. Perhitungan model kekeringan dengan menggunakan metode keseimbangan air Thornthwaite dan Mather. Hasil analisis menunjukkan bahwa diperlukan koreksi bias dari RegCM3 sebelum data hasil rekonstruksi digunakan untuk menganalisis kekeringan. Pola model kekeringan yang dihasilkan dari data rekonstruksi menunjukkan kemiripan dengan observasi. Padi mulai mengalami cekaman kekeringan pada saat kondisi air tersedia turun dibawah 30% kapasitas lapang dan kondisi ini pada umumnya terjadi pada bulan Agustus sampai dengan Oktober. Penelitian ini merekomendasikan penggunaan data luaran RegCM3 untuk analisis dampak iklim pada wilayah-wilayah yang ketersediaan data iklim harian terbatas atau bahkan tidak tersedia.

Kata kunci: RegCM3, koreksi bias, kekeringan, Sub DAS Seluna.

BAB I PENDAHULUAN

1.1 Latar Belakang

Tantangan yang berkaitan dengan permasalahan hidrologi seperti banjir dan kekeringan melanda hampir di seluruh belahan bumi. Peningkatan kejadian banjir dan kekeringan terjadi di mana-mana, baik frekuensi kejadiannya ataupun besar dampak yang ditimbulkan dari bencana tersebut. Dirmeyer (2011) menyatakan bahwa kurun waktu 1970-2005, 30% bencana alam yang terjadi di dunia merupakan kejadian banjir dan 15% merupakan kejadian kekeringan.

Dampak dari banjir dan kekeringan sangat besar. Sachs (2012) menyatakan bahwa bencana kekeringan yang terjadi pada pertengahan tahun 2012, menyebabkan lebih dari separo kawasan Midwest dan Plains di Amerika Serikat dinyatakan darurat karena lumbung-lumbung pangan mengalami kegagalan panen. Selain itu dua dari kawasan di Afrika, yaitu Tanduk Afrika dan Sahel mengalami kekeringan dan kelaparan yang luar biasa selama kurun waktu 2010-2012 sehingga menyebabkan ribuan orang mati dan jutaan orang lainnya menghadapi kekurangan pangan yang serius. Di bagian dunia lainnya, banjir di Beijing menewaskan banyak warga kota.

Pertanian adalah pengguna terbesar di dunia (Sharma dan Sharma, 2007), sementara karakteristik dan ketersediaan air untuk menunjang keberlangsungan pertanian sangat dipengaruhi oleh iklim dan cuaca. Dengan demikian kondisi pasokan air untuk pertanian sangat fluktuatif mengikuti kondisi iklim. Adanya banjir dan kekeringan menyebabkan produksi pertanian mengalami penurunan atau bahkan puso.

Menurut Ditjen PLA (2006) dan Ditlintan (2008), wilayah pertanian di Jawa, khususnya Jawa Barat dan Jawa Tengah adalah wilayah yang paling besar terkena dampak banjir dan kekeringan. Hal ini sejalan dengan banyak penelitian lainnya (misalnya Boer dan Subbiah, 2005; Boer dan Suharnoto, 2012). Salah satu DAS di Jawa Tengah yang rentan terhadap bencana banjir dan kekeringan adalah Daerah Aliran Sungai Jratunseluna. Permasalahan lingkungan tersebut disebabkan di wilayah ini telah mengalami perubahan tata guna lahan dan

penerapan tata ruang yang belum maksimal. Untuk bencana kekeringan, daerah yang paling rentan pada umumnya terjadi di Sub DAS Seluna, seperti di Kabupaten Pati, Blora, Grobogan, Rembang, Kudus, Boyolali, dan Demak (Worosuprojo, 2003).

Permasalahan lain yang terjadi di DAS Jratunseluna adalah kerusakan di bagian hulu akibat alih fungsi lahan dari hutan sebagai daerah resapan menjadi lahan pertanian semusim, permukiman dan industri. Kerusakan bagian hulu DAS yang semakin meningkat selain mengakibatkan permasalahan erosi, banjir dan kekeringan, juga menyebabkan gangguan pada dinamika biologi. Hasil erosi yang terjadi di bagian hulu DAS akan diendapkan pada tubuh-tubuh perairan yang mendapatkan inflow dari aliran sungai dari hulu DAS. Hal ini akan mengancam reservoir (waduk), karena reservoir tersebut mengalami pendangkalan dan pada gilirannya akan mengurangi usia reservoir.

1.2 Perumusan Masalah

Bencana alam kekeringan merupakan bencana alam yang terkait dengan faktor cuaca yang kejadiannya berulang. Kerugian yang ditimbulkan dari adanya bencana kekeringan sangat besar. Banyak sektor yang terkena dampak kekeringan. Sektor yang paling rentan terkena dampak kekeringan ini ialah sektor pertanian, karena sektor ini sangat tergantung dengan ketersediaan air permukaan.

Kekeringan merupakan bencana alam yang termasuk dalam kategori bencana

“slow onset”, sehingga awal dan berakhirnya bencana ini susah untuk

diidentifikasi. Begitu juga intensitas, frekuensi dan luasannya. Hal yang paling terasa dari adanya bencana kekeringan adalah gagal panen yang pada gilirannya akan mengganggu ketahanan pangan.

Banyak berita yang melaporkan di berbagai daerah mengalami kekeringan, tetapi tidak dijelaskan seberapa besar dampak yang ditimbulkannya dan lokasi-lokasi yang terkena kekeringan tersebut secara tepat. Oleh sebab itu, diperlukan suatu metode yang dapat mengidentifikasi karakteristik suatu kejadian kekeringan di suatu daerah agar dapat diketahui intensitas, frekuensi, luasan kekeringan dan

lokasi yang terkena kekeringan dengan baik. Metode yang telah banyak digunakan untuk menggambarkan karakteristik kekeringan tersebut adalah dengan Indeks Kekeringan (Drought Indices) ataupun dengan neraca air.

Indeks kekeringan dan neraca air dalam perhitungannya memerlukan data iklim harian seperti curah hujan, suhu dan evapotranspirasi serta ada juga yang menambahkan data kondisi kelengasan tanah (soil moisture). Permasalahannya, di Indonesia data iklim dalam jangka panjang sangat terbatas, selain itu tidak semua tempat terdapat stasiun pengukuran. Untuk menanggulangi masalah ini salah satu pendekatannya ialah dengan menggunakan model iklim yang bersifat dinamik dengan resolusi tinggi. Salah satu model iklim tersebut ialah RegCM3. Model ini berpotensi digunakan untuk merekonstruksi data historis.

Berdasarkan permasalahan di atas, beberapa hal yang perlu di kaji dalam penelitian ini ialah:

1. Apakah data luaran RegCM3 dapat merekonstruksi data iklim lokal dengan baik?

2. Bagimanakah karakteristik kejadian kekeringan pada tanaman padi di Sub DAS Seluna Jawa Tengah dengan menggunakan data iklim hasil rekonstruksi?

1.3 Tujuan dan Manfaat

Dengan mengambil wilayah Sub DAS Seluna, Jawa Tengah sebagai daerah penelitian, penelitian ini dilaksanakan dengan tujuan untuk:

1. Mengevaluasi penggunaan model RegCM3 untuk merekonstruksi data iklim

historis.

2. Menganalisis karakteristik kejadian kekeringan pada tanaman padi di DAS Seluna Jawa Tengah dengan menggunakan data iklim hasil rekonstruksi.

Hasil penelitian ini diharapkan dapat berguna sebagai sumber informasi bagi sektor yang berhubungan dengan air khususnya pertanian serta turut serta dalam mengembangkan ilmu pemodelan iklim yang bermanfaat untuk perencanaan pengelolaan air.

1.4 Batasan Masalah

Berbagai peristiwa atau pun kejadian yang ada di alam ini merupakan hasil hubungan sebab akibat dari kejadian yang lainnya. Begitu juga dengan kekeringan, banyak faktor yang mempengaruhi kejadian ini. Oleh karena itu dalam penelitian ini batasan masalah yang dapat disampaikan antara lain:

1. Penelitian ini merupakan kajian awal untuk menganalisis kemampuan data model RegCM3 dalam menirukan data observasi yang kemudian diaplikasikan untuk analisis karakteristik kekeringan untuk tanaman padi di Sub DAS Seluna Jawa Tengah.

2. Penelitian ini mengasumsikan bahwa faktor irigasi untuk lahan pertanian diabaikan, sehingga hanya mempertimbangkan faktor-faktor alami (curah hujan, evapotranspirasi, dan kelengasan tanah)

BAB II

TINJAUAN PUSTAKA

2.1 Kondisi Data Iklim di Indonesia

Basis data iklim yang handal dan berkelanjutan sangat diperlukan untuk mengetahui kondisi iklim yang dinamis dari waktu ke waktu. Oleh sebab itu, data iklim harus diperbaharui agar didapatkan data yang akurat. Data iklim yang akurat dan seri waktu yang panjang sangatlah penting. Karena untuk kebutuhan analisis iklim biasanya membutuhkan data iklim seri yang cukup panjang agar didapatkan hasil analsis yang tepat. Oleh sebab itu pengkayaan dan pemutakhiran data iklim sangatlah penting.

Selain adanya interaksi antar unsurnya, kondisi iklim suatu lokasi saling berkorelasi dengan lokasi lainnya, baik dalam skala lokal (meso) maupun regional dan global (makro). Oleh sebab itu, untuk menghasilkan informasi iklim dan analisis resiko iklim yang efektif dan akurat dibutuhkan data iklim dari berbagai stasiun pengamatan iklim yang satu sama lain saling melengkapi dan bersifat sinergis (Las et al, 2000).

Menurut Sandy dalam Damayanti (2001), Pulau Jawa adalah salah satu wilayah di Indonesia dengan kerapatan jaringan stasiun meteorologi tertinggi. Hingga akhir tahun 1941 terdapat sejumlah 3.128 pengukur hujan yang tercatat ada di Pulau Jawa dengan kerapatan 15 km² pengukur hujan, namun tidak satupun

Dalam dokumen Aplikasi dataluaran regCM3 untuk analisis kekeringan di Sub DAS Seluna (Halaman 76-175)