• Tidak ada hasil yang ditemukan

Analisis Pola Sebaran Curah Hujan Di Daerah Aliran Sungai Cisadane

N/A
N/A
Protected

Academic year: 2017

Membagikan "Analisis Pola Sebaran Curah Hujan Di Daerah Aliran Sungai Cisadane"

Copied!
69
0
0

Teks penuh

(1)

ANALISIS POLA SEBARAN CURAH HUJAN

DI DAERAH ALIRAN SUNGAI CISADANE

ELHAMIDA REZKIA AMIEN

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

(2)
(3)

PERNYATAAN MENGENAI TESIS DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*

Dengan ini saya menyatakan bahwa tesis berjudul Analisis Pola Sebaran Curah Hujan di Daerah Aliran Sungai Cisadane adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Maret 2016

Elhamida Rezkia Amien

(4)

RINGKASAN

ELHAMIDA REZKIA AMIEN. Analisis Pola Sebaran Curah Hujan di Daerah Aliran Sungai Cisadane. Dibimbing oleh ROH SANTOSO BUDI WASPODO dan BUDI INDRA SETIAWAN.

Informasi tentang pola sebaran curah hujan merupakan hal penting dalam pengelolaan sumber daya air dan pertanian suatu wilayah. Analisis hidrologi memerlukan data curah hujan yang akurat, tetapi dalam pengumpulannya sulit diperoleh. Masalah ini disebabkan oleh terbatasnya jumlah alat pengukuran yang dipasang dan tidak semua data tercatat lengkap. Salah satu metode yang dapat digunakan untuk menduga curah hujan yang datanya tidak tersedia adalah interpolasi. Penelitian ini bertujuan untuk mengetahui pola sebaran curah hujan di DAS Cisadane, menduga nilai curah hujan tahunan pada daerah yang tidak memiliki data hujan yang dengan interpolator ANN (Artificial Neural Network), dan mendapatkan curah hujan tahunan DAS Cisadane.

Penelitian dilaksanakan di DAS Cisadane pada bulan Maret 2015 sampai Agustus 2015. Penelitian dibagi menjadi 2 tahapan utama, meliput pengumpulan data dan pengolahan data. Data yang digunakan antara lain data curah hujan, peta DAS Cisadane, peta tutupan lahan, peta wilayah administrasi, DEM, koordinat, dan elevasi pos hujan. Pengolahan data dilakukan dengan microsoft excel,

software ArcGis 10.0, dan progam Backpropogation neural network. Pengolahan

data meliputi perhitungan curah hujan bulanan, pembuatan peta, interpolasi data hujan dengan ANN, dan perhitungan curah hujan kawasan.

Hasil penelitian menunjukkan bahwa berdasarkan perhitungan curah hujan bulanan, awal musim hujan terjadi pada bulan Oktober dan musim kemarau pada bulan Juni sehingga DAS Cisadane masuk kedalam pola hujan monsunal dan sebaran curah hujan di sebagian hulu lebih tinggi dibandingkan bagian tengah dan hilir. Data curah hujan tahunan yang tidak lengkap diestimasi menggunakan progam Backpropogation neural network. ANN mampu mempelajari hubungan antara koordinat dan elevasi pos hujan dengan curah hujan tahunan yang terjadi di DAS Cisadane yang ditandai dengan koefisien determinasi (R2) sebesar 0,97. Curah hujan tahunan tertinggi di DAS Cisadane selama 14 periode (2000-2013) terjadi pada tahun 2010, sedangkan terendah terjadi pada tahun 2000 dan curah hujan tahunan tertinggi ini mengikuti periode ulang 10 tahun.

(5)

SUMMARY

ELHAMIDA REZKIA AMIEN. Analysis of Rainfall Distribution in Cisadane Watershed. Supervised by ROH SANTOSO BUDI WASPODO dan BUDI INDRA SETIAWAN.

Information in rainfall distribution takes important parts of water resource management and agricultures in a region. Hydrology analysis needs accurate rainfall data, but it was difficult to be collected. It was caused by limited rain gauge installation and not all the data were well recorded. One of methods that used to predict the amount of rainfall is interpolation. The aim of this research were to acknowledge rainfall distribution in Cisadane watershed, to estimate the annual rainfall in areas that do not have rainfall data with ANN as interpolator, and to obtain annual rainfall data in Cisadane watershed.

This research was conducted in Cisadane watershed in March 2015-August 2015. This research was divided into 2 major phases, including collecting data and processing data. Data that used were rainfall data, Cisadane Watershed map, land use map, area of administration map, DEM, coodinates, and elevation of rainfall post. Data were processed by microsoft excel, ArcGis 10.0 software,

and Backpropogation neural network program. It included the calculation of

monthly rainfall data, mapping, interpolation rainfall data with ANN (Artificial Neural Network), and calculation of rainfall in a region.

The result showed that monthly rainfall data, the onset of rainy season was in October then dry season was on June so that Cisadane Watershed was going to be the monsoonal climate type and the highest rainfall distribution is on the upstream area. Unrecorded annual rainfall data could be estimated by neural network program. ANN could learn the relationship between coordinates and elevation rainfall post that showed by value of determination (R2) 0,97. The highest annual rainfall in Cisadane watershed for 14 periods (2000-2013) occurred in 2010, the lowest in 2000 and the highest annual rainfall followed a period of 10 years.

(6)

© Hak Cipta Milik IPB, Tahun 2016

Hak Cipta Dilindungi Undang-Undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB

Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini

(7)

Tesis

sebagai salah satu syarat untuk memperoleh gelar Magister Sains

pada

Program Studi Teknik Sipil dan Lingkungan

ANALISIS POLA SEBARAN CURAH HUJAN

DI DAERAH ALIRAN SUNGAI CISADANE

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

BOGOR 2016

(8)
(9)

<&<1? '9-9? ? 3$1.9-9? '%$7$3? <7$+? </$3?&-? $'7$+?1-7$3?<3)$-? -9$&$3'?

$2$? ? 1+$2-&$? '>0-$?2-'3?

? ? ?

-9':</<-?41'+?

42-9-? '2%-2%.3)?

7?7? 4+? $3;494? <&-? !?

';<$?

74(?7?7? <&-?3&7$? 3))4;$?

-0';$,<-?41'+?

':<$? 74)7$2?:<&-?

!'03-0? -6-1?&$3? -3)0<3)$3?

7?7??$3<$7? ? <7=$3;4??

(10)

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2015 ini ialah sebaran curah hujan, dengan judul Analisis Pola Sebaran Curah Hujan di Daerah Aliran Sungai Cisadane.

Naskah tesis ini tidak akan selesai tanpa bimbingan, bantuan, dan doa dari berbagai pihak. Oleh karena itu, penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada:

1. Bapak Dr. Ir. Roh Santoso Budi Waspodo, M.T dan Bapak Prof. Dr. Ir. Budi Indra Setiawan, M.Agr., selaku komisi pembimbing yang telah memberikan masukkan dan arahan selama penelitian berlangsung dan dalam menyusun naskah tesis ini.

2. Dr. Satyanto Krido Saptomo, S.TP, M.Si., selaku penguji pada ujian tesis yang telah banyak memberikan saran.

3. Dr. Ir. M. Yanuar J. Purwanto, M.S., selaku Ketua Program Studi Teknik Sipil dan Lingkungan Sekolah Pascasarjana IPB yang telah yang telah mengarahkan dan memotivasi untuk tetap disiplin selama tesis dan studi.

4. Dr. Rudiyanto, S.TP, M.Sc., yang memberikan waktu untuk berdiskusi mengenai ANN dan GIS.

5. Keluarga penulis yang selalu membimbing, menasehati, dan memberikan dukungan dan doanya sehingga penulis dapat menjalankan penelitian dan menyelesaikan naskah tesis ini.

6. Seluruh karyawan dan rekan-rekan di Laboratorium Wageningen IPB yang telah memberikan bantuan selama pelaksanaan penelitian.

7. Rekan-rekan mahasiswa Teknik Sipil dan Lingkungan (Angkatan 2013) Sekolah Pascasarjana IPB yang selalu memberi semangat serta bantuan saat pelaksanaan penelitian dan penyusunan naskah tesis.

8. Seluruh teman-teman di Kost Fauziah atas segala doa, semangat dan bantuan selama pelaksanaan penelitian.

9. Seluruh pihak-pihak pendukung kelancaran dari penelitian dan penyusunan naskah tesis ini.

Tesis ini disusun sesuai dengan ketentuan teknis penyusunan yang ada di Institut Pertanian Bogor. Semoga ide yang disampaikan dalam tesis ini dapat tersampaikan dengan baik dan memberikan manfaat bagi pihak yang membutuhkan.

Bogor, Maret 2016

(11)

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Tujuan Penelitian 1

Manfaat Penelitian 2

TINJAUAN PUSTAKA 3

Daerah Aliran Sungai 3

Curah Hujan 3

Pengukuran Curah Hujan 3

Perhitungan Curah Hujan Rata-rata DAS 4

Interpolasi dengan ANN 6

METODE PENELITIAN 7

Lokasi dan Waktu Penelitian 7

Alat dan Bahan 7

Prosedur Penelitian 7

HASIL DAN PEMBAHASAN 12

Kondisi Umum DAS Cisadane 12

Curah Hujan Bulanan DAS Cisadane 14

Interpolasi Data Curah Hujan Tahunan dengan ANN 17

Curah Hujan DAS Cisadane 19

KESIMPULAN DAN SARAN 24

Kesimpulan 24

Saran 24

DAFTAR PUSTAKA 25

(12)

DAFTAR TABEL

1 Jenis dan sumber data yang digunakan pada penelitian 7

2 Curah hujan bulanan per wilayah 16

3 Data curah hujan tahunan hasil estimasi ANN 18 4 Periode ulang curah hujan tahunan maksimum DAS Cisadane 23

DAFTAR GAMBAR

7 Struktur Artificial Neural Network 10

8 Batas DAS Cisadane 12

9 Lokasi pos hujan 12

10 Peta wilayah administrasi DAS Cisadane 13

11 Tutupan lahan DAS Cisadane 13

12 Curah hujan bulanan rata-rata 14

13 Pola curah hujan bulanan DAS Cisadane 15

14 Zona agroklimat berdasarkan klasifikasi Oldeman 16 15 Korelasi curah hujan observasi dan estimasi 17 16 Hasil uji sensitifitas antara curah hujan dengan (a) X, (b) Y, dan (c) Z 17 17 (a) Peta pembagian grid untuk interpolasi dan (b) hasil interpolasi

dengan ANN 19

18 Peta sebaran hujan dengan (a) IDW dan (b) Kriging 19 19 Curah hujan tahunan DAS Cisadane dengan rata-rata aritmatik 20 20 Peta pembagian poligon thiessen DAS Cisadane 21 21 Curah hujan tahunan DAS Cisadane dengan poligon thiessen 21

22 Peta sebaran isohyet pada DAS Cisadane 22

23 Curah hujan tahunan DAS Cisadane dengan isohyet 23

DAFTAR LAMPIRAN

1 Lingkup wilayah administrasi DAS Cisadane 29

(13)

9 Data curah hujan bulanan (mm) pada pos Pos hujan Kuripan (PH7) 38 10 Data curah hujan bulanan (mm) pada pos Pos hujan Cihideung (PH8) 39 11 Data curah hujan bulanan (mm) pada pos Pos hujan Cikluwung

(PH9) 40

12 Data curah hujan bulanan (mm) pada pos Pos hujan Empang (PH10) 41 13 Data curah hujan bulanan (mm) pada pos Pos hujan Serpong (PH11) 42 14 Data curah hujan bulanan (mm) pada pos Pos hujan Sepatan (PH12) 43 15 Data curah hujan bulanan (mm) pada pos Pos hujan Dramaga (PH13) 44

16 Lokasi pos hujan 45

17 Data inputlayer pada proses trainning ANN 46 18 Curah hujan DAS Cisadane dengan rata-rata aritmatik 47 19 Curah hujan DAS Cisadane dengan poligon thiessen 48

20 Curah hujan DAS Cisadane dengan isohyet 50

21 Pembagian wilayah hujan berdasarkan hasil poligon thiessen 53

(14)
(15)

1

PENDAHULUAN

Latar Belakang

Daerah Aliran Sungai (DAS) Cisadane mencakup tiga provinsi yaitu Provinsi Jawa Barat, DKI Jakarta, dan Banten. Jumlah penduduk DAS Cisadane pada tahun 2012 sejumlah 3.255.002 jiwa (BBWS Ciliwung Cisadane 2012). Kepadatan penduduk ini akan berimbas pada peningkatan penggunaan air untuk memenuhi kebutuhan domestik, pertanian, pertenakan, dan industri. Salah satu sumber air utama dalam sistem hidrologi suatu DAS adalah curah hujan.

Curah hujan merupakan faktor utama pengendali siklus hidrologi suatu DAS (Asdak 2010). Pola dan sebaran curah hujan merupakan hal penting dalam manajemen sumber daya air suatu wilayah (Mukid dan Wilandari 2012). Selain itu informasi mengenai pola sebaran curah hujan sangat membantu dalam kegiatan pertanian (Riajaya 2006; Sudiharto 2004).

Analisis hidrologi memerlukan data curah hujan yang akurat, tetapi dalam pengumpulannya sulit diperoleh. Salah satu penyebab masalah ini ialah keterbatasan jumlah alat pengukuran yang dipasang dan tidak semua data tercatat lengkap. Menurut Ningsih (2012), data hujan sangat bervariasi sehingga untuk kawasan luas, data hujan yang tercatat pada satu titik belum dapat menggambarkan kejadian hujan pada wilayah tersebut.

Salah satu metode yang digunakan untuk menduga data curah hujan yang tidak lengkap adalah interpolasi. Interpolasi merupakan suatu metode untuk menghasilkan data baru dari data-data yang diketahui. Metode tersebut dapat digunakan dalam pendugaan curah hujan karena setiap titik yang diinterpolasi dipengaruhi oleh nilai dari titik di sekitarnya (Pasaribu dan Haryani 2012; Ma et al. 2014). Zona curah hujan dari hasil interpolasi dapat digunakan untuk menggambarkan pola curah hujan. Interpolasi data-data curah hujan dapat diduga dengan menggunakan ANN (Artificial Neural Network) (Bustami et al. 2007; Hung et al. 2009). ANN merupakan suatu model kecerdasan tiruan sistem saraf manusia.

Model ini pada beberapa penelitian, dapat digunakan dalam pendugaan dan perhitungan curah hujan wilayah. Pada penelitian Wu dan Chau (2011), model ANN memberikan hasil yang baik dalam mengestimasi curah hujan. Penelitian lain menyebutkan hasil dari model ANN mendekati data observasi (Somvanshi et al. 2006). Oleh sebab itu, penelitian ini menggunakan model ANN sebagai interpolator dalam memestimasi data curah hujan.

Tujuan Penelitian

Penelitian ini bertujuan:

1. Mengetahui pola sebaran dan curah hujan di DAS Cisadane.

2. Menduga nilai curah hujan tahunan pada daerah yang tidak memiliki data hujan yang lengkap dengan interpolator ANN.

(16)

2

Manfaat Penelitian

(17)

3

TINJAUAN PUSTAKA

Daerah Aliran Sungai

Pengertian Daerah Aliran Sungai (DAS) yang tertera pada UU No.7 tahun 2004 tentang sumber daya air adalah suatu wilayah daratan yang merupakan satu kesatuan dengan sungai dan anak-sungainya yang berfungsi menampung, menyimpan, dan mengalirkan air yang berasal dari curah hujan ke danau atau laut secara alami yang batas di darat merupakan batas topografis dan batas di laut sampai dengan daerah perairan yang masih terpengaruh aktivitas daratan. Triatmodjo (2009) menyebutkan curah hujan yang jatuh dalam DAS akan mengalir menuju sungai utama, sedangkan yang jatuh ke luar DAS akan mengalir menuju sungai lain di sebelahnya.

Curah hujan merupakan input dalam sistem DAS (Handayani dan Indrajaya 2011). DAS dalam hubungannya dengan sistem hidrologi memiliki karakteristik yang spesifik serta berkaitan erat dengan unsur utamanya seperti jenis tanah, tata guna lahan, topografi, kemiringan, dan panjang lereng. Karakteristik biofisik DAS dalam merespons curah hujan yang jatuh dalam wilayah DAS dapat memberikan pengaruh terhadap besar kecilnya evapotranspirasi, infiltrasi, perkolasi, air larian, aliran permukaan, kandungan air tanah, dan aliran sungai. Curah hujan yang jatuh dalam suatu DAS akan mengalami interaksi dengan komponen-komponen ekosistem DAS dan akan menghasilkan keluaran berupa debit, sedimen, dan material lainnya yang terbawa oleh aliran sungai. Komponen-komponen ekosistem DAS di Indonesia terdiri atas manusia, vegetasi, tanah, dan sungai (Asdak 2007).

Curah Hujan

Secara sederhana dapat dijelaskan bahwa curah hujan terjadi karena adanya perpindahan massa air basah ke tempat yang lebih tinggi sebagai respon adanya beda tekanan udara antara dua tempat yang berbeda ketinggiannya. Adanya akumulasi uap air pada suhu yang rendah menyebabkan proses kondensasi dan pada gilirannya massa air basah jatuh sebagai air hujan. Mekanisme berlangsungnya curah hujan melibatkan tiga kejadian berikut (1) kenaikan massa uap air ke tempat yang lebih tinggi sampai atmosfer menjadi jenuh; (2) terjadinya kondensasi partikel-partikel uap air di atmosfer; (3) partikel-partikel uap air tersebut bertambah besar kemudian jatuh ke bumi dan permukaan laut (sebagai curah hujan) karena gaya gravitasi (Asdak 2007).

Pengukuran Curah Hujan

Curah hujan merupakan salah satu jenis presipitasi yang paling bisa diukur. Pengukuran dilakukan secara langsung dengan menampung air hujan yang jatuh. Curah hujan dalam suatu kawasan hanya dapat diukur di beberapa titik dengan menggunakan alat pengukur curah hujan. Curah hujan yang terukur oleh alat mewakili suatu luasan daerah di sekitarnya.

(18)

4

Pengairan Departemen Pekerjaan Umum, Dinas Pertanian, dan beberapa instansi yang berkepentingan dengan curah hujan. Masing-masing instansi tersebut mengelola sendiri stasiun hujannya sehingga dapat terjadi dua atau lebih stasiun hujan pada jarak yang berdekatan (Triatmodjo 2009).

Curah hujan diukur dengan menggunakan alat ukur curah hujan yang berbentuk silinder dengan bagian atas terbuka (untuk menerima butiran air hujan yang jatuh). Alat ini dipasang ditempat terbuka sehingga curah hujan akan diterima langsung oleh alat ini. Alat ukur curah hujan ini ada yang manual dan dirancang otomatis ( Lakitan 2002). Gambar 1a. Adalah alat penakar curah hujan biasa, Gambar 1b dan c adalah penakar curah hujan otomatis (Triatmodjo 2009).

Gambar 1 Alat ukur curah hujan (Triatmodjo 2009)

Perhitungan Curah Hujan Rata-rata DAS

Untuk mendapatkan data curah hujan yang dapat mewakili suatu kawasan diperlukan alat penakar curah hujan dalam jumlah yang cukup. Sistem jaringan dari sejumlah alat penakar curah hujan akan mewakili sejumlah titik-titik pengamatan curah hujan di daerah tersebut. Secara umum ketelitian hasil pengukuran curah hujan akan meningkat dengan meningkatnya jumlah alat penakar curah hujan yang digunakan (Asdak 2007). Dalam analisis hidrologi, untuk menentukan curah hujan rata-rata pada suatu kawasan dapat dilakukan dengan tiga cara, yaitu: rata-rata aritmatik, Poligon Thiessen, dan isohyet (Triatmodjo 2009).

Rata-rata aritmatik

(19)

5

Gambar 2 Pos hujan di suatu DAS Poligon Thiessen

Teknik poligon dilakukan dengan cara meghubungkan satu alat penakar curah hujan dengan yang lain menggunakan garis lurus. Pada peta DAS, setiap lokasi alat penakar curah hujan dibagi menjadi beberapa poligon (jarak garis pembagi dua penakar curah hujan yang berdekatan lebih kurang sama). Hasil pengukuran pada setiap alat penakar curah hujan diberi bobot (weighing) dengan menggunakan bagian-bagian wilayah dari total DAS yang diwakili oleh alat penakar hujan pada masing-masing lokasi selanjutnya dijumlahkan. Bilangan pecahan dari perbandingan antara luas masing-masing daerah poligon dan total luas DAS disebut angka tetapan Thiessen (Asdak 2007). Metode ini digunakan bila penyebaran stasiun hujan di daerah yang ditinjau tidak merata.

Gambar 3 Poligon thiessen Isohyet

(20)

6

Gambar 4 Isohyet (Triatmodjo 2009)

Interpolasi dengan ANN

ANN (Artificial Neural Network) pertama kali diperkenalkan oleh Waren

McCulloch dan Walter Pits pada 1943. Konsep dari ANN ini adalah sebagai penerima masukanan. Setiap masukan (input) datang melalui suatu penghubung yang mempunyai sebuah bobot (Weight). Input dan output dihubungkan oleh lapisan terembunyi (hidden layer). Untuk menghasilkan output dari sel syaraf signal aktivasi dirubah menjadi fungsi transfer. Signal bergerak dari input kemudian melewati lapisan tersembunyi (hidden layer) dan akhirnya mencapai unit output.

Artificial neural network (ANN) merupakan salah satu cara yang dapat digunakan dalam pendugaan sebaran curah hujan dengan jalan interpolasi (Matos

et al. 2013). ANN yang digunakan pada pendugaan curah hujan ini menggunakan

algoritma dan beberapa lapisan tersembunyi (Bustami et al. 2007).

(21)

7

METODE PENELITIAN

Lokasi dan Waktu Penelitian

Penelitian berlokasi di DAS Cisadane yang secara administratif terdapat di Pulau Jawa bagian Barat. Penelitian dilaksanakan pada bulan Maret 2015 sampai Agustus 2015. Pengolahan dan analisis data dilakukan di Laboratorium Wageningen IPB, Bogor.

Alat dan Bahan

Alat yang digunakan dalam penelitian ini meliputi: PC (Personal

Computer), Software ArcGIS 10.0, microsoft excel 2010, dan program

Backpropagation Neural Network. Bahan yang digunakan antara lain: data curah

hujan bulanan (2000-2013), data elevasi dan koordinat pos pengukuran hujan, peta DAS Cisadane, DEM (Digital Elevation Model), dan Peta RBI (Rupa Bumi Indonesia).

Prosedur Penelitian

Prosedur pada penelitian ini disajikan dalam Gambar 6. Penelitian dibagi menjadi 2 tahapan utama, meliputi pengumpulan data dan pengolahan data.

1. Pengumpulan Data

Data yang digunakan merupakan data sekunder. Jenis dan sumber data disajikan dalam Tabel 1.

Tabel 1 Jenis dan sumber data yang digunakan pada penelitian

No Jenis Data Sumber Data Keterangan

1. Data curah

3. DEM http://asterweb.jpl.nasa.gov/gdem.asp ASTERGDEM

(Aster Global

(22)

8

Gambar 6 Diagram alir penelitian

Jumlah pos hujan yang digunakan sebanyak 13 pos hujan. Masing-masing pos hujan diberi kode dengan rincian:

PH1 : Pasir Jaya PH8 : Cihideung ArcGIS untuk di proses lebih lajut. Data curah hujan diperoleh dalam periode 14 tahun. Namun masing-masing pos pengukuran mempunyai ketersediaan data

(23)

9 dengan rentang waktu berbeda. Adapun langkah-langkah yang dilakukan pengolahan data atribut yaitu:

a. Perhitungan Curah Hujan Bulanan

Data curah hujan bulanan dari masing-masing pos hujan dihasilkan dari penjumlahan data hujan harian. Kemudian curah hujan bulanan dibagi dengan jumlah tahun (selama periode 2000-2013) sehingga dihasilkan rata-rata curah hujan bulanan.

b. Pembuatan Peta

Peta batas DAS Cisadane diperoleh dengan melakukan georeferencing dari peta tematik. Georeferencing merupakan proses penempatan objek yang belum memiliki acuan sistem koordinat ke dalam proyeksi tertentu. Selanjutnya dilakukan penentuan batas DAS dengan melakukan digitasi sehingga dihasilkan batas DAS Cisadane.

Peta lokasi pos hujan diperoleh dengan memasukkan data koordinat dan elevasi pos hujan ke dalam atribut pada ArcGIS. Wilayah administrasi dihasilkan dari peta RBI yang kemudian dikelompokkan setiap kabupaten, kecamatan, dan provinsi. Peta tutupan lahan diperoleh dari peta RBI. Melalui overlay antara peta RBI dan batas DAS akan dihasilkan peta tutupan lahan DAS Cisadane.

Pendugaan interpolasi sebaran curah hujan dengan ANN dilakukan dengan penentuan sebaran grid (titik-titik hujan). Hal ini dilakukan untuk mendapatkan data koordinat dan elevasi titik-titik hujan. Data koordinat dan elevasi ini digunakan sebagai masukan dalam penentuan nilai curah hujan pada masing-masing titik hujan.

c. Interpolasi dengan Artificial Neural Network

Progam Backpropogation neural network merupakan program dapat digunakan untuk menginterpolasi data curah hujan. Menurut Ernawati (2009), secara umum keluaran dari ANN ditentukan oleh nilai masukan (input), pembobot

(weight), dan fungsi aktifasi. Data yang digunakan dalam perhitungan ini antara lain koordinat (X, Y), ketinggian (Z), dan curah hujan tahunan pada masing-masing pos hujan.

Tahap pertama adalah proses pembelajaran (trainning). Data yang digunakan dalam proses ini adalah koordinat (X,Y) dan ketinggian (Z) sebagai

input layer dan curah hujan sebagai output target (Lampiran 17). Hasil dari tahap

pertama ini merupakan pembobot (weight) yang akan digunakan untuk mengestimasi data curah hujan tahunan tidak lengkap pada tahap selanjutnya

(Testing). Data yang digunakan pada tahap testing meliputi koordinat (X,Y) dan ketinggian (Z). Weight yang sama dapat digunakan untuk melakukan estimasi sebaran curah hujan berdasarkan grid yang diinginkan diluar lokasi 13 pos hujan yang ada. Struktur ANN dapat dilihat pada Gambar 7.

(24)

10

Gambar 7 Struktur Artificial Neural Network

Fungsi aktivasi berupa fungsi sigmoid yang digunakan terdapat dalam persamaan 1 dan 2.

(1)

∑ (2)

adapun Xi, Vij, β, dan n berturut-turut merupakan data input, pembobot (weight), konstanta aktivasi, dan jumlah input data.

d. Perhitungan Curah Hujan Kawasan

Data yang digunakan untuk perhitungan curah hujan kawasan (DAS Cisadane) merupkan data tahunan yang dihasilkan dari proses testing dengan ANN. Umumnya, curah hujan kawasan dapat dihitung dengan menggunakan rata-rata aritmatik, poligon thiessen, dan isohyet.

Curah hujan rata-rata aritmatik dihitung menggunkan Microsoft Excel

dengan data curah hujan tahunan yang secara matematis dirumuskan dalam persamaan berikut:

Perhitungan curah hujan dengan poligon thiessen, poligon dihasilkan dari perpotongan tegak lurus pada garis tengah diantara dua pos hujan yang dihubungkan dengan garis. Dari pertemuan garis-garis itu akan diperoleh luasan daerah berdasarkan poligon yang dibentuk. Sehingga masing-masing pos hujan akan terletak pada suatu poligon. Curah hujan rata-rata yang diperoleh memiliki pengaruh terhadap daerah yang dibentuk dengan menggambarkan garis-garis

(25)

11 tegak lurus terhadap garis penghubung antara dua pos hujan (Ningsih 2012). Dengan menggunakan ArcToolbox pada ArcGIS, maka dihasilkan daerah-daerah poligon thiessen. Secara matematis curah hujan rata-rata dengan poligon thiessen dapat dirumuskan dalam persamaan berikut:

(4)

keterangan:

R : Curah hujan rata-rata (mm)

R1,R2,...Rn : Curah hujan pada masing-masing pos hujan (mm)

a1,a2,...an : Luas untuk masing-masing daerah poligon (km)

A : Total luas DAS

Peta isohyet merupakan hasil interpolasi data curah hujan pada sejumlah pos hujan wilayah yang dipetakan (Setiawan dan Rohmat 2011). Metode interpolasi spasial yang digunakan dalam pembuatan peta ini diimplementasikan dalam ArcGis yaitu IDW (Inverse Distance Weighted) (Lu dan Wong 2008). Setelah peta isohyet terbentuk maka dihasilkan luas daerah isohyet. Sehingga curah hujan rata-rata dengan isohyet dapat dirumuskan dalam persamaan berikut :

(5)

keterangan:

R : Curah hujan rata-rata (mm) i1,i2,i3,...in : Garis isohyet ke 1, 2, 3,...n,n+1

A1, A2,...An : Luas daerah yang dibatasi oleh garis isohyet ke 1 dan 2, 2 dan

(26)

12

HASIL DAN PEMBAHASAN

Kondisi Umum DAS Cisadane

DAS Cisadane secara geografis terletak pada 06°0'22'' sampai 06°47'16'' Lintang Selatan dan 106°28'29'' sampai 106°56'48'' Bujur Timur dengan luas 1515,77 km2. Sungai Cisadane pada DAS ini berasal dari Gunung Salak (2211 m) dan Gunung Gede Pangrango (2953 m). DAS Cisadane dibatasi oleh DAS Cimanceuri di sebelah barat, Laut Jawa di sebelah utara, DAS Angke di sebelah timur, dan di sebelah selatan dibatasi oleh DAS Cimandiri serta DAS Citarik. Lokasi dan batas DAS Cisadane dapat dilihat pada Gambar 8.

Gambar 8 Batas DAS Cisadane (Sumber: BBWS CiliCis 2012)

Terdapat 13 pos hujan pada DAS Cisadane (Gambar 9). Masing-masing pos hujan tersebar di wilayah DAS Cisadane yaitu Kabupaten Bogor (Pasir Jaya, Kracak, Ranca Bungur, Cigudeg, Cianten, Kuripan, Cihideung, Cikluwung, dan Dramaga), Kota Tanggerang (Pasar Baru), Kota Bogor (Empang), dan Kabupaten Tanggerang Selatan (Serpong dan Sepatan).

(27)

13 Wilayah administrasi DAS Cisadane meliputi 43 kecamatan, tersebar di 8 kota dan kabupaten pada 3 provinsi yaitu Provinsi Banten, DKI Jakarta, dan Jawa Barat (Lampiran 1). Luas wilayah DAS Cisadane adalah 1515,77 km2. Sebagian besar DAS Cisadane berada di wilayah Provinsi Jawa Barat dengan luas mencapai 1123 km2. Peta wilayah administrasi ditampilkan dalam Gambar 10.

Gambar 10 Peta wilayah administrasi DAS Cisadane

Tutupan lahan DAS Cisadane didominasi oleh daerah pertanian dengan persentase 62,06% meliputi perkebunan, pertanian lahan kering, pertanian lahan kering campur, dan sawah (Lampiran 2). Daerah pertanian sebagian besar tersebar di wilayah hulu dan tengah. Tutupan lahan berupa hutan, semak, dan belukar tersebar di bagian hulu DAS Cisadane. Tutupan lahan DAS Cisadane ditampilkan pada Gambar 11 berikut.

(28)

14

Curah Hujan Bulanan DAS Cisadane

Curah hujan bulanan di lokasi penelitian bervariasi (Gambar 12). Awal musim hujan terjadi pada bulan Oktober yang ditandai dengan curah hujan ≥ 50 mm pada 3 dasarian berturut-turut, sedangkan musim kemarau terjadi pada bulan Juni. Giarno et al. (2012) menyebutkan bahwa BMKG (Badan Meteorologi Klimatologi dan Geofisika) telah menetapkan awal musim hujan adalah kejadian 3 kali dasarian hujan ≥ 50 mm berurutan, sedangkan musim kemarau kebalikan dari awal musim hujan. Dari 168 kejadian hujan bulanan rata-rata selama 14 periode, terdapat 22 kali kejadian hujan dibawah 100 mm.

Gambar 12 Curah hujan bulanan rata-rata

Indonesia merupakan negara kepulauan, terletak diantara dua benua dan dua samudera sehingga memiliki keragaman iklim. Pola hujan bervariasi antara bulan lainnya. Berdasarkan distribusi data rata-rata curah hujan bulanan, DAS Cisadane termasuk pola hujan monsunal. Tukidi (2010) menjelaskan pola hujan monsun dicirikan oleh perbedaan yang jelas antara periode musim hujan dan musim kemarau. DAS Cisadane mengalami satu puncak hujan tertinggi yaitu pada bulan Februari (Gambar 12).

Gambar 13 dihasilkan dari data rata-rata curah hujan bulanan dengan interpolasi IDW (Inverse Distance Weighted). BMKG membagi distribusi curah hujan bulanan menjadi 4 kategori yaitu rendah (0-100 mm), menengah (101-300 mm), tinggi (301-400 mm), dan sangat tinggi (>400 mm). Curah hujan bulanan rata-rata dalam periode 14 periode (2000-2013) menunjukkan pergeseran wilayah hujan (Gambar 13).

Curah hujan bulanan di sebagian daerah hulu merupakan daerah dengan curah hujan yang lebih tinggi dari daerah tengah dan hilir (Gambar 13). Daerah hulu merupakan daerah konservasi, memiliki kerapatan drainase tinggi, memiliki kemiringan lereng besar, dan umumnya jenis vegetasi merupakan tegakan hutan.

0

(29)

15 Daerah tengah dan hilir merupakan daerah yang didasarkan pada fungsi pemanfaatan air.

Terlihat perbedaan yang jelas antara musim hujan DJF (Desember, Januari, dan Februari) dan musim kemarau JJA (Juni, Juli, dan Agustus). Rata-rata curah hujan tertinggi terjadi pada bulan Februari sebesar 317 mm dan terendah terjadi pada bulan Agustus sebesar 108 mm.

Gambar 13 Pola curah hujan bulanan DAS Cisadane

(30)

16

Gambar 14 Zona agroklimat berdasarkan klasifikasi Oldeman

DAS Cisadane memiliki kisaran curah hujan bulanan antara 116 sampai 302 mm. Zona agroklimat pada setiap wilayah yang diwakili pos hujan menghasilkan tipe iklim yang berbeda (Tabel 2). PH1, PH2, PH7, dan PH8 termasuk tipe iklim B1. Djaenudin et al. (2002) memaparkan, tipe iklim B1 sesuai untuk ditanami padi terus menerus dengan perencanaan musim tanam yang baik. PH3, PH4, PH5, dan PH11 termasuk kedalam tipe iklim E yang berarti wilayah ini sangat kering, hanya dapat ditanami satu kali palawija (tergantung adanya hujan). PH10 dan PH13 termasuk kedalam tipe iklim A1 dan sangat sesuai untuk ditanami padi terus menerus dan tiga wilayah sisanya masuk kedalam tipe iklim C1, D1, dan D4.

Tabel 2 Curah hujan bulanan per wilayah No Pos

(31)

17 Interpolasi Data Curah Hujan Tahunan dengan ANN

Kelengkapan data curah hujan sangat dibutuhkan dalam analisis hidrologi. Curah hujan di lokasi penelitian memiliki keterbatasan data. Hanya 5 dari 13 pos hujan yang memiliki data curah hujan tahunan lengkap selama 14 periode (Lampiran 4,5,7,11, dan 13). Data curah hujan tahunan yang lengkap dimiliki oleh PH1, PH2, dan PH8 yang terletak di Kabupaten Bogor, PH4 yang terletak di Kabupaten Tanggerang, dan PH10 yang terletak di Kota Bogor.

Selanjutnya 5 data tersebut digunakan pada proses pembelajaran

(trainning) ANN untuk mendapatkan estimasi data hujan baru pada setiap

tahunnya (2000-2013). Validasi dilakukan untuk mengetahui korelasi curah hujan observasi dan estimasi yang ditunjukkan oleh koefisien determinasi (R2) sebesar 0,97 (Gambar 15). Gunawan dan Linarka (2011) menyebutkan jika korelasi mendekati ±1 maka hubungan antara kedua peubah sangat erat. Hal ini menunjukkan bahwa ANN mampu mempelajari hubungan antara koordinat dan elevasi pos hujan dengan curah hujan.

Gambar 15 Korelasi curah hujan observasi dan estimasi

Uji sensitifitas menggunakan analyse-it merupakan add-ins pada ms.excel. Hasil yang diperoleh menunjukkan rsq sebesar 0,56. Nilai rsq selanjutnya digunakan sebagai critical value, merupakan batas untuk hasil korelasi. Korelasi antara X dan curah hujan sebesar 0,80 (Gambar 16a). Nilai ini melebihi critical

value, sehingga dapat disimpulkan bahwa berdasarkan uji sensitivitas antara

koordinat dan elevasi terhadap curah hujan, input data yang yang berpengaruh adalah bujur (X).

Gambar 16 Hasil uji sensitifitas antara curah hujan dengan (a) X, (b) Y, dan (c) Z

(32)

18

Curah hujan di Indonesia secara umum dipengaruhi oleh letak geografis dan curah hujan juga bertambah sesuai dengan ketinggian tempat (Indrabayu et al.

2012). Pergerakan matahari terhadap posisi lintang yang menyebabkan perubahan pola angin dan tekanan mempengaruhi variasi curah hujan (Sinambela et al. 2008). Pratama (2011) menyebutkan bahwa faktor jarak, ketinggian, dan kelerengan mempengaruhi pembentukan awan menjadi curah hujan.

Data curah hujan tahunan yang tidak lengkap diestimasi dengan program

Backpropogation neural network. Nilai pembobot hasil proses pembelajaran

(trainning) digunakan pada proses testing data (estimasi data curah hujan tahunan) sehingga dihasilkan data curah hujan tahunan lengkap (Tabel 3). Curah hujan hasil estimasi pada Tabel 3 ditandai dengan warna angka yang lebih tebal.

Selain dapat digunakan untuk mengestimasi curah hujan tahunan, pembobot yang dihasilkan dapat digunakan kembali untuk mendapatkan interpolasi hujan pada grid (sebaran koordinat dan elevasi) dengan input koordinat (X dan Y) dan elevasi (Z) seperti yang ditunjukkan pada Gambar 17a. Penelitian serupa pernah dilakukan Bagiawan (2013) dan Hadi (2006) dalam pembagian data curah hujan dari menjadi grid-grid.

Tabel 3 Data curah hujan tahunan hasil estimasi ANN

Pos Hujan

Data Curah Hujan Tahunan (mm)

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Sebanyak 170 grid digunakan untuk interpolasi sebaran hujan dan setiap

(33)

19

(a) (b)

Gambar 17 (a) Peta pembagian grid untuk interpolasi dan (b) hasil interpolasi dengan ANN

Peta sebaran hujan dapat dihasilkan dari interpolasi menggunakan metode

Inverse Distance Weighted (IDW) ataupun Kriging. Kedua metode tersebut

memiliki kelebihan dan kekurangan. Pramono (2008) menyebutkan bahwa pada metode IDW, hasil interpolasi akan lebih mirip pada data sampel yang terdekat, sedangkan pada metode Kriging hasil interpolasi akan memiliki korelasi terhadap jarak dan orientasi antara data sampel. Kolaborasi antara hasil data ANN dan ArcGis dapat memberikan gambaran mengenai sebaran curah hujan secara spasial dengan input koordinat dan elevasi.

Gambar 18 a dan b menunjukkan bahwa hasil interpolasi ANN (Gambar 17b) dapat digunakan untuk menggambarkan sebaran hujan baik dengan IDW dan Kriging. Data ini merupakan hasil curah hujan tahunan. Daerah dengan warna hijau tua merupakan daerah dengan curah hujan tertinggi diantara daerah lainnya. Jika dikaitkan dengan konservasi air maka daerah tersebut berpotensi menjadi daerah resapan dan daerah dengan warna merah perlu diwaspadai sebagai daerah dengan potensi kekeringan.

(a) (b)

Gambar 18 Peta sebaran hujan dengan (a) IDW dan (b) Kriging Curah Hujan DAS Cisadane

Rata-rata aritmatik

(34)

20

dalam penentuan curah hujan wilayah DAS Riam Kanan. Persamaan 3 digunakan untuk menghitung curah hujan rata-rata aritmatik. Data curah hujan tahunan akumulasi dari seluruh pos hujan dibagi dengan jumlah pos hujan. Hasil perhitungan ini kurang representatif untuk menggambarkan curah hujan karena hanya membagi jumlah curah hujan dengan jumlah pos hujan. Namun Bayraktar

et al. (2005), menyebutkan perhitungan dengan aritmatik efektif digunakan pada

kejadian hujan ekstrim.

Hasil perhitungan rata-rata arimatik dapat dilihat pada Lampiran 18. Curah hujan tertinggi dengan perhitungan ini terjadi pada tahun 2010 sebesar 3251 mm dan terendah pada tahun 2000 sebesar 1752 mm (Gambar 19).

Gambar 19 Curah hujan tahunan DAS Cisadane dengan rata-rata aritmatik Poligon Thiessen

Poligon thiessen merupakan cara yang paling banyak digunakan untuk menghitung curah hujan rata-rata wilayah walaupun masih memiliki kekurangan karena tidak memasukkan pengaruh topografi. Poligon thiessen dihasilkan dengan menganggap bahwa setiap pos pengukuran dalam suatu daerah memiliki luas pengaruh tertentu dan luas tersebut merupakan koreksi bagi curah hujan pos pengukuran menjadi curah hujan daerah yang bersangkutan.

Gambar 20 menunjukkan hasil dari poligon thiessen pada masing-masing pos pengukuran. Daerah poligon terbesar terdapat pada pos hujan 1 (Pasir Jaya) dengan luas 217,6 km2. Luas suatu poligon bukan merupakan faktor penentu dari besarnya curah hujan wilayah, tapi dipengaruhi juga oleh besarnya hujan yang tercatat. Perhitungan curah hujan DAS Cisadane dengan menggunakan poligon thiessen dapat dilihat dalam Lampiran 19. Overlay peta administrasi dan peta poligon thiessen menghasilkan pembagian wilayah hujan berdasarkan hasil poligon thiessen (Lampiran 21).

(35)

21

Gambar 20 Peta pembagian poligon thiessen DAS Cisadane

Pergerakan curah hujan selama 14 periode (2000-2013) berfluktuasi setiap tahunnya. Curah hujan terendah terjadi pada tahun 2000 sebesar 1733 mm dan tertinggi sebesar 3290 mm pada tahun 2010 (Gambar 21).

Gambar 21 Curah hujan tahunan DAS Cisadane dengan poligon thiessen Isohyet

Isohyet merupakan garis-garis imajiner menggambarkan curah hujan yang serupa pada suatu daerah. Peta isohyet digunakan untuk melihat penyebaran hujan secara keruangan contohnya dalam mengidentifikasi daerah yang berpeluang menyebabkan banjir (Nugroho 2002). Peta ini merupakan hasil interpolasi spasial dari data curah hujan (Setiawan dan Rohmat 2011). Metode interpolasi spasial yang digunakan adalah IDW (Inverse Distance Weighted).

(36)

22

Gambar 22 Peta sebaran isohyet pada DAS Cisadane

Kontur dengan nilai tinggi menunjukkan curah hujan tinggi di daerah tersebut. Kontur tertinggi diwakili oleh warna hijau dan terendah diwakili oleh warna merah (Gambar 22). Pada Gambar 22 terlihat jelas daerah-daerah yang memiliki kontur hujan tinggi setiap tahunnya.

(37)

23

Gambar 23 Curah hujan tahunan DAS Cisadane dengan isohyet

Hasil dari ketiga perhitungan curah hujan DAS Cisadane di atas terlihat jelas bahwa curah hujan tertinggi selama 14 periode (2000-2013) terjadi pada tahun 2010 dan terendah pada 2000. Curah hujan tinggi berpotensi menjadi cadangan air tanah, tetapi jika tidak diimbangi dengan perencanaan dan pengelolaan sumber daya air yang baik akan berdampak buruk yaitu berpotensi menyebabkan banjir, sedangkan curah hujan yang rendah rentan terhadap dampak kekeringan. Informasi mengenai curah hujan maksimum dengan periode ulang tertentu dibutuhkan dalam perencanaan dan pengelolaan sumber daya air. Metode Gumbel merupakan salah satu metode yang dapat digunakan dalam penentuan periode ulang curah hujan maksimum (Basuki et al. 2009). Penentuan periode ulang pada penelitian ini menggunakan metode Gumbel. Mudjonarko (2009) menyebutkan bahwa periode ulang merupakan periode dimana suatu curah hujan dengan besar yang sama dapat berulang kembali dalam periode tertentu. Besarnya curah hujan maksimum melebihi 3200 mm. Nilai ini mengikuti periode ulang 10 tahunan (Tabel 4).

Tabel 4 Periode ulang curah hujan tahunan maksimum DAS Cisadane Periode Ulang Rata-rata

Aritmatik Poligon Thiessen Isohyet

(38)

24

KESIMPULAN DAN SARAN

Kesimpulan

Berdasarkan hasil penelitian yang telah diperoleh maka dapat disimpulkan bahwa: 1. Awal musim hujan terjadi pada bulan Oktober dan musim kemarau pada

bulan Juni sehingga DAS Cisadane masuk kedalam pola hujan monsunal dan sebaran curah hujan di sebagian hulu lebih tinggi dibandingkan bagian tengah dan hilir.

2. ANN (Artificial Neural Network) dapat digunakan untuk mengestimasi

data curah hujan tahunan dan mampu mempelajari hubungan antara koordinat dan elevasi pos hujan dengan curah hujan tahunan yang terjadi di DAS Cisadane yang ditandai dengan koefisien determinasi (R2) sebesar 0,97.

3. Curah hujan tahunan tertinggi di DAS Cisadane selama 14 periode (2000-2013) terjadi pada tahun 2010, sedangkan terendah terjadi pada tahun 2000 dan curah hujan tahunan tertinggi ini mengikuti periode ulang 10 tahun.

Saran

1. Perlu keterwakilan pos hujan dari semua bagian DAS Cisadane dalam mengestimasi curah hujan.

(39)

25

DAFTAR PUSTAKA

Alimohammadlou Y, Najafi A, Gokceoglu C. 2014. Estimation of Rainfall-Inducted Landslides Using ANN and Fuzzy Clustering Methods : A Case Study in Saeen Slope, Azerbaijan Province, Iran. Catena 120: 149-162. Asdak C. 2007. Hidrologi dan Pengelolaan Daerah Aliran Sungai. Yogyakarta

(ID): UGM Pr.

[BBWS CiliCis] Balai Besar Wilayah Sungai Ciliwung-Cisadane. 2012. Laporan Akhir Review Studi Water Balance Sungai Cisadane Tahun Anggaran

2012. Jakarta (ID): Kementrian PU Dirjen SDA.

Bagiawan A. 2013. Prakiraan Distribusi Erosi dan Sedimentasi di DAS Cimanuk dengan Menggunakan Prediksi Hujan dari Satelit dan Model Sedimen Distribusi Spasial. J Sumber Daya Air 9(10): 51-66.

Basuki, Winarsih I, Adhyani NL. 2009. Analisis Periode Ulang Hujan Maksimum dengan Berbagai Metode. J Agromet 23(2):76-92.

Bayraktar H, Turalioglu FS, Şen Z. 2005. The Estimation of Average Areal Rainfall by Percentage Weighting Polygon Method in Southeastern Anatolia Region, Turkey. AtmosphericResearch 73: 149-160.

Bustami R, Bessaih N, Bong C, Suhaili S. 2007. Artificial Neural Network for Precipitation and Water Level Predictions of Bedup River. International

Journal of Computer Science (IJCS) 34(2): 1-6.

Djaenudin D, Sulaeman Y, Abdurachman A. 2002. Pendekatan Pewilayahan Komoditas Pertanian Menurut Pedo-Agroklimat di Kawasan Timur Indonesia. J Litbang Pertanian. 21(1): 1-10.

Ernawati S. 2009. Aplikasi Hopfield Neural Network Untuk Perkiraan Cuaca. J

Meteorologi dan Geofisika 10(2):151-175.

Galván L, Olías M, Izquierdo T, Cerón JC, Villarán RFD. 2014. Rainfall Estimation in SWAT: An Alternative Method to Simulate Orographic Precipitation. J of Hydrology 509: 257-265.

Giarno, Dupe ZL, Mustofa MA. 2012. Kajian Awal Musim Hujan dan Awal Musim Kemarau di Indonesia. J Meteorologi dan Geofisika 13(1):1-8. Gunawan D dan Linarka UA. 2011. Penentuan Prediktor untuk Prediksi Curah

Hujan Bulanan Menggunakan Metode Statistical Dynamical Downscaling.

J Meteorologi dan Geofisika 12(1): 93-102.

Hadi MP. 2006. Pemahaman Karakteristik Hujan Sebagai Dasar Pemilihan Model Hidrologi (Studi Kasus di DAS Bengawan Solo Hulu). Forum Geografi

20(1): 13-26.

Handayani W dan Indrajaya Y. 2011. Analisis Hubungan Curah Hujan dan Debit Sub Sub DAS Ngatabaru, Sulawesi Tengah. J Penelitian Hutan dan

Konservasi Alam 8(2):143-153.

Hermawan E. 2010. Pengelompokan Curah Hujan yang Terjadi di Beberapa Kawasan P. Sumatera Berbasis Hasil Analisis Teknik Spektral. J

Meteorologi dan Geofisika 11(2):75-85.

Hung NQ, Babel MS, Weesakul S, Tripathi NK. 2009. An Artificial Neural Network Model for Rainfall Forecasting in Bangkok, Thailand. Hydrology

(40)

26

Indrabayu, Harun N, Pallu MS, Achmad A, Fikha CL. 2012. Prediksi Curah Hujan dengan Jaringan Saraf Tiruan. Prosiding Hasil Penelitian Fakultas Teknik Grup Teknik Elektro Indonesia, Desember 2012.

Lakitan B. 2002. Dasar-Dasar Klimatologi. Jakarta (ID): Raja Grafindo Persada. Lu GY dan Wong DW. 2008. An Adaptive Inverse Distance Weighting Spatial

Interpolation Technique. Computers and Geosciences 34: 1044-1055. Ma X, He Y, Xu J, Noordwijk MV, Lu X. 2014. Spatial and Temporal Variation

in Rainfall Erosivity in a Himalayan Watershed. Catena. 121: 248-259. Matos JP, Liechti TC, Juízo D, Portela MM, Schleiss AJ. 2013. Can Satelite

Based Pattern-Oriented Memory Improve The Interpolation of Space Historical Rainfall Records. J of Hydrology. 492:102-116.

Mudjonarko SW. 2009. Aplikasi Metode Nakayasu Guna Prediksi Debit dan Pencegahan Bencana Banjir di Kali Batan Purwosari Kediri. Neutron

9(1):20-31.

Mukid MA dan Wilandari Y. 2012. Identifikasi Pola Distribusi Curah Hujan Maksimum dan Pendugaan Parameternya Menggunakan Metode Bayesian Markov Chain Monte Carlo. Media Statistika 5(2): 63-74.

Ningsih DHU. 2012. Metode Thiessen Poligon untuk Ramalan Sebaran Curah Hujan Periode Tertentu pada Wilayah yang Tidak Memiliki Data Curah Hujan. J Teknologi Informasi Dinamik. 17(2): 154-156.

Nugroho SP. 2002. Evaluasi dan Analisis Curah Hujan Sebagai Faktor Penyebab Banjir Jakarta. J Sains dan Teknologi Modifikasi Cuaca 3(2): 91-97. [Pemerintah Republik Indonesia] Dewan Perwakilan Rakyat dan Presiden

Republik Indonesia. 2004. Undang-Undang Nomor 7 Tahun 2004 Tentang

Sumber Daya Air. Jakarta (ID): DPR dan Presiden RI.

Pasaribu JM, Haryani NS .2012. Perbandingan Teknik Interpolasi DEM SRTM dengan Metode Inverse Distance Weighted (IDW), Natural Neighbor, dan Spline. J Pengindraan Jauh. 9(2): 126-139.

Pramono GH. 2008. Akurasi Metode IDW dan Kriging untuk Interpolasi Sebaran Sedimen Tersuspensi. ForumGeografi 22(1): 97-110.

Pratama R. 2011. Pola Curah Hujan di Pulau Jawa pada Periode Normal, El Nino, dan La Nina [Skripsi]. Depok (ID): Universitas Indonesia.

Riajaya PD. 2006. Sebaran Curah Hujan Sebagai Dasar Penetapan Waktu Tanam Kapas pada Lahan Sawah Sesudah Padi diLamongan Jawa Timur. J Perspektif. 5(1): 26-35.

Setiawan I, Rohmat D. 2011. Zonasi Fisiomorfohidro di Jawa Barat dengan Menggunakan Aplikasi SIG. J GEA. 11(1): 36-48.

Sinambela W, Dani T, Rusnadi IE, Nugroho JT. 2008. Pengaruh Aktivitas Matahari pada Variasi Curah Hujan di Indonesia. J SainsDirgantara 5(2): 149-168.

Somvanshi VK, Pandey OP, Agrawal PK, Kalanker NV, Prakash MR, Chand R. 2006. Modelling and Prediction of Rainfall Using Artificial Neural Network and ARIMA Techniques. J Indian Geophysical Union 10(2): 141-151.

(41)

27 Tikno S. 2000. Kajian Peluag Curah Hujan Bulanan dan Perkiraan Hasil Tambahan Air Sebagai Bahan Pertimbangan Penentuan Waktu Pelaksanaan Modifikasi Cuaca (Hujan Buatan) Kasus: DAS Riam Kanan-Kalimantang Selatan. J Sains dan Teknologi Modifikasi Cuaca 1(2):143-152.

Triatmodjo B. 2009. Hidrologi Terapan. Yogyakarta (ID): Beta Offset. Tukidi. 2010. Karakter Curah Hujan di Indonesia. J Geografi. 7(2):136-144. Wu CL dan Chau KW. 2011. Rainfall-Runoff Modeling Using Artificial Neural

(42)

28

(43)

29 Lampiran 1 Lingkup wilayah administrasi DAS Cisadane

No. Provinsi Kabupaten Kecamatan Luas (km2)

Kota Jakarta Barat Kalideres 1,45

Kota Jakarta Utara Penjaringan 0,56

(44)

30

Lanjutan Lampiran 1

No. Provinsi Kabupaten Kecamatan Luas (km2)

Jawa Barat

Sukabumi

Cibadak 0,00

Cicurug 0,21

Cidahu 0,11

Kabandungan 2,64

Kadudampit 0,01

Nagrak 0,01

(45)

31 Lampiran 2 Tutupan Lahan DAS Cisadane

No. Penggunaan Lahan Luas (km2) Persentase(%)

1 Hutan lahan kering primer 7,28 0,48

2 Hutan lahan kering sekunder 168,88 11,14

3 Hutan tanaman 89,87 5,93

4 Semak/belukar 17,86 1,18

5 Lapangan udara 15,19 1,00

6 Pemukiman 232,03 15,31

7 Perkebunan 27,70 1,83

8 Pertanian lahan kering 417,97 27,57

9 Pertanian lahan kering campur 240,64 15,88

10 Sawah 254,41 16,78

11 Tanah terbuka 0,98 0,06

12 Tubuh air 9,64 0,64

13 Tambak 33,32 2,20

(46)

32 32

Lampiran 3 Data curah hujan bulanan (mm) pada pos hujan Pasir Jaya (PH1) Lokasi : Desa Pasir Jaya Kec. Cijeruk Kab. Bogor

Koordinat : 06°43'42'' LS dan 106°47'48'' BT Elevasi : 509,6 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 262,5 432 421 0 381 355 314 171 354 352 622 346 313 518 4841 346

Februari 177 501 273 334 618 322 513 509 419 219 861 195 469 312 5721 409

Maret 278 441 333 300 239 391 280 473 753 290 1009 381 233 354 5754 411

April 276 203 477 314 551 197 388 393 426 281 185 385 380 304 4759 340

Mei 294 305 427 219 311 238 127 271 62 576 361 300 230 228 3948 282

Juni 192 0 46 69 43 227 26 190 79 285 246 82 31 135 1651 118

Juli 154 210 162 6 89 186 76 26 107 134 257 142 0 363 1912 137

Agustus 140 130 96 174 0 227 76 20 33 170 272 27 91 290 1747 125

September 159 183 113 327 385 264 82 175 217 207 700 138 91 143 3183 227

Oktober 301 224 174 240 203 366 73 668 421 638 495 190 307 339 4640 331

November 233 151 327 0 416 403 247 569 399 863 666 313 416 323 5325 380

Desember 128 26 585 0 535 306 529 722 201 361 407 175 494 509 4978 356

Total 2594,3 2804 3432,51 1981,5 3770,7 3482 2731 4187 3470,5 4376 6081 2674 3055 3818 48457,01 3461

(47)

33

33

Lampiran 4 Data curah hujan bulanan (mm) pada pos Pos hujan Kracak (PH2) Lokasi : Desa Kracak Kec. Leuwiliang Kab. Bogor

Koordinat : 06°37'1'' LS dan 106°38'38''BT Elevasi : 286,8 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 152 89 400 85 276 142 342 104 453 375 424 175 436 463 3915 280

Februari 430 131 404 367 256 234 168 528 362 405 373 123 410 236 4426 316

Maret 39 48 209 365 185 57 80 366 276 241 450 68 153 479 3015 215

April 127 290 378 499 462 120 119 310 586 230 0 274 402 278 4076 291

Mei 404 371 193 328 311 138 48 439 285 380 875 296 148 575 4790 342

Juni 336 72 185 161 37 298 69 384 206 230 227 251 32 138 2626 188

Juli 195 145 159 15 228 131 19 78 107 142 337 229 46 367 2197 157

Agustus 144 0 10 52 37 117 29 208 329 45 449 80 210 300 2010 144

September 127 227 0 117 296 94 58 171 238 329 606 168 96 323 2849 204

Oktober 113 278 171 293 139 114 78 500 487 681 515 149 243 291 4052 289

November 361 221 409 285 299 138 478 439 670 606 722 163 471 257 5519 394

Desember 26 15 299 229 225 97 664 440 311 356 140 170 297 267 3536 253

Total 2454 1887 2817 2796 2751 1681 2152 3967 4310 4020 5118 2142 2944 3973 43011 3072

(48)

34

34

Lampiran 5 Data curah hujan bulanan (mm) pada pos Pos hujan Ranca Bungur (PH3) Lokasi : Kec. Semplak Kab.Bogor

Koordinat : 06°30' LS dan 106°41,52' BT Elevasi : 126,6 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 57 48 111 144 181 239 256 87 235 245 1602 160

Februari 96 192 71 151 254 173 236 59 317 239 1786 179

Maret 89 349 91 116 256 184 252 51 123 234 1743 174

April 91 269 162 91 207 199 40 107 384 11 1561 156

Mei 82 237 60 82 158 138 162 85 173 15 1192 119

Juni 104 111 41 308 98 55 92 150 42 14 1013 101

Juli 59 23 40 111 49 58 97 85 66 9 597 60

Agustus 62 105 30 130 138 9 151 41 53 6 724 72

September 85 81 131 191 63 142 157 60 74 15 997 100

Oktober 113 256 82 136 193 200 102 153 251 25 1511 151

November 76 142 173 96 177 255 129 225 378 24 1673 167

Desember 41 272 181 122 164 130 53 133 220 22 1337 134

Total 955 2082 1171 1676 1937 1781 1725 1236 2315 858 15735 1574

(49)

35

35

Lampiran 6 Data curah hujan bulanan (mm) pada pos Pos hujan Pasar Baru (PH4) Lokasi : Kec.Pasar Baru, Kab.Tanggerang

Koordinat : 06°9,5' LS dan 106°37,7' BT Elevasi : 12,6 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 302 202 590 88 134 261 314 109 162 327 277 151 253 553 3722 266

Februari 298 282 560 238 550 211 120 708 339 266 168 177 114 203 4233 302

Maret 62 173 148 119 158 29 90 173 118 148 261 111 229 101 1920 137

April 87 154 213 49 47 160 108 161 233 215 17 201 222 229 2095 150

Mei 73 80 37 88 184 139 68 148 109 218 19 183 116 220 1682 120

Juni 66 11 20 2 5 176 113 108 111 134 214 22 69 34 1085 77

Juli 0 31 154 9 72 175 25 12 0 18 160 219 3 336 1214 87

Agustus 32 0 4 21 0 110 35 64 45 8 135 0 4 84 542 39

September 36 0 0 23 20 6 0 0 72 11 154 9 1 110 442 32

Oktober 0 35 0 86 3 24 0 50 68 55 252 12 88 2 675 48

November 0 171 64 53 192 73 26 33 129 269 155 60 70 179 1474 105

Desember 0 160 154 346 114 235 45 453 0 183 154 188 135 308 2474 177

Total 956 1298 1944 1121 1478 1599 944 2019 1386 1852 1966 1333 1304 2359 21557 1540

(50)

36

36

Lampiran 7 Data curah hujan bulanan (mm) pada pos Pos hujan Cigudeg (PH5) Lokasi : Desa Cigudeg, Kec. Cigudeg, Kab. Bogor

Koordinat : 06°31'51'' LS dan 106°31'59'' BT Elevasi : 345,5 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 888 279 144 113 194 172 87 134 193 49 14 24 2289 191

Februari 681 197 139 74 143 105 89 198 135 139 7 12 1919 160

Maret 385 404 72 42 96 79 102 54 25 193 7 9 1467 122

April 245 622 154 180 107 109 25 35 0 153 4 1 1635 136

Mei 146 124 99 111 60 127 39 85 0 121 0 3 916 76

Juni 30 50 38 41 29 80 33 50 12 0 0 10 373 31

Juli 198 21 298 32 82 37 0 28 5 0 7 24 732 61

Agustus 0 40 65 38 11 15 25 0 7 27 4 7 238 20

September 0 0 147 101 38 330 79 18 14 0 6 6 738 62

Oktober 20 0 101 76 83 96 134 38 3 88 7 9 654 55

November 326 0 120 73 138 76 113 140 9 278 7 9 1289 107

Desember 205 0 103 168 297 147 103 15 5 81 15 12 1150 96

Total 3124 1737 1480 1049 1278 1373 829 795 407 1126 77 127 13401 1117

(51)

37

37

Lampiran 8 Data curah hujan bulanan (mm) pada pos Pos hujan Cianten (PH6) Lokasi : Desa Karyasari, Kec. Leuwiliang, Kab. Bogor

Koordinat : 06°38'29'' LS dan 106°37'56'' BT Elevasi : 393,7 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 232 75 371 226 236 80 242 204 302 110 2078 208

Februari 176 294 206 293 216 167 188 183 286 123 2132 213

Maret 34 421 117 176 78 161 229 208 427 107 1957 196

April 139 343 352 181 244 235 217 313 79 350 2453 245

Mei 167 181 207 211 84 175 175 161 501 342 2204 220

Juni 232 40 64 402 56 149 94 264 302 151 1754 175

Juli 84 0 230 131 0 30 39 109 334 231 1188 119

Agustus 102 47 32 144 39 56 186 70 273 57 1006 101

September 164 136 223 159 72 50 186 410 705 239 2344 234

Oktober 126 343 130 151 100 141 247 295 369 385 2287 229

November 350 149 205 97 429 74 229 345 0 407 2285 229

Desember 24 202 270 90 0 211 61 244 0 259 1361 136

Total 1830 2231 2407 2261 1554 1529 2093 2806 3578 2761 23048 2305

(52)

38

38

Lampiran 9 Data curah hujan bulanan (mm) pada pos Pos hujan Kuripan (PH7) Lokasi : Desa Parigi Mekar, Kec. Ciseeng, Kab. Bogor

Koordinat : 06°26'46'' LS dan 106°41'31'' BT Elevasi : 106,5 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 380 223 434 146 269 293 541 192 344 575 220 165 3782 315

Februari 281 337 640 371 258 405 522 469 417 425 441 108 4674 389

Maret 105 335 323 227 210 237 216 200 405 230 415 141 3044 254

April 104 427 400 212 451 233 214 204 480 229 42 0 2996 250

Mei 348 389 85 272 141 189 237 191 351 422 432 245 3302 275

Juni 95 329 218 51 130 487 85 194 160 198 369 146 2461 205

Juli 52 210 186 49 118 219 45 201 91 71 219 258 1719 143

Agustus 115 90 59 103 61 249 74 327 273 48 416 71 1886 157

September 279 320 72 230 173 222 15 95 153 107 534 85 2285 190

Oktober 237 317 79 321 115 422 210 339 171 544 401 265 3421 285

November 371 416 272 236 329 218 262 399 410 348 223 299 3782 315

Desember 54 137 433 200 339 170 449 729 360 87 86 217 3260 272

Total 2421 3530 3201 2418 2594 3344 2870 3540 3615 3284 3794 1998 36608 3051

(53)

39

39

Lampiran 10 Data curah hujan bulanan (mm) pada pos Pos hujan Cihideung (PH8) Lokasi : Desa Cihideung Udik, Kec. Ciampea, Kab. Bogor

Koordinat : 06°35'37'' LS dan 106°43'6'' BT Elevasi : 224,2 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 174 438 551 312 357 253 549 296 309 278 299 221 279 512 4828 345

Februari 201 265 350 267 257 368 475 468 381 302 463 70 562 371 4800 343

Maret 93 82 335 153 135 400 133 240 426 199 568 161 152 419 3496 250

April 126 212 416 400 362 197 194 572 401 246 54 261 418 366 4225 302

Mei 189 262 193 266 306 285 292 274 235 330 394 347 237 471 4081 292

Juni 185 74 232 146 59 313 285 196 215 248 253 358 110 92 2766 198

Juli 160 336 215 91 93 209 26 181 112 203 339 106 131 496 2698 193

Agustus 54 99 58 47 28 264 114 339 239 43 497 66 134 99 2081 149

September 171 257 79 489 357 306 69 276 238 298 424 275 304 413 3956 283

Oktober 42 333 161 202 100 275 142 316 382 365 419 227 548 383 3895 278

November 444 325 317 352 424 250 518 447 533 528 332 502 657 229 5858 418

Desember 192 25 308 279 370 138 530 584 207 432 164 254 397 381 4261 304

Total 2031 2708 3215 3004 2848 3258 3327 4189 3678 3472 4206 2848 3929 4232 46945 3353

(54)

40

40

Lampiran 11 Data curah hujan bulanan (mm) pada pos Pos hujan Cikluwung (PH9) Lokasi : Desa Cibitung Wetan Kec. Pamijahan Kab. Bogor

Koordinat : 6°38'37'' LS dan 106°38'39'' BT Elevasi : 418,5 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 104 382 326 54 97 369 306 264 109 2011 223

Februari 360 187 291 52 285 369 254 360 152 2310 257

Maret 413 246 177 63 239 378 213 458 111 2298 255

April 549 610 184 259 266 265 273 24 308 2738 304

Mei 371 404 181 65 274 200 292 429 316 2532 281

Juni 118 92 254 108 308 129 282 384 241 1916 213

Juli 13 458 119 35 35 135 102 382 242 1521 169

Agustus 138 117 124 52 90 182 103 377 75 1258 140

September 210 244 121 184 61 312 326 602 204 2264 252

Oktober 487 173 162 148 314 435 356 346 399 2820 313

November 161 310 111 515 128 461 414 0 361 2461 273

Desember 288 291 76 12 257 222 264 0 249 1659 184

Total 3212 3514 2126 1547 2354 3457 3185 3626 2767 25788 2865

(55)

41

41

Lampiran 12 Data curah hujan bulanan (mm) pada pos Pos hujan Empang (PH10) Lokasi : Kel. Empang Kec. Bogor Selatan, Kota Bogor

Koordinat : 06°36'26'' LS dan 106°47'36'' BT Elevasi : 241,2 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 331 331 648 153 481 420 519 386 339 349 447 74 278 548 5304 379

Februari 290 247 459 630 311 526 500 542 395 319 794 146 645 414 6217 444

Maret 119 117 498 400 316 532 195 299 602 289 649 191 143 345 4695 335

April 423 298 571 619 660 268 337 368 558 336 138 273 432 427 5708 408

Mei 548 514 263 511 326 464 234 145 225 319 379 410 235 616 5189 371

Juni 293 290 244 88 117 674 248 294 188 173 330 273 164 65 3441 246

Juli 213 213 341 26 181 277 71 67 50 216 352 194 64 533 2798 200

Agustus 223 212 133 63 104 291 78 90 233 111 554 67 183 403 2745 196

September 230 233 148 300 336 329 144 120 440 282 572 339 200 507 4180 299

Oktober 253 253 265 587 319 459 265 119 297 512 592 213 656 430 5220 373

November 255 452 437 301 336 272 440 333 559 338 280 472 653 253 5381 384

Desember 468 93 477 208 458 162 530 368 256 298 270 359 298 439 4684 335

Total 3646 3253 4484 3886 3945 4674 3561 3131 4142 3542 5357 3011 3950 4980 55562 3969

(56)

42

42

Lampiran 13 Data curah hujan bulanan (mm) pada pos Pos hujan Serpong (PH11) Lokasi : Cilenggang, Serpong, Tangsel

Koordinat : 06°18'LS dan 106°39' BT Elevasi : 25,7 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 168 102 421 228 81 172 314 130 116 251 1983 198

Februari 111 107 273 168 306 512 120 242 413 258 2510 251

Maret 60 229 333 107 204 200 90 69 65 117 1474 147

April 78 181 477 105 176 47 108 219 267 143 1801 180

Mei 232 106 427 211 92 184 68 116 136 235 1807 181

Juni 33 119 46 54 71 5 113 149 100 191 881 88

Juli 34 62 162 114 0 144 25 41 0 70 652 65

Agustus 77 25 96 0 32 0 35 45 106 0 416 42

September 68 83 113 15 77 20 0 83 68 51 577 58

Oktober 66 116 174 0 108 3 0 0 130 330 927 93

November 144 146 327 233 107 196 126 162 360 308 2109 211

Desember 81 68 585 85 278 182 312 271 0 178 2039 204

Total 1152 1344 3433 1320 1532 1664 1311 1527 1761 2132 17175 1718

(57)

43

43

Lampiran 14 Data curah hujan bulanan (mm) pada pos Pos hujan Sepatan (PH12) Lokasi : Pondok Jaya, Sepatan, Tanggerang

Koordinat : 06°7' LS dan 106°35' BT Elevasi : 8,1 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 554 149 283 402 215 423 2026 338

Februari 521 566 633 314 484 257 2775 463

Maret 85 76 274 110 89 164 798 133

April 131 56 194 175 232 128 916 153

Mei 58 58 143 104 117 109 589 98

Juni 4 4 18 157 119 113 415 69

Juli 0 0 31 116 0 15 162 27

Agustus 0 0 0 46 97 37 180 30

September 22 22 13 38 57 44 195 33

Oktober 85 85 17 159 97 39 482 80

November 52 52 120 72 95 138 529 88

Desember 289 289 282 177 122 234 1393 232

Total 1801 1357 2008 1870 1724 1701 10460 1743

(58)

44

44

Lampiran 15 Data curah hujan bulanan (mm) pada pos Pos hujan Dramaga (PH13) Lokasi : Dramaga,Bogor

Koordinat : 06°30' LS dan 106°45' BT Elevasi : 250 mdpl

Bulan

Tahun

Total

Rata-rata

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Januari 404 537 640 373 261 361 252 203 272 510 3810 381

Februari 327 580 434 438 385 305 461 77 549 406 3962 396

Maret 432 680 138 276 672 261 415 140 136 290 3439 344

April 640 308 164 473 527 260 43 278 390 216 3298 330

Mei 374 429 324 196 267 571 331 362 195 399 3446 345

Juni 169 682 173 274 172 338 303 275 94 62 2542 254

Juli 209 215 31 134 172 131 270 202 119 360 1844 184

Agustus 166 153 191 248 196 33 478 142 79 258 1944 194

September 392 320 26 206 344 157 601 106 271 503 2924 292

Oktober 277 351 152 236 311 416 436 256 540 394 3368 337

November 401 423 355 444 509 407 284 458 549 187 4016 402

Desember 432 252 363 476 225 258 177 345 359 408 3293 329

Total 4221 4929 2991 3772 4039 3498 4051 2842 3551 3993 37887 3789

Gambar

Gambar 4 Isohyet  (Triatmodjo 2009)
Tabel 1  Jenis dan sumber data yang digunakan pada penelitian
Gambar 6 Diagram alir penelitian
Gambar 7 Struktur Artificial Neural Network
+7

Referensi

Dokumen terkait

Dari hasil analisis dan pengolahan data iklim di Daerah Aliran Sungai (DAS) Deli Percut dimana menggunakan metode ARIMA untuk memprediksi curah hujan bulanan dan Metode

Model hibrida runtun waktu fuzzy terbobot- deret Fourier digunakan untuk meramalkan curah hujan tahun 2015.. Klasifikasi peramalan curah hujan di DAS Bengawan Solo

Jika diklasifikasikan berdasarkan kemampuan resapan atau tingkat infiltrasi aktualnya, maka DAS Cisadane Hulu didominasi oleh tutupan lahan dengan potensi resapan (infiltrasi)

Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan September 2012 ini ialah curah hujan, dengan judul Pendugaan Curah Hujan Musim Kemarau Menggunakan Data

Hasil distribusi curah hujan spasial menunjukkan bahwa pada daerah dengan topografi yang lebih tinggi mempunyai nilai curah hujan yang relatif lebih tinggi sesuai

Wilayah- wilayah tersebut mendapatkan curah hujan yang cukup tinggi (rataan &gt; 2.000 mm/tahun dengan musim hujan ≥ 6 bulan) seperti di sebagian besar Pulau Seram dan

Analisis angin meridional untuk wilayah DAS Larona dengan data yang sama menunjukkan bahwa pada musim kemarau (Juni-September), kecepatan angin dari Selatan lebih lemah

Hasil analisis periodic dan frekuensi dari data time series curah hujan bulanan beberapa Kota di Klimantan Barat menggunakan metode FFT menunjukkan Pola curah hujan