DAFTAR PUSTAKA
Aizen, V.B., Aizen, E.M., Melack, J.M., dan Dozier, J. (1996) : Climatic and Hydrologic Changes in the Tien Shan, Central Asia, J. Climate, 10, 1393-1404.
Akinremi, O.O. dan McGinn, S.M. (2003) : Precipitation Trends on the Canadian Prairies, J. Climate, 12(10), 2996-3003.
Apandi, T. (2003) : Kajian Karakteristik Curah Hujan di Sub DAS Citarik, DAS Citarum Jawa Barat, Padjadjaran Journal of Life and Physical Sciences, 5(3), 155-162.
Arpe, K. dan Roecner, E. (1999) : Simulation of the Hydrologic Cycle over Europe, Model Validation and Impacts of Increasing Green House Gases,
Adv. Water Res., 23, 105-119.
Ashok, K., Guan, Z., dan Yamagata, T. (2001) : Impact of the Indian Ocean Dipole on the Relationship Between the Indian Monsoon Rainfall and ENSO, Geophys. Res. Lett., 28, 4499-4502.
Bayong, T.H.K., Juaeni, I., Gernowo, R., Ruminta, dan Bramantyono, B. (2006) : Impact of El Niño on rice planting in the Indonesian monsoonal areas, Proceeding of the International Workshop on Agrometeorology, Climate
Forecast Application for Sustainable Agricultural Production and Risk Reduction Strategies, Jakarta, Indodesia, pp 11-21.
Berbery, E.H. dan Barros, V.R. (2002) : The Hydrologic Cycle of the La Plata Basin in South America, J. Hydrometeorology, 3(6), 630-645.
Betts, A.K. dan Viterbo, P. (1999) : Hydrological Budgets and Surface Energy Balance of Seven Subbasins of the Mackenzie River from the ECMWF Model, J. Hydrometeorology, 1(1), 47-60.
Boulet, G., Chehbouni, A., Braud, I., Vauclin, M., Haverkamp, R., dan Zammit, C. (2000) : A Simple Water and Energy Balance Model Designed for Regionalization and Remote Sensing Data Utilization, J. Agricultural and
Forest Meteorology, 105(1-3), 117-132.
Braud, I., Zuluaga, J., Fornero, L., dan Pedrani, A. (2001) : Vegetation Influence on Runoff and Sediment Yield in the Andes Region: Observation and Modelling, J. Hydrology, 254(1-4), 124-144.
Braud, I., Haverkamp, R., Arrue, J.L., dan Lopez, M.V. (2002) : Spatial Variability of Soil Surface Properties and Consequences for the Annual and Monthly Water Balance of a Semiarid Environment (EFEDA Experiment),
Bromley, J., Butterworth, J.A., Mac-donald, D.M.J., Lovell, C.J., Mharapara, I., dan Batchelor, C.H. (1999) : Hydrological Processes and Water Resources Management in a Dryland Environment, Hydrology and Earth System
Sciences, 3(3), 322-332.
Bullock, A. dan Arceman, M. (2003) : The Role of the Wetlands in the Hydrological Cycle, Hydrology and Earth System Sciences, 7(3), 358-389. Burn, D.H. (1998) : Hydrologic Effect of Climate Change in West-Central
Canada, J. Hydrometeorology, 160, 53-70.
Burn, D.H. dan Hag, E. (2002) : Detection of Hydrologic Trends and Variability,
J. Hydrology, 255(1-4), 107-122.
Butterworth, J.A., Schulze, R.E., Sommonds, L.P., Mariarty, P., dan Mugabe, F. (1999) : Hydrological Processes and Water Resources Management in a Dryland Environment IV: Long-term Groundwater Level Fluctuations due to Variation in Rainfall, Hydrology and Earth System Sciences, 3(3), 353-361.
Cheng, K., Hsu, H., Tsa, M., Chang, K., dan Lee, R. (2004) : Test and Analysis of Trend Existence in Rainfall Data, J. Hidrology, 259, 254-271.
Chiew, F. H. S., Piechota, T. C., Drajup, J. A., dan McMahon, T. A. (1998) : El Niño/SouthernOscillation and Australian Rainfall, Runoff, and Streamflow,
and Drought, Links and Potential Forecasting, J. Hydrol., 204, 138-149. Chil, M., Allen, M.R., Dettinger, M.D., Ide, K., Kondrashov, D., Mann, M.E.,
Robertson, A.W., Sounders, A., Tian, Y., Varadi, F., dan Yiou, P. (2001) : Advanced Spectral Methods for Climatic Time Series, Reviews of
Geophysics, 40(1), 1-41.
Cigizoglu, H.K. (2003) : Estimation, Forecasting, and Extrapolation of River Flows by Artificial Neural Networks, Hydrology Science Journal, 48(3), 349-361.
Coe, M.T. (1994) : The Hydrologic Cycle of Major Contonental Drainage and Ocean Basin, A Simulation of the Modern and Mid-Halocene Condition and a Comparison with Obserbavation, J. Climate, 8, 535-545.
Vegetation Using Evapotranspiration Modeling and Hillslope Runoff Measurements, J. Hydrology, 243(1-2), 17-30.
Dutha, D. dan Herath, S. (2003) : Trend of floods in Asia and floods risk management with integrated river basin approach, Procceding of the First
International Conference of AsiafPasific Hydrology and water Resources Association, Kyoto, Japan, pp 821-826.
Ercan, K. dan Serdar, K. (2004) : Trend Analysis of Streamflow in Turkey, J.
Hydrology, 289(1-4), 128-144.
Fan, Z. (2003) : Water Resources Management in Tropical River Catchments, J.
Environt. Hydrol., 11, paper 14.
Fares, Y. R. dan Ikhwan, M. (2001) : Conceptual Modeling for Management of the Citarum Basin, Indonesia, J. Environt. Hydrol., 9(10), 1-9.
Fildebrandt, S., Pavelic, P., Dillon, P., dan Prawoto, N. (2003) : Recharge enhancement using single or dual well systems for improved groundwater management in the Bandung basin, Indonesia, Report to Department of Education, Science and Training on a National Priority Reserve Project, CSIRO Land and Water, Adelaide.
Franc, J.L. dan Panigrahi, S. (1997) : Artificial Neural Network Models of Wheat Leaf Wetness, J. Agricultural and Forest Meteorology, 88(1-4), 57-65. Frei, C. dan Schar, C. (2000) : Detection Probability of Trends in Rare Events,
Theory and Application to Heavy Precipitation in the Alpine Region, J.
Climate, 14, 1568-1584.
Gan, T.Y. (1998) : Hydroclimatic Trends and Possible Climatic Warning in the Canadian Prairies, Water Resources Research, 34(11), 3009-3015.
Green, S. dan Marsh, T.J. (1997) : A Consideration of Rainfall, Runoff, and Losses at Plynlimon in the Context of the Long-term Hydrological Variability in the Uk and Maritime Western Europe, Hydrology and Earth
System Sciences, 1(3), 399-407.
Gutry, K.,M. (2003) : Long-term Tendencies of Water Circulation in the Protected Lowland Lasica River Catchment, Ecohydrology and Hydrobiology, 3(3), 351-358.
Hart, B.T., Van Dok, W., dan Djuangsih, N. (2002) : Nutrient budget for Saguling Reservoir, West Java, Indonesia, Water Resources Research, 36, 2152– 2160.
Hendon, H.H. (2002) : Indonesian Rainfall Variability: Impacts of ENSO and Local Air-Sea Interaction , J. Climate, 16(11), 1775-1790.
Huntington, T. G. (2003) : Climate Warming Could Reduce Runoff Significantly in New England, USA, J. Agricultural and Forest Meteorology, 117(3-4), 193-201.
Islam, M.N. dan Sivakumar, B. (2002) : Characterization and Prediction of Runoff Dynamics, a Nonlinier Dynamical View, Adv. in Water Resource, 25, 179-190.
Jang, J.S.R. (1993) : ANFIS: Adaptive-Network-Based Fuzzy Inference System,
IEEE Trans. on Systems, Man and Cybernetics, 23(3), 665-685.
Kadolu, M., Sen, Z., dan Batur, E. (1999) : Cumulative Departures Model for Lake-Water Fluctuations, J. Hydrologic Engineering, 4(3), 245-250.
Karl, T.T., Knigth, R.W., dan Plumer, P. (1999) : Trend in High Frequency Climate Variability in the Twentieth Century, Nature, 377, 217-220.
Karsidi, A. (1998) : Land use land cover changes (Indonesia case study),
Procceding of Workshop Land Use/Cover Change Data and Information System (LUCC DIS), 13-18 August 1998.
Kirchhoff, W., (1993) : Water quality management for optimization of the system of the Citarum river basin, Research Reports: Forschungs Institut fur
Wasser und Abfallwirtschaft an Der RWTH Aachen, Aachen.
Kim, C.P. dan Stricker, J.N.M. (1995) : Consistency of Modeling the Water Budget over Long Time Series: Comparison of Simple Parameterizations and a Physically Based Model, J. Applied Meteorology, 35(5), 749–768. Königer, W. (2001) : Statistical analysis of rainfall for urban drainage design,
Proceedings of Workshop Sustainable Water Management in Urban Areas,
Beijing, September 24th 2001, 1-22.
Kusmandari, A., (1994) : Estimation of Erosion and Sediment Yield in Forest and
Agroforestry Areas in Citarum, West Java, Indonesia, Application of the AGNPS Model, PhD Thesis, University of Waterloo, Waterloo.
Lau, K.M., Ho, C.H., dan Kang, L.S. (1997) : Anomalous Atmospheric Hidrologic Processes Associated with ENSO, Mechamisms of Hidrologic Cycle-Radiation Interaction, J. Climate, 11, 800-815.
the Operation of Reservoirs in the Citarum Cascade, West Java, Indonesia,
Dissertation, The Faculty of The Engineering Management and Systems Engineering Department, The George Washington University.
Molnar, P. dan Ramirez, J.A. (2000) : Recent Trends in Precipitation and streamflow in the Rio Puerco, J. Climatic, 14(10), 2317-2328.
Mudelsee, M., Bornge, M., Tetzlaff, G., dan Grunewald, U. (2003) : No Upward Trend in the Occurrence of the Extreme Floods in Central Europe, Nature, 125(69-54), 166-169.
Nayak, P.C., Sudheer, K.P., Rangan, D.M., dan Ramasastri, K.S. (2004) : A neuro Fuzzy Computing Technique for Modeling Hydrological Time Series,
J. Hydrology, 291, 52-66.
Niyogi, D.S., Xue, Y., dan Raman, S. (2001) : Hydrological Land Surface Response in a Tropical Regime and a Midlatitudinal Regime, J.
Hydrometeorology, 3(1), 39-56.
Ozelkan, E.C. dan Duckstein, L. (2001) : Fuzzy Conceptual Rainfall-Runoff Models, J. Hydrology, 253(1-4), 41-68.
Peel, M.C., McMahon, T.A., dan Finlayson, B.L. (2001) : Variability of Annual Precipitation and It’s the Relationship to the ENSO, J. Climate, 15(5), 545-551.
Rizaldi, B. dan Faqih, A. (2003) : Current and future rainfall variability in Indonesia, Research Reports at Laboratory of Climatology, Department of Geophysics and Meteorology, Bogor Agricultural University, Bogor.
Riyanto, B., Febrianto, F., dan Machbub, C. (2000) : Adaptive network based Fuzzy Inference System for foprecasting daily gasoline demand,
Proceedings of the Sixth AEESEAP Triennial Conference, Kuta, Bali,
Indonedia, August 23–25, 2000.
Roads, J.O., Chen, S.C., Guetter, A.K., dan Georgakakos, K.P. (1994) : Large-scale Aspects of the United States Hidrologic Cycle, Bull. Amer. Moteor.
Soc., 75, 1589-1610.
Roads, J.O. dan Betts, A. (1999) : NCEP-NCAR and ECMWF Reanalysis Surface Water and Energy Budgets for the Mississippi River Basin, J.
Hydrometeorology, 1(1), 88-94.
Rogers, A.N., Romwich, D.H., Sinclair, E.N., dan Cullather, R.I. (2000) : The Atmospheric Hidrologic Cycle over Arctic Basin from Reanalyses. Part II: Interannual Variability. J. Climate, 14, 2414-2429.
Rosadi, D., Sukrisno, dan Wagner, W. (1993) : Groundwater quality and protection in selected parts of the Bandung Basin, Project Report No. 29, Project CTA 108, Environmental geology for land use and regional
planning, Directorate of Environmental Geology (DEG), German Environmental Geology Advisory Team for Indonesia (GEGATI), Bandung. Ruminta, (2001) : Pendugaan Curah Hujan Di Wilayah Sumatra Dengan
Menggunakan ANFIS, Tesis Program Magister, Institut Teknologi Bandung.
Ruminta, (2006) : Persistence and variability of the hydrometeorology in the Citarum river basin, Proceeding Indonesian Association of Geophysicist,
31st Annual Scientific Meeting (PIT) HAGI, Semarang, pp 581-594.
Ruminta, Bayong, T.H.K., dan Soekarno, I. (2006) : Persistensi dan Variabilitas Hidrometeorologi Daerah Aliran Sungai Citarum, Jurnal Matematika dan
Sains, 2(3), 81-88.
Ruminta, Bayong, T.H.K., dan Liong, T.H. (2007a) : Sifat Fraktal dan Siklik Hidrometeorologi Daerah Aliran Sungai Citarum, Journal JTM, 14(1), 23-32.
Ruminta, Bayong, T.H.K., B., Liong, T.H., dan Soekarno, I. (2006) : Perubahan hidrometeorologi daerah aliran Sungai Citarum, Proseding Seminar
Nasional Perubahan Iklim dan Lingkungan di Indonesia, LAPAN Bandung, pp 367-376.
Ruminta, Bayong, T.H.K., Liong, T.H., dan Soekarno, I. (2007b) : Kecenderungan Hidrometeorologi di Daerah Aliran Sungai Citarum,
Padjadjaran Journal of Life and Physical Sciences, 9(1), 23-37.
Saji, N. H. dan Yamagata, T. (2003) : Possible Impacts of Indian Ocean Dipole Events on Global Climate, Clim. Res., 25, 151-169.
Salehfar, H, Bengiamin, N., dan Huang, J. (2000) : A Systematic approach to linguistic fuzzy modeling based on input-output data. Proceedings of the 2000 Winter Simulation Conference, J. A. Joines, R. R. Barton, K. Kang, dan P. A. Fishwick, Eds., University of North Dakota, U.S.A.
Santoso, H. dan Warrick, R. (2003) : An Integrated System INDOCLIM for Examining the Impacts of Changes in Land Use and Climate on the Quantity and Variability of Stremflows in the Upper Citarum River Basin, Indonesia,
Sivakumar, B. (2000) : Chaos Theory in Hydrology, Important Issues and Interpretations, J. Hydrology, 227, 1-20.
Sivakumar, B. (2001a) : Is a Chaotic Multi-Fractal Approach for Rainfall Possible?, Hydrology Prosess, 12, 943-955.
Sivakumar, B. (2001b) : Rainfall Dynamics at Different Temporal Scales, A Chaotic Prespective, Hydrology and Earth System Sciences, 5(4), x-xx. Sivakumar, B., Olsson, J., dan Jinno, K. (2002) : Evidence of Chaos in the
Rainfall–Runoff Process, Hydrological Sciences Journal, 46(1), 131–146. Sivakumar, B., Persson, P., Berndtsson, R., dan Uvo, C.B. (2002) : Is Correlation
Dimension Reliable Indicator of Low-Dimensional Chaos in Short Hydro-logical Time Series?, Water Resources Research, 38(0), 1-8.
Shinjiro, K., Taikan, O., dan Katumi, M. (2000) : Impact of Deforestation on Regional Pricipitation over the Indochina Peninsula, J. Hydrology, 2(1), 51-70.
Sveinsson, O.G.B., Salas, J.D., Boes, D.C., dan Pielke, R.A. (2002) : Modeling Dynamics of Long-term Variability of Hydroclimatic Processes, J.
Hydro-meteorology, 4(3), 489-505.
Small, E.E., Giorgi, F., Sloan, L.C., dan Hostetler, S. (2000) : The Effects of Desiccation and Climatic Change on the Hydrology of the Aral Sea, J.
Climate, 14, 615-628.
Soden, B.J. (1999) : The Sensitivity of the Tropical Hydrological Cycle to ENSO, J. Climate, 3, 538-549.
Soetrisno, S., (1998) : Impacts of Urban and Industrial Development on Ground-water, Bandung, West Java, Indonesia, http://www.geocities.com/
Eureka/Gold/1577/ paper_list_eng.html.
Stieglitz, M., Rin, D., Famiglietti, J., dan Rosenzweig, C. (1996) : An Efficient Approach to Modeling the Topographic Control on Surface Hydrology for Regional and Global Climate Modeling, J. Climate, 10, 118-137.
Suprapto, A. (2003) : Pemanfaatan Air Dan Sumber Air untuk Pertanian dalam Kondisi Keterbatasan Air dan Lingkungan. Proseding Seminar Hari Air
Sedunia, Jakarta 20 Maret 2003.
Supriyo, A., Bambang, S., dan Soetrisno, S. (1999) : Aquifer Storage and Recovery for Water Conservation in Bandung Basin, 2nd CGS National Short Course on ASR, 27-29 October 1999, Adelaide.
Terangna, N. (1995) : Water Quality Conservation for the Citarum River in West Java, Wat. Sci. Tech., 31(9), 1-10.
Terangna, N. (1997) : The status of water quality, pollution control planning at the Citarum river basin, Proceedings of Workshop on Water Quality R & D
(Indonesia Australia), Bandung, Indonesia.
Tessier, Y., Lovejoy, S., Hubert, P., Scheertzer, D., dan Peckenold, S. (1996) : Multi-Fraktal Analysis and Modeling of Rainfall and River Flow and Scaling, Causal Transfer Functions, J. Geophysical Research, 101(26), 427-440.
Tokar, A.S. dan Markus, M. (2000) : Precipitation-Runoff Modeling Using Artificial Neural Networks and Conceptual Models, J. Hydrologic
Engineering, 5(2), 156-161.
Toninelli, V., Salvucci, D.G., dan Mancini, M. (2003) : Parameter Estimation Technique for a Water Balance Model and Application to Measured Data,
Hydrology Days, 192-206.
Trenberth, K.E. dan Guillemont, C.J. (1998) : Evaluation of the Atmospheric Moisture and Hydrological Cycle in the NCEP/NCAR Reanalyses,
Climate Dyn., 14, 213-231.
Wangsaatmaja, S., Sabar, A., dan Prasetiati, M.A.N. (2006) : Permasalahan dan Strategi Pembangunan Lingkungan Berkelanjutan Studi Kasus: Cekungan Bandung, Jurnal Geologi Indonesia, 1 (3), 163-171.
White, L.D., Tewari, M., dan Krishnamurti, T.N. (1998) : Application of a GCM to Study the Surface Hydrological Budget of Amazon, J. Applied
Meteorology, 37(10) 1321-1331.
Whiting, J. P., Lambert, M. F., dan Metcalfe, A.V. (2003) : Modelling Persistence in Annual Australian Point Rainfall, Hydrol. and Earth Syst. Sc., 7(2), 197-211.
Wihardini, D., Teubner, M., Dandy, G., dan Rasser, P. (1999) : Water resources management of the Citarum river basin, Indonesia, Proceedings of Water 99-Joint Congress, July 1999, Brisbane.
Wooldridge, S.C. dan Kalma, J.D. (2001) : Regional-Scale Hydrological Modelling Using Multiple-Parameter Landscape Zones and a Quasi-distributed Water Balance Model, Hydrology and Earth System Sciences,
Yang, F., A. Kumar, K., Schlesinger, M.E., dan Wang, W. (2003) : Intensity of Hydrological Cycle in Warmer Climate, J. Climate, 16(14), 2419-2423. Yao, H. dan Terakawa, A. (1999) : Distributed Hydrological Model for Fuji
River Basin, J. Hydrologic Engineering, 4(2), 108-116.
Yu, P., Yang, T., dan Wua, C. (2002) : Impact Climate Change on Water Resources in Southern Taiwan, J. Hydrology, 260(1-4), 161-175.
Yue, S., Pilon, P., dan Cavadias, G. (2002) : Power of the Mann-Kendal and Spearman’s Rho Test for Detecting Monotonic Trend in Hydrology Series,
J. Hidrology, 259, 254-271.
Zeng, N. (1999) : Seasonal Cycle and Interannual Variability in the Amazon Hidrologic Cycle, J. Geophys. Res., 104, 9097-9106.
Zhu, Y. (2000) : ANFIS : Adaptive Neuro Fuzzy Inference System, EE Dept., Univ. of Missouri, Rolla.
Lampiran A. Lolasi stasiun pengamatan curah hujan di daerah aliran Sungai Citarum Hulu dan Tengah.
No Lokasi Pengamatan Lintang (o) Bujur Timur (o) Elevasi (m)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Darangdan Rajamandala Rongga Montaya Cibuni Leuweungcai Nyalindung Tangkuban Perahu Padalarang Batujajar Sindangkerta Cimahi Ciwidey Margahayu Lembang Cikapundung Dago Pakar Bandung Banjaran Soreang Cisondari Jatinangor Buahbatu Ciparay Majalaya Paseh Chinchona Pacet Malabar Cileunca Santosa Cicalengka Nagrek Pasir Pogor Vada Cipanas -6.683 -6.850 -6.983 -7.033 -7.167 -7.150 -6.800 -6.750 -6.850 -6.917 -6.983 -6.883 -7.100 -6.800 -6.817 -6.833 -6.867 -6.900 -7.050 -7.033 -7.083 -6.900 -6.900 -7.033 -7.033 -7.100 -7.150 -7.150 -7.217 -7.200 -7.250 -6.983 -7.050 -6.733 -6.736 -6.773 107.417 107.350 107.250 107.317 107.400 107.433 107.433 107.350 107.483 107.483 107.400 107.533 107.467 107.633 107.617 107.717 107.750 107.600 107.583 107.517 107.450 107.783 107.783 107.717 107.767 107.767 107.567 107.683 107.583 107.600 107.617 107.833 107.833 107.267 107.183 107.367 515 330 1093 990 1260 1750 420 1893 685 660 730 757 1097 1250 1300 1434 770 730 675 750 1050 760 670 673 670 910 1430 1330 1550 1475 1652 705 1080 1140 700 550 Daerah Aliran Sungai Citarum Skala : 1 : 700.000 U
Lampiran B. Data bulanan komponen hidrometeorologi daerah aliran Sungai Citarum Hulu dan Tengah.
Lampiran C. Data bulanan fenomena iklim.
Lampiran D. Perhitungan rata-rata spasial curah hujan, evapotranspirasi dan kelembapan.
Rata-rata spasial curah hujan, evapotranspirasi, dan kelembapan udara yang mewakili daerah aliran sungai Citarum Hulu dan Tengah dapat dihitung menggunakan metode Poligon Thiessen. Ada beberapa tahapan dan asumsi dalam metode Poligon Thiessen yaitu :
1. Daerah tersebut dibagi ke dalam n sub daerah masing-masing terpusat pada masing-masing dari n stasiun cuaca yang ada di daerah tersebut. Sebagai ilustrasi ditunjunjukkan pada gambar di bawah.
2. Semua titik pada masing sub daerah (Ai) lebih dekat ke masing-masing pusat stasiun cuacanya dibanding stasiun cuaca yang lainnya.
3. Curah hujan, evapotranspirasi, dan kelembapan udara pada masing-masing sub daerah (Ai) diasumsikan seragam (uniform).
4. Masing-masing stasiun cuaca mewakili setiap sub daerahnya (Ai).
5. Rata-rata spasial ke tiga komponen hidrometeorologi tersebut dihitung oleh pembobotan dari setiap stasiun cuaca dengan luas daerah yang mewakilinya masing-masing.
6. Rata-rata spasial dari curah hujan, evapotranspirasi, dan kelembapan udara diperoleh menggunakan persamaan,
di mana A : luas total daerah aliran sungai; Ai : luas sub daerah; Pi : curah hujan, evapotranspirasi, atau kelembapan udara yang terukur di stasiun cuaca;
<P> : rata-rata spasial curah hujan, evapotranspirasi, atau kelembapan udara;
dan n : banyaknya stasiun cuaca (dalam kajian ini n = 36).
∑
= = n i i iP A A P 1 1Lampiran E. Analisis statistik karakteristik hidrometeorologi
a. Jumlah kumulatif
Jumlah kumulatif hidrometeorologi dihitung dengan menggunakan persamaan berikut,
∑
= − = t k k t x x S 1 ) (∑
= = n i i n x x 1 /di mana St : jumlah kumulatif, xi : deret waktu hidrometeorologi, x : rata-rata deret waktu, dan n : jumlah data yang dianalisis.
b. Analisis variabilitas
Analisis variabilitas hidrometeorologi menggunakan koefisien keragaman yang dinyatakan oleh persamaan berikut,
% 100 x Y S CV ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ = 2 1 2 ) 1 ( ) ( ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − Σ = n Y Y S t n Y Y = Σ t
di mana Cv : koefisien variasi, S : standar deviasi, Yt : nilai Y yang ke-t, Y : nilai rata-rata Y, dan n : jumlah data yang dianalisis.
c. Korelasi dimensi
Korelasi dimensi dihitung dengan menggunakan rekonstruksi phase-space dari
deret waktu. Untuk nilai deret waktu Xi di mana i=1,2,3,…,N, rekonstruksi
phase-space dapat diperoleh melalui metode delay menurut persamaan berikut,
(2) (1)
(3)
(5) (4)
Lampiran E. (lanjutan)
(
)
∑
− − − = j i j i Y Y r H N N r C , ) 1 )( ( 2 ) ( untuk i ≤ j ≤ Ndi mana H : fungsi tahapan Heaviside, U : r−Yi−Yj , r : radius dari pusat sperik
terhadap vektor Yi atauYj, dan N : jumlah data yang dianalisis.
Fungsi korelasi C(r) dihubungkan dengan radius r (untuk nilai r positif) mengikuti
persamaan berikut, v r r C( )≈α. , untuk N →∞,r→0 r r C v log )) ( log( ≈
di mana α : konstanta dan v : korelasi exponensial atau kemiringan dari plot log C(r) terhadap log r.
d. Distribusi probabilitas
Jika nilai x ambang batas intensitas tinggi, maka pasangan dari distribusi probabilitas deret waktu hidrometeorologi (X) mengukuti persamaan berikut,
qD
x x X > )≈ − Pr(
dimana Pr : distribusi probabilitas dan qD : probabilitas eksponensial.
Nilai qD<2 menunjukkan bahwa proses hidrometeorologi merupakan model mono-fraktal. Sebaliknya proses hidrometeorologi merupakan model multi-fraktal apabila nilai qD >2.
e. Periode ulang
Probabilitas dan periode ulang nilai ekstrim dari proses hirdometeorologi dihitung dengan menggunakan persamaan berikut,
) exp( ) (x y F = − a b c x y=⎢⎣⎡ −( )⎥⎦⎤ (8) (7) (9) (11) (10) (12)
Lampiran E. (lanjutan) ) ( 1 max x F T = )) ( 1 ( 1 min x F T − =
di mana F(x) : distribusi probabilitas, x : variabel random, a,b,c : parameter distribusi, Tmax : periode ulang nilai ekstrim maksimum, dan Tmin : periode ulang nilai ekstrim minimum.
Parameter a, b, dan c dihitung dengan menggunakan prinsip entropi maksimum dan metode momen yang dihitung dari tiga persamaan berikut,
∑
=− − y C N 1 ln( )∑
= −1 y 1 N ) 1 ( . 1 1 1 a N i i c b x N∑
= + Γ + = −di mana N : jumlah data yang dianalisis, C : bilangan Euler (0.5772156649...), dan ()Γ : fungsi gamma.
f. Power spektrum
Analisis power spektrum dilakukan menggunakan persamaan Monte Carlo
Singular Spectrum Analysis (SSA) yang dinyatakan oleh persamaan berikut,
⎟ ⎟ ⎟ ⎟ ⎟ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎛ + ⎟⎟ ⎞ ⎜⎜ ⎛ − − = 2 2 2 cos 2 1 1 ) ( r f r r S f S o π (13) (14) (15) (16) (17) (18)
Lampiran E. (lanjutan)
di mana S(f) : power spektrum dari proses stokastik, So : rata-rata power spektrum (0 < So < ∝), r : autokorelasi beda ke-1 (time lag 1), σ : varian galat, f : rekwensi penurunan power spektrum, fN : frekuensi Nyquist yaitu frekuensi tertinggi pada selang waktu Δt, dan t : satuan waktu (biasanya Δt =1).
Power spektrum dapat dinyatakan juga dalam bentuk persamaan berikut.
β
− ≈ f
f
S( )
Dimana f : frekuensi, dan β : spektral exponensial.
g. Analisis kecenderungan
Model statistik regresi logistik linier dapat digunakan untuk menghitung nilai kecenderungan pada deret waktu hidrometeorologi. Model kecenderungan logistik menggambarkan bentuk transformasi dari nilai yang diharapkan (probabilitas suatu kejadian, π ) sebagai fungsi linier dari waktu yang dinyatakan sebagai berikut,
t.
)
(π α β
η = +
dengan α : intersepsi garis regresi, β : koefisien persamaan regresi, π : probabitas
kejadian, η : fungsi hubungan monotonik, dan t : waktu.
Fungsi hubungan monotonik pada model regresi logistik di atas dihitung menggunakan persamaan 23. Variasi temporal dari nilai harapan kejadian dari proses hidrometeorologi dihitung dari persamaan 24. Besarnya nilai kecenderungan ditentukan dari parameter β yang diekspresikan oleh rasio odds (θ) dan dinyatakan oleh persamaan 25.
⎟ ⎠ ⎞ ⎜ ⎝ ⎛ − = π π π η 1 log ) ( )) . exp( 1 ( ) . exp( ) , , ( t t t β α β α β α π + + + = (22) (24) (23) (21)
Lampiran E. (lanjutan)
[
.( )]
exp ) ( 1 ) ( ) ( 1 ) ( 1 2 1 1 2 2 t t t t t t − = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − = β π π π π θdengan α : intersepsi garis regresi, β : koefisien persamaan regresi, π :
probabitas kejadian, η : fungsi hubungan monotonik, θ : rasio odds, dan t :
waktu.
h. Analisis sensitivitas
Analisis sensitivitas diakukan untuk mengetahui tingkat perubahan debit sungai
dan terhadap perubahan curah hujan, dinyatakan oleh persamaan berikut :
I
I
I
O
O
O
S
N i i N i i/
)
(
/
)
(
∑
∑
−
−
=
di mana S : nilai sensitivitas, Oi : debit sungai ke-i, O: rata-rata debit sungai, 1i : curah hujan ke-i, dan I : rata-rata curah hujan.
(25)
Lampiran F. Analisis neraca air
Analisis neraca air dipergunakan untuk mengkaji pola perubahan komponen hidrometeorologi pada suatu daerah aliran sungai. Pendekatan analisis neraca air pada suatu daerah aliran sungai secara alami (tanpa campur tangan manusia) dapat menggunakan persamaan berikut,
S Q ET
P= + +Δ
di mana P : curah hujan; ET: evapotranspirasi; Q : debit sungai, dan ΔS : air cadangan.
Sementara itu, pola perubahan koefisien limpasan (runoff) rata-rata daerah aliran sungai dapat dihitung menggunakan metoda Rasional dengan persamaan berikut,
A P Q C . . 278 . 0 =
di mana C : koefisien limpasan (run off), P = curah hujan; A : luas daerah daerah aliran sungai, dan Q : debit sungai.
(1)
Lampiran G. Tahapan dan rincian parameter dalam analisis ANFIS.
Ada beberapa tahapan dalam analisis ANFIS menggunakan Software Mathlab yaitu menentukan atau memilih :
1. Jumlah input yang optimum.
2. Variabel input yang potensial berupa data deret waktu. 3. Tipe defusifikasi.
4. Jumlah fungsi keanggotaan. 5. Tipe fungsi keanggotaan. 6. Jumlah fungsi aturan. 7. Metode optimasi.
8. Toleransi kesalahan (biasanya nol). 9. Jumlah Epoch.
Dalam analisis ANFIS untuk mengidentifikasi model temporal curah hujan dan debit sungai daerah aliran Sungai Citarum menggunakan parameter ANFIS Editor sebagai berikut,
Parameter
Model Temporal
Curah Hujan Debit Sungai
Tahunan Bulanan Tahunan Bulanan
Jumlah input 2 2 2 2
Input GT dan ET CIP dan ET R dan ET R dan ET
Tipe defusifikasi (Defuzzyfication) Bobot rata-rata (weight average) Bobot rata-rata
(weight average) Bobot rata-rata (weight
average) Bobot rata-rata (weight average) Jumlah fungsi keanggotaan 3 (tinggi, sedang, rendah) 3 (tinggi,
sedang, rendah) 3 (tinggi, sedang, rendah) 3 (tinggi, sedang, rendah) Tipe fungsi keanggotaan Generalized bell
Generalized bell Generalized bell
Generalized bell
Jumlah fungsi
aturan 9 9 9 9
Metode optimasi Hybrid Hybrid Hybrid Hybrid
Toleransi
kesalahan 0 0 0 0
Epoch number 100 100 100 100
Lampiran I. Uji signifikansi korelasi.
Signifikansi korelasi antara dua variabel yang berpasangaan diketahui dari hasil uji t terhadap koefisien korelasinya. Jika nilai koefisien korelasi (r) dekat dengan nol, maka nilai r cenderung = 0, tetapi jika nilai koefisien korelasi mendekati 1 atau -1, maka nilai r ≠ 0. Pengujian nilai koefisien korelasi menggunakan rumus berikut,
5 . 0 2 5 . 0 ) 1 ( ) 2 ( r n r thitung − − = Hipotesis : 0 : 0 : 1 0 ≠ = r H r H
Apabila nilai thitung lebih besar dari nilai ttabel,α pada selang kepercayaan 95% atau 98% untuk
derajat bebas n-2, maka hipotesis satu (H1) diterima atau r ≠ 0 (nilai r adalah signifikan).
Hasil uji signifikansi korelasi dalam penelitian adalah sebagai berikut,
Korelasi Nilai r thitung ttabel,α=0.05 ttabel,α=0.025 DB Ket.
R vs ET -0.191 3.862 2.024 2.712 394 ** R vs RH 0.019 0.377 394 R vs Q 0.689 18.870 394 ** ET vs ET 0.130 2.603 394 * ET vs RH -0.510 11.769 394 ** RH vs Q -0.063 1.253 394 R vs OLR -0.050 0.994 2.024 2.712 394 R vs QBO 0.016 0.318 394 R vs PDO -0.084 1.673 394 R vs PWP -0.070 1.393 394 R vs GT -0.108 2.156 394 * R vs SOI 0.042 0.834 394 R vs DMI -0.114 2.278 394 * R vs CIP -0.515 11.926 394 ** R vs PW 0.169 2.404 394 * ET vs OLR -0.116 2.318 394 * ET vs QBO 0.440 9.726 394 ** ET vs PDO -0.084 1.673 394 ET vs PWP 0.309 2.449 394 * ET vs GT 0.301 2.265 394 * ET vs SOI -0.292 2.060 394 * ET vs DMI -0.386 2.306 394 * ET vs CIP 0.220 2.477 394 * ET vs PW -0.107 2.136 394 * RH vs OLR -0.038 0.755 2.024 2.712 394
Lampiran I. (lanjutan)
Korelasi Nilai r thitung ttabel,α=0.05 ttabel,α=0.025 DB Ket.
Q vs OLR -0.182 2.674 2.024 2.712 394 * Q vs QBO 0.036 0.715 394 Q vs PDO -0.020 0.397 394 Q vs PWP -0.012 0.238 394 Q vs GT 0.035 0.695 394 Q vs SOI 0.020 0.397 394 Q vs DMI -0.184 2.710 394 * Q vs CIP -0.610 15.280 394 ** Q vs PW 0.059 1.173 394 R Observasi vs R Prediksi Tahunan 0.855 32.723 2.776 3.747 4 ** Q Observasi vs Q Prediksi Tahunan 0.734 21.453 4 ** R Observasi vs R Prediksi Bulanan 0.509 11.738 2.024 2.712 70 ** Q Observasi vs Q Prediksi Bulanan 0.536 12.603 70 **
DB = derajat bebas, n-2, dimana n = banyak data * = signifikan pada selang kepercayaan 95%, **= sangat signifikan pada selang kepercayaan 98%,
Lampiran J. Koefisien korelasi antara komponen hidrometeorologi.
A. Koefisien korelasi curah hujan dengan debit sungai tiap bulan.
Unsur Debit Sungai
J F M A M J J A S O N D Cu ra h Hu ja n J F M A M J J A S O N D 0.223 - - - - - - - - - 0.640* - - - - - - - - - - 0.616* - - - - - - - - - - - - 0.333 - - - - - - - - - - - - 0.688* - - - - - - - - - - - - 0.780* - - - - - - - - - - - - 0.652* - - - - - - - - - - 0.699* - - - - - - - - - 0.782* - - - - - - - - - 0.768* - - - - - - - - - 0.635* - - - - - - - - - 0.439* Ket. : * = signifikan pada selang kepercayaan 95%
B. Koefisien korelasi curah hujan dengan evapotranspirasi.
Komponen Bulanan DJF JJA Tahunan Evapotranspirasi
Cu rah Hu ja n Bulanan DJF JJA Tahunan -0.191* - - - - 0.122 - - - - -0.376* - - - - -0.458*
Ket. : * = signifikan pada selang kepercayaan 95%
C. Koefisien korelasi curah hujan dengan kelembapan.
Komponen Bulanan DJF JJA Tahunan Kelembapan
Cu rah Hu ja n Bulanan DJF JJA Tahunan 0.019 - - - - -0.202 - - - - 0.294 - - - - 0.003
Ket. : * = signifikan pada selang kepercayaan 95%
Lampiran J. (lanjutan).
E. Koefisien korelasi evapotranspirasi dengan kelembapan.
Komponen Kelembapan
Bulanan DJF JJA Tahunan
E va po-tra nspira si Bulanan DJF JJA Tahunan 0.130* - - - - 0.186 - - - - -0.033 - - - - 0.225
Ket. : * = signifikan pada selang kepercayaan 95%
F. Koefisien korelasi evapotranspirasi dengan debit sungai.
Komponen Debit Sungai
Bulanan DJF JJA Tahunan
Eva po-tr ans pi ras i Bulanan DJF JJA Tahunan -0.510* - - - - -0.261 - - - - -0.277 - - - - -0.408*
Ket. : * = signifikan pada selang kepercayaan 95%
G. Koefisien korelasi kelembapan dengan debit sungai.
Komponen Debit Sungai
Bulanan DJF JJA Tahunan
Ke le mb ap an Bulanan DJF JJA Tahunan -0.063 - - - - 0.193 - - - - 0.453* - - - - 0.364*
Lampiran K. Koefisien korelasi hidrometeorologi dengan fenomena global.
A. Periode Desember-Januari-Februari. Fenomena
Global Curah Hujan Evapotranspirasi Kelembapan Debit Sungai OLR QBO PDO PWP GT SOI DMI CIP PW 0.065 -0.183 -0.354* -0.072 -0.366* -0.165 -0.232 -0.169 -0.085 -0.346* 0.462** 0.044 0.482** 0.565** -0.446** -0.243 0.083 0.277 -0.127 0.141 0.204 0.259 0.493** -0.112 0.004 0.285 0.767** -0.071 0.004 -0.112 -0.062 -0.066 -0.175 0.481** -0.059 0.122
Ket. : * = signifikan pada selang kepercayaan 95% dan ** = signifikan pada selang kepercayaan 98%
B. Periode Juni-Juli-Agustus. Fenomena
Global Curah Hujan Evapotranspirasi Kelembapan Debit Sungai OLR QBO PDO PWP GT SOI DMI CIP PW 0.140 -0.198 -0.143 -0.107 -0.328 0.480** -0.247 0.030 0.597** -0.063 0.620** 0.015 0.416** 0.331 0.119 -0.533** 0.056 0.020 0.293 -0.099 0.100 0.233 0.096 0.290 -0.322 0.080 0.587** 0.234 -0.078 -0.107 0.133 -0.092 0.494** -0.325 -0.072 0.710**
Ket. : * = signifikan pada selang kepercayaan 95% dan ** = signifikan pada selang kepercayaan 98%
C. Periode Tahunan. Fenomena
Global Curah Hujan Evapotranspirasi Kelembapan Debit Sungai OLR QBO PDO PWP GT SOI DMI 0.328 -0.232 -0.298 -0.349* -0.476** 0.324 -0.118 -0.110 0.670** 0.065 0.487** 0.516** -0.003 -0.338 0.117 0.016 0.360* 0.443** 0.439** 0.097 -0.323 0.192 -0.266 -0.039 -0.040 -0.178 0.269 -0.358*
Lampiran L. Korelasi dimensi hidrometeorologi. A. Periode Desember-Januari-Februari
Lampiran L. (lanjutan). C. Periode Tahunan
Lampiran P. Uji signifikansi model temporal.
Signifikansi atau kelayakan model temporal hasil identifikasi ANFIS diketahui dari hasil uji
Chi-Kuadrat terhadap data observasi dan data predisksi. Jika nilai observasi curah hujan (RO) atau
debit singai (QO) dekat atau sama dengan nilai prediksi curah hujan (RF) atau debit sungai (QF),
maka RO = RF atau QO= QF tetapi jika nilai observasi berbeda dengan nilai prediksi, maka RO ≠ RF
atau QO≠ QF. Uji Chi-Kuadrat menggunakan rumus berikut,
∑
= − + = N l i e hitung N N N l 1 2 ) ( 2 ) ( ) ( ) 2 ( ρ χ Hipotesis : F O F O R R H R R H ≠ = : : 1 0 atau F O F O Q Q H Q Q H ≠ = : : 1 0Apabila nilai χhitung2 lebih kecil dari nilai χtabel2 .αpada selang kepercayaan tertentu misalnya 95% untuk derajat bebas n-1, maka hipotesis nol (H0) diterima atau nilai observasi sama dengan
nilai prediksi (RO = RF atau QO = QF). Dengan demikian model temporal hasil identifikasi ANFIS
adalah signifikan atau secara statistik layak dipergunakan untuk simulasi ataupun prediksi.
Hasil uji signifikansi model temporal hasil identifikasi ANFIS adalah sebagai berikut,
Model Temporal N χhitung2 χtabel2 ,0.05 DB Ket.
Debit Sungai Tahunan 33 4.80 46.19 32 *
Curah Hujan Tahunan 33 6.41 46.19 32 *
Debit Sungai Bulanan 396 212.34 423.00 395 *
Curah Hujan Bulanan 396 71.09 395 *
Debit Sungai Bulanan
Transformasi 288 3.91 423.00 287 *
Curah Hujan Bulanan
Transformasi 288 18.20 316.00 287 *
* = signifikan pada selang kepercayaan 95%. N = banyak data
RIWAYAT HIDUP
RUMINTA dilahirkan pada tanggal 9 Maret 1964 di Sumedang. Penulis lulus dari SMA Negeri Situraja Sumedang pada tahun 1984. Ia memperoleh gelar Sarjana Agrometeorologi pada tahun 1989 di Institut Pertanian Bogor dan gelar Magister Sains Atmosfer pada tahun 2000 di Institut Teknologi Bandung.
Sejak tahun 1991 penulis menjadi anggota staf pengajar di Jurusan Budidaya Pertanian Fakultas Pertanian Universitas Padjadjaran. Penulis menikah dengan Pipih Rukmini pada tahun 1996 dan mempunyai dua orang anak yaitu Nenden Budiani Hanum (lahir 26 September 1996) dan Oktaviani Fauziah (lahir 4 Oktober 1999).
Daftar Publikasi Jurnal Akreditasi :
1. Ruminta, Tjasyono, B., dan Soekarno, I. (2006) : Persistensi dan Variabilitas Hidrometeorologi Daerah Aliran Sungai Citarum, Jurnal Matematika
dan Sains, 2(3), 81-88.
2. Warid Ali Qosim dan Ruminta. 2006. Variabilitas Genetik Karakter Morfologi Krisan Generasi VM2 Akibat Iradiasi Sinar Gamma. Padjadjaran
Journal of Life and Physical Sciences, Vol. 9(1) : 23-37
3. Ruminta, Tjasyono, B., dan Liong, T.H. (2007) : Sifat Fraktal dan Siklik Hidrometeorologi Daerah Aliran Sungai Citarum, Journal JTM, 14(1), 23-32.
4. Ruminta, Tjasyono, B., Liong, T.H., dan Soekarno, I. (2007) : Kecenderungan Hidrometeorologi di Daerah Aliran Sungai Citarum, Padjadjaran
Journal of Life and Physical Sciences, 9(1), 23-37.
5. Ruminta. (2007) : Pengaruh Dipole Mode Lautan Hindia dan El Niño Osilasi Belahan Bumi Selatan Terhadap Awal dan Masa Tanam di Indonesia,
Terhadap Curah Hujan di Indonesia, Submit : Padjadjaran Journal of
Life and Physical Sciences.
Daftar Publikasi Jurnal Non-Akreditasi :
1. Ruminta. 2003. Model Penyerapan Unsur Hara Pada Tanaman Jeruk Garut.
Jurnal Kultivasi, Vol. 2(3).
2. Sana Buana, Aos A. I., dan Ruminta. 2005. Pengaruh Aplikasi dan Dosis Pupuk N Terhadap Senesen Daun Pisang Tanduk (Musa paradisiacal L) Kultivar Horn Plantain. Jurnal Kultivasi, Vol. 3(3).
3. Ruminta, D. Riswandi, dan N. Komarudin. 2006. Toleransi Kultivar Kacang Kedelai (Glicine max, L.) Pada Berbagai Tingkat Salinitas (NaCl).
Jurnal Kultivasi, Vol. 4(1). Daftar Prosiding Internasional :
1. Bayong, T.H.K., Juaeni, I., Gernowo, R., Ruminta, and Bramantyono, B. (2006) : Impact of El Niño on rice planting in the Indonesian monsoonal areas, Proceeding of the International Workshop on Agrometeorology,
Climate Forecast Application for Sustainable Agricultural Production and Risk Reduction Strategies, Jakarta, Indodesia, pp 11-21.
2. Ruminta, Tjasyono, B., and Liong, T.H. (2007) : Temporal Dynamical Model of Hydrometeorology in The Citarum River Basin, Proceeding of the
73st International Symposium on Sustainable Humanospher, LAPAN,
Bandung, July 25th 2007.
Daftar Prosiding Nasional :
1. Ruminta, Tjasyono, B., Liong, T.H., dan Soekarno, I. (2006) : Perubahan Hidrometeorologi di Daerah Aliran Sungai Citarum, Prosiding Seminar
Nasional Perubahan Iklim dan Lingkungan Di Indonesia, LAPAN Bandung, 9 November 2006, pp 367-376.
2. Ruminta, Tjasyono, B., Liong, T.H., dan Soekarno, I. (2006) : The Persistences and Variabilities of the Hydrometeorology in the Citarum River Basin, Proceeding of the 31st Annual Scientific Meeting (PIT)
HAGI Geophysics For Sustainnable Development : Shalow Prospect and Brownfield, Semarang, pp 581-594
3. Ruminta. (2007) : Pengaruh Dipole Mode Lautan Hindia dan El Niño Osilasi Belahan Bumi Selatan Terhadap Awal dan Masa Tanam di Indonesia,
Simposium dan Seminar Nasional Agronomi & Kongres IX Perhimpunan Agronomi Indonesia (FERAGI), Bandung, November 2007.
4. Ruminta dan Joko Wiratmo. (2008) : Pengaruh IODM dan ENSO Terhadap Awal dan Masa Tanam di Indonesia, Seminar dan Simposium
Meteorologi Pertanian VII, PERHIMPI, Jakarta, 15-16 Januari 2008.
5. Bayong, T.H.K., Sri Woro, B.H., I. Juaeni, dan Ruminta. (2008). Pengaruh interaksi kopel atmosfer-Samudra Pasifik dan Hindia Ekuator terhadap curah hujan di Indonesia. Seminar dan Simposium Meteorologi
Pertanian VII, PERHIMPI, Jakarta, 15-16 Januari 2008.
Pengalaman Riset :
No Judul Riset Tahun
1 Toleransi Kultivar Kacang Kedelai (Glicine max, L.) Pada Berbagai Tingkat Salinitas (NaCl).
Ruminta, D. Riswandi, dan N. Komarudin.
2005
2 Pengaruh Campuran Kompos UNPAD Jatinangor dan Pupuk Majemuk Terhadap Pertumbuhan dan Hasil Tanaman Tembakau (Nicotiana tabacum L.) Kultivar Nani.
Ruminta, Dani Riswandi, dan Yayan Sumekar.
2006
3 Interaksi Monsun-ENSO dan Pengaruhnya terhadap Musim di Indonesia.
Bayong, T.H.K, Atika Lubis, Ruminta, Ina Juaeni, dan Sriworo, B.H.
