Iklim dan Klimatologi

BAB I PENDAHULUAN 1.1 Latar Belakang

Iklim adalah fenomena cuaca atau statistic cuaca di suatu area luas dalam jangka waktu yang lama. Iklim dapat didefinisikan sebagai kelanjutan dari hasil pencatatan cuaca dari hari ke hari dalam rentang waktu yang lama. Iklim memiliki sifat siklis atau berulang dan apabila dibandingkan dengan cuaca, iklim bersifat lebih stabil. Iklim juga dapat mengalami perubahan yang berlangsung dalam periode yang lama, sekitar 30 tahun dan berdampak pada area yang sangat luas. Iklim pada setiap wilayah berbeda-beda. Perbedaan iklim diakibatkan karena adanya perbedaan kondisi alam yang berbeda pula.

Perbedaan iklim juga dipelajari dalam sebuah ilmu yang disebut klimatologi.

Klimatologi adalah ilmu yang isinya mempelajari tentang sifat iklim, perbedaan iklim, dan keterkaitan antara iklim dan manusia. Klimatologi juga dapat diartikan sebagai jenis iklim di muka bumi yang mencakup interpretasi dan koleksi data pengamatan maka ilmu ini memerlukan teknik statistik.

Meteorologi merupakan ilmu yang mempelajari keadaan fisis atmosfer yang meliputi intensitas cahaya matahari, suhu tanah, suhu udara, kelembapan tanah, serta kecepatan udara. Hubungan antara ilmu pertanian dan klimatologi dapat dipelajari dalam agroklimatologi. Agroklimatologi dapat menjelaskan perubahan iklim yang terjadi dan penyelesaian masalahnya terutama pada bidang pertanian.

Persamaan empiris dapat digunakan dalam agroklimatologi yang berguna untuk mempelajari sifat-sifat dan perubahan iklim yang kompleks. Metode Blanney-Criddle merupakan metode yang cukup bagus dan paling sederhana dalam menghitung evapotranspirasi tanaman. Metode radiasi digunakan karena tidak hanya melihat ETo dari satu data saja. Kedua metode tersebut digunakan karena stasiun yang digunakan untuk analisis memiliki data iklim yang lengkap. Oleh karena itu, digunakan kedua metode rumus empiris tersebut supaya ciri-ciri unsur iklim dan informasi iklim dari data dapat

dihitung dan dianalisis dengan mudah, serta membandingkan metode yang terbaik untuk suatu daerah.

1.2 Tujuan

Memperkirakan salah satu data anasir iklim berdasarkan data meteorologi yang tersedia.

1.3 Manfaat

Manfaat yang diperoleh dari praktikum acara II “Rumus Empiris dalam Perkiraaan Anasir Iklim” yaitu praktikan dapat menganalisis iklim berdasarkan data untuk mencari yang lebih tepat dan akurat.

BAB II

TINJAUAN PUSTAKA

Anasir iklim meliputi suhu udara, kelembapan udara, kecepatan angin, radiasi matahari, dan penguapan (evaporasi dan transpirasi). Anasir iklim tersebut memiliki keterkaitan dan saling mempengaruhi satu sama lain. Suhu udara merupakan salah satu unsur iklim yang berpengaruh terhadap bidang pertanian. Hal ini dikarenakan, pertumbuhan tanaman memiliki suhu udara optimum tertentu pada ketinggian tertentu. Kelembapan udara merupakan ukuran dari banyaknya uap air yang terkandung dalam udara pada suhu tertentu. Kelembapan udara sangat berpengaruh pada efektivitas kegiatan pada seluruh sektor kehidupan manusia, termasuk pada sektor pertanian.

Selanjutnya, kecepatan angin merupakan ukuran kecepatan aliran udara dari tekanan tinggi ke tekanan rendah (Ahrens & Henson, 2018). Radiasi matahari merupakan aliran cahaya matahari yang diterima oleh permukaan bumi.

Radiasi matahari ini sangat berpengaruh dalam aktivitas pertanian karena menentukan terjadinya proses fotosintesis dalam tumbuhan.

Evaporasi merupakan jumlah maksimum dari proses perubahan air dari fase cair ke bentuk fase gas. Proses evaporasi terjadi pada permukaan air, tanah, dan vegetasi. Proses evaporasi terjadi karena adanya energi panas dan defisit tekanan uap air yang bergantung pada faktor cuaca seperti suhu udara, kecepatan angin, tekanan atmosfer, dan radiasi matahari. Selain itu, faktor lain yang mempengaruhi evaporasi adalah faktor lokasi geografis, interval waktu, dan musim sehingga evaporasi merupakan proses yang cukup rumit untuk dilakukan pengukuran (Wati et al., 2015). Permukaan bidang evaporasi kasar akan memberikan laju evaporasi yang lebih tinggi daripada bidang evaporasi yang rata. Semakin tinggi suhu udara di atas permukaan bidang evaporasi, maka proses evaporasi akan semakin besar. Proses evaporasi juga bergantung pada jumlah uap air yang dapat diserap oleh udara sebelum udara menjadi jenuh (saturation deficit). Oleh karena itu, evaporasi lebih besar

terjadi pada daerah yang memiliki kondisi udara cenderung kering (Binsasi et al., 2016).

BAB III METODOLOGI 3.1 Alat dan Bahan

Alat yang digunakan pada praktikum ini adalah sebagai berikut:

1. Excel 2. Pensil

3. Tabel Daily Percentage (p) of Annual Daytime Hours for Different Latitudes.

4. Tabel format for Calculation of Blaney-Criddle Method.

5. Grafik Precdition of ETo from Blaney-Criddle f factor for different conditions of minimum relative humidity, sunshine duration, and day time wind.

6. Tabel Extra Terrastrial Radiation (Ra) expressed in equivalent evaporation in mm/day.

7. Tabel Mean Daily Duration of Maximum Possible Sunshine Hours (N) for Different Month and Latitudes.

8. Tabel Values of Weighting Factor (W) for Effect of Radiation on ETo at Different Temperatures and Altitudes.

9. Grafik Prediction of ETo from W.RS for Different Conditions of Mean Relative humidity and day time wind.

Bahan yang digunakan pada praktikum ini adalah sebagai berikut:

1. Tabel Data Evaporasi 3.2 Cara Kerja

Pada praktikum ini dilakukan 2 metode yaitu Blanney-Criddle dan Radiasi. Metode Blanney-Criddle dan metode Radiasi dilakukan untuk mencari nilai ETo dan mencari nilai Epan. Nilai ETo dan nilai Epan yang didapat akan digunakan untuk dibuat grafik dengan microsoft excel.

Berdasarkan grafik yang dibuah, akan diketahui nilai R² dan dilakukan perbandingan antara metode Blanney-Criddle dengan metode Radiasi.

3.3 Cara Analisa Data

Pada praktikum acara 2 digunakan 2 metode yaitu metode Blanney- Criddle dan metode Radiasi.

1. Metode Blanney-Criddle (Contoh Bulan Mei 2016, Stasiun Tanjung Sari)

a. Menghitung nilai rata-rata dengan cara Tmax+Tmin

2 pada tabel data temperatur evaporasi

27,4+22,8

2 =¿ 25,1 ^oC

b. Menghitung nilai ‘P’ dengan menggunakan metode interpolasi pada p (Perhatikan Latitudes , LU = North, LS = South)

8,14−5

10−5 = P−0,27

0,26−0,27 =0,274

c. Menentukan Rh dengan data evaporasi Rh_mean Rh_mean =

∑

^Rh

12 Jika nilai Rh :

 <20% = low

 (20-50)% = medium

 >50% = high

Rh_mean=92,851 % (High) d. Menghitung nilai ‘f’ dengan rumus :

f = P[(0,46x T_mean ) + 8]

f = 0,274[(0,46x25,1) + 8]

f = 5,36

e. Menghitung ‘n’ (lama penyinaran aktual) berdasarkan tabel evaporasi (6,057 jam/hari)

f. Menghitung nilai ‘N’ (lama penyinaran maksimum) dengan menggunakan metode interpolasi pada Tabel N

8,14−5

10−5 = N−11,9

11,6−11,9 = 11,71

g. Menghitung nilai perbandingan antara lama penyinaran aktual dengan lama penyinaran maksimum ( n

N ) 6,057

11,71 = 0,52 (Medium) Jika hasil :

 <0,45 = low

 0,46 – 0.7 = medium

 0,71 – 0,9 = high

h. Konversi Uday menjadi m/s dengan cara : Uday = Kec. angin x 1000

3600

5,4 km/jam = 5,4 km/jam x 1000 m/km x 1 jam/3600 detik = 1,5 m/s

Jika nilai Uday :

 0 – 2 m/s = garis 1

 2 – 5 m/s = garis 2

 5 – 8 m/s = garis 3

i. Menghitung nilai ETo menggunakan gambar Prediction of Eto (9 grafik) berdasarkan nilai ( ^Rhmean , n/N, Uday dan f) f sebagai sumbu x dan y sebagai hasil NOTE : Dilaporan tolong dicoret-coret tabelnya dengan jelas

j. Membuat grafik hubungan Eto vs Epan setelah didapat nilai ETo dari bulan januari-desember

Epan = 0,75 x Evap

k. Mencari nilai R dari grafik ETo Vs Epan

2. Metode Radiasi

a. Menghitung nilai rata-rata dengan cara Tmax+Tmin

2 pada table data temperatur evaporasi

27,4+22,8

2 =¿ 25,1 ^oC

b. Menghitung ‘n’ (lama penyinaran aktual) berdasarkan tabel evaporasi n = 6,057 jam/hari

c. Menghitung nilai ‘N’ (lama penyinaran maksimum) dengan menggunakan metode interpolasi pada Tabel N

8,14−5

10−5 = N−11,9

11,6−11,9 = 11,71

d. Menghitung nilai perbandingan antara lama penyinaran aktual dengan lama penyinaran maksimum ( n

N ) Jika hasil :

 <0,45 = low

 0,46 – 0.7 = medium

 0,71 – 0,9 = high 6,057

11,71 = 0,52 (Medium)

e. Menghitung nilai ‘Ra’ dengan metode interpolasi pada tabel Ra 8,14−8

10−8 = Ra−13,1

12,8−13,1 = Ra = 13,08 f. Menghitung Rs dengan cara :

Rs = Ra (0,25 + ( 0,5 x n/N )) Rs = 13,08 (0,25 + ( 0,5 x 0,52 ))

g. Menghitung nilai ‘W’ dengan menggunakan metode interpolasi sebanyak 3 kali pada Tabel W

110,59−0

500−0 = X1−0,73

0,74−0,73 => X1 = 0,73 110,59−0

500−0 = X1−0,75

0,76−0,75 => X1 = 0,75 25,1−24

26−24 = W−0,73

0,75−0,73 => W = 0,74

h. Menghitung nilai WxRs kemudian dijadikan sebagai sumbu x di grafik Precdition of Eto (W*Rs)

0,74 * 6,67 = 4,94

i. Konversi Uday menjadi m/s dengan cara : Uday = Kec. angin x 1000

3600 Jika nilai Uday :

 0 – 2 m/s = garis 1

 2 – 5 m/s = garis 2

 5 – 8 m/s = garis 3

 >8 m/s = garis 4

5,4 km/jam = 5,4 km/jam x 1000 m/km x 1 jam/3600 detik = 1,5 m/s (dibuat yang rapi lebih baik)

j. Menghitung nilai ETo menggunakan Precdition berdasarkan nilai ( Rh_mean , Uday dan WxRs)

4,3

k. Membuat grafik hubungan Eto vs Epan setelah didapat nilai ETo dari bulan januari-desember

Epan = 0,75 x Evap

l. Mencari nilai R dari grafik ETo Vs Epan

BAB IV

HASIL DAN PEMBAHASAN 4.1 Hasil Pengamatan

Berikut tabel hasil perhitungan menggunakan metode Blanney-Criddle.

Bulan Rerata

T P Rhmean f n N n/N Uday ETo

BC Epan

Januari 24.6 0.286 91.054 5.52

13.22

6 12.48 1.059 1.5 4.32 2.96

Februari 25.4 0.28 91.054 5.51 19.59

6 12.36 1.58 1.05 4.19 4.41

Maret 25.3 0.28 91.054 5.49 9.476 12.1 0.78 1.47 4.16 2.14

April 25.7 0.27 91.054 5.35

10.60

2 11.87 0.88 1.55 4.2 2.42

Mei 25.1 0.26 91.054 5.36 6.057 11.71 0.52 1.5 3.26 1.39

Juni 25.7 0.26 91.054 5.43 9.829 11.61 0.85 2.14 5.23 2.21

Juli 25.1 0.26 91.054 5.35

10.13

6 11.67 0.86 2 4.21 2.31

Agustus 25.9 0.27 91.054 5.37

10.49

3 11.83 0.88 1.5 4.15 2.36

Septembe

r 25.8 0.27 91.054 5.36 10.95 12 0.91 2.05 4.67 2.5

Oktober 25.1 0.28 91.054 5.47 12.47

5 12.26 1.02 2.5 4.45 2.83

November 25.8 0.28 91.054 5.56 14.95

7 12.48 1.2 3.97 5.13 3.36

Desember 26.4 0.286 91.054 5.76 13.84

3 12.58 1.1 4 6.69 3.15

Berikut tabel hasil perhitungan menggunakan metode Radiasi.

Bulan Rerat

a T n N n/N Ra Rs W W*R

s Uday Eto

Rad Epan Januari

24.6

13.22

6 12.48 1.059 16.2 12.56 0.75 9.29 1.5 7.55 2.96

Februari

25.4

19.59

6 12.36 1.58 16.11 16.75 0.744 12.46 1.05 8.34 4.41

Maret 25.3 9.476 12.1 0.78 15.5 9.92 0.743 7.37 1.47 6.89 2.14

April 25.7 10.60

2 11.87 0.88 14.38 9.92 0.747 7.41 1.55 5.75 2.42

Mei 25.1 6.057 11.71 0.52 13.07 6.67 0.74 4.94 1.5 4.83 1.39

Juni 25.7 9.829 11.61 0.85 12.37 8.35 0.747 6.23 2.14 5.73 2.21 Juli 25.1 10.13

6 11.67 0.86 12.67 8.59 0.74 6.35 2 4.8 2.31

Agustus

25.9

10.49

3 11.83 0.88 13.68 9.43 0.73 7.07 1.5 5.31 2.36

Septembe

r 25.8 10.95 12 0.91 14.89 10.49 0.75 7.86 2.05 6.76 2.5

Oktober 25.1

12.47

5 12.26 1.02 15.8 12 0.74 8.88 2.5 7.43 2.83

Novembe

r 25.8

14.95

7 12.48 1.2 16.01 13.6 0.75 10.2 3.97 8.23 3.36

Desember 26.4

13.84

3 12.58 1.1 16.01 12.8 0.75 9.6 4 6.13 3.15

X

Berikut tabel

perbandingan nilai ETo BC,

ETo Radiasi, dan Epan.

X

Tabel 4.1.1 Hasil perhitungan dengan metode Blanney-Criddle

Tabel 4.1.2 Hasil perhitungan menggunakan metode Radiasi

Bulan ETo

BC Eto Rad Epan

Januari 4.32 7.55 2.96

Februari 4.19 8.34 4.41

Maret 4.16 6.89 2.14

April 4.2 5.75 2.42

Mei 3.26 4.83 1.39

Juni 5.23 5.73 2.21

Juli 4.21 4.8 2.31

Agustus 4.15 5.31 2.36

September 4.67 6.76 2.5

Oktober 4.45 7.43 2.83

November 5.13 8.23 3.36

Desember 6.69 6.13 3.15

Berikut grafik perbandingan antara ETo BC dengan Epan.

1 1.5 2 2.5 3 3.5 4 4.5 5

0 1 2 3 4 5 6 7 8

f(x) = 0.41 x + 3.46 R² = 0.14

ETo BC vs Epan

Epan

ETo BC

Grafik 4.1.1 Perbandingan ETo BC dengan Epan

Berikut grafik perbandingan antara ETo Radiasi dengan Epan.

Tabel 4.1.3 Perbandingan nilai ETo BC, ETo Radiasi, dan Epan

4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 0

0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

f(x) = 0.48 x − 0.42 R² = 0.61

ETo Rad vs Epan

Epan

ETo Rad

Grafik 4.1.2 Perbandingan ETo Radiasi dengan Epan

BAB V

PENUTUP 5.1 Kesimpulan

Berdasarkan praktikum yang telah dilakukan, dapat disimpulkan bahwa hasil ETo menggunakan metode Blanney-Criddle dengan hasil ETo menggunakan metode Radiasi dipengaruhi oleh data iklim yang digunakan.

Berdasarkan grafik Blanney-Criddle menunjukkan bahwa data hubungan antara ETo dengan Epan yang kurang akurat karena nilai R nya diperoleh sebesar 0,1353. Sedangkan, grafik Radiasi menunjukkan bahwa data hubungan antara ETo dengan Epan lebih akurat dibandingkan dengan Blanney-Criddle, karena nilai R nya diperoleh sebesar 0,6123.

5.2 Saran

Praktikum yang dilaksanakan berjalan dengan baik, serta asisten praktikum juga menyampaikan materi praktikum dengan baik.

DAFTAR PUSTAKA

Ahrens, C.D. dan Henson,R. 2018. Meteorology Today: An Introduction to Weather, Climate, and The Environment. Boston: Cengage Learning.

Binsasi, R., Sancayaningsih, R.P., Murti, S.H., 2016. Evaporasi dan Transpirasi tiga spesies dominan dalam konservasi air di Daerah Tangkapan Air ( DTA ) mata Air Geger Kabupaten Bantul Yogyakarta. Jurnal Pendidikan Biologi 1, 32–34.

Hidayati, I., N. dan Suryanto. 2015. PENGARUH PERUBAHAN IKLIM TERHADAP PRODUKSI PERTANIAN DAN STRATEGI ADAPTASI PADA LAHAN RAWAN KEKERINGAN. Jurnal Ekonomi dan Studi Pembangunan. 16(1):42-52

Lang, D., Zheng, J. Shi, J., Liao, F., Ma, X. Wang, W. Zhang, M. 2017. A Comparative Study of Potential Evapotranspiration Estimation by Eight Methods with FAO. Water, 9 (734): 1-18.

Wati, T., Pawitan, H., dan Sopaheluwakan, A. 2015. Pengaruh Parameter Cuaca Terhadap Proses Evaporasi Pada Interval Waktu yang Berbeda. Jurnal Meteorologi dan Geofisika. 16(3):156-165.

Wirawan, J. Idkham, M. dan Chairani, S. 2013. Analisis Evapotranspirasi dengan Menggunakan Metode Thornhwaite, Blaney Criddle, Hargreaves, dan Radiasi. Rona Teknik Pertanian. 6(2):451-457.