Agroklimat 3

BAB I PENDAHULUAN

A. Latar Belakang Stasiun perlu melakukan uji homogenitas iklim yang meliputi data curah hujan dan temperatur. Data iklim harus diuji terlebih dahulu homogenitas atau konsistensinya sebelum digunakan dalam analisis lebih lanjut. Metode yang digunakan untuk menguji homogenitas temperatue adalah uji run test yaitu dengan menghitung rata-rata temperatur kemudian dibandingkan dengan rata-rata temperatur secara keseluruhan selama tahun pengamatan. Untuk mengetahui homogenitas data hujan digunakan metode Buishand, metodenya disebut RAPS (Rescaled Adjusted Partical Sums).

B. Tujuan Menentukan homogenitas suatu data.

BAB II TINJAUAN PUSTAKA

Sebelum digunakan dalam analisis lebih lanjut, data diuji terlebih dahulu homogenitasnya atau konsistensinya. Pada umumnya ketidak homogenan suatu data dikarenakan relokasi tempat alat pengukuran disamping itu dapat juga karena (Anonim, 2008) 1. Perubahan keadaan lingkungan, baik karena alam (gempa bumi, banjir), maupun karena perlakuan manusia (perubahan penggunaan lahan, pembabatanhutan, pembuatan waduk dan sebagainya). 2. Kerusakan alat. Kerusakan alat pencatat data iklim merupakan kerusakan atau perubahan beberapa fungsi alat karena perubahan alami, seperti karatan, dsb. Kerusakan–kerusakan ini sering terdeteksi serhingga data yang dihasilkan mengalami penyimpangan. 3. Kesalahan karena perubahan letak peralatan. Perubahan letak ini menyebabkan perubahan fungsi ruang terhadap data pengamatan. 4. Kesalahan karena keteledoran pengamat. Kesalahan ini sering terjadi karena pengamat mengalami kesulitan untuk melakukan pencatatan data seperti karena hujan lebat. 5. Data yang rusak atau data hilang. 6. Adanya modifikasi cuaca.

Untuk menguji homogenitas data temperatur dilakukan dengan uji run test. Rata-rata temperatur tahunan dihitung kemudian dibandingkan dengan rata-rata temperatur secara keseluruhan selama tahun pengamatan. Apabila rata-rata tahunan lebih besar dari pada rata-rata keseluruhan maka diberi tanda (+) dan sebaliknya diberi tanda (-). Jumlah pasangan tanda (+) dan (-) dihitung dan diberi tanda U. Data temperatur sudah homogen apabila nilai U mengikuti nilai U dalam tabel berikut (Anonim, 2008).

Kaitan antara U dan banyaknya data dalam penentuan homogenitas data

Jumlah data

Range

12

5-8

14

5-10

16

6-11

18

7-12

20

8-13

22

9-14

24

9-16

26

10-17

28

11-18

30

12-19

32

13-20

34

14-21

36

15-22

38

16-23

40

16-25

50

22-30

Menurut Harto (1993) untuk mengetahui homogenitas data hujan digunakan metode Buishand, metodenya disebut RAPS (Rescaled Adjusted Partical Sums). Sk**

= Sk*/Dy; K= 0,1,2,…,n

Sk*

=  (yi-y)2; K= 1,2,…,n

Dy2

=  (yi-y)2/n

Nilai statistik Q  Q maks Sk** 0
0< K < n

0< K
Nilai statistik Q dan R diberikan pada tabel berikut: Q/n

n 90%

95%

99%

10

1,05

1,14

1,29

20

1,10

1,22

1,42

30

1,12

1,24

1,46

40

1,13

1,26

1,50

50

1,14

1,27

1,52

100

1,17

1,29

1,55

Rn 90%

95%

99%

1,21

1,28

1,38

1,34

1,43

1,60

1,40

1,50

1,70

1,42

1,53

1,74

Analisis statistik dilakukan untuk mengambil kesimpulan tentang parameter populasi berdasarkan observasi sampel. Oleh karena itu, sampel yang diperoleh hendaknya

dapat

memberikan

gambaran

yang ‘tepat’

untuk

populasinya. Karena dalam berbagai penyelidikan atau survey kerap kali dijumpai populasi yang berbeda–beda keadaanya, maka harus digunakan sampel yang berbeda–beda pula macamnya. Khusus untuk populasi yang tidak terlalu heterogen, salah satu macam sampel yang dapat dianggap representatif adalah sampel random, observasi–observasi dalam sampel yang pengambilannya

sedemikian hingga setiap elemen populasinya mempunyai kemungkinan yang sama untuk terambil (Rakhman, 2000).

Dalam perhitungan curah hujan, harga-harga yang terbesar dan terkecil dimasukkan dalam harga pengamatan. Hasil perhitungan itu akan sangat berbeda jika harga itu dimasukkan dalam perhitungan kemungkinan. Jika tidak ada hal yang istimewa maka data-data itu tidak boleh disingkirkan. Jika disingkirkan maka penentuannya tidak boleh diambil secara subjektif (Takeda,1993).

Sebagai contoh akan pentingnya homogenitas suatu data dapat saya ambil contoh

berikut.

Perkembangan

dari

suatu

tanaman.

Tanaman,

dalam

perkembangannya sangat terpengaruh akan suhu di sekitarnya. Suhu juga sangat berperan penting dalam proses evapotranspirasi dan evaporasi. Oleh karena itu sangat perlu untuk mengetahui fluktuasi suhu pada suatu wilayah (Wisnubroto, 1998)

BAB III METODOLOGI

3.1 Alat dan bahan 3.1.1 Alat 1. Alat tulis 2. Kalkulator 3.1.2 Bahan 1. Data curah hujan dari tahun 1985 – 2004

3.2 Cara Kerja 1. Uji Run test a. Dihitung rerata dari seluruh data suhu minimum tiap bulan selama 1 tahun b. Tiap – tiap data suhu minimum dikurangi dengan rerata c. Jika data lebih kecil dari rerata, maka tandanya – (minus) d. Jika data lebih besar dari rerata, maka tandanya + (plus) e. Data yang memiliki tanda + dan – yang berdekatan merupakan nilai U f. Dari tabel 2.1 diatas, jika jumlah data ada 20, maka nilai U harus berada diantara 8 - 13 agar data tersebut homogen. Jika tidak, maka tidak homogen 2. Uji RAPS a. Dihitung rerata dari seluruh data curah hujan b. Tiap – tiap data dikurangi dengan nilai reratanya c. Dihitung SK* kumulatif d. Hasil dari b dikuadratkan 

(Y  Y ) 2 e. Dihitung Dy

   Y  Y  Dy  20

2

f. Dihitung SK** dan dimutlakkan SK** =

SK * Dy

g. Dicari harga |SK**| max dan harga |SK**| min

h. Nilai statistik Q adalah harga |SK**| max Q=

SK **

max

i. Nilai statistik R adalah nilai |SK**| max - nilai |SK**| min R=

SK **

max

-

SK **

min

j. Dalam tabel 3.2 yang digunakan 90 % 

Data homogen, jika Q / n perhitungan < Q / n tabel.



Data tidak homogen, jika Q / n perhitungan > Q / n tabel.



Data homogen, jika R / n perhitungan < R / n tabel.



Data tidak homogen, jika R / n perhitungan > R / n tabel.

3.3. Analisis Data a. Metode Run Test menghitung curah hujan rata – rata dengan rumus CH =

 CH n

b. Metode RAPS     Y  Y  untuk menghitung rata-rata dengan rumus Dy  n SK * SK** = Dy menghitung SK** dengan rumus

2

mencari nilai statistik (Q) dengan rumus

Q=

SK **

max

mencari nilai statistik (R) dengan rumus

Q=

SK **

max

3.4 Contoh Perhitungan

1. Run Test

Ti

= 278 + 399+ 288 + 239 + 236 + 203 + 277+ 224 +203 +342

+225 +236 + 452 +236 +458 + 346 + 605+ 308+428+567 = 6550 Misal untuk tahun 1988

 CH

CH =

20 6550 = 327,5 20 CH - CH = 458 - 327,5 = 130.5 mm

= 2. RAPS

Mis : Untuk Tahun 1988 Y Y

= 185 =

 Yi = 20

6550 = 327,5 20

Y  Y i  458  327,5  130,5mm SK* = 130,5+ (-747) = -616,5 (Yi Y )2  (130,5)2  17030,25

274771 = 117,211561 20 - 616,5 = = -5,25972 117,211561

Dy

=

SK**

SK **

max

SK **

min=

Q=

SK **

= 6,654634 0

max

= 6,654634

R=

SK **

max

-

SK **

min

= 6,654634 - 0

= 6,654634

n  20  4.472

Q n Q n

R

hitung  1,488021 tabel 95%  1,22

n R n

hitung  1,48802133

tabel 95%  1.43

Dapat dilihat, 

Q/

N hitung >> Q / n tabel 95 %, maka data tidak homogen



R /

N hitung >> R / n tabel 95 %, maka data tidak homogen

BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil A. Metode Run Test No. Tahun CH (mm) 1 1974 278 2 1975 399 3 1976 288 4 1977 239 5 1978 236 6 1979 203 7 1980 277 8 1981 224 9 1982 203 10 1983 342 11 1984 225 12 1985 236 13 1986 452 14 1987 236 15 1988 458 16 1989 346 17 1990 605 18 1991 308 19 1992 428 20 1993 567 Jumlah Rerata Kesimpulan homogen

CH -49,5 71,5 -39,5 -88,5 -91,5 -124,5 -50,5 -103,5 -124,5 14,5 -102,5 -91,5 124,5 -91,5 130,5 18,5 277,5 -19,5 100,5 239,5 6550 327,5

URange 1 1 0 0 0 0 0 0 1 1 0 1 1 1 0 0 1 1 0 9

B. Metode RAPS no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

tahun 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993

y 278 399 288 239 236 203 277 224 203 342 225 236 452 236 458 346 605 308 428 567

jumlah rerata

y - yrata-rata

-49,5 71,5 -39,5 -88,5 -91,5 -124,5 -50,5 -103,5 -124,5 14,5 -102,5 -91,5 124,5 -91,5 130,5 18,5 277,5 -19,5 100,5 239,5

SK* -49,5 22 -17,5 -106 -197,5 -322 -372,5 -476 -600,5 -586 -688,5 -780 -655,5 -747 -616,5 -598 -320,5 -340 -239,5 0

6550 327,5

Dy =

0,187695

-0,1493 -0,90435 -1,68499 -2,74717 -3,17801 -4,06103 -5,12321 -4,99951 -5,87399 -6,65463 -5,59245 -6,37309 -5,25972 -5,10189 -2,73437 -2,90074 -2,04331 0

|SK**| 0,422313 0,187695 0,149303 0,904348 1,684987 2,747169 3,178014 4,061033 5,123215 4,999507 5,873994 6,654634 5,592452 6,373091 5,25972 5,101886 2,734372 2,900738 2,043314 0

 274771 = 117,211561

SK ** SK **

min=

R=

2450,25 5112,25 1560,25 7832,25 8372,25 15500,25 2550,25 10712,25 15500,25 210,25 10506,25 8372,25 15500,25 8372,25 17030,25 342,25 77006,25 380,25 10100,25 57360,25

SK** -0,42231

274771

20 max = 6,654634

Q=

(Yi-Yrerata)2

SK ** SK **

0,149303 max max

= 6,654634 -

SK **

min

= 6,654634 - 0 = 6,654634

n  20  4.472

Q n

hitung  1,488021

Kesimpulan : tidak homoogen

R n

hitung  1,488021

4.2. Pembahasan Praktikum acara III adalah menghitung homogenitas data curah hujan selama 20 tahun dari tahun 1974 hingga 1993 dengan menggunakan dua metode untuk mementukan homogenitas suatu data yaitu Metode Run Test dan RAPS ( Rescaled Adjusted Partical Sums). Untuk perhitungan dengan metode Run Test diperoleh hasil

U atau

pasangan + dan – dari perhitungan Tminimun dikurangi Tmin rata-rata sebanyak 1, sedangkan untuk data yang homogen jumlah U menurut tabel harus diantara 8 - 13 dari 20 data curah hujan minimum. Jika interval

 Utabel

Uhitungan

tidak masuk dalam

maka data tersebut dikatakan tidak homogen. Penyebab

suatu data tidak homogen adalah karena adanya beberapa faktor, antara lain , perhitungan, dan perubahan keadaan lingkungan. Pada perhitungan metode RAPS diperoleh hasil

Q n

hitungan sebesar

1,488021. Sedangkan nilai yang terdapat pada tabel hubungan n, Q, dan R dengan indeks kebenaran 95 % yaitu sebesar 1,22. Hasil ini menunjukkan

Q n

hitungan 

Q

Sedangkan untuk

tabel , sehingga data

n

Q

dikatakan tidak homogen.

n perhitungan

R n

hitungan

diperoleh hitungan sebesar

1,488021 dan yang tertera pada tabel adalah sebesar 1,43. Dari hasil ini dapat diketahui bahwa

R n

hitungan 

homogen. Maksud dari

R n

tabel sehingga data

R n

dikatakan tidak

R Q dan homogen yaitu data yang diperoleh dari n n

lapangan sudah terbukti kebenarannya sehingga data tersebut bisa dianalisis lebih lanjut. Untuk metode Run Test lebih sederhana jika dibandingkan dengan metode RAPS. Hasil yang diperoleh dari metode Run Test kurang akurat. Dengan Metode

RAPS perhitungannya sedikit lebih sehingga hasil akhir yang didapatkan akan semakin akurat. Dari hasil perhitungan dapat diketahui bahwa perhitungan dengan metode Run Test memperoleh hasil yang homogen, sedangkan dengan metode RAPS diperoleh hasil yang tidak homogen. Dengan perhitungan yang lebih rumit, bisa dijadikan indikator bahwa hasil yang diperoleh dari perhitungan RAPS lebih akurat jika dibandingkan dengan metode Run Test. Kedua metode ini menggunakan data yang sama.

BAB V KESIMPULAN 1. Pada perhitungan melalui metode Run Test didapat

 Uhitungan  9

Utabel  8  13 Ini menunjukkan bahwa data homogen karena Uhitungan masuk dalam interval  Utabel . Sehingga hasil yang diperoleh adalah homogen dan

2. Pada perhitungan RAPS didapatkan hasil bahwa :

Q

a.

n

hitungan  1,488021 dan

Karena

Q n

hitungan 

Q n

Q n

tabel  1.22

tabel maka data

Q

dikatakan tidak

n

homogen b.

R n

hitungan  1,488021 dan

Karena

R n

hitungan 

R n

R n

tabel  1.43

tabel maka data

R n

dikatakan tidak

homogen. 3. Ada beberapa faktor yang mnjadikan suatu data tidak homogen, antara lain berubahnya keadaan lingkungan, perubahan tempat pengukuran alat, kesalahan dalam meletakkan alat pengukur, faktor ketelitian pengamat, kerusakan atau kehilangan data, serta adanya perubahan intensitas cahaya. 4. Metode RAPS mempunyai tingkat keakuratan yang lebih baik jika dibandingkan dengan metode Run Test.

DAFTAR PUSTAKA

Anonim. 2008. Panduan Praktikum Agroklimatologi. Fakultas Teknologi Pertanian. Universitas Gadjah Mada. Yogyakarta. Harto, Sri. 1993. Analisis Hidrologi. PT Gramedia Pustaka Utama, Jakarta. Rakhman, 2000. Metode Statistik. Fakultas MIPA UGM. Yogyakarta. Takeda, Kensaku. 1993. Manual on Hydrology. Association for International Technical Promotion. Tokyo. Wisnubroto, Sukardi. 1998. Meteorologi Pertanian Indonesia. Mitra Gama Widya, Yogyakarta.