JURNAL TEKNIK PENGAIRAN KONSENTRASI PEMANFAATAN DAN PENDAYAGUNAAN SUMBER DAYA AIR

Transkripsi

1 PERBANDINGAN METODE STANDARDIZED PRECIPITATION INDEX (SPI) DAN THORNTHWAITE MATHER DALAM MENENTUKAN INDEKS KEKERINGAN PADA DAS RONDONINGU KABUPATEN PROBOLINGGO JURNAL TEKNIK PENGAIRAN KONSENTRASI PEMANFAATAN DAN PENDAYAGUNAAN SUMBER DAYA AIR Ditujukan untuk memenuhi persyaratan memperoleh gelar Sarjana Teknik MEIDIANA TEJA H NIM UNIVERSITAS BRAWIJAYA FAKULTAS TEKNIK MALANG 2017

2

3 PERBANDINGAN METODE STANDARDIZED PRECIPITATION INDEX (SPI) DAN THORNTHWAITE MATHER DALAM MENENTUKAN INDEKS KEKERINGAN PADA DAS RONDONINGU KABUPATEN PROBOLINGGO Meidiana Teja H 1, Donny Harisuseno 2, Dian Chandrasasi 2 1 Mahasiswa Program Sarjana Teknik Jurusan Pengairan Universitas Brawijaya 2 Dosen Teknik Pengairan Fakultas Teknik Universitas Brawijaya mthapsari@gmail.com ABSTRAK Kekeringan adalah ketersediaan air yang jauh di bawah kebutuhan air untuk kebutuhan hidup, pertanian, kegiatan ekonomi dan lingkungan. Dalam penanganan bencana kekeringan, hal mendasar yang perlu diketahui adalah dimensi indeks kekeringan untuk mengetahui besarnya kekeringan di suatu daerah sebelum dilakukan manajemen pengelolaan kekeringan lebih lanjut. Penelitian ini menggunakan metode Standardized Precipitation Index (SPI) dan Thornthwaite Mather. Metode SPI merupakan metode yang digunakan untuk mengidentifikasi kejadian kekeringan meteorologis yang dicirikan dengan kekurangan curah hujan sebagai indikasi pertama terjadinya bencana kekeringan sedangkan metode Thornthwaite Mather digunakan untuk mengidentifikasi kekeringan pertanian yang dicirikan dengan kekurangan lengas tanah. Setelah perhitungan indeks kekeringan, dilakukan penggambaran peta sebaran kekeringan menggunakan interpolasi Kriging pada software ArcGIS. Hasil penelitian menunjukkan bahwa puncak kekeringan metode SPI periode defisit 1 bulan terjadi Januari dan April dengan kecamatan yang mengalami kekeringan yaitu Kecamatan Krejengan, Maron, Gading, dan Krucil. Sedangkan pada metode Thornthwaite Mather, puncak kekeringan terjadi pada bulan September di seluruh kecamatan. Berdasarkan analisis kesesuaian antara indeks kekeringan dan debit, dapat disimpulkan bahwa perhitungan indeks kekeringan dengan metode Thornthwaite Mather memiliki tingkat akurasi yang lebih tinggi dibanding perhitungan dengan metode Standardized Precipitation Index. Kata kunci: curah hujan, evapotranspirasi, indeks kekeringan, Standardized Precipitation Index, Thornthwaite Mather, ArcGIS ABSTRACT Drought is availability of water which is far on below water demand for necessities of domestic life, agriculture, economic activity and environment. To solve the drought, the most important attribute to be paid attention is drought index dimension, to find out the drought level before developed further drought management. This research using Standardized Precipitation Index (SPI) and Thornthwaite Mather methods. SPI method was aimed to identify the meteorological occurrence of the drought which was characterized by the lack of rainfall as the first indication preceding the drought. Thornthwaite Mather method was used to identify agriculture drought featured by the reduction of soil humidity. The resultant drought index was then used to produce spatial distribution map using the Kriging Interpolation provided within ArcGIS Software. The result of research indicated that SPI-based drought peak at 1-month deficit period was found on January and April, and the drought had affected some districts including Krejengan, Maron, Gading and Krucil. The result from Thornthwaite Mather method revealed that drought peak occured on September at entire districts. The result of conformity analysis between drougth index and discharge data had shown that drought index resulted from Thornthwaite Mather method had higher accuracy than SPI method. Keywords: rainfall, evapotranspiration, drought index, Standardized Precipitation Index, Thornthwaite Mather, ArcGIS

4 PENDAHULUAN Dalam kurun tiga dasawarsa terakhir iklim di Indonesia mengalami perubahan yang cukup dinamis. Salah satu kondisi yang bisa dirasakan adalah semakin naiknya suhu serta semakin beragamnya pola iklim saat ini. Semakin naiknya suhu serta semakin beragamnya pola iklim membuat suhu udara semakin tinggi. Itu berpengaruh terus pada peningkatan evaporasi dan evapotranspirasi yang berujung pada semakin menipisnya ketersediaan air, sehingga menimbulkan kekeringan berkepanjangan (Adi, 2015). Kekeringan adalah salah satu bencana alam yang terjadi secara perlahan dan berlangsung lama hingga musim hujan tiba yang mempunyai dampak yang luas. Kekeringan terjadi akibat adanya penyimpangan kondisi cuaca dari kondisi normal yang terjadi di suatu wilayah. Penyimpangan tersebut dapat berupa berkurangnya curah hujan dibandingkan dengan kondisi normal (Mujtahiddin, 2014). Kekeringan dikategorikan menjadi 5 jenis yaitu kekeringan meteorologis, hidrologis, pertanian, sosial-ekonomi, dan hidrotopografi. Kekeringan erat kaitannya dengan berkurangnya curah hujan, suhu udara di atas normal, kelembaban tanah rendah, dan pasokan air permukaan yang tidak mencukupi. Bahaya kekeringan dapat dilihat tidak hanya dari aspek meteorologis saja, dimana ketika terjadi kekurangan curah hujan dalam durasi waktu tertentu, maka akan menimbulka dampak kekurangan air bagi aspek yang lain, sehingga aspek terdampak dampat disebut pula mengalami Gambar 1. Peta Lokasi Studi

5 kekeringan. Namun demikian, semua jenis kekeringan berasal dari kurangnya curah hujan yang turun dan atau ketidakcukupan curah hujan yang turun pada suatu periode tertentu (Nurrahman & Pamungkas, 2013). Kekeringan yang dikaji dalam studi ini adalah kekeringan meteorologis dan kekeringan pertanian yang terjadi di DAS Rondoningu Kabupaten Probolinggo. Pada tahun 2015 Kabupaten Probolinggo berada pada tahap Darurat Bencana Kekeringan sehingga diperlukan usaha untuk mengantisipasi hal tersebut. Studi ini bertujuan untuk menganalisis besar indeks kekeringan guna mengetahui tingkat kekeringan yang terjadi agar dapat dilakukan penangan awal yang tepat supaya kerugian-kerugian yang timbul akibat bencana kekeringan ini dapat diminimalisir. METODE PENELITIAN Lokasi Penelitian Lokasi studi berada di DAS Rondoningu Kabupaten Probolingo. Kabupaten Probolinggo berada pada posisi 7 40 LS LS dan BT BT, dengan luas wilayah 1.696,16 km². Wilayah Kabupaten Probolinggo terletak pada ketinggian m diatas permukaan laut, tanahnya berupa tanah vulkanis yang banyak mengandung mineral dari ledakan gunung berapi dan lumpur bercampur dengan tanah liat yang berwarna kelabu kekuning-kuningan. Gambar 1 menunjukkan peta lokasi studi. Metode Pengumpulan Data Data-data yang dibutuhkan dalam analisis ini adalah: 1. Data hujan bulanan 15 tahun ( ) 2. Data suhu bulanan 15 tahun ( ) 3. Peta DAS Rondoningu 4. Peta Tata Guna Lahan tahun Peta Jenis Tanah 6. Data debit 6 tahun ( ) 7. Data Koordinat 9 Stasiun Hujan Tahapan Analisis 1. Pengumpulan data 2. Analisis kualitas data hujan a. Uji konsistensi data (Metode Kurva Massa Ganda) b. Uji Stasioner (Uji T dan Uji F) 3. Analisis indeks kekeringan a. Metode SPI b. Metode Thornthwaite Mather 4. Pemetaan indeks kekeringan 5. Perbandingan hasil perhitungan Metode Standardized Precipitation Index (SPI) Metode SPI (Standardized Precipitation Index) dikembangkan oleh McKee et al tahun Perhitungan nilai SPI berdasarkan jumlah sebaran gamma yang didefinisikan sebagai fungsi frekuensi atau peluang kejadian sebagai berikut: x 1 x G(x) = g(x)dx = e x/β dx (1) t a β α Г(a) Nilai α dan β diestimasi untuk setiap stasiun hujan dengan menggunakan rumus sebagai berikut: atau α = 1 4A ( A 3 ) (2) A = ln(x) - ln(x) n (3) α = x 2 (4) s 2 β = x (5) α Untuk x > 0 Untuk x = 0 maka nilai G(x) menjadi: H(x) = q + (1 - q). G(x) (6) Dengan q = jumlah kejadian hujan = 0 (m)/jumlah data (n) Nilai SPI merupakan transformasi dari distribusi gamma (G(x)) menjadi standar normal dengan rata-rata (mean) 0 dan

6 perbedaan 1, atau menggunakan rumusan di bawah ini: Perhitungan Z atau SPI untuk 0<H(x) 0,5 Z = SPI = - (t c 0+c 1 t+c 2 t 2 1+d 1 t+d 2 t 2 +d 3 t3) (7) t = ln ( 1 (H(x)) 2) (8) Perhitungan Z atau SPI untuk 0,5<H(x) 1,0 Z =SPI = + (t c 0+c 1 t+c 2 t 2 1+d 1 t+d 2 t 2 +d 3 t3) (9) t = ln ( 1 (H(x)) 2) (10) dimana: c0= d1= c1= d2= c2= d3= Kriteria nilai indeks kekeringan metode SPI diklasifikasikan dalam Tabel 1. Metode Thornthwaite Mather a. Analisis Data Suhu Perhitungan suhu udara untuk seluruh stasiun hujan menggunakan cara Mock. Data suhu udara diperoleh dari Stasiun Hujan Karangploso dan dijadikan acuan karena ke 9 stasiun hujan tidak memiliki data suhu udara. T = 0,006 (Z1-Z2) (11) dimana: T = selisih temperatur udara masingmasing stasiun ( C) Z1 = elevasi stasiun acuan (m) Z2 = elevasi stasiun hujan yang diperhitungkan (m) Tabel 1. Klasifikasi SPI mengikuti skala Nilai SPI Klasifikasi >2.00 Sangat basah Basah Agak basah (-0.99) 0.99 Normal (-1.00) (-1.49) Agak kering (-1.50) (-1.99) Kering <(-2.00) Sangat kering Sumber: Mc Kee, 1993 b. Evapotranspirasi Potensial (PE) Evapotransporasi potensial untuk setiap bulannya dihitung dengan metode Thornthwaite Mather dengan persamaan di bawah ini: i = (T/5) 1,514 (12) I = i (13) α = (0, I 3 )(0, I 2 ) + 0,01792.I + 0,49239 (14) Pex = 16 (10T/I) α (15) dimana: Pex = evapotranspirasi potensial belum terkoreksi (mm/bulan) T = suhu udara ( C) i = indeks panas I = jumlah indeks panas dalam setahun α = indeks panas Untuk evapotranspirasi potensial terkoreksi dikalikan dengan faktor koreksi. PE = f. Pex (16) dimana: PE = evapotranspirasi potensial terkoreksi (mm/bulan) f = faktor koreksi (dilihat pada tabel koreksi lintang dan waktu) c. Kapasitas Tanah Dalam Menyimpan Air (Water Holding Capacity) Kapasitas tanah dalam menyimpan air adalah jumlah air maksimum yang dapat disimpan di dalam lapisan tanah yang besarnya ditentukan oleh jenis tanah dan kedalaman akar. Analisis ini bertujuan untuk menghitung nilai Sto (kelengasan tanah pada kapasitas lapang). d. Menghitung Selisih Hujan (P) dan PE Menghitung selisih hujan (P) dan PE bertujuan untuk menentukan apakah bulan tersebut termasuk bulan basah atau bulan kering. (P-PE) > 0, terjadi bulan basah (P-PE) < 0, terjadi bulan kering

7 e. Akumulasi Potensi Kehilangan Air (APWL) Nilai Akumulasi Potensi Kehilangan Air (APWL) adalah nilai akumulasi bulanan dari selisih hujan dan evapotranspirasi potensial (P-PE). Menghitung APWL dilakukan dengan cara sebagai berikut: Pada bulan-bulan kering atau yang nilai presipitasinya lebih kecil dari nilai evapotranspirasi potensial (P<PE) dilakukan dengan cara menjumlahkan nilai selisih (P-PE) setiap bulan dengan nilai (P-PE) bulan sebelumnya. Pada bulan-bulan basah (P>PE), maka nilai APWL sama dengan nol. f. Kelengasan Tanah Untuk menghitung kelengasan tanah, nilai didapatkan dengan memperhitungkan bulan basah dan bulan kering. Pada bulan-bulan basah (P>PE), maka nilai ST untuk tiap bulannya sama dengan WHC Pada bulan-bulan kering (P<PE), maka nilai ST untuk tiap bulannya dihitung dengan rumus: ST = Sto.e -(APWL/Sto) (17) dimana: ST = kelengasan tanah Sto = kelengasan tanah pada kapasitas lapang (mm) e = bilangan navier (e = 2,718) APWL = akumulasi potensi kehilangan air (mm/bulan) g. Perubahan Kelengasan Tanah Perubahan kelengasan tanah ( ST) dilakukan dengan cara mengurangi nilai ST pada bulan yang bersangkutan dengan nilai ST pada bulan sebelumnya. h. Evapotranspirasi Aktual (AE) Nilai evapotransipirasi aktual bisa didapat dengan memperhitungkan bulan basah dan bulan kering dimana, Untuk bulan-bulan basah (P>PE), maka nilai AE = PE Untuk bulan-bulan kering (P<PE), maka nilai AE = P - ST i. Perhitungan Defisit Defisit atau kekurangan lengas tanah yang terjadi didapat dengan menghitung selisih antara PE dengan AE. D = PE AE (18) dimana: D = defisit (mm/bulan) PE = evapotranspirasi potensial (mm/bulan) AE = evapotranspirasi aktual (mm/bulan) j. Indeks Kekeringan Indeks kekeringan dihitung dengan nilai prosentase perbandingan antara nilai defisit air dengan evapotranspirasi potensial. Ia = (D/PE) x 100 (19) dimana: Ia = Indeks kekeringan (%) D = defisit (mm/bulan) Klasifikasi nilai indeks kekeringan metode Thornthwaite Mather ditampilkan pada Tabel 2. Metode Poligon Thiessen Metode poligon Thiessen digunakan untuk menghitung kekeringan rata-rata wilayah DAS. Besarnya indeks kekeringan rata-rata poligon Thiessen dihitung dengan rumus sebagai berikut (Triatmodjo,2003): Indeks Kekeringan = (I1.A1+I2.A2+I3.A3+ +In.An)/(A1+A2+ A3 +An) (20) Tabel 2. Klasifikasi Indeks Kekeringan Thornthwaite Mather Indeks Kekeringan (Ia) Klasifikasi 0,00 16,7 Ringan 16, Sedang > 33,3 Tinggi Sumber: Thornthwaite (1957)

8 dimana: I1, I2..In = indeks kekeringan stasiun hujan A1, A2..An = rasio luas sub-area yang mewakili masing-masing stasiun hujan HASIL DAN PEMBAHASAN Analisis Kualitas Data Hujan Analisis kualitas data hujan dilakukan pada 9 stasiun hujan dengan menggunakan uji konsistensi kurva massa ganda dan uji stasioner (Uji T dan Uji F). Berdasarkan hasil analisis menggunakan kurva massa ganda, data hujan di 9 stasiun hujan bersifat konsisten dan berdasarkan uji stasioner (Uji T dan Uji F), data hujan di 9 stasiun hujan bersifat homogen. Tidak ditemukan adanya penyimpangan data sehingga data dapat digunakan untuk perhitungan selanjutnya. Analisis Kekeringan Analisis kekeringan yang dibahas di sini adalah analisis untuk menentukan indeks kekeringan rata-rata wilayah dan intensitas kekeringan yang terjadi setiap bulan. Analisis ini hanya membahas kekeringan pada metode SPI periode defisit 1 bulan dan metode Thornthwaite Mather. Indeks Kekeringan Rata-Rata Wilayah Indeks kekeringan rata-rata wilayah dihitung dengan menggunakan metode rata-rata poligon Thiessen. Tabel 3 dan 4 menunjukkan rekapitulasi indeks kekeringan rata-rata wilayah dan kategori kekeringan untuk metode SPI periode defisit 1 bulan. Sedangkan untuk metode Thornthwaite Mather hasil analisis ditampilkan pada Tabel 5 dan 6. Dari Tabel 3 dan 4 dapat dilihat bahwa indeks kekeringan wilayah SPI defisit 1 bulan berkisar antara (-2,638) 2,742, kekeringan cenderung berada dalam kategori normal, dan kekeringan terparah terjadi pada bulan Januari tahun Untuk metode Thornthwaite Mather, indeks kekeringan wilayah berkisar antara 0,021 74,988, kekeringan cenderung berada dalam kategori ringan, dan kekeringan terparah terjadi pada bulan Oktober tahun Intensitas Kekeringan Analisis ini hanya membahas intensitas kekeringan kategori kering dan sangat kering (periode kering). Intensitas kekeringan didapat dari akumulasi kekeringan periode kering yang terjadi di 9 stasiun hujan selama 15 tahun. Dalam penelitian ini, kejadian kekeringan periode kering dijumlahkan pada setiap bulan untuk mengetahui intensitas kekeringan yang terjadi setiap bulan. Untuk menentukan sebaran kekeringan, nilai indeks kekeringan yang terjadi setiap bulan pada masing-masing stasiun hujan diinterpolasikan dengan menggunakan software ArcGIS. Jenis metode interpolasi yang digunakan adalah interpolasi Kriging. Metode SPI Dari hasil perhitungan menggunakan indeks kekeringan SPI, dihitung intensitas kejadian kekeringan yang terjadi setiap bulan. Tabel 7 menunjukkan prosentase intensitas kekeringan metode SPI periode defisit 1 bulan. Berdasarkan Tabel 7 dapat dilihat bahwa antisipasi kekeringan pada defisit 1 bulan perlu dilakukan pada bulan November hingga Mei. Bulan-bulan basah terjadi pada bulan Juni hingga Oktober. Metode Thornthwaite Mather Dari hasil perhitungan menggunakan indeks kekeringan Thornthwaite Mather, dihitung bulan-bulan dengan tingkat kekeringan kategori tinggi di 9 stasiun hujan kemudian dihitung jumlah kejadian

9 Tabel 3. Rekapitulasi Indeks Kekeringan Rata-Rata Wilayah Defisit 1 Bulan Tahun Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des ,540-0,602 0,242 0,227-0,192 1,726 0,674 0,895 1,759 1,130 0,273-1, ,540 1,170 0,152-0,004-0,756-1,078-0,125 0,895 0,815-0,533-0,774 0, ,198 0,709 0,490-2,324 0,104-0,294-0,075 0,895 0,815-0,173-0,844 0, ,172 0,139 0,299-1,021-1,308-0,369 0,814 0,895 0,815 0,099-0,218 0, ,414-0,777 0,580 0,975-2,089 1,069 0,879 0,895 1,638 0,889-0,386 1, ,985 0,019-0,990 0,307 1,537-0,830 0,328 0,895 0,815-0,533-1,262 0, ,638 1,138 1,670 1,453-0,361 0,993 0,502 0,929 0,815-0,154 0,681 0, ,030 0,255 0,897-1,327-0,408-0,466-0,125 0,958 0,815 1,639 0,857-0, ,287 0,612 0,146 0,091 1,084 1,043 0,829 1,219 1,349 0,934-0,493-2, ,471 0,703 0,681 0,624 1,389 1,471 2,143 2,742 2,705 1,604 1,094 1, ,930-2,083-0,559 0,602 0,270-0,651 0,238 0,895 0,815 1,165-0,504-1, ,422-0,629-0,489-0,117-0,131-0,376-0,125 0,895 0,815 0,581 0,136 0, ,700 0,145-1,126 0,703 0,623 0,400 1,805 0,895 0,815-0,416 0,652 0, ,720-0,286-1,010-0,441-0,053 0,440 0,041 1,403 0,815 0,112 0,814 0, ,510-0,549-0,866 0,030 0,012 0,347 1,143 1,781 0,815 0,259 0,350 0,274 Sumber: Hasil Perhitungan Tabel 4. Kategori Kekeringan Rata-Rata Wilayah Metode SPI Defisit 1 Bulan Tahun Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des 2001 N N N N N B N N B AB N AK 2002 N AK N N N AK N N N N N N 2003 AK N N SK N N N N N N N N 2004 N N N AK AK N N N N N N N 2005 AK N N N SK AB N N B N N AB 2006 N N N N B N N N N N AK N 2007 SK AK K AK N N N N N N N N 2008 N N N AK N N N N N B N N 2009 N N N N AB AB N AB AB N N SK 2010 N N N N AB AB SB SB SB B AB AB 2011 N SK N N N N N N N AB N AK 2012 N N N N N N N N N N N N 2013 N N AK N N N B N N N N N 2014 N N AK N N N N AB N N N N 2015 N N N N N N AB B N N N N Sumber: Hasil Analisis Keterangan: SB = Sangat Basah B = Basah AB = Agak Basah N = Normal AK = Agak Kering K = Kering SK =Sangat Kering Tabel 5. Indeks Kekeringan Rata-Rata Wilayah Metode Thornthwaite Mather Tahun Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des , ,442 5,634 0,450 13,712 35,704 33,485 16,439 0, ,411 25,560 44,012 56,674 66,293 74,988 5, ,738 6,787 3,969 13,435 34,169 49,431 61,556 62,818 2, , ,067 13,006 25,473 34,108 53,420 63,867 44,351 6, ,711 0, ,622 0,291 9,860 32,763 34,972 12,655 3, ,103 13,406 32,806 49,264 60,815 70,840 26, , ,130 15,009 35,678 52,063 63,274 72,899 22, ,873 3,794 14,476 35,522 50,079 61,461 12, ,151 0, ,766 13,335 33,659 45,003 24,070 20,508 12, , ,200 1,075 0,338 3,267 2,196 7,707 0, ,021 0,107 12,224 29,211 48,284 60,732 18,789 6,992 1, ,592 4,587 13,469 33,720 48,505 60,337 22,545 10, , ,185 2,760 4,542 18,546 38,711 50,305 2, ,175 1,956 5,428 10,732 27,246 41,055 56,469 41,840 10, ,045 0,661 1,228 3,903 7,735 14,987 34,193 51,388 43,327 5,491 1,834 Sumber: Hasil Perhitungan

10 Tabel 6. Kategori Kekeringan Rata-rata Wilayah Metode Thornthwaite Mather Tahun Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des 2001 R R R R R R R T T S R R 2002 R R R R R S T T T T R R 2003 R R R R R R T T T T R R 2004 R R R R R S T T T T R R 2005 R R R R R R R S T R R R 2006 R R R R R R S T T T S R 2007 R R R R R R T T T T S R 2008 R R R R R R T T T R R R 2009 R R R R R R R T T S S R 2010 R R R R R R R R R R R R 2011 R R R R R R S T T S R R 2012 R R R R R R T T T S R R 2013 R R R R R R R S T T R R 2014 R R R R R R S T T T R R 2015 R R R R R R S T T T R R Sumber: Hasil Analisis Keterangan: T = Tinggi S = Sedang R = Ringan Tabel 7. Prosentase Intensitas Kekeringan Metode SPI Defisit 1 Bulan Intensitas Bulan Kekeringan (%) Defisit 1 bulan Jan 13,3 Feb 7,4 Mar 5,2 Apr 9,6 Mei 8,9 Jun 1,5 Jul 0 Agt 0 Sep 0 Okt 0 Nov 7,4 Des 11,9 Sumber: Hasil Perhitungan untuk setiap bulan sehingga didapatkan bulan-bulan yang perlu diantisipasi. Tabel 8 menunjukkan prosentase intensitas kekeringan metode Thornthwaite Mather. Berdasarkan hasil analisis, kekeringan di DAS Rondoningu berada dalam kondisi ringan pada bulan Desember hingga Mei, kondisi sedang terjadi pada bulan Tabel 8. Prosentase Intensitas Kekeringan Metode Thornthwaite Mather Bulan Intensitas Kejadian Kekeringan (%) Jan 2,96 Feb 0 Mar 0 Apr 3,70 Mei 7,41 Jun 18 Jul 40,74 Ags 73,33 Sep 85,93 Okt 68,15 Nov 22,22 Des 2,96 Sumber: Hasil Perhitungan Juni dan November, dan kondisi tinggi terjadi pada bulan Juli - Oktober. Analisis Peta Sebaran Kekeringan Analisis peta sebaran kekeringan dilakukan untuk mengetahui daerah yang memiliki potensi kekeringan. Peta sebaran kekeringan dihasilkan dari perhitungan indeks kekeringan menggunakan ArcGIS 10.2 dengan interpolasi Kriging. Dari peta

11 Debit (m3/dt) Indeks Kekeringan (%) Jan Mar Mei Jul Sep Nov Jan Mar Mei Jul Sep Nov Debit (m3/dt) Indeks Kekeringan sebaran kekeringan pada metode SPI periode defisit 1 bulan (Gambar 2) dapat dilihat bahwa puncak kekeringan terjadi pada bulan Januari dan April. Kecamatan yang mengalami kekeringan yaitu Krejengan, Maron, Gading, dan Krucil. Sedangkan berdasarkan peta sebaran kekeringan metode Thornthwaite Mather (Gambar 3), puncak kekeringan terjadi pada bulan September di seluruh kecamatan. Perbandingan Hasil Perhitungan Dengan Debit Perbandingan ini dilakukan untuk mengetahui tingkat kesesuaian pola antara debit dan indeks kekeringan. Perbandingan hasil perhitungan indeks kekeringan dengan debit ditampilkan pada Gambar 4 dan Gambar 4. Grafik Perbandingan Debit dan Indeks Kekeringan Metode SPI Periode Defisit 1 Bulan Tahun di Stasiun Hujan Pandan Laras Jan Apr Jul Okt Jan Apr Jul Okt Gambar 5. Grafik Perbandingan Debit dan Indeks Kekeringan Metode Thornthwaite Mather Tahun di Stasiun Hujan Pandan Laras Dari hasil grafik terlihat bahwa pola indeks kekeringan dan pola debit memiliki kesamaan di bulan-bulan tertentu. Pada metode SPI kesesuaian terjadi ketika debit meningkat maka indeks kekeringan menaik dan ketika debit menurun maka indeks kekeringan juga menurun. Dari Gambar 4 terlihat bahwa kesesuaian pola antara indeks kekeringan dan debit pada tahun 2001 sebesar 36% dan pada tahun 2002 sebesar 82%. Untuk metode Thornthwaite Mather kesesuaian terjadi ketika debit meningkat maka indeks kekeringan menurun dan ketika debit menurun maka indeks kekeringan meningkat. Dari Gambar 5 terlihat bahwa kesesuaian pola pada tahun 2001 sebesar 64% dan pada tahun 2002 sebesar 73%. Tabel 9 menunjukkan rekapitulasi nilai kesesuaian SPI dan Thornthwaite Mather. Secara rata-rata nilai kesesuaian pada metode SPI sebesar 59,3%, sedangkan pada metode Thornthwaite Mather nilai kesesuaian sebesar 74,5%. Sehingga dapat disimpulkan bahwa perhitungan indeks kekeringan dengan metode Thornthwaite Mather memiliki tingkat akurasi yang lebih tinggi dibanding perhitungan dengan metode SPI. Metode Tabel 9. Rekapitulasi Nilai Kesesuaian SPI dan Thornthwaite Mather Tingkat Kesesuaian (%) Tahun Thornthwaite SPI Mather Sumber: Hasil Perhitungan

12 Gambar 2. Peta Sebaran Kekeringan Metode SPI Periode Defisit 1 Bulan Gambar 3. Peta Sebaran Kekeringan Metode Thornthwaite Mather

13 SPI lebih sesuai digunakan untuk daerah dengan rerata hujan yang sama per bulan dalam satu tahun dan tidak sesuai digunakan untuk iklim curah hujan di Indonesia. KESIMPULAN DAN SARAN Kesimpulan Berdasarkan hasil analisis dan perhitungan yang telah dilakukan, maka dapat diambil kesimpulan sebagai berikut: 1. Indeks kekeringan wilayah SPI periode defisit 1 bulan berkisar antara (-2,638) 2,742, kekeringan cenderung berada dalam kategori normal, dan kekeringan terparah terjadi pada bulan Januari tahun Untuk metode Thornthwaite Mather, indeks kekeringan wilayah berkisar antara 0,021 74,988, kekeringan cenderung berada dalam kategori ringan, dan kekeringan terparah terjadi pada bulan Oktober tahun Sebaran kekeringan pada DAS Rondoningu dengan menggunakan metode Kriging. Metode SPI Berdasarkan hasil pembuatan peta sebaran kekeringan pada periode defisit 1 bulan, puncak kekeringan terjadi pada bulan Januari dan April. Kecamatan yang mengalami kekeringan yaitu Krejengan, Maron, Gading, dan Krucil. Metode Thornthwaite Mather Berdasarkan hasil pembuatan peta sebaran kekeringan, puncak kekeringan terjadi pada bulan September di seluruh kecamatan. 3. Hasil indeks kekeringan jika dikaitkan dengan debit air yang tersedia selama 6 tahun, untuk metode SPI periode defisit 1 bulan prosentasi kesesuaian rata-rata sebesar 59,3% sedangkan metode Thornthwaite Mather prosentasi kesesuaian rata-rata sebesar 74,5%. Sehingga bisa disimpulkan bahwa perhitungan indeks kekeringan dengan metode Thornthwaite Mather memiliki tingkat akurasi yang lebih tinggi dibanding perhitungan dengan metode SPI. Metode SPI lebih sesuai digunakan untuk daerah dengan rerata hujan yang sama per bulan dalam satu tahun dan tidak sesuai digunakan untuk iklim curah hujan di Indonesia. Saran Untuk penelitian selanjutnya, disarankan untuk menggunakan data hujan yang lebih panjang dan lengkap agar mendapatkan hasil yang lebih akurat dan menggunakan data tata guna lahan pada tahun terbaru agar indeks kekeringan bisa lebih sesuai dengan karakteristik penggunaan lahan pada lokasi studi. DAFTAR PUSTAKA Adi, R. N Klasifikasi Iklim dan Intensitas Kekeringan Daerah Aliran Sungai Code Berdasarkan Indeks Kekeringan. Prosiding Seminar Nasional Restorasi DAS. Mc. Kee, T.B., Doesken, N.J., Kleist, J The Relationship of Drought Frequency and Duration to Time Scales. Eight Conference on Applied Climatology, January 1993, Anaheim, California, USA, page Mujtahiddin, M. I Analisis Spasial Indeks Kekeringan Kabupaten Indramayu. Jurnal Meteorologi dan Geofisika VOL. 15 No. 2 Tahun 2014: Nurahman, F. I. & Pamungkas A Identifikasi Sebaran Daerah Rawan Bahaya Kekeringan Meteorologi di

14 Kabupaten Lamongan. Jurnal Teknik POMITS Vol. 2, No. 1, (2013) ISSN: Singgih Desa Di Kabupaten Probolinggo Mengalami Darurat Bencana Kekeringan. desa-di-kabupaten-probolinggomengalami-darurat-bencanakekeringan/. (diakses tanggal 16 Maret 2016). Thornthwaite, C.W. and J.R. Mather Introduction and Tables for Computing Potensial Evapotranspiration and The water Balance, Publ. In Clim. Vol. X No 3 Certerton, New Jersey Triatmodjo, B Hidrologi Terapan. Yogyakarta: Beta Offset.