PROPOSAL PROGRAM KREATIVITAS MAHASISWA

Transkripsi

1 PROPOSAL PROGRAM KREATIVITAS MAHASISWA JUDUL PROGRAM DETEKSI IKLIM EKSTRIM DENGAN PENDEKATAN COPULA SEBAGAI EARLY WARNING SYSTEM PADA PRODUKSI PADI DI LAMONGAN JAWA TIMUR BIDANG KEGIATAN : PKM PENELITIAN Diusulkan oleh : Ratnajulie Yatnaningtyas ( ) Angkatan 2012 Indah Fahmiyah ( ) Angkatan 2012 Elly Pusporani ( ) Angkatan 2012 Kartika Nur Anisa ( ) Angkatan 2011 INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2015

2 PROPOSAL PROGRAM KREATIVITAS MAHASISWA JUDUL PROGRAM DETEKSI IKLIM EKSTRIM DENGAN PENDEKATAN COPULA SEBAGAI EARLY WARNING SYSTEM PADA PRODUKSI PADI DI LAMONGAN JAWA TIMUR BIDANG KEGIATAN : PKM PENELITIAN Diusulkan oleh : Ratnajulie Yatnaningtyas ( ) Angkatan 2012 Indah Fahmiyah ( ) Angkatan 2012 Elly Pusporani ( ) Angkatan 2012 Kartika Nur Anisa ( ) Angkatan 2011 INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2015 i

3 PENGESAHAN PKM-PENELITIAN 1. Judul Kegiatan 2. Bidang Kegiatan 3. Ketua Pelaksana Kegiatan a. Nama Lengkap b. NIM c. Jurusan d. Universitas/Institut/Politeknik e. Alamat Rumah dan No Tel./HP f. Alamat 4. Anggota Pelaksana Kegiatan / Penulis 5. Dosen Pendamping a. Nama Lengkap dan Gelar b. NIDN c. Alamat Rumah dan No Tel./HP 6. Biaya Kegiatan Total a. Dikti b. Sumber Lain 7. Jangka Waktu Pelaksanaan Dosen Pendamping :Deteksi Iklim Ekstrim dengan Pendekatan Copula sebagai Early Warning System pada Produksi Padi di Lamongan Jawa Timur. : PKM-P : Ratnajulie Yatnaningtyas : : Statistika : Institut Teknologi Sepuluh Nopember Surabaya : Jalan Arief Rahman Hakim No. 86 Sukolilo, Surabaya/ : ratnajuliey@gmail.com : 3 Orang : Dr. Sutikno, S.Si, M.Si : : Jalan Keputih Tegal No 61 Sukolilo Surabaya/ : Rp ,00 :: 3 Bulan Surabaya, 23 Februari 2015 Ketua Pelaksana Kegiatan (Dr. Sutikno, S.Si, M.Si) NIDN (Ratnajulie Yatnaningtyas) NRP Mengetahui, Ketua Mahasiswa Penanggulangan Bencana ITS (Gatot Subroto) NRP ii

4 DAFTAR ISI HALAMAN JUDUL... i LEMBANR PENGESAHAN... ii DAFTAR ISI... iii DAFTAR TABEL... iii DAFTAR GAMBAR... iv RINGKASAN... v BAB 1. PENDAHULUAN 1.1 Latar Belakang Perumusan Masalah Tujuan Luaran Yang Diharapkan Manfaat Program... 3 BAB 2. TINJAUAN PUSTAKA 2.1 Curah Hujan ENSO (El Nino-Southern Oscillation) Early Warning System Konsep Dasar Copula Keluarga Copula Copula Gaussian Copula Archimedean Estimasi Parameter Copula denganmaximum Likelihood Estimation Pengujian Estimasi Parameter Copula Penelitian Sebelumnya... 6 BAB 3. METODE PENELITIAN 3.1 Sumber Data Variabel Penelitian Diagram Alir Penelitian... 8 BAB 4. BIAYA DAN JADWAL KEGIATAN 4.1 Anggaran Biaya Jadwal Kegiatan... 8 DAFTAR PUSTAKA... 9 LAMPIRAN DAFTAR TABEL Tabel 1. Variabel Penelitian... 7 Tabel 2. Struktur Data Curah Hujan dan Indikator ENSO... 8 Tabel 3. Anggaran Biaya... 8 Tabel 4. Jadwal Kegiatan Penelitian... 8 iii

5 DAFTAR GAMBAR Gambar 1. Pembagian Nino dan Letaknya... 4 Gambar 2. Plot Copula Clayton, Frank, dangumbel... 5 Gambar 3. Lokasi Penelitian di Kabupaten Lamongan... 7 Gambar 4. Diagram Alir Penelitian... 8 iv

6 RINGKASAN Jawa Timur adalah salah satu provinsi yang memberikan kontribusi besar dalam produksi padi nasional dengan produktivitas sebesar 59,15 Kw/Ha. Lamongan adalah salah satu kabupaten di Jawa Timur yang mempunyai produktivitas terbesar di Jawa Timur, yaitu sebesar 63,60 Kw/Ha (BPS, 2013) dan tercatat menjadi penghasil padi terbesar kedua di Jawa Timur. Produksi padi Lamongan tahun 2013 sebesar ton Gabah Kering Giling (GKG). Produksi padi Lamongan meningkat dari tahun sebelumnya sekitar ton GKG atau sekitar 6,1 persen. Meskipun Lamongan menjadi salah satu penghasil padi terbanyak di Jawa Timur, Lamongan masih rawan terjadi bencana banjir dan kekeringan yang memberikan dampak negatif terhadap produksi padi dan menimbulkan kerugian bagi petani pada khususnya. Hal ini menunjukkan bahwa iklim, khususnya curah hujan, sangat mempengaruhi produksi padi karena curah hujan turut menentukan masa tanam padi. Curah hujan memiliki keragaman dan fluktuatif yang tinggi. Keragaman curah hujan dipengaruhi oleh fenomena di Lautan Pasifik, yaitu ENSO (El Nino-Southern Oscillation). ENSO mengukur perubahan yang terjadi pada suhu permukaan laut di timur Pasifik. Pada penelitian ini, akan digunakan pendekatan Copula. Pendekatan Copula memberikan hasil yang tepat untuk data pengamatan ekstrim dan untuk kondisi dengan asumsi-asumsi kenormalan yang terlanggar. Dengan adanya penelitian ini, akan diketahui pola hubungan antara curah hujan dan indikator ENSO Sea Surface Temperature sebagai prediksi untuk Early Warning System produksi padi di Lamongan serta dapat menjadi bahan evaluasi kerja Pemerintah Kabupaten Lamongan untuk membuat kebijakan agar tetap mempertahankan stabilitas produksi padi di Indonesia, khususnya di Kabupaten Lamongan. v

7 1 BAB 1. PENDAHULUAN 1.1 Latar Belakang Jawa Timur adalah salah satu provinsi yang memberikan kontribusi besar dalam produksi padi nasional dengan produktivitas sebesar 59,15 Kw/Ha. Lamongan adalah salah satu kabupaten di Jawa Timur yang mempunyai produktivitas terbesar di Jawa Timur, yaitu sebesar 63,60 Kw/Ha (BPS, 2013) dan tercatat menjadi penghasil padi terbesar kedua di Jawa Timur. Produksi padi Lamongan tahun 2013 sebesar ton Gabah Kering Giling (GKG). Produksi padi Lamongan meningkat dari tahun sebelumnya sekitar ton GKG atau sekitar 6,1 persen. Meskipun Lamongan menjadi salah satu penghasil padi terbanyak di Jawa Timur, Lamongan masih rawan terjadi bencana banjir dan kekeringan yang memberikan dampak negatif terhadap produksi padi dan menimbulkan kerugian bagi petani pada khususnya. Curah hujan yang tinggi di akhir 2013 dan awal 2014 menyebabkan petani cenderung tanam padi pada musim tersebut, sehingga hal tersebut menimbulkan adanya pergeseran tanam palawija ke padi. Hal ini menjadi salah satu penyebab luas panen tahun 2013 meningkat (kabarbisnis.com, 2013). Selain itu, sejak bulan Januari hingga Juli 2013, terdapat 1.505,4 hektar tanaman padi di Lamongan diserang hama wereng dengan sebaran, meliputi Kecamatan Turi, Pucuk, Lamongan, Kali Tengah, Babat, Sekaran, Maduran, dan Sukodadi. Dari luas area yang terserang hama wereng, 78 hektar dinyatakan puso atau gagal panen. Oleh karena adanya upaya penggunaan pembasmi hama yang efektif, dapat membuat produksi padi Lamongan tetap terjaga bahkan meningkat. Peningkatan produktivitas padi dengan cara modernisasi juga dapat meningkatkan produksi padi Lamongan. Pada tahun 2013, Lamongan mengalami gagal panen sekitar 11 hektar. Di seluruh wilayah Jawa Timur, ada sekitar hektar lahan padi yang mengalami kekeringan selama tahun Dari jumlah lahan padi yang kekeringan tersebut, 601,5 hektar yang mengalami gagal panen dan Lamongan mengalami gagal panen seluas 64 hektar (kabarbisnis.com, 2014). Lahan padi yang paling luas terkena banjir (terendam air) berada di Bojonegoro, yakni hektar, di Tuban seluas 700 hektar, dan di Lamongan seluas 348 hektar. Dampak banjir ini disebut ancaman gagal panen. Hal ini menunjukkan bahwa iklim, khususnya curah hujan, sangat mempengaruhi produksi padi karena curah hujan turut menentukan masa tanam padi. Curah hujan memiliki keragaman dan fluktuatif yang tinggi di Indonesia. Setiap daerah di Indonesia memiliki karakteristik curah hujan yang berbeda-beda. Keragaman curah hujan di Indonesia dipengaruhi oleh fenomena di Lautan Pasifik, yaitu ENSO (El Nino-Southern Oscillation). ENSO mengukur perubahan yang terjadi pada suhu permukaan laut di timur Pasifik (Lefkovitz, 2013). ENSO memiliki dua fase yang berbeda, yaitu El Nino yang umumnya membawa dampak berupa berkurangnya curah hujan bahkan kekeringan, sedangkan La Nina

8 membawa dampak berupa meningkatnya curah hujan yang dapat menyebabkan banjir. Penelitian mengenai keterkaitan curah hujan dan ENSO yang dilakukan oleh Mulyana (2002) menyimpulkan adanya hubungan antara ENSO dan variasi curah hujan di Indonesia. Pada penelitian ini, akan digunakan metode statistika yang dapat menggambarkan hubungan antar variabel yang tidak terlalu ketat terhadap asumsi distribusi, serta dapat menunjukkan hubungan dependensi pada titik-titik ekstrim dengan jelas, yaitu dengan Copula. Metode ini mempunyai kemampuan untuk mendeskripsikan struktur dependensi antar variabel dengan marginal yang berbeda dan memodelkan dependensi tail-nya. Copula adalah suatu fungsi dari dua hubungan distribusi yang masing-masing mempunyai fungsi marginal distribusi (Nelsen, 1998). Beberapa penelitian mengenai Copula telah dilakukan, antara lain penelitian oleh Murteira dan Lourenço (2007) mengenai penggunaan Copula pada kasus kesehatan. Zhu, Ghosh, dan Goodwin (2008) menerapkan Copula untuk memodelkan asuransi. Syahrir (2011) menerapkan Copula pada bidang klimatologi. Hasil penelitian menunjukkan pendekatan dengan Copula memberikan hasil yang tepat untuk data pengamatan ekstrim dan untuk kondisi dengan asumsi-asumsi kenormalan yang terlanggar. Begitu juga dengan penelitian ini menggunakan pendekatan Copula untuk mengetahui pola hubungan curah hujan dan indikator ENSO. Penelitian ini dilakukan di Kabupaten Lamongan, Jawa Timur yang merupakan salah satu daerah sentra produksi padi Jawa Timur sebagai upaya Early Warning System di Lamongan, Jawa Timur. 1.2 Perumusan Masalah Rumusan masalah yang dikaji dalam penelitian ini di antaranya sebagai berikut: 1. Bagaimana persebaran bencana gagal panen di Lamongan, Jawa Timur? 2. Bagaimana pola hubungan antara curah hujan dan indikator ENSO Sea Surface Temperature di Kabupaten Lamongan, Jawa Timur dengan pendekatan Copula? 3. Bagaimana pola hubungan antara curah hujan dan indikator ENSO dengan perbedaan time lag sebagai Early Warning System di Lamongan, Jawa Timur? 1.3 Tujuan Berdasarkan permasalahan di atas, dirumuskan tujuan sebagai berikut : 1. Mengetahui persebaran bencana gagal panen di Lamongan, Jawa Timur. 2. Mengetahui pola hubungan antara curah hujan dan indikator ENSO Sea Surface Temperature di Kabupaten Lamongan, Jawa Timur dengan pendekatan Copula. 3. Mengetahui pola hubungan antara curah hujan dan indikator ENSO dengan perbedaan time lag sebagai Early Warning System di Lamongan, Jawa Timur. 2

9 1.4 Luaran yang Diharapkan Luaran yang diharapkan dari penelitian ini adalah publikasi ilmiah, yaitu berupa jurnal nasional dan jurnal internasional tentang analisis hubungan curah hujan dan indikator ENSO dengan pendekatan Copula sebagai Early Warning System bencana banjir dan kekeringan pada lahan pertanian di Lamongan, Jawa Timur. 1.5 Manfaat Program Hasil penelitian dapat memberikan informasi kepada masyarakat terkait perubahan iklim yang akan terjadi sebagai Early Warning System bencana banjir dan kekeringan pada lahan pertanian di Lamongan, Jawa Timur serta dapat menjadi bahan evaluasi kerja Pemerintah Kabupaten Lamongan untuk membuat kebijakan untuk tetap mempertahankan stabilitas produksi padi di Indonesia, khususnya di Kabupaten Lamongan. BAB 2. TINJAUAN PUSTAKA 2.1 Curah Hujan Curah hujan adalah salah satu unsur iklim terpenting di Indonesia karena memiliki keragaman yang cukup tinggi di Indonesia. Curah hujan merupakan ketinggian air hujan yang terkumpul dalam tempat datar, tidak menguap, tidak meresap, dan tidak mengalir. Satuan curah hujan adalah mm. Arti dari curah hujan 1 milimeter adalah dalam luasan satu meter persegi pada tempat yang datar tertampung air setinggi satu milimeter atau tertampung air sebanyak satu liter. Curah hujan kumulatif (mm) merupakan jumlah hujan yang terkumpul dalam rentang waktu kumulatif tersebut. Dalam periode musim, rentang waktu curah hujan adalah rata-rata panjang musim pada masing-masing daerah prakiraan musim (Mangostina, 2010). 2.2 ENSO (El Nino-Southern Oscillation) ENSO merupakan fenomena alam yang muncul di sekitar Samudera Pasifik dan mempengaruhi kondisi cuaca di sekitarnya, terjadi karena adanya interaksi antara laut dan atmosfer. ENSO mengukur perubahan yang terjadi pada suhu permukaan air laut di garis equator bagian tengah dan timur Pasifik. Fenomena ENSO disebabkan oleh pergantian iklim yang berbeda setiap tahun dari kondisi cuaca yang terjadi. ENSO merupakan salah satu sumber utama variabilitas antar tahunan musim dan iklim di dunia. Penelitian yang telah dilakukan menunjukkan bahwa di beberapa daerah, keragaman ENSO menjelaskan hampir 50% dari total keragaman yang terjadi pada kondisi cuaca lokal (Lefkovitz, 2013). Ketika fase panas dikenal sebagai El Nino dan fase dingin dikenal sebagai La Nina. El Nino merupakan peristiwa memanasnya suhu permukaan laut (SST) di Samudera Pasifik dengan anomali lebih dari 0,5 dan akan berdampak terhadap berkurangnya hujan di Indonesia bagian Tengah dan Timur. La Nina adalah penurunan suhu muka laut di bawah normal di Samudera Pasifik atau anomali 0,5 di bawah normal. Berdasarkan NOAA National Weather Service indikator ENSO diklasifikasikan dalam empat anomali Sea Surface Temperature (SST), 3

10 4 yaitu Anomali SST Nino 1+2, Anomali SST Nino 3, Anomali SST Nino 4 dan Anomali SST Nino 3.4 yang masing-masing didapatkan dari Nino 1+2, Nino 3, Nino 4, dan Nino 3.4. Pembagian Nino berdasarkan letaknya (sesuai garis masingmasing Nino) disajikan pada Gambar 1. Gambar 1. Pembagian Nino dan Letaknya ENSO terbentang melewati Pasifik dari pantai Amerika Selatan (Nino 1+2) sampai Pasifik Timur (Nino 4) (Sarachik & Cane, 2010). Penghitungan anomali SST adalah pengamatan suhu muka laut dikurangi rata-rata suhu muka laut dari pengamatan selama 30 tahun 2.3 Early Warning System Early Warning System (Sistem Peringatan Dini) merupakan serangkaian sistem untuk memperingatkan masyarakat akan timbulnya kejadian alam. Kejadian alam tersebut dapat berupa bencana maupun tanda-tanda alam lainnnya. Early warnng system sebenarnya sudah digunakan oleh masyarakat sejak dulu seperti dalam penggunaan kentongan sinine, dan sebagainya yang menanandakan bahwa ada suatu kejadian yang akan berlangsung. Dengan adanya Early Warning System maka akan terjadi pengurangan resiko bencana. Sistem ini biasnya melibatkan masyarakat luas, terutama didaerah yang rawan terjadi bencana (E. Albar, 2013). 2.4 Konsep Dasar Copula Copula adalah salah satu metode yang digunakan untuk menyelesaiakan kasus-kasus dimana data tidak memenuhi asumsi distribusi normal. Metode ini pertama kali diperkenalakan oleh Sklar (1959). Kasus-kasus yang tidak berdistribusi normal antara lain curah hujan, kecepatan angin, dan lain-lain. Metode ini dapat di aplikasikan kedalam berbagai macam bidang kehidupan seperti keuangan, penghitungan harga saham, time series, ekonomi, dan sebagainya. Dasar konsep dari metode ini adalah misal terdapat 2 vektor random yang mempunyai Marginal Cumulative Distribution F dan F sesuai dengan penjelasan Sklar (1959) dengan distribusi bersama seperti pada persamaan berikut. F = C (F (x ), F (x )) (2.1) Dengan C adalah fungsi kumulatif Copula berdesitas c dan merupakan hasil dari transformasi dari variabel random U = F (X ), i = 1,2, U

11 5 berdistribusi marginal Uniform. Dimana C mempunyai fungsi probabilitas bersama C [0,1] [0,1] [0,1]. Berdasarkan teorema Sklar (1959) didapatkan bahwa probabilitas densitas bersama ditujukkan pada persamaan f (x) = f (x )f (x ). c (u, u ) (2.2) yang merupakan perkalian antara densitas marginal dan densitas copula. 2.5 Keluarga Copula Terdapat banyak keluarga Copula, berikut beberapa keluarga Copula diantaranya yaitu Copula Archimedean, Copula Elips, Copula Bivariate Extreme Value, dan Copula Marshal-Olkin. Keluarga Copula yang paling popular adalah Copula Archimedean dan Copula Elips. Berikut adalah penjelasan masing-masing Copula Copula Gaussian Copula Gaussian atau Copula Normal merupakan salah satu Keluarga Copula Elips. Copula Gaussian diperoleh dari transformasi variabel random kedistribusi normal standar. Fungsi Copula Gaussian diberikan pada persamaan (2.3) berikut. C u u u,,..., X, X,..., X m m F F u F u F u , 0, 0,1 0,1 2,..., 0,1 m N N N N (2.3) Jika Copula Normal digunakan pada distribusi normal multivariat, maka diasumsikan memiliki hubungan yang linear (Schölzel & Friederichs, 2008) Copula Archimedean Copula Archimedean memiliki bentuk distribusi dengan tail dependensi yang menunjukkan probabilitas kondisional pada daerah ekstrim. Fungsi dari Copula Archimedean : 0,1 m 0,1 1998). C dapat ditulis dalam persamaan (2.4) (Nelsen,,,...,... C u u u u u u (2.4) 1 m 1 2 m 1 2 dengan 0,1 0, merupakan monoton sempurna. Keluarga Copula Archimedean adalah Copula Clayton, Copula Frank, dan Copula Gumbel.Copula Clayton memiliki tail dependensi bagian bawah, Copula Frank tidak memiliki tail dependensi. Sedangkan Copula Gumbel memiliki tail dependensi bagian atas. Pola masing-masing Copula ditunjukkan pada Gambar 2.2 berikut. Gambar 2. Plot Copula Clayton, Frank, dan Gumbel

12 6 2.6 Estimasi Parameter Copula denganmaximum Likelihood Estimation Menurut Mikosch (2008), estimasi parameter Copula didapatkan dengan Maximum Likelihood Estimation (MLE). MLE untuk Copula diperoleh dengan memaksimumkan fungsi log likelihood. Fungsi likelihood pada estimasi parameter Copula Archimedean dengan MLE tidak menghasilkan bentuk closed form, untuk alternative pada estimasi parameter Copula Archimedean dapat menggunakan pendekatan Tau kendall (Genest & L.P., 1993). 2.7 Pengujian Estimasi Parameter Copula Hipotesis pengujian parameter copula menurut Wang (2010) sebagai berikut. H : C C 0 H : C C 1 dengan C adalah model Copula dalam keluarga Copula Archimedean. Di bawah hipotesis nol dengan variabel random mengikuti beberapa model Copula C,maka distribusi menjadi nz N 0,1 adalah distribusi normal standar. Hipotesis yang n digunakan dapat didefinisikan sebagai berikut. H 0 1 : 0 H : 0 Statistik uji: Daerah penolakan: Tolak H 0 jika z z ˆ 0 (2.5) SE z 2 ˆ atau p-value< α. Jika tolak H 0 maka data dapat dimodelkan oleh Copula Achimedean yang diasumsikan. 2.8 Penelitian Sebelumnya Penelitian dengan menggunakan metode Copula sebelumnya telah di lakukan oleh Iis (2014) untuk memodelkan luas panen padi dengan variabel independen adalah curah hujan di Jawa Timur dengan mengambil satu sentra produksi padi terbesar yaitu Kabupaten Jember. Syahrir (2011) menerapkan Copula pada bidang klimatologi. Hasil penelitian menunjukkan pendekatan dengan Copula memberikan hasil yang tepat untuk data pengamatan ekstrim dan untuk kondisi dengan asumsi-asumsi kenormalan yang terlangar. Begitu juga dengan penelitian ini menggunakan pendekatan Copula untuk mengetahui pola hubungan curah hujan dan indikator ENSO. Namun untuk memetakan wilayah-wilayah bagian yang terkena puso atau gagal panen belum ada. Dengan demikian dilakukan penelitian ini untuk mengetahui persebaran wilayah yang rawan terkena bencana puso di Kabupaten Lamongan.

13 7 BAB 3. METODE PENELITIAN 3.1 Sumber Data Data yang digunakan adalah data sekunder dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG) dan NOAA National Weather Service yang dapat diakses melalui Data yang digunakan merupakan data bulanan. Gambar 3. Lokasi Penelitian di Kabupaten Lamongan 3.2 Variabel Penelitian Variabel penelitian yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Data curah hujan dari BMKG periode tahun 1982 sampai dengan tahun 2014 di kabupaten Lamongan Jawa Timur. 2. Data ENSO (El Nino-Southern Oscillation) anomali Sea Surface Temperature (SST) Nino 1+2, SST Nino 3, SST Nino 4 dan SST Nino 3.4. Tabel 1. Variabel Penelitian No. Nama Variabel 1 CH.Lam = Curah Hujan di Lamongan 2 ANOM 1+2 = Anomali SST Nino ANOM 3 = Anomali SST Nino 3 4 ANOM 4 = Anomali SST Nino 4 5 ANOM 3.4 = Anomali SST Nino 3.4 Data yang digunakan pada penelitian ini adalah data lag 0, lag 1, dan lag 2 pada data curah hujan dan indikator ENSO. Data lag 0 berarti data yang digunakan keduanya terjadi pada bulan yang sama. Data lag 1 artinya data curah hujan dan indikator ENSO memiliki selisih satu bulan, dengan ENSO lebih dulu terjadi. Sementara data lag 2 adalah data curah hujan dan ENSO mempunyai selisih dua bulan, data curah hujan dimulai setelah dua bulan dari terjadinya ENSO. Struktur data ditunjukkan pada Tabel 2, tanda panah untuk data (a) lag 0, (b) lag 1, dan (c) lag 2.

14 8 Tabel 2. Struktur Data Curah Hujan dan Indikator ENSO CH Tahun 1 ENSO Bulan ke- (a) 1 2 (b) (c) Diagram Alir Penelitian Diagram alir dan langkah analisis dalam penelitian ini adalah sebagai berikut: INPUT PROSES Perumusan Masalah Analisis Data Identifikasi variabel Penelitian Pengumpulan Data (BMKG, BPS, NOAA, dll) Analisis Deskriptif Kesimpulan dan saran Gambar 4. Diagram Alir Penelitian BAB 4. BIAYA DAN JADWAL KEGIATAN 4.1 Anggaran Biaya Tabel 3. Anggaran Biaya No Jenis Jumlah (Rp) 1 Peralatan penunjang Bahan habis pakai Perjalanan Lain-lain TOTAL BIAYA Jadwal Kegiatan Tabel 4. Jadwal Kegiatan Penelitian No Kegiatan 1 Studi literatur dan referensi 2 Pembimbingan awal dengan dosen pembimbing 3 Pengumpulan data Bulan I Bulan II Bulan III

15 9 4 Pengolahan dan analisis data 5 Validasi data 6 Penyusunan jurnal ilmiah nasional DAFTAR PUSTAKA Albar, E dkk,2013,sistem Monitoring Remote Station EWS(Early Warning System) pada Daerah Aliran Sungai, &ved=0cc0qfjac&url=http%3a%2f%2fdigilib.its.ac.id%2fpublic%2 FITS-paper Paper.pdf&ei=BjvrVP- _GZGJuwTSxYLQDw&usg=AFQjCNFhtiP6qsnje3BMvbSeC72AtanAUA &sig2=ahf5moctjwj5butxgvrjlq&bvm=bv ,d.c2e&cad=rj a (Diakses 21 Februari 2014). BNPB, 2013, Rencana Aksi Menghadapi Bencana Banjir Tahun (diakses tanggal 21 Februari 2014). BPS, 2014, Statistik Daerah Kabupaten Lamongan 2014, Lamongan,BPS Kabupaten Lamongan. Bisnis, Kabar, 2014, Kekeringan akibatkan 601 ha lahan padi di Jatim gagal panen, (diakses 21 Februari 2014). Genest, C., & Riverst, L. P., 1993, Statistical Inference Procedures for Bivariate Archimedean Copulas,USA,Journal of the American Statistics Association LAPAN, 2013, ENSO (El-Nino Southern Oscillation), (diakses 21 Februari 2014). Lefkovitz, Y., 2013, Climate and Commodity Prices: An Analysis of the Role of ENSO Forcasts in Agricultural Comodity Markets. New York: New York University. Mangostina, C., 2010, Curah Hujan, (diakses 21 Agustus 2014). Mikosch, T., 2008, Copulas: Tales and Facts, Denmark, Laboratory of Actuarial Mathematics University of Copenhagen Universitetsparken. Mulyana, E., 2002, Hubungan Antara ENSO dengan Variasi Curah Hujan di Indonesia,Jurnal Sains & Teknologi Modifikasi Cuaca Nelsen, R. B., 1998,An Introduction to Copulas Second Edition, USA,Springer Ratih, Iis Dewi., 2014, Penaksiran Parameter pada Model Copula Regression (Studi Kasus : Pemodelan Luas Panen Padi di Kabupaten Jember, Jawa Timur), Surabaya, ITS. Sarachik, E. S., & Cane, M. A., 2010, The El Nino-Southern Oscillation Phenomenon. New York, Cambridge.

16 Schölzel, C., & Friederichs, P., 2008, Multivariate Non-Normally Distributed Random Variables In Climate Research Introduction to The Copula Approach, Nonlin,Processes Geophy. Sklar, A., 1959, Fonctions de répartition à n dimensions et leurs marges, Publ, Inst, Statist. Univ, Paris. Syahrir, I., 2011, Estimasi Parameter Copula dan Aplikasinya pada Klimatologi. Surabaya, ITS. 10

17 LAMPIRAN-LAMPIRAN Lampiran 1. Biodata Ketua, Anggota, dan Dosen Pembimbing 1. Biodata Ketua A. Identitas Diri 1 Nama Lengkap Ratnajulie Yatnaningtyas 2 Jenis Kelamin P 3 Program Studi S1 Statistika 4 NRP Tempat Tanggal Lahir Madiun, 2 Juli ratnajuliey@gmail.com 7 Nomor Telepon/HP B. Riwayat Pendidikan SD SMP SMA Nama Institusi SDN Kedondong 3 SMPN 1 Geger SMAN 1 Geger Jurusan IPA Tahun Masuk-Lulus C. Pemakalah Seminar Ilmiah (Oral Presentation) (belum ada) D. Penghargaan dalam 10 tahun terakhir (dari pemerintah, asosiasi atau institusi lainnya) (belum ada) Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum.apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan hibah PKM Penelitian. Surabaya, 23 Februari 2015 Pengusul (Ratnajulie Yatnaningtyas)

18 2. Biodata Anggota 1 A. Identitas Diri 1 Nama Lengkap Indah Fahmiyah 2 Jenis Kelamin P 3 Program Studi S1 Statistika 4 NRP Tempat Tanggal Lahir Sidoarjo, 8 Juli indah.if@gmail.com 7 Nomor Telepon/HP B. Riwayat Pendidikan SD SMP SMA Nama Institusi SDN Suko 1 SMPN 1 Taman SMAN 1 Sidoarjo Jurusan IPA Tahun Masuk-Lulus C. Pemakalah Seminar Ilmiah (Oral Presentation) (belum ada) D. Penghargaan dalam 10 tahun terakhir (dari pemerintah, asosiasi atau institusi lainnya) No Jenis Penghargaan Intitusi Pemberi Penghargaan Tahun 1 Juara 3 Lomba Debat UKM Penalaran ITS UKM Penalaran ITS PKMM Didanai Dikti PKMM Didanai Dikti 2015 Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum.apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan hibah PKM Penelitian. Surabaya, 23 Februari 2015 Pengusul (Indah Fahmiyah)

19 3. Biodata Anggota 2 A. Identitas Diri 1 Nama Lengkap Elly Pusporani 2 Jenis Kelamin P 3 Program Studi S1 Statistika 4 NRP Tempat Tanggal Lahir Madiun, 24 Maret holyecilan@gmail.com 7 Nomor Telepon/HP B. Riwayat Pendidikan SD SMP SMA Nama Institusi SDN Candi SMPN 2 Dolopo SMAN 1 Geger Mulyo 3 Jurusan IPA Tahun Masuk-Lulus Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum.apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan hibah PKM Penelitian. Surabaya, 23 Februari 2015 Pengusul (Elly Pusporani)

20 4. Biodata Anggota 3 A. Identitas Diri 1 Nama Lengkap Kartika Nur Anisa 2 Jenis Kelamin P 3 Program Studi S1 Statistika 4 NRP Tempat Tanggal Lahir Tulungagung, 27 Desember anisa.kartika99@gmail.com 7 Nomor Telepon/HP B. Riwayat Pendidikan SD SMP SMA Nama Institusi SDN Kalidawir IV, Tulungagung SMPN 1 Bandung, Tulungagung SMAN 1 Kauman, Tulungagung Jurusan - - IPA Tahun Masuk-Lulus C. Pemakalah Seminar Ilmiah (Oral Presentation) Belum ada D. Penghargaan dalam 10 tahun terakhir (dari pemerintah, asosiasi atau institusi lainnya) No Jenis Penghargaan Intitusi Pemberi Penghargaan Tahun 1 PKM GT Didanai Dikti PKM M Didanai Dikti 2013 Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum.apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan hibah PKM Penelitian. Surabaya, 23 Februari 2015 Pengusul (Kartika Nur Anisa )

21 5. Biodata Dosen Pembimbing A. Identitas Diri 1 Nama Lengkap Dr. Sutikno, S.Si, M.Si 2 Jenis Kelamin L 3 Program Studi Statistika 4 NIDN Tempat Tanggal Lahir Lamongan, 13 Maret tikno@yahoo.com 7 Nomor Telepon/HP B. Riwayat Pendidikan S1 S2 S3 Nama Institusi Institut Teknologi Institut Pertanian Institut Pertanian Sepuluh Nopember Bogor Bogor Jurusan Statistika Statistika Agroklimatologi Tahun Masuk-Lulus Pemakalah seminar Ilmiah (Oral presentation) No Nama Pertemuan Ilmiah/ seminar Judul artikel Ilmiah Waktu dan Tempat 1 Konferensi Nasional Matematika ke- 17 Dependensi dan Pemodelan dengan Copula Regression (Studi Kasus: Pemodelan Luas Panen Padi di Kabupaten Jember, Jawa Timur) ITS Surabaya, Juni 2014 C. Publikasi Ilmiah No Judul Artikel Ilmiah Bentuk Publikasi Tahun Regresi robust untuk Mengatasi Outlier 1 pada Pemodelan Regresi antara Anomali Luas panen Padi dan curah Hujan Jurnal Ilmu 2009 Terboboti (Weighted Rainfall Index) Evaluasi Zona Prakiraan Iklim (ZPI) Buletin 2 untuk Kabupaten Karawang, Subang, Meteorologi d dan Indramayu dengan Pendekatan 2007 Analisis Kelompok Pra Pemrosesan Data Luaran GCM CSIRO-Mk3 dengan Metode Transformasi Wavelet Diskrit untuk Pemodelan statistical Downscaling Prakiraan Cuaca Jangka Pendek dengan Metode ARIMA, Neural Network, dan ASTAR Analisis Pola Curah Hujan Indonesia Berbasis Luaran Model Sirkulasi Global Prosiding Seminar Nasional 2009 Jurnal 2010 Jurnal sains Dirgantara 2007

22 6 7 (GCM) Penggunaan Regresi Kontinum dengan Pra-Pemrosesan ROBPCA untuk Pemodelan Statistical Downscaling Penggunaan Hybrid MARS untuk Pemodelan Statistical Downscaling Prosiding Seminar Nasional Statistika 2009 Prosiding Seminar Nasional Matematika dan Pendidikan Matematika 8 Agustus 2009 UNESA 2009 D. Penghargaan dalam 10 tahun terakhir (dari pemerintah, asosiasi atau institusi lainnya) No Jenis Penghargaan Intitusi Pemberi Penghargaan Tahun 1 Dosen Teladan FMIPA II Dekan FMIPA-ITS Dosen Teladan FMIPA II Dekan FMIPA ITS 2011 Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum.apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan hibah PKM Penelitian. Surabaya, 23 September 2014 Pembimbing (Dr. Sutikno, S.Si, M.Si)

23 Lampiran 2. Justifikasi Anggaran Kegiatan 1. Peralatan Penunjang Harga Satuan (Rp) Jumlah (Rp) Flashdisk 2 buah Material Justifikasi Pemakaian Kuantitas Penyimpanan Data Buku Pustaka Jurnal Internet Poster Harddisk 1 buah Buku Modelling Dependence with Copulas and Application to Risk Management. Jurnal referensi penelitian Pulsa internet untuk referensi dan mencari data sekunder Jasa desain poster ilmiah 1 buah buah paket buah SUB TOTAL (Rp) Bahan Habis Pakai Material Justifikasi Harga Satuan Kuantitas Pemakaian (Rp) Jumlah (Rp) Kertas HVS A4 2 rim Jasa Proposal dan Penjilidan Laporan 3 buah Tinta Tinta Printer 2 Paket Data Penelitian Data sesuai Indikator Sekunder yang dibutuhkan 1 set SUB TOTAL (Rp) Perjalanan Material Justifikasi Perjalanan Kuantitas Harga Satuan (Rp) Jumlah (Rp) Perjalanan Pengambilan Data 4 orang Transportasi Perjalanan Seminar 4 orang Pembuatan Hak Paten 5 kali SUB TOTAL (Rp) Lain lain Material Justifikasi Harga Satuan Kuantitas Pemakaian (Rp) Jumlah (Rp) Jurnal Submission Jurnal Nasional 2 kali

24 Publikasi Seminar - 1 set SUB TOTAL (Rp) Total (Keseluruhan) Lampiran3. Sususan Organisasi Tim Peneliti Dan Pembagian Tugas No Nama/NRP Program Bidang Alokasi Uraian Studi Ilmu Waktu(Jam/Minggu) Tugas 1 Ratnajulie Yatnaningtyas / S1 Statistika 4 jam/ minggu Project Manager Indah Fahmiyah / S1 Statistika 4 jam/ minggu Data Analyst 3 Elly Pusporani / Kartika Nur Anisa / S1 Statistika 4 jam/ minggu Data Analyst, Financial Manager S1 Statistika 4 jam/ minggu Forecasting

25 Lampiran 4. Surat Pernyataan Tidak Melakukan Plagiarism SURAT PERNYATAAN TIDAK MELAKUKAN PLAGIARISM Yang bertanda tangan di bawah ini: Nama : Ratnajulie Yatnaningtyas NIM : Program Studi : S1 Statistika Fakultas : Matematika dan Ilmu Pengetahuan Alam (MIPA) Dengan ini menyatakan bahwa proposal PKMP saya dengan judul: Deteksi Iklim Ekstrim Dengan Pendekatan Copula Sebagai Early Warning System Pada Produksi Padi Di Lamongan Jawa Timur yang diusulkan untuk tahun anggaran 2015 bersifat original dan belum pernah dibiayai oleh lembaga atau sumber dana lain. Bilamana di kemudian hari ditemukan ketidaksesuaian dengan pernyataan ini, maka saya bersedia dituntut dan diproses sesuai dengan ketentuan yang berlaku dan mengembalikan seluruh biaya penelitian yang sudah diterima ke kas negara. Demikian pernyataan ini dibuat dengan sesungguhnya dan dengan sebenarbenarnya. Surabaya, 23 Februari 2015 Mengetahui, Ketua Mahasiswa Penanggulangan Bencana ITS Yang menyatakan, (Gatot Subroto) NRP (Ratnajulie Yatnaningtyas) NRP