Bab 5 Pengembangan Aspek Prediksi Iklim pada Atlas Kalender Tanam

Transkripsi

1 Bab 5 Pengembangan Aspek Prediksi Iklim pada Atlas Kalender Tanam Dasar Pertimbangan Informasi iklim memegang peranan yang sangat penting dalam menyusun informasi kalender tanam. Informasi yang dapat dibangkitkan berdasarkan prediksi iklim, misalnya awal tanam, potensi luas tanam, pemilihan komoditas, prediksi bencana, dan lain-lain. Informasi iklim dihasilkan oleh berbagai lembaga internasional maupun nasional. Di Indonesia, lembaga resmi yang bertanggungjawab dalam menghasilkan informasi iklim adalah Badan Meteorologi Klimatologi dan Geofisika (BMKG). Bentuk informasi iklim yang diperlukan untuk menyusun kalender tanam antara lain jumlah curah hujan, sifat curah hujan, informasi awal musim, informasi hari tidak hujan, informasi hujan ekstrem, dan lain-lain. Pada bagian ini dipaparkan bagaimana perkembangan pemanfaatan informasi prediksi iklim, dimulai dari informasi yang sangat global dengan rentang waktu tahunan dan musiman, hingga bagaimana memanfaatkan informasi zona musim atau non zona musim dengan rentang waktu musiman bahkan pemanfaatan informasi keragaman iklim yang terjadi dalam satu musim tanam atau waktu yang lebih singkat. 161

2 Overview Prakiraan Iklim Untuk kebutuhan perencanaan pertanian ke depan dibutuhkan prediksi iklim masa yang akan datang. Sebagai kajian awal, Tim Balitbangtan melakukan analisis yang menghasilkan informasi prediksi iklim global hingga dua tahun ke depan. Pendekatan yang dilakukan yaitu dengan mempelajari pola kejadian anomali iklim global berdasarkan kejadian historis anomali iklim selama 63 tahun. Langkah pendekatan yang dilakukan, adalah: (a) Melakukan kompilasi data bulanan anomali suhu permukaan laut pada zone selama periode Nilai anomali suhu permukaan laut bulanan tersebut diakses dari NOAA 2013 melalui situs data/indices/ ersst3b.nino.mth.ascii. (b) Merubah data anomali suhu permukaan laut bulanan tersebut menjadi data musiman menggunakan kerangka waktu musim tanam pada sistem informasi kalender tanam. Nilai anomali suhu permukaan laut musiman merupakan rata-rata dari nilai anomali suhu permukaan laut bulan selama 4 bulan berturutturut. Dengan kriteria MT I menggunakan data Oktober- Januari, MT II menggunakan data Februari-Mei dan MT III menggunakan data Juni-September. (c) Nilai-nilai anomali suhu permukaan laut musiman kemudian dikelompokkan dalam kategori anomali iklim global (ENSO), dimana jika nilai anomali suhu permukaan laut <-0,5 O C maka dikategorikan sebagai, jika nilai anomali suhu permukaan laut >0,5 O C maka dikategorikan sebagai, sedangkan jika nilai anomali suhu permukaan laut berkisar dari -0,5 O C hingga 0,5 O C maka dikategorikan sebagai normal. (d) Dilihat kejadian anomali iklim global selama 5-6 musim tanam terakhir. (e) Dipelajari kejadian pola urutan anomali iklim global yang sama atau hampir sama selama 5-6 musim tanam pada kurun waktu antara 1950 sampai data terakhir. (f) Pada periode-periode dimana terdapat pola urutan kejadian anomali iklim global yang sama atau hampir sama tersebut, 162

3 kemudian dipelajari pola urutan anomali iklim 5-6 musim tanam berurutan setelah periode-periode tersebut. (g) Pola 5-6 musim tanam berikutnya tersebut kemudian dianalisis menggunakan pendekatan komparatif dan analog, dan dipilih kejadian anomali iklim global yang paling dominan untuk musim berikutnya selama 5-6 musim tanam. (h) Dengan asumsi bahwa akan terjadi pengulangan terhadap urutan pola kejadian yang sama atau hampir sama dengan periode-periode sebelumnya, maka pola dominan tersebut ditetapkan sebagai pola urutan anomali iklim global yang akan terjadi pada 5-6 musim mendatang atau 1-2 tahun ke depan. Sebagai contoh kasus adalah melihat anomali iklim global pada MK II 2011 sampai dengan MH 2012/2013, kemudian membandingkannya dengan sejarah pola iklim global periode untuk menetapkan prediksi pola iklim global Hasil analisis menggambarkan bahwa pola urutan anomali iklim global yang terjadi adalah normal normal. Pola kejadian anomali iklim selama periode tersebut memiliki kesamaan dengan pola tahun Dengan asumsi bahwa pola urutan anomali iklim pada periode akan berulang pada periode , maka diperkirakan anomali iklim yang terjadi pada MT II 2013 adalah normal, MT III 2013 adalah, MT I 2013/2014 adalah, MT II 2014 adalah normal, dan MT III 2014 adalah Pertanian (2013). (Gambar 1), Badan Litbang Gambar 1. Analisis komparasi dan analogi serta proyeksi kondisi iklim global antar musim tanam pada periode MK = musim kemarau, MH = musim hujan (Sumber: Badan Litbang Pertanian 2013). 163

4 Prediksi anomali iklim global 6-8 bulanan dimaksudkan untuk memperbaiki hasil prediksi 1-2 tahunan. Informasi ini diperoleh dari lembaga-lembaga internasional yang melakukan prediksi jangka panjang, diantaranya (POAMA) dan (IRI Clumbia). POAMA menginformasikan prediksi anomali suhu permukaan laut pada zona dan zona lainnya, serta menginformasikan prediksi nilai-nilai atau sering juga disebut IOD atau DMI. Nilai-nilai dari POAMA dan IRI Columbia tersebut dapat digunakan untuk mendapatkan gambaran prediksi iklim global (ENSO) dan kondisi iklim di barat Sumatera dalam 8 bulan ke depan. Untuk kebutuhan analisis kalender tanam, nilai-nilai anomali suhu permukaan laut dan DMI tersebut membantu dalam memprediksi kondisi iklim global untuk 2 musim tanam ke depan. Sebagai contoh kasus gambaran prediksi anomali iklim global untuk periode November 2012 hingga Juli Hasil prediksi POAMA Australia dan rata-rata dinamik hasil prediksi model dari berbagai lembaga internasional menggambarkan bahwa rata-rata hasil prediksi anomali suhu permukaan laut (SST ) pada zona akan bernilai positif antara 0,0 0,5 O C. Hal ini menggambarkan bahwa selama periode November 2012 sampai Juli 2013 iklim global berada pada kondisi normal (Gambar 2a, c). Rata-rata hasil prediksi IOD dari POAMA untuk periode November 2012-Juli 2013 adalah positif dengan kisaran antara -0,4 hingga 0,8 O C. Hal ini menggambarkan bahwa kondisi temperatur di perairan Indonesia masih berada pada kisaran normal (Gambar 2b), POAMA (2012). Lebih jauh IRI menggambarkan bahwa peluang tertinggi kejadian iklim global selama periode November-Desember-Januari hingga Juli-Agustus-September adalah normal, dengan nilai peluang berkisar antara 50-80% dan di atas peluang rata-rata normal jangka panjang. Namun pada periode Maret-April-Mei hingga Juni- Juli-Agustus terdapat peningkatan peluang kejadian iklim global dengan nilai peluang berkisar antara 25-32% dan berada di 164

5 atas rata-rata peluang Columbia (2012a). jangka panjang (Gambar 2c, 2d), IRI 165

6 Gambar 2. Gambaran prakiraan kondisi (a) anomali suhu permukaan laut dan (b) IOD periode November 2012 hingga Juli 2013 dan (c, d) prediksi peluang kejadian ENSO hingga Juli 2013 (Sumber: dan edu) 166

7 Prediksi curah hujan triwulanan dipublikasikan oleh IRI Columbia melalui alamat situs climate/forecasts/seasonal-climate-forecasts/. Informasi ini memaparkan prediksi curah hujan dalam bentuk proporsi peluang sifat hujan. Dengan demikian, melalui informasi ini dapat diperoleh gambaran umum tentang peluang tertinggi prediksi sifat hujan di Indonesia secara spasial. Sebagai studi kasus dikemukakan prediksi curah hujan di Indonesia pada periode Januari-Februari-Maret 2013 hingga April-Mei-Juni Digambarkan bahwa selama triwulan Januari-Februari-Maret 2013 peluang curah hujan tertinggi adalah normal menyebar Sulawesi dan Maluku. Pada triwulan Februari-Maret-April 2013 dan Maret-April-Mei 2013 peluang curah hujan tertinggi adalah atas normal menyebar di Sulawesi dan Maluku. Pada triwulan triwulan April-Mei-Juni 2013 peluang curah hujan tertinggi adalah normal menyebar di Sulawesi dan Maluku (Gambar 3), IRI Columbia (2012b). 167

8 Gambar 3. Prediksi peluang sifat hujan sekitar wilayah Indonesia periode (a) Februari-April 2013, (b) Maret-Mei 2013, dan (c) April-Mei Juni 2013 (Sumber: seasonal-climate-forecasts/) Prakiraan awal musim Indonesia diterbitkan oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG) dua kali dalam setahun, masingmasing merupakan prakiraan awal musim hujan dan prakiraan awal musim kemarau. Satuan wilayah terkecil dalam prakiraan awal musim menggunakan zona musim atau ZOM, yaitu suatu wilayah yang diwakili oleh stasiun pengamatan tertentu dan memiliki pola teratur yang memungkinkan untuk dilakukan prediksi curah hujan 168

9 pada stasiun pewakilnya. Secara keseluruhan di Indonesia terdapat 342 ZOM. Di luar wilayah zona musim terdapat wilayah-wilayah yang memiliki curah hujan yang tidak berpola sehingga sulit untuk dilakukan prediksinya, wilayah seperti ini disebut wilayan non zona musim (non ZOM). Di Indonesia terdapat 65 non zona musim. Untuk wilayah-wilayah non ZOM, BMKG menginformasikan hanya prediksi curah hujan dan prediksi sifat hujan bulanan. Dalam prosesnya informasi prakiraan awal musim umumnya sudah merupakan hasil pembahasan dan kesepakatan BMKG dengan lembaga-lembaga lainnya seperti Balitbangtan, LAPAN, Perguruan Tinggi (Institut Pertanian Bogor dan Institut Teknologi Bandung), Direktorat Perlindungan Tanaman Pangan, Direktorat Perlindungan Tanaman Hortikultura, dan lembaga terkait lainnya. Sebagai contoh kasus dipaparkan prediksi awal musim hujan 2012/2013 yang secara resmi dipublikasikan oleh BMKG. Prakiraan musim hujan 2012/2013 di Indonesia secara umum sebagai berikut: (1) Prakiraan awal musim hujan 2012/2013 di Indonesia umumnya (85,7%) jatuh pada bulan Oktober, November, dan Desember Secara rinci dipaparkan bahwa awal musim pada Oktober 2012 diprediksi terjadi di 12 ZOM (35,7%), pada November 2012 diprediksi terjadi 116 ZOM (33,9%), pada Desember 2012 diprediksi terjadi di 55 ZOM (16,1%). awal musim hujan yang lebih cepat terjadi pada Juli 2012 di 3 ZOM (0,9%), pada Agustus 2012 di 10 ZOM (2,9%), pada September 2012 di 26 ZOM (7,6%). Awal musim hujan yang lebih lambat diprediksi pada Januari 2013 di 1 ZOM (0,3%), pada Maret 2013 di 6 ZOM (1,7%), pada April 2013 di 2 ZOM (0,6%), dan pada Mei 2013 di 1 ZOM (0,3%). (Gambar 4, Tabel 1). (2) Dibandingkan terhadap rata-rata awal musim hujan selama 30 tahun ( ), awal musim hujan 2012/2013 di 189 ZOM (55,3%) sama dengan rata-rata, di 130 ZOM (38,0%) mundur terhadap rata-ratanya, dan di 23 ZOM (6,7%) maju terhadap rata-rata (Gambar 5, Tabel 2). (3) Sifat Hujan selama Musim Hujan 2012/2013 diprediksi normal pada 223 ZOM (65,2%), diprediksi di bawah normal pada

10 ZOM (31,6%), dan diprediksi di atas normal pada 11 ZOM (3,2%) (Gambar 6, Tabel 3), BMKG (2012). Gambar 4. Sebaran prakiraan awal musim hujan 2012/2013 menurut zona musim di Indonesia (Sumber: Tabel 1. Sebaran prakiraan awal musim hujan 2012/2013 menurut jumlah zona musim di Indonesia Daerah Jul Ags Sep Okt Nov Des Jan Mar Apr Mei Jml Sumatera Jawa Bali NTB NTT Kalimantan Sulawesi Maluku Papua Total Presentase 0,9 2,9 7, ,3 1,7 0,6 0,3 100 Kumulatif (%) 0,9 3, Sumber: Keterangan: Jml = jumlah Setiap bulan BMKG mempublikasikan prakiraan hujan bulanan untuk tiga bulan ke depan. Informasi yang dihasilkan adalah prakiraan jumlah curah hujan dan prakiraan sifat hujan. Informasi curah hujan ditampilkan dalam satuan mm/bulan, sedangkan sifat hujan diukur berdasarkan nilai persentase curah hujan terhadap 170

11 rata-rata normal. Penyajian informasi curah hujan dibagi menjadi 9 kelas dalam 4 kategori yaitu: (1) curah hujan rendah pada kelas 0-20 mm/bulan, mm/bulan dan mm/bulan, (2) curah hujan menengah pada kelas mm/bulan, mm/bulan, dan mm/bulan, (3) curah hujan tinggi pada kelas mm/bulan, dan (4) curah hujan sangat tinggi pada kelas mm/bulan dan >500 mm/bulan. Gambar 5. Sebaran prakiraan pergeseran awal musim hujan 2012/2013 menurut zona musim di Indonesia (Sumber: go.id) Tabel 2. Sebaran prakiraan pergeseran awal musim hujan 2012/2013 menurut jumlah zona musim di Indonesia Daerah Maju Sama Mundur Jumlah Sumatera Jawa Bali NTB NTT Kalimantan Sulawesi Maluku Papua Total Presentase 6,7 55,3 38,0 100,0 Sumber: 171

12 Gambar 6. Sebaran prakiraan sifat hujan 2012/2013 menurut zona musim di Indonesia (Sumber: Tabel 3. Sebaran prakiraan sifat hujan 2012/2013 menurut jumlah zona musim di Indonesia Pulau BN N AN Jumlah Sumatera Jawa Bali NTB NTT Kalimantan Sulawesi Maluku Papua Total Persentase ,2 3,2 100,0 Keterangan: BN = bawah normal, N = normal, dan AN = atas normal (Sumber: Penyajian informasi sifat hujan dibagi menjadi 7 kelas dalam 3 kategori yaitu: (1) bawah normal pada kelas 0-30%, 31-50% dan 51-84%, (2) normal pada kelas , dan (3) atas normal pada kelas %, % dan >200% (BMKG 2013a). Sebagai contoh kasus ditampilkan prediksi hujan bulanan untuk Februari, Maret dan April Pada Gambar 7 terlihat prediksi 172

13 Gambar 7. Sebaran prakiraan curah hujan bulan (a) Februari, (b) Maret, dan (c) April 2013 (Sumber: curah hujan pada Februari, Maret, dan April Pada Februari 2013 curah hujan sebagian besar menyebar pada kategori menengah, antara lain di bagian timur Sumatera mulai dari Aceh hingga Lampung, sebagian kecil Jabar dan Jatim, NTB dan sebagian 173

14 NTT, Kalimantan bagian barat dan timur, sebagian besar Sulawesi, Maluku dan bagian utara Papua. Kategori curah hujan tinggi terjadi di bagian barat Sumatera, sebagian besar Jawa, Bali, sebagian NTT, Kalimantan bagian tengah, Sulawesi Selatan, dan bagian selatan Papua. Terdapat juga beberapa wilayah yang mengalami kategori curah hujan rendah, yaitu sebagian Sulawesi Tengah dan sebagian Maluku, Gambar 7a (BMKG 2013a). Pada Maret 2013 curah hujan umumnya menyebar pada kategori menengah, antara lain di bagian timur Sumatera mulai dari Aceh hingga Lampung, Jawa, Bali dan NTB dan sebagian NTT, Kalimantan bagian barat dan timur, sebagian besar Sulawesi, Maluku dan bagian utara Papua. Kategori curah hujan tinggi terjadi di sebagian kecil barat Sumatera, sebagian NTT, Kalimantan bagian tengah, Sulawesi Selatan, dan bagian selatan Papua. Wilayah yang mengalami kategori hujan curah Rendah hanya di sebagian Sulawesi Tengah (Gambar 7b), BMKG (2013a). Pada April 2013 hampir seluruh wilayah Indonesia mengalami kategori curah hujan menengah. Kategori curah hujan tinggi terjadi di sebagian kecil barat Sumatera, sebagian kecil bagian tengah Kalimantan, dan bagian selatan Papua. Kategori curah hujan Rendah terjadi di Aceh, sebagian Jawa Timur, sebagian NTB, sebagian NTT, dan sebagian Sulawesi Tengah (Gambar 7c), BMKG (2013a). Pada Gambar 8 terlihat prediksi sifat hujan pada Februari, Maret, dan April Pada Februari 2013 sifat hujan umumnya normal dan atas normal. Sifat hujan normal menyebar di bagian timur Sumatera, sebagian besar Jawa, Bali, NTB dan sebagian NTT, bagian barat dan timur Kalimantan, bagian tengah Sulawesi, Maluku, dan bagian utara Papua. Sifat hujan atas normal umumnya menyebar di bagian barat Sumatera, sebagian NTT, bagian tengah Kalimantan, bagian selatan dan utara Sulawesi, serta bagian selatan Papua (Gambar 8a), BMKG (2013a). Pada Maret 2013 sifat hujan umumnya normal, sebagian kecil lainnya bersifat atas normal dan bawah normal. Sifat hujan normal menyebar di bagian pedalaman Sumatera, bagian utara Jawa, Bali, sebagian NTB, sebagian besar Kalimantan, bagian tengah Sulawesi, Maluku dan bagian pedalaman Papua. Sifat hujan atas normal 174

15 umumnya menyebar di sebagian kecil barat Sumatera, sebagian besar NTT, bagian tengah Kalimantan, bagian selatan dan utara Sulawesi, serta bagian selatan Papua. Sifat hujan bawah normal umumnya menyebar di pantai timur Sumatera, bagian selatan Jawa, bagian tengah Sulteng, dan bagian utara Papua (Gambar 8- b), BMKG (2013a). Pada April 2013 sifat hujan umumnya normal, sebagian kecil lainnya atas normal dan bawah normal. Sifat hujan normal menyebar di bagian selatan dan timur Sumatera, sebagian besar Jawa, Bali, sebagian NTB, sebagian kecil NTT, sebagian besar Kalimantan, bagian selatan dan tenggara Sulawesi, Maluku dan bagian pedalaman Papua. Sifat hujan atas normal umumnya menyebar di sebagian kecil barat Sumatera, sebagian besar NTT, bagian tengah utara Kalimantan, bagian utara Sulawesi, serta bagian selatan Papua. Sifat hujan bawah normal umumnya menyebar di pantai timur Sumatera, bagian selatan dan timur Jawa, bagian tengah Sulawesi Tengah, dan bagian utara Papua (Gambar 8c). Pada skala waktu lebih segera, BMKG mempublikasikan hasil prediksi hujan harian, 3 harian, dan mingguan, serta evaluasi deret hari tidak hujan kumulatif. Informasi prediksi hujan harian, 3 harian dan mingguan, menggambarkan tentang prakiraan kejadian hujan dan tingkat kekuatan hujan. Informasi tersebut menyajikan secara tabular beberapa kota di sekitar Jakarta atau provinsi di seluruh Indonesia apakah akan mengalami hujan atau tidak. Prediksi hujan dipresentasikan dalam bentuk kekuatan hujan. Kategori kekuatan hujan terdiri dari 5 kelas yaitu: (1) hujan sangat ringan dengan intensitas kurang dari 0,1 mm/jam atau kurang dari 5 mm/hari, (2) hujan ringan dengan intensitas antara 0,1-5,0 mm/jam atau 5-20 mm/hari, (3) hujan sedang dengan intensitas antara 5,0-10,0 mm/jam atau mm/hari, (4) hujan lebat dengan intensitas antara 10,0-20,0 mm/jam atau mm/hari, dan (5) hujan sangat lebat dengan intensitas lebih dari 20,0 mm/jam atau lebih dari 100 mm/hari (BMKG 2013b). 175

16 Gambar 8. Sebaran prakiraan sifat hujan bulan (a) Februari, (b) Maret, dan (c) April 2013 (Sumber: 176

17 Informasi evaluasi deret hari tidak hujan menggambarkan tentang evaluasi kejadian hari tidak hujan pada selang waktu sepuluh harian. Kategori jumlah hari tidak hujan terdiri dari 6 kelas yaitu: (1) sangat pendek, jika deret hari tidak hujan mencapai 1-5 hari berturut-turut, (2) pendek, jika deret hari tidak hujan mencapai 6-10 hari berturut-turut, (3) menengah, jika deret hari tidak hujan mencapai hari berturut-turut, (4) panjang, jika deret hari tidak hujan mencapai hari berturut-turut, (5) sangat panjang, jika deret hari tidak hujan mencapai hari berturutturut, dan (6) kekeringan ekstrem, jika deret hari tidak hujan mencapai lebih dari 61 hari berturut-turut. Informasi tersebut sangat berguna dalam analisis dan prediksi tentang kemungkinan akan munculnya kejadian ekstrem banjir dan kekeringan di lahan pertanian (BMKG 2013b). Pada tahun 2012, BMKG mempercepat sosialisasi prakiraan awal musim, baik untuk prakiraan awal musim kemarau 2012, maupun prakiraan awal musim hujan 2012/2013. Untuk Prakiraan awal musim hujan 2012/2013 BMKG telah me- secara resmi pada 10 Agustus 2012, lebih cepat satu bulan dibandingkan tahun-tahun sebelumnya. Informasi BMKG yang diakses untuk dimanfaatkan pada sistem informasi kalender tanam antara lain, informasi prediksi sifat hujan pada 342 zona musim, serta informasi prediksi curah hujan yang kemudian diolah menjadi informasi sifat hujan di 65 non zona musim. Aspek Keragaan Anomali Iklim pada Kalender Tanam Pertama kali disusun, informasi kalender tanam disajikan dalam bentuk atlas dan tabel, disebut Atlas dan Tabel Kalender Tanam Indonesia. Atlas dan tabel tersebut mengekspresikan basis data kalender tanam padi di lahan sawah di seluruh kecamatan di Indonesia berdasarkan skenario iklim basah, kering dan normal, serta kondisi eksisting. Atlas kalender tanam tersebut dirancang dan dibangun secara bertahap selama periode tahun , dan dikenal dengan istilah Kalender Tanam Semi Dinamik. Dalam atlas kalender tanam dapat diperoleh informasi luas baku sawah, prediksi awal waktu tanam, potensi luas tanam dan pola tanam padi 177

18 di lahan sawah selama setahun dalam tiga skenario iklim global, yaitu kondisi basah, kondisi kering atau kondisi normal, serta kondisi eksisting rata-rata selama periode Asumsi yang digunakan dalam Atlas Kalender Tanam adalah bahwa skenario iklim basah, kering, atau normal berlangsung selama setahun. Padahal sifat hujan antar musim tidak sama sepanjang tahun (Las 2010). Informasi iklim yang digunakan dalam atlas kalender tanam adalah informasi iklim global selama tiga musim tanam atau setahun. Pengguna dapat menggunakan informasi kalender tanam apabila mengetahui sifat hujan sepanjang tahun ke depan. Oleh karena itu, dalam penyajiannya, informasi kalender tanam dimunculkan tidak hanya dalam satu skenario iklim, melainkan selalu ditampilkan informasi kalender tanam dalam tiga skenario iklim dan kondisi eksistingnya. Tabel 4 dan 5 menyajikan rangkuman informasi luas baku sawah dan potensi luas tanam padi di lahan sawah berbasis pulau. Secara nasional terlihat bahwa potensi luas tanam padi sawah pada MT I, MT II dan selama setahun pada tahun basah lebih tinggi dibandingkan tahun normal maupun tahun kering, dan demikian pula kondisi pada tahun normal lebih tinggi dibandingkan tahun kering. Sementara itu, kondisi eksisting umumnya hampir sama dengan kondisi tahun normal. Fakta di lapang menggambarkan bahwa petani sangat membutuhkan informasi prediksi iklim, prediksi awal waktu tanam, dan kalender tanam menjelang musim tanam berlangsung. Informasi ini sangat mendasari petani dan pemangku kepentingan di daerah untuk memulai budidaya padi di lahan sawah. Kondisi ini lah yang kemudian menggugah peneliti Badan Penelitian dan Pengembangan Pertanian untuk melengkapi atlas kalender tanam dengan prediksi sifat hujan musiman setiap awal musim tanam, agar tidak statis sepanjang tahun tetapi bervariasi antar musim tanam. Penggabungan atlas kalender tanam dengan prediksi iklim setiap musim ini yang disebut sebagai Kalender Tanam Dinamik. 178

19 Tabel 4. Rangkuman luas baku sawah dan potensi luas tanam padi di lahan sawah kondisi eksisting dan skenario tahun basah Koridor Luas baku sawah (juta ha) Eksisting Luas potensial lahan sawah (ha) Tahun basah MT I MT II MT III Tahunan MT I MT II MT III Tahunan Sumatera 1, Jawa 3, Kalimantan 1, Sulawesi 0, Maluku 0, Papua 0, Bali dan NT 0, Indonesia 7, Tabel 5. Rangkuman luas baku sawah dan potensi luas tanam padi di lahan sawah skenario tahun normal dan tahun kering Koridor Luas baku sawah (ha) Tahun normal Luas potensial lahan sawah (ha) Tahun kering MT I MT II MT III Tahunan MT I MT II MT III Tahunan Sumatera 1, Jawa 3, Kalimantan 1, Sulawesi 0, Maluku 0, Papua 0, Bali dan NT 0, Indonesia 7,

20 Penerapan Aspek Prediksi untuk Kalender Tanam Dinamik Ruang lingkup aspek prediksi pada kalender tanam mencakup bagaimana memanfaatkan data iklim dan informasi prediksi iklim yang tersedia dari berbagai sumber, kemudian menterjemahkan dan mengimplementasikannya menjadi informasi kalender tanam dinamik. Data input utama yang digunakan, antara lain informasi prediksi iklim global 1-2 tahunan, prediksi awal musim hujan atau awal musim kemarau, prediksi sifat hujan musiman, prediksi curah hujan musiman, prediksi pergeseran awal musim hujan maupun musim kemarau, prediksi curah hujan bulanan, serta prediksi sifat hujan bulanan. Data pendukung yang dimanfaatkan, antara lain basis data kalender tanam pada tahun basah, tahun kering, tahun normal dan kondisi eksisting, data administrasi kecamatan, kabupaten dan provinsi, data ZOM, dan non ZOM, informasi perkembangan cuaca/iklim global, regional, dan nasional. Informasi yang dihasilkan antara lain prediksi sifat curah hujan, jumlah curah hujan, awal musim kemarau, prediksi awal musim hujan, prediksi awal tanam, prediksi potensi luas tanam, prediksi pola tanam. Alur pikir sederhana dalam pemanfaatan informasi prediksi dan perkembangan iklim untuk kalender tanam adalah bagaimana memanfaatkan informasi iklim yang berbasis ZOM dan non ZOM menjadi informasi kecamatan yang berbasis administrasi. Dalam hal ini digunakan teknik tumpang tepat ( ) untuk mengkonversi informasi prediksi iklim dari berbasis zona musim/non-musim menjadi berbasis administrasi kecamatan. Dengan demikian dihasilkan informasi prediksi iklim berbasis administrasi kecamatan. Informasi prediksi iklim berbasis kecamatan kemudian dipadukan dengan basis data kalender tanam berbasis kecamatan, sedemikian sehingga didapatkan informasi kalender tanam kecamatan yang disesuaikan dengan prediksi iklim pada musim tanam tertentu (Gambar 9), Tim Katam Terpadu (2011). 180

21 Gambar 9. Algoritma integrasi informasi dan prediksi iklim dengan kalender tanam menjadi kalender tanam dinamik Penyusunan informasi kalender tanam dinamik berbasis web mulai 2011/2012 merupakan upaya dalam menyajikan informasi kalender tanam yang lebih dinamik, terbaharui,, serta mudah dan cepat dapat diakses petani. Untuk mempersiapkan dan menyajikan informasi tersebut dilakukan beberapa studi singkat dan analisis pendukung, antara lain: (1) melakukan analisis dinamika potensi perubahan iklim untuk 3 musim tanam, (2) menyiapkan format untuk analisis konversi informasi spasial berbasis ZOM dan non ZOM BMKG menjadi berbasis administrasi kecamatan, (3) analisis pemanfaatan informasi iklim global dan informasi prediksi awal musim hujan untuk kalender tanam dinamik MT I, (4) analisis dan pemanfaatan Prediksi hujan bulanan untuk kalender tanam MT II, (5) analisis dan pemanfaatan Prediksi awal musim kemarau untuk kalender tanam MT III, (6) analisis dan prediksi pada kalender tanam dinamik. Analisis Dinamika Potensi Perubahan Iklim untuk Tiga Musim Tanam Frekuensi dan karakteristik kejadian anomali iklim, dan normal menurut musim tanam baku selama periode disajikan pada Gambar 10. Yang dimaksud dengan musim tanam baku adalah musim tanam MT I (MH) selama periode September- Januari, MT II (MK I) selama periode Januari-Mei, serta MT III (MK 181

22 II) selama periode Mei-September. Gambar 10 menggambarkan fluktuasi rata-rata anomali suhu permukaan laut pada zona menurut musim tanam baku selama periode Sumbu X adalah urutan musim tanam baku, sumbu Y adalah nilai anomali suhu permukaan laut ( O C). Diagram batang berwarna merah menggambarkan fluktuasi anomali suhu permukaan laut yang >0,5 O C yang berkonotasi dengan kejadian anomali iklim sepanjang musim tanam, batang berwarna biru menggambarkan fluktuasi anomali suhu permukaan laut yang <-0,5 O C yang berkonotasi dengan kejadian anomali iklim sepanjang musim tanam, dan batang berwarna kuning menggambarkan fluktuasi anomali suhu permukaan laut antara -0,5 O C hingga 0,5 O C yang berkonotasi dengan kejadian normal sepanjang musim tanam. Terlihat bahwa kejadian anomali iklim selama periode lebih berfluktuasi dan lebih singkat dibandingkan periode Sebaliknya, kejadian anomali iklim pada periode , terutama, umumnya terjadi lebih panjang dan lebih jarang dibandingkan periode (Balitklimat 2013). Dinamika kejadian anomali iklim seperti disajikan dalam Gambar 10 menunjukkan bahwa sebelum tahun 1980 kejadian anomali iklim ekstrem khususnya panjang sampai 9 musim berturut-turut. mempunyai periode kejadian yang Kejadian sebelum tahun 1980 periode ulangnya relatif lebih panjang dibandingkan setelah tahun Setelah tahun 1980 periode ulang kejadian lebih sering terjadi. Kekuatan setelah tahun 1980 semakin kuat, hal ini digambarkan dengan frekuensi kejadian nilai anomali suhu permukaan laut yang umumnya lebih dari 1,5 O C bahkan lebih dari 2,0 O C (Balitklimat 2013). Tabel 6 menggambarkan frekuensi kejadian anomali iklim,, dan normal pada musim tanam baku menurut durasinya selama periode Terlihat bahwa durasi dan kelas durasi kejadian anomali iklim lebih sedikit dibandingkan, dimana durasi terpanjang hanya selama 6 musim tanam berturut-turut atau 24 bulan berturut-turut, sedangkan durasi terpanjang adalah mencapai 9 musim berturut-turut atau 36 bulan berurut-turut. 182

23 Gambar 10. Fluktuasi kejadian anomali iklim global,, dan normal menurut musim tanam baku selama periode (Sumber: Balitklimat 2013) Tabel 7 menyajikan jumlah frekuansi kejadian anomali iklim, dan normal untuk MH, MK I, dan MK II. Dari 52 musim selama 62 tahun diketahui bahwa kejadian 37% terjadi pada musim hujan, yang artinya bahwa jeluk hujan pada musim tersebut lebih tinggi dari kondisi normalnya, dan hal ini berpeluang menyebabkan banjir di beberapa wilayah. Kejadian anomali iklim pada MK I dan MK II menggambarkan peningkatan intensitas curah hujan musim kemarau yang lebih tinggi dari normal. Kejadian dari 47 musim selama 62 tahun terjadi pada MH, artinya curah hujan pada musim penghujan lebih kecil dari normal, dan umumnya hal ini berimplikasi mundurnya MH. Kejadian pada MK dapat memperparah kondisi kekeringan yang normal (Balitklimat 2013). Tabel 8 menunjukkan dinamika kejadian anomali iklim musiman selama 62 tahun. Disini terlihat bahwa dalam satu tahun atau 3 musim bisa terjadi 27 kombinasi kejadian anomali iklim. Kejadian normal yang terjadi 3 musim berturut-turut (MH, MK I, dan MK II) hanya terjadi 11 tahun (18%) dan kejadian ini yang perlu dicatat adalah terjadi di bawah tahun

24 Tabel 6. Rangkuman frekuensi kejadian anomali,, dan normal pada musim tanam baku menurut durasinya selama periode No Durasi (musim) Frekuensi Awal waktu kejadian (musim tahun) MK I 51, MH 76, MH 77, MK I 93, MK II MK II 63, MK II 65, MK II 72, MK II 94, MK II 04, MK II MK II 82, MK I 02, MK II MK I 57, MH 68, MK I 91, MK I MK II MH 62, MH 67, MH 83, MH 95, MH 00, MH 05, MH MH 84, MK II MK I 50, MK I 64, MK II MK I MK II MK II MK II MK I 54 Normal MK I 51, MK I 63, MK I 65, MK I 70, MK I 72, MK I 73, MK II 83, MK II 00, MK I 03, MK I 06, MK II 08, MK I 09, MK I 68, MK I 76, MK I 77, MK I 84, MK II 92, MK I 95, MH 03, MK I 05, MK I MK II 85, MK II 93, MK I 96, MK I MK I 66, MK II MH MK II 58, MK I 78 Sumber: Balitklimat (2013) Kejadian ekstrem sepanjang tahun (MH, MK I, dan MK II) terjadi 6 tahun (10%) dan kejadian berturut-turut terjadi 2 tahun (3%). Dinamika kondisi anomali musiman ini juga menunjukkan bahwa sangat banyak peluang kejadian anomali iklim ekstrem pada setiap musim tanam, dan yang perlu diperhatikan adalah musim tanam kondisi atau makin sering terjadi terutama setelah tahun 1990 (Balitklimat 2013). Tabel 7. Jumlah frekuensi kejadian,, dan normal selama periode

25 Skenario anomali iklim Frekuensi kejadian (musim) MH MK I MK II Total Normal (32,3%) (58,1%) (46,8%) (45,7%) (37,1%) (22,6%) (24,2%) (28,0%) (29,0%) (19,4%) (27,4%) (25,3%) Sumber: Balitklimat (2013) Konversi Spasial Berbasis ZOM atau Non ZOM BMKG Menjadi Informasi Tabular Berbasis Kecamatan Informasi prediksi iklim yang dihasilkan oleh BMKG dapat berupa data tabular berbasis ZOM dan non ZOM, atau dapat berupa informasi spasial tanpa menampilkan garis batas antara ZOM dan non ZOM. Informasi yang disajikan dalam bentuk tabular misalnya prediksi awal musim hujan atau awal musim kemarau. Informasi yang disajikan dalam bentuk spasial misalnya prediksi curah hujan dan sifat hujan bulanan. Dalam analisis prediksi untuk kalender tanam, dibutuhkan informasi atau data dalam bentuk tabular. Dengan demikian dilakukan upaya interpretasi sehingga dihasilkan informasi tabular berdasarkan informasi spasial. Upaya interpretasi tersebut dilakukan melalui teknik tumpang tepat ( ) antara peta garis administrasi kecamatan dengan peta garis ZOM atau non ZOM, serta tumpang tepat antara peta garis ZOM dan non ZOM dengan informasi prediksi spasial. Sebagai contoh interpretasi data tabular ZOM dan non ZOM dengan data tabular kecamatan adalah hasil interpretasi di Sulawesi Selatan, Jawa Timur, dan Banten. Provinsi Sulawesi Selatan terdiri dari 19 kabupaten dan 237 kecamatan. Berdasarkan ZOM BMKG provinsi ini terdiri dari 24 ZOM yaitu ZOM 286 sampai ZOM 317. Hasil konversi menunjukkan ada beberapa kecamatan masuk dalam beberapa ZOM sehingga dari 24 ZOM dan 237 kecamatan ini diperoleh 427 variasi ZOM dan kecamatan. Tabel 8. Kombinasi dan frekuensi kejadian,, dan normal yang pernah terjadi selama tiga musim berturut-turut (MH-MK I-MK II) selama periode

26 No Kombinasi skenario iklim Frekuensi MK I MK II Normal Normal Normal 11 17,7 2 Normal Normal 6 9,7 3 Normal 6 9,7 1951, 1963, 1965, 1972, 2006, ,7 1955, 1956, 1971, 1974, 1975, ,1 1966, 1977, 1978, 1995, ,5 1982, 1986, 1994, ,5 1985, 1989, 2000, ,8 3 4,8 1991, 1997, , 1973, ,8 2 3,2 1958, 1983, , ,2 1964, ,2 1998, ,2 1969, , , , Normal Normal Normal 7 8 Normal Normal 9 Normal Normal Normal Normal Normal Normal Normal Turus % Tahun kejadian MH 1952, 1959, 1961, 1967, 1980, , 1984, 2001, 1953, 1960, 1962, 1979, 1981, 1976, 1996, 2011 Sumber: Balitklimat (2013) Berdasarkan jumlah kecamatan dalam ZOM, 5 ZOM terbesar adalah ZOM 287 yang mencakup 48 kecamatan, ZOM 288 (48 kecamatan), 186

27 ZOM 310 (31 kecamatan), ZOM 301 (27 kecamatan), dan ZOM 309 (24 kecamatan). Jawa Timur secara administrasi terbagi dalam 37 kabupaten dan 604 kecamatan. Hasil konversi menunjukkan ada kecamatan masuk dalam beberapa ZOM sehingga menghasilkan 1173 variasi kecamatan berdasarkan ZOM. Berdasarkan jumlah kecamatan dalam ZOM, 5 ZOM terbesar adalah ZOM 162 (56 kecamatan), ZOM 151 (56 kecamatan), ZOM 153 (53 kecamatan), ZOM 163 (49 kecamatan), dan ZOM 152 (47 kecamatan). Banten terdiri dari 5 kabupaten/kota dan 132 kecamatan. Provinsi Banten secara umum berada pada ZOM 55 sampai ZOM 67 dan ZOM 196. Hasil konversi ZOM dan kecamatan di provinsi ini menghasilkan 131 variasi ZOM dan kecamatan. Contoh antara garis ZOM dan non ZOM dengan informasi spasial prediksi hujan bulanan disajikan pada Gambar 11 (Balitklimat 2012; BBSDLP 2013). Pemanfaatan Informasi Prediksi Iklim Global dan Prediksi Awal Musim Hujan untuk Kalender Tanam MT I Kalender tanam MT I menyajikan informasi yang berlaku antara September dasarian ke-3 (Sep III) hingga Januari dasarian ke-2 (Jan II). Target informasi yang ingin dihasilkan pada kalender tanam dinamik MT I, antara lain: Gambar 11. Proses tumpang tepat peta prediksi hujan dengan peta batas ZOM dan non ZOM untuk menghasilkan data tabular prediksi hujan berbasis zona musim (1) informasi prediksi curah hujan dan sifat hujan MT I, (2) informasi prediksi sifat hujan global pada MT II dan MT III, (3) 187

28 prediksi waktu tanam dan potensi luas tanam padi, jagung, dan kedelai pada MT I, dan (4) prediksi waktu tanam dan potensi luas tanam padi dan palawija pada MT II dan MT III, (5) pola tanam tahunan MT I, MT II dan MT III. Untuk memenuhi target tersebut dibutuhkan informasi, antara lain: (1) prediksi iklim global yang menjangkau 3 musim tanam (MT I, MT II, dan MT III), (2) prediksi awal musim hujan di seluruh ZOM dan non ZOM, (3) prediksi curah hujan dan sifat hujan dasarian MT I di seluruh ZOM dan non ZOM. Tahapan analisis dan pengolahan data yang dilakukan, antara lain: (a) Informasi prediksi awal musim hujan dan nilai curah hujan dasarian hanya tersedia bagi wilayah yang termasuk dalam ZOM, sedangkan untuk wilayah non ZOM hanya tersedia informasi prediksi sifat hujan bulanan. Maka pada wilayah non ZOM dilakukan analisis bangkitan curah hujan bulanan berdasarkan informasi prediksi sifat hujan, kemudian nilai-nilai prediksi curah hujan bulanan tersebut diintrapolasi menjadi nilai-nilai curah hujan dasarian dan selanjutnya digunakan untuk memprediksi awal musim hujan pada wilayah non ZOM. Dengan demikian diperoleh informasi prediksi awal musim hujan, nilai curah hujan rata-rata musiman dan sifat hujan musiman untuk MT I pada seluruh ZOM dan non ZOM. (b) Informasi prediksi awal musim hujan, prediksi curah hujan rata-rata dan prediksi sifat hujan MT I berbasis ZOM dan non ZOM tersebut kemudian dikonversi menjadi informasi prediksi awal musim hujan, prediksi nilai curah hujan rata-rata, dan prediksi sifat hujan MT I berbasis kecamatan. Nilai-nilai tersebut kemudian diolah sedemikian sehingga menjadi informasi prediksi waktu tanam padi, potensi luas tanam padi, prediksi waktu tanam palawija, dan potensi luas tanam jagung dan kedelai MT I. (c) Informasi prediksi sifat hujan berbasis ZOM dan non ZOM pada MT II dan MT III diperoleh melalui pendekatan yang memanfaatkan informasi prediksi iklim global 6 bulan hingga 1-2 tahunan ke depan. Informasi prediksi sifat hujan berbasis ZOM dan non ZOM tersebut kemudian dikonversi menjadi informasi prediksi sifat hujan berbasis kecamatan. (d) Dengan menggunakan informasi prediksi sifat hujan MT II dan MT III berbasis kecamatan serta mempertimbangkan basis data 188

29 kalender tanam nasional dan hasil analisis prediksi MT I, maka kemudian ditentukan prediksi waktu tanam padi, potensi luas tanam padi, waktu tanam palawija dan potensi luas tanam palawija MT II dan MT III. Hasil analisis prediksi waktu tanam padi dan palawija MT I (Tabel 9-11), MT II dan MT III menghasilkan pula informasi pola tanam tahunan untuk 3 musim tanam yang akan dihadapi (Balitklimat 2012; BBSDLP 2013). Tabel 9. Contoh hasil analisis sebaran luas sawah untuk MT I 2013/2014 Sifat hujan Cakupan luas sawah Wilayah cakupan Atas normal 2,46 juta ha Sebagian besar Jawa, Bali-Nusa Tenggara, dan Papua Normal 5,32 juta ha Sebagian besar Sumatera, Jawa, Bali-Nusa Tenggara, Kalimantan, Sulawesi, dan Maluku Bawah normal 0,56 juta ha Sebagian kecil Sumatera, Jawa, dan Bali-Nusa Tenggara Tabel 10. Contoh rangkuman potensi luas tanam padi, jagung, dan kedelai untuk MT I 2013/2014 Pulau Luas baku sawah (ha) Awal tanam dominan Estimasi potensi luas tanam (ha) Padi Jagung/ kedelai Kedelai Sumatera Okt II-III Jawa Okt II-III Kalimantan Jan I-II Sulawesi Jan I-II Maluku Nov I-II Papua Nov III-Des I Bali dan NT Nov III-Des I Indonesia Okt II-III, Nov I-II

30 Tabel 11. Contoh hasil analisis sebaran potensi luas tanam untuk MT I 2013/2014 untuk padi, jagung/ kedelai, dan kedelai Provinsi Komoditas Sep III Okt I Potensi waktu tanam Okt II-III Nov I-II Nov I- Des I Des II- III Jan I-II ST Sumatera Padi Jagung/ Kedelai Kedelai Jawa Padi Jagung/Kedelai Kedelai Bali-Nusa Tenggara Padi Jagung/Kedelai Kedelai Kalimantan-Sulawesi Padi Jagung/Kedelai Kedelai Maluku-Papua Padi Jagung/ Kedelai Kedelai Indonesia Padi Jagung/ Kedelai Keterangan: ST = sepanjang tahun Kedelai Total

31 191

32 Pemanfaatan Prediksi Hujan Bulanan untuk Kalender Tanam MT II Kalender tanam dinamik MT II menyajikan informasi yang berlaku antara Januari dasarian ke-3 (Jan III) hingga Mei dasarian ke-2 (Mei II). Target informasi yang ingin dihasilkan pada kalender tanam dinamik MT II, antara lain: (1) informasi prediksi curah hujan dan sifat hujan MT II, (2) informasi prediksi sifat hujan global pada MT III, (3) prediksi waktu tanam dan potensi luas tanam padi, jagung, dan kedelai pada MT II, dan (4) prediksi waktu tanam dan potensi luas tanam padi dan palawija pada MT III. Untuk memenuhi target tersebut dibutuhkan informasi, antara lain: (1) prediksi iklim global yang menjangkau 2 musim tanam (MT II dan MT III), (2) prediksi curah hujan dan sifat hujan bulanan bulan Januari hingga April di seluruh ZOM dan non ZOM. Tahapan analisis dan pengolahan data yang dilakukan, antara lain: (a) Informasi spasial prediksi curah hujan dan sifat hujan bulanan tersedia untuk bulan Januari, Februari dan Maret. Melalui peta prediksi curah hujan dan sifat hujan bulanan tersebut dengan peta batas ZOM dan non ZOM, maka dapat diperoleh informasi prediksi curah hujan dan sifat hujan bulanan berbasis ZOM dan non ZOM untuk bulan Januari, Februari, dan Maret. (b) Prediksi curah hujan dan sifat hujan bulanan berbasis ZOM dan non ZOM untuk bulan April dianalisis berdasarkan kecenderungan ( ) curah hujan dan sifat hujan pada bulan Januari, Februari, dan Maret. (c) Informasi prediksi curah hujan dan prediksi sifat hujan bulanan untuk bulan Januari-April berbasis ZOM dan non ZOM tersebut kemudian dikonversi menjadi informasi prediksi curah hujan dan prediksi sifat hujan MT II berbasis kecamatan. Dengan mempertimbangkan hasil analisis kalender tanam dinamik MT I sebelumnya, informasi prediksi curah hujan dan prediksi sifat hujan MT II berbasis kecamatan kemudian diolah sedemikian rupa sehingga menjadi informasi prediksi waktu tanam padi, potensi luas tanam padi, prediksi waktu tanam palawija dan potensi luas tanam jagung dan kedelai MT II. 192

33 Informasi prediksi waktu tanam padi, potensi luas tanam padi, waktu tanam palawija, dan potensi luas tanam palawija MT III masih menggunakan informasi yang dianalisis pada musim sebelumnya dengan mempertimbangkan perubahan-perubahan yang diakibatkan hasil analisis MT II, seperti yang tercantum pada Tabel 12 dan Tabel 13 (Balitklimat 2012, BBSDLP 2013). Tabel 12. Contoh hasil analisis sebaran luas sawah kalender tanam dinamik untuk MT II 2013 Sifat hujan Luas cakupan (juta ha) Wilayah cakupan Bawah normal 1,55 Sumatera, wilayah timur Jawa, Bali-NTB, Sulteng, Maluku, wilayah utara Papua Atas normal 0,76 Wilayah barat Sumatera, Kalteng, wilayah selatan Papua Normal 2,95 Selain wilayah di atas Pemanfaatan Prediksi Awal Musim Kemarau untuk Kalender Tanam MT III Kalender tanam dinamik MT III menyajikan informasi yang berlaku antara Mei dasarian ke-3 (Mei III) hingga September dasarian ke-2 (Sep II). Target informasi yang ingin dihasilkan pada kalender tanam dinamik MT III, antara lain (1) informasi prediksi curah hujan dan sifat hujan MT III, (2) prediksi waktu tanam dan potensi luas tanam padi, jagung, dan kedelai pada MT I, dan (3) prediksi tutup tanam padi, jagung dan kedelai MT III. Untuk memenuhi target tersebut dibutuhkan informasi, antara lain (1) prediksi awal musim kemarau di seluruh ZOM dan non ZOM, (2) prediksi curah hujan dan sifat hujan dasarian MT III di seluruh ZOM dan non ZOM. Tahapan analisis dan pengolahan data yang dilakukan, antara lain: (a) Informasi prediksi awal musim kemarau dan nilai curah hujan dasarian hanya tersedia bagi wilayah yang termasuk dalam ZOM, sedangkan untuk wilayah non ZOM hanya tersedia informasi prediksi sifat hujan bulanan. Maka pada wilayah non ZOM dilakukan analisis bangkitan curah hujan bulanan berdasarkan informasi prediksi sifat hujan, kemudian nilai-nilai prediksi curah hujan bulanan tersebut diintrapolasi menjadi nilai-nilai curah hujan dasarian dan selanjutnya digunakan 193

34 No untuk memprediksi awal musim kemarau pada wilayah non ZOM. Dengan demikian diperoleh informasi prediksi awal musim kemarau, nilai curah hujan rata-rata musiman, dan sifat hujan musiman untuk MT III pada seluruh ZOM dan non ZOM. Tabel 13. Contoh hasil analisis prediksi untuk MT II 2013 Pulau Luas baku sawah (ha) Awal tanam dominan Estimasi luas tanam (ha) Padi Jagung /kedelai Kedelai 1. Sumatera Mei I-II Jawa Mar I-II Kalimantan Mei I-II Sulawesi Mei I-II Maluku Mar III Apr I 6. Papua Mar III- Apr I Bali & NT Mei I-II Indonesia Mei I-II (b) Informasi prediksi awal musim kemarau, prediksi curah hujan rata-rata dan prediksi sifat hujan MT III berbasis ZOM dan non ZOM tersebut kemudian dikonversi menjadi informasi prediksi awal musim kemarau, prediksi nilai curah hujan rata-rata, dan prediksi sifat hujan MT III berbasis kecamatan (Tabel 14 dan Tabel 15). Dengan mempertimbangkan hasil analisis kalender tanam dinamik MT II sebelumnya, informasi prediksi awal musim kemarau, prediksi nilai curah hujan rata-rata, dan prediksi sifat hujan MT III berbasis kecamatan kemudian diolah sedemikian sehingga menjadi informasi prediksi waktu tanam padi, potensi luas tanam padi, prediksi waktu tanam palawija, dan potensi luas tanam jagung dan kedelai MT III, serta informasi tutup tanam MT III (Balitklimat 2012, BBSDLP 2013). Tabel 14. Contoh hasil analisis sebaran luas sawah kalender tanam dinamik untuk MT III 2013 Sifat hujan Luas cakupan (juta ha) Wilayah cakupan Bawah normal 1,92 Pesisir timur Aceh, wilayah timur Jawa, sebagian Kalimantan, sebagian kecil Maluku 194

35 Atas normal 0,99 Sebagian besar Sumatera, wilayah barat Jawa, sebagian Bali-NTB-NTT, pedalaman Kalteng dan Kaltim, serta sebagian besar Sulteng dan Gorontalo Normal 5,38 Selain wilayah di atas Analisis dan Prediksi pada Kalender Tanam Dinamik Adakalanya di tengah-tengah perjalanan musim tanam terdapat kondisi iklim yang mengharuskan adanya prediksi curah hujan dan kalender tanam. Hal ini mengharuskan adanya pemantauan perkembangan evaluasi dan prediksi iklim, khususnya iklim di sekitar Indonesia. Sebagai contoh kasus adalah pada MT III 2013, dimana terjadi kemarau basah yang mengharuskan selalu evaluasi dan prediksi curah hujan pada musim tersebut. Pada prediksi awal MT III pada Juni 2013 (Tabel 16), diprediksi sifat hujan dominan yang paling banyak menyebar di seluruh zona adalah normal, yaitu sebanyak 241 ZOM dan 42 non ZOM (70% dari seluruh ZOM/non ZOM). prediksi pada Juli 2013 menggambarkan adanya peningkatan curah hujan di sebagian besar wilayah Indonesia, sedemikian hingga sifat hujan atas normal paling banyak menyebar di seluruh zona, sebanyak 297 ZOM dan 42 non ZOM (dari 18% meningkat menjadi 83%). Hal ini berimplikasi adanya perubahan potensi luas tanam padi, jagung dan kedelai. Potensi luas tanam jagung/kedelai yang semula sekitar 1,94 juta ha dapat berkurang menjadi 1,77 juta ha, dan potensi luas tanam kedelai yang semula adalah 0,52 juta ha menjadi tidak direkomendasikan (BBSDLP 2013). 195

36 No Pulau Tabel 15. Contoh hasil analisis prediksi kalender tanam dinamik untuk MT III 2013 Luas baku sawah (ha) Sifat hujan dominan Awal tanam dominan Potensi luas tanam (ha) Padi Jagung/kedelai Kedelai 1. Sumatera N, AN Mei III-Jun I, ST Jawa N, AN Mei III-Jun I, Jun II-III Kalimantan N, BN Ags II-III, Sep I-II Sulawesi N, AN Mei III-Jun I, Jun II-III Maluku N Jul I-II, Jul III-Ags I Papua N Mei III-Jun I, Jun II-III Bali & NT N, AN Jul I-II Indonesia N, AN Mei III-Jun I, Jun II-III Keterangan: N = normal, BN = bawah normal, AN = atas normal, dan ST = sepanjang tahun 196

37 Tabel 16. Perubahan prediksi sebaran sifat hujan MT III akibat adanya kemarau basah pada Juli-Agustus 2013 Sifat hujan Parameter Prediksi awal Juli 2013 September ZOM Non ZOM ZOM Non ZOM ZOM 2013 Non ZOM AN Jml % 19,0 13,8 86,8 64,6 29,8 24,6 Normal Jml % 70,5 64,6 7,6 21,5 44,4 72,3 BN Jml % 10,5 21,5 5,6 13,8 25,7 31 Total Jml % 100,0 100,0 100,0 100,0 100,0 100,0 Keterangan: AN = atas normal, BN = bawah normal, Jml = jumlah zona Verifikasi Hasil Prediksi Kalender Tanam (Studi kasus: Sulawesi Selatan, Jawa Timur, dan Jawa Tengah) Hasil prediksi kalender tanam perlu diverifikasi, dengan cara membandingkan hasil SI Katam Terpadu dengan kondisi sebenarnya di lapang. Tiga provinsi yang telah diverifikasi yaitu Sulawesi Selatan, Jawa Timur, dan Jawa Tengah dapat menjadi masukan untuk kegiatan verifikasi di tempat lain, maupun untuk meningkatkan akurasi hasil prediksi. Verifikasi kalender tanam Provinsi Sulawesi Selatan dilaksanakan di 7 kabupaten yaitu: Makassar, Maros, Bone, Enrekang, Gowa, Takalar, dan Jeneponto. Pengamatan dilakukan dengan menyusuri kecamatan-kecamatan yang memiliki lahan sawah (Tabel 18 dan Tabel 19). Tiga kecamatan yang diamati di Kabupaten Maros adalah Turikale, Bantimurung, dan Camba. Berdasarkan kondisi lahan, di Turikale dan Bantimurung terlihat sudah mulai tanam, sementara di Camba belum terlihat penyemaian benih maupun pengolahan tanah. Kecamatan Turikale memiliki luas lahan sebesar 888 ha, merupakan jenis sawah irigasi dengan komoditas padi. Berdasarkan prediksi BMKG untuk musim hujan tahun 2011/2012 sifat hujan di Turikale di atas normal. Perkiraan awal tanam di lapang sekitar September I-II.