Daftar Isi Daftar Isi... 2 Daftar Gambar... 4 Bab 1. Pendahuluan... 5 Bab 2. Metode Prediksi Iklim, Pola Tanam dan... 6 2.1 Pemodelan Prediksi Iklim... 6 2.2 Pengembangan Peta Prediksi Curah Hujan... 8 2.3 Pengembangan Prediksi Pola Tanam... 9 2.4 Prediksi Banjir... 9 Bab 3. Petunjuk Teknis... 11 3.1 Informasi di Website... 12 3.1.1 Beranda Utama... 12 3.1.2 Prediksi Curah Hujan... 13 3.1.3 Prediksi Indeks Kerentanan Banjir... 16 2
3.1.4 Kalender Tanam Padi... 19 3.1.5 Kalender Tanam Palawija... 21 3
Daftar Gambar Gambar 1 ITB Smart Climate Model... 7 Gambar 2 Tampilan beranda utama... 13 Gambar 3 Prediksi Curah Hujan... 14 Gambar 4 Indeks Kerentanan Banjir... 17 Gambar 5 Kalender Tanam Padi... 20 Gambar 6 Kalender Tanam Palawija... 22 4
Bab 1. Pendahuluan terletak pada koordinat antara 2º sampai 3º lintang selatan dan 115º sampai 116º bujur timur. Wilayah terletak di daerah dataran rendah dengan ketinggian berkisar antara 0 m sampai dengan 7 m di atas permukaan air laut dan dengan kemiringan berkisar antara 0 persen sampai dengan 2 persen. Curah hujan di wilayah ini dipengaruhi oleh keadaan iklim, keadaan geografi dan perputaran/pertemuan massa udara. Perubahan pola curah hujan di wilayah Hulu Sungai Utara telah menyebabkan para petani menjadi sulit dalam menentukan waktu yang tepat untuk tanam padi maupun palawija. Selain itu, perubahan pola curah hujan juga dapat menyebabkan frekuensi dan tingkat kejadian banjir semakin meningkat. Berdasarkan review dari data historis, kekeringan jarang terjadi di Kabupaten ini. Untuk itu, sistem informasi ini hanya menyajikan informasi bencana banjir. Sistem informasi iklim berbasis website iuntuk prediksi pola tanam dan indeks kerentanan banjir ini akan menjadi panduan bagi masyarakat di Kabupaten Hulu Sungai Utara dalam mengantisipasi kondisi perubahan pola curah hujan di masa mendatang. 5
Bab 2. Metode Prediksi Iklim, Pola Tanam dan 2.1 Pemodelan Prediksi Iklim Model ini menggunakan metode fast fourier transform yang mampu memprediksi iklim dengan ketelitian hingga 90 % dan telah teruji di beberapa wilayah di Indonesia. Untuk menghasilkan data prediksi yang baik, model ini melakukan 4 langkah analisis, yaitu analisis prediksi langsung, analisis anomali / analisis sifat periodik dan analisis prediksi akhir. Keempat langkah tersebut digunakan untuk mengoreksi hasil prediksi satu sama lain sehingga dapat dihasilkan prediksi yang stabil dan lebih akurat. Semua langkah analisis untuk melakukan prediksi iklim tersebut telah dapat dilakukan dalam suatu kompilasi software ITB Smart Climate Model (SCM) (lihat Gambar 1.1). Langkah kedua adalah analisis model secara langsung. Tujuannya adalah mencari model awal yang stabil dan stasioner dimana model ini mencerminkan suatu pola data cuaca murni tanpa ada gangguan variabel luar yang dapat mengakibatkan perubahan data (noise). 6
Langkah Kedua adalah analisis sifat periodik data iklim dan cuaca. Tujuannya adalah untuk mendapatkan informasi waktu berulangnya suatu data. Gambar 1 ITB Smart Climate Model Langkah Ketiga adalah analisis model anomali. Tujuannya untuk mengkoreksi model yang telah dihasilkan pada langkah kedua. Untuk mendapatkan data anomali, data cuaca dikurangkan dengan model awal, data yang dihasilkan adalah residu/simpangan dari data cuaca terhadap model awal. Langkah Keempat adalah melakukan kombinasi prediksi awal (langsung) dengan prediksi akhir. Dengan kombinasi prediksi tersebut dapat dihasilkan prediksi curah hujan dengan tingkat akurasi yang lebih baik dan stabil. 7
Untuk melakukan update pemodelan prediksi curah hujan, maka database harus diperbaharui dengan data yang terbaru. Adapun langkah untuk melakukan update prediksi curah hujan adalah sebagai berikut: a. Update database curah hujan yang terbaru b. Running model SCM untuk setiap titik stasiun c. Verifikasi dengan data observasi d. Lakukan pemetaan prediksi curah hujan dengan menggunakan software GIS seperti Surfer, ArcGIS, dan lain sebagainya. 2.2 Pengembangan Peta Prediksi Curah Hujan Untuk menghasilkan peta prediksi iklim di Indonesia beresolusi tinggi yang lebih akurat di semua daerah maka diperlukan Metode Kriging pada pemetaan data. Semua data yang diperlukan baik time series maupun spasial dimasukan ke dalam database untuk diolah secara komputerisasi. Peta wilayah administrasi juga akan diperlukan dalam proses overlay dengan peta hasil prediksi untuk membedakan masing-masing daerah yang memiliki perbedaan iklim. Hasil tersebut tentu dilakukan untuk dua parameter iklim yang akan dibangun, yaitu temperatur dan curah hujan. 8
2.3 Pengembangan Prediksi Pola Tanam Sistem informasi pola tanam dikembangkan untuk pola tanam padi dan palawija. Masa tanam padi dilakukan jika terdapat curah hujan lebih dari 50 mm per dasarian pada 3 dasarian berturut-turut. Sedangkan untuk tanam palawija, dilakukan jika terdapat curah hujan lebih dari 25 mm per dasarian pada 3 dasarian berturut-turut. Selain itu, dua pola tanam ini (padi & palawija) didasarkan juga pada kebiasaan pola tanam di wilayah tersebut. 2.4 Prediksi Banjir Penentuan daerah rentan banjir di menggunakan Sistem Informasi Geografi dilakukan dengan mengidentifikasi wilayah-wilayah dengan data spasial. Beberapa parameter yang berpengaruh langsung terhadap analisis kerentanan banjir selain curah hujan, yaitu: a. Curah Hujan b. Kemiringan atau Kelerengan c. Elevasi Untuk tahapan analisis dilakukan dengan memberikan pembobotan terhadap tiap parameter penentu kerentanan. Setiap unsur dalam masing- masing parameter terlihat pada Tabel 1. Analisis kerentanan menggunakan analisis spasial dengan melakukan tumpang- tindih (overlay) tematik sehingga didapatkan 9
indeks kerentanan dengan perumusan berikut, N = Bi Si dengan, N sebagai total nilai variable, Bi untuk kriteria klasifikasi dan Si untuk skor pada tiap kriterian untuk masing parameter i. Hasil analisis tersebut kemudian dirumuskan kembali dalam bentuk spasial dengan persamaan berikut. Nkb = C10 + Sl + E Tabel 1. Indikator tingkatan rawan banjir No. Nilai Indeks Tingkat Rawan Banjir 1 1 Aman 2 2 Rendah 3 3 Sedang/Menengah 4 4 Rentan 5 5 Sangat Rentan Dengan, Nkb untuk nilai kerentanan banjir kewilayahan, C10 untuk curah hujan dasarian, Sl sebagai slope (Kemiringan) dan E sebagai elevasi. Jumlah total dari seluruh nilai tersebut diklasifikasikan dalam bentuk informasi kategori indikator tingkat kerawanan seperti yang terlihat pada Tabel 1. 10
Bab 3. Petunjuk Teknis Pada kegiatan ini telah dikembangkan sistem informasi pemodelan perubahan iklim untuk daerah rawan pangan dalam bentuk informasi pola tanam dan potensi bencana hidrometeorologi dengan resolusi dan ketepatan tinggi di Hulu Sungai Utara. Sistem ini berupa aplikasi berbasis website yang mudah diakses oleh masyarakat maupun pemerintah. Pada dasarnya, penggunaan sistem informasi ini dapat dilakukan oleh berbagai kalangan karena tampilan dan informasi yang disediakan bersifat pengguna-friendly dan informatif. Informasi yang disediakan berupa prediksi curah hujan dan prediksi indeks kerentanan banjir skala desa selama 5 tahun kedepan. Selain itu pula ada informasi prediksi kalender tanam padi dan kalender tanam palawija sebagai pengambilan keputusan dalam menentukan jadwal tanam, pemupukan, dan masa panen. Berikut petunjuk teknis terkait pemanfaatan sistem informasi 11
pemodelan perubahan iklim untuk daerah rawan pangan. 3.1 Informasi di Website Tampilan informasi di website terdiri dari beberapa bagian, yaitu beranda utama, prediksi curah hujan, prediksi indeks kerentanan banjir, kalender tanam padi, dan kalender tanam palawija. Berikut penggunaan teknis untuk sistem informasi website : 3.1.1 Beranda Utama Di beranda utama terdapat pemilihan untuk fitur-fitur yang terdapat pada website (Gambar 2). 12
Gambar 2 Tampilan beranda utama 3.1.2 Prediksi Curah Hujan Halaman Prediksi curah hujan menampilkan prediksi curah hujan dengan interval dasarian hingga 2020. Prediksi iklim merupakan salah satu keluaran dari model SCM (Smart Climate Model) Berikut tampilan prediksi curah hujan. 13
Tampilkan lebih besar Simpan grafik Grafik Curah Hujan Gambar 3 Prediksi Curah Hujan Peta pada website menyediakan prediksi curah hujan interval dasarian secara spasial menggunakan kontur. Apabila pengguna mengklik 1 desa, akan muncul grafik curah hujan selama 1 tahun di panel sebelah kanan. Legenda untuk curah hujan ditunjukan dengan warna (satuan milimeter) dan dikategorikan menjadi 3 bagian yaitu hujan tinggi, menengah dan rendah. Pengguna juga dapat mengganti waktu untuk melihat tingkat curah hujan kedepan maupun kebelakang. Pengguna juga dapat memilih hasil untuk berbagai dasarian (1 sampai 14
3) di berbagai bulan hingga 2020. Grafik yang dihasilkan dapat disimpan dalam berbagai format seperti png, jpg, dsb dengan mengklik simbol disebelah kanan grafik. Contoh Kasus : Pengguna ingin melihat contour curah hujan pada Dasarian dua, bulan Juni, pada tahun 2017 Pengguna membuka link http://smartclim.info/sipt/hsu/petahujan.php Dari pilihan dasarian 1,2, dan 3, pengguna dapat memilih dasarian 2 pada pilihan bulan, pengguna memilih pilihan bulan Juni dan pada pilihan tahun, pengguna memilih pilihan tahun 2017 Tekan tombol tampilkan, makan pada peta akan tampil tampilan overlay Contoh Kasus : Pengguna ingin menampilkan Grafik curah hujan pada Desa Damar untuk tahun 2017 15
Pengguna membuka link http://smartclim.info/sipt/hsu/petahujan.php Letak Desa Damar akan tampil bila pengguna menunjuk pointer di atas desa lalu dapat menekan peta tersebut Grafik prediksi curah hujan akan tampil di bagian kanan website Bila pengguna ingin menampilkan grafik dengan tampil yang lebih besar, pengguna dapat mengklik tulisan Tampilkan lebih besar Maka Tampilan Grafik Curah Hujan akan tampil lebih besar 3.1.3 Prediksi Indeks Kerentanan Banjir Peta pada fitur ini menginformasikan indeks banjir dengan skala desa, apabila desa diklik, maka akan muncul grafik kerentanan banjir dari bulan Januari hingga Desember dari skala 0 hingga 5. Indeks banjir ditampilkan per 10 harian (dasarian) hingga 2020. 16
Legenda indeks di kiri peta merupakan kategori tingkat kerentanan dari tidak rentan hingga sangat rentan dengan variasi warna yang ditampilkan. Pengguna juga dapat mengganti waktu untuk melihat tingkat kerentanan kedepan maupun kebelakang. Pengguna juga dapat memilih hasil untuk berbagai dasarian (1 sampai 3) di berbagai bulan hingga 2020. Grafik yang dihasilkan dapat disimpan dalam berbagai format seperti png, jpg, dsb dengan mengklik simbol disebelah kanan grafik. Tampilkan lebih besar Simpan grafik Grafik Indeks Kerentanan Banjir Gambar 4 Indeks Kerentanan Banjir 17
Contoh Kasus : Pengguna ingin melihat contour indeks kerentanan banjir pada Dasarian dua, bulan Juni, pada tahun 2017 Pengguna membuka link http://smartclim.info/sipt/hsu/indeksbanjir.php Dari pilihan dasarian 1,2, dan 3, pengguna dapat memilih dasarian 2 pada pilihan bulan, pengguna memilih pilihan bulan Juni dan pada pilihan tahun, pengguna memilih pilihan tahun 2017 Tekan tombol tampilkan, makan pada peta akan tampil tampilan overlay Contoh Kasus : Pengguna ingin menampilkan Grafik indeks kerentanan banjir pada Desa Damar untuk tahun 2017 Pengguna membuka link http://smartclim.info/sipt/hsu/indeksbanjir.php 18
Letak Desa Damar akan tampil bila pengguna menunjuk pointer di atas desa lalu dapat menekan peta tersebut Grafik prediksi indeks kerentanan banjir akan tampil di bagian kanan website Bila pengguna ingin menampilkan grafik dengan tampil yang lebih besar, pengguna dapat mengklik tulisan Tampilkan lebih besar Maka Tampilan Grafik indeks kerentanan banjir akan tampil lebih besar 3.1.4 Kalender Tanam Padi Peta pada fitur ini menginformasikan kalender tanam padi dengan skala desa, apabila desa diklik, maka akan muncul grafik berupa sistem pendukung keputusan per tahun di desa tersebut. Grafik tersebut menginformasikan waktu mulai tanam padi, pemupukan 1, pemupukan 2, panen, mulai tanam dengan pompa, 19
dan pengairan dengan pompa pada tahun tertentu. Pengguna dapat grafik sistem pendukung keputusan tersebut dari tahun 2017 hingga 2020. Grafik yang dihasilkan dapat disimpan dalam berbagai format seperti png, jpg, dsb dengan mengklik simbol disebelah kanan grafik. Tampilkan lebih besar Simpan grafik Grafik Sistem Pendukung Keputusan 0 Gambar 1 Kalender Tanam Padi Contoh Kasus : Pengguna ingin menampilkan Grafik Kalender Tanam Padi pada Desa Damar untuk tahun 2017 Pengguna membuka link 20
http://smartclim.info/sipt/hsu/katampadi.php Letak Desa Damar akan tampil bila pengguna menunjuk pointer di atas desa lalu dapat menekan peta tersebut Grafik Kalender Tanam Padi akan tampil di bagian kanan website Bila pengguna ingin menampilkan grafik dengan tampil yang lebih besar, pengguna dapat mengklik tulisan Tampilkan lebih besar Maka Tampilan Grafik Kalender Tanam Padi akan tampil lebih besar 3.1.5 Kalender Tanam Palawija Peta pada fitur ini menginformasikan kalender tanam palawija dengan skala desa, apabila desa diklik, maka akan muncul grafik berupa sistem pendukung keputusan per tahun di desa tersebut. Grafik tersebut menginformasikan waktu mulai tanam palawija, 21
pemupukan 1, pemupukan 2, panen, mulai tanam dengan pompa, dan pengairan dengan pompa pada tahun tertentu. Pengguna dapat grafik sistem pendukung keputusan tersebut dari tahun 2017 hingga 2020. Grafik yang dihasilkan dapat disimpan dalam berbagai format seperti png, jpg, dsb dengan mengklik simbol disebelah kanan grafik. Tampilkan lebih besar Simpan grafik Grafik Indeks Kerentanan Banjir 0 Gambar 2 Kalender Tanam Palawija Contoh Kasus : Pengguna ingin menampilkan Grafik 22
Kalender Tanam Palawija pada Desa Damar untuk tahun 2017 Pengguna membuka link http://smartclim.info/sipt/hsu/katampalawija.php Letak Desa Damar akan tampil bila pengguna menunjuk pointer di atas desa lalu dapat menekan peta tersebut Grafik Kalender Tanam Palawija akan tampil di bagian kanan website Bila pengguna ingin menampilkan grafik dengan tampil yang lebih besar, pengguna dapat mengklik tulisan Tampilkan lebih besar Maka Tampilan Grafik Kalender Tanam Palawija akan tampil lebih besar 23