Fixx Laporan Pratikum KLIMATOLOGI KLASIFIKASI IKLIM [PDF]

Citation preview

Laporan Pratikum Agroklimatologi



KLASIFIKASI IKLIM



NAMA



: SAKINAH SALAM ADNAN



NIM



: G011181351



KELAS



: AGROKLIMATOLOGI E



KELOMPOK



:2



ASISTEN



: 1. KHAIRUNNISA A 2. RISKA YANTI



PROGRAM STUDI AGROTERNOLOGI DEPARTEMEN BUDIDAYA TANAMAN FAKULTAS PERTANIAN UNIVERSITAS HASANUDDIN MAKASSAR



BAB I PENDAHULUAN 1.1 Latar Belakang Iklim mempunyai peranan yang sangat penting dalam perencanaan dan sistem produksi pertanian karena seluruh unsur iklim berpengaruh terhadap berbagai proses fisiologis, pertumbuhan dan produktivitas tanaman. Iklim mengandung pengertian kebiasaan cuaca yang terjadi di suatu tempat atau daerah. Pengertian lain dari iklim adalah ciri kecuacaan suatu tempat atau daerah (Mahubessy, 2014). Iklim di bumi tidak selalu konstan dimana temperatur dan curah hujan berbeda-beda dari tahun ke tahun dan berfluktuasi dalam jangka waktu yang lebih lama. Pertumbuhan tanaman dan urutannya yang terjadi dalam suatu tahun ditentukan oleh interaksi antara iklim, tanah, tanaman, dan pengelolaan. Suatu jenis tanaman akan tumbuh jika kebutuhan minimum akan air, energi, dan nutrien tersedia, serta ada tempat untuk tumbuh tegak (Dewi, 2005). Perubahan iklim dari waktu ke waktu menjadi masalah bagi semua manusia di bumi ini. Perubahan iklim global akan terus terjadi sejalan dengan peningkatan aktivitas manusia. Perbedaan jenis iklim antara daerah satu dengan daerah lain juga akan mengakibatkan perbedaan pada aktivitas manusianya misalnya saja dalam pertanian, perkebunan hingga aktivitas transportasi. Dalam skala waktu perubahan iklim akan membentuk pola atau siklus tertentu, baik harian, musiman, tahunan, maupun siklus beberapa tahunan. Selain perubahan yang berpola dan bersiklus, aktifitas manusia juga menyebabkan pola iklim berubah secara berkelanjutan baik dalam skala global maupun skala lokal (Sasminto, 2014). Berdasarkan uraian diatas, maka perlu dilakukan praktikum klasifikasi tipe iklim dan prediksi curah hujan guna mengetahui tipe iklim di suatu wilayah tertentu juga memprediksi curah hujan yang akan membantu dalam proses penentuan penanaman jenis tanaman dan juga jadwal tanam yang baik dan tepat. 1.2 Tujuan dan Kegunaan Tujuan praktikum adalah untuk mengetahui pengklasifikasian tipe iklim berdasarkan beberapa metode dan cara memprediksi curah hujan diwilayah tertentu.



Kegunaan dari praktikum yaitu sebagai bahan referensi atau acuan bagi mahasiswa serta untuk menambah wawasan mengenai pengklasifikasian iklim dan cara memprediksi curah hujan di suatu wilayah



BAB II TINJAUAN PUSTAKA 2.1 Hujan Hujan merupakan salah satu jenis presipitasi yang jatuh vertikal di atas permukaan bumi dan diukur oleh penakar hujan. Hujan jatuh dalam bentuk tetesan yang dikondensasikan oleh uap air di atmosfer. Hujan didefinisikan sebagai bentuk air yang jatuh ke permukaan bumi. Hujan berbeda dengan gerimis, hujan memiliki diameter tetes lebih dari 0,5 mm dengan intensitasnya lebih dari 1,25 mm/jam, sedangkan gerimis memiliki diameter tetes kurang dari 0,5 mm dan memiliki intensitas kurang dari 1 mm/jam (Lashari et al, 2017). Menurut Octari (2015), titik-titik air di udara atau awan yang terlalu banyak kandungan airnya akan kembali jatuh ke permukaan bumi sebagai hujan. Berdasarkan proses terjadinya hujan dibagi menjadi 3 jenis yaitu: a. Hujan Orografis yaitu hujan yang terjadi karena adanya pergerakan udara yang mengandung uap air yang terhalang oleh gunung sehingga udara tersebut dipaksa naik ke lereng gunung dan terjadi kondensasi pada ketinggian tertentu dan terbentuk awan sehingga terjadilah hujan. b. Hujan Konvensi adalah hujan yang terjadi karena adanya udara yang mengandung uap air bergerak secara vertical akibat pemanasan (konvensi) c. Hujan Frontal yaitu hujan yang terjadi karena adanya pertemuan massa (udara yang mengandung uap air) udara panas dan udara dingin. Hujan merupakan faktor terpenting dalam analisis hidrologi. Kejadian hujan dapat dipisahkan menjadi dua, yaitu hujan aktual dan hujan rancangan. Hujan aktual adalah rangkaian data pengukuran di stasiun hujan selama periode tertentu. Hujan rancangan adalah hyetograf hujan yang mempunyai karakteristik terpilih. Hujan rancangan mempunyai karakteristik yang secara umum sama dengan karakteristik hujan yang terjadi pada masa lalu, sehingga dapat memberikan gambaran karakteristik umum kejadian hujan yang diharapkan terjadi pada masa yang akan datang (Susilowati, 2015).



2.2 Curah Hujan Curah hujan didefinisikan sebagai tinggi air hujan yang diterima di permukaan sebelum mengalami aliran permukaan, evaporasi dan peresapan ke dalam tanah. Jumlah hari hujan dibatasi oleh jumlah hari dengan tinggi curah hujan 0,5 mm atau lebih. Jumlah hari hujan dapat dinyatakan per minggu, dekade, bulan, tahun atau satu periode tanam. Sedangkan jumlah curah hujan dicatat dalam inci atau milimeter (1 inci = 25,4 mm). Jumlah curah hujan 1mm, menunjukkan tinggi air hujan yang menutupi permukaan bumi 1 mm, jika air tersebut tidak meresap ke dalam tanah atau menguap ke atmosfer (Hermawan, 2009). Curah hujan adalah endapan atau deposit air dalam bentuk cair maupun padat, yang berasal dari atmosfer. Karakteristik hujan pada suatu daerah untuk menentukan ketersediaan air pada daerah tersebut serta kemungkinan terjadinya permasalahan dan bencana yang berkaitan dengan sumber daya air Curah hujan di Indonesia memiliki tingkat keragaman yang sangat tinggi secara ruang dan waktu. Keberadaan cuaca dan iklim memberikan pengaruh besar terhadap kehidupan masyarakat Indonesia khususnya masyarakat (Hartina dan Usman, 2017). Curah hujan harian adalah hujan yang terjadi dan tercatat pada stasiun pengamatan curah hujan setiap hari atau selama 24 jam. Data curah hujan harian biasanya dipakai untuk simulasi kebutuhan air tanaman, simulasi operasi waduk. Curah hujan harian maksimum adalah curah hujan harian tertinggi dalam tahun pengamatan pada suatu stasiun tertentu. Data ini biasanya dipergunakan untuk perancangan bangunan hidrolik sungai seperti bendung, bendungan, tanggul, pengaman sungai dan drainase. Curah hujan bulanan adalah: jumlah curah hujan harian dalam satu bulan pengamatan pada suatu stasiun curah hujan tertentu. Data ini biasanya dipergunakan untuk simulasi kebutuhan air dan dalam menentukan pola tanam. Curah hujan tahunan adalah jumlah curah hujan bulanan dalam satu tahun pengamatan pada suatu stasiun curah hujan tertentu (Susilowati, 2015). Indonesia yang berada di wilayah tropis memiliki curah hujan tahunan yang tinggi, Curah hujan yang tinggi di wilayah tropik pada umumnya dihasilkan dari proses konveksi dan pembentukan awan hujan panas. Pada dasarnya curah hujan dihasilkan dari gerakan massa udara lembab ke atas. Agar terjadi gerakan ke atas,



atmosfer harus dalam kondisi tidak stabil. Kondisi tidak stabil terjadi jika udara yang naik lembab dan lapse rate udara lingkungannya berada antara lapse rate adiabatik kering dan lapse rate adiabatik jenuh (Sari, 2017). 2.3 Tipe Iklim Iklim merupakan faktor yang sulit untuk dimodifikasi karena iklim merupakan komponen ekosistem yang sangat dinamik dan sulit dikendalikan. Beberapa ahli klimatologi seperti Koppen, Thornwaite, Oldeman, Mohr, serta Schmidt dan Ferguson mengklasifikasikan iklim dengan berbagai metode guna menunjang kegiatan - kegiatan pertanian yang pada umumnya menggunakan data suhu udara dan curah hujan (Mahubessy, 2014). 2.3.1 Schmid Ferguson Sistem klasifikasi iklim Schmidt dan Ferguson merupakan perbaikan Sistem Mohr yang telah membuat klasifikasi iklim khususnya untuk daerah tropika. Dasar untuk membuat penggolongan iklim oleh Schmidt dan Ferguson adalah dengan cara menghitung dan menentukan quitient (Q rerata) jumlah bulan kering dan rerata bulan basah. Langkah pertama ditentukan terlebih dahulu tentang status bulan. Untuk ini mereka menggunakan kriteria yang dibuat oleh Mohr. Bulan kering adalah suatu bulan yang jumlah hujannya kurang dari 60 mm. Ini berarti curah hujan lebih kecil daripada evaporasi. Atau jika dilihat status lengas tanahnya akan mengalami pengeringan. Adapun bulan basah adalah bulan yang curah hujannya lebih besar dari 100 mm. Kalau dilihat status tanahnya akan bertambah basah karena curah hujan lebih besar daripada evaporasi. Bulan dengan curah hujan antara 60±100 mm, dianggap bulan lembab yaitu bulan yang curah hujannya seimbang dengan evaporasi. Langkah selanjutnya dari data curah hujan yang ada (untuk ini dipakai yang sedikit-dikitnya 10 th) masing-masing tahun dihitung berapa bulan basah dan berapa bulan kering. Bulan lembab selanjutnya tidak dipakai untuk menghitung Q (Dewi, 2005) Klasifikasi atau tipe iklim Schmidt– Ferguson memiliki beberapa klasifikasi iklim antara lain sangat basah, basah, agak basah, sedang, agak kering, kering, sangat kering, dan luar biasa kering. Klasifikasi iklim Schmidt-Ferguson menggunakan nilai perbandingan (Q) antara rata-rata banyaknya bulan kering dan rata-rata banyaknya bulan basah dalam tahun penelitian. Adapun kategori untuk



bulan kering (jika dalam satu bulan mempunyai jumlah curah hujan < 60 mm), kategori bulan lembab (jika dalam satu bulan mempunyai jumlah curah hujan 60 sampai 100 mm), dan bulan basah (jika dalam satu bulan mempunyai jumlah curah hujan > 100 mm) (Sasminto, 2014). Menurut Bunganeun et al (2013), klasifikasi iklim Schmidt-Ferguson sangat terkenal di Indonesia dan banyak digunakan pada jenis tanaman tahunan. Klasifikasi iklim Schmidt-Ferguson sebagai berikut: Tipe Iklim



Keterangan



Kriteria (%)



A



Sangat basah



0 < Q < 14,3



B



Basah



14.3 < Q < 33,3



C



Agak basah



33,3 < Q < 60,0



D



Sedang



60,0 < Q < 100,0



E



Agak Kering



100,0 < Q < 167,0



F



Kering



167,0 < Q < 300,0



G



Sangat Kering



300,0 < Q < 700,0



H



Luat Biasa Kering



700,0 < Q



2.3.2 Oldeman Pada dasarnya Oldeman bersama-sama dengan beberapa kawannya melakukan klasifikasi terutama atas dasar curah hujan hubungannya dengan kebutuhan air tanaman khususnya tanaman pangan semusim yaitu padi dan palawija. Oldeman seperti halnya Schmidt dan Ferguson maupun Mohr juga menggunakan istilah bulan basah dan bulan kering untuk melaksanakan penggolongannya. Bulan basah adalah suatu bulan yang curah hujan rerata lebih besar dari pada 200 mm dan bulan kering adalah bulan yang curah hujannya sama atau lebih kecil dari pada 100 mm . Angka 200 mm dipergunakan dengan alasan kebutuhan air tanaman padi sawah termasuk perkolasinya mendekati angka 200 mm. Sedangkan angka 100 mm dipergunakan dengan alasan karena untuk tanaman palawija akan kekurangan air jika curah hujan lebih kecil dari pada 100 mm. Setelah menentukan kriteria bulan basah dan bulan kering langkah



selanjutnya adalah mencari harga rerata curah hujan masing-masing bulan. Berdasarkan hal tersebut maka ditentukan berapa bulan basah dan berapa bulan kering yang berturutan (Dewi, 2005). Menutut Dewi (2005),klasifikasi iklim pada sistem Oldemen adalah sebagai berikut: Tipe utama



Bulan Basah (BB) berturut-turut



A



>9



B



7-9



C



5-6



D



3-4



E



100mm/bulan Bulan Lembab (BL) 60 – 100 mm/bulan Bulan kering (BK) < 60 mm/bulan 3. Menghitung jumlah Bulan Basah (BB) dan Bulan Kering (BK) yang terjadi dalam bobot curah hujan yang ada, sehingga dapat menentukan pada bulan berapa sebaiknya dilakukan pola penanaman yang sesuai. 4. Menghitung nilai Q, yaitu banyak bulan kering/banyak bulan basah x 100%. 5. Memasukkan nilai Q yang ada ke dalam 8 pembagian tipe Iklim menurut sifatnya. 3.3.3



Cara Penentuan Klasifikasi Curah Hujan



1. Mengambil data curah hujan selama 24 tahun pada tempat yang telah ditentukan. 2. Mengetik ulang data curah hujan. 3. Mengetik data curah hujan per dekade serta jumlahnya. 4. Mencari bobot dari data curah hujan pada dekade ketiga serta jumlahnya dengan formula pada Microsoft Excel sebagai berikut: a. Untuk dekade ketiga digunakan formula sebagai berikut: =10/jumlah hari dekade ketiga*(nilai dekade ketiga) b. Untuk jumlah digunakan formula sebagai berikut: =30/jumlah hari dalam satu bulan*( jumlah curah hujan dalam satu bulan) 5. Membuat rangking data curah hujan serta jumlahnya dari yang paling besar sampai yang paling kecil nilainya. 6. Membuat grafik dari rangking data curah hujan per bulan selama 24 tahun. 7. Membuat peluang 40%, 50%, dan 60% data curah hujan per dekade serta jumlahnya dengan formula pada Microsoft Excel. a. Untuk peluang 40% digunakan formula =(jumlah tahun+1)*40%;



b. Untuk peluang 50% digunakan formula =(jumlah tahun+1)*50%; c. Untuk peluang 60% digunakan formula =(jumlah tahun+1)*60%; 8. Membuat rataan data curah hujan per dekade 9. Menentukan peluang data curah hujan per dekade serta jumlahnya untuk peluang 40%, 50%, dan 60% dengan formula pada Microsoft Excel sebagai berikut: =(Nilai rataan/jumlah tahun+1)*100 10. Membuat grafik dari masing-masing peluang data curah hujan 40%, 50%, dan 60% dan grafik dari gabungan peluang data curah hujan 40%, 50%, dan 60%.



BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Berdasarkan praktikum yang telah dilaksanakan, didapatkan hasil sebagai berikut: 4.1.1 Tabel Data Perdekade Bulan Dekade



Januari



Februari



Maret



April



Mei Juni



Juli



Agustus



September



Oktober



november



Desember



1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah 1 2 3 Jumlah



tahun 1994 1995 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 372 91 266 146 629 0 116 0 51 0 0 235 93 245 262 101 40 136 520 462 0 17 49 71 97 245 250 85 298 0 102 0 125 0 128 22 209 70 278 293 248 109 181 210 0 10 36 497 249 653 207 219 443 0 51.7 0 59 0 146 89 190 116 107 89 133 85 247 110 0 0 182 43 718 989 723 450 1370 0 269.7 0 235 0 274 346 492 431 647 483 421 330 948 782 0 27 267 611 0 172 208 292 331 0 56 0 138 0 67 32 117 205 212 49 211 99 49 48 0 27 128 212 0 193 142 336 324 0 457 0 53 0 12 27 34 60 111 117 35 44 107 115 0 9 40 125 23 301 116 95 47 0 30.4 0 0 0 20 196 135 105 164 73 85 171 32 54 0 0 62 87 23 666 466 723 702 0 543.4 0 191 0 99 255 286 370 487 239 331 314 188 217 0 36 230 424 510 106 157 172 16 244 139 0 26 0 15 133 9 373 115 13 156 103 91 97 0 0 376 67 229 274 243 332 23 249 140 0 113 0 94 39 35 190 136 51 88 100 99 88 0 5 98 74 275 154 107 275 41 380 40.7 0 21 0 160 279 34 179 27 222 309 174 17 57 0 28 86 152 1014 534 507 779 80 873 319.7 0 160 0 269 451 78 742 278 286 553 377 207 242 0 33 560 293 88 122 26 191 419 208 14 0 32 0 122 72 88 64 99 213 118 0 140 202 0 0 208 132 217 379 174 139 41 95 372 0 60 0 32 141 7 51 85 43 74 73 111 35 0 0 36 78 0 184 333 81 32 58 302 0 33 0 0 155 34 26 25 67 37 38 86 10 0 0 18 93 305 685 533 411 492 361 688 0 125 0 154 368 129 141 209 323 229 111 337 247 0 0 262 303 0 134 0 224 419 118 0 0 70 0 0 30 68 33 30 65 62 46 6 42 0 0 71 10 0 206 0 0 41 73 0 0 35 0 84 141 14 4 27 14 73 51 40 115 0 0 28 8 101 0 0 69 32 155 56.1 0 0 0 15 42 38 18 29 111 14 5 242 15 0 0 31 36 101 340 0 293 492 346 56.1 0 105 0 99 213 120 55 86 190 149 102 288 172 0 0 130 54 4 8 0 210 0 82 19 0 3 0 0 50 28 51 26 94 8 0 124 34 0 7 61 0 25 124 0 206 6 27 3 0 0 0 5 60 27 158 0 43 0 69 92 7 0 0 46 0 0 39 74 237 0 56 7 0 52 0 14 9 48 0 0 68 15 0 33 75 0 0 17 0 29 171 74 653 6 165 29 0 55 0 19 119 103 209 26 205 23 69 249 116 0 7 124 0 0 0 0 96 11 0 5 0 0 0 9 0 5 23 17 59 0 14 10 0 0 0 62 62 0 0 0 63 0 0 4 0 4 0 10 0 2 28 18 23 0 16 156 71 0 0 17 17 0 0 0 42 0 0 7.7 0 5 0 0 12 0 12 33 43 0 0 265 13 0 0 0 0 0 0 0 201 11 0 16.7 0 9 0 19 12 7 63 68 125 0 30 431 84 0 0 79 79 0 0 0 56 43 0 6 0 0 0 4 0 0 9 0 93 0 6 7 38 0 0 0 0 0 0 0 146 36 9 4 0 4 0 0 0 8 0 0 37 0 0 26 0 0 0 32 3 0 0 0 27 96 16 8.8 0 0 0 0 0 12 3 0 90 0 0 20 0 0 0 0 0 0 0 0 229 175 25 18.8 0 4 0 4 0 20 12 0 220 0 6 53 38 0 0 32 3 0 0 0 40 0 16 10 0 0 0 4 0 6 2 0 123 31 0 1 0 0 0 0 0 0 0 0 61 39 0 23 0 0 0 0 0 0 0 0 80 0 7 0 0 0 0 0 0 0 0 0 138 0 59 72 0 0 0 0 0 0 14 0 32 0 44 20 0 0 0 94 98 0 0 0 239 39 75 105 0 0 0 4 0 6 16 0 235 31 51 21 0 0 0 94 98 0 114 6 9 93 152 33 0 0 0 0 0 12 115 42 177 7 7 0 0 0 0 93 0 0 77 0 62 335 221 124 0 0 0 202 0 73 52 0 9 13 60 39 30 0 0 209 3 21 74 0 235 605 262 176 0 0 0 60 0 104 101 14 135 118 40 86 0 0 0 30 89 21 265 6 306 1033 635 333 0 0 0 262 0 189 268 56 321 138 107 125 30 0 0 332 92 0 101 0 104 465 216 161 0 0 0 109 0 66 132 0 267 175 148 50 35 0 0 20 71 0 146 0 342 502 418 122 0 0 0 103 10 60 80 92 66 52 60 49 25 0 17 15 26 0 221 0 75 306 309 176 0 0 0 120 76 112 264 62 0 394 113 41 101 0 0 119 16 0 468 0 521 1273 943 459 0 0 0 332 86 238 476 154 333 621 321 140 161 0 17 154 113 0 125 0 250 439 372 319 0 0 0 61 50 107 105 124 123 372 83 126 214 0 0 67 257 0 283 0 99 269 204 56 0 0 0 108 27 257 269 70 24 121 158 189 51 0 29 357 235 0 376 0 260 194 19 236.5 0 0 0 151 255 137 210 119 94 375 74 354 278 0 0 353 454 0 784 0 609 902 595 611.5 0 0 0 320 332 501 584 313 241 868 315 669 543 0 29 777 946



Sumber: Data Primer yang telah diolah 2019



4.1.2 Tabel Pembobotan Tahun Bln Dkd 1 2 Jan 3 Jum 1 2 Feb 3 Jum 1 2 Mar 3 Jum 1 2 Apr 3 Jum 1 2 Mei 3 Jum 1 2 Jun 3 Jum 1 2 Jul 3 Jum 1 2 Ags 3 Jum 1 2 Sep 3 Jum 1 2 Okt 3 Jum 1 2 Nop 3 Jum 1 2 Des 3 Jum



1994 372 97 274 742 0 0 25 21 510 229 303 1048 88 217 0 305 0 0 111 104 4 25 0 29 0 0 0 0 0 0 0 0 0 0 0 0 0 0 23 22 0 0 0 0 0 0 0 0



1995



1997



1998



2000



2001



2002



2003



2004



2005



2006



2007



2008



2009



2010



2011



2012



2013



2014



2015



2016



2017



2018



91 245 718 1022 172 193 331 622 106 274 169 552 122 379 184 685 134 206 0 351 8 124 39 171 0 0 0 0 0 0 0 0 0 0 0 0 114 77 81 274 101 146 221 468 125 283 414 810



266 250 228 747 208 142 128 435 157 243 118 524 26 174 333 533 0 0 0 0 0 0 74 74 0 0 0 0 0 0 0 0 0 0 0 0 6 0 0 6 0 0 0 0 0 0 0 0



146 629 0 85 298 0 241 487 0 465 1416 0 292 331 0 336 324 0 105 52 0 675 655 0 172 16 244 332 23 249 303 45 418 805 83 902 191 419 208 139 41 95 81 32 58 411 492 361 224 419 118 0 41 73 76 35 171 303 508 358 210 0 82 206 6 27 237 0 56 653 6 165 96 11 0 63 0 0 46 0 0 208 11 0 56 43 0 146 36 9 30 106 18 237 181 26 40 0 16 61 39 0 138 0 59 239 39 75 9 93 152 62 335 221 259 666 288 316 1067 656 104 465 216 342 502 418 75 306 309 521 1273 943 250 439 372 99 269 204 286 213 21 629 932 615



116 102 57 279 56 457 33 507 139 140 45 330 14 372 302 688 0 0 62 58 19 3 7 29 5 4 8 17 6 4 10 19 10 23 72 105 33 124 194 344 161 122 176 459 319 56 260 632



0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



51 125 65 243 138 53 0 178 26 113 23 165 32 60 33 125 70 35 0 109 3 0 52 55 0 4 6 9 0 4 0 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



0 128 161 283 67 12 22 92 15 94 176 278 122 32 0 154 0 84 17 102 0 5 14 19 9 10 0 20 4 0 0 4 4 0 0 4 0 202 66 271 109 103 120 332 61 108 166 331



235 22 98 358 32 27 216 238 133 39 307 466 72 141 155 368 30 141 46 220 50 60 9 119 0 0 13 12 0 0 0 0 0 0 0 0 0 0 0 0 0 10 76 86 50 27 281 343



93 209 209 508 117 34 149 267 9 35 37 81 88 7 34 129 68 14 42 124 28 27 48 103 5 2 0 7 0 8 13 21 6 0 0 6 12 73 114 195 66 60 112 238 107 257 151 518



245 70 128 445 205 60 116 358 373 190 197 767 64 51 26 141 33 4 20 57 51 158 0 209 23 28 13 65 9 0 3 12 2 0 14 16 115 52 111 277 132 80 264 476 105 269 231 603



262 278 118 669 212 111 180 455 115 136 30 287 99 85 25 209 30 27 32 89 26 0 0 26 17 18 36 70 0 0 0 0 0 0 0 0 42 0 15 58 0 92 62 154 124 70 131 323



101 293 98 499 49 117 80 223 13 51 244 296 213 43 67 323 65 14 122 196 94 43 68 205 59 23 47 129 93 37 99 227 123 80 32 235 177 9 149 332 267 66 0 333 123 24 103 249



40 248 146 435 211 35 94 309 156 88 340 571 118 74 37 229 62 73 15 154 8 0 15 23 0 0 0 0 0 0 0 0 31 0 0 31 7 13 130 143 175 52 394 621 372 121 413 897



136 109 94 341 99 44 188 304 103 100 191 390 0 73 38 111 46 51 6 105 0 69 0 69 14 16 0 31 6 0 0 6 0 7 44 51 7 60 44 111 148 60 113 321 83 158 81 326



520 181 272 980 49 107 35 175 91 99 19 214 140 111 86 337 6 40 266 298 124 92 33 249 10 156 292 445 7 26 22 55 1 0 20 21 0 39 95 129 50 49 41 140 126 189 389 691



462 210 121 808 48 115 59 203 97 88 63 250 202 35 10 247 42 115 17 178 34 7 75 116 0 71 14 87 38 0 0 39 0 0 0 0 0 30 0 31 35 25 101 161 214 51 306 561



0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



17 10 0 28 27 9 0 35 0 5 31 34 0 0 0 0 0 0 0 0 7 0 0 7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 17 0 17 0 29 0 30



49 36 200 276 128 40 68 215 376 98 95 579 208 36 18 262 71 28 34 134 61 46 17 124 62 17 0 82 0 32 0 33 0 0 94 94 93 209 33 343 20 15 119 154 67 357 388 803



71 497 47 631 212 125 96 396 67 74 167 303 132 78 93 303 10 8 40 56 0 0 0 0 62 17 0 82 0 3 0 3 0 0 98 98 0 3 98 95 71 26 16 113 257 235 499 978



1999



Sumber: Data Primer yang telah diolah 2019



4.1.3 Tabel Rangking Rangking Bln Dkd 1 2 Jan 3 Jum 1 2 Feb 3 Jum 1 2 Mar 3 Jum 1 2 Apr 3 Jum 1 2 Mei 3 Jum 1 2 Jun 3 Jum 1 2 Jul 3 Jum 1 2 Ags 3 Jum 1 2 Sep 3 Jum 1 2 Okt 3 Jum 1 2 Nop 3 Jum 1 2 Des 3 Jum



1 629 497 718 1416 331 457 331 675 510 332 418 1048 419 379 333 688 419 206 266 508 210 206 237 653 96 156 292 445 93 146 106 237 123 80 138 239 177 335 666 1067 465 502 394 1273 439 357 499 978



2



3



4



5



6



7



8



9



10



11



12



13



14



15



16



17



18



19



20



21



22



23



24



520 298 274 1022 292 336 216 655 376 274 340 902 213 372 302 685 224 141 171 361 124 158 75 249 62 71 47 208 56 37 99 227 40 61 98 235 152 221 288 656 267 418 309 953 372 283 414 932



462 293 272 980 212 324



372 278 241 808 212 193 180 507 244 243 303 767 208 174 155 492 118 84 111 303 82 92 68 205 59 28 36 87 38 32 22 55 16 23 72 98 114 202 194 343 175 146 264 521 319 269 389 810



266 250 241 747 211 142 149 455 172 229 303 579 202 141 93 411 71 73 76 298 61 69 56 171 23 23 14 82 9 26 18 39 10 7 59 94 93 124 149 332 161 122 221 476 257 257 388 803



262 248 228 742 208 125 128 435 157 190 244 571 191 139 86 368 70 73 62 220 51 60 52 165 17 18 13 82 7 9 13 33 6 0 44 75 93 77 130 316 148 103 176 468 250 235 306 691



245 245 209 669 205 117 116 396 156 140 197 552 140 111 81 361 68 51 46 196 50 46 48 127 14 17 13 70 6 8 10 31 4 0 32 51 42 73 114 277 132 92 120 459 214 204 286 632



235 210 200 631 172 115 105 358 139 136 191 524 132 95 67 337 65 41 42 178 34 43 39 119 11 17 8 65 6 4 6 26 2 0 20 39 33 62 111 274 109 80 119 333 126 189 281 629



146 209 161 508 138 111 96



136 181 146 499 128 107



116 128 128 466 117 60 80 267 106 99 167 330 118 74 37 303 42 28 34 124 19 25 15 74 5 4 0 17 0 0 0 12 0 0 0 16 7 39 81 143 71 60 101 238 123 108 213 561



101 125 121 445 99 53 68 238 103 98 118 303 99 73 34 262 33 27 32 109 8 7 14 69 5 4 0 12 0 0 0 4 0 0 0 6 7 30 66 129 66 52 76 161 107 99 166 518



93 109 118 436 67 44 59 223 97 94 95 296 88 60 33 247 30 14 20 105 8 6 9 55 0 2 0 11 0 0 0 4 0 0 0 4 6 13 44 111 50 49 75 154 105 70 151 343



91 102 98 358 56 40 52 215 91 88 63 287 88 51 32 229 30 14 17 104 7 5 7 29 0 0 0 9 0 0 0 3 0 0 0 0 0 9 33 95 35 26 62 154 83 56 131 331



71 97 98 341 49 35 35 203 67 88 45 278 72 43 26 209 10 8 17 102 4 3 0 29 0 0 0 29 0 0 0 0 0 0 0 0 0 3 23 58 20 25 41 140 67 51 103 326



51 85 94 283 49 34 33 178 26 74 45 250 64 41 25 154 6 4 15 89 3 0 0 26 0 0 0 0 0 0 0 0 0 0 0 0 0 0 15 31 0 17 16 113 61 29 81 323



49 70 65 279 48 27 25 175 16 51 37 214 32 36 18 141 0 0 6 58 0 0 0 23 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 22 0 15 0 86 50 27 21 249



40 36 57 276 32 12 22 92 15 39 31 165 26 35 10 129 0 0 0 57 0 0 0 19 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 6 0 10 0 17 0 24 0 30



17 22 47 243 27 9 0 35 13 35 30 83 14 32 0 125 0 0 0 56 0 0 0 7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



0 10 28 27 0 0 0 21 9 23 23 81 0 7 0 111 0 0 0 0 0 0 0 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



0 0 0 0 0 0 0 0 0 5 19 34 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



188



622 373 249 307 805 208 217 184 533 134 115 122 358 94 124 74 209 62 63 46 129 43 36 30 181 31 39 94 105 115 209 259 344 216 342 306 621 372 269 413 897



309



94 304



133 113 176 466 122 85 58 322 62 40 40 154 28 27 33 116 10 16 6 31 4 4 3 21 1 0 14 31 12 60 98 271 104 66 113 332 125 158 260 615



115 100 169 390 122 78 38 305 46 35 35 134 26 27 17 134 9 10 0 20 0 3 0 19 0 0 0 21 9 52 95 195 101 60 112 321 124 121 231 603



Sumber: Data Primer yang telah diolah 2019



4.1.4 Tabel Peluang



PELUANG 40% 50% 1 Januari 499 440.5 2 Februari 304 230.5 3 Maret 390 299.5 4 April 305 254.5 5 Mei 134 107 6 Juni 134 62 7 Juli 20 11.5 8 Agustus 19 4 9 September 21 5 10 Oktober 195 120 11 November 321 157.5 12 Desember 603 430.5 Sumber: Data Primer yang telah diolah 2019 NO



BULAN



60% 341 203 278 209 102 29 29 0 0 58 140 326



4.1.5 Grafik Peluang 40%



PELUANG 40% 700 600



500 400 300 200 100



0



Sumber: Data Primer yang telah diolah 2019



MEDIAN 10 12.5 15



4.1.6 Grafik Peluang 50% PELUANG 50% 500.0



450.0 400.0 350.0 300.0



250.0 200.0 150.0



100.0 50.0 0.0



Sumber: Data Primer yang telah diolah 2019 4.1.7 Grafik Peluang 60% PELUANG 60% 400 350 300 250 200 150 100 50 0



Sumber: Data Primer yang telah diolah 2019 4.1.7 Grafik Gabungan Peluang 40%, 50% dan 60% PELUANG 40%, 50% DAN 60% 700 600 500 400 300 200 100 0



Series1



Series2



Sumber: Data Primer yang telah diolah 2019



Series3



4.1.9 Tabel Klasifikasi Iklim Menurut Schmidt-Ferguson BULAN



TAHUN



S-F BB 5 19 6 17 4 18 4 20 8 15 12 10 16 3 21 3 18 3 10 13 7 16 7 17 118 154



1994 1995 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 BK



JAN FEB MAR APR MEI JUN JUL AGS SEP OKT NOV DES



BB BK BB BB BB BK BK BK BK BK BK BK



BB BB BB BB BB BB BK BK BK BB BB BB



BB BB BB BB BK BL BK BK BK BK BK BK



BB BB BB BB BB BB BB BB BB BB BB BB



BB BB BL BB BB BK BK BB BK BB BB BB



BK BK BB BB BB BB BK BK BL BB BB BB



BB BB BB BB BK BK BK BK BB BB BB BB



BK BK BK BK BK BK BK BK BK BK BK BK



BK 5 6 4 4 8 12 16 21 18 10 7 7



S-F BB 19 17 18 20 15 10 3 3 3 13 16 17



BL 0 1 2 0 1 2 5 0 3 1 1 0



118



154



16



BB BB BB BB BB BK BK BK BK BK BK BK



BK BK BK BK BK BK BK BK BK BK BK BK



BB BL BB BB BB BK BK BK BK BB BB BB



BB BB BB BB BB BB BK BK BK BK BL BB



BB BB BL BB BB BB BK BK BK BB BB BB



BB BB BB BB BK BB BL BK BK BB BB BB



BB BB BB BB BL BK BL BK BK BK BB BB



BB BB BB BB BB BB BB BB BB BB BB BB



BB BB BB BB BB BK BK BK BK BB BB BB



Sumber: Data Primer yang telah diolah 2019 𝑄=



Ju𝑚𝑙𝑎ℎ 𝐵𝐾 118 𝑋 100% = 𝑥 100% Jumlah BB 154 = 0.776 (Iklim D, sedang)



BB BB BB BB BB BL BK BK BK BB BB BB



BB BB BB BB BB BB BB BK BK BB BB BB



BB BB BB BB BB BB BL BK BK BK BB BB



BK BK BK BK BK BK BK BK BK BK BK BK



BK BK BK BK BK BK BK BK BK BK BK BK



BB BB BB BB BB BB BL BK BL BB BB BB



BB BB BB BB BK BK BL BK BL BL BB BB



BL 0 1 2 0 1 2 5 0 3 1 1 0 16



4.1.10 Tabel Klasifikasi Iklim Menurut Oldeman BULAN JAN FEB MAR APR MEI JUN JUL AGS SEP OKT NOV DES



TAHUN



1994 1995 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 742 21 1048 305 140 29 0 0 0 22 0 0



1022 622 552 685 351 171 0 0 0 274 468 810



747 435 524 533 0 74 0 0 0 6 0 0



465 675 805 411 303 653 208 237 239 316 521 629



1416 655 83 492 508 6 11 181 39 1067 1273 932



0 0 902 361 358 165 0 26 75 656 943 615



279 507 330 688 58 29 17 19 105 344 459 632



0 0 0 0 0 0 0 0 0 0 0 0



243 178 165 125 109 55 9 4 0 0 0 0



0 0 0 0 0 0 0 0 0 0 0 0



283 92 278 154 102 19 20 4 4 271 332 331



358 238 466 368 220 119 12 0 0 0 86 343



508 267 81 129 124 103 7 21 6 196 236 518



445 358 767 141 57 209 65 12 6 277 476 603



669 455 287 209 89 26 70 0 0 58 154 323



499 223 296 323 196 205 129 227 235 332 333 249



435 309 571 229 154 23 0 0 31 143 621 897



341 304 390 111 105 69 31 6 51 111 321 326



980 175 214 337 298 249 445 55 21 129 140 691



808



203 250 247 178 116



0



0 0 0 0 0 87 0 39 0 0 0 31 0 161 0 561 0



28 276 631



35 34 0 0 7 0 0 0 0 17 30



215 579 262 134 124 82 33 94 343 154 803



396 303 303 56 0 82 3 98 95 113 978



RATA-RATA 466 265 372 267 148 102 53 36 42 195 284 428



KET BB BB BB BB BL BL BK BK BK BL BB BB



Sumber: Data Primer yang telah diolah 2019 BB : 6 bulan berturut-turut BK : 3 bulan berturut-turut Tipe Utama (BB) : C Sub Zona (BK) : 2 Tipe Iklim yaitu C2 4.2 Pembahasan Berdasarkan data yang berasal dari Kabupaten Barru tersebut kita dapat memperoleh data iklim tiapa tahunnya. Pada hasil pengamatan berupa data curah hujan selama 24 tahun terakhir di atas maka pada wilayah tersebut dapat ditentukan klasifikasi iklimnya. Berdasarkan klasifikasi iklim menurut SchmidtFerguson dapat diketahui bahwa bulan keringnya (BK) berjumlah 118 dan bulan basahnya (BB) berjumlah 154 yang menghasilkan nilai Q sebesar 0,776. Dari hasil tersebut maka tipe iklim pada Kabupaten Barru termasuk tipe iklim D menurut Klasifikasi Schmidt-Ferguson. Hasil tersebut menunjukkan bahwa berdasarkan klasifikasi iklim menurut Schmidt-Ferguson, wilayah tersebut termasuk pada iklim D atau dalam hal ini tergolong iklim sedang. Hal ini sesuai dengan pendapat Sasminto (2014) bahwa tipe iklim yang kisaran nilai Q nya berada pada kisaran 0,600 sampai 1,000 merupakan tipe iklim D. Dimana tipe iklim ini merupakan daerah yang memiliki tipe iklim yang sedang dengan ciri vegetasi hutan musim.



Berdasarkan klasifikasi iklim menurut Oldeman, dari data curah hujan selama 24 tahun terakhir, setelah di tentukan bulan basah (BB) dan bulan keringnya (BK) maka diperoleh bahwa jumlah bulan kering secara berturut-turut sebanyak 3 dan bulan basah sebanyak 6 bulan berturut-turut Setelah menghitung jumlah BK dan BB yang berurut, wilayah ini masuk ke dalam tipe iklim C2. Hal ini sesuai dengan pendapat Sasminto (2014) yang menyatakan bahwa tipe iklim C2 adalah iklim yang mempuyai 5-6 bulan basah yang berurutan berurutan dan 2-4 bulan kering berurutan. Berdasarkan Klasifikasi Iklim menurut Oldeman di peroleh bahwa Kabupaten Barru memiliki tipe iklim C2. Dimana daerah yang memili tipe iklim C2 dimana kita hanya dapat menanam padi satu kali dan tanaman palawija satu kali dalam setahun. Hal ini sudah sesuai karena pada kabupaten Barru komoditi tanaman yang paling banyak di kembangkan oleh masyarakat yaitu tanaman padi. Hal ini sudah sesuai dengan tipe iklim yang berada pada tanaman barru yaitu C2 dimana tanaman yang hanya bisa ditanam pada daerah tersebut adalah tanaman padi dana palawija. Hal ini sesuai dengan pendapat Fadholi (2012) yang menyatakan bahwa menutut Oldeman tipe iklim C2 adalah tipe iklim dengan kriteria jumlah bulan basah 5-6 bulan dan jumlah bulan kering 2-3 bulan. Daerah dengan tipe iklim ini merupakan daerah yang memiliki curah hujan yang cukup tinggi. Dalam serahun daerah dengan tipe iklim C2 dapat ditanami 1 kali padi dan 1 kali palawija dengan syarat untuk masa tanam keduanya tidak jatuh pada musim kemarau.



BAB V PENUTUP 5.1 Kesimpulan Berdasarkan hasil praktikum yang telah dilakukan, maka dapat disimpulkan bahwa: 1. Iklim merupakan kondisi rata-rata curah hujan pada waktu yang panjang dan wilayah yang luas. 2. Iklim pada Kabupaten Barru menutut klasifikasi Schmidt-Ferguson termasuk dalam tipe iklim D dimana jumlah bulan basahnya 154 dan bulan keringnya 118 dengan nilai Q = 0,776. Tipe iklim D termasuk dalam daerah sedang dengan vegetasi hutan musim. 3. Menurut klasifikasi iklim Oldeman daerah Kabupaten Barru memiliki tipe iklim C2, dimana tipe iklim C2 memungkinkan pada daerah tersebut ditanami 1 kali padi dan 1 kali palawija dalam setahun. 5.2 Saran Dalam melakukan praktikum sebaiknya asisten ikut seta membimbin praktikan dalam proses menghitung jumlah curah hujan agar praktikan dapat lebih memahami bagaimana cara menghitung curah hujan dan menentukan tipe iklim.



DAFTAR PUSTAKA Ariffin. 2019. Metode Klasifikasi Iklim di Indonesia. UB Press: Malang Bunganaen, Wihelmur, Risnayanti, Denik.S, dan Klan Yacober A. 2013. Analisis Hubungan Tabel Hujan dan Durasi Hujan Pada Stasiun Klimatologi Lasiana Kota Kupang, Jurnal Teknik Sipil. Vol.II, No. 2 Dewi Nur Kusuma. 2005. Kesesuaian Iklim Terhadap Pertumbuhan Tanaman. Mediaroo. Vol. 1, No.2. Fadholi Akhmad dan Diana Supriatin. 2012. System Pola Tanam Diwilayah Priyangan Berdasarkan Klasifikasi Iklim Oldeman. Jurnal Pendidikan Geografi. Volume. 12, Nomor. 2, halaman 61-70. Hartina Wahid dan Usman. 2017. Analisis Karakteristik dan Klasifikasi Curah Hujan di Kabupaten Polewali Mandar. Jurnal Sainsmat, Vol.VI, No. 1. Halaman 15-27. Hermawan Eddy. 2009. Analisis Prilaku Curah Hujan Di Atas Kototabang Saat Bulan Basah dan Bulan Kering. Universitas Negeri YogyakartaLashari, Rini Kusumawandari, Ferdian Praksara. 2017. Analisis Distribusi Curah Hujan di Area Merapi Menggunakan Metode Aritmetika dan Poligon. Jurnal Teknik Sipil dan Perencanaan, 19(1), Hal 39-48. Muhebessy R.C. 2014. Tingkat Kesesuaian Lhan Bagi Tanaman Padi Berdasarkan Faktor Iklim dan Tofografi di Kbupaten Marauke. Agrologia, Vol.3, No.2. Hal. 125-131. Octari Ganis Rckza, Didi Suhaedi, Noersomadi. 2015. Model Estimasi Curah Hujan Berdasarkan Suhu Puncak Awan Menggunakan Inversi Nonlinear. Universitas Islam Bandung. Sari Widya Novita. 2017. Meteorologi dan Klimatologi: Menghitung Curah Hujan dengan Menggunakan Metode. Universitas Negeri Medan. Sasminto Retno Ayu, alexander Unggul, Bambang Rahadi. 2014. Analisis Spesial Penentuan Iklim Menurut Klasifikasi Schmidt-Ferguson dan Oldeman di Kabupaten Ponorogo. Jurnal Sumber Daya Alam dan Lingkungan. Susilowati. 2015. Analisis Karakteristik Curah Hujan di Kota Bandar Lampung. Jurnal Kontruksia. Volume 7, Nomer. 1. Syaifullah M. Djazim. 2014. Validasi Data TRRM Terhadap Data Curah Hujan Aktual di Tiga Das di Indonesia. Jurnal Meteorologi dan Geofisika. Vol. 15, No. 2. .