You are on page 1of 14

IDENTIFIKASI PERUBAHAN CURAH HUJAN DAN

SUHU UDARA MENGGUNAKAN R-CLIMDEX


DI WILAYAH SERANG

Nizar Manarul Hidayat1*, Alexander Eggy Pandiangan2


123
Klimatologi, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Tangerang Selatan, Banten, Indonesia
martinacaturiafonita30@gmail.com

ABSTRAK

Data iklim dianalisis untuk mengidentifikasi perubahan besaran parameter iklim maupun peristiwa iklim
ekstrem. Data yang menjadi kajian berasal dari Stasiun Meteorologi Serang, Banten. Tujuan penelitian ini
adalah menganalisis karakterisktik data cuaca stasiun pengamatan cuaca Serang terutama pada suhu udara
dan curah hujan serta mengidentifikasi perubahan pada pola dan nilai suhu udara dan curah hujan.
Pengolahan data dilakukan dengan menggunakan RClimdex untuk mengetahui adanya perubahan jangka
panjang suhu dan curah hujan. Secara keseluruhan slope indeks suhu udara pada stasiun pengamatan Serang
mengalami penurunan diantaranya indeks TX10p dan TN10p, yang mengindikasikan jumlah hari dingin pada
siang hari dan malam hari mengalami penurunan. Pada stasiun Serang slope indeks suhu udara (TN90p)
cenderung meningkat yang mengindikasikan suhu udara lebih hangat. Indeks curah hujan hampir seluruhnya
mengalami penurunan kecuali CDD yang menunjukkan peningkatan deret hari kering pada wilayah Serang.

Kata kunci: curah hujan, indeks suhu udara, indeks curah hujan, Rclimdex, suhu udara

ABSTRACT

Climate data were analyzed to determine the of changes of climate parameters value or extreme
climate events. Data which are investigated on this study come from Serang Banten Meteorological
Station. The purpose of this research is to analyze the climate characteristic of weather of Serang
observation station especially in air temperature and rainfall and to identify any changes in
temperature and precipitation pattern at those observation stations. Data processing was done by
using RClimdex to detect the long-term change in temperature and precipitation. The results show
that the slope of the air temperature index at the Serang observation station has decreased, namely
TX10p and TN10p indexes, which indicating the number of cold days during the day and night has
decreased. At Serang station the air temperature index slope (TN90p) tends to increase indicating
warmer air temperatures. The rainfall index almost entirely decreased except CDD which showed
increasing of dry day series at Serang region.

Keywords: air temperature, air temperature indices, precipitation, precipitation indices, Rclimdex,

1. PENDAHULUAN ekstrem (Haines dan Patz 2004), salah satunya


1.1 Latar Belakang Indonesia. Berada di wilayah tropis
Salah satu fokus utama peneliti di menjadikan Indonesia memiliki curah hujan
bidang sains atmosfer beberapa tahun terakhir tinggi dan pencahayaan matahari yang intens
adalah kajian isu perubahan iklim. setiap tahunnya. Kondisi tersebut juga disertai
Intergovernmental Panel on Climate Change tingginya resiko bencana akibat peristiwa
(IPCC 2007) pada assessment report yang ke iklim ekstrem seperti banjir dan kemarau.
4 menunjukkan terjadinya peningkatan suhu Menurut klasifikasi iklim Koppen,
udara rata-rata global yang diperkirakan Indonesia termasuk wilayah dengan iklim
mencapai 0,74˚C dalam kurun waktu 100 hutan hujan tropis (Af) yang ditandai dengan
tahun terakhir (1906-2005). Analisis terkait suhu udara yang relatif seragam, serta curah
peristiwa ekstrem penting dilakukan hujan yang tinggi dan menyebar sepanjang
utamanya di wilayah negara berkembang yang tahun.
rentan terhadap bencana akibat peristiwa
hujan yang tinggi dan menyebar sepanjang
tahun. Salah satu wilayah di Indonesia yang
1.2 Tinjauan Pustaka memiliki curah hujan cukup tinggi adalah
Menurut klasifikasi iklim Koppen, Serang. Wilayah ini memiliki pola hujan
Indonesia termasuk wilayah dengan iklim monsunal. Dimana pada bulan Agustus
hutan hujan tropis (Af) yang ditandai dengan memiliki jumlah curah hujan paling sedikit.
suhu udara yang relatif seragam, serta curah

Tabel 1 Indeks suhu dalam RClimdex


Indeks Deskripsi Definisi Satuan
SU Hot days Perhitungan tahunan saat hari
TX>25°C
FD Frost days Perhitungan tahunan saat hari
TN<0°C
ID cold days Perhitungan tahunan saat hari
TX<0°C
DTR diurnal temperature Perbedaan rata-rata bulanan °C
Range antara TX dan TN
TR20 warm nights Perhitungan tahunan saat hari
TN>20°C
TXx hottest day Suhu TX tertinggi bulanan °C
TNx hottest night Suhu TN tertinggi bulanan °C
TXn coolest day Suhu TX terendah bulanan °C
TNn coolest night Suhu TX terendah bulanan °C
TN10p cool night frequency Perbandingan jumlah hari hari
Saat TX<10 persentil pada
1981-2017
TX10p cool day frequency Perbandingan jumlah hari hari
Saat TX< 10 persentil pada
1981-2017
TN90p hot night frequency Perbandingan jumlah hari hari
Saat TN > 90 persentil pada
1981-2017
TX90p hot day frequency Perbandingan jumlah hari hari
Saat TN> 90 persentil pada
1981-2017
WSDI warm spell Perhitungan tahunan dengan hari
Sedikitnya 6 deret hari saat
TX>90th persentil pada
1981-2017
CSDI cold spell perhitungan tahunan dengan hari hari
Swdikitnya 6 deret hari saat
TN<10th persentil pada
1981-2017
GSL growing season length Perhitungan tahunan antara hari
awal span sedikitnya 6 hari
dengan TG>5°C setelah
musim dingin dan awal span
setelah musim panas selama
6 hari dengan TG<5°C
Tabel 2 Indeks curah hujan dalam Rclimdex
Indeks Deskrpsi Definisi Satuan
PRCPTOT wet day precipitation Total presipitasi tahunan mm
Dari hari basah
SDH Simple daily Rata-rata presipitasi pada mm/hari
Intensity index pada hari basah
CDD consecutive dry days Nilai maksimum darin deret hari
Hari kering
CWD consecutive wet Nilai maksimum dari deret hari
Days hari basah
R10mm heavy precipitation Perhitungan jumlah hari hari
Days secara tahunan saat RR >=
20
R20mm very heavy Perhitungan jumlah hari hari
Precipitation days secara tahunan saat RR>=
20
Rnnmmb number of days Perhitungan jumlah hari hari
Above nn mm secara tahunan saat PRCP
>=nn mm, nn adalah
Threshold yang ditentukan
Oleh pengguna
R95p very wet day jumlah presipitasi tahunan mm
Precipitation ketika RR> 95 persentil dari
1981-2017 curah hujan
R99p extremely wet day jumlah presipitasi tahunan mm
Precipitation ketika RR>=99 persentil dari
1981-2017 curah hujan
harian
RX1day maximum 1-day Presipitasi maksimum mm
precipitation tahunan per 1 hari
RX5day maximum 5-day Presipitasi maksimum mm
Precipitation Presipitasi maksimum
Tahunan per-5 hari

2. DATA DAN METODE


2.1 Lokasi Penelitian
2.2 Data
Dalam penelitian ini menggunakan
data curah hujan dan temperatur harian di
Stasiun Meteorologi Serang, Banten. Tahap
awal pada penelitian adalah melakukan
pengumpulan data cuaca harian di stasiun
pengamatan Meteorologi Serang pada periode
pengamatan 1981-2017. Kemudian dilakukan
Gambar 2.0 Peta Lokasi Penelitian penyusunan data sesuai dengan format pada
Rclimdex. Pada tahap ini data yang telah
Lokasi yang dijadikan objek diperoleh diolah dengan menggunakan
penelitian adalah Provinsi Banten. Propinsi software Ms.Excel untuk mendapatkan grafik
Banten secara geografis terletak di antara 106º karakteristik parameter cuaca dengan cara
Bujur Timur dan 6º Lintang Selatan. perhitungan rata-rata 30 hari.
RClimdex merupakan aplikasi n = banyak data.
berbahasa R yang dikembangkan oleh Climate 2.3.2 Metode Regresi Linear
Research Branch of Meteorological Service of Metode analisis korelasi yang
Cananda yang digunakan untuk mendeteksi digunakan adalah koefisien korelasi Pearson
dan memonitoring perubahan iklim dengan yang bertujuan untuk mengeksplorasi luasnya
fokus utama pada kejadian-kejadian ekstrem kedekatan hubungan linier antara variabilitas
(Zhang & Yang 2004). Rclimdex memiliki 27 presipitasi harian dan suhu harian selama
indeks iklim, 16 diantaranya merupakan periode 30 tahun (1981-2017), dengan
indeks suhu (Tabel 1) sedangkan 11 indeks menggunakan persamaan berikut:
lainnya merupakan indeks presipitasi (Tabel
𝑛 ∑ 𝑋𝑌− ∑ 𝑋 ∑ 𝑌
2). Secara umum, sebagian besar indeks dapat 𝑟= (2.2)
√𝑛 ∑ 𝑋 2 −(∑ 𝑋)2 −√𝑛 ∑ 𝑌 2 −(∑ 𝑌)2
diterapkan untuk setiap wilayah dunia, namun
beberapa indeks tertentu tidak signifikan
ketika perbedaan iklim antara wilayah r = Koefisien korelasi (−1 ≤ 𝑟 ≤ 1)
diperhitungkan (Tebaldi et al. 2006) dimana :
Data yang diperoleh diolah pada X = Variabel 1
Rclimdex dengan format input data berupa Y = Variabel 2
ASCII text file. Susunan data pada file yang n = Jumlah data
akan diolah adalah: tahun, bulan, hari,
presipitasi, suhu maksimum, suhu minimum 2.3.3 Metode Persentil
secara harian. Satuan yang digunakan untuk Metode ini digunakan untuk membagi
curah hujan adalah millimeter, dan untuk suhu suatu distribusi data menjadi seratus bagian
adalah derajat celcius. Jika ditemukan data sama besar.
kosong, maka data tersebut diisi dengan nilai 𝑖𝑛
−(∑ 𝑓𝑖).0
-99.99. Setelah melakukan kontrol kualitas 𝑃𝑖 = 𝐿𝑜 + 𝐶 {100 𝑓𝑝
} (2.3)
pada data, Rclimdex akan mengolah data
secara komputasi berdasarkan 27 indeks yang
tersedia. 𝐿𝑜 = nilai batas bawah dari kelas yang
mengandung atau memuat
2.3 Metode persentil
2.3.1 Metode Rata-Rata (mean) 𝑛 = banyaknya observasi atau jumlah semua
Metode ini didapatkan dari frekuaensi
menjumlahkan seluruh data (∑Xi), kemudian (∑ 𝑓𝑖).0 = jumlah frekuensi dari semua kelas
dibagi dengan banyaknya data (n) pada data yang mengandung persentil ke -i
tersebut. Rumus (Pribadi, 2012): 𝑓𝑝 = frekuensi dari kelas yang
mengandung persentil ke-i
1
𝑋̅ = 2 ∑𝑛𝑖=1 𝑋𝑖 (2.1) 𝑐 = besarnya kelas interval
i = 1,2,3
X = nilai rata – rata curah hujan estimasi in = 1 kali n
(mm)
Xi = nilai curah hujan pada beberapa titik
estimasi 1, 2, 3, dan 4 (mm)

3. HASIL DAN PEMBAHASAN


3.1 Analisis Trend
Bedasarkan grafik 2.0 tahun 1981 CH annual terbesar terjadi pada tahun 1996
hingga 2017 curah hujan di Serang cenderung yaitu sebesar 2353 mm sedangkan terkecil
mengalami penurunan dengan laju penurunan pada tahun 1996 sebesar 1111 mm.
9,9557 mm per tahunnya, hal tersebut dapat Berdasarkan data NOAA tahun 1996 terjadi
mengindikasikan bahwa daerah Serang La-Nina kuat pada Agustus 1995 sampai
semakin lama akan dapat berpotensi dengan Maret 1996 dan tahun 1997 terjadi El-
mengalami kekeringan jika terus menerus Nino kuat sampai dengan Mei 1998.
mengalami penurunan jumlah curah hujan
setiap tahunnya.
Gambar 3.0 Trend curah hujan tahunan di wilayah Serang periode 1981-2017

a) b)

c) d)

Gambar 3.1 Trend suhu: a) TN10p; b) TX10p; c) TN90p dan d) TX90p wilayah Serang tahun 1981-2017

Trend peningkatan GRK secara adalah indeks temperatur ekstrem dengan


langsung mempengaruhi trend indeks indikator jumlah hari dingin pada malam hari.
temperatur dan indeks curah hujan ekstrem di Dapat dilihat bahwa indeks temperatur
Serang. Trend indeks temperatur ekstrem ekstrem TX90p dan TN10p mempunyai nilai
yang ditandai trend TX10p yang menurun trend negatif di Serang. Hal ini berarti bahwa
yang diikuti oleh trend TX90p. Selain itu, di Serang, jumlah hari panas pada siang hari
trend TN10p secara langsung akan menurun mengalami kenaikan yang tidak signifikan
dan trend TN90p meningkat. Kondisi tersebut dan jumlah hari dingin di malam hari
pada siang dan malam hari panas, akibat trend mengalami penurunan yang signifikan.
TX90p dan TN90p meningkat, sehingga Terjadinya kenaikan trend jumlah
wilayah Serang sudah mengalami pemanasan. hari panas pada malam hari dan jumlah hari
Hal tersebut mengandung arti bahwa Serang, panas pada siang hari dapat menggambarkan
jumlah hari dingin pada siang hari dan malam kemungkinan adanya peningkatan frekuensi
hari mengalami penurunan. hari-hari dimana akumulasi jumlah awan-
Hal yang hampir sama juga terjadi awan rendah yang lebih sering terjadi pada
untuk trend indeks temperatur ekstrem TX90p malam hari dan peningkatan kondisi langit
dan TN10p. TX90p merupakan indeks yang cerah pada siang hari.
temperatur ekstrem dengan indikator jumlah Kondisi langit yang cerah pada siang
hari panas di siang hari, sedangkan TN10p hari akan memberikan peluang lebih besar
untuk masuknya radiasi matahari yang lebih gelombang panjang ke permukaan bumi. Dan
banyak sehingga menyebabkan suhu udara semakin banyak radiasi gelombang panjang
maksimum menjadi lebih tinggi. Selain itu yang masuk permukaan bumi pada malam
adanya intensitas radiasi matahari akan hari, maka suhu permukaan bumi pada malam
menyebabkan penguapan dari sumber-sumber hari juga semakin tinggi.
perairan di permukaan bumi. Dari penguapan Jika diperhatikan, trend yang tampak
yang intensif pada siang hari tersebut, akan signifikan dari indeks temperatur ekstrem
menghasilkan awan-awan rendah jenis (TN10p dan TN90p), terjadi di Serang. Serang
konvektif pada sore menjelang malam hari. merupakan kota dengan populasi cukup besar.
Akumulasi jumlah awan-awan rendah pada Daerah tersebut merupakan perkotaan,
malam hari ini akan menjadi green house dimana sebagian besar mobilitas masyarakat
effect (GRK) bagi radiasi gelombang panjang terpusat, baik perniagaan, perkantoran,
dari permukaan bumi yang akan kembali ke pendidikan dan aktivitas masyarakat lainnya
angkasa, yang akan memantulkan sebagian menyebabkan transportasi menjadi padat yang
radiasi gelombang panjang tersebut ke selanjutnya akan menambah konsentrasi
permukaan bumi. polutan (baik berupa padatan maupun gas) di
Semakin banyak radiasi matahari atmosfer. Belum lagi ditambah dengan jumlah
yang masuk permukaan bumi pada siang hari penduduk yang semakin meningkat yang akan
maka akan semakin banyak pula radiasi terus membutuhkan lahan untuk tempat
gelombang panjang yang akan dikembalikan tinggal maupun kebutuhan akan ruang lainnya
ke angkasa dari permukaan bumi. Demikian yang sudah pasti akan mengurangi luas ruang
pula, semakin banyak jumlah awan-awan terbuka hijau. Hal-hal tersebut secara
rendah di angkasa pada malam hari, maka langsung maupun tidak langsung akan
semakin besar pula radiation forcing dari mempengaruhi kondisi iklim mikro dan iklim
awan-awan tersebut memantulkan radiasi lokal terutama temperatur udara di Serang.

a) b)

c) d)

Gambar 3.2 Trend presipitasi: a) RX1day; b) RX5day dan hari hujan; c) CWD; d) CDD periode
1981- 2017 di wilayah Serang

Trend curah hujan ekstrem terjadi di signifikan oleh Rx1day dan Rx5day, sehingga
Serang ditandai oleh penurunan yang tidak kondisi hujan di Serang memiliki intensitas
yang ringan dalam waktu yang relatif pendek. hujan yang turun dalam satu hari (Rx1day),
Kondisi dengan intensitas yang cukup ekstrem berhubungan dengan terjadinya kondisi basah
dan tinggi dalam waktu yang relatif pendek yang terus menerus (CWD) dan atau kondisi
akan mengakibatkan trend CWD menurun kering yang terus menerus (CDD). Trend
signifikan dan trend CDD meningkat. Hal ini CWD dan CCD di Serang tahun 1980-2017,
juga mengakibatkan kondisi hidrologi yang berturut-turut seperti terlihat pada Gambar c
tidak lagi stabil di Serang. dan d.
Trend Rx1day dan Rx5day, masing-
masing terlihat pada Gambar a dan b. Curah

a) b)

Gambar 3.3 Trend presipitasi dan selisih suhu: a) PRCPTOT; b) DTR


di wilayah Serang tahun 1981-2017

Kecenderungan penurunan jumlah daerah rural (Geerts, 2002). Perubahan lahan


curah hujan di daerah tropis ini disebabkan sebagai akibat dari semakin meningkatnya
karena bertambah luasnya daerah tropis atau laju urbanisasi yang tidak terkendali akan
terbentuknya daerah tropis baru sementara menciptakan apa yang disebut sebagai urban
jumlah uap air sebagai pembentuk curah hujan heat island (UHI) yang diduga ikut
jumlahnya relatif tetap. Secara sederhana, bertanggung jawab dalam menyebabkan
kenaikan suhu bumi sebagai akibat dari terjadinya pemanasan di atas daratan sebagai
pemanasan global akan menyebabkan curah akibat dari penurunan trend rata-rata DTR
hujan yang turun di daerah tropis cenderung dalam beberapa dekade terakhir (Zhou, L., et
berkurang, dengan curah hujan menjadi lebih al, 2004)
lebat, tetapi dalam periode waktu yang lebih Di negara-negara bekas pecahan Uni
pendek atau dengan kata lain intensitas hujan Soviet dan Amerika Serikat, DTR mempunyai
yang turun menjadi lebih lebat (Aldrian, korelasi yang signifikan dengan besarnya nilai
2007). rata-rata laju penguapan panci terbuka.
Hasil pengamatan di banyak wilayah Penurunan trend DTR di wilayah ini diduga
di dunia menunjukan terjadinya penurunan diakibatkan oleh meningkatnya jumlah
trend DTR. Secara global, rata-rata terjadi tutupan awan dan penurunan insolasi. Lebih
penurunan DTR sebesar 0.4 K selama periode jauh, hasil studi dengan menggunakan model,
pengamatan 1950-1993. Penurunan trend terlihat bahwa menurunnya trend DTR ini
DTR secara konsisten berhubungan dengan diduga disebabkan oleh kombinasi dari
adanya beberapa pengaruh lokal, seperti laju penyerapan secara langsung incoming solar
urbanisasi, irigasi, desertifikasi, dan laju radiation pada bagian panjang gelombang
perubahan lahan yang semuanya dapat inframerah, transport aerosol, dan radiative
berpengaruh pada trend DTR, khususnya laju forcing dari awan-awan rendah, termasuk
urbanisasi yang menyebabkan trend DTR didalamnya pengaruh dari penguapan yang
yang bernilai negatif. Namun penurunan trend terjadi di permukaan tanah (Hasen, J. et al,
DTR tidak terjadi di stasiun-stasiun 1995)
pemantauan iklim yang terletak di daerah-
3.2 Analisis Pola

Trend curah hujan per sepuluh tahun


menunjukkan adanya peningkatan curah hujan
dengan laju peningkatan sebesar 26.48 mm
per tahun sejak tahun 1981 sampai 1990.
Namun berbeda pada periode ke dua yaitu
tahun 1991 sampai 2000 menunjukkan
penurunan jumlah curah hujan dengan laju
penurunan 8.3 mm per tahunnya. Secara
umum kondisi CH annual pada periode IV
(2011-2017) cenderung stail tidak terjadi
peningkatan yang signifikan seperti periode
III (2001-2010).

a) b)

Gambar 3.4 Trend Curah hujan 10 tahunan

Gambar 3.5 Trend Curah hujan 10 tahunan: a) Desember, Januari dan Februari (DJF); b) Juni, Juli dan
Agustus(JJA).

Trend curah hujan annual Juni, Juli, Agustus hujan dengan laju penurunan sebesar 4.3 mm
per tiga puluh tahun menunjukkan adanya per tahun sejak tahun 2000 sampai. Secara
penurunan curah hujan dengan laju penurunan umum kondisi CH annual DJF pada peride I
sekitar 3 mm hingga 5 mm per tahun sejak (1981-1990) lebih besar dibandingkan periode
tahun 1981 sampai 2010. Secara umum II (1991-2000), namun laju penurunannya
kondisi CH annual DJF pada periode I (1981- lebih besar pada periode III dibandigkan
1990) lebih besar dibandingkan periode II periode II. Curah hujan JJA di semua periode
(1991-2000). Hal tersebut menunjukkan mengalami kenaikan yang tidak terlalu
kondisi Serang pada periode II lebih kering signifikan. Hanya pada periode I pada DJF
dibandingkan periode I pada bulan Juni Juli mengalami kenaikan yang signifikan. Pada
dan Agustus (kemarau). Curah hujan annual periode I, II, dan III CH pada bulan DJF
JJA pada periode I berkisar 0 - 498 mm cenderung lebih stabil dibandingkan periode
sedangkan pada period II sebesar 0 - 286 mm IV yang terjadi semacam lag sehingga polanya
setiap tahunnya. Trend curah hujan annual tidak sama.
Desember, Januari, Februari per tiga puluh
tahun menunjukkan adanya penurunan curah
berkisar -0.10 s/d -0.02 C lebih dingin
3.3 Dinamika Atmosfer dibandingkan normalnya, setelah itu mulai
3.3.1 Sea Surface Temperature menghangat kembali pada periode ke 3 yaitu
SST mempengaruhi kondisi CH 2001-2010 dengan anomali berkisar -0.02 d/d
disuatu wilayah, yaitu ketika SST yang lebih 0.15 C lebih hangat dibanding normalnya,
hangat akan menghasilkan uap air yang lebih setelah itu pada period eke 4 yaitu tahun 2011-
banyak, sehingga memiliki potensi hujan yang 2017 juga tetap hangat dengan nilai anomali
lebih besar. Pada periode 1981-1990 anomali SST berkisar 0.02 d/d 0.32 C. Secara umum
SST di sekitar Serang, Banten berkisar -0.14 kondisi SST di sekitar Serang menunjukkan
s/d 0.02 C lebih dingin dibanding normalnya, bahwa pada periode-periode akhir cendrung
kemudian pada periode ke 2 yaitu tahun 1991- lebih hangat, sehingga berpotensi hujan lebih
2000 mendingin yaitu nilai anomali SST besar.
a) b)

c) d)

Gambar 3.6 Anomali SST 10 tahunan: a) 1981-1990; b) 1991-2000; c) 2001-2010; d) 2011-2017.

3.3.2 Precipitable Water (PW)


PW merupakan jumlah air yang lebih banyak dibandingkan normalnya,
mampu curah menghasilkan hujan yang setelah itu tetap meningkat pada periode ke 3
berada di atmosfer yaitu diibaratkan seperti 1 yaitu 2001-2010 dengan anomali berkisar
kg kolom air pada luasan 1 m2 yang mampu 0.2d/d 0.5 Kg/m2, lebih banyak dibanding
curah menjadi hujan, sehingga semakin besar normalnya. Pada periode ke 4 yaitu 2011-
PW maka semakin besar potensi hujan disuatu 2017 kondisi PW tetap meningkat terlihat dari
wilayah. Pada periode ke 1 yaitu 1981-1990 anomali 1.2 s/d 3.6 Kg/m2, lebih banyak
anomali PW di sekitar Serang, Banten dibanding normalnya. Secara umum kondisi
berkisar -0.2 s/d -1.6 Kg/m2 lebih sedikit PW di sekitar Serang menunjukkan bahwa
dibanding normalnya, kemudian pada periode pada periode-periode akhir cendrung lebih
ke 2 yaitu tahun 1991-2000 meningkat yaitu banyak, sehingga berpotensi hujan lebih
nilai anomali PW berkisar 0.05 s/d 0.3 Kg/m2 besar.
a) b)

c) d)

Gambar 3.7 Anomali Precipitable Water 10 tahunan: a) 1981-1990; b) 1991-2000; c) 2001-2010; d) 2011-
2017.

3.3.3 Relative Humidity (RH)


a) b)
c) d)

Gambar 3.8 Anomali Relative Humidity 10 tahunan: a) 1981-1990; b) 1991-2000; c) 2001-2010; d)


2011-2017.

RH menunjukkan tingkat kebasahan dari berkisar -0.05 s/d -0.25 % lebih kering
suatu udara, semakin basah semakin banyak dibandingkan normalnya. Pada periode ke 4
uap air, maka semakin berpotensi hujan. Pada yaitu 2011-2017 kondisi RH meningkat
periode 1 ( 1981-1990) anomali RH di sekitar kembali terlihat dari anomali yang semakin
Serang, Banten berkisar -0.4 s/d -0.9 % lebih besar yaitu 0.2 s/d 1.2 %, lebih basah
kering dibanding normalnya, kemudian pada dibanding normalnya. Secara umum kondisi
periode ke 2 yaitu tahun 1991-2000 nilai RH di sekitar Serang, Banten menunjukkan
anomali RH berkisar 0.1 s/d 0.7 % lebih basah bahwa pada periode akhir cenerung lebih
dibandingkan normalnya, setelah itu menurun basah, sehingga berpeluang atau berpotensi
pada periode ke 3 (2001-2010) anomali RH hujan lebih besar.

3.3.4 Angin Zonal 850 mb


Secara umum angin zonal dari barat dominan baratan pada periode sebelumnya
atau baratan cendurung mebawa uap air yang berkurang. Kemudian pada periode 4 anomali
banyak, dibanding timuran. Pada periode 1 angin zonal berkisar 0.25 s/d 0.45 m/s artinya
(1981-1990) cenderung timuran terlihat dari pada saat itu angin yang lebih dominan aitu
anomali negatif berkisar -0.05 s/d -0.35 m/s angin baratan. Secara umum kondisi angin
dan periode 2 kondisi ngin zonal cendrung zonal di sekitar Serang, Banten menunjukkan
dominan baratan terlihat dari anomali yang bahwa pada periode-periode akhir cendrung
bernilai positif yaitu berkisar 0.1 d/d 0.18 m/s. lebih baratan, sehingga berpeluang atau
Pada periode 3 kondisi angin zonal cendrung berpotensi hujan lebih besar.
sama dengan normalnya, artinya arah
a) b)

c)
d)

Gambar 3.8 Anomali Angin Zonal 10 tahunan: a) 1981-1990; b) 1991-2000; c) 2001-2010; d) 2011-
2017.

3.3.5 Angin Meridional 850 mb

a) b)

c) d)

Gambar 3.8 Anomali Angin Meridional 10 tahunan: a) 1981-1990; b) 1991-2000; c) 2001-2010; d)


2011-2017.
Secara umum angin meridional dari dominan utara dengan anomali berkisar -0.35
utara cendurung membawa uap air yang s/d -0.45 m/s. Secara umum kondisi angina
banyak, dibanding dari selatan. Pada periode zonal di sekitar Serang, Banten menunjukkan
1 (1981-1990) cenderung dari utara terlihat bahwa pada periode akhir cendrung dominan
dari anomali negatif berkisar -0.19 s/d -0.6 dari arah utara dengan kecepatan yang lebih
m/s.Pada periode 2 (1991-2000) berubah besar, sehingga berpeluang atau berpotensi
menjadi cenderung dari selatan terlihat dari hujan lebih besar. Secara keseluruhan dari
anomali positif yang berkisar 0.08 s/d 0.11 setiap parameter menunjukkan bahwa pada
m/s dan pada periode 3 (2001-2010) kondisi periode-periode akhir cendrung lebih
angin meridional masih cendrung dominan berotensi hujan dibandingkan pada periode-
dari arah selatan terlihat dari anomali yang periode awal, yaitu SST yang cendrung lebih
bernilai positif yaitu 0.02 s/d 0.05 m/s. Pada hangat, PW lebih banyak, RH lebih basah dan
periode 4 (2011-2017) kondisi angin lebih dominan angin dari baratan dan utara.
meridional berubah cenderung dari arah

4. KESIMPULAN

Karakteristik iklim pada stasiun pada stasiun pengamatan Serang


pengamatan ditentukan dengan mengamati menunjukkan slope menurun diantaranya
beberapa parameter cuaca diantaranya adalah indeks TX90p, TX10p, dan TN10p.
suhu, curah hujan, dan kelembaban. Pada Penurunan slope tersebut mengindikasikan
parameter suhu stasiun Serang memiliki nilai suhu udara pada stasiun pengamatan Serang
rata-rata harian suhu udara sebesar 28˚C. Nilai mengalami penurunan. Hal tersebut
suhu yang tinggi salah satunya diakibatkan dibuktikan dengan terbentuknya slope
perubahan penggunaan lahan. Pada wilayah menurun pada indeks suhu udara stasiun
stasiun Serang perubahan penggunaan lahan pengamatan Serang. Indeks curah hujan yang
terjadi dengan cepat Indeks iklim Rclimdex digunakan hampir seluruhnya mengalami
yang digunakan adalah indeks yang dapat penurunan slope selain indeks CDD.
menggambarkan kondisi wilayah tropis, Peningkatan slope pada indeks CDD
diantaranya 10 indeks suhu dan 8 indeks mempengaruhi indeks curah hujan lainnya
presipitasi. Pada indeks suhu, perubahan slope seperti CWD, PRCPTOT yang mengalami
pada beberapa indeks mempengaruhi indeks penurunan slope sehingga pada stasiun Serang
lainnya. Peningkatan slope pada indeks nilai deret hari kering bertambah serta terjadi
TN90p akan menurunkan slope pada indeks penurunan jumlah curah hujan.
TN10p. Secara keseluruhan indeks suhu udara

5. DAFTAR PUSTAKA

Aldrian, E., 2007. Perubahan iklim global dan about mechanism of global change.
dampak terhadap iklim benua Atmos Res 37: 175-209.
maritim di laut dan di daratan. Pribadi, Yanuar H. 2012. Variabilitas Curah
Prosiding Jurnal Club Tahun 2007. Hujan dan Pergeseran Musim Di
Badan Meteorologi dan Geofisika. Wilayah Banten Sehubungan
ISBN:978-979-1241-11-3 Dengan Variasi Suhu Muka Laut
Geerts, B., 2002. Empirical estimation of the Perairan Indonesia, Samudera
monthly-mean daily temperature Pasifik dan Samudera Hindia. Tesis
range. Theor. Appl. Climatol. DOI Program Magister Ilmu Geografi,
10.1007/s00704-002-0715-3. Fakultas Matematika dan Ilmu
Haines A, Patz J.A.2004. Health effects of Pengetahuan Alam. Universitas
climate change. Journal of the Indonesia, Depok.
Ameican Medical Association 291 Tebaldi C., K. Hayhoe, J. M. Arblaster and G.
(1):99-103 A. Meehl.2006. Going to the
Hansen J, Sato M, and Ruedy R., 1995. Long- extremes. An intercomparisonof
term changes of the diurnal model-simulated historical and
temperature cycle: implication
future changes in extreme events. Zhang Xuebin, Feng Yang. 2004. RClimdex
Climatic Change 79:185-211 1.0 User Manual. Climate Research
IPCC, Intergovernmental Panel on Climate Branch Environment
Change. 2007. IPCC Fourth Canada:Ontario.
Assessment Report: Climate Zhou L, Dickinson RE, Tian Y, Fang J, Li Q,
Change 2007, Kaufman RK, Tucker TH and
(https://www.ipcc.ch/publications_ Myneni RB., 2004. Evidence for a
and_data/ar4/wg1/en/ch3s3-8- significant urbanization effect on
5.html, diakses 31 Oktober 2017 climate in China. PNAS Vol. 101
No. 26 :9540-9544.

You might also like