Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPola iklim baru akibat perubahan iklim yang diperburuk dengan adanya degradasi Daerah Aliran Sungai (DAS), telah meningkatkan frekuensi dan intensitas bencana banjir di Indonesia. Hal ini berdampak pada kondisi hidrologi, pertanian dan sosial-ekonomi yang semakin memburuk sehingga diperlukan suatu perhitungan banjir rencana. Perhitungan debit banjir rencana dilakukan berdasarkan besaran hujan rencana melalui analisis frekuensi. Estimasi parameter hasil analisis frekuensi selanjutnya digunakan untuk menghitung faktor pertumbuhan, yaitu faktor yang jika dikalikan dengan median seri data hujan harian maksimum tahunan dapat menghasilkan besaran hujan T-tahun. Tujuan dari studi ini adalah menghitung faktor pertumbuhan untuk estimasi hujan rencana pada beberapa periode ulang. Data hujan harian maksimum tahunan pada 2.611 pos di Pulau Jawa tahun 1916-2013 dan beberapa metode statistik seperti uji pencilan, trend, stasioneritas, ketidaktergantungan, uji diskordansi dalam penyaringan data, L-moment dalam analisis frekuensi, dan analisis komponen utama untuk analisis pengelompokkan digunakan dalam tulisan ini. Diketahui bahwa berdasarkan karakteristik spasial, Pulau Jawa dapat dikelompokkan ke dalam 3 tipe (setiap tipe terdiri dari 2 kelas). Faktor pertumbuhan pada tipe 1 untuk periode ulang 2, 5, 10, 25, 50, 100, 200, 500, dan 1000 tahun berkisar antara 0,997-2,089. Untuk tipe 2 dan tipe 3 berturut-turut adalah 0,996 -3,451 dan 0,988-3,634. Tidak ada indikasi bahwa perubahan iklim mempengaruhi nilai faktor pertumbuhan pada suatu periode ulang. Besaran hujan rencana yang dihitung dari faktor pertumbuhan ini selanjutnya dapat digunakan untuk kepentingan estimasi banjir rencana dan dimanfaatkan untuk membantu pembuat keputusan dan perencana dalam menentukan desain bangunan air."

"Teknik interpolasi spasial untuk estimasi curah hujan secara konvensional menggunakan teknik seperti Thiessen Polygon, metode isohyet, dan metode IDW, tetapi teknik tersebut tidak selalu handal digunakan untuk wilayah bergelombang dengan variasi topografi komplek. Metode tersebut hanya dapat digunakan jika distribusi alat pengukur hujan cukup memadai atau permukaan (terrain) dianggap sama rata. Keterbatasan jaringan alat pengukur curah hujan dan penggunaan informasi topografi dalam interpolasi, maka digunakanlah metode geostatistik untuk estimasi curah hujan dan mengetahui distribusi variasi spasialnya, dalam penelitian ini dikaji di wilayah Jawa Barat. Aplikasi metode geostatistik yang digunakan adalah kombinasi kriging multivariate dan univariate, dengan teknik Ordinary Cokriging (OCK) dan Ordinary Kriging (OK), dimana sebagai variabel primer digunakan data curah hujan dari 44 stasiun/pos hujan, dan variabel sekunder digunakan informasi elevasi hasil ekstraksi dari Digital Elevation Model (DEM). Hasil aplikasi metode geostatistik tersebut menunjukkan keakuratan yang baik dan dapat diterima (nilai R dan R2 dari analisis crossvalidation dengan semivariogram tiap bulannya mencapai 0.9, mean error mendekati 0 dan nilai RMSE berkisar 4.3 mm - 8.2 mm). Verifikasi curah hujan estimasi dan curah hujan observasi pos hujan (baik terhadap 44 stasiun/pos hujan yang termasuk dalam perhitungan geostatistik maupun dengan 22 stasiun/pos hujan yang tidak diperhitungkan) mencapai 100 % (selisih curah hujan < 5 mm), sedangan dengan selisih curah hujan < 10 mm verifikasi mencapai > 70,5 % (44 pos hujan) dan lebih besar 62,5 % (22 pos hujan). Distribusi spasial curah hujan di wilayah Jawa Barat bervariasi dari curah hujan terendah terjadi di sekitar pantai utara Jawa Barat (daerah dataran rendah) dan makin tinggi menuju ke arah bagian tengah dan selatan di daerah pegunungan (dataran tinggi dengan ketinggian 1000-1500 m dan diatas 1500 m), dimana bulan Januari merupakan puncak curah hujan, dan terendah pada bulan Juli - Agustus.

---

Spatial interpolating tehnique for estimating rainfall using some conventionally technique, such as Thiessen Polygon, isohyet and IDW's method, but those techniques not reliable for undulating terrain (complex topography), and only can use if raingauge's distribution is quite representative and the condition of terrain's surface is flat. The restrictiveness of raingauge?s network and incoorporating topographic's information for interpolating, then geostatical method is used to estimated rainfall and for knowing distribution of spatial variability, in this case over West Java Region. Combination of kriging multivariale and kriging univariate is applied for geostatistical application, using Ordinary Cokriging (OCK) and Ordinary Kriging (OK) Techniques, which 44 of rainfall data from raingauge's points used as primary variable, and secondary variable used elevation's information as extraction from Digital Elevation Model (DEM).

Result of geostatistical application indicated that the accuration is good and can be accepted (coeflisient R and R2 from crossvalidationk analysis using semivariogram is 0.9 for all months, mean error also close to zero 0 and RMSE 4.3 mm - 8.2 mm). Verification of estimated rainfall and observed rainfall (both used 44 rain stations or 22 rain stations not calculated on geostatical method) reached 100 % (with rainfall?s difference < 5 mm), and with rainfall?s difference <10 mm veritication reached > 70.5 % (used 44 rain stations), and > 62.5 % (used 22 rain stations). Distribution of spasial rainfall over West Java is varied, with minimum rainfall occurred along coastal northern part of West Java (at low land area), and higher toward to middle and to the south around mountain?s region (at plateau with elevation 1000- 1500 in and over 1500 m). Rainfall Distribution over West Jawa shows that peak of rainfall occurred on Januari and minimum ones on July - August."

"Tujuan dari tulisan ini adalah terungkapnya gambaran tentang distribusi curah hujan pada wilayah pegunungan dan korelasinya dengan faktor topografi (ketinggian dan lereng). Tiga wilayah pegunungan di pulau Jawa diambil sebagai daerah penelitian meliputi, wilayah pegunungan di sekitar Dataran Tinggi Bandung (Geomer I), seluruh wilayah pegunungan pedalaman Jawa Tengah (Geomer II), dan wilayah pegunungan di sekeliling Dataran Tinggi Malang (Geomer III), yang kemudian masing- masing Geomer ini dibagi menjadi 2 wilayah analisis yaitu, wilayah lereng Utara dan wilayah lereng Selatan. Sebanyak 227 stasiun pengamat hujan di pilih dalam penelitian in, dengan perincian 73 stasiun di Geomer I, 86 stasiun di Geomer II, dan 68 stasiun di Geomer III. Data curah hujan yang dipakai adalah data curah hujan untuk periode tahun 1912- 1942. Distribusi curah hujan yang dibahas meliputi distribusi curah hujan untuk bulan Agustus den bulan Januari, distribusi curah hujan musim hujan dan musim kering, serta distribusi cursh hujan tahunan. Distribusi curah hujan dalam penelitian ini adalah variabel tidak bebas (variabel Y), sedangkan ketinggian, lereng, dan anus angin permukaan merupakan vaniabel bebas ( variabel x)"

"Studi ini menggunakan data kabupaten/kota di pulau Jawa tahun 2003 untuk mengetahui bagaimana peranan infrastruktur dalam pembangunan yang merupakan hasil dari pertumbuhan ekonomi yang berkelanjutan. Selain itu, ingin diketahui juga bagaimana polapembangunan di kabupaten/kota di pulau Jawa dan keterkaitannya dengan keadaan infrastrukur yang tersedia. Metode yang digunakan dalam studi ini adalah analisis faktor, analisis non hierarchicalcluster dan analisis diskriminan. Analisis faktor digunakan untuk mengelompokkan variabel dan membentuk suatu faktor pembangunan sosial ekonomi. Kemudian analisis non hierarchical mengelompokkan nilai faktor pembangunan tersebut ke dalam tingkatan pembangunan. Terakhir, analisis diskriminan digunakan untuk melihat bagaimana keterkaitan antara pembangunan dengan keadaan infrastruktur pada tiap kabupaten/kota. Hasil dari studi ini membuktikan adanya keterkaitan yang erat antara infrastruktur dan pertumbuhan ekonomi. Selain itu, terlihat adanya pola kesenjangan pada keadaan infrastruktur antara kabupaten dengan kota dan antara kawasan Utara Jawa dan Selatan . Hal ini menyebabkan adanya kesenjangan pembangunan sosial ekonomi antara kedua kawasan tersebut."

"Hujan sangat besar artinya bagi masyarakat Indonesia yang dikenal sebagai masyarakat petani. Kegiatan pertanian sangat bergantung pada ketersediaan air. Ketersediaan air bagi usaha pertanian sederhana bersumber dad hujan. Lamanya musim hujan akan mempengaruhi ketersediaan air. Pada gilirannya kelangsungan usaha pertanian tergantung pada keberadaan hujan. Jumlah hujan tidak begitu penting, hujan rata-rata umumnya cukup banyak. Namun yang penting bagi mereka adalah kapan musim hujan tiba dan berapa lamanya musim hujan. Sehubungan dengan itu, usaha-usaha untuk menentukan permulaan datangnya musim hujan dan permulaan datangnnya musim kemarau atau akhir dan musim hujan sangat berarti bagi usaha pertanian. Usaha untuk menentukan mulainya musim hujan dan musim kemarau di Pulau Jawa telah dilakukan oleh de Boer, Schmidt dan van der Vecht yang sedikit berbeda antara satu dengan yang lain. Pulau Madura telah dilakukan penelitian, tetapi belum seutuhnya. Juga mengingat persyaratan yang dipilih Sandy untuk Pulau Bali yaitu daerahnya tidak luas, unsur-unsur pengendali iklim, seperti topografi sederhana, tutupan titik-titik pengamat hujan cukup merata, dan variasi jumlah hujan cukup lengkap, dari yang rendah hingga yang tinggi. Untuk itu dilakukan penelitian kapan awal, akhir dan berapa lamanya musim hujan di Pulau Madura. Masatahnya adalah; Kapan dan di mana awal musim hujan dan akhir musim hujan di Pulau Madura serta berapa lamanya musim hujan di Pulau Madura, dan bagaimana pola awal musim hujan, akhir musim hujan dan lamanya musim hujan di Pulau Madura?. Hasil dari penelitian tentang musim hujan di Pulau Madura adalah : Awal musim hujan di Pulau Madura adalah sepuluh had pertama November (1 November), sepuluh had kedua November (2 November), sepuluh had ketiga November (3 November), sepuluh had pertama Desember (1 Desember) dan sepuluh had kedua Desemben (2 Desember). PoIa awal musim hujan di Pulau Madura adalah bagian barat Pulau Madura mendapatkan awal musim hujan lebih dulu dibandingkan dengan bagian yang Iebih ke timur dad Pulau Madura; Akhir musim hujan di Pulau Madura adalah sepuluh had pertama Mei (1 Mei), sepuluh had pertama Juni (1 Juni), dan sepuluh had pertama Juli (1 Juli). Pola akhir musim hujan di Pulau Madura adalah bagian barat Pulau Madura akhir musim hujannya Iebih lambat dari bagian yang lebih ke timur dad Pulau Madura; Lamanya musim hujan di Pulau Madura adalah kurang 150 had (15 dasarian), antara 150 had - 180 had (15 dasarian - 18 dasarian), dan lebih dan 180 had (18 dasarian). Pola lamanya musim hujan di Pulau Madura adalah bagian barat Pulau Madura Iebih lama musim hujannya di bandingkan bagian yang Iebih timur dari Pulau Madura; Pola dan awal, akhir, dan lamanya musim hujan di Pulau Madura mengikuti pola umum curah hujan di Indonesia yaitu tempat yang terletak di sebelah Barat musim hujannya datang lebih dulu dari pada tempat yang Ietaknya lebih ke Timur, pada pulau-pulau dengan rezim barat."

"The identification of climate change impacts on rainfall (annual ,seasonnal and monsoon rainfall) was studies using hundreds of rainfall data ranging from 1916 - 2006. The existence of trend in annual and seasonnal rainfall series was detected by statistical test, namely mann - Kendall and the Difference of two populations in monsoon series using Mann - Whitney..."

"Aplikasi penginderaan jauh dalam bidang meteorologi dan klimatologi sangat membantu terutama dalam memperoleh informasi perkiraan curah hujan pada suatu wilayah, karena cakupan wilayahnya yang luas. Penelitian ini mengkaji mengenai pola curah hujan yang terjadi di Pulau Jawa selama periode normal, El Nino dan La Nina pada bulan Desember, Januari dan Februari menggunakan data curah hujan dari citra satelit MTSAT dengan menginterpretasi dari suhu puncak awan. Hasil penelitian menunjukkan bahwa pola curah hujan yang terjadi menunjukkan pola yang berbeda dimana pada periode normal curah hujan yang tinggi tersebar pada ketinggian 100 ? 1000 m, pada periode El Nino curah hujan yang tinggi tersebar pada ketinggian 100 hingga diatas 1000 m dan pada periode La Nina curah hujan yang tinggi tersebar pada ketinggian 0 ? 500 m. Namun, pola curah hujan tersebut menunjukkan lebih terkonsentrasi di bagian utara Jawa terutama Jawa bagian tengah.

---

Remote sensing application in study of meteorology and climatology is very helpful, particularly in acquisition of rainfall information in an area, because of its wide coverage area. This research is about rainfall pattern in Java Island on the normal, El Nino and La Nina periods for Desember, January and February using rainfall data from MTSAT-1R satellite that interpreted from cloud top temperature.

The result showed that rainfall patterns that happened had different pattern where on the period of normal the highest of rainfall can be found at elevation of 100 ?1000 m; on the periode of El Nino, the highest of rainfall can be found at elevation of 100 until > 1000 m; and on the period of La Nina, the highest of rainfall can be found at elevation of 0 ? 500 m. However, the rainfall patterns showed that the highest of rainfalls can be found in the northern of Java, especially in the northern of central Java."

"Longsor merupakan kejadian yang terjadi akibat kombinasi dari faktor penyebab dan faktor pemicu. Faktor penyebab dapat meliputi topografi, geologi, tanah, dan penggunaan lahan, sedangkan faktor pemicu utama terjadinya longsor adalah hujan. Intensitas curah hujan yang tinggi ditambah dengan karakteristik topografi Pulau Jawa yang sekitar 22 wilayahnya berlereng curam, menyebabkan pulau ini berpotensi terhadap longsor. Penelitian ini mengelompokan kejadian longsor di Pulau Jawa selama tahun 2012-2015 berdasarkan faktor penyebabnya. Analisis menunjukan bahwa terdapat 4 kelompok cluster kejadian longsor berdasarkan faktor penyebabnya. Berdasarkan pengelompokan tersebut diidentifikasi hujan pemicu longsor menggunakan data curah hujan Qmorph. Pendekatan empiris intensitas dan durasi hujan pada setiap kejadian longsor dilakukan untuk menentukan ambang hujan pemicu longsor mengikuti model kurva Intensitas-Durasi Kurva ID yang diperkenalkan Caine pada tahun 1980. Nilai dari ambang hujan ini menunjukan nilai curah hujan minimum yang diperlukan untuk terjadinya longsor. Hasil penelitian menunjukan nilai ambang hujan yang berbeda untuk setiap kelompok kejadian longsor. Kelompok kejadian longsor 1 memiliki ambang intensitas hujan 24,71 mm/jam, kelompok 2 didapatkan 12,32 mm/jam, kelompok 3 didapatkan 8,65 mm/jam, dan kelompok 4 didapatkan ambang intensitas hujan 19,17 mm/jam. Menurut ambang hujan, kelompok kejadian longsor 3 merupakan kelompok yang paling rawan dibandingkan kelompok lainnya. Nilai dari ambang hujan pemicu longsor pada penelitian ini dapat digunakan sebagai acuan pembuatan sistem peringatan dini kejadian longsor.

---

Landslides is an event that occurs due to a combination of causes factor and triggers factor. Causes factor may include the topography, geology, soil, and land use. Meanwhile, the main trigger factor of landslide is the rainfall. The intensity of heavy rainfall coupled with the topographic characteristics of Java that about 22 of its territory steep slopes, causing this island has great potential to landslides.

This research is aiming to grouping the landslide in Java during the years of 2012 2015 based on causes factor. The result show that there were 4 groups clusters landslide based on causes factors. Based on these groupings, it successfully determined the rainfall triggered landslides using Qmorph. Empirical approach of the intensity and duration of rain on any landslide carried out to determine the threshold of rain triggers landslide following the model of intensity duration curve curve ID introduced by Caine in 1980. The value of the rainfall threshold shows the minimum value required for the occurence of landslides.

The results showed that the value of rainfall threshold different for each group of the landslide. The rain threshold value for the first group is 24,71 mm h, the second group is 12,32 mm h, the third group is 8,65 mm h, and the fourth group is 19,17 mm h. According to the equation, the landslide points in the third group is the most vulnerable than other groups. The value of rainfall triggered landslide in this research can be used as a reference for the development of the landslide early warning system."