KESIMPULAN DAN SARAN 5.1 Kesimpulan

V. KESIMPULAN DAN SARAN 5.1 Kesimpulan

Penurunan luas hutan menyebabkan perubahan terhadap parameter-parameter permukaan dihutan, diantara parameter yang berubah adalah albedo permukaan, lai, tipe hutan, surface raougness lenght. Perubahan nilai dari parameter permukaan tersebut mempengaruhi unsur-unsur dalam neraca energi seperti sensible heat flux dan laten heat flux . Dari perubahan unsur ini kemudian mempengaruhi iklim di pulau Kalimantan. Hasil dari simulasi model REMO menunjukkan bahwa penurunan luas hutan menyebabkan kenaikan suhu udara rata-rata dari 25,3°C pada Kontrol menjadi 25,4°C pada R-25 dan 25,5°C pada R-50. Selain itu mengakibatkan terjadinya kenaikan evaporasi sebesar 1,03 pada skenario R-25 dan 1,99 pada skenario R-25. Peningkatan evaporasi menyebabkan curah hujan konvektif naik sebesar 5,21 pada skenario R-25 dan 6,20 pada skenario R-50. Kenaikan curah hujan ini mengakibatkan naiknya limpasan permukaan sebesar 6,15 pada skenario R- 25 dan 10,51 pada skenario R-50.

5.2 Saran

Penelitian dengan menggunakan Model untuk membantu menganalisa keadaan-keadaan yang ekstrim dan tidak dapat di analisa melalui pengukuran langsung harus lebih ditingkatkan terutama pada peningkatan resolusi dan akurasi dari model yang digunakan serta data-data primer yang digunakan untuk mendukung hasil dari model yang digunakan. Analisa perubahan tutupan lahan ini akan lebih baik jika menggunakan resolusi yang lebih tinggi serta ditunjang dengan data pengamatan yang lebih lengkap. DAFTAR PUSTAKA Aldrian, E., Dümenil-Gates, L., Jacob, D., Podzun, R., Gunawan, D. 2004. Long-term Simulationof Indonesian rainfall with the MPI region model. Climate Dynamcs vol. 22 pp.795-814. Badan Planologi Kehutanan dan Perkebunan. 2003. Buku Indikasi Kawasan Hutan Lahan Yang Perlu Dilakukan Rehabilitasi Tahun 2003. Bruce, J.P. and Clark, P.H. 1966. Introduction to Hydrometeorology : Pergamon Press, Oxford. Byers, Horace Roberts. 1959. General Meteorology . McGraw-Hill Book Company. New York. Campbell, G. S. 1977. An Introduction to Environmental Biophysics . Springer- Verlag, New York. Jury, W.A., Gardner, W.R., Gardner, W.H., 1991. Soil Physics, 5th ed., John Wiley Sons, Inc., New York, NY. Stull, R., 1995: Meteorology Today for Scientists and Engineers . West Publishers. LAMPIRAN Lampiran 1. Albedo dari beberapa jenis permukaan Permukaan Tipe Observasi Albedo Pengamat Bay va 3 - 4 KH Bay and River va 6 - 10 TH Inland Waters va 5 - 10 L Ocean va 3 - 7 TH Ocean, deep va 3 - 5 L Ocean, near shore, solar elevation 47° tg 4 A Ocean, near shore, solar elevation 43° tg 6 A Ocean, near shore, solar elevation 20° tg 14 A Ocean, near shore, solar elevation 12° tg 30 A Ocean, near shore, solar elevation 5  1 2 ° tg 46 A Forest Green va 3 - 6 KH Forest va 4 - 10 TH Forest va 3 - 5 L Forest, snow-covered ground va 10 - 25 KH Ground, bare va 10 - 20 L Ground, bare, very white va 11 KH Ground, bare, some trees va 7 KH Ground, wet, 70-85 bare ta 8 - 9 F Ground, moist, 70-95 bare ta 9 - 12 F Black mold, dry tg 14 A Black mold, wet tg 8 A Sand, dry tg 18 A Desert, Mojave ta 24 - 28 M Desert, Death Valley ta 25 M Sand, wet tg 9 A Fields, dry plowed va 20 - 25 TH Fields, green va 10 - 15 TH Fields, green va 3 - 6 KH Fields, wheat va 7 - KH Fields, unspecified va 5 - 10 L Grass, dry va 15 - 25 TH Grass, high dry tg 31 - 33 A Grass, dry, no sun tg 19 - 22 K Grass, high fresh tg 26 - A Grass, high wet tg 22 - A Grass, wet no sun tg 14 - 26 K Grass, wet sun tg 33 - 37 K Snow, fresh tg 81 - A Snow, several days old, white, smooth tg 70 - 86 A Snow, fresh highest value tg 87 - K Snow, old lowest value tg 46 - K Snow, white field va 70 - 86 KH Ice, sparse snow cover ta 69 - M Clouds, stratus overcast, 0-500 feet thick ta 5 - 63 N Clouds, stratus overcast, 500-1000 feet thick ta 31 - 75 N Permukaan Tipe Observasi Albedo Pengamat Clouds, stratus overcast, 1000-2000 feet thick ta 59 - 84 N Clouds, dense, opaque va 55 - 78 L Clouds, dense, nearly opaque va 44 - L Clouds, thin va 36 - 40 L Clouds, stratus, 600-1600 feet thick ta 78 - Al Clouds, stratocumulus overcast ta 56 - 81 F Clouds, altostratus, occasional breaks ta 17 - 36 F Clouds, altostratus overcast ta 39 - 59 F Clouds, cirrostratus and altostratus overcast ta 49 - 64 F Clouds, cirrostratus overcast ta 44 - 50 F Keterangan : Tipe Observasi : - v : pengukuran albedo dengan menggunakan photometer - t : pengukuran albedo dengan menggunakan pyrheliometer, pyranometer - a : pengukurang dengan menggunakan aircraft pesawat - g : pengukuran dilakukan di permukaan ground Pengamat : - A : Ångström, A. Geograf. Ann., vol.7, p.321, 1925 - Al : Aldrich, L. B., Smithsonian Misc. Coll., vol.69, No.10, 1919 - B : Baur, F., and philips, H., Gerl. Beitr. Geophys., vol. 42, p.160. - D : Danjon, A., Ann. L’Obs. Strasbourg 3 No.3, p.193, 1936. - F : Fritz, S. Buil. Amel. Meteorol. Soc., vol. 29. p.303, 1948; vol.31, p.251, 1950; Journ. Meteorol., vol.58, p.59, 1930. - K : Klitin, N. N., Month. Wheat. Rev., vol.58, p.59, 1930 - KH : Kimball, H. H., and Hand, I. F., Month. Weath. Rev., vol.58, p.280, 1930 - L : Luckiesh, M.Astrophys. Journ., vol.49, p.108, 1919. - M : MacDonald, T. H., private communication, 1949. - N : Neiburger, M., U. C. L. A., Dep. Of Meteorol. Papers in Meteorol., No.9, 1948; also Joun. Meteorol., vol.6, p.98, 1949. - TH : Tousey, R., ad Hulburt, E. O., Journ. Opt. Soc. Amer., vol.37, p.28, 1947 Lampiran 2. Parameter Input dan Output dalam model REMO Parameter Input 129 Surface geopotential orography 172 Land sea mask 173 Surface roughness length 229 field capacity of soil 200 leaf area index 226 FAO data set soil data flags 212 Vegetation type 198 Vegetation ratio 174 Surface background albedo 199 Orographic variance for runoff 134 Surface pressure 130 Temperature 139 Surface temperature 206 Snow temperature 207 Soil temperature TD3 208 Soil temperature TD4 209 Soil temperature TD5 170 Deep soil temperature 183 Soil temperature 131 u-Velocity 132 v-Velocity 133 Specific humidity 153 Liquid water content 140 Soil wetness 232 Glacier mask 194 Skin reservoir content t- 1 141 Snow depth 156 Geopotential height ‘ Parameter Output 130 Temperature 131 u-velocity 132 v-velocity 133 Specific humidity 153 Liquid water content 134 Surface pressure 135 Vertical velocity 139 Surface temperature 140 Soil wetness 141 Snow depth 142 Large scale precipitation 143 Convective precipitation 144 Snow fall 145 Boundary layer dissipation 146 Surface sensible heat flux 147 Surface latent heat flux 159 ustar3 160 Surface runoff 162 Cloud cover 163 Total cloud cover 164 Total cloud cover 165 10m u-velocity 166 10m v-velocity 167 2m temperature 168 2m dew point temperature 169 Surface temperature 170 Deep soil temperature 171 10m windspeed 172 Land sea mask 173 Surface roughness length 174 Surface background albedo 175 Surface albedo 176 Net surface solar radiation 177 Net surface thermal radiation 178 Net top solar radiation 179 Top thermal radiation OLR 180 Surface u-stress 181 Surface v-stress 182 Surface evaporation 183 Soil temperature 185 Net surf. solar radiation 186 Net surf. thermal radiation 187 Net top solar radiation 188 Net top thermal radiation 189 Surface solar cloud forcing 190 Surface thermal cloud forcing 191 Top solar cloud forcing 192 Top thermal cloud forcing 194 Skin reservoir content t- 1 195 u-Gravity wave stress 196 v-Gravity wave stress 197 Gravity wave dissipation 198 Vegetation ratio 199 Orographic variance for runoff 200 Leaf area index 201 Maximum 2m-temperature 202 Minimum 2m-temperature 203 Top solar radiation upward 204 Surface solar radiation upward 205 Surface thermal radiation upward 206 Snow temperature 207 Soil temperature TD3 208 Soil temperature TD4 209 Soil temperature TD5 210 Sea ice cover 211 Sea ice depth 212 Vegetation type 213 effective sea-ice skin temp 214 Maximum surface temperature 215 Minimum surface temperature 216 Maximum 10m-wind speed 217 Maximum heig of conv cloud top 218 Snow melt 220 Residual surface heat budget 221 Snow depth change 223 Cloud cover 223 Cloud cover 224 Turbulent kinetic energy 226 FAO data set soil data flags 227 Heat capacity of soil 228 Soil diffusivity 229 Field capacity of soil 230 Vert-ly integ spec. humidity 231 Vert-ly integ liq water cont 232 Glacier mask 129 Surface geopotential orography 156 Geopotential height Lampiran 3. Merubah Format data dari BIG endian menjadi LITTLE endian Untuk melakukan proses ini terlebih dahulu disiapkan data BIG endian directory ...xa dan buat directory …xalin untuk menyimpan hasil proses LITTLE endian. Dan pastikan file uswap ada pada directory ~bin Kemudian buat Script berikut dan simpan dengan nama conv_b2l . Kemudian script conv_b2l dieksekusi di konsule dengan menggunakan perintah eksekusi .conv_b2l . binbash set -ex converts bigendian data to littleendian data compile uswap in directory uread INPUTDIR=homesofyanremoxa OUTPUTDIR=homesofyanremoxalin cd {INPUTDIR} for I in do for ext4,remo etc uswap -x -i {I} -o {OUTPUTDIR}{I} for ext8 uswap -x -d -i {I} -o {OUTPUTDIR}{I} done exit Lampiran 4. Script merubah rasio hutan Script ini dibuat dengan menggunakan bahasa basic dan dijalankan dengan menggunakan system operasi Microsoft Windows. Sebelum script ini dijalankan terlebih dahulu disiapkan data ekstraksi berupa data : o Parameter 172 : Land Sea Mask sudah diedit : Pulau kalimantan bernilai 1 dan area lain bernilai o Parameter 174 : Albedo o Parameter 198 : Rasio Vegetasi o Parameter 200 : LAI o Parameter 212 : Tipe Vegetasi o Parameter 229 : Kapasitas Lapang Dim Mask101,55 as Single ‘Parameter 172 Land Sea Mask Dim Albd101,55 as Single ‘Parameter 174 Albedo Dim RasV101,55 as Single ‘Parameter 198 Rasio Vegetasi Dim LAI101,55 as Single ‘Parameter 200 Leaf Area Index Dim TypeV101,55 as Single ‘Parameter 212 Tipe Vegetasi Dim KL101,55 as Single ‘Parameter 229 Kapasitas Lapang Dim i as Integer Dim j as Integer Dim TotalRasioIN as single Dim TotalRasioOUT as single ‘Modul DataProses ‘ - Membaca File Input ‘ – Membuat File Output ‘ - Membaca Data Parameter ‘ – Menulis Data Olahan Penurunan Rasio Vegetasi Public Sub DataProses ‘Membaca File Input Open “D:\Data\LSM.txt” For Input as 1 Open “D:\Data\Albedo.txt” For Input as 2 Open “D:\Data\RasioV.txt” For Input as 3 Open “D:\Data\LAI.txt” For Input as 4 Open “D:\Data\TipeV.txt” For Input as 5 Open “D:\Data\KL.txt” For Input as 6 ‘Output File Open “D:\Data\OutLSM.txt” For Output as 7 Open “D:\Data\OutAlbedo.txt” For Output as 8 Open “D:\Data\OutRasioV.txt” For Output as 9 Open “D:\Data\OutLAI.txt” For Output as 10 Open “D:\Data\OutTipeV.txt” For Output as 11 Open “D:\Data\OutKL.txt” For Output as 12 ‘Membaca Data i = 0 j = 1 While not EOF1 If i = 101 then i = 0 j = j + 1 end if i = i + 1 Input 1, Maski,j Input 2, Albdi,j Input 3, RasVi,j Input 4, LAIi,j Input 5, TypeVi,j Input 6, KLi,j Wend ‘ Nilai TotalRasio Awal For i = 1 to 101 For j = 1 to 55 TotalRasioIN = TotalRasioIN + Maski,j RasVi,j Next j Next i HitungUlang: Call PenurunanRasio TotalRasioOUT = For i = 1 to 101 For j = 1 to 55 TotalRasioOUT = TotalRasioOUT + Maski,j RasVi,j Next j Next i ‘ Nilai TotalRasio Bergantung dari scenario yang diinginkan If TotalRasioOUT TotalRasioIN – TotalRasioIN 25100 Then GoTo HitungUlang End if ‘ – Menulis Data Olahan Penurunan Rasio Vegetasi Output 7, Maski,j Output 8, Albdi,j Output 9, RasVi,j Output 10, LAIi,j Output 11, TypeVi,j Output 12, KLi,j ‘ Menutup File Close 1 : Close 2 : Close 3 : Close 4 : Close 5 : Close 6 Close 7 : Close 8 : Close 9 : Close 10 : Close 11 : Close 12 End sub ‘Modul penurunan rasio hutan secara random Public sub PenurunanRasio Dim x as Integer Dim y as Integer RandomUlang: ‘Menentukan Pixel yang akan dirubah i = rnd 101 j = rnd 55 x = rnd 101 y = rnd 55 If i = 0 or j = 0 or x = 0 or y = 0 _ or i = x or j = y or MaskI,J=0 _ or Maskx,y = 0 Then GoTo RandomUlang If RasVi,j RasVx,y then GoTo RandomUlang ‘Menukar nilai parameter pada pixel yang sudah ditentukan Maski,j = Maskx,y Albdi,j = Albdx,y RasVi,j = RasVx,y LAIi,j = LAIx,y TypeVi,j = TypeVx,y KLi,j = KLx,y End Sub Lampiran 5. Script untuk menjalankan model REMO Untuk melakukan proses ini terlebih dahulu disiapkan data LITTLE endian pada directory xalin. Dan siapkan beberapa directory xe,xf,xt untuk menyimpan keluaran model Dan pastikan bahwa model iklim remo sudah ter-install pada PC yang digunakan. Kemudian buat Script berikut dan simpan dengan nama remo_ind_chain . binbash set -ex cd tmp set +e mkdir dump cd dump rm -rf set -ex PFL=homesofyanremoremo5.0_pclibs PFL2=homesofyanremojobs EXP=400 YEXP=\{EXP}\ Membaca jam awal dari jobs saat ini RSA Membaca jam akhir dari bulan saat ini REND RSA=`cat {PFL2}RSA` REND=`cat {PFL2}REND` Jika rantai selesai mencapai REND keluar if [ {RSA} -ge {REND} ] then cd {PFL2} time put_remo_results exit fi Akhir dari job saat ini dihitung 48 jam setelah jam awal RSE=`expr {RSA} + 48` if [ {RSE} -ge {REND} ] then RSE={REND} fi membuat file parameter menjalankan REMO kedalam file namanya INPUT cat INPUT EOF EMGRID PHILU=-19.0, RLALU=91.0, POLPHI=90.0, POLLAM=180.0, DLAM=0.5, DPHI=0.5, END RUNCTL NHANF=RSA, NHENDE=RSE, YADAT=02019600, NHEAA=6, NHDEA=6, NHFORA=RSE, NHDFOR=9999999, NHTAA=6, NHDTA=6, NHDAA=9999999, NHDDA=9999999, NHDMXN=6, DT=300.0, NHDR=6, LMOMON=.FALSE. END DYNCTL END PHYCTL HDRAD=1, LPHYEM=.FALSE., LAKKU=.FALSE., END NMICTL END PRICTL END DATEN YADEN=400, YRDEN=400, YEDEN=400, YFDEN=400, YTDEN=400, YADCAT=homesofyanremoxalin, YRDCAT=homesofyanremoxalin, YEDCAT=homesofyanremoxe, YFDCAT=homesofyanremoxf, YTDCAT=homesofyanremoxt, YTVARN=APRL ,APRC ,APRS ,ALWCVI ,QVI , RUNOFF ,DRAIN ,SNMEL ,DSNAC ,EVAP ,SRADS , TRADS ,SRAD0 ,TRAD0 ,AHFS ,AHFL ,ACLCV , WSECH ,SN ,TEMP2 ,TSECH ,TD ,TDCL , TSN ,TD3 ,TD4 ,TD5 , END EOF Disini MENJALANKAN REMO {PFL}remo_101x55x20x1.exe INPUT Menyimpan data jam akhir job ini kedalam file, diberi nama RSA set +ex cat fort.20 EOC {RSE} EOC mv fort.20 {PFL2}RSA cd homesofyanremoxf Menghapus xf_file lama dua file ANZ=`ls | wc -w` if [ {ANZ} -eq 4 ] then Kemudian script remo_ind_chain dieksekusi di konsule dengan menggunakan perintah eksekusi .remo_ind_chain . IND=1 for FILE in `ls -rt`; do if [ {IND} -le 2 ]; then rm FILE fi IND=`expr {IND} + 1` done fi kembali ke direktori awal dan menjalankan rantai berikutnya cd {PFL2} time remo_ind_chain time remo_ind_chain remo_out{RSA} exit Lampiran 6. Script untuk mengekstrak model REMO Untuk melakukan proses ini terlebih dahulu disiapkan data keluaran model Dan pastikan bahwa model iklim remo sudah ter-install pada PC yang digunakan. . Dan pastikan file pure4 dan yefis ada pada directory ~bin Kemudian buat Script berikut dan simpan dengan nama script_all . binbash This script extracting precipitation components 142+143 set -ex YY=96 MMM=01 ART=.tar DATT=xt RUN=400 PARMA=142 PARMB=143 ERUN=e{RUN}xe NUMMERA=PARMA,PARMB NUMMERA=182,139 pindah ke direktori kerja cd homesofyanremoxeot buat file parameter input untuk yefis INPUTA dan pure4 INPUTB pertama check jika kedua file ada, jika ya hapus keduanya if [ -f INPUTA ];then rm INPUTA fi if [ -f INPUTB ];then rm INPUTB fi cat INPUTA EOF DATEN ICODE={NUMMERA} IEXP=RUN END EOF cat INPUTB EOF 101 55 2 91 91.5 2 -19 -18.5 EOF loop tahunan while [ {YY} -le 96 ] do if [ {MMM} -ne 0 ]; then MM={MMM} MMM=0 else MM=01 MMM=0 fi loop bulanan while [ {MM} -le 01 ] do INTE=1 buat daftar panjang seluruh file berawal e400xt, proses satu satu for FILE in `ls {ERUN}??{MM}{YY}??`; do NEWFILE=`basename FILE` echo NEWFILE yefis mengubah format REMO output ke format ieee yefis INPUTA {FILE} {NEWFILE}.ieee pure4 mengubah format ieee ke format pure binary atau grads sekaligus dibuat ctl file untuk grads pure4 grads {NEWFILE}.ieee {FILE}.grd INPUTB {FILE}.ctl akumulasikan seluruh file hasil ke file hasil bulanan data 6 jam- an cat {FILE}.grd {ERUN}{MM}{YY}.grd rm {FILE} rm {FILE}.ieee {FILE}.grd pindah ke indeks file berikutnya INTE=`expr {INTE} + 1` done jangan lupa juga lakukan proses serupa untuk yang jam 00 bulan berikutnya yefis INPUTA {ERUN}01????00 dummy.ieee pure4 grads dummy.ieee dummy.grd INPUTB dummy.ctl cat dummy.grd {ERUN}{MM}{YY}.grd rm dummy. {ERUN}01????00 mengenali nama bulan yang sedang di proses case {MM} in 01 MON=jan;; 02 MON=feb;; 03 MON=mar;; 04 MON=apr;; 05 MON=may;; 06 MON=jun;; 07 MON=jul;; 08 MON=aug;; 09 MON=sep;; 10 MON=oct;; 11 MON=nov;; 12 MON=dec;; esac check jika ctl_file untuk bulan ini ada, jika tidak buatkan if [ -f {ERUN}{MM}{YY}.ctl ] then cat {ERUN}{MM}{YY}.ctl EOF DSET {ERUN}{MM}{YY}.grd UNDEF 9e+09 XDEF 101 LINEAR 91.000000 0.500000 YDEF 55 LINEAR -19.000000 0.500000 TDEF {INTE} LINEAR 06:00Z1{MON}{YY} 06hr ZDEF 1 LINEAR 1000 -1 VARS 2 cPARMA 1 0 CODE PARMA cPARMB 1 0 CODE PARMB ENDVARS EOF Kemudian script script_all dieksekusi di konsule dengan menggunakan perintah eksekusi .script_all . fi rm {ERUN}??{MM}{YY}??.ctl hitung bulan berikutnya if [ {MM} -le 08 ]; then MM=0`expr {MM} + 1` else MM=`expr {MM} + 1` fi done hitung tahun berikutnya YY=`expr {YY} + 1` done rm INPUTA INPUTB exit Lampiran 7. Uji Statistik dari unsur iklim

1. CURAH HUJAN MUSIMAM

2. CURAH HUJAN KONVEKTIF

Ranks 718 a 728.24 522878.50 742 b 732.68 543651.50 c 1460 661 d 722.40 477505.50 799 e 737.20 589024.50 f 1460 678 g 733.85 497548.50 781 h 726.66 567521.50 1 i 1460 Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total R-25 - KONTROL R-50 - KONTROL R-50 - R-25 N Mean Rank Sum of Ranks R-25 KONTROL a. R-25 KONTROL b. KONTROL = R-25 c. R-50 KONTROL d. R-50 KONTROL e. KONTROL = R-50 f. R-50 R-25 g. R-50 R-25 h. R-25 = R-50 i. Test Statistics b -.645 a -3.461 a -2.174 a .519 .001 .030 Z Asymp. Sig. 2-tailed R-25 - KONTROL R-50 - KONTROL R-50 - R-25 Based on negative ranks. a. Wilcoxon Signed Ranks Test b. Ranks 570 a 693.61 395359.00 887 b 751.74 666794.00 3 c 1460 562 d 689.43 387458.50 897 e 755.42 677611.50 1 f 1460 728 g 731.55 532570.00 732 h 729.45 533960.00 i 1460 Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total R 25 - Kontrol R 50 - Kontrol R 50 - R 25 N Mean Rank Sum of Ranks R 25 Kontrol a. R 25 Kontrol b. Kontrol = R 25 c. R 50 Kontrol d. R 50 Kontrol e. Kontrol = R 50 f. R 50 R 25 g. R 50 R 25 h. R 25 = R 50 i. Test Statistics b -8.449 a -9.013 a -.043 a .000 .000 .966 Z Asymp. Sig. 2-tailed R 25 - Kontrol R 50 - Kontrol R 50 - R 25 Based on negative ranks. a. Wilcoxon Signed Ranks Test b.

3. EVAPORASI

4. LIMPASAN

Ranks 486 a 799.77 388687.50 973 b 695.15 676382.50 1 c 1460 583 d 831.97 485037.50 876 e 662.14 580032.50 1 f 1460 879 g 745.71 655480.50 580 h 706.19 409589.50 1 i 1460 Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total R 25 - Kontrol R 50 - Kontrol R 50 - R 25 N Mean Rank Sum of Ranks R 25 Kontrol a. R 25 Kontrol b. Kontrol = R 25 c. R 50 Kontrol d. R 50 Kontrol e. Kontrol = R 50 f. R 50 R 25 g. R 50 R 25 h. R 25 = R 50 i. Test Statistics c -8.937 a -2.951 a -7.638 b .000 .003 .000 Z Asymp. Sig. 2-tailed R 25 - Kontrol R 50 - Kontrol R 50 - R 25 Based on negative ranks. a. Based on positive ranks. b. Wilcoxon Signed Ranks Test c. Ranks 472 a 582.10 274753.50 752 b 631.58 474946.50 236 c 1460 551 d 700.47 385959.00 908 e 747.92 679111.00 1 f 1460 709 g 720.10 510549.00 750 h 739.36 554521.00 1 i 1460 Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total R25 - Kontrol R50 - Kontrol R50 - R25 N Mean Rank Sum of Ranks R25 Kontrol a. R25 Kontrol b. Kontrol = R25 c. R50 Kontrol d. R50 Kontrol e. Kontrol = R50 f. R50 R25 g. R50 R25 h. R25 = R50 i. Test Statistics b -8.092 a -9.106 a -1.366 a .000 .000 .172 Z Asymp. Sig. 2-tailed R25 - Kontrol R50 - Kontrol R50 - R25 Based on negative ranks. a. Wilcoxon Signed Ranks Test b.

5. SUHU UDARA

Ranks 404 a 707.98 286023.50 1052 b 736.38 774672.50 4 c 1460 289 d 693.15 200319.00 1171 e 739.72 866211.00 f 1460 513 g 635.50 326010.00 945 h 780.53 737601.00 2 i 1460 Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total R25 - Kontrol R50 - Kontrol R50 - R25 N Mean Rank Sum of Ranks R25 Kontrol a. R25 Kontrol b. Kontrol = R25 c. R50 Kontrol d. R50 Kontrol e. Kontrol = R50 f. R50 R25 g. R50 R25 h. R25 = R50 i. Test Statistics b -15.226 a -20.664 a -12.799 a .000 .000 .000 Z Asymp. Sig. 2-tailed R25 - Kontrol R50 - Kontrol R50 - R25 Based on negative ranks. a. Wilcoxon Signed Ranks Test b. Lampiran 8. Data curah hujan di beberapa stasiun di pulau Kalimantan pada tahun 1996 No. Nama Stasiun Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Total 1 Singkawang 465 350 214 231 112 340 191 327 282 525 263 277 3577 2 Pontianak 249 363 344 354 159 330 204 340 183 639 276 235 3676 3 Anjungan 294 357 320 335 153 330 204 338 207 611 278 244 3671 4 Kembayan 245 273 319 229 73 359 202 290 266 525 443 351 3575 5 Paloh 563 355 156 148 78 351 171 320 308 488 242 295 3475 6 Siantan 345 353 289 308 143 78 351 171 320 308 488 242 3396 7 Susilo Sintang 438 321 362 382 166 335 315 350 432 485 306 276 4168 8 Nanga Pinoh 423 328 354 363 166 331 345 351 403 477 313 278 4132 9 Banjarmasin 415 339 350 277 220 249 196 440 113 358 324 491 3772 10 Banjarbaru 414 340 349 277 220 250 197 439 114 357 324 489 3770 11 Stajer 336 326 253 321 181 440 607 373 238 308 130 280 3793 12 Palangkaraya 256 405 240 186 165 266 171 366 246 189 391 244 3125 13 Muara Tewah 256 386 419 230 249 293 111 378 218 341 568 309 3758 14 Balikpapan - 392 - - - 287 192 - - - - - - 15 Tarakan 304 275 448 439 330 339 248 402 442 - 378 579 4184 16 Samarinda 315 385 300 203 304 278 129 319 209 304 329 332 3407 17 Tanjung Redup 372 377 376 278 - - 195 211 - - 224 - - 18 Tanjung Selor 323 304 366 232 262 316 183 284 107 294 251 275 3197 19 Long Bawang 292 113 183 262 216 239 - - - - - - - ANALISIS DAMPAK PERUBAHAN TUTUPAN LAHAN HUTAN TERHADAP IKLIM DI PULAU KALIMANTAN MENGGUNAKAN MODEL IKLIM REGIONAL REMO SOFYAN AGUS SALIM G02400013 DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008 ANALISIS DAMPAK PERUBAHAN TUTUPAN LAHAN HUTAN TERHADAP IKLIM DI PULAU KALIMANTAN MENGGUNAKAN MODEL IKLIM REGIONAL REMO SOFYAN AGUS SALIM G02400013 Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Pada Program Studi Meteorologi DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008 Judul : Analisis Dampak Perubahan Tutupan Lahan Hutan Terhadap Iklim Di Pulau Kalimantan Menggunakan Model Iklim Regional REMO Nama : Sofyan Agus Salim NRP : G02400013 Menyetujui, Pembimbing I Pembimbing II Prof.Dr.Ir. Hidayat Pawitan NIP : 130 516 292 Dr. Edvin Aldrian NIP: 680 002 393 Mengetahui, Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr.Drh. Hasim, DEA NIP : 131 578 806 Tanggal Lulus :

I. PENDAHULUAN 1.1 Latar Belakang

1.1.1. Penurunan luas tutupan lahan hutan Kondisi hutan mengalami perubahan yang cepat dan dinamis, sesuai perkembangan pembangunan dan perjalanan waktu. Banyak faktor yang mengakibatkan perubahan tersebut antara lain pertambahan penduduk, dan pembangunan diluar sektor kehutanan yang sangat pesat memberikan pengaruh besar terhadap meningkatnya kebutuhan akan lahan dan produk-produk dari hutan. Selain itu adanya perambahan hutan dan terjadinya kebakaran hutan yang mengakibatkan semakin luasnya kerusakan hutan di Indonesia. Menurut data selama 12 tahun 1985- 1997 angka degradasi dan deforestasi untuk pulau Sumatera, Kalimantan dan Sulawesi adalah 1,6 juta hatahun sebagai akibat penebangan liar, pencurian kayu, perambahan hutan, kebakaran hutan, lahan dan kebun serta sistem pengelolaan hutan yang kurang tepat. Deforestasi dan degradasi hutan diperparah dengan terjadinya kebakaran hutan pada tahun 1997 di Pulau Sumatera dan Kalimantan, dengan kebakaran terbesar terjadi di Kalimantan Timur hingga mencapai 3,2 juta ha Badan Planologi Kehutanan dan Perkebunan, 1998. Dari hasil perhitungan untuk pulau Sumatera, Kalimantan dan Sulawesi, diperkirakan laju deforestasi menjelang tahun 2000 telah melebihi angka 2,5 juta hatahun. Penurunan luas hutan dapat mengubah karakteristik tutupan lahan, salah satu perubahannya adalah meningkatnya albedo permukaan. Peningkatan albedo permukaan berdampak terhadap neraca energi yang kemudian berpengaruh terhadap unsur iklim seperti suhu udara dan evaporasi. Selain itu penurunan luas hutan dapat menurunkan kemampuan tanah untuk menyerap dan mempertahankan air.

1.1.2. Model iklim sebagai alat bantu dalam proses analisis dampak penurunan

luas tutupan lahan hutan. Dalam dunia ilmu pengetahuan terdapat tiga sumber acuan informasi yaitu dari data hasil pengamatan, hasil kajian teoritis dan data hasil model. Yang paling bernilai dari ketiga jenis tersebut adalah hasil observasi instrumentasi pengamatan karena semua analisis ilmiah akan dikembalikan kepada acuan tersebut. Akan tetapi pengamatan dengan instrumentasi memiliki keterbatasan dari resolusi fisis alat, temporal dan tutupan spasial. Selain itu keusangan alat akibat terlalu lama dipakai dan seringkali alat tersebut jarang dikalibrasi. Untuk menutupi kekurangan itu maka digunakanlah model iklim. Hal lain yang perlu disadari mengapa model iklim diperlukan adalah eksperimen yang ekstrim tidak bisa dilakukan secara langsung di alam. Untuk mengetahui berbagai fenomena alam yang bersifat ekstrim seperti perubahan luas tutupan lahan hutan dapat disimulasikan dalam sebuah model tanpa merusak alam. Kemajuan teknologi di bidang komputer turut membantu perkembangan di bidang pemodelan iklim. Saat ini model iklim dapat diproses oleh personal computer. Teknologi ini dapat membantu dalam proses analisis dampak perubahan tutupan lahan hutan.

1.2 Tujuan

• Mengkaji dampak penurunan luas tutupan lahan hutan terhadap iklim di pulau Kalimantan menggunakan model iklim regional REMO • Menduga tingkat perubahan iklim akibat penurunan luas tutupan lahan hutan.

1.3 Hipotesis

Penurunan luas tutupan lahan hutan menyebabkan: • Peningkatan suhu udara. • Peningkatan evaporasi • Peningkatan curah hujan konvektif • Peningkatan limpasan

II. TINJAUAN PUSTAKA 2.1. Hutan Hujan Tropis

Hujan hujan tropis adalah daerah yang ditandai oleh tumbuh-tumbuhan subur dan rimbun serta curah hujan dan suhu yang tinggi sepanjang tahun. Hutan hujan tropis merupakan ekosistem yang terkaya di dunia dari segi keanekaragaman hayati. Walaupun dengan cakupan yang kurang dari 7 persen daratan bumi, hutan hujan tropis berisi lebih dari 50 persen jenis hewan dan tumbuhan di dunia. Hutan hujan tropis juga memainkan suatu peran yang penting dalam iklim global dengan kemampuannya dalam menyerap karbon dioksida, suatu gas yang dipercaya oleh para ahli sebagai penyebab terjadinya pemanasan global. Tumbuhan yang secara alami menyerap karbon dioksida dan merubahnya menjadi oksigen melalui proses fotosintesis. Hutan hujan tropis merupakan penyerap gas karbon dioksida terbaik dibandingkan dengan ekosistem lainnya. Selain itu hutan hujan tropis memiliki kemampuan yang baik dalam hal menyerap dan menyimpan air, sehingga dapat dijadikan penyangga untuk menjaga lingkungan dari bencana banjir dan kekeringan. Ketika musim hujan tiba air dalam keadaan berlimpah, hutan hujan tropis dapat mengurangi limpasan sehingga sebagian besar air tetap berada di dalam ekosistem. Sedangkan ketika musim kemarau tiba kekurangan air dapat ditutupi dari cadangan yang diperoleh di musim hujan. Hutan hujan tropis dapat di temukan di sekitar garis khatulistiwa seperti terlihat pada Gambar 1 sebaran hutan hujan tropis. Indonesia merupakan salah satu negara yang masih memiliki ekosistem hutan hujan tropis yang luas. Salah satu pulau yang masih memiliki hutan hujan tropis di Indonesia adalah pulau Kalimantan. Namun setiap tahunnya luas hutan di pulau Kalimantan terus berkurang seperti terlihat pada Gambar 2 tutupan hutan di Kalimantan dan Tabel 1 luas hutan di pulau Kalimantan. sumber : http:en.wikipedia.orgwikiTropical_rainforest Gambar 1. Sebaran hutan hujan tropis Tabel. 1 Luas hutan di pulau Kalimantan Propinsi Luas Wilayah Ha 1985 1991 1997 2000 Luas Hutan Ha Luas Hutan Ha Luas Hutan Ha Luas Hutan Ha Kalimantan Barat 14.546.318 8.700.600 59,8 8.117.960 55,8 6.717.026 46,1 6.736.261 46,3 Kalimantan Tengah 15.249.222 11.614.400 76,2 11.492.950 75,4 9.900.00 64,9 9.320.771 61,1 Kalimantan Selatan 3.703.550 1.795.900 48,5 1.749.360 47,2 999.182 27,0 648.000 17,5 Kalimantan Timur 19.504.912 19.875.100 91,6 17.584.260 90,2 13.900.00 71,3 12.477.309 64,0 Total 53.004.002 41.986.000 79,2 38.944.530 73,5 31.516.208 59,5 29.181.953 55,1 sumber : http:www.theodora.commapsnewindonesia_maps.html