STUDI PENERAPAN METODE STANDARDIZED PRECIPITATION INDEX (SPI) DAN RAINFALL ANOMALY INDEX (RAI) UNTUK MENGESTIMASI KEKERINGAN PADA DAS BONDOYUDA, KABUPATEN LUMAJANG

Abstract

Kekeringan merupakan bencana alam yang dipengaruhi fenomena El Nino – Southern Oscillation (ENSO). Mitigasi kekeringan dapat dilakukan dengan menghitung indeks kejadiannya. Penelitian ini menghitung nilai indeks kekeringan pada DAS Bondoyuda Kabupaten Lumajang. Analisa kekeringan menggunakan metode Standardized Precipitation Index (SPI) dan Rainfall Anomaly Index (RAI). Analisa kesesuaian menggunakan korelasi determinan untuk membandingkan Southern Oscillation Index (SOI) dengan indeks terhitung. Data yang diperlukan yaitu curah hujan, peta topografi dan administrasi wilayah, serta SOI. Perhitungan indeks kekeringan menggunakan defisit 6 bulanan dikarenakan mengikuti trend musim kemarau dan penghujan. Indeks kekeringan terpilih dipetakan dengan Arcgis 10.5 menggunakan interpolasi Kriging untuk mendapatkan sebaran kekeringannya. Hasil indeks SPI didapatkan kekeringan terparah pada tahun 2013 sebesar -3,936, sedangkan RAI pada tahun 2012 sebesar -3,418. Kesesuaian korelasi determinan kedua indeks dengan SOI pada kriteria sangat lemah sampai cukup, sehingga diperlukan grafik data hujan sebagai variabel pembanding alternatif. Hubungan grafik data hujan dengan RAI menunjukkan kesesuaian trend pada lembah dan bukit yang terbentuk. Selama pengamatan didapatkan rata – rata kekeringan setiap tahunnya melanda 31 desa selama 20 tahun (1999 – 2018).

Drought is a natural disaster influenced by the El Nino – Southern Oscillation (ENSO) phenomenon. Drought mitigation can be done by calculating the occurrence index. This study calculates the drought index value in the Bondoyuda watershed in Lumajang Regency. Drought analysis uses the Standardized Precipitation Index (SPI) and Rainfall Anomaly Index (RAI) methods. Suitability analysis uses correlation determinants to compare the Southern Oscillation Index (SOI) with calculated indices. The data required are rainfall, topographic maps, and regional administration, as well as SOI. The drought index calculation uses a 6 – month deficit because it follows the trend of the dry and rainy seasons. The selected drought index was mapped with Arcgis 10.5 using Kriging interpolation to get drought distribution. The SPI index results obtained worst drought in 2013 of -3,936, while the RAI in 2012 was -3,418. The suitability of correlation determinants of the two indexes with SOI on the criteria is very weak to sufficient so that a rain data chart is needed as an alternative comparative variable. The relationship between the rain data charts the RAI shows the suitability of trend in the formed valleys and hills. During the observation, it was found that the average drought each year hit 31 villages for 20 years (1999 - 2018).