Kind: captions
Language: id
terlalu murah itu jadi
[Musik]
sangat membantu ya dalam menyelesaikan
satu pekerjaan yang ada di sekitar
lingkungan saya sendiri gitu nah saya
kira kesempatan sesuailah dengan apa
yang didapatkan
e-ktp
efektif tepat dan profesional
[Musik]
keren profesional dan juga sebelumnya
[Musik]
pengembangan sumber daya manusia adalah
bagian dari proses dan tujuan dalam
pembangunan indonesia
upaya membangun sumber daya manusia yang
berkualitas salah satunya dapat
dilakukan melalui pelatihan
Eco Edo hadir sebagai platform pelatihan
lingkungan hidup yang bertujuan untuk
meningkatkan kinerja dan kualitas sumber
daya manusia
saat ini kami memiliki 15 paket
pelatihan yaitu persetujuan teknis air
limbah persetujuan teknis emisi udara
persetujuan teknis limbah B3 penyusunan
dokumen klhs penyusunan dokumen rpplh
pemodelan kualitas air sungai pemodelan
dispersi udara modelan air tanah life
cycle assesment perhitungan emisi gas
rumah kaca pengelolaan banjir dan
sedimentasi Sungai perancangan dan
pemilihan Insan narator sampah dan
limbah B3 pemantauan kualitas udara dan
air menggunakan sensor latihan sistem
informasi geografis dan pelatihan remote
alumni latihan kami sudah lebih dari
2500 orang yang berasal dari seluruh
Indonesia pelayanan kami terbuka untuk
perusahaan pemerintahan perorangan
ataupun pemerhati lingkungan Eko edu
selalu berusaha menyajikan pelatihan
yang berkualitas dengan menghadirkan
pengajar yang berpengalaman
[Musik]
memberikan pengalaman langsung dengan
praktikum
[Musik]
dan e-learning yang dapat diakses di
manapun
[Musik]
jadi awalnya saya mengikuti pelatihan
Eko Id ini memang dari grup-grup di
alumni ya mbak ya setelah itu pelatihan
ini cerita mereka itu sungguh bisa
dianggap menarik ya karena mereka
pengetahuan mereka tentang yang pengen
mereka ketahui itu meningkat gitu ya
kemudian skill-skill yang dihasilkan
dari hasil pelatihan itu juga cukup
mudah dilihat begitu ya terasa gitu
manfaatnya di kami terutama untuk para
Pemulutan yang memerlukan tenaga tenaga
sehingga saya memilih Eco edu dan sempat
mengikuti pelatihnya juga dan itu
terbukti benar
saya lihat Instagram itu ada sebuah itu
ya
saya baca-baca terlebih dahulu
nah Menurut saya itu menjadi hal yang
membuat tertarik berlebihan di situ jadi
saya sering lihat di Instagram gitu
Bapak Ibu menyampaikan informasinya
bagus karena keadaan Baterainya itu
selalu terkini mengikuti zaman dan juga
pelatihnya akan mengantarnya itu bagus
dan
Baiklah kehidupannya
yang pertama memang Tentu saja Ini
meningkatkan dan maksimalkan skill-skill
yang kayak harapkan begitu ya terutama
dalam penyelesaian Anda kinerja saya
jadi bisa lebih produktif lebih efektif
juga punya update Gitu ya update update
persoalan-persoalan AMDAL terkini dari
ahlinya langsung di lapangan begitu yang
pengalamannya Tidak diragukan
yang disediakan sangat bermanfaat sekali
dan mudah untuk aktifnya jadi ada
teknologi terbaru yang saya dapat
[Musik]
mudah sekali untuk dipahami
Alhamdulillah bisa mengikuti dan juga
menambah ilmu pengetahuan yang banyak
banget
[Musik]
e-learning ini memang di memang sangat
diperlukan sekali ya terutama yaitu kita
yang berbatasan pengetahuan kemudian
juga waktu mungkin itu memberikan kita
kesempatan untuk kembali mengingat
kembali mendengarkan papan paparan yang
mungkin kurang jelas kemudian juga kita
bisa mengulang sesering mungkin yang
kita inginkan kita juga bisa review
kembali sehingga belajar kita bisa lebih
efektif dan etisme
membantu sekali ketika pada saat
penyampaian materi ada yang ketinggalan
gitu Jadi saya bisa lihat materi itu
sangat membantu Mbak jadi saya ambil
materi terus lihat video yang bisa
diakses kapan aja dan gimana
[Musik]
tempat kita dengan informasi yang kami
peroleh itu jauh dari kata standar
sebenarnya jadi apa namanya ya Kalau
saya bilang terlalu murah itu
karena memang
latihannya gitu pun sangat membantu ya
dalam menyelesaikan satu pekerjaan yang
ada di sekitar lingkungan kalian sendiri
[Musik]
e-ktp
efektif tepat dan profesional
dan Hebat Keren profesional dan juga
kekinian
[Musik]
Assalamualaikum warahmatullahi
wabarakatuh Selamat datang Bapak Ibu
semua di webinar ke-37 yang
diselenggarakan oleh Indonesia hari ini
10 Agustus 2023 kita akan membahas
mengenai fenomena iklim El Nino dan
ancaman bencana kekeringan di Indonesia
bersama dengan dokter Tri Wahyu Hadi
merupakan dosen fakultas ilmu dan
teknologi kebumian ITB sebelumnya
Perkenalkan nama saya Silvi saya yang
akan menemani bapak ibu semua di 2 jam
ke depan hingga pukul 12 siang nanti
kemungkinan untuk
memulai kegiatan kita pada pagi hari ini
kita buka dengan membaca doa menurut
agama dan kepercayaannya masing-masing
Berdoa dimulai
Ya berdoa dicukupkan kita juga akan
membuka dengan menyanyikan lagu
Indonesia Raya bersama-sama
[Musik]
[Tepuk tangan]
[Musik]
[Tepuk tangan]
[Musik]
Oke baik ya di sini sudah bergabung
sekitar 261 orang mungkin Sebelumnya
saya akan sahabat-sahabat terlebih
dahulu Bapak Ibu yang sudah hadir di
sini yang sudah on Cap ada Pak Joni
Halo selamat pagi Pak Joni mungkin bisa
diambil terlebih dahulu
Halo selamat pagi Pak
kemudian kesulitan untuk
pindah terlebih dahulu ke
ada ibu Erlina dari dlh Kabupaten Bangka
Barat
Halo selamat pagi Bu
Halo selamat pagi bu Bagaimana kabarnya
pagi hari ini
halo Ibu apakah suara saya sudah
terdengar
Selamat pagi
[Musik]
kita mungkin pindah terlebih dahulu
selamat siang
Selamat pagi halo
Selamat pagi Mbak ya selamat pagi
Mungkin boleh diperkenalkan
Asal dari mana dan mungkin Apakah Ini
pertama kalinya ikut
Bandung atau sebelumnya sudah ya Baik
terima kasih atas waktu yang diberikan
Perkenalkan nama saya Aulia Rahmatullah
saya berasal dari Universitas Negeri
Malang sekarang ini saya masih menjalani
pendidikan
jenjang semester 3 Oh semester 3 oke
baik mungkin boleh diceritakan Alasannya
kenapa nih ingin mengikuti webinar
dengan pembahasan ini ya Baik saya
tertarik untuk mengikuti webinar ini
karena
ada kaitannya juga dengan jurusan yang
saya ambil yaitu saya mengambil jurusan
pendidikan geografi dimana juga terdapat
pembahasan mengenai fenomena El Nino La
Nina dan saya tertarik untuk menambah
pengetahuan saya dengan mengikuti
webinar Ini
pertama kali dari mana saya mengetahui
informasi ini dari dosen saya
dishare melalui Instagram itu kan Mbak
terus saya iseng kok saya cek
Instagramnya Oh iya ternyata ada terus
saya coba daftar kemudian saya share ke
teman-teman saya teman-teman jurusan
teman-teman kelas dan saya lihat banyak
yang ikut juga
ya Ada Oke baik ya terima kasih banyak
sudah menyempatkan waktunya untuk hadir
ya Di webinar kita pada pagi hari ini
semoga lancar selalu untuk kuliahnya dan
sehat selalu juga Oke baik
di sini juga sudah bergabung Ada apa
jong-gi mungkin ya dari baltek Bandung
saya akan sampai terlebih dahulu Halo
selamat pagi Pak
Selamat pagi selamat pagi bagaimana Pak
kabarnya
baik syukur ya
boleh diceritakan pak alasan kenapa ikut
webinar di hari ini
ya terima kasih karena saya
bertugasnya di bidang teknik pengairan
ya Jadi ada kaitannya dengan bidang
tugas saya begitu
Oke baik sebelumnya pernah juga
mengikuti webinar atau ini
Terima kasih banyak Pak Semoga sehat
selalu ya pak
Oke mungkin ini satu lagi ya Ada Pak
David
Halo selamat pagi Pak Selamat pagi
hari ini
sehat-sehat ya pak Mungkin boleh kita
perkenalan dari mana asalnya instansinya
dan alasannya mungkin kenapa mengikuti
webinar saya dari Makassar Kebetulan
saya lagi studi di pascasarjana sambil
lingkungan
dan kegiatan ini sebenarnya sudah
merupakan lingkup dan sangat membantu
dalam proses belajar itu aja Makasih
banyak ya Pak sudah hadir di webinar
pada pagi hari ini Oke mungkin di sini
ada beberapa juga yang baru pertama kali
ikut webinar ataupun acara-acara yang
memang diselenggarakan oleh saya akan
memperkenalkan
sebetulnya Eco Edo ini apa sih
ya
pusat pelatihan bersertifikat yang
berfokus pada pelatihan lingkungan hidup
pelatihan kami ini diselenggarakan untuk
meningkatkan kinerja dan kualitas sumber
daya manusia baik secara individu maupun
instansi untuk pelayanan kami juga ini
terbuka untuk perusahaan pemerintah
perorangan pemerhati lingkungan dan
pihak lainnya ingin meningkatkan
kompetensinya di bidang lingkungan lalu
pelatihan kami juga ini bisa menggunakan
secara online dan offline
untuk pelatihan kami ini berbasis SPL
atau yang pertama yaitu silabus yang
komprehensif pengajar yang berkualitas
lalu juga kami selalu mengutamakan
pembelajaran dengan praktik langsung
melalui studi kasus yang kami juga
menyediakan e-learning yang mana
peserta itu dapat mengakses
serta berada
Nah berikut beberapa pengajar yang ada
di mayoritas merupakan dosen-dosen dari
ITB dari berbagai keilmuan tentunya ada
dari teknik lingkungan matematika
rekayasa kehutanan Lalu ada teknik kimia
teknik geodesi dan geometrika dan
lain-lainnya dan lain-lain sebagainya
masih banyak lagi jika bapak ibu semua
ingin tahu lebih lanjut mengenai
pengajarnya siapa saja dan lain
sebagainya bisa mengunjungi website kami
di www.id
berikut untuk beberapa pelatihan yang
kami selenggarakan mulai dari pelatihan
penyusunan Dokumen ada dokumen plhs
rpplh lalu juga ada dasar AMDAL life
cycle assessment lalu persetujuan teknis
dari mulai limbah B3 emisi udara air
limbah Lalu ada pemodelan lalu juga ada
perhitungan emisi gas rumah kaca
pemantauan juga perancangan instalator
dan lain sebagainya
Berikut saya informasikan untuk beberapa
pelatihan terdekat yang akan kami
selenggarakan di minggu depan ini ada
pelatihan penunjang Dokumen Amdal dan
slo persetujuan teknis untuk air limbah
di tanggal 14 sampai dengan tanggal 18
Agustus 2023 lalu di minggu selanjutnya
ada pelatihan pemodelan kualitas air
sungai menggunakan qualto key dan
selanjutnya juga ada pelatihan
perhitungan emisi gas rumah kaca
lalu kami juga menyelenggarakan
pelatihan penyusunan dokumen rpplh
menggunakan metode ugs dan sistem
dinamic lalu juga ada latihan khususnya
mengenai Sistem dinamik untuk kajian
lingkungan
Nah untuk beberapa pelatihan masih ada
diskon bapak ibu semua Jadi bagi yang
berminat untuk mengikuti pelatihan
seputaran dengan lingkungan penyusunan
dokumen tadi maupun pemodelan
perhitungan emisi gas rumah kaca dan
lain-lain Silahkan segera mendaftar di
website kami melalui pendaftaran dot
ecoid.id atau bisa menghubungi admin
kami ada admin rilis dan administrasi
menginginkan pelatihan dengan
materi-materi yang lebih spesifik bisa
segera diskusikan di admin kami karena
kami juga menyelenggarakan inhouse
training yang menyesuaikan dengan
kebutuhan dari
perusahaan bapak ibu semua
di pelatihan Mari bersama-sama untuk
bertumbuh bersama
Ya baik Nah kita kembali lagi ya ke
pembahasan kita pada pagi hari ini
mengenai fenomena iklim El Nino yang
mungkin Bapak Ibu semua sebelumnya sudah
mengetahui bahwa El Nino ini berdampak
bagi untuk beberapa hal dan terutama
yang mungkin akan kita bahas di hari ini
mengenai El Nino dan kaitannya dengan
ancaman bencana kekeringan di Indonesia
Selamat pagi Pak
Assalamualaikum warahmatullahi
wabarakatuh Selamat siang ini kalau
orang Jerman udah siang
Bagaimana pak kabarnya pada siang hari
ini ya alhamdulillah ini agak sedikit
flu tapi masih oke oke Pak Oke mungkin
Semoga kita semua juga
selalu semangatnya untuk mencari ilmu
pada siang hari ini pada hari ini kita
bersama-sama nanti menggali informasi
lebih lanjut mengenai fenomena iklim El
Nino ini bersama Pak Tri Wahyu tadi oke
mungkin untuk mempersingkat waktu saya
persilahkan Pak untuk memulai
menyampaikan materi
baik ini saya bisa share screen ya Iya
Pak
mungkin seperti ini
saya lupa mengecilkan ini di atasnya
apa di layar saya sudah terlihat ya
[Musik]
saya kira
ya tadi sudah diperkenalkan ya oleh Mbak
Silvi tadi saya terima jadi dari
fakultas ilmu dan teknologi kebumian ITB
atau
lebih
rincinya saya ada di kelompok keahlian
sains atmosfer
ya sewaktu dihubungi
apa Saya
diberikan kebebasan untuk menentukan
topik gitu tapi
saya pikir ini El Nino sedang banyak
dibicarakan dan ya Ada baiknya Saya
bahas sedikit tentang El Nino
pertama
El Nino ini adalah atau nanti kita akan
membahas bahwa El Nino ini
bagian dari Enzo atau El Nino salton
dalam istilah klimatologi
jadi kita coba
lihat definisi dulu lah ya biasa seperti
itu
iklim ini dalam bahasa Inggris
[Musik]
karena saya ambilkan dari
ipcc ya
maaf ini salah ketik lagi
Jadi sebetulnya ini definisi secara
operasional ya iklim itu adalah
statistikal description jadi deskripsi
statistik
setidaknya dalam dua parameter ya atau
menyangkut dua parameter yaitu Min atau
rata dan variability atau
dalam statistik kita mengenal ada
varians
of relevant
Nah jadi
Apa yang dilihat statistiknya adalah
kuantitas apapun yang relevan dengan
iklim
dan
periode
data yang digunakan dalam analisis
statistik itu sebetulnya tidak
ditentukan ya bisa 10 tahun 50 tahun 100
tahun tapi
bahwa untuk
mendapatkan gambaran iklim itu kita
memerlukan data sedikitnya 30 tahun itu
ya Jadi ini definisi dari
iklim informasi iklim ini sekarang mudah
didapat ya bukan hanya dari BMKG atau
badan meteorologi fisika
di Indonesia tapi juga kalau anda semua
search di internet itu
mudah ya
information begitu
ini misalkan ada website menyediakan
bahkan ini
data iklim untuk Bandung
Nah tadi level quantity tadi salah satu
parameter mungkin yang sering
dibicarakan ataupun sering diperhatikan
adalah temperatur ya dalam hal ini
biasanya temperatur yang diukur pada
ketinggian 2 meter diatas tanah jadi itu
adalah temperatur permukaan
jadi dari data temperatur seperti ini
ini ada minimum maksimum kemudian kita
lihat ada range-nya di sini nah ini kita
di daerah tropis ya pada umumnya di
Indonesia kurang lebih polanya mirip
seperti ini ya jadi
ada variasi temperatur dari satu bulan
ke bulan lain dalam satu tahun tapi
tidak terlalu besar ya Nah justru yang
besar itu adalah variasi dari
secara harian dari antara Pagi dan siang
begitu malam
nah ini kita lihat di sini
di Bandung ini sebetulnya misalkan dan
ini cukup sesuai ya dengan data yang
sering saya amati ini temperatur minimum
minimumnya paling rendah ya di
bulan-bulan ini jadi Juli Agustus kita
ada di nanti kita lihat bahwa
itu
didefinisikan musim kemarau ya di
wilayah
Jawa ya pada umumnya itu temperatur
minimumnya paling rendah karena pertama
kita sebetulnya berada di belahan bumi
selatan di Pulau Jawa ini dan itu berada
pada musim dingin ya kalau di belahan
bumi selatan kita di daerah tropis tidak
ada musim dingin dan panas Jadi
kalau
Ibu sudah sekalian itu mengatakan bahwa
kita berada dalam musim panas itu agak
keliru ya Secara klimatologi rentang
perbedaan antara
dalam satu hari ya antara minum
memaksimal Dan sadari itu kita sebut
variasi diurnal yaitu
nah kemudian informasi lain tentu saja
adalah hujan ya
curah hujan Nah di sini ada pola seperti
ini pola u gitu ya di BMKG dikenal
dengan pola monsun
nah ciri khas dari wilayah dengan pola
seperti ini kita mengenal ada periode
hujan dan periode kering
sebetulnya hujan itu meskipun di periode
kering itu tetap ada ya meskipun sedikit
Nah jadi ini adalah variasi musim atau
sejenis
Biasanya kita menggunakan patokan
150 mm per bulan itu sebagai penanda
batas antara
musim penghujan dan musim kering
sehingga kita bisa melihat bahwa
bulan-bulan ini adalah bulan-bulan di
musim kering nah sebetulnya parameter
lain juga bisa kita analisis ya misalkan
ini adalah hari hujan
Nah kalau kita lihat di sini hari hujan
atau hari dengan kejadian hujan itu
apa tentu lebih banyak di musim
penghujan tapi di musim
kemarau atau musim kering juga masih ada
ya Hujan secara rata-rata masih ada
hujan Nah tentu nanti kita akan bicara
mengenai kondisi ekstrim ya
[Musik]
ketika curah hujan sangat sedikit atau
bahkan tidak ada
nah
jadi
ini ini masih merupakan nilai rata-rata
atau Min tadi ya jadi satu
parameter di sini adalah
parameter iklim yang
baru satu nah kita tentu dalam
menganalisis iklim itu perlu
memperhatikan tadi ya variability
Dan ini juga nanti kita akan lihat bahwa
proses cuaca di kedua musim ini
berbeda ya tidak sama artinya hujan yang
terjadi ketika musim penghujan dan musim
kemarau atau musim kering itu
tidak sama prosesnya itu
nah Kembali ke tadi
dalam menganalisis iklim kita perlu
memperhatikan
rentang ketidakpastian nah seperti juga
pada pengukuran apapun misalkan kalau
kita beli alat itu ada spesifikasi
misalkan temperatur yang bisa
ditoleransi oleh alat itu ada plus minus
jadi
curah hujan ini rata-rata plus minus
sebetulnya
kita gambarkan dengan distribusi
statistik seperti ini
[Musik]
sehingga untuk setiap bulannya itu ada
rentang
nama pin lebar tentang nilai yang
teramati itu menandakan bahwa
ketidakpastiannya semakin besar
ini ada dua contoh sebetulnya ini ada di
wilayah Papua Saya pernah menganalisis
di Sorong dan Manokwari Kalau nggak
salah ini berbeda polanya tadi ya Ini
pola yang mirip dengan di Jawa itu
ini ini adalah pola yang cukup berbeda
ya kalau di
BMKG itu dikatakan pola
lokal ya karena maksimumnya itu ada di
sekitar Juni Juli malah ya berkebalikan
dengan di Pulau Jawa gitu tapi kita
lihat rentangnya ini sangat besar ya
Jadi kurang lebih itu kalau kita
memberikan gambaran tentang iklim di
suatu daerah itu selain dari
rata-ratanya
kita perlu juga memperhatikan
rentang variasinya
begitu
ini dan tadi dari satu tempat ke tempat
lain itu ada variasi iklim meskipun kita
sama-sama daerah tropis di Indonesia
setiap Pulau itu sama ada di dalam
wilayah tropis tapi mempunyai
karakteristik iklim yang mungkin sedikit
berbeda
baik
sekarang Apa yang menyebabkan tadi pola
Iklim di wilayah kita misalkan di
Indonesia atau wilayah tropis itu
seperti itu
pada dasarnya
iklim itu diakibatkan oleh
pergerakan semu matahari
dalam satu tahun karena bumi
mengelilingi matahari
kita mendapatkan variasi jumlah
sinar matahari yang mencapai permukaan
nah secara global ini akan menyebabkan
musim panas dan musim dingin yang
berganti-ganti di belahan bumi utara dan
selatan
Nah ada fenomena yang sangat penting di
iklim bumi itu yang disebut monsun
jadi karena laut itu temperaturnya
relatif konstan gitu ya perubahannya
tidak banyak sedangkan benua itu akan
mengalami perubahan temperatur yang
besar dari musim dingin ke musim panas
ketika
Benua yang mengalami musim panas maka
akan ada aliran udara dari laut ke
daratan
nah ini disebut sirkulasi monsun dan
ketika udara yang
terbawa oleh sirkulasi itu mengandung
uap air maka terbentuklah sistem
hujan sistem hujan Nah ini yang
menyebabkan
adanya
wilayah-wilayah monsun di
berbagai tempat di dunia ya Nah yang
paling sering dipelajari itu adalah
atau yang sudah cukup lama dipelajari
itu monsun di India jadi pada saat musim
panas di belahan bumi utara
bulan-bulan ini
India mengalami
Summer monsun dan
curah hujan banyak terjadi di sana
nah lalu uap air itu datangnya dari mana
Ya tentu yang terbesar itu dari laut
tapi lautnya itu tidak
harus yang berada di dekat
tempat itu
nah jadi ini ada peta ini disebut
integrated
transport
jadi total jumlah uap air yang
terbawa oleh angin lah kira-kira gitu
gampangnya ya Dan ini kita lihat ketika
Summer monsun di India ini Memang agak
tidak kelihatan ya petanya tapi ya
menunjukkan uap airnya itu sebetulnya
terbawa dari
mana-mana tempat yang jauh ya berkumpul
di
India di sini ya
jadi ini warna merah menunjukkan bahwa
alirannya itu kencang
jadi uap air yang lewat di situ banyak
Nah kalau kita detailkan itu berpengaruh
juga ke wilayah Indonesia ya
Nah jadi wilayah Indonesia itu
sebetulnya tempat perlintasan dari uap
air
jadi uap air itu selalu ada di atas
udara kita nah hanya saja di bulan-bulan
Juni Juli Agustus itu biasanya hanya
lewat gitu ya
lewat saja jadi tidak
terbentuk hujan yang banyak di wilayah
kita tapi di wilayah Indonesia Timur itu
agak berbeda ya karena di sini ada
pulau-pulau yang
menghalangi
transportasi uap air di wilayah itu
sehingga curah hujan di bulan-bulan Juni
juga Agustus di wilayah timur ini cukup
banyak juga gitu
[Musik]
dan
untuk Pulau Jawa misalkan itu
hujan atau hujan yang terjadi di musim
hujan di Pulau Jawa itu
lebih banyak terbawa dari wilayah
Pasifik di pasir Barat di sini ya
kemudian masuk melalui Laut Cina Selatan
kemudian ke pulau Jawa dan ini juga
Terus ada yang ke sampai ke wilayah
Papua di Selatan
Selatan bagian barat ya karena di situ
ada pegunungan yang menghalangi
uap air perjalanan uap air tadi sehingga
menjadi hujan
Nah jadi ada wilayah-wilayah yang mirip
pola hujannya itu karena Mekanisme
seperti itu ya
Kami sempat membuat analisis Ternyata
kalau kita analisis tadi pola istilahnya
itu konvergensi ya kapan uap air itu
berkumpul disitu dan kapan hujan terjadi
maka wilayah Indonesia ini cukup beragam
sebetulnya jadi yang curah hujan
maksimumnya di bulan-bulan Januari
misalkan ini yang merah ini ya
ini tersebar-sebar ya Januari Februari
Maret
tapi ada juga yang Puncak apa istilahnya
curah hujan maksimumnya itu di
bulan-bulan lain ya tersebar dari setiap
bulan ini adalah wilayah ya yang
mengalami
curah hujan maksimum gitu jadi Indonesia
sangat
luas dan sangat beragam dari sisi
pola iklim
Oke kita lanjut dulu ya
nah
iklim itu sebetulnya adalah tadi karena
dia statistik sebetulnya kita
Apa tadi Apa yang diratakan itu adalah
data yang diamati sehari-hari
[Musik]
kejadian-kejadian
apa yang yang ada di atmosfer dalam
dalam periode harian itu kita sebut
cuaca
driver atau penggerak utama cuaca ini
adalah rotasi bumi
itu karena kalau tadi revolusi bumi
mengelilingi matahari ini untuk cuaca
adalah rotasi bumi karena bumi kita
berputar pada sumbunya selama 24 jam
sehingga ada siang malam Nah tadi karena
ada siang malam ada
pemanasan oleh sinar matahari pada
siang kemudian ada pendinginan pada
malam hari dan ini menyebabkan adanya
variasi diukur
sehingga kalau kita mengukur ini
temperatur misalkan yang merah ini ya
itu ada maksimum di siang hari di sini
ya dan minimum di dini hari sampai
kira-kira mungkin subuh gitu ya kalau di
kita nah kemudian ini kelembaban relatif
juga bervariasi seperti ini
nah
dan itu mempengaruhi proses pembentukan
awan
ini mungkin diagram ini agak sulit
dimengerti ya tapi
ini mengilustrasikan bahwa ini adalah
ketinggian tempat ini ada uap air di
sini nah uap air ini
ada di ini troposfer ya bagian
atmosfer atau lapisan atmosfer yang
apa terkait erat dengan proses cuaca itu
kita sebut troposfer ya kemudian di
atasnya ada namanya stratosfer yang
kurang
berperan ya dalam mengatur cuaca
tapi cukup penting untuk iklim
Nah kalau di lapisan bawah ini udara
yang lebih panas Jadi ini disebut
temperatur potensial Ya
anggap aja itu temperatur gitu Jadi yang
ini adalah udara yang lebih panas
daripada di sini nah ini akan bisa naik
tapi ketika tidak ada uap air yang cukup
dari bawah maka
udara yang naik ini tidak terlalu tinggi
tapi ketika ada
uap air yang terbawa naik sampai level
tertentu dia akan terkoneksi
terkoneksi dan akan bisa membentuk awan
nah awan ini di daerah tropis bisa
terbentuk sangat tinggi karena
ketika uap air ini mengembun dia akan
melepaskan panas laten namanya sehingga
udara yang naik ini akan bisa lebih
tinggi naiknya karena dia akan lebih
panas dari lingkungannya
jadi awan-awan tinggi yang terjadi itu
disebut kumulus
itu bisa terjadi karena proses yang kita
sebut konveksi
jadi
proses ini kita sebut konveksi
pada setiap
bulannya itu bisa terjadi pola konveksi
yang berbeda ya ini contoh di Pulau Jawa
ketika ini bulan Juli ya mungkin tidak
terlalu Terlihat tapi Juli Agustus ini
Oktober Nah jadi di Juli Agustus itu
meskipun ada uap air tadi dan ada
konveksi juga tapi konveksi ini
terhambat atau tertekan sehingga tidak
menghasilkan awan-awan yang besar
tapi mulai Oktober itu kita mungkin di
Pulau Jawa apa akan melihat beberapa
kejadian pertumbuhan awan yang besar
seperti ini ya
nah ini ini single Cell atau satu sel
awan nah ketika di musim hujan
misalkan ini November Ya sudah mungkin
bisa memasuki musim penghujan dan
Januari di sini
maka awan-awan yang terbentuk ini bisa
sangat luas cakupannya ya Nah ini
misalkan di contoh ini
satu pulau Jawa ini tertutup awan
perbedaan
juga terlihat antara aktivitas
pertumbuhan awan di pagi dan
siang sampai dengan malam hari ya ini
jam 10 kurang lebih jam 8 ada menang
jamnya beda-beda
ini sore ya Ada yang jam 5 dan itu jadi
ini disebut
konveksi di urnal jadi aktivitas
pertumbuhan awan di pagi dan sore sampai
malam Yang
nah seperti itu kita lanjutkan dulu ini
masih
sebentar ini
Gimana cara menghilangkannya
tadi adalah sekilas mengenai
iklim dan juga proses cuaca ya
Nah sekarang kita langsung saja ke toko
utamanya ya hari ini adalah El Nino atau
lebih lengkapnya fenomenanya disebut El
Nino
[Musik]
Nah jadi awalnya El Nino ini dideteksi
sebagai
fenomena anomali dari suhu permukaan
laut
tapi kemudian diketahui bahwa ini
berkorelasi dengan
pola sirkulasi atmosfer di atas Pacific
ya ini semua terjadi di Pasifik
nah kemudian di sini ada area di Pacific
yang disebut area Lino 3.4 ya atau
nino34
Nah kalau kita pantau rata-rata
suhu muka laut di sini maka kita bisa
membuat grafik seperti ini
Dan ini menjadi salah satu indeks yang
sering digunakan ya
Jadi kalau anomali jadi anomali itu
nilai apa pengukuran temperatur pada
saat itu dikurangi rata-rata nah
selainnya ini
berubah-ubah ya tapi tadi biasanya
diambil 30 tahun terakhir ya saya lupa
yang sekarang itu base lainnya
Tahun berapa ya tapi kalau kita ke
website ini dari Nasa itu akan ada
penjelasan mengenai
anomali ini di
ukur terhadap rata-rata periodenya kapan
sebentar
saya nggak tahu ini kenapa ada coretan
kita mulai dari kondisi El Nino
jadi ada dua mode dari Enzo ini ada mode
El Nino dan laninnya ya
nah El Nino itu terjadi ketika
suhu muka laut di Pacific Timur di dekat
Amerika Selatan ini mengalami anomali
positif atau lebih tinggi dari biasanya
jadi Dan ini juga akan bisa terpantau di
area Minut 34 tadi
[Musik]
dan di wilayah ini biasanya ini lebih
panas ya yang disebut
wormfull jadi kolam air hangat di
Pacific Barat di sini
begitu kalau kita lanjutkan ini akan
Nah ada kondisi sebaliknya
ada kondisi sebaliknya
ya ketika
nah ini di sini Justru lebih dingin dari
rata-ratanya ya ini disebut kondisi
laninya
ya jadi atau istilah lain juga ada
wormface untuk El Nino dan full face
untuk
[Musik]
nah ini terus
berganti-ganti ya memang kadang-kadang
laminannya lama atau EL ninonya lama
gitu tapi
dalam rentang periode antar tahun itu
akan terjadi pergantian antara dua mode
atau dua Fase ini
ini Nah di sini ada yang perlu
dijelaskan juga bahwa
ya ini ini apa El Nino yang kuat itu
terjadi di tahun-tahun tertentu ya jadi
anomali di sini sangat besar
jadi ini tahun 8283 dan juga
9798 juga nanti ada S1 lagi di 2015
ini kita lihat dulu karena ada yang
perlu saya jelaskan di sini
nah
di sini kondisi tahun
nah
ini kondisi El Nino juga nah tapi cukup
berbeda pola anomali temperaturnya kalau
tadi di sini yang besar anomalinya
anomali positifnya tapi ini sekarang di
sini ya Nah ini disebut
Central Pacific elmino
jadi itu kalau di apa kalangan ilmuwan
dari Jepang itu
lebih terkenal dengan istilah modoki
jadi El Nino modoki jadi ada dua tipe El
Nino atau Enzo
ada
Easter Pasifik dan central Pacific yaitu
mungkin yang perlu saya jelaskan
kita beralih ke sini sekarang
Mengapa El Nino bisa mempengaruhi iklim
Global karena tadi ya kalau misalkan
kita lihat aspek curah hujan saja
kondisi Enzo yang berbeda itu akan
menyebabkan anomali
transport dari uap air tadi
Nah jadi sumber-sumber uap air itu yang
besar ada di lautan di ini yang
warna-warna ini
dan itu menyuplai uap air di berbagai
tempat yang tadi ya mengalami monsun
biasanya ya karena tadi tempat yang
mengalami Summer motion itu akan
biasanya menjadi pusat pertumbuhan Awan
Dan hujan
nah ketika terjadi El Nino misalkan di
Indonesia ini adalah
peta divergensi ya jadi Divergent itu
artinya menyebar Nah jadi kalau dia
positif artinya uap airnya menyebar
tidak berkumpul di situ nah kita lihat
tempat-tempat yang biru ini adalah
tempat
yang sebaliknya ya uap airnya konvergen
ini berdampak kepada anomali curah hujan
di wilayah Indonesia misalkan di sini
dan beberapa wilayah lain ini yang merah
ini adalah
kurang ya hujannya berkurang
nah
penelitian yang lebih detail mengenai
karakteristik ini itu dipublikasikan
oleh dokter Agus Santoso ya beliau orang
Indonesia tapi menjadi peneliti di
Australia dan
apa mempublikasikan suatu
[Musik]
review paper ya review makalah
tentang karakteristik
tadi jadi ada yang pola
instan Pasifik ini ada yang Central
Pacific Ya begitu juga laninya
sebetulnya ada juga ya dan
untuk kondisi ekstrim itu memang
karakteristiknya sangat berbeda
jadi ada ekstrim yang disebabkan oleh
sistem Pasifik ada yang disebabkan oleh
Central Pacific
nah tapi bagaimanapun
ketika
anomali semoga laut itu positif di
wilayah Pasifik ini maka akan terjadi
curah hujan yang lebih banyak di tempat
itu artinya Apa artinya tadi uap air
yang terbawa ke tempat lain akan
berkurang
contohnya Indonesia akan mengalami
kekurangan curah hujan karena suplai uap
airnya itu berkurang
dan tadi sudah saya jelaskan juga bahwa
insom merupakan variabilitas iklim pada
skala waktu
antar tahunan atau internal variability
Nah ada lagi
variabilitas yang lain ada yang
subsize jadi variabilitas yang
lebih pendek sifatnya ada plus minus
yang lebih pendek Mungkin ada yang
pernah mendengar Medan Julian osilation
itu adalah variabilitas intrasisional
jadi
sifatnya ada plus minusnya itu kurang
dari 3 bulan ya antara 1 sampai 3 bulan
atau paling lamanya 6 bulan
ada juga yang
interdekada
jadi per 10 tahun itu ada variasi juga
plus-plusnya
mungkin ada yang pernah mendengar
namanya Pacific di kadar osilation
misalkan dan ada beberapa lagi
fenomena yang terjadi menyebabkan
variabilitas iklim
sehingga Ini menimbulkan statistik tadi
ya jadi meskipun misalkan daerah kita
banyak hujan tapi kadang-kadang
kurang hujannya
nah
kita sedikit bergeser kekeringan karena
tadi kan judulnya dan hubungannya dengan
kekeringan ya nah jadi sebetulnya
kekeringan itu ada setidaknya tiga
tingkatan
tapi yang pertama itu adalah
kekeringan meteologis atau meteorgical
draw
jadi
metropi
atau kekeringan meteologis itu
disebabkan oleh
berkurangnya
curah hujan
dari rata-ratanya kurang lebih seperti
itu gampang
nah ini yang awal terjadi Nah kalau
defisit ini atau kekurangan curah hujan
ini berlangsung lebih lama lagi
itu akan
berdampak kepada
draw keterangan pertanian karena air
yang dibutuhkan untuk
apa proses produksi pertanian itu akan
kurang kemudian Kalau lebih lama lagi
kekeringannya itu akan terjadi hidrologi
karena air tanah mungkin juga di
sedot dan juga base flow nya juga akan
menjadi hilang
dan kalau sudah terjadi hydrologi itu
dampaknya sangat luas ya bisa ke ekonomi
sosial dan lingkungan ya ada kebakaran
hutan dan sebagainya itu nah tapi kita
akan fokus di kekeringan meteorologi
dulu ya
nah ini
ini pun cukup
[Musik]
rumit ya karena
kekeringan meteologis itu dari satu
tempat ke tempat lain itu sifatnya
spesifik
nah Oleh karena itu kita biasanya
menggunakan indeks kekeringan ya salah
satu yang paling sederhana itu kita
sebut standar divertitation index atau
SPI jadi ini hanya berdasarkan statistik
dari
data curah hujan
kemudian di transformasi variabelnya
menjadi biasanya di feed dengan
distribusi Gamma dan kita konversi
menjadi nilai
minus berapa sampai berapa gitu ya Nah
sehingga kita bisa menentukan kriteria
basah dan kering
Nah di sini kalau nilai SPI itu apa
kurang dari -1 itu sudah memasuki
kekeringan yang sedang kemudian Kalau
lebih minus lagi itu
masuk sampai ke ekstrim itu kurang dari
minus 2 gitu jadi indeksnya sangat minus
Dan ini juga bisa dilakukan untuk data
per 3 bulan per 6 bulan per 12 bulan
Jadi
ini yang disebut FPI
sebetulnya anomali iklim ini sudah
terjadi
tentu saja ya karena iklim ini sudah
berlangsung ratusan jutaan tahun bahkan
gitu ya
[Musik]
Tapi sejak dulu Sudah ada gitu dan ini
ada tulisan dari Cornelis produk orang
Belanda yang banyak meneliti iklim di
Indonesia
jadi dia melaporkan atau menuliskan
bahwa
kadang-kadang hujan itu banyak gitu
tidak musim keringnya itu tidak
datang-datang ya tapi
kadang-kadang apa
kering ya
diharapkan hujan datang itu tidak
muncul-muncul gitu ya
jadi ini ditulis laporan ini tahun 1929
oleh
berat Corner
apa
sekarang kita mengenal ya bahwa
variabilitas ini ya kadang hujannya
kurang kadang lebih itu salah satunya
bisa disebabkan oleh enso tadi dan
ini ada catatan menarik juga
dari CS remix
ini adalah Profesor di Hawaii University
dan saya tidak tahu apakah dia datang
langsung ke pulau Gok ya pulogak itu
pulau kecil
di Indonesia Timur ya mungkin yang dari
Indonesia timur ada yang tahu Lebih
Detail lebih tapi yang menarik di situ
ada catatan diantara tahun 1971 sampai
itu terjadi
1972 itu curah hujan di bulan Juli
Agustus September Oktober itu sangat
kecil ya padahal kalau kita lihat di
tahun-tahun lain ini cukup besar ya ini
bahkan kurang dari 100 ini lebih dari
300 mungkin ya rata-ratanya lebih dari
normally iklim itu sebetulnya apa
terjadi ya sejak dulu sampai sekarang
dan Salah satu fenomena yang bisa
menyebabkan anomali itu tadi adalah
nah
kita konsul dengan kondisi kekeringan ya
karena El Nino tadi dampaknya adalah
mengurangi atau menghambat proses-proses
pembentukan hujan di wilayah Indonesia
pada umumnya seperti itu
Nah kita bisa
membuat grafik antara indeks tadi indeks
nino34 dengan
SPI ini ya karena ini yang bisa kita
bandingkan satu tempat ke tempat lain
itu kalau kita bandingkan dengan curah
hujan itu akan sulit karena satu tempat
itu memang hujan rata-ratanya
banyak yang satu mungkin sedikit gitu
misalkan teman-teman di NTT itu
biasa mendapatkan curah hujan yang lebih
jauh lebih sedikit daripada di
Kalimantan misalkan tapi dengan FPI ini
akan bisa kita compare ya sebetulnya
seberapa kering ketika terjadi El Nino
jadi ini
kita lihat di sini strong El Nino itu
Kalau tidak salah di
apa di diberikan
ambang nilai anomali di sst di MI note
34 atau muka laut tadi itu satu setengah
derajat ya Jadi kalau satu setengah
derajat lebih itu strong El Nino
Nah kita lihat sebetulnya untuk kondisi
El Nino yang moderat ya itu curah hujan
ini contoh di Jawa Timur saya lupa
Malang Kalau nggak saya di sekitar
wilayah Malang
ini kita lihat sebetulnya Plus minusnya
masih besar jadi untuk El Nino yang
tidak strong itu
anomali
positif dan negatif artinya kondisi
kering itu tidak menentu
tapi ketika terjadi strong El Nino maka
dapat kita lihat bahwa dampaknya memang
kekeringan yang
juga cukup Intens ya Jadi ini motret to
Extreme dry ini adalah di resulnya di
pin 1
jadi begitu intinya
kalau El Nino yang tidak strong itu
kemungkinannya masih
lebar ya Apakah kita akan mengalami
kekeringan justru tempat atau tidak
dan ini saya juga pernah
melakukan kajian ini saya lupa Tahun
berapa ya agak lama ini waktu masih ada
dmp dulu nah jadi kita analisis
untuk kondisi strong El Nino dan moderat
nah
yang
kekeringan yang meluas seluruh wilayah
Indonesia itu memang
terjadi ketika ada strong aluminium
jadi pada waktu itu ada tiga Kejadian
ini 7273
8283 dan 9798 mungkin kalau sekarang
perlu ditambahkan juga 2015
ini bukan berarti tidak terpengaruh Ya
tapi tadi pengaruhnya itu apa tidak
menentu ya kadang mungkin kering kadang
tidak terlalu kering gitu nah sehingga
dampaknya itu sebetulnya secara
rata-rata itu
kurang hebat lah gitu ya dibandingkan
dengan strong El Nino ini
itu nah
ini juga ada
fakta lain ya di India dan Australia ini
juga wilayah yang terpengaruh El Nino
atau
nah kondisi hujan bawah normal biasanya
kalau di anda perhatikan apa namanya
pengumuman dari BMKG itu seperti itu ya
jadi curah hujan di bawah normal gitu ya
apa
nah
Kalau tidak salah di BMKG itu ukuran di
bawah Normal itu adalah
apa berkurang 15% ya
dari rata-rata gitu Nah untuk India dan
Australia ini kita lihat bahwa El Nino
itu dari 53 kejadian di bawah Normal itu
hanya
24 kejadian yang
berkaitan dengan El Nino ya Bahkan ada
dua yang berkas dengan laninya
gitu Jadi ini seperti yang tadi saya
Tunjukkan dengan data di Indonesia
tergantung Tingkat atau kekuatan dari
elmino ya Jadi tidak selalu ketika
dikatakan akan terjadi El Nino itu
terjadi kekeringan atau bilo normal gitu
ya Jadi kurang lebih 50% lah
[Musik]
saya diingatkan ya kalau sudah hampir
habis waktunya
Ada kajian lain dari sederhana Andreas
ini adalah start BMKG yang dulu S2 di
kami di sini
apa dia menganalisis karakteristik curah
hujan ketika bawah normal dan itu
membagi dua ini di wilayah Sumatera
dibagi dua ada C1 ini Kalau tidak salah
yang merah ini dan C2 yang hijau jadi
ada dua kelompok
wilayah
nah ternyata kondisi bawah Normal itu
seperti tadi di India dan Australia ada
juga
yang El Nino ini ada tiga kejadian
kemudian yang biru itu ada dua kejadian
malahan gitu nah jadi apa ini
menyebabkan
bahkan kekeringan itu bisa terjadi
ketika laninya bukan
nah
ternyata ada fenomena yang berkaitan
dengan
sirkulasi udara ataupun pola angin gitu
ya di atas wilayah Filipina Nah jadi
ketika
sirkulasi ini
searah jarum jam ya kita sebutnya ini
karena di belahan bumi utara ini kita
sebutnya antisiklonik
dan di sini ada yang sebaliknya ini
sinkronik ya berkalikan dengan arah
jarum jam nah ini ternyata menyebabkan
perbedaan yang besar dari
konvergensi atau
akumulasi uap air jadi yang berwarna ini
Kalau tidak salah anomali dari
kandungan uap air
jadi ini
Jadi bukan hanya Enzo El Nino tapi juga
mungkin ada proses-proses lain yang
perlu kita perhatikan
penandanya itu
mungkin tidak langsung dari kondisi laut
di pasifiknya ya tapi ada
pola sirkulasi
udara yang tertentu yang menyebabkan
adanya perbedaan ya akumulasi uap air di
atas suatu wilayah
itu hal yang perlu diperhatikan juga nah
tentu kalau kita bicara dampak
ataupun dampak enso tadi ya
mungkin kita ingin melihat langsung
kepada sektor ya atau kepada produk lah
katakan gitu Nah yang paling sensitif
untuk pertanian
[Musik]
dan ada satu kajian yang cukup
penting dalam hal itu ini
dipublikasikan oleh naylar dari Harvard
University itu dipublikasikan tahun 2001
dan dia menunjukkan bahwa
ketika terjadi anomali tadi Ya El Nino
lah Di Sini
itu akan berdampak kepada
panen padi di Jawa jadi ini panen
Januari April ini juga panen Januari
April
di
Pulau Jawa ya
[Musik]
memang ada suatu
korelasi yang cukup
kuat lah gitu ya ke antara
anomali sst ataupun muka laut
di Pacific tadi Kalau tidak salah ini
digunakan juga ni note 34 ya Jadi
indikatornya sama di situ
kalau itu terjadi El Nino artinya
anomalinya positif maka terjadi
penurunan produksi padi yang signifikan
di Pulau Jawa gitu nah tapi kajian ini
kurang detail sehingga ada satu
mahasiswa S3 pada waktu itu
dari Elsa sperma ini ya Dulu di
apa balai penelitian
klimatologi di
Kementerian Pertanian ya sekarang karena
itu pindah menjadi Brin dan sebagainya
Saya kurang tahu apakah masih memiliki
tapi di sini lebih detail penelitiannya
tentang kekeringan padi dan
juga mencoba melihat
kaitannya dengan El Nino tadi dengan
melihat indeks Mino 34
dan adanya apa jeda ya Atau like ya dari
apa
anomali di MI note 34
terhadap
produksi ataupun penurunan produksi di
wilayah Indonesia kalau tidak saya tapi
ini sampelnya cukup cukup menyebar ya
Kalau tidak salah ada beberapa wilayah
di Jawa dan luar Jawa
nah memang di sini ada
korelasi tapi untuk
misalkan
produksi di Mei Juni Juli itu
kurang kuat korelasinya tapi untuk
produksi di
Agustus September Oktober
itu cukup besar korelasinya lebih dari
0,5
tapi itu juga
Ada banyak hal yang perlu di perhatikan
ya karena ketika misalkan mungkin di
sini ada data yang lebih
ketika
indeks nino34 tadi artinya ketika
terjadi LG kuat misalkan di wilayah
Pasifik itu produksi
padi penurunannya tidak terlalu besar
tapi ini mungkin bisa diinterpretasikan
karena
pada
musim tanam tertentu itu sudah tidak ada
yang menanam itu jadi
apa Justru tidak ada produksi mungkin
seperti itu nah tapi ketika
Apa mungkin keringnya itu tidak di
awal-awal tapi di tengah-tengah begitu
maka terjadi penurunan produksi padi
yang besar nah
Meskipun demikian Apa kami waktu itu
beranggapan ataupun mempunyai pendapat
bahwa
agak sulit ya mengkorelasikan langsung
antara
anomali suhu muka laut di Pasifik dengan
produksi padi misalkan nah Oleh karena
itu kita perlu melihat dampaknya
terhadap
faktor meteologis tadi yaitu dengan
melihat CS
hubungan antara FPI tadi dengan
produksi padi itu lebih lebih
atau lebih jelas gitu kurang lebih
seperti itu
nah ini masih ada waktu ya
kita
beralih sedikit ke resiko iklim ya
dan bencana iklim Nah jadi tadi akibat
dari
variasi tadi ya hujan itu kadang-kadang
cukup kadang-kadang lebih kadang-kadang
kurang gitu
nah sehingga dari waktu waktu sebetulnya
kita menghadapi resiko iklim
nah tapi untuk resiko Seperti apa itu
kita harus mempunyai
pengetahuan mengenai ambang batas jadi
berapa sih ambang ketika
curah hujan ini menyebabkan
padi khusus semua misalkan gitu
nah setidaknya kita perlu mendefinisikan
tiga ambang jadi ambang Normal Di Sini
ketika produksi Katakanlah di sini
sebagai contoh sawah misalkan padi
itu masih
Masih normal begitu masih Sesuai yang
diharapkan
ini adalah
Masih normal atau mungkin produksi
terganggu tapi masih dalam batas
toleransi
Nah di sini ada batas Extreme jadi
ketika terjadi ambang
kejadian ekstrim baik negatif maupun
positif itu kita akan mengalami valuet
pada sistem ya Jadi mungkin kalau
pertanian sudah tidak ada air yang bisa
diupayakan lagi Apakah dengan pompa atau
dengan apa sudah tidak ada gitu ya atau
justru kelebihan hujan jadi terjadi
banjir yang berkali-kali gitu sehingga
padinya tetap busuk misalkan
kita perlu mengidentifikasi
resiko dan resiko itu ada dua rumusan
yang saya temukan
formulasinya itu Ris di itu sama dengan
light of event
dikalikan dengan Impact
itu kemudian ada yang formulasinya
Hazard dikali
founderbility atau kerentanan
Nah sepertinya kita bisa menggunakan
22 rumusan ini
tapi untuk hal yang lebih kuantitatif
biasanya digunakan formula yang pertama
ini di misalkan aplikasinya adalah di
bidang asuransi gempa misalkan karena
gempa yang besar misalkan itu naik atau
kemungkinan terjadinya kecil tapi
impactnya besar
sebaliknya gempa yang kecil mungkin
terjadinya sering tapi impactnya kecil
sehingga dari situ bisa dirumuskan
Kerugian apa yang mungkin timbul akibat
dari kejadian itu
dan menyiapkan antisipasinya
ini ada yang
setelah pemaparan materi oh nanti aja ya
Jadi tadi bagi yang resisten
kalau kalau ingin bertanya itu nanti
setelah selesai pemaparan ini 11.30
[Musik]
baik
oke nah
sebetulnya tentu ketika kita mengetahui
dampaknya yang begitu besar dari
fenomena iklim ini pertanyaannya Apakah
kita bisa memprediksi
jawabannya
secara
ilmu pengetahuan dan teknologi Kita
sudah mempunyai ya
tools ataupun
ya tadi ya teknologi untuk memprediksi
ya Nah kita
tapi bukan di Indonesia ya di seluruh
dunia itu sudah ada namanya model iklim
ya Model iklim yang sudah dikembangkan
dari awalnya model atmosfer kemudian
menjadi model couple atmosfer laut
sekarang itu lebih ke model sistem bumi
jadi tapi kira-kira ya ini saya tidak
bahas detail ya itu
ada model matematika atau persamaan
matematika yang kemudian dipecahkan
dengan komputer yang besar ya
tentu saja kita di Indonesia belum
mempunyai ya fasilitas itu tapi kita
bisa mendapatkan data dari berbagai
pusat prediksi di dunia ya nah salah
satunya itu adalah
Isim WF jadi
water forecast itu ada di Inggris tapi
merupakan konsorsium dari negara-negara
Eropa mereka mempunyai
sistem prediksi yang disebut
[Musik]
dan sekarang sudah tadinya sistem 4 di
sini sekarang sudah sistem 5 Ya sudah
generasi kelima gitu kurang lebih nah
satu hal lagi yang perlu diperhatikan
adalah bahwa
model iklim ini dijalankan atau di
Running ya dengan
tujuan untuk menghasilkan ansambel
jadi ansambel ini suatu sistem
prediksi yang tidak satu nilai jadi
model dijalankan berkali-kali untuk
mendapatkan banyak nilai nah Buat apa
banyak nilai ini karena tadi
iklim ini tidak pasti sifatnya
bervariasi
Nah kita ingin menangkap variasi itu ya
Jadi kalau hanya satu kali menjalankan
model itu disebutnya deterministik
dengan adanya ansambel prediction system
ini yang dihasilkan adalah
apa satu rentang nilai dan kita bisa
mendapatkan namanya tadi ya
kurva
peluang tadi atau PDF probability dari
City function Nah jadi kurang lebih
gambarnya kalau sst pun itu banyak
keluar nilainya itu seperti ini ya
menyebar
nah
sehingga apa yang bisa kita dapatkan
informasi prediksi ini berupa peluang
dan
untuk prediksi El Nino itu juga sudah
banyak ya yang
mempublikasikan salah satu yang terkenal
kalau di kalangan akademik itu dari
University
jadi dia apa dia mengumpulkan
hasil prediksi dari banyak
model kemudian menghitung tadi
peluangnya
kita lihat di sini peluang itu
bervariasi ya dan
tapi masih ada peluang untuk terjadi
laninya misalkan ketika prediksi
dikeluarkan di bulan
maret tapi untuk prediksi yang
dikeluarkan di bulan Juli itu sudah
tidak ada peluang atau hampir tidak ada
peluang dari kejadian laninya sehingga
hampir 100% nah gitu ya elmino sedang
terjadi atau akan terjadi di beberapa
bulan kedepan dan kalau kita melihat
pemantauan dari
34 juga itu sudah positif sejak
sekitar Mei mungkin di sini nah jadi
kita memang sedang memasuki fase
Pacific ya karena kita lihat di sini
anomali SSC itu yang besar ada di
Pacific Timur
itu Nah
tadi Bagaimana dengan
apa dampaknya terhadap
curah hujan misalkan itu juga ada hasil
prediksinya tapi
informasinya juga tidak detail ya
biasanya
seperti ini
peluang curah hujan di atas normal di
bawah normal jadi memang
diprediksikan untuk September Oktober
ini apa wilayah Indonesia pada sebagian
besar
diprediksikan akan di bawah normal
hujannya nah
kemudian Bagaimana dengan temperatur ini
juga ada prediksinya dan
diperkirakan memang juga temperatur
mengalami
apa sedikit Di Atas Normal ya
untuk wilayah Indonesia
itu Misalkan dan wilayah-wilayah lain
juga diprediksikan demikian jadi secara
global memang El Nino ini akan
menyebabkan
kenaikan temperatur
salah satunya karena tutupan awan
berkurang sehingga pemanasan dari sinar
matahari akan lebih kuat dan apa secara
rata-rata akan terjadi kenaikan
temperatur tapi kalau kita melihat
pemantauan terakhir dari satelit
beberapa wilayah Indonesia itu masih
mengalami hujan
sehingga untuk kondisi bulan ini mungkin
memang ada daerah-daerah yang sudah
kering tapi secara
pas secara nasional begitu
belum separah dari kejadian El Nino di
beberapa
waktu yang lalu misalkan 9798 gitu ya
itu tapi kondisi ini harus kita pantau
terus
perkembangan dari air minum di Pacific
juga bisa lebih menguat lagi tapi kalau
lihat dari prediksi yang tadi itu
cenderung modern ya Jadi untuk sekarang
prediksinya itu modern jadi tidak sekuat
ini dari waktu ke waktu
nah sebetulnya analisis ini bisa
dilakukan lebih detail ya Jadi ini
kembali lagi yang pernah dikerjakan oleh
ibu untuk disertasi
mencoba menganalisis Berdasarkan model
produksi padi
Nah jadi ini sebetulnya bisa dilakukan
untuk Upaya mitigasi juga artinya
mengurangi
pengaruh itu dengan menggeser pola waktu
tanam misalkan
Nah jadi ketika ditanam disimulasikan
dengan menggeser
periode tanam yaitu kita bisa melihat
periode tanaman yang paling
baik untuk
mempertahankan produksi ataupun
apa meminimalisir pengurangan produksi
seperti itu kemudian juga untuk
dampaknya ke sektor air kita sebetulnya
bisa menggunakan juga pemodelan
ya yang paling umum misalkan menggunakan
SWAT itu untuk
model water Balance sehingga kita bisa
memperkirakan dampak itu kita lihat di
sini contoh
analisis untuk wilayah
Kalau nggak salah Bandung ini ya Nah ini
kita lihat di tahun-tahun El Nino kuat
itu terlihat
penurunan
debit sampai minimumnya itu lebih lebih
jauh daripada tahun-tahun lain dan ini
untuk laninya misalkan
apa
penurunan debitnya yang paling sedikit
kemudian nah
memang di sini Saya tidak membahas
mengenai
perubahan iklim tapi untuk tujuan
analisis perubahan iklim Biasanya kita
juga membuat analisis Hazard atau
ancaman ya dan itu bisa dilakukan di
beberapa level
administratif dari provinsi kabupaten
kota dan lain-lain
dan ini salah satu contoh Biasanya kita
membuat namanya impact change jadi
untuk melihat faktor-faktor Apa yang
menyebabkan resiko itu tinggi atau
rendah gitu Nah untuk hazardnya ini kita
bisa menggunakan parameter yang lebih
banyak misalkan di sini kita gunakan
drive spell atau panjang hari kering
kemudian juga SPI 3 bulan dan SP 6 bulan
ditambah juga faktor lain misalkan ada
sayur water holding capacity jadi
apa
Seberapa jauh tingkat analisis yang
kita inginkan tentu tadi tergantung dari
model Hazard yang
kita gunakan ya biasanya analisisnya
penting sebagai baseline karena kita
menggunakan data historis
dengan adanya
analisis base lain ini kita bisa
menggunakannya tadi baik untuk prediksi
maupun untuk proyeksi Jadi kalau
perubahan iklim itu kita menggunakan
proyeksi yang
jauh ke depan gitu mungkin 30 tahun 50
tahun dan seterusnya
tentu ini mungkin nanti kalau diminta
saya akan membahas Lebih Detail mengenai
perubahan iklim tapi untuk saat ini kita
fokus di iklim dulu ya jadi rentang
beberapa bulan kedepan
Nah ada beberapa catatan yang perlu saya
tambahkan di sini
sebenarnya kekeringan ini tadi yang kita
konsen adalah kejadian ekstrim nah tapi
kejadian ekstrim ini
kalau terjadi itu sifatnya meluas dan
sangat parah gitu nah sehingga
sebetulnya perlu diantisipasi lebih jauh
Nah tadi yang signal prediction itu
jangkauan waktu prediksinya itu maksimal
9 bulan itu pun apa namanya kemampuan
atau kehandalannya menurun
nah sebetulnya di double umo itu sudah
ada
inisiasi untuk menghasilkan produksi
yang lebih panjang yaitu skala dekade
paling tidak 5 tahun ke depan
sebetulnya ada beberapa model yang
berpartisipasi di situ
ini ada mahasiswa yang sudah mencoba
mengolah datanya tapi ternyata
Apa masih kurang sesuai gitu ya antara
observasi dengan
keluaran model prediksi ini sehingga
kelihatannya perlu pengembangan lebih
lanjut agar
prediksi dekade ini bisa kita manfaatkan
itu kemudian
catatan lain ini mungkin nanti sebagai
ini diskusi aja ya Jadi kalau kita lihat
berita itu simpang siur ya
ada musim salju di Papua Ada apa salju
di Dieng ada panas menyengat jadi
Ini yang mana yang bener gitu Apakah
kita sedang kepanasan atau kedinginan
dan juga
sebuah menyalahkan El Nino gitu ya sama
juga dengan
apa bencana itu semua menyalahkan
perubahan iklim Jadi
sebetulnya
risiko iklim itu melekat pada aktivitas
manusia
ketika kita mengetahui resiko Apa
tindakan kita antisipasi itu ya seperti
juga kita kalau berkendara di jalan raya
dengan motor misalkan itu ada resiko
celak